遥感实习Landsat影像数据下载导入目视解译与分析
遥感影像实习报告
实习报告：遥感影像处理与应用一、实习目的本次遥感影像实习旨在通过理论学习和实际操作，使学生掌握遥感影像的基本处理方法，提高对遥感影像的解译和分析能力，并为实际应用遥感影像提供技术支持。
实习内容包括遥感影像的预处理、裁剪、解译、分类和专题图制作等。
二、实习内容（一）遥感影像预处理1. 辐射校正：在ENVI软件中，对下载的原始遥感影像进行传感器校正、大气校正、太阳高度及地形校正等辐射校正处理，使遥感影像的辐射特性更加真实反映地物实际情况。
2. 几何校正：根据实习所用的遥感影像坐标系，选取相应的控制点，利用ENVI软件进行几何校正，纠正图像坐标系变形，提高遥感影像的地理精度。
（二）遥感影像裁剪利用ENVI软件的感兴趣区域（ROI）功能，选取实习区域范围，将预处理后的遥感影像进行裁剪，去除无关区域，提高后续处理和分析的效率。
（三）遥感影像解译根据《土地利用现状分类-GB2007》标准，对实习区域内的遥感影像地物进行初步目视解译，划分地物类别，为后续分类和专题图制作奠定基础。
（四）遥感影像分类1. 选择合适的光谱特征和纹理特征，利用ENVI软件的面向对象分类模块，对实习区域内的遥感影像进行分类。
2. 针对不同地物类别，设置规则集参数，进行分类处理，得到实习区域的土地利用类型分布。
（五）遥感影像专题图制作根据分类结果，利用ENVI软件将不同土地利用类型赋予不同的颜色，制作土地利用现状分类专题图，直观展示实习区域的土地利用状况。
三、实习成果与分析通过本次实习，我们成功完成了遥感影像的预处理、裁剪、解译、分类和专题图制作等任务。
分类结果较为准确地反映了实习区域的土地利用现状，为后续遥感影像在土地资源调查、环境监测等领域的应用提供了数据支持。
实习过程中，我们学会了使用ENVI软件进行遥感影像处理，掌握了面向对象分类方法，提高了对遥感影像的分析和解译能力。
同时，我们也认识到遥感影像处理和分析在实际应用中需要注意的问题，如数据质量、分类精度等。
遥感影像数据实习报告
一、实习背景随着遥感技术的不断发展，遥感影像数据在资源调查、环境监测、城市规划等领域发挥着越来越重要的作用。
为了使同学们更好地掌握遥感影像数据处理方法，提高实际操作能力，本次实习课程以遥感影像数据为研究对象，通过实践操作，使学生了解遥感影像数据的处理流程，掌握遥感影像处理软件的使用方法。
二、实习目的1. 熟悉遥感影像数据的处理流程；2. 掌握遥感影像处理软件（如ENVI、ArcGIS等）的使用方法；3. 学会遥感影像数据的预处理、增强、分类等基本操作；4. 培养学生独立解决问题的能力，提高实际操作水平。
三、实习内容1. 遥感影像数据预处理遥感影像数据预处理是遥感影像处理的基础，主要包括辐射校正、几何校正、大气校正等。
（1）辐射校正：通过对遥感影像进行辐射校正，消除传感器噪声、大气辐射等因素对影像的影响，提高影像质量。
（2）几何校正：通过对遥感影像进行几何校正，消除由于传感器倾斜、地球曲率等因素引起的几何畸变，使影像与实际地理坐标相对应。
（3）大气校正：通过对遥感影像进行大气校正，消除大气对遥感影像的影响，提高影像的清晰度。
2. 遥感影像数据增强遥感影像数据增强是提高遥感影像质量的重要手段，主要包括对比度增强、锐化、滤波等。
（1）对比度增强：通过对遥感影像进行对比度增强，使影像中地物特征更加明显，便于后续处理。
（2）锐化：通过对遥感影像进行锐化处理，使影像中的地物边缘更加清晰，提高影像的视觉效果。
（3）滤波：通过对遥感影像进行滤波处理，消除影像中的噪声，提高影像质量。
3. 遥感影像数据分类遥感影像数据分类是将遥感影像中的地物进行分类，提取所需信息的过程。
常用的分类方法有监督分类、非监督分类等。
（1）监督分类：根据已知的地物特征，建立分类模型，对遥感影像进行分类。
（2）非监督分类：根据遥感影像自身特征，自动将遥感影像进行分类。
四、实习步骤1. 收集遥感影像数据：从遥感影像数据库中下载或获取所需的遥感影像数据。
遥感数据的下载及目视解译步骤
ENVI 4.7应用实验报告城环11级地信王悦2011013144一．Landsat遥感数据的获取：1.查找并选中我的家乡赤峰市以及隶属于它的旗县所在区域（大致位于TM数据第122轨，30区），并勾选为TM数据：2. 选择要下载的数据及数据的producer:3. 开始下载：4. 下载完成。
二．数据的显示：1. 启动ENVI4.7：单击“File”选项——>选择“open image file”，选择以下载的数据并选中:2. 首先，进行灰度图象显示：选中波段，并选择“Gray Scale”选项——>单击“load band”——>单击“No display”，选择“New display”：3. 然后，进行彩色图像显示：选择“RGB Color ”，然后分别单击3,2,1波段，将其分别赋给“R”，“G”，“B”进行真彩色图像显示：4. 像元定位与数值显示：选择“window”——>“Cursor Location/Value”随着十字在任一界面移动，都将显示像元的具体位置信息：三．建立感兴趣区（ROIs）：1. 定义感兴趣区：两种方式：（1）在Envi主菜单中选择“Basic tools”——>“Region of interest”——>ROI Tool；（2）主图像窗口选择“Overlay”——>“Region of interest或Tools”——>“Region of interest”——>“ROI Tool”。
在弹出的对话框中可选择在哪一窗口中定义感兴趣区（该处选为Image），可单击“New Region”定义新的感兴趣区：2. 对感兴趣区进行操作：（1）转到：单击感兴趣区名称，点击“Goto”；（2）统计：单击感兴趣区名称，点击“Stats”，可查看每个波段的波段号，最大值，最小值，均值和标准差等。
（3）感兴趣区类型：默认为多边形，但可通过“ROI_Type”进行更改。
遥感原理实验报告3目视解译与制图
《遥感原理》实验报告实验名称：遥感图像目视解译与制图专业：地理信息科学学号：姓名：指导老师：1、实验目的（1）学习航空像片判读的基本原理和方法；掌握航空像片判读中判读标志的建立方法；解译判读各土地覆盖类型在彩红外航片上的影响特征；（2）认识和了解热红外影像对地物的表现；（3）认识和掌握TM图像各波段的光谱效应；学习和掌握陆地卫星遥感图像的判读方法。
2、实验材料ArcGIS10.2、ENVI5.13、实验内容与过程3.1航空像片的判读说明：与黑白像片相比。
真彩色像片基本反映了地物的天然色彩，地物类型之间的细微差异可以通过色彩的变化表现出来，彩色像片上的丰富色彩提供了比可见光黑白像片更多的信息。
由于受到大气散射与吸收的影响，在航空摄影高度相同的条件下，彩色摄影信息损失量远大于红外摄影，因此航空遥感中广泛使用彩色红外摄影。
由于绿色植物在近红外波段具有很强的反射特性，在彩色红外像片上呈红色，使彩红外航片比普通彩色航片在植被的判读和识别方面具有较大的优势，同时也使其在识别伪装方面有突出的功用。
判读彩色红外像片，可以按照以下步骤进行：认真了解彩红外摄影感光材料的特性和成像原理；熟悉各种地物在可见光和近红外波段的反射光谱特性；建立地物的反射光谱特性与像片假彩色的对应关系（如下表）；建立彩红外像片与其他判读标志；遵循遥感解译步骤与方法对彩红外像片进行解译。
在解译时应注意：在彩红外像片上，植物的叶子因反射红外线而呈现为红色。
但不同植被类型或处于不同生长阶段，受不同环境影响的植物，其光谱特性不同，因而在彩红外相片上，红色的深浅程度不同。
如正常生长的针叶林，颜色为红色到品红色，枯萎的植被则呈现暗红色，即将枯死的制备则呈现青色。
根据以上表格和所给遥感影像可得实习区判读表格如下：3.2热红外图像判读（1）光盘中“实习图像”子目录下共有三组热红外图像：热红外11、热红外12、热红外13位第一组，这是反映工业热流的热红外影像，影像说明如表所示。
遥感影像数据实习报告
实习报告：遥感影像数据处理与分析一、实习目的本次遥感影像数据实习旨在通过实际操作，掌握遥感影像数据的处理、分析和应用方法，提高对遥感技术的理解和应用能力。
通过实习，要求学生能够熟练使用遥感影像处理软件，对遥感影像进行预处理、信息提取和分类，并能够根据实际需求进行遥感影像的分析和应用。
二、实习内容（一）遥感影像预处理本次实习所使用的遥感影像数据为Landsat 8卫星影像，首先需要对影像进行预处理，包括辐射定标、大气校正和地理校正等。
预处理的目的是消除遥感影像中由于大气、传感器等非目标因素引起的影响，提高影像的可用性和分析精度。
（二）遥感影像信息提取在预处理的基础上，需要对遥感影像进行信息提取，包括水体、植被、建筑用地等土地利用类型的提取。
信息提取的方法包括基于像元的分类方法和基于对象的分类方法。
通过比较不同分类方法的准确性，选择合适的分类方法进行实习任务的需求。
（三）遥感影像分类与分析对遥感影像进行分类是为了将影像中的不同地物类型进行区分，便于后续的分析和应用。
分类的方法包括监督分类、无监督分类和混合像元分解等。
在分类的基础上，可以对不同地物类型的分布、变化等进行分析，为实际应用提供依据。
（四）遥感影像应用在遥感影像分类和分析的基础上，可以进行遥感影像的应用，例如土地利用变化监测、生态环境监测等。
通过实际应用，可以进一步理解遥感影像数据的价值和应用前景。
三、实习步骤与方法（一）遥感影像预处理1. 辐射定标：将遥感影像的数字量化值（DN）转换为反射率或辐射率。
2. 大气校正：消除大气对遥感影像的影响，提高地物反射率的准确性。
3. 地理校正：纠正遥感影像的几何变形，使影像坐标与实际地理坐标对应。
（二）遥感影像信息提取1. 基于像元的分类：通过设置不同的阈值，将遥感影像中的像素分为不同的类别。
2. 基于对象的分类：利用遥感影像分割技术，将影像中的不同地物分为对象，并进行分类。
（三）遥感影像分类与分析1. 监督分类：利用已知类别的样本数据，训练分类器，对遥感影像进行分类。
卫星遥感技术的数据处理与解译教程
卫星遥感技术的数据处理与解译教程卫星遥感技术是一种通过卫星传感器获取地球表面信息的技术手段。
随着遥感卫星的发展和技术的进步，遥感数据的获取和处理已成为地学研究和资源管理中不可或缺的工具。
在这篇文章中，我们将向您介绍卫星遥感技术的数据处理与解译方法，帮助您快速掌握基本操作和技巧。
一、遥感数据处理的步骤1. 数据获取与选择首先，我们需要获取适合研究的遥感数据。
常见的卫星遥感数据包括Landsat、Sentinel、MODIS等系列数据。
根据具体研究需求，可以选择不同波段、分辨率和时间段的数据。
2. 数据预处理在使用遥感数据进行研究之前，我们需要对原始数据进行预处理。
这包括大气校正、辐射校正和几何校正等步骤，以确保数据的准确性和可比性。
3. 影像增强为了提取地物信息和进行可视化分析，我们可以对遥感影像进行增强处理。
常见的增强方法包括直方图均衡化、滤波和波段合成等。
4. 分类与分类精度评价遥感数据的分类是指将影像中的像素分配到不同的地物类别中。
常见的分类方法包括监督分类和无监督分类。
分类的结果需要进行分类精度评价，以验证分类准确性和可信度。
5. 特定应用的数据解译根据具体的应用需求，我们可以通过遥感数据解译获取所需的地物信息。
例如，利用NDVI（归一化植被指数）可以提取植被分布信息，利用NDWI（归一化水体指数）可以提取水体分布信息。
6. 数据分析与建模在获取地物信息之后，我们可以进行数据分析和建模，以深入研究地球表面的动态变化和环境响应。
常见的分析方法包括变化检测、时间序列分析和空间模型构建等。
二、常用的遥感数据处理软件1. ENVI（Environment for Visualizing Images）ENVI是一款功能强大的遥感数据处理软件，具有丰富的图像增强、数据分类和解译功能。
通过ENVI，用户可以方便地进行遥感数据的处理和分析。
2. ArcGIS（Arc Geographic Information System）ArcGIS是一款广泛使用的地理信息系统软件，同样提供了丰富的遥感数据处理和空间分析功能。
遥感影像实习报告
一、实习背景随着遥感技术的发展，遥感影像在地理信息、环境监测、城市规划等领域得到了广泛应用。
为了提高我们对遥感影像处理和分析的能力，我们开展了为期两周的遥感影像实习。
本次实习旨在让我们了解遥感影像的基本原理，掌握遥感影像处理软件的使用方法，并能对遥感影像进行初步的解译和分析。
二、实习内容1. 遥感影像基础知识实习期间，我们首先学习了遥感影像的基本原理，包括遥感数据的获取、处理、分析等环节。
了解了遥感影像的成像原理、成像模型、传感器类型等基本概念。
2. 遥感影像处理软件学习我们主要学习了ENVI软件的使用。
通过实习，我们掌握了以下操作：（1）数据导入与导出：学会了如何将遥感影像数据导入ENVI软件，以及如何导出处理后的影像数据。
（2）图像预处理：学会了如何对遥感影像进行辐射校正、几何校正、大气校正等预处理操作。
（3）图像增强：学会了如何对遥感影像进行对比度增强、亮度增强、锐化等增强操作。
（4）图像分类：学会了如何对遥感影像进行监督分类和非监督分类，以及如何提取地物信息。
3. 遥感影像解译与分析在实习过程中，我们对实习区域进行了遥感影像解译与分析。
主要内容包括：（1）地物识别：通过对遥感影像进行解译，识别实习区域内的主要地物类型，如水体、植被、建筑等。
（2）变化检测：对比不同时期的遥感影像，分析实习区域内的地物变化情况。
（3）专题图制作：根据遥感影像解译结果，制作实习区域的专题图，如土地利用现状图、植被覆盖度图等。
三、实习成果通过本次实习，我们取得了以下成果：1. 掌握了遥感影像处理软件ENVI的基本操作，能够对遥感影像进行预处理、增强、分类等操作。
2. 提高了遥感影像解译与分析能力，能够对实习区域内的地物进行识别和变化检测。
3. 了解了遥感技术在地理信息、环境监测、城市规划等领域的应用，为今后从事相关领域的工作奠定了基础。
四、实习体会本次遥感影像实习让我们受益匪浅。
在实习过程中，我们不仅学到了遥感影像处理和分析的基本知识，还提高了实际操作能力。
遥感目视解译实习报告
实习报告：遥感目视解译实习一、实习目的与任务本次遥感目视解译实习的目的是让我们掌握遥感影像目视解译的基本原理和方法，提高我们对遥感影像的判读和分析能力。
实习任务是对给定的遥感影像进行目视解译，识别不同地物类别，并对其进行属性编码和符号表示。
二、实习准备在实习前，我们学习了遥感影像的基本知识，包括遥感影像的获取、处理和分析方法。
我们还学习了目视解译的原理和方法，包括解译标志的识别和应用。
此外，我们还熟悉了相关软件的使用，如ENVI和MapGIS。
三、实习过程实习过程中，我们首先接收到了一组遥感影像，影像分辨率为250米。
我们首先对影像进行了预处理，包括假彩色合成和增强处理，以提高解译的准确性。
然后，我们根据先验知识和影像特征，开始进行目视解译。
我们首先观察影像的色调、颜色、阴影、形状、纹理等特征，以识别不同的地物类别。
我们发现，影像中的地物可以分为以下几类：水体、植被、建筑物、道路、田野等。
我们根据这些地物类别，对其进行了属性编码和符号表示。
在解译过程中，我们遇到了一些困难。
例如，某些地物的边界模糊，难以准确识别。
此外，某些地物的光谱特征相似，难以区分。
为了解决这些问题，我们采取了以下措施：一是增加了解译标志的识别和应用，例如根据地物的形状、纹理和阴影等特征进行判断；二是参考了相关的地理信息数据，如地形图和土地利用图等，以提高解译的准确性。
四、实习成果与分析经过一段时间的目视解译，我们完成了对遥感影像的解译工作。
我们通过对解译结果的统计和分析，得出以下结论：1. 影像中的水体主要分布在河流和湖泊地区，其边界清晰，色调较暗。
2. 植被主要分布在山区和公园地区，其色调绿色，纹理丰富。
3. 建筑物主要分布在城市和乡村地区，其边界明显，色调和纹理独特。
4. 道路主要分布在城市和乡村地区，其边界清晰，色调较亮。
5. 田野主要分布在乡村地区，其色调较浅，纹理较少。
通过对遥感影像的目视解译，我们不仅提高了自己的遥感影像分析能力，还对地表物体的分布和特征有了更深入的了解。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
LT5——landsat5号卫星；130——条带号；42——行编号；20011320——获取日期；BKT——接站代码；00——产品级别；
1.打开ENVI软件，选择ENVI 5.0 Classic。
2.把下载影像的1、2、3、4、5、6、7波段进行加载，以多波段组合方式将原始的GeoTIFF格式的LandsatTM/ETM+数据转换为ENVI标准格式。
步骤：
选择basic tool> layer stacking，弹出Layer Stacking Parameters对话框，点击Import File按钮，将出现Layer Stacking Input File对话框。
点击open加载1~7波段文件。
单击Reorder将1~7波段按顺序排列，上下拖动即可，选择影像输出路径后点OK。
3、利用ENVI的显示窗口（Display）打开影像，分别选取
4、3、2和3、2、1波段组合进行假彩色和真彩色合成
步骤：
在可用波段列表(Available Band List)中，使用鼠标左键点击对话框中所列的文件名，选中要打开的影像。
选择RGB Color彩色影像显示：用鼠标左键分别依次点击(4、3、2)要进行假彩色合成的波段组合，点load RGB。
重新选择3、2、1波段组合，打开第二幅真彩色影像（已打开一幅影像，则点击New Display），打开一个新窗口。
点击Load RGB，将第二幅影像加载到一个显示窗口中。
对比真假彩色影像上地物的差别。
（左：假彩色；右：真彩色）
在小窗口点击tools>link>link displays>OK连接两个窗口。
在显示窗口中观察不同波段组合的影像中地物的色调变化。
思考二：根据你下载的影像数据，说明每个波段含义及主要作用是什么。
可在地理空间数据云的卫星数字产品图像详细信息中查找，学会查看图像信息编号波段主要作用
Band 1 蓝色波段用于水体穿透，分辨土壤植被
Band 2 绿色波段分辨植被
Band 3 红色波段处于叶绿素吸收区域，用于观测道路/裸露土壤/植被种
类效果很好
Band 4 近红外波
段用于估算生物数量，尽管这个波段可以从植被之间有好的对比度，并且有较好的穿透大气、云雾的能力
Band 5 短红外波
段用于分辨道路/裸露土壤/水，它还能在不同植被之间有好的对比度，并且有较好的穿透大气、云雾的能力
Band 6 热红外波
段
感应发出热辐射的目标
Band 7 中红外波
段对于岩石/矿物的分辨很有用，也可用于辨识植被覆盖和湿润土壤
4、查询并记录影像文件的基本信息、投影信息，以及各个波段直方图信息。
在可用波段列表中左键点击map info标签的图标或左键双击map info标签使其展开，就可以获取影像的基本信息。
点击basic tools >statistics >computer statistics，选择需要查看信息的影像；点击“先保存的图像名称”>Ok再勾选histograms，点击ok即可生成影像的直方图信息。
生成.sta文件
直方图统计结果中，第一部分显示的是整个文件的统计信息，之后是分波段的统计信息。
在Select Plot 中可分别查看波段直方图信息。
5、利用ENVI的三窗口，即主图像窗口（Image）、滚动窗口（Scroll）、放大窗口（Zoom）识别影像中的土地利用/土地覆盖类型，可能的土地利用/土地覆盖类型包括找到图中的6中不同地物
(1) 耕地farmland (8) 公路/铁路road or railway
(2) 草地grassland (9) 河流stream
(3) 裸地barren land (10) 水库reservoir
(4) 森林forest (11) 冰雪ice and snow
(5) 城镇居民地town (12) 云cloud
(6) 农村居民地village (13) 阴影shadow
(7) 沙漠desert （14）机场
思考三：将识别的6中地物如下图示意分别截图，并观察上述地物的色调变化。
说明上述地物（选取6种）分别在两种波段组合下(真彩色、假彩色)的颜色特征区别。
（在该处作答）
1.河流
2.…
3.…
4.…
5.…
6.…（请补充完整）
地物在真彩色和假彩色下的区别
地物类别真彩色假彩色
1.河流黄色蓝色
2.森林绿色红色
3.公路黄色淡蓝色
4.耕地绿色和黄色红色
5.云白色白色
6.城镇居民
黄色淡蓝
地
6、利用Z Profile (Spectrum)光谱剖面工具，提取上述地物在不同波段的数值（Digital Number，DN）；要求针对影像中的6种地物至少各采集10个样本，取平均值，做光谱剖面图，分析不同地物的灰度值随波段变化的特点。
将光谱剖面数据保存为文本文件（txt格式，可以用文本文件编辑器打开）
在图像上右击点Z Po)可以查看不同地物的光谱剖面。
在Spectral Profile窗口中，点击Option>Collect Spectra可以选择样本点，可在图上均匀选取多个不同点，注
意最后输出应手动排除异常点（每个地物最少采集十个点，按Ctrl选中多个样本点后输出），再点击File > Save plot as > asscii 保存数据。
（注明每个光谱剖面图对应的是何种地物，以下举例一种，请补充完整6种）
1.河流
3、公路
5、云
6、城镇居民地
7、利用所得数据完成每种地物的样本特征光谱统计表
步骤：在excel中要添加数据分析模块的具体操作是文件，选项···导入数据，起始行，分列导入，计算平均值average，最小值min，最大值max，相关系数矩阵。
（以下给出一种地物的格式，请补充完整6种）
1.河流
2.森林
3.公路
4.耕地
5.云
6.城镇居民地
8、采用Excel打开步骤6、7生成的数据文件，根据每种地物在不同波段的均值作折线图；并从TM/ETM+ 1、2、3、4、5、6、7中选取3、4两个波段的数据，做散点图；分析上述不同地物在光谱空间中的分布情况及其规律（注意在图中使用不同的符号表示不同的地表覆盖类型，给出地物图例）。
1、河流在第三第四波段的DN值很接近所以集中分布。
2、森林第三波段DN变化不大，第四波段DN值变化大，点的连线斜率大于一。
3、公路第四波段DN值变化不大，所以呈现出点近似在一条横线上。
4、森林第三波段DN变化不大，第四波段DN值变化大，但是其第四波段DN
值大于森林，第三波段DN值大于城镇居民地，所以点在森林点的右侧，城镇居民地点的上方。
5、城镇居民地第三波段第四波段DN值变化均匀，点连线斜率近似为1。
6、云第三第四波段DN值变化幅度大，点比较离散，点连线斜率大于一。
不同的地物光谱特征相差很大，相同的地物在散点图中较为聚集，即使在地理空间上相隔很远，但其光谱特征呈现一致性，这说明各种地物的光谱特征具有特殊性和统一性。
特殊性是指各种地物的光谱特征不尽相同，而统一性是指相同的地物无论空间距离多远，其光谱特征将呈现一致性。
这就为遥感分类提供了切实可行的依据。
10、利用Resize Data工具从可见光/近红外的6个波段影像中选取512×512子区并保存。
（手动选择子区大小，后期将学习通过矢量裁剪子区）
步骤：点击basic tools >resize data input file，选择图层后点击spatial subset ,选择image，选择裁剪范围为512*512后导出，即完成子区裁剪。
思考四：对影像进行分析，说明子区影像直方图与原影像直方图的差异，重新计算原影像统计特征值，说明结果的变化。
选取的子区明显统计量min和max有所改变，且DN、Npts、Total，percent 和Acc Pct值的数量少于原数据；波段的直方图也发生了较大的变化，波峰值明显变大；
原因：选择的子区尺度更小，其自身的特殊性表现的更加突出，而原数据是大尺度上的，相比较而言，更加体现出这个研究范围的整体性。