遥感数据的信息提取
如何利用遥感数据进行测绘数据的提取
如何利用遥感数据进行测绘数据的提取遥感技术是一种通过卫星、飞机和无人机等远距离获取对象信息的技术手段。
利用遥感数据进行测绘数据的提取，可以为地理信息系统、城市规划、环境监测、农业管理等领域提供准确、高效的数据支持。
本文将探讨如何利用遥感数据进行测绘数据的提取。
一、遥感数据的获取与处理1. 遥感数据的获取方式遥感数据的获取方式包括卫星遥感、航空遥感和无人机遥感等。
卫星遥感是通过卫星对地观测，获取大范围的地表信息；航空遥感是利用航空器对特定区域进行遥感观测，数据分辨率较高；无人机遥感则是利用无人机进行遥感观测，可以获取更高分辨率的数据。
2. 遥感数据的处理流程遥感数据处理流程包括预处理、数据影像处理和数据提取等步骤。
预处理主要包括辐射校正、大气校正和地形校正等，以保证数据的准确性。
数据影像处理主要包括图像增强、图像融合和图像分类等，以提取出感兴趣的对象信息。
数据提取是利用图像处理结果，从中提取出需要的测绘数据，如道路、建筑物、水域等。
二、遥感数据在测绘中的应用1. 遥感数据在地图制作中的应用遥感数据在地图制作中可以提供地表物体的准确位置、形状和属性信息。
通过图像分类和对象提取等技术，可以从遥感数据中提取出各类地物信息，如道路、建筑物、水域等，用于地理信息系统和城市规划等领域。
2. 遥感数据在地形测量中的应用遥感数据可以提供地表高程信息，用于地形测量和三维地图制作。
通过遥感图像的几何纠正和数字高程模型的生成，可以获取地表的高程数据，用于地形分析、地质调查和水资源管理等。
3. 遥感数据在农业测量中的应用遥感数据在农业测量中可以提供农作物的生长状态、受灾情况和产量预测等信息。
通过遥感图像的特征提取和分类，可以监测农作物的种植面积、植被指数和土壤湿度等参数，用于农业管理和精准农业。
三、遥感数据提取测绘信息的方法1. 监督分类法监督分类法是常用的遥感数据提取测绘信息的方法之一。
该方法需要预先准备训练样本，并通过机器学习算法训练分类器，然后应用分类器对整个遥感图像进行分类，提取出感兴趣的测绘信息。
测绘技术中的遥感数据的获取与处理方法
测绘技术中的遥感数据的获取与处理方法遥感技术在测绘领域的应用日益广泛，其能够获取大范围、高分辨率的地表信息，为地理空间数据的获取和处理提供了有力支持。
本文将探讨测绘技术中遥感数据的获取与处理方法。
一、遥感数据的获取遥感数据的获取主要通过卫星、飞机等载体，采集地球表面的电磁辐射信息。
卫星遥感数据具有广覆盖、周期性获取、持续监测等优势，而航空遥感数据则具有高分辨率、重复性强等特点。
1. 卫星遥感数据的获取卫星遥感数据的获取通常分为光学遥感和微波遥感两类。
光学遥感通过装载在卫星上的传感器，记录地表反射、发射和散射的光谱信息，推测出地表特征。
而微波遥感则利用微波辐射与地表物质的相互作用，获取地表的散射、吸收和反射等信息。
2. 航空遥感数据的获取航空遥感通过飞机搭载的传感器，采集地表的高分辨率影像数据。
航空遥感数据获取灵活，能够根据需要选取特定区域进行拍摄，获取更精确的地理信息。
二、遥感数据的处理方法遥感数据处理是对获取的原始遥感数据进行预处理、分类、提取等工作，以获得具有科学和实用价值的产品和信息。
1. 遥感数据的预处理遥感数据的预处理主要包括几何校正、辐射校正和大气校正等。
几何校正校正了数据获取过程中的几何变形，使其与地球表面实际对应；辐射校正消除了传感器自身的误差和对地球表面的辐射强度；大气校正则通过模型和反演方法消除大气对遥感数据的扰动。
2. 遥感数据的分类遥感数据的分类是将遥感图像中的像元分成不同的类别，常用的分类方法包括有监督分类和无监督分类。
有监督分类通过已知的训练样本进行分类器训练，然后将分类器应用于整个图像；无监督分类则不需要先验知识，通过聚类方法将图像像元自动分类。
3. 遥感数据的特征提取遥感数据的特征提取是从遥感图像中提取出地物的特征属性，如形状、纹理、光谱等。
特征提取可以利用像元级的单一特征或多特征组合进行，常用的方法有主成分分析、小波变换、纹理分析等。
4. 遥感数据的信息提取遥感数据的信息提取是根据特定的需求，通过应用特定的算法，提取出地物的相关信息。
遥感数据处理中的特征提取与分类方法
遥感数据处理中的特征提取与分类方法引言遥感技术的发展使得人们能够通过航天器远距离获取地球表面的图像数据，并进行各种分析和应用。
遥感数据处理是指对这些获取到的数据进行预处理、特征提取和分类，以实现对地球表面特定区域的信息提取和解读。
本文将探讨遥感数据处理中的特征提取与分类方法。
一、特征提取方法1. 光谱特征提取光谱特征提取是遥感数据处理中最常用的方法之一。
通过分析地球表面的反射、辐射和发射光谱信息，可以获取不同物体或地物的光谱特征。
这些特征包括反射率、辐射亮度、辐射强度等。
2. 纹理特征提取纹理特征提取是通过分析地物表面纹理的空间分布和统计特性来获取特征信息的方法。
纹理特征包括灰度共生矩阵、方差、平均灰度等。
这些特征可以用于界定地物的边界、形状和空间分布特征。
3. 结构特征提取结构特征提取是通过分析地物的几何形状和排列方式来获取特征信息的方法。
结构特征包括面积、周长、长度、宽度、密度等。
这些特征可以用于判断地物的类型和分类。
二、分类方法1. 监督分类方法监督分类方法是基于已知地物类型的样本数据进行训练和分类的方法。
这种方法需要先收集一定数量的地物样本数据，并标注其类别信息。
然后，通过对样本数据进行统计分析和特征提取，建立分类模型，对未知地物进行分类。
2. 无监督分类方法无监督分类方法是不依赖已知样本数据进行分类的方法。
无监督分类方法主要依靠对地物间的相似性和差异性进行统计分析，通过将地物划分为具有相似特征的类别，实现分类。
3. 半监督分类方法半监督分类方法是监督分类方法和无监督分类方法的结合，充分利用已知样本数据和未知样本数据进行分类。
半监督分类方法首先使用无监督方法对未知样本数据进行聚类，然后使用监督方法对聚类结果进行分类。
结论遥感数据处理中的特征提取与分类方法是实现对地球表面信息提取和解读的关键环节。
光谱特征、纹理特征和结构特征的提取可以有效地表示地物的特点和特征。
监督分类、无监督分类和半监督分类方法可以根据不同的需求和数据情况进行选择和应用。
基于深度学习的多源遥感数据的信息提取研究
基于深度学习的多源遥感数据的信息提取研究随着遥感技术的不断发展和普及，遥感数据的应用范围和需求不断扩展。
多源遥感数据融合是近年来遥感数据处理领域的热点之一，其中信息提取是关键问题之一。
基于深度学习算法的多源遥感数据信息提取研究，是目前遥感数据处理和应用领域的前沿方向之一。
一、多源遥感数据信息提取的难点多源遥感数据融合，可以提高遥感数据的获取效率、减少遥感数据处理的工作量，同时还能提高遥感数据的准确性和可靠性。
信息提取是多源遥感数据融合的核心问题之一，目前主要存在以下难点：1.多源遥感数据的异构性多源遥感数据来源于不同的平台、传感器和数据源，数据类型和形式多样化，因此有相似性，也有差异性。
处理时需要考虑不同源数据之间的异步性、不同源数据的数值转换和处理，多源数据的融合方式等问题。
2.遥感数据的大数据量遥感数据在获取时，涉及的地表数值量级很大。
这就需要对大量的数据处理工作进行优化，在保证处理质量的情况下，实现快速、高效、低成本的信息提取。
3.多源遥感数据的复杂性多源遥感数据涉及的数据量大，时间跨度大，实现多源遥感数据信息提取时，往往需要采用多种算法和技术，包括图像处理、数据分析、机器学习算法等。
二、深度学习在多源遥感数据信息提取中的应用深度学习是近年来机器学习领域的一个热点，已经在多个领域中得到广泛应用。
与传统的基于规则的计算方法相比，深度学习有更强的泛化能力，图片处理和图像分类等方面的效果也得到了良好的验证。
在多源遥感数据信息提取中，深度学习的优势也得到了很好的体现。
1.卷积神经网络在图像处理中的应用在遥感数据的处理中，图像处理是解决若干问题的基础。
在利用CNN（卷积神经网络）进行图像分类和w领域的检测时，性能都有所提升。
基于CNN的图像处理技术能够有效地处理遥感数据中的地表特征，实现对多源遥感数据的分析和处理。
同时，卷积神经网络还具有高效率、高稳定性和良好的精度等特点，在遥感数据处理中被广泛应用。
如何进行遥感数据的融合与提取
如何进行遥感数据的融合与提取遥感技术是近年来发展迅猛的一项技术，通过卫星、飞机等载体对地球表面进行观测和测量，获取到的数据被广泛用于农业、环境、城市规划等领域。
然而，单一遥感数据往往无法满足实际需求，因此进行遥感数据融合与提取变得至关重要。
一、遥感数据的融合遥感数据的融合是将来自不同观测平台和传感器的数据进行综合利用，以获得更准确、全面的地球表面信息。
一种常用的数据融合方法是多源数据融合，将来自不同载体的数据进行融合，形成一幅综合图像。
这种方法既可以弥补各种载体的数据不足，又可以利用各种载体的优势，提高图像的空间分辨率和光谱分辨率。
同时，还可以通过数据融合来降低遥感图像的噪声，提高图像的质量。
二、遥感数据的提取遥感数据的提取是根据实际需求，从遥感数据中识别并提取出所关心的信息，以用于进一步的分析和应用。
常见的遥感数据提取方法包括特征提取和目标提取。
特征提取是从遥感图像中提取出与所关心的特征相关的信息，如土地利用类型、植被指数等。
目标提取是将图像中的目标物体从背景中分割出来，如建筑物、道路等。
在进行遥感数据的提取时，传统的基于像元的方法已经不再适应复杂的地物识别需求。
因此，研究人员提出了基于对象的遥感图像分析方法。
这种方法将像元视为对象的一部分，通过对对象的特征进行提取和分析，实现对遥感图像中目标的精确识别和提取。
对象级的遥感数据提取方法不仅能够提高提取结果的准确性，而且可以获取到更多的地物信息，进一步拓展遥感的应用领域。
三、遥感数据融合与提取的应用遥感数据融合与提取的应用广泛涉及到农业、环境、城市规划等领域。
以农业领域为例，通过遥感数据的融合与提取，可以实现农田土壤的养分评估、病虫害的监测、农作物的生长状况分析等。
通过获取到的精确信息，农民可以及时调整农业生产方式，提高农作物的产量和质量。
类似地，在环境领域，遥感数据的融合与提取可以用于监测大气污染、水体污染等环境问题，为环境保护与治理提供支持。
遥感数据获取和处理的方法与技巧
遥感数据获取和处理的方法与技巧遥感技术是一种通过远距离获取地球表面信息的技术，具有广泛的应用领域，包括土地利用规划、环境监测、资源调查等。
本文将介绍遥感数据获取和处理的方法与技巧，以帮助读者更好地理解和应用遥感技术。
一、遥感数据获取的方法与技巧1. 遥感平台的选择遥感数据的获取可以通过不同的平台进行，包括卫星遥感和航空遥感。
卫星遥感是通过卫星搭载的传感器获取数据，适用于大范围的地表信息获取；而航空遥感则是通过飞机或无人机搭载的传感器获取数据，适用于局部区域的高分辨率影像获取。
在选择遥感平台时，需要根据具体应用需求和预算进行评估和选择。
2. 数据源的选择遥感数据的获取可以通过不同的数据源进行，包括光学遥感数据和雷达遥感数据。
光学遥感数据通过感知可见光和红外辐射，适用于获取地表的光谱和形态信息；而雷达遥感数据通过感知微波辐射，适用于获取地表的高度和形变信息。
在选择数据源时，需要根据应用需求和研究目标进行评估和选择。
3. 数据获取的预处理在进行遥感数据获取之前，需要进行数据获取的预处理工作。
这包括确定获取的数据范围、选择合适的获取时间和天气条件，以及进行辐射校正和几何校正等工作。
预处理的目的是消除图像中的噪声、改善数据质量，并使数据能够更好地用于后续分析和处理。
二、遥感数据处理的方法与技巧1. 影像分类与解译遥感数据处理的核心任务之一是影像分类与解译。
影像分类是将遥感图像中的像素根据其特征进行划分，并将其归类到不同的地物类型中；而影像解译则是通过对图像中不同地物的特征进行分析和解释，推断其类型和特征。
影像分类与解译可以利用传统的机器学习算法，如最大似然法和支持向量机等，也可以利用深度学习算法，如卷积神经网络等。
2. 特征提取与分析特征提取与分析是遥感数据处理的另一个重要任务。
特征提取是将遥感数据中有用的信息提取出来，如纹理特征、形状特征等；而特征分析则是对提取出的特征进行统计和分析，从而揭示地物的空间分布和变化规律。
基于遥感大数据的信息提取技术综述
基于遥感大数据的信息提取技术综述一、本文概述随着遥感技术的迅猛发展和大数据时代的到来，遥感大数据已经成为了地理信息科学领域的重要研究内容。
遥感大数据的信息提取技术，不仅对于提升遥感数据的利用率、挖掘遥感信息的深层次价值具有重要意义，同时也是实现地球科学定量化、精准化研究的关键手段。
本文旨在综述遥感大数据信息提取技术的最新研究进展，包括遥感大数据的特点、信息提取的主要方法、应用领域以及面临的挑战与未来发展趋势。
通过对遥感大数据信息提取技术的全面梳理和评价，旨在为相关领域的研究人员和实践者提供有益的参考和启示，推动遥感大数据信息提取技术的持续创新和发展。
二、遥感大数据概述遥感大数据，指的是通过遥感卫星、无人机、地面传感器等多元化遥感平台获取的海量数据。
这些数据不仅包括传统的光学影像，还涉及雷达、激光扫描、红外等多源、多时相、多分辨率的数据类型。
遥感大数据的特点主要体现在数据量庞大、数据结构复杂、数据动态性强以及价值密度高但价值发现难等方面。
随着遥感技术的发展，特别是高分辨率对地观测技术的广泛应用，遥感大数据已经成为地理信息科学、地球科学、环境科学等领域研究的重要数据源。
遥感大数据的获取不仅提高了我们对地球表面及其环境的认知深度，也为资源监测、城市规划、灾害预警、环境保护等实际应用提供了强有力的数据支持。
在遥感大数据的处理与分析方面，传统的数据处理方法已经难以应对如此庞大和复杂的数据量。
发展基于云计算、大数据挖掘、机器学习等先进技术的遥感大数据处理框架和算法，成为遥感大数据领域的研究热点。
这些新技术和方法的应用，不仅可以提高遥感大数据的处理效率，还能发现隐藏在数据中的深层次信息和价值，推动遥感大数据在各领域的应用和发展。
遥感大数据作为信息提取的重要基础，其处理和分析技术的持续创新将为后续的信息提取提供更为准确、快速和全面的数据支持。
对遥感大数据的深入研究和探索，对于推动遥感技术的发展和应用，具有非常重要的意义。
遥感影像信息提取方法
遥感影像信息提取方法遥感影像就像是地球的超级照片，从太空或者高空给我们展示地球的模样。
那怎么从这复杂的影像里提取有用的信息呢？有一种方法是目视解译。
这就像是我们看一幅画，用自己的眼睛去识别里面的东西。
比如说，在遥感影像里看到一大片绿色，形状像树，那可能就是森林啦。
有经验的解译者就像厉害的侦探，能从影像的颜色、形状、纹理这些蛛丝马迹里判断出是城市、农田还是山脉。
不过呢，这个方法比较依赖人的经验，而且要是影像特别复杂，就很容易出错，眼睛也会看累的，就像看一幅超级复杂的拼图看久了一样。
还有基于像元的分类方法。
影像都是由一个个像元组成的呀，每个像元都有自己的数值。
我们可以根据像元的数值特征来分类。
就好比把一群小朋友按照身高、体重这些数值来分成不同的小组。
像监督分类，我们得先找一些已知类型的样本，就像先认识几个有代表性的小朋友，然后根据这些样本的特征去给其他像元分类。
非监督分类呢，就像是让像元们自己抱团，根据它们数值的相似性自动分成不同的类别。
但是这种方法也有小缺点，有时候像元的数值会受到很多因素影响，可能就分错类了。
决策树分类法也很有趣。
它就像一棵大树，有很多分支。
每个分支都是一个判断条件。
比如说，先判断影像里这个地方的植被指数，如果植被指数高，再判断别的特征。
这样一层一层判断下去，就像走迷宫一样，最后确定这个地方是什么类型的地物。
这种方法很直观，不过要是树的结构没设计好，就像迷宫的路线画错了，那结果也会不对。
还有面向对象的分类方法。
它不是只看像元，而是把影像里相似的像元组合成一个个对象。
这就好比把一群志同道合的小朋友组成一个小团队。
然后根据这些对象的特征来分类。
这样能更好地利用影像里地物的形状、大小等信息，比只看像元要聪明一些。
但是它的计算量可能比较大，就像要组织很多小团队，比较费精力。
遥感影像信息提取的方法各有各的优缺点，就像不同的小工具，我们要根据具体的任务和影像的特点来选择合适的方法，这样才能从遥感影像这个大宝藏里挖到最有用的信息呢。
- 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)。
地貌形态标志 地貌形态取决于一定的岩性和构造等地质基础，同 时也决定于一定的气候、水文等自然地理条件。不同地 貌形态是不同岩性、构造在不同内外动力作用下的结果 。例如，岩石的抗蚀能力通常由地貌形态反映出来。长 期受到侵蚀剥蚀的不同岩石，由于其组成物质的物理化 学性质不同，而具有不同的抗蚀能力。抗蚀性强的岩石 ，组成陡坡和陡崖；抗蚀能力弱的岩石形成缓坡和低地 。地貌形态除与岩性有关外，也与构造、产状、地质发 育历史、自然环境有关。利用地貌形态解译地质体可以 从宏观地貌形态和微观地貌形态两方面进行分析。前者 包括山地的形态、地形的相对高差、山体的规模大小和 组合格局（形式）；后者包括山顶形态、山坡形态和冲 沟形态等。
水系类型的地质条件
水系类型 钳状沟头树 树枝状 枝状水系 水系
似平行状水系
地 质 条 件（成 因）
为花岗岩类等球状风化明显的地区
中等倾斜细粒结构物质组成岩石的地区
受地质构造（岩层产状及节理裂隙等）控制
山 区 型 水 系
格状水系 平行状水系 放射状水系 环状水系 星点状水系 倒钩状水系 扇状水系 网状水系 辫状水系 曲流状水系
土 壤 广义的土壤，包括岩石风化后残留在原地的 松散残积层。残积物的表层在一定条件下发育为 具有一定肥力的土壤为狭义土壤。土壤的分布， 根据其颜色、色调、成分、结构，可以区分和识 别。残积层与基岩有密切关系，所以土壤具有一 定的地质指示意义。如石灰岩、白云岩风化后， 大部分溶于水的物质被淋溶迁移，粘土等杂质聚 集成残积粘土层，土壤瘠薄，在航片上该处ቤተ መጻሕፍቲ ባይዱ沟 的色调浅灰。砂岩风化后成沙土。页岩风化后成 粘土，往往构成灰色的一片缓坡，色调均匀而单 调。
像对立体观察的条件
（1）必须是航摄立体像对； （2）像对的比例尺差不得大于15%； （3）两眼分别看两张像片上的相应影像，即左眼看 左像，右眼看右像； （4）同名地物点的连线与眼基线平行。 问题：航空摄影像对，在立体镜下观看立体时如何 满足立体观察的条件？
立体观察的应用
像片判读。 立体量测——摄影测量学（Photogrammetry):如 地形测绘，即测量高程和平面坐标。
§2 航空像片的信息提取
三、水体的判读
河流判读：界线明显、弯曲自然、宽窄不一的条带状。 能判读流向、河宽、流速、桥梁、码头等附属物。 湖泊的判读：轮廓明显的形状、色调较暗。能判读其形 状、面积。 海域的判读：能清晰地判读出海岸线、潮侵地带、高潮、 低潮位置。
§2 航空像片的信息提取
四、 地貌的判读
水文标志 主要指陆地水文特征，包括小溪、河川、湖 泊、冰雪、地下水溢出地、基岩及松散堆积物 的含水性、渗透性、温泉、矿泉等。它们的空 间分布特征都与一定的地质条件有关，因此， 水文标志是地质解译的一个有用标志。
人类活动遗迹 历史上人类活动遗留下来的与地质体有关 的痕迹，如古矿井遗迹、古冶炼遗迹、废矿渣 堆等。现代人类经济活动的各种标志，如地质 勘探中的探槽、钻探平机台、地热工程、道路 、建筑、农垦活动、历史考古等都可作为地质 解译的间接解译标志。
第五章 遥感数据的信息提取
本章提要（…） §1 信息提取的原理和方法 主要介绍了 §2 航空像片的信息提取 遥感数据的信息 §3 卫星像片的信息提取 提取的原理和方 法,其中以航空像 §4 遥感影像地图 片和陆地卫星像 片的信息提取为 主,同时介绍了新 型的影像地图的 概念。
§1 信息提取的原理和方法
立体观察的像对
像对：把从相邻两摄影站对同一地区摄取的两张像片， 称为像对。也可看成是空间光学立体模型。 像对立体效果的形成过程：空间物体—空间物体的左右 像对—生理视差—产生立体感觉—恢复空间物体的立体 模型。 航摄立体像对：航向60%的重叠，使同一地物在相邻两 像片上都有影像，构成了像对，通过立体镜的立体观察， 可建立地物的空间立体模型。
卫星数据的产品类型
卫星图像资料 磁带资料 光盘资料 磁盘资料
To be
§3 卫星像片的信息提取
二、水体判读
水体在卫星图像上要较其他地物容易判读。 尤其在近红外波段的影像上，由于水体对近红外的强烈 吸收，水体为黑色，与周围地物的界限很清楚。 湖、河、海以其外部形态，很容易区别。 水中的泥沙含量等状况，在可见光短波影像上有显示。 一般水浅或含沙量大的色调浅。 水体明显易判的特点，常作为其他地物定点定位的标志。
目视判读的标志
色调/色彩：判读前通过反差调整和彩色增强后，成为 目视判读的重要标志。 形状：是目视判读最直观的标志。 大小：根据地物间的相对大小，区分地物。 阴影：可判读地物的高度，但也遮挡部分地物信息。 组合图案：当地物较小时，在影像上表现为纹理，即某 种地物类型有规律的重复出现。如农田、森林。
§3 卫星像片的信息提取
§3 卫星图像的信息提取
卫星遥感以多波段为主，判读前先进行彩色增强处理， 提高目视判读的分辨率。 判读方法主要是对比分析和地物纹理特征。 高分辨率的卫星遥感图像彩色合成后，与航空像片的判 读方法类似。如IKONOS，QuickBird。
§3 卫星像片的信息提取
一、Landsat卫星图像特征
光谱特性：由于各种地物组成的物质成分、结构、理化 性质的差异，导致不同的地物对电磁波的反射存在着差 异，并且致使地物的热辐射性质也不完全相同。同一地 物在不同的波谱段，其反射的电磁波与热辐射也有差异。 反映在图像上为：相同地物在不同波谱段的图像上色调 会不同。这叫做地物的光谱效应。 MSS的光谱效应。 MSS4：0.5~0.6μm，对水体有一定的透视能力，能判 读出水下地形。
§2 航空像片的信息提取
五、植被的判读
判读标志为：色调/色彩和纹理结构。 纹理结构：细小地物在影像上构成的组合图案。地物的 性质不同，组合图案也不同，以此来判读地物群体的性 质。 以判读植物群落为主。
§2 航空像片的信息提取
六、 航空像片的立体观察
立体观察的原理： 什么是立体观察：用肉眼或借助光学仪器（立体 镜），对有一定重叠率的像对进行观察，可以获得地物 和地形的光学立体模型，称为像片的立体观察。 眼睛观察立体的原理： （1）眼睛的结构：相当于一架能自动调节焦距和光 圈的摄像机。 （2）立体的形成：取决于双眼观察。
水系标志 水系是非常重要的解译标志，对地形 、地貌、岩性、构造的解译都非常有用。 水系是多级水道组合而成的水网，在遥感 图像上，尤其是在近红外波段的图像上显 示特别清楚。地质解译时，对水系类型、 未级支沟、小溪等水文网尤为关注，它们 对构造和岩性的解译非常有用。
（1）水系类型 水系是指水文网的平面组合形态。水系的发育与地 形、地质、气候有关。水系对构造活动反映很灵敏，对 地质解译很重要，根据水系形态特征及其所处区域地貌 环境可划分为以下几种类型（表1）
影纹图案 影纹图案是地物的形状、大小、色调或色彩 、阴影、水系、地貌、植被、土壤、人类活动 遗迹等在图像上的综合表现。不同的地质体一 般具有不同的影纹图案。在解译过程中对影纹 图案的类型可用点状、格状、删状、链状、环 状、蠕虫状、姜状等术语来描述。还可进一步 区分为宽窄、疏密、粗细、大小、长短等。
§3 卫星像片的信息提取
MSS5：0.6~0.7μm，对水体有一定的透视能力，对海 水中的泥沙流、河流中的悬浮物有明显的反映；能区分 死树和活树，活树色调较深。 MSS6：0.7~0.8μm，水体为暗色，对地物的湿度有明 显反映；能反映植物的健康状况。 MSS7：0.8~1.1μm，与MSS6相似，但水体更黑，湿 地色调更黑；能明显区分植物的健康状况。 MSS8：10.4~12.6μm，反映地物的热辐射性质。地表 温度高，热辐射就强，色调就浅。
目视判读的方法
直接判读法：依据判读标志，直接识别地物属性。 对比分析法：与该地区已知的资料对比，或与实地对比 而识别地物属性；或通过对遥感图像不同波段、不同时 相的对比分析，识别地物的性质和发展变化规律。
逻辑推理法：根据地学规律，分析地物之间的内在必然 分布规律，由某种地物推断出另一种地物的存在及属性。 如由植被类型可推断出土壤的类型，根据建筑密度可判 断人口规模等。
TM的光谱效应
TM1对水体有较强的透视能力。 TM2-TM4与MSS4-MSS6相似。 TM5，TM7属于近红外波段，对岩石有明显的区分能力， 对植物也有明显的反映，属于反射峰值。 TM6与MSS8相同。
ETM+的光谱特性
除PAN波段外，其余与TM相同。
几何特性
具有地理坐标。 投影性质：多中心投影。 重叠：航向无重叠，旁向重叠取决于纬度。如： 纬度/ ° 0 10 20 30 40 50 60 70 80 重叠 /% 14 15 19 26 34 45 57 70 85 编号。 图像注记或图像参考文件：说明成像的时间、条件、波 段等。
利用航片能判读地貌的类型、形态。如流水地貌、 冰川地貌、风沙地貌、黄土地貌、火山地貌等。
坚硬岩层上的风蚀沟槽
风蚀长丘
风蚀残丘
新月形沙丘链
平行状 山谷冰川
山麓冰川
复式山谷冰川
冰帽
古代冰川：槽谷、悬谷、角峰、刃脊、冰斗、冰碛物
火山锥（侧视雷达图像）
火山口（五大莲池）
峨眉山 玄武岩 的影像 特征
§2 航空像片的信息提取
航空像片一般用摄影的方法获得，航高在10km以内的 对流层。 目前常用的航空像片类型为彩色红外像片。 航空像片的比例尺大、分辨率高，常用直接判读法和对 比分析法。 一般依据航片上地物的形状和色彩就可判读地物属性。 航空像片主要应用在城市遥感中。
§2 航空像片的信息提取
一、判读标志
航片判读：根据像片上反映的地物影像识别地物的性质 和数量特征，并研究其分布和发生发展的规律。 判读的标志： 形状； 大小； 色调/颜色； 影阴； 组合图案/纹理结构。
§2 航空像片的信息提取
二、居民地和道路的判读
城市居民地的判读特点：房屋稠密，面积较大，建筑物 排列整齐，能判读建筑物的形状、高度和周边环境。 农村居民地的判读特点：小而分散，有农田包围，能判 读居民地的外形和面积及通向居民地的道路。 道路的判读特点：线状分布，色调较亮。 实习：居民地和道路的判读。