典型地物特征提取的适宜尺度选择_杨旭艳
GF-1影像地物最优分割尺度确定方法与评价
GF -1影像地物最优分割尺度确定方法与评价何燕君1 徐军2 宋之光1 黄胜敏1（1.南宁师范大学北部湾环境演变与资源利用教育部重点实验室，广西 南宁 530001；2.南宁师范大学自然资源与测绘学院，广西 南宁 530001）摘 要：GF-1卫星是中国高分辨率对地观测系统的第一颗卫星，在土地利用变更调查、土地利用动态监测等方面发挥重要作用。
在面向对象的信息提取研究中，传统最优分割尺度方法得到的往往是某一个确定数值。
以GF-1影像为实验影像，分别利用均值方差法、最大面积法、面积比均值法等方法，对影像常见地物进行最优分割尺度研究，得到最优分割尺度区间，采用eCognition 软件ESP 工具进行分割结果评价，在这个区间都能得到较好的分割效果。
关键词：GF-1；多尺度分割；最优尺度；eCognition；ESP1 引言高分一号（GF-1）卫星是中国高分辨率对地观测系统的第一颗卫星，已应用于土地利用动态遥感监测、土地利用变更调查等行业。
GF-1影像极大丰富了从影像中获取的地物信息。
影像分割是面向对象方法提取影像信息的首要环节。
GF-1影像在色调、亮度、饱和度、纹理和形状等方面均有提升，但其光谱特征由于波段较少削弱了作用[1]。
传统基于像元的影像处理方法信息提取精度偏低，且“椒盐”“噪声”现象明显，结果并不理想。
经过国内外学者不断研究，面向对象影像分析技术应运而生，成为高分遥感影像信息获取的主要方法，也有学者称之为面向地理对象的图像分析技术[2]。
面对影像分析技术最重要的是影像分割，影像分割是面向对象分类的关键技术之一，而分割尺度对地物的提取精度有重要影响，尺度选择的好坏影响影像分割质量、分类精度。
因此，确定最优分割尺度是影像分类的前提。
高分辨率遥感影像地物最优分割尺度的确定对面向地理对象的影像分析有重要意义。
本文利用均值方差法、最大面积法、面积比均值法和最优尺度估计法等常见最优尺度确定方法，对试验区GF-1影像进行耕地、林地、水体、裸地四种主要地物的多尺度分割实验，最终确定各自最优分割尺度参数。
高光谱遥感图像中的特征提取与分类算法优化
高光谱遥感图像中的特征提取与分类算法优化高光谱遥感图像是一种获取地面物体反射光谱信息的重要数据源。
在资源环境监测、农业生产、城市规划等领域，高光谱遥感图像的特征提取与分类算法优化具有重要意义。
本文将重点探讨高光谱遥感图像中的特征提取与分类算法优化的方法和技术。
一、高光谱遥感图像的特征提取方法在高光谱遥感图像中，每个像素点包含多个波段的光谱信息，因此特征提取主要是从光谱、空间和纹理等多个方面进行。
以下介绍几种常用的特征提取方法：1. 光谱特征提取：光谱特征提取是指通过分析各个波段的光谱反射率，获取区分不同地物的特征。
常用的方法有平均光谱曲线、光谱强度、光谱比值等。
可以利用统计学方法或者光谱分解等技术进行光谱特征提取。
2. 空间特征提取：空间特征提取是指通过分析高光谱图像像素点之间的空间关系，提取地物的空间分布特征。
常用的方法有纹理特征、空间模式指数等。
可以利用滤波器、卷积操作、灰度共生矩阵等技术进行空间特征提取。
3. 纹理特征提取：纹理特征提取是指通过分析高光谱图像中地物表面纹理的特征，提取地物的纹理信息。
常用的方法有灰度共生矩阵、小波变换、局部二值模式等。
可以通过计算纹理特征的统计值或者采用机器学习方法进行纹理特征提取。
以上是高光谱遥感图像中常用的特征提取方法，通过综合运用各种方法，可以获得更多的特征信息，提高特征提取的准确度和鲁棒性。
二、高光谱遥感图像的分类算法优化高光谱遥感图像分类是指将图像中的每个像素点划分到不同类别中，以实现对地物的识别和分类。
分类算法的优化可以提高分类的准确性和效率。
以下介绍几种常用的优化算法：1. 监督分类算法优化：监督分类算法是指在训练样本的基础上，通过对特征进行提取和选择，利用统计学或模型建立分类器，实现对遥感图像进行分类。
常用的监督分类算法有支持向量机（SVM）、随机森林（RF）和人工神经网络（ANN）等。
通过优化特征选择、样本分布策略和分类器参数等方面，可以提高分类的准确性。
卫星遥感数据分析方法比较及选取标准归纳
卫星遥感数据分析方法比较及选取标准归纳随着科技的不断进步和人类对地球的探索，卫星遥感技术在环境监测、自然资源管理、农业生产等方面扮演着重要角色。
卫星遥感数据的分析是利用卫星图像获取地表信息的过程，而选择合适的分析方法对于获取准确的地表信息至关重要。
本文将比较几种常用的卫星遥感数据分析方法，并总结选取标准。
1. 监督分类方法监督分类方法是一种基于统计学原理的遥感数据分析方法，它利用已知类别的样本对遥感图像进行分类。
具体步骤包括：图像预处理、训练样本选择、特征提取和分类器的选择。
监督分类方法适用于有充足训练样本且类别较为明确的情况下。
优点是准确性高，但缺点是需要大量训练样本且需要专业知识。
2. 无监督分类方法与监督分类方法不同，无监督分类方法是一种不依赖于已知类别的样本的遥感数据分析方法。
它通过对遥感图像像素进行聚类，将相似像素划分为同一类别。
无监督分类方法适用于对地表进行初步分类、检测变化和提取特征等任务。
优点是不需要事先准备训练样本，缺点是分类结果可能不准确。
3. 物理模型方法物理模型方法是一种基于光学、热红外等物理过程的遥感数据分析方法。
它将遥感图像中的各个波段的数值与地物属性之间的关系建立数学模型，通过求解模型参数来获取地物信息。
物理模型方法适用于需要获取地物属性的任务，如土壤含水量、植被生物量等。
优点是能够提取地物属性，缺点是模型参数的求解较为复杂。
4. 特征提取方法特征提取方法是一种将遥感图像的像素转化为具有实际意义的特征向量的数据分析方法。
它通过计算遥感图像的统计特征、纹理特征、形状特征等来描述地物，从而实现地物的分类和识别。
特征提取方法适用于需要从图像中提取大量地物特征的任务，如变化检测、目标识别等。
优点是提取的特征丰富多样，缺点是特征的选择与提取方法可能不同。
选取标准归纳如下：1. 任务需求：根据具体的应用需求选择合适的卫星遥感数据分析方法。
例如，如果需要获取地物属性信息，则可以选择物理模型方法；如果需要对地物进行分类，则可以选择监督分类方法或无监督分类方法。
遥感影像的多尺度分析方法研究
遥感影像的多尺度分析方法研究一、引言遥感技术的快速发展为我们获取地球表面信息提供了丰富的数据资源。
遥感影像作为这些数据的主要表现形式，包含了大量关于地理、生态、环境等方面的有价值信息。
然而，要从这些海量且复杂的数据中准确提取有用的信息并非易事，这就需要采用有效的分析方法。
多尺度分析方法便是其中一种重要的手段，它能够帮助我们更好地理解和处理遥感影像。
二、多尺度分析的基本概念多尺度分析，简单来说，就是在不同的尺度上对对象进行观察和分析。
在遥感影像中，尺度可以理解为分辨率或者观察的细节程度。
例如，高分辨率的遥感影像能够提供更详细的地物特征，而低分辨率的影像则能展现更宏观的地理格局。
多尺度分析的核心思想是，不同的地物和现象在不同的尺度上表现出不同的特征和规律。
通过在多个尺度上进行分析，可以更全面、准确地认识和理解遥感影像所反映的现实世界。
三、多尺度分析方法的分类（一）基于图像金字塔的方法图像金字塔是一种常见的多尺度表示方法。
它通过对原始影像进行一系列的降采样操作，生成不同分辨率的影像层，从而构建出一个金字塔结构。
在分析时，可以从金字塔的不同层次获取相应尺度的信息。
（二）基于小波变换的方法小波变换是一种能够将信号分解为不同频率和尺度成分的数学工具。
应用于遥感影像分析时，它能够有效地提取影像在不同尺度和方向上的特征。
（三）基于分形理论的方法分形理论用于描述具有自相似性的复杂对象。
在遥感影像中，一些地物的分布和形态可能具有分形特征，通过分形分析可以揭示这些地物在不同尺度下的规律。
（四）基于多分辨率模型的方法这类方法通过建立不同分辨率的模型来描述遥感影像，例如多分辨率网格模型等。
四、多尺度分析方法在遥感影像中的应用（一）地物分类不同类型的地物在不同尺度上具有不同的特征。
例如，城市中的建筑物在高分辨率下可以清晰地看到其轮廓和细节，而在低分辨率下则表现为成片的块状区域。
通过多尺度分析，可以综合利用不同尺度的信息，提高地物分类的准确性。
高分二号影像数据地物信息提取分割尺度研究
高分二号影像数据地物信息提取分割尺度研究张艺;丁晓光;李苗【摘要】面向对象技术是提取高分辨率影像中地物信息的主流方法,而多尺度分割是面向对象技术的基础与关键,分割尺度的选择将直接影响最终信息提取的精度与质量.借助于eCognition平台,选用高分二号影像数据作为研究对象,采用多尺度分割的面向对象分类方法,充分利用遥感影像几何、纹理、光谱等信息,确定不同地物类别的最优化分割尺度,建立最佳分类规则,较好的提取了目标地物,更在一定程度上提高了分类精度,为震后灾害评估、震中道路快速提取提供技术支持.【期刊名称】《防灾减灾学报》【年(卷),期】2019(035)001【总页数】6页(P1-6)【关键词】高分二号;地物提取;多尺度分割;面向对象【作者】张艺;丁晓光;李苗【作者单位】陕西省地震局,陕西西安 710068;陕西省地震局,陕西西安 710068;陕西省地震局,陕西西安 710068【正文语种】中文【中图分类】P315.9;P2370 引言遥感技术能够快速、实时获取多时相、高分辨率的海量对地观测数据，为震后救援和灾害损失评估提供了可靠的数据源。
对于地震应急部门而言，第一时间获取现场灾害信息是至关重要的，而现场信息最主要的表现就是地物，例如建筑物倒损信息的快速获取，由此判断极重灾区的分布位置；道路作为应急救援的生命线，快速提取道路分布图，判断通行能力等，由此可见，精准地物信息提取的重要性。
高分二号（GF-2）卫星是我国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星，如何深入挖掘该影像的应用潜力，提取高精度的地物信息是当前的重要研究方向。
相较于中低分辨率影像，高分辨率影像中的地物外部轮廓更加清晰，光谱异质性更强，且光谱波段数目相对较少，传统的地物信息提取方法效果不理想，因此， BattzM和Schape［1］于1999年提出了面向对象的分析方法（Object Oriented Analysis，OOA）。
地物提取的多尺度特征遥感应用分析
收稿日期:2003202228;修订日期:2003206217基金项目:中科院重大项目(KZCX 32S W 2334)。
作者简介:黄慧萍(1973-),女,助研,博士生,主要从事生态环境遥感研究。
地物提取的多尺度特征遥感应用分析黄慧萍1,2,吴炳方1(11中国科学院遥感应用研究所,北京 100101;21华南师范大学,广东广州 510063)摘要:通过空间尺度效应分析,阐述不同属性景观地物在同一分辨率或同一尺度影像中提取的不合理性。
为获得精确的地表信息,提出多尺度遥感影像分析方法,解决不同地物在不同空间尺度影像数据中提取的难题。
通过多种分辨率影像的多尺度影像信息提取的应用实践,分析地物提取中的多尺度特性、尺度与分辨率关系等。
关 键 词:尺度;尺度效应;多尺度影像分析;分辨率与尺度关系中图分类号:T P 79 文献标识码:A 文章编号:100420323(2003)05202762061 引 言尺度可分空间尺度与时间尺度,文中所提及的尺度均指空间尺度。
空间尺度是指在研究某一物体或现象时所采用的空间单位,同时又可指某一现象或过程在空间上所涉及到的范围〔1〕。
客观存在的景观空间异质性依赖于空间尺度,当景观空间尺度发生变化时,所量测到的空间异质性也随之变化,因此尺度对景观空间异质性的测量与理解有着重要的影响。
遥感影像是不同尺度景观分析的数据源,同时为尺度推绎提供应用模型,因此越来越多的尺度问题研究把目光集中于遥感技术应用,遥感成为景观格局空间分析的重要技术。
景观尺度分析主要面临两方面的问题:尺度选择与尺度推绎〔2〕。
遥感的优势在于频繁与持久地提供地表特征的面状信息〔3〕,遥感数据的多分辨率特征与影像分割技术则能在尺度选择与尺度推绎两方面做出一定的贡献。
随着传感器技术的发展,数据空间分辨率不断增强,从而形成了不同空间分辨率的影像数据层次体系,为不同景观分析提供多种尺度选择的数据源。
U stin 等在1993年开展了一系列的研究,其中遥感作为获取不同尺度生态数据的工具,将不同尺度的数据集合成生态系统模型。
基于多尺度分析的遥感图像分类技术研究
基于多尺度分析的遥感图像分类技术研究遥感技术作为一种高新技术，已经在城市规划、土地利用、水资源管理等多个领域得到了广泛的应用。
而基于遥感图像的分类技术则是应用遥感技术实现对地物信息自动提取的基础，因此在各个领域的研究中也得到了越来越多的关注。
本文主要讨论基于多尺度分析的遥感图像分类技术的研究。
一、遥感图像分类技术的基本原理遥感图像分类技术实际上是一种通过计算机算法对遥感图像中的地物信息进行区分的技术。
在实现这一目标的过程中，主要需要经历以下几个步骤：1、预处理：遥感图像在采集和传输过程中可能会受到照射角度、时间、环境等因素的影响，因此首先需要对采集的图像进行去除噪声、纠正偏差等预处理工作。
2、特征提取：在预处理完成之后，需要通过数学模型对图像进行特征提取，形成对地物的数学描述，包括颜色、纹理、形状等。
3、分类：得到了图像的特征之后，即可利用各种分类算法，在计算机上实现对图像信息的区分。
对于遥感图像分类技术而言，最重要的一环就是特征提取。
因为地物信息的复杂性和多样性，导致对其特征提取方法的研究也变得愈加复杂和细致。
二、多尺度特征分析在遥感图像分类中的应用2.1 多尺度概念多尺度概念是指在地学领域中，地球表面或生态系统的某一特定区域具有不同空间尺度和时间尺度上的过程或事件。
在遥感分类技术中，当空间分辨率太高以至于未能充分准确地捕捉到许多地物时，引入多尺度特征分析可以有效地提高分类的准确性。
2.2 多尺度特征提取方法多尺度特征提取方法可分为“多次下采样再分类”和“分级分析再集成”的两种方式。
1）多次下采样再分类针对传统的最常用的单尺度分类方式，这里提出了一种对于能耗和效率都更优的解决方案——多次下采样再分类。
其思路是在原始高分辨率遥感图像的基础上进行多次下采样，获得一系列不同空间分辨率的遥感图像，再分别对这些图像进行分类，最后将分类结果通过复合处理的方式得到最终分类结果。
这种方法不仅可以有效地避免过度拟合和欠拟合的问题，同时也可以提高计算效率。
遥感图像处理中的多尺度分割方法与应用研究
遥感图像处理中的多尺度分割方法与应用研究遥感图像处理是利用遥感技术获取的图像数据进行处理和分析的科学。
遥感图像通常具有高分辨率和大范围的特点，需要采用有效的分割方法来提取和识别图像中的地物信息。
多尺度分割方法是一种常用的图像分割技术，通过在不同尺度下对图像进行分割，可以提高分割的准确性和鲁棒性。
本文将介绍多尺度分割方法的原理和常见的应用研究，旨在为遥感图像处理领域的研究者和应用者提供参考。
多尺度分割方法是基于图像多尺度表示的思想，将图像分解成不同尺度的子图像，并在不同尺度下对子图像进行分割。
常见的多尺度分割方法包括基于区域的分割方法和基于边缘的分割方法。
基于区域的多尺度分割方法主要是基于图像的颜色、纹理和形状等特征，将图像分割为一系列区域，每个区域具有相似的特征。
常用的算法包括基于水平集的方法、标准化割降方法和区域生长方法等。
其中，基于水平集的方法将图像分割为多个子区域，并通过图像边界的演化来得到最终的分割结果。
标准化割降方法将图像分割为多个具有相似特征的子区域，并通过自适应阈值来实现分割。
区域生长方法从种子像素开始，根据像素之间的相似性将像素逐步合并成为区域。
基于边缘的多尺度分割方法主要是基于图像的边缘信息，将图像分割为不同的边缘区域。
常用的算法包括Canny算子、Sobel算子和Laplacian算子等。
其中，Canny算子是一种常用的边缘检测算法，通过计算图像中像素间的梯度和非最大抑制来得到图像的边缘区域。
Sobel算子和Laplacian算子分别通过计算图像中像素的一阶和二阶导数来得到边缘信息。
多尺度分割方法在遥感图像处理中具有广泛的应用。
一方面，多尺度分割方法可以应用于遥感图像的地物提取和分类。
通过提取图像中的地物信息，可以对地物进行分类和识别，为地理信息系统（GIS）的建设和管理提供数据支持。
另一方面，多尺度分割方法还可以应用于遥感图像的变化检测和监测。
通过对多时相的遥感图像进行分割和比较，可以检测地物的变化和演化情况，为城市规划、农业监测和环境保护等领域提供参考。
- 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)。
复杂地物的适宜尺度奠定了基础，并且该方法简单易行，具有一定的实用价值。
关键词： 分维数； 尺度转换； 尺度效应； 特征提取； 适宜尺度
中图分类号： P237
文献标识码： A
目前，许多不同空间、时间分辨率的遥感传感器 已投入使用。在实际应用过程中，通常需要将不同 测量平台上的高空间分辨率数据与时间分辨率高的 低空间分辨率数据进行整合，形成不同空间分辨率 的系列遥感影像，为地表现象多尺度描述或应用提 供丰富的数据源，这就涉及到尺度的转换问题。
remote sensing image Information Capacity in Different landform regions．］ 作者简介（ Biography） ： 杨旭艳（ 1987 － ） ，女，汉，陕西铜川人，在读硕士研究生，主要从事地理信息系统、遥感数据处理等研究。［Yang Xuyan
在国内外，尺度问题已经越来越受到遥感地学 研究者的关注，成为遥感研究的热点与前沿问题之 一。苏理宏［1］ 等 讨 论 了 遥 感 研 究 中 的 尺 度 问 题 最 新进展。柏 延 臣［2］ 等 分 析 研 究 了 基 于 特 征 统 计 可 分性的遥 感 数 据 专 题 分 类 尺 度 效 应。布 和 敖 斯 尔［3］提出了 综 合 利 用 和 尺 度 转 换 的 有 效 方 法。 黄 慧萍［4］等为获得精确的地表信息，提出多尺度遥感 影像分析方法，解决不同地物在不同空间尺度影像
现设遥感影像曲面的分维数为 D，因为 D 是尺
度变化下的不变量，在不同空间分辨率的情况下，根
据 1 式可得到以下两式
Sr1 = Kr21 － D
（ 3）
Sr2 = Kr22 － D
（ 4）
两式相除可得
Sr2 Sr1
=（
r2 r1
）
2－D
（ 5）
由于曲面的分维数 D ＞ = 2，所以上式可转换为
Sr2 Sr1
第5 期
杨旭艳，等： 典型地物特征提取的适宜尺度选择
609
图 2 实验流程图
Fig． 2 Experiment flowcharts
尺度转换的核心问题是转换模型，涉及模型的 要素选择、系统过程的数学表达。目前，应用较多的 尺度上推的转换，常用的有基于像元的转化研究方 法，有局部平均法、中值采样法、最邻近法、双线性内 插法和立方卷积法等，此外，利用分形几何理论进行 遥感图像的尺度转换是现今研究的热点［5 － 7］。在选 择尺度转换模型时，必须要考虑的一个重要问题就 是尺度域，在同一尺度域中，由于过程的相似性，尺 度转换容易，模型简单适宜，预测的准确性高； 而跨 越多个尺度域时，由于过程在不同尺度上起作用，尺 度转换则必 然 复 杂 化［14］。 在 尺 度 域 的 过 渡 带 多 会 出现混沌、灾变或者是其他难以预测的非线性变化。 因此，一般的尺度转换模型特定的尺度域内成立，但 当跨尺度域时不一定是适用的。
究对象的局部与整体之间存在某种形式的相似。地
形表面长期受到各种随机因素的影响，形成了粗糙
不平、形态 多 变 的 复 杂 景 观，是 分 形 表 现 的 典 型 例
证。Pentland 通过对自然景物纹理影像的研究，证
明自然界中大多数表面映射成灰度的图像具有相同
分形特征的分形表面，且大多数自然景物的灰度图
30 卷第 5 期 607 ～ 615 页 2012 年 9 月
文章编号： 1008 － 2786 － （ 2012） 5 － 607 － 09
山地学报 JOURNAL OF MOUNTAIN SCIENCE
Vol. 30，No. 5 pp607 ～ 615 Sept. ，2012
典型地物特征提取的适宜尺度选择
不同尺度上的结构变化具有分形的特色［14］，分 形的模型有很多种，其中面积 － 周长、密度、扩散等 模型是较为常见常见的（ Miline，1991） ，分形在描述 空间格局复杂性的多种方法中，最适宜揭示多种景 观特征的不规则空间结构斑块性（ patchiness） （ Mi-
line，1988） 。分形最重要的特征是自相似性，即研
貌类型，在 ETM + 图像提取两种典型地物样本，并 对这些样本进行特征提取。
4． 采用基于典型地物的综合形状指数，计算最 适合表达该典型地物样本形状的尺度，寻找典型地 物形状提取的适宜尺度。 2. 2 基于分形的遥感影像的尺度转换模型
尺度转换是将遥感图像从一个尺度转换到另一 个尺度 的 过 程。主 要 有 两 种 途 径： 尺 度 上 推 （ Upscaling） 和尺度下推（ Downscaling） ，所谓尺度上推 就是将程精微尺度上的观察、试验以及模拟结果外 推到较大尺度的过程，它是研究成果的粗粒化。从 一般情况看，随着尺度增大，空间异质性将会降低， 因为其间的很多细节将会被忽略，空间变异性随着 尺度的增加而相对减小［13］。与此相反，尺度下推是 将宏观大尺度上的观测、模拟结果推绎至精微尺度 上的过程。尺度下推的主要任务就是从较粗糙的空 间和时间分辨率转化为更详细的尺度异质性信息。 尺度下推的目的就是将宏大的观测数据或模型模拟 结果应用到局部区域，以解决当地的实际问题。
（ 1987 － ） ，female，come form Tongchuan，master graduate student，mostly engage GIS and RS data processing study． ］Tel： 15319991090，E － mail： yangxuyan22@ sohu． com 王旭红（ 1968 － ） ，女，汉，教师，副教授，工学博士，从事遥感数据处理与应用、地理信息系统等方面的 研究。［Wang Xuhong（ 1968 － ） ，Teacher，Dr． master graduate student，mostly engage GIS and RS data processing study．］E － mail： Jqy_wxh @ 163． com
收稿日期（ Received date） ： 2011 － 10 － 12； 改回日期（ Accepted） ： 2012 － 06 － 19。 基金项目（ Foundation item） ： 国家自然科学基金项目（ 41071271） 不同地貌类型区的遥感影像信息容量的差异性研究。［Research on otherness of
了如图 1 ～ 2 所示的技术路线，分为 4 个主要部分： 1. 对原始图像进行预处理： 几何校正，并且添
图 1 原始试验区 30 m
Fig． 1 The 30 m of aboriginal experimental area
加投影信息，裁切 1 241 × 1 528 图像作为实验区。 2． 采用三角棱柱法来计算图像的分维数。 3． 对源图像进行尺度转换，结合实验区内的地
杨旭艳，王旭红，胡 婷，曹雅坤
（ 西北大学 城市与环境学院，陕西 西安 710127 ）
பைடு நூலகம்
摘 要： 遥感图像的尺度与图像所表达的信息有着密切的关系，但是在使用遥感图像进行研究和应用的过程中，
使用尺度和图像尺度之间存在一定的矛盾，现有尺度的遥感图像不一定能满足应用的要求。为了解决使用尺度与
图像现有尺度之间的矛盾，采用基于分维数的尺度转换方法得到以原始图像为基础的大于或小于原尺度的图像，
本研究使用的遥感数据为陕西省宝鸡市 ETM + 影像的全色波段，分辨率为 15 m，数据获取时间 是 2000 年 8 月，经过对图像的几何精校正、图像增 强、波段选择等预处理后，从中截取大小为 1 241 × 1 528 图像作为研究区（ 图 1） 。
2 研究方法
2. 1 实验流程图 本文结合宝鸡地区地貌类型的具体情况，制定
宝鸡地质构造复杂，东、西、南、北、中的地貌差 异大，具有南、西、北三面环山，以渭河为中轴向东拓 展，呈尖 角 开 口 槽 形 的 特 点。 山、川、塬 兼 备，以 山 地、丘陵为主，山地占总面积的 56% 。丘陵占总面 积的 26. 5 % ，川塬占总面积的 17. 5% ，呈现出“六 山一水三 分 田 ”的 格 局。 就 其 高 度 而 言，在 秦 岭 山 地分水岭地带，山脊海拔一般在 2 000 ～ 3 000 m，最 高达 3 767 m，而关中盆地最低海拔仅 540 m，高差 达 2 000 m，地势高低悬殊，坡度巨大。 1. 2 实验区数据
608
山地学报
30 卷
李小文院士研究团队［12］以反照率、叶面积指数等要 素为对象，研究时空多变量要素随空间尺度的变换 特征及其依赖因子。Goodchild 等［12］从地理学的视 角出发，认为有关尺度的科学研究应考虑这样几个 问题： ①尺度在空间模式和地表过程检测中的作用， 以及尺度对环境建模的冲击； ②尺度域（ 尺度不变 范围） 和尺度阈值的识别； ③尺度转换，尺度分析和 多尺度建模方法的实现，可以看出尺度问题是广阔 而复杂的。
本文在借鉴了前人研究成果的基础上，采用基 于分形维数的方法进行遥感影像的尺度转换，并提 出综合形状指数来计算最适合表达典型地物样本形 状的适宜尺度。
1 研究区和数据
1. 1 实验区概况 陕西宝鸡地处 106°18' ～ 108°03' E ，33°35' ～
35°06'N； 东连咸阳，南接汉中，西北与甘肃天水和平 凉毗邻，总面积 1. 82 × 104 km2 ； 基本的地貌特征： 山 地、丘陵面积大，坡度陡。
在形成的连续变化的系列图像上提取两种典型地物样本，分别用地物单元周长（ P） 、面积（ S） 、面状地物形状系数
（ F） 、斑块分维数（ D） 这 4 个表征地物形态特征的因子在各尺度图像上进行对比分析，发现随着遥感图像栅格尺寸
的增大，典型地物样本灰度值的灰阶不断减少，形状复杂度不断降低，地物边界钝化，内部纹理结构简单化、粗糙
像满足各向同性分数布朗随机场（ FBR 场） 。