遥感数据的处理与2016案例
遥感实验报告裁剪拼接(3篇)
第1篇一、实验目的本次实验旨在学习遥感影像处理中的裁剪与拼接技术，通过对遥感影像进行裁剪和拼接，提高遥感数据的可用性和分析效率。
二、实验背景遥感技术是获取地球表面信息的重要手段，广泛应用于资源调查、环境监测、灾害评估等领域。
遥感影像经过处理和提取后，才能为实际应用提供有价值的信息。
裁剪与拼接是遥感影像处理中的基本操作，通过对影像进行裁剪和拼接，可以去除无关信息，提高影像的可用性。
三、实验材料1. 遥感影像数据：包括多景遥感影像，如Landsat、Sentinel-2等；2. 裁剪与拼接软件：如ENVI、ArcGIS等；3. 实验环境：计算机、遥感数据处理软件等。
四、实验步骤1. 数据准备（1）选择遥感影像数据，确保影像质量良好、覆盖范围完整；（2）对遥感影像进行预处理，包括辐射校正、大气校正等，提高影像质量。
2. 裁剪操作（1）确定裁剪范围：根据实验需求，选择合适的裁剪范围，如行政区域、研究区域等；（2）使用裁剪工具对遥感影像进行裁剪，生成新的影像。
3. 拼接操作（1）选择拼接方式：根据实际情况，选择合适的拼接方式，如同名像元拼接、重叠区域拼接等；（2）使用拼接工具对遥感影像进行拼接，生成新的影像。
4. 质量评估（1）检查拼接后的影像是否完整，是否存在缝隙、错位等问题；（2）分析拼接区域的地物特征，确保拼接效果良好。
五、实验结果与分析1. 裁剪结果经过裁剪操作，生成了新的遥感影像，去除了无关信息，提高了影像的可用性。
2. 拼接结果经过拼接操作，生成了新的遥感影像，拼接区域地物特征良好，拼接效果满意。
3. 质量评估（1）拼接后的影像完整，无缝隙、错位等问题；（2）拼接区域地物特征良好，拼接效果满意。
六、实验结论通过本次实验，掌握了遥感影像的裁剪与拼接技术，提高了遥感数据的可用性和分析效率。
在实际应用中，可根据具体需求选择合适的裁剪与拼接方法，为遥感数据处理提供有力支持。
七、实验心得1. 裁剪与拼接是遥感影像处理中的基本操作，对于提高遥感数据的可用性具有重要意义；2. 在实际操作中，应根据具体需求选择合适的裁剪与拼接方法，确保拼接效果良好；3. 学习遥感影像处理技术，有助于提高遥感数据的分析和应用水平。
使用遥感数据进行草地与农作物监测的技术方法与应用案例
使用遥感数据进行草地与农作物监测的技术方法与应用案例近年来，随着遥感技术的不断发展与进步，其在农业领域的应用也逐渐得到了广泛的关注和推广。
遥感数据可以为农作物监测和草地管理提供丰富的信息，帮助农业决策者更好地把握农作物的生长情况和草地的变化趋势。
本文将介绍使用遥感数据进行草地与农作物监测的技术方法与应用案例。
一、遥感数据的获取与处理遥感数据可以通过卫星、航空器和无人机等平台获取。
其中，卫星遥感是最常用的平台，因为卫星能够提供全球范围的遥感数据。
获取到的遥感数据需要经过一系列的处理和分析，才能得到有价值的信息。
首先，对于农作物监测，我们可以利用遥感数据获取植被指数（Vegetation Index, VI）来评估农作物的生长状况。
常用的植被指数有归一化差异植被指数（Normalized Difference Vegetation Index, NDVI）和比例植被指数（Normalized Difference Vegetation Ratio, NDVR）。
这些指数可以通过计算遥感数据中红光和近红外波段的反射率来获得。
对于草地监测，我们可以利用遥感数据分析草地的覆盖度和植被类型。
通过计算遥感数据中的不同波段的反射率，可以得到不同植被的特征，从而对草地进行分类和监测。
二、农作物监测的应用案例农作物监测是遥感数据在农业领域的重要应用之一。
通过监测农作物的生长情况，可以及时发现并解决病虫害等问题，提高农作物产量和质量。
以水稻为例，通过分析遥感数据中的植被指数，可以评估水稻的叶绿素含量和生长状态。
研究发现，NDVI值与水稻产量之间存在一定的相关性。
因此，在农作物监测中，可以根据NDVI值对水稻的产量进行预测和评估，为农业生产提供决策依据。
另外，玉米也是重要的农作物之一。
通过遥感数据监测玉米的生长情况，可以评估土壤湿度、养分状况等信息。
研究表明，遥感数据与实地调查的结果具有较高的相关性，可以为玉米的灌溉和施肥提供指导。
卫星遥感数据处理的使用方法与应用案例研究
卫星遥感数据处理的使用方法与应用案例研究卫星遥感技术作为地球观测的一种重要手段，具有广泛的应用前景。
卫星遥感数据的处理是利用遥感仪器获取到的电磁波辐射数据，并利用各种数据处理方法对这些数据进行提取、分析和应用的过程。
本文将介绍卫星遥感数据处理的使用方法，包括数据获取、预处理、特征提取和应用分析。
同时结合实际案例，探讨卫星遥感数据处理在不同领域中的应用。
首先，卫星遥感数据的获取是卫星遥感应用的基础。
目前，主要有两种获取方式：主动传感器和被动传感器。
主动传感器是通过向地面发射电磁波，然后接收反射回来的信号，如雷达、激光雷达等。
被动传感器则是通过接收地面自然辐射的电磁波，如光学传感器、红外传感器等。
在获取卫星遥感数据时，需要考虑遥感仪器的类型、分辨率、观测频率等因素，以及数据的空间和时间范围。
卫星遥感数据的预处理是为了减少噪声、提高数据质量和可用性。
首先需要进行辐射校正，将原始数据转换为地表反射率或亮温。
其次，校正大气效应，将大气成分引起的影响消除。
接着是几何校正，将图像进行去畸变和配准，从而使像元位置精确到地面。
此外，还需要进行云、阴影和杂波去除等操作，以提高遥感数据的可用性。
特征提取是卫星遥感数据处理中的关键步骤，目的是从海量的遥感数据中提取出关键信息。
一种常用的特征提取方法是像元级的分类。
通过对像元进行分类，可以从遥感图像中提取出各种不同的地物类型，如水体、植被、建筑等。
常用的分类方法包括基于统计学的分类方法、基于机器学习的分类方法等。
此外，还可以通过图像分割、目标检测等方法提取出更精确的特征信息。
卫星遥感数据处理的应用包括许多领域，如农业、环境监测、城市规划等。
以农业领域为例，卫星遥感数据可以用于监测作物生长状况、估计作物产量等。
利用遥感数据，可以提取作物的生长指标，如叶面积指数、叶绿素含量等，从而实现作物的快速监测和预测。
在环境监测方面，卫星遥感数据可以用于监测水质、土地利用变化等。
通过对遥感图像的分析，可以获得水体的含沙量、叶绿素浓度等信息，为环境保护和管理提供数据支持。
遥感图像处理技术在城市热岛效应研究中的应用案例
遥感图像处理技术在城市热岛效应研究中的应用案例近年来，全球城市化进程加快，城市面积不断扩大，人口持续增长。
然而，随着城市化的不断推进，一个不容忽视的问题开始浮现：城市热岛效应。
在城市热岛效应中，城市地区的气温更高，相比周边乡村地区，这给城市居民的生活带来了一系列不适。
为了更好地理解和应对城市热岛效应，遥感图像处理技术被广泛应用于该领域的研究。
遥感技术可以通过获取大范围地表温度数据反映城市的热岛效应。
通过卫星遥感数据获取城市表面温度信息，可以提供有关城市及其周边地区的热景观图像。
这些图像可以帮助研究人员对城市热岛效应的形成机制进行深入分析。
首先，遥感图像处理技术可以帮助确定城市表面温度的空间分布特征。
研究人员可以利用遥感图像处理技术对卫星数据进行分析，计算得到城市中不同地区的表面温度。
通过比较城市中心区域和周边地区的温度分布情况，可以评估城市热岛效应的强度和范围。
通过这种方式，研究人员可以更好地了解城市各个部分对热岛效应的贡献程度。
其次，遥感图像处理技术可以帮助研究人员分析城市热岛效应的季节和时间变化。
利用遥感图像处理技术，可以获取大量城市表面温度数据，并进行长时间序列分析。
通过对这些数据的分析，研究人员可以揭示城市热岛效应在不同季节和时间尺度上的变化规律。
例如，他们可能会发现城市热岛效应在夏季比冬季更加明显，或者在白天比夜晚更加强烈。
这些分析结果有助于我们对城市热岛效应的动态变化有更深入的理解。
另外，遥感图像处理技术还可以与其他数据融合，进一步探索城市热岛效应的影响因素。
通过将遥感图像处理技术与地理信息系统（GIS）数据和人口统计数据等其他数据进行融合分析，可以更准确地评估城市热岛效应与城市空间规划、建筑类型和人口密度等因素的关联性。
这样一来，我们可以更好地理解城市热岛效应的形成机制，并提出有效的应对策略。
除了以上的应用案例，遥感图像处理技术还可以在城市热岛效应研究中发挥更多的作用。
例如，可以利用高分辨率遥感图像，对城市建筑物和植被类型进行分类，进一步探究它们与城市热岛效应之间的关系。
使用遥感数据进行气候变化监测与预测的技术方法与应用案例
使用遥感数据进行气候变化监测与预测的技术方法与应用案例引言：随着气候变化对全球环境和人类社会产生越来越严重的影响，对气候变化的监测和预测成为了当今科学研究的重要领域之一。
遥感数据作为一种获取全球范围内大数据的有效手段，为气候变化研究提供了丰富的信息和数据支持。
本文将介绍一些使用遥感数据进行气候变化监测与预测的技术方法，并分享一些应用案例。
一、遥感数据在气候变化监测中的应用遥感是通过对地球表面的感知和探测设备获取地物信息的一种遥感测量技术。
通过获取地球表面的光谱、热红外、雷达等信息，遥感技术可以提供地球表面的多种信息，为气候变化监测提供了数据支持。
1. 温度监测：遥感数据可以提供地表温度的监测和分布信息。
利用红外遥感观测的热红外辐射数据，可以反演出地表温度信息，从而研究气候变化对地表温度的影响。
例如，可以通过比较不同时间段的遥感数据，分析地表温度在过去几十年中的变化趋势，揭示气候变化的特点和规律。
2. 降水监测：遥感数据可以提供降水特征的监测和分析。
利用雷达遥感数据和微波遥感数据，可以获取地表雨量、降水强度和降雨类型等信息，进而分析降水的变化趋势以及与气候变化的关系。
例如，通过对全球降水数据进行监测和分析，可以发现近期全球范围内的降水变化情况，为气候变化调研和决策提供科学依据。
3. 冰雪覆盖监测：遥感数据可以监测冰雪覆盖区域的变化。
利用微波遥感数据和多光谱遥感数据，可以获取冰雪的空间分布、厚度和形态等信息，从而研究气候变化对冰雪覆盖的影响。
例如，通过分析北极地区的冰雪覆盖变化，可以揭示全球气候变化对北极地区冰雪系统的影响机制。
二、使用遥感数据进行气候变化预测的技术方法气候变化预测是对未来气候变化趋势的推测和预报。
遥感数据在气候变化预测中扮演着重要的角色，通过对地球表面的感知和探测，可以提供大范围、多维度的数据支持。
1. 气候模型：气候模型是一种通过模拟和计算来预测气候变化的工具。
遥感数据可以为气候模型提供关键的参数和验证数据，从而提高预测的准确性。
遥感数据处理的常见步骤
遥感数据处理的常见步骤
嘿，咱今儿就来唠唠遥感数据处理那些常见的步骤！你说这遥感数据啊，就像是一个神秘的宝库，得通过一系列巧妙的操作才能把里面的宝贝给挖出来。
首先得获取数据吧，就好比你要去寻宝，得先知道宝在哪呀！这数据的来源那可多了去了，卫星啦、飞机啦，各种高大上的设备给咱送来源源不断的数据。
有了数据，接下来就得预处理啦！这就像是给刚挖出来的宝贝擦擦灰、整整形。
把那些乱七八糟的干扰因素去掉，让数据变得清清爽爽的，好进行下一步的操作。
然后就是几何校正啦！你想想啊，就像拍照片，有时候会拍歪了或者变形了，这时候就得给它矫正过来，让图像变得规规矩矩的，不然怎么看怎么别扭呢。
再接着是辐射校正，这就像是给数据做个美容，让它的颜色啊、亮度啊都变得更准确，更符合实际情况。
不然那数据看起来就跟化了个怪妆似的，多不靠谱呀！
之后就是图像增强啦！嘿，这可重要了，就像是给图像打了一束聚光灯，让那些重要的信息更加突出，更加显眼。
让你一眼就能看到关键的地方，这多棒呀！
再往后就是分类啦！把数据分成不同的类别，就好像把一群人按照
性别、年龄啥的分开一样。
这样咱就能更好地理解和分析这些数据啦。
最后可别忘了信息提取呀！这就是从处理好的数据里把咱需要的信
息给揪出来，就跟从一堆沙子里淘出金子一样。
你说这遥感数据处理是不是很神奇呀？每一步都像是在变魔术，把
那些原本复杂的数据变得清晰明了，有用起来。
这过程就像是一场冒险，充满了挑战和乐趣。
咱得认真对待每一个步骤，才能让遥感数据
发挥出最大的作用呢！你说是不是这个理儿呀？。
遥感数据处理方法
遥感数据处理方法---案例四、利用MRT批量拼接MODIS数据来源：夏江周的日志Q:有大量MODIS 数据需要进行拼接，如何完成这个无聊的工作？A:利用MODIS Reprojection Tool(MRT)工具批量完成开始：操作步骤:1:新建一个DATA文件夹，将HDF数据拷到DATA文件夹下;2:在DATA文件夹下再新建个Result文件夹（存放拼接后数据）;3:将以下代码内容粘到一个txt文件中，更改txt文件扩展名为bat即可，假设你命名该bat 文件名为MODISmosaic.bat；程序导读：rem 开始的为注释；MOSAICINPUT.TXT为程序自动生成的，不用管；MRTDATADIR为你的MRT安装文件中data的路径，“c:/MRT/bin/ mrtmosaic.exe”改成你的mrtmosaic.exe的安装路径。
"set /a DAY= %DAY% + 16 "则是因为输入数据是16天间隔的，根据数据改你的程序。
rem Set the MRTDATADIR environmental var to the MRT data directory.set MRTDATADIR=C:\MRT\dataset /a DAY=2000161 rem **batch data start time**set /a DEADLINE=2000193 rem **batch data end time**:startif %DAY% leq %DEADLINE% (goto ORDER) else exit:ORDERrem **save the file name into a notepad**dir *%DAY%.*.hdf/a/b/s > MOSAICINPUT.TXTrem **execute mosaic **rem Set the mrtmosaic.exe directory.c:/MRT/bin/mrtmosaic.exe -i MOSAICINPUT.TXT -s "1 0 0 0 0 0 0 0 0 0 0 0" -o M OSAIC_TMP_%DAY%.hdfrem **copy the result to a file and delete the input data**copy MOSAIC_TMP_%DAY%.hdf Result & del MOSAIC_TMP_%DAY%.hdfdel *%DAY%.*.hdfset /a DAY= %DAY% + 16goto start4：点击MODISmosiac.bat，即可进行拼接操作备注：该操作数据及BAT文件须放在一个文件夹（文件夹起名请用英文，MRT对中文路径数据会打不开）下。
使用遥感技术进行地表特征提取的方法与案例分析
使用遥感技术进行地表特征提取的方法与案例分析遥感技术是一种通过卫星、飞机等平台获取地球表面信息的技术手段。
利用遥感技术可以获取大范围的地表特征数据，包括地貌、植被、水体、土壤等，并能够对这些地表特征进行定量分析和提取。
本文将以遥感技术在地表特征提取方面的方法和应用案例进行详细分析。
在遥感技术中，常用的地表特征提取方法包括分类、指数和变化检测等。
分类方法是根据遥感图像的像元特征进行归类，从而将不同的地表特征区分开来。
其中，最常用的分类方法是基于光谱信息的分类方法，通过分析遥感图像在不同波段的反射率差异，将地表特征进行分类。
常见的分类方法包括最大似然法、支持向量机和人工神经网络等。
这些方法能够有效地提取地表特征，如森林、水体、裸地和农田等。
指数方法是通过计算遥感图像的特定指数进行地表特征提取。
特定指数是根据不同地表特征的光谱特性而定义的。
常见的指数包括归一化植被指数（NDVI）、水体指数（WI）和土壤湿度指数（SWI）等。
这些指数能够反映地表特征的数量和质量，并通过特定的计算公式将其提取出来。
例如，NDVI能够反映植被的生长状况，通过计算NDVI可以得到植被覆盖度的信息。
变化检测方法是通过比较不同时间或不同遥感图像之间的差异来提取地表特征的变化信息。
变化检测方法常用于自然资源调查、灾害监测和城市扩展等领域。
变化检测方法可以通过对遥感图像进行几何校正和辐射校正，消除因图像不一致而引起的误差。
常用的变化检测方法包括双差法、差值法和比率变化检测法等。
这些方法能够有效地提取地表特征的变化信息，如土地利用变化、城市扩张和湖泊变动等。
除了方法的介绍，下面将结合实际案例分析遥感技术在地表特征提取方面的应用。
以长江三角洲地区为例，通过遥感图像的分类和变化检测方法，可以提取出该地区的植被分布和土地利用变化等地表特征信息。
通过分类方法，可以将遥感图像中的植被、水体和城市等地表特征进行定量提取和分析。
通过变化检测方法，可以对不同时间的遥感图像进行比较，提取出长江三角洲地区土地利用的变化信息，如农田转化为城市用地、湖泊的增减和草地的退化等。
基于遥感数据的城市绿地测绘技术与应用案例
基于遥感数据的城市绿地测绘技术与应用案例引言如今，随着城市化进程的不断推进，城市绿地的保护与建设变得越发重要。
城市绿地既是人们休闲娱乐的场所，也是城市生态系统的重要组成部分。
然而，由于城市面积的不断扩大和人口的增加，正常的测绘方法已经无法满足对城市绿地的准确监测和评估需求。
因此，基于遥感数据的城市绿地测绘技术应运而生。
本文将探讨这一技术的原理和应用案例，并分析其在城市绿地保护与规划中的重要性。
一、原理及技术细节1. 遥感数据的获取基于遥感数据的城市绿地测绘技术主要利用卫星、无人机等平台获取高分辨率的遥感影像。
这些影像记录了城市地表的细节信息，包括建筑、道路和绿地等特征。
通过对这些影像进行处理和解译，可以获取城市绿地的形状、面积和分布等关键信息。
2. 影像解译和分类城市绿地测绘的第一步是对遥感影像进行解译和分类。
这一过程使用图像处理技术和机器学习算法，将影像中的像元分为不同的类别，如建筑、道路、水体和绿地等。
其中，绿地类别是我们关注的重点。
通过对形状、颜色、纹理等特征的分析，可以较为准确地将绿地区域与其他地物进行区分。
3. 绿地面积测量和分布分析解译和分类之后，可以利用遥感影像的像素信息来计算绿地的面积。
这一过程包括将像素转化为实际长度单位，并结合地理参考信息进行精确计算。
同时，通过绿地的分布分析，可以了解不同区域的绿地密度和空间分布情况，有助于制订城市绿地保护与规划策略。
4. 变化监测和趋势分析基于遥感数据的城市绿地测绘技术不仅能够获取当前的绿地信息，还可以对绿地的变化进行监测和分析。
通过对多期影像的比较，可以检测出绿地的扩张或缩减情况，并分析其原因和趋势。
这对于了解城市绿地的动态变化以及相应的环境影响至关重要。
二、应用案例1. 绿地保护与规划基于遥感数据的城市绿地测绘技术在绿地保护与规划方面具有重要的应用价值。
通过对城市各个区域的绿地面积和分布进行测绘，可以评估城市绿地空间的均衡性和充裕性，为绿地保护政策的制定提供科学依据。
遥感图像处理与分析技术在测绘中的应用案例
遥感图像处理与分析技术在测绘中的应用案例现代测绘技术中，遥感图像处理与分析技术的应用已经成为一个重要的研究方向。
随着遥感技术的发展和进步，我们可以通过遥感图像获得大量的地表信息，并对地理环境进行准确的测量和分析。
本文将通过几个实际的应用案例，详细介绍遥感图像处理与分析技术在测绘中的重要性和应用。
首先，遥感图像处理与分析技术在测绘中的一个重要应用案例是地形测量。
利用遥感图像处理软件，我们可以从航拍图像或者卫星图像中获取地表的高程数据。
通过对图像进行数字高程模型(Digital Elevation Model, DEM)的提取，可以精确地获取地面的高程信息，并生成精细的地形模型。
这些模型可以被广泛应用于城市规划、土地利用等领域，为地面工程、建筑设计等提供重要的参考依据。
其次，遥感图像处理与分析技术在测绘中的另一个重要应用案例是土地覆盖分类。
土地覆盖分类是指将遥感图像中的地表物体按照类别进行分类，以了解和研究地球表面的土地利用现状。
通过地物分类，我们可以获得土地利用的分布情况，研究土地利用变化趋势，为土地管理和决策提供科学依据。
例如，在城市规划中，土地覆盖分类可以帮助我们了解城市的绿地覆盖情况，优化城市绿化布局，改善生态环境。
此外，遥感图像处理与分析技术在测绘中还有许多其他重要的应用案例。
例如，遥感图像监测技术可以用于水域资源的监测与评估。
通过对卫星图像中的水域进行提取和分析，我们可以了解水域的分布、面积和变化，帮助水资源管理和水环境保护。
另外，遥感图像处理技术也可以应用于植被覆盖监测和灾害监测。
通过对植被指数和灾害指标的计算和分析，我们可以及时监测植被的生长状况和灾害的发生情况，为植被保护和灾害管理提供支持。
综上所述，遥感图像处理与分析技术在测绘中的应用案例丰富多样，涉及到地形测量、土地覆盖分类、水域资源监测和植被覆盖监测等多个领域。
通过遥感图像处理与分析技术，我们可以获得大量的地理信息，并对地理环境进行全面、准确的测量和分析。
遥感图像处理技术在测绘中的应用案例
遥感图像处理技术在测绘中的应用案例使用遥感图像处理技术进行测绘已经成为当代地理信息领域的重要应用之一。
通过从卫星、航空器和其他传感器获取的遥感图像数据，可以精确地获取地表的各种信息，包括地貌、土壤类型、植被覆盖等。
本文将介绍一些遥感图像处理技术在测绘中的应用案例，以展示其在地理信息领域的重要性。
首先，遥感图像处理技术在城市规划和土地利用方面发挥着重要作用。
通过获取高分辨率的遥感图像数据，可以识别并分析城市内不同土地用途的分布情况。
例如，在城市规划中，可以使用这些数据来识别建筑物、交通道路、公园和绿地等不同土地类型的分布情况。
这些信息对于城市的发展和规划非常重要，可以帮助政府和规划者做出科学决策，提高城市的可持续发展能力。
其次，遥感图像处理技术在环境保护和资源管理方面也发挥着重要作用。
通过分析遥感图像数据，可以监测森林覆盖率、湖泊和河流的水质、土地表面温度等环境指标。
这些指标对于环境保护和资源管理非常重要，可以帮助决策者及时发现并处理环境问题，保护生态系统的完整性和可持续利用资源。
另外，遥感图像处理技术在灾害监测和应对中也起到了重要作用。
通过获取高分辨率的遥感图像数据，可以实时监测地震、洪水、山火等自然灾害的发生和扩展情况。
这些信息对于灾害应对非常重要，可以帮助决策者及时采取措施，保护人民的生命财产安全。
同时，遥感图像处理技术还可以帮助灾后重建工作，通过分析灾区的遥感图像数据，可以评估灾害对土地利用和城市规划的影响，为重建提供科学依据。
此外，遥感图像处理技术在农业资源管理中也发挥着重要作用。
通过监测农田的植被活动、土壤水分情况以及气象因素等，可以提供农作物生长和产量预测的依据，为农民和农业决策者提供科学的决策支持。
同时，遥感图像处理技术还可以检测和分析农田内的病虫害情况，及时采取控制措施，保护农作物的生长和产量。
最后，遥感图像处理技术在地理教育和研究中也起到了重要作用。
通过使用遥感图像处理软件，学生和研究人员可以对地理现象进行可视化和定量分析。
遥感数据解译技术在环境保护监测中的应用案例
遥感数据解译技术在环境保护监测中的应用案例近年来，随着环境问题的日益突出，人们对环境保护的重视程度也越来越高。
在环境保护监测中，遥感数据解译技术成为一种重要的工具，能够为环境保护提供有力的支持和科学依据。
本文将通过介绍几个典型的应用案例，来探讨遥感数据解译技术在环境保护监测中的作用。
首先，遥感数据解译技术在水域环境监测中发挥了重要作用。
水资源是人类生存和发展的基础，但由于人类活动的影响，水质污染日益严重。
利用遥感数据解译技术，可以对水域进行动态监测，并及时发现和定位水质污染源。
以某城市周边的水体监测为例，遥感数据可以提供水体的叶绿素浓度、水色指数等信息，从而判断水体的富营养化程度和水质状况。
通过连续的遥感监测，可以及时发现水质异常，并采取相应的治理措施，保护水资源的可持续利用。
其次，遥感数据解译技术在土地利用与覆盖变化监测中也有广泛应用。
土地利用与覆盖的变化是环境变化的重要指标之一，直接关系到生态系统的健康和人类的生活质量。
通过遥感数据解译技术，可以对土地利用进行定量分析和监测，提供精准的土地利用变化数据。
例如，某城市近年来快速发展，大量农田被城市化所代替，通过遥感数据解译技术，可以实时监测城市扩张的范围和速度，并提供合理的土壤保护和农地保护建议，以保障农业的可持续发展。
除了水域和土地，遥感数据解译技术还可以在大气污染监测中发挥重要作用。
大气污染是近年来困扰城市居民的一大环境问题，特别是细颗粒物（PM2.5）的浓度。
利用遥感数据解译技术，可以对大气污染的空间分布进行高分辨率监测，进一步了解污染源的位置和排放情况。
例如，某城市某工业园区存在大量工业废气排放，通过遥感数据解译技术，可以定位到污染源，并量化其排放的污染物浓度。
这为相关部门采取相应的减排措施提供了科学依据。
最后，遥感数据解译技术在植被监测和生物多样性保护中也有重要的应用价值。
植被是地球上最基本的生态组成部分，对气候调节、水源涵养等起着重要作用。
遥感技术在测绘中的应用方法和案例分享
遥感技术在测绘中的应用方法和案例分享一、引言遥感技术是利用航空器或者卫星等遥感平台获取地表信息的技术手段。
这种技术被广泛应用于测绘领域，为地理信息系统（GIS）的建设和地理空间数据的采集提供了重要的支持。
本文将介绍遥感技术在测绘中的应用方法和一些相关案例分享。
二、遥感技术的原理与分类1. 遥感技术的原理遥感技术主要是通过接收、检测和分析地物反射、辐射和散射的信息，以获取地表的特征和变化情况。
遥感传感器主要利用红外线、微波、雷达等辐射源对地球进行扫描和观测，然后将收集到的辐射能量转化为数字图像或光谱数据。
2. 遥感技术的分类根据遥感数据的获取方式和地物信息的获取方法，遥感技术可以分为两种主要分类：主动遥感和被动遥感。
主动遥感是通过向地物发送电磁辐射，并接收其反射的能量来获取地表信息，如激光测距仪等。
被动遥感是接收自然陆地、海洋或大气等辐射源的能量，通过接收和记录这些辐射能量的变化来获取地表信息。
三、遥感技术在测绘中的应用方法1. 遥感影像的获取与处理遥感影像是测绘中最常见的数据来源，获取高质量的遥感影像是进行地表特征分析和测绘的基础。
遥感影像的处理可以通过校正、配准、融合等方法对原始影像进行优化和增强。
校正是指消除影像中的几何和辐射畸变，使影像符合真实地面特征。
配准是将不同传感器获取的影像或同一传感器的多时相影像进行重叠和对齐，以获取更全面和准确的信息。
融合则是将多个波段和不同分辨率的影像融合为一个多光谱影像，以提高图像的时空分辨率和信息量。
2. 地物分类与识别遥感技术可以通过对影像进行特征提取和目标识别来实现地物的分类和识别。
常用的方法包括利用纹理、形状、光谱等特征进行分类，以及应用机器学习算法来训练分类器进行自动识别和分类。
地物的分类和识别可以提供对建筑物、植被、水体、道路等地表特征的定量化信息，为测绘和规划工作提供重要的参考和依据。
3. 地表变化监测遥感技术可以通过对多时相遥感影像的分析，监测和分析地表的变化情况。
遥感数据获取与处理的最佳实践
遥感数据获取与处理的最佳实践遥感技术的发展为我们获取地球表面信息提供了一种高效、便捷的方法。
遥感数据获取与处理的最佳实践在科研、环境保护、农业等领域具有广泛的应用。
本文将探讨遥感数据获取与处理的最佳实践，以帮助读者更好地应用这一技术。
一、遥感数据获取1. 传感器选择：根据实际需求选择合适的遥感传感器非常重要。
不同传感器具有不同的分辨率、频段和波段，需根据研究目的确定选择的传感器，如多光谱传感器用于植被监测，高分辨率传感器用于土地利用分类等。
2. 数据采集：在数据获取时，需要考虑采集时间、采集区域和数据分辨率等因素。
一般来说，选择晴朗无云的天气进行采集，同时合理确定采集的空间范围以及最佳的时间窗口。
3. 数据处理：采集的原始遥感数据需要进行预处理，包括大气校正、几何纠正和辐射定标等。
这些预处理可以提高数据的质量，进一步提取有用的信息。
二、遥感数据处理1. 遥感图像分类：遥感图像分类是遥感数据处理的重要步骤。
常用的分类方法包括有监督分类和无监督分类。
有监督分类需要提前准备训练样本，通过训练分类器实现分类；无监督分类则不需要人工干预，通过相似性和聚集算法进行自动分类。
2. 特征提取：遥感数据中存在大量的信息，而且信息之间有着复杂的关联性。
通过特征提取，可以从数据中提取出更有价值的信息。
例如，可以提取植被指数、地表温度等特征，用于植被监测和热岛效应研究。
3. 数据集成与分析：遥感数据获取得到的图像往往是多源、多时期的，因此需要进行数据集成与分析。
数据集成可以将不同数据源的信息融合在一起，增强数据的可信度；数据分析可以揭示地表变化和空间分布规律。
三、最佳实践案例在实际应用中，遥感数据获取与处理的最佳实践具有重要的意义。
以下是几个典型的案例：1. 环境监测：通过遥感卫星获取的数据，可以监测城市绿地覆盖率、水体质量、气候变化等环境参数，为环保决策提供数据支持。
2. 农业管理：利用遥感数据，可以进行农田土壤水分监测、作物生长状态评估和病虫害监测等，提高农业生产效率。
遥感影像处理技术在资源开发中的应用案例分析
遥感影像处理技术在资源开发中的应用案例分析1.引言：近年来，随着遥感技术的快速发展和应用领域的不断拓宽，遥感影像处理技术在资源开发中的应用也越来越广泛。
本文旨在通过分析几个实际的案例，探讨遥感影像处理技术在资源开发中的应用价值和发展前景。
2.海洋资源开发海洋资源是人类重要的经济来源之一，但海洋的广阔与复杂使得传统的资源调查和开发难以实施。
而遥感技术通过获取海洋影像数据，能够提供海洋的温度、悬浮物浓度、水质污染等关键信息，为海洋资源开发提供了科学依据。
例如，在海洋渔业中，遥感影像处理技术能够实时监测海洋温度和浮游植物分布，帮助渔民选择最佳的捕鱼地点，提高渔业资源的利用效率。
3.农业资源开发农业是国民经济的基础，而遥感影像处理技术在农业资源开发中有着广泛的应用。
通过遥感影像的处理和分析，可以获得农田土地利用类型、农作物生长状况等关键信息。
例如，在农田管理中，遥感影像处理技术可以通过遥感图像的分类，提供农田不同作物的分布和面积，帮助农民优化农作物的种植结构，提高农田的利用效率，实现农业可持续发展。
4.矿产资源开发矿产资源是国家经济发展的重要支撑，但传统的矿产资源调查和勘探存在时间长、成本高等问题。
而遥感影像处理技术通过获取高分辨率的遥感影像数据，能够识别不同地质特征，为矿产资源开发提供重要参考。
例如，在矿产勘探中，遥感影像处理技术可以通过光谱反射率的分析，识别出地表的矿产类型和含量，帮助矿业公司准确定位矿产资源，提高勘探的效率和精度。
5.环境资源开发环境资源开发涉及到对自然环境的保护和利用，而遥感影像处理技术能够提供大范围、连续、多时相的环境数据，为环境资源管理决策提供科学依据。
例如，在环境保护中，遥感影像处理技术可以通过监测空气质量、水质污染等指标，帮助政府部门及时采取有针对性的措施，保护生态环境，实现可持续发展。
6.结论：综上所述，遥感影像处理技术在资源开发中的应用案例举不胜举，其在海洋资源开发、农业资源开发、矿产资源开发以及环境资源开发等多个领域中发挥了重要的作用。
遥感数据的处理与2016案例
2.3 遥感图像的大气纠正
大气校正
传感器接收到的辐亮度Lsat
Lsat Lg Tv Lpath ⑴
Lpath ：上行路径散射（程辐射） Lg ：物体真实辐亮度
Tv ：垂直向上的大气透过率
2.3 遥感图像的大气纠正
大气校正
程辐射：主要为大气分子及气 溶胶的散射，即
2.2 遥感图像辐射定标与纠正
辐射定标
定标过程一般采取线形公式进行转换： L = a*DN + b （或：DN = a*L + b）
a(gain)、b(offset)通常可以从遥感数据头文件读出 L
线形区域
DN
2.2 遥感图像辐射定标与纠正
辐射定标
辐射定标的种类
发射前定标（prelaunch）
2.1 图像几何纠正
几何纠正的缺点
对图像亮度值的重新采样，改变了原图像数据，对 遥感图像的信息分析及定量研究有影响
多项式纠正模型无法纠正地形引起的位移 高精度的几何纠正需要大量的地面控制点，需要较
多的人工时间来选取控制点 低空间分辨率的图像控制点选取较困难
2.2 遥感图像辐射定标与纠正
卫星发射前在地面上对仪器进行反复定标
机（星）上定标（on-board）
在仪器扫描过程中根据参考的标准灯光和阳光光源进行定标
地面目标物定标
获取卫星数据过程中，在典型地区（地物单一，具有朗伯体 性质，如沙漠、清洁湖面等）进行同步光谱测量，然后用地 面光谱数据对卫星遥感数据进行定标
2.2 遥感图像辐射定标与纠正
影纹图案组合图案红树林在绿红红外波段的影像地物的几何形状在遥感影像上的表现地物的纹理在遥感影像上的表现树木和公路森林堆积的木材稻田飞机场河滩地物的纹理在遥感影像上的表现与判读对象关系密切的地物和现象利用相关的专业知识和经验进行判读逻辑推理法对比分析法利用1万彩红外航空像片判读污染水的判读标志项目污染类型污染物来源影像色彩影像纹理辅助标志判读效果油污染船舶练油厂工厂排放泄露绿青绿条块状烟云状船舶炼油厂航道白色条带状漩涡排水渠两河汇合处灰黑黑条带墨迹状污水河居民点河沟浮游植物工厂居民区排放和农田排水等引起富营养化红褐淡红长条斑块块状居民区工厂农田附近化学废渣化工机械工厂灰蓝绿黄绿喇叭状块状三厂排污口生活垃圾垃圾堆废物侵蚀溶灰黑黑色墨迹状垃圾堆由原色调决定各种彩效果好热排水工厂排放的冷确水深兰色中有白色浪花喇叭状波纹工厂排放口若影像纹理清楚则效果城市土地利用分类表仅列出大类大类代表类型名称居住用地指居住小区街坊居住团组单位生活区及各种类型的成片或散列分布的居住区
遥感数据的处理与2016案例共113页
6、法律的基础有两个，而且只有两个……平和实用。——伯克 7、有两种和平的暴力，那就是法律和礼节。——歌德
8、法律就是秩序，有好的法律才有好的秩序。——亚里士多德 9、上帝把法律和公平凑合在一起，可是人类却把它拆开。——查·科尔顿 10、一切法律都是无用的，因为好人用不着它们，而坏人又不会因为它们而变得规矩起来。——德谟耶克斯
31、只有永远躺在泥坑里的人，才不会再掉进坑里。——黑格尔 32、希望的灯一旦熄灭，生活刹那间变成了一片黑暗。——普列姆昌德 33、希望是人生的乳母。——科策布 34、形成天才的决定因素应该是勤奋。——郭沫若 35、学到很多东西的诀窍，就是一下子不要学很多。——洛克
国外遥感技术在土地利用变化监测中的典型案例
国外遥感技术在土地利用变化监测中的典型案例遥感技术是一种通过卫星、航空器或无人机等远距离获取地球表面信息的方法。
它通过获取遥感影像并分析这些影像中的时空信息，用于土地利用的监测和变化分析。
本文将介绍国外在土地利用变化监测中应用遥感技术的典型案例。
1. 澳大利亚的植被变化监测澳大利亚是一个干旱地区较多的国家，植被变化对农业和生态系统有着重要影响。
澳大利亚国防科学技术集团（DST Group）使用遥感技术来监测澳大利亚的植被变化。
他们利用高分辨率的遥感影像，通过光谱指数和差异变化检测，检测到植被覆盖的变化情况。
这些数据有助于监测退化地区、荒漠化过程和植被恢复。
2. 加拿大的冰川退缩监测加拿大是一个冰川分布广泛的国家，冰川的退缩对冰川生态系统和水资源有重要影响。
加拿大地理信息系统中心（CGDI）利用遥感技术监测加拿大冰川的退缩情况。
他们使用激光雷达和雷达遥感来获取三维数据，结合冰川的历史数据，分析冰川的体积和面积的变化。
这些数据对冰川管理和水资源规划具有重要意义。
3. 美国的城市扩张监测美国是一个以城市化进程较为迅速的国家，城市扩张对土地资源的利用和环境有显著影响。
美国地质调查局（USGS）使用遥感技术来监测美国的城市扩张。
他们利用高分辨率的遥感影像和地理信息系统（GIS），分析城市的空间扩展和土地利用变化。
这些数据对城市规划和土地资源管理提供了重要参考。
4. 欧洲的森林变化监测森林是欧洲重要的自然资源，森林的变化对生态平衡和气候变化有重要影响。
欧洲遥感数据中心（ESA）利用遥感技术来监测欧洲的森林变化。
他们使用合成孔径雷达（SAR）和多光谱遥感数据，结合时序分析和机器学习算法，监测森林的生长和衰退情况。
这些数据对森林保护和经济利用具有重要意义。
5. 巴西的森林破坏监测巴西是全球最大的热带雨林国家，但森林破坏和非法开发威胁着该地区的生态系统。
巴西国家空间研究所（INPE）利用遥感技术来监测亚马逊雨林的破坏情况。
遥感技术找金矿实例
遥感技术找金矿实例2016-05-23 13:04来源：内江洛伯尔材料科技有限公司作者：研发部埃及东部的Sukari金矿和Abu Marawat特许区遥感图如何利用遥感资料来提取金矿的生物地球化学效应引起的植被异常信息，是遥感生物地球化学找金矿的关键问题。
通过近年来的研究，建立了遥感生物地球化学找矿的理论模型，在这个理论模型中，遥感图像处理是提取金矿植被异常信息最重要的一个环节，通常采用遥感专题信息提取的图象处理方法，这种方法日趋成熟，并在找矿实践中得到广泛应用，取得了良好的效果。
根据遥感生物地球化学理论及方法，应用遥感专题信息提取的图像处理方法进行遥感找矿取得了较好的研究进展，以下是几个利用遥感方法进行找矿研究的应用实例。
（1）广东省高要河台地区，运用遥感TM数据的TM3、TM4、TM2波段经主成分分析后配以红、绿、蓝合成并拉伸的假彩色图像上，河台金矿区的植被呈现为金黄色色调，而背景区的植被为黄红色调，受毒害的植被在航空成像光谱扫描仪（AIS）航片上呈金黄色与背景区的红色调相区别，并运用此方法在粤西、海南等植被地区进行金矿预测，圈出45处植被遥感金矿异常区，其中40处有金矿化现象，并重点评价了粤西高圳、海南西部两个金矿靶区和粤西云浮、海南雅亮两个金矿远景区，取得了良好的应用效果。
（2）广东省肇庆市鼎湖山地区，应用TM数据的TM5、TM4、TM2/TM3经主成分分析（KL 变换）后取第一、第二和第三主成分配以红、绿、蓝合成并拉伸的假彩色合成图，在假彩色合成图上，钼矿体蚀变带上的植被呈桔红色串环状色调，其它地区的植被为浅红色色调，异常色调带呈环带状与钼矿区矿体的围岩蚀变带相吻合。
（3）海南省西南部地区，运用TM 数据的TM1、TM2、TM3、TM4、TM5和TM7六个波段进行主成分分析，选择第一、第二和第三主成分合成拉伸后，采用最大似然法进行监督分类后得到的假彩色图上，已知的金矿区（如抱板金矿、二甲金矿、土外山金矿）和金矿遥感异常区上的植被呈现为金黄色调，而正常区的植被呈现出蓝绿色，根据遥感植被信息圈出了7个金矿化遥感异常区，并对异常区进行了地面验证，确定了金矿远景区。
国外遥感技术在土地利用变化监测研究中的经典案例
国外遥感技术在土地利用变化监测研究中的经典案例遥感技术在土地利用变化监测研究中发挥着重要的作用，通过获取大范围的地表信息，可以有效捕捉土地利用变化的动态过程。
国外一些经典的遥感技术案例在土地利用变化监测研究中取得了显著的成果，下面将介绍几个具有代表性的案例。
1. 地中海沿岸线的土地利用变化监测地中海沿岸线是地球上一片重要的自然和人工景观区域，也是人类活动频繁的地区之一。
使用遥感技术对地中海沿岸线进行土地利用变化监测，可以揭示人类活动对该区域生态环境和土地资源的影响。
研究人员使用多源遥感数据，包括高分辨率影像、多光谱数据和雷达数据，通过影像分类和变化检测的方法，实现了对地中海沿岸线土地利用变化的定量监测。
这些监测结果为决策者提供了相应的信息，以制定可持续发展的政策和规划。
2. 亚马逊雨林的森林砍伐监测亚马逊雨林是世界上最大的热带雨林，它不仅是全球生物多样性的重要保护区，也是全球气候变化的关键因素之一。
然而，过度的森林砍伐对雨林生态系统构成巨大威胁。
遥感技术的应用使得亚马逊雨林的森林砍伐监测成为可能。
利用中分辨率遥感数据，如Landsat系列卫星影像，以及高分辨率影像，如SPOT和QuickBird影像，研究人员能够监测和追踪亚马逊雨林的森林减少情况。
这些监测结果为采取有效的保护措施和政策提供了依据。
3. 欧洲城市扩张的土地利用变化监测欧洲各大城市的不断扩张对周边自然环境和土地资源产生了重要影响。
通过遥感技术，可以对欧洲各主要城市的土地利用变化进行监测和评估。
研究人员使用高分辨率遥感数据和地理信息系统技术，对城市扩张过程中的土地利用类型变化进行分类和分析。
这些监测研究可以帮助城市规划者更好地理解城市增长对周边土地资源的压力，并制定相应的规划和政策以实现可持续发展。
4. 北极地区冰盖变化的监测北极地区的冰盖变化对全球气候系统和海洋环境具有重要影响。
通过遥感技术，科学家可以精确监测北极地区的冰盖扩张和收缩情况。
- 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)。
内容
2.1 遥感图像几何纠正 2.2 遥感图像辐射定标与纠正 2.3 遥感图像的大气校正 2.4 遥感图像增强 2.5 图像数据融合 2.6 遥感图像解译
2.1 图像几何纠正
遥感图像的几何变形
系统性变形
遥感平台和遥感器等仪器本身引起的变形 有规律，可用数学公式或模型来预测
双线性内插法 ▪ 使用邻近四个点的像元值（右图 中有a,b标志的像元），按照其距 内插点的距离赋予不同的权重， 进行线性内插 ▪ 优点：具有平均化的滤波效果， 边缘得到平滑，产生的图像比较 连贯 ▪ 缺点：破坏了原来的像元值
2.1 图像几何纠正
几何纠正的步骤
重采样、内插
三次卷积内插法 ▪ 使用内差点周围16个点的像元值 （右图中有a,b,c标志的像元）， 用三次卷积函数内插 ▪ 优点：对边缘有所增强，具有均 衡化和清晰化的效果 ▪ 缺点：破坏了原来的像元值，计 算量较大
卫星发射前在地面上对仪器进行反复定标
机（星）上定标（on-board）
在仪器扫描过程中根据参考的标准灯光和阳光光源进行定标
地面目标物定标
获取卫星数据过程中，在典型地区（地物单一，具有朗伯体 性质，如沙漠、清洁湖面等）进行同步光谱测量，然后用地 面光谱数据对卫星遥感数据进行定标
2.2 遥感图像辐射定标与纠正
非系统性变形
其他人为因素引起的变形，如遥感器平台的不稳定 无规律性，很难预测
2.1 图像几何纠正
几何纠正的分类
图像配准（Registration）
同一区域里一幅图像（基准图像）对另一幅图像的校准， 使两幅图像中的同名像元配准
图像纠正（Rectification）
借助于一组地面控制点，对一幅图像进行地理坐标的校正 又称为地理参照（Geo-referencing）
辐射定标
指将接收的遥感数据，通常是灰度（DN）值，转换成实 际的物理量（如辐射亮度、反射率等）。
通常，遥感器接收到来自目标物的辐射信息后，将其转 为灰度值进行存储，是为了节省空间
Landsat TM: 0-255 NOAA AVHRR: 0-1023 但是，当我们开展定量分析的时候，就必须重新将其转 换回实际物理量。
对原始图像按一定规则重新采样，进行 亮度值的插值计算，建立新的图像矩阵 最邻近法 ▪ 将最邻近的像元值赋予新像元 ▪ 如右图，将原图中a像元的亮度值 赋给输出图像中带阴影的像元 ▪ 优点：输出像元值不变，处理速 度快 ▪ 缺点：最大产生半个像元误差
2.1 图像几何纠正
几何纠正的步骤
重采样、内插
控制点应均匀分布在整幅图像内，且要有一定的数量保证
2.1 图像几何纠正
几何纠正的步骤
选择纠正模型
即选择合适的坐标变换函数式，建立图像坐标与其参考坐 标之间的关系式
主要是用多项式方程来表达二者的关系 对于中等几何变形的小区域图像，一次线性多项式即可纠正6
种变形：x,y方向的平移及比例尺变形、倾斜和旋转 对于变性比较严重的或精度要求较高的图像，可用二次或三次
2.1 图像几何纠正
几何纠正的步骤
地面控制点（GCP: Ground Control Points）的选 取
应选取在图像上有明显的、清晰的定位识别标志，如道路 交叉点、建筑边界、农田界线
控制点上的地物应不随时间而变化，以保证当两幅不同时 段的图像或地图几何纠正时，可以同时识别出来
在没有做过地形纠正的图像上选控制点时，应在同一地形 高度上进行
辐射定标
TM图像辐射定标
一般采取发射前定标，定标系数在卫星发射前测定好， 在头文件中可以读取，定标公式为：
L = a*DN + b
a (gain)、b (offset) 通常可以从遥感数据头文件读出 L为辐亮度
2.2 遥感图像辐射定标与纠正
辐射纠正 — 反射率的计算
辐射纠正：将目标物的辐亮度L转化为反射率R 反射率的求算
2.1 图像几何纠正
几何纠正的步骤
选择纠正模型
根据可以接受的最大总均方根误差，来调整控制点
若超过可接受的误差，则需要删除具有最大均方根误差的地 面控制点
必要时，需要选取新的控制点，改选坐标变换函数式 重复以上步骤，直到达到所要求的精度
2.1 图像几何纠正
ห้องสมุดไป่ตู้何纠正的步骤 重采样、内插
2.2 遥感图像辐射定标与纠正
辐射定标
定标过程一般采取线形公式进行转换： L = a*DN + b （或：DN = a*L + b）
a(gain)、b(offset)通常可以从遥感数据头文件读出 L
线形区域
DN
2.2 遥感图像辐射定标与纠正
辐射定标
辐射定标的种类
发射前定标（prelaunch）
假设地面是朗伯面反射且天空辐照度各向同性，卫
星观测到的行星反射率 R为
R
L
E D
⑴
由于行星反射率是分波段的，因此要添加波段宽度 D
2.2 遥感图像辐射定标与纠正
辐射纠正 — 反射率的计算
反射率的求算
2.1 图像几何纠正
几何纠正的分类
图像地理编码（Geo-coding）
把图像纠正到一种统一标准的坐标系，以使地理信息系统 中来自不同遥感器的图像和地图能方便的进行不同层之间 的操作运算和分析
图像正射投影校正（Ortho-rectification）
借助于数字高程模型（DEM），对图像中每个像元进行地形 变形的校正，使图像符合正射投影的要求
多项式
2.1 图像几何纠正
几何纠正的步骤
选择纠正模型
根据总均方根误差来调整控制点
确定多项式方程后，计算每个地面控制点的均方根误差RMSerror
RMSerror (x x)2 ( y y)2
x,y：地面控制点在原图像中的坐标 x’,y’：对应于相应的多项式计算的控制点坐标
均方根误差代表了每个控制点几何纠正的精度
2.1 图像几何纠正
几何纠正的缺点
对图像亮度值的重新采样，改变了原图像数据，对 遥感图像的信息分析及定量研究有影响
多项式纠正模型无法纠正地形引起的位移 高精度的几何纠正需要大量的地面控制点，需要较
多的人工时间来选取控制点 低空间分辨率的图像控制点选取较困难
2.2 遥感图像辐射定标与纠正