地理信息科学作业

第一讲

1、试从遥感数据评价的角度比较IKONOS/Quickbird，Landsat TM/ETM+，和Terra/Aqua MODIS数据各自的优劣。

遥感数据是各种传感器所获信息的产物，评价遥感数据的质量应分别从空间分辨率、光谱分辨率、辐射分辨率以及时间分辨率四个方面进行。

IKONOS卫星可采集1m分辨率全色和4m分辨率多光谱影像的商业卫星，同时全色和多光谱影像可融合成1m分辨率的彩色影像。从681km高度的轨道上，IKONOS的重访周期为3天，并且可从卫星直接向全球12地面站地传输数据。而QuickBird卫星提供亚米级分辨率的商业卫星，卫星影像分辨率为0.61m。该卫星具有引领行业的地理定位精度，海量星上存储，单景影像比其他的商业高分辨率卫星高出2-10倍。

Landsat卫星的轨道为太阳同步的近极地圆形轨道，保证北半球中纬度地区获得中等太阳高度角的上午成像，且卫星以同一地方时、同一方向通过同一地点，保证遥感观测条件的基本一致，利于图像的对比。每16-18天覆盖地球一次。Landsat上携带的传感器空间分辨率也由80m提高到30m，Landsat-7的ETM又提高到15m。

Terra卫星是EOS计划中第一颗装载有MODIS传感器的卫星。它装载的五种传感器能同时采集地球大气、陆地、海洋和太阳能量平衡的信息。Terra沿地球近极地轨道航行，高度是705km，它在早上当地同一时间经过赤道，此时陆地上云层覆盖为最少，它对地表的视角的范围最大。Terra的轨道基本上是和地球的自转方向相垂直，它的图像可以拼接成一幅完整的地球总图像，每日或每两日可获得一次全球观测数据。科学家通过这些图像逐渐理解了全球气候变化的起因和效果，他们的目标是了解地球气候和环境是如何作为一个整体作用的。

比较IKONOS与TM数据，可以发现IKONOS的多光谱波段就是TM的前四个波段，IKONOS去掉了TM的后三个波段，光谱性质不如TM好了，但是IKONOS空间分辨率要比TM高得多，IKONOS影像可以与航空相片相媲美。Quickbird传感器与IKONOS相同，分辨率也很高，只是图像覆盖尺度和传感器倾斜角度有些差别。光谱范围广、数据接收简单、更新频率高则是MODIS数据最主要的特点。

2、Google Earth/Map遥感数据具有何种地图投影特征？举例说明Google Earth/Map高分辨率影像与Landsat TM/ETM+OLI数据的几何配准方法。

Google earth的卫星影像，并非单一数据来源，而是卫星影像与航拍的数据整合。其卫星影像部分来自于QuickBird商业卫星与陆地卫星（Landsat-7卫

星居多），航拍部分的来源有BlueSky公司、Sanborn公司、美国IKONOS及法国SPOT5。Google Earth/Map遥感数据采用空间斜轴墨卡托投影（Space Oblique Mercator Projection，简称SOM投影）。该投影可满足卫星遥感资料如陆地卫星影像投影变换的需要。多数用于采用近极地太阳同步圆形轨道，且以动态遥感方式对地表进行扫描成像的地球观测遥感卫星（如陆地卫星多波段扫描仪MSS和TM）。为便于直接建立卫星影像与投影系统之间的变换关系，在空间斜轴墨卡托投影中，将地球旋转的影响，用时间为参数，通过使圆柱面沿中心轴左右滑动来补偿。

来自不同传感器的信息源有不同的特点，例如TM影像光谱信息丰富，但SPOT 数据分辨率高，两者复合既可以提高新图像的空间分辨率又可以保持较丰富的光谱信息。为了使Google Earth/Map SPOT高分辨率影像与Landsat TM/ETM+OLI 数据所对应的地物吻合，分辨率一致，必须先完成配准。方法是采用几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算等对分辨率较小的图像进行重采样，完成配准。三次卷积内插法是进一步提高内插精度的一种方法，其基本思想是增加邻点来获得最佳插值函数。实际工作中控制点的选取应大于最低数很多，且应选在图像上易辨别、较精细的特征点，这很容易通过目视方法辨别。特征变化大的地区应多选些。图像边缘部分一定要选取控制点，以避免外推。此外，尽可能满幅均匀选取，特征实在不明显的大面积区域，可用求延长线交点的办法来弥补，但应尽可能避免这样做，以避免造成认为误差。

第二讲

1、遥感影像分析的基本内容有哪些？

遥感影像分析的主要目是根据图像所包含的光谱信息、空间信息、多时相信息和辅助数据确定地面物景中对应的物体类别、性质及其变化，例如农作物类别、林区林种、农林虫害、泛区面积、矿山岩性、土壤成分和城镇变迁等。从遥感影像上获取目标地物信息可以通过专业人员目视解译，直接观察或借助辅助判读仪器在遥感影像上获取特定目标地物信息，也可以以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，根据遥感影像中目标地物的各种影像特征，结合专家知识库中目标地物的解译经验和成像规律等知识进行分析推理，对影像进行计算机解译。

遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基

本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。

2、遥感影像目视解译的基本依据有哪些？如何有效提高分析自动化的水平？

目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。

利用计算机图像识别技术实现对遥感影像的自动分类可以有效提高遥感影像分析的自动化水平。由于地物在同一波段、同一地物在不同波段都具有不同的波谱特征，通过对某种地物在各波段的波谱曲线进行分析，根据其特点进行相应的增强处理后，可以在遥感影像上识别并提取同类目标物。早期的自动分类和图像分割主要是基于光谱特征，后来发展为结合光谱特征、纹理特征、形状特征、空间关系特征等综合因素的计算机信息提取。但是，目前大多数研究还是基于地物光谱特征。在计算机分类之前，往往要做些预处理（如校正、增强、滤波等，以突出目标物特征或消除同一类型目标的不同部位因照射条件不同、地形变化、扫描观测角的不同而造成的亮度差异等），图像上的其它信息如大小、形状、纹理等标志尚未充分利用。

第三讲

3、基于对象的影响分析中包含那些基本步骤？