遥感数据怎么合成论文格式

随心所欲的写咯

一、遥感图像辐射校正

采用辐射校正消除误差，包括内部误差(因传感器灵敏度特性引起的辐射误差)和环境影响(因大气影响引起的辐射误差)。内部误差是系统的、可以预测的，通过卫星发射之前的辐射定标和运行过程中的星上辐射定标、替代(场地)辐射定标来确定。自然界环境影响是变化的、不确定的，是非系统误差。

本研究进行了LandsatETM+图像的辐射校正。

对LandsatETM+图像，通过内部误差辐射校正得到遥感影响的表观反射率，分两步骤完成:

(一)计算光谱辐射亮度L

随着时间的推移，LandsatETM+星载传感器的光电变换系统的灵敏度特性会发生偏差，通过地面定期测定，并根据测量值进行校正，光谱辐射亮度与图像DN值之间的关系为

岩溶石漠化治理的地学模式研究

式中增益值(Gain)与偏移值(Bias)在遥感数据获取的同时，得到并记录在遥感数据的头文件中，在购买遥感数据时获得了DN为传感器记录的像元灰度值。利用以上公式可消除传感器造成的辐射误差，将传感器记录的灰度值转换为像元目标星上的辐射值。

(二)计算表观反射率ρ

表观反射率ρ根据公式为

式中:L为根据图像DN值计算出来的光谱辐射亮度;D为日地之间距离(天文单位);ESUN为大气层顶的平均太阳光谱辐照度;θ是太阳天顶角。日地距离和太阳天顶角随时间的变化而变化，1999年12月27日D值为，128/42图像之θ为°;128/43图像之θ为°。

二、遥感图像几何纠正

(一)坐标系的选择及控制点采集

石漠化信息提取所需的影像坐标系采用1954北京坐标系，高斯－克吕格投影，6度分带。

影像图的几何纠正精度在很大程度上依赖于控制点的精度、分布和数量，为保证控制点的精度，所有控制点均在1∶5万地形图上选取。要求控制点均匀分布，即图幅的中心和四角均有控制点。

(二)几何纠正模型

采用多项式纠正法对遥感图像的坐标进行重新变换，变换公式表达为:

岩溶石漠化治理的地学模式研究

式中:x，y为代表图像原始坐标;X，Y为代表图像纠正后的坐标。

齐次多项式的项数(即系数个数)N与其阶数n有着固定的关系为

岩溶石漠化治理的地学模式研究

工作过程中，按最小二乘法原理求得N个多项式系数。为了保证多项式的稳定和减少控制点测量误差对纠正图像的影响，选取了多个控制点。

(三)重采样方法的使用

图像的几何纠正过程中必然要对图像进行重采样，也就是要重新计算新的坐标系下图像的亮度值。根据图像重建理论，理想的重采样函数为sinc函数，但是由于sinc函数是定义在无穷域上的，同时又包括三角函数计算，实际使用很不方便，因此采用近似函数来代替。

(四)影像图的控制精度

卫星影像图的精度主要取决于纠正过程中的控制点精度。为保证精度，所有控制点均在1∶5万地形图上选取，并保证图像控制点误差小于1个像元。

(五)遥感图像剪裁与格式转换

为了方便人—机交互解译与控制解译精度、解译成果的拼接等工作，对实验区生成标准的遥感影像平面图，作为后续工作的基础图件。

将生成的图像存储为*.tif格式，然后转换为MapGIS内部图像格式*.msi格式，以便于人—机交互解译修改自动分类的结果图。生成的影像与1∶5万地形图具有相同的地理投影，因此，解译的结果与地形图叠合比较好。

(六)遥感图像的增强处理

为了增强遥感图像上的石漠化信息，对其进行数字图像增强处理，以便于肉眼识别石漠化，并为后续的专题处理提供基础资料。经过增强处理的实验区G(b7)R(b4)B(b3)假彩色图像见图版5－3。

从图像上可以直观地看到，经过4年的治理，实验区植被覆盖增高，石漠化环境明显改善。

(七)石漠化信息增强

地表植被的覆盖状况能够较好地反映石漠化的分布情况，植被覆盖度程度的高低与石漠化的程度呈负相关关系，石漠化程度越高，植被覆盖度越低;石漠化程度越低，植被覆盖程度越高。因此利用植被指数图来确定石漠化的程度。

针对石漠化信息提取的特点，参照归一化植被指数(NDVI)与增强型植被指数(EVI)提取植被指数的原理，并对两者进行了改进，形成改进增强型植被指数(GEVI)。表示为:

岩溶石漠化治理的地学模式研究

该模型充分利用了植被、土壤、裸岩及水体等在蓝光波段、红光波段及近红外波段的光谱响应特性，增大了土壤、植被、裸岩及水体之间的反差，有利于植被信息的提取。

我这里有，可以发给你

洋河流域遥感图像土地利用分类方法研究 【摘要】遥感影像分类方法的确定是LUCC研究中的关键步骤。文章以洋河流域为研究区，分别进行了非监督分类和监督分类。针对监督分类结果中存在的误差，对水域、植被、城镇与工矿用地三种类型地物的提取分别选择了综合阈值法、植被指数法、DEM数据辅助分析法进行了改进，结果表明改进后的提取结果较监督分类直接得到的结果有了很大的改善。【关键词】遥感图像；监督分类；综合阈值法；植被指数法【中图分类号】TP79 【文献标识码】A【文章编号】1671-5969（2007）16-0164-03一、研究区域概况及图像资料（一）研究区域概况洋河流域是张家口经济发展的中心地带，水资源相对丰富。洋河发源于山西省阳高县和内蒙古兴和县，是永定河上游的一大支流，流域面积约14600km2 。在张家口市流域面积为9762km2，流经万全县、怀安县、张家口市区、宣化县、宣化区、下花园区、怀来县等，干流全长106 km，在朱官屯于桑干河汇合后流至官厅水库，是官厅水库的重要水源。洋河流域形状东西向较长，南北向较短，地形总趋势西北高、东南低。流域的东北、北部和西北沿坝头一带海拔高程1200～1500m之间，西部和南部边界海拔高程一般在500～1000m之间。流域内80％以上为丘陵山区，绝大部分为荒山秃岭。流域内大部分为黄色沙壤土，并有部分砂砾土及黄粘土，沿河川地层厚且较肥沃[1]。（二）信息源遥感信息源的选择要综合考虑其光谱分辨率、空间分辨率、时间分辨率等因素， 这是利用遥感图像进行土地利用分类的关键问题。美国的Landsat TM 图像是当前应用最为广泛的卫星遥感信息源之一，它可提供7个波段的信息， 空间分辨率为30～120m。TM数据源各波段各有特点，可进行不同地物类型的信息提取。相关资料表明TM遥感数据各波段间的信息相关关系为：TM1与TM2，TM5与TM7高度相关，相关系数达以上，信息冗余大，可以考虑不选取TM1波段。另外由于第6个波段的分辨率为120m，不利于地物信息的提取，所以亦不选取TM6波段。一般来说， 选择图像类型时，应考虑研究区域的大小、研究的目的，以及要达到的精度要求，另外不同时相遥感图像的选择对分类精度也具有很大的影响。为了能把水域、城市与工矿用地、林地、耕地、裸地区分开，以洋河流域1987年9月17日的TM图像为信息源进行研究。本文中所使用的遥感图像处理工具为美国ERDAS公司的ERDAS 软件，它是一个功能完整的、集遥感与地理信息系统于一体的专业软件，具有数据预处理、图像解译、图像分类、矢量功能、虚拟gis等多个功能。二、现有遥感图像土地利用分类的主要方法及其分析遥感图像土地利用分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的手段将特征空间划分为互不重叠的子空间，然后将图像中的各个像元划归到各个子空间中以实现分类[2]。按照是否有已知训练样本的分类数据，将其分为非监督分类和监督分类。它们最大的区别在于监督分类首先给定类别，而非监督分类则由图像数据本身的统计特征来确定。（一）非监督分类非监督分类是在多光谱特征空间中通过数字操作搜索像元光谱属性的自然群组的过程，这种聚类过程生成一副有m个光谱类组成的分类图。然后分析人员根据后验知识将光谱类划分或转换成感兴趣的专题信息类[3]。洋河流域内有很多山地，在图像上会产生大量的阴影，导致了像元灰度值的空间变化，这对分类结果有很大的影响。为此可以通过比值运算来去除阴影的影响，使向阳处和背阴处都毫不例外地只与地物的反射率的比值有关。常用算法：近红外波段（TM4）/红外波段（TM3），这样所得到的效果比较好，从原始图像和比值运算后的图像（图像略）中，可以清楚地看到山体阴面的阴影得到了有效的去除。经过比值运算后， 就可以对图像进行非监督分类。得到的分类结果如图1所示。非监督分类只根据地物的光谱特征进行分类，受人为因素的影响较少，不需要对地面信息有详细的了解，但由于“同物异谱、异物同谱”等现像的存在，其结果一般不如监督分类令人满意。比如官厅水库旁边的大量建筑物被分到水体一类。是因为在TM3波段上，水体和建筑物的灰度值相近， 同样在TM7波段上，裸山和建筑物的灰度值也相近。总之，在TM的6个波段上，无论采用哪个波段进行非监督分类，总有几种地物的光谱值接近，因此单纯依靠计算机自动分类取得很好的效果是非常困难的。