遥感解译实习报告（共8篇）
遥感解译实习报告 篇1
一．实习目的及任务本次实习主要任务是对云南省个旧地区TM5-3-2波段合成的伪彩色遥感图像的地质综合解译。目的是通过本次综合实习达到训练遥感地质解译思维和技巧、培养实际动手能力、并检验大家对课程内容的理解和掌握情况等。课程为同学们提供了云南省个旧地区TM5-3-2波段合成的伪彩色图像，图像清晰、色彩饱和、地貌地物标志明显、地质内容丰富。二．实习方法与步骤遥感影象目视解译方法常用方法有直接判读法、对比分析法、信息综合法综合推理法和地理相关分析法。本人在对云南省个旧地区TM5-3-2波段合成的伪彩色遥感图像的地质综合解译过程中主要应用了直接判读法，即根据遥感影象目视判读直接标志（色调、色彩、大小、形状、阴影、纹理、图案等），直接确定目标地物属性和范围的一种方法。实习整个过程的方法步骤如下：1．明确解译任务与要求，收集与分析有关材料；2.遥感影像整体判读；3.地貌特征分析，提取水系（河流、湖泊）等地物标志；4.识别不同种类岩石的影像（色调、色斑、纹理等）特征，建立判别标志，区分主要岩石类型；5.识别并建立各类地质构造的地貌、影像特征及解译标志，进行线环构造初步解译。6．应用Coreldraw9软件绘制目视解译成果，并对解译图进行整饰加工7.编写简明扼要的实习报告。三．解译标志1．水系（河流、湖泊）地物识别标志：水系主要分布于负地形即沟谷和地势低洼地区，根据水系遥感影像的色彩和形状来识别，水系遥感影象色彩为蓝色，线状分布的为河流，影象上为面状分布（椭圆、不规则多边形等）为湖泊。2．岩石类型的识别标志：（1）沉积岩的识别：在遥感影象西北和东部区域，色彩呈条带状展布（沉积岩最大的特点是具成层性），色调居中,为黄褐色，根据资料知个旧地区发育有个旧组灰岩，故可将黄褐色区域解译为个旧组灰岩。遥感影象图的北东角为负地形，色彩斑杂，色调低，据此可知岩石类型反射率较低，岩石疏松所以判别为第四纪的松散沉积物。（2）岩浆岩的识别标志：色调最深，为红褐色，与周围岩石的色调截然不同，近圆形分布，为环形构造，中部地区解译为岩浆岩。（3）哀牢山变质岩的识别标志：在影象图的西南角，色调深与岩浆岩的色调相似，但是该区的岩块被分割成棱角明显的块状，地面比较破碎。沿着这些区域的裂隙发育的水系，交汇、弯处不太自然，成之字形。
3、断裂构造的解译标志：断层在遥感影象上表现为线性影象。两种表现形式：一是线性的色调异常，即线性的色调与两侧的岩层色调明显的不同；二是两种不同色调的分界面呈线状延伸。地貌标志：一连串负地形呈线状排列；水系标志：河谷异常平直。据上述标志可解译断层构造如图1分布。四．解译结果说明该地区综合解译结果见图1，解译内容主要有：①自然地理要素（如水系、山峰等）；②岩石大类（沉积岩包括碳酸盐岩、碎屑岩和第四纪松散堆积物，岩浆岩如花岗岩，变质岩如哀牢山群）；③线性构造和环形构造。自然地理：河流主要发育于本区的东北部，湖泊分布于东南地区。岩石大类：在本区的西南角分布有哀牢山群变质岩，北部和东南部为中三叠统个旧组灰岩，它们的分布如图所示。在本区的北东和北西分布有第四纪松散沉积物。岩浆岩构造：本区中部有花岗岩体，岩体围岩为中三叠统个旧组灰岩和第三纪地层断裂构造：本区发育3条大断裂：西部地区花岗岩体左侧南北走向的大断裂；花岗岩体右侧近南北走向的大断裂，可看出岩体发育于两条断层之间并受岩体控制。根据断裂两侧三叠统个旧组灰岩遥感影象中条纹的相对错动，可知北东角第四系与个旧组灰岩之间的大断裂为左行断裂。花岗岩体中部还发育次级断裂，走向大致为南北向。五．结束语遥感这门课的开设是非常有必要的，通过这门课程的学习，我们加深了对遥感这门技术的了解；更重要的是通过这几次实习，我初探了遥感解译的奥妙，感受了遥感技术的重要性，也学会了一些基本的遥感解译的方法与技巧。最后，我衷心的感谢陈建国和夏庆霖两位老师对我们的指导和帮助！
遥感解译实习报告 篇2
如何应用遥感技术对辽阔的草原进行有效的分类, 在很短的时间内就能得出草资源的利用和变化情况, 这是相关草原专家们一直努力的方向。但是在遥感信息获取手段已经取得巨大进步的今天, 遥感技术的核心难点仍然是遥感影像解译技术。政府和相关部门将利用解译的结果采取相应的措施对草资源进行合理的利用, 但是, 传统的解译方法和技术在一定程度上存在着缺限, 这就需要研究人员在现有技术的基础上进一步地深入探讨好的方法和技术, 为政府和业界提供信息平台。
1 常规解译方法概述
1.1 目视解译
目视解译就是根据作业人员的经验和知识, 即根据样本的图像特征和空间特征 ( 形状、大小、阴影、纹理、图型、位置和布局) , 与多种非遥感信息资料相结合, 按照应用目的运用生物地学等相关规律, 采用对照分析的方法, 进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理, 从而识别图像上的目标, 并定性定量的提取目标的形态、构造功能、性质等信息的技术过程。因此, 目视解译需要解译人员具备图像解译方面的背景知识。这就是专业知识, 地理区域知识和遥感系统知识。而且需要有实地调查的经验, 通过实地考察来判断解译的结果是否准确[1]。目前, 目视解译是遥感图像解译最基本的解译方法, 也是最常用的方法。
目视解译分类方法的应用主要是通过遥感图像与各种辅助资料 (地形图、专题图、各种气象水文资料等) 的结合, 进行人工判读之后, 手工编绘各种专题图。早期的遥感应用主要是采取这种方法。现在随着计算机技术和遥感图像处理技术的发展而形成了人机交互目视解译方法, 它通过计算机对遥感图像进行各种增强缩放和变换后, 判读人员根据建立的解译标志, 直接用鼠标沿图像特征边缘准确的勾绘出地类界限, 从而达到地物分类。陈宁强等运用遥感处理软件, 对人机交互式土地资源遥感解译的条件过程及主要特点做了探索性研究;张松岭、杨邦杰等人提出了基于GIS的耕地遥感监测人机交互式图像解译系统;中国科学院遥感所在长期科技攻关的基础上制成了遥感图像人机交互判读系统, 可较好地满足区域规划、管理和决策以及遥感农情速报、遥感专题制图等多方面的需要, 在高新技术产业化方面具有广阔的发展应用前景和显著的社会经济效益。
1.2 计算机分类
计算机分类是计算机支持下的智能化识别技术, 是计算机软件通过分析和计算地物光谱辐射的相似程度, 将相似的图斑进行归类, 以达到区分遥感图像中多种地物的目的。计算机分类方法包括非监督分类和监督分类。
1.2.1 非监督分类
非监督分类也称为聚类分析或点群分析。即在图像中搜寻, 定义其自然相似光谱集群组的过程, 它不必对图像地物获取先验知识, 仅依靠图像上不同类地物光谱 (或纹理) 信息进行特征提取, 再统计特征的差别来达到分类的目的, 最后对已分出的各个类别的实际属性进行确认。所谓非监督, 是指人们事先对分类过程不施加任何的先验知识, 而仅凭遥感图像地物的光谱特征的分布规律, 随其自然地进行盲目的分类;其分类的结果, 只是对不同类别达到了区分, 但在联机过程中并不确定类别的属性;其类属是通过事后对各类光谱响应曲线进行分析, 以及与实地调查数据相比较后确定的[2,3]。
非监督分类不需要更多的先验知识, 方法简单, 且具有一定的精度。但是传统的非监督分类算法存在着分类精度较低, 分类结果比较粗糙等缺点。例如Kmeans算法、isodata算法等。严格说来, 分类效果的好坏需要经过实际调查来检验。当光谱特征类能够和唯一的地物类型相对应时, 非监督分类可取得较好的效果。但是, 在实际工作中, 地物类型对应的光谱特征类差异很小时, 非监督的效果就不如监督的效果好。特别由于同谱异质、同质异谱以及混合像元等现象的存在, 非监督的结果不如监督的令人满意。因此, 非监督适用于图像中的类已知且特别规则和做大概的分类。
1.2.2 监督分类
监督分类又称训练分类法, 即用被确认类别的样本像元去识别其它未知类别像元的过程, 它就是在分类之前通过目视判读和野外调查, 对遥感图像上某些样区中图像地物的类别属性有了先验知识, 作业人员按照由应用目的制订的分类系统;对每一种类别选取一定数量的训练样本, 计算机计算每种训练样区的统计或其它信息, 同时用这些种子类别对判决函数进行训练, 使其符合于对各种子类别分类的要求, 随后用训练好的判决函数去对其它待分数据进行分类。使每个位像元和训练样本作比较, 按不同的规则将其划分到和其最相似的样本类, 以此完成对整个图像的分类。
与非监督分类相比, 训练场地的选择是监督分类的关键, 训练场地要求有代表性, 训练样本的选择要考虑到地物光谱特征, 样本数目要能满足分类的要求, 判别函数有效。与非监督分类相比, 监督分类有一定的优势, 但也往往造成较多的错分、漏分情况, 使分类精度不高。
2 常规解译方法存在的问题
2.1 目视解译方法的局限性
目视解译法一直是草原图像解译工作最常用的方法, 但还存在一些问题。解译者的知识和经验在识别判读中起主要作用, 难以实现对海量空间信息的定量化分析, 费事费力, 工作效率低;主观因素作用大, 容易产生误判;目视解译劳动强度大, 人很易疲劳。在疲劳时进行图像解译, 精度往往会下降, 表现为解译勾绘的图斑细度达不到制图要求;在目视解译时, 很难综合较多的因素。所以, 容易出现片面解译的情况;对于人机交互式解译, 尽管它是对遥感原始数据的计算机处理, 速度快, 数据处理方式灵活多样, 但是它的整个处理过程多是以人机交互式进行的, 各种处理往往离不开人工判读或人的经验与知识的介入[4,5]。
2.2 计算机分类的缺点
2.2.1 监督分类
(1) 分类系统的确定、训练样本的选择, 均人为主观因素较强, 分析者定义的类别也许并不是图像中存在的自然类别, 导致多维数据空间中各类别间并非独一无二, 而是有重叠;分析者所选择的训练样本也可能并不代表图像中的真实情形; (2) 由于图像中同一类别的光谱差异, 如同一森林类, 由于森林密度、年龄、阴影等的差异, 其森林类的内部方差大, 造成训练样本并没有很好的代表性; (3) 训练样本的选取和评估需花费较多的人力、时间; (4) 只能识别训练样本中所定义的类别, 若某类别由于训练者不知道或者其数量太少未被定义, 则监督分类不能识别。
2.2.2 非监督分类
(1) 它产生的光谱集群组并不一定对应于分析者想要的类别, 因此分析者面临着如何将它们和想要的类别相匹配的问题实际上很少有一对一的对应关系。 (2) 分析者很难对产生的类别进行控制。因此其产生的类别也许并不能让分析者满意。 (3) 图像中各类别的光谱特征会随时间、地形等变化, 不同图像之间以及不同时段的图像之间的光谱集群组无法保持其连续性, 从而使其不同图像之间的对比变得困难。
2.3 遥感图像不共享
目前草原遥感图像一般都掌握在少数单位、少数人手里, 这对研究此方面的科学工作者以及学生造成了很大的不便, 也极大地阻碍了信息和数据的共享。因此, 随着现代信息技术的发展以及我国要求在越来越多的领域达到信息共享, 这就迫切要求建立有关草原遥感图像的共享平台。
基于常规的图像解译方法, 在实际的遥感图像解译工作中, 人们常常要参考一幅或多幅基础图来进行解译, 比如参考地形图、土地利用图、前人制作的草地类型图等等, 来协助判读和解译, 这样有利于提高解译的效率和准确度。但是, 在实际应用中参考和对照另外一幅图时, 存在一个突出的不方便之处, 即遥感图像的色调、纹理和图斑不易与基础图对应, 通常是把两幅图 (基础图和图像) 摆在计算机屏幕的左右两边来对照和参考, 或者一幅放在工作台上, 另一幅显示在计算机上, 对比和参照时非常麻烦, 给解译工作带来很大的不便, 且解译的效率不高。尤其是当遥感图像和基础图的比例尺及投影不同时, 要把两个图的不同点或区域很好地对应起来有很大的困难。在目视解译或计算机监督分类时, 都存在这样的问题。
3 结论
尽管目视解译方法中存在许多缺陷, 当前, 由于计算机自动识别的精度不够高, 目视判读仍然是草原遥感应用中一种不可缺少而又行之有效的方法。近年来, 随着遥感技术和计算机技术的不断发展, 专家系统、神经网络、模糊技术和数学形态等一些原来实现困难的新方法也在遥感图像分类中发挥作用, 虽然这些新方法比传统的方法在分类精度上有明显提高, 可也存在一定的不足。为了进一步提高分类精度, 综合利用各种信息进行遥感图像分类势在必行。
在常规方法存在的问题下, 试想应用地理信息系统的原理, 利用现代信息技术和软件技术, 将经过假彩色合成或单波段的遥感影像, 按地理坐标、投影、分辨率, 与基础图件 (如草地类型图、地形图) 完全在空间上叠加, 并显示在计算机屏幕上。这样一来, 两个图层上的每一个点、每一个图斑、每一个区域都会完全一一对应。解译人员通过控制上层影像的透明度, 可以同时看到两个图层在空间上的叠合情况, 很容易进行两个图层间图斑的对比和分析。经过把遥感影像的色斑与基础图的图斑 (斑块) 作对比和参照分析, 可方便、高效地进行目视解译, 可较准确地得出解译结果。同时, 叠加后的遥感影像可以用来验证基础图件的准确性。例如:河流的形状、湖泊的轮廓等。
影像解译工作是遥感监测工作中的一项重要工作, 多年来研究人员在影像和基础图对比分析工作中花费了很多的时间和精力。该项研究所提出的方法从理论上将充分应用现代网络技术、地理信息系统原理、软件技术, 改进现有方法的局限之处;在实践上要突破常规方法, 将遥感技术和地理信息系统技术有机地融合, 可为遥感解译工作带来极大的方便, 不仅大大地提高解译效率和精度, 同时也可为广大解译工作者提供信息共享平台, 便于推进和实现遥感影像的共享使用。
此外, 如果该项研究成功, 不仅可以应用到农业遥感应用研究, 甚至可以推广应用到其它学科领域的遥感应用研究。因此, 该项研究具有重要的理论意义和现实意义, 对实现我国的“数字农业”也具有实际意义。
摘要：草地类型的分布及变化是草原工作者很重要的研究内容, 对于较大面积的草地, 应用卫星遥感技术监测和划分草地资源的类型是当今草原学科发展的一个重要方向。应用遥感技术进行草地分类常用的方法有2种:目视解译法和计算机自动分类。简述了草原遥感影像常规解译方法及其存在的问题。并基于常规方法存在的不足, 试提出研究一种辅助草原遥感影像解译的半透明叠加法。
关键词：草原,解译,遥感
参考文献
[1]赵英时.遥感应用分析原理与方法[M].北京:科学出版社, 2003.
[2]傅肃性.遥感专题分析与地学图谱[M].北京:科学出版社, 2002.
[3]孙家柄.遥感原理与应用[M].武汉:武汉大学出版社, 2002.
[4]Li Jing.The Dynamic Monitoring of Grassland Resourcesand Grazing Ecosystem by Remote Sensing and GIS[D].Beijing:Beijing University, 1996.
[5]李博.中国北方草地畜牧业动态监测研究[M].北京:中国农业科技出版社, 1993.
遥感影像解译有利器 篇3
遥感影像是空间地理信息系统数据的重要组成部分，以它为基本数据源，实现计算机并行化对海量遥感数据进行快速的自动/半自动解译一直是行业中的重大技术难关。
目前全景天地公司倡导的面向对象的工程化影像智能解译技术在实际项目中的切实应用，大大提高了图像解译能力，增加了结果的客观性，避免人机交互式采集时人工判读的主观性和不同人判读时的不一致性，缩短了影像解译周期，提高了工作效率，值得大力推广应用。
据了解，北京全景天地科技有限公司作为专业影像分析公司，积极推动着我国遥感和影像分析技术的发展和应用，已在土地、环境、减灾、农业、林业、国防等领域实现“影像工程化智能快速解译”应用，重点推出了海量图像数据的快速解译流程和技术方案，得到了行业内资深院士和行业专家的充分认可。
遥感解译实习报告 篇4
·
一、名词解释
（1）遥感图像解译专家系统：遥感图像解译专家系统是模式识别同人工智能技术相结合的产物。它用于模式识别方法获取地物多种特征，为专家系统解译遥感图像提供证据，同时应用人工智能技术，运用遥感图像解译专家的经验和方法，模拟遥感图像目视解译的具体思维过程，进行遥感图像解译。
（2）监督与非监督分类：监督分类方法首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本，通过选择特征参数（如像素亮度均值、方差等），建立判别函数，据此对数字图像待分像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。这种方法称为监督分类。非监督分类是在没有先验类别(训练场地)作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（将相似度大的像元归为一类）的方法。
（3）统计模式识别：是提取待识别模式的一组统计特征，然后按照一定准则作出决策，从而对数字图像予以识别。
（4）结构模式识别：一般是用几何描述而不用形式语言。在结构模式识别中，最基本的思想是用数学模型来描述知识，识别的过程一般基于模板匹配。
·
二、问答题
遥感实习报告 篇5
课堂实验报告
（2015-2016学年 第一学期）
专业班级： 学 号： 姓 名： 实验成绩：
□ 优秀：格式完全符合规范要求，内容完整，图表规范美观；实验原理清楚，实验步骤合理，结果正确；严格遵守实验纪律，按时上交实验报告。
□ 良好：格式符合规范要求，内容完整，图表规范；实验原理较清楚，实验步骤合理，结果正确；遵守实验纪律，按时上交实验报告。
□ 中等：格式基本符合规范要求，内容较完整；实验原理较清楚，实验步骤基本合理，结果正确；能遵守实验纪律，能按时上交实验报告。
□ 及格：格式问题较多，内容基本完整；实验原理较清楚，实验步骤基本合理，结果基本正确；能遵守实验纪律，能按时上交实验报告。
□
不及格：格式问题突出，内容不完整；实验原理不清楚，实验步骤欠合理，结果不正确；有抄袭现象，不遵守实验纪律，未时上交实验报告。
指导教师签名:
2015年 11月 5日
实验项目
（一）：遥感图像几何纠正（4学时）
实验目的：掌握遥感图像几何纠正的原理方法；熟悉几何纠正中控制点的选择原则和方法；熟练掌握有关遥感图像处理软件的主要功能和操作步骤；针对变形的遥感图像能进行几何纠正。
实验器材：
1、计算机；
2、基准遥感图像、待纠正遥感图像；
3、遥感数字图像处理ENVI软件。
实验要求：掌握遥感图像几何纠正的主要步骤；自己独立完成遥感图像几何纠正；对几何校正结果进行评价。
实习时间及地点：
2015年10月15日
软件与数据源描述：
ENVI提供以下选择方式： 从栅格图像上选择
如果拥有需要校正图像区域的经过校正的影像、地形图等栅格数据，可以从中选择控制点，对应的控制点选择模式为Image to Image。从矢量数据中选择
如果拥有需要校正图像区域的经过校正的矢量数据，可以从中选择控制点，对应的模式为Image to Map。从文本文件中导入
事先已经通过GPS测量、摄影测量或者其他途径获得了控制点坐标数据，保存为以[Map(x,y), Image(x,y)]格式提供的文本文件可以直接导入作为控制点，对应的控制点选择模式为Image to Image 和Image to Map。键盘输入
如果只有控制点目标坐标信息或者只能从地图上获取坐标文件（如地形图等），只好通过键盘敲入坐标数据并在影像上找到对应点。
控制点的预测是通过控制点回归计算求出多项式系数，然后通过多项式计算预测下一个控制点位置，RMS值也是用同样的方法。默认多项式次数为1，因此在选择第四个点时控制点预测功能可以使用，随着控制点数量的增强，预测精度随之增加。最少控制点数量与多项式次数的关系为（n+1）2。
实验原理及步骤：
实验步骤： 运行ENVI 软件
第一步：显示图像文件
从ENVI 主菜单中，选择File —— Open Image File 当Enter Data Filename文件选择对话框出现后，选择进入当前目录下的“几何校正”子目录，从列表中选择bldr_tm.img和bldr_sp.img文件。在波段列表中bldr_tm.img选择RGB:543显示，同时Display中显示bldr_sp.img。
点击OK。出现“可用波段列表对话框”出现。两影像分别在display#1,display#2中打开。
第二步：启动几何校正模块
在主菜单上选择map->Registration->select GCPs：image to image 出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。BASE图像指参考图（bldr_sp.img）像而warp则指待校正影像（bldr_tm.img）。选择OK!
第三步：采集地面控制点
进行选点：将两边的影像十字线焦点对准到自己认为是同一地物的地方，就可以选择ADD POINT添加点了。剔除或调整误差较大的点。
第四步：选择校正参数输出
接下来就是进行校正了：在ground control points.对话框中选择：options->warp file(as image to map),在出现的imput warp image中选中你要校正的影像tm，点ok进入registration parameters对话框：首先点change proj按钮，选择坐标系utm,然后更改象素的大小，输入为30m。
最后选择多项式校正方法.重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径。memory点OK。
第五步：检验校正结果
在显示校正后结果的Image窗口中，右键选择Geographic Link命令，选择需要连接的两个窗口，打开十字光标进行查看。
或者在INVI ZOOM中将校正后的结果跟基准影像同时显示在窗口中，并用透视或者拉幕工具进行对比浏览。
实验结果与分析：
1、控制点应选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、湖泊边缘、飞机场、城郭边缘；
2、特征变化大地区应该多选控制点；图像边缘部分一定要选取控制点，以避免外推；尽可能满幅均匀选取。
3、控制点选取结束后要记得保存控制点文件
2015年10月15 日
实验项目
（二）：遥感图像的镶嵌与裁剪（0.5学时）
实验目的：熟悉遥感图像的特点；掌握遥感图像镶嵌与裁剪的概念和作用；掌握遥感图像镶嵌与裁剪影像处理软件的相关操作步骤。
实验器材：
1、计算机；
2、多光谱遥感图像；
3、遥感数字图像处理ENVI软件。
实验要求：
1、了解多光谱遥感图像的成像规律和特点；
2、掌握遥感图像镶嵌与裁剪的概念及主要操作步骤；
3、对遇到的问题能自己分析解决。
实习时间及地点：
2015年10月29日
软件与数据描述：
图像裁剪的目的是将研究之外的区域去除。常用的方法是按照行政区划边界或者自然区划边界进行头像裁剪；在基础数据生产中个，还经常要进行标准分幅裁剪。
本课程学习在ENVI下进行图像的规则裁剪、利用矢量数据进行图像的不规则裁剪。
规则裁剪，是指裁剪图像的边界范围是一个矩形，这个矩形范围获取途径包括：行列号、左上角和右下角两点坐标、图像文件、ROI/矢量文件。规则分幅裁剪功能在很多的处理处理过程中都可以启动（Spatial Subset）。下面介绍其中一种规则分幅裁剪过程。不规则图像裁剪，是指裁剪图像的边界范围是一个任意多边形。任意多边形可以是事先生成的一个完整的闭合多边形区域，可以是一个手工绘制的多边形，也可以是ENVI支持的矢量文件。针对不同的情况采用不同的裁剪过程。下面学习这两种方法。图像镶嵌，指在一定数学基础控制下把多景相邻遥感图像拼接成一个大范围、无缝的图像的过程。ENVI的图像镶嵌功能可提供交互式的方式，将有地理坐标或没有地理坐标的多幅图像合并，生成一幅单一的合成图像。
实验原理及步骤：
在 ENVI 主菜单中，选择 Map → Mosaicking → Pixel Based，开始进行 ENVI 基于像素的镶嵌操作。Pixel Based Mosaic 对话框出现在屏幕上。
2、从 Pixel Based Mosaic 对话框中，选择 Import → Import Files。在 Mosaic Input Files对话框中，点击 Open File，选择文件ljs-dv06_2.img。
3.在 Mosaic Input Files对话框中，再一次点击 Open File，选择 ljs-dv06_3.img 文件。
4.在Mosaic Input Files对话框中，按下键盘上的Shift键，并同时点击ljs-dv06_2.img和ljs-dv06_3.img文件名，选中这两个文件，点击 OK。
5.在 Select Mosaic Size 对话框的X Size 中输入 614，Y Size 中输入 1024，指定镶嵌影像的大小。
6.在 Pixel Based Mosaic 对话框中，点击 dv06_3.img 文件名。7.调整影像的位置关系。
8、在 Pixel Based Mosaic 对话框中，选择 File → Apply。当 Mosaic Parameters 对话框出现后，输入输出文件名 ljs-dv06.img，点击 OK，生成镶嵌影像文件。
在 Pixel Based Mosaic 对话框中，选择 File → Save Template。当 Output Mosaic Template 对话框出现后，输入输出的文件名 ljs-dv06a.mos。
9.点击可用波段列表中的 dv06a.mos 波段名，然后点击 Load Band，显示镶嵌后的影像。
10、在 Pixel Based Mosaic 对话框中，选择 Options→Change Mosaic Size。在 Select Mosaic Size对话框的X Size 和 Y Size 文本框中都输入值 768，点击 OK，改变输出镶嵌影像的大小。在 Pixel Based Mosaic 对话框中，左键点击影像＃2 的绿色轮
廓框。将影像＃2 拖动到镶嵌图的右下角。
在镶嵌图中，右键点击影像＃1 的红色轮廓框，选择 Edit Entry，打开 Entry:filename
对话框。
11、在 Data Value to Ignore 文本框中，输入值 0。在 Feathering Distance 文本框中，输入值 25，点击OK。对另一幅影像，重复上面的两步操作。选择 File → Save Template，输入输出文件名 ljs-dv06b.mos。在可用波段列表中，点击镶嵌模板文件名，然后点击 Load Band，显示该镶嵌影像。
在 Pixel Based Mosaic对话框中，选择 File → Apply，点击OK。输入要输出的文件名ljs-dv06-output，设定 Background Value 为 255，然后点击 OK。
基于地理坐标的影像镶嵌例子
在 ENVI 主菜单中，选择 Map → Mosaicking → Georeferenced，开始进行 ENVI 基于地理坐标的镶嵌操作。
输入文件：从 Pixel Georeferenced Mosaic 对话框中，选择 Import → Import Files。打开ljs-lch_02w.img和ljs-lch_01w.img.在镶嵌图中，右键点击影像＃1 的红色轮廓框，选择 Edit Entry，打开 Entry:filename对话框，在 Data Value to Ignore 文本框中，输入值 0。在 Feathering Distance 文本框中，输入值 25，点击OK。同理，处理#2影像。
添加注记：在ENVI4.7中File—Open Image File –选择ljs-lch_01w.img。
在主窗口中从主影像窗口中，选择 Overlay → Annotation，打开 Annotation对话框。在color中选择Red，然后添加注记，操作完成后保存为ljs-lch-a.ann 导入注记：在mosica窗口，选择上影像，右键选择 Edit Entry，选择select cutline Annotation File，选择ljs-lch-a.ann。结果如下：
创建输出羽化后的镶嵌影像 在 Map Based Mosaic 对话框中，选择 File → Apply。在 Mosaic Parameters对话框中，输入输出文件名 ljs-lch_mos.img，点击 OK，创建羽化后的镶嵌影像。
实验结果与分析：
（1）如果待拼接的图形经过了较为准确的几何校正，图像的拼接过程只需要经过色带调整之后就可以运行就可以达到较好的效果。
（2）彩色图像如何要取得较好的效果，需要从红绿蓝三个波段进行灰度的调整，对于多个波段的图像文件，进行一一对应的多个波段调整。
（3）在使用拼接线拼接时，如果带拼接区域颜色较为一致，或者带拼接区域刚好有河流或其他分割线，可以依照此分割线进行拼接，此时采用拼接线拼接可能取得较好的效果。同时要对拼接线处进行羽化使拼接线能够更好的融入影像中去。
2015年10 月29日
实验项目
（三）：遥感图像的融合（0.5学时）
实验目的：熟悉多光谱遥感图像和高分辨率全色影像的特点；掌握遥感图像融合的基本原理及主要融合算法和步骤；掌握遥感图像融合影像处理软件的主要操作步骤。
实验器材：
1、计算机；
2、多光谱遥感图像和高分辨率的全色影像；
3、遥感数字图像处理ENVI软件。
实验要求：
1、了解多光谱遥感图像和高分辨率全色影像的特点；
2、掌握遥感图像融合各种算法的原理与主要操作步骤；
3、对遇到的问题能自己分析解决。
实习时间及地点： 2015年10月29日 软件与数据描述：
在ENVI中，遥感影像合成总共有5中方法，分别是： HSV Color Normalized(Brovey)Gram-Schmidt Spectral Sharpening
PC Spectral Sharpening CN Spectral Sharpening 实验原理与步骤： 1.图像融合：
三波段融合：
HSV和Color Normalized(Brovey)变换：
1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；
2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1；
3）在ENVI的主菜单选择Transform → Image Sharpening → HSV；
4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。
5）从High Resolution Input File对话框中选择全色影像，点击OK。
6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。即可完成HSV变换融合；
与上述方法类似，选择Transform → Image Sharpening →
Color Normalized(Brovey)，使用Brovey进行融合变换。
多光谱融合：
Gram-Schmidt、主成分（PC）和color normalized(CN)变换
三种方法操作过程基本类似，下面以 Gram-Schmidt为例：
1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；
在ENVI的主菜单选择Transform → Image Sharpening →Schmidt Spectral Sharpening；
3）在Select Low Spatial Resolution Multi Band Input File对话框中选择资源三号多光谱影像，在Select High Spatial Resolution Pan Input Band对话框中选择全色影像，点击OK。
4）选择Average of Low Resolution Multispectral File方法。
5）选择重采样方法，输入输出路径及文件名，单击OK输出。
与上述方法类似，选择其他两种方法进行融合，并比较融合结果。
2.图像增强：
1）从ENVI主菜单中，选择File → Open Image File，加载融合后影像到可用波段列表Available Bands List中，并打开影像；
2）在image主窗口菜单Enhance下有不同的拉伸方法，可以尝试并比较各种方法的特点；
3）ENVI系统默认打开的影像已经过2%线性拉伸。如果希望改变系统默认的2%线性扩展，从主菜单File → Preferences → Display Default，将%Linear 中的2.0 改为0.0，选择OK 后，关闭对话框。
4）交互式拉伸：主图像菜单中选择Enhance→Interactive Stretching。Strech_Type 中可以选择各种扩展方式，主要有Linear（线性）、Gaussian（高斯），Piecewise Linear（分段线性），Equalization（均衡化），Square Root（平方根），Arbitrary（任意拉伸），选中各种不同的扩展方式，点击Apply，即可在图中看到变化后的图像。5）以上增强后结果如果需要保存时，在Image窗口下File → Save Image as → Image File
实验结果与分析：
HSV和Brovey变换两种方法在三个波段中，Brovey方法比HSV方法的均值和标准差值都大，在四个波段的其他四种方法，在各个波段中，CN法的均值和标准差值都最大，GS方法与PAN方法均值和标准差值都差不多相等且最小，PC方法的均值比CN方法小比GS方法与PAN方法略大，在1、2、3波段上，CN法的标准差值最大，其余三种大小差不多相等，在4波段上，CN法、GS法、PAN法标准差值大小差不多相等，PC法两种值均最小。
定量分析，对比几种方法融合后的图像，可以看出，HSV方法的融合效果最好，图像融合后最为清晰，PC方法的融合效果最差，图像较为模糊。
由此通过分析，HSV方法融合效果最佳。
2015年10月29日
实验项目
（四）：遥感图像的计算机自动分类（3学
时）
实验目的：掌握遥感图像分类的基本原理；熟悉遥感图像的特点；掌握ENVI软件遥感图像分类的操作步骤；并输出分类结果专题图；
实验器材：
1、计算机；
2、多光谱遥感图像；
3、遥感数字图像处理专用软件。
实验要求：
1、了解多光谱遥感图像的成像规律和特点；
2、掌握遥感图像分类的基本原理及操作步骤；
3、对分类结果输出专题图；
4、对遇到的问题能自己分析解决。
实习时间及地点： 2015年10月29日 软件与数据描述：
实验原理与步骤：
实验结果与分析：
遥感实习心得 篇6
使用Erdas对遥感图像进行处理的两次实习终于结束了，虽然在上机的时候由于机房过大没有听得很清楚，也没有做完实习，但是在课后花了时间完成了整个实习任务。在这短短的实习中，各方面的收获很多。
首先是接触到了书上所描述的Erdas软件，这款软件的功能十分丰富，就这几次实习的内容而言恐怕只是相当于对Erdas有初步的了解，但是实际学习使用Erdas所花的时间却不少。实习从使用Erdas对遥感图像进行IO、显示以及波段组合，到几何校正、图像增强以及图像镶嵌，实现了最基本的处理遥感影像的功能，也让我对书上较为抽象的理论知识有了形象的理解。通过观察遥感图像中不同地物在不同波段和不同RGB排列方式下的颜色变化，联系课本上水体、植物等地物的波谱特性，两者形象地结合在了一起，使课本上的概念更加深刻的印在了脑海里。通过图像增强的操作，观察图像随着输入的参数发生的改变，其本身以及灰度直方图的变化也让我更加理解了各增强方式的意义。而镶嵌、校正等操作，操作步骤也一步步对应着书上理论处理的方法。
当然，在学习使用软件中也遇到了一些问题。由于之前提前知道了实习内容是Erdas操作，所以我提前下了9.2版本的Erdas，与讲义中的8.5版本有些许出入。
刚开始接触软件时很陌生，只能慢慢照着上面来。而只是看讲义盲目地照着操作而不去思考软件的功能，结果就是遇到一点软件和描述的小差别就浪费很多时间。比如最开始用Import转换图像格式，应该在type组合框里选择正确的图像格式，但是由于组合框里图像格式过多，扫了一眼A开头的都不认识，就觉得默认的ADRG应该可以，然后因为打不开tiff图像在这一步耗费了较多时间。再就是在打开文件时对默认路径感到十分厌烦，每次都要重新选择对应磁盘，再在下面寻找想要输出图片的文件夹，后来发现旁边有个goto按钮点击就可以自动显示最近的路径（包括文件夹路径），而recent则必须为文件路径。这样节省了大量时间，改变地址只需要轻松点下按钮就行了。
进行图像增强操作的时候，发现按讲义上的操作来并不能显示直方图。打开图片后Histgram区域是空白的，尝试了很久没有成果便在Viewer窗口里探索。打开了一张影像进行直方图均衡竟然出现提示框
“图层不允许写入操作”，起初以为是彩色图像不能进行操作，但是换做其他图像都不能操作。于是探索菜单栏发现了Breakpoints，写程序写多了这词再熟悉不过了，“断点”。那这里会不会是将图分层的意思呢？点击该菜单项后，如我所料，果然直方图显示出来了，并且是三个直方图分别显示，对于单波段图像则只有一个直方图。之后按照讲义上的操作都成功了。
前两个实验相对内容较少，但也费了番功夫熟悉最基本的操作，做图像拼接和校正遇到的问题就多了。图像拼接过程中，很多地方由于版本不同操作也要有细微的改变，这就要求我得去理解每一步操作的意义。比如有一步加载Mosaic影像（如下图），在9.2版本里是Individual File和Template AOI在同一tabpage里。经过思考后个人认为与Template AOI对应的Individual和（2）里的不是一种含义。Aoi文件虽然不知道具体是什么，但通过上下文的分析应该是和图像文件配套的文件。
在之后给相交区域描边界线则遇到了本次实习中耗费时间最长的问题。每次描完线后再加载相应aoi文件都会提示一个错误。如下图，“只允许多段线的AOI文件”。
当时为了求快就去问同学，然后很多同学根本没认真做，而有的遇到这个问题直接放弃了。我也觉得奇怪我是用多段线画的还是会有错。询问了其他班同学后，得知助教说要在相交区域内多加一条线，我没有立刻照做，而是思考为什么这样做。照理说这种多加的线没有意义啊。后来猛的顿悟，多加一条线不是重点，重点是这里只允许“多段线”，也就是不闭合的线，而我全部用的多边形(Polygon)，虽然之前用多边形得到的aoi文件没错，但是相交区域得严格使用多段线。之后的步骤就按讲义上来了，拼接图也顺利完成。
最后做实习二，也是最为繁琐的几何校正。之所以说其繁琐，主要原因是找同名点过程。抱着一味求快的态度、差不多的思想只会得到多次错误的匹配结果。连续做了3次都失败了，同名像点匹配后经常差很远。我意识到了找同名像点过程中“精度”的重要，这不能像之前几次测量实习一样“差不多”就行了，这比测量实习精度要求更严格。所以即使看起来大致在一个位置也有可能差了1~2个像素甚至更多，这种误差是不允许的。因此在焦躁地迎来几次失败后我认识到找控制点不是个随便的事情，不仅要找到特征明显的角点，还要将其像素放大到足够大，并在两张相片进行细致的比对。由于像素值不是完全一样，所以判别方法要结合周围很多像素的灰度值来分析两点是否对应。在无比细致地选取同名像点后终于迎来了成功。
在解决了上述等等问题完成了整个实习任务后既感到一种成就感，又感到了不小的压力。感慨Erdas软件的强大，即使花了那么多时间学到的也只是凤毛麟角；同时感慨研发人员的强大，很多Erdas的一个小小的功能，就现在我的编程水平而言要实现得很花一些功夫，甚至更多的是无能为力。另一方面我也体会到了英语的重要性，不得不承认国内的技术水平和国外有相当的差距，很多时候不得不去使用其他国家的产品，专业英语掌握的扎实的话学习英文软件的使用会更快，节省时间创造的是更高的效率。
遥感解译实习报告 篇7
1 第一次全国地理国情普查介绍
第一次全国地理国情普查是国务院批复实施的一项全国性的普查任务, 要求在2013年7月1日至2015年12月31日两年六个月的时间内, 利用高分辨率航空航天遥感影像数据、基础地理信息数据和其他专题数据等, 按照统一的标准和技术要求, 查清我国地形地貌、地表覆盖等地表自然和人文地理要素的现状和空间分布情况[2]。普查要求以优于1m的高分辨率航空航天遥感影像数据为主要数据源, 因此就必须进行遥感影像解译[3]。而如此大范围的普查任务, 时间紧、任务重、质量要求高, 使用传统的人工目视解译很难完成, 这就要求探索并将自动化遥感影像解译应用于实际生产。
2 Feature Station软件多尺度分割参数介绍
Feature Station软件是由中国测绘科学研究院为第一次全国地理国情普查项目定制开发的遥感影像解译与数据采集软件, 软件的解译思路是采用先分割后分类的方法, 即按照事先设定的解译分割参数将遥感影像分割为不同大小的图斑, 再根据采集的样本点所在图斑的类型, 将所有与之同一特征值的图斑赋为相同的类型。而分类的准确性, 很大程度上依赖于影像分割的效果, 即是否能严格按照该地类特征值的边界进行分割。Feature Station软件进行影像分割的主要算法是多尺度分割算法, 尺度、颜色、紧致度是该算法的三个主要参数介绍见表1。多尺度分割参数的设置至关重要, 影响着分割及分类的效果。
3 各参数对分割效果的影响
本文以甘肃省第一次全国地理国情普查中World View-2多光谱影像为试验数据, 分辨率为0.5m, 进行分割参数试验。试验结果如图1~图6所示。
3.1 尺度参数对分割的影响
尺度参数试验中, 设置颜色权重=0.8, 紧致度权重=0.6, 该两参数保持不变。尺度参数分别为50、150。
尺度参数对分割效果影响最大, 尺度参数设置的越大, 分割后对象图斑面积越大, 对象数量越少, 如何确定最优尺度是关键。
3.2 颜色参数对分割的影响
颜色权重+形状权重=1, 颜色权值设置越小, 形状参数设置越大, 分割结果与颜色的相关性就越小, 分割对象较规整, 但不能较好的反映地物实际形状。
设置尺度参数为100, 紧致度参数为0.6, 该两个参数保持不变, 颜色参数分别为0.6、0.8。
结论:颜色权重越大, 分割对象的光谱一致性相对好, 与此对应的形状权重, 值越大, 对象越规整, 如绿色圈中的房子, 若设置太大, 则不能反映地物的实际情况。
3.3 紧致度对分割结果的影响
在尺度参数和光谱参数一定的情况下, 紧致度越小, 分割结果的形状越破碎。
设置尺度参数为100, 光谱参数为0.8, 该两个参数保持不变, 紧致度参数分别为0.2、0.8。
结论:从红色矩形框中的对象分割后的结果可以看出, 紧致度越小, 分割结果的形状越破碎, 越大, 对象的紧致度越好。
4 结论
针对0.5m的World View-2数据, 使用Feature Station进行多尺度分割时, 尺度参数设置为100或150, 形状参数设置为0.8左右, 紧致度参数设置为0.6左右比较合适。可以通过分割质量指标或者分类精度来检验分割效果。通过试验可以得出结论, 多尺度分割时分割参数的设置至关重要, 极大影响了分割及分类的效果, 必须根据提取的地物类型, 选择各参数合适的数值。
参考文献
[1]杨桄, 刘湘南.遥感影像解译的研究现状和发展趋势[J].国土资源遥感, 2004, 60 (2) :7-10.
[2]王佩军, 徐亚明.摄影测量学[M].武汉:武汉大学出版社, 2012.
遥感科学与技术学习报告（精选） 篇8
陈春鹏
1451171 听了xxx教授关于遥感科学与技术的讲座，让我认识到了什么是遥感、遥感的应用和遥感的发展前景，并有了自己的一点思考。
一、遥感的知识
1、什么是遥感技术？
1.1遥感的定义
20世纪60年代随着航天技术的迅速发展，美国地理学家首先提出了“遥感”（Remote Sensing）这个名词，它是泛指通过非接触传感器遥测物体的几何与物理特性的技术。也就是说，遥感是门技术，那它是门什么样的技术呢?通过学习我们知道了它是通过距离地物几千米到几百千米甚至上千千米的飞机、飞船、卫星，使用光学或电子光学仪器（称为传感器）接收地面物体反射或发射的电磁波信号，并以图像胶片或数据磁带记录下来，传送到地面，经过信息处理、判读分析和野外实地验证，最终服务于资源勘探、动态监测和有关部门的规划决策的一门技术。通常我们就把这一接收、传输、处理、分析判读和应用遥感数据的全过程称为遥感技术。
1.2遥感的原理与基础
遥感之所以能够根据收集到的电磁波数据来判读地面目标物和有关现象，是因为一切物体，由于其种类、特征和环境条件的不同而具有完全不同的电磁波反射或发射辐射特征。因此，可以说，遥感技术主要建立在物体反射或发射电磁波的原理基础之上的。
1.3遥感的分类
①按电磁波波段的工作区域分类可分为：可见光遥感，红外遥感，微波遥感和多波段遥感等。
②按被探测的目标对象领域不同可分为：农业遥感、林业遥感、地质遥感、测绘遥感、气象遥感、海洋遥感和水文遥感等。
③按传感器的运载工具的不同可分为：航空遥感（以飞机、气球作为传感器的运载工具）和航天遥感（以卫星、飞船或火箭作为传感器的运载工具）两大系统。
④目前的分类方式是：首先按传感器记录方式的不同，把遥感技术分为图像方式和非图像方式两大类；再根据传感器工作方式的不同，把图像方式和非图像方式分为被动方式和主动方式两种。被动方式是指传感器本身不发射信号而是直接接收目标物辐射和反射的太阳散射；主动方式则是传感器本身发射信号，然后再接收从目标物反射回来的电磁波信号。
2、遥感的发展历史
①1858年纳达在气球上拍摄地面的照片。②1903年福特兄弟发明飞机，使航空遥感成为可能。
③1906年，劳伦士用17只风筝拍下旧金山大火这一历史性大幅照片。④第一次世界大战中第一台航空摄影机问世，英国空军拍下了德国的炮兵阵地。
⑤1957年前苏联发射了第一颗人造卫星，使卫星摄影成为可能，并在1959年发回第一张地球影像；1960年从“泰罗斯”与“雨云”气象卫星上获得全球的云图。⑥1971年美国“阿波罗”宇宙飞船成功地对月球表面进行航天摄影测量。同年美国利用“水手”号探测器对火星进行 测绘作业。
⑦1972年美国地球资源卫星上天，其多光谱扫描仪影像用于对地观测，使得遥感作为一门新兴技术得到广泛应用。
⑧目前全球在轨的人造卫星达到3000颗，其中提供遥感、定位、通信传输的数据和图像服务的将近500颗，而且目前世界各国已建成的遥感卫星地面接收站超过50个。至今摇撼从区域到全球、从地表到太空，无不表明遥感已经发展到相当成熟的阶段，当代遥感的发展主要表现在它的多传感器、高分辨率和多时相特征上。
3、遥感信息的获取
遥感信息获取的关键：传感器。地物发射或反射的电磁波信息，通过传感器收集、量化并记录在胶片或磁带上，然后进行光学或计算机处理，最终才能得到可供几何定位和图像解译的遥感图像。一般来说传感器有以下几个系统：
①收集系统：利用物理元件把收集到的电磁波聚焦并送往探测系统。②探测系统：用于探测地物电磁辐射的特征，是传感器中最重要的部分。③信息处理系统：扫描仪、雷达探测到的都是电信号，有时为了需要须将电信号在显像管的屏幕上转换为图像。
④记录系统：遥感影像的记录一般分直接与间接两种方式。直接记录方式的摄影胶片、扫描航带胶片、合成孔径雷达的波带片；间接方式有模拟磁带和数字磁带。
4、遥感信息的传输与预处理
①传输：遥感信息的传输有模拟传输和数字信号传输两种传输方式。模拟信号传输是指一种连续变化的电源与电压表示的模拟信号，经过放大和调制后用无线电传输；数字信号传输是指将模拟信号转换为数字形式进行传输。
②预处理：从航空或航天飞机的差传感器上收到的遥感信息因受传感器性能、飞行条件、坏境因素等影响，在使用前要进行多方面的预处理，才能获得反映目标实际的真实信息。这个过程包括数据转换、数据压缩、数据校正、辐射校正以及几何校正。
5、遥感影像的处理
①几何处理：几何处理依照不同传感器的成像原理有所不同，对于无立体重叠的影像主要是几何纠正和形成地学编码，对于有重叠的卫星影像，还要解求地面目标的三维坐标和建立数字高程模型。②灰度处理：包括图像复原和图像增强、影像重采样、灰度均衡、图像滤波。不同传感器、不同分辨率、不同时期的数据，可以通过数据融合的方法获得更高、更多信息的影像。
③特征提取：从原始影像上通过各种数学工具和算子提取用户有用特征。④目标识别：从影像数据中人工或自动/半自动地提取所要识别的目标，包括人工地物和自然地物目标。
⑤图像解译：对所获得的遥感图像用人工或计算机方法对图像进行判读，对目标进行分析。
6、遥感技术的使用
遥感技术的应用涉及各行各业、方方面面。这里列举其在国民经济建设中的主要应用。
①应用在国家基础测绘和建立空间数据基础设施中； ②应用于铁路、公路设计中，勘探地形地质；
③应用于农业生产中，土地资源调查、农作物生产与监测； ④应用于林业，进行森林资源调查和动态监测；
⑤应用于煤炭工业中，研究煤层在光场、热场内的物理特征，识别煤层，探测煤系地层；
⑥应用于地质矿产、油气资源勘探；
⑦应用于水文学和水资源研究中，进行水资源调查，水文情报预感和区域水文研究；
⑧应用于海洋研究和环境监测； ⑨应用于地震灾害监测； ⑩应用于现代战争。
7、遥感技术的发展前景
就遥感对地测而言，可以归纳出以下七大发展趋势：
①航空航天遥感传感器数据获取技术趋向多平台、多传感器、多角度和高空间分辨率、高光谱分辨率、高识相分辨率；
②航空航天遥感对地定位趋向不依赖地面控制；
③摄影测量遥感数据的计算机处理更趋向自动化和智能化；
④利用多时相影像数据自动发现地表覆盖的变化趋向实时化；
⑤航空航天遥感在构建“数字地球“和”数字中国“中正在发挥愈来愈大的作用；
⑥全定量化遥感方法走向实用；
⑦遥感传感器网络与全球信息网络走向集成。
二、相关思考