地表覆盖数据

2024-06-24

地表覆盖数据(精选3篇)

地表覆盖数据 篇1

摘要:地表覆盖数据采集是地理国情普查的重要内容, 在数据采集、编辑、整理过程中, 相邻图斑之间发生微小移动, 这会影响整个地理国情普查数据成果的精度, 造成数据无法入库。简要介绍地表覆盖数据在入库前产生的面缝隙和面重叠的拓扑错误, 应用Arc GIS拓扑工具可以快速查找到问题图斑, 并结合数据管理工具实现高效修正, 确保入库前数据质量符合入库要求。

关键词:地理国情普查,地表覆盖数据,拓扑错误

0 引言

Arc GIS10.1 是Esri公司集40 余年地理信息系统 (GIS) 咨询和研发经验, 呈现给用户的一套完整的GIS平台产品, 它具有强大的地图制作、空间数据管理、空间分析、空间信息整合、发布与共享的能力[1]。Arc GIS for Desktop下的应用程序Arc Map是地理国情普查数据采集的主要工作平台, 处理的是空间信息, 需要统一的量算, 因此了解GIS的坐标系统是必要的。GIS的坐标系统大致有三种, Plannar Coordinate System (平面坐标系统, 或者Custom用户自定义坐标系统) 、Geographic Coordinate System (地理坐标系统) 、Projection Coordinate System (投影坐标系统) 。Plannar Coordinate System用于小范围内不需要投影或坐标变换的情况下使用。Geographic Coordinate System和Projection Coordinate System之间相互联系。Geographic Coordinate System是一种球面坐标系统, 以经纬度为地图的存储单位。Projection Coordinate System是一种平面坐标系统, 其地图单位通常是米。Geographic Coordinate System是Projection Coordinate System的基础之一, 每一个Projection Coordinate System必定会有Geographic Coordinate System。地理国情普查数据采集在大范围内进行的, 且矢量化时以米为单位进行存储, 所以选择Projection Coordinate System。

1 地理国情普查介绍

地理国情普查主要包括地表形态、地表覆盖和重要地理国情要素三个方面。地表形态数据反映地表的地形及地势特征, 也间接反映了地貌形态。地表覆盖反映地表自然营造物和人工营造物的自然属性或状况。地表覆盖不同于土地利用, 一般不侧重于土地的社会属性 (人类对土地的利用方式和目的意图) 等。重要地理国情要素反映与社会生活密切相关、具有较为稳定的空间范围或边界、具有或可以明确标识、有独立监测和统计分析意义的重要地物及其属性。

在整个地理国情普查中, 地表覆盖要素采集虽然只有一个面层 (LCA) , 但数据采集工作量大, 单个作业员无法完成数据采集工作, 通常是几个作业员合作完成。不同作业人员采集的矢量数据需要合并, 在合并过程中会引起图斑移动或合并时相邻图斑公共边结点未完全重合, 这会造成了拓扑检查时出现大量面重叠和面缝隙。

2 Arc GIS拓扑介绍

在Arc GIS中Coverage和Geo Database数据格式可以建立拓扑, Arc GIS拓扑是在同一个要素集下要素类之间拓扑关系的集合。要参与一个拓扑的所有要素类, 必须在同一个要素集下, 一个要素类可以有多个拓扑, 但每个要素类最多只能参与一个拓扑。

数据是GIS的核心, 在实际的操作中, 由于数据的多源性、数据格式的多样性、数据生产、数据转换、数据处理的标准不一致导致数据质量无法满足现实的需要。基于这个问题, 对数据进行拓扑检查, 可以找出有悖于拓扑规则的拓扑错误, 便于修改, 达到所需数据质量。

地理国情普查中矢量数据和属性数据存储在唯一的系统中, 所以采用基于对象数据模型的Geo Database数据格式。

3 地表覆盖数据拓扑检查与修改

3.1 新建拓扑

在地理数据库中创建要素集tp_Topology, 导入LCA, 在要素集下新建拓扑 (拓扑容差为0.01) , 设置拓扑规则。对于单个面要素拓扑规则如表1 所示。拓扑建立完成后, 需要对其进行验证, 验证拓扑的时间和图斑数量成正比, 图斑数越多, 所需时间越长。

3.2 拓扑错误处理

把建好的拓扑数据tp_Topology加载到Arc Map中, 在编辑器中开始编辑, 从拓扑工具条中打开错误检查器, 进行搜索 (取消仅搜索可见范围的对号) 可以发现图斑中存在的所有面缝隙和面重叠。图斑最外围的面缝隙是属于异常情况, 合理存在, 其他都需要进行修改。出现这种错误是由于在数据编辑过程中, 需要合并的图斑公共边部分结点位置或个数不一致引起的, 同时数据在编辑过程操作不当也会出现这个问题。单个修改从整个图斑的个数来看, 效率很低, 手动修改不太现实。对于出现的此类问题我们可以借助Arc GIS已有的功能来完成。具体步骤如下:

(1) 在错误检查器中分别选中同一类错误 (除图斑最外围的面缝隙) , 右键单击选择“创建要素”, 面缝隙和面重叠可以生成极小面。 (2) 打开LCA属性表, 按CC码排序, 可以看到新生成的极小面中所有的CC码是空值。根据这一属性选择生成的极小面的所有记录。 (3) 选择生成的极小面环绕的图斑。 (4) 在编辑器中选择“合并”选项, 选择CC码存在的图斑, 点击确定即可完成错误的修正。

上面操作只是针对单个图斑在数据处理过程中发生微小移动产生的拓扑错误处理方法。对于多个图斑产生的面缝隙和面重叠, 如图1 所示, 我们需要用到Arc Toolbo中的消除工具。消除工具是通过将面与具有最长公用边界的临近面合并来消除面 (我们也可以选择通过删除公用边界将所选面与邻近的最大面合并) 。具体步骤如下:

(1) 对已存在的面缝隙和面重叠分别通过创建要素生成极小面。 (2) 打开LCA属性表, 选择CC码是空值的所有记录, 如果不进行此操作, 后边的消除操作将无法进行。 (3) 打开Arc Toolbox→数据管理工具→制图综合→消除, 打开消除对话框, 在输入图层中选择LCA, 在输出要素类中选择要保存的路径和名称LCA_Eliminate, 其他默认即可, 点击确定即可完成操作。经过以上处理达到面与面之间的狭长缝隙与相邻图斑之间进行合并以消除错误, 同时满足数据采集精度0.1 的要求。 (4) 在Arc Map中, 图层LCA_Eliminate就是消除面缝隙和面重叠之后的矢量数据。 (5) 对LCA_Eliminate重新进行拓扑处理, 验证后的结果如图2 所示, 即所有缝隙被消除, 精度到达了0.01, 高于要求的0.1。 (数据采集要求的精度、新方法达到的精度和数据处理的结果) 。 (6) 删除LCA中数据, 将LCA_Eliminat的数据加载到LCA中, 就是入库前需要的数据。

通过上述方法可以修改LCA中面重叠和面缝隙的错误, 但只是针对图斑发生的微小移动, 通过创建要素使其生成狭长面来完成操作。在这一系列的操作中, 我们需要注意LCA层的工作地图是数字正射影像图 (DOM) , 精度要求一般不超过五个像素。如果通过创建要素产生的面过大, 即数据精度超限, 我们需要核查消除后的图斑边界是否超限, 如果超限, 需在拓扑工具条下对LCA层图斑边界进行调整, 否则将影响整个地理国情普查数据成果的质量。

4结束语

本文简要介绍了地理国情普查和Arc GIS拓扑功能, 运用Arc GIS对LCA层中的数据进行拓扑检查, 实现对发生错误的图斑通过创建面要素来能达到批量修改的目的。这种方法, 应用在地理国情普查中是高效的。但同时它也有缺点, 它的使用范围是图斑边界移动未超过五个像素, 我们可以直接使用, 对于图斑移动超过五个像素, 在上述方法的基础上, 结合拓扑工具条对图斑边界进行重新修改才能保障数据质量。

参考文献

[1]黄亮.Arc GIS 10.1地理信息系统软件在国情地表覆盖数据处理中的应用和拓扑检查[J].测绘与空间地理信息, 2014 (6) .

[2]GDPJ 01-2013, 地理国情普查内容与指标-20140402-V3.1-订正本[S].

[3]贾晓光, 刘金辉, 殷涛.Arc GIS拓扑在地理国情普查项目中的应用[J].测绘与空间地理信息, 2014 (6) .

[4]刘德刚, 叶良茂, 周刚.基于Arc GIS Geo Database的宗地拓扑模型建模与实现[J].微计算机信息, 2007, 23 (24) .

地表覆盖数据 篇2

关键词:地表,覆盖,易混淆影,像解译

为了更好地监测地理国情, 搞好宏观调控、促进经济和社会可持续发展, 建设责任政府、服务政府, 国务院下发了《国务院关于开展第一次全国地理国情普查的通知》。我院为搞好这次的地理国情普查工作, 深入研究了国家制定的《第一次全国地理国情普查总体方案》等相关技术要求, 并在河南省某镇开展了地理国情普查试点工作, 通过对试点地区地形地貌、系统数据和遥感影像数据的综合分析, 总结出适合持续开展地理国情监测工作的数据处理方法, 并对影像解译过程中易混淆地物的区分方法进行了叙述。

1 试点地区前期数据分析

某镇位于河南省东南部, 总面积3 8.32km2, 耕地面积30479亩, 人口3.2万。该镇整体地势平坦, 无山区分布, 植被主要为人工种植的耕地, 园地、林地、草地和城市景观树木。区域内拥有铁路及各种等级公路纵横交错, 交通十分发达。

该镇具有交通便利、经济发达、社会稳定的自然条件和社会环境。几年来, 按照“一区两地”的发展模式, 大力发展园区经济。近年来随着该镇城镇建设总体规划的稳步实施和经济的快速发展, 各种基础配套设施渐趋完备, 区内供排水、供电、供气 (天然气及暖气) 、通讯、通邮等基础设施齐备, 主干道纵横交错, 并成立了环卫维修服务队和治安经警队, 外部环境优美、整洁, 生产、生活秩序稳定。随着经济结构的调整和经济的快速发展, 这块发展外向型经济的理想之地将成为以电子及综合加工业为主的现代工业城镇。

1.1 已有资料情况

(1) 河南省2011年0.5m分辨率1:2000河南省某镇卫星影像; (2) 河南省2012年0.2m分辨率1:2000河南省某镇航空正射影像; (3) 河南省2012年比例尺为1:2000的地形图系统数据。

1.2 现有技术标准

(1) 《1:500、1:2000河南省基础地理信息要素数据字典》; (2) 《1:500 1:1000 1:2000地形图数字化规范》GB/T 17160-2008; (3) 《1:500 1:1000 1:2000地形图航空摄影测量内业规范》GB 7930-87; (4) 《测绘产品质量检查与验收》GB/T 24356-2009; (5) 国家测绘地理信息局地理国情监测相关原则和技术文档; (6) 《国家基本比例尺地形图分幅和编号》GB/T 13989-1992; (7) 《基础地理信息数字产品1:10000 1:50000数字正射影像图》CH/T 1009-2001; (8) 《基础地理信息数字产品元数据》CH/T 1007-2001。其中地表覆盖分类数据的元数据参照正射影像; (9) 《河南省地理国情普查数据规定与采集要求》TDPJ03-2013; (10) 项目技术设计书。

2 内业解译分类与信息采集提取原则

以遥感正射影像为基础, 利用收集整合的参考数据, 采用人工解译结合的方式, 参考基础地理信息、土地利用、自然资源等资料, 以遥感正射影像为基础底图, 按照国家相关标准中采集地理要素分类、分级表和技术指标的要求, 开展内业判读与解译, 补充或更新采集水系、交通、居住小区等要素实体, 提取相关属性, 并进行地表覆盖分类, 分别按照要求形成相应的数据层。

解译时, 运用解译标志和实践经验, 通过判读、判译、预判、判绘等, 对影像进行识别, 从而获取实地信息。对于影像与地形图出入较大的地区或内业判读不清、无法解译的地类需要做好标记, 提交外业部门到野外进行实地的逐一核实、修改、补充调绘, 予以确认。

在影像解译过程中应当遵守以下几点基本要求: (1) 内业解译时, 以该镇的行政界线为作业范围, 以2012年0.2m正射影像为基准数据, 将2012年重新分类分层处理的1:2000地形图系统数据和正射影像叠加, 结合2010年地名地址调查数据、城市部件调查数据、城市用地现状数据和土地利用现状数据为参考, 根据地物的光谱、形状、纹理和空间关系等信息确定好各类地物要素的边界, 采集过程应保证面独立闭合且互不相交; (2) 在影像解译时, 根据分类中的各类要求综合相邻的同类用地; (3) 所有地物都应当结合地形图和注记正确解译, 对于内业解译过程中难以确定属性的用地, 应当勾绘其轮廓线, 以便外业调绘确定。 (4) 从原始系统数据提取的各层数据均在Arc GIS10.0中提取, 提取所有字段并在后续的数据加工中一直保留原始数据的字段, 不得删除。 (5) 地表在空间上被多种类型立体层叠覆盖的情况下:对于不同高低植被立体覆盖的范围, 以顶层树冠的优势类型确定其植被覆盖类型;对于树冠遮蔽道路、树冠遮蔽沟渠的情况, 地表覆盖中按照植被归类;对于高架路, 按照上层道路归入路面;有屋顶绿化的范围, 应归入房屋建筑区;桥面跨越大面积的水面, 应归入水体类型。其他在空间上被多种类型立体层叠覆盖的情况, 地表覆盖分类一般采用“就近就大”的原则, 即以面积占绝对优势的类型为主。 (6) 植被覆盖类型中通过影像甚至实地核查均难以区分人工和自然的类型, 一般采用“自然优先”的原则进行归类。 (7) 道路两边行道树处理:按照行道树垂直投影范围确定其为绿化林地层中。不管行道树是否压盖了道路面, 即使行道树把道路整个压盖也要按树木枝叶垂直投影确定为绿化林地。

3 内业影像解译时易混淆地物的区分

在内业影像解译过程中, 很多地物的图斑在影像上相似或相近, 作业人员常常难以区分, 因此需要将易混淆地物的影像截取出来, 建立样本库, 方便内业人员进行影像判读。由于篇幅有限, 下面仅列举几类易混淆地物:

(1) 天然草地与人工草地

一般来说, 野外的空旷地区的草地是天然草地, 单位、院落里的草地是人工草地, 但是不能就简单地这样划分。有时单位、院落里也会有未经过人为改良的天然草地。区分这两种覆盖分类时, 还需要认真判读影像, 一般影像上边缘界限明显、有人为修剪痕迹的才是人工草地, 如图1中标识区域;而界限不明显、生长得自然而茂密的应归为天然草地, 如图2中标识区域。且根据地表覆盖分类中的“自然优先”原则, 凡事无法确定为人工草地的, 都应优先归入天然草地的相应类别。

(2) 高覆盖度草地、中覆盖度草地与低覆盖度草地

在国情监测地表覆盖分类中, 将天然草地按照覆盖度的不同又细分为:高覆盖度草地、中覆盖度草地和低覆盖度草地。在《地理国情普查内容与指标》中, 将覆盖度大于50%的天然草地归为高覆盖度草地, 覆盖度介于20%~50%之间的为中覆盖度草地, 覆盖度介于10%~20%之间的天然草地为低覆盖度草地。但在实际解译过程中, 覆盖度的计算并不容易, 因此在实施过程中, 为了更加便于操作, 往往会制作解译样本。在本次实验片制作过程中, 将图3中标识的区域作为高覆盖度草地的样本, 图4中标识的区域作为中覆盖度草地的样本, 图5中标识的区域作为低覆盖度草地的样本。

(3) 人工草地与绿化林地

在地形图绘制过程中, 按照河南制定的地方标准《1:500、1:2000数据字典》和《1:5000、1:10000数据字典》的要求, 道路两侧绿地会划归为花坛, 在制作地表覆盖数据时, 花坛的系统数据会被直接转换成绿化草地的覆盖面, 而在实际制作过程中对照影像, 会发现很多道路两边都有行树, 其行树树冠的覆盖度已经达到了绿化林地的选取标准, 此时就应该将改覆盖面归入绿化林地, 如图6中标识的区域所示。

(4) 泥土地表与碾压踩踏地表

泥土地表是自然裸露的, 没有人工堆掘、夯筑、碾压形成的痕迹的地表;而碾压踩踏地表是由于人类社会经济活动经常性碾压、踩踏形成的次生裸露地表。与泥土地表单纯地以泥质或裸土为主的地表特征相比, 碾压踩踏地表从影像上看具有明显的碾压、踩踏的痕迹。图7中标识区域展示的就是泥土地表的影像, 而图8中区域标识的就是碾压踩踏地表, 从影像上还是能够比较清楚地看出两者的差别。

4 结语

该论文在对该镇地表覆盖数据分类的过程中, 对于该片区内易混淆地物的影像图斑进行了截取和对比说明。虽然取得了一定的成果, 但要在接下来的全省域地表覆盖分类数据制作中, 迅速准确地完成任务, 还需要建立更为完善的解译样本库, 尤其对于地表覆盖分类中易混淆的图斑, 需对其影像进行详细的描述。地理国情监测工作是一个长期的、不断完善的工作。相信在不久的将来, 随着地理国情监测数据库的逐步建立和完善, 国家将能够更及时更准确地从地理的角度分析、研究和描述国情, 准确掌握国情国力, 提高政府管理决策的科学水平, 服务和改善社会民生。

参考文献

[1]《国家基本比例尺地图图式第1部分1:500、1:1000、1:2000地形图图式》[S].GB/T 20257.1-2007.北京:中国标准出版社, 2008.

[2]国务院第一次全国地理国情普查领导小组办公室.地理普查基础知识[M].测绘出版社, 2013.

浅谈地表3D空间数据获取方法 篇3

关键词:3D,空间数据,获取

空间数据获取是GIS建设与运行的基础。随着现代测绘、地质勘探和地球物理技术的发展, 3D空间数据获取技术不断发展和丰富, 极大地提高了人类认识和掌控自然的能力。现代测量技术的发展, 为人们提供了更多、更方便、更快捷地获取地表3D空间数据的技术方法, 如大地测量与工程测量技术、GPS测量、摄影测量、激光扫描、SAR/InSAR技术等。

1. 大地测量与工程测量技术

大地测量与工程测量技术是空间定位的基本手段之一, 也是迄今为止仍在快速发展的一种手段和方法, 是其他任何手段都无法取代的。利用大地测量和工程测量技术, 人们根据需要, 既可以获得地表点的2D坐标数据, 也可以获得地表点的3D坐标数据。经纬仪、水准仪、全站仪测量以及发展到后来的测量机器人, 都是大地测量与工程测量技术常用的工具和手段。

大地测量与工程测量技术具有布点灵活、精度高、可靠性高、经济性好等优点, 在变形测量领域已获得广泛应用, 在控制测量和工程测量的各个领域的应用前景也极其开阔。

2. GPS测量技术

GPS系统由空间部分、控制部分、用户部分组成。它具有以下优点:采用GPS技术测设方格网, 比常规方法适应性更强;GPS方格网定位精度高、误差分布均匀, 不但能够满足规范要求, 而且具有较大的精度储备;采用GPS方法布设大地控制网, 因其图形强度系数高, 能够有效地提高点位趋近速度;采用GPS—RTK测设建筑方格网与常规测量法相比, 效率可提高—倍以上, 并能大幅度降低作业人员的劳动强度。—个参考站可有多台流动站作业, 流动站不需基准站指挥, 单人即可独立作业。

但是, GPS还有以下不足:首先, GPS系统精确定位的关键就在于对卫星和接收机之间距离的准确计算, 按照固定模式:距离=速度×时间, 时间确定之后, 速度按电磁波的传播速度定。众所周知电磁波在真空中的传播速度很快, 但大气层不是真空状态, 信号要受到电离层和对流层的重重干扰。GPS系统只能对此进行平均计算。其次, GPS测量中所选择的控制点位置的差异直接影响到观测点位的精度。再者, GPS测量更适用于视野开阔、障碍物较少的新区建设、野外勘探定位等, 在老城区的建设中, 使用GPS测量, 或者接收不到信号, 因此所得数据往往误差较大。最后, GPS及其相关技术是一门新兴起的技术, 其运用的规范标准还不够完善, 目前我国还没有颁布统一的地理信息标准, 产品市场没有形成标准, 特别是软件产品没有形成统一的规范, 这还待有关部门进一步研究制定。

在政府管理和民用领域, GPS的导航和动态定位测量等功能得到广泛应用。如在针对各类灾害的预防和快速反应上, 如地震、森林火灾、水灾等, 可以快速确定发灾地点、受灾范围和灾情的发展趋势。在交通、环保、城市规划、水利和旅游等方面GPS获得了广泛的运用。

3. 摄影测量技术

广义的数字摄影测量是指从摄影测量和遥感所获得的数据中, 采集数字化图形或数字化影像, 在计算机中进行各种数值、图形和影像处理, 研究目标的几何和物理特性, 从而获得各种形式的数字产品和可视化产品。

对于大范围的城市三维仿真模型的生产, 基于数字摄影测量的数据获取是相对经济有效的方法。采用数字测量技术, 能够交互式采集包括顶部结构在内的地物表面特征点数据, 进而自动建立三维表面模型。

根据主要建筑物的形态特征, 可以将大多数人工地物分解成特征点、特征线、一般实体、多重实体、具有起算位置的实体、底与顶不一致的实体、球、柱体、凸且内部无起伏的面、一般面、竖直的面等11类最基本的体元进行数据采集, 每一个体元由分类码和用户码进行识别, 由数字摄影测量采集的体元几何特征数据主要是顶部轮廓线, 基于DEM便可创建出体元实体, 有这些体元实体便可以创建任意复杂的实体。

利用数字摄影测量技术生成城市三维仿真模型与其他技术方法相比具有较多优势:

(1) 数据获取速度快、效率高和质量好;

(2) 建筑物高度数据准确, 应用性强;

(3) 地面纹理和建筑顶部纹理都可以直接采用由立体像对生成的测区的正射投影图, 模型的真实性强。

4. 激光扫描测量技术

随着科学技术和社会经济的快速发展, 对快速获取空间目标的3D几何信息提出了新的要求。迅速获取物体的立体信息, 并将其转化为计算机能直接处理的3D数字模型是现代人的追求, 3D激光扫描测量技术应运而生。

激光扫描测量技术的原理是通过主动发射激光信号并测量从被测目标反射回来的激光信号, 来高密度、高精度获取目标体的数字距离信息, 进而得到目标的几何信息。

三维激光扫描测量技术克服了传统测量技术的局限性, 采用非接触主动测量方式直接获取高精度三维数据, 能够对任意物体进行扫描, 且没有白天和黑夜的限制, 快速将现实世界的信息转换成可以处理的数据。它具有扫描速度快、实时性强、精度高、主动性强、全数字特征等特点, 可以极大地降低成本, 节约时间, 而且使用方便, 其输出格式可直接与CAD三维动画等工具软件接口。

三维激光扫描技术的介入促进了应用领域的发展, 同时应用领域的大量需求成为其研究的动力, 三维激光扫描测量技术在测绘领域有广泛的应用。激光扫描技术与惯性导航系统 (INS) 、全球定位系统 (GPS) 、电荷耦合 (CCD) 等技术相结合, 在大范围数字高程模型的高精度实时获取、城市三维模型重建、局部区域的地理信息获取等方面表现出强大的优势, 成为摄影测量与遥感技术的一个重要补充。同时在工程、环境检测和城市建设等方面均有成功的应用实例, 如断面三维测绘, 绘制大比例尺地形图、灾害评估、建立3D城市模型、复杂建筑物施工、大型建筑的变形监测等。

5. SAR与InSAR技术

合成孔径雷达 (SyntheticApertureRadar, SAR) 是一种使用微波探测地表目标的主动式成像传感器, 具有全天候、全天时成像能力, 并能穿透某些地物表面。

合成孔径雷达干涉测量 (InSAR) 利用SAR复图像中含有的相位信息, 通过干涉处理提取目标区域的三维信息, 因此可用于制作地形图、生成高精度的DEM, 是合成孔径雷达 (SAR) 遥感技术的新发展。InSAR通过两副天线同时观测 (单轨模式) , 或两次近似平行的观测 (重复轨道模式) , 获取地面同一地区的SAR单视复数图像对, 由于目标与两天线位置的几何关系, 在复图像上产生了相位差, 形成干涉纹图。干涉纹图中包含了斜距向上的点与两天线位置之差的精确信息。因此, 利用传感器高度、雷达波长、波束视向及天线基线距之间的几何关系, 就可以精确地测量出图像上每一点的三维位置和变化信息。

InSAR技术主要应用于光学遥感图像难以获得的地区 (如热带雨林、火山地区、极地地区等) 进行地形测量, 以建立高精度的DEM, 而广泛应用于生成高精度数字高程模型DEM, 地震灾害检测, 地面变形和位移的监测, 火山监测与灾害评估, 地面沉降监测, 农作物生长监测与生物量统计以及林业、冰川、海洋等领域。

6. 结束语

上一篇:妇女人口学下一篇:资源稀缺性