地物信息方法

地物信息方法（共3篇）

地物信息方法 篇1

摘要：遥感越来越多地被用于提取不同尺度土地利用、地面覆盖变化特征以及人文特征信息。准确选取适当的遥感数据是快速、精确地发现并提取遥感图像中所需信息的前提。综述了基于遥感影像提取地物信息的方法, 并列举一些应用实例。

关键词：遥感,信息提取,数据源

引言

遥感是20世纪60年代发展起来的综合性对地观测技术, 它的产生和发展是人们认识和探索自然界的客观需要[1]。它拓展了人眼观察的光谱范围, 大大提高了数据获取的空间详细程度, 可应用于军事、农业、林业、地矿、水利和环保等领域。但通过遥感器观测的遥感数据, 由于受到太阳和大气等条件的影响, 必须经过人工判读或计算机处理, 才能最终应用于各种领域。本文综述了基于遥感影像提取地物信息的方法, 并列举一些应用实例。

一、多源遥感数据概述

遥感技术作为一种准确、客观、及时获取宏观信息的手段, 在城市规划、土地利用监测、农业、林业以及自然灾害预报等方面越来越得到广泛的重视和应用[2]。准确选取适当的遥感数据是快速、精确地发现并提取遥感图像中所需信息的前提[3]。地物信息提取常用的遥感图像可以分为以下几类。

1. 多光谱和全色影像。

全色影像具有较高的空间分辨率, 而多光谱图像可以更精细地描述目标光谱。全色图像与多光谱图像融合, 既可以利用全色图像的高分辨改善多光谱图像分辨率, 又可以充分利用多光谱图像中特有的对目标某些独特特征的精细描述, 使融合图像包含更丰富的信息[4]。多光谱影像及融合影像是目前地物信息提取研究的主要信息源。

2. SAR影像。

合成孔径雷达 (synthetic aperture radar, SAR) 是一种主动遥感方式, 与光学遥感相比, 具有全天时、全天候、多波段、多极化工作方式、可变侧视角穿透能力强和高分辨率等特点[5]。SAR影像在水体覆盖区域具有反射值低的特征, 能够与其他地物形成明显的反差, 在研究水体覆盖变化方面具有独特的优势。SAR图像中还含有丰富的纹理结构信息, 不同的地表粗糙度呈现出不同的纹理特征。原始的光谱信息加上纹理信息可以提高影像的精确性, 建立和充分应用基于纹理特征的地物分类及信息提取方法, 将是今后研究高分辨率遥感影像信息提取的方向之一[6,7,8]。

3. 高光谱影像。

高光谱遥感是在电磁波谱的可见光、近红外、中红外和热红外波段范围内, 利用成像光谱仪获取许多非常窄的光谱连续的影像数据的技术。高光谱遥感数据有更多的波段, 更高的波谱分辨率, 使得高光谱数据在生态领域有更广泛的应用[9,10]。对高光谱数据特征的研究和分析对于准确地获得目标地物的有用信息是极其重要的。

4. 航片。

航空影像数据以其直观、信息量丰富、可读性强等诸多优点, 使它既是基础地理数据产品的重要组成部分, 又是生产或合成其他基础地理数据产品的信息来源与基础。许多学者在城市防震减灾、沟谷侵蚀定量监测以及测绘中都进行了成功应用[11,12]。

二、遥感影像提取地物信息的方法

1. 目视解译。

卫星影像的解译是应用遥感技术的一个关键环节, 目视解译基于专家经验和智能, 是遥感应用的一项很重要的基本功, 它是根据样本的图像特征和空间特征 (形状、大小、阴影、图形、纹理、位置和布局) , 并与多种非遥感信息资料相结合, 运用生物、地学等相关规律, 采用对照分析的方法, 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[13,14,15]。目视解译的方法目前在遥感解译中的应用非常普遍。赵兴实等[14]在土壤侵蚀现状调查中, 张芳等[15]在森林资源调查中都运用了遥感影像目视解译的方法。

2. 非监督分类法。

遥感影像的非监督分类也称为聚类或点群分析, 是在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。非监督算法是按照某种相似性准则对样本进行合并或分类, 不需要人工选择训练样本, 仅需极少的人工初始输入, 计算机按一定规则自动地根据像元光谱或空间特征组成集群组, 然后分析者将每个组和参考数据比较, 将其划分到每一类中[16,17]。但由于“同物异谱、异物同谱”等现象的存在, 其结果一般不能令人满意。

3. 监督分类法。

监督分类是在已知类别的训练场地上提取各类别训练样本, 通过选择特征变量、确定判别函数或判别式把影像中的各个像元点划归到各个给定类的分类[17]。监督分类方法由于引入了部分先验知识, 故其分类精度相对于非监督分类算法往往较高, 同时, 算法的稳健性也能得到较大程度地提高[18]。

4. 最大似然法。

最大似然方法通过对研究区域的统计和计算, 得到各个类别的均值和方差等参数, 从而确定一个分类函数, 然后将待分类图像中的每一个像元代入各个类别的分类函数, 将函数返回值最大的类别作为被扫描像元的归属类别, 从而达到分类的效果[19]。最大似然法分类一直受到许多学者的关注, 张亮等[20]将光谱角以概率因子的形式加入到判别函数中构造一种新的判别函数, 有机地将光谱角这一特征信息加入影像分类;吴连喜等[21]将一种改进的最大似然法用于地物识别;陈敬柱等[22]提出了“先主要后次要, 层次化推进原则”, 应用最大似然方法进行植被信息识别提取, 降低了“异质同像”的误判率, 较大程度上避免了“混合像元”的不确定因素, 同时将“混合像元”作为进一步区分不同植被类型的参考依据, 使可解译的植被信息量增加, 取得良好的效果。

三、实例分析

1. 植被信息提取。

遥感技术提取植被信息已经有很长的历史, 遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。由于植被在不同波段内表现出不同的吸收反射特征, 这些特征可以有效地监测出植被的各类信息[23]。丁丽霞等[24]利用TM和SPOT遥感影像, 采用目视解译和图像勾绘的方法, 得出天目山国家级自然保护区毛竹林信息;官凤英等[25]以TM影像为数据源, 应用ERDAS提供的非监督分类、最大似然分类和子象元分类三种方法, 对典型地物进行了分类和精度评价;李敏等[26]讨论了面向对象的高分辨率遥感信息提取的技术, 并从IKONOS影像中提取耕地信息与传统分类方法提取的结果进行了对比。

2. 水体信息提取。

水资源分布的调查与监测是控制水污染和生态保护的前提, 而遥感影像具有监测范围广、获取周期短、地物信息丰富的特点, 对调查与监测水资源分布起着重要的作用[27]。黄海波等应用ASTER遥感影像研究了水体信息提取的方法;遥感影像上陆地和水体的边界线被定义为水边线, 郑宗生等[28]利用遥感信息提取水边线, 可以监测海岸带潮滩的动态变化, 也可以利用不同时相的水边线信息构建潮滩的三维地形模型, 为淤泥质潮滩剖面的研究提供重要的数据保证。

3. 道路信息提取。

从遥感数字影像中自动提取道路之类的线性地物信息是遥感信息提取的难点, 影像上的道路比其他地物更突出, 而且道路成网, 关系明晰, 但实际提取效果并不理想。如何快速、准确地从遥感影像中提取所需信息已成为研究方向[29,30]。

4. 居民地信息提取。

居民地是人类从事生产和生活需要而集聚定居的各种形式的居住场所, 是自然景观和人造景观的综合体[31]。利用遥感影像快速准确地提取居民地信息可以为灾害评估、城镇扩展和环境变化等相关研究提供必要的基础信息[31,32,33,34]。查勇等[32]运用归一化建筑指数, 从TM图像成功提取了无锡市城镇用地信息;杨存建等[33]从对居民地的遥感信息机理分析入手, 分析了居民地在Landsat TM2、TM3、TM4、TM5、TM7等各个波段上与其他地类的可分性;安如等[34]基于光谱特征分析, 建立决策树模型, 进行了居民地信息的自动提取。

5. 其他地物信息提取。

随着遥感技术的不断提高, 人们开始考虑使用高分辨率遥感影像对区域人文信息进行提取[35]。遥感在人口估计统计模型中的使用始于20世纪50年代中期, 由于与人口信息相关的地表信息在影像上的表达纹理、形状各异, 利用某种方法从高分辨率遥感影像中提取人口信息是今后研究的一个突破点[35,36]。

结论与展望

随着遥感技术的迅猛发展, 光学、热红外、微波、多光谱、高光谱等大量功能各异的遥感器不断更新换代, 遥感已经越来越多地用作提取局域、区域以及全球尺度土地利用、地面覆盖变化特征以及人文特征的信息源。准确选取适当的遥感数据是快速、精确地发现并提取遥感图像中所需信息的前提。全色与多光谱融合影像由于成本较低是目前地物信息提取的主要数据源, 不同的研究尺度及研究内容在遥感数据选择上各有侧重。

遥感数据的解译是遥感应用的基本方法, 目前采用的解译方法有很多, 各有优势, 但单一方法得到的解译结果往往不能达到满意的效果。因此许多学者同时使用多种方法进行遥感数据解译。戴昌达等[37]利用Landsat TM数据, 采用了图像自动识别分类与目视判读相结合的方法获得城市的面积;陈超等[38]采用目视修改的方法来对监督分类进行补充。

多源遥感数据已经在很多方面有了很大的应用, 为人们宏观分类识别地物提供了基础。关于多源遥感数据的处理与信息提取的技术, 虽然取得了一些进展, 但仍存在一些不足, 因此, 基于多源遥感数据提取地物信息还有很大的空间值得去研究。

地物信息方法 篇2

在地球物理信息处理方法中, 比如对地震波、面波等进行预测时, 一般用到曲线拟合以及线性预测。鉴于证券分析也主要是对证券曲线进行分析和预测, 这两种有类似之处。本文主要介绍了地物方法这一技术分析。

1 经济管理对证券的影响

目前经济管理对证券的影响很多, 这里主要探讨主要的影响。首先, 公司规模越大, 公司内部的组织交易成本也会随之上升, 当公司内部交易成本等于市场上的交易成本时, 公司规模的扩大就会停止。这时, 公司发售的证券才会趋于稳定。

此外, 领导决策层的组织才能也非常关键。如果一个公司或企业的规模超过了他们的管理能力, 企业或公司的内部资源有效配置就得不到根本保证。

此外, 还要控制好边际成本。当我们假设以上3条都趋于稳定时, 这样证券市场才基本上趋于稳定, 再来对证券分析进行讨论。

2 证券分析及其方法探析

证券分析是指对包含在资产组合中的证券等进行评估, 在评估过程中的主要问题是数据不充分、未来不确定以及市场的非常态等。

作为一名证券投资者, 分析方法不外乎是基本面分析方法以及技术层分析方法。技术分析目前越来越被重视, 但是它必须满足市场足够包容、价格发展趋势化以及有历史经验借鉴的条件。其中, 市场足够包容能够影响证券价格的波动, 价格发展趋势化以及有历史经验借鉴则保证了可实施性。此外, 技术分析演化带来的诸如K线分析等多种技术层分析方法也逐步被投资者所采纳。

而其中布林线分析方法是利用统计学的标准差原理, 依据以前某一段时期内的股票价格的波动、证券市场的走向等因素预测出未来一段时间内股票价格大致波动区域的一种方法。布林线由三根线组成:中轨 (一般为20日均线) , 上轨及下轨。

布林线示意图如图1所示。

观察布林线示意图开口的大小, 布林线指标开口愈小则股价的涨跌幅度趋势愈弱, 股价可能会在某个方向上进行超越, 开口越小, 超越强度就越大。因此, 布林线示意图是供投资者判断股价未来发展趋势的一个有效方法之一。

之前做股票研究的用的比较多的是基于VaR的分位数回归以及STAR模型.非线性的平滑转换门限自回归模型 (STAR) 。ST A R模型最早是由Ter svirta和Anderson (1992) 提出。鉴于极端机制间的转换非波动不止, 而是平滑的, 因此ST AR不像其它模型一样进行非连续性的持续转换, 这对股票价格趋势和股市泡沫的描述更加符合实际样本和实际需求。

其中, 简单介绍下STAR模型估计的主要步骤:

Step1:建立p阶的AR模型。自回归AR谱在频谱估计领域也是个重要的估计方法。在误差项完全不自相关基础上去选择p值;

Step2:在Step1的基础上, 进行非线性验证以及延迟、衰减、波动等参数的模糊估计。

Step3:接着, 进行F测试为后续打基础, 求相对应的概率值p。

Step4:接着用r=Ln (Pt/Pt-1) 得到两组收益率序列。以证明是非正态分布序列, 并用Garch (1, 1) 回归去实现在正态分布、t分布和GED分布的95%左右的分位数。

从这些可见, 传统证券分析方法过于繁琐。因此, 有必要研究其它分析方法。

3 地物信息方法的研究与应用

在地球物理信息处理方法中, 一般用到曲线拟合以及线性预测。鉴于证券分析也主要是对曲线进行分析和预测, 这两种有类似之处。具体分析如下。

3.1 曲线拟合

大量数据处理仿真和实验证明, 曲线拟合是一种能有效地处理和分析待测数据, 去除干扰, 有效降噪的方法。它是在实验获得的数据或是已有的数据分布基础上, 根据实际样本去建立变量相互之间有效的函数关系, 为进一步的分析、探讨、研究提供保证。

曲线拟合主要是以寻求待测参数的最佳估计为目的, 进行一系列拟合和处理。当仅有离散数值点而不明确切函数关系时, 可以由测量值拟合出函数关系。因此曲线拟合最主要的方法是基于最小二乘准则的曲线拟合, 简单方便, 准确率高, 在球与空间信息等领域都有这广泛的应用。

最小二乘法是在给定平面上的点进行曲线拟合, 其原理是根据实验样本和分布, 通过理论推导和分析, 建立相关函数最小。

最近, J.Vondrak在曲线拟合的发展过程中, 又提出了一种Vondark平滑法, 这种方法可以在未知函数的情况下, 对测量数据或信号进行较为合理的拟合和平滑。这将在下一步研究中讨论, 本文暂不做赘述。

3.2线性预测

线性预测则在以上分析的基础上对信号进一步分析处理, 从而使精度进一步提高。常简称为LPC (Linear Prediction Coding) , 系数称为线性预测系数或LPC系数。预测误差:

通过使线性预测到的采样在最小均方误差意义上逼近实际采样, 可以求取一组惟一的预测系数。

3.3 地物方法在证券中的应用

对图1应用曲线拟合和线性预测分析, 如图2所示:

从图2可见, 拟合的误差很小, 精度很高。能较好的反应股市发张趋势。

然而, 技术分析成功与否的影响因素很多, 比如个人技术娴熟, 方法的有效程度等等, 交易的成败往往具有非规律性。因此, 投资者应当在熟练掌握技术分析方法的基础上, 恰到好处地将基本分析与多种技术分析结合起来, 以此来提高成功的概率。

4 结语

本文主要尝试性地研究了基于地物信息方法的证券预测。详细探讨了地球物理信息处理方法诸如曲线拟合和线性预测, 接着在此基础上扼要研究了基于地物信息方法的证券预测, 并结合证券简单进行了分析, 结果初步显示了较为有效。当然本文只是尝试性的简单进行了介绍和分析, 后续研究还有待进一步加大实际分析和处理。

参考文献

[1]Wang Hongliang, Dong Haobin, He Lianghua, Shiyongle, Zhang Yuan.Design and simulation of LQRcontroller with the linear inverted pendulum[C].International Conference on Electrical and ControlEngineering, ICECE 2010.

[2]邓森, 景博, 周伟.一种快速收敛的多级独立分量分析算法[J].仪器仪表学报, 2011, 32 (11) .

[3]DENG S, JING B, ZHOU W.Multi-stage FastICAalgorithm with high convergence rate[J].Chinese Journalof Scientific Instrument, 2011, 32 (11) .

[4]高梁, 刘晓云, 廖志武, 陈武凡.一种基于多信息融合的模糊边界检测算法[J].仪器仪表学报.2011, 32 (11) .

[5]周三多.管理学[M].北京:高等教育出版社, 2005.

地物信息方法 篇3

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.