前言:一篇好文章的诞生,需要你不断地搜集资料、整理思路,本站小编为你收集了丰富的激光遥感技术主题范文,仅供参考,欢迎阅读并收藏。
关键词:高光谱;冠层光谱反射率;逐步判别分析;特征参量选取
中图分类号: S127 文献标识码:A DOI 编码:10.3969/j.issn.1006-6500.2014.09.007
Abstract: The canopy spectral data characteristic parameters of 5 fruit tree species (apple, pear trees, walnut, red dates, apricots) planted in the southern Xinjiang basin were selected, the object was to improve the classification accuracy of fruit tree species and screened for canopy species identification of the 5 species of the characteristic parameters, so as to provide reference for the high spectrum fruit tree identification data processing methods. The UniSpec-SC (Dan Tongdao) canopy portable spectrum analyzer produced by USA PP Systems were used for different species of spectral measurement, using stepwise discriminate analysis method for species identification and effective characteristic parameters on hyper spectral data selection after the discovery. The results showed that the characteristic parameters of total classification accuracy of species recognition was 86.67%, and significantly higher than that 72% of the total band. The effective characteristic parameters selected for stepwise discriminate analysis method were the blue edge area, blue edge slope, yellow edge area, near infrared platform, red edge area, blue edge position, yellow edge position, red edge position.
Key words: high spectrum; canopy spectral reflectance; stepwise discriminant analysis; feature band selection
高光谱遥感在为树种的精细识别带来可能性的同时,也带来了数据冗余的问题。如何有效地利用高光谱数据的最大信息,同时又能较快地处理高光谱数据成为高光谱遥感研究的热点和未来的发展方向[1-3]。在新疆林果产业化的进程中,特色林果产业的信息化建设明显滞后,传统调查方式以多光谱遥感和地面辅助调查为主,这不仅费时、耗力,且周期较长,而快速、准确掌握特色林果资源布局、规模等基本信息已经成为新疆特色林果产业快速健康发展的迫切需求,林果树种的遥感识别就是这一工作的核心内容。因此,林果树种的遥感识别在特色林果产业的可持续经营中具有重要的现实意义[4-6]。
绿色植被的光谱曲线虽然在整体趋势上具有相似性,但是不同植被类型甚至不同个体间的光谱都会存在一些细微差异,这些差异性往往集中表现在植被光谱曲线的一些特征位置点和特征参量上。在可见光范围内,常用的特征位置点主要包括“蓝边”、“黄边”、“红边”、“绿峰”、“红谷”和 “近红外平台”等[7-10],根据这些特征位置点还能够延伸出蓝边斜率、黄边斜率、红边斜率、包络线斜率、蓝边面积、黄边面积、红边面积和红谷净深度等特征参量[11]。不同植被在这些特征波段范围的光谱反射率差异较大,它们不仅能反映出植被健康状况的变化特征[12],同时还能作为植被识别的主要特征波段[13]。有研究表明,在雪松、樟树、侧柏等主要城市绿化树种的识别过程中,采用特征参数的选择,经距离判别分析后树种的识别精度均可以达到95.00%以上[14]。而在樟树、马尾松、荷花玉兰的识别中,采用特征参数的选择,神经网络判别树种识别总精度也可达到93.33%[13]。
可见,在树种识别过程中,有效特征位置点的选择能够在很大程度上提高树种识别精度。然而关于林果树种的遥感识别的文献并不常见,本研究以5种果树不同的特征位置参量为数据源,利用逐步判别分析进行树种分类识别并选择最敏感的树种识别特征参量。
1 材料和方法
1.1 材 料
试验于2012年7月在新疆阿克苏市红旗坡农场新疆农业大学教学科研实习基地(地理坐标N41°17′56.42″~N41°18′56.16″、E80°20′23″~E80°20′56.16″,海拔1 215 m)进行。试验对象为南疆塔里木盆地5种主栽果树树种:红富士苹果(Malus pumila Mill)、库尔勒香梨(Pyru-bretschneideri Rehd)、核桃(Juglans regia Linn)、红枣(Ziziphus zizyphus Mill)和杏(Armeniaca vulgaris Lam)。试验区果树为东西行向栽植。
1.2 样株选择
样本选择均为结构良好的冠型,苹果、核桃、杏为中冠型,香梨、红枣为小冠型。选择的样本均挂果较多,苹果、核桃处于着色期、香梨处于彭大期、红枣处于开花坐果期、杏处于成熟期。共选择总样本209株。基本生长状况如表1所示。
1.3 光谱数据采集
试验时间选择在南疆果树生长最为旺盛的7月,在晴朗无风的天气条件下,选择正午太阳高度角变化不大的时间段(北京时间12:00―16:00)进行5种果树冠层光谱反射率数据测量。光谱测定仪器为美国PP Systems公司生产的UniSpec-SC(单通道)便携式光谱分析仪,该型号光谱仪可以在可见光\近红外310~1 130 nm波长范围内进行连续测量,光谱分辨率为1 nm,最大视场角为20°。测量时,光谱仪探头垂直向下,与冠幅距离约1.5 m左右并且根据所选样本冠幅大小调整探头与冠幅的距离,对冠层行测量。每个样株重复测量5次。为保证数据的准确性,每测一个单个样本进行一次参考板矫正。在去除异常光谱曲线后每个树种均保留30个样本供研究。
1.4 特征参量定义
光谱曲线由于植被色素以及自身原因的会产生一定的峰谷值。由于植被的色素、微量元素的含量以及叶面结构的不同都会导致不同的植被出现走势类似,但依然有差别的光谱曲线,而这些光谱曲线都较明显地出现在这些峰谷值上,这些具有代表性的波段处就形成了一些常用的特征位置点。因此,本研究拟采用这些特征位置点做树种识别。在所选波段范围内,常用的特征位置点分别为“蓝边”、“黄边”、“红边”、“绿峰”、“红谷”、“近红外平台”等6个特征位置点(表2)。
2 结果与分析
2.1 果树冠层光谱原始全波段数据光谱特征及精度分析
2.1.1 原始全段数据的光谱曲线特征 在去除光谱数据中受首尾噪声影响的波段后,绘制南疆5种果树冠层光谱曲线图(图1)。从图1可以看出,5种果树冠层光谱走势整体上非常相似,但是在525~575 nm、675~720 nm以及750~850 nm这3个波段范围内曲线分离度较大,表现出了明显的差异性。特别是在550 nm、680 nm这2个波段处5种果树反射率差异极显著(P
2.1.2 原始全段数据的树种分类结果 采用逐步判别分析法进行5种果树树种的高光谱识别研究,从冠层光谱反射率数据的树种识别结果(表3)中可以看出,树种的总识别精度为72.00%,可分性较好的树种为香梨,分类精度可达93.33%,其他4种果树的分类效果相对较差,特别是苹果识别精度仅有60.00%,大部分错分为了杏和红枣。
2.2 特征位置点选取与树种识别精度评价
2.2.1 特征位置点选取结果 分别对5种果树树种(苹果、香梨、核桃、红枣和杏)的30个样本分别取均值,得到相应树种的均值光谱曲线,分别计算出5种果树树种的冠层光谱的蓝边位置、黄边位置、红边位置、绿峰位置、红谷和近红外平台6个特征位置点(表4和图2)。同时,根据已选特征位置点计算8个特征参量:蓝边斜率(DA)、黄边斜率(DE)、红边斜率(FE)、包络线斜率(DF)、蓝边面积(SA)、黄边面积(SB)、红边面积(SC)和红谷净深度(HE)。
在450~900 nm波长范围内选择的6个特征位置点“蓝边”、“黄边”、“红边”、“绿峰”、“红谷”、“近红外平台”分别用A、B、C、D、E、F字母表示。本研究的5种果树冠层均值光谱曲线上的6个特征位置点分布非常集中,其“蓝边”、“黄边”、“红边”、“绿峰”、“红谷”和“近红外平台”6个特征位置点分别集中在524,598,724,553,676 ,753 nm附近。特征参量中蓝边斜率(DA)、黄边斜率(DE)、红边斜率(FE)和包络线斜率(DF)反映了524~553 nm、553~676 nm、676~753 nm和553~753 nm这4个波段范围的光谱曲线特征。而蓝边面积(SA)、黄边面积(SB)、红边面积(SC)和红谷净深度(HE)4个特征参数反映了490~530 nm、560~640 nm、680~760 nm以及553~753 nm这4个波段范围内的光谱曲线特征。由此可见,选择的6个特征位置点和8个特征位置参量在光谱序列上的特定位置基本能够表征出可见光至近红外波段的植被光谱特征(表4和图2)。
2.2.2 基于不同特征参数的果树冠层光谱分类及精度分析 为检验上述6个特征位置点和8个特征参量的树种识别效果,经逐步判别分析后分类结果如下(表5)。
从树种识别结果来看,与全波段数据的分类结果相比,经过特征位置点和特征参量的提取后,树种的总分类精度由全波段数据的72.00%提高到了86.67%。核桃的分类精度最高为96.00%,较原始数据有了明显的提高,错分几率仅为3.33%,30个核桃样本中仅有3.33%错分为苹果;香梨和红枣的识别精度也相对较高,均为90.00%,错分几率为10.00%,香梨较原始波段的识别精度均有一定的下降,但是红枣却较原始数据的分类精度提高了16.67%;苹果的分类精度有了大幅度的提高由原来的60.00%提高到了86.67%,错分几率为13.33%,与杏和红枣发生了很大程度的混淆;杏的分类精度最低为70.00%,错分几率最大,为30.00%,大部分错分为苹果,并且与香梨发生了一定程度的混淆现象。由此说明,采用基于果树冠层光谱特征位置点和特征参量进行果树树种识别时,5种果树中核桃、香梨、红枣和苹果识别精度相对较高,而杏的识别精度相对较低。
2.2.3 树种识别的有效特征位置点及特征参量提取 参与树种识别的14特征参量经逐步判别分析后仅保留了8个,包括4个特征位置点和4个特征参量。从他们所处的光谱波段来看,蓝边位置、黄边位置、红边位置和近红外平台分别位于524,598,724,753 nm波段;而蓝边面积、蓝边斜率、黄边面积和红边面积分别位于490~530 nm、524~553 nm、560~640 nm和680~760 nm波段范围内,这些特征位置点和特征参量的波段分布范围基本涵盖了整个可见光和近红外波段,且依树种不同表现出较大差异,而这些差异可能是由于各树种叶片色素含量、叶片形状、大小、冠型等特征的差异所致。因此,可以认为这4个特征位置点和4个特征参量是进行5种果树树种分类的重要敏感波段区间(表6)。
3 讨 论
根据光谱特征选择的特征位置点具有稳定性,或者是在一定范围之内的[11]。本研究根据光谱特征选取了6个特征位置点,分别为蓝边位置、黄边位置、红边位置、绿峰位置、红谷位置以及近红外平台。有研究曾提出一种针对植被光谱维特征的提取模型,主要提取了8个特征位置点,认为这8个特征位置点十分恒定,分别为蓝紫波段吸收峰、蓝边位置、绿峰位置、黄边位置、红谷位置、近红外平台和近红外反射率最大点,对应波段分别为404,525,556,573,671,723,758,900 nm。本研究选取的6个特征位置点均位于这些特征位置点的附近[11]。
在特征位置点和特征参量参与下能够在很大程度上提高树种识别的精度,本研究选取了14个特征位置点与特征参量,筛选出对果树树种识别敏感的8个参量(蓝边位置、黄边位置、红边位置、近红外平台、蓝边面积、蓝边斜率、黄边面积和红边面积),树种识别总精度为86.67%,明显高与全波段参与的树种分类的总精度72.00%。李永亮等运用神经网络分类法对樟树、马尾松、荷花玉兰3种树种进行了识别研究,在波段选择时选用了“红边”、“红谷”和“红谷位置”3个特征位置点以及黄边面积、红谷面积、红边面积和红边宽度4个特征参量。结果表明,运用这些特征位置点和特征参量可以识别出了全部的马尾松成熟林与樟树幼树,总识别精度可达93.33%[13]。何诗静等[14-15] 在做城市树种识别时,选取了蓝紫波段吸收峰、蓝边位置、绿峰位置、黄边位置、红谷位置、近红外平台这7个特征位置点,作为树种识别的主要波段,取得了95.00%以上的分类精度。这说明特征位置点与特征参量组合可以在很大程度上提高树种识别的精度。但由于植被类型差异,所选的特征位置点和特征参量类型及数量也会有所不同。
4 结 论
(1)特征参数的选取能够在很大程度上提高树种识别的精度,本研究选取了14个特征位置点与特征参量,筛选出对果树树种识别敏感的8个参量(蓝边位置、黄边位置、红边位置、近红外平台、蓝边面积、蓝边斜率、黄边面积和红边面积),树种识别总精度为86.67%,明显高与全波段参与的树种分类的总精度72.00%。
(2)在基于特征参数光谱数据的南疆盆地主栽5种果树树种识别研究中,蓝边位置、黄边位置、红边位置和近红外平台4个特征位置点以及蓝边面积、蓝边斜率、黄边面积、红边面积4个特征参量是树种分类的重要敏感波段区间。从他们所处的光谱波段来看,蓝边位置、黄边位置、红边位置和近红外平台分别位于524,598,724,753 nm波段;而蓝边面积、蓝边斜率、黄边面积和红边面积分别位于490~530 nm、524~553 nm、560~640 nm和680~760 nm波段范围内。
参考文献:
[1] 陈述澎,童庆喜,郭华东,等.遥感信息机理研究[M].北京:科学出版社,1998:139.
[2] 王志辉.高光谱遥感在森林树种识别中的应用[D].杭州:浙江农林大学,2011.
[3] 褚希鹏.基于叶片非成像高光谱数据树种分类[D].浙江:浙江农林大学,2012.
[4] 陈国芳,尼和迈提・霍嘉.新疆林果业产业化发展的对策建议[J] .新疆农业科学,2005,42(S1):211-212.
[5] 李金叶, 袁强, 蒋慧.基于区域适应性的特色林果业发展探讨[J] .新疆农业科学,2010,47(4):741-749.
[6] 孙兰凤.可持续视角下的新疆特色林果业发展研究[D].乌鲁木齐:新疆农业大学,2009.
[7] 尹小君.新疆加工番茄主要病虫害遥感监测方法与应用[M].北京:中国农业大学出版社,2013.
[8] Curran P J,Windham W R,Gholz H L.Exploring the relationship between reflectance red edge and chlorophyll content in slash pine leaves[J].Tree Physiology,1995,15(2):203-206.
[9] Gitelson A A,Merzlyak M N. Spectral reflectance changes associate with autumn senescence of Aesculus hippocastanum L. and Acer plantanoides L. leaves. Spectral features and relation to chlorophyll estimation[J].Journal of Plant Physiology,1994,143:286-292.
[10] Bach H,Mauser W. Improvement of plant parameter estimations with hyperspectral data compared to multispectral data[J].SPIE,1997,2959:59-67.
[11] 谭倩,赵永超,童庆禧,等.植物光谱维特征提取模型[J].遥感信息,2001(1):14-18.
[12] 胡珍珠.轮台白杏叶片营养元素浓度光谱估算模型[D].乌鲁木齐:新疆农业大学,2013.
[13] 李永亮,林辉,孙华,等.基于BP神经网络的森林树种分类研究[J].中南林业大学学报,2010,30(11):43-46.
②遥感技术兴起于上世纪60年代,是指从远距离感知目标反射、辐射或散射的可见光、红外线、微波电磁波,从而对目标进行探测和识别的科学技术。人类目力有限,遥感技术的出现,让人类仿佛拥有了另一双可以无限感知地球的“千里眼”。
③今年4月22日,国务院总理主持召开了部署芦山地震抗震救灾工作会议,在身后挂着一幅芦山县震后航空影像图。这幅影像图对抗震决策起到至关重要的作用。它是由中国科学院遥感与数字地球研究所(以下简称遥感地球所)提供的。遥感作业时间是4月20日11点,距离地震发生刚刚过去3个小时。那么科研人员怎么利用遥感技术评估判断地震灾情呢?
④遥感地球所航空遥感中心主任李震说:“遥感航拍得到的高分辨率影像,能请楚地辨识建筑物、道路、河流、车辆等地面信息。科研人员运用专业知识,与震前的遥感观测数据比对,就能够判断建筑物和道路的受损情况,道路上堆积的滑坡物大小、滑坡的土方量等等,发现潜在的山体垮塌、堰塞湖等次生灾害,并确定财产损失的基本情况,确定救援所需投入的人力、物力等。”总之,利用遥感技术监测和评估灾情,具有定位准、速度快的特点,可以第一时间获取灾情数据,服务抗震救灾。
⑤今年1月,我国中东部地区发生了数次极端强雾霾,主流观点认为,污染物排放量大,静稳天气、扩散条件不利,区域污染和本地污染贡献叠加等是导致强雾霾的主要原因。遥感地球所陈良富研究员基于遥感卫星观测数据的统计与分析提出,除了人为排放引起的本地污染浓度上升这一内在原因外,水汽、浮尘是造成雾霾来袭、能见度急剧下降的重要外部原因。
⑥目前,对雾霾主要靠地面监测,但地面监测站只能监测地上几米高范围内的PM2.5数值。而灰霾随高度变化,分布不一样。利用激光遥感手段能获得霾的垂直分布情况,反映整个区域霾的二维甚至三维情况。如果不科学地认识极端强雾霾的发生机理,就容易判断错误,认为都是由排放的污染物引起的,在治理上进入误区。要得出科学判断,仅凭地面一种观测手段是不够的,还需要卫星遥感观测手段来补充,更全面客观地掌握大气污染状况。
⑦另外,遥感技术对自然遗产和文化遗产的发现和保护的作用也不容小觑。应用遥感技术,美国考古学家发现了沉没海底数千年的古埃及名城亚历山大;希腊考古学家用红外影像在科林斯湾发现了公元前373年毁于地震的古城“Hekike”;遥感地球所郭华东课题组利用雷达遥感技术发现了阿拉善高原干沙覆盖下的古河湖串联系统和明、隋古长城……遥感技术也十分适用于文化遗产保护,它的优势在于能获得物体的三维图像。若能及早对文化遗产进行三维扫描,将来就可按照计算机模型对其进行复原。更重要的是,科学家还能依据这些数据分析破坏发生的原因,如温度、风力、湿度等,从而指导文物部门进行更加精细的修复。
⑧总之,近些年,我国遥感技术发展迅速,在_______________等方面广泛应用。
(文章选自2013年5月13日《人民日报》,有删减)
【阅读训练】
1.请联系全文内容,将第⑧段空白部分补充完整。
2.阅读下面句子,联系上下文,探究括号中的问题。
(1)人类目力有限,遥感技术的出现,让人类仿佛拥有了另一双可以无限感知地球的“千里眼”。(为什么说遥感技术是“千里眼”?)
(2)这幅影像图对抗震决策起到至关重要的作用。(加点词为什么不能删去?)
3.第⑦段中列举美国、希腊、中国等国专家应用遥感技术的事例有何作用?
4.阅读下面材料,结合文章内容,回答问题。
材料:龙门石窟位于洛阳市区南面12公里处,历经东西魏至宋,雕凿断断续续达400年之久,至今已有1500余年历史。它密布于伊水东西两山的峭壁上,南北长达1公里,现存窟龛2345个,题记和碑刻2680余品,佛塔70余座,造像10万余尊。其中最大的佛像高达17.14米。最小的仅有2厘米。这些都体现出了我国古代劳动人民极高的艺术造诣。但其风化侵蚀严重,如何加以保护一直是个难题。
[关键词]信息化测绘; 技术预见; 信息化测绘体系
中图分类号:G201 文献标识码:A 文章编号:1009-914X(2015)03-0050-01
1 引言
20世纪90年代以来,技术预见已经成为一股世界潮流, 无论日本、德国、英国等发达国家还是发展中国家都积极酝 酿、开展国家技术预见活动。当前, 技术预见活动不仅推广到世界上许多国家,并开始得到诸如联合国工业发展组织、 亚太经济合作组织、国际经济合作与发展组织等国际组织的 重视和运用, 全球性的技术预见趋势已经形成。 测绘科技进步与创新是测绘事业发展的不竭动力。当前,我国测绘现代化已全面完成数字化测绘技术体系建设,正迈进信息化体系建设的新阶段。为此,需要在国家层面 开展技术预见活动, 以便调动全局力量,集中有限资源在 重点的关键技术领域实现突破,加快测绘科技进步与创新。本文针对信息化时代测绘发展的地理信息获取实时化、处 理自动化、服务网络化、应用社会化的总体发展趋势,预测提出了未来15年影响测绘发展的12项关键技术。
2 信息化测绘的基本特征
准确把握信息化测绘的基本特征,是做好信息化测绘 关键技术预测工作的重要基础和前提。1)数据获取实时化 地理信息数据的获取主要依赖于空间对地观测技术手段,包括快速卫星定位技术、航空航天遥感技术等, 可以动态和快速地获取测绘定位数据、遥感影像数据和其他测 绘需要的数据。 2)数据处理自动化在地理信息数据的采集、处理、管理、更新和应用过 程中广泛采用自动化、智能化技术,可以实现对数据的快 速或实时处理,满足经济社会发展和人民生活的紧迫需求,满足地理信息快速更新、实时更新的需要。3)信息服务网络化地理信息传输交换和服务主要在网络上进行,可以对 分布在各地的地理信息进行检索、访问、浏览、下载和支付,任何人、在任何时候、任何地方都可以得到所需要的、权限范围内的地理信息服务。网络化地理信息分发服务是信息化测绘的突出标志。4)信息应用社会化 地理信息服务领域更加广泛,为社会提供的产品更加多样化,企业成为服务的主体,地理信息应用无处不在,地理信息资源得到高效利用,并在经济社会发展和人民生活中发挥更大的作用。
3 信息化测绘重大关键技术遴选的基本思路
1) 要与国家科技发展的总体战略部署相衔接 测绘是经济社会发展的一项基础性工作,测绘科技发 展必须与国家科学和技术发展的总体规划紧密衔接。为此,要加强与 国家中长期科学和技术发展规划纲要 ( 2006年- 2020年 )中的相关重大专项和前沿技术的衔接。2) 要符合信息化测绘体系建设的基本要求当前,国内外测绘正朝着地理信息数据获取实时化、 处理自动化、产品知识化、服务网络化和应用社会化的方 向发展。未来影响测绘发展的重大关键技术,必须是能够 有力地引领和推动测绘信息化发展的、能够使测绘保障服务手段和方式产生革命性变化的核心技术。3) 要综合考虑各类技术的代表性和前瞻性为使所遴选的技术更具代表性、前瞻性、影响力、全局 性和实用性, 需加以综合分析和统筹考虑。本文研究提出的 关键技术主要包括以下三种类型: 第一类是极具前瞻性和国 际前沿性的技术。
4 信息化测绘的重大关键技术
1) 现代测绘基准体系建设与维护技术 现代测绘基准体系建设与维护技术是指构建和维护与现代空间信息科学技术发展状况相适应的现代测绘基准体 系的技术的总称,主要包括国际地球参考框架精化技术、 坐标系转换技术、厘米级大地水准面精化技术、天体参考 框架构建技术、高精度卫星自主定轨技术等。当前,世界各国都在不断建设和完善各自的测绘基准体系, 地心坐标 系统取代参心坐标系统已经成为一种趋势,实现全球高程 系统的统一已不是遥远的将来,利用地面跟踪卫星的观测资料发展全球低阶重力场模型和高精度全球大地水准面正方兴未艾。该项技术的实现,将把传统的参心、局域、静态的测绘基准体系改建成具有高精度、全地域、动态、多 功能、三维、地心等特点的新体系,实现对地球形态完整 和精确的认知,带来大地测量领域的历史性进步。 2)卫星精密测高技术卫星精密测高技术是指基于卫星重力探测技术和广义相对论理论获取高精度海拔高程的技术的总称。3)综合导航定位技术 综合导航定位技术主要包括单点快速高精度定位技术、 地下智能探测和定位技术、水下高精度定位技术和室内定 位技术等。4)移动测量技术移动测量技术主要包括多传感器集成技术、传感器时 间和空间同步技术、系统检校技术、地理参考技术、道路 几何特征的快速重建和交通标志的自动提取技术等。 5) 主动遥感测图技术 主动遥感测图技术是常规可见光红外遥感的重要补充, 指利用不同载体搭载的传感器向地面发射电磁波,根据地 面反射或散射回来的电磁波对地面进行成像或建模的技术 的总称,可分为激光遥感成像技术和微波遥感成像技术两大类。6)智能化地球观测卫星技术 智能化地球观测卫星技术是构建智能对地观测系统 (IEOS)的重要关键技术,主要包括小卫星技术、卫星编队与组网技术、多源卫星遥感影像自动处理技术、数据高速传输技术和新型传感器技术等。当前, 智能对地观测系统已经逐步从理论走向实际,卫星编队与组网技术已从设想发展到试验探索阶段,小卫星技术也有了长足发展。
6 结束语
本文在对土地利用基础图件更新技术体系综合评价分 析的基础上,分析了 RS/GIS/GPS技术应用于土地利用基 础图件更新的优越性,提出了一套基于3S集成技术的 土地利用基础图件更新技术方法与流程,并将其应用于县级110 000比例尺的土地利用图件与数据更新。针对我国具体国情和图件更新作业特点,构建了土地利用基础图件 与数据更新软件系统,将整个图件更新作业流程一体化功能集成,通过实践应用不断对软件优化和完善,满足了土地利用更新调查应用需求,实现了土地利用基础图件的快速更新。
参考文献
[1] 曾钰,等县级土地利用基础图件更新方法优化研究 [J] 遥感信息, 2006,(3):22-25.
[2] 张继贤, 杨贵军 单一时相遥感数据土地利用与覆盖变化自动检测方法 [J] 遥感学报,2005,(3):294-299.