卫星影像精选(九篇)

第1篇：卫星影像范文

关键词：测绘；卫星；影像

一、卫星影像测图

与航空影像不同，高分辨率遥感卫星大多采用线阵列CCD传感器，按照推帚式扫描成像。CCD传感器可在沿轨方向上通过前视和后视获取同轨立体像对，而在穿轨方向上以一定角度左右侧视获取异轨立体像对。由于卫星影像属于推帚式扫描影像，故与框幅式中心投影影像的本质区别就在于它的每条扫描线都有一个投影中心，即具有“行中心投影”的特点。也就是说，在卫星飞行方向上为近似平行投影，而在扫描行方向上为严格行中心投影，且每行影像均有其自身的投影中心和外方位元素。因此它的几何关系比航空影像要复杂得多，于是传统的基于共线方程的数学模型和核线模型不能再对卫星影像测图进行简单的描述。然而，对卫星影像来说，扫描行方向共线方程依然成立，所以仍然可以利用基于共线方程的传感器模型来推导卫星影像的核线关系。近年来，学者们提出了几种近似核线理论，包括多项式拟合法、投影轨迹法。利用基于投影轨迹法的核线关系，就可以使卫星影像测图与航测成图类似，通过若干同名点来求解地面点坐标。主要过程是：首先根据卫星提供的原始数据及对应的卫星星历数据、卫星姿态及轨道数据，结合卫星影像的成像模式来确定多中心投影的构像方程，然后利用地面控制点解出定向参数，最后将立体像对上的同名点代入构像方程，从而求得各像元的三维坐标。

二、高分辨率商业遥感卫星在测图中的应用

目前能够用于立体测图的高分辨率卫星影像是指像素的地面标称分辨率优于10米，具有同轨或异轨立体成像能力的现有或将要发射的卫星成像系统所获取的影像数据，例如SPOT 5 HRS立体影像（同轨立体成像，10×5米地面分辨率）、SPOT 1～4（异轨立体成像，10米地面分辨率）、SPOT 5 HRG（异轨立体成像，2.5或5米地面分辨率）、IRS P5（CatoSat 1，同轨立体成像，2.5米地面分辨率）、ALOS/PRISM（同轨三线阵立体成像，2.5米地面分辨率）、IKONOS（同轨或异轨立体成像，1米地面分辨率）、OrbView（同轨或异轨立体成像，1米地面分辨率）、QuickBird（同轨或异轨立体成像，0.6米地面分辨率）以及将要发射的GeoEye 1（同轨或异轨立体成像，0.6米地面分辨率）等；如何准确确定卫星影像地面分辨率与所测制的地形图比例尺的关系：根据现有的试验，建议如下所示；

1：100000比例尺地面分辨率优于10米的所有具有同轨或异轨立体成像能力的现有或将要发射的卫星成像系统所获取的影像数据1：50000比例尺SPOT 5 HRS立体影像（10×5米）、SPOT 1～4（10米）、SPOT 5HRG（2.5或5米）、IRS P5（2.5米）、ALOS/PRISM（2.5米）；说明，SPOT 5 HRS和SPOT 1～4立体影像从几何精度上来说可以满足1：50000比例尺丘陵地、山地和高山地区域及特别困难区域地形图制图的需要，对于地物要素的识别应尽量采用更高分辨率的影像数据，例如IRS P5甚至是IKONOS影像；而IRS P5、ALOS/PRISM等卫星影像在几何精度方面，特别是平面几何精度方面，也可以满足1：10000山地和高山地区域的测图要求。

1：10000比例尺IKONOS（1米）、OrbView（1米）、QuickBird（0.6米）以及将要发射的GeoEye 1（0.6米）等；说明，IKONOS、OrbView立体影像从几何精度上来说可以满足1：10000比例尺丘陵地、山地和高山地区域及特别困难区域地形图制图的需要，但从高程精度上来说，IKONOS、OrbView立体影像尚不能完全满足1：10000地形图测图的要求；对于地物要素的识别也应尽量采用更高分辨率的影像数据。

另外SPOT 5 HRS的三维对地观察技术的发展，无疑是21世纪具有革命性和代表性的伟大成就，其DORIS高精度定位技术、恒星观察姿态角测量技术和同轨立体观测技术等的集成使SPOT 5 HRS影像与其它高分辨率遥感影像相比在正射影像生成、DEM生成、空三测量和区域网平差、稀少或无控制纠正等的实现方面，技术上更全面和更具有代表性，可以认为SPOT 5 HRS立体测量处理为控制困难地区的测图提供了一种有效的技术手段。

SPOT卫星系列，从1987年设计和发射成功开始就带有明显的测绘制图卫星的特征，而SPOT 5卫星事实上已经成为地形测绘和制图卫星，因此，它具有非常强的影像测绘能力。SPOT 5 HRS影像测图，能够成为解决我国西部测图困难的主要技术和方法手段之一。在不用任何地面控制点或稀少控制点的条件下，HRS影像测绘能够达到1：5万比例尺地形图的精度。采用这一技术进行我国西部困难地区1：5万比例尺测图，可以大大减少地面控制点测量工作量，使西部困难地区测图具有可行性和可操作行。

三、高分辨率商业遥感卫星发展趋势

31卫星地面像元分辨率不断提高

在科技进步的大力推动和应用需求的强劲牵引下，空间相机地面像元分辨率不断提高，如美国DigitaiGlobe公司2007年发射的新一代商业遥感卫星WorldView分辨率达到0.41m，法国预计2009年发射的新一代军民两用高分辨率遥感卫星Pleiades分辨率将达到0.7m，以色列新一代EROS卫星分辨率也达到0.7m，俄罗斯2006年发射的军民两用传输型卫星Resurs DK 1分辨率达到1m，作为后起之秀的韩国凭着2006年发射的Kompsat 2卫星迈进了1m分辨率遥感阵营，泰国也正在发展2m分辨率光学遥感卫星，美国正在研制的GeoEye 2分辨率将达到0.25m。可以看出，后续5年高分辨率光学遥感卫星将一改过去几个航天强国的垄断局面，呈现出多点开花的局面，分辨率不断提高。

3.2普遍采用离轴三反设计，减小光学系统体积

由于离轴三反射镜消像散（TMA）光学系统可利用线阵推扫成像，无遮拦，传递函数高，成像质量好，视场大，无一次直射散光，杂光影响小，结构紧凑，易实现相机轻量化等优点，因此目前国外普遍采用大视场离轴三反光学系统，如印度的Cartosat―i卫星、0rblmage公司的OrbView一3卫星、DigitalGlobe公司的WorldView卫星以及法国的Pleiades系统等。但离轴TMA光学系统需要采用离轴非球面光学技术，对其进行设计与制造的难度大为提高，需要采用更为复杂和高级的光学技术。

3.3普遍采用线阵CCD推扫方式成像

从目前主要高分辨率遥感卫星星载空间相机来看，摆扫成像向推扫成像发展是一大趋势。目前国外大部分陆地卫星，如OrbView 3、Ikonos一2、Cartosat、EROS卫星等都是采用线阵CCD推扫方式成像。一段时间内光学遥感器将以推扫成像线阵CCD为主，技术发展也比较成熟。目前线阵CCD主要向减小像元尺寸和增加像元数方向发展。由于CCD制造工艺的发展，CCD线阵的像元数和长度都增长很快，很多相机已经可以避免CCD拼接，但CCD长度仍然满足不了空间相机视场的进一步发展要求，因此CCD拼接技术在一定时期内仍会等到应用。

第2篇：卫星影像范文

【关键词】高分卫星 遥感影像 预处理 数据格式转换

随着空间信息技术的发展，对地观测系统也逐渐的从地面、低空发展到太空，并且对观测的连续性、快速性、精确性等有了更为严格的要求。高分一号是我国观测系统的首颗发射卫星，其成功实现了宽覆盖、高精度、稳定度的控制技术，而对于高分二号而言，其成功突破了优于1m的分辨率水平，并且能够具有高定位、快速灵活、机动的能力等特点，对于提升我国空间卫星水平、数据的自给率等这些方面具有非常重要的意义。并且高分O畹某晒κ凳涌炝宋夜空间信息产业的发展，有利的推动了我国国民经济建设与社会的进步。

遥感影像的预处理即为影像数据的纠正与重建的过程，主要是纠正遥感成像过程中，由于传感器外在原因：如姿态的变化、高度、速度等因素造成的遥感影像的几何畸变与变形，并且遥感影像本身在空间、时间及光谱分辨率上的不足，在获取数据的过程中不能够精确的进行信息的记载，很大程度上会降低遥感数据的精度，因此，需要对遥感影像进行遥感数据的预处理。本文是在高分遥感数据的基础上，通过对高分一号卫星数据进行分析，将原始高分数据进行预处理的过程，得到在几何与辐射上真实的图像。

1 高分遥感影像的软件选取

本文中所涉及到的高分遥感预处理软件采用的是ENVI与ERDAS相结合的技术方案。采用这两种软件相结合的方式，其优势在于：首先，ENVI能够通过底层的IDL开发语言进行功能扩展，开发定制自己的遥感平台。其次，ENVI提供了光谱分析工具，使得基于波段与文件的遥感技术完美结合，并且通过图像的配准，可以提供多个图像窗口进行分析，清晰明了、易于操作。再次，通过两者相结合的方式可以将遥感影像与ArcGIS进行一体化整合，对遥感平台进行全方位的应用。最后，通过ERDAS软件进行数据格式的转换。本文首先是通过遥感处理软件对高分遥感数据进行预处理，然后通过photoshop工具对影像进行匀光匀色的调整，最终完成整个预处理过程。

2 高分遥感影像的预处理过程

2.1 预处理流程

文章以正定市高分一号遥感卫星影像为例，演示了高分卫星遥感数据预处理的全过程。

首先是对高分一号2m全色影像与8m多光谱影像进行正射纠正（Orthorectification），纠正影像的倾斜偏差及投影过程中产生的误差，第二步是将正射纠正后的多光谱整景数据与全色整景数据进行配准，是将全色影像作为基准对多光谱影像进行配准，第三步是对配准后的影像进行融合，对影像进行接边线的处理，使得融合后的影像在分辨率上能够达到非常高的精度，第四步利用Photoshop工具，对影像进行颜色平衡的调整，使其能够在色彩上达到较好的效果。通过以上步聚就完成了整个图像预处理的过程，并进行结果的输出。

2.2 正射纠正

正射纠正（Orthographical correction）是纠正了因传感器、地形的起伏不均衡等因素引起的像点元素上的偏移，并利用地面控制点通过相应的数学算法模型来进行实现的过程。正射校正后的影像无论在精度上、影像的特性上以及信息表达上都能达到很好的效果，而且其数据的结构相对简单，并能够改正因地势较大产生的误差。高分影像的正射纠正过程采用依靠高分影像自带的RPC文件和数字高程模型（DEM）来进行数据定位的校正方式。RPC文件实质上是通过将传感器的轨道参数及其他各种物理参数相结合并通过地面的控制点元素解算出来的变换矩阵。

本设计中选择二次多项式的方法进行校正，在ENVI中选择Geometric CorrectionOrthorectificationRPC Orthorectification模块进行纠正，并且选择30m的DEM进行数字高程的校正。

2.3 配准与融合技术

遥感影像的配准（registration）是通过选择地面清晰控制点并按照一定的变换函数及重采样方法对同名像元点进行配准的过程。对配准后的影像需要进行重采样处理以改正输出影像的像元偏差，以此来建立新的图像矩阵，常用的重采样方法有双线性法、三次卷积法、最邻近法等，对于高分一号卫星遥感数据采用双线性内插方法，其主要处理是将同一区域的2m全色影像作为基准对8m多光谱进行校准，该过程可以在很大程度上保留影像原有的几何特征，能够得到精度较高的配准影像。

遥感影像配准的过程是融合的先决条件，其融合过程是将不同传感器、分辨率、波段的数据通过一定的分析算法综合起来的技术。图像的融合算法有：

（1）空间色彩变化法：HIS、PCA等；

（2）代数运算方法：MLT、Brovey、加法运算、比值法等；

（3）空间滤波融合算法：SFIM、HPF、Bretschneider小波变换法等；

（4）其他方法：PCI、光谱响应融合算法等。

对于高分遥感数据，通常采用Pansharpen的融合方法，可以使得融合后的遥感影像既保持了较高的空间分辨率，又具有了多光谱特征的色彩信息，并且使融合后的影像在纹理色彩上信息丰富，空间细节特征上保持较好。

2.4 镶嵌

影像的镶嵌过程是将多于两景的影像进行无缝拼接，完成一幅完整的、大场景影像的过程。本文中利用ENVI软件的Georeferenced Mosaicking功能来完成，主要过程：进行颜色平衡的调整，将RGB的波段设为3，2，1；通过设置影像背景数值对影像的背景黑边进行忽略处理，即将背景值设为0；对两景相邻覆盖影像的镶嵌边缘进行处理，将羽化值设为10。

在镶嵌过程中要注意：

（1）镶嵌之前需选择一张基准影像（Fixde），作为镶嵌过程中对比度匹配及出现跨带问题时镶嵌后输出影像的地理投影、数据类型的基准，并以此作为颜色平衡参考（Adjust）对其他影像进行调整；

（2）镶嵌过程中，任一两景影像间能够有一定区域的重合面，以解决两张影像间的镶嵌线问题，得到视觉上完整的影像。

经过对遥感影像的正射纠正、配准、融合、镶嵌及色彩处理，得到预处理后的遥感影像，给出镶嵌前后的遥感影。

2.4.1 裁剪

图像裁剪的作用是保留所研究区域的影像，并且保证所裁剪部分信息丰富、易于表达等特点，主要分为两部分进行相应的裁剪：掩膜计算及矢量数据的栅格化。掩膜计算裁剪方法是通过已有的图像对被裁剪的影像进行遮掩，裁剪所需大小的影像；矢量数据的栅格化是将矢量数据（即裁剪线）转化为栅格文件，定义矢量数据投影，使其与栅格文件投影一致；在栅格数据中通过将所裁剪的区域设为1与被裁减的影像进行交集处理，输出即为裁剪的结果。

本文中用到的裁剪方式即为矢量数据的栅格化，其裁剪过程需要利用ArcGIS与ENVI协同完成，首先利用Polyline工具在ArcGIS中画出裁剪线，保持裁剪线与影像投影一致；其次将矢量数据的裁剪线保存到ENVI中，利用ENVI的裁剪模块对影像进行裁剪，完成裁剪过程。

2.4.2 大气校正

大气校正是消除了大气干扰、地形等因素的影响，从而获得真实的反射率数据，并对其进行动态监测的过程，这是预处理中比较重要的环节。本设计中通过选择ENVI Classic软件下的BasicTools工具中的Preprocessing―General Purpose Utilities―Dark Subtract进行大气校正，首先选择的是待校正的遥感影像，然后对影像的像素值进行选择，这里选择波段的最小值（Band Minimum），最后选择路径对影像进行的输出。

2.5 数据格式转换

投影变换（Projection Transformation），即为地图投影之间相互转换的方法及理论，根据遥感数据需求进行自定义投影设置。而本文采用的遥感数据是高分一号卫星数据，其影像本身自带WGS84坐标，通过正射纠正的过程，其地理坐标变为UTM投影坐标，利用ArcGIS中的投影变换工具，根据应用要求将其转为需要的投影信息。

3 结语

随着我国高分辨率对地观测系统应用的展开，高分的应用范围已经涉及到各行各业，极大的推进了我国空间信息技术产业的发展。而遥感卫星影像的预处理过程是高分应用在各行业展开的前提与基础，是一个非常重要的环节。

本文通过具体的实例，介绍了高分遥感卫星影像的预处理全过程，其中正射纠正消除了因卫星姿态及其地面起伏引起的缀伪湫蔚奈侍猓为后期影像信息的提取提供了影像的准确度；配准及其融合技术使图像能够达到很高的精度，消除了影像的误差，提高了影像的分辨率；而镶嵌过程则能够使影像更加完整和美观。整个预处理过程相辅相成，为后期的应用及分析过程打下了良好的基础。

参考文献

[1]高分一号.中国资源卫星应用中心[EB/OL].

[2]潘勇.遥感图像数据预处理研究[J].数字技术与应用，2010.

作者单位

第3篇：卫星影像范文

关键词：卫星雷达；数字影像；矿区；沉降

中图分类号： [TU196.2] 文献标识码： A 文章编号：

矿产资源的过度开采容易破坏矿区地下地质结构，引发地表沉降区、滑坡、崩塌、泥石流、地裂缝、地面沉降和地面积水等事故，甚至导致矿区透水事故，造成严重的安全隐患甚至人员伤亡。通过对矿区长期、动态的沉降监测，对矿区沉降规律进行分析，可及时掌握矿区地质环境的破坏程度，从而针对实际情况制定相应应急处理方案。同时，矿区沉降监测获取到的地表形变数据信息可为矿区的规划、治理和发展提供数据支撑，有利于促进矿山地质灾害环境的一体化管理。因此，矿区沉降监测是矿区开采和可持续发展的重要组成部分，对预防潜在地质灾害具有重要意义。以下将探讨一种卫星雷达数字影像应用领域中的地面沉降监测方法[1]。

1卫星雷达数字影像的基本原理

基本原理是利用同一矿区范围的多幅卫星雷达数字影像组成干涉图，干涉图中不仅包含因地形起伏引起的干涉相位，还包含由地表位移引起的形变相位，通过对干涉图进行差分处理(去除地形影响)来获取地表微量形变。对于一幅干涉图而言，形变相位的干涉影像是通过已配准的主辅卫星雷达数字影像的共轭相乘所得到的：

式中：(r， n)表示像素坐标；M和S分别为复数形式的主辅卫星雷达数字影像；IF为复数形式的干涉影像，而其相位Δφ可以写成以下的形式：

式中：λ 表示雷达波长；R 为斜距；θ 为雷达入射角；k 为整周模糊度；B 和B//分别为干涉对的垂直基线和平行基线；φnoise代表相位噪声；φatm为大气相位。

等号右侧第一项表示形变相位，是指在主辅影像所间隔的时间范围内，地表在雷达视线方向上的位移D所引起的干涉相位。第二项表示由地表高程H引起的相位变化，即地形相位。去除地形相位的方法有两种：一种是利用仅包含地形信息的卫星雷达数字影像对生成干涉图进而得到地形相位；另一种是利用已有的外部DEM模拟地形信息从而实现地形相位的去除。因此差分干涉方法可归结为两种模式：使用外部DEM的二轨方法；使用多图像干涉生成地形影像对的三轨或四轨方法。第三项表示平地相位，是由不同像素在参考椭球面的斜距差所引起的。B//可通过卫星精密轨道数据求得。大气相位(φatm)可以使用干涉图堆叠的方法来去除。相位噪声(φnoise)包括热噪声、时空失相关噪声、多普勒失相关噪声以及数据处理过程产生的噪声等，多视和滤波都可以达到去噪的效果[2]。

图1 卫星雷达数字影像技术实施程序

2卫星雷达数字影像在矿区地表沉降监测中的应用

卫星遥感影像具有覆盖范围大、更新周期短、费用少及多光谱信息量大等特点，被广泛应用于大范国、多用途、多时域的城市综合调查和研究。由于遥感卫星的轨道高、分辨率较低、光谱波段较多等原因，因此，卫星影像上记录矿区地表信息也有其特点。

地下煤炭资源的大规模开采，破坏了上覆岩层的稳定性，从而破碎、垮落，导致地表的下沉、塌陷。这些地表沉降区造成大面积土地资源的破坏，在高潜水位地区甚至出现大量积水，导致区域生态环境的变化，因此，对煤矿沉降区因地制宜进行复垦、治理，对恢复被破坏的土地资源，维护区域的生态环境有重要意义。为此，需要掌握沉降区地随开采活动的扩展规律，沉降区面积、破坏程度，积水区范围和深度，水污染状况等数据资料。采用常规的技术手段，如地形测量是难以胜任的，特别是对于积水沉降区来说更是如此。遥感图像则能快速、周期性地提供沉降区的大量有关信息，为矿区土地复垦工程服务。卫星雷达影像的空间配准是干涉影像处理中关键的一步。由于地形对相位的影响非常敏感，如果两幅图像所对应的同名点有所错开，将会产生很大的测量误差。因此，要求主辅图像空间配准精度一定要达到亚像元级的水平。配准的关键在于计算两幅复图像所对应的同名点的相对偏移量，一旦确定了两幅图像同名点之间的相对偏移量，就可以对一幅图像进行插值重采样，完成两幅图像的配准。根据所选取的两幅卫星雷达影像数据，采用基于几何模型的同名点预测自动配准算法，两幅图像经过该算法处理后，得到匹配点。记下相关系数最大时窗口中心像元的行列偏移量，将其作为控制点进行二阶多项式拟合来确定两幅图像中任何一个匹配位置的相对偏移量，即可以确定几何变换模型，最后根据相对偏移量用双线性插值法对辅图像作插值重采样，从而完成配准操作。配准后控制点残差的方均根误差为0.1～0.2像元且有效控制点一般至少在20以上，基本均匀分布在图像中[3]。

对于地表沉降区以的动态扩展研究，最有效的遥感调查方法是利用矿区的多时相航空遥感图像，进行叠合分析。在某矿，我们使用时间差为十年左右的多时相、不同片种的航空摄影图像，包括全色黑白像片、彩色红外像片和多光谱图像，对这些图像进行计算机处理，提取沉降区扩展规律，其处理过程如图2所示。

图2 矿区地表沉降动态扩展遥感研究图像处理过程图

沉降区积水区在黑白像片上呈现为深灰一灰黑色调，而在彩红外像片上则为深黑色，边界清晰可辨积水的深浅在彩红外像片上表现为不同的色调，通过图像分析和实地采样，可以圈定不同的积水类型和深度。通常将这种积水区分为四种类型：深水区、浅水区、沼泽区和浸润区。

非积水沉降区的沉降区边界、形态也可从彩红外像片上提取。将提取的有关信息。数据转绘到地形图或地理图上可以编制成有关沉降区状况的专题图，利用计算机或电子求积仪还可以求算各类沉降区的而积。这些图件和数据资料是制定沉降区治理方案的重要基础资料。

参考文献

[1]宁树正，万余庆，孙顺新. 矿区沉降与遥感监测方法探讨[J]. 中国煤炭地质，2008.01：125-126.

第4篇：卫星影像范文

关键词：卫星影像地图；坐标转换；墨卡托投影；四叉树

Abstract: This paper mainly introduces some basic principles and methods of storage, retrieval and coordinate transformation of the internet satellite image map, and discusses how to apply the internet satellite image map in localization LAN internal.

Key words: satellite image map; coordinate transformation; Mercator projection; quadtree

1 引言

继谷歌地球之后，互联网卫星影像地图应用得到快速发展，各地图服务公司也推出了相应的二次开发技术支持，以支持互联网卫星影像地图的二次开发，适应不同客户的实际应用需求，如：google Maps API 技术。但是这些应用必须是在线连接互联网的条件下才可以实现。另外，由于卫星影像地图为栅格数据，要实现快速的浏览对网络的速度也有较高的要求，因此，一些局域网内和网速较低的环境或设备中很难得到应用。

本文主要介绍互联网卫星影像地图的分幅、检索、拼接以及大地坐标与像素坐标之间的转换等基本方法，并结合实例，探讨了互联网卫星影像地图的本地化应用。

2 卫星影像地图的存储原理

2.1卫星影像地图的投影

地球表面是曲面，而地图是二维的平面，通过采用投影技术，将地球投影到平面。地图Google、百度等卫星影像地图所采用的墨卡托(Mercator)投影,又名“等角正轴圆柱投影”。投影坐标系统的选择是：以赤道为标准纬线，本初子午线为中央经线，二者的交点为原点，赤道方向为X轴，子午线方向为Y轴，向北、向东为正，向西、向南为负。

为把地球投影到一个正方形区域，以地球赤道周长为基准，赤道周长为：2*PI*R=2*20037508.3427892（R为地球赤道半径6378137米），限定南北半球投影维度区域为[-85.05112877980659，85.05112877980659]，使投影坐标的Y轴取值，与X轴范围一致，范围为[-20037508.3427892,20037508.3427892],把近南北极区域舍弃。

2.2卫星影像地图分幅

按照上述的投影方法，地球的整个区域投影到一个正方形内，大小为256*256。以此为基础，逐级放大，分幅，各等级图幅均限定在256*256大小，每幅图称作一个“Tile(瓦片)”，JPG图像文件大小20KB左右，适合计算机存储及网络传输，所以卫星影像地图又称为“瓦片图”。

分级的方法：卫星影像地图分级总共分20级，首先把全球有效区域投影到大小为256*25的正方形内，定为0级，共一幅图，为最小比例尺地图。以后逐级把每幅图的一分为四，各级幅图的大小依然为256*256，比例尺逐级放大，图幅数量逐级增加。总图幅数：2n*2n 幅，总宽度和长度为：2n*256×2n*256，n为地图的级数。

瓦片图编号：按照瓦片图所在的行列进行编号，一般表示为：“行－列－等级”，每个级别的行列数不能超出最大行列数2n，如0级图总共只有一幅，只有1行1列，编号为：“0－0－0”，1级图4幅共2行2列，以此类推。

2.3分辨率和比例尺

分辨率是每像素单位实际投影长度比例，单位为（米/像素）。

分辨率=2*PI*R/(2n*256)， R为赤道半径，n 为地图等级。

计算机显示单位是英寸，每英寸像素点数为96，因此各级卫星影像地图的比例尺计算公式为：

比例尺=1:分辨率*96/0.0254， 1英寸=0.0254米。

2.4卫星影像地图的存储

卫星影像地图的存储按照图幅进行存储为栅格数据，实际大小在20KB左右，根据不同的显示等级，容易在实现快速调用，以屏幕显示分辨率为1680*1050大小，只需要1680/256 *1050/256幅图布满屏幕。

卫星影像地图随着等级的变大，图幅数也级数倍增加，数据量也是海量数据，所以卫星影像地图的存储一般保存在大型数据库内，实现快速的调用。

3 卫星影像地图的检索

互联网卫星影像地图，由于图幅数量巨多，要实现快速检索和调用，必须提到卫星影像地图的检索。卫星影像地图像的检索编码编制按照四叉树的编码规则进行编码，可以快速检索到其周边地图，从而大大提高数据库的检索速度。

地图检索编码的方法如下图：

图1 卫星影像地图四叉数编码示意图

每图幅均可以向下级分为：0、1、2、3四幅图，在图幅放大和缩小过程中，容易检索到本区域的相关的图幅。

谷歌地图的编码采用 QRST表示，分别代替0、1、2、3表示完全表示为字符串，可避免编码与数字混淆，实现功能都是一样。

检索码的编码是根据图幅编号可以有计算机自动实现，同样由编码可以反推出其图幅编号。图号：“0－0－0”对应检索码“0”，图号“5000－5000－18”对用编码为“000003003330003000”。实现程序可在网上找到，也可以和作者联系。

4 卫星影像地图的拼接

当需要显示一个级别的卫星影像地图时，首先要根据位置坐标进行定位，即根据大地经纬度坐标和显示级别计算出所在的图号，以及周边地图的图号，进而计算出它们的数据库的检索码，然后从数据库读出图像数据，把各幅图放到各自的位置，如同拼接“瓦片”一样。因为无论那个级别的地图我们都规定了他的实际像素尺寸（256*256），因此很容易计算出每幅图的实际像素坐标，实现计算机拼图。

图号计算像素坐标：图号为“tileX－tileY－ZoomLevel”,

像素坐标为：PixleX=tileX*256，PixleY= tileY*256，

5 坐标转换

基于互联网卫星影像地图本地化后的应用，首先需要涉及的工作就是坐标转换。坐标转换一般有以下几类：用户坐标与大地坐标的互相转换；大地坐标转换与卫星影像地图的像素坐标之间的转换；如果涉及当地独立坐标系统的话，还需要独立坐标与投影坐标或大地坐标的转换。

大地坐标向像素坐标的转换，可实现地图定位，和在卫星影像地图上叠加其他专业图形和应用。像素坐标转换为大地坐标，可实现鼠标点击的像素坐标，反转为大地坐标或用户坐标。

像素坐标为整数，用户坐标和大地坐标为双精度小数，所以不同等级的卫星影像地图上的坐标转换精度不同，卫星影像地图的等级越高，转换精确度相对越高。

本文对坐标转换有关技术不再进行详细阐述。

6 实验案例

本实验以宁波镇海某单位城区为范围进行实验，卫星影像地图来源于互联网，该区域最小级别数为9级，最大级别数为20级。图幅总数为26624幅，其中20级2600多幅，19级3900多幅，9级1幅。数据库采用SQL Server2005 ，开发环境 Microsoft Visual Studio 2008C#。通过面向对象的开发，开发了坐标转换模块级卫星影像地图管理模块，实现卫星影像地图的基本放大、缩小、移动、定位等功能。卫星影像地图管理模块实现卫星影像地图的自动拼接功能和屏幕坐标的反向转换功能，实现屏幕坐标及时转换为用户坐标。通过坐标转换模块实现用户图形在卫星影像地图上的叠加。下面为实现切图。

接图左下角为用户独立坐标，本图为Auto cad 2008环境下调用动态链接库显示Windows Form界面。

图2 实验案例接图

7 结束语

本文重点阐述了互联网卫星影像地图的存储及检索调用的原理和方法。通过案例实验，尝试了互联网卫星影像地图本地化并经坐标转换后，在工程应用领域作为底图得到应用。为今后互联网卫星影像地图基于本地化后在诸如道路、管网等初步选线设计、土地利用调查等工程建设及其他领域提供了一个有益的尝试和宝贵的经验。

参考文献

[1] 孔祥元，郭际明．《控制测量学》．湖北：武汉大学出版社，2006

[2] 包欢，付子傲，陈刚，王玉金．基于非线性平差模型的坐标转换公式．测绘学报，2004.9

第5篇：卫星影像范文

关键词：第二次土地更新调查、重要意义、卫星影像系统

中图分类号： P185.18 文献标识码： A 文章编号：

一、我国土地调查的诠释第二次土地调查，同时也是关乎国情国力的重要调查，这项工作，是经国务院部署，由国土资源管理部门统一组织并开展，其主要意义如下：将我们国家土地利用面积、类型、权属及分布情况查清楚，了解土地资源的真实家底，同时，将土地调查、统计与登记工作系统结合起来，从真正意义上实现土地资源信息的服务，为我们国家的振兴发展奠定基础。

建设农村土地调查数据库主要任务如下：将土地权属、土地利用状况、基础地理等内容建立起来，建立起集图形、影像、文档和属性为一体的数据库及管理系统。

二、我国进行土地调查的现实意义人类赖以生存和发展的基础是土地，也是人们生活的根本资源。土地调查是关于国情国力的调查，具有一定的基础性、公益性，由国务院部署的第二次全国土地调查是一项战略性的任务，同时，也是国家相关法律赋予人民政府的职责，它具有很大的现实意义，对于查清土地利用状况，了解土地基础数据以及建立相关统计和登记制度起着非常关键的作用。

（一）第二次土地调查的开展，对土地利用的掌握，与国家经济发展是非常重要的，一九八七年至一九九八年我国完成了首次土地调查工作，那时认识水平、技术手段都很不成熟，完成的成果不太理想，所以，在开展此次土地调查时，国务院以及省市政府高度重视，全面部署及时安排，要求对我国土地资源的利用状况进行详细调查，使保障发展与保护资源形成有效互动，满足社会快速发展的需求。

（二）第二次土地调查的开展，落实了科学发展观，也为保护基本国策奠定了坚实的基础。土地是人们的根本，对于国家来说对土地的保护是基本国策，开展此次土地调查，全面掌握土地情况，对于保护资源及保障发展的两大问题进行了破解，通过土地调查，了解土地基本情况，为规划编制制度提供了数据，具有可靠性、真实性、科学性，是为经济社会提供资源保障的基础，并且为征收土地、土地登记以及开发提供了全面而可靠的数据资料。

（三）第二次土地调查的开展，充分了解了土地利用状况，不仅使农民的权益得到保护，而且使城乡得到发展，是建立和谐社会的主要因素，通过全面调查才能了解农村集体土地建设用地的使用权及所有权情况，这样可以避免发生土地权属争议，将集体土地所有权进行登记并发证，让农民拥有合法的土地权益，并维护好自身的权益，同时，也维护了社会的稳定发展。

（四）第二次土地调查的开展，掌握土地利用现状还有一个重要作用，就是对土地的调控提高了，很大程度上促进了土地节约，在宏观经济上调控土地，在当前社会形势下，了解土地资源尤其是农用地、建设用地及未利用地的使用情况，对于宏观调控来说更具有有效性、针对性，换一个角度来讲，盘活存量土地不仅是国资委、政府考虑的问题，也是国土资源部门发展经济社会的基础。

（五）第二次土地调查的开展，掌握土地利用现状，除了以上几个作用之外，在土地管理方式的转变上，也采取了非常重要的措施，经调查可以得到各地土地的使用的情况，建立不同等级的集图形、影像、面积及地类的数据库，建立信息更新机制，使土地管理方式渐渐向网络化、信息化管理转变。

三、卫星影像系统应用第一、获取卫星影像

目前，获取地面影像的途径之一就是通过卫星，通常情况下有两种方法，一种是先将拍摄底片安置在卫星上，再将卫星送入轨道，进行摄影，摄影后收回卫星，通过处理最终得到底片，通过相应的影像扫描进行数字化，最终得到数字的卫星影像，另一种方法是数字成像，它的原理同数码相机类似，地面的数字影像是直接通过卫星上的设备获取的，地面的卫星接收站通过对卫星所发信息的接收外，还可以解码，进而得到数字的卫星影像。

第二、卫星影像的优点及缺点

卫星影像的优点包括：有较大面积的像幅，并且有极强的宏观性 ；具有多波段性；具有多时相性；特别接近于重直投影，有很小的误差，一致的比例尺；统一时间，给影像分析带来很大方便；数字化信息资料，处理方便；无国界、地区限制；较低的成本。

卫星影像的缺点包括：较低的分辨率；没有太好的观察效果，尤其在立体感方面

卫星遥感资料具有很多特点，具体包括如下：较丰富的反映出地面信息、大面积的覆盖范围、较强的实时性、周期性强等。由于分辨率不一样，所以遥感数据在土地利用调查应用的范围上存在很大的不同，能将遥感影像纳入相应的地理坐标系统中的就是图像的处理，使其与地面地物建立起一种联系，就是几何联系，以此来提高影像的清晰度，并提高影像的空间分解力，地类的可靠度与精度，进而使监测能力和解译得到增强，为下一步的工作奠定基础。

充分利用遥感图像，并且以正射影像图做为基础底图，进行土地更新调查工作的主要工序为：人工解译、计算机图像自动处理以及人工交互解译等，其中在日常生活中使用最普遍的还是人工解译的方法，这种方法的优点是精度较高，成本很低，不受到计算机软件、硬件的限制，但是，由于在实际工作中由遥感而引起的同谱异物或是同物异谱的现象发生，所以，在实际应用中也产生了很多的不足和问题，在遥感图像上只能清晰的分辨一部分土地类型，还有一部分土地类型是无法确定的，这就需要实地开展土地调查。

四、卫星影像系统在农村土地更新调查中的应用

采用先进的技术方法对土地进行更新调查，以目前拥有的土地调查为基础，在技术上采用统一标准，全面了解土地利用的使用情况，在相关制度上不断完善与更新。

农村土地更新调查，主要是掌握各种用地的分布及利用情况，这需要拥有先进的遥感技术，并且是建立在正射影像的基础之上，在统一制作的航天遥感基础图件的基础上进行, 其主要任务是：

（1）农村土地利用现状调查：以正射影像为基础，以1:1万比例尺为主,以县区为基本单位，按照统一的土地调查技术标准，通过实地调查，查清集体、国有土地上每一块土地的地类、位置、范围、面积、分布等利用状况，如：耕地、园地、草地、林地、农村居民地等各类地块分布和利用状况。并汇总形成土地利用现状图数据。

（2）开展土地权属调查，查清农村行政村以上集体土地所有权和公路、铁路、河流、以及农、林、牧地、园地、工业用地、开发园区以及房地产开发等国有土地的权属使用情况，第二次土地调查要求对国有土地的使用权和农村集体土地所有权的各种状况有充分的掌握。

（3）基本农田调查：依据本地区的土地利用总体规划，对所辖区域的农田分布、数量进行统计，建立信息化的调查统计并及时更新，并且将基本农田保护地块落实至土地利用现状图上。

（4）建立土地利用现状数据库

农村土地调查数据库建设的任务是建立国家、省、市、县四级数据库，采用国土部门指定的软件，包括基础地理、土地利用、土地权属、基本农田等内容，集影像、图形、权属、文档等数据于一体互联关系的农村土地调查数据库及管理系统。

土地利用现状数据库中的各种要素根据其几何特性（点、线、面）和分类特征：水系、道路、行政界线、权属界线、地类界、线状地物、零星地物、文字注记等进行分类，以GIS技术为基础，建立空间数据库；然后根据空间数据的分类，建立与之相适应的各种属性数据库，并让空间数据和属性数据建立关联，建立完整的符合县、市级土地利用数据库标准和系统软件要求的土地利用数据库。

其主要工作内容包括：1，土地权属调查；2，地类调查；3，基本农田调查；4，土地利用数据库建设；5，专项调查和统计汇总；6，文字报告编写、图件编制；7，统一时点变更。采用国土部门指定的软件，建立互联共享的集影像、图形、地类、基本农田、面积、权属为一体的土地利用数据库，最终提供合格的农村土地调查成果。

更新调查成果是国土资源管理的基础数据，国家只有掌握了具体准确的数据，才能有利于土地登记发证的推进工作，最终达到成果信息化管理的目标，并且能够共享此管理，以便满足经济社会发展及国土资源管理的需求。

参考文献：

[1]程国土资源部《土地利用更新调查技术规定》（征求意见稿）

第6篇：卫星影像范文

关键词：高分辨率遥感影像；绿地信息提取；景观评价

收稿日期：2012-02-03

基金项目：昆明市科技合作与交流重点项目“昆明市建成区绿地系统环境效益研究”(编号:08H130105)资助

作者简介：周黎霞（1985―），女，云南曲靖人,硕士研究生,主要从事园林设计评价的学习与研究。

通讯作者：赵 耘（1970―），女,河南永城人,副教授,硕士生导师,主要从事城市园林生态方面的教学与研究工作。

中图分类号：TU985

文献标识码：A

文章编号：1674-9944(2012)02-0036-02

1 引言

城市绿地是城市景观要素之一,城市绿地系统是一个由各类城市绿地相互联系组合而成的城市绿色环境体系,是一个高度人为干扰形成的景观,具有高度的空间异质性,景观要素间的流动复杂,景观变化迅速。

伴随着昆明市城市建设飞速发展,“城中村改造”、“老街保护”、“三环路修建”、“大学城南迁”、“地铁修建”等一系列建设项目相继实施,城市绿地的规划建设也需进一步完善。城市规划需要准确、详细的空间信息,而传统的地形图生产和更新周期很难满足需要。QuickBird卫星影像以其内容丰富、分辨率高、直观、生产更新周期短、费用低等优点弥补了传统地形图和航空影像的不足。因此,探索QuickBird卫星影像数据处理方法及在城市绿地规划、建设中的应用变得非常重要。

高分辨率遥感技术为城市生态环境的监测方法和评价指标的改进提供了有力的支持 。高分辨率卫星遥感数据进行城市绿地调查,除了具遥感技术普遍的特点外,由于其高空间分辨率的特点,能够详细地展示城市绿地空间格局和植被种类,具有普通分辨率遥感数据不可比拟的优势。应用高分辨率卫星影像研究城市绿地类型、分布和结构,可以为定量地对城市绿地景观评价与分析提供科学依据,为城市绿地系统规划、改善城市生态质量提供参考,具有重要的理论与现实意义。

2 研究方法

2.1 QuickBird影像的预处理

本研究所使用的QuickBird影像数据,共有4个多光谱波段(空间分辨率为2.44m)和一个全色波段(空间分辩率为0.61m):0.45～0.52μm的蓝光波段,0.52～0.60μm的绿光波段,0.63～0.69μm的红光波段,0.7～0.9μm近红外波段,0.45～0.9μm全色波段。本次研究的遥感图像预处理包括遥感影像配准和影像剪裁。

2.1.1 地面控制点的采集

控制点应该在整幅遥感影像内分布均匀。为了保证GCP的准确性,其位置选择的是特征地物点,比如道路交叉口、建筑物的拐角处等易于在影像上判读的地方。校正精度与地面控制点的精度、分布和数量及校正影像的范围有关。

由于QuickBird遥感影像空间分辨率比较高,因此为了保证影像数据获得较高的校正效果,选择GPS实地测量,根据控制点选取原则在研究区域选取了20个控制点。

2.1.2 QucikBird影像的配准

配准是用Erdas Imagine软件进行的。在GCP数据表中,匹配程度(Match)、贡献率(Contribution)、中误差(RMS)、及残差(Residuals)等参数,是在编辑GCP的过程中自动计算更新的,用户不可任意改变,但是可以通过改变GCP位置来调整。根据残差值,删除误差较大,贡献率较小的GCP点,将个别GCP点的位置进行微调,尽量减少误差。

2.1.3 影像裁剪

用校正后的QuickBird影像作为参考图,用来校正昆明市行政区划图,使它和昆明市遥感影像有相同的投影坐标,都为UTM WGS84坐标系；使用AOI多边形工具在校正过的行政区划图上画出行政边界；在ERDAS的Data Preparation模块中,用AOI行政边界对QuickBird影像进行不规则剪裁。

2.2 基于QuickBird影像绿地自动提取

2.2.1 提取方法

传统的遥感技术提取城市遥感影像专题信息方法主要有两种:面向像元技术和目视解译技术。面向像元技术以像元为基本单元进行信息提取。目视解译技术要求分类的人员有丰富的专业经验和充足的野外实地调查资料,且人工作业屏幕数字化的方法过程繁琐漫长,效率低下、受主观因素影响大,很难保证分类的质量,分类所需的成本也较高。而面向对象的遥感影像分类技术则是针对高分辨率影像应用兴起的一种新的遥感分类技术,这是一种新兴的技术,相对于以前的分类方法具有明显的优势。

面向对象遥感影像分类方法的一般步骤是对预处理后的遥感影像进行分割,得到同质对象,使得分割后的对象满足下一步分类或目标地物提取的要求,再根据遥感分类或目标地物提取的具体要求,检测和提取目标地物的多种特征(如光谱、形状、纹理、阴影、空间位置、相关布局等),建立分类体系,最后采用模糊分类算法,实现地物类别信息提取的目的。

遥感影像分析软件eCognition,采用了面向对象和模糊规则的处理和分析技术,为基于高分辨率影像的城市绿地信息的提取和研究带来广阔前景。

2.2.2 eCoginition支持下的QuickBird影像的分类

(1)第1级分割和分类。目的是根据亮度值来区分影像和背景。

(2)第2级分割和分类。目的是区分植被和非植被。以尺度参数80、形状参数0.3、光滑度参数0.9对影像进行分割,得到影像对象,即信息载体。然后用色彩参数和归一化植被指数(NDVI)进行植被和非植被的区分。

(3)第3级分割和分类。目的是区分陆地和水体以及阴影。以尺度参数110、形状参数0.5、光滑度参数0.9对非植被的影像对象进行分割,然后用模糊隶属度函数区分水体和陆地。

(4)第4级分割和分类。在第2级分割的基础上,以尺度参数60、形状参数0.3、光滑度参数0.7对非植被的影像对象进行分割,然后用模糊隶属度函数区分草地和树木。

接需要将阴影进行分类,由于阴影落在不同的地物中,例如房屋的阴影落在草地上、湖边的树的阴影落在水体中、而一些树的阴影则落在树丛上,eCognition提供的空间特征还不足以区分不同类型的阴影。因此,要运用手工分类工具对阴影进行分类,最后得到分类结果包括水体、草地、树木和非植被。

3 绿地景观评价与分析

3.1 评价与分析

目前,描述景观格局与景观异质性的指标已有很多,在进行具体的研究时必须根据研究目的,针对性地选择适当的指标。本研究选择人均绿地面积、绿地率、多样性指数、破碎度指数、分维度指数、连通性指数等6个景观格局指数和景观生态效益等方面对昆明市主城区绿地系统进行综合分析。

通过本次研究,从中发现昆明市主城区存在景观结构不合理、斑块破碎度高、城市绿地类型分布不均衡等问题。景观类型也从以自然景观为主逐步变为以人文景观为主,各区景观类型受到不同程度的影响。主要暴露的问题包括景观破碎度增加,斑块趋于规整简单；绿地结构不合理；景观质量不高,树种种类多,但层次不够清晰；城市绿地管理不足。

3.2 建议

(1)增加绿地斑块建设。利用城中村改造,加大大中型绿地斑块的建设,改善公园绿地斑块较为破碎的现象。

(2)增加生产绿地、防护绿地和其他绿地的面积。在城市绿地规划中,改变目前城市绿地类型构成不合理的现状,合理配置各类绿地在城市中的比重。增加绿地类型均匀性指数以及绿地类型景观多样性指数,丰富城市绿地类型,优化城市绿地景观生态格局和生态安全，同时调整树种种类和层次结构。

4 结语

景观评价研究采用传统的调查、分析方法进行研究,往往受到人力、物力和自然条件等多方面的限制,利用高分辨率遥感影像和地理信息系统相结合来获取景观格局研究基础数据,具有快速、准确、高效等特点。本研究主要利用Quickbird影像数据,结合其它地学信息,以遥感、全球定位系统、地理信息系统为主要技术手段,对昆明市主城区绿地进行景观信息的提取及景观评价研究,是景观信息获取手段较先进、研究过程较全面的一次小尺度的景观评价研究。基于高分辨率影像的面向对象分类技术的实现一直是当前研究难点。本研究在eCoginition软件支持下编程实现绿地信息的自动提取,是一个创新。

参考文献：

［1］

李哈滨,伍业钢.数量化方法在景观生态学中的应用［M］.北京:中国科学技术出版社,1992.

［2］ 许有田,任 琦,吴创奇,等.QuickBird遥感影像数据处理及在城市规划中的应用 ［J］.城市勘测,2008(5):89~92.

［3］ 赖志斌,夏曙东,承继成.高分辨率遥感卫星数据在城市生态环境评价中的应用模型研究［J］.地理科学进展,2000,19(4):359~365.

第7篇：卫星影像范文

关键词：Google Earth；卫星影像；新农村建设；几何纠正；Projective Transform；DEM

中图分类号：P25文献标识码：A

The Use of Google Earth Image in Assistance

in Surveying and Mapping the New Rural Construction

Zhao Xuesong

(Guangxi Institute of Aero-photogrammetry and Remote Sensing, Nanning, 530023, China)

Abstract：As the sharing of spatial information is more and more popular,more and more free shared resources are available. Google Earth provides for the public with abundant free Hd satellite images which cover some cities and even villages in China. Bedsides, those high resolution images are renewing irregularly. By obtaining and pre-handling those images, and correcting and analyzing their precision with the help of geometric correction model, Projective Transform model could assist in surveying and mapping in the new rural construction and has achieved a good result.

Keywords:Google Earth; the new rural construction; Projective Transform; geometric correction; DEM

1引 言

社会主义新农村建设，是确保我国现代化建设顺利推进的必然要求，是“十二五”的重要工作内容。作为新农村规划建设的测绘保障直接关系着新农村建设的进度和质量。航测方式生产DLG由于其速度快、精度高，在新农村建设测绘中广泛应用。但基础测绘航拍的周期较长，相对于现在日新月异发展的新农村来说，影像资料就会显得陈旧。

Google Earth的影像数据包括DigitelGlobe公司QuickBird的0.61米分辨率影像、美国IKONOS的1米分辨率影像、美国GeoEye的0.5米分辨率影像及法国SPOTS的2.5米分辨率影像。这些高分辨率影像在中国境内不仅有些免费公开，并有不定期的更新。如南宁市就有2002年10月、2009年2月、2010年5月0.61米分辨率的QB影像。就连

作者简介：赵学松(1982-), 男，测绘工程师，主要研究方向：航测、遥感、GIS。

xx市这个县级市也有2011年0.5米分辨率的

GeoEye影像！影像覆盖该市辖区内的部分乡镇和村庄。同样覆盖范围内最新的航摄资料是2003年的，二者时间相差8年。在这8年内，此处的地物变化是多么的巨大！作为航测成图方式，如何利用这较新的高分辨率卫星影像辅助进行新农村建设测绘工作就具有重大的现实意义。[]

2高分卫星影像的在大比例尺DLG生产中重要作用

图1 图2

以上2张图片，图1是某村落2011年的影像，其影像来自Google Earth,影像为0.5米分辨率的 GeoEye；图2是该村落2003年的影像，影像来源为1:25000航摄比例尺的RC-30相机航摄影像。直观比较，卫星影像具有2个优越之处：1.时间更新，地物更贴近现状；2.分辨率高且为彩色影像，影像信息丰富，更利于进行地物判读。可以设想一下，如果仅用2003年的影像进行地物采集，从而产生的野外核查工作将是多么巨大，而且精度也难以得到很好的保证。在常规的航摄法生产DLG的内业预判和外业核查中如果能利用高清卫星影像作为参考，一方面最大限度地发挥了内业预判的便捷高效性，减少外业核查的工作量；另一方面新增地物在卫星影像上获取，地物大小、形状、空间关系都有保证，比在外业核查时的简单测量方式精度高。

3Google Earth卫星影像的几何纠正

Google Earth影像要在测绘中加以利用，必须对其进行几何纠正，把它纠正成为在某一坐标系下可以进行量测的影像。本文将探索在Erdas Image软件平台上利用航测法生成的DEM对无卫星参数的任意卫星影像进行几何纠正生成近似DOM的方法。

3.1 Google Earth卫星影像的获取与预处理

有多种方法从Google Earth上获取高分辨率的卫星影像，但基本不能一次性获得一个大区域的高分辨率影像。这些影像基本都是以小区域瓦片式存储的，这是海量数据网络传输和显示的需要。当获取到这些影像瓦片后，得将它们无缝合成在一起。你会发现这些影像上一定间隔都被Google公司打上了“Google Earth”的小小标签，但基本不影响我们进行地物判读。我们可以利用PhotoShop对影像进行色彩调整，然后把它转换成ERDAS支持的*.image等格式。

3.2 DEM数据的获取

虽然可以免费获取SRTM提供的DEM数据，但90米的格网间距实在是太大了，就算是30米的格网间距在表示地形起伏时也显得很粗略，用于中高精度影像纠正根本不能满足要求。由于航测法DLG生产中虽然航拍影像比卫星影像旧，但这个时间差内地貌变化一般也比较小，可用航测法采集的等高线、高程点作为特征点线构建TIN，然后生成DEM数据，用于卫星影像的纠正。

国内航测软件工作站（如JX4）采集的DEM数据基本都是国标格式的DEM，要在Erdas Image软件中利用起来，得进行相应的格式转换为Erdas Image识别的格式。提供一种方法：首先将DEM在航天远景的EPT软件上转换成32位的*.tif格式，再到Erdas Image里面进行相应的椭球和投影信息定义。

3.3 地面控制点的获取

航测法生产时，可以利用生成的DEM进行数字正射纠正生成DOM，在Erdas Image软件中纠正卫星影像时便可利用DOM提供地面控制点的平面坐标。在本次实验中从参考DOM的9个位置提取控制点平面坐标进行卫星影像纠正，控制点分布比较均匀，且均为田角、路叉等明显地物。如图3所示：

图3

3.4 Erdas Image卫星影像纠正的几种方法

Erdas Image提供了很多种纠正的计算模型，针对从Google Earth获取的卫星影像没有任何卫星参数的情况，在本次实验中选取了3种方式的纠正模型,分别是：

① Polynomial――多项式变换；

② Direct Linear Transform(DLT)――直接线性变换，是建立像点坐标仪和相应物点物方空间坐标之间直接的线性关系的算法；

③ Projective Transform――投影变换。

其中第①种不用到DEM，第②、第③种用到DEM。有DEM的在进行影像纠正时可以更大限度地改正由地形起伏所引起的像点位移。在使用Erdas Image进行纠正时可能会遇到一些问题，比如：当在控制点残差计算后准备纠正影像输出时出现“unable to intersect input image and DEM”的提示，可不理会，手动输入需输出影像的坐标范围即可。

3.5 三种纠正模型纠正精度分析

在纠正控制点连线范围均匀选取5个明显地物点作为精度检查，将3种纠正模型纠正的影像坐标与参考影像坐标差值进行比较得到如表1结果：

表1 纠正精度表

从表1中可以看出，DLT模型虽然引入了DEM进行纠正，但纠正效果还不如Polynomial模型的纠正效果，分析其原因是DLT将动态推扫式影像等同于静态画幅式影像进行处理，没有考虑每景影像外方位元素随时间的变化特点，因而准确度受到一定的影响，只能满足中、低精度的测量任务。当控制点数量大到一定程度时，便出现不用DEM进行纠正的Polynomial模型纠正效果优于利用DEM进行纠正的DLT模型。但是，只要同样的控制点数量和分布，Projective Transform模型的纠正效果都是3种中最好的。它能最好地改正地形起伏引起的像点位移，而且也不用选很多的地面控制点，理想情况下误差能小于2个像素。Projective Transform模型也是国产卫星常用的纠正模型。

4结论

实践证明利用免费的Google Earth高分辨率卫星影像通过一定的专业处理，提供给测绘应用是切实可行的。该方法在多个新农村建设测绘项目中广泛应用，弥补了农村地区缺乏最新影像资源的不足，取得了良好的经济效益和社会效益。

参考文献:

[1] 杨昕. ERDAS遥感数字图像处理实验教程. 北京：科学出版社，2009.

[2] 孙家. 遥感原理与应用. 武汉：武汉大学出版社，2008.

[3] 关元秀，程晓阳. 高分辨率卫星影像处理指南．北京：科学出版社，2008.

第8篇：卫星影像范文

成像侦察卫星是发展最早、用途最广的一种侦察卫星，在军事上具有重要作用。早在1961年1月，美国“发现者”光学成像侦察卫星拍摄的照片及时证实了苏联没有大规模部署洲际弹道导弹，帮助美国消除了对苏联“战略核优势”的恐惧，从而向苏联提出挑战。在第四次中东战争，以色列遭遇阿拉伯联军围攻、几乎全军覆没时，美国最先送来的援助不是大批军火，而是几张显示埃及军队防线空隙的侦察卫星照片，依靠这份价值连城的情报，以色列国防军得以绝地反攻，化险为夷。

成像侦察卫星不仅多次用于近些年的局部战争，而且在美国与苏联核裁军协议的履行中发挥了重要监督作用。人类能平平安安地进入21世纪，也归功于那些默默工作的成像侦察卫星。

正是因为成像侦察卫星能用于战略情报收集、战术侦察、军备控制核查和打击效果评估等诸方面，研制和发射它的国家最多。日本早已对成像侦察卫星垂涎三尺，想利用先进的成像卫星技术搜集周边国家的情报。

以前受种种限制，日本主要利用本国民用的资源卫星和购买外国的高分辨率商用卫星图像进行情报分析，以及美国提供的导弹预警信息为军事服务。但是这样容易受到有关国家的限制，军事上很被动向美法等国购买高分辨率商业卫星图片很费时，约需l一2个月时间，不能应付突发事件，而且容易暴露日本的战略意图；其次是在情报收集手段上受制于美国。另外还有一层日本不愿说出口的原因，那就是可用日本卫星获取的照片验证美国提供情报的可靠程度。

1998年8月31日，朝鲜发射的一枚“大浦洞”导弹从日本高空掠过，惊出日本一身冷汗，也为日本开发和发射光学成像侦察卫星找到借口。同年11月，日本政府以朝鲜导弹对日本安全构成威胁为由决定研制成像侦察卫星。此后，日本政府于2001年成立内阁卫星情报中心，专门负责管理日本的成像侦察卫星，以监视朝鲜导弹发射等设施的动向，还包括俄罗斯和中国的军事设施。

一番努力后，日本终于在2003年3月28日成功发射了第一颗光学成像侦察卫星——“光学”-1和第一颗雷达成像侦察卫星——“雷达”-1，可谓双管齐下，从而成为继美国、苏联、以色列和法国之后第5个拥有光学成像侦察卫星的国家，以及继美苏之后第三个拥有雷达成像侦察卫星的国家，在全球产生巨大反响。它们曾组队飞行在492千米的轨道上，每天经过朝鲜首都平壤上空一次。

[链接]根据星栽遥感器的不同，目前世界上的成像侦察卫星分为光学成像侦察卫星和雷达成像侦察卫星两类。光学成像侦察卫星上的侦察设备主要有可见光相机、红外相机和多光谱扫描仪等，其中红外相机可使卫星具有夜间侦察能力。雷达成像侦察卫星上的侦察设备主要有合成孔径雷达，能进行全天候、全天时侦察。它们各有千秋，因而用途不一。光学成像侦察卫星的优点是空间分辨率高，但不能全天候、全天时进行侦察。而雷达成像侦察卫星反之，并有一定的穿透能力，从而能识别伪装，发现地下军事设施。其幅宽也比较大，时间分辨率较高，这对全面观测战区和侦察全球性军事动态有重要意义。从目前的技术水平来看，两者结合使用是最佳“搭档”。这也是日本同时研制和发射这两种成像侦察卫星的重要原因。

2003年11月29日，日本在发射第2颗光学成像侦察卫星和雷达成像侦察卫星时因火箭故障而箭毁星亡，因而没有命名为“光学”-2和“雷达”-2。此后，不再用“一箭两星”方式发射了，改用“一箭一星”方式，以免悲剧重演。

2006年9月11日，日本用H-2A成功发射了“光学”-2，仍属于日本第一代光学成像侦察卫星。卫星重约850千克，载有望远镜和数码相机，黑白摄影分辨率达l米，彩色摄影分辨率达5米。不过，该卫星的发射比原计划推迟了9个月，主要原因是卫星上有10个由美国公司制造的集成电路芯片出现问题，要全部换掉和验证其安全性，至少需6个月时间。对于美国在卫星零件上做“手脚”，日本情报机构很是恼火，认为这是美国政府始终对日本持有戒心，给其成像侦察卫星关键部件的研发设下了种种限制。为此，日本采用了间谍手段获取美国技术，后被美国发现，两国关系一时受到影响。

2007年2月24日，“光学”-3试验卫星和“雷达”-2上天，其中的“雷达”-2南北方向分辨率为1米，东西方向分辨率为3米，但上天一个月后就因电源发生故障而失效。

2009年11月28日，日本成功发射了“光学”-3卫星。它也是日本首颗第二代光学成像侦察卫星，具有更高的识别精度，分辨率由第一代的1米提高到0.6米，价值5.65亿美元。

加上今年发射的“光学”-4卫星，日本现在共有4颗光学成像侦察卫星在轨工作。不过，“光学"-3、4将陆续取代寿命到期的“光学”-1、2。

野心勃勃

日本把其成像侦察卫星称为情报收集卫星(IGS)，由三菱重工公司研制，包括光学成像和雷达成像两种。

日本的目标是建成由两颗光学成像侦察卫星和两颗雷达成像侦察卫星组成的全球情报处理系统，保证每天在任何条件下可以对地球上任何地点至少侦察一次。其成像侦察卫星运行在太阳同步轨道上是为了进行全球侦察和监视。用一颗运行在400～600千米高的日本成像侦察卫星进行全球侦测需用48小时。如有两颗成像侦察卫星运行在相同地面轨迹的相对的两个点上，可使卫星的侦察周期缩短1半，即24小时。用两颗光学成像侦察卫星和两颗雷达成像侦察卫星组成2+2星座是日本成像侦察卫星系统的另一个特点。

采用星座侦察特别适合于对重点地区进行监视。通过同一地区先后两组卫星照片的对比分析，可从中发现军事设施或军事行动的变化情况。它使日本政府能够昼夜搜集周边国家情报，尤其是朝鲜核设施和导弹基地以及日本周边水域渔船的情报。

日本成像侦察卫星拍摄的图像信息由位于北海道苫小牧市、茨城县北浦町和鹿儿岛县阿久根市的3个地球站负责接收。地面站之间用光缆连接，最后汇集到东京新宿的主站——日本内阁卫星情报中心，那里的250名图像和情报分析人员很快就可以拿出判断意见来。

这些卫星的设计寿命为5年，每天由南向北绕地球飞行15N20圈。日本声称将主要用于侦察朝鲜。除了搜集“可能对日本造成国家安全威胁”的信息，比如朝鲜的导弹发射外，还搜集用于“危机处理”的周边事态信息，中国大陆和台湾海峡、朝鲜半岛以及俄罗斯远东部分等都是日本重点监视的地区。

第9篇：卫星影像范文

关键词：Google Earth；林业调查规划；文件格式转换；坐标变换

1引言

林业调查规划，一般采用地形图深入实地进行区划调查，费时费力，劳动强度大，精度低，而采用实时高清晰卫星影像图调查，又因其价格昂贵而难以承受，Google Earth能提供近期较清晰的免费卫星影像资源，采用Google Earth的免费卫星影像资源进行室内区划判读，辅以少量实地补充调查，能大大减轻林业调查规划的劳动强度，提高工作效率、提高调查精度。

2Google Earth介绍

Google Earth是美国Google公司开发的一种虚拟地球软件，它把卫星影像、航空影像和GIS整合在一个三维地球模型上。用户可以通过一个下载到自己电脑上的客户端软件，免费浏览全球各地的高清晰度卫星图片.[1]。

目前为Google Earth提供卫星影像数据的主要有美国的Digital Globe、GeoEye和法国的CNES 3个公司，Digital Globe公司的卫星影像来源于Quickbird（快鸟）和Worldview-II卫星，GeoEye公司的卫星影像来源于GeoEye-1卫星，其分辨率达到了0.5m；CNES公司的卫星影像数据来源于SPOT-5卫星，分辨率2.5～4.0m。

Google Earth里有WGS-84 地理坐标系和WGS-84 通用墨卡托投影（UTM）两种坐标系可供选择。

3在Google Earth中区划

根据Google Earth卫星影像的地形、地物、地貌信息，可以直接在Google Earth中对行政区域、小班等面状地物，道路、河流等线状地物和行政住址、瞭望塔等点状地物进行矢量化，矢量化的文件可以下载后添加到ARCGIS中进行再编辑。

3.1矢量化目标

在Google Earth中，用添加地标、路径和多边形工具，按点、线、面分别对目标进行矢量化。将矢量化图形保存为KML格式的文件。KML是由Google公司开发的基于XML的地理信息编码规范，是严格遵守XML标准的。KML语言中可以包含HTML语言，实现地理信息数据结构标准化，可用于数据的交换与传递，实现开放式的地理信息共享与互操作。KML是一个文本文件，可在文本编辑软件中进行代码的编写，用标签的方式来描述地理信息，简单易懂。由于目前Google Earth的用户数量庞大，一些著名的GIS软件也提供了对KML的支持，如ARCMAP、FME等，可以方便地将KML文件转换为SHAPE等交换格式.[2]。

3.2文件格式转换

在Google Earth矢量化得到的KML文件要在ARCMAP中转换成SHP格式的文件后才能再编辑。SHP文件格式是美国ESRI开发的ARCGIS专用资料格式，它将地理空间信息以坐标点串的形式存储起来，现已成为GIS的一种标准格式，几乎所有的GIS软件都支持对它的转换甚至支持对其直接进行读写操作，SHP文件格式已成为各GIS系统的交换文件格式。

在ARCMAP中，先用ARCTOOLBOX转换工具箱中的KML转图层工具，把KML文件转换成图层文件，再用转为Shapefile工具箱中的要素类转Shapefile工具，将图层文件转换成SHP格式的文件。

3.3坐标投影变换

由于Google Earth的坐标系统是WGS-84坐标系，而地形图大多采用西安80投影坐标系，因此需要进行坐标投影变换后才能配合地形图进行再编辑。

3.3.1创建自定义坐标变换

把WGS-84坐标转换为西安80坐标，是在不同的坐标系统中转换，其转换参数是国家机密。可以采用当地的GPS坐标转换参数，用MOLODENSKY三参数转换法转换.[4]，一般可以达到林业调查规划的精度要求。

在ARCMAP中，用ARCTOOLBOX数据管理工具箱中的创建自定义地理变换工具创建自定义坐标变换，在创建窗口对话框中输入地理坐标变换名称、输入地理坐标系（选择WGS-84地理坐标）、输出地理坐标系（选择西安80投影坐标）、转换方法（MOLODENSKY）、X、Y、Z轴平移（即当地的GPS坐标转换参数dx、dy、dz）等参数后即可创建自定义坐标变换。在输入平移参数时要注意平移方向，确定平移参数的正、负。

3.3.2坐标投影变换

在ARCMAP中，用ARCTOOLBOX数据管理工具箱中的要素投影工具采用上述自定义的地理变换，把WGS-84地理坐标变换为西安80投影坐标。经投影变换后即可在ARCMAP中配合地形图进行编辑。

4下载Google Earth卫星影像图

Google Earth在线提供了免费的卫星影像图，这些卫星影像图具有较强的时效性，一般在近1～3年内，清晰度高，大部分地区的影像分辨率为2.5～4.0m，部分高清晰影像的分辨率可达0.5m，能满足林业调查规划的精度要求。将Google Earth卫星影像图下载到本地，经坐标投影变换后可以在GIS系统中配合地形图使用。

4.1下载拼接卫星影像图

在Google Earth上下载卫星影像图，可以用谷歌卫星地图下载器进行下载。在谷歌卫星地图下载器中，找到目标区域后，用框选下载区域工具框选目标区域，确定下载级别（一般选18级）后在下载区域中双击鼠标左键即可自动下载卫星影像图。下载完成后导出并拼接成卫星影像图，保存为Tiff格式的文件。

4.2坐标配准

2012年9月起，Google Earth海外服务器的多个IP地址被中国国家防火墙封锁，在中国大陆境内的用户经常无法直接访问，用谷歌卫星地图下载器下载的卫星影像图是从国内服务器上下载的，因国家保密需要，国内服务器上Google Earth的坐标进行了偏移处理，下载的卫片需要进行坐标配准。

（1）定义坐标。下载后的卫星影像图是Tiff格式的文件，在坐标配准前需要在ARCMAP中将其坐标定义为WGS-84地理坐标。

（2）坐标投影。在ARCMAP中，用ARCTOOLBOX数据管理工具箱中的投影栅格工具采用自定义的地理变换，把WGS-84地理坐标变换为西安80投影坐标。

（3）坐标配准。因下载的卫星影像图的坐标进行了偏移处理，偏移参数是国家机密而难以获取，需要对投影后的卫星影像图进行配准。在ARCMAP中，添加下载处理后的卫星影像图，并添加具有西安80坐标信息的地形图作为配准参考图，在卫星影像图和参考地形图上均匀选择公共参考点，用一阶多项式变换法将卫星影像图配准到正确的坐标位置。经过坐标配准后的卫星影像图就可以在林业调查规划工作中应用了。

5在Google Earth上调查规划成果

林业调查规划会形成大量的图形数据，如森林资源分布图、生态公益林分布、林业工程建设规划图、森林防火信息图等，将这些调查规划成果图到Google Earth上，可以结合政务公开供广大公众浏览，向社会充分展示调查规划成果和林业建设成就.[3]。

5.1SHP文件属性整理

现在林业调查规划，多用ARCGIS进行，调查规划成果一般保存为SHP格式文件，其中包含大量的属性信息，在到Google Earth前，需要进行属性整理，删除不必要的和不宜公开的属性，只保留重要的、可以公开的属性，保留属性应尽量简洁明了，便于在Google Earth中查看。

5.2坐标变换

林业调查规划，一般采用地形图进行，其坐标系统多为西安80坐标，形成的SHP格式的成果文件，需要变换为Google Earth所采用的WGS-84坐标系。

用ARCTOOLBOX数据管理工具箱中的创建自定义地理变换工具创建自定义地理变换，使用当地GPS坐标转换参数，平移方向与WGS84坐标转西安80坐标方向相反。

用ARCTOOLBOX数据管理工具箱中的要素投影工具采用自定义的地理变换，把西安80投影坐标变换为WGS-84地理坐标。

5.3文件格式转换

SHP格式的文件需转换成KML格式后才能在Google Earth中浏览。在ARCMAP中，先将SHP格式的文件导出为要素类，然后将导出的要素类添加到ARCMAP中，用ARCTOOLBOX转换工具箱中的图层转KML文件工具把要素类文件转换为KML格式的文件，通过这两个步骤进行文件转换，能保证文件属性不丢失。

5.4到Google Earth上

林业调查规划成果图转换成KML格式文件后，可以在局域网内共享，可以在相关网站上，供广大公众下载。

KML文件下载到本地电脑后，在Google Earth中，通过文件菜单下的打开命令，把转KML文件导入到Google Earth后就可以方便快捷地浏览了。

参考文献：

[1] 肖玲.基于Google Earth 的林业调查规划应用研究[J].内蒙古林业调查设计，2012，35（2）：106～107.