《地理信息系统应用》教案能选择合适的地理信息数据源汇总文档格式.docx
《《地理信息系统应用》教案能选择合适的地理信息数据源汇总文档格式.docx》由会员分享，可在线阅读，更多相关《《地理信息系统应用》教案能选择合适的地理信息数据源汇总文档格式.docx（15页珍藏版）》请在冰点文库上搜索。
遥感技术获取信息具有范围大、速度快、信息广的特点，长期在地球轨道上运行的遥感卫星可以时时刻刻向地面传送探测到的信息。
遥感信息中有空间位置信息，也有属性信息。
目前遥感影像已经在土地、地质、水文、土壤、植被、气象等多个行业中获得了成功的应用。
例如土地管理部门已经成功将遥感技术运用于土地利用现状调查和土地利用的动态监测中。
数字化测绘数据
随着测绘仪器的更新和测绘技术、计算机技术的发展，传统的测绘技术方法逐渐被数字测绘技术方法所取代。
各种测绘新技术可直接获得矢量数据，主要有GPS的定位数据、全站仪外业实测数据、全数字摄影测量数据等。
这些数据可以形成高精度的地形、地籍和其他专题电子地图，是GIS的一个很准确和很现势的资料。
其他GIS数据源
1．实验观测数据
目前，随着各种专题图件的制作和各种GIS系统的建立，直接获取图形数据和属性数据的可能性越来越大。
数字数据也成为GIS信息源不可缺少的部分，对实验观测数据的利用要注意数据格式、数据精度、可信度的问题。
2．社会经济数据
国民经济的各种统计数据常常也是GIS的数据源。
如人口数量、人口构成、国民生产总值等等。
3．各种文字报告和立法文件
各种文字报告和立法文件在一些管理类的GIS系统中，有很大的应用，如在城市规划管理信息系统中，各种城市管理法规及规划报告在规划管理工作中起着很大的作用。
对于一个多用途的或综合型的系统，一般都要建立一个大而灵活的数据库，以支持其非常广泛的应用范围。
而对于专题型和区域型统一的系统，则数据类型与系统功能之间具有非常密切的关系。
二、GIS数据特征
如前所述，表达地理实体的GIS数据一般具有三个基本特征：
属性特征（非定位数据），表示实际现象或特征，例如变量、级别、数量特征和名称等等。
空间特征（定位数据），表示现象的空间位置或现在所处的地理位置。
空间特征又称为几何特征或定位特征，一般以坐标数据表示，例如笛卡尔坐标等。
时间特征（时间尺度），指现象或物体随时间的变化，其变化的周期有超短期的、短期的、中期的、长期的等等。
知识点二几何数据的采集
数据采集是将现有的地图、外业观测成果、航空相片、遥感图像、文本资料等转成计算机可以处理与接收的数字形式，它是构建地理信息数据库的首要工作。
主要包括三方面的工作即：
几何数据的采集；
属性数据的采集；
几何数据与属性数据的连接。
在GIS的几何数据采集中，目前主要包括地图跟踪数字化，基于遥感影像进行数据提取，地图扫描矢量化进行数据提取，数据转换获得几何数据，基于外业电子数据采集获取几何数据等几种方法。
地图跟踪数字化
跟踪数字化（tracingdigitizing）是目前应用最广泛的一种地图数字化方式，是通过记录数字化板上的点的平面坐标来获取矢量数据的。
其基本过程是：
将需要数字化的图件（地图、航片等）固定在数字化板上，然后设定数字化范围，输入有关参数，设置特征码清单，选择数字化方式（点方式和流方式等），就可以按地图要素的类别分别实施图形数字化了。
基于遥感影像进行数据提取
遥感是以航空摄影技术为基础发展起来的，它利用遥感器从空中来探测地面物体，根据不同物体对波谱产生不同响应的原理，识别地面上各类地物。
遥测的结果如果是记录在照片上，得到光学图像；
如果是数字方式记录下来（一般是把模拟信号转换成数字信息），得到数字图像。
无论是光学图像还是数字图像都必须经过处理才能获得所需要的信息。
影像处理的内容包括几何纠正、信息增强、信息提取以及信息复合和分类等步骤。
以数字正射影像图（DOM）为数据源，依据影像特征，获取土地利用信息的内业解译工艺流程如图2.2。
地图扫描数字化
地图扫描数字化是目前较为先进的地图数字化方式，也是今后的发展方向，但要实现完全自动化还要做大量艰苦的努力，目前所能提供的扫描数字化软件是半自动化的，还需做相当一部分的人机交互工作。
地图扫描数字化的基本思想是：
首先通过扫描将地图转换为栅格数据，然后采用栅格数据矢量化的技术追踪出线和面，采用模式识别技术识别出点和注记，并根据地图内容和地图符号的关系，自动给矢量数据赋以属性值。
与地图跟踪数字化相比，地图扫描数字化具有速度快、精度高、自动化程度高等优点，正在成为GIS中最主要的地图数字化方式。
数据转换获得几何数据
随着地理信息建设水平的不断成熟，充分利用已有其它数据格式的数据已经成为获取几何数据的重要途径。
在进行数据转换前应先进行数据格式、数学基础、数据精度、现势性等方面的检查，然后进行数据转换和相应处理。
具体工艺流程见图2.3。
知识点三属性数据的采集及其与空间数据的关联
属性数据在GIS中是空间数据的组成部分。
例如，我们需要对由一条线表征的道路有一个全面的说明，就需要知道道路宽度、表面类型、建筑方法、建筑日期、入口覆盖、水管、电线、特殊交通规则、每小时的车流量等相关资料，这些信息都是道路的属性数据。
属性数据录入可分为手工录入、分析计算和直接导入三种方式。
对于从外业调查获得的纸介质属性值须手工输入。
通过数值计算（如粮食产量=土地面积×
亩产量）、空间分析等方法，对属性项进行计算赋值。
对已有土地利用数据库的属性数据或外业采集的电子形式属性数据进行转换、编辑、完善，并直接导入数据库中。
为了把空间实体的几何数据与属性数据联系起来，必须在几何数据与属性数据之间有一公共标识符，标识符可以在输入几何数据或属性数据时手工输入，也可以由系统自动生成（如用顺序号代表标识符）。
只有当几何数据与属性数据有一公共标识符后才能将几何数据与属性数据自动地连接起来（如图2.4）；
当几何数据或属性数据没有公共标识码时，只有通过人机交互的方法，如选取一个空间实体，再指定其对应的属性数据表来确定两者之间的关系，同时自动生成公共标识符。
图斑号
地类号
单位码
权属
面积（亩）
4
110
21304
j
2.15
52
21301
0.64
47
3.40
45
4.34
39
28.22
28
7.52
23
3.60
图2.4几何图斑数据与属性数据通过共有标识符“图斑号”进行联接
技能点四基于mapgis工作平台，通过监督分类与非监督分类方法解译获取遥感图像信息
这一部分，我想能否以软件介绍的方式介绍下如何在mapgis平台上实现对遥感图像的监督分类和非监督分类的实施过程
以下介绍MapGISk9影像分类功能。
（1）监督分类
监督分类是根据已知类别的样本观测值确定分类准则,然后依据该准则,通过选择特征参数（如像素亮度值、方差等）,建立判别函数,据此对影像进行分类的过程。
进行监督分类前,需要先进行分类学习,即定义分类训练AOI区,系统进行监督分类时将以定义的分类训练AOI区作为样本来确定分类准则。
系统提供了以下八种监督分类方法:
最大似然法、最小距离、广义距离、平行六面体、BP神经网络、WQZ神经网络、RBF神经网络以及高阶神经网络。
这里以最大似然法为例,最大似然法分类是经常使用的分类方法,它是通过求出每个像元对于各类别的归属概率,把该像元分到归属概率最大的类别中去的方法。
最大似然法假定训练区地物的光谱特征和自然界大部分随机现象一样,近似服从正态分布,利用训练区可求出均值、方差以及协方差等特征参数,从而可求出总体的先验概率密度函数。
当总体分布不符合正态分布时,其分类可靠性下降,这种情况下不宜采用最大似然法。
监督分类前后的效果对比如下2.5图所示（以分为四类为例）。
注:
无论采用哪一种分类方法,监督分类的前提是要求要分类的影像包含A0l信息,在这里曲于我们之前已经进行过“AOI编辑”操作,所以我们可以直接对该影像进行监督分类,同时,我们可以看到分类后的影像与我们之前所编辑的AOI区的信息是保持一致的（影像分为四类,每一类的颜色与之前编辑的AOI区的颜色保持一致）。
（2）非监督分类
非监督分类的前提是假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。
非监督分类不必对影像地物获取先验知识,仅依靠影像上不同类地物光谱信息（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。
系统提供了ISODATA、最小距离、广义距离、平行六面体、KOHONEN神经网络、ART神经网络分类、FUZZYART分类这七种非监督分类方法。
这里以非监督最小距离分类为例来进行说明。
非监督分类前后的效果对比如下图2.6所示:
（以四类为例）
图2.6
以上讲的是影像分类的有关内容,在该模块下还提供了分类后处理功能，分类后的影像做进一步的处理,包括了精度评价、小区处理、分类结果编辑、面积统计以及自动生成图例等。
分类后处理
图2.7
精度评价:
精度评价用来对分类后的影像进行精度评价,同时输出精度评价报告（txt文本文件）。
小区处理:
用于把分类后影像中小于小区俸数的区域合并到最近的较大区域中。
小区处理前后的效果对比如下图2.8所示:
图2.8
分类结果编辑:
该模块下提供了分类结果编辑功能,对手影像进行分类特别是非监督分类后分类的结果不太理想,需要对结果进行删除合并等操作,并为各类赋上有实际意义的属性值时可以用到此功能。
面积统计:
该模块下提供了面积统计功能,影像分类之后,系统会自动根据分类的信息进行统计每类的像元数和分类面积,该功能实现了对于分类后影像的各个地类的面积统计。
自动生成图例:
该模块下提供了自动生成图例功能,在影像分类之后,系统会根据分类的信息生成图例,以便后续的操作。
图2.9
感图像的解译就是从遥感图像上获取目标地物信息的过程。
一、图像解译标志
解译标志是指在遥感图像上能具体反映和判别地物或现象的影象特征。
根据上述的色调或颜色、阴影、大小、形状、纹理、图案、位置以及组合8个解译要素的综合，结合摄影时间、季节、图像的种类、比例尺、地理区域和研究对象等，可以整理出不同目标在该图像上所特有的表现形式。
即建立识别目标所依据的影象特征——解译标志。
二、遥感图像目视解译
遥感图像的目视解译是把解译者的专业知识、区域知识、遥感知识及经验介入到图像分析中去，根据遥感图像上目标及周围的影象特征一色调、形状、大小、纹理、图型等以及影象上目标的空间组合规律等，并通过地物间的相互关系，经综合推理、分析来识别目标。
（1）遥感目视解译的方法
直接判读
根据遥感影像目视判读直接标志，直接确定目标地物属性与范围的一种方法。
对比解译
包括与已知遥感图像比较、与相邻遥感影像比较等方法。
逻辑推理法
综合考虑遥感图像的多种判读特征，结合生活常识，分析，推断某种目标地物的方法。
地理相关分析法
根据地理环境中各种地理要素之间的相互依存、相互制约的关系，借助专业知识，分析推断某种地理要素性质、类型、状况与分布的方法。
即参照有关地形、地貌、地质等资料，结合遥感图像进行判读。
从线形、水系分析等方面着手，根据已知的判读标志，判读未知地段的情况。
（2）遥感目视解译一般程序
收集与分析有关资料
根据工作任务的性质、目的，收集各种资料，如遥感图像资料、地形图、地质图等。
对收集到的资料进行系统的研究分析后，制定详细的工作计划。
遥感图像的增强处理。
遥感图像的应用，主要依据图像资料进行判读，以获得所需的信息。
因此，应采用多种图像处理手段，以提高判读效果。
通常将光学图像处理和计算机图像处理等手段结合使用。
遥感图像的判读。
初步判读与判读区的野外考察。
初步判读的主要任务是掌握判读区域特点，确立典型判读样区，建立目视判读标志。
建立判读标志后，就可以在室内详细判读了。
野外验证与补判。
校对、检查、成图，综合分析，编写成果报告。
早期的目视解译多是纯人工相片解译。
随着技术的进步，发展到应用计算机进行辅助解译。
三、计算机解译
遥感图像计算机解译以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，根据遥感图像中目标地物的各种影像特征（颜色、形状、纹理与空间位置），结合专家知识库中目标地物的解译经验和成像规律等知识进行分析和推理，实现对遥感图像的理解，完成对遥感图像的解译。
常用解译方法包括：
监督分类与非监督分类方法。
（1）监督分类法：
在研究区域中选择具有代表性的训练区作为地物的标准样本，根据训练区的样本的光谱特征计算其特征参数（如样本的均值、方差等），建立识别各类地物的判别函数，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。
（2）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（即相似度大的像元归为一类）的方法。
监督分类和非监督分类方法根本区别在于是否利用训练场地来获取先验的类别知识。
监督分类的关键是选择训练场地。
训练场地要有代表性，样本数目要能够满足分类要求，此为监督分类的不足之处。
非监督分类不需要更多的先验知识，据地物的光谱统计特性进行分类。
当两地物类型对应的光谱特征差异很小时，分类效果不如监督分类效果好。
思考与练习题
1.GIS的数据源主要包括哪些？
2.GIS的数据特征包括哪些？
3.几何数据获取方法主要有哪几种？
升级会员 