激光遙感技術精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的激光遙感技術主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：激光遙感技術范文

關鍵詞：高光譜；冠層光譜反射率；逐步判別分析；特征參量選取

中圖分類號： S127 文獻標識碼：A DOI 編碼：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

高光譜遙感在為樹種的精細識別帶來可能性的同時，也帶來了數據冗余的問題。如何有效地利用高光譜數據的最大信息，同時又能較快地處理高光譜數據成為高光譜遙感研究的熱點和未來的發展方向[1-3]。在新疆林果產業化的進程中，特色林果產業的信息化建設明顯滯后，傳統調查方式以多光譜遙感和地面輔助調查為主，這不僅費時、耗力，且周期較長，而快速、準確掌握特色林果資源布局、規模等基本信息已經成為新疆特色林果產業快速健康發展的迫切需求，林果樹種的遙感識別就是這一工作的核心內容。因此，林果樹種的遙感識別在特色林果產業的可持續經營中具有重要的現實意義[4-6]。

綠色植被的光譜曲線雖然在整體趨勢上具有相似性，但是不同植被類型甚至不同個體間的光譜都會存在一些細微差異，這些差異性往往集中表現在植被光譜曲線的一些特征位置點和特征參量上。在可見光范圍內，常用的特征位置點主要包括“藍邊”、“黃邊”、“紅邊”、“綠峰”、“紅谷”和 “近紅外平臺”等[7-10]，根據這些特征位置點還能夠延伸出藍邊斜率、黃邊斜率、紅邊斜率、包絡線斜率、藍邊面積、黃邊面積、紅邊面積和紅谷凈深度等特征參量[11]。不同植被在這些特征波段范圍的光譜反射率差異較大，它們不僅能反映出植被健康狀況的變化特征[12]，同時還能作為植被識別的主要特征波段[13]。有研究表明，在雪松、樟樹、側柏等主要城市綠化樹種的識別過程中，采用特征參數的選擇，經距離判別分析后樹種的識別精度均可以達到95.00%以上[14]。而在樟樹、馬尾松、荷花玉蘭的識別中，采用特征參數的選擇，神經網絡判別樹種識別總精度也可達到93.33%[13]。

可見，在樹種識別過程中，有效特征位置點的選擇能夠在很大程度上提高樹種識別精度。然而關于林果樹種的遙感識別的文獻并不常見，本研究以5種果樹不同的特征位置參量為數據源，利用逐步判別分析進行樹種分類識別并選擇最敏感的樹種識別特征參量。

1 材料和方法

1.1 材 料

試驗于2012年7月在新疆阿克蘇市紅旗坡農場新疆農業大學教學科研實習基地（地理坐標N41°17′56.42″～N41°18′56.16″、E80°20′23″～E80°20′56.16″，海拔1 215 m）進行。試驗對象為南疆塔里木盆地5種主栽果樹樹種：紅富士蘋果（Malus pumila Mill）、庫爾勒香梨（Pyru-bretschneideri Rehd）、核桃（Juglans regia Linn）、紅棗（Ziziphus zizyphus Mill）和杏（Armeniaca vulgaris Lam）。試驗區果樹為東西行向栽植。

1.2 樣株選擇

樣本選擇均為結構良好的冠型，蘋果、核桃、杏為中冠型，香梨、紅棗為小冠型。選擇的樣本均掛果較多，蘋果、核桃處于著色期、香梨處于彭大期、紅棗處于開花坐果期、杏處于成熟期。共選擇總樣本209株。基本生長狀況如表1所示。

1.3 光譜數據采集

試驗時間選擇在南疆果樹生長最為旺盛的7月，在晴朗無風的天氣條件下，選擇正午太陽高度角變化不大的時間段（北京時間12：00―16：00）進行5種果樹冠層光譜反射率數據測量。光譜測定儀器為美國PP Systems公司生產的UniSpec-SC（單通道）便攜式光譜分析儀，該型號光譜儀可以在可見光＼近紅外310～1 130 nm波長范圍內進行連續測量，光譜分辨率為1 nm，最大視場角為20°。測量時，光譜儀探頭垂直向下，與冠幅距離約1.5 m左右并且根據所選樣本冠幅大小調整探頭與冠幅的距離，對冠層行測量。每個樣株重復測量5次。為保證數據的準確性，每測一個單個樣本進行一次參考板矯正。在去除異常光譜曲線后每個樹種均保留30個樣本供研究。

1.4 特征參量定義

光譜曲線由于植被色素以及自身原因的會產生一定的峰谷值。由于植被的色素、微量元素的含量以及葉面結構的不同都會導致不同的植被出現走勢類似，但依然有差別的光譜曲線，而這些光譜曲線都較明顯地出現在這些峰谷值上，這些具有代表性的波段處就形成了一些常用的特征位置點。因此，本研究擬采用這些特征位置點做樹種識別。在所選波段范圍內，常用的特征位置點分別為“藍邊”、“黃邊”、“紅邊”、“綠峰”、“紅谷”、“近紅外平臺”等6個特征位置點（表2）。

2 結果與分析

2.1 果樹冠層光譜原始全波段數據光譜特征及精度分析

2.1.1 原始全段數據的光譜曲線特征 在去除光譜數據中受首尾噪聲影響的波段后，繪制南疆5種果樹冠層光譜曲線圖（圖1）。從圖1可以看出，5種果樹冠層光譜走勢整體上非常相似，但是在525～575 nm、675～720 nm以及750～850 nm這3個波段范圍內曲線分離度較大，表現出了明顯的差異性。特別是在550 nm、680 nm這2個波段處5種果樹反射率差異極顯著（P

2.1.2 原始全段數據的樹種分類結果 采用逐步判別分析法進行5種果樹樹種的高光譜識別研究，從冠層光譜反射率數據的樹種識別結果（表3）中可以看出，樹種的總識別精度為72.00%，可分性較好的樹種為香梨，分類精度可達93.33%，其他4種果樹的分類效果相對較差，特別是蘋果識別精度僅有60.00%，大部分錯分為了杏和紅棗。

2.2 特征位置點選取與樹種識別精度評價

2.2.1 特征位置點選取結果 分別對5種果樹樹種（蘋果、香梨、核桃、紅棗和杏）的30個樣本分別取均值，得到相應樹種的均值光譜曲線，分別計算出5種果樹樹種的冠層光譜的藍邊位置、黃邊位置、紅邊位置、綠峰位置、紅谷和近紅外平臺6個特征位置點（表4和圖2）。同時，根據已選特征位置點計算8個特征參量：藍邊斜率（DA）、黃邊斜率（DE）、紅邊斜率（FE）、包絡線斜率（DF）、藍邊面積（SA）、黃邊面積（SB）、紅邊面積（SC）和紅谷凈深度（HE）。

在450～900 nm波長范圍內選擇的6個特征位置點“藍邊”、“黃邊”、“紅邊”、“綠峰”、“紅谷”、“近紅外平臺”分別用A、B、C、D、E、F字母表示。本研究的5種果樹冠層均值光譜曲線上的6個特征位置點分布非常集中，其“藍邊”、“黃邊”、“紅邊”、“綠峰”、“紅谷”和“近紅外平臺”6個特征位置點分別集中在524，598，724，553，676 ，753 nm附近。特征參量中藍邊斜率（DA）、黃邊斜率（DE）、紅邊斜率（FE）和包絡線斜率（DF）反映了524～553 nm、553～676 nm、676～753 nm和553～753 nm這4個波段范圍的光譜曲線特征。而藍邊面積（SA）、黃邊面積（SB）、紅邊面積（SC）和紅谷凈深度（HE）4個特征參數反映了490～530 nm、560～640 nm、680～760 nm以及553～753 nm這4個波段范圍內的光譜曲線特征。由此可見，選擇的6個特征位置點和8個特征位置參量在光譜序列上的特定位置基本能夠表征出可見光至近紅外波段的植被光譜特征（表4和圖2）。

2.2.2 基于不同特征參數的果樹冠層光譜分類及精度分析 為檢驗上述6個特征位置點和8個特征參量的樹種識別效果，經逐步判別分析后分類結果如下（表5）。

從樹種識別結果來看，與全波段數據的分類結果相比，經過特征位置點和特征參量的提取后，樹種的總分類精度由全波段數據的72.00%提高到了86.67%。核桃的分類精度最高為96.00%，較原始數據有了明顯的提高，錯分幾率僅為3.33%，30個核桃樣本中僅有3.33%錯分為蘋果；香梨和紅棗的識別精度也相對較高，均為90.00%，錯分幾率為10.00%，香梨較原始波段的識別精度均有一定的下降，但是紅棗卻較原始數據的分類精度提高了16.67%；蘋果的分類精度有了大幅度的提高由原來的60.00%提高到了86.67%，錯分幾率為13.33%，與杏和紅棗發生了很大程度的混淆；杏的分類精度最低為70.00%，錯分幾率最大，為30.00%，大部分錯分為蘋果，并且與香梨發生了一定程度的混淆現象。由此說明，采用基于果樹冠層光譜特征位置點和特征參量進行果樹樹種識別時，5種果樹中核桃、香梨、紅棗和蘋果識別精度相對較高，而杏的識別精度相對較低。

2.2.3 樹種識別的有效特征位置點及特征參量提取 參與樹種識別的14特征參量經逐步判別分析后僅保留了8個，包括4個特征位置點和4個特征參量。從他們所處的光譜波段來看，藍邊位置、黃邊位置、紅邊位置和近紅外平臺分別位于524，598，724，753 nm波段；而藍邊面積、藍邊斜率、黃邊面積和紅邊面積分別位于490～530 nm、524～553 nm、560～640 nm和680～760 nm波段范圍內，這些特征位置點和特征參量的波段分布范圍基本涵蓋了整個可見光和近紅外波段，且依樹種不同表現出較大差異，而這些差異可能是由于各樹種葉片色素含量、葉片形狀、大小、冠型等特征的差異所致。因此，可以認為這4個特征位置點和4個特征參量是進行5種果樹樹種分類的重要敏感波段區間（表6）。

3 討 論

根據光譜特征選擇的特征位置點具有穩定性，或者是在一定范圍之內的[11]。本研究根據光譜特征選取了6個特征位置點，分別為藍邊位置、黃邊位置、紅邊位置、綠峰位置、紅谷位置以及近紅外平臺。有研究曾提出一種針對植被光譜維特征的提取模型，主要提取了8個特征位置點，認為這8個特征位置點十分恒定，分別為藍紫波段吸收峰、藍邊位置、綠峰位置、黃邊位置、紅谷位置、近紅外平臺和近紅外反射率最大點，對應波段分別為404，525，556，573，671，723，758，900 nm。本研究選取的6個特征位置點均位于這些特征位置點的附近[11]。

在特征位置點和特征參量參與下能夠在很大程度上提高樹種識別的精度，本研究選取了14個特征位置點與特征參量，篩選出對果樹樹種識別敏感的8個參量（藍邊位置、黃邊位置、紅邊位置、近紅外平臺、藍邊面積、藍邊斜率、黃邊面積和紅邊面積），樹種識別總精度為86.67%，明顯高與全波段參與的樹種分類的總精度72.00%。李永亮等運用神經網絡分類法對樟樹、馬尾松、荷花玉蘭3種樹種進行了識別研究，在波段選擇時選用了“紅邊”、“紅谷”和“紅谷位置”3個特征位置點以及黃邊面積、紅谷面積、紅邊面積和紅邊寬度4個特征參量。結果表明，運用這些特征位置點和特征參量可以識別出了全部的馬尾松成熟林與樟樹幼樹，總識別精度可達93.33%[13]。何詩靜等[14-15] 在做城市樹種識別時，選取了藍紫波段吸收峰、藍邊位置、綠峰位置、黃邊位置、紅谷位置、近紅外平臺這7個特征位置點，作為樹種識別的主要波段，取得了95.00%以上的分類精度。這說明特征位置點與特征參量組合可以在很大程度上提高樹種識別的精度。但由于植被類型差異，所選的特征位置點和特征參量類型及數量也會有所不同。

4 結 論

（1）特征參數的選取能夠在很大程度上提高樹種識別的精度，本研究選取了14個特征位置點與特征參量，篩選出對果樹樹種識別敏感的8個參量（藍邊位置、黃邊位置、紅邊位置、近紅外平臺、藍邊面積、藍邊斜率、黃邊面積和紅邊面積），樹種識別總精度為86.67%，明顯高與全波段參與的樹種分類的總精度72.00%。

（2）在基于特征參數光譜數據的南疆盆地主栽5種果樹樹種識別研究中，藍邊位置、黃邊位置、紅邊位置和近紅外平臺4個特征位置點以及藍邊面積、藍邊斜率、黃邊面積、紅邊面積4個特征參量是樹種分類的重要敏感波段區間。從他們所處的光譜波段來看，藍邊位置、黃邊位置、紅邊位置和近紅外平臺分別位于524，598，724，753 nm波段；而藍邊面積、藍邊斜率、黃邊面積和紅邊面積分別位于490～530 nm、524～553 nm、560～640 nm和680～760 nm波段范圍內。

參考文獻：

[1] 陳述澎，童慶喜，郭華東，等.遙感信息機理研究[M].北京：科學出版社，1998：139.

[2] 王志輝.高光譜遙感在森林樹種識別中的應用[D].杭州：浙江農林大學，2011.

[3] 褚希鵬.基于葉片非成像高光譜數據樹種分類[D].浙江：浙江農林大學，2012.

[4] 陳國芳，尼和邁提?霍嘉.新疆林果業產業化發展的對策建議[J] .新疆農業科學，2005，42（S1）：211-212.

[5] 李金葉， 袁強， 蔣慧.基于區域適應性的特色林果業發展探討[J] .新疆農業科學，2010，47（4）：741-749.

[6] 孫蘭鳳.可持續視角下的新疆特色林果業發展研究[D].烏魯木齊：新疆農業大學，2009.

[7] 尹小君.新疆加工番茄主要病蟲害遙感監測方法與應用[M].北京：中國農業大學出版社，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] 譚倩，趙永超，童慶禧，等.植物光譜維特征提取模型[J].遙感信息，2001（1）：14-18.

[12] 胡珍珠.輪臺白杏葉片營養元素濃度光譜估算模型[D].烏魯木齊：新疆農業大學，2013.

[13] 李永亮，林輝，孫華，等.基于BP神經網絡的森林樹種分類研究[J].中南林業大學學報，2010，30（11）：43-46.

第2篇：激光遙感技術范文

②遙感技術興起于上世紀60年代，是指從遠距離感知目標反射、輻射或散射的可見光、紅外線、微波電磁波，從而對目標進行探測和識別的科學技術。人類目力有限，遙感技術的出現，讓人類仿佛擁有了另一雙可以無限感知地球的“千里眼”。

③今年4月22日，國務院總理主持召開了部署蘆山地震抗震救災工作會議，在身后掛著一幅蘆山縣震后航空影像圖。這幅影像圖對抗震決策起到至關重要的作用。它是由中國科學院遙感與數字地球研究所（以下簡稱遙感地球所）提供的。遙感作業時間是4月20日11點，距離地震發生剛剛過去3個小時。那么科研人員怎么利用遙感技術評估判斷地震災情呢？

④遙感地球所航空遙感中心主任李震說：“遙感航拍得到的高分辨率影像，能請楚地辨識建筑物、道路、河流、車輛等地面信息。科研人員運用專業知識，與震前的遙感觀測數據比對，就能夠判斷建筑物和道路的受損情況，道路上堆積的滑坡物大小、滑坡的土方量等等，發現潛在的山體垮塌、堰塞湖等次生災害，并確定財產損失的基本情況，確定救援所需投入的人力、物力等。”總之，利用遙感技術監測和評估災情，具有定位準、速度快的特點，可以第一時間獲取災情數據，服務抗震救災。

⑤今年1月，我國中東部地區發生了數次極端強霧霾，主流觀點認為，污染物排放量大，靜穩天氣、擴散條件不利，區域污染和本地污染貢獻疊加等是導致強霧霾的主要原因。遙感地球所陳良富研究員基于遙感衛星觀測數據的統計與分析提出，除了人為排放引起的本地污染濃度上升這一內在原因外，水汽、浮塵是造成霧霾來襲、能見度急劇下降的重要外部原因。

⑥目前，對霧霾主要靠地面監測，但地面監測站只能監測地上幾米高范圍內的PM2.5數值。而灰霾隨高度變化，分布不一樣。利用激光遙感手段能獲得霾的垂直分布情況，反映整個區域霾的二維甚至三維情況。如果不科學地認識極端強霧霾的發生機理，就容易判斷錯誤，認為都是由排放的污染物引起的，在治理上進入誤區。要得出科學判斷，僅憑地面一種觀測手段是不夠的，還需要衛星遙感觀測手段來補充，更全面客觀地掌握大氣污染狀況。

⑦另外，遙感技術對自然遺產和文化遺產的發現和保護的作用也不容小覷。應用遙感技術，美國考古學家發現了沉沒海底數千年的古埃及名城亞歷山大；希臘考古學家用紅外影像在科林斯灣發現了公元前373年毀于地震的古城“Hekike”；遙感地球所郭華東課題組利用雷達遙感技術發現了阿拉善高原干沙覆蓋下的古河湖串聯系統和明、隋古長城……遙感技術也十分適用于文化遺產保護，它的優勢在于能獲得物體的三維圖像。若能及早對文化遺產進行三維掃描，將來就可按照計算機模型對其進行復原。更重要的是，科學家還能依據這些數據分析破壞發生的原因，如溫度、風力、濕度等，從而指導文物部門進行更加精細的修復。

⑧總之，近些年，我國遙感技術發展迅速，在_______________等方面廣泛應用。

（文章選自2013年5月13日《人民日報》，有刪減）

【閱讀訓練】

1.請聯系全文內容，將第⑧段空白部分補充完整。

2.閱讀下面句子，聯系上下文，探究括號中的問題。

（1）人類目力有限，遙感技術的出現，讓人類仿佛擁有了另一雙可以無限感知地球的“千里眼”。（為什么說遙感技術是“千里眼”？）

（2）這幅影像圖對抗震決策起到至關重要的作用。（加點詞為什么不能刪去？）

3.第⑦段中列舉美國、希臘、中國等國專家應用遙感技術的事例有何作用？

4.閱讀下面材料，結合文章內容，回答問題。

材料：龍門石窟位于洛陽市區南面12公里處，歷經東西魏至宋，雕鑿斷斷續續達400年之久，至今已有1500余年歷史。它密布于伊水東西兩山的峭壁上，南北長達1公里，現存窟龕2345個，題記和碑刻2680余品，佛塔70余座，造像10萬余尊。其中最大的佛像高達17.14米。最小的僅有2厘米。這些都體現出了我國古代勞動人民極高的藝術造詣。但其風化侵蝕嚴重，如何加以保護一直是個難題。

第3篇：激光遙感技術范文

[關鍵詞]信息化測繪； 技術預見； 信息化測繪體系

中圖分類號：G201 文獻標識碼：A 文章編號：1009-914X（2015）03-0050-01

1 引言

20世紀90年代以來，技術預見已經成為一股世界潮流， 無論日本、德國、英國等發達國家還是發展中國家都積極醞 釀、開展國家技術預見活動。當前， 技術預見活動不僅推廣到世界上許多國家，并開始得到諸如聯合國工業發展組織、 亞太經濟合作組織、國際經濟合作與發展組織等國際組織的 重視和運用， 全球性的技術預見趨勢已經形成。 測繪科技進步與創新是測繪事業發展的不竭動力。當前，我國測繪現代化已全面完成數字化測繪技術體系建設，正邁進信息化體系建設的新階段。為此，需要在國家層面 開展技術預見活動， 以便調動全局力量，集中有限資源在 重點的關鍵技術領域實現突破，加快測繪科技進步與創新。本文針對信息化時代測繪發展的地理信息獲取實時化、處 理自動化、服務網絡化、應用社會化的總體發展趨勢，預測提出了未來15年影響測繪發展的12項關鍵技術。

2 信息化測繪的基本特征

準確把握信息化測繪的基本特征，是做好信息化測繪 關鍵技術預測工作的重要基礎和前提。1）數據獲取實時化 地理信息數據的獲取主要依賴于空間對地觀測技術手段，包括快速衛星定位技術、航空航天遙感技術等， 可以動態和快速地獲取測繪定位數據、遙感影像數據和其他測 繪需要的數據。 2）數據處理自動化在地理信息數據的采集、處理、管理、更新和應用過 程中廣泛采用自動化、智能化技術，可以實現對數據的快 速或實時處理，滿足經濟社會發展和人民生活的緊迫需求，滿足地理信息快速更新、實時更新的需要。3）信息服務網絡化地理信息傳輸交換和服務主要在網絡上進行，可以對 分布在各地的地理信息進行檢索、訪問、瀏覽、下載和支付，任何人、在任何時候、任何地方都可以得到所需要的、權限范圍內的地理信息服務。網絡化地理信息分發服務是信息化測繪的突出標志。4）信息應用社會化 地理信息服務領域更加廣泛，為社會提供的產品更加多樣化，企業成為服務的主體，地理信息應用無處不在，地理信息資源得到高效利用，并在經濟社會發展和人民生活中發揮更大的作用。

3 信息化測繪重大關鍵技術遴選的基本思路

1） 要與國家科技發展的總體戰略部署相銜接 測繪是經濟社會發展的一項基礎性工作，測繪科技發 展必須與國家科學和技術發展的總體規劃緊密銜接。為此，要加強與 國家中長期科學和技術發展規劃綱要 （ 2006年- 2020年 ）中的相關重大專項和前沿技術的銜接。2） 要符合信息化測繪體系建設的基本要求當前，國內外測繪正朝著地理信息數據獲取實時化、 處理自動化、產品知識化、服務網絡化和應用社會化的方 向發展。未來影響測繪發展的重大關鍵技術，必須是能夠 有力地引領和推動測繪信息化發展的、能夠使測繪保障服務手段和方式產生革命性變化的核心技術。3） 要綜合考慮各類技術的代表性和前瞻性為使所遴選的技術更具代表性、前瞻性、影響力、全局 性和實用性， 需加以綜合分析和統籌考慮。本文研究提出的 關鍵技術主要包括以下三種類型： 第一類是極具前瞻性和國 際前沿性的技術。

4 信息化測繪的重大關鍵技術

1） 現代測繪基準體系建設與維護技術 現代測繪基準體系建設與維護技術是指構建和維護與現代空間信息科學技術發展狀況相適應的現代測繪基準體 系的技術的總稱，主要包括國際地球參考框架精化技術、 坐標系轉換技術、厘米級大地水準面精化技術、天體參考 框架構建技術、高精度衛星自主定軌技術等。當前，世界各國都在不斷建設和完善各自的測繪基準體系， 地心坐標 系統取代參心坐標系統已經成為一種趨勢，實現全球高程 系統的統一已不是遙遠的將來，利用地面跟蹤衛星的觀測資料發展全球低階重力場模型和高精度全球大地水準面正方興未艾。該項技術的實現，將把傳統的參心、局域、靜態的測繪基準體系改建成具有高精度、全地域、動態、多 功能、三維、地心等特點的新體系，實現對地球形態完整 和精確的認知，帶來大地測量領域的歷史性進步。 2）衛星精密測高技術衛星精密測高技術是指基于衛星重力探測技術和廣義相對論理論獲取高精度海拔高程的技術的總稱。3）綜合導航定位技術 綜合導航定位技術主要包括單點快速高精度定位技術、 地下智能探測和定位技術、水下高精度定位技術和室內定 位技術等。4）移動測量技術移動測量技術主要包括多傳感器集成技術、傳感器時 間和空間同步技術、系統檢校技術、地理參考技術、道路 幾何特征的快速重建和交通標志的自動提取技術等。 5） 主動遙感測圖技術 主動遙感測圖技術是常規可見光紅外遙感的重要補充， 指利用不同載體搭載的傳感器向地面發射電磁波，根據地 面反射或散射回來的電磁波對地面進行成像或建模的技術 的總稱，可分為激光遙感成像技術和微波遙感成像技術兩大類。6）智能化地球觀測衛星技術 智能化地球觀測衛星技術是構建智能對地觀測系統 （IEOS）的重要關鍵技術，主要包括小衛星技術、衛星編隊與組網技術、多源衛星遙感影像自動處理技術、數據高速傳輸技術和新型傳感器技術等。當前， 智能對地觀測系統已經逐步從理論走向實際，衛星編隊與組網技術已從設想發展到試驗探索階段，小衛星技術也有了長足發展。

6 結束語

本文在對土地利用基礎圖件更新技術體系綜合評價分 析的基礎上，分析了 RS/GIS/GPS技術應用于土地利用基 礎圖件更新的優越性，提出了一套基于3S集成技術的 土地利用基礎圖件更新技術方法與流程，并將其應用于縣級110 000比例尺的土地利用圖件與數據更新。針對我國具體國情和圖件更新作業特點，構建了土地利用基礎圖件 與數據更新軟件系統，將整個圖件更新作業流程一體化功能集成，通過實踐應用不斷對軟件優化和完善，滿足了土地利用更新調查應用需求，實現了土地利用基礎圖件的快速更新。

參考文獻

[1] 曾鈺，等縣級土地利用基礎圖件更新方法優化研究 [J] 遙感信息， 2006，（3）：22-25.

[2] 張繼賢， 楊貴軍 單一時相遙感數據土地利用與覆蓋變化自動檢測方法 [J] 遙感學報，2005，（3）：294-299.