1、遥感数字图像处理数字图像是指被计算机存储、处理和使用的图像，是一种空间坐标和灰度均不连续的、用离散数学表示的图像，他属于不可见图像。图像数字化包括采样和量化两个过程。1.采样 2.量化遥感数字图像的基本特点：1.便于计算机处理与分析；2.图像信息损失低；3.图像抽象性强；4.图像保存方便。遥感图像五种分辨率：光谱分辨率；空间分辨率；亮度（灰度）分辨率；时间分辨率；温度分辨率。遥感数字图像处理的内容：1.图像转换；2.数字图像校正；3.数字图像增强；4.多元信息复合；5.遥感数字图像计算机解译处理。遥感数字图像几何处理遥感图像的几何处理就是解决遥感图像的几何变形的问题，对遥感图像进行几何纠正。遥
2、感图像的几何变形误差可分为静态误差和动态误差静态误差又可分为内部误差和外部误差内部误差是由于传感器自身的性能、技术指标偏离标称数值所造成的；外部误差指的是传感器本身处在正常工作的条件下，由传感器以外的个因素所造成的误差。例如传感器的外方位（位置、姿态）变化、传感介质的不均匀、地球曲率、地形起伏、地球自传等因素所引起的变形误差。1.传感器成像几何形态带来的形变2.传感器外方位元素变化的影响3.地球起伏的影响4.地球曲率的影响5.大气折射的影响6.地球自转的影响几何处理的一般步骤：1.准备工作 2.原始数字影像输入 3.建立纠正变换函数 4.确定输入影像范围 5.象元几何位置变换 6.象元的灰度值
3、重采样 7.输出纠正数字影像重采样：1.双线性插值法；2.双三次卷积法；3.最邻近象元法；4.双像素重采样法框幅式影像（包括美国陆地资源卫星的 RBV 影像）属于纯中心投影构像，全景影像属于多中心等焦距圆柱投影，多光谱影像属于多中心扫描投影，HRV 影像属于多中心推扫扫描投影，合成孔径侧视雷达（SAR）属于多中心斜距投影，由此可见，中心投影构象是遥感影像构象的基本原理。中心投影构象原理可以看出成像相片有以下基本特点：1.地物通过摄影中心与其成像点共一条直线。2.投影中心到像平面的距离为物镜主距 f。3.地面起伏使得各处影像比例尺不同。4.地物由于成像平面的倾斜其成像会发生形变。5.具有高差的物
4、体成像在相片上有投影差。描述位置和姿态的参数称为相片的方位元素。内方为元素是表示摄影中心与相片之间相关位置的参数，外方位元素是表示摄影中心和相片在地面坐标系中的位置和姿态的参数。 航向倾角 旁向倾角 相片倾角多中心投影构像的几何纠正1.多项式纠正法：回避成像的空间几何过程，而直接对影像变形的本身进行数字模拟，认为图像变形规律可以看作为平移、缩放、旋转、放射、偏扭和弯曲以及更高次的基本变形的综合作用结果。2.共线方程纠正法：是建立在对传感器成像时的位置和姿态进行模拟和解算的基础上，即构像瞬间的像点与相应地面点位于通过传感器投影中心的一根直线上。地形起伏较大时，这种方法尤为优越。3.多图像几何配准
5、：将多图像的同名影像通过几何变换实现重叠，通常称作相对配准；将相对配准后的多图像纳入某一地图坐标系统，称作绝对配准。遥感图像的辐射校正辐射校正：消除图像数据中依附在辐射亮度中的各种失真的过程称为辐射量校正，简称辐射校正。辐射误差：传感器观测目标的反射或辐射能量时，所得到的观测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值称为辐射误差。1.因传感器的响应特性引起的辐射误差2.因大气影响引起的辐射误差。3.因太阳辐射引起的辐射误差。4.其他原因引起的辐射误差。大气辐射校正1.野外波谱测试回归分析法2.辐射传递方程计算法3.波段对比法：回归分析法；直方图法；数字图像的灰度一致化1.等概率变换
6、2.线性灰度变换直方图：横轴表示灰度级，纵轴表示每一个灰度级具有的像元书或该像元数占总像元数的比利值。我国的辐射校正场甘肃省敦煌市西部党和洪积扇区为可见光和近红外波段的绝对辐射校正场，青海省的青海湖为热红外波段的绝对辐射校正场。遥感数字图像增强处理图像增强的主要目的：改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息。图象增强的方法主要分为：空间域增强和频率域增强。图象增强的主要内容有：空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强等。空间域是指图像平面所在的二维平面，空间域增强是指在图像平面
7、上直接针对每个象元点进行处理，处理后象元的位置不变。辐射增强1.线性变换2.非线性变换3.直方图均衡化（1）统计原图像每一灰度级的像元个数和累积像元个数。（2）根据变换函数计算每一灰度级均衡化后对应的新值，并对其四舍五入取整，得到新灰度级。（3）以新值替代原灰度值，形成均衡化后的新图像。（4）根据源图像像元统计值对应找到新图像像元统计值，作出新直方图。4.直方图规定化空间增强平滑：1.均值平滑2.中值滤波3.超限像素平滑4.灰度最相近的 k 个邻点平均法5.最大均匀性平滑6.有选择保边缘平滑7.空间低通滤波法均值滤波与中值滤波的区别：1.阶跃：中值滤波后图像保持不变，阶梯保留，而均值平滑后阶梯
8、消失，边缘模糊、灰度值成渐变趋势；2.渐变：中值滤波后和均值平滑后都和源图像一样；3.脉冲：中值滤波去掉了噪声而原图像保留，均值平滑后图像会灰度值产生了起伏。锐化：1.梯度法2.Roberts 梯度3.Prewitt 和 Sobel 梯度4.Laplace 算法5.定向检测6.高通滤波法频率域增强像元的灰度值随位置变化的频繁程度可以用频率来表示，这是一种岁为止变化的空间频率。平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。频率域平滑：1.理想低通滤波器2.Butterworth 低通滤波器3.指数低通滤波器4.梯形低通滤波器频率域锐化：1.理想高通滤波器2.B
9、utterworht 高通滤波器3.指数高通滤波器4.梯形高通滤波器理想高通滤波器处理的图像边缘有抖动想象。同态滤波：是指在频率域中同时对图像亮度范围进行压缩和对图像对比度进行增强的方法。利用图像的照明模型。1.两边取对数2.快速傅立叶变换3.滤波4.傅立叶逆变换5.指数变换色彩增强伪彩色增强假彩色增强：它与伪彩色不同，假彩色增强处理的对象是同一景物的多光谱图像。标准假彩色：绿波段-蓝色，红波段-绿，近红外-红TM432，MSS421，SPOT321色彩变换：RGBIHS（亮度，色度，饱和度）1.球体变换2.圆柱体变换图像运算1.加法运算：多图像求平均值，减少加性随机噪声。2.差值运算：动态监
10、测，图像背景消除及目标识别。3.比值运算：去除地形坡度和方向引起的辐射量变化，比率图像（颜色和多光谱图像分析）。4.乘法运算：乘以掩膜图像，仅留下感兴趣的地物。5.植被指数：绿色植物叶子的细胞结构在近红外具有高发射率，其叶绿素在红光波段具有强吸收。因此在多光谱图像中，用红外/红波段图像做比值运算，在比值图像上植被区域具有高亮度值，甚至在绿色生物两很高时达到饱和，从而可以提取植被信息。（1）比值植被指数（2）归一化植被指数（3）差值植被指数（4）正交植被指数Landsat TM 4/3，Landsat MSS 7/5，Spot XS 3/2，NOAA NVHRR 2/1，IKONOS CBERS
11、 QuickBird 4/3多光谱增强多光谱增强采用对多光谱图像进行线性变换的方法，减少个波段信息之间的冗余，达到保留主要信息，压缩数据量，增和提取更具有牧师解译效果的新波段数据的目的。1、K-L 变换：又称主成分变换(PCA)或霍特林变换。变换矩阵 A 是 X 空间的协方差矩阵的特征向量矩阵的转置矩阵。K-L 变换的应用：1.数据压缩；2.图像增强；3.分类前预处理。2、L-T 变换：Kanth-Thomas 于 1976 年发现了一种线性变换，是坐标轴发生旋转，选转之后坐标轴的方向与地物，特别是和植被的生长及图土壤有密切的关系。这种变换就是 K-T变换，又称缨帽变换。MSS：y1 亮度分量
12、，主要反映了土壤反射率变化的信息；y2 绿度分量，主要反映了地面植物的绿度；y3 黄度分量，主要说明了植物的枯萎程度；y4 没有实际意义。TM：y1 亮度，TM 六个波段亮度值的加权和，反映了总体的亮度变化。y2 绿度，与亮度分量垂直，是近红外与可见光波段的对比。y3 湿度，与土壤的湿度有关。图像融合：保留高的光谱分辨率，提高空间分辨率像元级，特征级，决策级1.空间配准 2.融合融合：1.主成分分析法（参与法，替换法）2.乘法 Multipicative3.Brovey 变换4.HIS 变换（替换 I）5.高通滤波变换法，HPF遥感图像的计算机分类监督分类：基于对遥感图像上样本区内的地物的类属
13、已有先验的知识，即已经知道它所对应的地物类别，于是可以利用这些样本类别的特征作为依据来判断非样本数据的类别。监督分类：是遥感图像地物的属性不具有先验知识，纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”，事后再对已分出来各类的地物属性进行确认的过程。计算机分类的基本原理遥感图像分类就是把图像中的每个像元或区域划归为若干类别中的一种，即通过对各类地物的光谱特征分析来选择特征参数，将特征空间划分为互不重叠的子空间，然后将影像内各个像元划分到各个子空间中去，从而实现分类。通常情况下，同一类地面目标的光谱特征性比较接近，因此在特征空间的点聚集在该类的中心附近，多类目标在特征空间中形成多个点族。
14、计算机分类的一般过程：1.原始图像的预处理2.训练区的选择3.特征选择和特征提取4.图像分类运算5.检验结果6.结果输出判别函数：遥感图像分类的核心就是确定判别函数和相应的判别准则。距离判别函数1.绝对值距离2.欧几里德距离3.明斯距离4.马氏距离最大似然判别函数非监督分类：分级集群法动态聚类法迭代自组织数据分析技术（ISODATA）：1.指定控制参数2.聚类处理3.类别的取消处理4.判断迭代是否结束5.类别的分裂处理6.类别的合并处理K-Mean 算法称作 K-均值算法：通过迭代，移动各个基准类别的中心，直至得到最好的聚类结果为止。FGB 聚类监督分类训练区选择：1.具有典型代表性2.所有图
15、件的时间和空间上的一致性3.考虑同谱异物，同物异谱想象判别分类方法：1.最小距离分类法2.线性判别分析分类法3.逐步判别分析分类4.平行多面体分类5.最大似然比分类分类精度检验综合分类精度，用户精度（错分），生产者精度（漏分）Kappa 系数：(nxkk+xixj)/(n2+xixj)辅助处理技术：1.基于地形信息的计算机分类处理2.辅以纹理特征的分类方法计算机分类新方法：1.神经元分类器2.小波分类法3.模糊聚类法4.决策树分类器5.基于知识的图像分类遥感数字图像分析方法1邻域分析 neighborhood2查找分析 search3指标分析 Indes4叠加分析 overlay5归纳分析 s
16、ummary分类后处理：1.聚类统计 clump2.过滤分析 sieve3.去除分析 eliminate4.分类重编码 recode地形分析方法：1.坡度分析 slope2.坡向分析 aspect3.高程分带 level slice4.地形阴影 shaded relief5.地形校正处理ArcGIS 中的图层构面和选择线构面(2008-03-03 22:05:00)转 载 标签： 杂谈 二者都用拓扑工具完成，图层构面需要在 Arccatalog 中建拓扑，选择线构面不需要。 选择线构面：1）加载线和面图层，开始编辑，打开拓扑工具栏2）选择参与构面的线3）将当前编辑图层变为面图层4）点击拓扑工具
17、栏的 Construct Features 图层构面：在 Catalog 中的要素集中新建 Polygon feature class form lines，选择参与构面的线图层即可。也可以使用 ArcToolbox 中的工具：Data Management Tools-features-FeatureToPolygon 来完成现在有两幅数据，41 度带和 42 度带，要将其合并、接边。将二者放到一个Geodatabase 中。 在 Arcmap 中加载两个层，由于动态投影，两个数据可以连在一起。即如果先加 42 的，则 41 的坐标改变来同 42 吻合。 Arcmap 中先加载哪个图层，数据
18、框的坐标系统就是那个图层的。这时如果开始编辑的话，系统提示有数据同数据框的坐标系统不同，可能会有错误，但是可以编辑。如先加载 41，则提示 42 同数据框坐标系统不同。 在 catalog 中将 41 的投影改为 42 的，再在 Arcmap 中加载进来。这时由于两个图层的投影都是 42 的，所以 41 的坐标不会再改变和 42 吻合了，两幅数据连不到一起了。 解决方法，先将 41 数据的坐标系再改回 41 度带。在 Arcmap 中先加载 42 的数据，即使数据框的坐标系为 42 度带的，然后加载 41 的数据，将 41 的数据按照数据框的坐标系导出。（参见 Arcgis 右下角的经纬度转为
19、公里网，也可以用 ArcToolbox 做投影变换） Arcgis 坐标文件：1）Beijing_1954_3_Degree_GK_Zone_42（北京 1954 坐标系，3 度分带法，42 度带，横坐标前加带号）2）Beijing_1954_3_Degree_GK_CM_126E（北京 1954 坐标系，3 度分带法，42 度带，横坐标前不加带号）3）Beijing_1954_GK_Zone_22(北京 1954 坐标系，6 度分带法，22 度带，横坐标前加带号)4）Beijing_1954_GK_Zone_22N(北京 1954 坐标系，6 度分带法，22 度带，横坐标前不加带号) 不能看
20、坐标系统的名字，要看具体的参数，名字可以随便起，但从参数中可以看出坐标系、分带法、加不加带号等。 加带号的坐标系统里的参数东偏应该是 42500000，中央经线 126E 不加带号的坐标系统里的参数东偏应该是 500000，中央经线 126E 数据是不加带号的，如果要转为加带号的，比如数据是Beijing_1954_3_Degree_GK_CM_126E，比如坐标是 372334，4453858；可以通过 Arcmap 中的数据框转换为 Beijing_1954_3_Degree_GK_Zone_42（即通过投影变换），则坐标变成了42372334，4453858。 有带号的数据如果坐标系定义
21、为没带号的Beijing_1954_3_Degree_GK_CM_126E，他的东偏 False_Easting:自动变为 500000，则在Arcglobe 中无法正确显示，即无法动态投影。坐标系统里面的东偏不是按照数据来改变的，是按照定义的坐标系统改变的。 没有带号的数据如果坐标系定义为有带号的Beijing_1954_3_Degree_GK_Zone_42，则在 Arcglobe 中无法正确显示，即无法动态投影。 数据和坐标系统一定要设置对了才可以做投影变换，才可以动态投影。 42 度带有带号的数据如果坐标系统定义为 41 度带有带号的，其坐标不变，但是动态投影错误，在 Arcglobe
22、 中加载，向东偏了一个带号，变为 40 度带有带号的，又向东偏了一个带号，数据的坐标还不变，由此可见，Arcgis 中加载数据时，是按照定义的投影来确定其位置的。 42 度带有带号的数据在 Arcmap 中通过数据框投影变换把数据框坐标系统变为 Beijing_1954_3_Degree_GK_Zone_41N，可以将横坐标坐标变为 41*，东偏变成了4150000.Arcgis 右下角的经纬度转为公里网（投影变换）(2008-03-03 21:48:00)转 载 标签： 杂谈方法一：在 Arcmap 中转换： 加载要转换的数据，右下角为经纬度 点击视图 数据框属性 坐标系统 导入或选择正确的
23、坐标系，确定。这时右下角也显示坐标。但数据没改变 右击图层 数据 导出数据 选择第二个（数据框架），输出路径，确定。 此方法类似于投影变换。方法二：在 forestar 中转换： 用正确的坐标系和范围新建图层 aa 打开要转换的数据，图层输出与原来类型一致，命名 aa，追加。方法三：在 ArcToolbox 中转换： 管理工具 投影（project），选择输入输出路径以及输出的坐标系 前提是原始数据必须要有投影三步轻松删除 autorun.inf 文件夹(2007-11-25 21:40:00)转 载 标签： 杂谈三步轻松删除 autorun.inf 文件夹电脑硬盘个个分区下都出现了“auto
24、run.inf”文件夹，也不知道是什么时候染上的病毒“遗孀”用粉碎文件都不行，怎么删也删不掉。 其实告诉大家,这是 U 盘免疫程序,几乎不占用什么空间，对你的 U 盘没有影响，还可令 U 盘不被 auto 病毒感染。不过像我就不希望有这些.我的电脑防范的很好.然后网上找了资料跟大家分享.方法如下：假设 autorun.inf 文件夹是在 D 盘，操作如下： 打开“开始”，选择“运行”，输入“CMD”，打开命令行窗口，在命令行窗口中输入一下命令：第一步：输入 D: 然后回车第二步：输入 rmdir /s autorun.inf 然后回车第三步：当出现提示时，按“Y”，并回车其他盘照此方法执行即可
25、！空间数据建库的大致过程(2008-01-10 17:01:00)转 载 标签： 杂谈转自 http:/ 70%左右。由此可以看到数据库的建设在 GIS 系统的建设过程中占有极其重要的地位。但是，在建库的过程中总会碰到各种各样的问题，从而导致建库的困难,甚至无法完成建库的工作。要解决建库遇到的各种问题，顺利的完成建库，就要对建库的整个过程进行分析，从中找出影响建库的最主要的因素，并认真的分析这些因素产生的根本原因，制定出解决这些问题的解决方案，从而才能有意识的，有计划的消除在工程实践中各种不确定和确定因素对建库的影响，从而顺利的建 库。从整个的建库过程来看，建库主要由以下 3 个过程组成：1、
26、 数据库建模过程。这一过程主要是根据行业应用特点及对其的理解，制定出比较规范的数据规范，在逻辑上建设数据库。2、 数据监理过程。这一过程主要是检测数据的正确性，从而保证建库的准确性。3、 利用各种工具将各种数据入库的过程。此过程主要是将可以得到的各种数据纸制数据，矢量数据，栅格数据，遥感数据等快速、准确的入到库中。下面对以上三个过程在建库中的作用进行详细分析：一 数据建模过程在数据建模过程中，所作的工作主要是根据对行业的理解，在逻辑和概念上对数据库进行设计，其影响的是数据库建设完毕后的通用性和可扩展性，和建库遇到的各种问题（主要为数据问题）没有十分必然的联系，故它不是影响建库的最主要的矛盾。二
27、 数据入库过程在数据入库过程中，其核心内容是如何依据所制定的数据规范将各种格式的数据，准确的、快速导入数据库中。这个过程和数据有直接的接触，因此值得分析。这一环节遇到的问题，归根结底来说，就是如何解决不同开发平台之间数据交流的问题，即多格式数据源集成的问题。目前，实现多源数据集成的方式大致有三种：即：数据格式转换模式，数据互操作模式，直接数据访问模式。1 数据互操作模式数据互操作模式是 OpenGIS consortium（OGC）制定的规范。这种模式和数据入库的思路不同，故不作深入讨论。2 直接数据访问模式直接数据访问模式是指在一个 GIS 软件中，实现对其他软件数据格式的直接访问，用户可以
28、使用单个 GIS 软件存取多种数据格式。以 ArcGis 为例，其可以打开多种 GIS 平台的数据，如常见的 dwg 格式，Dxf 格式，dgn 格式等等。3 数据格式转换模式格式转换模式是传统的 GIS 数据集成方法，也是入库的基本思想。在这种模式下，其他数据格式经专门的数据转换程序进行格式转换后，就可以进行入库了。这是目前 GIS 系统集成的主要办法。基本上每个 GIS 平台都提供了一些数据转换工具，以 ESRI 公司的 GIS 平台为例子，其提供了 ArcToolBox 工具箱，功能比较完善和强大，基本上支持所有市面上主流的各种 GIS 数据，譬如 Autodesk 公司的 DWG 格式
29、文件，DXF 格式文件，mapInfo 公司的 MIF 格式，Intergraph 的 dgn 格式，以及各种栅格图形数据等等，基本上满足了一般数据入库的要求。此外，市面上还有很多专门用于转换数据格式的专门工具，例如 FME 系列工具等，功能十分强大和十分方便灵活。由上可以看出，只要提供的源数据是正确的，符合规范的，那么利用以上工具再加上自想开发相关工具就可以十分方便的将数据导入到数据库中，从而顺利的完成建库的工作。因此，源数据的准确性和规范性就成为建库成功的十分关键的因素。可以这么说，只要数据是准确的，符合规范的，那么建库就会比较顺利的完成。由此看来，数据监理过程就显得十分重要，它是建库能否
30、顺利进行的关键所在。那么，数据监理到底要做什么工作，为什么要那么做，需要经过什么样的过程，什么样的准备，才能在建库的初期阶段就能有预见性的预测出可能遇到的问题，并有条不紊的解决这些问题呢，那就要仔细的分析是什么导致了数据的不准确，数据的不规范。要找到导致数据不准确，从而影响建库的顺利进行的原因，我认为主要应该从两个方面去分析，即数据的生产过程，以及我们需要什么样的数据，即什么样的数据是规范的。三 数据的生产过程数据生产过程主要包括 2 个比较大的部分，各种模板的准备阶段，以及数据输入阶段。以下为 AutoCAD 平台下数据的生产过程为例。【准备阶段】在 AutoCad 上按照设计的要求，配置好
31、工程图纸模板，即准备工作。此过程包括 定义图层名称，配置图层的各种属性（颜色，线性，线宽，图形符号等等）。这一过程是数据生产的准备阶段。一般来说，这一过程可以通过配置文件由程序自动完成，人在其中参与的情况不是很多，而且逻辑上非常简单，因此这一过程产生错误的可能性很小。【数据生产阶段】这一过程又分为栅格数据矢量化输入和人工输入两个比较大的方面。栅格数据矢量化输入 是通过扫描仪器输入栅格数据，然后通过图像识别算法，进行矢量跟踪，从而确定实体的空间位置。在这一过程中，由于图像的不清楚，以及程序算法的问题，会产成各种各样的问题。经常见的错误大概有以下几种：房屋等面状闭合物体留有缺口，即不封闭(A)。扫
32、描后的线段存在很多重复点的现象(B)。扫描后的线段存在自相交的情况(C)。在图像的边缘，扫描后的线段出现畸变现象(D)。在图像的边缘，存在数据丢失的现象(E)。由于图像定位不准，导致扫描后的实体，整体基准点偏移，从而导致相邻的地区存在图形重叠，交*的现象(F)。这些现象，对数据建库有很大的影响，其中基准点偏差的影响尤为显著。这些错误分别要通过 封闭检查，重复点检查，自相交检查，基准点检查和校正等检查工具去发现和排除这些错误。在这些错误中，由于错误 A、B、C、F 在逻辑上比较简单，因此比较好解决。错误 D,E 则比较难于检查和解决。人工输入 是指数据录入人员按照要求手工在图纸上进行绘图，和给图
33、形设置、添加各种属性的过程。这一过程是十分繁重的，重复的，枯燥的重复性劳动，因此就会产成各种各样的错误，从而影响产生数据的质量。从产成的错误的原因来看，可以分为两个大的方面。精度问题造成的错误，这种原因往往造成图形拓扑关系错误。譬如：应该闭合的面状物体没有闭合。应该端点相连的直线没有连接。不应该重叠的线段存在重叠的部分。不应该交*的图形存在交*。面与面之间存在缝隙。面与面之间发生重叠。基准点和控制点定位不准确。以上错误也会对建库产生不良的影响，也需要响应的的检测和校正工具去发现和纠正这些错误。人为疏忽造成的原因。譬如：图纸名称（图幅编号）和图形实际所在的坐标不匹配。（此错误导致计算基准点是发生
34、严重偏差。）重复 copy 多个相同的图形的错误。（导致存在多个完全相同的图形物体。）有属性的图形物体忘记赋值。（导致属性丢失。）有属性的图形物体错误赋值。（导致属性错误。）图幅边框被删除或者移动位置。（导致无法找到基准点或者基准点定位错误）图幅边界上的图形没有很好的完成接边处理。（造成相邻图形不匹配）。这些错误都不可避免的会在数据生产的过程中发生，如果不加以检测和进行修正的话，也会十分影响建库的准确性和使用性，因此应予以解决。四 建库需要什么样的数据我们需要什么样的数据，即什么样的数据是规范的，是可以被系统所识别的，这又返回到入库的第一个过程中，即数据库标准的制定和数据规范上去了。在这一步骤
35、中，我认为最主要的矛盾在于，由于 GIS 平台的不一致，各个平台对空间数据描述的模型不同，侧重点不同，导致了一个平台存在的图形模型在另一个平台不能找到相对应的图形，从而导致转换前后图形丢失甚至无法转换的结果。其中常见的问题如下（以 AutoCAD 为例）AutoCAD 存在拟合曲线 Spline 对象，图形块 Block 对象，区域 Region 对象，代理对象等许多特殊的图形对象，在 GIS 系统平台中没有响应的图形对象和它相对应。因此要想将这些数据入库，必须首先将以上对象进行转化，使之变成 GIS 可以识别的图形对象。AutoCAD 的扩展数据由于为 AutoCAD 所特有，因此也必须寻找
36、解决办法，使之能被GIS 所正确读取。此外还包括数据规范中规定的各个图层之间的相互的空间拓扑关系，这些都要求有相应的检测和修正工具予以保证。五 结论由以上的分析可以看出，数据生产过程是数据的起点，建库的各种规范，即我们最终需要的数据是数据的终点，从数据生产中找原因是正向思维，从建库的规范找原因是逆向思维，它们包含了整个的建库过程，因此解决了这一过程遇到的问题，可以说就基本上为建库扫除了障碍，建库就能比较顺利的进行。有了解决以上各种问题的工具，我们就可以高枕无忧了吗，我觉得还为时过早。根据我个人的经验以及上面的分析，可以看出，数据监理是一个工程性质很鲜明的过程。它和建库的要求以及所提供的源数据有
37、很大的关联关系，这就要求我们要按照典型的工程过程去对待。由于我在系统工程方面的理论知识有限，故只能简单的，感性的作出如下的描述，我认为，数据监理大概要经过如下几个过程：1. 准备阶段：此阶段主要工作是拿到准备入库的各种源数据，对这些数据进行研究和分析，从中发现数据中存在的明显的和潜在的错误。2. 根据数据建库标准以及发现的各种错误，分析这些错误可能对建库造成的影响，按照严重程度、优先级别、逻辑关系等将错误分类，并制定处解决问题的方案。3. 按照制定的解决方案有计划、有步骤的纠正这些错误，使之符合建库的规范。4. 这样循环往复，直到消除所有的错误（理想情况，工程实际中不存在）。5. 在真正入库前
38、，首先进行抽样检测，并小规模进行试验性入库。6. 在试验性入库成功后，进行大批量的实际入库。7. 入库完毕，对入库成果进行抽样检查，查找不正确的地方，进行修正。8. 入库正式完毕，交付使用。至此，整个建库工作进行完毕DEM 制作与应用全过程（Arcgis9.1 中文）(2008-03-03 22:01:00)转 载 标签： 杂谈 数据准备：带有高程字段的等高线和高程点，并大致检查（高程值没有太大和太小等不合理的情况）无误。 创建 Tin：打开 Arcscene（也可在 toolbox 中进行），3D 分析 创建修改Tin 从要素生成 Tin，加载等高线和高程点图层，高度源设置为高程值字段，设置
39、输出路径，确定。如果数据量很大，Tin 可能无法正常显示，这时当状态栏显示“display”的时候结束任务或进程即可。 将 tin 转换为 tingrid：重新打开 Arcscene3D 分析 转换 Tin 转换到栅格，加载刚才输出的 Tin，像素大小我一般设置为 5 或者 10，输出路径，确定。 通过设置使 tingrid 三维显示：这时视图中一般可以显示出来灰度的栅格图像，但是是平面的，通过设置可以让它立起来。1) 打开图层属性对话框，选择符号页面，颜色下拉框点 10 下，选最后一个。2) 选择基表面高度 从基表面为图层获得高度，点击栅格分辨率，像素宽度高度都设为 50，确定。之后可以看到
40、图形立起来了。这时也可以检查高程值有没有错误信息。1. 如果只有一幅数据的话，这时就可以完成了，然后可以将 grid 转换为 img格式。2. 裁切：如果数据量很大的话，通过上述方法可能无法把一幅数据一次性做出来，这时就需要先对等高线和高程点进程裁切处理。裁切面的要求：按照多个面进行裁切，裁切的面与其四周的面都必须有重合区域，否则的话将来合并的时候中间会有误差；裁切面必须是矩形，可按照图幅索引合并后的面来裁切，如果不是矩形的话，数据的误差会比较大，周边没有数据的地方可能会被自动连成 Tin。3. Tingrid 合并：将所有裁切以后的等高线和高程点的数据进行完创建 Tin和转为栅格以后，就可以
41、进行栅格的合并了，在 catalog 中，随便右键点击一个Tingrid，选择加载数据（load data），把其他的 tingrid 都加载进来，确定。合并时，报告中可能有些错误，但是对合并好像没什么影响，合并后可以看到全图。4. Tingrid 转换为 img：最后可以把 Tingrid 转为 img 格式，方便改名字。右键点击合并后的 tingrid，可能名字会有些奇怪，但是在 catlalog 中看到是全图就可以了。选择导出到不同格式，这时默认的就是 img 格式。在 Arcglobe 中应用：打开 Arcglobe，加载转换后的 img，如果叠加的地方无误的话，说明投影都没问题了。然后再加载遥感影像或者其他栅格、矢量数据，右击 img 图层，redefine layer redefine layer as elevation，这时看到 img 图层看不到了，但是地形立起来了，可通过浏览工具进行浏览，飞行等。
