下载文档原格式
dem数据提取坡度的步骤提取DEM数据中的坡度是地理信息系统（GIS）分析中常见的操作。
坡度是地表高程的变化率，它对于土地利用规划、资源管理和环境评估等方面具有重要的意义。
下面将介绍提取坡度的步骤，以帮助读者全面了解该过程。
第一步：数据准备要进行坡度提取，首先需要准备DEM数据。
DEM代表数字高程模型，通常以栅格形式表示地表高程数据。
获取DEM数据的渠道有很多，可以使用遥感数据、激光雷达数据或现场测量数据生成DEM。
确保DEM数据的质量和分辨率对于后续坡度分析至关重要。
第二步：数据预处理在进行坡度计算之前，需要进行一些数据预处理的步骤。
首先，检查DEM数据的分辨率，根据需求选择合适的像元大小。
然后，检查DEM数据是否包含异常值或噪声，如果有必要，可以进行数据编辑或滤波处理。
此外，确保DEM数据与所用的地理坐标系统和投影系统一致。
第三步：计算坡度一旦完成数据预处理，就可以开始计算坡度了。
坡度是地表高程变化率的量化表示，通常以百分比或度数的形式呈现。
在许多GIS软件中，都提供了计算坡度的功能，常用的计算方法是基于最小二乘法或其他数学模型。
根据像元之间的高程差异计算一个像元的坡度值，最终形成坡度分布图。
第四步：坡度分类根据具体的应用需求，坡度可以进一步进行分类。
根据国际标准，坡度可以分为平地（0-2%）、缓坡（2-5%）、中坡（5-10%）、陡坡（10-20%）和险坡（>20%）等几个等级。
通过分类，可以更好地识别和分析不同坡度区域的地形特征，为相关决策提供依据。
第五步：坡度应用提取坡度后，可以将其应用于不同的领域。
在土地利用规划中，理解地表的坡度分布有助于确定不同地区的适宜性，指导农作物种植和城市建设。
在资源管理中，坡度可以用来评估土地侵蚀风险和水资源分配。
在环境评估中，坡度可以揭示山区植被分布和生境变化，为生态保护和地质灾害预警提供依据。
总结：提取DEM数据中的坡度是一项重要的地理信息分析任务。
（一）正射影像图制作以第三次全国国土调查（简称“三调”）DOM影像图为基础底图，高程数据等控制为资料基础，以区县为单位，使用2020年采集的最新遥感数据制作覆盖全国的土地利用遥感正射影像图。
影像时相大部分为2020年9月1日后。
（一）正射影像图制作以基础底图和高程数据为控制基础，结合不同数据源特点，采用相应方法制作DOM 。
DOM 制作主要包括正射纠正、影像配准、融合、镶嵌、裁切等环节。
全色数据多光谱数据模拟自然真彩色影像全色与多光谱融合基础底图/高程数据纠正控制点选取控制点残差满足要求？正射纠正是DOM精度满足要求？镶嵌与裁切县级辖区DOM是否波段重组否技术流程图原始数据纠正配准融合调色拼接裁切DOM选取控制点计算平差重采样绘制镶嵌线匀色绘制裁切矢量裁切（二）遥感监测信息提取采用制作的最新正射影像图与第三次全国国土调查数据库等数据资料叠加，按照相关技术要求，采用人机交互等多种技术方法，开展疑似新增建/构筑物图斑监测（类型一）、原建设用地、设施农用地变化监测及数据库单独图层变化监测（类型二）、农用地变化监测（类型三）、新增围填海图斑监测（类型四）。
2020年正射影像三调数据库数据库非建设用地、设施农用地、“推（堆）土区”、“光伏板区”图斑范围数据库建设用地、设施农用地、“推（堆）土区”、“光伏板区”图斑范围类型一:疑似新增建/构筑物图斑类型二：原建设用地、设施农用地及单独图层变化图斑2020年新增遥感监测图斑层类型三：农用地变化图斑林地坑塘园地数据库耕地类型四：新增围填海图斑耕地数据库园林草地2019年、2020年正射影像其他基础数据其他（二）遥感监测信息提取监测图层类型名称类型代码描述上图面积（平方米）类型一：疑似新增建/构筑物图斑层明确建设用途的建/构筑物20影像特征为除水建之外的较明显建设用途的建筑/构筑物。
其中疑似农村居民点的，标注“JMD”200水建SJ影像特征为大型水工建筑、港口码头、堤坝等水域岸线建设。
第三次全国国土调查工作手册之一第三次全国国土调查内业信息提取工作手册国务院第三次全国国土调查领导小组办公室2018年12月目 录一、工作内容 (2)（一）基础资料检查与处理 (2)（二）A类图斑提取 (2)（三）B类图斑提取 (2)（四）成果整理下发 (4)二、总体原则 (4)（一）充分依据遥感影像 (4)（二）把握重点区域和重点地类 (5)（三）保证农用地变未利用地的可靠性 (5)（四）数据库图斑严重错乱区域需完整勾绘 (6)（五）保持已基本建成同一建设用地单元的完整性 (6)（六）保证图斑勾绘边界的准确性 (8)三、工作方法 (8)（一）技术指标 (10)（二）基础资料检查与处理 (11)（三）集中连片建成区勾绘 (12)（四）内业信息提取 (13)四、成果内容与管理 (16)（一）成果内容 (16)（二）成果管理 (17)（三）内业图斑说明 (20)第三次全国国土调查（以下简称“三次调查”）采用“国家统一制作调查底图、内业判读地类，地方实地调查、地类在线举证，国家核查验收、统一分发成果”的流程推进。
内业信息提取工作，利用国家统一制作的最新高分辨率数字正射影像图（DOM），与更新到最新年份的土地调查数据库套合，按照土地利用现状分类标准，在全辖区范围内，逐地块判读土地利用现状信息，并与数据库对比分析，提取影像与数据库基本一致（B类）和不一致（A类）图斑的全覆盖内业信息图斑，并预判土地利用类型。
1一、工作内容（一）基础资料检查与处理对内业信息提取基础资料的正确性进行检查，对基础资料存在问题的进行合理处理。
主要包括：对DOM影像的检查与反馈；对镶嵌块的检查与修正；对最新土地调查数据库DLTB存在系统偏移的，做必要的纠正，根据整体偏移或局部偏移情况做相应处理；对集中连片建成区范围进行勾绘等。
（二）A类图斑提取即提取影像特征与数据库地类不一致的图斑。
A类图斑根据影像特征内业预判类型分为六个一级类，十一个二级类及六个标注类型（见表1）。
北京揽宇方圆信息技术有限公司
全国土地覆盖数据产品
北京揽宇方圆全国土地覆盖数据产品是指基于Landsat TM/ETM/OLI遥感影像，采用全数字化人机交互遥感快速提取方法，同时参照国内外现有的主要是美国马里兰大学土地覆盖分类体系，以及遥感信息源和我国地表覆盖的实际情况，将全国土地类型划分为32级分类土地覆盖数据产品.
土地覆盖最主要组成部分是植被，但也包括土壤和陆地表面的水体；是陆地生物圈的重要组成部分。
是土地自然属性的重要反映；土地覆盖具有显著的空间特征、时间特征和时空尺度特征。
土地覆盖形态和状态可以在多种时空尺度上变化，而且产生土地覆盖变化的原因也是复杂的。
土地覆盖数据是全球环境变化、碳氮循环等研究和应用的基础数据；土地覆盖数据是国家建设生态文明建设、自然资产价值等准确评估的基础数据。
北京揽宇方圆信息技术有限公司。
土地利用信息遥感提取研究—以江西省为例分析（重庆交通大学河海学院刘玲）摘要：我国土地利用信息的分析是土地调查和检测的一个重要方面，也是反馈土地管理政策、检验土地管理效益的一个重要手段，因此，土地利用信息分析对我国土地资源的合理开发和可持续利用至关重要。
现选取江西省的LANDSAT遥感影像为数据源，经过波段选择、合成、监督分类等步骤，将江西省土地利用类型分为城镇居民建设用地、耕地、林地、水域和未利用土地五类，且分类精度值达到96%以上。
并在此基础上，指出江西省土地利用所存在的问题，提出合理可行的调整对策。
关键词:江西；遥感图像；土地利用；用地结构与布局Abstract：The analysis of land use information is an important aspect of the land investigation and detection, and feedback the land management policy, inspection is an important means of land management benefit, therefore, the land use information analysis on the reasonable development and sustainable utilization of land resources in China is very important. Now select in jiangxi province LANDSAT remote sensing image as the data source, after the band selection, synthesis, supervised classification steps, such as land use types in jiangxi province can be divided into urban construction land, cultivated land, forest land and unused land and waters, And the classification accuracy value reache9d more than 6%. And on this basis, points out the existing problems of land use in jiangxi province, reasonable adjustment countermeasures are put forward. Key words：Jiangxi；Remote sensing image；Land use；Land use structure and layout..土地利用/土地覆盖LUCC是近几十年来国内外学者们研究最为热门的课题之一。
土地利用动态变化信息提取的方法1.遥感影像选择与获取：选择合适的遥感影像数据集，如高分辨率的卫星影像或航空影像。
获取并预处理这些影像数据，包括数据格式转换、辐射校正、大气校正等。
2.影像预处理：对遥感影像进行预处理，包括边缘增强、图像平滑、噪声去除等。
这可以提高后续土地利用分类和变化检测的准确性。
3.土地利用分类：通过监督或非监督分类方法，将遥感影像分为不同的土地利用类别。
监督分类方法需要事先准备一些地面训练样本，用来训练分类器。
非监督分类方法则根据图像像元的统计特征进行自动分类。
4.土地利用变化检测：通过对不同时间的遥感影像进行对比，检测出土地利用的变化。
常用的变化检测方法包括基于像素的变化检测和基于对象的变化检测。
基于像素的变化检测是通过比较相邻时间的像素反射率或像素值的差异，来检测土地利用的变化。
基于对象的变化检测则是将影像分割为不同的地物对象，然后比较这些对象在不同时间的特征来检测变化。
5.变化信息提取：根据变化检测结果，提取土地利用动态变化的信息。
可以统计和分析土地利用变化的类型、数量、分布等信息，进一步研究土地利用的驱动力和影响因素。
6. 结果验证与精度评价：对提取的土地利用变化信息进行验证和精度评价。
可以与地面调查数据进行对比，或采用交叉验证的方法进行验证。
评价指标包括总体精确度、Kappa系数、用户精度、生产者精度等。
7.结果可视化和分析：将土地利用变化信息以图表、统计图等方式进行可视化展示，并进行进一步的空间分析和模型建立，以深入了解土地利用变化的规律和机制。
总之，土地利用动态变化信息的提取是一个复杂的过程，需要结合遥感影像处理技术和土地利用变化检测方法进行。
这一过程可以为土地管理、资源保护、城市规划等提供重要的参考和决策支持。
武汉大学资环学院 詹长根2018年05月主要内容v一、第三次土地调查的条件与目的v二、任务、调查原则与调查步骤的改变v三、基础技术参数的改变v四、技术手段的改变v五、技术方法要点一、第三次土地调查条件与目的v（一）条件v土地调查条例：每10年开展一次土地调查（总调查）–土地管制方式变化了：用途管制转为空间生态管制，生态管控空前强化。
–规划体制发生变化：分离的多种规划转变多规合一：空间规划体系构建与实施的需要–社会经济可持续发展：产业结构调整、耕地保护（数量、质量、类型、种植）–与人口普查相配套：整10年开展人口普查。
一、第三次土地调查条件与目的v（二）目的第三次调查的目的更加清楚和细致第三次土地调查第二次土地调查全面细化和完善全国土地利用基础数据全面查清土地利用状况国家直接掌握翔实准确的全国土地利用现状掌握真实的土地基础数据和土地资源变化情况进一步完善土地调查、监测和统计制度建立和完善土地调查、统计和登记制度实现成果信息化管理与共享实现土地调查信息的社会化服务满足经济社会发展及国土资源管理的需要。
满足生态文明建设、空间规划编制、供给侧结构性改革、宏观调控、自然资源管理体制改革和统一确权登记、国土空间用途管制等各项工作的需要v （一）任务 任务的层次体系更加科学、合理第三次土地调查第二次土地调查开展土地利用现状调查。
农村土地利用现状调查和城镇村内部土地利用现状调查。
农村土地调查。
逐地块实地调查土地的地类、面积和权属，掌握各类用地的分布和利用状况，以及国有土地使用权和集体土地所有权状况。
开展土地权属调查。
将城镇国有建设用地范围外已完成的集体土地所有权确权登记和国有土地使用权登记成果落实在土地调查成果中，对发生变化的开展补充调查城镇土地调查。
调查城市、建制镇内部每宗土地的地类、面积和权属，掌握每宗土地的位置和利用状况，以及土地的所有权和使用权状况。
开展专项用地调查与评价。
包括耕地细化调查、批准未建设的建设用地调查、耕地等别调查评价等。
几种土地利用变化模型的介绍土地利用变化模型是研究土地利用变化规律的重要工具，可以帮助我们预测未来的土地利用模式、评估土地利用政策的效果以及制定可持续发展的土地利用规划。
下面将介绍几种常用的土地利用变化模型。
1.经验模型经验模型是基于历史数据和经验法则构建的模型，用来描述土地利用变化的趋势和模式。
它的基本假设是未来的土地利用变化会重复历史模式。
常用的经验模型有线性回归模型和Logistic回归模型。
线性回归模型用来分析发展趋势，可以预测长期变化的土地利用类型；Logistic回归模型则可以处理二元的土地利用变化模型，例如分析城市扩张的模式。
2.机械模型机械模型是基于机械规则和转移规则构建的模型，用来模拟土地利用变化的过程。
它的基本假设是邻近地区间的土地利用变化存在耦合关系。
常用的机械模型有转移矩阵模型和规则模型。
转移矩阵模型利用土地转移矩阵来描述土地利用变化的规律，通过转移矩阵的更新可以模拟土地利用的演变过程；规则模型则是通过制定一系列的规则来模拟土地利用的转移过程，例如基于景观分析理论的规则模型可以模拟不同景观类型间的转移关系。
3.细胞自动机模型细胞自动机模型是一种基于空间单元的离散化模型，用来模拟土地利用变化的空间动态过程。
它的基本假设是土地利用的变化是由细胞间的互动和相互作用所导致的。
细胞自动机模型分为元胞和邻域两个概念，元胞表示空间单元，邻域表示元胞的空间关系。
通过设置元胞和邻域之间的转移规则，可以模拟土地利用的变化过程。
细胞自动机模型具有较强的空间分析能力，可以模拟不同尺度的土地利用变化。
4.地理信息系统模型地理信息系统模型是基于地理信息系统（GIS）的空间分析和空间建模功能构建的模型。
它的基本假设是土地利用变化的驱动因素是多样化和复杂化的，需要综合考虑多个因素的空间分布和相互作用。
地理信息系统模型可以利用GIS数据分析和处理土地利用数据，提取土地利用变化的特征和规律，建立土地利用变化的概念模型和规则模型，预测未来的土地利用模式。
遥感专题讲座――影像信息提取(六、土地利用类型转换混淆矩阵)土地利用类型转换(变化)混淆矩阵查阅相关的资料，也没有得到土地利用类型转换矩阵确切的定义，我理解为不同时间段内同一区域内土地利用类型的相互转换关系，一般用二维表来表达，从二维表中可以快速查看各个地类间相互转化的具体情况。
比如某一类别的土地有百分之多少(或者面积)分别转化成了其他的土地类型，现在某类型的土地分别是由过去的哪些类别转化而来的等等。
还可以生成变化统计栅格图(掩膜图像)，它描述了前后两幅土地分类图之间的地类发生转变的位置和类别。
土地利用类型转换矩阵可以从两幅栅格图中计算得到，也可以从两个矢量文件中计算获得。
下面介绍在ENVI下从两幅分类结果的栅格图中计算土地利用类型转换矩阵。
1、准备数据两个时相的土地利用分类结果，它是单波段、专题类型的伪彩色图像(ENVI Classification)。
2、计算转换矩阵打开两个土地利用分类结果。
(1) 在主菜单中，选择Basic Tools ? Change Detection ? Change Detection Statistics。
(2)分别在Initial State对话框和final state对话框中选择前一时相和后一时相的土地利用结果。
(3) 在Define Equivalent Classes对话框中(图1)，如果两个土地利用分类名称一致，系统自动将Initial State Class和Final State Class对应，否则手动选择，单击Add Pair按钮选择。
(4) 选择对应的地物类型之后，单击OK按钮，出现图2对话框。
选择生成图表表示单位(Report Type):像素(Pixels)、百分比(Percent)和面积(Area)。
选择Output Classification Mask Images?为YES，输出掩膜图像，选择输入路径及文件名。
(5) 单击OK，执行土地利用类型转换矩阵计算过程。
遥感实验报告图1-1第三步：获取分类模板信息，点击AOI，利用AOI-tools中的多边形工具绘制某一地类的样区。
将画好的耕地AOI添加到模板。
signature editor-edit-add. 重复步骤第三步，在图中采集多个耕地样本。
选择所有耕地样本模板，按merge按纽合并这组分类模板。
合并后将模板取名为耕地。
利用同样的方法，依次做好其灌草地、林地、水域、建设用地、裸地土地覆盖类型模板。
如图1-2：1990年图像的分类信息模板：图1-22006年分类信息模板：图1-3第四步：保存分类模板。
2.评价分类模板第一步：点signature editor-Evaluate-contingency，利用可能性矩阵方法评价分类模板精度。
达到90以上即为精度满足要求，否则重新选择训练样区，再次进行精度评价，直到精度满足。
1990年的模板评价结果：ClassifiedData forest and water forest urban---------- ---------- ---------- ---------- ----------forest and 99.83 0.00 1.14 1.66water 0.00 100.00 0.00 0.00forest 0.00 0.00 90.90 0.00urban 0.00 0.00 0.00 98.34bare land 0.17 0.00 0.00 0.00formland 0.00 0.00 8.96 0.00Column Total 604 638 703 602Reference Data--------------ClassifiedData bare land formland Row Total---------- ---------- ---------- ----------forest and 0.00 0.00 621water 0.00 0.00 638forest 0.00 4.88 662urban 0.00 0.00 592bare land 100.00 0.00 612formland 0.00 95.12 648Column Total 611 615 3773----- End of Error Matrix -----2006年影像的模板评价结果：3 .执行监督分类打开Classifier-surpervise classification,选择分类决策规则，进行监督分类。
1990年的结果如图1-4：图1-42006年的结果如图1-5：图1-5（二）分类后处理1.去噪：去噪声，interpreter-gis analysis，然后在弹出的窗口中选择neighborhood,1990年结果如图2-1：图2-12006年的结果如图2-2：图2-22.分类重编码分类重编码主要是针对之前非监督分类结果不理想的一种修正，可以将同种用地类型但属于不同类别的类合并在一起，具体操作如下：点击ERDAS图标面板工具条下的interpreter图标，选择 GIS Analysis /下的Recode命令，打开Recode对话框：1990年的结果如图2-3：图2-32006年的结果如图2-4：图2-4（三）分类精度评价1. ERDAS 图标面板工具条：点击Classifier 图标→Classification菜单→选择Accuracy Assessment菜单项→打开Accuracy Assessment对话框第二步：打开分类专题图像 Accuracy Assessment 对话框菜单条：File→Open →打开Classified Image对话框→在Classified Image对话框中确定与视窗中对应的分类专题图像→OK（封闭Classified Image对话框）→返回Accuracy Assessment对话框。
第三步：将原始图像视窗与精度评估视窗相连接 Accuracy Assessment对话框：→工具条：点击Select Viewer图标（或菜单条：选择View 菜单的Select Viewer）→将光标在显示有原始图像的视窗中点击一下→原始图像视窗与精度评估视窗相连接。
第四步：在精度评价对话框中设置随机点的色彩 Accuracy Assessment对话框：→菜单条View →Change Colors菜单项→打开Change color面板→在Points with no Reference确定没有真实参考值的点的颜色→在Points with Reference确定有真实参考值的点的颜色→OK（执行参数设置）→返回Accuracy Assessment对话框。
如图3-1：图3-1第六步：产生随机点本步操纵将在分类图像中产生一些随机点，随机点产生之后，需要用户给出随机点的实际种别。
然后，随机点的实际种别与在分类图像的种别将进行比较。
Accuracy Assessment对话框：→Edit →Create/Add Random Points →打开Add Random Points对话框。
→在search Count 中输进1024 →在Number of Points中输进20 →在Distribution Parameters选择Random单选框→OK（按照参数设置产主随机点）→返回Accuracy Assessment对话框可以看到在Accuracy Assessment对话框的数据表中出现了10个比较点，每个点都有点号、X＼Y坐标值、 Class、 Reference 等字段，其中点号、 X／Y坐标值字段是有属性值的。
说明：在Add Random Point对话框中， search Count是指确定随机点过程中使用的最多分析像元数，当然这个数目一般都比Number of Point大很多，Number of Points设为20说明是产生20个随机点，假如是做一个正式的分类评价，必须产生20个以上的随机点。
选择Random意味着将产主尽对随机的点位，而不使用任何强制性规则。
Equalized Random是指每个类将具有同等数目的比较点。
stratified Random是指点数与种别涉及的像元数成比例，但选择该复选框后可以确定一个最小点数（选择Use Minimum Points）,以保证小种别也有足够的分析点。
如图3-2：图3-2第六步：显随机点及其种别 Accuracy Assessment对话框：→View. →Show All(所有随机点均以第五步年设置的颜色显示在视窗中) →Edit→Show Class Values（各点的种别名出现在数据表的class字段中）如图3-5：第八步：输进参考点的实际种别值 Accuracy Assessment 对话框：→在数据表的Reference字段输进各个随机点的实际种别值（只不要输进参考点的实际分类值，它在视窗中的色彩就变为第五步设置的Point With Reference颜色得到1990年影像的分类精度评价是：APPA (K^) STATISTICS---------------------Overall Kappa Statistics = 0.7917Conditional Kappa for each Category.------------------------------------Class Name Kappa---------- -----unclass0.0000water 1.0000bare land0.0000formland0.0000forest 1.0000urban 1.0000forest and grass0.61902006年的精度评价结果是：（四）打开ERDAS中的图像解译（Interpreter）-GIS分析工具- matrix，，提取变化信息，导入到ARCGIS进行专题制图。
第一步：打开ERDAS中的图像解译（Interpreter）-GIS分析工具-matrix，，提取变化信息，如图4-1：图4-1得到的结果加入到Arcgis后如图4-2所示：图4-2第二步：打开它的的属性表，增加一个字段change，表示变化土地覆被信息，观察，明确变化的信息。
如前一时相的编号为1，后一时相的编号为1，表示forest and grass no change; 前一时相的编号为1，后一时相的编号为2,表示forest and grass to forest; 仔细观察，判断变化的土地覆盖信息属性，如4-3所示。
图4-3第三步：对土地覆被信息进行专题制图如图4-4所示：图4-4（五）计算土地覆被变化矩阵第一步：将1990年与2006年的土地分类利用图导入到ARCGIS当中，然后在分别将两张图像转成矢量图。
如图5-1所示：图5-1如图5-2所示为1990年的土地分类矢量图：图5-2转好之后，每幅图的属性表都要有一个表示土地利用类型的字段，并且要使用不同的名称加以区分，分别修改两张图像的土地类型字段如1990class_name，2006class _name。
土地利用类型名称必须统一，并且完整，如都使用“water”、“urban”等。
如图5-2：图5-3第二步：数据融合在ArcMap里分别打开两张图的图层，打开ArcToolbox，选择Data Management Tools | Generalization | Dissolve工具。
Input Feature选择要融合的图层，Output Feature Class选择输出结果存储的位置及名称，Dissolve Field(s)选择土地利用类型字段（Type1990），然后勾选Creat multipart features选项，点击OK完成。
重复此过程，对另一时相数据进行融合。
此步骤使相同利用类型的记录融合为一个记录，以提高后面步骤的计算速度，如图5-3。
图5-4第三步：叠置分析在ArcMap中打开两个时相融合后的数据，在ArcToolbox中选择Analysis Tools | Overlay | Intersect工具，Input Features选择两个时相的图层，Output Feature Class选择叠加结果存储的位置及名称，其余选项可以忽略，单击【OK】完如图5-5所示:图5-5结果如图5-6所示：图5-6第四步：计算面积并导出属性表在ArcMap中打开叠加后的图层数据，在该图层上右键打开属性表，选择Option|Add field… 新建一个字段，命名为NewArea。
在Editer工具条中选择Editer | Start Editing，然后在属性表中NewArea字段上单击右键选择Calculate Geometry… ，在打开的Calculate Geometry对话框中，Property选择Area，Units选择要使用的面积单位，单击【OK】完成图斑面积计算。
