下载文档原格式
高分辨率遥感影像可视化处理方法改进概述遥感技术在地理信息系统和环境监测等领域起着重要作用。
高分辨率遥感影像提供了丰富的信息，但其处理和可视化过程面临许多挑战。
为了改善高分辨率遥感影像的可视化效果，研究人员们持续努力，提出了许多改进方法。
本文将概述一些常用的方法和技术，以帮助读者更好地了解高分辨率遥感影像的可视化处理。
在高分辨率遥感影像的可视化处理中，最常见的方法是基于通道增强的技术。
通过优化通道的权重和增强对比度，可以明显改善图像的视觉效果。
通道增强方法包括直方图均衡化、线性拉伸、自适应直方图均衡化等。
这些方法能够增强图像的细节和对比度，使影像中的特征更加清晰可见。
除了通道增强方法，一种更高级的方法是基于图像融合的技术。
图像融合是将多个不同模态的遥感影像融合为一个有信息丰富性和更好可视化效果的影像。
常见的图像融合方法包括主成分分析融合、小波变换融合和多尺度融合等。
这些方法能够充分利用多种类型的遥感影像信息，提高图像的分辨率和空间细节。
此外，图像增强和降噪也是高分辨率遥感影像可视化处理中的重要环节。
图像增强通过图像灰度拉伸、对比度增强和色彩平衡等方法改善图像的视觉效果。
降噪技术则可以通过滤波和去除干扰物等方法减少图像中的噪点和杂乱信息。
这些方法能够提高图像的质量，使重要的地物和特征更加明显和易于识别。
在高分辨率遥感影像可视化处理中，还可以应用一些机器学习算法和人工智能技术。
例如，卷积神经网络（CNN）在图像分类和目标检测方面具有优势。
通过训练合适的CNN模型，可以将高分辨率遥感影像分类为不同的地物类别，从而更好地理解和利用影像信息。
此外，生成对抗网络（GAN）等技术也可以用于生成逼真的合成影像，以增强图像的可视化效果。
除了以上提到的方法，高分辨率遥感影像可视化处理中还存在许多其他改进方法。
例如，多角度观测技术、多光谱融合技术和图像分割技术等，都可以在特定应用领域中发挥重要作用。
这些方法的不断改进和创新将进一步推动高分辨率遥感影像的可视化处理前进。
高分辨率遥感影像信息提取的特征结构化多尺度分析随着遥感技术的发展，高分辨率遥感影像成为了获取地表信息的重要数据源之一、在高分辨率遥感影像中，包含了丰富的地物特征信息，包括形状、颜色、纹理等。
然而，由于高分辨率遥感影像中的地物特征具有多尺度、多方位等复杂性，如何有效地提取这些信息成为了一个关键问题。
在高分辨率遥感影像信息提取的过程中，特征结构化和多尺度分析是两个重要的方法。
特征结构化是通过对影像中的地物特征进行有效的提取和表示，以实现对地物的分类和识别。
多尺度分析则是针对遥感影像中的地物特征在不同尺度下的表达情况进行分析，以获得更全面、准确的地物信息。
在特征结构化方面，常用的方法包括形状特征提取、纹理特征提取和颜色特征提取等。
形状特征提取通过计算地物的轮廓、面积、周长等属性，来表征地物的形状信息。
纹理特征提取则是通过计算地物表面的纹理变化，如灰度共生矩阵、小波变换等方法，来描述地物的细节特征。
颜色特征提取则是通过计算地物的颜色分布、颜色直方图等属性，来表征地物的颜色信息。
通过这些特征的提取和表示，可以有效地区分不同地物，并进行分类和识别。
在多尺度分析方面，常用的方法包括多尺度分割和多尺度表示等。
多尺度分割是指将遥感影像分割成不同的尺度，以获取不同精度的地物信息。
常用的方法包括基于区域的分割、基于像素的分割等。
多尺度表示则是指通过不同的尺度来表示地物特征，以获取更全面、准确的地物信息。
常用的方法包括多分辨率分析、小波变换等。
特征结构化和多尺度分析可以相互结合，以获取更全面、准确的高分辨率遥感影像信息。
在实际应用中，可以先通过特征结构化方法，对高分辨率遥感影像中的地物特征进行提取和表示，然后通过多尺度分析方法，对特征进行分析和处理，最终获得地物的分类和识别结果。
总之，高分辨率遥感影像信息提取需要进行特征结构化和多尺度分析，以获取丰富、准确的地物信息。
通过有效地提取和表示地物的形状、纹理和颜色等特征，以及通过多尺度分析对地物特征进行分析和处理，可以提高高分辨率遥感影像信息的提取效果。
高分辨率遥感影像在环境监测领域应用高分辨率遥感影像是指具有更高空间分辨率的遥感影像，可以提供更为详细、精确的地物信息。
这种遥感技术已经广泛应用于环境监测领域，为环境保护和资源管理提供了有效的支持。
本文将探讨高分辨率遥感影像在环境监测领域的应用，包括土地利用监测、水资源管理、植被覆盖监测以及环境污染监测等方面。
首先，高分辨率遥感影像在土地利用监测方面发挥了重要作用。
通过获取高分辨率遥感影像，可以对土地利用类型进行准确的分类和监测，如农田、城市、林地等。
这些信息对土地规划、农作物种植、城市扩张等方面具有重要指导意义。
同时，高分辨率影像能够检测到土地利用的变化，为土地资源的合理利用和管理提供科学依据。
其次，高分辨率遥感影像在水资源管理中也发挥了重要的作用。
通过观测水体的分布和水质情况，可以及时掌握水资源的状况，并进行有效的管理。
高分辨率遥感影像可以监测水体面积、水深和水质等信息，为水资源的保护和管理提供重要依据。
在灾害监测方面，高分辨率遥感影像可以快速获取受灾地区的信息，为灾害救援提供支持。
另外，高分辨率遥感影像对植被覆盖监测也具有重要意义。
通过获取高分辨率影像，可以对植被类型、分布和覆盖度进行准确的测量和监测。
这对于生态环境保护、森林资源管理以及植被恢复等方面具有重要的指导意义。
高分辨率遥感影像可以提供详细的植被信息，帮助科研人员了解植被的现状和变化趋势，为植被保护和生态建设提供支持。
最后，高分辨率遥感影像在环境污染监测中也具备广阔的应用前景。
通过观测大气污染物的传输、水体污染物的分布以及土壤的污染程度，可以及时掌握环境污染的情况，并采取相应的措施进行治理。
高分辨率遥感影像可以提供高精度的污染源定位和评估，帮助监测和管理部门有效监控和调控环境污染。
综上所述，高分辨率遥感影像在环境监测领域应用广泛且有着重要的意义。
它可以为土地利用监测、水资源管理、植被覆盖监测以及环境污染监测等方面提供准确的地理信息，为环境保护和资源管理提供科学依据。
北京揽宇方圆信息技术有限公司遥感影像的分辨率空间分辨率（Spatial Resolution）又称地面分辨率。
后者是针对地面而言，指可以识别的最小地面距离或最小目标物的大小。
前者是针对遥感器或图像而言的，指图像上能够详细区分的最小单元的尺寸或大小，或指遥感器区分两个目标的最小角度或线性距离的度量。
它们均反映对两个非常靠近的目标物的识别、区分能力，有时也称分辨力或解像力。
光谱分辨率（Spectral Resolution）指遥感器接受目标辐射时能分辨的最小波长间隔。
间隔越小，分辨率越高。
所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小，这三个因素共同决定光谱分辨率。
光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。
但是，面对大量多波段信息以及它所提供的这些微小的差异，人们要直接地将它们与地物特征联系起来，综合解译是比较困难的，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度。
辐射分辨率（Radiant Resolution）指探测器灵敏度——遥感器感测元件在接收光谱信号时能分辨的最小辐射度差，或指对两个不同辐射源的辐射量的分辨能力。
一般用灰度的分级数来表示，即最暗——最亮灰度值(亮度值)间分级的数目——量化级数。
它对于目标识别是一个很有意义的元素。
时间分辨率（TemporalResolution）是关于遥感影像间隔时间的一项性能指标。
遥感探测器按一定的时间周期重复采集数据，这种重复周期，又称回归周期。
它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏栘系数等参数所决定。
这种重复观测的最小时间间隔称为时间分辨率。
遥感影像的处理这种方案应用还算比较用的，如果不用这种方案，在缩放的时候就会速度很慢，但是会比较占硬盘，特别是1个多G的数据的时候。
一般是2倍缩放，但是这种方案不知道是取平均还是直接取4个像素中的某个，按理说第二种是可行的，如果仅仅是显示的话，因为具体选点的时候，如果仅在2倍大小选点的话，还是有0.5个像素的选点误差。
遥感影像的分辨率衡量指标：遥感影像的分辨率主要通过地面采样距离（GSD）来衡量。
地面采样距离是指影像中一个像素所代表的地面大小，通常以米为单位。
地面采样距离是遥感影像分辨率的一个重要指标，它决定了影像能够捕捉到的细节程度。
地面采样距离越小，分辨率越高，所能捕捉到的细节就越丰富。
此外，像元大小也是衡量遥感影像分辨率的一个指标。
像元大小是指影像中一个像素所覆盖的地面面积大小。
像元大小和地面采样距离是相关的，像元大小越小，地面采样距离就越小，分辨率就越高。
摘要：为了方便地描述信息时代遥感影像的技术指标，出现了多种不同的分辨率概念，包括：胶片分辨率、扫描分辨率、地面分辨率、显示分辨率、实际分辨率等等。
这些指标在表示内容上与传统的比例尺概念有什么异同呢？本文从遥感应用的角度，较为详细地描述与比例尺相关的几个重要的分辨率概念，并给出了常用的换算方法，对于摄影测量与遥感领域的广大技术人员具有较好的参考价值。
关键词：遥感影像比例尺分辨率Application Of TEQC to Quality Analysis On GPS CORS DataAbstract：This paper discusses the quality of SZ_CORS GPS data with five month observation span on 7 stations with TEQC software，and gives out the system report according to IGS data quality status，therefore more information of the CORS system movement condition is understanded。
Keywords: TEQC，SZ_CORS，data quality analysis1前言比例尺作为传统地图的基本要素之一，是十分重要的技术指标，反映了地图的精确度。
随着数字化测绘时代的到来，比例尺在实际应用中的重要性有所退化，开始被分辨率、精细度等指标所替代，甚至有人觉得它将不再衡量数字地图产品精确程度的指标。
本人觉得，比例尺仍应该长期存在于现代测绘应用中，尤其在各种地图数据输出状态，包括纸张、胶片、显示器等载体上，比例尺依然是衡量地图产品详细程度最重要的概念，即使在数字世界，仍然没有一个指标可以替代比例尺来有效地描述地图的精确程度。
但是和传统地图不同，比例尺在信息时代是一个动态的指标，单纯使用比例尺这一指标来描述地图的精确度是不现实的，尤其在遥感影像应用中。
遥感影像的比例尺和分辨率翟晓彤1，黄健2（1江苏省测绘资料档案馆南京 210013；2江苏省测绘工程院南京 210013）摘要：为了方便地描述信息时代遥感影像的技术指标，出现了多种不同的分辨率概念，包括：胶片分辨率、扫描分辨率、地面分辨率、显示分辨率、实际分辨率等等。
这些指标在表示内容上与传统的比例尺概念有什么异同呢？本文从遥感应用的角度，较为详细地描述与比例尺相关的几个重要的分辨率概念，并给出了常用的换算方法，对于摄影测量与遥感领域的广大技术人员具有较好的参考价值。
关键词：遥感影像比例尺分辨率1前言比例尺作为传统地图的基本要素之一，是十分重要的技术指标，反映了地图的精确度。
随着数字化测绘时代的到来，比例尺在实际应用中的重要性有所退化，开始被分辨率、精细度等指标所替代，甚至有人觉得它将不再衡量数字地图产品精确程度的指标。
本人觉得，比例尺仍应该长期存在于现代测绘应用中，尤其在各种地图数据输出状态，包括纸张、胶片、显示器等载体上，比例尺依然是衡量地图产品详细程度最重要的概念，即使在数字世界，仍然没有一个指标可以替代比例尺来有效地描述地图的精确程度。
但是和传统地图不同，比例尺在信息时代是一个动态的指标，单纯使用比例尺这一指标来描述地图的精确度是不现实的，尤其在遥感影像应用中。
分辨率也是一个传统的术语。
在模拟航空像片中，通常使用分解率来描述胶片上影像的精细度。
在数字影像中，现在改用分辩率来描述。
但是分辨率的类型很多，在不同的领域有不同的表示方法。
仅与摄影测量与遥感有关的分辨率概念也有不下十种。
既然比例尺和分辨率都是衡量数字地图产品的精细程度，他们之间有怎样的区别和联系呢？2遥感影像分辨率的类别和概念2.1 胶片分解力胶片分解力通常用于描述胶片影像的光学质量，是传统的技术指标。
胶片分解力受许多条件的影响，如：记载图像的胶片和像机镜头的分辨率、曝光时无法补偿的影像移动、大气条件、胶片冲洗的状况等等。
它所表示单位是“线对/毫米”，“线对”指的是一条白线和宽度相等的间隔（黑色）。
raws科技有顒公司:■- lariLKri-dhNT.i If ：' ：«* :* I 障1ALOS卫星遥感影像解译数据分辨率是多少?ALOS卫星遥感影像解译数据技术参数请参照下面的参数表ALOS卫星简介日本地球观测卫星计划主要包括2个系列：大气和海洋观测系列以及陆地观测系列。
先进对地观测卫星ALOS是JERS-1与ADEOS勺后继星，2006年1月24日发射，分辨率可达2.5米。
采用先进的陆地观测技术，能够获取全球高分辨率陆地观测数据，主要应用目标为测绘、环境观测、灾害监测、资源调查等领域，ALOS卫星载有以下三个传感器：全色立体测绘仪(PRISM)高性能可见光与近红外辐射计-2(AVNIR-2)相控阵型L波段合成孔径雷达(PALSAR)ALOS卫星技术参数发射时间2006年1月24日运载火前H-IIA卫星质里约4,000kg生产电量约7000W(生命末期)设计寿命3-5年ALOS 三个传感器的介绍PRISM （pa nchromatic remote-se nsing in strume nt for stereo mapp in g ）:PRISM 具有独立的三个观测相机，分别用于星 下点、前视和后视观测，沿轨道方向获取立体影像，星 下点空间分辨率为2.5米。
其数据主要用于建立高精度 数字高程模型。
主要用于数字高程测绘波数段 1（全色） 观测模式波长 0.52-0.77um模式1 星下点、前视、后视（35km ） 观测镜3（星下点成像、前视成像、 后视成像）模式2星下点（70km ） +后视（35km基咼比1.0 （在前视成像与后视成 像之间）模式3 星下点（70km ）空间分辨率2.5米（星下点成像） 模式4 星下点（35）+前视（35） 幅宽70km （星下点成像模 模式5星下点（35）+后视（35）轨道太阳同步轨道重复周期：46天重访时间:2天 高度:691.65km 倾角:98.16 0姿态控制精度 2.0 x 10 -40 （配合地面控制点）定位精度 1米数据速率 240Mbps （通过数据中继卫星）120Mbps （直接下传） 星载数据存储器数据记录仪存储量（90GB ）■厂西茁戏科按有限公司:Tr ：_HM0| jSG*「卩式）35km（联合成像模式）信噪比>70 模式6 前视（35）+后视（35）MTF >0.2 模式7 星下点（35）探测器数量28000/波段（70km幅宽）14000/波段（35km幅宽）模式8 前视（35）指向角-1.5 度to + 1.5 度模式9 后视（35km）量化深度8位注：PRISM观测区域在北纬82 0至南纬82 0之间AVNIR-2（advaced visible and n ear inf rared radiometer type-2）:新型的AVNIR-2传感器比ADEOS!星所携带的AVNIR具有更高的空间分辨率，主要用于陆地和沿海地区的观测，为区域环境监测提供土地覆盖图和土地利用分类图.为了灾害监测的需要，AVNIR-2提高了交轨方向能力，侧摆角度为+44 0,能及时观测受灾地区。
环境一号卫星遥感影像解译数据的分辨率Guang xi shan tu ke ji环境与灾害监测预报小卫星星座A、B、C星（HJ-1A/B/C）包括两颗光学星HJ-1A/B和一颗雷达星HJ-1C，可以实现对生态环境与灾害的大范围、全天候、全天时的动态监测。
环境卫星配置了宽覆盖CCD相机、红外多光谱扫描仪、高光谱成像仪、合成孔径雷达等四种遥感器，组成了一个具有中高空间分辨率、高时间分辨率、高光谱分辨率和宽覆盖的比较完备的对地观测遥感系列。
卫星分辨率1.0.3米：worldview3、worldview42.0.4米：worldview3、worldview2、geoeye、kompsat-3A3.0.5米：worldview3、worldview2、geoeye、worldview1、pleiades、高景一号4.0.6米：quickbird、锁眼卫星5.1米：ikonos、高分二号、kompsat、deimos、北京二号6.1.5米：spot6、spot7、锁眼卫星7.2.5米：spot5、alos、资源三号、高分一号（4颗）、高分六号、锁眼卫星8.5米:spot5、rapideye、锁眼卫星、planet卫星4米9.10米:spot5、spot4、spot3、spot2、spot1、Sentinel-卫星10.15米:landsat5(tm)、landsat(etm)、landsat8、高分一号16米卫星类型1.光学卫星：spot2、spot3、spot4、spot5、spot6、spot7、worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、高分一号、高分二号、高分六号、北京二号、高景一号、资源三号、环境卫星。
超高空间分辨率遥感影像的图像处理方法研究随着遥感技术的不断发展，超高空间分辨率遥感影像已经成为了遥感数据的重要组成部分。
但是由于其数据量巨大，处理难度较大，因此如何高效地进行图像处理成为了该领域研究的热点问题。
一、图像去噪超高空间分辨率遥感影像中往往会存在大量的噪声，影响了其显示和识别效果。
因此，对于这类影像，图像去噪是必不可少的图像处理方法之一。
在进行图像去噪时，可以采用传统的滤波算法如中值滤波和高斯滤波等，但是这些方法往往会导致图像细节的模糊。
针对这种问题，非局部均值去噪方法被广泛应用于超高空间分辨率遥感影像的图像去噪中。
该方法首先通过计算每个像素周围一定大小的像素的相似度，然后对相似的像素进行加权平均值处理，从而达到图像平滑去噪的目的。
二、图像增强超高空间分辨率遥感影像中的信息量非常丰富，但是其显示效果往往不如预期。
这时，图像增强技术可以提高遥感影像的视觉效果和信息采集的质量。
现有的图像增强方法包括直方图均衡化、对比度拉伸、小波变换等。
其中，小波变换是一种适用于图像增强的常见方法，它通过将图像分解成各个不同频率的小波分量，然后对每个分量进行增强处理。
该方法可以保留图像细节，同时提高图像对比度和清晰度。
三、图像分类超高空间分辨率遥感影像往往具有非常高的空间分辨率，可以提供更为细致的地表信息。
因此，图像分类技术在该领域的应用非常广泛。
图像分类的目的是将图像中的像素划分到不同的类别中，通常可以采用监督学习方法和无监督学习方法。
其中，支持向量机是一种常见的监督学习方法，可以通过构建超平面来分类不同类别的数据。
而基于聚类的无监督学习方法可以通过对像素之间的相似性进行分组来实现图像分类。
四、图像拼接超高空间分辨率遥感影像往往采集自大范围区域，但单张影像的覆盖范围往往比较有限，因此如何实现多张影像的有效拼接成为了该领域中的一个重要问题。
目前，图像拼接技术主要包括基于特征匹配的方法和基于变形模型的方法。
其中，基于特征匹配的方法可以通过提取图像中的特征点，并对特征点进行匹配来实现多张影像的拼接。
常用遥感卫星影像数据和分辨率北京揽宇方圆信息技术有限公司致力于为国内各行各业的用户提供最好的卫星遥感数据服务，让看似高大上且价格昂贵的遥感数据能够以实实在在的亲民价格被广大消费者熟知并使用。
在提供国内外的不同高、中、低分辨率遥感影像数据的同时，还可以提供专业的遥感技术服务。
代理卫星数据表代理卫星数据详情一览表公司卫星发射日期全色分辨率(m)多光谱(m) 多光谱波段美国Digitalglobe WorldView-1 2007 0.5WorldView-2 2009 0.5 2 蓝/绿/红/近红外+红边/海岸/黄/近红外2 WorldView-3 2014 0.3 1.2 超光谱16个波谱QiuckBird 2001 0.61 2.44 蓝/绿/红/近红外GeoEye-1 2008 0.5 1.65 蓝/绿/红/近红外IKonos 1999 1m 4 蓝/绿/红/近红外法国pleiades 2011 0.5 2 蓝/绿/红/近红外SPOT-6 2012 1.5 6 蓝/绿/红/近红外SPOT-5 2002 2.5 10 绿/红/近红外/短波红外SPOT-4 1998 10 20 绿/红/近红外/短波红外SPOT-2 1990 10 20 蓝/绿/红/近红外SPOT-1 1986 10日本ALOS 2006 2.5 10 蓝/绿/红/近红外德国Rapideye 2008 5 蓝/绿/红/红边/近红外美国LANDSAT-7(ETM)1999 15 30 蓝/绿/红/红边/近红外/短波红外/热红外LANDSAT-5(TM)1984 30 蓝/绿/红/红边/近红外/短波红外/热红外中国高分一号2013 2 8 蓝/绿/红/近红外资源三号2012 2.1 5.8 蓝/绿/红/近红外美国锁眼侦查卫星1960-1980 0.6-10 全色。
遥感分辨率与制图比例尺关系
张益新
（淮海工学院测绘工程学院，江苏连云港 222005）
摘要：分析遥感影像分辨率与制图比例尺相关的关系，从遥感分辨率与制图比例尺的数学定律来阐述两者的关系，最后指出如何选取适当空间分辨率的卫星影像，为制图提供帮助
关键词：遥感影像分辨率比例尺关系
1.引言
当今世界随着信息技术和传感器技术的飞速发展，各种测量技术日新月异，各种测量技术为社会的进步作出了巨大的贡献。
其中遥感技术作为目前测量顶端技术，已经被广泛的应用到各个领域。
在科学家的努力下，遥感影像的空间分辨率有了很大提高。
原来只有航空影像能够达到的精度，如今遥感影像也能够满足需要。
卫星遥感影像是平面几何精度与地物类别精度的统一，影像空间分辨率是决定影像精度的一个重要指标，影像精度要满足相应比例尺地图更新对于影像识别能力和成图精度要求，同时又要考虑地图更新成本。
冗余的分辨率会增加影像购买成本和加重内业处理的负担；而若分辨率达不到一定要求，细小的地物就无法判读、影像控制点精度得不到保证，满足不了成图精度。
现在我们就来讨论遥感影像分辨率与制图比例尺的关系。
2.遥感影像空间分辨率与成图比例尺的数学关系
资源卫星遥感影像空间分辨率R (单位为m ) 与可制作的合理成图比例尺m (m 为比例尺分母) 以及图件要求的误差范围e (单位为mm ) 存在以下关系:
e ×m × 10-³= C ×R (1)
式中 C ——影像几何校正系数, 即: 经几何校正以后,最差的像元位置均方根差(Roo t M ean Squa re, 简称RM S) , 以像元为单位, 达到多少个像元; e——人眼的分辨率, 通常采用0.2mm。
式(1) 的左边是一般图件允许的实地误差(以m 为单位) , 而右边是遥感影像校正后存在的实地误差, 这两个误差在遥感制图中应当相等, 也是(1) 式成立的基础。
几何校正系数C 是一个待定变量。
以RTK GPS(Real T ime Kinemat ic GPS) 测量值作为真值, 求出精校正遥感影像与真值的误差, 计算得到误差的均方根差, 就可以求出精纠正遥感影像均方根差的像元个数,即C 的值。
C 值确定后, 利用(1) 式可以计算出此遥感影像可以制作的合理成图比例尺。
通常, 遥感影像空间分辨率越低, 几何校正系数C 就应设置越大, 这是因为空间分辨率越低, 影像边缘几何变形就越大, 几何校正的效果就越差。
3.分析遥感影像空间分辨率与成图比例尺的关系
从(1）式，我们可以得出遥感影像空间分辨率与成图比例尺成正比关系，也就是遥感影像空间分辨率越高，相应比例尺越大，所表达的空间内容就越精细；遥感影像空间分辨率越低，相应比例尺越低，反映的空间内容就越宏观。
而且从（1）式公式，我们可以看出只要遥感影像空间分辨率一经确定, 就可以计算其合理的成图比例尺, 也可以得到对遥感影像进行纠正的地形图应当选取多大比例尺, 为遥感制图提供参考。
4.星遥感影像空间分辨率的选择
卫星影像空间分辨率的选择除了考虑不同比例尺成图对影像空间分辨率要求，还要考虑现有可获取的卫星影像产品的规格，因为卫星摄影与航空摄影不同，其摄影高度(即摄影比例尺)是固定的。
人眼的分辨率一般为0．2nnn，据此可以计算出纸质各比例尺地形图的地面分辨率(o．2nun乘以地图比例尺的分母)，在测绘成图时，凡大于地形图地面分辨率的地物或地貌必须测绘到地形图上。
这一要求反映在利用卫星遥感图像进行测绘成图时，对卫星遥感图像空间分辨率的最低要求可以比照为相应比例尺地图的地面分辨率；同理，据此可估算出制作各比例尺专题图所需卫星遥感图像的空间分辨率大小。
空间分辨率选择的最主要依据是制图比例尺的大小，一般来说，为了保持地表细节的清晰度，比例尺越大，要求影像的空间分辨率也就越高。
对于一个给定分辨率的遥感影像来说，若空间分辨率过高则存在信息和数据的冗余，空间分辨率过低，不适合进行该比例尺的制图。
空间分辨率或比例尺的选择同时也要考虑影像所包含的地物内容和纹理特征，如果制图内容是以大面积的流域、海域和植被为主，可以适当降低分辨率，或提高比例尺的大小。
5.结论
从上面我们可以得出遥感影像空间分辨率与合理成图比例尺存在着一定关系, 用实测方法可以建立这种关系的数学表达式, 用以指导遥感制图, 可以合理并充分表达遥感影像的空间信息; 也可以在确定制图比例尺后, 协助用户选取合理的遥感影像数据。
但是我们同时也可以得出如果要想得到好的遥感数据不仅仅要考虑遥感分辨率与比例尺的关系，还要考虑其他的各个因素。
与此同时由于遥感影像获取相对困难。
由于目前高分辨率遥感卫星多为可见光遥感，受制于气候条件的影响，获取一幅质量清晰的遥感影像往往周期相对较长，不能满足实际生产的要求，而航片相对获取成本昂贵。
因此，需要充分利用航片和卫片的互补优势，开展高分辨率遥感影像的利用。
参考文献：
徐韬．卫星影像与基础测绘数据更新[J]．应用技术，2004，(3)：26—29．
潘家文，朱德海，严泰来，等．遥感影像空间分辨率与成图比例尺的关系应用研究[J]．农业工程学报，2005，(9)：124—128．
刘顺喜, 尤淑撑, 张定祥. 土地资源管理对我国后续资源卫星数据空间分辨率的需求分析[J ]. 国土资源遥感, 2003,58 (4) : 6- 8.。
