美国最新、最完整(且分辨率似乎最高)的数据是 2016 年的国家土地覆盖数据库数据。它可以作为美国本土的 Erdas Imagine 网格文件(.img 扩展名)获得。这是一个大文件 > 16GB(1GB .zip 下载),但 HEC-RAS 只会提取您的研究区域所覆盖的部分。此数据遵循特定的分类编号方案 - RAS Mapper 将其称为 NLCD2016。可以在此处下载数据:http://www.mrlc.gov。
土地覆盖类别包括:树冠、草地和灌木(包括农田)、建筑物、不透水层(街道、车道和停车场)、水和裸土。主要土地分类是使用 eCognition Developer 8.0 版中提供的基于对象的图像分析 (OBIA) 技术进行的。该项目使用的辅助软件包括 ArcGIS 9.3.1 版和 ERDAS Imagine 2010 版。使用 Python 2.5 版脚本语言编写了其他自定义例程,以支持所需的处理。圣保罗市提供了 Shapefile 信息,以帮助识别街道、建筑物、道路和高速公路以及水景。实施该项目遵循了以下主要步骤:• 使用 ERDAS Imagine 中的减法分辨率对 QuickBird 影像进行全色锐化。• 利用可用的 RPC 文件和 30 米 DEM 层对 QuickBird 影像进行地理配准。• 对激光雷达数据进行地理配准以匹配 QuickBird 影像。• 使用自定义 Python 脚本将地理配准影像划分为 750 x 1000 米的图块,重叠度为 10%,以便进一步处理。此步骤创建了 180 个单独的图块。• 包含道路信息的街道图层在 ArcGIS 中缓冲一米,以创建多边形形状文件,随后在 eCognition 中使用。• 开发了三套规则来处理城市的以下子部分:o 西部小部分,包括六月的 QuickBird 和激光雷达数据。o 城市东侧的 1,500 米带,有 5 月份的 QuickBird 影像,但没有激光雷达数据。o 城市其余大部分区域有 5 月份的 QuickBird 和激光雷达数据。• 3 个规则集中的每一个都使用类似的过程创建: o 检查影像以找到代表性图块。o 创建支持性影像层,例如归一化差异植被指数。(NDVI) 和 Lee 的 Sigma 边缘提取有助于提高分类效率。o 从 Shapefile 生成表示道路和水特征的图像对象,并按此进行分类。o 如果有激光雷达数据,则首先将图像分割成高特征和短特征。o 利用 eCognition 中提供的算法对图像的剩余部分进行分类,利用光谱信息以及图像解释的其他元素,例如上下文、形状、大小、位置、关联、图案、阴影和纹理。o 将分类从 eCognition 导出到 TIF 光栅文件中。• 每套规则都经过了微调,并在城市中额外的随机图块上进行了测试。• 使用 eCognition Server,每个最终规则集都用于对圣保罗所有部分的所有图块进行分类。• 使用 ERDAS Imagine Mosaic Pro 中的几何接缝线将各个分类图块连接成一个马赛克。• 城市的三个不同部分(由 402 个单独的图块表示)被合并到一个分类文件中。
摘要:本文作者想描述地理信息系统在农村地区现实生活的各个方面的应用。地理信息系统是一门基于计算机科学、生物学、数学和工程学等学科的科学和技术。GIS 的主要应用是任何组织、国家等的发展。但是,GIS 可以在农村地区的发展和加强中发挥有效作用。这篇特别的研究论文包括 GIS 的基础知识、其属性、GIS 的各个组成部分。GIS 如何在加强农村地区方面发挥重要作用?本文还提供了一些证据,表明 GIS 可以在解决一些现实生活中的挑战中发挥重要作用。GIS 通过软件使用邮政编码识别,此外,还使用 GISNET、AUTOCAD、ERDAS IMAGINE 和其他独特的数据处理工具,本文将对此进行讨论。
致谢 本文是我在瑞典斯德哥尔摩皇家理工学院 (KTH) 攻读交通与地理信息技术工程硕士学位期间撰写的硕士论文的成果。首先,我要感谢 METRIA 的导师 Torbjön Rost 对我的指导、专业知识和支持。我还要感谢 METRIA 借给我工作场所、数据集和软件许可证,以及 METRIA 斯德哥尔摩办事处的所有人提供的想法和指导,尤其是 Manuela Alvarez。我非常感谢 Botkyrka 市政府借给我数据集,以及 ERDAS 的 Timo Ikola、Spacemetric 的 Daniel Åkerman 和 Håkan Wiman 在撰写论文期间帮助我获得许可证、安装和软件支持。最后,我要感谢 KTH Milan Horemuz 的导师对我的指导、建设性意见以及在我工作中为我指明正确方向。
戴小爱,杨武年 国土资源信息技术部级重点实验室,成都大学遥感与地理信息系统研究所理工学院 成都 610059,四川,中国 daixiaoa@cdut.cn 摘要 —本文选取多源多尺度数据,通过数字化处理和高精度DEM建模,实现遥感影像的三维可视化。数字高程模型(DEM)反映地形因素,地表纹理图像覆盖真实情况。在ERDAS软件支持下,通过融合影像数据与DEM透视面,叠加多种人文、自然等特征信息的空间数据,建立虚拟三维飞行模型。以腾冲机场为例,提取空间信息,分析越障障碍,使复杂抽象的数据可视化。从而对机场建设预算进行准确评估。
• ESRI – 产品包括 ArcView 3.x、ArcGIS、ArcSDE、ArcIMS 和 ArcWeb 服务。• GRAM++ GIS – 由印度孟买理工学院 CSRE 开发的低成本 GIS 软件产品。• Autodesk – 产品包括 MapGuide 以及其他可与其旗舰 AutoCAD 软件包交互的产品。• Cadcorp – GIS 软件和 OpenGIS 标准开发商• Intergraph – 产品包括 GeoMedia、GeoMedia Profesional、GeoMedia WebMap• ERDAS IMAGINE – 由 Leica Geosystems Geospatial Imaging 开发的专有 GIS、遥感和摄影测量软件。• SuperGeo – 产品包括 SuperGIS Desktop 及扩展、SuperPad Suite、SuperWebGIS 及扩展、SuperGIS Engine 及扩展、SuperGIS Network Server 和 GIS 服务。• SuperMap GIS – 产品包括 SuperMap iServer .NET/Java、SuperMap Deskpro、SuperMap Objects、SuperMap Express、SuperMap IS .NET、eSuperMap、SuperNavigation Engine、FieldMapper 和服务。 • IDRISI – Clark Labs 开发的专有 GIS 产品。 • MapInfo – 产品包括 MapInfo Professional 和 MapXtreme。集成了 GIS 软件、数据和服务。 • MapPoint – Microsoft 开发的专有 GIS 产品。
该研究的意义在于需要使用无人机 (UAV) 来完成石油和天然气工业的工程和大地测量任务。使用无人机进行机载摄影测量是目前大地测量领域的一项先进技术,它取代了视距测量、RTK 模式下的卫星定位、载人航空摄影和机载激光扫描 (ALS) 等方法。如今,无人机在石油和天然气工业中的应用潜力非常巨大。许多安全性和可靠性问题过去一直是石油和天然气公司的成本负担,而使用无人机可以有效解决这些问题。该研究包括使用三个不同自动化程度的现代软件包(Agisoft Photoscan Professional,v 1.2.5.2594(俄罗斯)、ERDAS IMAGINE,v 2015(美国)和 Pix4Dmapper Pro(瑞士))处理从无人机综合体获得的数据;通过将地形图叠加在所考虑领土上比例为 1:500 的正射影像上,在 ArcMap 软件中评估精度;计算经济和劳动力成本。作为研究的一部分,证明了无人机的使用不仅可以用于大地测量工作,还可以用于解决石油和天然气行业其他同样重要的任务,从而降低经济和环境风险,实现与石油设施监测相关的流程自动化,防止非法管道连接企图和石油泄漏。此外
目前的工作 自 2017 年 3 月 1 日起担任 IIT Ropar 土木工程系(测绘学)助理教授。在 IIT Ropar,我建立了测绘实验室,它是最先进的设施之一。测绘实验室配备了所有现代仪器,如 DGPS、全站仪、地面激光扫描仪 (TLS)、无人机和带回声测深仪的遥控船。实验室可以使用 ArcGIS、ERDAS LPS、e-Cognition、Trimble Business Center、Real works 等专业软件处理所有类型的测绘数据。部分软件是通过工业合作伙伴以非常低的成本提供的。六名学生在我的指导下注册了博士学位课程。我还指导了一名由 SERB-DST 资助的国家博士后研究员,目前指导一名由 SERB 资助的 TARE 研究员。目前,我们正在研究 (i) 城市扩张、(ii) 山体滑坡、(iii) 冰川监测和 (iv) 使用遥感技术进行农业研究。教学 CEL 103 测绘学(土木工程学士学位)CEL 605 高级遥感(博士课程)GE 101 技术实验室博物馆(通用工程课程)CE 516 水和环境地理信息学博士。标题:《喜马拉雅山 CHHOTA-SHIGRI 冰川遥感研究》印度理工学院鲁尔基分校地球科学系(2015 年)。
