《遥感学报》现已发行到7个国家和地区《遥感学报》作为中国遥感领域唯一一本国家级综合性学术期刊，《遥感学报》致力于报道遥感领域及其相关学科具有国际、国内先进水平的研究报告和阶段性研究简报以及高水平的述评。着重反映本领域的新概念、新成果、新进展。内容涉及遥感基础理论，遥感技术发展及遥感在农业、林业、水文、地矿、海洋、测绘等资源环境领域和灾害监测中的应用，地理信息系统研究，遥感与GIS及空间定位系统（GPS）的结合及其应用等方面。
肯定是了， 中文核心没问题了。学报级别的都比较牛啦 。
遥感学报 当然是国家核心期刊！一直都 核心期刊。比较难发
《遥感学报》是中国科学院遥感应用研究所、中国地理学会遥感分会主办的专业学术性期刊，《中文核心期刊要目总览》（2011版）收录，《中国科学引文数据库》（CSCD）（2013-2014）收录。属于高层次的核心期刊。
（一）基本要求来稿要求题材新颖、内容真实、论点明确、层次清楚、数据可靠、文句通顺。文章一般不超过5000字。投稿请寄1份打印稿，同时推荐大家通过电子邮件形式投稿。（二）文题文题要准确简明地反映文章内容，一般不宜超过20个字，作者姓名排在文题下。（三）作者与单位文稿作者署名人数一般不超过5人，作者单位不超过3个。第一作者须附简介，包括工作单位、地址、邮编、年龄、性别、民族、学历、职称、职务；其它作者附作者单位、地址和邮编。（四）摘要和关键词所有论文均要求有中文摘要和关键词，摘要用第三人称撰写，分目的、方法、结果及结论四部分，完整准确概括文章的实质性内容，以150字左右为宜，关键词一般3～6个。（五）标题层次一级标题用“一、二、……”来标识，二级标题用“（一）、（二）、……”来标识，三级标题用“”来标识，四级标题用“（1）、（2）”来标识。一般不宜超过4层。标题行和每段正文首行均空二格。各级标题末尾均不加标点。（六）计量单位、数字、符号文稿必须使用法定的计量单位符号。（七）参考文献限为作者亲自阅读、公开发表过的文献，只选主要的列入，采用顺序编码制著录，按其文中出现的先后顺序用阿拉伯数字编号，列于文末，并依次将各编号外加方括号置于文中引用处的右上角。书写格式为：作者文题刊名年份；年（期）：起始页网上参考材料序号作者文题网址（至子－－栏目）上传年月。为保证本刊的权威性，杜绝任何形式的抄袭稿。稿件文责由作者自负，编辑部有权作必要的修改。文稿在3个月内未收到退修或录用通知，作者可自行处理，另投他刊。未被录用的稿件一般不退稿，请自留底稿。
进学校的电子图书馆
很高的层次。1、《遥感学报》综合2013年度审稿数量、质量以及审稿时效等多项指标，评出了《遥感学报》2013年度优秀审稿专家共26位。2、《遥感学报》由中国科学院遥感与数字地球研究所、中国地理学会环境遥感分会主办。作为中国遥感领域唯一一本国家级综合性学术期刊，《遥感学报》致力于报道遥感领域及其相关学科具有创新性的研究报告和阶段性研究简报以及学术价值较高的述评，刊登了大量国内最新科研成果和国家重点支持的研究项目的成果论文，对中国遥感科学技术的发展和人才培养发挥了巨大作用，是目前中国遥感和地理信息科学领域最有影响的学术期刊。
（一）基本要求来稿要求题材新颖、内容真实、论点明确、层次清楚、数据可靠、文句通顺。文章一般不超过5000字。投稿请寄1份打印稿，同时推荐大家通过电子邮件形式投稿。（二）文题文题要准确简明地反映文章内容，一般不宜超过20个字，作者姓名排在文题下。（三）作者与单位文稿作者署名人数一般不超过5人，作者单位不超过3个。第一作者须附简介，包括工作单位、地址、邮编、年龄、性别、民族、学历、职称、职务；其它作者附作者单位、地址和邮编。（四）摘要和关键词所有论文均要求有中文摘要和关键词，摘要用第三人称撰写，分目的、方法、结果及结论四部分，完整准确概括文章的实质性内容，以150字左右为宜，关键词一般3～6个。（五）标题层次一级标题用“一、二、……”来标识，二级标题用“（一）、（二）、……”来标识，三级标题用“”来标识，四级标题用“（1）、（2）”来标识。一般不宜超过4层。标题行和每段正文首行均空二格。各级标题末尾均不加标点。（六）计量单位、数字、符号文稿必须使用法定的计量单位符号。（七）参考文献限为作者亲自阅读、公开发表过的文献，只选主要的列入，采用顺序编码制著录，按其文中出现的先后顺序用阿拉伯数字编号，列于文末，并依次将各编号外加方括号置于文中引用处的右上角。书写格式为：作者文题刊名年份；年（期）：起始页网上参考材料序号作者文题网址（至子－－栏目）上传年月。为保证本刊的权威性，杜绝任何形式的抄袭稿。稿件文责由作者自负，编辑部有权作必要的修改。文稿在3个月内未收到退修或录用通知，作者可自行处理，另投他刊。未被录用的稿件一般不退稿，请自留底稿。
进万方、维普等数据库
上地理学报编辑部的网站，上面有详细的说明和要求，可以下载pdf来看。
《遥感学报》的前身是1986年创刊的《环境遥感》，创办于中国遥感事业的初创时期，是随着中国遥感事业的发展而成长起来的第一本遥感刊物。二十二年来，《遥感学报》结合中国遥感事业不同时期的重点和需要，刊登了大量国内最新科研成果和国家重点支持的研究项目的成果论文，对中国遥感科学技术的发展和人才培养发挥了巨大作用，成为目前中国遥感和地理信息科学领域最有影响的学术期刊。
肯定是了， 中文核心没问题了。学报级别的都比较牛啦 。
杨大志 付洛玲 段嵘峰 曹千红 管相荣（河南省国土资源厅信息中心，郑州，450003）摘要：本文采用面向对象分类的方法，使用专业遥感图像分类软件eC0，以河南省临颍县为研究区，对处理后的临颍县SPOT5影像进行多层次分割及合并，根据分类体系定义相应知识库，进行土地利用信息提取研究，探讨该方法在高空间分辨率遥感影像应用于土地利用/土地覆被自动分类中的应用潜能，为高分辨率影像用于土地利用分类信息提取提供新技术手段。关键词：eCognition；SPOT5；自动分类；土地利用土地资源利用状况调查、土地资源动态监测是土地管理工作的一个重要内容。近年来，随着空间遥感技术的发展，高分辨率遥感影像在土地资源调查、土地资源动态监测等领域中的应用日益广泛。高分辨率遥感数据与多光谱和高光谱分辨率数据相比，具有空间信息丰富、地物几何结构和纹理信息更加明显、波段较少的特点。对于高分辨率的遥感影像来说，利用传统的面向像元的图像分类方法来提取土地利用分类信息，易造成分类精度低，空间数据大量冗余以及资源的浪费［1～2］。实际上，靠传统的面向像元的遥感图像分类法来提取土地利用信息已不能满足实际运用的要求。因此，基于高分辨率遥感影像土地利用分类信息提取必须根据其特点采取新的技术方法，建立起图像数据与目标特性之间的物理—机理联系，而不仅仅是统计联系，才能充分挖掘高分辨率遥感影像所包含的信息，这是高分辨率卫星影像信息处理成败的关键［3］。面向对象分类技术作为一种新的遥感影像很好地解决了这个问题，而eCognition软件正是基于面向对象方法的影像分类技术。本文就是基于该软件以河南省临颍县土地利用分类信息提取为例对该方法进行了探讨。1 研究区概况和资料基础研究选取河南省临颍县作为研究区。临颍县位于河南省中部，颍河上游，属漯河市，面积821km2，人口76 万，辖15个乡镇，362个行政村。临颍县地处颍河冲积平原，西北部较高，东南部稍低。图1是河南省临颍县SPOT5遥感影像图。本研究主要以下述资料为研究基础。1 影像数据本次遥感图像分类采用数据为SPOT5 （5 m分辨率）影像数据，景带号为279/281和279/282，接收时间为2004年9月。两景数据采用Erdas 7软件进行处理，通过配准校正融合，选择克拉索夫斯基椭球体和高斯—克吕格投影，通过裁切，得到临颍县遥感影像数据（见图1）。图1 河南省临颍县 SPOT5 遥感影像图2 矢量数据近年的土地利用数据库数据。3 其他资料与研究区有关的行政区划、农、林等方面的文献资料。通过近年的土地利用数据库数据和影像数据研究可以发现临颍县土地利用类型较丰富，主要以农用地为主，地物类型比较全面，是研究土地利用/土地覆被的较好选择。2 面向对象分类方法简介面向对象的分类方法是一种智能化的自动影像分析方法，它的分析单元不再是单个像素，而是由若干个像素组成的像素群，即目标对象［4］。目标对象比单个像素更具有实际意义，特征的定义和分类均是基于目标对象进行的。通常面向对象的分类方法包括两个步骤：多分辨率分割和模糊逻辑分类［5］。eCognition软件采用面向对象的遥感影像解译思想。首先根据像元光谱信息、局部区域纹理信息以及形状和尺度参数自动将影像分割为若干相对同质的区域，称为影像对象（Image objects），为下一步分类提供信息载体和构建基础［6］，所有后续的分类工作都基于这些影像对象进行，分类结果避免了斑点噪声而具有很好的整体性，改变了以往面向像素进行分类的传统。同时，软件提供最邻近法和模糊隶属度函数两种解译方法。本研究就是采用面向对象的分类方法，以eCognition 中membership function （隶属度函数）为主，模仿目视解译过程，从遥感信息机理与地学规律的综合分析入手，综合其他辅助信息进行分类。通过对辅助资料、外业调查成果以及软件的学习得到了临颍县各类典型地物分类的知识，并以相应的形式表示这些知识，集成影像亮度值、亮度值关系和几何形状以及纹理、邻近关系等特征，对试验区土地利用/覆被进行分类。3 分类体系和技术流程1 分类体系根据临颍县土地利用实际情况，参照历年土地利用分类标准，本次信息提取分类采取的分类体系如图2所示。2 技术流程使用eCognition软件对研究区SPOT5影像数据进行土地利用信息提取研究分如下几步进行：①把处理好的影像数据输入到软件中，定制分割参数，对其执行分割，生成影像对象；②根据研究区地物类型创建分类层次结构；③确定合适的分类方法（包括最邻近法和模糊隶属度函数两种方法），选取相应地物类型样本或者分类特征，构建知识库，执行分类，并可根据目视解译结果和事先准备的调查区资料对分类结果进行人工干预，进一步提高分类精度；④对分类结果进行分类精度评价；⑤把分类结果输出，输出的格式可以为所需要的相应的矢量格式或栅格格式。本研究的技术流程如图3所示。图2 研究区地物类型图3 研究技术流程图4 主要分类过程1 定制分割参数分割参数的定制相当重要，它关系到每一个分类对象的大小，直接影响到最后的分类结果。通过多次试验，本次分类决定采用多层次分割的方法进行：水体和非水体信息的提取以分割参数为80进行，其他参数均为默认；分类体系中其他类别信息的提取在首次分割基础上，以分割参数为65，其他参数也为默认对非水体进行多重分割，来进行其他地物类型的分类。2 制定分类策略，创建类层次结构在进行分类之前，首先要参照研究区地物类型，分析每种地物类型特征及其相互之间的关系，制定合适的分类策略，创建类层次结构。可利用的研究对象属性特征包括色调、形状、面积/大小和纹理等特征，各对象之间关系包括与父对象之间、与子对象之间以及与邻对象之间的关系三种类型。对象属性特征选取正确与否及其在多大程度上被正确表达对分类结果有着重要影响，它决定了最后分类正确与否和其精度。面向对象的分类方法可以模仿人类大脑认知过程，充分利用每种地物类型特征，按照由简单到困难的顺序逐步剥离提取分类体系中每种地物信息。通过研究本次分类所要提取信息自身特征及其相互之间关系，制定本次分类的分类策略，创建了类层次结构，如图4所示。图4 类层次结构示意图3 分类特征的选取根据创建的类层次结构，选取合适的对象属性，对对象属性进行定义，提取出相应对象的土地利用信息。本次分类采用以下几步进行：（1）提取水体信息 分割参数设为80，对影像进行分割，分割后，在整个研究区均匀选取样本，采用标准最邻近方法（Standard Nearest Neighbor）对遥感影像进行分类（类似于监督分类），提取水体信息。在此基础上，依据水体的形状特征，把水体分为河流水面和坑塘水面两类。根据实验，长宽比大于3是河流，小于3的是坑塘。（2）提取植被信息，并进一步把植被分为耕地和林地 首先把提取出的水体信息保护起来，在首次分割的基础上对非水体进行再分割，分割参数设为65，其他参数为默认值，把非水体分为植被和非植被两类，然后根据耕地和林地的不同特征把其信息提取出来。（3）对非植被信息进一步细分，从中提取出主要交通道路、城镇居民点工矿和裸地（已收获耕地） 信息 首先从非植被信息中提取出交通道路和非交通道路信息，然后把非交通道路细分为裸地（已收获耕地）和城镇居民点工矿两类。此时，分类体系中的所有类别信息已经全部提取出来，可根据实际情况对分类结果进行手工编辑，进一步删除一些过小对象和纠正一些错分信息。当分得的各类信息结果都比较满意后，进行基于分类的融合，把小对象合并为大的对象，通过手工编辑和基于分类的融合后，得到最终分类结果如图5所示。图5 遥感影像分类结果图4 分类精度评价得到分类结果后，要根据分类得到的结果进行分类精度评价。评价采用如下方法进行：在分割后的影像上均匀随机选取每个地类的目标对象，选取的目标对象数目根据分类结果得到的每个地类的目标对象数目而定，进行自动统计，得到统计结果。统计结果如表1所示。表1 分类结果精度评价表通过分类结果精度评价表可以发现，自动分类的最后分类精度超过了80%，这对于研究区来讲，分类结果还是比较令人满意的。同时，根据统计结果可以得到如下结论：耕地、城镇居民点、坑塘、河流信息提取的效果较好；相对而言，裸地和道路信息提取比较困难；林地信息由于同耕地信息相近，提取起来也有相当的难度，还有待于今后进一步研究。通过研究表明，采用面向对象方法进行图像解译和信息的自动提取与面向像元方法相比具有较强优势。面向对象的分类方法可以灵活运用地物本身的几何信息和结构信息，纹理信息以及上下层关系信息、邻近关系信息等，更主要的是可以加载人的思维，构建知识库，从而提高了分类的精度，为各种不同地物的分类提供了更多的依据，比如通过影像的形状和纹理特征可以有效地识别河流、道路、建筑物的形状。利用eCognition对高分辨率遥感图像进行土地利用自动分类，快速简便，而且能够达到较高精度，节省了大量的人力物力，为大面积土地利用调查和监测提供了新的科学方法。参考文献丁晓英Cognition在土地利用项目中的应用［J］测绘与空间地理信息，2005，28 （6）：116～120刘亚岚，阎守邕，王涛等遥感图像分区自动分类方法研究［J］遥感学报，2002，6 （5）：357～362孙晓霞，张继贤，刘正军利用面向对象的分类方法从IKONOS全色影像中提取河流和道路［J］测绘科学，2006，31 （1）：62～63eCognition 3 Made in Germany ［Z］Sun XAn object－oriented classification method on high resolution satellite data ［Z］ACRS2004，Istanbul杜凤兰面向对象的地物分类方法分析与评价［J］遥感技术与应用，2004，19 （1）：20～23
《遥感学报》现已发行到7个国家和地区《遥感学报》作为中国遥感领域唯一一本国家级综合性学术期刊，《遥感学报》致力于报道遥感领域及其相关学科具有国际、国内先进水平的研究报告和阶段性研究简报以及高水平的述评。着重反映本领域的新概念、新成果、新进展。内容涉及遥感基础理论，遥感技术发展及遥感在农业、林业、水文、地矿、海洋、测绘等资源环境领域和灾害监测中的应用，地理信息系统研究，遥感与GIS及空间定位系统（GPS）的结合及其应用等方面。
你是文科还是理科的呢 我也想学地理学 但是不晓得以后能做什么 请赐教 374228520我的QQ
《遥感学报》是中国科学院遥感应用研究所、中国地理学会遥感分会主办的专业学术性期刊，《中文核心期刊要目总览》（2011版）收录，《中国科学引文数据库》（CSCD）（2013-2014）收录。属于高层次的核心期刊。
1 Novel Land Cover Classification Based on Mean Shift Segmentation for High Resolution Remote S Proceedings of 2006 International Conference on Artificial Intelligence——50 Years’Achievements, Future Directions and Social Impacts( ISAI’06) , A 1-3, 2006, Beijing C 第2作者(ISTP index )2 Remote Sensing Interpretation Based On Segmentation and Geo-Information S 3rd International Symposium on Future Intelligent Earth Observing Satellites (FIEOS2006)), Nov 2006,Beijing,C第2作者( EI index)3 Object Oriented Information Extraction of Forest Resources from High Resolution Remote S 《Proceedings of SPIE》，Geoinformatics 2006, Remote Sensed Data and Information, 28-29 O 2006, Wuhan, C 第2作者( EI index)4 Study on the Dynamic Changes of Rocky Desertification in Yunshun County based on RS in Northwestern Hunan P ISEIS'2006,Beijing Specialty Conference Science and Technology for Desertification Control (STDC),O 2006,Beijing,C第2作者(ISTP index)5 The VHR Data Multi-resolution Segmentation Based on Mean S 广西大学学报（自科版）， 2006(4)，第2作者(广西师范大学主办，核心期刊，影响因子:802)6 Spot-5影像特征分析及最佳波段选择《遥感信息》，2006(4)，第2作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:402)7 高分辨率遥感图像分割技术研究《中南林学院学报》，2006(4)，第1作者(中南林学院主办，核心期刊，影响因子:242)8 Study on the technology of classifying high-resolution remote sensing image based on multi-《International Symposium of Remote Sensing and Space Technology for Multi-disciplinary Research and Application》，19-24 May 2005 Beijing，C第1作者(EI and ISTP index)9 湖南四水流域适宜森林覆盖率指标研究《中南林学院学报》，2005(5)，第1作者(中南林学学院主办，核心期刊，影响因子:242)10 基于3S技术的土地利用数据库更新技术研究《遥感信息》，2005(5)，第1作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:402)11 QuickBird 卫星图像信息识别《中国图象图形学报》，2005(12)，第1作者(中国图象图形学会主办，一级期刊，影响因子:790)12 多源遥感图像分级校正研究《株洲师范专科学校学报》，2005(2) ，第1作者13 基于高分辨率遥感图像的土地覆盖信息提取《遥感技术与应用》，2005（4），通讯作者(中国科学院遥感联合中心主办，影响因子:333)14 多源遥感数据融合方法及其对植被识别的影响《林业资源管理》，2005（5），通讯作者(国家林业局调查规划设计院，核心期刊)15 高分辨率遥感图像在林业应用中存在的问题与思考《株洲师范高等专科学校学报》，2005（5），通讯作者16 森林树种高光谱波段的选择《遥感信息》，2005（4），通讯作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:333)17 一种稳健的高分辨率遥感图像快速提取方法《第12届全国图象图形学术大会论文集》，2005年10月，通讯作者18 森林经理专业“本硕连读”试验研究《中南林学院学报》，2005(6)，第1作者(中南林学学院主办，核心期刊，影响因子:242)19 基于高分辨率卫星影像的立木材积表的编制《林业科学》，2004(3)，第1作者(中国林业学会主办，一级期刊，影响因子:500)20 QUICKBIRD 数据处理及其应用《遥感信息》，2004(2)，第1作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:402)21 遥感数字图像的无缝镶嵌《中南林学院学报》，2004(1)，第1作者(科技部国家遥感中心、中国测绘科学研究院主办，核心期刊)22 “3S”技术在贵州省森林资源清查中的应用《林业资源管理》，2003(3) P31，第2作者 (国家林业局调查规划设计院，核心期刊)23 航空像片上任意点比例尺的测算《遥感技术与应用》，2003(3) P149，第1作者(中科院遥感联合中心主办，影响因子:316)24 多项式法航空像片的几何纠正《北京林学大学学报》，2003(2) P58，第1作者(北京林业大学主办，EI index，影响因子:406)25 株洲主要地类地物波谱特征研究《中南林学院学报》，2003(1) P93，第1作者(中南林学院主办，核心期刊)26 ANN在森林资源管理中的应用《世界林业研究》，2002(3)，第1作者 (中国林科院主办，核心期刊)27 遥感技术在我国林业中的应用与展望《遥感信息》，2002(1)，第1作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:402)28 澧水北源森林资源水文状况评析《湖南林业科技》，2002(2) P8，第1作者(湖南省林科院主办)29 加拿大林业教育和林业科研《世界林业研究》，2001(4)，第1作者 (中国林科院主办，核心期刊)30 The Role of Raster Pixel Size and Shape in Geographic Information S 《遥感信息》，2001(1) P21，独立(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:402)
大概就这样了 参考一下吧 基于landsat-TM影像的专题信息提取 学生姓名：XX 学号：20085080079 院系：城市与环境科学学院 专业：XX 指导教师：XX 职称：助教 摘 要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。 关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用 Abstract:Based on the study of shenyang area for using spectral information extraction，water,vegetation,based on gray symbiotic matrix of the texture classification,through the TM5 band extraction graylevel co-occurrence matrix and gray,and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields,spectral information structure,separation,with residents of the final results of the Results show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination,the classification accuracy than pure spectral classification Key words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use 引言 遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的[1] 。在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。 提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误率，提出了一种基于小波变换进行纹理分割的方法。因此，研究地物在影像上的纹理特征，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一[3]。图像分析需要用到影像的灰度和纹理信息，灰度即波谱信息，是最基本的信息，纹理反映了灰度的空间变化情况，它由纹理基元按某种确定的规律或者某种统计规律排列组成。为了能用计算机进行纹理分析和形成统一的尺度，需将纹理量化，以定量反映纹理信息，形成纹理变量和纹理图像以便分析[4]。 1 研究区概况 苏家屯是沈阳市的九个市辖区之一，位于沈阳南部，距沈阳市中心15公里，与抚顺、本溪、辽阳三市毗邻。这里气候适宜，雨量适中，年均气温8度，年均降水量700毫米。物产丰富，蕴藏着丰富的煤石油天然气铁矿石和优质矿泉水等自然资源。苏家屯农业发达，盛产水稻、玉米，是国家确定的现代化农业示范区。本文选择数据源所选取的数据是沈阳地区2001年8月11日TM影像区的子区域。根据沈阳地区的农事历，选择10月上旬的遥感资料为宜。 2 光谱信息 地物的光谱一般是指像素的亮度值，地表的各种地物由于物质组成和结构不同而具有独特的波谱反射和辐射特性，在图像上反映为各类地物在各波段上灰度值的差异。地物光谱响应特征是多光谱遥感影像地物识别最直接，也是最重要的解译元素。 3 纹理特征 纹理也是遥感影像的重要信息,它通过色调或颜色的变化表现细纹或细小的纹案，这种细纹或细小的纹案在某一确定的图像区域中以一定的规律重复出现。 目标地物的纹理特征与航空相片的比例尺和太阳高度角有关。另外，它反映了影像的灰度统计信息、地物本身的结构特征和地物空间排列的关系，是进行目视判读和计算机自动解译的重要基础[5]。许多研究表明，除了原始影像光谱信息以外，加上纹理信息就可以使分析准确性和精度提高[6]。遥感图像中多为无规则纹理，一般采用统计方法进行纹理分析,目前用得较多的统计方法有共生矩阵法、分形维法和马尔可夫随机场法。 所谓灰度共生矩阵是由影像灰度级之间二阶联合条件概率密度所构成的矩阵，反映了影像中任意两点间灰度的空间相关性。其方法是先依据影像的灰度级数和灰度变化情况计算出4个方向(右、下、右上和左下)任意两个灰度级相邻出现的概率矩阵，它能提供多个纹理量，可以从多个侧面描述影像的纹理特征，因而在纹理分类中得到广泛的应用[7]。 4 提取方法 1 数据预处理 本文对沈阳地区遥感影像进行光学增强处理，并采用高通滤波来进行滤波处理对影像进行融合将融合后的影像进行几何校正。本文以1∶5万比例尺地形图为底图，选取均匀地分别在整幅图像内的60个控制点，采用二次多项式纠正模型建立两幅影像的对应关系。配准精度在3个像元以内， 2 土地利用分类体系的确定 参考国家土地利用分类体系，结合研究区土地资源的实际情况，TM影像波谱特征及其分辨率等，把研究区土地利用现状分类系统按二级进行分类，一级类型5个，分别为水体、水田、旱地、居民地、植被。 3 遥感信息提取 遥感图像的某些波段往往存在异物同谱和同物异谱现象，如果把多种地物放到一起考虑，由于这些波段的加入，会使信息提取变得非常复杂，这也正是传统上基于统计特征的监督和非监督分类遇到的难题。而对地物进行分层处理，就可以充分利用各类地物在不同波段的特征，收到较好效果[8，9]。对某一地物进行提取，获得该信息层，与原图像进行逻辑与运算，做掩膜处理，从而将该地物像元从原始图像中去除，以避免它对其他地物提取的影响，从而为以后的信息提取创造了纯净的环境。 1基于地物光谱模型的遥感影像分类 为获得光谱知识，在原始图像上进行采样。在采样过程中考虑到同类地物颜色的差异，如水域的深浅等，每一地类进行了多个样本值的合并，得到地物的综合光谱特征值（如图1）。 图1 地物光谱特征 水体的提取：太阳光照射到水面少部分被反射到空中大部分被入射到水体，入射到水体的光，部分被水体吸收，部分被水中的悬浮物反射，少部分透射到水底。被水底吸收和反射。被悬浮物反射和被水体反射的辐射，部分返回水面，折回到空中。因此，遥感器所接收到的辐射就包括水面反射光，悬浮物反射光，水底反射光和天空反射光（如图2）。由于不同水体的水面性质和水体特性的不同，从而形成传感器上接收到的反射光谱就存在差异，为遥感探测水体提供了基础。在可见光范围内，水体的反射率总体比较低，不超过10%,一般为4%～5%,并随着波长的增大逐渐降低，到6μm处约2%～3%，过了75μm，水体几乎成为全吸收体。因此，在近红外的遥感影像上清澈的水体成黑色。因此在提取水体时图面上黑色部分即为水体。 图2 传感器接收到的光谱 植被的提取:健康植物的波谱曲线有明显的特点（如图3），在可见光的55μm附近有一个反射率为10%～20%的小反射峰。在45μm和65μm附近有两个明显的吸收谷。在7～8μm是一个陡坡，反射率急剧增高。在近红外波段8～3μm之间形成一个高的，反射率可达40%或更大的反射峰。在45μm、95μm和6～7μm处有三个吸收谷。它们分别受叶子色素，细胞构造，含水量等的影响。因此，在对TM影像上的植被进行提取时，要考虑以上因素。 图3 健康植被的光谱特征 2基于纹理信息的分类 在图1中容易看到水田、旱地、居民地有很大的光谱相似度，因此需要根据纹理特征进行提取。 本文用水体和植被信息分别对原始影像做掩膜，再结合纹理信息作监督分类提取居民地、水田和旱地。为了突出图像的纹理，提高对图像的解译和分析能力，在对图像进行纹理分析之前，利用ErdasImagine软件对掩膜后的影像进行了增强处理。 为了进行纹理分类，首先必须提取各类的纹理特征。试验中先提取各类样本，统计各种类纹理特征，再找出最大差异的纹理量，作为分类特征量进行分类(如图4)。纹理特征的提取需考虑到窗口的大小、方向和步长。本文利用TM第5波段的纹理特征,采用了3X3大小的窗口、四个方向的均值[10]、步长为1来对纹理值(包括角二阶距、对比度、熵、相关)进行特征统计。 图4 纹理样本图 本文所有的纹理分析均在M0上进行，主要目标是实现对输入遥感影像进行纹理分析，输出纹理分析的结果，以便通过使用结果，以不同的结合方式辅助分类作对比研究。从图5中我们可以看到，3种地类在ASM纹理特征量上差异最大，COR上次之，因此取用ASM、COR特征值，对3种地物加以提取。 图5 3种纹理特征曲线 旱田的提取:从纹理曲线中可以看出旱田的ASM量与水田、居民地有很大的差异，因此通过实验对ASM进行阈值设定来提取旱田。 居民地和水田的区分:采用基于纹理特征和光谱特征相结合的方法，对居民地进行提取。水田和居民地在ASM特征量上，有着较大的差异，但仔细观察可以发现，在去除了旱田的干扰后，水田和居民地在COR特征量上也有着很大的差异。同时一些研究提出了(归一化建筑指数)[11]:NDVI=(TM 5- TM 4)/(TM 5+ TM 4)来对居民地进行提取（见表1）。从表2中可以看出，这种方法并不适合本文的研究区，但是对原始的光谱特征信息进行分析可以发现，在只存有水田和居民地的图像上，两者在TM5上的亮度值差距很大。综上所述,可以对COR和TM5的亮度值进行阈值设定提取居民地,将其与水田相分离。 表1 5种地物的NDVI指数 指标 水体 水田 旱地 居民地 植被 NDVI 0．24271 0．218619 0．380397 0．231489 0．166337 5 精度评价 衡量分类精度最广泛的方法是由Congalton提出的误差矩阵法(error matrix)，为了评价分类试验精度，本文采用随机抽样方法抽取400个点作正确率评价，通过对原图的目视判读结合实地考察对结果进行正确率评价，建立混淆矩阵，计算其Kappa系数(见表2)，在ERDAS监督分类中总正确率为4 %(见表3)，两者相比较可以看出，基于光谱和纹理特征的信息分层提取方法能够很好的对研究区影象进行分类。 表2 光谱纹理信息分类精度% 居民地 水田 旱地` 水体 植被 居民地 水田 旱地 水体 植被 总合 正确率/% 82 4 2 1 1 92 2 7 99 2 1 1 109 8 5 3 113 1 1 123 8 1 0 0 35 1 37 6 1 1 1 1 36 39 3 总正确率=5% Kappa系数=87 表3 EARDS监督分类精度 居民地 水田 旱地` 水体 植被 居民地 水田 旱地 水体 植被 总合 正确率/% 3123 240 107 24 63 3577 88 39 7481 569 176 6 1363 78 81 112 1477 99 32 8723 86 5 1 39 202 1067 4 1801 82 7 0 2 3 379 379 97 总正确率=4 % 6 结语 （1）试验表明，对地物进行分层处理，就可以充分利用各类地物在不同波段的特征。避免已提取地物对其他地物提取的干扰，为后续信息提取创造了纯净的环境；同时还可以有效地减少了漏分和误分，提高分类正确率。本文采用此方法对建设用地信息提取，获得较为满意的效果。 （2)综合运用光谱知识、纹理信息对于仅基于遥感多光谱信息的传统分类方法，能够更有效地提取出土地利用类型信息，精度有了一定提高。 （3）本文在进行纹理分析时，仅使用了单波段的影象数据，对于多波段影象数据未能充分利用； TM全色波段纹理清晰，如能加以利用，会对分类精度的提高有一定的帮助。 参考文献 [1] 梅安新，彭望琭，秦其明遥感导论[M]北京，高等教育出版社, [2] 吴高洪,章毓晋,林行刚等利用小波变换和特征加权进行纹理分割[J]中国图像图形学报,2001,6(4):333- [3] 张禾基于纹理特征的遥感影像居民地自动提取方法[J]江汉石油职工大学学报,2007,(4):93-96 [4] 黄桂兰,郑肇葆,杨敏一种基于共生矩阵法的影像纹理分类方法[J]测绘通报,1996,(3):28- [5] 周廷刚,郭达志,盛业华灰度矢量多波段遥感影像纹理特征及其描述[J]西安科技学院学报,2000,2(4):336- [6] 舒宁关于多光谱和高光谱影像的纹理问题[J]武汉大学学报,2004,29(4):292- [7] 武文波，陈静基于ETM+的遥感影像信息提取研究[J]甘肃农业大学学报2007，43(4) [8] 李四海,恽才兴土地覆盖遥感专题信息的分层提取方法及其应用[J]遥感技术与应用,1999,(4): [9] 柴芸甘肃省沙化土地监测研究[J]甘肃农业大学学报,2003,38(3):296～ [10] Treitz P,Howarth PIntegrating spectral spatial andTerrain variables for forest ecosystem classification[J]Photogrammetric Engineering Remote Sensing,2000,66(3):305- [11] 查勇,倪绍祥,杨山一种利用图像自动提取城镇用地信息的有效方法[J]遥感学报,2003,(1):38- 标题 XXXXXXXXXXXXXX（宋体三号字加黑，居中） 学生姓名：XX 学号：XXX(五号宋体字不加黑，居中) XXXX院（系） XX专业(五号宋体字不加黑，居中) 指导教师：XXX 职称：XXX(五号宋体字不加黑，居中) （空两格）摘 要(黑体小四)：具体内容(楷体小四号字不加黑) （空两格）关键词(黑体小四)： **；**；** (楷体小四号字不加黑) (空一行) Abstract(Times New Roman小四加黑)： 具体内容(Times New Roman小四不加黑) Key Words(Times New Roman小四加黑)：**；**；** (Times New Roman小四不加黑) 前言(宋体小三号加黑) 一、政府信息公开制度概述（一级标题宋体四号字加黑） (一)政府信息公开的内涵（二级标题仿宋体小四号字加黑） 1．政府信息公开（三级标题宋体小四号字） 正文内容（宋体小四号不加黑）、图表说明（宋体小五号字不加黑）
上地理学报编辑部的网站，上面有详细的说明和要求，可以下载pdf来看。