关键一: 分辨率

　　我们将此项排在全文的第一位，足以见得其重要程度。理论上讲，分辨率可指多个参数，分辨率越高越来越能满足多行业的应用需求。分辨率包括空间分辨率、光谱分辨率和时间分辨率，光谱分辨率指成像的波段范围，分得愈细，波段愈多，分类能力就越强。时间分辨率指卫星需要多久才能回访同一目标物，即回访能力或周期。空间分辨率指扫描影像中能够分辨的最小面积，空间分辨率数值在地面上的实际尺寸称为地面分辨率，如果影像的空间分辨率为 1 米，意思就是每个像素点所对应的地面上的实际大小为 1m * 1m，如果影像的空间分辨率为 5 米，意思就是每个像素点所对应的地面上的实际大小为 5m * 5m。地面采样间隔由地物的几何形状决定，但最终都被重采样成同样的分辨率。
　　将影像缩小一定程度，高分影像和中分影像视觉效果是一样的。然而，将影像放大到一定程度时，区别就明显了，分辨率为1米的影像呈现出更多细节特征，而分辨率为5米的影像却不能。如下图：
　

　
　左图空间分辨率为 5米，可用于大面积地理测绘。右图分辨率为1米，彰显更多详细特征。　
　尽管数字影像本身并不具备比例尺，其分辨率越高，所制作的浏览图和规划图的比例尺就越大。我们在此列出具有代表性的卫星进行如下比较：
中、高分辨率商业遥感卫星参数比较表　

分辨率的选择通常取决于兴趣区域范围的大小。考虑到成本和技术要求，高分辨率卫星影像通常适用于面积小于 500 平方公里的区域范围。中分卫星影像适用于面积超过 500 平方公里或更大区域。除了价格过高之外，高分影像的文件更大（分辨率和文件大小成正比），幅宽（单景影像的宽度）更小。

关键二: 空间精度

　　通常情况下，空间分辨率和精度之间有着某种内在联系，但也有例外。我们用QuickBird和WorldView 系列卫星举例，后者在空间分辨率上只是稍微提升，精度却大大改善，这是因为DigitalGlobe 公司对 WorldView 系列卫星采用了新技术。许多卫星影像是均经过几何校正，但未进行正射校正（通过地形校正改善绝对精度）。因此上表列出的卫星精度不包括地形校正。水平精度通常用 CE90 表示，也可能用 RMSE 或比例尺表示。如果参照美国国家地图 1:1200 比例尺的精度标准，正射校正影像需要的精度为10米（CE90 ）。

关键三: 卫星的侧摆角和高度角

　　星下点影像采集，也就是说卫星传感器垂直拍摄目标区，对于高分辨率影像来说，这是一种理想的拍摄状态，但实际拍摄中很难实现。因为传感器采集影像时总会有一定的倾斜度，但正是由于这种灵活性提升了重访效率，甚至对有的卫星来说，还能进行用于创建3D模型的立体影像的采集。
卫星运营商可能将此倾斜角度报告为“高度角（elevation angle）”或“侧摆角（off-nadir angle）”，当高度角为90°时，卫星垂直拍摄，此时侧摆角为 0°。高度角通常不能小于 60°，相应地，侧摆角通常不能大于30°。高度角越大（即侧摆角越小），拍摄效果就越好，这种情况在高峻的地形或有高大地物的区域尤为明显。

然而，大倾角影像采集意味着更长的回访周期。在一定的时间内，如果要求卫星采集影像时倾角大于等于70°（即侧摆角小于等于20°）时，则卫星尝试采集影像的次数就会减少，成功采集到影像的机会也大大降低。

关键四: 太阳高度角

　　太阳高度角指太阳光线照射到地球表面，同地平线形成的角度。太阳高度角越小，采集的影像色彩越模糊。太阳高度角通常不会小于30°，如果为 30° 或更小，北纬 35°以上的地区在冬季几个月里无法采集到可用的影像。
　　假如太阳高度角最小值为 15°，北纬 50°以上的地区根本采集不到可用的影像；即便太阳高度角为 30°，所采集的影像质量也无法满足很多项目的需求。因为太阳高度角过小，会导致阴影区域加大，给分类项目和立体项目带来大量问题。这些问题在起伏地形和具有高大地物（建筑、树木等）的地区表现得尤为明显。
　

在高纬度地区，即南北纬度60度到南北极之间的区域，一年中有数月被积雪覆盖，加上极夜的影响，编程采集很难实现。比如在阿拉斯加，太阳高度角和积雪问题导致迄今还没有光学卫星采集到高质量的影像。

关键五: 光谱信息：波段、位深和动态范围调整波段

1. 波段

　　
　　成像波段是根据光波的长短划分的。一般来说，商业成像卫星都具有一个全色波段，四个多光谱波段，分别为蓝、绿、红和近红外。但也有例外，比如WorldView-1 只有一个全色波段；WorldView-2 有一个全色波段和八个多光谱波段；WorldView-3 有一全色波段，八个多光谱波段，八个短波红外波段和 12 个CAVIS 波段，是截止目前全球最逆天的商业成像卫星了。
　　
　全色影像优势在于文件较小，易于在计算机处理加工。然而计算机处理能力越来越强大，文件小已算不得什么优势。但如果用立体像对创建数字高程模型，全色影像仍是首选。大部分用户需要的影像既要有色彩又要分辨率高，因此最常用的类型是真彩色影像，即将红、绿和蓝三波段融合在一起的影像产品。由于红外波段能够用于植被分析，土地分类项目的用户更喜爱四波段产品，即将红、绿、蓝和近红外融合在一起的影像。我们在这里选一个案例，简单分析如何用卫星影像进行土地分类的。
案例分析：分类地图
　卫星影像常常用于制作分类地图，比如绘制土地覆盖地图，如林区图、作物图或特定植物种类图，比如还能绘制土地使用地图，划分城区、工业区、郊区和空地等。有了这些电子分类地图，电信用户就可进行无线电网络规划和布站。传统分类地图用户通常利用光谱信息绘制地图，因此更多选用位深为 11 比特的四波段卫星数据（或更高级数据）。越来越多的用户采用基于对象的影像分析法，此类方法能够分析结果更佳，是比较新的影像分析法。
　　

　　左图为卫星影像分类图，右图为分析结果，多光谱和红外影像用于地图分类项目，比如植被填图。

2. 位深

　　计算机之所以能够显示颜色，是采用了一种称作“位”( bit ) 的记数单位来记录所表示颜色的数据。IKONOS 卫星出现以前，商业卫星影像的位深为 8 比特（bit），就是说成像波段最大灰度值（DN）为 256。从IKONOS 开始，所有商业高分辨率卫星影像的位深均为 11 比特，每个波段最大灰度值为 2,048。RapidEye卫星星座和Pleiades卫星影像的位深为 12 比特。KOMPSAT-3和3A影像的位深为 14 比特。位深越高，越有助于用户识别影像的详细特征。
但我们面临一个问题，就是大部分计算机只能支持 8 或 16比特数据。所以11-或12 比特的影像要存储为8比特或16比特。空出来的4或5个位元用0填充，因而生成的16比特的格式并非真正的16比特的影像。分类地图或分析地图或需要配色的影像，需要采用16比特的格式。对很多用户用来说，8比特的影像处理起来更方便，文件小易于处理，还不会出现软件不兼容问题。

3. 动态范围调整

　　动态范围调整是一种对比度拉伸增强的方法，目的是提高卫星影像目视分析效果。高分辨率卫星影像在卫星地面站预处理时，提供动态范围调整服务。用户如果不具备对影像进行拉伸增强的软件，或没有时间和精力对影像进行拉伸增强处理，且数据最终用途是目视浏览，如作为地理信息底图或网络用途，则可选购动态范围调整处理的影像数据。动态范围调整的优势在于其完全自动化，无需人工干预，拉伸算法适用于 95% 以上的影像，拉伸过的影像接近于自然色，色彩平衡效果较好。
　　用户订购高分辨率卫星影像时，可选择是否做动态范围调整。选择“是”，将做动态范围调整，以增强视觉效果；选择“否”，将提供保持原始辐射精度，用于科学分析或光学分类的项目。
　　

　　（左图）动态范围调整前，（右图）动态范围调整后。不管是否经过动态范围调整处理，都会对影像目视解译带来极大影响。

关键六: 投影

　　为了测绘及制图展示等需求，常把球面坐标投影到平面上，就需要用到地图投影，投影后的坐标采用平面直角坐标来表示。通常情况下，卫星公司提供的投影选项有限，具体到用户项目所在的地区投影时，需要对影像进行重投影。大部分卫星影像支持的地图投影有经纬度投影、日本19、UTM、State Plane 等。

关键七: 重采样

　　数字影像获取时，像素往往不能与任何坐标系统相匹配。重采样是将原始影像转换到新的坐标系统所必需的。重采样包含以下步骤：
　　1. 将原始影像中每个点的坐标转换到新的坐标系统格网中，新的格网中的像素未必完全覆盖原影像的像素。
　　2. 当原影像转换到新的坐标系统格网时，发生偏移。因此需要重采样来确定新像素的值。输出格网每个像素的亮度值有它周围的原始影像的格网亮度值计算确定。
　　常见的重采样方法：最邻近法、双线性内插、立方卷尺、八点正弦函数、调制解调函数（MTF）算子、全色增强算子。
　　重采样方法的选择取决于最终应用和产品要求。对于非全色增强影像，最邻近方法适用于用户要求保留原始影像像素值的情况。譬如，项目用于评估植被的健康状况，可能要求采用最邻近重采样法。而对于更在乎影像整体效果的项目，推荐采用立方卷积和8点正弦函数，这些重采样法让影像看起来更平滑，而且还能保持较好的边沿增强效果。

关键八:采集能力

　　决定卫星采集能力的重要因素有幅宽、机动能力、星上储存能力和数据下传能力等。同以前的卫星相比，新卫星采集能力大大提高。对于商业用户来说，并非卫星越新就越是好事，新卫星通常肩负着政府下发的采集任务。譬如法国Pléiades-1没有美国政府派给的采集任务，商业编程采集就比 WorldView-2 快得多。另外，用两颗或多颗卫星可大大提高编程采集效率，卫星公司接到商业订单后，在原有的价格基础上调动多颗卫星执行任务，大大提高了采集速度。
高分辨率成像卫星可以侧摆拍摄，因此能够更快回访到同一拍摄区域，再次拍摄到这一区域通常需要三天或更短的时间。如果调动多颗卫星对同一区域拍摄，理论上当天回访是可行的，然而在实际操作中，因天气条件等原因，当天重访很难实现。

关键九: 云量

　　云量越大，采集机会越少。有些地区一直被云影像，比如赤道地区。通常情况下，编程采集云量不超过 15%。有的卫星公司保证云量更小，还可以选择小面积无云拍摄，但会因此提高售价。这种影像常常用于机场、地矿、油气等小面积项目。

如何挑选合适的卫星影像相关推荐

水经注叠加cad_如何下载等高线并在CAD中与卫星影像叠加
我们这里以"林芝市"的高程和卫星影像为例,说明如何下载等高线并在CAD中与卫星影像叠加的方法. 在"区划"中选择西藏林芝,会显示林芝市的行政区划和下载按钮,如下 ...
如何将卫星影像或者航拍影像叠加到CAD设计图上（Auto CAD版）
同步视频教程:卫星图像应用到AutoCAD工程设计(套合.叠加.配准)-Bigemap GIS Office 视频教程:如何选择中央子午线或者分度带第一步工具准备 BIGEMAP地图下载器:Bi ...
AutoCAD套合(叠加)卫星影像和矢量路网数据-CAD配准
BIGEMAP无偏移影像叠加配准(Auto CAD版) 同步视频教程:http://www.iqiyi.com/w_19rubyfogh.html 专题地图制作视频教程:http://www.iq ...
GF3卫星影像数据处理-PolSAR+ENVI
博文目录 GF3卫星影像数据处理-PolSAR+ENVI 一.GF3卫星参数介绍二. POLSAR软件安装三.ENVI插件准备四.数据处理 GF3卫星影像数据处理-PolSAR+ENVI . 一 ...
基于遥感卫星影像水体提取方法综述
水体提取分类依据及基础水体提取分类依据水体提取的方法很多,很多学者也进行了分类,大体上有一个分类框架,主要是基于光学影像的分类,比如王航等[7]将水体提取分成3类,分别是基于阈值法.分类器法和自动 ...
Google Earth的卫星影像
章信息板块:评论作者:文/Echo 编者按:Google Earth的卫星影像,并非单一数据来源,而是卫星影像与航拍的数据整合.其卫星影像部分来自于美国DigitalGlobe公司的QuickBi ...
卫星影像的AI分类与识别参赛笔记
卫星影像的AI分类与识别参赛笔记标签(空格分隔): 图像分割文章目录卫星影像的AI分类与识别参赛笔记前言数据集介绍 overview 评分标准解决方案准备训练集和预测集神经网络模型图 ...
全球谷歌卫星影像2-9级星图卫星影像8级离线版分享
长假过后的第一个工作日各位心情如何? 是不是也在咆哮着假期不够,不想上班啊... 更扎心的还在后面 7天"渡劫"开始- 作为一个屌丝,还是得开始努力搬砖了~~~~ 数据介绍今 ...
如何在CAD中将矢量地图与卫星影像完美叠加
一.遥感影像为什么要和矢量数据叠加目前,地理信息系统绝大部分采用栅格影像数据结构和矢量数据结构.栅格数据结构是最简单最直观的空间数据结构,矢量数据结构模型,是将空间地质实体抽象成点.线.面三种几何要 ...
AutoCAD进行卫星影像配准套合
BIGEMAP无偏移影像叠加配准(Auto CAD版) 第一步工具准备 AutoCAD2008下载地址:http://pan.baidu.com/s/1bnhpWth AutoCAD2014(64 ...

如何挑选合适的卫星影像