关键词：遥感；湿地；监测
中图分类号：G353文献标识码：A
1前言
湿地自然生态系统与森林，海洋并列为世界三大生态系统，享有“地球之肾”的美称，是自然界最富生物多样性的生态景观之一。它不仅在净化环境，调节气候，改善人类居住条件等方面具有重要作用，而且是众多的动植物，尤其是珍稀濒危物种中的鸟类，两栖类等生长栖息之处，具有较大开发潜力的自然土地资源。近些年来由于人口与土地资源等原因，中国湿地已经进行了一定规模的开垦，或受到干扰和破坏，及时准确的掌握湿地资源的现状和动态具有重要的意义。而且随着计算机和数据处理技术的发展，遥感和地理信息技术逐渐称谓研究地球表面变化研究的主要手段。遥感技术为湿地环境状况提供了有效的信息源；地理信息系统有较强的空间信息处理和分析能力，具有空间性和动态性，能准确分析和综合地对复杂的地理信息系统进行空间定位和动态分析。因此遥感技术的发展以及地理信息系统对遥感信息处理，分析的强有力支持，使遥感技术成为宏观监测最重要的手段。
2吉林省湿地现状与分布特点
2.1湿地现状
吉林省是东北地区湿地分布主要的区域之一，据中国重要湿地名录记载，作为全国主要湿地分布区的东北共有湿地21片区，其中吉林省占了8个片区。根据2009年第二次湿地资源调查结果显示，全省湿地总面积为172.8万公顷，占全省土地总面积的9.2%，其中天然湿地102.5万公顷。2.2吉林省湿地分布特点
吉林省湿地的特点是类型多、分布广、区域差别显著、生物多样性丰富。东部主要是以长白山为主的森林沼泽湿地和泥炭沼泽湿地；中部主要是以湖泊为主的湖泊湿地；西部主要是内陆河流及平原沼泽湿地；全省有湿地野生植物87科212属501种，野生动物20目53科278种，其中濒危重点保护物种70种。
2.3存在的问题
吉林省湿地面临的主要问题包括湿地面积萎缩、退化严重、保护管理不力、财力不足（除了向海、莫莫格、龙湾等几个部级湿地自然保护区基本建设和事业经费纳入财政预算，绝大多数因为资金短缺等困难，加上当地人对湿地功能认识不足造成湿地管理与保护不力，甚至改变湿地的用途）、对于湿地真实状况掌握不足（类型不统一、边界不严格、面积范围出入大、重开发利用轻保护）。
3监测的目的和目标
3.1监测的目的
湿地监测的目的就是在基于国情要素数据基础上，综合其他自然社会经济行业数据，充分挖掘数据承载的湿地动态变化信息、空间关联信息，剖析威胁湿地安全的因素，评价湿地生态安全程度，给出安全存在阈值，为有针对性地开展分级别、分层次的湿地生态恢复保护方案制定提供科学依据。
3.2监测的任务
湿地监测的任务就是紧紧围绕党的十重大部署和重大决策，使研究成果为省政府管理部门、社会公众以及广大湿地环境研究人员提供各种基础信息和动态信息，为环境管理单位正确决策提供依据，为相关应用和研究单位提供技术示范流程，从而把地理国情监测更加紧密地融入生态文明建设之中。4遥感技术对湿地资源监测的技术优势
与传统方法相比，遥感技术对湿地资源监测具有快速、准确和经济性的优势。
快速：空间遥感可以在短时间内大范围完成对同一地区的重复探测，这对于监测湿地动态变化非常重要。准确：高空间分辨率、高光谱分辨率使遥感可以准确地获得地表属性和数量信息。经济性：与传统方法相比，遥感的费用投入和所获得的效益要大得多，有人估计这个效益比可以达到1：80，甚至更高。可以大大地节省人力、物力、财力和时间。5湿地资源调查和监测的应用
5.1调查范围
湿地调查的范围覆盖符合湿地定义范围内的各类湿地资源，包括面积为8公顷（含8公顷）以上的近海与海岸湿地、湖泊湿地、沼泽湿地、人工湿地以及宽度10m以上，长度5km以上的河流湿地。
5.2调查方法
湿地的调查方法主要包括一般调查方法和重点调查方法。
5.2.1一般调查方法
一般调查方法采用以遥感（RS）为主、地理信息系统（GIS）和全球定位系统（GPS）为辅的“3S”技术。即通过遥感解译获取湿地型、面积、分布（行政区、中心点坐标）、平均海拔、植被类型及其面积、所属三级流域等信息。通过野外调查、现地访问和收集最新资料获取水源补给状况、主要优势植物种、土地所有权、保护管理状况等数据。
5.2.2重点调查方法
重点调查的湿地斑块调查采用以遥感（RS）为主、地理信息系统（GIS）和全球定位系统（GPS）为辅的“3S”技术。即通过遥感解译获取湿地型、面积、分布（行政区、中心点坐标）、平均海拔、所属三级流域等信息。在多云多雾的山区，如无法获取清晰的遥感影像数据，或遥感无法解译湿地型，则应通过实地调查来补充完成。通过野外调查、现地访问和收集最新资料获取水源补给状况、土地所有权等数据。自然环境要素、水环境要素、湿地野生动物、湿地植物群落与植被、湿地保护与利用状况、受威胁状况等的重点调查，以重点调查湿地为调查单元，根据调查对象的不同，分别选取适合的时间和季节、采取相应的野外调查方法开展外业调查，或收集相关的资料。
5.3在吉林省生态文明建设中的应用
在建设生态文明中，我们应尊重自然、顺应自然、保护自然，建设美丽中国，建设美丽吉林；优化国土空间开发格局。构建科学合理的城市化格局、农业发展格局、生态安全格局；加大自然生态系统和环境保护力度。扩大森林、湖泊、湿地面积，保护生物多样性；加大水土流失综合治理力度；推进三江平原、松辽平原等重点湿地保护，实施流域湿地生态补水工程，在有条件的区域开展退耕还湿和湿地生态移民试点；支持吉林查干湖水源保护区等开展湖泊生态环境保护；支持吉林西部地区等加快盐碱地治理，实施河湖连通工程，建设生态经济区；支持东北地区生态文明先行示范区建设，开展节能减排财政政策综合示范。6遥感技术在环境科学中的应用和发展趋势
随着科学技术的进步，光谱信息成像化，雷达成像多极化，光学探测多向化，地学分析智能化，环境研究动态化以及资源研究定量化，大大提高了遥感技术的实时性和运行性，使其向多尺度、多频率、全天候、高精度和高效快速的目标发展。
1）遥感影像获取技术越来越先进
随着高性能新型传感器研制开发水平以及环境资源遥感对高精度遥感数据要求的提高，高空间和高光谱分辨率已是卫星遥感影像获取技术的总发展趋势。
开发和完善陆地表面温度和发射率的分离技术，定量估算和监测陆地表面的能量交换和平衡过程，将在全球气候变化的研究中发挥更大的作用。
2）遥感信息处理方法和模型越来越科学神经网络、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。
3）建立国家环境资源信息系统国家环境资源信息是重要的战略资源，环境资源数据库是国家环境资源信息系统的核心。我们要提高对环境资源的宏观调控能力，为我国社会经济和资源环境的协调可持续发展提供科学的数据和决策支持。
总之，遥感技术在湿地监测领域有广泛应用，随着科学的进步，遥感技术会越来越先进，其所发挥的作用也会越来越大。
参考文献：
[1]郑立中，中国卫星遥感与定位技术应用的现状和发展，科学技术部高新技术司；
[2]李静，遥感技术发展的新趋势分析（ENVI），适普软件有限公司；
【关键词】森林资源调查；决策树；潍坊安丘市
森林是陆地主要的生态系统，不仅是经济和社会发展的物质基础，还是维持生态平衡和改善生态环境的重要保障，在应对全球气候变化中发挥不可替代的作用[1]。近几年，我国在地区森林资源发展趋势[2]、森林可持续发展的管理方法[3]、森林资源调查方法[4-7]、发展对策[8-10]以及森林资源保护措施[11-12]等方面进行了大量的研究，而遥感技术是森林资源调查中首要手段，其应用及发展具有广阔的前景[12-15]。2008年以来，近红外光谱技术在林业中的应用以及高光谱遥感技术在林业信息提取中的应用都充分说明遥感技术在森林资源调查中越来越重要。可以说掌握森林资源现状的研究手段，对合理分析森林资源以其生态功能、合理经营与科学管理森林资源，实现林业的可持续发展具有重要意义[16-17]。本文在山东省潍坊安丘市凌河镇森林资源调查的基础上，利用山东省森林资源动态监测调查软件、ENVI决策树分类技术对凌河镇森林资源进行林种分类，并提出两种技术手段相结合存在的问题与建议，以期为森林资源可持续发展的科学管理提供参考依据。
1研究技术与方法
1.1森林资源动态监测调查系统
1.1.1操作平台
山东省森林资源动态监测调查系统，是综合运用数据库技术、MIS技术、GIS技术开发的系统，该系统是基于森林资源调查数据的基础上完成相关工作。调查的内容包括调查各类林地面积、蓄积和分布、各类农田林网、农林间作、地堰绿化面积、蓄积和分布以及调查区树木的株数和蓄积[18]。
该系统综合功能强、操作简单。桌面版软件主要是完成小班的内业区划、数据拆分、数据合并、数据下发、数据接收、后期数据处理、数据检查和生成报表等工作（操作界面如图1所示）。移动版软件主要用于外业调查，主要对调查区域进行实地调查、录入小班属性因子和实地拍摄照片等（操作界面如图2所示）。
1.1.2使用过程
1）桌面端使用过程
桌面版软件使用，以高分辨率的遥感影像数据为工作底图，然后叠加小班数据，也可以添加矢量数据来增加边界的识别程度，填充方式改为透明显示。根据外业工作组的调查对数据进行拆分，但拆分前应该确定软件系统设置中数据字典的完整性，数据字典又分为政区字典和资源字典。
利用软件自带面分割，线分割，合并、分解等处理工具对拆分好的数据库进行图斑编辑，除去实地调查需要实地录入的属性因子，系统会对小班号进行自动赋值和面积自动平差。在相同背景及距离较近的图像小班的属性经常会存在许多因子一样的情况，为了避免重复录入相同的属性信息，减少工作量可以使用属性复制工具。把选中小班的属性信息复制到目标小班。同理利用属性复制工具还可以对多个目标小班进行属性复制。
最后对汇总合并后的调查数据进行数据质检，包括属性检查和空间检查，根据错误提示修改结果，然后输出质检报告和最后的森林资源调查结果。
2）移动端使用过程
将桌面版软件中的工程数据和影像文件进行拆分并拷贝到平板电脑移动版软件中，然后进行软件GPS定位设置，使GPS参数符合外业调查。
实地调查中验证小班边界和小班实际范围是否吻合，采用修边工具对不一致的边界进行调整。对不同的小班（林网小班、间作小班、地堰绿化小班）进行调查时，选中调查地，然后根据实地林种类型进行调查，点击调查表，录入属性因子。调查中根据实地情况的不同还需要填的调查表有未成林、灌木林、幼林标准地调查表，经济林、竹林标准地调查表，苗圃地调查表，散生木调查表等。实地调查还包括村镇树（乡镇范围和城建区范围）信息录入，村镇树实地调查时采用抽样调查的方法。最后将调查结果导入桌面端软件数据库中。
1.2ENVI决策树分类
1.2.1分类过程
利用ENVI软件加载高空间分辨率遥感影像数据。进行决策树分类前首先应该获取多源数据。对遥感影像数据进行监督分类获得监督分类结果图、NDVI（归一化植被指数）、DEM（数字高程模型）、Slope（坡度信息提取）、Aspect（坡向信息提取）等定义分类规则，按照二叉树描述方式对数据进行分层。例如，在第一层中以NDVI来区分植被和非植被信息，根据NDVI和实际影像信息来选取合适的阈值划分第一层，然后对第二层中的植被信息根据坡度、高程、光谱信息等数据对植被种类进行划分，以此类推。然后利用ENVI分类菜单下的决策树分类工具进行输入已经定义好了的分类规则，输入规则应严格按照ENVI软件的语言要求输入。最后执行决策树分类，在输出窗口上选择投影参数、重采样方法等信息，然后输出分类结果图[19-22]。
1.2.2精度分析
分类结果精度评价是分类结果是否可用的一种度量。用混淆矩阵来评价是目前使用较多的一种方法，它是由相同个数的行和列组成的矩阵，行和列的个数代表分类的个数。Kappa系数为非参数统计方法，其值在0-1之间，Kappa系数即考虑了混淆矩阵对角线上被正确分类的像素，又考虑了不在对角线上的各种漏分和错分错误[23-24]。
2应用案例
2.1研究区选取
以潍坊安丘市凌河镇赵家沟村附近1km2的地区为应用案例，利用3S技术进行林种划分。赵家沟村位于安丘凌河镇西南的留山北侧山脚，该村大体符合安丘市的地形格局，山区、丘陵与平原大体各占三分之一，且树木种类大体符合安丘凌河镇的现状，凌河镇的植被主要以黑杨为主，还有大面积的桃树、杏树、苹果树等果林，还分布少量的侧柏，观赏和经济植物幼苗为主的苗圃，灌木林及其草地。
2.2研究方法
首先对高空间分辨率的遥感影像进行裁剪，由于遥感数据为有关部门下发的处理妥善的2012年分辨率为0.5m的航拍数据，所以不需对影像进行预处理，在这里只需要对数据进行裁剪选取自己需要的区域就可以了。利用ENVI软件的裁剪功能选取包括安丘市凌河镇赵家沟村附近的大约1km2（约40000000个像元）的地区进行裁剪。然后在地理空间数据云平台上下载对应地区分辨率为30m的DEM数据，并运用ENVI软件的裁剪功能，以裁剪好的航拍数据为依据裁剪DEM数据。
以凌河镇调查中的实地植被种类为先验知识，对经过裁剪的研究区域用遥感分类方法进行林种监督分类。首先利用目视解译的方法对研究区高分辨率影像进行大体树种划分（主要划分为五种类型：非林地、黑杨、侧柏、灌木林和苗圃林，其中非林地中包含耕地，灌木林中包含草地），然后选取合适的训练样本进行监督分类。运用ENVI遥感软件对影像进行多源信息提取。利用高分辨率和DEM影像提取植被指数（NDVI）和坡度坡向信息，最后利用决策树的分类方法对研究区树种进行分类，并且计算赵家沟村附近区域的森林覆盖率。
利用GIS开发的《山东省森林资源动态监测调查系统》软件移动版加载经过几何校正后的航拍影像来作为外业调查所用的参考底图，选择外业调查线路，携带平板等实地调查仪器去实地进行外业调查，利用平板自带的GPS定位系统开展小班的定位调查，调查记录不同林种的样点，调查录入相关的调查因子，拍摄实地树种样地的照片，保存到平板移动版软件的相关文件夹下。室内将调查结果汇总合并到桌面版软件数据库中。
然后依据《山东省森林资源动态监测调查系统》软件的凌河镇调查结果，选取赵家沟村附近的实际调查数据为依据，利用混淆矩阵中的地表真实感兴趣区对ENVI分类结果进行精度验证。输出Kappa系数和总体精度报告。
2.3结果与分析
经过此次森林资源调查，潍坊安丘市凌河镇的小班数量一共有1023个，其中非林地小班312个，乔木林小班572个，苗圃地小班95个，未成林造林地小班41个，宜林荒山荒地小班3个。隶属赵家沟村的小班有9个小班，非林地小班有2个，乔木林小班有7个。
图3为研究区域的植被分类图，表1为植被分类结果精度与实地面积表。结果赵家沟村区域可划分为林地与非林地（包含耕地）两大类，林地划分为黑杨、侧柏、灌木林（含草地）和苗圃地。由分类结果表1可知，此次研究总体分类精度为76.7554%，其中非林地占36.36%；有林地占40.4%；还有23.24%的错分像元（图上1像元代表实际面积0.25m2）。错分像元存在的原因主要是由高分辨率航拍影像存在异物同谱和同谱异物现象造成的。影像的空间分辨率越高其所对应的光谱分辨率就会越低，使得地物波谱曲线存在异物同谱和同谱异物的现象。
对有林地的分类结果分析可以发现，黑杨主要集中在赵家沟村周围和道路两侧，其面积为239509.8m2，约占总区域面积的23.95%；灌木林（含草地）主要分布在赵家沟村西北和东南的低山丘陵地带，其面积为157361m2，约占总区域面积的15.74%；侧柏零星分布在村子和东南山丘顶部，其面积为92402.25m2，约占总区域的9.24%；还有苗圃地零星分布在村落的四周，占地面积为68893m2，约占从区域面积的6.89%。最后根据有林地面积与国家特别规定灌木林面积之和比上土地总面积求算得赵家沟附近区域的森林覆盖率约为55.82%。
3结论
（1）决策树分类是基于遥感影像数据及其他空间数据，通过知识经验总结、简单的数学统计和归纳方法等，获得分类规则并进行分类。相比较单纯利用《山东省森林资源动态监测调查系统》软件为工具所进行的实际林业资源调查而言，以ENVI决策树分类技术、GPS定位技术和GIS调查软件相结合的3S技术可以打破传统森林资源调查的局限，减少地形复杂区域的森林资源调查的困难程度，减少人力和物力资源的浪费，能加快森林资源调查的进程和速度。
（2）遥感影像的光谱分辨率与空间分辨率相互制约，遥感影像的空间分辨率高就意味着遥感影像的光谱分辨率低。使用高空间分辨率遥感影像来进行森林资源调查相比传统的调查方法而言，加快了森林资源调查工作的速度和精准程度。但在本文中高空间分辨率影像的分类研究表明，由于高分辨率遥感影像存在很多因地形、阴影、拍摄时间、拍摄角度、植被生长情况等所造成的异物同谱和同谱异物问题，会造成遥感分类结果中光谱信息相似的地物种类存在错误分类的现象。高空间分辨率影像的低光谱信息量特征是造成树种错误分类结果的主要原因。伴随着高空间、高光谱、微波遥感等遥感技术的发展，高空间、时间分辨率的影像在林业资源调查中的使用将加强森林资源调查的精准度，加快森林资源更新调查的速度，且遥感影像在林业中的应用必然会有广阔的前景。
（3）在此次林业资源调查过程中，3S技术的运用虽然起到了一定的积极效果，但3S技术集成应用的实际功能还未完全的开发出来，结合本文的应用案例分析，造成实际功能不能完全体现的原因主要是由于遥感分类技术达不到林业资源调查的要求；另外在地形复杂的山地和丘陵地区，移动端平板自带的GPS的定位功能会受到地形和树木遮挡的影响，造成定位精度达不到森林资源调查的要求的现象。应该加强各级相关部门的财政投入，更新调查工具和手段，使森林资源调查工作能高效率的展开。但伴随着3S技术的发展，利用3S技术对山地和丘陵地区森林资源的状况进行动态监测会提高森林资源调查的准确性，加快森林资源调查的速度。
致谢
感谢山东省第四地质矿产勘查院元伟涛师兄在数据提供与论文写作上给予的大力帮助。
【参考文献】
[1]国家林业局森林资源管理司.第七次全国森林资源清查及森林资源状况[J].林业资源管理，2010，01：1-8.
[2]陈雪峰.中国森林资源可持续发展问题的探讨[J].自然资源学报，1996，04：318-325.
[3]杨明，王朝琴，彭彰俊.黔南州长顺县林业资源调查与分析[J].森林工程，2013，06：44-46.
[4]邓坤枚.青藏高原林业资源的可持续发展探讨[J].自然资源学报，2000，04：340-347.
[5]代占山.黑龙江省宝清县林业局国有森林资源现状及今后经营利用分析[J].林业勘察设计，2010，01：1-6.
[6]郭生祥，汪有奎，张建奇，等.基于“3S”技术的祁连山自然保护区森林资源调查分析[J].林业实用技术，2011，03：47-49.
[7]张杰.试析我国东北地区林业资源现状及保护措施[J].黑龙江科技信息，2012，（12）：225.
[8]狄文彬，杜鹏志.对北京市森林资源现状及未来发展趋势的探讨[J].山东林业科技，2012，03：128-130+105.
[9]杜志，甘世书，胡觉.西南高山林区森林资源特点及保护利用对策探讨[J].林业资源管理，2014（z1）：27-31.
[10]贺鹏，甘世书，胡觉，等.我国热带林区森林资源动态变化特点及发展保护对策探析[J].林业资源管理，2014（z1）：22-26，36.
[11]龙超，鲁德，龙跃，等.中亚五国林业发展及国际合作展望[J].世界林业研究，2015，01：80-84.
[12]戴前石，谭宽祥，郑红.卫星遥感技术在林地变化监测中的应用[J].林业资源管理，2000，02：57-59.
[13]许国民.森林资源调查技术与方法[J].中国农业信息，2015，11：82.
[14]张鹏程.分析遥感技术在林业中的运用[J].黑龙江科技信息，2015，12：284.
[15]肖永有，刘小强，何伟民.卫星遥感影像在森林资源调查小班区划中的应用[J].南方林业科学，2015，05：40-42.
[16]龚玉梅，张炜.近红外光谱检测技术及其在林业中的应用[J].光谱学与光谱分析，2008，07：1544-1548.
[17]吴见，彭道黎.高光谱遥感林业信息提取技术研究进展[J].光谱学与光谱分析，2011，09：2305-2312.
[18]山东省林业监测规划院.山东省森林资源动态监测系统建设森林资源调查操作细则[M].2014.
[19]陈利，林辉，孙华，等.基于决策树分类的森林信息提取研究[J].中南林业科技大学学报，2013，01：46-51.
[20]罗朝沁，林辉，孙华，等.基于MODIS影像大尺度森林资源信息提取方法研究[J].中南林业科技大学学报，2015，11：21-26+42.
[21]孙静雯，王红旗，张欣，等.基于决策树分类的根河市土地利用变化及驱动力分析[J].中国人口.资源与环境，2014，S1：449-452.
[22]韩婷婷，习晓环，王成，等.基于决策树方法的云南省森林分类研究[J].遥感技术与应用，2014，05：744-751.
1.1遥感影像基本定义及介绍
遥感技术自诞生之日起，应用逐步延伸至我们日常生活的每个角落。1943年德国开始利用航空相片制作各种比例尺的影像地图。1945年前后美国开始产生影像地图，我国在20世界70年代开始研制影像地图。[1]在日常工作中，我们常常接触到遥感影像，谈及遥感技术及其应用。那么具体是指什么呢？所谓遥感影像，是指纪录各种地物电磁波数据而生成的各种格式的影像数据，在遥感中主要是指航空影像和卫星影像。目前遥感影像图无论在农业的土地资源调查，农作物生长状况及其生态环境的监测，还是在林业的森林资源调查，监测森林病虫害、沙漠化或是在海洋资源的开发与利用，海洋环境污染监测都有着非常重要的应用。[2]
1.2遥感影像的四个基本特征
遥感影像有其四个基本的影像特征：空间分辨率、光谱分辨率、辐射分辨率、时间分辨率。通常意义上，我们平时最多谈及精度的问题，常常是指空间分辨率（SpatialResolution），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（SpectralResolution）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，综合解译是比较困准的，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（RadiantResolution）指探测器的灵敏度——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。
2常用遥感影像
2.1一般遥感影像
目前，常用的中分辨率资源卫星有LandsateTM5、中巴资源卫星；以及常用的高空间分辨率的Spot5、Rapideye、Alos、QuickBird、WorldviewⅠ、WorldviewⅡ等。高分辨率遥感影像图信息丰富、成本低、可读性和可量测性强、客观真实的反映地理空间状况，充分表现出遥感影像和地图的双重优势，具有广阔的发展前景。[3]LandsateTM5、中巴资源卫星对大区域范围内的资源变化、国土资源变化、自然或人为灾害、环境污染、矿藏勘探有着较大的优势，但是因为分辨率低，所以在林业遥感判读中误判率相较于其他几种高精度遥感影像高，适合大面积地区的使用，譬如内蒙草原的退化变化以及荒漠化变化的监测等。其中ALOS因卫星故障已经于2011年4月开始较少使用。QuickBird虽然精度较高，但它一般对城区影像的覆盖较多较集中，对山区覆盖较少，而且存档数据很少，需要提前预定。不仅如此，QuickBird数据费用较高，综合以上原因，QuickBird数据一般很难大范围使用，所以在林业项目中使用较少。
2.2前沿遥感影像
WorldviewⅠ、WorldviewⅡ均为Digitalglobe公司的商业成像卫星系统，被认为是全球分辨率最高、响应最敏捷的商业成像卫星。这两颗卫星还将具备现代化的地理定位精度能力和极佳的响应能力，能够快速瞄准要拍摄的目标和有效地进行同轨立体成像。其中WorldviewⅠ为0.5米分辨率。相较于WorldviewⅠ，WorldviewⅡ载有多光谱遥感器不仅将具有4个业内标准谱段（红、绿、蓝、近红外），还将包括四个额外谱段（海岸、黄、红边和近红外Ⅱ），能够提供0.4米全色图像和1.8米分辨率的多光谱图像。需要特别一提的是，WorldviewⅡ提供的四个额外谱段（海岸、黄、红边和近红外Ⅱ）可进行新的彩色波段分析：（1）海岸波段，这个波段支持植物鉴定和分析，也支持基于叶绿素和渗水的规格参数表的深海探测研究。由于该波段经常受到大气散射的影响，已经应用于大气层纠正技术。（2）黄色波段，过去经常被说成是yellow-ness特征指标，是重要的植物应用波段。该波段将被作为辅助纠正真色度的波段，以符合人类视觉的欣赏习惯。（3）红色边缘波段，辅助分析有关植物生长情况，可以直接反映出植物健康状况有关信息。（4）近红外Ⅱ波段，这个波段部分重叠在NIR1波段上，但较少受到大气层的影响。该波段支持植物分析和单位面积内生物数量的研究。林业工作对遥感影像的植被信息较为关注，以上提及的四个额外谱段能提供较多的植被信息。国外相关机构已经将四个特色谱段应用于前沿科学研究，譬如生物量遥感估测应用等等。美中不足的是，相较于其他类型的遥感影像，WorldviewⅠ，WorldviewⅡ影像费用较高，在质量和技术上领先但价格上不占优势，不易于大范围的使用。
2.3林业工作中应用较多遥感影像
除去以上谈及的几种类型的遥感影像，在工作中较多使用到的是Spot5和Rapideye这2种遥感影像。Spot5是由法国发射的一颗卫星，常规提供2.5米全色影像和10米多光谱影像。SPOT5卫星影像的专业制图比例尺为1:25,000，概览成图比例尺极限为1:10,000。工作中，我们通常将2.5米全色影像与10米多光谱影像在正射纠正完后进行融合，生成2.5米空间精度的影像用于林业应用。Rapideye卫星为德国所有的商用卫星，主要性能优势：大范围覆盖、高重访率、高分辨率、5米的多光谱获取数据方式，省去了其他种类遥感影像需要全色影像与多光谱影像融合的步骤，这些优点整合在一起，让RapidEye拥有了空前的优势。RapidEye是第一颗提供“红边”波段的商业卫星，结合4个业内标准谱段（红、绿、蓝、近红外）适用于监测植被状况和检测生长异常情况，在林业领域应用中较为有利。
3遥感影像准备及处理过程
3.1遥感影像准备
每种遥感卫星对地面覆盖范围不同，轨道不同，重访周期不同，拍摄时间、角度不同等等原因，还常受天气影响。因此根据实际需要使用的日期，来查询各景遥感影像是一件颇费周章的工作，一般需要向影像公司提前预定。实际工作中往往要求前后两期遥感影像对比，前后两期遥感影像对时间上的要求较为苛刻，因而这些工作往往经由熟悉遥感业务的高级技术人员执行。另外，遥感影像的购买、使用、存储需要考虑到保密工作，这一点也是需要谨慎对待。工作经验总结出Spot5、Rapideye有时因侧视角度过大原因，导致某些区域拉伸变形，尤其是高海拔山区部分；影像角度需要提前检查，侧视角度最佳保持在20以下。而较小侧视角可以保证邻近2景影像良好的接边，并能保证正射纠正后空间位置的准确性。
3.2遥感影像处理
3.2.1DOM及DEM数据准备通常，在条件良好的情况下，工作中使用1∶10000或更高精度的航片或是已经经过处理的高精度卫片作为DOM参考；但也可以使用的是1∶50000或1∶10000地形图作为参考。在实际工作中，我们往往会遇到DOM参考影像的空间分辨率不一致。在参考选用时，应该按照优先使用高精度DOM参考影像，然后再退而求其次的原则，保证校准的精度。一般地形图需要通过扫描形成DRG数据，在扫描图基础上进行逐公里网定位纠正处理，以达到精确的地理定位。DEM数据一般采用国家标准的1：50000DEM，或采用1∶10000、1∶50000矢量数据生成。DEM覆盖范围要大于遥感影像覆盖范围，这样才能保证遥感影像的有效纠正。
3.2.2影像定位校准及正射纠正使用常用的遥感影像处理软件PCI、ERDAS等，对遥感影像进行定位校准。最理想的情况是同类型遥感影像，同时相影像数据的处理。但实际工作往往只能采用不同类型遥感影像联合使用，譬如有Spot5、Rapideye、LandsateTM5三种影像数据，优先校准Spot5全色影像，然后是Rapideye，最后LandsateTM5。合理安排顺序，优先校准高精度遥感影像，然后再往低精度遥感影像过渡的优先级原则。一般来说，不同时相的影像数据采用相同的地面控制点进行校准配准。以对应比例尺的地形图为地理参照进行控制点查找工作。控制点先在高分辨率的图象上查找，分辨率较低的图象的控制点参照高分辨率的图象查找，后期参照前期查找。每景图像因为所覆盖范围不同控制点数量不一致，单重叠部分的控制点应采用同名点。控制点总体残差控制在规定的范围（与图像的空间分辨率和调查精度要求相关）。如果图象的空间分辨率较高（地面分辨率高于5米），且工作区地形起伏较大，需要采用DEM对图像进行正射纠正，以减少地形的影响。[4]
3.2.3遥感影像融合、拉伸、增强处理针对林业工作中，以植被信息为主，遥感影像通常采用假彩色，以RGB方式融合处理。假彩色针对林业植被的波段特点，能对比明显的反映出地表植被的变化。融合过程中，有着多种算法，一般多采用Brovey算法。通常，融合时，需要全色影像和多光谱影像。以ALOS的组合R（4）、G（3）、B（2）为例，为更好显现植被效果，各通道组合为：Ri4*i5/(i1*0.2+i2*0.8+i3+i4)*3Gi3*i5/(i1*0.2+i2*0.8+i3+i4)*3B(i1*0.2+i2*0.8)*i5/(i1*0.8+i2*0.2+i3+i4)*3；使用Ermapper等处理软件进行假彩色融合后，对图象进行增强拉伸处理。因为图像的多样性，需要先通过线形拉伸处理再辅以人工调节提亮、增强等工作对细节图像纹理信息加以强化，以利于判读人员的判读与勾绘。完成多景图象处理之后，对项目内所有图像进行拼接、镶嵌、裁切工作。
[关键词]遥感技术资源调查环境监测
[中图分类号]P237[文献码]B[文章编号]1000-405X（2014）-1-55-1
在资源调查和环境监测过程中，依靠传统的地面样方实测方法须花费巨大的人力、财力，且精度不高，难以在大范围内快速提取，基于遥感技术监测面积大、数据可比性强、获取快速和人为影响少等特点，可以从宏观上快速跟踪和定位，为人类认识国土、开发资源、监测环境、研究灾害以及分析全球气候变化等提供了新的途径。
1遥感技术在资源调查领域的应用分析
土地资源调查时，利用卫星遥感技术对土壤、土地利用、土地盐碱化实施监测可有效的解决土地变化周期快、地形差异等调查难题。
我国利用遥感技术调查土地资源起源于“六五”，相关部门运用遥感技术完成了东西部的土地调查，并广泛的应用到了土地管理、农业、设施建设等方面。
96～97两年间全国耕地的遥感监测，显示我国耕地正面临大幅度被占用的趋势，对此，国务院制定相关政策，划定了保护耕地的红线。
为矿产资源开发的新技术。我国曾在昆仑山、准格尔盆地、天山等地区利用遥感技术进行矿产资源勘探，同时，监测煤田火灾隐患、复垦区生态恢复、矿区找水与检测矿区的水害等方面也都应用到了遥感技术。
在人际稀少的植被区，要及时了解森林火灾、病虫害、刀耕火种、采伐活动、森林资源消涨，依靠传统的调查方法，难以达到预期目的，采用遥感技术宏观监测，则可收到事半功倍的效果。于1991年成功应用遥感技术进行“森林资源一类清查”，以此为基础建立了连续清查体系，为森林资源动态监测打下坚实技术基础。
遥感技术同时也应用到水资源的调查上，在洪涝灾害评估、旱情调查、水土流失调查、有效灌溉面积调查、水库库区环境容量调查等方面均扮演着极其重要的角色。
2遥感技术在环境监测领域的应用分析
遥感技术广泛地应用于大气环境、水环境、生态环境、固体废弃物等领域，几乎涵盖了环境保护的各个方面。
利用遥感技术，通过调查大气污染源的分布、污染源周围的扩散条件、污染物的扩散影响范围等，辅以少量地面同步监测数据，可以定量分析污染物浓度的梯度变化值。辽宁省环境保护科学研究所应用红外扫描仪对抚顺露天煤矿进行了大气监测，分析矿坑上空逆温层的形成与大气污染物扩散的关系，为露天矿的污染防治和预测预报提供了科学依据。
水体中由于不同种类和浓度的污染物，导致自身颜色、密度、透明度和温度等方面差异，根据反射波谱能量变化，捕捉遥感影像色调、灰阶、纹理等特征上的差别，监测悬浮物含量、水体透明度、叶绿素a浓度、溶解性有机物以及一些综合污染指标。
同时，我国在土地沙漠化、植被环境变化、森林调查、草原调查、流域治理等生态环境监测中也运用了先进的遥感技术，不少城市利用遥感开展了城市热岛效应与生态环境研究，这对正确地认识和评价生态环境质量，把握生态环境质量差异具有重要意义。
在固体废弃物方面，利用遥感技术对工业废渣和生活垃圾及堆放地与污染状况进行监测管理，通过测定固体废物的含水量、固体废物的有机质含量及表面粗糙度等因子，利用这些参量与光谱的关系，突出堆放点的分布、面积及数量。北京市环境保护科学研究所曾用航空像片分析了北京市垃圾等废弃物的分布状况和特点。
3发展趋势
（1）随着科技进步与需求升高，高空间和高光谱分辨率已是卫星遥感影像的发展趋势。遥感传感器的改进和突破主要集中在成像雷达和光谱仪，高分辨率的遥感资料对于资源调查和环境监测意义重大。
（2）发展机载三维成像仪和干涉合成孔径雷达技术，有助于将地面目标由二维测量拓展至三维测量。
（3）以遥感（RS）、地理信息系统（GIS）和全球定位系统（GPS）作为主体构成的3S地观测系统发展迅速，正在形成全天候、全方位、多平台、多高度、多角度、多时相的立体综合系统。
（4）处理方法和模型日益完善，神经网络、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。
（5）由航天、航空和地面观测台站网络等组成以地球为研究对象的综合对地观测数据获取系统，提供定位、定性和定量以及全天候、全时域和全空间的数据。
4结语
利用遥感技术开展资源调查和环境监测领域已经得到广泛应用，且研究深度日益增强，遥感已成为实现数字地球战略思想的关键技术之一，充分利用遥感技术的各种优势，进行科学研究和其他成果的转化，是今后提高资源调查和环境监测工作的发展方向，也是完成资源调查和环境监测任务的有效途径。随着遥感技术理论的逐步完善和遥感图像空间分辨率、时间分辨率与波谱分辨率的不断提高，人类将进入立体化、多层次、全方位和全天候地对地观测的新时代。
参考文献
[1]韩震，金亚秋，恽才兴等.我国海岸带及其近海资源环境监测的遥感技术应用[J].遥感信息，2006，（5）：64-66，71，插页5.
[2]杨清华，曾福年，曹文玉等.遥感技术在北京周边资源与环境监测中的应用[J].国土资源遥感，2007，（4）：76-80，84.
[3]金庆花，朱丽丽，张立新等.矿产资源评价与矿山环境监测中高光谱遥感技术方法应用的实例[J].地质通报，2009，28（2）：278-284.
[4]娄全胜，陈蕾，王平等.高光谱遥感技术在海洋研究的应用及展望[J].海洋湖沼通报，2008，（3）：168-173.
关键词：森林资源调查；3S技术；技术应用
引言：林业是我国国民经济的重要保障，也是关系到环境可持续发展的核心事业，对于社会的整体发展都有着非常重要的意义，森林资源是林业中最重要的组成部分，对森林资源的合理开发和利用能够为我国国民带来巨大的经济效益。而森林资源调查则是我国森林资源管理的基础，也是森林资源管理工作中的难点，随着科技的进步，我国开发了很多应用与森林资源调查的新技术，尤其是以“3S”为典型的森林资源调查手段，把传统的森林资源调查管理方法进行了改革，加速了森林资源管理的不断发展。本研究分析阐述了3S技术的具体实施和应用，为今后的森林资源调查工作提供了一些实用的参考依据。
1.3S技术的概况
1.13S技术中的RS技术
遥感（RemoteSensing，缩写RS）是从地面以上一定距离的高空或外层空间的人造卫星、飞机、气球等运载工具，即遥感平台上，利用光学、电子和电子光学的电磁波探测仪或传感器，通过摄影或扫描，信息感应，不直接接触目标物，从远距离接收从物体辐射、反射和散射的电磁波信号，以图像胶片和数据磁带记录下来，并以一定的方式传输到遥感地面接收站，经地面接收站的处理制成不同形式的产品提供给用户使用的一种现代技术。它具有观测范围广、多波段成像、获取信息速度快、周期性重复和综合性、约束少、成本低等特点。随着传感器技术、航空和航天平台技术、数据通讯技术的发展，现代遥感正由定性向定量、静态向动态方向发展，拥有了极为广阔的发展空间。现在已经将这种遥感技术应用于森林资源调查中，使森林资源调查更加现代化、综合化、信息化，作为地球上的陆地主要资源，森林资源的生产周期相对最长，分布也很广泛，因此，准确时效地进行森林资源调查具有重要的意义。例如：三北防护林就是利用遥感技术调查在两年时间查清了占全国60%面积的三北地区森林、土地、草场等再生资源的数量，并对三北的生态环境进行了客观的评价。再如：常规方法难以调查的自治区的森林资源调查也是利用RS技术来完成的。
1.23S技术中的GIS技术
地理信息系统（Geographicalinformationsystems，缩写GIS）是一种在计算机软硬件支持下，对空间数据进行录入编辑、存储、查询、显示和综合分析应用的技术系统。它还可以用于地理信息的动态描述，通过时空构模，分析地理系统的发展变化和演变过程。GIS是与人类的生存、发展、进步密切关联的一门信息科技。GIS在林业中的应用主要是建立各种管理系统，例如：以森林植物群落的地理位置、经纬度、海拔高度、边界划分、面积、土壤类型、植物名称等建立森林植物群落信息管理系统，加强森林资源的管理和利用，进行综合性、系统性分析。
1.33S技术中的GPS技术
全球定位系统（GlobalPositioningSystem，缩写GPS）是全球性的卫星定位和导航的三维测量系统，能提供连续、实时的位置、速度和时间信息，具有观察方便、定位精度高和费用低等优点而被许多行业广泛地应用。GPS以其全球性、全天候、准确、快速的定位功能在测绘，环境，工程等领域得到广泛的应用。它在森林资源调查方面的应用主要是被用于林区测量控制网的建立、林区道路的勘测，现在多被用来与RS技术联用，进行森林资源的统计、病虫害监测等，也常与GIS技术联用，建立了森林资源的管理系统。
2.3S技术在森林资源调查中的应用
2.1关于3S技术在森林资源调查和监测的应用
根据对森林资源进行动态监测的不同应用范围和目的，研究者可以选择不同的卫星遥感影像数据源作为基础数据源，依据它们各自不同的光谱观测波段和分辨率，采用最合适的遥感数据源结合地面抽样技术，并利用GPS对样地进行空间定位，最后用地理信息系统对各种调查数据进行汇总和分析，建立起森林资源动态监测的体系。绿色植被具有显著的、独特的光谱特征，不同的植被及同一种植物在不同的生长发育阶段的光谱特征不同。遥感作为森林植被调查的信息源，可通过植物的反射光谱来实现。GPS可不依赖地面控制点直接对遥感图像定位，通过GIS的综合分析可对大区域的森林植被类型、植物季相节律、植被演化等进行实时监测分析。
2.2关于3S技术在森林火灾监测的应用
3S技术在林火信息管理中的应用主要体现在对它的实时监测与灾后评估上。林火实时监测的主要信息源是卫星影像，起火点的定位依靠GPS完成，森林火灾具有突发性强、蔓延迅速的特点，利用3S技术不但可以对森林火灾进行实时监控，还可以对灾后的损失进行评估。从观测频率上来讲，气象卫星AVHRR影像是可以满足需要的。而从分辨率及掌握火区概况、火势发展趋向上来看，TM卫星影像有较大的优势。所以在林火实时监测时，通常采用两者相互结合，相互补充配合的方法，使其能够发挥出最大的效用。
2.3关于3S技术在森林病虫害监测的应用
森林病虫害的发生会对森林植物自身造成很大程度上的破坏，甚至是失去生命。因此，根据不同时相卫星植被指数的变化可监测森林病虫害的发生。由于植物的反射光谱受季节、树种、健康状况等因素的影响，通过不同时相的遥感图像对比，可以及时发现林木病虫害的动态变化。3S集成技术的应用，使森林虫害监测与防治工作更趋现代化，其中GIS与RS结合可在宏观上对森林害虫进行有效监测，GIS与专家系统、人工智能相结合可建立森林害虫治理决策模型和支持系统。最成功的例子是研究工作者以1989-1990年夏季大兴安岭地区落叶松毛虫大发生为背景，探索了利用气象卫星AVHRR资料进行大范围森林虫害监测的原理及方法。
2.4关于3S技术在野生动物资源调查的应用
珍稀野生动物资源是森林资源的重要组成部分，由于珍稀野生动物数量少，生存环境复杂，人工实地调查难度大，效率低。利用GPS实时导航、准确定位功能寻找样带的起点，并根据输入的样带终点座标引导调查人员实地调查，保证样带的准确性。利用遥感图像进行景观类型的划分和野生动物栖息地的监测，确定与野生动物生活密切相关的生态因子，利用GIS还可以方便地将野生动物数量、分布及其动态变化规律与其栖息地保护管理的状况关联起来，进行综合的比较分析，并将结果以图形或数据形式表示出来，形成各种调查报告及图面材料，为管理决策提供具有位置准确性的直观的信息。
3.结语
森林资源是国家自然资源的重要组成部分，是林业建设的基础，森林资源调查是森林资源保护的基础，是合理利用森林资源的先决条件。3S技术的不断发展和几种重要技术的联用为森林资源的调查、监测和规划提供了更加有效的方法。这些技术的应用，为森林资源监测和调查具有非常重要的意义和价值。
参考文献：
关键词：云计算;大数据;遥感;GIS;集群
中图分类号：G642.0文献标志码：A文章编号：1674-9324（2015）44-0227-02
一、前言
社交网络、视频监控、智慧地球等应用的逐步普及，预示着真正进入一个大数据的时代，而云计算无疑是解决大数据的好方式。云计算提供可用、便捷、按需的网络访问，是传统分布式计算、并行计算、效用计算、网络存储、虚拟化等计算机和网络技术发展融合的产物。
为了适应发展各大高校计算机专业也逐步开设了云计算的课程，但其教学的方式大多还处于基础的理论探讨和现有国外成熟系统的比较分析，使学生很难对云计算有一个直观、透彻的认识。急需要一个云计算的实验教学平台，从理论教学向实践教学转变，才能使学生拨开云计算的“神秘面纱”，走进内部剖析的关键技术。
二、选用遥感云GIS平台作为云计算的实验教学平台的优势
1.遥感云GIS是利用计算机技术对地球表面空间相关地理分布数据进行采集、存储、管理、运算、分析、显示的技术。其天然的海量数据的管理、计算，是云计算的良好的应用背景。
2.经过几十年的发展，已经有较为成功的遥感云计算平台，如googleearth为代表的平台，将全球海量的遥感影像数据放在一个平台上，通过一个轻量级的客户端访问所有数据，能让学生更容易理解。
针对以上情况，本文设计一种开放性的云计算实验教学方案，采用以学生开发为主、教师启发指导为辅的实验教学模式，拓展学生的理论和实践能力。
三、遥感云计算平台系统架构
遥感云计算平台为了应对遥感海量数据存储和高吞吐量的计算的需求，采用“存储―计算”一体化的集群架构，整个集群采用星形拓扑结构，主服务器连接多个节点服务器。主服务器响应外部请求，管理元信息;节点服务器，存储数据和计算工具，避免计算过程中的大量数据迁移、方便性能和存储的扩展。
从逻辑结构上，采用自底向上、层层虚拟化的方式，分别构架资源引擎、数据引擎、计算引擎，最上层采用服务总线统一协调引擎工作并对外提供集群服务。
资源引擎：负责底层所有硬件资源的管理和通讯技术，提供集群文件并行读写的技术支持，使得硬件环境向上透明，上层引擎模块只需要关心逻辑节点，而不再关心硬件服务器。
数据引擎：管理集群内部的所有的遥感、GIS数据的元数据信息，并提供集群数据存储、读取、查询的各种接口，负责数据的迁移、备份、导入、导出等功能。
计算引擎：管理所有的计算工具，进行分布式计算任务的分配、管理等功能。
服务总线：响应来自外部的服务请求，将请求分解到资源、数据和计算，并协调运算，最后响应请求。
在这样的服务体系结构下提供多种遥感云GIS数据服务接口，同时提供二维、三维客户端、智能终端等多种类型的基础功能的客户端。行业应用的开发，只需要根据实际的业务需求在基本客户端的基础上调用数据服务接口进行二次开发，从而大大降低了实验过程中用于基础平台和客户端开发所用的时间。
四、遥感云GIS实验教学方案设计
遥感云GIS实验教学内容主要突出对云计算知识的综合运用能力的培养，通过基于该模拟的云计算平台的实验了解云计算的应用模式，并逐步掌握云计算的内部技术架构。实验包括自主服务搭建、平台服务接口二次开发、计算工具研发等三个方面的内容，从难度上具有一定的层次性，适合不同程度的学生实验。
（一）自主搭建服务
可在虚拟机环境下安装服务器程序，如图2从下到上逐层实现虚拟化，底层服务器节点是单个服务器主要用于存储数据及计算工具之上运行节点守护进程;往上通过四大引擎（资源、数据、计算、可视化）对底层节点实现虚拟化;最上层由主服务和可视化服务对四大引擎实现二次虚拟化，实现对外服务的统一接口;各种客户端通过主服务提供的http接口实现和服务端程序的交互。
学生通过自己动手安装全套遥感服务程序，了解轻量级遥感云服务工作模式，对云计算入门非常有帮助。
（二）平台服务二次开发
该平台的主要功能在于通过网络服务的方式提供基于遥感GIS的二次开发接口，在具体的应用中利用这些接口快速实现遥感服务应用，同时平台提供多种类型的客户端基础模型。
为学生设计多种遥感应用的案例，通过该云服务平台快速完成行业应用的解决方案。
1.林业应用。要求实现对林地区域的管理，以遥感影像作为底图，用矢量数据绘制出林木种类、林区所属等信息，并且在这个基础上实现林区属性数据的查询等功能。利用平台的开放遥感GIS服务接口能够较快速的实现遥感影像及矢量数据的叠加显示，并进行简单的矢量交互查询操作。
2.土地执法应用。通过对某一个区域的不同时间的影像对比，系统自动对变化区域进行提醒报警，方便执法人员主动到现场进行执法调查。该应用利用了调用平台的影像对比工具对指定的影像进行匹配比较，这就是应用了平台的计算服务接口。
3.数字校园应用。主要功能是展示校园的三维场景，在实验中学生自行用3dmax等工具设计学校的建筑物，并导入平台，设定模型的具置。利用平台提供的三维客户端展现在影像地图上的三维场景。该部分的实验主要通过云平台的应用，进一步了解云服务的应用模式，并且在实验开展过程中设计出更多的应用案例，此实验适合具有一定开发能力的学生。
（三）计算工具研发
平台本身除了提供丰富的遥感GIS计算工具之外，也对外开放工具开发接口。设计实验让学生在符合平台工具开发标准的基础上开发自己的处理工具，设计个性化、专业化的数据处理工具，这要求学生具有一定的专业知识，并具有较高的开发能力，对研究生的科研具有帮助。
五、结语
本文提出一种开放性的基于GIS的云计算实验教学方案，涵盖了集群硬件、网络分布计算、遥感GIS大数据存储等关键技术，是对云计算实验教学的一种探索与尝试。通过该实验方案能让学生直接感受到云计算的实际应用，同时激发学生对云计算的学习兴趣。
在近两年的教学过程中，学生基于该实验方案进行设计开发，师生普遍反映对学生云计算的入门和提高有很大的帮助。
参考文献：
[1]任伏虎，王晋年.遥感云服务平台技术研究与实验[J].遥感学报，2012，16（6）.
[2]刘展鑫.基于云计算的GIS架构模式研究[J].黑龙江科技信息，2012，（11）.
[3]范协裕，任应超，杨崇俊，等.基于集群技术的可伸缩云GIS服务平台研究[J].计算机应用研究，2012，29（10）.
[4]丁浩格.云计算环境下虚拟现实实验教学网站的设计与实现[D].漳州：闽南师范大学，2014.