洪水灾害是当今世界上造成损失最大的自然灾害之一，在洪涝灾害发生时，如何快速、动态、准确地提取水体信息，确定洪水淹没区域和受灾程度，为政府开展救援工作提供及时而准确信息，具有十分重要的意义。遥感技术以其高重复频率和大范围观测能力，能为决策部门提供了大量的洪涝地区淹没过程的实时信息。
应用遥感技术监测洪涝灾害的技术方法和流程有很多，下面介绍一种较为实用和简单的方法。

归一化水指数模型
Mcfeete

地球不同地区的城市可以通过不同的灯光颜色加以辨别。日本的城市——例如东京以更为偏冷的青绿色为主，不同于世界其它地区；东京湾沿岸遍布的橙色斑点乃是更为先进的橙色钠蒸汽灯，相比之下，内陆则多为浅绿色的水银蒸汽灯。随着人口膨胀和城市扩张，个别城市将合并成更为明亮的斑点。更多公路将把这些城市连接在一起，形成一张明亮的带状结构网络，横跨各个大陆。
 
伦敦夜景图片

德克萨斯州的埃尔帕索，位于美国格兰德河流

作品单位：中国矿业大学（徐州） 环境与测绘学院 地理信息科学专业
小组成员：马晓栋、仲城成、王洪林、沈阳阳
指导教师：秦凯、白杨
获奖情况：二等奖
视频地址：http://v.youku.com/v_show/id_X ... .html
一、系统概述
基于主被动遥感技术的大气灰霾污染分析系统将计算机显示技术、数据库技术、网络技术，空间分析和遥感技术相结合，根据不同的用户需求，可以方

HICO图像处理系统是由空间科学促进中心(CASIS: Center for the Advancement of Science in Space)赞助，HySpeed Computing公司与Exelis VIS公司（ENVI原厂商）合作开发。HICO系统是基于云框架的，它具有在线、按需和可拓展的遥感图像处理能力。HICO系统的目的是为了把图像处理和数据可视化

地形校正的目的
　 地形校正的目的主要是补偿由于不规则的地形起伏而造成的地物亮度的变化。由于这种变化会导致相似或同种植被的反射率不一致而影响遥感影像的分类精度,因此,精确的地形校正不仅能提高影像分类的精度,而且还是遥感应用的前提。
实验方法：
1、数据准备
试验中使用的影像数据是云南省的Landsat5 TM 影像, 影像获取时间为2006年01月25日, 影像中心位置位于东经99.59E,北纬2

地表面的形态是很复杂的，不同地貌类型的形态是由它的相对高度、地面坡度以及所处的地势所决定的，它们是影响等高距的主要因素。从等高距计算公式可以看出，当地图比例尺和图上等高线间的最小距离简称等高线间距确定之后，地面坡度是决定等高距的主要因素，当然等高距的大小也受到地面高度所制约。
h=M*S*tanα/1000
式中：
M—地形图比例尺分母；

2012年2月6日，中国国家国防科技工业局发布了“嫦娥二号”月球探测器获得的7米分辨率全月球影像图。据悉，国际上尚无其他国家获得和发布过优于7米分辨率、100%覆盖全月球表面的全月球影像图。
图为全月球正射投影图
图为全月球圆柱投影图

图为全月球摩尔威德投影图
图为全月球正射投影图局部

图为全月球正射投影图局部
图为全月球圆柱投影图局部

在InSAR技术的基础上，如果重复进行干涉成像或结合已有的精细DEM数据来消除干涉图中地形因素的影响，可以检测出地表的微小形变，这就是D-InSAR的技术基础。
在技术流程上，与InSAR基本一致，把“高程转换和地理编码”变成“相位转换形变和地理编码”，如下图所示。

图1 双过D-InSAR技术流程图
数据源：2003年12月3日和2004年2月11日的两景降轨数据，A

2011年3月11日，日本发生9.0级特大地震后，遥感以其快速响应的技术特点，用于灾区不同方面的监测，也可以用于震前震后地表形变的监测。
如下图1，利用InSAR技术对日本仙台市南部进行的地表形变（Displacement）监测结果。使用2010年10月28日和2011年3月15日灾前灾后两景的ALOS Palsar雷达数据，在ENVI SARscape软件支持下，利用InSAR技术对该地区进行地

ENVI中自定义坐标系说明
——以北京54和西安80为例
1 地理投影的基本原理

常用到的地图坐标系有2种，即地理坐标系和投影坐标系。
地理坐标系是以经纬度为单位的地球坐标系统，地理坐标系中有2个重要部分，即地球椭球体（spheroid）和大地基准面（datum）。由于地球表面的不规则性，它不能用数学公式来表达，也就无法实施运算，所以必须找一个形状和大小都很接近地

资源一号02C由于只有绿色、红色、近红外三个波段，我们可以利用其它波段信息重新生成某一波段的方法来制作真彩色图像。常见的就是合成蓝色波段，下面是两种方法，以5米的融合图像为例子。
一、算术平均方法
(1) 原来的绿波段（0.52-0.59 μm）当作蓝波段（该波段靠近蓝波段的光谱范围），红波段（0.63-0.69 μm）仍采用原来的波段，绿波段用绿波段、红波段、近红外波段的算术平均值来

选择主菜单->Classification->Post Classification->Confusion Matrix->Using Ground Truth ROIs，可以得到如下的分类精度验证的混淆矩阵。

要看懂这个精度验证结果，需要了解几个混淆矩阵中的几项评价指标：

总体分类精度（ Overall Accuracy ）
等