衛(wèi)星影像范文

導(dǎo)語：如何才能寫好一篇衛(wèi)星影像，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：衛(wèi)星影像，校正，拼接，ARCMAP

1 引言

當(dāng)我們看到Google地球時，常常為其驚嘆。它方便的查詢，直觀的判讀，給我們留下很深的印象。而在實際的工作中，我們也很希望能把Google地球的衛(wèi)星影像數(shù)據(jù)置于我們自己的計算機，隨時調(diào)用，為工作方便。

Google earth是我們?nèi)〔淖罘奖愕墓ぞ撸覀兒芏嗳硕紘L試過下載GE影像，但是其后就會遇到拼接和校正的問題。因為下載的方式常常是通過截屏，一次次只有并不算大的一塊。拼圖的工具很多，要求不高，使用最多的估計就是使用PS了。如何能夠更精確，也不算繁瑣的拼接同時還滿足坐標(biāo)校正，筆者結(jié)合工作實踐，探討下使用ARCMAP來實現(xiàn)影像校正，以期盡量方便工作。

2 坐標(biāo)轉(zhuǎn)換

Google earth上是有地理坐標(biāo)的，因此就給我們提供了精確校正的可能。當(dāng)然，首先我們要把地理坐標(biāo)轉(zhuǎn)換成我們所需的常用的坐標(biāo)。這里，筆者以西安坐標(biāo)為例。

從GE下載的圖片的坐標(biāo)是有小數(shù)點的經(jīng)緯度坐標(biāo)，假設(shè)剛有一副截圖對應(yīng)的地理坐標(biāo)信息如下：

緯度 經(jīng)度

左上角 30.408018 120.007111

右下角 30.34842 120.098578

我們要先把其轉(zhuǎn)換成度分秒表示的經(jīng)緯度坐標(biāo)。由于1°=60′，1′=60″，為60進制的，我們可以在EXCEL（為方便多量的圖計算校正）中將度分秒分別計算，假設(shè)有小數(shù)點的經(jīng)緯度坐標(biāo)放在A1的位置。公式為

“度”=INT（A1），

“分”=INT（（C2-INT（C2））*60） ，

“秒”=ROUND（（60*（C2-INT（C2））-INT（60*（C2-INT（C2））））*60，2）（這里保留了2為小數(shù)，可根據(jù)需要自己提高精度）

如此，可以換算出對應(yīng)的度分秒表示的地理坐標(biāo)。

緯度 經(jīng)度

左上角 30°24′28.86″ 120°0′25.6″

右下角 30°20′54.31″ 120°5′54.88″

接下來，要將其轉(zhuǎn)換成西安80坐標(biāo)系，可以通過MAPGIS插件完成。實現(xiàn)后的坐標(biāo)為：

X坐標(biāo) Y坐標(biāo)

左上角 500683.301 3365346.038

右下角 509478.009 3358743.254

3 使用ARCMAP利用精確坐標(biāo)進行校準(zhǔn)

接下來要做的就是拼接和校正的過程了。由于是根據(jù)較為精確的坐標(biāo)進行單幅圖校正的，校正后的影像也存在接邊關(guān)系。可謂一步到位。

打開ARCMAP，調(diào)選出Georeferencing工具條。

第一步，點擊 ，打開view link table視窗。

第二步，點擊 ，增加控制點。從理論上將，控制點添加越多，校正出的影響越精確，但至少為3個。這里我們選擇添加4個控制點。

影像是無坐標(biāo)的，在ARCMAP中的現(xiàn)實以左上角為（0，0）原點，其寬度也是與下載時選取的寬度相一致的。這樣就可以簡單地以影像四個頂點作為控制點進行校正。其控制單信息如下：

第三步，點擊Update Georeferencing，保存柵格數(shù)據(jù)集的轉(zhuǎn)換信息。這樣，這幅影像就被校正到了西安坐標(biāo)系。

第四步，多幅影像校正。

將相鄰的影像按照以上方法進行校正。

然后，將校正好的多幅圖一起打開，如下圖，

可以看出，兩幅影像拼接在了一起。

這樣，通過以上的步驟，我們不僅將下載的影像校正到了我們常用的西安80坐標(biāo)系下，還實現(xiàn)了拼接。

4 結(jié)語

篇2

關(guān)鍵詞：高分辨率遙感衛(wèi)星畸變 糾正 重采樣

中圖分類號：TP75 文獻標(biāo)識碼：A 文章編號：1672-3791（2014）05（a）-0038-02

高分辨率遙感衛(wèi)星SPOT5、IKONOS、QuickBird、WORDVIEW-2等的出現(xiàn)，使其在城市規(guī)劃、資源調(diào)查、地籍管理、災(zāi)害預(yù)警和疾病防治等領(lǐng)域得到快速利用。WORDVIEW-2衛(wèi)星是目前空間分辨率最高的商業(yè)衛(wèi)星之一。

它有三個處理級別：基礎(chǔ)級產(chǎn)品、標(biāo)準(zhǔn)級產(chǎn)品和正射糾正產(chǎn)品。由預(yù)備正射標(biāo)準(zhǔn)產(chǎn)品來生產(chǎn)正射產(chǎn)品，可有兩種方式：基于嚴(yán)格物理傳感器模型和基于通用傳感器模型。由于物理傳感器模型是與傳感器密切相關(guān)的，處于技術(shù)保密考慮，影響了其普遍性應(yīng)用。而通用傳感器模型，器模型的目標(biāo)空間和影像空間之間的轉(zhuǎn)換關(guān)系可以通過一定的數(shù)學(xué)函數(shù)來描述，這些函數(shù)的建立不需要傳感器成像的物理模型信息，具有與傳感器無關(guān)的特性，因此，通用傳感器模型便成為人們研究的一個重要方向。由于有理函數(shù)模型（RFM或RPC）與其他通用傳感器模型相比，具有更高的定位精度和更好的實用性，因而成為國內(nèi)外學(xué)者研究的一個熱點問題。

1 遙感圖像幾何畸變

幾何畸變是指遙感圖像在獲取過程中由于多種原因?qū)е戮拔镏心繕?biāo)物相對位置的坐標(biāo)關(guān)系圖像中發(fā)生變化，遙感圖像幾何畸變來源有下面四種：

（1）傳感器成像幾何形態(tài)影響：傳感器一般的成像幾何形態(tài)有中心投影、全影投影、斜距投影以及平行投影等幾種不同類型。

①全景投變形：紅外機械掃描儀、CCD線陣推帚式傳感器。②斜距投影變形，側(cè)視雷達屬斜距投影，其成像變形規(guī)律圖。

（2）傳感器外方位元素變化畸變。

（3）地球自轉(zhuǎn)的影響：地球自轉(zhuǎn)對于瞬時光學(xué)成像遙感方式?jīng)]有影響，對于掃描成像則造成圖像平行錯動。

（4）地球曲率影響。

①在星下點視場角較小，曲率影響可忽略。②產(chǎn)生的誤差原理與航空像片像點位移相同。

2 幾何校正的原理與方法

遙感圖像的幾何校正的有2個核心思想。

2.1 選擇控制點

在遙感圖像和地形圖上分別選擇同名控制點，以建立圖像與地圖之間的投影關(guān)系，這些控制點應(yīng)該選在能明顯定位的地方，如河流交叉點等。

同名控制點選取：用途：利用有限的控制點的已知坐標(biāo)，解求多項式的系數(shù)，確定變換函數(shù)。然后將各個像元帶入多項式進行計算，得到糾正后的坐標(biāo)。

2.2 建立整體映射函數(shù)

根據(jù)圖像的幾何畸變性質(zhì)及地面控制點的多少來確定校正數(shù)學(xué)模型，建立起圖像與地圖之間的空間變換關(guān)系，如多項式方法、仿射變換方法等。遙感影像的數(shù)字糾正是通過計算機對圖像每個像元逐個地解析糾正處理完成的，其包括兩方面：一是像元坐標(biāo)變換；二是像元灰度值重新計算（重采樣）。

（1）坐標(biāo)變換的兩種方案。

首先要確定原始圖像和糾正后圖像之間的坐標(biāo)變換關(guān)系。對其包括：

直接法：從原始圖像陣列出發(fā)，依次對其中每一個像元分別計算其在輸出（糾正后）圖像的坐標(biāo)，即：式中，x，y為P點原始圖像的行數(shù)和列數(shù)；X，Y為P在新圖像中的坐標(biāo)（即地面坐標(biāo)系），并把P（x，y）的灰度值重新計算后送到P（X，Y）位置上去。

間接法：從空白圖像陣列出發(fā)，依次計算每個像元P（X，Y）在原始圖像中的位置P（x，y），然后把該點的灰度值計算后返送給P（X，Y）。其糾正公式為：；兩則的區(qū)別如圖1所示。

（2）輸出圖像的邊界大小。

輸出圖像邊界的地面坐標(biāo)值是由包括糾正后圖像在內(nèi)的最小長方形范圍來確定的，如圖2所示。

（3）遙感圖像灰度值的重采樣內(nèi)插：為了使校正后的輸出圖像像元與輸入的未校正圖像相對應(yīng)，根據(jù)確定的校正公式，對輸入圖像的數(shù)據(jù)重新排列。

重采樣內(nèi)插有幾種方法：最近鄰域法、雙線性內(nèi)插法、雙三次卷積法這里指探討用的最多的最近鄰法。

最近鄰域法：用距離投影點最近像元灰度值代替輸出像元灰度值。當(dāng)前校正后的網(wǎng)格（I，J），其中心點實地坐標(biāo)為（X，Y），該網(wǎng)格屬性值A(chǔ)（I，J）等于原始圖像中心點距（x，y）最近的網(wǎng)格的屬性。如圖3所示：黃點：原始圖像像素；紅點：地理坐標(biāo)反算像素。

2.3 遙感圖像數(shù)字糾正方法

糾正的函數(shù)可有多種選擇：多項式方法、共線方程方法等，其中多項式方法的應(yīng)用最為普遍，這里主要討論高分辨率衛(wèi)星糾正精度比較高的基于共線方程的物理模型糾正方法，此方法有如下三個思想：

（1）由于地形起伏和側(cè)視掃描成像造成的像點位移，需要利用DEM進行正射校正，其示意圖如圖4所示。

（2）共線方程==物理模型。

共線方程模型需要衛(wèi)星的軌道星歷參數(shù)和傳感器參數(shù)以恢復(fù)衛(wèi)星飛行瞬間成像的影像坐標(biāo)和地面坐標(biāo)之間的關(guān)系，是CCD影像糾正的精確數(shù)學(xué)模型，即物理模型，正射校正采用的物理模型是支持各種衛(wèi)星影像的嚴(yán)格物理模型（不同衛(wèi)星數(shù)據(jù)，物理模型不同）。物理模型方法與其它算法的本質(zhì)區(qū)別是：物理模型以數(shù)據(jù)獲取時衛(wèi)星的各種參數(shù)為基礎(chǔ)建立變形模型。因此利用大地控制點修正不準(zhǔn)確的參數(shù)，提高模型精確度，然后應(yīng)用修正后的物理模型來校正圖像。在地形起伏大或影像側(cè)視角大的地區(qū)，對于能夠提供衛(wèi)星嚴(yán)格軌道模型的數(shù)據(jù)，利用成像的衛(wèi)星軌道參數(shù)、傳感器參數(shù)及DEM，對影像進行嚴(yán)密的物理模型糾正。糾正時首先恢復(fù)影像的成像模型，然后利用數(shù)字高程模型根據(jù)成像模型來糾正投影差，然后利用現(xiàn)有的控制資料或GPS外業(yè)實地測量獲取控制點三維坐標(biāo)對影像進行控制糾正，最后得到正射糾正影像

基于RPC的有理多項式正射校正，公式如下

（，）歸一化的圖像坐標(biāo)，（X，Y，Z）對應(yīng)地面點的三維地理坐標(biāo)，RPC（rational polynomial coefficient）模型適用于窄視場和強先驗信息的攝像系統(tǒng)。與寬視場攝像機不同，窄視場的攝像機投影參數(shù)不獨立。選用80個系數(shù)來確定投影關(guān)系部分遙感數(shù)據(jù)由于其物理模型參數(shù)的保密性等原因，數(shù)據(jù)生產(chǎn)商以RPC參數(shù)的形式提供衛(wèi)星拍攝時的軌道、姿態(tài)等信息。將地面的經(jīng)緯度坐標(biāo)或者大地坐標(biāo)與像片的行列號對應(yīng)起來，這樣達到粗校正的目的。糾正時采用有理函數(shù)RPC模型來模擬其物理模型進行正射糾正。

3 SPOT5正射校正實驗

對于SPOT-5，其物理模型包括了衛(wèi)星與地球的位置關(guān)系（衛(wèi)星軌道、高度、坐標(biāo)等），衛(wèi)星本身的姿態(tài)（側(cè)擺角、視角、視場、離心率等），傳感器參數(shù)（CCD相機的掃描模型），地球模型（橢球模型、投影系統(tǒng)）以及圖像參數(shù)（影像中心坐標(biāo)、四角坐標(biāo)等）。利用這些模型參數(shù)、DEM數(shù)據(jù)和控制點坐標(biāo)數(shù)據(jù)，可以對遙感圖像進行正射校正。

以天津市薊縣山區(qū)1∶1萬的地形圖為基準(zhǔn)圖，利用房山區(qū)10 m分辨率的DEM，采用通過地面控制點修正投影參數(shù)的RPC法對天津市薊縣山區(qū)2010年10月1日獲取的SPOT5的10 m分辨率的多光譜數(shù)據(jù)進行了正射校正，只需要9個控制點就達到了精度要求，結(jié)果如圖5、圖6所示。

實驗證明：RPC模型結(jié)合高精度控制點和DEM數(shù)據(jù)的糾正方法精度很高，所需控制點少，RPC法優(yōu)于基于線性陣列掃描影像數(shù)字糾正方法。特別是通過地面控制點修正投影參數(shù)后，校正后較好的消除了地形起伏對影像幾何變形的影響。

參考文獻

[1] 秦緒文.基于拓展RPC模型的多源衛(wèi)星遙感影像幾何處理[D].北京：中國地質(zhì)大學(xué)，2007.

[2] 鞏丹超.高分辨率衛(wèi)星遙感立體影像處理模型與算法[D].鄭州：信息工程大學(xué)，2003.

[3] 張過.缺少控制點的高分辨率衛(wèi)星遙感影像幾何糾正[D].武漢：武漢大學(xué)，2005.

篇3

關(guān)鍵詞：免費衛(wèi)星遙感影像；林業(yè)調(diào)查設(shè)計；技術(shù)方法

中圖分類號：P407.8 文獻標(biāo)識碼：A DOI：10.11974/nyyjs.20150501083

1 技術(shù)方法

1.1 獲取衛(wèi)星遙感影像

1.1.1 獲取遙感數(shù)據(jù)

首先做好相關(guān)準(zhǔn)備工作，在Windows系統(tǒng)中安裝能夠顯示衛(wèi)星遙感影像的軟件，例如，ArcGIS Desktop軟件以及ArcBruTile插件。連接互聯(lián)網(wǎng)后，打開ArcGIS Desktop桌面組件之一的ArcMap程序，定義地圖坐標(biāo)系統(tǒng)；新建一個shapefile面層文件，給擬定林業(yè)調(diào)查區(qū)的的四至范圍做一個掩膜，將圖層的填充色設(shè)為無色，圖層輪廓設(shè)為紅色，寬度為1，注意該文件的投影坐標(biāo)系定義必須與預(yù)定義保持一致；將掩膜縮放到圖層上，點擊ArcBruTile插件，同時選中Bing菜單中的Aerial鍵，數(shù)據(jù)緩沖后，便可得到擬定林業(yè)調(diào)查區(qū)的衛(wèi)星遙感影像地圖[2]。

1.1.2 導(dǎo)出地圖和拼接地圖

首先，導(dǎo)出衛(wèi)星遙感影像地圖。如果屏幕上顯示的地圖區(qū)域已經(jīng)覆蓋了整個林業(yè)調(diào)查區(qū)，那么只需導(dǎo)出一幅地圖即可；如果屏幕上顯示的地圖區(qū)域只是擬定林業(yè)調(diào)查區(qū)的一部分，那么需要分幅導(dǎo)出。然后，拼接衛(wèi)星遙感影像地圖。將所有導(dǎo)出的衛(wèi)星遙感影像地圖，放入ArcMap中，屏幕上會顯示整個調(diào)查區(qū)域的衛(wèi)星遙感影像，運用鑲嵌工具，將導(dǎo)出的多張衛(wèi)星影像放到一幅導(dǎo)出影像圖之中，形成整個林業(yè)調(diào)查區(qū)的衛(wèi)星遙感影像地圖[3]。

1.2 配準(zhǔn)衛(wèi)星遙感影像

1.2.1 公共點的采集和參照

對于擬定林業(yè)調(diào)查區(qū)的四至邊緣上的明顯地點的坐標(biāo)值進行采集，采集點一般在3個以上，明顯的地點一般是指路的拐點或交叉點。采集完后，新建一個shapefile點層文件，將采集的公共點的坐標(biāo)值輸入進去，然后保存并導(dǎo)出shapefile點層文件[4]。

1.2.2 配準(zhǔn)校正

將導(dǎo)出的衛(wèi)星遙感影像地圖和shapefile點層文件添加到內(nèi)容列表進行疊加，對公共點與遙感地圖疊加后偏移的部分進行配準(zhǔn)校正處理，具體操作方法為：進入地理工具配準(zhǔn)工具條中的增加控制點，輸入采集公共點的坐標(biāo)值；點擊地理標(biāo)準(zhǔn)工具條中的更新地理標(biāo)準(zhǔn)，盡可能的讓公共點與衛(wèi)星遙感影像地圖重合。

2 衛(wèi)星遙感影像成果的使用實例

2.1 毀林開荒調(diào)查

巍山縣林業(yè)局接到舉報有部分市民在附近的林業(yè)區(qū)進行非法毀林開荒工作，該林業(yè)局負(fù)責(zé)人獲取了該林業(yè)區(qū)的衛(wèi)星遙感像地圖，相關(guān)工作人員將該圖作為底圖，與二類林業(yè)資源矢量圖層進行疊加，確定了對林區(qū)的毀壞覆蓋面積，此外還通過走訪村民了解具體情況，發(fā)現(xiàn)情況屬實，被舉報人受到了相應(yīng)的懲罰。

2.2 森林撫育作業(yè)設(shè)計

大理州森林資源管理站準(zhǔn)備在彌渡縣開展森林撫育計劃，由于該林業(yè)地區(qū)地質(zhì)和歷史的變遷，2006年應(yīng)用的衛(wèi)星遙感影像已經(jīng)無法真實的反映該地區(qū)的地理面貌，如圖1。于是通過利用上述技術(shù)方法，具體操作如下：獲得彌渡縣林業(yè)區(qū)的衛(wèi)星遙感影像地圖，如圖2；采集3條公路和多個小路的交叉點坐標(biāo)值，與衛(wèi)星遙感影像地圖進行配準(zhǔn)校正；確定森林撫育區(qū)域，利用配準(zhǔn)校正后的衛(wèi)星遙感影像獲取撫育區(qū)域的地形地貌、道路、水路等信息，并根據(jù)具體信息作出具體規(guī)劃；排除不符合森林撫育條件的地段，避免不必要的浪費。

圖1 2006年衛(wèi)星遙感影像

圖2 新獲取的衛(wèi)星遙感影像

篇4

關(guān)鍵詞：遙感影像；1：2000地形圖；地形圖更新；調(diào)繪

中圖分類號：P284 文獻標(biāo)識碼：A 文章編號：

引言

為了滿足城鄉(xiāng)發(fā)展建設(shè)的需要,提高地形圖現(xiàn)勢性，地形圖更新問題就顯得尤為重要；然而地形圖的更新情況不很樂觀。本文結(jié)合某礦區(qū)1：2000地形圖更新工程，探討利用QuickBird衛(wèi)星影像更新1：2000比例尺地形圖的方法、流程和其間遇到的問題。

數(shù)據(jù)預(yù)處理

1.1 QuickBird衛(wèi)星影像處理

⑴ 遙感影像處理的工作流程：影像數(shù)據(jù)的處理是整個更新工作的關(guān)鍵，因此，確定影像處理的工作流程是十分重要的。影像處理的工作流程如下：

圖1遙感影像處理流程圖⑵

糾正精度的控制：遙感影響的糾正過程中，X殘差、Y殘差、以及RMS(Root MeanSquare即均方根中誤差)都控制在1個像素之內(nèi)，很好的滿足了技術(shù)規(guī)范的要求；如果糾正的精度超過標(biāo)準(zhǔn)，則回到糾正模式下，調(diào)整GCP的輸入重新進行幾何糾正，直至達到需要的精度為止。

1.2紙制地形圖的矢量化掃描紙質(zhì)地形圖時，要確保地形圖的完整無損、無折皺；矢量化的過程中要按照地理信息系統(tǒng)的標(biāo)準(zhǔn)做好分層矢量化，以及屬性數(shù)據(jù)的錄入。具體流程如下：

圖2地形圖矢量化流程圖

1.3遙感影像和數(shù)字線劃圖的疊加配準(zhǔn)將分幅后的遙感影像和數(shù)字化完畢的數(shù)字線劃圖導(dǎo)入測圖軟件或地理信息系統(tǒng)軟件進行疊加配準(zhǔn)。

2.地形圖的更新在更新系統(tǒng)中，經(jīng)影像與矢量圖疊加配準(zhǔn)后，便可以采用屏幕數(shù)字化的方式進行變化地物(主要是居民地、道路、水系、植被等)的更新(增、刪、減等)[1]。

2.1建筑物的更新建筑物是大比例尺地形圖中的主要地物，因此，對于建筑物的更新是地形圖更新工程中一個相當(dāng)重要的部分。由于工作區(qū)范圍內(nèi)的建筑物多為農(nóng)村的四點平房，并不存在太多的邊界線遮掩問題；所以在遙感影像上對建筑物的識別比較簡單。但是，由于樓房以及工廠棚房與平房在遙感影像中并沒有很明顯的區(qū)別，所以，對于這些地物的判讀必須由外業(yè)調(diào)繪人員到實地調(diào)查完成。

2.2道路的更新由于鐵路以及高速公路的形狀規(guī)則、特征明顯，所以通過遙感影像很容易進行判讀。但是對于等級公路、等外公路、大車路等，只能做大概的判斷，由外業(yè)人員進行調(diào)繪處理時再做必要的補充。

2.3水系的更新按形狀劃分，水系大致可分為兩種類型：線型水系(如河流、溝渠)非線型水系(如湖泊、池塘)。⑴ 線型水系的更新：根據(jù)水與河岸在影像上呈現(xiàn)的色調(diào)不同，可以容易地確定水涯線的位置，然后利用屏幕數(shù)字化的方式直接進行更新。⑵ 非線型水系的更新：工作區(qū)范圍內(nèi)存在大量的池塘，對于池塘的更新也是我們這次更新的一個重要環(huán)節(jié)。根據(jù)了解到的當(dāng)?shù)厍闆r，集中分布的池塘多為魚塘，而零星分布的池塘多為普通的池塘。依據(jù)這個經(jīng)驗，我們對工作區(qū)范圍內(nèi)的池塘進行了分類；經(jīng)過后續(xù)的外業(yè)調(diào)繪發(fā)現(xiàn)，對于池塘的判讀準(zhǔn)確率是相當(dāng)高的。

2.4植被的更新植被主要包括耕地、林地、草地等。由于工作區(qū)范圍內(nèi)多為農(nóng)村，因此，對于耕地類型的更新是植被更新的關(guān)鍵。由于采用的QuickBird影像成像于2005年11月，此時正值該地區(qū)的農(nóng)閑時節(jié)，所以不能從影像中判讀植被的類型。在實際的操作中我們基于以下兩原則對植被類型進行了判讀：① 由于水田具有比較大的田埂，因此在影像上水田表現(xiàn)為具有明顯的邊界。②水田土壤的含水量高于旱地土壤的含水量，所以在影像上呈現(xiàn)的色調(diào)較深。經(jīng)過后續(xù)的調(diào)繪發(fā)現(xiàn)，通過以上兩點原則較好地區(qū)分了耕地的類型。

2.5外業(yè)調(diào)繪及補測⑴ 調(diào)繪：更新矢量地形圖時，影像上無法判讀的地物必須借助外業(yè)調(diào)繪進行確定。外業(yè)調(diào)繪主要作用是：對室內(nèi)解譯成果進行驗證，對線狀地物寬度實地量測，對新增地物的名稱注記進行實地調(diào)查[2]。調(diào)繪過程中主要進行了以下兩部分的工作：①不確定地物的調(diào)繪。很多相似的地物僅通過影像圖是很難判讀的，例如：平房與棚房、圍墻具體界限、果園與林地等。對于這部分內(nèi)容一定要到現(xiàn)場親自調(diào)查以確定其類型，尤其是對于植被類型，要以地類界進行詳細(xì)的劃分。②注記數(shù)據(jù)的調(diào)繪補充。其調(diào)查內(nèi)容可分為以下幾種：樓房的層數(shù)、企事業(yè)單位的名稱、村名、公路名稱及等級、河渠名稱及走向等。⑵ 補測：補測是地形圖更新中相當(dāng)重要的部分，起著數(shù)據(jù)補充的重要作用。在實際操作過程中我們針對以下兩種情況進行了補測：①用戶未提供矢量化地形圖的地區(qū)。②地物變更范圍比較大的地區(qū)。對所有需要補測的地區(qū)均采用GPS和全站儀進行了補測，并把所有結(jié)果都記錄在線劃圖上。將外業(yè)調(diào)繪和補測的修改、新增、和變化地物的信息添加到地形圖中，通過編輯處理形成用戶需要的最終成果。

3.結(jié)論及建議

⑴ 作為更新數(shù)據(jù)源的QuickBird影像，其質(zhì)量的好壞直接影響成果的精度。工程中采用的該礦區(qū)QuickBird影像清晰度好，分辨率高，傾角小，為工程的成功開展提供了良好的前提。

⑵ 使用本方法更新了該礦區(qū)約400平方公里1：2000地形圖，作業(yè)時間短；精確度高（遙感影像的空間分辨率達到0.6m,用RTK進行GPS定位測量影像糾正后的點位絕對誤差只在0.2m左右）。滿足了用戶的需要，為地形圖的更新提供了新的經(jīng)驗。⑶ 實際操作中發(fā)現(xiàn)，僅憑影像圖的目視解譯判讀地物是不可靠的，必須要親自調(diào)查才能確定地物類型及其屬性。因此，在地形圖的更新中要加大調(diào)繪在整個更新工程中所占的比重。

參考文獻

篇5

Abstract： This paper proposes an objected-oriented method to extract land-use from high-resolution satellite image. Firstly， the nearest neighbor classification method is used to obtain rough classification result though judgment of image objects. These image objects come from multiresolution segmentation to raw image. Then， the knowledge base is constructed according to the image features of different classes. Lastly， land-use information is optimized using knowledgebase. The experiment result show that object-oriented land-use information extraction could use image information completely and obtain better effect.

關(guān)鍵詞： 土地分類；高分辨率衛(wèi)星影像；面向?qū)ο螅恢R庫

Key words： land-use information；high spatial resolution satellite image；object-oriented；knowledge base

中圖分類號：S127 文獻標(biāo)識碼：A 文章編號：1006-4311（2017）24-0187-03

0 引言

土地分類是按照土地自然屬性進行的土地類型劃分，分類后形成的土地類型是土地資源評價、土地利用規(guī)劃的基礎(chǔ)。傳統(tǒng)的分類方式以實地勘察為主，但這類方式速度慢、時效性低。隨著QuickBird、GeoEye、Worldview等高分辨率衛(wèi)星影像的出現(xiàn)，人們在利用影像的光譜信息的同時還可以利用影像中豐富的紋理和地物形狀、位置信息，這為土地類型快速、準(zhǔn)確地劃分提供了條件。

利用高分辨率遙感影像進行信息提取時，如果采用傳統(tǒng)的面向像元方法會由于高分辨率影像信息的豐富性、細(xì)致性產(chǎn)生大范圍的“椒鹽現(xiàn)象”，造成分類精度的降低。面向?qū)ο蟮倪b感影像分類方法能利用影像中的光譜、紋理、空間信息進行影像類別判定，從而能提高信息提取的精度。Hackelford和Davis通過對比面向?qū)ο蠓诸惙椒ㄅc面向像元分類方法，得出了面向?qū)ο蟮姆诸惙椒ǜm合于進行城市或城郊分類信息提取的結(jié)論[1]。Hofmanne使用面向?qū)ο蟮姆诸惙椒ㄡ槍KONOS影像較好的識別了非正式居民地[2]。余坤勇、許章華、劉健等使用“基于片層-面向類”算法實現(xiàn)了南方山地丘陵區(qū)的竹林信息提取[3]。余曉敏、湛飛并采用了一種基于影像對象最優(yōu)化特征組合的方式對城市地表信息提取[4]。莫登奎等則基于模糊邏輯分類的面向?qū)ο蟮姆治龇椒ㄌ崛×酥曛奘谐青l(xiāng)結(jié)合部的土地覆蓋信息[5]。這些方法雖然取得了不少研究成果，但在提取的速度、自動化程度上還與實際的運用有一定的差距[6]。

本文利用高分辨率衛(wèi)星影像自身的光譜、空間、紋理特征，對研究區(qū)進行土地分類信息提取。

1 面向?qū)ο蟮耐恋仡愋吞崛》椒?/p>

面向?qū)ο蟮男畔⑻崛∈菍⒂跋穹指畛赏|(zhì)影像塊后模擬人類認(rèn)知事物的過程對分割好的影像塊設(shè)定條件，將滿足條件的影像塊分配到合適的類別中去，最后得到與實際相符的分類圖[7]。本文采用的面向?qū)ο笸恋胤诸惲鞒倘鐖D1所示。

1.1 影像分割

影像分割是面向?qū)ο筮b感信息提取的第一步，只有通過分割才能形成具有光譜、紋理、形狀、位置信息的影像對象塊。分割算法包括對比度分割、多閾值分割、光譜差異分割等，在]有任何輔助數(shù)據(jù)的條件下將原始遙感影像數(shù)據(jù)進行分割的常用算法是多尺度分割。多尺度分割是基于給定分辨率影像對象的最小影像異質(zhì)性的由下至上分割，而影像的異質(zhì)性由光譜、光滑度和緊湊度三個指標(biāo)決定，計算公式為shape=1-color；shape= smoothness +compactness；smoothness=（1-βcompactness）*shape。其中shape為影像對象的形狀因子，color是光譜信息，smoothness是對象邊界的光滑度，compactness代表了對象的緊湊性。

1.2 面向?qū)ο笸恋胤诸愋畔⒌奶崛≡?/p>

土地類型由于受到土壤、氣候、人類活動等多方面的影響，在不同時間、不同地段會呈現(xiàn)出不同的類型、不同成分的表現(xiàn)，比如土壤在北方呈現(xiàn)出黑色，而在云南多以紅土為代表。面向?qū)ο蟮仡愋畔⑻崛〉年P(guān)鍵就是根據(jù)各地類的特點設(shè)置相關(guān)的規(guī)則集，從而進行地類的識別。表1呈現(xiàn)了常見5大地類的特征。

根據(jù)土地類別的特征，利用分割后形成的影像對象塊的光譜、紋理、形狀特征進行最大似然分類，形成遙感影像土地類型的初分類。然后根據(jù)地類的特征設(shè)置提取規(guī)則集優(yōu)化地類信息提取的效果。

2 土地分類信息提取試驗

2.1 試驗區(qū)概況

安寧縣位于滇中高原中部，有“安寧雄鎮(zhèn)，諸爨要沖”的美譽，年平均氣溫14.8℃，屬于中亞熱帶氣候。本試驗選取拍攝于2010年1月經(jīng)過校正和與全色光融合后QuickBird安寧市溫泉鎮(zhèn)影像，精度達到0.61m，覆蓋面積達到了6512.25平方米，如圖2所示。

從圖2可以看出，該地區(qū)地類主要包括植被、裸地、水體、道路和建筑5個類別。由于對太陽光線的遮擋，在高分辨率的遙感影像上就出現(xiàn)了若干由植被或者建筑物遮擋產(chǎn)生的暗色調(diào)陰影區(qū)域。在沒有其他輔助數(shù)據(jù)的協(xié)助下很難識別落影下的實際地類類型，故將陰影另設(shè)為一特殊的地類。

2.2 影像初處理

面向?qū)ο筮b感信息提取的第一步就是根據(jù)影像的特點選擇相應(yīng)的參數(shù)對影像進行分割，形成與實際地物相似的影像對象塊。通過多次數(shù)據(jù)實驗本文選擇分割尺度為80，光譜異質(zhì)性權(quán)重在藍(lán)光波段為0.5、綠光和紅光波段為0.8、近紅外光波段為1，形狀差異性權(quán)重為0.8，緊湊度權(quán)重為0.2的多尺度分割算法對影像進行分割，分割后的影像對象塊邊界與地類邊界相一致且避免了對象的過度破碎。

在分割完成后需要利用影像對象的光譜、形狀、紋理信息進行最近鄰采樣，即在選擇了有代表性的樣本后，以樣本的光譜亮度均值、標(biāo)準(zhǔn)差及形狀指數(shù)為指標(biāo)參數(shù)進行最近鄰分類，并最終將影像對象塊分類到植被、裸地、水體、道路、建筑和陰影6個類別中，粗分類結(jié)果如圖3所示。

2.3 基于知識庫的土地分類優(yōu)化

從圖3可以看出由于地類間光譜信息的相似性和影像中紋理、位置信息的利用不充分導(dǎo)致了部分土地類型的錯分類，造成了土地分類碎化性嚴(yán)重、一定量的地類歸并為陰影類等情況。針對以上問題需要根據(jù)各地類錯分類的情況，利用地類在影像上的特征構(gòu)建相應(yīng)的規(guī)則集進行土地分類優(yōu)化。

建筑物地類的錯分類主要由兩部分組成：一是具有藍(lán)綠色屋頂?shù)慕ㄖ锉诲e分到了植被類中。由于植被在藍(lán)光波段的低反射性和藍(lán)綠色屋頂在藍(lán)光波段的小反射峰，可以將NDVI>0.2且藍(lán)光波段均值小于200的建筑物派送到植被類中；二是由于試驗區(qū)影像的拍攝區(qū)域存在一定量的鄉(xiāng)鎮(zhèn)地帶，鄉(xiāng)鎮(zhèn)建筑物的形狀、顏色具有很大的自主性，難于尋到統(tǒng)一的規(guī)范，所以通過手動調(diào)整的方法進行修改。

道路地類的長條狀特性使其在影像對象塊的類別判定中具有明顯的優(yōu)勢，該地類的錯分主要表現(xiàn)在與裸地和建筑物陰影的錯分中。低等級道路的路寬較窄、路面多由沙土鋪設(shè)而成，因而與裸地存在一定的誤分，通過設(shè)置長寬比大于8的裸地派送為道路類。建筑物的落影在影像上構(gòu)成長條狀的影像對象，其陰影的暗色調(diào)會掩蓋地物的實際類別，通過將明亮度小于150的規(guī)則將錯分為道路的對象劃分到陰影類。

部分裸地由于土質(zhì)成分、光線照射不充分等原因使其成像色調(diào)較暗被錯分成了陰影類，需要通過位置關(guān)系將距離建筑物超過30米且亮度大于148的陰影歸為裸地類。

陰影的錯分類主要集中在植被、水體和道路類中，該類錯誤則通過如上所說的NDVI、NDWI指數(shù)和明亮度進行完善。

通過上述基于知識庫的方法對影像中的五大地類信息進行類別優(yōu)化后，最終的分類結(jié)果如圖4所示。

3 結(jié)果分析與評價

從圖4的分類結(jié)果來看，本文提出的方法能較好的保證土地分類中各地類內(nèi)部的均一性和連續(xù)性。為了精確的驗證面向?qū)ο蟮母叻直媛蔬b感影像土地分類結(jié)果，使之與Erdas監(jiān)督分類進行比較，并隨后在Erdas中對兩種分類結(jié)果隨機抽取250個點進行分類精度評價。比較結(jié)果如表2所示，可以看出本文提出的面向?qū)ο笸恋胤诸惙椒ū葌鹘y(tǒng)基于像元的監(jiān)督分類方法精度提高了將近17%。

本文采用方法的不足之處在于對土地分類中的道路、裸地信息識別精度較低。這主要是由于實驗區(qū)影像含有一定量的鄉(xiāng)鎮(zhèn)地區(qū)，鄉(xiāng)間道路等級較低，其光譜特性與黃褐色的裸地極易混淆；再者村鎮(zhèn)中的建筑物密度高且形狀不規(guī)則，會對其間的內(nèi)部道路有不同程度的遮擋，造成影像上道路的突然中斷或者形狀不連續(xù)，因而無法很好的利用道路識別知識庫的內(nèi)容進行提取。所以在以后研究中應(yīng)注重對鄉(xiāng)鎮(zhèn)土地類型中的道路、建筑和裸地信息光譜、形狀、紋理相應(yīng)特征的研究，以提高鄉(xiāng)鎮(zhèn)土地利用類型信息提取的精度。

4 結(jié)束語

本文利用面向?qū)ο蟮姆椒ǎ谧罱彿诸愅瓿珊笸ㄟ^建立的土地類型知識庫的方式進一步完成了高分辨率衛(wèi)星影像的土地分類信息的提取。該種方法能較好的利用影像的位置、紋理信息，避免由于影像分辨率過高而造成的地類破碎化嚴(yán)重的問題，很好地識別了各地類。

參考文獻：

[1]陳小良.基于面向ο蠹際醯耐戀乩用/覆被分類研究[M].中國地質(zhì)大學(xué)，2009.

[2]Hofmann，P.Detecting informal settlements from IKONOS image data using methods of object oriented image analysis-an example from Gape Town （South Africa），Remote Sensing of Urban Areas/Femerkundung in urbanen Raumen.Regenseburg，ed.By JURGENS，C，2001：41-42.

[3]余坤勇，許章華，劉健，等.“基于片層-面向類”的竹林信息提取算法與應(yīng)用分析[J].中山大學(xué)學(xué)報（自然科學(xué)版），2012，51（1）：89-95.

[4]余曉敏，湛飛并.基于高分辨率遙感影像的城市地表信息提取研究[J].測繪與空間地理信息，2012，35（7）：21-24.

[5]蔡銀橋，毛政元.基于多特征對象的高分辨率遙感影像分類方法及其應(yīng)用[J].國土資源遙感，2007（1）：77-81.

篇6

關(guān)鍵詞：衛(wèi)星遙感技術(shù)；城鄉(xiāng)規(guī)劃；建設(shè)監(jiān)察

中圖分類號：TU984 文獻標(biāo)識碼： A

一、遙感衛(wèi)星系統(tǒng)組成

遙感衛(wèi)星系統(tǒng)由衛(wèi)星數(shù)據(jù)獲取系統(tǒng)和數(shù)據(jù)反演系統(tǒng)組成，如圖1所示。在遙感數(shù)據(jù)獲取系統(tǒng)中完成的是遙感的正演過程，在反演系統(tǒng)中完成的是反演過程。衛(wèi)星數(shù)據(jù)獲取系統(tǒng)包括載有遙感器的遙感衛(wèi)星系統(tǒng)和用于遙感數(shù)據(jù)接收和處理的地面系統(tǒng)，遙感衛(wèi)星系統(tǒng)的輸入是載有景物（實體）信息的電磁波，輸出是景物包含的有關(guān)信息。這些信息再送入遙感數(shù)據(jù)反演系統(tǒng)以獲取有關(guān)知識，以滿足衛(wèi)星遙感最終用戶的任務(wù)需求。

圖1遙感衛(wèi)星系統(tǒng)組成

二、影響遙感衛(wèi)星系統(tǒng)應(yīng)用效果的要素

目前，遙感衛(wèi)星系統(tǒng)在取得顯著成就的同時，也面臨著許多問題。集中表現(xiàn)在：一方面大量的遙感數(shù)據(jù)仍未得到真正有效的利用，另一方面遙感應(yīng)用所需求的有效信息又十分匱乏。這兩者實際上是從不同側(cè)面反映了遙感數(shù)據(jù)應(yīng)用的有效性問題，為此有必要從遙感信息鏈的角度分析影響遙感衛(wèi)星系統(tǒng)應(yīng)用效果的關(guān)鍵要素，指導(dǎo)后續(xù)遙感衛(wèi)星系統(tǒng)應(yīng)用效能的提升。

1、衛(wèi)星平臺要素

承載能力、供電能力、姿態(tài)穩(wěn)定、軌道保持、微振動抑制、機動能力、溫度控制等直接影響遙感衛(wèi)星載荷的性能和應(yīng)用效能。

2、有效載荷要素

安裝在衛(wèi)星平臺上對地面或天體目標(biāo)進行感知的精密光學(xué)或電子儀器。與衛(wèi)星平臺、星地鏈路都存在緊密的耦合關(guān)系，直接影響遙感衛(wèi)星數(shù)據(jù)的質(zhì)量。

3、傳輸鏈路要素

主要需考慮遙感衛(wèi)星信號傳遞響應(yīng)和衰減、大氣影響、空間電磁環(huán)境影響、信息安全、信息壓縮解壓等影響因素。

4、地面系統(tǒng)要素

一般由地面數(shù)據(jù)接收系統(tǒng)、地面處理系統(tǒng)和應(yīng)用系統(tǒng)組成。接收、處理和應(yīng)用受到衛(wèi)星平臺、載荷、星地鏈路的綜合影響，系統(tǒng)指標(biāo)通常從服務(wù)能力、服務(wù)效率和應(yīng)用精度等方面衡量。

上述各環(huán)節(jié)緊密耦合、相互作用，對遙感衛(wèi)星應(yīng)用效能產(chǎn)生直接影響。除此以外，在遙感衛(wèi)星系統(tǒng)頂層設(shè)計時，還需要重點關(guān)注衛(wèi)星系統(tǒng)、地面系統(tǒng)和應(yīng)用系統(tǒng)之間技術(shù)指標(biāo)的科學(xué)合理分配，進行多方案比較以實現(xiàn)更好的優(yōu)化。目前遙感衛(wèi)星系統(tǒng)頂層設(shè)計時，往往特別關(guān)注的是系統(tǒng)所獲取的遙感數(shù)據(jù)的質(zhì)量，但遙感衛(wèi)星系統(tǒng)的最終產(chǎn)品是從應(yīng)用系統(tǒng)輸出的，因此需要特別關(guān)注遙感衛(wèi)星系統(tǒng)輸出產(chǎn)品質(zhì)量與獲取的遙感數(shù)據(jù)質(zhì)量的關(guān)系，分清各自的貢獻，使系統(tǒng)最終輸出產(chǎn)品滿足應(yīng)用需求。

三、衛(wèi)星遙感技術(shù)在城鄉(xiāng)規(guī)劃建設(shè)的監(jiān)察流程

1、數(shù)據(jù)收集

數(shù)據(jù)方面大多是獲得監(jiān)察城市的高分遙感數(shù)據(jù)、城市整體規(guī)劃圖的城鄉(xiāng)規(guī)劃基礎(chǔ)數(shù)據(jù)以及地形圖等相應(yīng)的輔助數(shù)據(jù)，來實現(xiàn)后續(xù)處理的需求，把所獲得的數(shù)據(jù)通過整理后創(chuàng)建基礎(chǔ)數(shù)據(jù)庫。

1.1遙感數(shù)據(jù)要求

遙感數(shù)據(jù)的原則應(yīng)當(dāng)包含多光譜數(shù)據(jù)，最好還具備可見光波段以及近紅外波段。遙感數(shù)據(jù)應(yīng)當(dāng)通過初步輻射校正以及幾何校正。

1.2規(guī)劃數(shù)據(jù)需求

規(guī)劃基礎(chǔ)數(shù)據(jù)通過電子媒介供應(yīng)，包含圖紙、文本，而圖紙是通過DWG各式進行提供，也存在一些JPG以及TIFF格式，所提供的圖紙要符合一定分辨率的需求。

1.3地形圖數(shù)據(jù)的需求

地形圖數(shù)據(jù)具備以下標(biāo)準(zhǔn)：比例尺>1∶10000；原則使用地方坐標(biāo)系。如果收集不到地形圖，可以使用通過坐標(biāo)配準(zhǔn)的高分辨正射遙感影像取代。

2、數(shù)據(jù)處理

數(shù)據(jù)處理包含了對高分遙感數(shù)據(jù)的幾何校正、全色以及多光譜數(shù)據(jù)之間的配準(zhǔn)、融合以及鑲嵌，并且還包含了遙感數(shù)據(jù)以及規(guī)劃數(shù)據(jù)之間的配準(zhǔn)。而幾何糾正透過計算機或者人工目測解釋的方法找到影響地面控制點，通過多項式糾正的模型給遙感數(shù)據(jù)執(zhí)行幾何糾正。

配準(zhǔn)，影響配準(zhǔn)是把相同區(qū)域中的一個影像對另一個影像的校準(zhǔn)，以便可以讓兩個影響力的同名像元配準(zhǔn)。配準(zhǔn)的誤差通常要在0.5個像元中融合。把相同目標(biāo)或者場景通過不同傳感器獲取，或者通過相同傳感器用不同的成像形式，或者在不同的成像時間獲取不同影像，融合成一個影像，在保證多光譜影像輻射信息時，提升影像的空間分辨率的遙感影像處理方式。

鑲嵌，把被鑲嵌圖像相互間的幾何位置對準(zhǔn)，令其變成完整的圖片，將多余的行、列像元去掉的過程。

3、信息歸類

信息歸類主要是使用不同的方法相結(jié)合的方式將城鄉(xiāng)建設(shè)現(xiàn)狀表現(xiàn)出來。運用的方式包含了源于結(jié)合規(guī)劃圖的信息分類法的自動提取方式以及源于目測解釋的人工提取方式。而結(jié)合規(guī)劃圖的信息分類方式。使用結(jié)合規(guī)劃圖的自動歸類方式將高分遙感數(shù)據(jù)的地物大類狀況提取出來，然后使用目測解釋對無法辨認(rèn)的地物大類和地物大類下的各種小類別進行選取，最后獲得土地利用現(xiàn)狀的矢量數(shù)據(jù)，創(chuàng)建城鄉(xiāng)建設(shè)現(xiàn)狀的資料庫。

4、變化監(jiān)察

變化監(jiān)察也使用了自動以及人工相融合的方式進行信息的提取。自動變化檢查應(yīng)用了多屬性差值擴散變化監(jiān)察的方式，人工提取變化監(jiān)察信息主要通過目測解譯方式進行，提取變化圖斑，創(chuàng)建城鄉(xiāng)建設(shè)變化的專用資料庫。

5、業(yè)務(wù)應(yīng)用

首先，城市規(guī)劃監(jiān)察。在提取變化圖斑以后，要對變化圖斑的屬性進行核實。變化圖斑的屬性有變化前后的用地類型、涉及城市規(guī)劃強制性內(nèi)容、審批狀況、處理方法、處理狀態(tài)等。通過處理方法的差別，對變化圖斑進行不同程度的審核，透過監(jiān)察的基本狀況，反饋的核查結(jié)論以及實地核查狀況，透過匯總進行整理與分析，構(gòu)成城市規(guī)劃監(jiān)察報告。其次，城市發(fā)展監(jiān)察。城市發(fā)展監(jiān)察主要通過多時相的城市土地利用現(xiàn)狀的矢量圖，以城市建成區(qū)面積、城市發(fā)展動向以及城市空間演替三方面指標(biāo)為根據(jù)，對城市發(fā)展?fàn)顩r進行監(jiān)察，把城市發(fā)展監(jiān)察結(jié)論同過去所有城市規(guī)劃監(jiān)察結(jié)論進行整合，以此來獲得年度監(jiān)察報告。

四、遙感技術(shù)在城鄉(xiāng)規(guī)劃建設(shè)監(jiān)察中的作用

1、城市用地規(guī)模的監(jiān)察

在2010年―2013年，對我國36個城市建設(shè)用地面積進行監(jiān)察后發(fā)現(xiàn)，所有監(jiān)察城市在上一年度城市建設(shè)用地面積上都有所增長，而增長的方式主要呈現(xiàn)出均勻增長、單一方向增長以及城市規(guī)劃建成區(qū)內(nèi)部增長的幾方面。城市建設(shè)用地的增長大多在城市規(guī)劃建成區(qū)區(qū)域的控制范圍之內(nèi)，展現(xiàn)出內(nèi)部增長的形勢，由于城市總體規(guī)劃確定的規(guī)劃建城區(qū)面積較大，所以在城市擴張方面依舊需要較大的發(fā)展空間。

2、城市整體規(guī)劃強制性內(nèi)容的監(jiān)察

在2010年―2013年期間，從我國36座城市的動態(tài)監(jiān)察中可以看出，存在城市綠線內(nèi)容的監(jiān)察、城市藍(lán)線內(nèi)容的監(jiān)察、城市黃線內(nèi)容的監(jiān)察及城市紫線內(nèi)容的監(jiān)察。

結(jié)束語

我國城鄉(xiāng)規(guī)劃正步入高速發(fā)展階段。可是因為當(dāng)前的城市規(guī)劃理論與技術(shù)、計劃經(jīng)濟形勢下的城市政府行為和盲從的城市擴張及改造運動，令我國的程式化高速發(fā)展出現(xiàn)了許多問題。尤其是目前我國土地征用方式、國家當(dāng)前的稅制制度、企業(yè)改制轉(zhuǎn)型方式、市場的定位發(fā)展等等重大政策的調(diào)控方面都會對城市規(guī)劃的內(nèi)容以及操控的方法有所影響。因為市場準(zhǔn)入準(zhǔn)則所提倡的公平開放競爭環(huán)境產(chǎn)生了不同的利益紛爭，而且由于競爭的逐漸激烈，令競爭的方式也產(chǎn)生了各種變化，這也會促使城鄉(xiāng)規(guī)劃管理的要求逐漸提高。而且，因為城鄉(xiāng)規(guī)劃的重心也從過去的過于注重物質(zhì)實體聯(lián)系到目前的意識到社會、經(jīng)濟、政治以及空間相互聯(lián)系對于城鄉(xiāng)規(guī)劃過程的重要性。所以，對城鄉(xiāng)規(guī)劃職能尤其是監(jiān)督職能進行再次審視與定位，顯得尤為重要。

參考文獻

[1]王旭輝.遙感技術(shù)及在城市國土規(guī)劃中的應(yīng)用[J].上海國土資源，2014，01：88-91.

[2]胡艷，袁超，陳靜.國產(chǎn)衛(wèi)星遙感的城鄉(xiāng)規(guī)劃綜合應(yīng)用平臺研究及示范[J].遙感信息，2014，01：55-60.

篇7

關(guān)鍵詞：精密單點定位 精密星歷 精度

中圖分類號：P7 文獻標(biāo)識碼：A 文章編號：1007-9416(2011)12-0196-02

精密單點定位(PPP)技術(shù)由于其可單機作業(yè)，機動靈活，低成本、高效率，可直接獲得ITRF框架下的三維坐標(biāo)等優(yōu)點[1]，在低軌衛(wèi)星精密定軌、海洋測繪、航空測量等領(lǐng)域得到了廣泛的應(yīng)用[2]。精密單點定位的實質(zhì)就是利用精密衛(wèi)星軌道和精密衛(wèi)星鐘差，同時應(yīng)用比較完整的物理改正模型改正定位過程中的各種誤差，來實現(xiàn)單站的絕對定位[3,4]。因此，精密軌道和精密衛(wèi)星鐘差在精密單點定位過程中起著至關(guān)重要的作用。目前，在精密單點定位中一般采用國際GPS服務(wù)(IGS)提供的精密軌道及鐘差產(chǎn)品[5]。IGS分析中心提供的精密軌道及鐘差產(chǎn)品按其精度、時延性、更新時間、采樣間隔可分為超快速產(chǎn)品IGU、快速產(chǎn)品IGR、最終產(chǎn)品IGS[6]。表1給出了各種產(chǎn)品的信息。

不同的精密星歷的精度及時延各不相同，在實際應(yīng)用中應(yīng)綜合考慮這兩方面的因素進行選擇。IGS最終星歷的標(biāo)稱精度最高，但是其時延很長（12～18天），這在對時延要求較高的定位中是無法使用的，而IGS快速星歷的標(biāo)稱精度雖較最終星歷稍差，但是其時延較短（17～41小時），因此在無法獲得最終星歷的情況下可以考慮用快速星歷代替最終星歷進行定位。本文將探討用快速星歷IGR代替最終星歷IGS對精密單點定位的影響。

1、快速星歷IGR與最終星歷IGS的比較

在探討用快速星歷代替最終星歷進行精密單點定位的可行性之前，首先將IGR與IGS星歷自身進行比較，以確定兩者的差異。現(xiàn)以2010年2月25日PRN號為5的衛(wèi)星為例，比較IGR與IGS的衛(wèi)星坐標(biāo)和鐘差的差異。其差值如圖1、圖2所示，兩圖中橫坐標(biāo)為歷元數(shù)，歷元間隔為15min。圖1的縱坐標(biāo)為IGR與IGS衛(wèi)星坐標(biāo)之差，單位為m；圖2的縱坐標(biāo)為IGR與IGS衛(wèi)星鐘差之差，單位為ns。

從圖1可以看出，IGR星歷與IGS星歷坐標(biāo)上的差異在X、Y、Z方向上均在2cm以內(nèi)。其中，在X方向上偏差最大值達到-2cm，最小值接近于0；Y方向上的偏差較小，最大偏差不超過7mm，且變化較為穩(wěn)定；Z方向上的偏差總體上介于X、Y方向上的偏差之間，最大偏差不超過1.8cm。從圖2可以看出，衛(wèi)星鐘差的差異變化較為平緩，其變化范圍在-0.68～-0.89ns之間。

從以上比較可以看出，IGR與IGS在衛(wèi)星坐標(biāo)和鐘差上的差異較小，這為用IGR代替IGS進行精密單點定位提供了直觀上的可行性。下面將通過試驗來分析采用IGR星歷進行精密單點定位的精度。

2、試驗與分析

為了探討用IGR星歷代替IGS星歷進行精密單點定位的可行性，分別采用IGR星歷和IGS星歷進行靜態(tài)精密單點定位試驗，將兩者的定位結(jié)果進行比較，并將兩者的結(jié)果同IGS跟蹤站的已知坐標(biāo)（作為真值）進行比較分析。

2.1 數(shù)據(jù)來源及解算方案

試驗數(shù)據(jù)采用從IGS網(wǎng)站下載的三個IGS跟蹤站BJFS、SHAO、XIAN在2010年2月25日的觀測文件，導(dǎo)航文件，以及對應(yīng)的精密星歷文件IGR，IGS及鐘差文件。解算軟件使用高精度數(shù)據(jù)處理軟件Waypoint GrafNav 8.20。

利用GrafNav軟件中的靜態(tài)精密單點定位功能，分別采用IGR星歷和IGS星歷對三個IGS跟蹤站的數(shù)據(jù)進行定位解算。解算前的參數(shù)設(shè)置如下：處理方向設(shè)為Forward，處理方式為Automatic，衛(wèi)星截止高度角為7.5°，精密星歷基準(zhǔn)為ITRF05，基準(zhǔn)轉(zhuǎn)換為Automatic，碼觀測值的標(biāo)準(zhǔn)差設(shè)為7m，載波相位觀測值的標(biāo)準(zhǔn)差為0.02m。

2.2 試驗結(jié)果及分析

將試驗的定位結(jié)果通過matlab畫圖，以比較利用IGR星歷和IGS星歷進行精密單點定位的差異。限于篇幅，僅給出BJFS站利用兩種星歷進行精密單點定位的坐標(biāo)差值圖，畫圖過程中刪除了少量含有粗差的數(shù)據(jù)。結(jié)果如圖3所示，橫軸為觀測數(shù)據(jù)歷元數(shù)（歷元間隔為30s），縱軸為坐標(biāo)在X、Y、Z方向上的差值。

由圖3可以看出，在經(jīng)過一段時間初始化之后，利用IGR星歷和IGS星歷進行精密單點定位的定位結(jié)果之差在X、Y、Z方向上均可達到較小的水平，其中在X方向上經(jīng)過約20個歷元，坐標(biāo)差已小于1cm，經(jīng)過70個歷元后，坐標(biāo)差穩(wěn)定的保持在5mm以下；Y方向上的精度稍差，坐標(biāo)差達到優(yōu)于1cm和5mm的水平分別需要約30和250個歷元；Z方向上的精度最高，除了開始階段少數(shù)歷元的坐標(biāo)差大于5mm外，其它歷元均在4mm以內(nèi)。這說明，如要求靜態(tài)精密單點定位的精度為1cm，則用IGR星歷代替IGS星歷是可行的。

以上是從利用IGR星歷的IGS星歷進行精密單點定位的差異性進行分析，下面將它們與IGS跟蹤站的坐標(biāo)真值進行比較，以分析用IGR星歷代替IGS星歷的可行性。利用IGR星歷和IGS星歷對三個IGS跟蹤站進行精密單點定位的定位結(jié)果dX，dY，dZ以及中誤差，，見表2所示：

從表2可以看出，三個IGS跟蹤站利用IGR星歷和IGS星歷進行精密單點定位的結(jié)果與真值之差在X、Y、Z方向上均小于5cm，其中差值最大的在SHAO站的Y方向上，達到4.86cm。利用IGR星歷進行定位的結(jié)果與利用IGS星歷定位的結(jié)果的差異很小，其互差均在毫米級。BJFS、SHAO站利用IGR星歷定位結(jié)果在X、Y方向上稍差于利用IGS星歷定位的結(jié)果，但在Z方向上反而好于利用IGS星歷定位的結(jié)果，而在XIAN站三個方向上的差異性也不統(tǒng)一，這說明利用IGR星歷進行定位的結(jié)果在最終差值上并不比利用IGS星歷定位的結(jié)果差。

從中誤差上看，三個IGS跟蹤站利用IGR星歷和IGS星歷進行定位的結(jié)果中誤差在X、Y、Z方向上均小于5.7cm。從總體上看，利用IGR星歷進行定位的中誤差要稍大于IGS星歷進行定位的中誤差，但是其差值均在3mm以下。因此，利用兩種星歷進行定位的差異在差值和中誤差上都很小。

3、結(jié)語

通過以上試驗分析可知，在進行靜態(tài)精密單點定位時，利用IGR星歷和IGS星歷進行精密單點定位，其結(jié)果之差在X、Y、Z方向上均可達到幾個mm的水平，兩種星歷進行定位的結(jié)果與真值之差均小于5cm。另外，利用IGR星歷進行定位的結(jié)果在最終差值上并不比利用IGS星歷定位的結(jié)果差，只是在中誤差上稍差。這說明IGR星歷和IGS星歷對靜態(tài)精密單點定位精度的影響是等價的。因此，在實際應(yīng)用中，完全可以用快速星歷代替最終星歷進行精密單點定位解算。

參考文獻

[1]韋建超.GPS精密單點定位的數(shù)據(jù)處理研究[D].長沙:中南大學(xué),2007.

[2]張小紅,郭斐斐,李星星.IGS衛(wèi)星鐘差產(chǎn)品采樣間隔對PPP精度的影響[J].武漢大學(xué)學(xué)報（信息科學(xué)版）,2010,35(2),152-155.

[3]KOUBA.J.,P.HEROUX. Precise point positioning using IGS Orbit and clock products[J].GPS Solutions,2000,5(2):12-28.

[4]Witchayangkoon B. Elements of GPS precise point positioning[D].Orono:College of Engineering Maine,2000.

篇8

【關(guān)鍵詞】衛(wèi)星遙感圖像;森林資源調(diào)查;解譯標(biāo)志;正判率;數(shù)字化林業(yè)

數(shù)字林業(yè)簡單地說就是林業(yè)信息的數(shù)字化。主要指應(yīng)用 3S（遙感（RS）、地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS））等技術(shù)，以數(shù)字的方式獲取數(shù)據(jù)，以計算機軟硬件為支撐工具，以數(shù)字地圖（矢量、影像以及屬性數(shù)據(jù)等）為基礎(chǔ)空間數(shù)據(jù)，以 Internet 為數(shù)據(jù)傳輸載體，以建設(shè)數(shù)字林業(yè)所需的空間信息和非空間信息為資源，利用地理信息系統(tǒng)的數(shù)據(jù)庫管理、查詢、統(tǒng)計、空間分析和數(shù)學(xué)分析模型等為林業(yè)資源管理、林業(yè)工程規(guī)劃提供技術(shù)支持，建立林業(yè)空間信息數(shù)據(jù)庫和林業(yè)綜合管理系統(tǒng)。通過不斷充實和更新信息內(nèi)容，提供信息共享，為林業(yè)資源管理打下堅實基礎(chǔ)，為實施可持續(xù)發(fā)展戰(zhàn)略提供有效的保障。在提高手持式GPS的定位精度基礎(chǔ)上，使固定監(jiān)測樣地設(shè)置、復(fù)查精準(zhǔn)化，使遙感圖像與固定監(jiān)測樣地在空間位置上配準(zhǔn)，利用數(shù)學(xué)手段，建立將遙感圖像新技術(shù)與現(xiàn)有森林資源監(jiān)測體系聯(lián)系起來的數(shù)學(xué)構(gòu)架，對于這一構(gòu)架主體之一的遙感圖像判讀的研究是至關(guān)重要的。通過對衛(wèi)星圖像可判性的分析，以提高正判率為目的，把判讀樣地與固定樣地相結(jié)合，運用抽樣調(diào)查中雙重比估計方法求得各類土地面積的估計值，并確定其估計精度，統(tǒng)計估計時對目前退耕還林中關(guān)注的農(nóng)地、濕地保護中的沼澤地、水地及有林地、牧地為主要統(tǒng)計估計對象，而正判率較低的未成林地、采伐跡地、荒山荒地等5種地類由于數(shù)量較少合并成為無林地進行統(tǒng)計估計。

1.解譯標(biāo)志的建立及驗證

以判讀小組（兩人）為單位，對所承擔(dān)市（縣、區(qū)）任務(wù)的TM圖像建立各地類判讀解譯標(biāo)志，結(jié)合生態(tài)工程任務(wù)分別進行現(xiàn)地驗證解譯標(biāo)志的準(zhǔn)確性，并對54套解譯標(biāo)志中的21套進行修改完善，對判讀人員進行相關(guān)知識培訓(xùn)，使判讀工作建立在較高的判讀技能基礎(chǔ)上。

正判率：以固定樣地所統(tǒng)計的各地類數(shù)量為基準(zhǔn)，匹配判讀樣地中其相同地類所占比例為正判率。本次判讀樣地71099塊，匹配樣地6056塊。通過計算統(tǒng)計各地類正判率情況如下：林分87.0%、疏林75.0%、灌木林16.7%、經(jīng)濟林46.7%，薪炭林0、未成林地0、火燒跡地50.0%、采伐跡地16.7%、荒山33.3%、荒地31.6%、沙荒66.7%、牧地59.1%、農(nóng)地86.4%、水地61.2%、未利用地63.3%、其它65.6%。從以上判讀結(jié)果可以看出：有林地、非林地判讀效果較好，正判率高；無林地正判率低，而未成林地、薪炭林正判率極低。

2.判讀結(jié)果分析

對衛(wèi)星圖像波段、時相的選擇和圖像結(jié)構(gòu)特征的解譯決定判讀效果，提高正判率是提高統(tǒng)計估計精度的唯一手段。

2.1衛(wèi)星圖像波段及時相的選擇

選擇不同波段及時相合成的TM圖像，其反映的地類色調(diào)可分性不同，經(jīng)專家建議及多年TM圖像應(yīng)用經(jīng)驗，本次判讀選擇的波段為Landsat-7的 ETM+ 5(red)、4（Green）、3（Blue）數(shù)據(jù)與全色波段融合、時相為9-10月份。由解譯標(biāo)志可以看出色調(diào)的區(qū)分性為：有林地、非林地與其它地類區(qū)分效果理想、未成林地、荒山荒地、采伐跡地區(qū)分性較差（地類色調(diào)重疊）。

2.2衛(wèi)星圖像的結(jié)構(gòu)特征

本次使用衛(wèi)星圖像特征為：平原地區(qū)地類圖像比較規(guī)則，易判讀，正判率偏高，如農(nóng)地、草地、水地，而未成林地及林帶（較難判別）；山區(qū)圖像略復(fù)雜，個別地塊較難區(qū)分，如荒山、荒地、未成林地及草地、農(nóng)田、有林地、疏林地。圖像集中連片易判別，正判率高，分布較多的地類有有林地、農(nóng)田、水地、未利用地。幾種地類色調(diào)相同（重疊）較難判別，正判率低，分布有荒山、荒地、草地、采伐跡地、未成林地及個別有林地。

3.遙感雙重抽樣估計及衛(wèi)星圖像應(yīng)用效果分析

3.1雙重比估計

雙重比估計是抽樣調(diào)查中雙重抽樣方法之一，亦是面積成數(shù)估計常用的一種方法。即：把遙感判讀樣地作為第一重樣本，與遙感樣地匹配樣地的固定樣地作為第二重樣本，根據(jù)匹配樣地遙感判讀成數(shù)和固定樣地調(diào)查類型成數(shù)，按比估計方法確定地類面積成數(shù)。

3.2估計效果分析

各地類面積及估計精度分別為：有林地面積520.44萬hm2，精度95.92%；農(nóng)地面積1555.65萬hm2，精度98.26%；牧地面積182.01萬hm2，精度91.99%；水地面積133.67萬hm2，精度91.10%；未利用地面積273.02萬hm2，精度93.06%；其它地類面積113.76萬hm2，精度89.35%；無林地面積65.41萬hm2，精度70.31%。無林地尚未達到85%以上的估計精度，問題存在主要原因是：無林地包含地類復(fù)雜多樣，本次研究無林地包括未成林地、采伐跡地、荒山荒地、火燒跡地、沙荒五個地類；幾種地類色調(diào)相同尚不能將其清楚地反映出來，致使TM圖像可判率較低，正判率僅為31.2%，進而估計精度不高。

3.3 TM圖像應(yīng)用效果分析

（1）在TM圖像上，有林地和非林地易于判別，正判率較高；灌木林地、未成林地和無林地難于判別，正判率較低。

（2）判讀點的類型分布是影響判讀類型能否與固定樣地類型一致的主要因素，集中連片狀分布一致性較高，重疊分布一致性低。

（3）通過遙感目視判讀可以提高面積成數(shù)的估計精度。遙感判讀對面積成數(shù)估計的貢獻取決于遙感目視判讀的正判率，正判率越高，對提高面積成數(shù)估計精度的作用越大。因此提高正判率是遙感技術(shù)在森林資源連續(xù)清查工作中應(yīng)用的關(guān)鍵。

（4）提高無林地精度的關(guān)鍵是通過研究在保證其它地類圖像可分性的前提下，選擇較能突出反映無林地的波段組合時相的TM圖像，使無林地更加具有可分性，同時提高技術(shù)人員對無林地的判讀技能。

4.我國數(shù)字林業(yè)建設(shè)現(xiàn)狀

隨著數(shù)字地球等全球信息化浪潮的撲面而來，國家林業(yè)局將數(shù)字林業(yè)確定為“十五”期間重大科技項目，旨在通過數(shù)字化的手段再現(xiàn)林業(yè)真實情況，提高林業(yè)資源管理水平和監(jiān)測水平。數(shù)字林業(yè)是 3S 技術(shù)與高科技網(wǎng)絡(luò)技術(shù)以及高速通訊技術(shù)有機結(jié)合構(gòu)成的一門新的綜合技術(shù)，可廣泛應(yīng)用到林業(yè)資源動態(tài)管理，森林生態(tài)系統(tǒng)動態(tài)管理，生態(tài)環(huán)境一致性研究與動態(tài)監(jiān)測，林業(yè)發(fā)展戰(zhàn)略規(guī)劃，森林火情動態(tài)管理和控制，營造林規(guī)劃，林區(qū)道路規(guī)劃，森林病蟲害控制和動態(tài)管理，林業(yè)工程實施動態(tài)管理和監(jiān)測，土地荒漠化和土地沙化動態(tài)監(jiān)測，濕地動態(tài)監(jiān)測等方面，可實現(xiàn)林業(yè)信息采集與處理快速化，為林業(yè)決策提供實時、強有力的基礎(chǔ)信息和決策支持。

篇9

[關(guān)鍵詞]MM定理；稅收行為理論；廠商；影響

[中圖分類號]F27；F810.42

[文獻標(biāo)識碼]A

[文章編號]1672-2426(2009)07-0042-02

企業(yè)作為商品的生產(chǎn)者，通過在給定產(chǎn)出水平下最小化成本，或在給定成本下最大化產(chǎn)出水平等行為選擇，實現(xiàn)利潤最大化。政府稅收將通過對生產(chǎn)要素或商品的市場價格的干預(yù)，對此產(chǎn)生重要影響，從而影響到廠商在投資水平、資本結(jié)構(gòu)、產(chǎn)出水平、股利政策和非經(jīng)濟等方面的行為決策。

一、稅收對投資水平的影響

作為追求利潤最大化的市場主體，企業(yè)的投資行為主要取決于對投資收益和投資成本的比較，只要投資收益大于投資成本，廠商必然會繼續(xù)其投資行為，直到投資收益等于投資成本為止。在政府征稅的條件下，最終決定廠商投資行為的投資收益是稅后的投資收益；最終決定廠商投資行為的投資成本則包括折舊等多種因素。因此可以根據(jù)稅收對廠商投資收益和折舊的影響，來分析稅收對投資的效應(yīng)。

就投資收益而言，政府稅收會降低企業(yè)的投資收益率，對廠商的投資行為會產(chǎn)生方向相反的兩種效應(yīng)：一是收入效應(yīng)，即投資收益率的下降，減少了納稅人的可支配收益，促使其為維持以往的收益水平而增加投資；二是替代效應(yīng)，即投資收益率的下降，降低了投資對納稅人的吸引力，促使其用消費等別的行為來替資。稅收對廠商投資水平的最終影響，取決于它的收入效應(yīng)與替代效應(yīng)究竟哪一種處于支配地位。

在投資成本中，折舊是需要考慮的一個重要因素：一方面，它可以作為投資成本直接從應(yīng)稅所得中扣除，從而減少廠商的納稅義務(wù)；另一方面，它可以作為一種基金，由廠商積蓄起來用于再投資或?qū)淼墓潭ㄙY產(chǎn)重置。因此，折舊的提取數(shù)額、時間、方法和折舊率的高低，對廠商的投資行為有很大的影響。如果稅收制度規(guī)定的稅收折舊率高于實際折舊率，那么就能夠降低投資成本，刺激廠商的投資行為；反之，則會減少廠商的投資水平。

二、稅收對資本結(jié)構(gòu)的影響

根據(jù)諾貝爾經(jīng)濟學(xué)獎獲得者莫迪利亞尼和米勒提出的MM定理，如果不存在稅收和破產(chǎn)成本，那么企業(yè)的市場價值與它的資本結(jié)構(gòu)無關(guān)，即同它的融資方式無關(guān)。定理描述的是一種完全資本市場條件下的理想狀態(tài)，但這一結(jié)論明顯同現(xiàn)實情況不符：廠商的融資策略和資本結(jié)構(gòu)對企業(yè)的經(jīng)營效益具有較大的影響。為了解釋MM定理同實際情況的這種不一致，專家引入了稅收因素，分析其對資本結(jié)構(gòu)和融資決策的影響。

兩類稅收會影響企業(yè)的資本結(jié)構(gòu)，一是公司所得稅，一是個人所得稅。在征收公司所得稅的情況下，由于企業(yè)可以在納稅時扣除支付給債權(quán)人的利息，但不能扣除支付給股東的股利，所以廠商為了利用稅收優(yōu)惠可以增加債權(quán)融資的比例，進而提高它的市場價值和對投資者的吸引力。然而，如果企業(yè)的市場價值能夠隨著債務(wù)比例的擴大而不斷增加，那么廠商是否應(yīng)該追求百分之百負(fù)債的資本結(jié)構(gòu)呢?在只有公司所得稅的前提下，結(jié)論確實如此，但它顯然與現(xiàn)實不符，引入個人所得稅可以作出一定的解釋。

在征收個人所得稅的情況下，盡管股息和債券利息都要計入應(yīng)稅所得，但股票出售時的資本利得往往能夠享受到較低的稅率，并且只要資本利得不實現(xiàn)，一般不予征稅。個人資本利得稅方面的優(yōu)惠，使得人們持有股票更有利可圖，這正好與債券的免稅優(yōu)惠相互沖抵，抑制了廠商擴大債務(wù)比例的欲望。當(dāng)然，除了稅收以外，其他因素也會影響企業(yè)的資本結(jié)構(gòu)，如破產(chǎn)成本和成本等等，需要考慮的是過高的負(fù)債意味著較大的破產(chǎn)可能性。

三、稅收對產(chǎn)出水平的影響

稅收對企業(yè)產(chǎn)出水平的影響也包括兩個方面，即收入效應(yīng)和替代效應(yīng)。所謂稅收對企業(yè)產(chǎn)出的收入效應(yīng)，指的是稅收會減少企業(yè)可支配的生產(chǎn)要素，從而降低了企業(yè)的生產(chǎn)能力，造成企業(yè)產(chǎn)出水平的下降。所謂稅收對企業(yè)產(chǎn)出的替代效應(yīng)，指的是稅收會誘導(dǎo)企業(yè)重新選擇各種商品的生產(chǎn)組合，增加稅率較低的商品的生產(chǎn)量、減少稅率較高的商品的生產(chǎn)量，即用輕稅商品的生產(chǎn)替代重稅商品的生產(chǎn)。

由于稅收對企業(yè)產(chǎn)出的收入效應(yīng)，降低了廠商的產(chǎn)出水平，因此會對整個社會產(chǎn)生額外負(fù)擔(dān)。具體地講，稅收意味著在消費者購買商品時支付的數(shù)額和廠商得到的數(shù)額之間出現(xiàn)了差額，這個差額就是稅收的數(shù)額，它只是資源從消費者和廠商向政府部門的轉(zhuǎn)移，本身并不會對整個社會造成額外負(fù)擔(dān)。但是，稅收除了造成資源轉(zhuǎn)移外，還通過收入效應(yīng)降低了企業(yè)的產(chǎn)出水平，使得消費者只能用較高價格購買較少的商品，從而降低了消費者的福利水平。

稅收不僅會對企業(yè)的產(chǎn)出水平造成直接的影響，還會帶來長期的結(jié)構(gòu)性變化，并對整個行業(yè)產(chǎn)生更大的影響。具體而言，盡管各個廠商在短期內(nèi)只能通過增加或減少產(chǎn)出水平來實現(xiàn)利潤最大化，但在長期則還可以選擇繼續(xù)留在這個行業(yè)或退出行業(yè)。由于稅收增加了企業(yè)的成本水平，那些處在虧損邊緣的廠商會因為成本的提高而無利可圖，最后只能退出該行業(yè)的商品生產(chǎn)。因此，稅收不僅在短期里使得企業(yè)的產(chǎn)出水平下降，而且能夠在長期里減少廠商的數(shù)目，造成產(chǎn)出水平的進一步下降。

四、稅收對股利政策的影響

廠商的股利政策是確定企業(yè)利潤如何在股東股利和再投資之間進行分配的方式，因此它是廠商長期融資戰(zhàn)略的重要組成部分。同MM定理類似，莫迪利亞尼和米勒在上世紀(jì)60年代的論文中提出了“股利無關(guān)性定理”，認(rèn)為在完善的資本市場上，廠商的股利政策同企業(yè)的價值無關(guān)。然而，一旦引入稅收因素。其結(jié)論就會得到修正。如在征收個人所得稅的情況下，由于股利收入的稅率一般高于資本利得的稅率，因此投資者可能不愿以股利形式獲取收入。不過，專家指出，可以對股利進行適當(dāng)?shù)摹扒暹x”，而轉(zhuǎn)換成其他收入形式，從而增強股利收入的吸引力。比如投資者在收到股利的同時可以借入一定數(shù)量的資金，再投資于其利息收入無需納稅的項目。由于借錢支付的利息可以從應(yīng)稅所得中扣除，所以只要所借入的資金足夠大，以至需償還的利息數(shù)額剛好等于股利收入，就可以使股利收入實際上完全免予納稅。

在具體的分析中，還應(yīng)該進一步考慮其他現(xiàn)實因素。例如：有些國家針對股利收入的清洗行為，在稅法中明確規(guī)定了個人可以沖減應(yīng)稅所得的利息支出上限，使得股利在這方面優(yōu)勢的發(fā)揮受到了限制；同時，資本市場上廣泛存在著信息不對稱，投資者往往把企業(yè)的殷利政策作為一種傳遞廠商績效和發(fā)展前景等狀況的信號，企業(yè)的股利政策會影響到投資者的預(yù)期等等。由于股利政策受到資本市場的不確定性等諸多因素的影響，因此它是一個重要但又充滿爭議的話題。

五、稅收對非經(jīng)濟效應(yīng)的影響

征稅會對廠商的精神或心理產(chǎn)生一定的影響。通常來說，納稅總是一件令人不愉快的事。在即將面臨或?qū)嶋H處理納稅事宜時總讓人感到某種壓力，特別是廠商在從事的經(jīng)濟活動沒有依法納稅時會擔(dān)心害怕，在受到不公正的稅收待遇時也往往會憤憤不平，甚至?xí)a(chǎn)生強烈的對抗情緒。

篇10

[關(guān)鍵詞]上市公司股權(quán)制衡度投資行為

國內(nèi)外許多學(xué)者對中國的股權(quán)改革持有不同的意見，呼聲最高的就是國有股的減持，但是學(xué)術(shù)界和實務(wù)界也有不同的觀點，認(rèn)為不能一味的要求減持國有股，而要看企業(yè)所處的具體環(huán)境。而學(xué)者們對股權(quán)制衡度對資本投資的影響也是存在不一樣的觀點。那么針對中國上市公司的具體情況，股權(quán)制衡度與投資之間存在什么關(guān)系，我們應(yīng)該采取何種措施來應(yīng)對股權(quán)改革，本文將以實證分析的方式探討這兩個問題。

一、研究假設(shè)

當(dāng)?shù)谝淮蠊蓶|持股比例增加，股權(quán)制衡度越來越低，不存在其它控股股東對控制權(quán)的分享時，上市公司傾向于對增加公司價值的項目進行投資。但是隨著股權(quán)的集中，存在其他股東對第一大股東進行制衡時，就會出現(xiàn)投資扭曲行為，因為如果其他股東持股比例與第一大股東相差不大時，他們對投資項目的選擇都有很大的影響，而且出于利己的目的，投資目標(biāo)可能出現(xiàn)分歧，因此對控制權(quán)的爭奪導(dǎo)致投資項目的選擇就不一定符合公司價值最大化的準(zhǔn)則。另一方面，股權(quán)制衡度的提高對于減輕“大股東控制”和其掏空行為是有利的。從這方面來說，股權(quán)制衡度提高又會對投資科學(xué)化產(chǎn)生正面影響。因此我們暫且提出：

假設(shè)：在其他條件相同的情況下，隨著股權(quán)制衡度的提高，上市公司投資容易出現(xiàn)扭曲行為。

二、實證分析

1.變量選取

在構(gòu)建投資模型時，通常我們認(rèn)為，企業(yè)的投資同時受到短期投資機會、長期投資機會、企業(yè)的內(nèi)外部融資成本的影響。為了控制規(guī)模因素，我們將被解釋變量和控制變量用其除以期初總資產(chǎn)的相對數(shù)表示。變量描述如表1。

綜合以上因素，我們選取了在滬深兩市上市的A股制造業(yè)企業(yè)2001年～2004年的數(shù)據(jù)，剔除了PT和ST公司，數(shù)據(jù)缺損的公司以及在四年內(nèi)股權(quán)性質(zhì)不一致的公司。最終滿足條件的上市公司共有359家，所得樣本觀察值為1436個。本文所有的數(shù)據(jù)全部來自于北京大學(xué)CCER數(shù)據(jù)庫。

2.模型設(shè)計及實證結(jié)果分析

為了檢驗股權(quán)制衡度對投資的影響，建立模型：

回歸結(jié)果見表2。

上表表明所有模型都是顯著的，加入股權(quán)制衡度后，調(diào)整R的平方?jīng)]有變化，說明股權(quán)制衡度對投資的影響是不顯著的，但是股權(quán)制衡度的系數(shù)為負(fù)，說明了隨著股權(quán)制衡度的增加，投資有所減少。加入交叉項后，我們發(fā)現(xiàn)交叉項的系數(shù)為負(fù)，表明隨著股權(quán)制衡度的增加，出現(xiàn)了投資扭曲行為，對樣本的分組回歸也得出了一致的結(jié)論，而非國有上市公司交叉項系數(shù)的絕對值比國有上市公司大，可能的原因是隨著股權(quán)制衡度的增加，非國有上市公司對控制權(quán)的爭奪更加厲害，導(dǎo)致更加嚴(yán)重的投資扭曲行為。

三、結(jié)論分析及建議

通過實證分析，我們發(fā)現(xiàn)前面提出的假設(shè)是成立的，也就證明了理論推導(dǎo)是正確的。通過這樣的結(jié)果，筆者建議不論是國有上市公司還是非國有上市公司，都要保證第一大股東的絕對控制地位，保證沒有其他控股股東和它進行權(quán)力的爭奪，在這種前提下，增加第二到第五大股東的持股比例，形成對大股東的制衡。

參考文獻：

[1]陳曉江東:股權(quán)多元化、公司業(yè)績與行業(yè)競爭性[J].經(jīng)濟研究,2000,(8):28～35

[2]孫永祥黃祖輝:上市公司的股權(quán)結(jié)構(gòu)與績效[J].經(jīng)濟研1999,(12):23～30