选择金字塔选项以在3D空间中创建金字塔以创建3D多面体。
用的是“谷歌地球”软件。一款虚拟地球仪软件，由Google公司于2005年6月正式推出。把卫星照片、航空照相和GIS布置在一个地球的三维模型上，可让您前往世界上任何地方，以查看卫星图像，地图，地形， 3D建筑物，来自外层空间的星系的峡谷海洋。
Google地球（Google Earth）是一款Google公司开发的虚拟地球仪软件， 它把卫星照片、航空照相和GIS布置在一个地球的三维模型上。Google Earth于2005年向全球推出，被“PC 世界杂志”评为2005年全球100种最佳新产品之一。用户们可以通过一个下载到自己电脑上的客户端软件，免费浏览全球各地的高清晰度卫星图片。
激光成像：利用激光束扫描物体，将反射光束反射回来，得到的排布顺序不同而成像。用图像落差来反映所成的像。激光成像具有超视距的探测能力，可用于卫星激光扫描成像，未来用于遥感测绘等科技领域。
遥感影像：分两种：卫星遥感影像，卫星通过太空拍摄地面而形成的影像（遥感卫星与雷达卫星两种）；航空遥感影像，通过有人飞机、无人飞机、热气球等航空拍摄地物而成，其精度高。总结：DEM、三维模型、遥感影像数据这些都是GIS里必不可少的，只有齐全了才能完整的体现出空间三维的全貌。
1、相机成像原理都是一样，就是传感器接受到外界光子，要么形成电压信号，要么形成电流信号，然后转换成我们所熟悉的pixel。
2、遥感成像一般是合成孔径成像，且多是红外或者其它波段成像具有一定的穿透性，比如遥感成像有些可以探测地下多少米，普通相机是靠可见光部分来成像的也不可能有什么穿透性。
3、原理：由于地物各部分反射的光线强度不同，使感光材料上感光程度不同，形成各部分的色调不同所致。在近红外波段，洁净水体的反射率远比土壤和植被的反射率低，所以在卫星图像上可以很容易地区分水体和非水体的界限。
遥感数据处理的主要流程包括数据组织（即数据种类选择、范围确认、时相选择、订购等）、数据镶嵌（单景数据不存在此过程）、几何校正、图像生成、图像增强、图像整饰等过程，见图3-2。 图3-2 数据处理流程图 （三）数据处理 数据镶嵌 所谓镶嵌，就是将相邻两景图像拼接、形成大图像的过程。
所谓遥感数据处理，就是依据数字图像的特征，构造各种数字模型和相应的算法，由计算机进行运算 （ 矩阵变换） 处理，进而获得更加有利于实际应用的输出图像及有关数据和资料。
ETM数据的光谱覆盖范围，除全色波段外，与TM完全一致，其地质应用效果相同。由于ETM增设了0.5～0.95 μm的全色波段，分辨率为15 m，这样就为最佳波段融合处理提供了方便，且使图像解像率提高，地质信息更加丰富，细节更加清晰，价格适中，是1∶25万遥感地质填图的理想数据。
遥感数据包括很多种类，一般的最原始的数据是正射影像。一般情况下，影像都是栅格数据，比如.img格式。而带有几何、拓扑参数的数据，是矢量数据，如.shp，.e00格式的。矢量数据一般是进过处理数据，如地形图，专题地图等等。矢量和栅格的分别，可以百度一下。
遥感数据分类中最常用的神经网络是多层感知器模型（multi-layer percep-tron，MLP）。该模型的网络结构如图5-2所示。该网络包括三层：输入层、隐层和输出层。输入层主要作为输入数据和神经网络输入界面，其本身没有处理功能；隐层和输出层的处理能力包含在各个结点中。
而引起的传感器的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异，尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作打下基础。现在图像解译还是目视解译，所以只有图像清晰度高，可识别性强，才有助与后期的几何校正，以及后期的图像分类工作。
数据处理包括数据收集、清洗、转换、分析和可视化等内容。数据收集：数据处理的第一步是收集数据。这可以通过各种方式实现，包括传感器技术、调查问卷、数据库查询等。数据收集需要确保数据的准确性和完整性，以便后续的处理和分析工作能够得到可靠的结果。
首先要进行数据预处理，包括：数据清理、数据规约等。然后在查询时，尽量避免使用低效率的查询语句，像是order by等。处理数据时，lz可以参考一下数据挖掘思想，运用一些有用的算法、数据处理软件，以提高效率。
数据预处理的五个主要方法：数据清洗、特征选择、特征缩放、数据变换、数据集拆分。数据清洗 数据清洗是处理含有错误、缺失值、异常值或重复数据等问题的数据的过程。常见的清洗操作包括删除重复数据、填补缺失值、校正错误值和处理异常值，以确保数据的完整性和一致性。
大数据处理流程包括：数据采集、数据预处理、数据入库、数据分析、数据展现。数据采集数据采集包括数据从无到有的过程和通过使用Flume等工具把数据采集到指定位置的过程。数据预处理数据预处理通过mapreduce程序对采集到的原始日志数据进行预处理，比如清洗，格式整理，滤除脏数据等，并且梳理成点击流模型数据。
大数据常用的数据处理方式主要有以下几种： 批量处理（Bulk Processing）： 批量处理是一种在大量数据上执行某项特定任务的方法。这种方法通常用于分析已经存储在数据库中的历史数据。批量处理的主要优点是效率高，可以在大量数据上一次性执行任务，从而节省时间和计算资源。
Apache Hadoop是一种专用于批处理的处理框架。Hadoop是首个在开源社区获得极大关注的大数据框架。基于谷歌有关海量数据处理所发表的多篇论文与经验的Hadoop重新实现了相关算法和组件堆栈，让大规模批处理技术变得更易用。
1、利用卫星图像进行调查的遥感技术属于遥感调查法。遥感调查法是指利用遥感技术获取地表或大气中的信息，并通过对遥感数据的分析和解释来了解地球表面的特征、变化和相关问题的一种调查方法。
2、这种调查方法属于遥感监测方法。遥感技术是一种通过人造卫星、飞机或其他远程传感器收集地球表面信息的技术。在农业领域，遥感技术可以提供关于农作物种植种类和种植面积的估计。这种调查方法属于遥感监测方法，因为它是通过遥感技术来获取相关数据的。
3、通过遥感技术获取农作物种植种类和种植面积估计的调查属于农作物遥感调查。农业遥感属于卫星红外遥感类。农业遥感系指利用遥感技术进行农业资源调查，土地利用现状分析，农业病虫害监测，农作物估产等农业应用的综合技术，可通过获取农作物影像数据，包括其农作物生长情况、预报预测农作物病虫害。
4、图斑调查，是指在城市规划管理中，土地监管部门在利用卫星遥感技术，获得某个时间内所监管的土地范围内用地情况的图像。结合GIS技术等，给所监管的土地用一定的规则进行分区编号，而这个编号一般就称为图斑。
1、遥感图像处理主要使用加拿大专业遥感图像处理软件PCIGeomatica0及美国著名专业遥感图像处理软件ENVI5。 （二）数据处理流程 遥感数据处理的主要流程包括数据组织（即数据种类选择、范围确认、时相选择、订购等）、数据镶嵌（单景数据不存在此过程）、几何校正、图像生成、图像增强、图像整饰等过程，见图3-2。
2、由于传感器响应特性和大气的吸收、散射以及其它随机因素影响，导致图像模糊失真，造成图像的分辨率和对比度相对下降，这些都需要通过辐射校正复原。
3、遥感数据收集与处理的目的是与数字填图系统获取的地理、地质数据整合，配合地质填图提取与区域地质体相关联的信息，以便互相印证、约束和综合分析研究，多途径、多角度解决图幅内存在的问题。
4、对重点矿区（带）进行遥感地质解译，可以通过8波段与多光谱数据融合方法将影像空间分辨率提高到15m，能够达到1∶5万地图草测精度。因此该数据能够满足本次项目中对遥感地质信息提取的要求。 表5-1列出了TM、ETM+遥感数据的主要性能指标。
5、所谓遥感数据处理，就是依据数字图像的特征，构造各种数字模型和相应的算法，由计算机进行运算 （ 矩阵变换） 处理，进而获得更加有利于实际应用的输出图像及有关数据和资料。
