遥感地学分析实验
遥感地学分析实验报告二
中国·长春
2019年1
月
实验二基于植被指数(NDVI)——反照率(Albedo)特征空间
的土地荒漠化遥感分析
【实验原理】
土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱半干旱和亚湿润干地区的土地退化。及时准确地掌握土地荒漠化发生发展情况是有效防止和治理土地荒漠化的基本前提。使用遥感影像数据可以提取土地荒漠化信息，判断土地荒漠化的发生与发展程度。
沙漠化研究表明，随着沙漠化程度的加重，地表植被遭受严重破坏，地表植被盖度降低和生物量减少，在遥感图像上表现为植被指数相应减少。由此看来，植被指数（NDVI）可作为反映沙漠化程度的生物物理参数。
在沙漠化的研究实践中，通过定位观测发现，随着沙漠化程度的加重地表状况发生了明显的改变，伴随着地表植被覆盖度的下降，地表水分相应地减少，地表粗糙度下降，地表反照率得到相应的增加。因此，沙漠化过程导致的地表下垫面状况的变化，使地表反照率（Albedo）发生明显的变化，其可作为反映沙漠化程度的重要地表物理参数。
通过构造“植被指数(NDVI)——反照率(Albedo)特征空间”来进行荒漠化信息遥感提取。荒漠化过程及其地表特性的变化能在Albedo-NDVI 特征空间中得到明显直观的反映。在Albedo-NDVI 特征空间中，利用植被指数和地表反照率的组合信息，通过选择反映荒漠化程度的合理指数，可以将不同荒漠化土地有效地加以区分，实现荒漠化时空分布与动态变化的定量监测与研究。
沙漠化遥感监测模型
在Albedo—NDVI 特征空间，不同沙漠化土地对应的植被指数(NDVI)和地表反照率(A1bedo)具有非常强的线性负相关性。根据VerstraeteandPinty 的研究结论，如果在代表荒漠化变化趋势的垂直方向上划分Albedo-NDVI 特征空间，可以将不同的荒漠化土地有效地区分开来。而垂线方向在Albedo-NDVI 特征空间的位置可以用特征空间中简单的二元线性多项式加以表达，即
DDI=k*NDVI–Albedo
其中：DDI 可称为荒漠化分级指数，k 由特征空间中拟合的曲线斜率确定。DDI 值可以反映区域土地沙漠化的过程，将其定义为沙漠化监测的差值指数。
DDI的意义反映了不同沙漠化土地在Albedo—NDVI 空间的地表水热组合
与变化的差异。
沙漠化遥感监测差值指数模型(DDI)充分利用了多维遥感信息，指标反映了
沙漠化土地地表覆盖、水热组合及其变化，具有明确的生物物理意义。而且
指标简单、易于获取，有利于沙漠化的定量分析与监测。
【实验内容】
（1）下载数据
（2）数据预处理：数据定标处理、大气校正、几何配准、研究区域的裁剪。
（3）信息提取：计算NDVI 和Albedo，将结果进行归一化处理，保证数据的一致性。
（4）计算NDVI 和Albedo 的定量关系：利用excel 工具找到NDVI 和Albedo 数据间的量化关系，得到表达式Albedo=a*NDVI+b 中a 的值。
（5）荒漠化差值指数的计算：利用bandmath 工具实现表达式：DDI=(-1/a)*NDVI-Albedo，得到荒漠化差值植被指数。
（6）荒漠化分级信息的提取：根据荒漠化差值植被指数进行荒漠化分级信息提取。可通过设置分级阈值进行分级。
（7）制图输出。
【实验步骤】
一、数据预处理
第一步：数据读取和定标
主菜单->File->Open External File->Landsat->Geo TIFF with Metadata，打开ETM 数据L71122030_03020000712_MTL.txt
第二步：数据定标
主菜单->Basic Tools->Preprocesssing->Calibration Utilities->Landsat Calibration，选择多波段文件，弹出ENVI LandsatCalibration 对话框，自动读取元数据中的信息并加载，定标类型选择Radiance，指定保存路径，点击OK。
第三步：几何校正和裁剪
进行几何校正，使其具有精确的地理信息，本实验中用到的是已经过校正TM数据作为基准影像。整景数据范围非常大，在进行几何配准之前，可将研究区域裁剪出来。
裁剪：BasicTools->Resize Data(Spatial/Spectral)，弹出Resize Data Input File 对话框，选中要裁剪的图像，然后点击Spatial Subset,然后点击Image 后，会显示选中的图像，此时拖动红色边框，拖动至想要的大小后，点击OK。如图所示：
返回到上图所示的界面后，点击OK，返回ResizeData InputFile 对话框，点击OK。此时选择裁剪后的图像保存的路径，点击OK,裁剪完成。
显示裁剪后的图像如图：
第四步：大气校正
（一）FLAASH 对图像文件有以下几个要求：
1) 数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。
2) 数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM）,这两个参数都可以通过编辑头文件信息输入（Edit Header）。
3) 数据类型
支持四种数据类型：浮点型（floating）、长整型(long integer )、整型（integer）和无符号整型(unsignedint)。
数据存储类型：ENVI标准栅格格式文件，且是BIP 或者BIL。
4) 波谱范围：0.4－2500μm。本次用的TM 数据经过以上处理，如已经定标为W*m^(-2)*sr^(-1)*um^(-1)单位、浮点型的辐射率数据，有中心波长信息，下面将BSQ 格式转成BIL 格式。
选择主菜单Basic Tools->Convert Data（BSQ、BIL、BIP），选择已经经过配准的Cut.img，双击，然后出现Convert FileParameters 对话框，Output Interleave 选择BIL，选择Convert InPlace：no，选择要输出的路径，单击OK。
（二）设置参数进行FLAASH 大气校正
（1）主菜单Spectral->FLAASH 打开FLAASH 大气校正模块；
（2）点击InputRadianceImage，选择BIL格式的BIL.img，在RadianceScale Factors 面板中选择Use single scalefactorforall bands，由于定标的辐射量数据与FLAASH 的辐射亮度的单位相差10倍，所以在此Singlescalefactor 选择默认：10，单击OK；
（3）设置输出文件及路径设置。
（4）传感器基本信息设置：成像中心点经纬度、传感器高度、成像区域平均高度、成像时间等。
点击OK，运行完后显示如下图：
查看校正后的图：在AvailableBandsList中右击FLAASH → LoadTrueColor to
(5)对校正前后的两幅影像进行Link以进行更好的波谱曲线对比，如图：
（校正前）（校正后）
二、信息提取
第一步：提取NDVI 主菜单->Transform->NDVI，弹出NDVI CalculationParameters 对话框，自动标定波段，保存文件，输出，点击OK。
第二步：提取Albedo 地表反照率反演：利用Lia ng 建立的Landsat — TM 数据的反演模型，估算研究区地表反照率。
（1）主菜单->Basic Tools->Bandmath-> 弹出Band Math 对话框，键入表达式(0.356*b1+0.13*b3+0.373*b4+0.085*b5+0.072*b7-0.0018)/10000，点击AddtoList，点击OK。
（2）在弹出的Variablesto BandPairings 对话框中分别为B1、B3…、B7 指定相应的波段（经过大气校正后的数据）。
三、计算NDVI 与albedo 的定量关系
NDVI与albedo之间存在着一种负相关的线性关系。
不同沙漠化土地类型对应的植被指数( N DV I ) 和地表反照率(Al b e d o ) 具有显著的线性负相关性，类似于：Albedo=65.324-0.453*NDVI 这种形式，通用表达式Albedo=a*NDVI+b。随着荒漠化程度的增加，植被指数( NDVI) 逐渐减少，而地表反照率则逐渐增加。在Albedo—NDVI 特征空间中，荒漠化过程得到了明显的反映。为了找到两者之间的定量关系，需要分别找出NDVI和albedo对应的两组数据，利用这两组数据进行回归拟合出一个关系式。
第一步：选择相应点
（1）在NDVI 或者Albedo 的图像窗口中，右键->选择ROITools，弹出ROITools 对话框在ROIType 中选择Point。然后点击Image，在image 窗口中选点。
（2）选好点后，将点导出。在ROITOOL 中，选择File->Output ROIs toASCII。选择NDVI的图像，在Output ROIs toASCII Parameters 面板中，选择ROI 点，单击Edit OutputASCII Form，在输出内容设置面板中（如下图），选择ID、经纬度（GeoLocation）、和波段像元值（BandValues）。点击OK。指定输出路径和名称，点击OK，将对应的NDVI 点值输出。同样的方法前面选择的ROI 点对应的Albedo 的点值输出为Albedo.txt 文件。
第二步：计算定量关系
在EXCEL软件中进行线性拟合两者的定量关系。有了相同位置的NDVI 值和Albedo值，在Excel中选中ndvi 值与albedo值，绘制散点图。
得到的反演模型为y = -0.2386x + 0.4207
四、荒漠化差值指数的计算
通过上一步的处理得到了参数a= -0.2386，根据公式a*k=-1，可以计算出k将k 值代入荒漠化差值指数表达式中可以计算DDI。表达为：
DDI=1/0.2386*NDVI-Albedo
使用BasicTool->Bandmath，在Enter anexpression 下面输入表达式：
1/0.2386*b1 –b2，单击Add to List，单击OK，在Variables to Bands Pairings 面板中，选择b1 为NDVI 的图像，b2 为Albedo 的图像，设置输出路径和文件名，单击OK，计算得到荒漠化差值指数的反演图。DDI 值越小，沙漠化程度越大。
五、荒漠化分级信息提取
实地考察，根据相关标准，将该区域的荒漠化程度分级，即非荒漠化、轻度荒漠化、中度荒漠化、重度荒漠化和极重度荒漠化。找出不同荒漠化级别与对应的荒漠化差值指数图上的临界点。然后利用DensitySlice 工具进行分级显示。在Display 中显示荒漠化差值指数，是一个灰度的单波段图像。
(1) 选择Tools->ColorMapping->Density Slice。
(2) 单击Apply。
(3) 选择File->Output RangetoClass Image，可以将反演结果输出。
(完整版)ERDAS遥感图像处理实验报告
西北农林科技大学 ERDAS实验报告 专业班级：地信111 姓名：杨登贤 学号：2011011506 2013/12/20 ERDAS实验报告
一．设置一张三维图。 (3) 1.底图与三维图 (3) 2.参数设置 (5) （1）三维显示参数 (5) （2）三维视窗信息参数 (6) （3）太阳光源参数 (6) （4）显示详细程度 (6) （5）观测位置参数 (7) 二．（几何纠正几何畸变图像处理）：几何纠正结果图。 (7) （2）选择合适的坐标变换函数（即几何校正数学模型） (8) （3）数据控制点采集表 (9) （4）多项式模型参数 (9) （5）图像重采样参数 (10) （6）结果图 (10) 三.(数据输入\ 输出)：镶嵌图（根据不同条件做出不同的几张）。 (11) 1.图像色彩校正设置 (12) 四.（图像增强处理）：傅里叶高通/低通滤波图或效果图空间增强效果图。 (13) 1.空间增强卷积处理 (13) （1）原图像 (13) （2）卷积增强设置参数 (13) （3）卷积增强处理图像 (14) 2.傅里叶变换 (14) （1）快速傅里叶变换设置参数 (14) （2）低通滤波 (15) (3)高通滤波 (16) 五.光谱增强。 (18) 1.主成分变换 (18) （1）参数设置 (18) （2）处理图像 (19) 2.缨帽变换 (19) （1）参数设置 (19) （2）处理图像 (20) 3.指数计算 (20) （1）参数设置 (20) （2）处理图像 (21) 4.真彩色变换 (21) （1）参数设置 (21) （2）处理图像 (22) 六.（非监督分类）：非监督分类结果图分类后处理结果图去除分析结果图。 (23) 1.参数设置 (23) 2.非监督分类结果图 (24) 3.分类后处理结果图 (25)
遥感实验报告
1.利用Mapgis进行图像校正 1.1实验目的 了解MAPGIS土地利用数据建库对数据的基本要求。掌握图像校正---DRG生产的具体操作步骤。 1.2实验基本要求 将两幅1/万影像数据k50g092035、k50g092036,进行图象校正。 1.3实验内容 DRG生产的操作步骤如下： 1.打开mapgis主菜单，选择图像处理\图象分析模块。 2.文件转换：打开文件\数据输入，将两幅tif图像转换成msi(mapgis图象格式)文件类型。 选择“转换数据类型”为“TIF文件”，点“添加目录”选择影象所在目录，点“转换”。 3. 选择文件\打开影象，打开转换好的msi文件k50g092035.msi，再选择镶嵌融合\DRG生产\图幅生成控制点，点“输入图幅信息”。 4.输入图幅号信息，输入图幅号 k50 g092035,系统会利用此图幅号自动生成图幅的理论坐标。 图1.1 图幅生成控制点 5.定位内图廓点，建立理论坐标和图象坐标的对应关系。 利用放大、缩小、移动等基本操作在图像上确定四个内图廓点的位置。以定位左上角的内图廓点为例：利用放大，缩小，移动等操作找到左上角的内图廓点的精确位置后，点击上图对话框中的左上角按钮，然后再点击图像上左上角的内图廓点即完成该点的设置。完成参数设置和内图廓点信息的输入后，点击生成GCP，将自动计算出控制点的理论坐标，并根据理论坐标反算出控制点的图像坐标。 6.顺序修改控制点。 选取镶嵌融合\DRG生产\顺序修改控制点,则弹出控制点修改窗口,如下图所示:
图1.2 控制点修改窗口 7.逐格网校正 选取镶嵌融合\DRG生产\逐格网校正，弹出文件保存对话框,输入结果影像文件名为“K50 G 092035”，点“保存”。出于精度考虑，可以将“输出分辨率” 设置为“300”DPI。 8.DRG生产完毕。为了以后线文件要与内图框闭合成区，接着生成单线内图框。 生成单线内图框的方法如下： 1）选择镶嵌融合\ 打开参照文件\自动生成图框 2）输入图幅号，选择北京54坐标系.采用大地坐标系 3）选择单线内框.椭球参数选择北京54图框文件名保存为2035.WL，保存路径如下图如示，点“确定”即可完成。 图1.3 1:1万图框 用同样的方法校正另一幅影像k50g092036,将校正后的文件保存为k50 g 092036,同时生成对应的内图框文件2036.wl，保存在实习数据\单线内图框\。
地学空间分析课程报告
地学空间分析课程报告未来72h内火箭弹袭击预警 报告人： 班级： 学号： 指导老师： 2017年6月
摘要：地理信息系统（GIS）在军事行动中发挥关键作用，因为作战本质上与空间性质相关。军队在情报，战场管理，地形分析，军事部署，军事安装管理，可能的恐怖主义活动监测等各种行动中使用地理信息系统，为指挥官提供地理空间信息可视化作战区域并尽快做好战斗决策以增加胜算和减少损失。本文介绍了利用GIS分析加利福尼亚州蒙特雷附近一个前线作战基地(FOB)Rookie在未来72h内可能受到叛军的火箭弹袭击的方式和可能的发射地点。 1. 引言 军事自人类文明开始以来一直扮演着主导角色，拥有强大军事力量的国家统治着世界的主要部分。现代技术的使用不仅改变了战争的方式，而且成为军事通知地位占优势的关键因素。军队如今以各种方式使用地理信息系统，包括情报，战场管理，地形分析，军事安装管理和可能的恐怖活动监测等，其中GIS在情报分析工作尤为重要，快速准确的情报分析可以为决策提供重要的参考价值。 作战模拟太平洋安全组织(MPSO)与蒙特雷解放阵线(MLF) 叛军进行交战，MPSO的前线作战基地(FOB)Rookie设置于加利福尼亚州蒙特雷附近，它是叛军常年运用游击战袭击的目标。自20.5.1.1以来，蒙特里解放阵线内一直在有叛军攻击FOBRookie，其中火箭弹危害较大。当地时间2015.3.31凌晨0:30和4点，叛军发射的共发生两枚枚火箭弹，造成MPSO一些人员的伤亡和物资的损失，火箭弹型号当时有待确认。 最初，蒙特里的叛军的网络是一个个打了就跑的独立实体，但随着时间的推移，这些网络开始协同作战。然而，由于种种原因，不同网络之间的派系斗争也十分显著。历史上，一些叛军的网络往往回到相同的地点进行敌对活动，如伏击，简易爆炸装置（IED）攻击或火箭弹袭击等。这些网络中黄色和绿色网络可以发射火箭弹。其中，黄色网络位于西部滨海地区；绿色网络总部设在萨利纳斯。 图1.2015.1.1~2015.3.31期间MPSO遭受叛军的攻击和攻击类型 经过对有关敌人进攻FOB Rookie 区域的信息的表格，此表格涵盖了敌军在三个月内
遥感实验报告
遥感原理与应用 实验报告 姓名：学号：学院：专业： 年月日 实验一： erdas视窗的认识实验 一、实验目的 初步了解目前主流的遥感图象处理软件erdas的主要功能模块，在此基础上，掌握几个视窗操作模块的功能和操作技能，为遥感图像的几何校正等后续实习奠定基础。 二、实验步骤 打开imagine 视窗 启动数据预处理模块 启动图像解译模块 启动图像分类模块 imagine视窗 1.数据预处理（data dataprep） 2.图像解译（image interpreter） 主成份变换 色彩变换 3.图像分类（image classification） 非监督分类 4. 空间建模（spatial modeler） 模型制作工具 三、实验小结 通过本次试验初步了解遥感图象处理软件erdas的主要功能模块，在此基础上，基本掌握了几个视窗操作模块的功能和用途。为后续的实验奠定了基础。 实验二遥感图像的几何校正 掌握遥感图像的纠正过程 二、实验原理 校正遥感图像成像过程中所造成的各种几何畸变称为几何校正。几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。而将地图投影系统赋予图像数据的过程，称为地理参考（geo-referencing）。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。 几何校正包括几何粗校正和几何精校正。地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了几何粗校正。利用地面控制点进行的几何校正称为几何精校正。一般地面站提供的遥感图像数据都经过几何粗校正，因此这里主要进行一种通用的精校正方法的实验。该方法包括两个步骤：第一步是构建一个模拟几何畸变的数学模型，以建立原始畸变图像空间与标准图像空间的某种对应关系，实现不同图像空间中像元位置的变换；第二步是利用这种对应关系把原始畸变图像空间中全部像素变换到标准图像空间中的对应位置上，完成标准图像空间中每一像元亮度值的计算。 三、实验内容 根据实验的数据，对两张图片进行几何纠正 四、实验流程
遥感地质学报告
遥感地质学报告 学院：资源与环境工程学院专业：地理信息系统 班级：地信111 学号：1108100013 学生姓名：王才妹 指导教师：刘沛 2015年1月10日
一、对ENVI软件的认识 启动ENVI软件： 双击击桌面上的ENVI图标，就能成功的打开ENVI软件。 打开影像文件： 1、选择File→Open Image File。屏幕弹出对话框“Enter Input Data File”。 2、选择进入envidsta目录中的can_tm子目录，从列表中选择can_tmr.img文件然后点击OK。随即弹出可用波段列表（Available Band List）。在列表中可以选择特定的光谱波段显示影像或者对其进行处理。此时就可以选择打开灰阶影像或RGB彩色影像了。 3、使用鼠标左键点击对话框中所列波段名，选中某个影像波段。所选波段会在标有“Selected Band”的区域中显示出来。 4、点击Load Band，将影像加载到一个新的显示窗口中。 打开的影像窗口有三个，包括主图像窗口（Image Window）、滚动窗口（Scroll Window）、缩放窗口（Zoom window）。 显示影像剖面廓线 可以交互式地选择和显示X轴（水平）、Y轴（垂直）和Z轴（波谱）的剖面廓线图。这些剖面廓线图显示了穿过影像的横线（X）、纵线（Y）或者波谱波段（Z）的数据值。 从主图像窗口菜单栏中，可作以下操作：Tools → Profile → X Profile → Y Profile → Z Profile
分别显示数据值与列号（sample number）之间的关系曲线图；数据值与行号（line number）之间的关系曲线图；波谱剖面廓线图。 进行快速对比度拉伸 我们可以使用主图像窗口、缩放窗口或者滚动窗口中的默认参数和数据来进行快速对比度拉伸。 Enhance菜单中可进行各种各样的对比度拉伸：线性拉伸，0-255之间的线性拉伸，2%的线性拉伸，高斯拉伸，均衡化拉伸以及平方根拉伸。 显示交互式的散点图 ENVI可以绘制出两个所选影像波段的数值关系图，即分别选定这两个波段为X、Y轴，在平面坐标上绘制两者的散点图。 1、在主图像窗口菜单栏中，选择Tools → 2D Scatter Plots。接着Scatter Plot Band Choice对话框就会出现在屏幕上，在该对话框中选择要进行比较的两个影像波段。 2、选择其中一个波段作为X轴，另一个波段作为Y轴，然后点击OK。 3、一旦打开了散点图绘制窗口，就可以将鼠标光标放在主图像窗口中任意位置，并可以按住鼠标中键来拖动光标。此时，十字丝光标周围10×10范围内的像素在散点图中所对应的点将会用红色突出显示出来。
遥感图像实验报告
遥感图像实验报告 一．实验目的 1、初步了解目前主流的遥感图象处理软件ERDAS的主要功能模块。 2、掌握Landsat ETM遥感影像数据，数据获取手段.掌握遥感分类的方法， 土地利用变化的分析，植被变化分析，以及利用遥感软件建模的方法。 3、加深对遥感理论知识理解，掌握遥感处理技术平台和方法。 二．实验内容 1、遥感图像的分类 2、土地利用变化分析，植被变化分析 3、遥感空间建模技术 三．实验部分 1.遥感图像的分类 （1）类别定义：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统； （2）特征判别：对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理； （3）样本选择：为了建立分类函数，需要对每一类别选取一定数目的样本；（4）分类器选择：根据分类的复杂度、精度需求等确定哪一种分类器； （5）影像分类：利用选择的分类器对影像数据进行分类，有的时候还需要进行分类后处理；分类图如下：
图1.1 1992年土地利用图 图1.2 2001年土地利用图
（6）结果验证：对分类结果进行评价，确定分类的精度和可靠性。 图1.3 1992年精度图 图1.4 2002年精度图 2.土地利用变化 2．1 两年土地利用相重合区域 （1）在两年的遥感影像中选择相同的区域。 Subset(x:568121~684371,y:3427359~3288369)，过程如下：
图2.1 截图过程图 图2.2.2 截图过程图
（2）土地利用专题地图如下： 图2.2.3 1992年专题地图 图2.2.4 2001年土地利用图
遥感地学分析期末整理(部分)
第一章 广义的遥感：广义的角度来理解遥感，泛指一切无接触的远距离探测，包括对电磁场、力场、机械波（声波、地震）等的探测。 狭义的遥感：狭义的角度来理解遥感，指应用探测仪器，不与探测目标接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。 遥感是一种以物理手段、数学方法和地学分析为基础的综合性应用技术 遥感技术系统一般由四部分组成：遥感平台、传感器、遥感数据接收与处理系统、遥感资料分析处理系统。遥感信息源的类型①按遥感平台划分：地面遥感，航空遥感，航天遥感，航宇遥感 ②按探测的电磁波段划分 可见光遥感：波段在0.38-0.76μm 红外遥感：波段在0.76-1000μm 微波遥感：波段在1mm-1m 紫外遥感：波段在0.05-0.38μm 多光谱遥感：多光谱摄影机、多光谱扫描仪等 高光谱遥感：成像高光谱和非成像高光谱 ③按电磁辐射源划分：被动遥感，主动遥感 ④按应用领域划分：地质遥感、农业遥感、林业遥感、水利遥感、海洋遥感、环境遥感、灾害遥感等。 遥感的特点 ①大面积的同步观测：遥感平台越高，视角越宽广，可以同步探测到的地面范围越大，从而可观测地物的空间分布规律。 ②时效性：遥感技术可以在短时间内对同一地区进行重复探测。 ③数据的综合性和可比性：遥感技术获取的数据反映地表的综合特性，包括自然、人文等方面。 ④经济性：可节省大量的人力、物力和财力。 ⑤局限性：波谱的有限性、电磁波段的准确性、空间分辨率低等。 遥感信息源的综合特征：①多源性②空间宏观性③遥感信息的时间性④综合性、复合性⑤波谱、辐射量化性 空间分辨率（Spatial resolution） ①像元大小（pixel size）：针对传感器或图像而言，指图像上能够详细区分的最小单元的尺寸或大小 ②地面分辨率（Ground resolution）：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 空间分辨率的表示形式 ①象元（pixel size)——瞬时视域所对应的地面面积象元(pixe1)，即与一个象元大小相当的地面尺寸，单位：米(m)。 ②瞬时视场(IFOV)，指遥感器内单个探测元件的受光角度或观测视野，单位：毫弧度(mrad)。IFOV越小，最小可分辨单元(可分像素)越小，空间分辨率越高。一个瞬时视场内的信息，表示一个象元。 线对：成像平面上1毫米间距内能分辨开的黑白相间的线条对数 光谱分辨率：传感器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（带宽） 光谱分辨率在遥感中的意义: 开拓遥感应用领域; 专题研究中波段选择针对性; 图像处理中多波段的应用提高判识效果 时间分辨率:对同一地区遥感影像重复覆盖的频率 时间分辨率的意义: 动态监测与预报；自然历史变迁和动力学分析；利用时间差提高遥感的成像率和解像率；更新数据库 辐射分辨率指传感器对光谱信号强弱的敏感程度、区分能力。即探测器的灵敏度(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。
遥感地学分析实验报
实验一植被覆盖度反演 一、实验目的 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。通常林冠称郁闭度，灌草等植被称覆盖度。它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义。目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI，本次实验完成植被覆盖度反演。 二、实验数据 实验选取两景覆盖北京市的Landsat8 OLI影像、土地覆盖类型图以及北京行政边界矢量数据为数据源。其中，土地覆盖类型图是作为掩膜文件使用，其目的是为了便于植被覆盖度的估算；北京行政边界矢量数据是裁剪出北京市行政区内的范围。Landsat8 OLI影像是从地理空间数据云网站上下载得到的，其成像时间为2013年10月份。与Landsat7的ETM+成像仪相比，OLI成像仪获取的遥感图像辐射分辨率达到12比特，图像的几何精度和数据的信噪比也更高。OLI成像仪包括9个短波谱段（波段1～波段9），幅宽185km，其中全色波段地面分辨率为15m，其他谱段地面分辨率为30m。 三、实验方法 本文反演植被覆盖度所采用的是像元二分模型方法，像元二分模型是一种简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分与无植被覆盖部分组成，而遥感传感器观测到的光谱信息(S)也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。因此，像元二分模型的原理如下：VFC = (S - Ssoil)/ ( Sveg - Ssoil) S为遥感信息，其中Ssoil 为纯土壤像元的信息, Sveg 为纯植被像元的信息。 改进的像元二分法——遥感信息选择为NDVI VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) 两个参数的求解公式 NDVIsoil=(VFCmax*NDVImin- VFCmin*NDVImax)/( VFCmax- VFCmin) NDVIveg=((1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin)/( VFCmax- VFCmin) 当区域内可以近似取VFCmax=100%，VFCmin=0% VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) 当区域内不可以近似取VFCmax=100%，VFCmin=0%，当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值；当没有实测数据的情况下，植被覆盖度的最大值和最小值根据经验估算。 其中, NDVIsoil 为裸土或无植被覆盖区域的NDVI值, 即无植被像元的NDVI 值；而NDVIveg 则代表完全被植被所覆盖的像元的NDVI 值, 即纯植被像元的NDVI 值。 四、实验处理步骤 1、实验处理流程如下图所示
遥感图像预处理实验报告
实验前准备：遥感图像处理软件认识 1、实验目的与任务： ①熟悉ENVI软件，主要是对主菜单包含内容的熟悉； ②练习影像的打开、显示、保存；数据的显示，矢量的叠加等。 2、实验设备与数据 设备：遥感图像处理系统ENVI4.4软件； 数据：软件自带数据和河南焦作市影响数据。 3、实验内容与步骤： ⑴ENVA软件的认识 如上图所示，该软件共有12个菜单，每个菜单都附有下拉功能，里面分别包含了一些操作功能。 ⑵打开一幅遥感数据 选择File菜单下的第一个命令，通过该软件自带的数据打开遥感图像，可知，打开一幅遥感影像有两种显示方式。一种是灰度显示，另一种是RGB显示。 Gray（灰度显示）RGB显示 ⑶保存数据 ①选择图像显示上的File菜单进行保存； ②通过主菜单上的Save file as进行保存
⑷光谱库数据显示 选择Spectral > Spectral Libraries > Spectral Library Viewer。将出现Spectral Library Input File 对话框，允许选择一个波谱库进行浏览。点 击“Open Spectral Library”，选择某一所需的 波谱库。该波谱库将被导入到Spectral Library Input File 对话框中。点击一个波谱库的名称， 然后点击“OK”。将出现Spectral Library Viewer 对话框，供选择并绘制波谱库中的波谱曲线。 ⑸矢量化数据 点选显示菜单下的Tools工具栏，接着选择下面的第四个命令，之后选择第一个命令，对遥感图像进行矢量化。点击鼠标左键进行区域选择，选好之后双击鼠标右键，选中矢量化区域。 ⑹矢量数据与遥感影像的叠加与切割 选择显示菜单下的Tools工具，之后点选第一个 Link命令，再选择其下面的第一个命令，之后 OK，结束程序。 选择主菜单下的Basic Tools 菜单，之后选择 其中的第二个命令，在文件选择对话框中，选择 输入的文件（可以根据需要构建任意子集），将 出现Spatial Subset via ROI Parameters 对 话框通过点击矢量数据名，选择输入的矢量数 据。使用箭头切换按钮来选择是否遮蔽不包含在 矢量数据中的像元。 遥感图像的辐射定标 1、实验目的与任务： ①了解辐射定标的原理； ②使用ENVI软件自带的定标工具定标； ③学习使用波段运算进行辐射定标。 2、实验内容与步骤： ⑴辐射定标的原理 辐射定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等
遥感实验报告七
合肥工业大学资源与环境工程学院 《遥感图像处理与分析》 实验报告(七) 姓名 学号 专业 班级 任课教师
实验七：图像分类 一、实验目的 理解计算机图像分类的基本原理 掌握数字图像非监督分类以及监督分类的具体方法和过程 理解两种分类方法的区别 二、实验材料 Landsat遥感影像1幅 ERDAS IMAGINE9.2遥感图像处理软件 计算机 三、实验内容及步骤 （一）非监督分类 （1）启动非监督分类模块：在ERDAS面板工具中选择DA TAPrep-Unsupervisd Classification命令，打开非监督分类对话框或是在ERDAS面板工具中选择 Classifier-Classification-Unsupervised Classification打开非监督分类对话框（2）选择图像处理文件和输出文件，设置被分类的图像和分类结果，并选择生成分类模块文件产生一个模版文件。 （3）这里Number of Classes定为14，Maximum Iterations定为7如下图所示 （4）点击OK按钮，执行非监督分类，打开原图与结果图：
分类评价： （1） 打开原始图像和分类后的图像：点击ERDAS-Viewer 面板，先后打开原始图像和分 类后的图像，在打开分类结果图像时，在Raster Option 选项卡中取消选中的Clear Display 复选框，保证两幅图叠加显示 （2） 设置各类别的颜色:单击Raster-Tool ，打开Raster 工具面板，选择Raster-Attributes ， 打开Raster Attribute Editor 对话框 （3） 调整字段显示顺序，在Raster Attribute Editor 窗口，选择Edit 菜单-Column Properties 命令，打开Column Propertis 对话框，在Columns 列表中选择字段，通过Up 、Down 、Top 、Bottom 按钮调整其在属性表的显示顺序 （4） 同上，在Raster Attribute Editor 对话框中单击某一类别的Color 字段，在弹出的As Is 中选择合适的颜色 （5） 确定类别精度并标注类别：在Raster Attribute Editor 对话框中点击Opacity 字段名， 进入编辑状态，依据需要输入0（透明）或1（不透明）。通过在Utility 菜单下设置分类结果在原始图像背景上闪烁（Flick ）、卷帘显示（Swipe ）、或混合显示（Blend ），
遥感地学分析读书报告
成像光谱技术研究动态 王立平刘洪博 1 引言 地物的反射辐射光谱特征是遥感的主要物理基础，是开展地球表层物质的物性和空间结构分析，进而加以识别的主要依据。成像光谱技术具有高光谱分辨率、超多波段和图谱合一的特点，在大尺度范围内探测地表物质连续光谱特性的同时，还获取了地物的空间形态和状态信息。成像光谱仪的光谱分辨率越高，所反映地物光谱特征就越精细，甚至可获取与实验室或地面实测光谱类似的曲线，为地物或地物成份的遥感识别奠定了基础。 2 成像光谱技术的发展与现状 成像光谱遥感所用的仪器是成像光谱仪。从世界范围来看，美国的成像技术发展较早，也最具代表性。从20世纪80年代到现在，美国已经研制了三代成像光谱仪。 第一代成像光谱仪的代表是航空成像光谱仪AIS。它由美国国家航空和航天管理局NASA所属的喷气推进实验室JPL设计，已于1984-1986年装在NASA的C-130飞机上飞行。这是一台装有二维、近红外阵列探测器的实验仪器，128个通道，光谱覆盖范围从1.2~2.4μm，并在内华达Cuprite地区的应用中取得很好的效果。 第二代成像光谱仪的代表是机载可见光/近红外成像光谱仪AVIRIS，它有224个通道，使用光谱范围为0.41~2.45μm，每个通道的波段宽约为10nm。曾放在改装后的高空U2飞机上使用．为目前最常用的航空光谱仪之一。 基于NASA仪器的成功应用，也基于采矿工业及石油工业的需求，在AVIRIS之后，地球物理环境研究公司GER又研制了l台64通道的高光谱分辨率扫描仪GERIS。其中63个通道为高光谱分辨率扫描仪，第64通道是用来存储航空陀螺信息。该仪器由3个单独的线性阵列探测器的光栅分光计组成。它与其他仪器的区别是在不同的光谱范围区内，通道的光谱宽度是不同的。
遥感地学分析整理的一些东西
一．基础知识 1.一些概念性的东西： （1）反射类型：镜面反射、漫反射、方向反射 （2）遥感概念：广义与狭义 （3）遥感技术系统：遥感平台、传感器、遥感数据接收与处理系统、遥感资料分析处理系统 （4）遥感分类：平台分；探测的电磁波分；电磁辐射源分；应用领域分。 （5）遥感的特点：大面积同步观测；时效性；经济性；局限性 （6）遥感信息在地学分析中的模糊性和多解性： 地面信息室多维的、无限的（时空），而遥感信息是简化的二维信息； 遥感信息的复杂性与不确定性：同物异谱，异物同谱；混合像元；时相变化；信息传输中的衰减与增益（辐射失真与几何畸变） （7）空间分辨率，时间分辨率，光谱分辨率，辐射分辨率 （8）不同应用的卫星遥感系统：如陆地资源卫星系列；气象卫星系列、海洋卫星系列、地球观测系统计划、环境遥感卫星 2.识别土壤，植被，岩石，水体，地物的光谱反射特征 3.黑体：在任何温度下，对各种波长的电磁辐射都完全吸收的理想辐射体 4.目视解译的标志：色调、颜色、图型、阴影、形状、纹理、大小。 5.目视解译的方法与步骤： （1）自上而下的过程：特征匹配、提出假设、图像辨识； （2）自下而上的过程：图像信息的获取、特征提取的识别、证据的选取 6.目视解译的步骤：
7.遥感图像校正 （1）辐射校正：消除图像数据中依附在辐射亮度中的各种失真的过程。包含遥感器校正、大气校正、地形辐射校正、地物反射模型校正； （2）几何校正：控制点的选择 （3）大气校正：消除大气反射的影响 8.图像处理 1. 图像显示合成 （1）目的：综合不同波段的特征，突出显示对象的差异。原则信息量最大，相关性最小，差异最大。 （2）主要方法： 密度分割（将灰度按照指定的间隔分为不同的级别，对新的密度级别分别赋予不同的颜色） 彩色合成：任选3个波段作为RGB进行彩色合成，产生彩色图像。 反差增强/对比度增强：灰度拉伸、直方图均衡化、直方图匹配 2.图像变换 （1）目的：将图像从空间域转换到频率域的过程，简化图像处理的过程。 （2）作用：更易于进行特征抽取 （3）主要方法 傅里叶变换：进行数据压缩、图像增强、特征提取 K-T变换：分离和消除干扰信息突出研究的专题信息 K-L变换：减少波段之间的相关性，去除多余信息，减少图像的数据量 代数运算：突出地物差异，压抑噪声 HSI彩色变换：将显示的彩色从RGB空间转换到HSI空间 3.图像滤波 （1）图像平滑：领域滤波、中值滤波、梯度倒数加权、高斯低通滤波去噪，突出主体（2）图像锐化：罗伯特算法、sobel算子、拉普拉斯算子强化边缘信息 （3）频率域图像增强：高通滤波（锐化）、低通滤波（平滑）、带通滤波（突出地物）、同态滤波（改善图像质量） 4.图像融合：在同一坐标系中将对同一目标的多幅遥感图像数据采用一定的算法，生成一
遥感地学分析读书笔记
绪论 根据遥感信息的利用方式和效应，可以把遥感技术的发展划分为四个阶段： 1.瞬时信息的定性分析 2.空间信息的定位分析 3.时间信息的趋势分析 4.环境信息的综合分 析，即多种来源信息的复合分析 第一章遥感信息的地学评价 （一）遥感信息的属性 1.遥感信息的多源性（平台、载体的多层次，波段不同，视场不同，时间不同） 2.遥感信息的物理属性（不同的空间分辨率、波普分辨率、时间分辨率） （二）遥感研究对象的地学属性 1.空间分布 2.波谱反射和辐射特征 3.时相变化 二、遥感信息地学评价的标准 （一）空间分辨率 空间分辨率又可称为地面分辨率，指一个影像上能够详细区分的最小单元的尺寸或大小。空间分辨率有三种表示形式： （1）象元，每个象元的大小在地面上对应的范围，即在地表与一个象元大小相当的尺寸，用米表示。 （2）象解率，指胶片上1毫米间隔内包含的线对数，用线对/毫米来表示。 （3）视场角，指电子传感器的瞬时视域，用豪弧度表示。视场角小，得到的光通量小，空间分辨率低；反之，空间分辨率高。 （二）波谱分辨率 波普分辨率指传感器所用的波段数目、波段波长以及波段宽度。也就是选择的通道数、每个通道的波长、带宽，这三个因素决定波普分辨率。 对于传感器波谱分辨率的选择，有两种情况。在实验过程中，分析波谱特征时，光谱波段分得愈多愈细、频带宽度愈窄，所包含的信息量就愈大，针对性愈强，则易于鉴别细微差异，因而在实验室研究中多光谱波段往往可以发展到十几、甚至几十个波段.但是在实际应用中，便要对之进行综合归纳。因为波段分得愈细，各波段数据间的相关性就愈大，增加了信息的冗余度，未必能达到预期识别效果。同时波段愈多，数据量愈大，给数据传输、数据处理和鉴别带来困难。 （三）时间分辨率 时间分辨率指对同一地区遥感影像重复覆盖的频率。 第二节陆地卫星系列的地学评价 (三)火箭遥感的特点 1. 火箭可以选择最有利的时机 2.火箭资料有快速、大面积同步覆盖的特点 3.火箭灵活、方便，发射简单，准备时间短，发射架小，可以移动 4.成本较低，并可根据用户的需要来设计 5.摄影处理设备简单 二、航空遥感的特点 航空遥感作为遥感立体观测系统中不可缺少的一部分，有其明显的特点。 1.航空遥感空间分辨率高、信息容量大，主要服务于较大比例尺的区域资源与环 境详查，以及解决工程技术上的具体问题，其经济与社会效益明显。 2，航空遥感灵活、方便，适用于专题遥感研究。它可以根据用户的需求，灵活选择具有一定空间分辨率、波谱分辨率、时间分辨率的遥感信息，设计航空遥惑飞行的方案和路线等。获得图象较为方便，成本不高。
遥感数字图像处理实验报告
实验一 遥感图像统计特性 一、实验目的 掌握遥感图像常用的统计特性的意义和作用，能运用高级程序设计语言实现遥感图像统 计参数的计算。 二、实验内容 编程实现对遥感图像进行统计特性分析，均值、方差（均方差）、直方图、相关系数等。 三、实验原理 1.均值 像素值的算术平均值，反映图像中地物的平均反射强度。 11 00 (,) N M j i f i j f MN --=== ∑∑ 2.方差（或标准差） 像素值与平均值差异的平方和，反映了像素值的离散程度。也是衡量图像信息量大小的 重要参数。 11 2 00 2[(,)] N M j i f i j f MN σ--==-= ∑∑ 3. 相关系数 反映了两个波段图像所包含信息的重叠程度。f , g 分别为两个波段的图像，它们之间的 相关系数计算公式为： 11 [((,))((,))] (,)M N f g f i j e g i j e C f g ---?-= ∑∑ 其中， e f , e g 分别为两个波段图像的均值。 四、实验步骤和内容 1.实验代码 clc clear all I =imread ('m1.jpg'); whos I %显示图像信息 figure (1),imshow (I ); R =double (I (:,:,1)); G =double (I (:,:,2)); B =double (I (:,:,3)); %求图像的R,G,B 的均值,avg=mean(mean(I))
%求图像的R,G,B的均值 mean(R(:)) mean(G(:)) mean(B(:)) %求R,G,B的方差 varR=var(R(:)); varG=var(G(:)) varB=var(B(:)) %求RG,RB,GB的相关系数 corrcoef(R(:),G(:)) corrcoef(R(:),B(:)) corrcoef(B(:),G(:)) 2.原始图像 Figure 1原始图像3.实验结果 R,G,B的均值
遥感反演地表温度
遥感地学分析 实验报告 成绩： 姓名： 学号： 班级： 题目：
课程实验报告要求 一、实验目的 掌握并熟悉band math的操作，对建筑用地分离用的几个建筑指数；学会面对对象分类；学会反演地表温度。 二、实验准备 软件准备： 数据准备：中等分辨率数据AA、高分辨率数据、热岛监测band6 三、实验步骤 1.中等分辨率数据中城市范围的提取： （1）加载数据AA，首先在BAND MATH里面计算图像的NDVI值其公式：(float(b1)-float(b2))/(float(b1)+float(b2))，正确输入公式后点击OK； 在接下来的界面中为公式中b1和b2赋予相应的波段，及近红外波段和红色波段，选择合适的路径即可点击OK； 结果如图：
（2）同样用上述发放计算图像的归一化建筑指数（NDBI值），公式同样使用前面所用，但是后面给b1和b2赋予第五和第四波段就行，同样选择合适的路径即可； 结果如图：
（3）利用前面所计算的NDVI和NDBI值计算改进的归一化裸露指数（MNDBI），MNDBI= NDBI+(1-NDVI)，首先在BAND MATH中输入一下公式并b1和b2赋予NDBI的波段和NDVI的波段； 结果如图：
（3）同样使用上述方法计算城镇用地指数（ULI）计算公式为ULI=NDBI and NDVI，同样在BAND MATH中输入公式并赋予相应的波段，在设置好输出路径即可； 结果如图：
（4）三种指数的阈值的设置，通过查看三种指数的直方图可以为每种指数的分离建筑用地提取合适的阈值；通过查看NDBI的阈值设置为，并将其在band math中进行二值化； 通过查看MNDBI的阈值设置为，并将其在band math中进行二值化；
遥感图像光谱增强处理实验报告
一、实验名称 遥感图像光谱增强处理 二、实验目的 对图像进行主成分分析、主成分变换以及主成分百分比计算；观察图像在不同色彩空间之间相互转换的结果异同，对图像进行融合，用MODEL MAKER 建模方式进行图像处理。 通过以上操作初步掌握图像光谱增强处理过程，进一步理解影像光谱增强中不同增强方法的原理及其增强效果的差异。 三、实验原理 光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。 主成分分析（PCA）用多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。对于增强信息含量、隔离噪声、减少数据维数非常有用。 使用Color Transforms 工具可以将3-波段红、绿、蓝图像变换到一个特定的彩色空间，并且能从所选彩色空间变换回RGB。两次变换之间，通过对比度拉伸，可以生成一个色彩增强的彩色合成图像。 图像融合是将多幅影像组合到单一合成影像的处理过程。它一般使用高空间分辨率的全色影像或单一波段的雷达影像来增强多光谱影像的空间分辨率。 四、数据来源 本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。
五、实验过程 1.主成分分析 1）打开并显示TM影像文件，从ENVI 主菜单中，选择File →Open Image File选择影像，点击Load Band 在主窗口加载影像。 2）主菜单选择Transforms—>Principal Components—>Forward PC Rotation —>Compute New Statistics and Rotate。在弹出的Principal Components Input File 对话框中，选择图像。 3)在Forward PC Rotation Parameters对话框中在输入统计系数，选择计算矩阵（选择协方差矩阵），输出统计文件及路线，统计波段数等相关参数的设置，单击Ok。
综合遥感实验报告
本科学生实验报告 姓名周文娜学号094130090 专业＿地理科学＿班级 B 实验课程名称遥感导论 实验名称遥感图像分类---监督分类，非监 督分类 指导教师及职称胡文英 开课学期2011 ＿至＿＿2011 学年＿下学期云南师范大学旅游与地理科学学院编印
一、实验准备 实验名称：遥感图像分类---监督分类，非监督分类 实验时间：2011年6月10日 实验类型：□验证实验□综合实验□设计实验 1、实验目的和要求： （1）理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的。 （2）进一步理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的，同时深刻理解监督分类与非监督分类的区别。 2、实验相关设备： 计算机一台，及ERDAS软件 3、实验理论依据或知识背景： （1）监督分类的概念： 首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本,通过选择特征参数(如像素亮度均值、差等),建立判别函数,据此对样本像元进行分类,依据样本类别的特征来识别非样本像元的归属类别。 监督分类包括利用训练区样本建立判别函数的“学习”过程和把待分像元代入判别函数进行判别的过程。 （2）非监督分类的概念： 非监督分类的前提是假定遥感影像上的同类物体在同样条件下具有相同的光谱信息特征。非监督分类方法不必对影像地物获取先验知识,仅依靠影像上不同类地物光谱信息(或纹理信息)进行特征提取,再统计特征的差别来达到分类的目的,最后对巳分出的各个类别的实际属性进行确认。 监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识,监督分类根据训练场提供的样本选择特征参数,建立判别函数,对待分类点进行分类。因此,训练场地选择是监督分类的关键。由于训练场地要求有代表性, 训练样本的选择要考虑到地物光谱特征,样本数目要能满足分类的要求,有时这些还不易做到, 这是监督分类不足之处。
遥感地学分析与专题制图实验报告
重庆交通大学 学生实验报告 实验课程名称遥感地学分析 开课实验室土木学院机房实验室 学院河海学院年级 2012级专业班资环1班学生姓名邓双福学号 631203050107 开课时间 2014 至 2015 学年第二学期 河海学院资源与环境科学系 2015年6月
实验题目遥感地物识别与专题制图 实验时间2015年6月1日实验地点土木学院机房实验室 实验成绩实验性质综合性试验 一、实验目的 1、以自己所熟悉的软件,选择一个区域(影像自己选择,不小于500×500像素),进行地物类型的判别与读取(人机交 互目视解译或者计算机自动分类)监督与非难监督 2、考察学生对本课程有关典型地物类别光谱特征知识点的掌握情况。 3、地物类型不小于五类,结果输出为专题图,图分,图例,各地物类型的面积(矢量面积,栅格百分比)。 二、原理与方法 实验数据：地理空间数据云网址下载三市ETM遥感影像。 图像预处理：下载的遥感影像进行预处理。 图像预处理流程图如下： 波段合成：将下载到的单波段遥感数据运用ENVI进行波段合成，形成假彩色的遥感影像图。 监督分类(supervised)，又称训练分类法，即用被确认类别的样本像元去识别其他未知类别像元的过程。已被确认类别的样本像元是指那些位于训练区的像元。在监督分类过程中，首先选择可以识别或者借助其他信息可以判定其类型的像元建立分类模板（训练样本），然后让计算机系统基于该模板自动识别具有相同特性的像元。对分类结果进行评价后再对分类模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。监督分类一般有以下几个步骤：定义分类模板、评价分类模板、进行监督分类、评价分类结果，在实际应用过程中，可以根据需要执行其中的部分操作。 分类后处理（Post-Classification Process），无论监督分类还是非监督分类，都是按照光谱特征进行聚类分析的，因此，都带有一定的盲目性。所以，对获得的分类结果需要进行一些处理工作才能得到最终相对理想的分类结果，这些处理操作统称为分类后处理。
遥感地学分析复习题2012
题型： 1、简答题：地表温度反演20分；简答10分。 2、判断题：2 x 10 = 20分； 3、填空题：2 x 10 = 20分； 4、选择题：2 x 5 = 10分； 5、名词解释：4 x 5 = 20分。 名词解释： 1、植被指数：多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值——即所谓的“植被指数”。 2、红边：反射光谱的一阶微分最大值所对应的光谱位置，对应红光区外叶绿素吸收减少部位到近红外高反射肩之间，健康植物的光谱响应陡然增加的（量度增加约10倍）的这一窄条区。通常位于0.68~0.75μm之间。 3、遥感地学分析：建立在地学规律基础上的遥感信息处理和分析模型，其结合物理手段、数学方法和地学分析等综合型应用技术和理论，通过对遥感信息的处理和分析，获得能反映地球区域分异规律和地学发展过程的有效信息的理论方法。 4、叶面积指数LAI：单位土地面积上的柱体内全部植物叶子面积（仅叶片向上半面）之和。 5、叶倾角：叶子向上半面某一点上的法线方向与Z轴（垂直于水平面指向天空）的交角，称为叶子在该点的倾角。 6、光合有效辐射：植物光合作用是植物叶片的叶绿素吸收光能和转化光能的过程。植物光合作用所能利用的仅仅是太阳光的可见光部分（0.4~0.7um），这个波长范围的太阳辐射也称为光合有效辐射 7、劈窗算法：是利用相邻两个热红外通道来进行地表温度反演的方法，是目前为止发展最为成熟的地表温度反演算法。 8、水体富营养化：当大量的营养盐进入水体后，在一定条件下引起藻类的大量繁殖，而后在藻类死亡分解过程中消耗大量溶解氧，从而导致鱼类和贝类的死亡。这一过程称为水体的富营养化。 填空题： 1、水体的反射光谱特性三方面的贡献：包含水表面反射、水体底部物质反射及水中悬浮物质的反射3方面的贡献。 2、1.3um以外植物含水量的三个吸收波段：1.4、1.9和2.7um。 3、Landsat TM缨帽变换为6维空间，前三维分量有意义，包括： 亮度，反映总体亮度变换 绿度GVI，反映地面植物的绿度 湿度 4、对水体的反射波谱影响最大的4个组分：纯水、浮游植物、悬浮物、黄色物质。 5、维恩位移定律：地面物体的温度在300k 时，辐射峰值波长在9.7um 附近。