基于TM影像的水体信息提取实习报告

实习目的 (2)

实习内容 (2)

一、操作环境 (2)

二、常用的水提取方法 (2)

1、非监督分类法 (2)

2、监督分类法 (2)

3、单波段阈值法 (2)

4、谱间关系法 (2)

5、归一化水体指数法 (3)

三、具体操作步骤及效果比较 (3)

1、非监督分类法 (3)

2、监督分类法 (4)

3、单波段阈值法 (5)

3.1步骤 (5)

3.2单波段阈值法分析 (6)

4、谱间关系法 (7)

4.1步骤 (7)

4.2 分析 (7)

5、水体指数法 (7)

5.1 步骤 (7)

5.2 分析 (9)

四、水体提取的综合应用 (9)

1、水体及背景地物的光谱值分析 (9)

2、水体提取方法综合运用 (10)

五、制图与输出 (12)

实习总结 (12)

实习目的

1、熟悉ENVI软件的具体安装和操作；

2、理解并能掌握水体信息的提取方法、步骤及其结果评价方法；

3、掌握遥感专题图的制图输出；

4、通过实习，加深对所学遥感专业知识的理解与掌握，使理论知识融会贯通，提高实践动手能力和综合解决实际问题的能力。

实习内容

一、操作环境

软件：ENVI 4.7

影像：某地区的TM影像

二、常用的水提取方法

1、非监督分类法

也称聚类分析，是一种“盲目”的分类；仅凭遥感影像地物的光谱特征的分布规律，即自然聚类的特性，进行分类；

2、监督分类法

根据已知训练区提供的水体样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类；

3、单波段阈值法

单波段阈值法主要利用对水陆界线反映较好的TM影像的第5波段（中红外波段）, 根据影像的灰度特征经过数据采样确定其阈值。进行

水体的提取。提取模型如式1所示, 其中TM5表示第五波段的灰度值, T

为水体提取的灰度阈值:

TM 5 < T (1)

4、谱间关系法

谱间关系法是周成虎等人提出, 通过分析水体与其他地物的在TM

影像各波段上灰度曲线图, 发现水体具有独特的谱间关系特征, 即波段

2灰度值加波段3灰度值大于波段4灰度值加波段5灰度值。提取模型

如式2所示:

TM2+TM3 > TM4+TM5 (2)

5、归一化水体指数法

水体指数法的基本原理是通过波段之间的比值运算增强某些地物之间的反差。

考虑水体的波谱特征是在TM2具有较强的透射性,TM5处于水的吸收带内, 反映含水量敏感, 因此采用TM2波段与TM5波段数值之差和这

两个波段数值之和的比值作为规一化水体指数(NDWI) , 当满足

NDWI>C时所提取的地物为水体。归一化水体指数计算式如式3所示:

NDWI = (TM2- TM5) / (TM2+TM5) (3)

三、具体操作步骤及效果比较

1、非监督分类法

Classification→Unsupervised→IsoData→选择实验影像→弹出对话框ISODATA Parameter（选择最多分10类，循环10次）→生成非监督分类图像（通过类别的属性设置，使水体高亮显示黑色为其他地物，白色为水体，绿色为河岸、人造水塘等浅水体）

原图像局部

非监督分类图像局部

2、监督分类法

1）建立模板：原图像的Overlay菜单→Region of Interest →弹出对话框ROI Tool，选择样本

2）评价分类模板：对话框ROI Tool→Option →Compute ROI Separability →弹出Select Input File对话框（选择原图影像）→弹出ROI Separability Cacilation对话框（选择要评价的ROI）→生成ROI Separability Report。

注:大于1.8即为合格3）进行监督分类Classification→Supervised→Maxinum Likelihood→选择实验影像→生成监督分类图像

监督分类图像局部图像

3、单波段阈值法

3.1步骤

1）确定阈值原图像的Overlay菜单→Region of Interest →弹出对话框ROI Tool →选择样本→确定阈值

确定阈值为21；

2）进行提取Basic Tools →Band Math （输入提取模型b5 < 21）→生成单波段阈值法提取的图像。

单波段阈值法图像局部

3.2单波段阈值法分析

阈值法关键的是阈值的确定，而阈值的确定至今都是一个难点，最佳阈值是经过反复试验得到。利用ENVI 遥感图像处理软件对水体提取结果影像和假彩色合成影像利用link功能察看提取效果。，得出单波段阈值法除了提取出水体外，还提取出来几乎全部的阴影(图中黄色圈中为误提的阴影)。同时，提取出的水体宽度比实际小，右上角绿色圈中的细小水体漏提。

在第五波段水体和非水体有明显的区别，但由于山体阴影的影响，使得中红外在阴坡面的反射能量特别低，从而造成山体阴影在影像上呈现出明显的暗色调，水体与阴影的混淆使得难以在单波段上通过阈值法来提取水体。

4、谱间关系法

4.1步骤

Basic Tools →Band Math （输入提取模型b2+b3> b4+b5 ）→生成谱间关系法提取的图像。

谱间关系法图像局部

4.2 分析

杨存建提出的水体具有(TM2+TM3)>(TM4+TM5)的特征的方法易操作、稳定性好。本文采用此方法经试验，得到如图所示的谱间关系法水体提取效果图。用ENVI 对水体提取结果影像和原影像进行叠加判读，谱间关系法提取了几乎所有的水体区域，但是，此方法存在把阴影误提为水体的问题。

5、水体指数法

5.1 步骤

1）建立NDWI模型：Basic Tools →Band Math （输入（b2-b4）/（b2+b4））→生成NDWI的图像。

NDWI图像局部2）选择水体样本：确定水体的NDWI范围NDWI图像的Overlay菜单→Region of Interest →弹出对话框ROI Tool →选择样本→确定范围确定范围为：max=0.49 min=0.22

3）波段运算输出提取图像：Basic Tools →Band Math（输入（b1<0.49 and b1>0.22）→生成NDWI的图像

水体指数图像某局部1

某局部2 某局部3

5.2 分析

改进的归一化差异水体指数(NDWI)法提取漏提了部分水体（如局部3），主要也是因为水体被污染（如山洪爆发使水体混入了泥沙）后和非水体在影像上表现为差别不大，由于确定的范围问题，，部分水体（如局部2）中间部分有“椒盐噪音”现象，可以通过分类后图像处理解决（如腐蚀、膨胀）。

四、水体提取的综合

1、水体及背景地物的光谱值分析

我们对易混淆的地物进行了采样统计，做出水体与易混淆地物的光谱特征曲线图，分析了以上方法产生误提和漏提的原因，并观察地物的光谱特征规律，研究如何综合各方法的优势，取得好的提取效果。首先，在遥感影像上，就每种地物选取一定的研究样本，测定各波段的光谱亮度值，并从中抽取一些典型而具有代表性的样本。统计后平均值数据列于表1中，并对同一地物同一波段的采样点亮度值做均值统计，做出如图所示的地物光谱特征曲线图。

TM 2 TM 3 TM 4 TM 5 水体72 60 17 29

河岸等浅水体74 76 52 61 阴影43 35 21 34

表1

1020304050607080TM2

TM3

TM4

TM5

地物光谱特征曲线图

从地物光谱特征曲线图中可以看出

由于在第五波段阴影和水体的亮度值较接近，单波段阈值法无法将水体单独提取出来；

水体、河岸及浅水体和阴影在第2、3、4、5波段上均有(TM2+TM3)>(TM4+TM5)的光谱特性，所以用光谱间关系法提取水体时误提了很多东西出来；

河岸及浅水体TM2和TM5采样点的亮度值比较接近，所以用改进归一化差异水体指数法会提取出部分河岸及浅水体。同时，阴影的亮度值也具有TM2>TM5的特征，导致阴影被误提为水体。 2、水体提取的解决方案

分析了上述3种方法的提取效果，并结合地物的光谱特征曲线图，我们得出的解决方法如下

(1) 如何解决阴影的误提： (TM2+TM3)>(TM4+TM5)特征对消除易混淆的阴影的效果较好，但对部分阴影，(TM2+TM3)>(TM4+TM5)影像仅起到了增加水体和阴影亮度差值的作用。用谱间关系法和改进的归一化差异水体指数(NDWI)法都不易消除阴影的影响。因此，可以用T0>(TM2+TM3) -(TM4+TM5)> T1 (T1为阈值)的方法来解决。

(2) 如何解决河岸及浅水体的误提：光谱特征曲线图第五波段水体和阴影的亮度值差异不大，而河岸及浅水体的亮度值与水体和阴影的亮度值差异很大。因此可采用TM5

通过上述分析得到水体提取综合方法，对影像进行处理，流程如图所示，且得出水体提取效果图，如提取效果图所示。

流程图

取T0为61，T1为133，T2为16。用ENVI 遥感图像处理软件对水体提取结果影像和假彩色合成影像利用link 功能察看提取效果，得出阴影和居民地基本上消除(红色圈中少量的阴影)，水体轮廓清晰，细小的河流也被提取出来，取得了好的提取效果。

提取效果

局部

局部2

局部3

五、制图与输出

实习总结

遥感影像处理步骤

3.2.3 遥感影像数据的获取目前世界上用于民用的卫星很多，最常用于作物长势监测的是美国发射的一系列陆地卫星。本文使用的是2013年2月11日，NASA发射的Landsat 8卫星数据，Landsat 8上携带有两个主要载荷：OLI（陆地成像仪）和TIRS（热红外传感器）。OLI包括9个波段，空间分辨率为30米，其中包括一个15米的全色波段，成像宽幅为185×185 km。OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5（0.845–0.885 μm），排除了0.825 μm处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段（band1：0.433–0.453 μm）主要应用海岸带观测，短波红外波段(band9：1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近。表3-2 Landsat8各波段的名称与用途 Table 3-2 The name and purpose of each band of Landsat8 （引自：张玉君，国土资源遥感，2013）波段No 波段名称波长范围/nm 数据用途GSD地面采样距离 /nm 辐射率/ （W·m-2sr-1u m-1）典型 SNR （典型） 1 NewDeep Blue 433-453 海岸区气溶胶30 40 130 2 Blue 450-515 基色/散射/海岸30 40 130 3 Green 525-600 基色/海岸30 30 100 4 Red 630-680 基色/海岸30 22 90 5 NIR 845-885 植物/海岸30 14 90 6 SWIR2 1560-1660 植物30 4.0 100 7 SWIR3 2100-2300 矿物/干草/无散射30 1.7 100 8 PAN 500-680 图像锐化15 23 80 9 SWIR 1360-1390 卷云测定30 6.0 130 10 TIR 10300-11300 地表温度100 11 TIR 11500-12500 地表温度100 本实验获取条带号和行编号为143/029，选取棉花蕾期、花铃期、吐絮期内无云、质量较好的影像数据，过境时间分别为2013年6月25日，8月5日，8月29日。 3.2.4 卫星影像处理地面目标是个复杂的多维模型，具有一定的空间位置、形状、大小和相互关

遥感影像中水面及水体信息提取方法的研究

遥感影像中水面及水体信息提取方法的研究胡启中1，祁建勇2 （1.上海佳文比特信息科技有限公司，上海，200135；2.河北建设勘察研究院有限公司，石家庄，050031）摘要：根据遥感影像中不同光谱波段对不同地物的反射率特征，以西洋河流域2000年春秋两期Landsat7 ETM＋遥感数据为研究对象，结合实地调查数据，利用地理信息系统及遥感数据处理系统软件平台，建立植被覆盖度对不同季节、不同程度的植被覆盖、岩土裸露及水面水体相关的特征关系、对该流域内分布的各类中小型水库塘坝的水面和水体信息的分析和提取方法进行系统的研究和验证。通过结果分析表明：根据不同时相遥感影像的光谱波段组合建立不同的处理方法可以提高季节性变化的水面及水体信息识别和提取的精度和效率。关键词：遥感影像；光谱分析；水体信息；提取方法水面及水体信息的分析和提取，一直是遥感影像分析处理及解译分类的基础性工作，在水资源调查、水环境监测、水灾害评估等许多方面得到了广泛应用。国内外很多专家学者在大规模区域尺度、高精度空间分辨率及多时相时间分辨率的遥感数据基础上对水体的提取方法做了深入研究，并提出了许多行之有效的方法。在中小流域尺度范围上，基于中低空间分辨率的卫星遥感影像，对各类中小型水库塘坝的水面及水体信息的分析和提取是困难的，即使单一的借助专业的遥感数据处理系统软件平台进行分类解译，不仅技术性强，步骤繁多，模型构造复杂，也是费工费时费力的。水域范围精度控制和水面水体提取效率的提高一直是遥感解译水面及水体信息方法改进的驱动力。 1 Landsat7 ETM＋遥感波段光谱特征及归一化植被指数应用遥感数据是在预定的光谱波段（波长）上获得的。美国陆地卫星7号（Landsat-7）携带的增强型专题制图仪（ETM+），包含三个可见光波段兰绿红、一个近红外波段、二个中红外波段，空间分辨率为30米；一个热红外波段，空间分辨率为60米；另加一个空间分辨率为15米的全色波段。尽管空间分辨率不是较高，重采样覆盖周期16天，但其波段设置比较合理，并采集传输回大量的遥感数据，成为陆地资源调查及生态环境监测等诸多领域应用重要的遥感数据源之一。各种地物，尤其是岩石土壤、绿色植被和水面水体在可见光和红外波段附近具有明显的反射率特征。在光谱中，波段3可见光红光主要被植物吸收，同土壤和岩石相比，绿色植物的反射系数相当弱；而在波段4近红外线部分的反射却比多数其它地表覆盖物的反射要强得多[ 1 ]。水面或水体几乎吸收了近红外波段4和中红外波段5或7的全部能量使之反射率很低，同时土壤和植被在这三个波段内的吸收能量较小，而有较高的反射率，这就使得水体在这三个波段上与植被和土壤具有明显的光谱特征差异。因此在假自然色彩波段合成影像（RGB543波段组合）中，水体呈现出深蓝色及蓝色的暗色调，而土壤因其岩类基质特征呈不同浅色调，植被则呈现出相对较亮的深绿色、绿色或浅绿色色调。但由于不规则山体阴影的影响，使得近红外、中红外在阴坡面的反射能量特别低，它们在影像上也呈现出明显的暗色调；规则的铁路线、公路线等基础设施在遥感影像上也同时呈现出明显的暗色调。水面水体与山体阴影、铁路线、公路线等基础设施的光谱特征混淆使得遥感解译的普通分类方法难以准确提取水面水体信息。归一化植被指数（NDVI），是植被指数的一种通用化指标形式，正是利用了遥感数据中近红外线和红光之间植被、水体及岩石土壤等其它地物的光谱特征，计算两波段之间的差异或比值，使之反映植被覆盖状况。因此，通过遥感数据直接计算的植被指数近一步估算植被覆盖度，在全球植被变化、作物生长状况、

MODIS影像处理流程——ok

1、同时期影像拼接、重投影、转格式（MRT）黄土高原地区 Projected coordinate system name: Beijing_1954_3_Degree_GK_CM_108E Geographic coordinate system name: GCS_Beijing_1954 Map Projection Name: Transverse Mercator Scale Factor at Central Meridian: 1.000000 Longitude of Central Meridian: 108.000000 Latitude of Projection Origin: 0.000000 False Easting: 500000.000000 False Northing: 0.000000 北京54参考的椭圆：椭球坐标参数：长半轴a=6378245m；短半轴=6356863.0188m 2、在Erdas中裁剪，得到研究区的原值NDVI -2000~9663 方法：aoi格式文件裁剪：在ERDAS图标面板工具条中单击Data Prep图标，Subset，打开Subset对话框。在Subset对话框中需要设置下列参数： ①输入文件名（input file） ②输出文件名（output file） ③单击aoi选中裁剪文件名：在choose aoi选项中选中文件名 ④其余的我选择默认，然后ok等结果 3、得到范围在-1~1的NDVI 方法：ENVI — Basic Tools — Band Math（波段运算，把负值去掉）在弹出的对话框Band Math中，Enter an expression： (b1 lt 0)*0+(b1 ge 0)*(b1*0.0001)。这个公式意思就是：要是值小于0 就乘以0，使其变为0；同时，值大于等于0的话就乘以0.0001

遥感影像图像处理流程

遥感影像图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。一．预处理 1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。（1）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。

消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。（2）除坏线和条带去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。

2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正

通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。（1）影像对栅格图像的配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。（2）影像对矢量图形的配准将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正

水体提取方法

水体提取方法简单归纳总结一、基于MODIS影像的几种提取方法。最常用的水体提取方法：波段阈值法、谱间关系法（波段组合法）和多光谱混合分析法单波段阈值法是提取水体的最简单易行的方法。基本原理：是利用水体在近红外波段上反射率较低,易与其它地物区分的特点,选取单一的红外波段, 通过反复试验, 确定一个灰度值,作为区分水体与其它地物的阈值即可。缺点：是无法将水体与山区阴影区分开来,提取的水体往往比实际要多。有些文献中叙述由于阀值随时间、地点变化的不确定性使得该方法具有局限性,但对于非山区的特定时相和区域里,尤其像MODIS 这样高光谱的遥感数据, 首先应选用阈值法进行试验,因为光谱的细分已经将上述问题大大减弱。若能获得较满意的提取效果,则很容易实现水体的自动提取。对于用阈值法确实得不到理想效果的,则可以考虑谱间关系法和多光谱混合分析法。利用谱间关系可建立的模型很多,如对波段进行如下组合运算CH7/CH6 ,CH7/CH5, CH6/CH5, 从而找出组合图像上水陆分界非常明显的影像。以CH7/CH6为例,可以采用如下方法剔除非水体: 在ENVI 软件下输入CH7 及CH6 波段, 运用波段计算功能,将公式CH7/CH6 输入,载入影像, 在放大窗口中,手工裁取明水水域范围, 生成多边形,对各多边形赋予一个感兴趣区( AOI) 文件, 并将其输出为EN-VI 等矢量文件即可。对波段进行组合运算的目的,是为了增强水陆反差。MODIS 数据的波段1 是红光区( 0. 62 ～0.67um) ,水体的反射率高于植被, 波段2 是近红外区( 0. 841 ～0. 876um) ,植被

遥感地图处理步骤

一、正射矫正首先打开envi然后找到索要校对的地图，首先把多光谱（MSS）的直接拖到界面中，然后把高程模型里（DEM）的hebei.tif拖入。高分模型的正射矫正是根据RPC和DEM进行矫正的。拖入之后选择在ToolBox中→选择Geometric Correction→Orthorectification→RPC Orthorectification. 选择完之后就会出现

intput file是你从哪里取得文件，不用在改变了。下面的dem file 选择dem中的一个波段，一般选择band1

然后选择ok。进行下一步，点击next。然后选择advanced，output pixel size（输出的像素密度）因为MSS的像素密度为8故写上8（pan全色影像的像素密度为2）然后image Resampling（图像重采样）输出bilinear（双线性）。下一步选择Export 在选择out file中的tiff格式。输出地址在进行选择如下图，应该保存在正射矫正。在选择地址时，直接从文家家的地址复制到所填框的地址，选择一下文件名，省的以后写就是绿色的MSS文件，然后文件名就会出现其对应的名字，在进入正射矫正，文件名就不用改了，然后点打开，就完成了，最后在点击finish就结束等待期运行完。多光谱跟全色的操作一样。就是像素密度由8改为2

二、配准同一区域里一幅图像（基准图像）对另一幅图像的校准，以使两幅图像中的同名像元配准，两幅影像经过校正后，达到了更好的精度要求。同时打开2米全色和8米多光谱影像，以2米全色影像作为基准图像，通过从两幅图像上选择同名点（控制点）来配准8米多光谱影像，使得相同地物出现在校正后的图像相同位置。打开envi classic 从File→open image file→从正射矫正中选择全色（PAN）的图然后选择load band会加载出来

遥感信息智能化提取方法

遥感信息智能化提取方法目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取

遥感影像处理步骤

一．预处理 1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。（1）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。（2）除坏线和条带去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。

SPOT5遥感影像土地利用信息提取方法研究

第39卷第6期2011年6月西北农林科技大学学报(自然科学版) Jo ur nal of N o rthwest A&F U niver sity(N at.Sci.Ed.) Vo l.39N o.6 Jun.2011 SPOT5遥感影像土地利用信息提取方法研究张伐伐a,李卫忠a,卢柳叶b,康乐a (西北农林科技大学a林学院,b资源环境学院,陕西杨凌712100) [摘要] 目的探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。方法以结合纹理特征的支持向量机(Support vector machine,SV M)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。结果面向对象分类法的总精度达到90.67%,较结合纹理特征的SV M法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。结论利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。 [关键词] 遥感影像;土地利用信息;支持向量机;纹理特征;多尺度分割;精度评价 [中图分类号] S127[文献标识码] A[文章编号] 1671 9387(2011)06 0143 05 Study on extraction methods of land utilization information based on SPOT5 ZHAN G Fa fa a,LI Wei zhong a,LU Liu ye b,KANG Le a (a College of F or estry,b Colleg e of Resourc es and Env ironment,N or th w est A&F Univ ersity,Yang ling,S haanx i712100,China) Abstract: Objective T he study explored the effect of ex tracting approach for info rmatio n o f land uti lization based on high resolution remo te sensing im ag e to provide evidence for studying land utilization and cov er dynam ic variatio n. M ethod T his paper ex tracted the info rmation o f land utilizatio n focused on Changjiaoba to w n,using SVM classification o f tex ture feature and object or iented classification o f multi resolution seg mentatio n.The classification result w as compared w ith m ax imum likelihood classification. Then the classification result w as analyzed. Result T he ov erall classification accuracy o f object o riented w as90.67%,w hich incr eased by8.34%compared w ith SVM classification of tex ture feature and increased by20.32%com pared w ith m ax imum likelihoo d classificatio n.T his kind of classification not o nly can g et o v er the disadvantages of other classificatio ns,e.g.Spectral Similar and Ground object Fragm entations,etc. but also acquire good effectiveness. Conclusion Using the classification of object oriented can realize the purpose o f ex tracting the land utilization information,and this m ethod is accurate and fast. Key words:rem ote sensing im ag e;inform ation o f land uatilization;support v ector m achine;tex tur e fea ture;multiresolution segm entation;accuracy assessment 土地利用信息的获取,是研究士地利用和土地覆盖动态变化的基础,将遥感、地理信息系统和全球定位系统相结合,开展国土资源和环境综合调查,具有现势性强、分类周期短、资源信息更新快等优势,从而可以以最快的速度动态监测土地资源利用及环境的变化情况,及时为社会经济发展决策和制定相关规 *[收稿日期] 2010 11 29 [基金项目] 国家林业局 948 项目(2009 4 45) [作者简介] 张伐伐(1985-),男,安徽怀远人,在读硕士,主要从事 3S 技术在资源与环境中的应用研究。 E mail:zhangfafa520@https://www.360docs.net/doc/c13370930.html, [通信作者] 李卫忠(1963-),男,陕西蒲城人,副教授,硕士生导师,主要从事森林经理学研究。E m ail:w eizhong_li@https://www.360docs.net/doc/c13370930.html,

基于遥感数据的城市绿地信息提取研究进展

基于遥感数据的城市绿地信息提取研究进展1 吕杰，刘湘南中国地质大学（北京）信息工程学院，北京 (100083) E-mail：jasonlu168@https://www.360docs.net/doc/c13370930.html, 摘要：本文对目前城市绿地信息提取研究现状进行了总结，对其中的利用航空遥感数据提取植被信息、卫星遥感提取植被信息、高分辨率遥感植被信息以及高光谱遥感植被信息研究进展进行了介绍，并从中分析提出遥感数据提取城市绿地信息存在的问题，对于存在的混合像元的问题，本文指出混合像元分解是解决存在问题的关键。关键词：遥感，城市绿地，信息提取，混合像元中图分类号：TP 7 1．引言随着城市规模的不断扩大，自然环境正受到越来越严重的破坏，特别是大量的植被被高楼大厦取代，导致原有的生态系统严重失衡。而植被是环境的天然调节器，因此，无论在新城区还是老城区，绿化都显得尤其重要。对于土地资源极为珍贵的特大城市来说，良好的绿地规划方案可以有效地提高绿化生态环境效益。另一方面，随着社会和经济的发展，城市化步伐在不断加快，城市规模日渐扩大，因此，城市正面临着一系列的生态和环境问题，例如城市热岛效应，沙尘暴等。为了解决这些问题，人们逐渐发现城市绿地对城市生态环境的改善有着不可替代的功效，为此，许多国家将城市绿化制定为城市可持续发展战略的一个重要内容，并将城市绿地作为衡量城市综合质量的重要指标之一。利用遥感技术获取绿地信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。目前可以利用的高分辨率遥感数据资料越来越多，高于lm 分辨率航天遥感影像和航空遥感影像己开始应用到资源调查和测图中。 2．城市绿地信息提取研究现状及存在问题城市绿地是在人类较强干扰下生成的绿地景观，其生态效益不仅与绿地斑块的面积、空间分布有关，而且与构成绿地的植被类型密切相关（王伯荪，1987 ）。90 年代后期，景观生态学理论和方法逐渐应用到对城市绿化的研究中，这些研究为城市植被研究提供了新的研究思路和方法（高峻等，2002 ：李贞等，2000 ）。城市植被遥感信息提取为城市植被景观生态分析提供基础数据，是遥感信息提取的重要研究方向，也是城市植被学研究的重要内容（王伯荪等，1998 ）。 2.1 航空遥感影像用于植被信息提取随着遥感技术的发展，航空影像图的信息提取比例尺已经达到了1:1000 ，由遥感图提取城市绿地率和绿化覆盖率，是一条比较成熟和现实的途径。2001 年5 月上海市已完成三次航空遥感城市绿地精细调查。2000 年山东省建设处委托中国国土资源航空物探遥感中心对山东省济南市、淄博、文登、荣成等地市进行了航空遥感城市绿化调查。大比例尺彩红外航空遥感图像具有信息量大、植物标志清楚等优点，它不仅被广泛用于植被调查，而且对植 1本课题得到国家863项目(2007AA12Z174)资助。

遥感卫星图像处理方法

北京揽宇方圆信息技术有限公司遥感卫星图像处理方法随着遥感技术的快速发展，获得了大量的遥感影像数据，如何从这些影像中提取人们感兴趣的对象已成为人们越来越关注的问题。但是传统的方法不能满足人们已有获取手段的需要，另外GIS的快速发展为人们提供了强大的地理数据管理平台，GIS数据库包括了大量空间数据和属性数据，以及未被人们发现的存在于这些数据中的知识。将GIS技术引入遥感图像的分类过程，用来辅助进行遥感图像分类，可进一步提高了图像处理的精度和效率。如何从GIS数据库中挖掘这些数据并加以充分利用是人们最关心的问题。GIS支持下的遥感图像分析特别强调RS和GIS的集成，引进空间数据挖掘和知识发现（SDM&KDD）技术，支持遥感影像的分类，达到较好的结果，专家系统表明了该方法是高效的手段。遥感图像的边缘特征提取观察一幅图像首先感受到的是图像的总体边缘特征，它是构成图像形状的基本要素，是图像性质的重要表现形式之一，是图像特征的重要组成部分。提取和检测边缘特征是图像特征提取的重要一环，也是解决图像处理中许多复杂问题的一条重要的途径。遥感图像的边缘特征提取是对遥感图像上的明显地物边缘特征进行提取与识别的处理过程。目前解决图像特征检测/定位问题的技术还不是很完善，从图像结构的观点来看，主要是要解决三个问题:①要找出重要的图像灰度特征；②要抑制不必要的细节和噪声；③要保证定位精度图。遥感图像的边缘特征提取的算子很多，最常用的算子如Sobel算子、Log算子、Canny算子等。 1）图像精校正由于卫星成像时受采样角度、成像高度及卫星姿态等客观因素的影响，造成原始图像非线性变形，必须经过几何精校正，才能满足工作精度要求一般采用几何模型配合常规控制点法对进行几何校正。在校正时利用地面控制点(GCP)，通过坐标转换函数，把各控制点从地理空间投影到图像空间上去。几何校正的精度直接取决于地面控制点选取的精度、分布和数量。因此，地面控制点的选择必须满足一定的条件，即：地面控制点应当均匀地分布在图像内；地面控制点应当在图像上有明显的、精确的定位识别标志，如公路、铁路交叉点、河流叉口、农田界线等，以保证空间配准的精度；地面控制点要有一定的数量保证。地面控制点选好后，再选择不同的校正算子和插值法进行计算，同时，还对地面控制点(GCPS)进行误差分析，使得其精度满足要求为止。最后将校正好的图像与地形图进行对比，考察校正效果。 2）波段组合及融合对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段，从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的。 3）图像镶嵌

遥感矿物蚀变信息提取方法及ENVI下实现

蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。遥感地质应用中，近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类、结构、颜色等方面都有差异，这些差异导致了岩石反射光谱特征的差异，并且在某些特定的光谱波段形成了特定蚀变岩石的光谱异常。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。 (1)蚀变干扰信息剔除遥感数据包含地表的信息，遥感在地质方面的应用就是提取用户需要的信息，提取矿化蚀变信息的过程是计算影像中所有像素信息统计归类分析的过程，蚀变异常信息的提取对遥感图像的质量要求较高，因此首先要对遥感数据进行严格的筛选，干扰噪声小的数据，一般要求遥感数据的时相是植被发育较弱、冰雪覆盖少的季节，同时该时相的云覆盖量较少。由于受地形地貌的影响，有些因素靠数据的时相选择却难以克服，例如阴影、河流水体、高山上的冰雪、白泥地等，可以采用相应的数学方法来解决，以使阴影、水体等干扰像素的数据不参与统计分析。一方面是选择较好的数据；另一方面是对数据进行数据预处理，包括大气校正、掩膜等。利用ENVI软件的大气校正模块flassh能快速的消除大气影响，还原地物的真实面目。有利于蚀变信息的提取。

ETM图像水体信息提取

ETM图像水体信息提取仇大海1，田淑芳1，吴亚玲2 1中国地质大学（北京）遥感教研室北京市（100083） 2北京鼎峰同惠工业技术有限公司北京市（100098） E-mail：qdh12011@https://www.360docs.net/doc/c13370930.html, 摘要：本文应用云南省南部地区的ETM遥感影像图，对该区域内的水体信息进行提取。以G48C004002为典型示范区，结合交互式矢量化和野外验证成果对各种方法进行分析选优，最后提出了一种水体提取的新方法：缨帽变换湿度分量法，经验证该方法满足提取要求。本文还对去除影响因素进行了深入的探讨，例如对于阴影的去除和混合像元影响的去除。关键词：信息提取，缨帽变换，遥感，阈值中图分类号：K909 1. 引言本论文基于中国地质调查局2005年项目《中国陆域边界云南瑞丽江—大盈江中下游地区基础地质遥感调查》。工作区北部与青藏高原相连，南到中缅、中老、中越边界，东西横跨1200km，南北纵跨800km，地理坐标位于东径97°30′—106°10′，北纬21°00′—28°00′，总面积约400000km2，涉及1∶25万比例尺地形图34幅。该工作区属于我国西南多云多雨地区，气候湿润，雨量充沛，植被茂盛，水量丰富。工作所采用的ETM数据共25幅。本文以1：25万标准分幅G48C004002为例（如图1），讨论遥感方法在提取水体中的实用性。图1 G48C004002 ETM（742）彩色合成示意图随着人类活动规模的增强，人类影响环境能力越来越显著，生态地质环境也快速地发生着变化，主要表现在干旱、洪涝、泥沙淤积河道、水土流失和滑坡、泥石流地质灾害时有发生等。这些变化直接威胁着该地区的经济发展，同时也影响着邻国的环境变化，容易引起国际纠纷，不利于和平稳定的周边环境。因此该区域内的水体信息调查尤为重要，水体信息调查为环境评估和地质灾害的预防和治理提供依据。该区域面积较大、环境复杂，用传统的工作方法很难满足要求，而遥感技术以其大面积、同步观测的优势发挥了在该区域内水体调查的优势，因此如何采用最优的遥感方法结合GIS 等多种技术提取水体信息就成了本文论述的重点。研究过程中使用了1999年和2001年的ETM遥感数据、当地的地形图、地质资料、气象资料等等。主要的工作思路如下图：

短时记忆的信息提取实验报告

短时记忆的信息提取方式于尧（西南大学心理学部，重庆，400715）摘要本实验旨在通过模仿Sternberg（1966）的短时记忆的信息提取经典实验，了解短时记忆的信息提取方式。本实验选取西南大学心理学部本科三年级学生89人作为被试，在心理学部机房利用PsyKey心理教学系统3.2中“短时记忆的信息提取”程序完成实验。实验为两因素被试内实验设计，按记忆集大小共六种呈现给被试，要求被试在特定时间识记，之后再呈现一个数字，要求被试判断是否是刚才识记过的，并按键反应，程序会自动记录被试的在不同水平下再认的反应时间和正确率。通过SPSS19.0进行数据分析，得出结果：记忆集对短时记忆信息提取没有影响；反应类型对短时记忆信息提取有显著影响。进而得出结论：短时记忆的信息提取并不是系列全扫描，也不是Stermberg假设中的任何一种信息提取方式。关键词短时记忆信息提取 1 前言 Atkinson和Shiffrin（1968）提出了记忆系统的多存储模型（the multi-store model of memory），将记忆看作一个系统，按照信息在系统内储存的时间可以划分为三个不同的子系统：感觉记忆（sensory memory）、短时记忆和长时记忆，且这三个子系统在信息的储存量、保持时间、储存形式（或通道）、提取方式、遗忘规律以及在信息加工过程中所处的位置等许多方面均存在不同。其中，短时记忆是指在刺激作用终止后，对信息保持到几十秒直至一分钟左右的记忆（郭秀艳，2004），是操作性的、正在工作的、活动着的记忆（王甦、汪圣安，2006）。不论是何种记忆系统，其信息的提取方式都是一个极受关注的问题，因为记忆的最终目标是信息的提取利用。在越来越奉行效率至上的近代，短时记忆的信息提取在近几十年更是始终被认为是认知心理学研究的重要课题之一。所谓信息提取，指把储存在假定的记忆系统中的特定信息取出来以便使用（朱智贤，1989），即将短时记忆中的项目回忆出来，或者当该项目再度呈现时能够再认，都是短时记忆的信息提

遥感ENVI水体信息提取实验

实习一：水体信息提取姓名：XXxx 学号：!!!!!!!!!!!!!!!!!!! 专业：地理信息科学教师：XXXXX 成绩：

环境与规划学院二〇一六年四月实验报告一实验目的学习水体光谱的征曲线，掌握应用遥感图像处理软件进行水体波普的差异性分析。掌握水体提取的常用方法；能够使用ENVI 软件进行水体信息提取。二实验内容遥感探测的水体波谱信息：水可以吸收也可以散射通过水汽界面的波谱辐射能量（Ed），但水的散射会增加天空辐射能量（Eu），而水的吸

收则会同时减少Ed和Eu。遥感影像记录了地表物体的反射信息及其自身向外的辐射信息。相对于其他地物而言，水体在整个光谱范围内都呈现出较弱的反射率。在近红外、中红外及短波红外部分，水体几乎吸收了去不得入射能量，因此水体在这些的反射率特别低，而土壤、植被、建筑物等在这些波段吸收能量较小，具有较高的反射率，是的水体与他们具有明显的区别。水体信息提取有助于确定水体边界、了解水域面积变化、水文水资源要素，提取结果可用于水资源信息统计及相关的辅助决策三实验方案单波段法（阈值）；多波段法（谱间关系法、比值法、归一化差异水体指数（NDWI）、改进的归一化差异水体指数（MNDWI） 1．图像预处理（1）辐射定标：将DN值转成辐亮度

File--->open image file--->。。。。MTL.txt--->spectral--->Preprocessing--->C alibration Utilities--->Landsat Calibration--->（选择文件），OK--Radiance，File，choose（选择保存地址并命名），Ok （2）BSQ转成BIL Basic Tools-->Convert data （BSQ、BIL、BIP）-->-BIL，choose（选择保存地址并命名），Ok （3）Flaash大气校正 Spectral--->Preprocessing--->Calibr ation Utilities--->Flaash —>

ASTER遥感影像水体信息提取方法研究

收稿日期:2008206204;修订日期:2008208225 基金项目:安徽省教育厅自然科学基金资助项目(K J 2007B219);安徽省教育厅教学研究项目(2007J YXM208)。作者简介:黄海波(1982-)男,硕士研究生,主要从事遥感图像处理、土地利用/覆盖变化研究。E 2mail :hhb1001@https://www.360docs.net/doc/c13370930.html, 。 ASTER 遥感影像水体信息提取方法研究黄海波1,2,赵　萍1,2,陈志英1,郭　伟1,2 (1.安徽师范大学国土资源与旅游学院,安徽芜湖　241000; 2.安徽师范大学GIS 重点实验室,安徽芜湖　241000) 摘要:以安徽省芜湖市为试验区,首先对试验区水体和其它各类地物的光谱特征进行分析,探讨水体在ASTER 遥感影像各个波段与其它地物之间的可分性,然后经过反复实验和分析,构建了基于波段阈值和谱间关系的水体提取模型:B2>B3,B1+B6<127,B3+B4<54和B3<24,最后将该方法提取结果与非监督分类、监督分类和植被指数法提取结果进行评价和比较。实验结果表明该方法可较好地提取研究区各类水体,分类精度明显优于传统提取方法,且简单实用,但在对光谱特征分析过程中样本点选取要求较高。关　键　词:ASTER ;水体信息提取;谱间关系中图分类号:TP 79 文献标志码:A 文章编号:100420323(2008)0520525204 1　引　言水资源分布的调查与监测是控制水污染和生态保护的前提,而卫星数据具有监测范围广、获取周期短、地物信息丰富的特点,对调查与监测水资源分布起着重要的作用。国内外众多学者对水体遥感专题信息的提取进行了研究,如Bartolucci [1]等通过对 Landsat MSS 数据的研究,指出MSS 波段中近红外波段为提取水体的最佳波段;秦其明[2]等通过像素的重组,在区域分割和边界跟踪的基础上,对卫星图像进行水体形状特征的抽取与描述,实现不同水体类型的识别;陈华芳[3]等对Landsat ETM +影像,分别采用了阈值法、差值法和阈值法的结合运用、多波段谱间关系法和阈值法的结合这3种方法对湿地进行识别;王志辉,易善祯[4]通过对5种不同水体提取模型(RV I ,NDV I ,NDWI ,MNDWI ,NDSI )原理分析,结合具体实例(洞庭湖水域)进行水体遥感提取来说明5种方法提取水体的差异,从而确定在不同时期和不同用途时所采用最佳的水体提取模型。本文从水体的遥感信息光谱特征入手,分析各地物类型在ASTER 数据各个波段所记录的波谱信息情况差异,探讨水体与其它地物的区分方法。ASTER 是搭载在Terra 卫星上的星载热量散发和反辐射仪,于1999年12月18日发射升空,由日本国际贸易和工业部制造。ASTER 通过从可见光到热红外14个频道获取整个地表的高分辨解析图像数据-黑白立体照片,为多个相关的地球环境资源研究领域提供科学、实用的卫星数据。其主要参数如表1[5]。表1　ASTER 卫星主要参数表 T able 1　Main parameters table of ASTER satellite 波段 B1B2B3N B4B5B6B7B8B9B10B11B12B13B14波长(um )0.52 0.630.76 1.6 2.145 2.185 2.235 2.295 2.368.1258.4758.92510.2510.950.630.69 0.86 1.7 2.185 2.225 2.285 2.365 2.438.4758.8259.27510.9511.65分辨率(m )15 15153030303030309090909090第23卷　第5期2008年10月遥　感　技　术　与　应　用REMOTE SENSIN G TECHNOLOGY AND APPLICATION V ol.23　N o.5 Oct.2008