遥感实验报告112233
（3）几何校正
遥感数据特征
常用遥感数据特征总结 按照遥感平台类型，遥感技术可以分为航宇遥感、航天遥感、航空遥感、地面遥感四类。其中航天遥感平台发展最快，应用最广。很据航天遥感平台的服务内容，可以将其分为气象卫星系列、陆地卫星系列和海洋卫星系列。不同的卫星系列所获得的遥感数据有着不同的特征，常常应用于不同的应用领域，在进行检测研究时，常常根据不同的卫星资料特点，选择不同的遥感数据。下文简单总结了几种常用的航天遥感数据特征。 1 气象卫星系列 气象卫星是最早发张起来的环境卫星。从1960年美国发射第一颗实验性气象卫星（TIROS）以来，已经有多种实验性或者业务性气象卫星进入不同轨道。气象卫星资料已经在气象预报、气象研究、资源调查海洋研究等方面显示出了强大的生命力。 气象卫星主要有以下几种系列：60年代——TIROS系列、ESSA系列、Nimus 系列；70年代——ITOS系列、NOAA系列、SMS系列、GOES系列、MeteopII、GMS、Meteosat；80年代后，主要以NOAA系列为代表。我国的气象卫星发展比较晚，FY-1是我国发射的第一颗1988年9月7日发射成功。气象卫星主要有以下特征。 （1）轨道。气象卫星轨道可以分为两种，低轨和高轨。低轨是近极低太阳同步轨道，简称极地轨道，轨道高度800~1600km，南北向绕地球运转。对东西宽约2800km的带状地域进行观测，由于与太阳同步，使卫星每天在固定的时间经过每个地方的上空，资料获得时具有相同的照明条件。高轨是指地球同步轨道，轨道高度36000km左右，相对于地球静止，能够观测地球1/4的面积，有3—4颗卫星形成观测网，对某一固定地区，每隔20~30min获取一次资料，由于它相对于地球静止，可以作为通讯中继站，用于传送各种天气资料。 （2）短周期重复观测。地球同步卫星观测周期为0.5小时一次，极轨卫星为约为0.5~1天/次，时间分辨率较高。有助于对地面快速变化的动态检测。 （3）成像面积大，有助于获得宏观同步信息，减少数据处理容量。 （4）资源来源连续、实时性强、成本低 NOAA系列。 NOAA-11卫星：发射日期1988年9月24日，正式运行日期1988年11月8日，轨道高度841公里，轨道倾角98.9度，轨道周期：101.8分。 NOAA-12卫星：发射日期1991年5月14日，正式运行日期1991年9月17日轨道高度804公里，轨道倾角98.6度，轨道周期101.1分。 NOAA-14卫星：发射日期1994年12月30日，正式运行日期1985年4月10日，轨道高度845公里，轨道倾角99.1度，轨道周期101.9分。 NOAA-15卫星：发射日期1998年5月13日，正式运行日期1998年12月15日轨道高度808公里，轨道倾角98.6度，轨道周期101.2分。 NOAA-16卫星：发射日期2000年9月12日，正式运行日期2001年3月20日，轨道高度850公里，轨道倾角98.9度，轨道周期102.1分。
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\。
(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
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 ），
遥感植被指数NDVI计算
本科学生综合性、设计性 实验报告 姓名宋国俊学号114130168 专业地理信息系统班级 实验课程名称遥感地学分析 实验名称NDVI计算 开课学期2011 至2012 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
1、实验目的和要求： 利用TM卫星数据，应用ENVI软件进行归一化植被指数的计算，及在此基础对研究 区进行植被覆盖率的提取，根据植被覆盖率进行一些应用分析。 2、实验材料及相关设备： 昆明影像数据(path/row:129/43（2002.02.09）)ENVI及ArcGIS软件。 3、实验方法步骤及注意事项： 实验方法：利用ENVI及ArcGIS图像处理软件，参考软件的处理操作步骤，对图像进行处理。 注意事项：下载数据时应该严格遵照行列号来下载，下载的数据要包括完整的影像数据信息以便数据的预处理。 二、实验内容、步骤和结果（详细写清楚本次实验的完成的主要内容、具体 实施步骤和实验结果。） 1、实验内容 利用下载的昆明影像数据用ENVI进行NDVI计算，计算公式如下： NDVI=(NIR-R)/(NIR+R)(NIR为近红外波段，R为红光波段) 2、实验步骤 (1)对昆明影像数据进行辐射定标： Ⅰ、启动ENVI External →Geo TIFF with metadata→Enter Landsat MetaData （输入元数据） Ⅱ、Spectral→Preprocessing→Calibration utilities→Landsatcalibration→Landsat calibration input file→输 入第一步的元数据 Ⅲ、将辐射定标后的数据转化为BIL格式：
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。
遥感技术的特性及应用
遥感技术的特性及应用 姓名：XX 单位：XXXXXXXXX 【摘要】：文章通过介绍遥感技术的基本理论和特性，着重介绍了遥感技术在国民经济各方面的应用，以及对人类生活的影响。 【关键词】：遥感技术；特性；应用 [abstract] : this article through the introduction of the remote sensing technology in the basic theory and characteristics are introduced, and the remote sensing technology in national economic aspects of application, and the influence of human life. [key words] : remote sensing technology, Character; application 前言 随着人类生存环境的变化和国际竞争的日益激烈,对自然资源、地理资源和太空资源的开发和争夺已经成为影响人类和民族发展进程的重要因素。遥感正是为了满足这样的需求所产生的一门综合性应用技术, 它是以航空摄影技术为基础，在本世纪60年代初发展起来的一门新兴技术。经过几十年的发展，遥感技术已经从航空时代进入航天时代。由于遥感技术能够全面、立体、快速有效地探明地上和地下资源的分布情况，其效率之高是以前各种技术无法企及的。因此，遥感技术已成为一门实用的，先进的空间探测技术。伴随遥感技术在国民经济中发挥着越来越重要的作用，由此带来了新一轮遥感应用的热潮。现在，卫星应用覆盖了减灾、健康、环境监测、能源调查等，影响了人类生活的方方面面。因此，在许多领域，遥感对地观测技术有着无限光明的应用前景。 1. 遥感技术的涵义 遥感是利用遥感器从空中来探测地面物体性质的，它根据不同物体对波谱产生不同响应的原理，识别地面上各类地物，具有遥远感知事物的意思。也就是利用地面上空的飞机、飞船、卫星等飞行物上的遥感器收集地面数据资料，并从中获取信息，经记录、传送、分析和判读来识别地物。 当前遥感形成了一个从地面到空中，乃至空间，从信息数据收集、处理到判读分析和应用，对全球进行探测和监测的多层次、多视角、多领域的观测体系，成为获取地球资源与环境信息的重要手段。 2. 遥感技术主要特点 2.1 可获取大范围数据资料。 遥感用航摄飞机飞行高度为10km左右，陆地卫星的卫星轨道高度达910km左右，从而，可及时获取大范围的信息。例如，一张陆地卫星图像，其覆盖面积可达3万多km2。这种展示宏观景象的图像，对地球资源和环境分析极为重要。 2.2 获取信息的速度快，周期短。 由于卫星围绕地球运转，从而能及时获取所经地区的各种自然现象的最新资料，以便更新原有资料，或根据新旧资料变化进行动态监测，这是人工实地测量和航空摄影测量无法比拟的。例如，陆地卫星4、5，每16天可覆盖地球一遍，NOAA气象卫星每天能收到两次图像。Meteosat每30分钟获得同一地区的图像。 2.3 获取信息受条件限制少。 在地球上有很多地方，自然条件极为恶劣，人类难以到达，如沙漠、沼泽、高山峻岭等。采用不受地面条件限制的遥感技术，特别是航天遥感可方便及时地获取各种宝贵资料。 2.4 获取信息的手段多，信息量大。 根据不同的任务，遥感技术可选用不同波段和遥感仪器来获取信息。例如可采用可见光探测物体，也可采用紫外线，红外线和微波探测物体。利用不同波段对物体不同的穿透性，还可获取地物内部信息。例如，地面深层、水的下层，冰层下的水体，沙漠下面的地物特性等，微波波段还可以全天候的工作。 3. 遥感技术的实际应用 3.1 遥感技术在地质灾害中的应用 遥感技术应用于大面积的地质灾害调查, 可达到及时、详细、准确且经济的目的。在不同地质地貌背景下能监测出地质灾害隐患区段, 还能对突发性地质灾害进行实时或准实时的灾情调查、动态监测和损失评估。为此，我国设立了专门的“地质灾害遥感综合调查”课题, 经过近20年的实践,已摸索
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》教学大纲
《遥感地学分析》课程教学大纲 一、课程基本情况 二、课程性质与作用 遥感地学分析课程是遥感科学与技术专业一门重要的专业基础课，同时也是地理信息系统专业推广地理信息系统工具应用的一门重要的选修课。遥感技术是当今国际上异常活跃，发展日新月异的高新科技领域，是构筑“数字地球”不可或缺的强大核心技术，现已发展到推广应用阶段,在众多的专业领域得到广泛应用,已成为地学领域相关科学研究的全新技术方法。在我国也深入到国民经济和社会发展的众多领域，在国家资源环境调查、重大自然灾害监测、城市规划与管理、海洋勘察、国家安全等方面发挥着越来越重要的作用。《遥感地学分析》是遥感与地学交叉的边缘科学，是一门以传播图像科技知识为主的专业课程，具有明显的应用技术学科特点，是地学类各专业的技术方法课。该课程是应用遥感的理论、方法和技术，应用遥感数据源，实现复杂地学问题的快捷、方便、省时和省力的解决。 三、培养目标与标准 本课程需在学习了测量学等课程后再深入学习本课程。本课程具体完成培养方案如下：
信息渠道获得知识，侧重知识的获取，没有实训要求。T：讲授，指教、学活动中由教师引导开展的基础测试或练习，匹配有课程讨论、课后研讨等环节。U：运用，指以学生为主导，通过实练而形成的对完成某种任务所必须的活动方式，匹配有课程的三级项目或其它实践环节。 四、理论教学内容与学时分配
五、实践（实验、上机）教学内容与学时分配 高光谱与高空间分辨率遥感实验紧密结合大纲要求，在前所学课程基础上，深入应用ENVI软件对高光谱与高空间分辨率遥感图像进行验证和综合分析，是对理论知识的深入消化与理解。 六、学业考核 本课程的作业规范：每章结束后布置适量作业，学生独立完成，以便加深对本课程的理解。每个月布置一个中型的项目，学生撰写项目书，并完成整个流程，上交项目报告！
遥感实验报告
实验报告（实验一） [实验名称]ENVI窗口的基本作 [实验目的与内容] 实验目的 熟悉ENVI软件的窗口操作方法，掌握影像信息、像元信息浏览方法，影像上距离和面积量算方法。 实验内容 1、熟悉遥感图像处理软件ENVI的窗口基本操作。 2、查看影像信息和像元信息。 3、距离测量与面积测量。 [实验数据处理及成果]
1、哈尔滨市TM影像成像的 时间 2013年7月19日、分辨率 30m ， 各波段的波长。 2、哈尔滨市TM影像使用的 投影类型 UTM 、投影分带北 51区。 3、哈尔滨市TM影像使用的坐标系， 图像左上角的公里网坐标 9819 8092 、 地理坐标经度125.4941 纬度47.0930 。 4、测量狗岛的周长9602.445 m 面积3613050 m2。 [体会及建议] 通过本次试验熟悉遥感图像处理软件ENVI的窗口基本操作。了解了ENVI 的功能。加深了对遥感原理的认识。学会了初步实验的能力。为以后学习打下了基础。 [实验成绩]
实验报告（实验二） [实验名称] 遥感影像地理坐标定位和配准 [实验目的与内容] 实验目的 熟悉在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI 进行影像到影像的配准和影像到地图的校正。掌握使用ENVI生成影像地图的步骤，学会利用全色影像和多光谱影像进行HSV融合的步骤。 实验内容 本实验主要涉及遥感图像处理中影像校正、配准功能，通过实验进一步掌握这类处理的理论原理。 [实验数据处理及成果] 用SPOT校正TM数据，附操作过程截图和校正后TM影像图片
[体会及建议] 通过本次试验熟悉在ENVI中对影像进行地理校正，添加地理坐标，以及如何使用ENVI进行影像到影像的配准和影像到地图的校正。在实验过程中移动光标，查看坐标值，要小心谨慎注意地图坐标和经纬度之间的关系。以免出现错误。 [实验成绩]
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：ENVI5.1 数据准备：中等分辨率数据AA、高分辨率数据qb_colorado.img、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0.035，并将其在band math中进行二值化； 通过查看MNDBI的阈值设置为0.681，并将其在band math中进行二值化；
遥感ENVI实验报告
目录 前言 (3) 一、实验目的 (3) 二、实验容 (3) 三、实验时间 (3) 四、组织人员 (3) 1.专题概述 (4) 2. 处理流程介绍 (4) 2.1图像获取 (4) 2.2数据读取和定标 (4) 2.3图像配准 (5) 2.4大气校正 (5) 2.5反演模型构建及模型应用 (5) 2.6植被变化 (6) 3.详细处理过程 (7) 3.1数据预处理 (7) 3.1.1安装环境小卫星数据处理补丁 (7) 3.1.2数据处理和定标 (7) 3.1.3工程区裁剪 (9) 3.1.4图像配准 (14) 3.1.5大气校正 (17) 3.1.6裁剪浑善达克区 (23) 3.2植被覆盖度反演 (27) 3.2.1计算归一化植被指数 (27) 3.2.2计算植被覆盖度 (28) 3.3植被变化监测 (29)
3.3.1植被覆盖区提取 (29) 3.3.2植被变化检测 (31) 3.4成果后期处理与应用 (32) 3.4.1植被变化区域图的背景值处理 (32) 3.4.2植被变化区域制图 (33) 实验心得 (36)
前言 一、实验目的 1、掌握ENVI软件的基本操作。 2、掌握卫星影像的预处理的基本流程。 3、通过实习，学会自己去处理一些问题。 4、进一步提高学生分析问题、解决问题的能力，增强实践技能，并培养学生勇于 动手、勤于动手、热爱本专业的思想。 5、深刻地理解和巩固基本理论知识, 掌握基本技能和动手操作能力, 提高综合观 察分析问题的能力 二、实习容 1、了解ENVI的基本操作。 2、实现影像图像的几何校正、融合、镶嵌及剪裁。 3、掌握ENVI对影像信息的提取 4、了解ENVI的一些应用分析
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 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
结果如图: 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 MAT 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 0K
(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bl和b2赋予第五和第四波段就行，同 样选择合适的路径即可 ; <3 *1 Bdind M LM K- S1 0VfiriflTjIes to Fl rinds Paiiirx]s 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BANDMATH中输入一下公式并bl和b2赋予NDBI的波段和NDVI的波段; 9Band 制vth 结果如图: 6*1 bhd Mjlh口- ° —
遥感图像的辐射校正实验报告
遥感图像的辐射校正实验报告 1. 实验目的和内容 实验目的： （1）复习巩固课堂上所学的对遥感图像的辐射校正，掌握这些校正方法的基本原理和方法，理解遥感图像辐射校正的意义; （2）实际学习对遥感图像进行绝对大气校正、相对大气校正的FLAASH和黑暗像元法; 实验内容： （1）绝对大气校正 将遥感图像的DN值转换为地表反射率、地表辐射率、地表温度等的方法。本次实验通过FLAASH法进行绝对大气纠正。 （2）相对大气校正 校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。本次实验通过黑暗像元法进行相对大气纠正。 2. 图像处理方法和流程 A.绝对大气校正 1、加载影像，打开ENVI，file>>open image file，打开L71120038_03820030128_MTL.txt
2、辐射定标 FLAASH模块需要输入的是经过辐射定标后的BIL/BIP文件，ENVI >> basic tools >>preprocessing > >calibration utilities >> Landsat calibration 3、格式转换 上述计算得到的存储方式为BSQ，FLAASH大气校正对于波段存储的要求
为BIL/BIP格式，ENVI >> basic tools>> convert data (BSQ ,BIL ,BIP) 4、FLAASH大气校正 （1）ENVI>>basic tools>>preprocessing>>calibration utilities>> FLAASH，选择需要校正的数据。选用第二种，设置Single scale factor：10。 （2）设置输入与输出文件 ①进入地理空间数据云，查询影像参数。点击数据资源—LANDSAT系列数据
遥感图像的分类实验报告
精心整理 一、实验名称 遥感图像的监督分类与非监督分类 二、实验目的 理解遥感图像监督分类及非监督分类的原理；掌握用ENVI对影像进行监督分类和非监督分类的方法，初步掌握图像分类后的相关操作；了解整个实验的过程以及实验过程中要注意的事项。 三、 四、 五、 1. 1.1打开并显示影像文件，选择合适的波段组合加载影像 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，为了更好地区分不同地物以及方便训练样本的选取，选择5、4、3波段进行相关操作，点击Load Band 在主窗口加载影像。 1.2使用感兴趣区（ROI）工具来选择训练样区 1）主影像窗口菜单栏中，选择 Overlay >Region of Interest。出现ROI Tool对话框， 2）根据不同的地物光谱特征，在图像上画出包含该类地物的若干多边形区域，建立相应的感兴趣区域，输入对应的地物名称，更改感兴趣区对应的显示色彩。
由于该地区为山西省北部，地物相对单一，故分为以下几类：裸地、草地、灌木林、农田、水体、人类活动区、云层，阴影。 1.3选择分类方法进行分类 1）主菜单中，选择Classification>Supervised，在对应的选项菜单中选择分类方法，对影像进行分类。 以最小距离法（Minimum Distance）为例进行说明。选择Minimum Distance选项，出现Classification Input File对话框，在该对话框中选择待分类图像。 2）在出现的Minimum Distance Parameters对话框中，select Ttems选择训练样本，定义相关参数，选择 点击 2. 1 2 3. 。 1 选择Mode :polygon delete from class将错误点剔除。 2）主菜单classification->Post classification->sieve classes打开sieve parameters对话框，选择训练样本，及最小剔除像素，选择输出位置，完成操作。图为采用八联通域将像素小于5的点删除。 3.3混淆矩阵精度验证 1）选取验证样本，与监督分类操作类似，选择不同的感兴趣区域，保存ROI,作为选择训练样本。 2）进行精度验证，主菜单classification->Post classification->Using Ground Truth ROI，选择分类图像。
遥感技术发展的新趋势分析
遥感技术发展的新趋势分析（ENVI） ----实现遥感地物定量化识别的高级工具ENVI李静（适普软件有限公司，北京，100044） 摘要：本文阐述了遥感技术在近些年以至今后应用发展的新趋势，阐述了遥感地物定量化的意义和内涵， 介绍了实现遥感地物定量化分析的高级工具ENVI， 分析了应用遥感影像处理软件ENVI的高光谱分析工具 进行地物识别和遥感地物定量化分析的流程。 关键词：遥感信息，定量化，多光谱，高光谱，分类，地物识别 一、当前遥感技术发展态势 遥感技术在八十年代由于陆地卫星的上天，出现了第一次发展高潮，它不仅使遥感技术成为很多行业 跨入高新技术门槛的有力手段，而且也大大促进了遥感学科的研究工作。二十年来，广大遥感工作者不仅 对遥感理论进行了深入研究，同时对遥感应用技术也进行了广泛探讨并进行了实践和应用，为遥感技术的 进一步发展准备了足够的技术诸备。但是由于遥感数据源限制等多种原因，实用化一直受到人们的怀疑。 90年代以来，随着遥感传感器以及小卫星技术的发展，人类生存环境的恶化以及全球一体化的需求，遥感 技术再次迎来一个发展高峰。这一次高峰具有以下特点： 1、遥感数据源的突飞猛进： 现代遥感史以20世纪60年代末人类首次登上月球为重要里程碑，随后美国宇航局（NASA）、欧空局 （ESA）和其他一些国家，如加拿大、日本、印度和中国先后建立了各自的遥感系统。所有这些系统已提 供了大量从太空向地球观测而获取得有价值的数据和图片。随着信息技术和传感器技术的飞速发展，卫星 遥感影像分辨率有了很大提高，包括空间分辨率、光谱分辨率和时间分辨率。1972年美国发射了第一颗地 球资源技术卫星（ERTS-1）(后更名为陆地卫星1号（Landsat-1）,标志着地球遥感新时代的开始)。1972年 以后，美国发射了一系列陆地卫星，包括陆地卫星 1 号至 7 号，所携带的传感器由四波段的多光谱扫描仪 （MSS,分辨率为 80m）发展到80年代初投入使用的专题制图仪（TM,7 个波段，分辨率除第 6波段的 120 米外，其余皆为30m），再到 1999 年 4月发射升空的陆地卫星 7 号所搭载的增强型专题制图仪 ETM+（增 加了分辨率为15米的全色波段）。到80年代后期至90年代初，法国发射的SPOT卫星上载有20m（10m） 的高分辨率传感器（HRV分辨率为20m,全色波段为10m）。印度发射的IRS卫星上载有6.25m分辨率的全 色波段。1999年9月，美国空间成像公司（Space Imaging Inc.）发射成功的小卫星上载有IKONOS传感器， 能够提供1m的全色波段和4m的多光谱波段，是世界上第一颗商用1米分辨率的遥感卫星。此外，SPIN-2 卫星数据由俄国返回式卫星从80年代至今获得， 它提供2米和10m分辨率全色影像数据及DEM和立体像 对。 由韩国太空研究院所有的KOMPSA T卫星数据从2000年开始可以提供6.6米分辨率的全色波段数据和 13 米多光谱（四个波段）数据。适普公司代理上述 IKONOS 和 SPIN-2 卫星数据的国内销售业务，因此可 以将应用与研究良好的有机结合起来,并提供数据增值服务。 另一方面，低空间高时相频率的 A VHRR（气象卫星 NOAA系统系列，星下点分辨率为1km）以及其 他各种航空航天多光谱传感器亦相继投入运行，形成现代遥感技术高速发展的盛期。除了常规遥感技术迅 猛发展外，开拓性的成像光谱仪的研制已在80年代开始，并逐渐形成了高光谱分辨率的新遥感时代。 由于高光谱数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质，而这是传统宽波 段遥感数据所不能探测的，使得成像光谱仪的波谱分辨率得到不断提高。从 20 世纪 80 年代初研制的第一