遥感实习报告乌日汉20131203614
遥感实习报告
遥感实习报告在具体学期，我参与了一次令人难忘的遥感实习。
这次实习不仅让我将课堂上学到的理论知识应用到实际操作中，还让我对遥感这一领域有了更深入的理解和认识。
一、实习目的本次遥感实习的主要目的是通过实际操作和案例分析，熟悉遥感数据的获取、处理、分析和应用的全过程，掌握常见遥感软件的使用方法，提高我们对遥感技术在资源调查、环境监测、城市规划等领域应用的能力。
二、实习内容1、遥感数据的获取在实习的初始阶段，我们学习了如何获取遥感数据。
了解了不同类型的遥感卫星，如陆地卫星、气象卫星等，以及它们所提供的数据特点和适用范围。
通过相关网站和数据平台，我们成功获取了多景遥感影像，为后续的处理和分析工作奠定了基础。
2、遥感数据的预处理获取到原始遥感数据后，紧接着就是进行预处理。
这包括辐射校正、几何校正等操作。
辐射校正用于消除传感器本身和大气对辐射的影响，使得影像的亮度值能够准确反映地物的反射特性。
几何校正则是纠正由于卫星姿态、地形起伏等因素导致的影像几何变形，确保影像的准确性和可用性。
3、图像增强与分类为了更清晰地识别和分析地物信息，我们进行了图像增强处理。
常用的方法有对比度拉伸、直方图均衡化等，这些操作有效地突出了影像中的地物特征。
之后，运用监督分类和非监督分类等方法对影像进行分类，将影像中的地物划分为不同的类别，如水体、植被、建设用地等。
4、遥感图像的解译与应用在完成分类后，我们进行了遥感图像的解译工作。
通过对比不同时期的影像，分析地物的变化情况，例如城市扩张、森林砍伐、水体污染等。
同时，将解译结果应用于实际问题，如土地利用规划、灾害监测与评估等。
三、实习工具与技术在实习过程中，我们使用了多种遥感软件和工具，如 ENVI、ArcGIS 等。
ENVI 在遥感数据的处理和分析方面功能强大，提供了丰富的算法和工具；ArcGIS 则在空间数据的管理和可视化方面表现出色，能够将遥感解译结果与地理信息数据进行整合和分析。
大学生遥感实习报告
大学生遥感实习报告1. 引言遥感是一种获取地面目标信息的无接触测量手段，通过感知和记录电磁辐射，利用遥感技术可以获取地面的物理、地貌、植被等多种信息。
作为一名大学生，我很荣幸能有机会参加遥感实习，深入了解这个领域的新技术和应用。
本篇报告将详细介绍我的遥感实习经历。
2. 实习目标本次实习的主要目标是学习并掌握常用的遥感技术和工具，如遥感数据采集、处理和分析等。
另外，我还希望通过实践了解遥感技术在农业、林业和环境保护等领域的应用，为将来的研究和工作打下基础。
3. 实习过程3.1 学习理论知识在实习开始前，我首先学习了遥感的基本概念、原理和方法。
通过参加培训课程和阅读相关文献，我对遥感图像的获取和处理有了初步的了解。
同时，我还学习了有关遥感数据的分类和解释方法，以及常用的遥感软件和工具的使用技巧。
3.2 遥感数据采集为了实践遥感技术，我们团队决定选择一个具体的研究区域进行数据采集。
通过前期的调研和分析，我们选择了一个位于农村的农田作为研究对象。
在实地实习中，我们使用无人机进行了空中拍摄，并使用GPS设备收集了地面控制点的坐标信息。
这样可以为后续的数据处理提供准确的参考。
3.3 遥感数据处理和分析在数据采集完成后，我们将拍摄到的遥感图像导入到遥感软件中进行处理和分析。
首先，我们使用图像处理技术对图像进行增强处理，以提高图像的可视性和准确性。
然后，我们使用分类算法将图像进行分类，识别出不同的地物类型。
最后，我们对分类结果进行分析，比对实地调查数据验证分类的准确性。
3.4 应用实践在数据处理和分析之后，我们将学到的遥感技术应用到实际的领域中。
我们以农田为例，通过对遥感图像的解释，可以获取农田的植被指数、土壤湿度等信息，为农业生产提供参考和决策支持。
我们还可以利用遥感数据分析林地覆盖率变化，以及水体污染程度等环境保护指标。
4. 实习成果通过两个月的实习，我不仅学习了遥感技术的理论知识，还深入了解了遥感数据的采集、处理和分析过程。
遥感专业毕业实习报告
遥感专业毕业实习报告【遥感专业毕业实习报告】导言遥感技术作为一种高效、快速获取地表信息的手段，已经广泛应用于农业、环境、城市规划、资源调查等众多领域。
本次毕业实习是我系统学习遥感技术的重要一环，通过参与实际项目，亲身感受遥感技术在实践中的应用，提高自己的技能能力。
在整个实习过程中，我以实践为主线，学以致用，锻炼了自己的科研思维和技能，对遥感技术有了更深入的理解。
以下将对实习的过程、所参与的项目进行详细介绍与总结。
一、实习项目介绍本次实习项目是与某农业公司合作，利用遥感技术对某地区的农田进行监测与调查。
项目的目标是通过遥感卫星的数据获取和处理，获取农田的信息，包括耕地面积、作物类型、病虫害情况等，为农业公司提供农田管理和决策的参考依据。
二、实习过程1. 遥感数据获取在项目开始阶段，首先需要获取遥感数据。
我们选择了LANDSAT系列的卫星数据，这些数据具有较高的分辨率和较长的时间序列，在农业研究中应用广泛。
通过遥感数据存档和下载的工具，我们获得了一定时间范围内的LANDSAT数据。
2. 遥感数据预处理获得的遥感数据需要经过预处理，包括影像去云、大气校正、几何校正等步骤。
我利用ENVI和IDL软件对数据进行处理，去除云状物和计算大气校正参数，以确保后续的数据分析的准确性。
3. 农田面积提取农田的面积是一个重要指标，我们需要通过遥感技术来提取农田面积。
我使用遥感图像分类方法，根据农田和非农田的光谱特征，将图像进行分类，然后通过计算分类结果中农田像元的个数，结合地理坐标系统的相关参数，计算得到农田的面积。
4. 作物类型分类农田的作物类型也是一个重要的信息，我们需要通过遥感图像分类来获取作物的类别和分布情况。
我采用了监督分类方法，根据已知的训练样本，对遥感图像进行分类，将图像中的像元分类为不同的作物类别。
5. 病虫害检测通过遥感技术，我们还可以对农田中的病虫害情况进行监测。
病虫害具有一定的光谱特征，我们可以通过遥感图像的光谱信息，对病虫害进行检测和分析。
遥感实习心得
遥感实习心得第一篇：遥感实习心得实习心得By XYZ使用Erdas对遥感图像进行处理的两次实习终于结束了，虽然在上机的时候由于机房过大没有听得很清楚，也没有做完实习，但是在课后花了时间完成了整个实习任务。
在这短短的实习中，各方面的收获很多。
首先是接触到了书上所描述的Erdas软件，这款软件的功能十分丰富，就这几次实习的内容而言恐怕只是相当于对Erdas有初步的了解，但是实际学习使用Erdas所花的时间却不少。
实习从使用Erdas对遥感图像进行IO、显示以及波段组合，到几何校正、图像增强以及图像镶嵌，实现了最基本的处理遥感影像的功能，也让我对书上较为抽象的理论知识有了形象的理解。
通过观察遥感图像中不同地物在不同波段和不同RGB排列方式下的颜色变化，联系课本上水体、植物等地物的波谱特性，两者形象地结合在了一起，使课本上的概念更加深刻的印在了脑海里。
通过图像增强的操作，观察图像随着输入的参数发生的改变，其本身以及灰度直方图的变化也让我更加理解了各增强方式的意义。
而镶嵌、校正等操作，操作步骤也一步步对应着书上理论处理的方法。
当然，在学习使用软件中也遇到了一些问题。
由于之前提前知道了实习内容是Erdas操作，所以我提前下了9.2版本的Erdas，与讲义中的8.5版本有些许出入。
刚开始接触软件时很陌生，只能慢慢照着上面来。
而只是看讲义盲目地照着操作而不去思考软件的功能，结果就是遇到一点软件和描述的小差别就浪费很多时间。
比如最开始用Import转换图像格式，应该在type组合框里选择正确的图像格式，但是由于组合框里图像格式过多，扫了一眼A开头的都不认识，就觉得默认的ADRG应该可以，然后因为打不开tiff图像在这一步耗费了较多时间。
再就是在打开文件时对默认路径感到十分厌烦，每次都要重新选择对应磁盘，再在下面寻找想要输出图片的文件夹，后来发现旁边有个goto按钮点击就可以自动显示最近的路径（包括文件夹路径），而recent则必须为文件路径。
遥感监测实习报告
一、实习背景随着科技的不断发展，遥感技术在我国得到了广泛的应用。
遥感监测作为一种新兴的监测手段，具有速度快、范围广、精度高、成本低等优点，在环境监测、资源调查、灾害评估等领域发挥着越来越重要的作用。
为了提高自己的专业技能，我参加了本次遥感监测实习。
二、实习目的1. 熟悉遥感监测的基本原理和方法；2. 掌握遥感图像处理和分析软件的操作；3. 提高自己在遥感监测领域的实际操作能力；4. 深入了解遥感监测在环境监测、资源调查等领域的应用。
三、实习内容1. 遥感基础知识学习实习期间，我们学习了遥感的基本概念、遥感数据类型、遥感图像处理和分析方法等基础知识。
通过学习，我们了解到遥感监测是利用地球表面的电磁波辐射特性，通过遥感传感器获取地表信息的一种技术。
2. 遥感图像处理实习过程中，我们学习了遥感图像处理的基本步骤，包括图像预处理、图像增强、图像分类等。
通过实际操作，我们掌握了ENVI、ArcGIS等软件在遥感图像处理中的应用。
3. 遥感监测案例分析为了更好地了解遥感监测在实际应用中的效果，我们选取了几个具有代表性的案例进行分析。
这些案例包括：（1）森林资源监测：通过遥感图像分析，监测森林资源的变化情况，为林业部门提供决策依据。
（2）城市环境监测：利用遥感图像监测城市绿化、水质、空气质量等环境指标，为政府部门提供环境管理依据。
（3）灾害评估：利用遥感图像快速获取灾害信息，为救援部门提供决策支持。
4. 实践操作在实习过程中，我们进行了以下实践操作：（1）遥感图像预处理：包括辐射校正、几何校正、大气校正等。
（2）遥感图像增强：通过对比度增强、锐化等手段，提高遥感图像的视觉效果。
（3）遥感图像分类：利用监督分类、非监督分类等方法，对遥感图像进行分类。
（4）遥感图像分析：根据遥感图像分类结果，分析不同地物的分布规律和变化趋势。
四、实习成果通过本次遥感监测实习，我取得了以下成果：1. 掌握了遥感监测的基本原理和方法；2. 熟练掌握了ENVI、ArcGIS等遥感图像处理和分析软件的操作；3. 增强了自己在遥感监测领域的实际操作能力；4. 深入了解了遥感监测在环境监测、资源调查等领域的应用。
遥感实习报告二
实习报告二：遥感实习心得与体会一、前言随着科技的发展，遥感技术在地质调查、资源勘探、环境监测等领域发挥着越来越重要的作用。
本次实习，我有幸接触到遥感技术，并对其有了更深入的了解。
以下是我在实习过程中的心得与体会。
二、实习内容1. 遥感基本原理学习在实习的第一周，我们学习了遥感的基本原理，包括遥感的基本概念、遥感数据的获取方式、遥感图像的 processing 方法等。
通过学习，我明白了遥感技术是一种非接触式的、远距离的探测技术，可以通过对地球表面目标的辐射和反射特征进行监测和分析，获取地球表面信息。
2. 遥感数据处理与分析在实习的第二周，我们学习了遥感数据处理与分析的方法，包括遥感图像的预处理、图像增强、分类和提取等。
通过实际操作，我掌握了遥感图像处理软件的使用，并学会了如何对遥感图像进行分析和处理，从而获取有价值的信息。
3. 遥感应用案例分析在实习的第三周，我们学习了遥感技术在地质调查、资源勘探、环境监测等领域的应用案例。
通过案例分析，我了解了遥感技术在实际生产中的应用价值，同时也认识到遥感技术在解决实际问题时的局限性。
三、实习心得与体会1. 遥感技术具有广泛的应用前景通过实习，我深刻认识到遥感技术在地质调查、资源勘探、环境监测等领域具有广泛的应用前景。
特别是在当前全球气候变化、资源紧张、环境污染等问题日益严重的背景下，遥感技术在可持续发展中发挥着重要作用。
2. 遥感技术发展迅速，人才培养至关重要随着遥感技术的不断发展，对遥感人才的需求也越来越大。
作为一名遥感专业的学生，我深感责任重大，今后需更加努力地学习，提高自己的专业素养，为我国遥感事业的发展贡献自己的力量。
3. 理论与实践相结合是学习遥感的关键实习过程中，我深刻体会到理论与实践相结合的重要性。
只有掌握了遥感基本原理和实际操作技能，才能在实际工作中游刃有余。
今后，我会更加注重实践操作，不断提高自己的实践能力。
4. 团队协作是完成遥感项目的重要保障在实习过程中，我发现遥感项目往往需要多学科知识的融合和团队协作。
遥感实习报告
一、实习背景随着遥感技术的不断发展，遥感在各个领域的应用越来越广泛。
为了更好地了解遥感技术，提高自己的实践能力，我们开展了为期两周的遥感实习。
本次实习旨在通过实际操作，掌握遥感影像处理、解译和制图等基本技能。
二、实习目的1. 熟悉遥感影像处理软件ENVI的操作，掌握遥感影像预处理、裁剪、校正等基本操作。
2. 学习遥感野外调查方法，了解野外调查的注意事项。
3. 掌握遥感影像解译技巧，根据《土地利用现状分类-GB2007》标准，对所调查区域的遥感影像地物进行初步目视解译、划分。
4. 熟练运用ENVI软件进行室内解译，进行小斑区划和数据库建立。
5. 根据遥感影像图，针对所调查区域制作土地利用现状分类专题图。
三、实习内容（一）遥感影像处理1. 遥感影像预处理：首先，我们在ENVI软件中对原始遥感图像进行预处理，包括辐射校正和几何校正。
辐射校正主要进行传感器校正、大气校正、太阳高度及地形校正。
几何校正是指纠正由系统或非系统因素引起的图像几何变形。
2. 遥感影像裁剪：根据实习要求，我们选取了金洲新区大部分地区及望城区部分区域作为本次实习的区域范围。
使用ENVI软件中感兴趣区域选取的功能，裁剪出特定的区域范围。
（二）外业建标调查1. 建立目视解译标志表：根据《土地利用现状分类-GB2007》标准，对所调查区域的遥感影像地物进行初步目视解译、划分，从而建立外业目视解译标志表。
2. 野外调查：在实习老师的指导下，我们前往实习区域进行实地调查。
调查过程中，我们详细记录了各种地物的分布情况，以及地形、地貌等信息。
（三）室内解译1. 遥感影像室内解译：运用ENVI软件，对遥感影像进行室内解译。
通过对遥感影像的分析，识别出各种地物，并进行小斑区划。
2. 数据库建立：根据室内解译结果，建立遥感影像数据库，为后续制图提供数据支持。
（四）制图1. 利用ENVI软件，根据遥感影像数据和室内解译结果，制作土地利用现状分类专题图。
2. 对专题图进行美化，包括添加图例、标题、比例尺等信息。
遥感概论实习报告
实习报告：遥感概论实习一、实习目的与要求本次遥感概论实习旨在让我们了解遥感技术的基本原理、应用领域和数据处理方法，培养学生实际操作遥感软件和分析遥感数据的能力。
实习要求我们熟练掌握遥感图像的预处理、解译和分析方法，学会使用遥感软件进行图像处理和地物分类，并能够根据遥感影像进行土地利用现状的初步判断。
二、实习内容与过程1. 遥感图像预处理在实习的第一阶段，我们学习了遥感图像的预处理方法，包括辐射校正、大气校正、太阳高度角校正和几何校正等。
我们使用ENVI软件对下载的遥感图像进行预处理，提高了图像的质量，为后续的解译和分析打下了基础。
2. 遥感图像解译在实习的第二阶段，我们学习了遥感图像的解译方法。
我们根据《土地利用现状分类-GB2007》标准，对所调查区域的遥感影像地物进行初步目视解译、划分，建立了外业目视解译标志表。
通过解译，我们了解了不同地物的光谱特性，提高了对遥感图像的理解能力。
3. 遥感图像分析与应用在实习的第三阶段，我们学习了遥感图像的分析与应用方法。
我们使用ENVI软件对遥感图像进行地物分类，制作了土地利用现状分类专题图。
此外，我们还根据遥感影像图，针对所调查区域进行了生态环境监测和资源调查等应用实践。
三、实习收获与体会通过本次遥感概论实习，我对遥感技术有了更深入的了解，掌握了遥感图像的预处理、解译和分析方法，提高了实际操作能力。
我学会了使用ENVI软件进行遥感图像处理，掌握了图像处理的基本流程和技巧。
在实习过程中，我积极参与实践操作，提高了自己的动手能力和团队协作能力。
同时，我也认识到了遥感技术的局限性和不足之处。
遥感图像的解译受限于图像分辨率和光谱特性，有时会出现误判和漏判。
此外，遥感技术在实际应用中需要与其他地理信息技术相结合，如GPS、GIS等，才能发挥更大的作用。
四、实习总结本次遥感概论实习让我们在理论学习的基础上，亲自动手操作，提高了实际操作能力和实践能力。
通过实习，我们不仅掌握了遥感技术的基本原理和方法，还了解了遥感技术在实际应用中的优势和局限性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1、影像统计分析：ENVI:Basic>>Statistics>>ComputerCalculate Statisitics Parameters对话框---选择统计分类类型对于单个波段可以看出，为更好地实现图像的合成，需要选用方差较大的波段，这样图像对比差异大，星系两丰富，能更好的反映地物信息。
主成份分析：transforms>principal Components>forward Pc rotation>compute new statistics and rotate.”select subset from eigenvalues”分类中，常常利用主成分分析算法显出波段之间的相关性，并进行特征选取，还可以用来对图像进行压缩和信息融合。
二、对比度变化对比度变化：提高图像和突出所需信息，有利于分析和进一步的处理。
根据处理前后图像可以看出处理后的图像像原的亮度值比图像像原亮度值要大，等能清晰的判断出需要的信息。
三、空间滤波：目的是改善影像质量，包括去除高频噪声与干扰，及影像边缘增强、线性增强以及去模糊等。
分为低通滤波（平滑化）、高通滤波（锐化）和带通滤波。
处理方法有计算机处理（数字滤波）和光学信息处理两种。
四、影像运算1）、乘法：①打开遥感影像作为原始影像，选择TM1波段加载，如图1，再打开二值图mask1加载，如图2。
图1 图2②对两幅图像进行乘法运算：点击Basic Tools/Band Math,在Enter an expression 中输入函数式b1*b2，点击Add to List，如图3。
③在Variables used in expression中选中B1-[undefined]，在Available Band List中选择bntmref.img下的TM Band 1，再选择 B2-[undefined]，选择Mask Band，Output Result to Memory，加载影像如图4。
图3 图4比较图1和图4可以看出，图4是图51在二值图图2中值为1的部分显示的图1，所以，对影像和二值图进行乘法运算可以对影像进行局部显示。
2. 逻辑与运算1）逻辑与(and)①打开影像mask1和mask2，如图5和图6。
图5 图6②选择Mask Tools/Band Math，在Enter an expression中输入b1andb2,点击Add to List，如图7所示。
③在Variables used in expression中选中B1-[undefined]，在Available Band List中选择mask1下的Mask Band，再选择 B2-[undefined]，选择mask2下的Mask Band，Output Result to Memory，加载影像如图8。
图7 图8比较图5，图6，图8可以看出，图8是图5和图6相同的部分。
因此可以得出，逻辑与运算的作用为取两幅图的相同部分形成一幅图。
2）逻辑或(or)①选择Mask Tools/Band Math，在Enter an expression中输入b1orb2,点击Add to List，如图9所示。
②在Variables used in expression中选中B1-[undefined]，在Available Band List中选择mask1下的Mask Band，再选择 B2-[undefined]，选择mask2下的Mask Band，Output Result to Memory，加载影像如图10。
图9 图10比较图5，图6，图10可以看出，图10是图5和图6两图的结合。
因此可以得出，逻辑与运算的作用为将两幅图像融合成一幅新图像。
3. 位运算（附加）4. 异或运算a) 选择Mask Tools/Band Math，在Enter an expression中输入fix (b1) xor fix (b2), 点击Add to List，如图11所示。
b) 在Variables used in expression中选中B1-[undefined]，在Available Band List中选择mask1下的Mask Band，再选择 B2-[undefined]，选择mask2下的Mask Band，Output Result to Memory，加载影像如图12。
图11 图12比较图5，图6，图12可以看出，图12是图5和图6不相同的部分。
所以异或运算的作用是去同存异。
五、多光谱变换多光谱变换：理解主成份变换、去相关拉伸、樱帽变换、色彩变换、自然色彩变换的原理、方法和操作步骤。
掌握利用特征空间视图对影像中若干典型地物（如水体、农田、林地、居民地等）进行遥感影像分析。
1、多光谱空间①定义：一个n维坐标系，每一个坐标轴代表影像的一个波段，坐标值域等于该波段像元灰度值的值域。
影像的波段数就是对应多光谱空间的维数。
多光谱空间又称为影像的特征空间，相当于n 个波段影像在n维空间中的散点图。
②特点：多光谱影像中的每个像元点在多光谱空间中都对应于坐标空间中的一个点，并可以表示为一个n维矢量X。
多光谱空间中像元矢量之间的距离仅反映各像元之间光谱信息的远近关系，但并不表示像元点之间的空间位置关系。
换句话说，在光谱空间中相近的像元在实际的地理空间中可能相距甚远。
2、主成分变换Principal Component Analysis（PCA），亦称Karhunen-Loève （K-L）变换，或霍特林（Hotelling ）变换①定义：主成分变换实质上就是在多光谱空间中根据像元灰度矢量散点的空间分布特征（主要是均值、方差分布）对影像进行平移、旋转变换，使变换后各个坐标轴与影像多光谱空间变化的主要方向保持一致。
②意义：主成分变换去除了原影像各个波段之间的相关性，把有用的信息集中到数目尽可能少的几个主成分影像波段上，从而提高了影像分析的效率。
变换后坐标轴的原点位置取决于多光谱空间中的均值矢量，坐标轴的大小与各个波段方差、协方差成正比。
3、去相关拉伸①定义：通过去相关拉伸变换把相关性很高的波段进行去相关拉伸处理，减弱它们之间的相关性，然后进行拉伸，从而使深色区域的地物差异界线反映得更加清楚。
②实质：去相关拉伸是对图像的主成分进行对比度拉伸处理，而不是对原始图像进行拉伸。
当然在操作时，只需要输入原始图像就可以了，系统将首先对原始图像进行主成分变换，并对主成分图像进行对比度拉伸处理，然后进行主成分逆变换，依据当时的特征矩阵，将图像恢复到RGB空间。
1）、主成分变化之后的六个主成分：第一主成分第二主成分第三主成分第四主成分第五主成分第六主成分分析：经主成分变换后的影像与原始影像有了较大差别。
第一主成分影像上的地物最为清晰，第二主成分影像次之，第三主成分影像再次之，直到第六主成分影像上的地物已模糊不清了，仅能分辨出河流。
将六个主成分的影像分别与原始子区的影像进行比较，各影像的特征就十分明显了。
第一主成分的影像反映了绝大多数的地物，地物清晰、容易分辨，其中河流和周围的农田表现为黑色，得到突出；在第二主成分的影像上，植被高亮显示出来，水稻田呈现较浅灰色，一般的田地是白色，这是由于田地中的含水量不一样，水稻田中含水较高，一般农地中含水较低，从该图中我们可以清晰地了解植被的分布状况，并能较好地区分水稻田和一般田地，另外黄河被黑色显示，靖远县城和公路被浅灰色显示，得到突出；在第三主成分的影像中，水体被高亮显示，体现的比较好；第四主成分的影像中季节性的河流表现为白色，靖远县城表现为黑色，被突显出来；第五主成分的影像中仅能将季节性河流显示为黑色，黄河显示为白色；第六主成分的影像中只能勉强看见河流。
各主成份之间是不相关的，不同主成分所反映的地物也不同，它们是互补的。
2）、缨帽变换后的三个分量图：分析：经过樱帽变换的影像亮度分量是TM的6个波段的加权和，影像上的亮度能够有效反映影像中亮度区分较大的地物。
例如：影像中的高亮地方通常是裸露的土地或山地、道路等，图14中，山地、居民地偏亮，影像中的河流由于反射能力较弱，在亮度影像中颜色最深，影像中绿色植物覆盖的地方亮度较裸地就显得颜色深些。
樱帽变换的绿度分量影像中在有植被覆盖的地方则以高亮的形式显示，而在城区绿色植物覆盖较少的地方以及主要的道路则是以较低的亮度显示的，同样，影像中的河流和裸露的山地则是近乎黑色来显示。
可以利用Greenness分量来分析某地的植被覆盖度。
樱帽变换的Third波段影像主要反映的是黄度或湿度，在影像中河流被高亮度显示，农田因为含有一定量的水，所以也被显示为一定的亮度，而周围的黄土质或石质的山地由于含水量特别少，所以被显示为黑色或灰色。
六、彩色变换彩色变换：可以改善图像的质量，如果分层方案与地物光谱差异对应的好，可以区分出地物的类别。
ENVI：Tools>>color mapping>>density>>options>>add new ranges>>apply>>进行保存。
根据处理前后图像可以看出处理前的黑白单波段影响赋上彩色以方便区分出地物的类别，哪怕地物光谱的规律性表现不明显时，也会比较一般黑白影响的目视效果好。
七、监督分类监督分类：按照分类以前自定义的样本进行分类。
1、ENVI:Basic tools>>region of interest>>ROI tool八、非监督分类：非监督分类：仅仅用通缉犯方法对数据集中的项原进行分类，不需要样本。
方法：（1）、ISODATA：ENVI：classification>>unsupervised>>isodata>>isodata prameters对话框：参数设置说明在ISODATA prsmeters 对话框中,输入number of classes,min8/max15 Maximun lteration10,chang threshold5.00,minimum#mergepairs2分类结果如下图:2）、K—Means：ENVI：。