重邮遥感实验六报告
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。
遥感实训心得报告总结
一、前言随着科学技术的不断发展，遥感技术在我国得到了广泛应用。
为了更好地掌握遥感技术，提高自己的实践能力，近期我参加了遥感实训课程。
通过这段时间的学习和实践，我对遥感技术有了更深入的了解，现将实训心得总结如下。
二、实训内容1. 遥感基础知识学习在实训过程中，我们首先学习了遥感的基本概念、发展历程、应用领域等基础知识。
通过学习，我了解到遥感技术是利用电磁波探测地球表面物体性质的一种手段，具有快速、高效、大范围、全天候等特点。
2. 遥感图像处理与分析实训课程中，我们学习了遥感图像处理与分析的基本方法，包括图像增强、分类、变化检测等。
通过实践操作，我掌握了遥感图像处理软件的使用，如ENVI、ArcGIS等。
3. 遥感应用案例分析在实训过程中，我们分析了多个遥感应用案例，如土地利用变化监测、灾害评估、环境监测等。
通过这些案例，我了解了遥感技术在各个领域的应用前景。
4. 实地考察与操作为了更好地将理论知识与实践相结合，我们进行了实地考察与操作。
在老师的指导下，我们使用了无人机、卫星遥感等设备，对周边地区进行了遥感数据采集。
三、实训心得1. 理论与实践相结合通过本次实训，我深刻体会到理论与实践相结合的重要性。
在学习遥感基础知识的同时，通过实际操作，使我对遥感技术有了更加直观的认识。
2. 提高自己的实践能力在实训过程中，我学会了使用遥感图像处理软件，掌握了遥感数据采集、处理和分析的基本方法。
这些技能将对我今后的学习和工作产生积极影响。
3. 拓宽知识面通过实训，我对遥感技术及其应用领域有了更全面的认识。
这使我意识到，遥感技术在现代社会中具有广泛的应用前景，为我国经济社会发展提供了有力支持。
4. 培养团队协作精神在实训过程中，我与同学们共同完成了多个项目，这使我学会了与团队成员沟通、协作。
在遇到问题时，我们互相帮助、共同解决，培养了团队协作精神。
5. 增强创新意识在实训过程中，我们遇到了各种挑战，如数据采集、图像处理等。
遥感实验课总结与反思报告
遥感实验课总结与反思报告一、实验概述遥感实验课是为了加深对遥感原理和技术的理解，提高遥感数据的处理和分析能力所设计的一门实践性课程。
通过此次实验课，我对遥感技术有了更深入的了解，在实践中不断积累经验，也收获了一些收获。
二、实验内容本次实验课主要包括遥感数据获取、遥感影像处理和遥感应用三个方面的实验内容。
其中，遥感数据获取实验是通过收集卫星影像数据，探究遥感数据的获取方式；遥感影像处理实验是通过对影像进行预处理、分类和解译等操作，学习遥感数据的处理技术；遥感应用实验是通过选取一个具体的应用场景，利用遥感数据进行应用分析。
三、实验收获1. 对遥感原理和技术的理解通过实验课，我不仅深入了解了遥感的原理和技术，还学习到了很多遥感数据处理的方法。
在数据获取实验中，我了解到不同遥感平台对应不同的数据类型和空间分辨率，以及如何选择适合的数据源；在遥感影像处理实验中，我学会了如何对影像进行预处理、分类和解译，并使用软件进行操作；在遥感应用实验中，我掌握了如何将遥感数据应用于具体问题分析中。
2. 实践能力的提升通过实验课的实践操作，我逐渐掌握了一些遥感数据处理的技巧和方法，并具备了一定的数据分析和处理能力。
在数据获取实验中，我学会了利用卫星数据下载工具获取遥感数据；在遥感影像处理实验中，我熟悉了遥感图像的处理流程，并能够独立完成影像的预处理和解译工作；在遥感应用实验中，我学会了将遥感数据应用于实际问题的分析与解决。
3. 团队协作意识的培养在实验过程中，我与同学们共同合作，相互交流，共同面对问题，解决问题。
通过与同学们的合作，我体会到了团队协作的重要性，也学会了如何与他人合作，互相支持和帮助，共同完成实验任务。
在这个过程中，我不仅提高了自己的实践能力，还培养了团队合作和沟通的能力。
四、实验反思1. 实验准备不充分在实验中，我发现自己的实验准备工作不够充分，对实验的背景知识了解不够深入，导致在实验中出现了一些困惑和困难，需要花费更多的时间去学习和掌握。
遥感实习报告(报告)
重庆交通大学测绘工程《遥感原理及应用》实验报告班级：学号：姓名：指导老师：实验室：地理信息中心实验室实验一ENVI 视窗的基本操作一、实验的目的初步了解目前主流的遥感图象处理软件 ENVI 的主要功能模块，在此基础上,掌握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、实验软件与数据软件：Envi遥感图像处理软件。
数据：重庆地区UTM第八波段数据。
三、实验方法与步骤Envi软件的主菜单:这个是ENVI软件的主菜单，其中包括了文件的载入，基本工具栏，以及图像处理的一些必要的功能。
四、实验体会与建议本次实验主要是熟悉Envi软件的菜单，以及一些常用的方法。
还有就是将Envi软件菜单的界面转换成中文菜单。
1、在ENVI安装目录..\RSI\IDL60\products\envi40\menu下建立新文件夹，命名为orgmenu2、拷贝。
.\RSI\IDL60\products\envi40\menu下原有的英文菜单文件display.men、display_shortcut.men和envi。
men到新建的orgmenu目录中进行备份3、拷贝下载的display。
men、display_shortcut.men和envi。
men文件到..\RSI\IDL60\products\envi40\menu中，覆盖原文件。
4、启动ENVI4.0。
实验二遥感图像的几何校正一、实验的目的通过实习操作，掌握遥感图像几何校正的基本方法和步骤,深刻理解遥感图像几何校正的意义。
二、实验软件与数据软件:Envi遥感图像处理软件。
数据：重庆地区UTM第八波段数据以及未经校核的重庆地区jpg图片。
三、实验方法与步骤1、打开ENVI软件将UTM图像和jpg格式的图片载入，上述图像中我们可以看出，12840-8图像下面有图像的地理信息，而重庆城区图片是没有信息说明的.2、选择校正与镶嵌菜单下的校正图像选取控制点（图像到图像）,分别选取基础图像和校正图像，分别在图像上面选择控制点,通过Add Point按钮增加选择的控制点，用这个方法选择5个控制点，单击Show List按钮查看所选控制点的信息3、在控制点选择窗口中选择options菜单，再选择warp file，选择输出校正后的图像文件。
遥感实习报告总结
一、实习背景随着我国遥感技术的发展，遥感技术已经广泛应用于土地资源调查、环境监测、城市规划、灾害预警等领域。
为了提高学生的实践能力，我校地理信息科学专业组织了一次为期两周的遥感实习。
本次实习旨在使学生掌握遥感图像处理的基本方法，提高学生的实际操作能力，培养学生的团队协作精神。
二、实习目的1. 使学生掌握遥感图像处理的基本原理和方法；2. 培养学生运用遥感技术解决实际问题的能力；3. 增强学生的团队协作意识和沟通能力；4. 提高学生的实践操作能力和创新意识。
三、实习内容本次实习主要包括以下几个方面：1. 遥感图像预处理：包括辐射校正、几何校正、大气校正等；2. 遥感图像解译：运用目视解译、统计分析等方法对遥感图像进行解译；3. 遥感图像分类：运用监督分类、非监督分类等方法对遥感图像进行分类；4. 遥感图像分析：运用统计、空间分析等方法对遥感图像进行分析；5. 遥感应用：运用遥感技术进行土地资源调查、环境监测、城市规划等。
四、实习过程1. 第一阶段：理论学习在实习初期，我们进行了遥感图像处理的理论学习，了解了遥感图像处理的基本原理和方法。
通过学习，我们对遥感图像处理有了初步的认识，为后续实习奠定了基础。
2. 第二阶段：实践操作在理论学习的基础上，我们进行了实践操作。
首先，我们对遥感图像进行了预处理，包括辐射校正、几何校正、大气校正等。
然后，我们运用目视解译、统计分析等方法对遥感图像进行解译。
接着，我们运用监督分类、非监督分类等方法对遥感图像进行分类。
最后，我们运用统计、空间分析等方法对遥感图像进行分析。
3. 第三阶段：团队协作在实习过程中，我们进行了团队协作。
每个团队成员负责不同的任务，共同完成实习任务。
在团队协作过程中，我们学会了沟通、协调、分工与合作，提高了团队协作能力。
五、实习成果1. 掌握了遥感图像处理的基本原理和方法；2. 提高了遥感图像处理的实际操作能力；3. 培养了团队协作意识和沟通能力；4. 完成了实习任务，取得了良好的实习效果。
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。
大学生遥感实习报告
实习报告一、实习目的与意义作为一名地理信息科学专业的学生，我深知实践对于理论知识的巩固和应用的重要性。
因此，我积极参加了为期两周的遥感实习，旨在加深对遥感原理的理解，提高遥感数据处理和分析能力，将所学知识应用于实际问题中。
这次实习不仅提高了我的专业技能，也使我更加了解遥感技术在资源调查、环境监测和地理信息系统中的应用价值。
二、实习内容与过程实习的第一周，我们主要学习了遥感基本原理和遥感数据类型。
通过老师的讲解和自学，我掌握了遥感的基本概念、遥感数据的获取方式、光谱特性以及遥感图像的分类和处理方法。
同时，我们还学习了ENVI、ArcGIS等遥感图像处理软件的基本操作，为后续的实习任务打下了基础。
实习的第二周，我们开始着手处理实际的遥感数据。
首先，我们使用ENVI软件对遥感图像进行预处理，包括辐射定标、大气校正和地理校正等。
在预处理的基础上，我们学会了使用不同的算法对遥感图像进行分类，如最大似然法、支持向量机和决策树等。
此外，我们还学习了如何利用遥感数据进行土地利用类型划分、植被覆盖度计算和水质监测等应用。
三、实习成果与反思通过两周的实习，我对遥感技术有了更深入的了解，并能够独立完成遥感图像的处理和分析。
在实习过程中，我积极参与讨论，向老师和同学请教问题，不断提高自己的专业素养。
同时，我也认识到遥感技术虽然强大，但在实际应用中仍存在一些限制，如数据质量、处理速度和准确性等。
这次实习让我意识到，遥感技术在地理信息科学领域具有广泛的应用前景。
在未来的学习和工作中，我将继续深入研究遥感技术，并结合地理信息系统，为资源调查、环境监测和可持续发展等领域做出贡献。
同时，我也将不断更新自己的知识体系，紧跟遥感技术的发展趋势，为我国遥感事业的发展贡献自己的力量。
四、实习总结这次遥感实习使我受益匪浅，不仅提高了我的专业技能，也增强了我的实践能力。
通过实习，我更加深入地了解了遥感技术的基本原理和应用领域，为自己未来的发展奠定了基础。
- 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)。
实验六遥感影像的非监督分类
一、实验目的
理解遥感图像非监督分类的原理与过程，学会利用遥感图像处理软ENVI件对遥感图像进行非监督分类的方法。
二、实验内容
1、遥感图像非监督分类。
2、K-mean 与Isodata分类方法
三、实验条件
电脑、ENVI4.8软件。
TM遥感影像。
四、实验步骤
非监督分类实质上是一种聚类方法,它不需要用户定义任何训练样本类别，把遥感图像上的像素按照相似性归成若干类别,即“物以类聚”，它的目的是使得属于同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。
遥感图像非监督分类常用有两种方法。
（一）K-Means 分类
K-Means 非监督分类计算数据空间上均匀分布的初始类别均值，然后用最短距离技术对像元进行叠代，把它们聚集到最近的类中。
每次迭代重新计算了类别均值，且用这一新的均值对像元进行再分类。
除非限定了标准差和距离的阈值（这时，如果一些像元不满足选择的标准，他们就不参与分类），所有像元都被归并到与其最临近的类别中。
这一过程持续到每一类的变化像元数少于所选的像元变化阈值或已经到了迭代的最多次数。
1、打开遥感影像，进行标准文件选择，根据需要，选取输入文件的任意子集和掩模。
2、选择Classification --> Unsupervised --> K-Means。
3、在出现的K-Means Parameters 对话框中设置参数。
该对话框中的可选项包括：设定所分类别数（Number Class）；像元变化阈值( Change Threshold )（0~100%）；用于分类的最多迭代次数( Maximum Iteretion )。
设置距离类别均值的标准差(Maximum Stdev From Mean)或所允许的最大距离误差(Maximum Distance Error)。
如果这两个参数的数值都已经输入，分类就用两者中较小的一个，来判定将参与分类的像元。
如果两个参数都没有输入，则所有像元都将被分类。
当每一类变化的像元数小于阈值时结束迭代过程。
达到阈值或迭代达到最多次数时分类也将结束。
4、要选择输出到磁盘文件或内存，选择“File”或“Memory”，点击“OK”，开始进行K-Means 分类。
（二）Isodata 分类
Isodata 非监督分类计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元迭代聚集。
每次迭代都将重新计算均值和聚类中心，并用这一新的均值对像元进行再分类，反复迭代分类，根据限定的标准差和距离的阈值，像元都被归并到与其最临近的一类里。
这一过程持续到每一类的像元数变化少于选择的像元变化阈值或已经到了迭代的最多次数。
1、打开一幅遥感影像。
2、选择Classification --> Unsupervised-- > Isodata。
3、在显示的ISODATA Parameters 对话框中设置参数。
可用选项包括：类别数量的范围限定（最小值和最大值）（Number Class：Max,Min）；像元变化阈值(Change Threshold)（0~100%），当每一类的变化像元数小于阈值时，用变化阈值来结束迭代过程。
被用来对数据进行分类的最多迭代次数( Maximum Iteretion )，当达到阈值或迭代达到了最大次数时，分类也将结束。
形成一类所需的最少像元数（Minmun #Pixel in Class），如果某一类中的像元数小于构成一类所需的最少像元数，该类将被删除，其中的像元被归并到距离最近的类中。
最大分类标准差（Maximum Class Stdv），如果某一类的标准差比该阈值大，该类将被拆分成两类。
类均值之间的最小距离(Minimum Class Distance)，如果类均值之间的距离小于输入的最小值，则类别将被合并。
合并成对的最大值(Maximum # Merge Pairs)。
距离类别均值的标准差(Maximum Stdev From Mean)或所允许的最大距离误差(Maximum Distance Error),如果这些参数的数值都已经输入，分类就用两者中较小的一个，来判定将参与分类的像元。
如果两个参数都没有输入，则所有像元都将被分类。
4、选择输出“File”或“Memory”。
点击“OK”，开始进行Isodata。