遥感地学分析实验报
2022年遥感原理实验报告遥感图像处理
《遥感原理》实验报告实验名称：遥感图像解决专业：地理信息科学学号：姓名：指引教师：1、实验目旳（1）理解彩色旳基本特性和互相关系；掌握三原色及其互补色，掌握加色法；（2）学习掌握图像直方图变化与图像亮度变化旳关系；掌握图像线性拉伸旳措施和过程；（3）理解遥感图像彩色合成旳基本原理；掌握选用不同旳合成方案产生不同旳合成效果旳措施，从而达到突出不同目旳地物旳目旳；（4）理解空间滤波旳操作过程和空间滤波对图像产生旳效果；（5）理解并掌握K-L变换旳过程和措施；进一步理解K-L变换产生旳解决效果和解决意义；（6）理解和掌握缨帽变换旳过程和解决效果；（7）理解和掌握彩色空间变换旳过程和措施。
2、实验材料Photoshop CS6、ENVI5.1、CAI软件和光盘文献3、实验内容与过程3.1 遥感图像旳光学合成原理彩色旳基本特性：明度、色调和饱和度为彩色旳基本特性。
明度是指色彩旳明亮限度，是人眼对光源或物体明亮限度地感觉，彩色光亮度越高，人眼感觉就越明亮，即有较高旳明度。
明度旳高下取决于光源光强及物体表面对光旳反射率。
色调是色彩彼此互相辨别旳特性，色调取决于光源旳光谱构成和物体表面旳光谱反射特性。
饱和度是色彩纯洁性，取决于物体表面反射光谱旳选择性限度，反射性光谱越窄，即光谱旳选择性越强，彩色旳饱和度就越高。
明度、色调和饱和度三者旳关系可以用颜色立体来表述。
非彩色，即黑白色只用明度描述，不使用色调、饱和度。
红橙黄绿青蓝紫多种颜色构成彩图。
在遥感上，彩色图比非彩色图较易辨认地物。
白色、黑色和多种灰色构成黑白图象，当物体对可见光旳各个波长旳反射无选择性时，体现为黑色或灰色。
3.2 遥感图像旳线性拉伸打开ENVI>点击菜单栏旳“Custom Stretch”按钮>选择”Linear”等进行线性拉伸；或者直接在菜单栏上选择“Linear”“Linear2%”“Linear5%”原图：线性拉伸后：Linear:Linear 1%:当拉伸效果为1%时，显示效果得到了很大改善。
遥感地学分析实验——实验五：植被波谱特征与叶面积指数、生物量分析
实验五：植被波谱特征与叶面积指数、生物量分析（3学时）
原理与方法
遥感图像上面的植被信息主要是通过绿色植物叶子和植被灌层的光谱特性以及差异变化变现出来的，选择多光谱遥感数据进行分析运算，产生某些对植被长势、生物量等有一定指示意义的数值，即是所谓的“植被指数”。
用一种简单有效的形式来实现对植被状态信息的表达，以定性和定量地评价植被覆盖、生长活力与生物量。
在植被光谱中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光波段和对绿色植物（叶内组织引起的）高反射的近红外波段，通过两个不同波段数据的分析运算得到不同的植被指数，如归一化植被指数（NDVI）等。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
叶面积指数仪（WINSCANNY）
实验目的
1、掌握应用遥感图像处理软件进行植被波谱与叶面积指数、生物量测量方法。
2、掌握运用植被指数分析叶面积指数和生物量。
实验报告
内容包括：实验目的、分析叶面积指数和生物量的区域分异。
遥感地学分析实习报告
基于决策树的地面覆盖类型变化信息提取与分析一.实验目的:通过决策树分类法（Decision Tree Classification）提取大连市西山水库附近植被的覆盖情况。
利用得出的影像以及相关方法进行植被变化分析，为生态恢复，保护区的管理和措施的制定及当地政府的宏观决策提供依据。
二.预期结果:，山区的植被较增加，其他地区的植被覆盖范围较以前减少三.实验过程我们使用ENVI软件先加载大连市西山水库附近两个不同时期LANDSAT/TM的遥感数据（1989年1月、1995年9月，文件名分别为dl01、dl09）。
它们的4、3、2假彩色合成影像分别如图1-1、1-2所示：图1-1 1989年1月大连市西山水库附近4、3、2假彩图1-2 1995年9月大连市西山水库附近4、3、2假彩色合成影像色合成影像对上述两个图像进行归一化植被指数（NDVI）提取，结果如图1-3、1-4指示：图1-3 1989年1月大连市西山水库附近的NDVI指数影像图1-4 1995年9月大连市西山水库附近的NDVI指数影像（经图1-3图像处理）对1995年9月大连市西山水库的地物进行决策树分类，决策树分类的分类模型如图1-5所示：图1-5 1995年9月大连市西山水库的决策树分类模型对1989年1月的大连市西山水库进行ROI感兴区分类，对其他地物进行决策树分类，决策树分类的分类模型如图1-6所示：图1-6 1989年1月大连市西山水库的决策树分类模型（其中b1表示利用ROI提取的水体，0表示其他地物，255表示水体）由上述两个决策树模型，可以得出如下两个地物分类图，分别如图1-7、1-8所示。
其中，绿色（R0 G255 B0）代表植物，蓝色（R0 G0 B255）代表水体，黄色（R255 G255 B0）代表建筑物、红色（R255 G0 B0）代表裸地。
图1-7 1995年9月大连市西山水库附近的地物分类图植被：66.2745%；水系：1.9452%建筑物：6.7153% 裸地：25.0650% 图1-8 1989年1月大连市西山水库附近的地物分类图植被：55.4003% 水系：0.4352%建筑物：1.2773% 裸地：42.8871%一、变化信息提取我们依然用决策树分类法①来提供变化信息。
遥感实验报告
丁京京
实验目的和要求： 1.学会使用反光立体镜 2.按照操作过程，观察出航空像对的立体效果 3.对地貌内容进行判读分析
一、实验步骤： 1.将遥感影像像对放于反光立体镜下， 2.两手食指尖压盖像对上的同一地貌形体， 3.将像对平行缓慢向两侧移动，同时通过立体镜观察， 4.当观察到指尖重合时移去食指，直接观察像片就会产生立体效果， 5.判读观察到的地貌形态。 二、 实习仪器 HCF-3 型反光立体镜
貌、黄土地貌、火山地貌等。
成绩： 备注：根据实际要求可加附页。电子文本与此等效。
教师签字：
山东师大地理实验教学示范中心
实
班级： 13 级地理科学 1 班 课程名称 实验名称 实验地点 姓名： 遥感导论 遥感图像处理及遥感综合解译实习 地理实验教学中心微机室
验 报 告
丁京京 学号：201314010137 任课教师 指导教师 王召海 王召海
三、实验体会 观察立体的原理： 眼睛的结构相当于一架能自动调节焦距和光圈的摄像机， 立体的形成取决 于双眼观察。两个像机从相距一定距离的两点对同一目标进行摄影，产生的重叠图像，称立体像 对，成为立体像对的必要条件是航向 60%的重叠。将成为像对的两张遥感影像并排排列，如果 左眼看左边的图像，右眼看右边的图像，就可以产生目标物的立体视觉效果，如果左眼看右边的 图像则不能形成应有的效果。必须是航摄立体像对 ( 即不同摄影站对同一地区所摄的两张像 片)， 像对的比例尺差不得超过 15%，同名地物点的连线与眼基线平行，且两像片的距离需要调 整，应与双眼的交会角相适应。 地貌判读的标志有形状、大小、色调或颜色、影阴、组合图案或纹理结构。 ① 居民地和道路的判读—城市居民地的判读特点：房屋稠密，面积较大，建筑物排列 整齐， 能判读建筑物的形状、 高度和周边环境。 农村居民地的判读特点： 小而分散， 有农田包围，能判读居民地的外形和面积及通向居民地的道路。道路的判读特点： 线状分布，色调较亮。 ② 水体的判读— 河流判读：界线明显、弯曲自然、宽窄不一的条带状。能判读流向、 河宽、流速、桥梁、码头等附属物。 湖泊的判读：轮廓明显的形状、色调较暗。 能判读其形状、面积。海域的判读：能清晰地判读出海岸线、潮侵地带、高潮、低 潮位置。 ③ 地貌的判读：利用航片能判读地貌的类型、形态。如流水地貌、冰川地貌、风沙地
遥感地学分析总结
第一章遥感:指空对地的遥感,即从远离地面的不同工作平台上（如高塔、气球、飞机、火箭、人造地球卫星、宇宙飞船、航天飞机等）通过传感器，对地球表面的电磁波(辐射)信息进行探测,并经信息的传输、处理和判读分析,对地球的资源与环境进行探测和监测的综合性技术。
地学分析是以地学规律为基础对信息进行的分析处理过程。
地学分析方法主要有地理相关分析法、主导因素法、环境本底法、交叉分析法、信息复合等. 遥感的目的:建立模型，从简单到复杂地分析图像,从少到多地利用图像，从遥感数据中获取需要的遥感信息。
人们通过对遥感信息的处理、分析、复原和反演来揭示地表各种现象和过程的规律。
遥感地学分析是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.遥感信息源的综合特征（１）多源性多平台多波段多视场ﻭ(2)空间宏观性遥感影像覆盖范围大、视野广，具有概括性ﻭ（3)遥感信息的时间性瞬时特征时效性重返周期与多时相(4)综合性、复合性多种地理要素的综合反映多分辨率遥感信息的综合（５)波谱、辐射量化性地物波谱反射、辐射的定量化记录(6)遥感信息在地学分析中的模糊性和多解性地面信息是多维的、无限的（时间和空间的),而遥感信息是简化的二维信息ﻭ遥感信息的复杂性和不确定性主要表现在：同物异谱、异物同谱；混合象元；时相变化；信息传输中的衰减和增益(辐射失真和几何畸变)遥感数据介绍1ﻭ)高分辨率遥感数据2)中分辨率遥感数据3）低分辨率遥感数据高分辨率（高清晰度）遥感卫星像片空间分辨率一般为5m—１0m 左右,卫星一般在距地600kｍ（千米）左右的太阳同步轨道上运行。
ﻭ应用范围:ﻭ精度相对较高的城市内部的绿化、交通、污染、建筑密度、土地、地籍等的现状调查、规划、测绘地图;大型工程选址、勘察、测图和已有工程受损监测等；还可应用于农业、林业、灾害等领域内的详细调查和监测。
遥感地学分析-实验报告
一 基于灰度共生矩阵的纹理特征提取1概念与原理基于统计的纹理分析方法是纹理分析最基本的一类方法，该方法考虑纹理中灰度级的空间分布，计算影像中每点的局部特征，从特征的分布中推导出一些统计量来刻画纹理，典型的基于统计的纹理分析方法有灰度共生矩阵法(Gray Level Co-occurrence Matrices ，GLCM)，灰度-梯度共生矩阵，长游程法等。
灰度共生矩阵法，又称灰度联合概率矩阵法，它建立在估计影像的二阶组合条件概率函数的基础上，通过计算影像中有一定距离和一定方向的两像素点之间的灰度相关性，反映影像在方向、相邻间隔、变化幅度及快慢上的综合信息。
统计图像中相距位置为(Δx,Δy)的两个灰度像元同时出现的联合频数概率的分布称为共生矩阵。
设图像灰度为2m 级，则灰度共生矩阵由2m ×2m 矩阵M 表示。
矩阵中第(i ,j)个元素记为p (i ,j)，表示全图中这一对像元，它们相距(Δx,Δy)，其中一个像元为i 灰度，另一个像元为j 灰度的情况出现的频数。
这样，两个象素灰度级同时发生的概率，就将（x ，y ）的空间坐标转换为对“灰度对”（i ，j ）的描述，它们形成了灰度共生矩阵。
通常，灰度共生矩阵需要做如下的归一化：()()()()⎪⎩⎪⎨⎧=θ=θ=θ=θ==135451-N 9001-N N R R j i Pd j i Pd 2或，或，，，， R 为归一化常数。
由于灰度共生矩阵易于理解和计算，因此，由共生矩阵获取特征已经被用在许多的纹理分析方法中。
但是，灰度共生矩阵也有它的缺点。
由定义可以看出，灰度共生矩阵的大小只与最大灰度级有关系，而与图像大小无关，即灰度共生矩阵的大小为G ×G 。
对于灰度级G ＝256的图像而言，它的灰度共生矩阵为256×256，如果图像比较小，则它可能比较稀疏，而所占的空间还是256×256。
因此，通常情况下，需要对原图像的灰度级进行缩减，以减少计算的时间复杂度。
遥感地学分析实验——实验四：水体波谱特征与水环境质量分析
实验四：水体波谱特征与水环境质量分析（3学时）
原理与方法
水既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。
遥感探测的波谱信息就是这种吸收和散射过程综合作用的结果。
水环境质量分析水质监测:对所测水体的地面光谱反射率数据通过系列波谱分析处理方法，提取不同污染类型水体的特征光谱曲线，与同步测量的悬浮物浓度、高锰酸盐指数等进行相关分析，建立光谱反射率与水质指标参数之间的定量模型。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
ASD野外光谱仪
水下光谱仪
实验目的
1、掌握应用遥感图像处理软件进行水体波谱的差异性分析
2、水体环境质量的分析方法。
实验报告
内容包括：实验目的、水体悬浮质浓度和水环境质量遥感分析。
遥感实验报告
遥感实习报告班级：资环1102班姓名：王文凯学号： 110400227 组号: 04组指导教师：刘海新卫片立体观测一、实验目的1.掌握使用立体镜进行卫片立体观察的方法；2.亲深体验立体观察卫片；3.了解立体观察的原理；4.掌握立体镜的使用方法。
二、实验准备1、立体镜；2、立体镜使用说明书；3、遥感卫星相片。
三、实验理论依据或知识背景当双眼分别同时观察一对相片时，当双眼分别同时观察一对相片时，存在左右视察的相片会放映到眼睛的视网膜上，睛的视网膜上，构成生理视差，由此便产生了与观察实物时一样的立体视构成生理视差，觉效果。
通常这种认为条件下，对立体像对进行观察，觉效果。
通常这种认为条件下，对立体像对进行观察，而获取立体感觉为人造立体感觉。
四、实验内容1、准备立体镜，取出立体镜并正确安装。
2、取一对卫片像对，找出一对相似性比较高的卫片。
3、分别找出两个卫片的像主点。
4、将像片按左右放置，使影像的重叠部分向内，于眼基线的直线上。
移动立体镜，使立体镜的基线平行于像主点连线：眼基线的直线上，移动立体镜，使立体镜的基线平行于像主点连线。
5、立体镜下移动像片见的距离，在直到观察到相应的像点融合为一体而获得立体感觉，而且观察时没有不适的感觉：立体感觉，而且观察时没有不适的感觉：当立体像对范围内高差太大时。
6、当立体像对范围内高差太大时，在某一部分不易同时看出山顶及山谷的立体感模型，需要调整基线长度，才能实现立体感观察：体感模型，需要调整基线长度，才能实现立体感观察。
7、整理好卫片，放好立体镜，清理试验台。
五、实验结果经过老师的指导，多次调整航片终于观察到了卫片的立体效果。
六、实验总结本次试验虽然观察到了卫片的立体效果，但实验全过程不熟练整个试验中没有出现错误，但试验速度有点慢，原因是对实验全过程不熟练，保证实验成功的关键问题有一定的掌握程度；在找卫片时尽量找相似性比较高的以便立体观察；认真阅读实验教程，对实验原理及方法有一定的掌握程度；选用的卫片必须是两张相邻且有部分重叠的相对；两眼必须分别各看一张像片，通常称之为“分像”，像片安放时，对应点的连线必须与双眼基线平行，且两像片的距离需要调整，两张像片的比例要尽可能的一致。
- 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NDVIVFC = (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2、数据预处理本文使用的Landsat8 OLI为L1T级别数据，不需做几何校正处理。
而北京市需要两景Landsat OLI数据覆盖，因此首先要进行图像镶嵌和裁剪，然后进行大气校正等预处理过程。
（1）辐射定标辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程。
实验报告中写出辐射定标的作用。
该处理过程在Envi5.1中实现，具体操作：在ENVIToolbox中，选择Toolbox/Radiometric Correction/ Radiometric Calibration，选择*_MultiSpectral多光谱组（7个波段），打开辐射定标工具，对两景影像分别做辐射定标。
（2）影像镶嵌因本文所使用的影像数据源是两景Landsat OLI影像，因此需进行影像镶嵌，镶嵌的目的是将不同的影像文件无缝地拼接成一幅完整的包含研究区域的影像。
该处理过程在Envi5.1中实现，具体操作：在Toolbox中，选择/Mosaicking/Seamless Mosaic，打开无缝镶嵌工具，然后进行相关参数设置。
（3）影像裁剪因本文所使用的影像数据包含了北京市行政区划以外的部分地区，因此需进行影像裁剪，以将研究区裁剪出来，并且减小了数据量，加快了数据处理速度，本文使用北京行政边界矢量裁剪图像。
过程在Envi5.1中的具体操作如下：在Toolbox中，选择/Regions of Interest/Subset Data from ROIs，打开裁剪工具：（4）Flaash大气校正ENVI中的FLAASH模型是基于MODTRAN4+辐射传输模型，通过参数查找表来进行大气校正的商业化软件。
实验报告中需写出为什么用进行大气校正。
在Toolbox 中打开FLAASH 工具/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction报告中需要对大气校正前后同一地物的光谱曲线进行对比。
3、植被覆盖度估算（1）计算NDVI本文选取NDVI值为参数，采用像元二分模型对植被覆盖度进行反演，根据植被覆盖度的计算公式可知，要求取植被覆盖度，首先需要计算NDVI。
在Envi5.1中的具体操作如下：在Toolbox中，选择Spectral/Vegetation/NDVI，NDVI Calculation Input File面板中，选择大气校正后的图像，求算NDVI，如下：由于大气校正后的结果有部分像元为负值，主要集中在阴影地区，这部分区域计算得到的NDVI在[-1,1]之外，为了便于后面的分析，这里统一将这部分像元进行处理，即NDVI值大于1的变为1，小于-1的变成-1。
使用Bandmath工具，（写出运算公式），得到去除异常值文件。
(b1 lt (-1))*(-1) + (b1 gt (1))*1 + (b1 le(1) and b1 ge(-1))*b1（2）生成掩膜文件该过程主要是为了计算NDVI的最大值、最小值，根据土地利用分类图（共5类，林地、农业用地、城市用地、水体与其他）制作各种土地利用类型的掩膜文件，在Envi5.1中的具体操作如下：在Toolbox 中选择/Raster Management/Masking/Apply Mask，打开制作掩膜工具：得到林地、农业用地、城市用地、水体与其他的掩膜文件。
应用掩膜文件（3）获取阈值计算NDVImax和NDVImin值，使用获取的掩膜文件分别对NDVI图像文件进行统计，在一定置信度范围内获取每个掩膜文件（也就是土地覆盖类型）对应的最大和最小NDVI值。
在Toolbox中，选择/Statistics/Compute Statistics，进行统计，然后在统计结果中，取一定的置信度获取最大和最小的NDVI值。
林地覆盖区域的统计结果（如下图），选择NDVImin=0.3804，NDVImax=0.8667。
同样的方法得到其他地物覆盖类型的NDVI阈值，其中，水体没有植被（水藻不属于植被），认为这部分区域的植被覆盖度为0，如下表：土地覆盖类型NDVImin（NDVIsoil）NDVImax（NDVIveg）林地-0.003922 0.937255农业用地-0.003922 0.701961城市用地-0.003922 0.301961水体0 0其他-0.003922 0.3490204）生成参数文件植被覆盖度的计算公式：VFC =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil)，该过程是根据上面得到的NDVI阈值分别生成NDVIsoil和NDVIveg参数文件，也即NDVImin与NDVImax。
该过程主要使用Envi5.1的bandmath工具，并且：NDVIsoil：b1*0.128627+b2*0.090196+b3*0.011765+b4*0+b5*0.003922其中，b1：林地掩膜文件，b2：农业用地掩膜文件，b3：城市用地掩膜文件，b4：水体掩膜文件，b5：其他用地掩膜文件NDVIveg：b1*0.992157+b2*0.992157+b3*0.568627+b4*0+b5*0.639216其中，b1:林地掩膜文件，b2：农业用地掩膜文件，b3：城市用地掩膜文件，b4：水体掩膜文件，b5：其他用地掩膜文件最终，生成的参数文件。
（4）植被覆盖度估算利用上一步得到的NDVIsoil和NDVIveg参数文件带入公式：VFC =(NDVI - NDVIsoil ) (NDVIveg-NDVIsoil)，该过程也是利用Envi5.1中的Bandmath工具来实现（写出运算公式）。
分析下结果，会发现有一些异常值，即值在[0,1]之外，这些异常值是在NDVI置信度之外的那部分像元产生的（也包括NDVI异常像元）。
这些像元数量不多，大约占3.7%左右。
还有背景和水体区域的植被覆盖度的值为-NaN，即无效值，因为分母为0造成的。
第一种异常值可以将小于 0的值变成0，大于1的值变成1，用 bandmath工具即可， Bandmath 表达式为： 0.0>b1<1.0，其中b1为植被覆盖度；-NaN 可以用掩膜进行处理，即在Build Mask中用 -NaN生成掩膜。
去掉异常值之后，并对其进行分类显示，最终得到的植被覆盖度图。
五、实验结论本文通过归一化植被指数（NDVI）像元二分模型来估算北京市的植被覆盖度，从估算结果来看，该指数空间呈现不均匀分布，人类活动区域植被较少，非人类活动区域植被较多，符合实际情况，故说明该模型是有效进行植被分析。
六、实验存在问题使用ENVI软件对影像NDVI处理以后，使用像元二分模型对图像进行植被覆盖分析，最后比较得出植被覆盖状况实验二土地利用分类与变化检测一、实验目的实验以某地区的两期的Landsat TM数据为数据源，采用监督分类完成两个时期土地利用分类，及其土地利用变化分析，综合验证土地利用分类流程与土地利用变化监测方法。
二、实验内容实验内容包括两期Landsat TM土地利用监督分类，及其分类结果分析与评价和土地利用信息变化提取分析等内容，其中变化检测采用分类后比较方法。
要求掌握监督分类方法和变化检测流程。
实验数据ag_08_quac和ag_09_quac分别是08和09年的TM数据，掩膜数据在“掩膜文件”中。
三、实验步骤1、分类体系的选择——监督分类（1）类别定义/特征判别参考分类标准如下表所示居民用地居民用地留茬耕地水体绿植耕地裸地（2）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，在ENVI中是通过感兴趣区（ROIs）来确定，也可以将矢量文件转化为ROIs文件来获得。