遥感应用模型遥感反演土地变化检测
基于遥感技术的土地利用变化监测
基于遥感技术的土地利用变化监测土地利用变化监测是遥感技术在环境保护和土地资源管理中的重要应用之一。
通过遥感技术，可以获取大范围的、高分辨率的土地利用数据，并借助地理信息系统（GIS）进行分析和处理，以监测土地利用的变化情况，为土地资源的合理利用和保护提供科学依据。
本文将从遥感技术的原理、应用案例和未来发展等方面来详细介绍基于遥感技术的土地利用变化监测。
首先，遥感技术的原理是基于主动或被动的感知原理，通过接收、记录和解译地球表面的电磁辐射信息，获取地表物体的特征和信息。
在土地利用变化监测中，常用的遥感技术包括航空遥感和卫星遥感。
航空遥感是通过载人或无人驾驶的航空器携带传感器进行数据采集，具有高分辨率、高精度的优势；卫星遥感则是利用人造卫星携带的遥感传感器对地球表面进行观测，具有广域覆盖和周期性观测的特点。
通过遥感数据的获取和解译，可以得到土地利用类型、空间分布等信息。
基于遥感技术的土地利用变化监测的应用案例非常丰富。
例如，在城市化进程中，通过遥感技术可以实时监测城市扩张对周边农田、生态环境的影响，为城市规划和土地资源管理提供科学依据。
另外，遥感技术还可以用于森林资源的保护和管理，在林业、环境保护等领域具有广泛的应用。
此外，农业生产也是基于遥感技术的土地利用变化监测的重要应用领域之一。
通过监测农田的变化情况，可以及时调整农业生产布局和农业政策，提高农田的利用效率和农业生产的可持续性。
除此之外，在自然灾害的监测和评估、植被变化的监测等领域，遥感技术也发挥着重要的作用。
基于遥感技术的土地利用变化监测在未来的发展中也具有巨大的潜力。
随着科学技术的不断进步和遥感数据的不断更新，遥感技术的空间分辨率和时间分辨率将进一步提高，数据获取的成本也将进一步降低。
这将为土地利用变化的监测和分析提供更为准确和全面的数据基础。
同时，结合人工智能、大数据等技术，可以开展更加精细化的土地利用变化监测工作，为土地利用决策和资源管理提供更加科学的支持。
遥感技术在城市用地变化检测中的应用
遥感技术在城市用地变化检测中的应用遥感技术在城市用地变化检测中起着重要的作用。
城市用地的变化是指城市内部土地利用的变动、土地利用种类的变动以及用地功能的改变。
随着城市化进程的加快，城市用地变化对城市的可持续发展和规划管理提出了挑战，如何精确地检测城市用地变化成为了城市规划和土地管理的重要任务之一。
遥感技术的应用可以提供高分辨率的空间信息，并能够定量分析城市用地的变化过程。
遥感技术可以提供高分辨率的影像数据，通过对城市区域的多时相遥感影像进行比对，可以准确地检测出城市用地的变化情况。
利用遥感影像可以获取到城市区域的详细信息，包括建筑物、道路、绿地等要素的分布情况，因此可以清楚地看到城市用地的变动情况。
通过对多时相影像的比对和分析，可以得出城市用地的变化率、变化区域和变化形式等信息。
遥感技术可以获取城市用地变化的时间序列数据，有助于掌握城市发展的动态变化。
城市用地的变化通常是一个长期的过程，通过遥感技术可以获取到不同时间点的影像数据，然后分析不同时间点之间的差异，可以得出城市用地的演变规律和发展趋势。
有了这些信息，城市规划部门可以更好地制定发展策略，合理规划城市用地，实现可持续发展。
遥感技术可以帮助识别城市用地变化的原因和驱动力。
利用遥感技术可以分析影响城市用地变化的因素，包括自然因素和人为因素。
通过遥感数据的分析，可以确定城市用地变化的主要驱动力，例如经济发展、人口增长、土地政策等。
这些信息对于城市规划和土地管理部门来说非常重要，可以帮助他们制定政策和措施，促进城市可持续发展。
遥感技术在城市用地变化检测中发挥着至关重要的作用。
通过遥感影像的获取和分析，可以准确地监测和掌握城市用地的变化情况，为城市规划和土地管理提供科学依据。
随着遥感技术的不断发展和提高，相信其在城市用地变化检测中的应用将会越来越广泛，为城市的可持续发展做出更大的贡献。
遥感技术在城市用地变化检测中的应用
遥感技术在城市用地变化检测中的应用1. 引言1.1 背景介绍遥感技术在城市用地变化检测中的应用背景介绍：随着城市化进程的不断加快，城市用地变化日益频繁和复杂，城市规划和土地利用管理面临着巨大挑战。
传统的调查手段往往耗时耗力，而且不能及时准确地获取大范围的城市用地信息。
借助遥感技术在城市用地变化检测中的应用成为了一种重要的解决方案。
遥感技术通过卫星、航空和地面传感器获取的高分辨率影像数据，能够全面、快速地获取城市用地的信息，包括土地覆盖类型、建筑物分布、绿化率等多种参数。
利用遥感技术，可以实现对城市用地的时空变化进行监测和分析，为城市规划和土地管理提供科学依据。
遥感技术在城市用地变化检测中的应用具有重要意义。
它不仅可以帮助决策者更好地了解城市用地的变化趋势和特征，还可以提高城市规划的科学性和精准性。
通过遥感技术在城市用地变化检测中的应用，可以更好地实现城市可持续发展，提升城市的生态环境和人居品质。
1.2 研究意义研究城市用地变化对于提高城市规划和管理的科学性和精准性具有重要意义。
通过分析城市用地的变化情况，可以识别出城市用地利用效率较低的区域，进而优化城市布局，提高城市用地利用效率；可以监测城市用地的扩张速度和方向，引导城市发展朝着可持续的方向发展。
研究遥感技术在城市用地变化检测中的应用具有重要的现实意义和发展价值。
只有不断探索遥感技术在城市用地变化监测中的新方法和新技术，才能更好地服务城市规划和管理工作，推动城市可持续发展。
2. 正文2.1 遥感技术在城市用地变化检测中的原理遥感技术在城市用地变化检测中的原理是基于遥感传感器对地球表面的观测和数据获取。
通过遥感技术，可以获取城市用地的多波段、多时相、高分辨率的影像数据，包括光学遥感影像、雷达遥感影像等。
这些数据反映了城市用地的地物特征和变化情况。
遥感技术通过影像解译、特征提取和空间分析等方法，可以实现对城市用地进行精准的分类、识别和监测，进而实现城市用地变化检测。
遥感技术在城市用地变化检测中的应用
遥感技术在城市用地变化检测中的应用近年来，城市化进程加速，城市用地的变化成为人们关注的焦点之一。
借助遥感技术，可以获取大面积、高分辨率的遥感影像数据，对城市用地的变化进行检测和分析。
本文将从遥感技术的原理和应用角度出发，探讨遥感技术在城市用地变化检测中的应用。
遥感技术是利用航空航天资源获取地球物体信息的一种方法。
遥感影像数据可以提供城市用地的时空信息，从而实现对城市用地变化的监测和分析。
常用的遥感技术包括空间分辨率高的光学遥感技术和时间分辨率高的雷达遥感技术。
通过对这些技术的应用，可以获取城市用地的高分辨率、多光谱、多角度的遥感影像数据，从而准确地判断城市用地的变化。
1. 建筑物提取和变化检测：利用遥感影像数据，可以快速高效地提取城市区域中的建筑物信息，包括建筑的轮廓、高度、体积等。
通过对多时相的遥感影像数据进行比较分析，可以检测出城市建筑物的变化情况，包括新增、拆除、改建等。
2. 土地利用和覆盖变化分析：利用遥感影像数据，可以对城市区域的土地利用和覆盖情况进行准确的分析和判断。
通过对多时相的遥感影像数据进行比较和分类，可以得到土地利用和覆盖的变化情况，包括农田转为城市用地、林地转为建筑用地等。
3. 城市绿化变化监测：城市绿化是城市用地变化中的重要一环。
利用遥感影像数据，可以获取城市绿化的空间分布、植被类型、植被密度等信息。
通过对多时相的遥感影像数据进行比较和分析，可以监测和评估城市绿化的变化情况，为城市规划和绿化管理提供科学依据。
4. 城市扩张和用地变化的模拟预测：利用遥感影像数据，可以获取城市用地的历史变化信息。
通过对历史数据的分析，可以模拟预测城市未来的扩张和用地变化趋势。
这对城市规划和土地资源管理具有重要意义，可以帮助决策者制定科学合理的城市发展策略。
如何使用遥感图像进行土地分类与变化监测
如何使用遥感图像进行土地分类与变化监测遥感技术是一种通过使用航空器或卫星获取地球表面信息的方法。
借助遥感图像，人们能够更深入地了解土地利用和土地覆盖的变化情况。
本文将讨论如何使用遥感图像进行土地分类与变化监测。
一、遥感图像的类型遥感图像可以分为光学图像和雷达图像两大类。
光学图像是使用电磁波中的可见光、红外线等可见光谱范围内的光进行拍摄。
它们可以提供地表物体的形态和空间分布信息。
而雷达图像利用微波信号，可以在云层和天气条件下获取地表物体的信息。
二、土地分类土地分类是将土地按照特定的属性或特征划分为不同类别的过程。
遥感图像可以帮助进行土地分类，辅助研究者对土地利用进行判定。
利用遥感技术，人们可以进行监测和分析不同类型土地的面积、分布等信息。
土地分类的准确性对于其他领域的研究和规划十分重要，如环境保护、农业发展等。
三、土地变化监测土地变化监测是指通过对遥感图像进行时间序列分析，观察和分析土地利用和土地覆盖的变化过程。
遥感图像可以提供以往的历史数据，帮助掌握和分析土地利用的演变。
通过比较不同时间点的遥感图像，人们可以发现土地利用类型的变化以及可能的原因。
这有助于制定相关政策，优化土地利用结构。
四、土地分类与变化监测的方法1. 监督分类法：监督分类法是一种常用的土地分类方法。
它需要研究者提前准备一些样本数据，并对样本进行标记。
然后利用这些样本来训练分类器，使其能够自动识别遥感图像中的不同土地类别。
监督分类法具有较高的准确性和可重复性，但需要较大的人力和时间投入。
2. 非监督分类法：非监督分类法是另一种常用的土地分类方法。
它不需要事先准备样本数据，而是通过对遥感图像进行统计学分析，将相似的像素点划分到同一类别中。
这种方法可以自动发现潜在的土地类别，但分类结果可能存在一定的不确定性。
3. 变化检测方法：变化检测是通过比较不同时间点的遥感图像，观察土地利用和土地覆盖的变化情况。
一种常用的变化检测方法是基于像元的差异分析。
使用遥感技术进行土地覆盖变化检测的步骤
使用遥感技术进行土地覆盖变化检测的步骤遥感技术是一种通过卫星、飞机等远距离手段获取地球表面物体信息的技术。
在土地资源管理和环境保护领域，遥感技术被广泛应用于土地覆盖变化的检测和分析。
本文将介绍使用遥感技术进行土地覆盖变化检测的基本步骤。
首先，进行数据收集。
在进行土地覆盖变化检测时，需要获取多个时间点的遥感影像数据。
这些数据可以通过卫星遥感系统或飞机航拍获得。
一般来说，数据的时间跨度越大，可以观测到的土地覆盖变化越多。
然而，较短时间跨度的数据往往分辨率更高，对于细小的土地变化有更好的观测效果。
接下来，进行数据预处理。
遥感影像数据需要进行一系列的预处理步骤，以提高后续分析的准确性。
首先是辐射校正，即将原始数据转化为反射率或辐射亮度，以消除不同时间点影像之间的亮度差异。
其次是大气校正，通过建立大气传输模型来减少大气对遥感影像的影响。
此外，还可以进行影像配准，将不同时间点的影像进行几何校正，使其重叠区域一致。
然后，进行土地覆盖分类。
土地覆盖分类是指将遥感影像中的像素分配到不同的土地覆盖类别中。
常见的分类方法包括监督分类和非监督分类。
监督分类是基于训练样本进行分类，需要用户提供一定数量的代表性样本。
非监督分类是基于图像内部的统计规律进行分类，不需要用户先验知识。
根据研究需求，可以选择适合的分类方法。
接着，进行土地覆盖变化检测。
土地覆盖变化检测是将多个时间点的土地覆盖分类结果进行对比，找出变化的区域和类型。
常见的变化检测方法包括像元级变化检测和物体级变化检测。
像元级变化检测是比较相邻时期的像素分类结果，识别出由一个类别变为另一个类别的像素。
物体级变化检测则是将相邻时期的土地覆盖分类结果进行物体级别的对比，精细识别出不同土地物体的变化。
最后，进行精度评定和结果分析。
精度评定是对土地覆盖变化检测结果的准确性进行评估。
可以在一些已知变化的地区进行实地调查，与遥感检测结果进行对比，计算出准确性指标，如准确率和召回率。
遥感技术在城市用地变化检测中的应用
遥感技术在城市用地变化检测中的应用一、遥感技术在城市用地变化检测中的原理遥感技术是通过卫星、飞机等载体对地面进行观测，获取地面信息的一种技术手段。
在城市用地变化检测中，遥感技术通过获取城市地表的影像数据，对城市用地进行分类、提取、变化分析等工作，实现对城市用地变化的监测和分析。
遥感技术的原理包括传感器的采集、数据的处理和分析、以及遥感图像的解译与应用。
在城市用地变化监测中，遥感技术主要应用于以下几个方面：1. 地物分类：通过遥感影像的解译，可以将城市地表的不同地物进行分类，如建筑物、水体、绿地等。
通过对不同地物的分类，可以了解城市地表的利用情况，为城市用地变化的监测奠定基础。
2. 用地变化检测：通过对不同时间段的遥感影像进行对比分析，可以检测出城市用地的变化情况，包括新增建筑物、用地扩张、绿地减少等。
这些变化信息可以帮助城市规划部门了解城市用地的演变过程，为未来的规划提供参考。
3. 空间分析：遥感技术可以对城市用地的空间分布进行分析，包括用地布局、开发强度、城市扩张方向等。
通过空间分析，可以揭示城市用地变化的规律性和趋势，为城市规划和土地利用管理提供科学依据。
二、遥感技术在城市用地变化监测中的应用遥感技术在城市用地变化监测中的应用具有以下特点：1. 快速高效：遥感技术可以通过卫星或飞机快速获取大范围的城市地表影像数据，能够迅速反映城市用地的变化情况，具有高效性和及时性。
2. 综合信息：遥感影像可以提供丰富的地物信息，包括建筑物、道路、水体、植被等，可以全面了解城市地表的利用状况，为城市用地变化监测提供全面的信息基础。
3. 大数据处理：遥感数据处理技术的发展，使得可以处理大规模、高分辨率的遥感影像数据，可以满足城市用地变化监测的需求。
遥感技术在城市用地变化监测中的应用可以帮助城市规划部门和土地管理部门开展城市用地的动态监测和分析，为城市规划和土地资源管理提供科学依据和数据支持。
具体应用包括城市用地变化的监测与分析、城市扩张的监测与预测、用地结构的调查与分析等。
遥感技术在土地使用变化监测中的应用
遥感技术在土地使用变化监测中的应用近年来，随着城市化进程的不断推进和经济的快速发展，土地使用变化成为了一个备受关注的问题。
土地的合理利用和保护对于人类社会的可持续发展至关重要。
遥感技术作为一种非接触式的观测方法，具有快速、高效、广覆盖等优势，已经成为土地使用变化监测的重要工具。
本文将探索遥感技术在土地使用变化监测中的应用，从遥感数据获取、土地利用分类、变化检测以及监测结果评估等方面进行介绍分析。
首先，遥感技术在土地使用变化监测中的第一步是获取遥感数据。
遥感数据主要来源于卫星、航空器、无人机等。
通过这些平台获取的高分辨率、多光谱或高光谱的遥感影像能够提供丰富的土地信息，为土地使用变化的监测和分析提供了基础数据。
此外，遥感数据还可以多时相、长时间持续观测，从而获取土地使用动态变化的信息。
其次，土地利用分类是遥感技术在土地使用变化监测中的核心问题之一。
土地利用分类是将遥感影像中的像素点或区域划分为不同的土地类型，比如耕地、林地、水域等。
常用的土地利用分类方法包括支持向量机、随机森林、人工神经网络等。
这些方法可以通过提取影像的光谱、纹理、形状等特征，进行土地利用分类。
通过土地利用分类方法，可以得到每个时相的土地利用类型，为土地使用变化的检测和分析提供基础。
第三，遥感技术还可以用于土地使用变化的检测。
土地使用变化检测是通过对多时相的遥感影像进行比较，来分析和提取土地使用变化的信息。
常用的土地使用变化检测方法包括差异图像法、卷积神经网络、变化向量分析等。
这些方法可以通过比较特定时期的遥感影像，识别出土地使用变化的区域和类型。
通过土地使用变化检测，可以及时发现和监测土地的利用变化情况，为土地管理和规划提供科学的依据。
最后，监测结果的评估是遥感技术在土地使用变化监测中不可忽视的一环。
监测结果的准确性和可信度是评估遥感监测的关键指标。
通常，监测结果的评估可以采用对比样本调查、精度评定、误差矩阵等方法。
比较监测结果与实地调查结果的一致性，可以评估遥感监测的准确性。
- 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)。
遥感应用模型实习报告学院：班级：学号：姓名：日期：指导老师：Part1大冶研究区土地使用情况分析1.监督分类最大似然法2009年影像分类结果：分了4类：建筑，水体，裸地，植被2010年影像分类结果：2.栅格转矢量3.变化检测-叠加分析（1）先提取2009年和2010年分类图的建筑用地：2009年 2010年（2）变化检测（叠加分析）Chang=2010-20094.空间查询变化图层Chang与建设用地红线进行查询5.提取结果效果图：批而未用:用而未尽：正规使用：未批先用将变化矢量图与2010年影像叠加显示：Part2：遥感反演与建模1.数据预处理1.安装环境卫星数据处理补丁将ENVI_HJ1A1B_Tools.sav补丁放在…\ITT\IDL\IDL80\products\envi48\save_add目录下。
2.数据读取和定标主菜单->File->Open External File->HJ-1A/1B Tools，打开环境卫星数据处理补丁后，选择CCD，Input path选择环境卫星数据文件夹，点Search，设置输出路径，勾选“Calibration”“Layer Stacking”，点Apply，如下图：3.工程区裁剪由于整景影像范围太大了，进行几何校正之前，裁剪出我们需要的太湖及其周边区域。
1.打开上一步处理好的数据：HJ1B-CCD1- Calbrated_LayerStacking.img2.完成太湖及其周边区域的裁剪主菜单->File->Save File As->ENVI Standard，弹出New File Builder面板，单击Import File，弹出 Create New File Input File面板，选中Select Input File面板中的数据，单击Spatial Subset，弹出Select Spatial Subset面板，单击image弹出Subset by Image对话框，在其中裁剪出太湖及其周边区域，在几个对话框中单击ok，在New File Builder面板中，单击choose，设置保存路径，输出文件名HJ1B-CCD1-Cal-sub.img4.几何校正(1)打开基准影像TM_baseimage.img，选择Map-> Registration ->AutomaticRegistration：Image to Image，选择基准影像TM_baseimage.img的波段4作为匹配波段(2)选择被配准影像，选择band4作为匹配波段，在提示是否手动选择同名点时，选择否后，弹出Automatic Registration Parameters面板(3)在Automatic Registration Parameters面板中，设置下图参数单击ok执行基于像元值自动寻找同名点。
对于RMS高的点直接删除，水域中的点由于没有固定参考物都删掉，湖岸线的点RMS高的点可以直接删掉，或者在两个影像的ZOOM窗口上将十字光标定位到正确位置，再点击Update进行微调，在缺少控制点的地方手动添加一些控制点。
调整控制点，直到总的RMS小于1时，完成控制点的选择，点击Ground Control Points Selection上的File->Save GCPs to ASCII，保存控制点。
(4)在Ground Control Points Selection面板上，选择Options->Warp File（AsImageMap）选择校正文件。
在校正参数面板中，投影参数默认。
在X和Y的像元大小输入30，按回车，图像输出大小自动更改。
选择输出路径和文件名，点击ok进行Image Registration。
(5)打开基准影像和校正影像，在显示校正后影像的窗口中，右键选择 Geographic Link命令，选择显示图像的两个窗口，打开十字光标查看校正结果。
5.大气校正环境小卫星提供了波谱响应函数，以文本形式提供第一列表示波长（nm），后面4列分别表示4个波段对应波长的波谱响应函值。
为了做大气校正，需要制作波谱曲线来描述波谱响应函数，用于大气校正（波谱响应函数与CCD型号相对应）（1）制作波谱响应函数主菜单Window->Start New Plot Window，打开ENVI Plot Window面板，选择File->Input Data->ASCII，导入681_HJ1BCCD1文本文件，波长单位选择Nanometers，单击ok。
在绘制窗口出现了4条曲线，选择Edit->Data Parameters，编辑每条线的名称为b1，b2，b3，b4，便于区别选择File->Save Plot As->Spectral Library，在Output Plots to Spectral Library窗口中，单击Select All Items，单击ok。
在Output Spectral Library面板中，选择输出路径和文件名“HJ1BCCD1光谱响应”，单击ok，将波谱曲线保存为波谱库文件。
（2）FLASSH大气校正选择主菜单Basic Tools->Convert Data（BSQ 、BIL、 BIP ）选择校正后的影像，在Convert File Parameters中选择BIL,选择Convert In Place：yes，单击ok。
主菜单Spectral->FLAASH，打开FLAASH大气校正模块，点击Input Radiance Image，选择BIL格式的，在弹出的Radiance Scale Factors面板中，选择Use single scale factor for all bands，在此Single scale factor选择默认：10，单击ok。
设置输出路径及文件名，传感器基本信息设置数据可以从数据头文件.XML中读取大气模型选MLS，气溶胶模型选Rural，气溶胶反演方法选None，能见度给40km单击Multispectral Setting按钮，在Filter Function File导入之前做好的光谱响应曲线“HJ1BCCD1光谱响应”，单击ok。
单击Advanced Settingsa按钮，Tile Size 设置为100，点击ok。
在大气校正模块中，单击apply，进行大气校正。
校正完成后检查校正结果，分别加载校正前后的影像，将两幅影像进行地理链接，移动到植被区域，在影像上右键选择Z Profile打开光谱曲线窗口，显示两幅图像同一位置的光谱曲线。
左边为大气校正前，右边为大气校正后：6.区域裁剪打开大气校正后的图像dqjz.img，在image窗口中选择Overlay->Vectors，打开Vector Parameters窗口，选择File->Open Vector File，打开taihu_based.shp。
选择正确的投影类型，弹出Available Vectors List面板，选择该矢量文件，点击Load Selected，选择显示图像的Display，点击ok，将矢量叠加在影像上。
在Available Vectors List面板，选择File->Export Layers to ROI，在Select Data File to Associate with new ROI面板中选择影像，点击ok，在弹出的对话框中选择Convert all records of an EVF layer to one ROI，点击ok，将矢量转化为ROI；在图像窗口，选择Overlay->Region of Interest，打开ROI面板，选择File->Subset Data via ROIs，在Select Input File to Subset via ROI中，选择影像，单击ok；在Spatial Subset via ROI Parameters中选择太湖ROI，Mask pixels outside of ROI选择Yes；设置输出路径及文件名dqjz-taihu.img，单击ok。
2.反演建模（1）获取采样星上数据使用Basic Tool->Bandmath，在Enter an expression下面输入表达式：float(b4)/b3，单击Add to List，单击ok，在Variables to Bands Pairings面板中选择第3、4波段对应b3、b4，设置输出路径和文件名“b4除b3”点击ok，计算得到比值图像；在display中显示比值图像，选择overlay->Region Of Interest，打开ROI Tool 在ROI Tool 中，选择ROI_Type->Input Points from ASCII，选择文本格式的反演点.txt，x选择经度3，y选纬度2，These point comprise：Individual Points设置投影信息后，点击ok，将实地调查的点位信息加载到图像中。
在ROI TOOL中，选择File->Output ROIs to ASCII。
选择b4/b3的图像，在Output ROIs to ASCII Parameters面板中选择ROI点，单击Edit Output ASCII Form，在输出内容设置面板中，选择ID、经纬度（Geo Location）、波段像元值（Band Values）模型参数反演：叶绿素反演:1.线性模型2.指数模型3.对数模型Part3 QiuckBird数据融合后分类提取1.影像融合（1）多光谱影像重采样在MapGis中查看影像信息后，可知多光谱影像分辨率为2.4m，全色影像分辨率为0.6m，在进行影像融合前先对多光谱影像重采样，使其分辨率与全色影像的分辨率一样。
重采样前：重采样后：（2）裁剪由于整幅影像太大，处理起来计算机要允许很长时间，于是先对影像裁剪出光谷附近的部分区域。
记录下裁剪后的多光谱影像的行列值，对高分辨率的全色影像做相同区域的裁剪：（3）影像融合对影像进行加权融合法融合融合后影像：（4）影像融合精度评价2.监督分类(最大似然法)原始影像:选取AOI区：分类结果：精度评价:专题图:2.非监督分类(IsoData)分类结果：精度评价：面积统计：3.面向对象分类分类结果：精度评价：Part4总结本次实习主要分为三大部分，土地利用变化检测，叶绿素反演，分类。
在这三块中主要用的的软件有MapGIS和ENVI4.5。