遥感地学分析与专题制图实验报告
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。
遥感地学分析报告试验报
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市的 Landsat8 OLI 影像、土地覆盖类型图以及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；行政边界矢量数据是裁剪出市行政区的围。
Landsat8 OLI影像是从地理空间数据云上下载得到的，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) 当区域可以近似取VFCmax=100% ， VFCmin=0%VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) 当区域不可以近似取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。
遥感制图实习报告
遥感图像处理实验报告班级姓名学号实验室成绩评定教师签字专题一: DEM图像进行彩色制图（叙述制图过程并把自己处理结果加载到本文档里）实验目的:1.实验步骤:2.选择File > Open Image File>bhdemsub.img,出现由主图像窗口、滚动窗口和缩放窗口组成的ENVI 图像。
3.选择主图像窗口内的功能菜单Tools>Color Maping>Density Slice, 出现Density Slice对话框。
4.选择Clear Ranges, 清除Defined Density Slice Ranges下的内容。
5.选择Options>Add New Ranges, 其中RangeStart: 1219 ；Range End;1701；#of Ranges:10。
在Density Slice对话框中Defined Density Slice Ranges下出现十组内容。
6.逐个组将Red条依次改为25, 50, 75, 100, 125, 150, 175, 200, 225, 250。
Greeen与Blue不变。
选择Apply按钮, 主图像窗口、滚动窗口和缩放窗口组成的ENVI图像的颜色改变。
选择主图像窗口内的功能菜单File>Save Image As> Image File 出现Output Dispiay to Image File对话框, Output File Type选择JPEG, Enter Output Filename选择保存位置, Compression Facter（0-1）选择0.750.实验结果:专题二: TM与SPOT数据融合（叙述该过程并处理结果加载到本文档里。
注意用两种方法融合的过程）实验目的:1. 进行快速对比度拉伸、直方图执行交互式对比度拉伸和直方图匹配的操作2. 快速滤波、滤波的操作3. ENVI中变换（Transform）菜单功能的了解实验步骤:1. 选择File > Open Image File>Lon.spot文件,点击No Display>new display>load band2. 选择File > Open Image File>Lon.tm文件,点击No Display>new display>load band3. 选择Basic Tools>Resize Data>选择Lon.tm文件>点击OK(弹出对话框, 分别填写内容)4. 选择Basic Tools>Stretch实验结果:专题三: 航片的配准与镶嵌（叙述该过程并处理结果加载到本文档）1配准●图像-图像地面控制点 (Select GCPs: Image-to-Image)●图像-图像配准需要两幅图像均打开。
遥感的实习报告
一、实习背景随着科技的不断发展，遥感技术在各个领域得到了广泛的应用。
为了更好地了解遥感技术的基本原理和应用，提高自己的实践能力，我参加了为期两周的遥感实习。
本次实习主要由外业建标调查和室内解译建库两部分组成，旨在掌握遥感影像处理、野外调查、室内解译、数据库建立和专题图制作等方面的技能。
二、实习目的1. 学习遥感影像处理软件，掌握遥感影像校正、裁剪等基本操作；2. 掌握野外调查的方法和注意事项，提高野外作业能力；3. 根据土地利用现状分类标准，对遥感影像地物进行目视解译和划分；4. 掌握室内解译、小斑区划和数据库建立的方法；5. 根据遥感影像图，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：利用ENVI软件对原始遥感图像进行辐射校正和几何校正，包括传感器校正、大气校正、太阳高度及地形校正等。
2. 遥感影像裁剪：使用ENVI软件中感兴趣区域选取的功能，裁剪出本次实习的区域范围。
（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。
2. 野外调查：实地考察，了解土地利用现状，对遥感影像进行验证。
（三）室内解译1. 小斑区划：根据目视解译标志表，对遥感影像进行小斑区划。
2. 数据库建立：将小斑区划结果导入数据库，建立遥感影像地物数据库。
（四）土地利用现状分类专题图制作1. 根据遥感影像图和数据库，制作土地利用现状分类专题图。
2. 对专题图进行美化，提高可读性。
四、实习总结1. 通过本次实习，我掌握了遥感影像处理软件的基本操作，能够对遥感影像进行校正、裁剪等处理。
2. 我了解了野外调查的方法和注意事项，提高了野外作业能力。
3. 我学会了根据土地利用现状分类标准，对遥感影像地物进行目视解译和划分。
4. 我掌握了室内解译、小斑区划和数据库建立的方法，为后续遥感应用研究奠定了基础。
5. 我根据遥感影像图和数据库，成功制作了土地利用现状分类专题图。
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。
遥感地质学实习报告
一、绪言随着遥感技术的不断发展，遥感地质学已成为地质研究的重要手段之一。
为了提高我们的遥感地质学知识和实践能力，我们参加了为期一周的遥感地质学实习。
本次实习旨在通过野外实地考察和遥感图像处理与分析，加深对遥感地质学原理和方法的理解，提高地质问题的解决能力。
一、实习地区及时间实习地区位于我国某地，实习时间为2023年6月15日至6月19日。
二、实习目的与任务1. 目的（1）掌握遥感地质学的基本原理和方法；（2）了解遥感图像处理与分析在地质研究中的应用；（3）提高野外实地考察能力，学会采集遥感地质数据；（4）培养团队合作精神，提高沟通协调能力。
2. 任务（1）了解实习地区的地质背景；（2）掌握遥感图像获取、处理与分析方法；（3）运用遥感地质学原理分析实习地区地质问题；（4）撰写实习报告。
三、实习内容1. 实习地区地质背景实习地区位于我国某地，地处华北平原，地势平坦，海拔较低。
该地区地层主要为第四系沉积岩，岩性以砂土、粉土、粘土为主。
区域构造较为简单，以断裂构造为主。
2. 遥感图像获取实习期间，我们使用了无人机获取实习地区的遥感影像，包括高分辨率多光谱影像和航空摄影影像。
3. 遥感图像处理与分析（1）图像预处理：对获取的遥感影像进行辐射校正、几何校正等预处理，以提高图像质量；（2）图像增强：运用直方图均衡化、对比度增强等方法，使图像更加清晰；（3）图像分类：采用监督分类方法，对遥感影像进行地质体分类；（4）地质体特征提取：运用几何形态、纹理特征等方法，提取遥感影像中地质体的特征；（5）地质问题分析：根据遥感图像分析结果，对实习地区地质问题进行探讨。
4. 野外实地考察在遥感图像分析的基础上，我们进行了野外实地考察，验证遥感图像分析结果，并进一步了解实习地区的地质特征。
四、实习成果1. 实习报告根据实习内容和观察结果，我们撰写了实习报告，包括实习地区地质背景、遥感图像处理与分析、野外实地考察等部分。
2. 遥感图像分析结果通过遥感图像分析，我们发现了实习地区存在以下地质问题：（1）地层不整合现象；（2）断层发育；（3）岩性变化明显。
遥感实验报告-影像地图制图
《遥感解译与制图》实验报告
影像地图制图
班级: 620707
学号: ********
**: **
日期: 2010/4/18
要求: 对实验目的与要求、实验内容进行简要说明, 重点说明实验步骤及相应结果（附相关的图像、图形等）, 并对存在问题进行适当说明和分析。
一实验目的与要求
目的: 以辽宁省葫芦岛市所在地为研究区, 利用Land sat /ETM+遥感数据, 通过遥感数字图像处理及分幅, 进行影像地图制图, 最终提交1∶5万锦西县影像地图及实验报告。
要求:
1.掌握遥感影像制图的分幅方法
2.掌握影像地图制图要素的制作规范及方法
二实验内容
利用E nvi给图像添加网格线和比例尺, 在利用photo shop软件对图像进行制作, 包括添加图框, 标题, 图例等。
三实验步骤及相应结果
1添加网格线
给图像添加网格线:
对网格线进行设置: 结果:
2添加比例尺结果:
3输出图像
4用photoshop对图像进行制作
用到的主要工具有文字编辑, 画线等。
5最终结果:
遇到的问题:
一开始在photo shop中总是无法编辑文字, 和同学交流, 发现有好几个同学也遇到了同样的问题, 后来在E nvi输出图像的时候选择JPEG格式, 就可以进行文字编辑了。
收获:
通过本实验, 了解了photo shop的一些简单的图像处理功能。
理解了影像地图制图的一般过程。
遥感实训报告
一、实训背景随着科技的不断发展，遥感技术作为一门新兴的综合性学科，已经在测绘、农业、林业、环保、城市规划等多个领域得到了广泛应用。
为了提高学生对遥感技术的认识和实际操作能力，我校地理信息系统专业组织了一次为期两周的遥感实训。
本次实训旨在让学生了解遥感的基本原理，掌握遥感图像的获取、处理、分析和应用方法，培养学生的实践能力和创新精神。
二、实训内容1. 遥感基本原理学习实训初期，我们学习了遥感的基本原理，包括遥感平台、传感器、遥感图像的获取、传输和接收等。
通过学习，我们对遥感技术有了初步的认识，了解了遥感在各个领域的应用。
2. 遥感图像处理软件操作为了让学生熟练掌握遥感图像处理软件，我们选择了ENVI软件作为实训工具。
在实训过程中，我们学习了ENVI软件的基本操作，包括图像读取、显示、图像增强、图像分类、专题图制作等。
3. 遥感图像预处理在实际应用中，遥感图像往往存在噪声、畸变等问题，需要进行预处理。
我们学习了遥感图像的几何校正、辐射校正、图像增强等方法，提高了图像质量。
4. 遥感图像分类与专题图制作遥感图像分类是遥感应用中的重要环节，我们学习了监督分类、非监督分类、决策树分类等方法。
通过实际操作，我们学会了如何制作专题图，为遥感应用提供可视化数据。
5. 遥感应用案例分析为了让学生了解遥感技术在实际应用中的价值，我们选取了几个典型案例进行分析，如土地利用变化监测、森林资源调查、环境监测等。
三、实训过程1. 理论教学实训期间，我们通过课堂讲授、讨论等形式，学习了遥感的基本原理、遥感图像处理软件操作、遥感图像预处理、遥感图像分类与专题图制作等理论知识。
2. 实践操作在掌握了相关理论知识后，我们进行了实践操作。
首先，我们利用ENVI软件对遥感图像进行预处理，包括几何校正、辐射校正、图像增强等。
然后，我们对预处理后的图像进行分类，制作专题图。
最后，我们结合实际案例，分析了遥感技术在各个领域的应用。
3. 讨论与交流在实训过程中，我们积极参与讨论与交流，分享自己的学习心得和经验，共同解决问题。
- 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)。
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。
地图制图：将上述所得图斑通过文件转换功能转成.shp文件，即转换成arcgis能使用的文件类型。
再运用Arcgis制图功能，进行地图整饰，然后进行地图输出。
三、实验主要容及过程
3.1、图像预处理
由于下载的3ETM遥感影像存在条纹，用了一个插件去除了条纹。
之后再进行图像的预处理（去云、去雾及阴影处理等）
去除条纹后的影像：
3.2、波段合成
将所下载到的数据进行波段合成，如下图：
3.3、图像镶嵌
将三图像进行镶嵌，如下图：
3.4、图形裁剪
由于整幅图面域太大，所以在合成后的图上选取适当大小进行裁剪保存，作为后期处理的的图像。
建立掩膜之后，裁剪
3.5、执行监督分类
将上述所得图像进行分类处理，并保存分类后图像，如下图：
具体步骤是利用ROI工具选择感兴趣区，具体分类为：林地、城镇用地、水域、耕地、未利用地。
正常情况下是通过别的方式选样本，如：野外调查或波峰影像上选样本，本次因条件限制就直接在图上选了。
3.5.1、定量评价
在这个表里，凡是最后的那个数值大于1.8的就说明符合要求，由此看出第一个是不符合要求的，应该是选的时候有问题，但重新选后发现数值越来越小，不过城镇用地和未利用地容易混淆，不容易选对，就不再重新选样本了。
3.5.2、定性评价
按照步骤操作后，出现n-D可视化对话框，单击Start，会出现一动态变化的样本聚类情况，在此只截一图定性的看样本是否选的好，就看那个样本集中的程度，越高代表样本越好。
3.6、监督分类
点击主菜单的Classification—Supervised—Maximum Likelihood（最大似然法）
3.7、对分类图的后后处理（改名字、改颜色、分类后处理）：
1、单击Overlay—Classification叠加分类图
改名字：
选择每一个分类，然后去掉后面的像素数，
2、其他的分类后处理：精度印证，用混合矩阵。
后处理（出去小碎点），把一些小斑点给合并了。
再接着是定量的方式（剔除）：
填3是只小于一公顷的像元剔除掉
最后分类统计
四：出图
4.1、在ENVI中将影像转换为shp文件，再导入arcmap中作做专题地图。
4.2、用arcmap 打开以上shp文件，并进行用地类型属性的一一对应添加，并根据用地类型的不同，将各个区用不同的形式表示，将各个区用不同的形式表示，然后进行图像整饰。
如图：
4.3、制作专题地图
添加各类要素，导入属性表格的各类用地的面积，整饰结果如下图：
4.4、地图输出
点击"File—Export Map",选择"*jpg".格式，分辨率设置为"600",点确定图形输出。
如图：。