遥感水体提取
遥感图像中基于机器学习的水体提取方法研究
遥感图像中基于机器学习的水体提取方法研究一、引言在遥感技术不断发展的今天，如何高效地利用遥感图像数据成为了研究的热点问题之一。
水体提取是遥感图像处理中的一个非常重要的问题，水体提取不仅对于水资源的管理有着重要的意义，而且在环境监测，自然灾害预警等领域也有着广泛的应用。
因此，在遥感图像中基于机器学习的水体提取方法的研究引起了众多学者的关注。
本文将介绍基于机器学习的水体提取方法的研究现状，并针对其中存在的问题，提出了一些改进思路。
二、研究现状传统的遥感图像水体提取方法主要采用阈值法、比值法等像元级的方法进行水体提取。
这些方法简单易行，但是存在提取精度低、受数据质量等因素影响大等缺点。
而基于机器学习的水体提取方法则采用计算机科学中的机器学习理论，利用自动学习的能力，从图像数据的高维空间中提取特征、判别水体和非水体，大幅提高了水体提取的效率和准确性。
目前，基于机器学习的水体提取方法主要分为两个类别：监督式学习和非监督式学习。
2.1 监督式学习方法监督式学习方法需先准备训练集，并人工标注其中的“水”和“非水”样本。
在训练模型时，传递图像的信息以及相应的标注到算法中，通过学习样本特征的相似关系和差异，最终建立起一个分类模型。
监督式学习方法的优点在于提取的水体信息较为准确，但缺点也很明显，即与训练集样本相关性强，泛化能力较差，当遇到未曾见过的新数据时准确率会有所下降。
常见的监督式学习方法有支持向量机（Support Vector Machine, SVM）、决策树（Decision Tree）、神经网络（Neural Network）等算法。
这些算法不同的分类依据和处理方式会影响提取的水体的质量。
2.2 非监督式学习方法与监督式学习方法不同，非监督式学习方法不依赖于预先标注的数据。
这类方法通过计算数据中的各种统计量、空间接近度等指标，自动分类图像数据，并对提取的水体和非水体像元进行分析、筛选。
这类方法的优点在于不需要自行标注繁琐，可以减少人工干预，缺点在于提取的水体信息相对较少，不如监督式学习方法准确。
如何进行遥感影像的水体提取与监测
如何进行遥感影像的水体提取与监测遥感影像的水体提取与监测是一种利用遥感技术进行水体特征提取和监测的方法，它在水文、环境、气候等领域有重要的应用价值。
本文将以介绍遥感影像的水体提取和监测方法为主线，结合实例和理论知识，深入探讨这一领域的相关问题。
一、遥感影像的水体提取方法1. 阈值法阈值法是一种基于像素值对遥感影像进行水体提取的常用方法。
其基本原理是通过设定合适的阈值来判断像素是否为水体。
阈值的选择需要根据影像的特点和需要提取的水体特征来确定，通常可以结合样本点和经验来确定最佳阈值。
但是，阈值法在提取过程中容易受到光照和地物干扰的影响。
2. 归一化差异水体指数法归一化差异水体指数（Normalized Difference Water Index，NDWI）是一种常用的遥感影像水体提取方法，其基本原理是利用水体和其他地物在红外区域的反射特性差异进行提取。
NDWI可以消除光照和地物干扰，提高水体提取的准确性。
通过计算NDWI值，可以得到一个反映水体分布的二值图像。
3. 水体边界检测法水体边界检测法是一种通过检测水体与周围地物的边界来进行水体提取的方法。
该方法可以利用影像的边缘检测算法，如Canny边缘检测算法，提取出水体的边界。
然后，可以根据边界信息绘制水体的掩膜图像，进一步进行水体提取。
二、遥感影像的水体监测方法1. 水体变化监测水体的变化监测是一种通过比较不同时间点的遥感影像来检测水体变化的方法。
通过对比两个或多个时间点的影像，可以发现水体的变化情况，如水域面积的增加或减小、水体形态的改变等。
该方法可以通过计算水体的变化指数来量化水体的变化程度，并绘制变化图像。
2. 水体分类监测水体分类监测是一种将遥感影像中的水体区域与其他地物进行分类的方法。
该方法可以通过像元分类算法，如最大似然分类、支持向量机分类等，将影像中的每个像元分为水体或非水体。
通过分类结果，可以得到水体的空间分布图，并进行进一步的水体监测。
遥感湖泊提取实验报告
遥感湖泊提取实验报告1. 引言湖泊是重要的水域资源，对于生态环境和经济发展具有重要作用。
使用遥感技术提取湖泊边界和水体面积，能够为湖泊管理和研究提供有效数据支持。
本实验通过利用遥感影像数据，应用遥感图像处理方法，提取湖泊边界和计算湖泊面积。
本实验旨在探索遥感在湖泊提取方面的应用效果。
2. 实验材料与方法2.1 材料本实验使用的遥感影像为2019年某地区的高分辨率卫星影像，像元分辨率为1米。
2.2 方法2.2.1 影像预处理首先，对遥感影像进行预处理，包括辐射校正、大气校正和几何校正。
辐射校正考虑了遥感影像的辐射定标系数，将原始数字值转化为反射率。
大气校正主要是通过大气校正模型，对影像中的大气光效应进行校正。
几何校正主要是调整影像位置和方向，以保证不同影像的比较正确。
2.2.2 湖泊提取在影像预处理完成后，开始进行湖泊提取。
常用的湖泊提取方法有阈值法、指数植被指数法和水体分类法。
本实验采用的是阈值法。
首先，通过图像增强方法，调整图像的亮度和对比度，以便更好地观察湖泊特征。
然后，选择适当的阈值来进行自动湖泊提取。
阈值的选择需要根据实际情况和观察经验来进行调整。
为了提高湖泊提取的准确性，还可以利用形态学操作，进行图像中噪声点的去除和小孔的填充。
2.2.3 湖泊面积计算湖泊提取完成后，可以根据提取结果计算湖泊的面积。
通过对湖泊边界进行像素计数，再乘以像元的实际面积，可以得到湖泊的面积。
3. 实验结果与分析经过上述方法的处理，成功提取了目标地区的湖泊边界，并计算了湖泊的面积。
提取结果如下图所示：通过观察提取结果，可以看到湖泊边界与实际湖泊边界比较吻合，提取面积与实际面积也比较接近，表明本方法在湖泊提取上具有一定的精度和可行性。
4. 结论本实验通过利用遥感影像数据，结合图像处理方法，成功提取了湖泊边界并计算了湖泊面积。
实验结果表明，本方法具有较高的提取精度和适用性，能够为湖泊管理和研究提供有效数据支持。
水体信息自动提取遥感研究以丽江地区为例
二、技术手段
3、特征分析和应用：提取出水体信息后，需要进行特征分析和应用。通过对 水体的形态、大小、颜色等特征进行分析，可以获取水体的类型、分布、水质等 信息。这些信息可以应用于水资源管理、环境保护、气候变化研究等领域。
三、发展趋势
三、发展趋势
随着遥感技术的不断发展，水体的遥感信息自动提取方法也在不断进步和完 善。未来，该领域的发展趋势包括以下几个方面：
一、遥感技术概述
一、遥感技术概述
遥感是指利用传感器对地球表面进行远距离探测的一种技术。它具有获取信 息速度快、范围广、精度高等优点，可以为科学研究提供大量数据支持。在遥感 技术中，卫星遥感是应用最为广泛的一种方式。卫星遥感具有覆盖范围广、连续 性强、周期短等优点，能够提供准确、实时的地球表面信息。
四、结论与展望
四、结论与展望
本次演示以丽江地区为例，探讨了水体信息自动提取的遥感研究。通过对遥 感图像的预处理、图像分割、特征提取、水体信息提取和结果评估等步骤的处理 和分析，可以更加准确地获取丽江地区的水体信息。这些信息对于水资源管理、 环境保护、气候变化研究等方面具有重要意义。
四、结论与展望
水体信息自动提取遥感研究 以丽江地区为例
目录
01 一、遥感技术概述
02
二、水体信息自动提 取方法
03 三、丽江地区水体信 息自动提取实践
04 四、结论与展望
05 参考内容
内容摘要
随着科技的不断发展，遥感技术已经成为获取地球表面信息的重要手段之一。 在众多遥感应用中，水体信息自动提取具有重要意义。水是人类生存的基本需求 之一，也是生态系统的重要组成部分。因此，通过遥感技术获取水体信息对于水 资源管理、环境保护、气候变化研究等方面具有重要意义。本次演示以丽江地区 为例，探讨水体信息自动提取的遥感研究。
遥感图像ENVI水体提取步骤
遥感图像ENVI水体提取步骤数据要求:1. 下载的影像数据，尽量为同日期或者尽量靠近，不能相差时间太长，提供的影像为2004年第259天，1994年第295天，2004年第268天。
其中1994年的影像肯定不行2.下载的影像数据，尽量没有云层覆盖类似这种研究区域中水体部分存在云层时，该影像不能用，需用接近该日期的影像替代。
水体提取步骤如下(一)7个单波段合并成一个文件1.ENVI软件中File-Open Image File,弹出以下对话框，选择文件夹下b1-b7影像并打开，如下:2.将7个波段合成一个影像文件，操作如下图:3.点击Import File,选择所有波段5.点击Reorder Files鼠标拖动，确保波段1-7序号，从b1-b7，排序如下:6(右边窗口设置坐标系如下:UTM,WGS-84,49N 7.定义文件名后，生成一个整的影像文件同理，依次将其他文件夹下的7个波段合并成各自文件。
(二)多个文件镶嵌拼接成一个整的文件注意:该步操作比较复杂，拼接文件可能存在色差不均衡问题，具体请多网上查些资料;1.基于地理坐标进行拼接，操作如下:2.Import Files将上步生成的三个文件导入进来3.分别右键文件名，选择Edit Entry(三个文件操作一致)4.设置Data Value to Ignore背景值为0，羽化距离根据需要设置(不固定);Color Balancing(颜色平衡参数，其中Fixed为以该文件为标准，其他影像进行调整，可对其中一个文件设置为Fixed，其他两个文件设置为Adjust)5.File-Apply，影像拼接拼接结果如下:(三)水体区域提取1.Envi中波段运算，如下:2.输入以下表达式 (b2*1.0-b4)/(b2+b4) gt 0 (可用其他方法，依实际情况而定)3.分别设置算法中各个变量对应的波段，b2表示第3个波段，b4为第5个波段4.根据研究区域进行裁剪，并统计其中为1的像元个数，影像加载显示后，加载矢量文件:5.加载区域shp文件，第一次加载时后缀选择.shp会自动生成一个evf文件，下次打开直接加载evf即可。
sar水体提取阈值法提取水体
sar水体提取阈值法提取水体水是人类生活中不可或缺的重要资源，而如何准确、高效地提取水体区域，在水资源管理和环境保护中起着重要的作用。
而其中提取水体的阈值法——sar水体提取阈值法更是近年来备受关注的一种方法。
本文将从什么是sar水体提取阈值法、其原理、应用案例和未来发展等方面进行探讨。
首先，sar水体提取阈值法是一种利用合成孔径雷达（sar）遥感数据进行水体提取的方法。
它基于sar遥感图像中水体与陆地的不同反射特征，通过设定合适的阈值来实现水体的准确提取。
相比于传统的光学遥感技术，sar水体提取阈值法具有不受天气条件限制、具有突出的微波特性等优势，因此在水资源管理和环境遥感领域得到广泛应用。
其次，sar水体提取阈值法的原理主要是利用sar遥感图像中水体和陆地的幅度差异。
水体在sar图像中呈现出低回波幅度的特征，而陆地则呈现出高回波幅度的特征。
基于这个原理，我们可以通过设定合适的阈值，将sar遥感图像中的水体区域与陆地区域进行有效分割。
在实际应用中，sar水体提取阈值法已经得到了广泛的验证和应用。
例如，在水资源管理中，可以通过sar水体提取阈值法对不同区域的水体进行准确提取和监测，以便为水资源的科学利用和合理规划提供数据支持。
同时，在环境保护方面，sar水体提取阈值法也可以用于水体污染的监测和评估，及时掌握水体污染状况并采取相应的措施。
然而，sar水体提取阈值法仍然存在一些挑战和亟待解决的问题。
例如，不同地区的sar遥感图像特征存在差异，如何确定合适的阈值仍然是一个重要的研究方向。
此外，sar水体提取阈值法在复杂地形和多光谱干扰等情况下的适应性还需要进一步改进。
总之，sar水体提取阈值法作为一种重要的遥感技术在水资源管理和环境保护中具有广泛的应用前景。
通过合理利用sar遥感数据，设定适当的阈值，可以实现对水体的准确提取和监测，为水资源合理利用和环境保护提供有力支持。
随着遥感技术的不断发展和改进，sar水体提取阈值法将会进一步完善，并在未来的应用中发挥更大的作用，为人类的生活带来更多便利和保障。
遥感影像水体提取研究综述
遥感影像水体提取研究综述以远程感知技术为基础，借助遥感影像可以迅速获取大量和全面的环境信息，从而帮助相关人员快速掌握水体的状况。
因此，随着遥感影像的技术的发展，提取水体的研究已经被越来越多的人所重视。
本文主要分析了提取水体信息的相关技术，对提取水体信息的现有方法进行了介绍和综述，以期获得更多可行的解决方案，促进该领域的进一步发展。
世界上存在大量的水体，它们可以满足人类日常的生活需求，也可以用于农业活动、工业生产和科学研究。
为了完成各种任务，必须对水体的情况进行详细的了解。
遥感技术是目前最有效的方法之一，可以快速捕获大量的信息，并以三维的形式展示水体的特征。
在这种情况下，提取水体信息就变得尤为重要。
提取水体信息主要依靠遥感影像，其中包括可见光和红外线两种波段。
研究者可以从中提取水体的形态特征，如形状、尺寸和位置等。
此外，还可以获得水体的光谱特征，如反射率、散射率和吸收率等。
不同波段能够提供不同视角下的信息，因此，提取水体信息还需要考虑复杂的数据组合和分析技术。
为了提取水体信息，已经有多种方法可以使用。
其中，基于特征的分类方法可以有效的识别水体信息，其中包括基于模板的和基于概率理论的方法。
此外，还可以使用像有监督学习这样的机器学习方法，它们可以通过实时的训练和学习，以更精确的方式来分类水体信息。
另外，基于矢量的方法也被越来越多的人所重视，它可以以更精确的方式提取水体信息。
此外，还有一些复杂的技术，如基于深度神经网络的方法，也可以用于提取水体信息。
这类技术比传统方法具有更高的精确性和灵活性，因此可以更好地完成水体提取任务。
然而，深度学习技术也需要大量的计算资源，并且训练过程会比较漫长，所以未来对相关研究的关注应该增加。
综上，提取水体信息是目前在水体监测中被广泛应用的技术，它可以使研究者能够快速地获取相关信息，以便于更好地控制水体的发展。
在这里，我们做了一个综述，总结了现有的技术，并提出一些有价值的研究建议，以期推动该领域的进一步发展。
遥感水体提取是利用遥感技术获取地表水体信息的过程
遥感水体提取是利用遥感技术获取地表水体信息的过程
1
遥感水体提取是利用遥感技术获 取地表水体信息的过程，对于水 资源管理、环境保护和自然灾害
监测等领域具有重要意义
2
以下是一份遥感水体 提取方法的综述，包 括常用的方法和实例
1
一、基于阈值 分割的方法
一、基于阈值分割的方法
阈值分割是最简单直观的遥感 水体提取方法之一
1
无人机影像具有较高的空间分辨率和灵活性， 可用于水体提取和监测
2
无人机影像可以提供更详细的水体边界和细节
信息，并可以进行高分辨率的图像分类和分割
3
通过结合无人机影像和遥感影像，可以获得更 全面、准确的水体信息
9
九、基于物理 模型的方法
九、基于物理模型的方法
物理模型方法利用水体在遥感影像中的光学、热学或电磁特性建立数学模型，并应用这些模型进行水体
7
七、基于深度 学习的方法
七、基于深度学习的方法
深度学习技术在遥感水体提取中表现出很强的潜力
卷积神经网络(CNN)和语义分割网络(Semantic Segmentation Network)等深度学习模型可以学习 级特征和语义信息，从而实现更精确的水体提取
8
八、基于无人 机影像的方法
八、基于无人机影像的方法
九、基于物理模型的方法
2. 基于指 数转换的方 法
计算归一化水体指数 (NDWI)或修正的归一 化水体指数(MNDWI) ，通过阈值分割或灰 度拉伸等方法将水体 提取出来
九、基于物理模型的方法
3. 基于机器学习的方法
使用支持向量机(SVM)或卷积神经网络(CNN)等算法，通过对训练样本进行学习和分类，实 现对水体的提取
- 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ENVI水体提取目录一、设计目的 (3)二、设计资料 (3)三、设计内容 (3)1.辐射定标 (3)2.数据转换 (4)3.大气校正 (6)4.图像融合 (9)5.图像裁剪 (10)6.几何校正 (12)7.水体提取 (15)8.水体提取结果转换 (20)四、水体提取成果 (23)五、设计心得 (24)一、设计目的1.掌握遥感应用中数据处理到信息提取的完整流程。
2.掌握遥感图像辐射处理基本原理与操作流程，掌握图像融合基本原理与操作流程。
3.掌握遥感图像几何纠正基本原理，掌握ＥＮＶＩ相关操作基本过程、控制点选取的原则，要求纠正后图像误差要小于半个像素。
4.掌握基于水体指数提取水体的基本原理，掌握ENVI软件中水体计算、阈值计算、后处理、矢量化等相关操作。
分别用水体指数和改进水体指数完成水体提取结果并进行比较分析。
二、设计资料武汉地区Landset8的原始影像LC81230392017303LGN00；武汉地区基准图像wuhan_base_image；ENVI遥感图像处理软件。
三、设计内容1.辐射定标(1)打开ENVI，选择File→0pen，选中LC08_L1TP_123039_20171030_2017110901_T1_MTL.txt文件，加载影像。
(2)在工具箱中选择【Radiometric Correction】→【Radiometric Calibration】，选择所有波段，点击确定。
（3）设置辐射定标参数：参数如下图。
（4）设置文件保存路径，点击确定，完成辐射定标，结果如图：2.数据格式转换（1）由于定标好的影像的数据排列格式为BSQ，而大气校正默认的数据排列格式为BIL或BIP，因此需要转换数据存储格式。
打开工具箱，选择【Raster Management】→【Convert Interleave】，打开【Convert File Input File】对话框，选择辐射定标完成的文件。
（2）点击OK，设置参数和文件输出路径对进行数据格式转换。
（3）在Layer Manager中右键单击，选择【View Metadata】，在【Metadata Viewer】对话框中选择Raster，转换后的数据信息如下图。
（4）全色影像的辐射定标与上述步骤一致。
3、大气校正（1）查询武汉地区的平均海拔高度，大约在16米左右。
（2）在工具箱中选择选择【Radiometric Correction】→【Atmospheric Correction Module】→【FLAASH Atmospheric Correction】，打开对话框。
（3）单击Input Radiance Image按钮，选择数据转换后的文件，然后在弹出的Radiance Scale Factors 对话框，选择Use single scale factor for all bands，并将Single scale factor设为1。
（4）打开LC08_L1TP_123039_20171030_20171109 01_T1_MTL.txt，查看影像信息，在对话框中设置参数。
（5）在设置完成参数后，点击底部的Multispectral Setting按钮，对话框中，选择【Kaufman-Tanre Aerosol Retrieval】【Defaults】→Over-Land-Retrieval Standard（660：2100nm）。
（6）点击确定，选择Advanced Setting，设置采用文件分块处理方式，设置分块文件大小为100M，其他选项默认。
（7）设置Atmospheric Model为Mid-Latitude Winter，Aerosol Model为Urban，最终参数信息如下图：（8）大气校正后结果如下图：（9）将原始图像与大气校正后的影像波段进行对比。
4、影像融合（1）.打开【Gram-Schmit Pan Sharpening】融合工具，首先选择需要融合的大气校正完成的多光谱影像。
（2）.选择定标转换后的全色影像。
（3）.点击OK，获得融合后的结果，使多光谱影像具有全色影像的高分辨率。
5、影像裁剪（1）.融合影像范围较大，首先需要裁剪出所需要的部分，注意裁切古城中需要首先绘制ROI 的范围。
首先对融合影像绘制ROI范围。
（２）.选择要裁剪的融合影像。
（３）.输入ROI范围，设置输出路径。
（4）.裁剪结果如图所示。
6、几何校正（1）.采用多项式模型校正，以wuhan_base_image为参考影像，裁剪后的地区影像作为校正对象。
首先打开【Image Registration Workflow】，输入参考影像与校正影像。
（2）.设置校正参数，如下图所示：（3）.在【Seed Tie Points】中添加控制点，选择明显地物特征点作为控制点，完成之后点击右键确定，自动跳转图像，添加七对控制点。
（4）.查看控制点信息。
（5）. 设置完成【Seed Tie Points】面板上的参数后，切换到【Advanced】面板设置连接点生成的高级参数。
（6）.检查和配准【Review and Warp】。
对话框部分有2个面板，即【Tie Points】面板和【Warping】面板。
通过【Tie Points】面板中【Show Table】可以查看生成的控制点，为保证影像校正精度，删除排序后大于0.6的点。
（7）.完成后设置输出路径。
（8）.查看基于多项式几何校正的结果。
7、水体提取（1）根据水体反射特性，经典的水体指数NDWI = （绿波段–近红外波段）/ （绿波段–近红外波段）改进的NDWI，如MNDWI = （绿波段–短波红外波段）/ （绿波段–短波红外波段））在工具箱中，选择【Band Math】，输入NDWI数学表达式“(float(b1)-float(b2))/(float(b1)+float(b2))”，如图所示。
（2）在弹出的窗口中，针对B1和B2变量，分别从列表中的文件中选择对应波段，并选择文件输出路径及名称.（3）NDWI计算的结果如图所示，白色代表水体。
（4）水体指数影像设置阈值提取水体，通过观察发现，对于实验数据，水体的NDWI数值一般大于0.9。
因此在工具箱中选择【Band Math】，输入“b1 gt 0.9”。
（3）在弹出的Variables to Bands Pairings窗口中，针对b1波段，从列表中选择生成的NDWI 文件，选择文件输出路径和文件名称，单击OK按钮，水体提取结果如图所示。
（5）为了解决水体提取结果中存在较多的孔洞和不连续问题，需要对水体提取进行后处理，利用形态学滤波中的开运算（opening）可以滤除细小阴影，利用闭运算（closing）可以消除空洞。
工具箱中【Convolutions and Morphology】，双击弹出对话框。
单击【Morphology】按钮，选择opening，【Kernal Size】设置为5，选择Binary（提取结果是二值图像）。
（6）单击【Apply To File】按钮，选择上一步的文件，设置文件名及路径。
（7）查看水体进行数学形态学滤波后的处理结果，通过比较，可发现误提的细小阴影已经被滤除了。
（8）同样的步骤，进行闭运算处理。
通过分析，可发现水体中的部分孔洞和不连续被填充。
（9）对MNDWI重复步骤6，计算得到MNDWI的结果。
8 水体提取结果转换为矢量数据（1）工具箱中选择【Raster to Vector】，选择上一步成的形态学处理后的水体提取结果图像，出现Raster to Vector Parameters对话框，设置数值为1，设置输出路径，输出evf格式文件。
（2）工具箱中，选择【Classic EVF to Shapefile】，弹出对话框。
在打开的对话框汇总，选择上一步生成的evf文件，生成的shp文件。
（3）对MNDWI 重复步骤7，得到MNDWI提取结果的shp文件。
（4）NDWI与影像图叠加，查看效果。
（5）MNDWI与影像图叠加，查看效果。
四、水体提取成果五、设计心得此次课程设计基于水体指数提取水体的基本原理，对原始影像进行辐射定标、数据转换、大气校正、图像融合、图像裁剪、几何校正、水体提取及矢量化等多个处理操作。
首先是辐射定标消除干扰，得到真实反射率的数据，然后将数据由BSQ转为BIL格式，以便进行大气校正，大气校正操作是为了消除大气散射、吸收、反射引起的误差，大气校正完成后，对大气校正后的多光谱影像与定标后的全色影像进行图像融合（利用Gram-Schmit Pan Sharpening工具），使多光谱影像具有全色影像一样的高分辨率。
将融合完成后的影像进行裁剪，用ROI确定裁剪范围，裁剪得到目标区域的影像，再与参考影像进行几何校正，消除图像的几何畸变。
最后进行水体提取，利用水体指数法进行提取实验。
水体的反射率在可见光范围内总体上比较低，并具有随波长增大逐渐降低的特征，其反射率在蓝绿波段最高，在近红外波段最低，几乎完全吸收，在短波红外波段同样反射率几乎为0，因此水体在影像上灰度值有明显差异，以设计水体指数将水体提取出来。
通过波段计算器，利用NDWI与改进的MNDWI指数进行提取，将结果进行滤波处理并转为Ｓｈｐ图形，比较分析，NDWI指数影像因此往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大.还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化.另外, MNDWI可以很容易地区分阴影和水体, 解决了水体提取中难于消除阴影的难题。
从水体提取的最终结果来看MNDWI的处理要比NDWI效果好，提取水体数量质量上也好过NDWI。
通过此次课程设计，不仅熟悉了ENVI的基本操作，也同时了解了遥感应用中数据处理到信息提取的完整流程，辐射定标、大气校正、图像融合与处理等多种方法。
明白了水体提取的过程，同时也在细节处理方面更加细心，课程设计中有遇到困难，在老师和同学的帮助下也都成功解决，最后收获颇多，也为以后的工作和学习打下基础。