遥感实验
遥感影像镶嵌实验报告(3篇)
第1篇一、实验目的1. 理解遥感影像镶嵌的概念和意义。
2. 掌握遥感影像镶嵌的基本原理和方法。
3. 学会使用遥感图像处理软件进行影像镶嵌操作。
4. 分析影像镶嵌的效果，并探讨优化影像镶嵌的方法。
二、实验原理遥感影像镶嵌是将多幅遥感影像按照一定规则拼接成一幅大范围、连续的遥感影像，以展示更大范围的地理信息。
影像镶嵌的原理主要包括：1. 影像匹配：通过比较多幅影像之间的相似性，确定影像之间的对应关系。
2. 影像配准：根据影像匹配结果，对多幅影像进行几何校正，使其在空间上对齐。
3. 影像拼接：将配准后的影像按照一定规则拼接成一幅连续的遥感影像。
三、实验数据本实验使用的数据为我国某地区Landsat 8影像，包含全色波段和多个多光谱波段。
四、实验步骤1. 数据预处理（1）辐射定标：将原始影像的数字量转换为地物反射率或辐射亮度。
（2）大气校正：去除大气对影像的影响，提高影像质量。
（3）几何校正：纠正影像的几何畸变，使其符合实际地理坐标。
2. 影像匹配（1）选择匹配算法：本实验采用互信息匹配算法。
（2）设置匹配参数：根据影像特点，设置匹配窗口大小、匹配阈值等参数。
（3）进行匹配运算：将多幅影像进行匹配，得到匹配结果。
3. 影像配准（1）根据匹配结果，确定影像之间的对应关系。
（2）选择配准方法：本实验采用二次多项式配准方法。
（3）进行配准运算：将多幅影像进行配准，使其在空间上对齐。
4. 影像拼接（1）选择拼接方法：本实验采用线段拼接方法。
（2）设置拼接参数：根据影像特点，设置拼接线宽、重叠区域等参数。
（3）进行拼接运算：将配准后的影像进行拼接，得到一幅连续的遥感影像。
5. 结果分析（1）分析拼接效果：观察拼接后的影像，检查是否存在明显的拼接线、几何畸变等问题。
（2）优化拼接方法：根据分析结果，调整拼接参数，优化拼接效果。
五、实验结果与分析1. 拼接效果通过实验，成功将多幅Landsat 8影像拼接成一幅连续的遥感影像。
遥感实验报告裁剪拼接(3篇)
第1篇一、实验目的本次实验旨在学习遥感影像处理中的裁剪与拼接技术，通过对遥感影像进行裁剪和拼接，提高遥感数据的可用性和分析效率。
二、实验背景遥感技术是获取地球表面信息的重要手段，广泛应用于资源调查、环境监测、灾害评估等领域。
遥感影像经过处理和提取后，才能为实际应用提供有价值的信息。
裁剪与拼接是遥感影像处理中的基本操作，通过对影像进行裁剪和拼接，可以去除无关信息，提高影像的可用性。
三、实验材料1. 遥感影像数据：包括多景遥感影像，如Landsat、Sentinel-2等；2. 裁剪与拼接软件：如ENVI、ArcGIS等；3. 实验环境：计算机、遥感数据处理软件等。
四、实验步骤1. 数据准备（1）选择遥感影像数据，确保影像质量良好、覆盖范围完整；（2）对遥感影像进行预处理，包括辐射校正、大气校正等，提高影像质量。
2. 裁剪操作（1）确定裁剪范围：根据实验需求，选择合适的裁剪范围，如行政区域、研究区域等；（2）使用裁剪工具对遥感影像进行裁剪，生成新的影像。
3. 拼接操作（1）选择拼接方式：根据实际情况，选择合适的拼接方式，如同名像元拼接、重叠区域拼接等；（2）使用拼接工具对遥感影像进行拼接，生成新的影像。
4. 质量评估（1）检查拼接后的影像是否完整，是否存在缝隙、错位等问题；（2）分析拼接区域的地物特征，确保拼接效果良好。
五、实验结果与分析1. 裁剪结果经过裁剪操作，生成了新的遥感影像，去除了无关信息，提高了影像的可用性。
2. 拼接结果经过拼接操作，生成了新的遥感影像，拼接区域地物特征良好，拼接效果满意。
3. 质量评估（1）拼接后的影像完整，无缝隙、错位等问题；（2）拼接区域地物特征良好，拼接效果满意。
六、实验结论通过本次实验，掌握了遥感影像的裁剪与拼接技术，提高了遥感数据的可用性和分析效率。
在实际应用中，可根据具体需求选择合适的裁剪与拼接方法，为遥感数据处理提供有力支持。
七、实验心得1. 裁剪与拼接是遥感影像处理中的基本操作，对于提高遥感数据的可用性具有重要意义；2. 在实际操作中，应根据具体需求选择合适的裁剪与拼接方法，确保拼接效果良好；3. 学习遥感影像处理技术，有助于提高遥感数据的分析和应用水平。
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。
envi遥感实验报告
envi遥感实验报告一、实验目的本次 envi 遥感实验的主要目的是通过实际操作和数据分析，熟悉envi 软件的基本功能和操作流程，掌握遥感图像的预处理、信息提取和分析方法，提高对遥感技术的应用能力和数据处理能力。
二、实验数据本次实验所使用的数据为 Landsat 8 卫星的多光谱遥感影像，包括波段 1-7 以及全色波段。
数据覆盖了_____地区，成像时间为_____。
三、实验环境实验使用的计算机配置为：处理器_____，内存_____，操作系统_____。
Envi 软件版本为_____。
四、实验步骤1、数据导入启动 envi 软件，选择“File”菜单中的“Open Image File”选项。
在弹出的文件选择对话框中，找到并选中要导入的遥感影像文件，点击“打开”按钮。
2、辐射定标在 envi 主菜单中，选择“Radiometric Correction”＞“Radiometric Calibration”。
在弹出的“Radiometric Calibration”对话框中，选择要定标的影像文件，设置输出路径和文件名。
根据影像的传感器类型和波段信息，设置相应的参数，如增益、偏移等。
点击“OK”按钮，完成辐射定标。
3、大气校正选择“Radiometric Correction”＞“Atmospheric Correction”＞“FLAASH Atmospheric Correction”。
在弹出的“FLAASH Atmospheric Correction Input Parameters”对话框中，设置输入影像文件、输出路径和文件名、传感器类型、成像时间、地理位置等参数。
点击“OK”按钮，开始进行大气校正。
4、几何校正选择“Geometric Correction”＞“Registration”＞“Image to Image”。
在弹出的“Image to Image Registration”对话框中，选择基准影像和待校正影像，设置匹配点的数量和分布。
《遥感原理与应用》实验报告
《遥感原理与应用》实验报告实验报告：遥感原理与应用一、实验目的通过实验了解遥感的基本原理，掌握遥感技术的基本应用方法。
二、实验仪器和材料1.遥感软件：ENVI、ERDAS、IDRISI等2.遥感数据：卫星遥感影像数据三、实验内容1.遥感影像地理信息提取通过遥感软件导入遥感影像数据，利用图像处理方法提取地理信息，如土地利用类型、植被覆盖度等。
2.遥感影像分类利用遥感影像数据进行分类分析，将影像中的不同对象或地物进行分类，如建筑物、农田、水域等。
3.遥感影像变化检测利用不同时间的遥感影像数据进行变化检测，观察地物变化的情况，如城市扩张、植被变化等。
四、实验步骤1.打开遥感软件，导入遥感影像数据。
2.使用图像处理方法提取地理信息，如选择适当的阈值进行植被覆盖度的提取。
3.利用分类分析方法将影像中的不同对象进行分类，可以使用最大似然分类方法或支持向量机分类方法等。
4.比较不同时间的遥感影像数据，通过图像差异分析方法进行变化检测。
五、实验结果通过实验，我们成功使用遥感软件导入遥感影像数据，并提取了植被覆盖度等地理信息。
同时，我们还使用分类分析方法将影像中的不同对象进行了分类，得到了建筑物、农田、水域等分类结果。
最后，我们通过比较不同时间的遥感影像数据，成功进行了变化检测，观察到了城市扩张和植被变化的情况。
六、实验感想通过这次实验，我们深入了解了遥感技术的基本原理和应用方法。
遥感技术具有非常广泛的应用领域，如环境监测、农业管理、城市规划等。
遥感影像数据可以提供大量的地理信息，通过图像处理和分类分析可以提取出有用的地理信息，同时通过变化检测可以观察到地物的变化情况。
掌握遥感技术对于我们理解地球变化、环境保护和资源利用具有重要意义。
总结：通过这次实验，我们不仅学习到了遥感技术的基本原理和应用方法，还亲自进行了实验操作，掌握了使用遥感软件进行遥感影像地理信息提取、分类分析和变化检测的基本技能。
希望今后能够将所学的遥感知识应用到实际工作中，为地球环境的保护和资源的利用做出贡献。
遥感实验报告实验成果
一、实验背景随着遥感技术的不断发展，遥感技术在环境监测、资源调查、灾害预警等领域得到了广泛应用。
本实验旨在通过遥感技术，对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
二、实验目的1. 熟悉遥感图像处理软件的基本操作；2. 掌握遥感图像分类方法；3. 对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
三、实验内容1. 数据准备本实验选用某地区Landsat 8卫星影像作为实验数据，该影像覆盖范围约为1000平方公里，分辨率为30米。
实验过程中，首先对影像进行预处理，包括辐射校正、几何校正和大气校正等。
2. 遥感图像分类（1）选择合适的分类器本实验选用支持向量机（SVM）作为分类器，因为SVM在处理小样本数据时具有较好的性能。
（2）训练样本选择为提高分类精度，需要选择具有代表性的训练样本。
本实验采用随机抽样方法，从预处理后的影像中随机选取1000个样本作为训练样本。
（3）分类结果分析将训练样本输入SVM分类器进行训练，得到分类模型。
然后，将测试样本输入分类模型进行分类，得到分类结果。
3. 分类结果验证为验证分类结果的准确性，采用混淆矩阵对分类结果进行评价。
混淆矩阵是一种用于评估分类结果的方法，它能够直观地反映分类精度、召回率和F1值等指标。
四、实验结果与分析1. 分类精度通过计算混淆矩阵，得到分类精度为90.5%。
这说明本实验采用SVM分类器对某地区进行地表覆盖分类的效果较好。
2. 分类结果分析（1）地表覆盖类型分布通过分析分类结果，可以看出该地区地表覆盖类型主要有耕地、林地、草地、水域、建筑用地和未利用地等。
（2）地表覆盖变化分析与历史影像对比，可以看出该地区耕地面积有所增加，林地和草地面积有所减少，建筑用地面积显著增加。
这可能与当地经济发展和城市化进程有关。
3. 分类结果应用（1）环境监测通过地表覆盖分类结果，可以监测该地区土地利用变化，为环境监测提供数据支持。
遥感原理实验报告
一、实验目的1. 理解遥感的基本原理和概念；2. 掌握遥感数据的获取方法及遥感图像的处理技术；3. 了解遥感在环境监测、资源调查等方面的应用；4. 培养遥感图像分析和解译能力。
二、实验原理遥感技术是利用电磁波在地球表面及其大气层中的传播特性，通过遥感器获取地球表面及其大气层的信息，然后进行图像处理、分析和解译，以达到对地球表面及其大气层进行监测、研究和利用的目的。
遥感原理主要包括以下几个方面：1. 电磁波辐射与散射：地球表面及其大气层对太阳辐射的吸收、反射和散射，形成各种电磁波；2. 遥感器：利用电磁波探测地球表面及其大气层的信息；3. 电磁波传播：电磁波在空间传播过程中，会受到大气、云层等因素的影响；4. 遥感图像处理：对遥感数据进行预处理、增强、分类等处理，提高遥感图像的质量和应用效果；5. 遥感图像分析：对遥感图像进行解译、识别和提取信息，实现对地球表面及其大气层的监测和研究。
三、实验内容及步骤1. 实验内容（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：包括辐射校正、几何校正、大气校正等；（3）遥感图像增强：通过对比度增强、亮度增强、滤波等手段提高遥感图像的质量；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
2. 实验步骤（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：利用ENVI软件进行辐射校正、几何校正和大气校正；（3）遥感图像增强：利用ENVI软件进行对比度增强、亮度增强和滤波处理；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
四、实验结果与分析1. 遥感图像的预处理效果通过对遥感图像进行辐射校正、几何校正和大气校正，提高了遥感图像的质量，为后续的图像增强和分类奠定了基础。
遥感学实验报告
一、实验名称遥感影像地理坐标定位和配准二、实验目的1. 熟悉遥感影像地理坐标定位和配准的基本原理。
2. 掌握使用ENVI软件进行遥感影像地理坐标定位和配准的方法。
3. 学会利用全色影像生成影像地图。
三、实验原理遥感影像地理坐标定位是指将遥感影像上的像点坐标转换为地面实际地理位置的过程。
配准则是将不同时间、不同传感器或不同区域的遥感影像进行空间配准，以便进行对比分析。
四、实验内容1. 选取实验数据：选取一幅哈尔滨市TM影像，成像时间为2013年7月19日，分辨率为30m，各波段的波长为0.45～0.52μm、0.52～0.60μm、0.63～0.69μm、0.76～0.90μm、1.55～1.75μm。
2. 影像地理坐标定位：（1）打开ENVI软件，导入实验数据。
（2）在“地理信息”菜单中选择“地理坐标定位”。
（3）设置影像的投影类型为UTM，投影分带为北51区。
（4）输入图像左上角的公里网坐标（9819 8092）和地理坐标（经度125.4941，纬度47.0930）。
（5）点击“确定”进行地理坐标定位。
3. 影像配准：（1）打开ENVI软件，导入实验数据。
（2）在“图像处理”菜单中选择“配准”。
（3）选择“影像到影像配准”。
（4）选择参与配准的影像，设置配准精度。
（5）点击“确定”进行配准。
4. 影像到地图校正：（1）打开ENVI软件，导入实验数据。
（2）在“地理信息”菜单中选择“影像到地图校正”。
（3）选择参与校正的影像，设置校正精度。
（4）点击“确定”进行校正。
5. 生成影像地图：（1）打开ENVI软件，导入实验数据。
（2）在“图像处理”菜单中选择“生成影像地图”。
（3）选择参与生成影像地图的影像，设置地图投影、分辨率等参数。
（4）点击“确定”生成影像地图。
五、实验数据处理及成果1. 成功将哈尔滨市TM影像进行地理坐标定位和配准。
2. 利用ENVI软件生成哈尔滨市TM影像的影像地图。
六、体会及建议1. 通过本次实验，熟悉了遥感影像地理坐标定位和配准的基本原理，掌握了使用ENVI软件进行操作的方法。
- 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)。
实验一遥感图像基本功能一、实验原理1、根据彩色合成法原理，可将红（R）、绿（G）、蓝（B）三原色按一定比例混合形成各种色调的颜色。
2、Basic Tools菜单下的Statistics工具允许生成图像文件的统计记录，以及生成直方图、平均波谱、特征值和其他统计信息。
二、实验内容1、图像合成2、统计分析三、实验步骤1、图像合成（1）打开ENVI 4.7软件，单击File后选择Open Image File，浏览图像所在的路径，找到命名为tm20030326.img的长乐影像图，点击打开。
（2）在弹出的Available Bands List对话框中，单击RGB Color后，选择三原色的合适波段，如R选择Layer_6，G选择Layer_4，B选择Layer_5。
点击Display，再点击Load RGB。
（3）单击Overlay，选择Annotation，在弹出的Annotation：Text对话框中设置标注的样式，在文本框中输入长乐，设置好后在影像图上点击，即可出现标注。
结果如图1所示。
2、统计分析（1）选择Basic Tools→Statistics→Compute Statistics，将出现Compute Statistics Input File 对话框。
（2）点击tm20030326.img图像，单击OK。
在弹出的Compute Statistics Parameters对话框中，选择Basic Stats、Histograms、Covariance、Covariance Image复选框，点击OK。
即出现Statistics Results：tm20030326.img对话框。
结果如图2—图7所示。
四、实验结果1、图像合成图1 长乐遥感影像合成图2、统计分析图2 统计信息图图3 多波段统计图图4 特征值统计图图5 标准差统计图0100002000030000400005000060000700008000090000114274053667992105118131144157170183196209222235248灰度值DN像元数N p t s图6 波段1统计直方图0100002000030000400005000060000700008000090000114274053667992105118131144157170183196209222235248灰度值DN像元数N p t s图7 波段2统计直方图实验二 图像操作一、实验原理1、感兴趣区ROIs （Region of Interest ）是图像的一部分，它通过在图像上选择或使用诸如设定阈值等其他方法二形成。
这些区域可以呈不规则的形状，通常用来提取分类的统计信息、掩膜及其他操作。
ENVI 允许选择任意的多边形、点或矢量的组合来作为一个兴趣区。
可以定义多个感兴趣区，并绘制到主图像、滚动或缩放窗口中的任何一个中。
感兴趣区可以根据指定的阈值扩展到邻近像元。
2、ENVI 中的Segmentation Image 选项允许根据像元的DN 值，将一幅图像分割为由互相连通的像元组成的局部区域。
可以在分割中输入一个单独的DN 值或一个DN 值范围。
该功能允许用邻近的4或8像元考虑连通性，并指定在一个区域中所必须包含的最少像元数。
每个连通的区域或分割在输出图像中都被给定一个特定的DN 值。
3、ENVI 允许抽取水平的（X ）、垂直的（Y ）以及任意的剖面图。
X 剖面自动地提取沿着水平指针线的像元，而Y 剖面自动地提取沿着垂直指针线的像元。
二、实验内容1、兴趣区的选取2、图像切割3、x 、y 剖面线的获取三、实验步骤1、兴趣区的选取 （1）在长乐遥感影像图上进行兴趣区的获取。
点击Overlay ，选择Region of Interest 。
（2）在弹出的ROT Tool 对话框中点击New Region ，在Image 窗口中选取兴趣区，并对其进行命名，如图1所示，结果如图2所示。
2、图像切割（1）选择Basic Tools →Segmentation Image 。
（2）在弹出的Segmentation Image Input File对话框中选择Layer_5波段，点击OK。
（3）在弹出的Segmentation Image Parameters对话框中，在Min Thresh Value和Max Thresh Value阈值文本框中，以DN值为单位输入所需的最小阈值0和最大阈值60。
点击Memory、OK。
（4）在弹出的Available Bands List对话框中点击RGB Color，点击Segmentation Image 后点击Display选择New Display，点击Load RGB。
结果如图3所示。
3、x、y剖面线的获取（1）在主图像窗口内，选择Tools→Profiles→X Profile或Y Profile，弹出Horizontal Profile和Vertical Profile对话框，如图4、图5所示。
四、实验结果1、兴趣区的选取图1 ROT Tool对话框图2 三个显示窗口中的多边形兴趣区2、图像切割图3 遥感图像切割图3、x、y剖面线的获取图4 X剖面图图5 Y剖面图图6 主图像上跟踪剖面图实验三图像的增强处理一、实验原理1、图像拉伸时一种通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。
它可以将图像中过于集中的像元分布区域（亮度值分布范围）拉开扩展，扩大图像反差的对比度，增强图像表现的层次性。
线性拉伸是ENVI系统默认的交互式拉伸。
2、空间增强也称空间滤波，指在图像空间域（x，y）对输入图像应用滤波函数对原始图像进行改进的一种处理技术，其效果有噪声的消除、边缘及线性特征增强、图像清晰化等。
二、实验内容1、线性拉伸2、图像空间滤波三、实验步骤1、线性拉伸（1）在主图像窗口点击Enhance，再选择[Image]：Linear，可以看到图像更加清晰平滑了，同样选择[Image]：Linear 0-255和[Image]：Linear 2%，进行不同的线性拉伸变化，结果如图1-图3所示。
2、图像空间滤波（1）在主图像窗口点击Enhance，再点击Filter，选择平滑滤波Smooth [3×3]滤波器，即选择一个大小为3×3的核，核越大，滤波越平滑。
结果如图4所示。
（2）同样的方法选择锐化滤波Sharpen [10]和中值滤波Median[3×3]，结果如图5、图6所示。
四、实验结果1、线性拉伸图1 经Linear拉伸后的图像图2 经Linear 0-255拉伸后的图像图3 经Linear 2%拉伸后的图像2、图像空间滤波图4 经平滑滤波Smooth [3×3]后的图像图5 经锐化滤波Sharpen [10]后的图像图6 经中值滤波Median[3×3]后的图像实验四图像的专题处理一、实验原理1、K-T变换也称缨帽变换，是一种坐标空间发生旋转的线性变换，旋转后的坐标轴指向与地面景物有密切关系的方向，主要针对TM和MSS数据。
通过缨帽变换可获得六项特征，其中前三项具有明确的物理-景观含义，后三项分量没有与景观明确的对应关系，因此变换只取前三项分量，分别是亮度、绿度、湿度。
2、K-L变换又称主成分分析，是一种去除波段间的冗余信息，将多波段的图像信息压缩到比原波段更有效地少数几个转换波段的方法。
它是对某一多光谱图像X，利用K-T变换矩阵A进行线性组合，从而产生一组新的多光谱图像Y。
3、归一化差值植被指数（NDVI）反映了植被光谱的典型特征，部分消除了大气层辐射和太阳-地物-卫星三者相对位置（遥感几何）的影响，增强了对植被的响应能力，具有简单易操作的特点，是目前应用最广的植被指数。
4、比值植被指数（RVI）是最早的植被指数，又称绿度，定义为近红外通道与可见光（红光）通道反射率的比值（RVI=）。
RVI强化了植被在近红外和红光波段反射率的差异，比单波段信息监测植被更为稳定，在植物生长的整个阶段能较好地反映植被的覆盖度和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度时的植被监测。
当植被覆盖不够浓密(小于50%)时，RVI的分辨能力减弱，当植被覆盖很茂密时，反映的红光辐射减小，RVI有无限增长的趋势。
二、实验内容1、缨帽变换2、主成分分析3、归一化差值植被指数4、比值植被指数三、实验步骤1、缨帽变换（1）点击Transform→Tasseled Cap，在弹出的Tasseled Cap Transform Input File 对话框中选择图像后点击OK。
（2）在弹出的Tasseled Cap Transform对话框中选择Landsat 5 TM数据进行变换，点击Memory后点击OK。
（3）在弹出的ENVI Output to Memory对话框中点击Memory后点击OK。
（4）在弹出的Available Bands List对话框中点击RGB Color，选择亮度、绿度和湿度，再点击Display，选择New Display，点击Load RGB。
结果如图1所示。
2、主成分分析（1）点击Transform→Principal Components→Forward PC Rotation→Compute New Statistics and Rotate，在弹出的对话框中选择输出文件后点击OK。
、（2）在弹出的Forward PC Parameters对话框中点击Memory后点击OK。
（3）在弹出的对话框中继续点击Memory后点击OK。
结果如图2所示。
3、归一化差值植被指数（1）Transform→NDVI，在弹出的对话框中选择输出文件后点击OK。
（2）在弹出的NDVI Calculation Parameters对话框中选择Landsat TM，点击Memory 后点击OK。
（3）在弹出的Available Bands List对话框中点击RGB Color，再点击Load RGB。
结果如图3所示。
4、比值植被指数（1）点击Basic Tools→Band Math，在弹出的对话框中输入表达式：b1/b2，点击Add List后点击OK。
（2）弹出的Available Bands List对话框，将Layer_4赋给b1，Layer_3赋给b2，点击Memory后点击OK。
（3）在再次弹出的Available Bands List对话框中选择Band Math（b1/b2）。
点击RGB Color，再点击Load RGB。
结果如图4所示。
四、实验结果1、缨帽变换2、主成分分析3、归一化差值植被指数4、比值植被指数图4 比值植被指数图实验五图像分类一、实验原理1、监督分类需要从研究区域选取代表各类别的已知样本作为训练场地（训练区），根据已知训练区提供的样本，选择提取特征参数（如像素亮度均值、方差等），建立判别函数，以此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。