最新12-遥感动态监测汇总
遥感监测工作总结
遥感监测工作总结
遥感监测是利用航天技术获取地球表面信息的一种重要手段，它可以实现对地表、大气、海洋等自然资源的快速、准确监测和分析。
在过去的一段时间里，我们开展了大量的遥感监测工作，取得了一些成果和经验，现在我来总结一下这些工作。
首先，我们利用遥感技术对土地利用和覆盖进行了监测。
通过遥感影像的获取
和分析，我们可以及时准确地了解到不同地区的土地利用情况，包括农田、林地、水域等的分布情况，以及城市扩张、工业园区建设等对土地利用的影响，为土地规划和资源管理提供了重要的参考依据。
其次，我们还利用遥感技术对自然灾害进行了监测和预警。
遥感影像可以实现
对地质灾害、气象灾害、水文灾害等自然灾害的实时监测，及时发现灾害隐患，为防灾减灾工作提供了重要的技术支持。
此外，我们还利用遥感技术对环境污染进行了监测。
通过对大气、水体、土壤
等环境要素的遥感监测，我们可以了解到不同地区的环境质量状况，及时发现环境污染源，为环境保护和治理提供了重要的数据支持。
总的来说，遥感监测工作在各个领域都发挥了重要作用，为社会经济发展和生
态环境保护提供了重要的数据支持和决策参考。
未来，我们将继续深入开展遥感监测工作，不断提升监测技术水平，为建设美丽中国、实现可持续发展作出更大的贡献。
铁路安全遥感新技术动态监测
铁路安全遥感新技术动态监测随着城市化的不断推进和交通运输的蓬勃发展，铁路交通系统承载着越来越多的人和货物。
然而，在这个庞大的系统中，铁路安全问题仍然时有发生，给人们的生命财产安全带来巨大威胁。
为了及时探测、监测和预警铁路安全隐患，铁路部门引入了遥感技术，实现铁路安全的动态监测。
一、遥感技术概述1.1 遥感技术定义和原理遥感技术是利用航空器、卫星等远距离获取地球表面信息的技术。
通过遥感技术，可以获取到铁路线路、桥梁、隧道等设施的图像、空间信息及相关数据，实现对铁路安全的全方位监测。
1.2 遥感技术在铁路安全监测中的应用遥感技术在铁路安全监测中有着广泛的应用，主要包括：- 铁路线路动态监测：通过遥感技术获取铁路线路的高分辨率图像，并分析图像中的线路状况，检测出可能存在的裂缝、塌方等隐患。
- 桥梁安全监测：利用遥感技术获取桥梁的形变信息，实时监测桥梁的结构变化，以及桥梁地基的沉降情况等。
- 隧道安全监测：通过遥感技术获取隧道内部的图像，并分析图像中的状况，及时发现可能存在的渗水、龟裂等问题。
二、铁路安全遥感新技术2.1 高分辨率遥感高分辨率遥感技术可以获取到更为细致的铁路线路、桥梁、隧道等设施信息，对于隐患的探测更加精确。
目前，高分辨率卫星影像可以提供米级或亚米级尺度的空间分辨率，大大提升了铁路安全监测的精度和效率。
2.2 激光雷达技术激光雷达技术利用激光束扫描地面，可以获取地形表面的高程信息，对铁路线路的起伏和变化进行监测。
它能够高精度、高效率地获取大范围地形数据，为铁路安全监测提供可靠的技术支持。
2.3 红外热成像技术红外热成像技术可以反映物体表面的温度分布情况，对于隐蔽的热源和热量异常进行探测具有独特优势。
通过红外热成像技术，可以有效检测到铁路线路上可能存在的短路、电器设备过热等问题，及时采取措施避免事故发生。
2.4 遥感数据处理与分析遥感数据的处理与分析是铁路安全遥感监测的关键环节。
利用计算机技术和图像处理算法，可以对获取到的遥感影像进行自动提取、分类和监测分析，实现对铁路安全隐患的预警和预测。
【国家自然科学基金】_遥感动态监测_基金支持热词逐年推荐_【万方软件创新助手】_20140729
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
盐池县 生物土壤结皮 生态环境监测 生态治理工程 生态工程数据库 环境监测 环境工程学 环境变化 煤矿废弃地 热环境 热岛效应 热休克蛋白70 热休克反应 火线检测 火烧迹地 湿地 湖泊群 渭干河-库车河三角洲 洪涝灾害 水资源 水电梯级开发 水土保持 水体面积 水体指数 水体 水位 氮素营养 气候变化 气候 正射校正 次生代谢产物 模型 植被指数 植被恢复 植被动态变化 植被净第一性生产力(npp) 植物群落 森林可燃物类型 桉树 株洲市 数字正射影像 提取方法 应用 干旱灾害 干旱区 山地草原 小班图层更新 小卫星星座 封育 季节变化 太湖藻类 太湖 大气校正 多波段影像梯度
遥感动态监测
3.1.4 波段替换法
在RGB假彩色合成中，G和B分量用前时相的两个波段， 用后一时相的一个波段影像组成R分量，在合成的RGB 假彩色图像上能够很容易地发现红色区域即为变化区 域。
前时相影像
后时相全色影像
波段替换影像
3.2图像分类后比较法
该方法的核心是基于分类基础上发现变化信息。即首 先运用统一的分类体系对每一时相遥感影像进行单独 分类，然后通过对分类结果进行比较来直接发现土地 覆被等的变化信息。
前一时相TM影像
后一时相SPOT影像
特征变异影像
3.1.3 假彩色合成法
• 由于地表的变化，相同传感器对同一地点所获取的不同时 相的影像在灰度上有较大的区别。在进行变化信息的发现 时，将前、后两时相的数据精确配准，再利用假彩色合成 的方法，将后一时相的一个波段数据赋予红色通道，前一 时相的同一波段赋予蓝色和绿色通道。利用三原色原理， 形成假彩色影像。其中，地表未发生变化的区域，合成后 影像灰度值接近，而土地利用发生变化的区域则呈现出红 色，即判定为变化区域。
3.1.2 光谱特征变异法
同一地物反映在一时相影像上的信息与其反映在另外时相 影像上的光谱信息是一一对应的。当将不同时相的影像进 行融合时，如同一地物在两者上的信息表现不一致时，那 么融合后的影像中此地物的光谱就表现得与正常地物的光 谱有所差别，此时称地物发生了光谱特征变异，我们就可 以根据发生变异的光谱特征确定变化信息。
遥感动态监测
3、检测方法及其原理
3.1 图像直接比较法
最常用方法，对经过配准的两个时期的影像像元直接运 算或变换处理，找出变化区域。
3.1.1 图像差值法
两个时相的遥感图像相减。其原理是：图像中未发生变化 的地类在两个时相的遥感图像上一般具有相等或相近的灰 度值，而当地类发生变化时，对应位置的灰度值将有较大 差别。因此在差值图像上发生地类变化区域的灰度值会与 背景值有较大差别，从而使变化信息从背景影像中显现出 来。
遥感监测分析报告
遥感监测分析报告1. 引言遥感监测是通过卫星、飞机、无人机等遥感数据获取和处理，对地表和大气的特征、变化进行分析和监测的方法。
本报告将通过对遥感数据的分析，对特定区域的地表特征和变化进行监测和分析，为相关决策提供可靠的数据支持。
2. 数据获取本次遥感监测分析使用了Landsat系列卫星的多光谱数据。
这些数据包括了蓝光、绿光、红光和近红外光等多个频段的反射率信息。
通过对这些数据进行处理和分析，可以获得地表的植被覆盖度、土地利用类型、水体面积等信息。
遥感数据的获取可以通过地面站、互联网等渠道进行。
本次数据获取使用了公开的遥感数据平台，通过API接口获取了需要的Landsat数据。
3. 数据处理3.1 辐射校正为了准确获取地表的反射率信息，需要对原始遥感数据进行辐射校正。
辐射校正的目的是将卫星接收到的辐射量转换为地表反射率。
辐射校正过程中需要考虑大气的影响，通过大气校正模型对数据进行校正。
3.2 遥感图像拼接获得的Landsat数据以分块的形式存储，需要进行图像拼接处理，生成完整的地表覆盖图像。
图像拼接的过程需要考虑不同波段数据的匹配和融合，以及边缘的处理。
3.3 特征提取对拼接后的地表覆盖图像进行特征提取，可以获得地表的植被覆盖度、水体面积、建筑物分布等信息。
特征提取可以通过阈值分割、纹理分析、目标检测等方法进行。
4. 结果分析通过对特定区域的遥感数据进行处理和分析，我们得到了以下结果：•地表植被覆盖度分布图•土地利用类型分类图•水体面积统计图根据结果分析，我们发现该区域的植被覆盖度较高，土地利用主要以农田为主，水体面积较小。
这些结果可以为相关决策提供参考，例如农业规划、水资源管理等。
5. 结论通过遥感监测分析，我们可以获得地表特征和变化的可靠数据。
利用遥感数据进行监测和分析，可以为决策提供科学依据，辅助环境保护、资源管理等工作的开展。
随着遥感技术的不断进步，遥感监测分析在环境领域的应用将会更加广泛。
土地动态监测中遥感信息技术与地理信息系统应用分析
土地动态监测中遥感信息技术与地理信息系统应用分析发布时间：2023-02-01T05:25:06.950Z 来源：《中国科技信息》2022年9月18期作者：王雯玥[导读] 保护土地资源，确保资源得到科学利用，是资源管理与利用的基本保障。
王雯玥辽宁省交通高等专科学校辽宁沈阳 110122摘要：保护土地资源，确保资源得到科学利用，是资源管理与利用的基本保障。
科学合理运用地理信息和遥感信息技术，实现土地资源的动态监测，进而更好地分析土地利用变化，以此分析当地经济和发展，促进经济可持续发展。
因而，工作人员需要充分学习并掌握信息化测绘技术的运用，并在土地动态监测工程测量中得到全面运用，提升土地动态监测工作质量，为我国土地管理奠定更加稳定的基础。
就此，文章简要针对地理信息和遥感信息在土地监测中的应用展开论述，为资源的管理与合理规划提供必要的参考信息。
关键词：土地动态监测；遥感信息；信息系统；运用0引言土地监测作为影响生态环境的关键因素，还受到自然环境和日常生活的影响。
为了能够准确地获取土地资源变化，需要有效发挥土地监测遥感技术，为土地管理和经济发展提供管理依据，进一步提高土地资源的利用率。
1土地资源与土地动态监测概述1.1土地资源概述土地资源管理主要是国家利用经济手段、法律手段等来提高土地资源所能创造的经济价值、生态价值，为改变土地性质、管理土地利用而进行的一系列决策、协调、组织等活动。
土地资源管理是国家对于土地进行行政管理的重要方式，具有极为重要的作用和意义。
1.2土地动态监控GPRS技术和定位系统进行有效地配合，把发生变化的信息随时更新到土地模型中。
在这一过程当中，监控工作人员要通过监控模型获得土地的实时状态。
采用此种方式方法，能够在现代测绘技术的基础之上与动态监控机制进行有效地结合，实时监控更大面积的土地状态，有效提升其监控效率。
1.2.1遥感信息技术遥感信息利用遥感设备研究物体，不同物体对光谱的响应不同，识别和区分不同物体，确保远程感知事物。
基于遥感的森林覆盖变化动态监测
基于遥感的森林覆盖变化动态监测森林作为地球上重要的生态系统之一，对于维持生态平衡、调节气候、提供生态服务以及保障生物多样性等方面都具有不可替代的作用。
而森林覆盖的变化不仅反映了自然生态系统的演变，也受到人类活动的显著影响。
因此，对森林覆盖变化进行动态监测具有极其重要的意义。
遥感技术的出现，为我们实现这一目标提供了强大而有效的手段。
遥感，简单来说，就是不直接接触目标物体，通过传感器获取其信息的技术。
在森林覆盖变化监测中，常用的遥感数据包括卫星影像、航空摄影等。
这些数据具有大面积同步观测、周期性获取以及多波段信息等优势，使得我们能够从宏观尺度上对森林的分布和变化进行监测。
通过遥感技术监测森林覆盖变化，首先需要获取高质量的遥感影像。
这些影像可以来自不同的卫星，如 Landsat 系列、Sentinel 系列等。
不同的卫星具有不同的空间分辨率、光谱分辨率和时间分辨率，根据监测的需求和目标选择合适的遥感数据源至关重要。
例如，如果需要监测较大范围的森林变化，可能会选择空间分辨率相对较低但覆盖范围广的卫星影像；而对于小范围的精细监测，则可能会选择空间分辨率较高的影像。
获取到遥感影像后，接下来就是对影像进行预处理。
这包括辐射校正、几何校正、大气校正等步骤。
辐射校正用于消除传感器本身以及大气等因素对影像辐射亮度的影响，使得影像能够真实反映地物的反射特性。
几何校正则是将影像的几何形状纠正到准确的地理坐标上，以便与其他地理数据进行匹配和分析。
大气校正则是消除大气对影像的干扰，提高影像的质量和准确性。
在完成影像预处理后，就可以进行森林覆盖信息的提取。
这通常基于地物的光谱特征、纹理特征、形状特征等。
例如，森林在可见光和近红外波段具有独特的光谱反射特征，可以通过设置阈值或者利用分类算法将森林与其他地物区分开来。
常用的分类算法包括监督分类（如最大似然分类、支持向量机分类等）和非监督分类（如 ISODATA 分类等）。
此外，还可以结合纹理特征和形状特征，进一步提高森林覆盖信息提取的准确性。
试述遥感土地利用动态监测方法和技术流程
试述遥感土地利用动态监测方法和技术流程遥感土地利用动态监测是指通过利用遥感技术手段对特定区域内的土地利用情况进行定期采集、分析和监测，以实现对土地利用及其变化的高效、精确、全面的监测和管理，为地方政府及决策者提供科学的政策建议和决策参考。
那么，我们应该如何实现遥感土地利用动态监测呢？1. 遥感数据的获取：遥感数据的获取是进行遥感土地利用动态监测的第一步，可以采用激光雷达、卫星遥感、无人机等多种方式进行获取。
其中，卫星遥感是目前应用最广泛的一种方式，可以获得大范围的遥感数据，但由于其分辨率普遍较低，需要结合其他数据源进行分析。
而无人机和激光雷达可以获得更高分辨率和更精准的数据，但适用范围较小，多适用于小范围内的土地利用监测。
2. 遥感图像的预处理：由于遥感数据来源多样、结构复杂，需要进行图像预处理，以提高图像的可用性和可读性。
主要包括图像去噪、增强、图像配准等一系列的处理操作。
3. 遥感图像的分类：遥感图像的分类是指对遥感图像中的像元按照给定的类别分别分配到不同的类别中，从而得到不同类别的土地利用信息。
常见的分类方法有基于像素的分类和基于目标的分类。
4. 土地利用变化的检测：通过对不同时间段的遥感图像进行比对和分析，可以发现土地利用的变化情况。
地物的变化检测主要采用基于像元的变化检测方法和基于目标的变化检测方法。
5. 土地利用监测与评价：通过对遥感图像的分析和比对，结合地勘和统计数据等多种因素，可以对土地利用情况进行监测和评价，操作流程主要包括可视化展示、数据处理与挖掘、统计分析等等。
以上就是遥感土地利用动态监测所需要的主要步骤。
需要注意，目前遥感土地利用动态监测的技术和方法不断发展和更新，必须结合新技术、新方法、新数据源等因素，进一步提升监测的准确性和效率，更好的服务于土地利用规划和管理工作。
- 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)。
12-遥感动态监测第12章遥感动态监测本章主要介绍以下内容：（1）遥感动态监测技术（2）图像直接比较法工具（3）分类后比较法工具（4）林冠状态遥感状态监测实例（5）农业用地变化监测实例12.1 遥感动态监测技术遥感动态监测过程一般可分为三个步骤，1.数据预处理（1）在进行变化信息检测前，需要考虑以下因素对不同时相图像产生的差异信息。
●传感器类型的差异：●采集日期和时间的差异：●图像像元单位的差异：●像素分辨率的差异：●大气条件的差异：●图像配准的精度：2.变化信息检测根据处理过程可分为以下三类：（1）图像直接比较法（2）分类后比较法（3）直接分类法3.变化信息提取变化信息提取可以归纳为从图像上提取信息，有以下方法供选择：●手工数字化法●图像自动分类●监督分类●非监督分类●基于专家知识的决策树分类●面向对象的特征提取法●图像分割12.2 图像直接比较法工具ENVI中的图像直接比较法工具包括Compute Different Map工具和Image Difference工具。
12.2.1 Compute Different Map工具Compute Different Map工具对两个时相的图像作波段相减或者相除，设定的阈值对相减或相除的结果进行分类。
这个工具的详细操作过程如下：在ENVI主菜单中，选择Basic Tools→Change Detection-→Compute Difference Map。
在Select the Initial State Image文件选择对话框中，从前一时相图像中选择一个波段，单击OK按钮；在Select the Final State Image文件选择对话框中，从后一时相图像中选择一个与前面相同的波段，单击OK按钮，打开Compute Difference Map Input Parameters对话框。
图12.1 Compute Difference Map Input Parameters对话框12.2.2 Image Different工具Image Different工具可以检测两个时相图像中增加和减少两种变化信息，适合获取地表绝对变化信息。
它集成在ENVI EX视图下，采用流程化操作方式。
首先通过以下方式启动ENVI Zoom视图。
第一步启动Image Difference(1)在ENVI Zoom中，选择File Open打开july_00_quac.img和july_06_quac.img图像。
(2)在工具栏中，单击按钮，利用Portal功能浏览这两个图像相同区域地表变化情况。
(3)在Toolbox列表中，双击Image Difference 选项，打开File Selection 对话框，分别为Time 1 File选择july_00_quac.img和Time 2 File选择july_06_quac.img。
单击Next按钮，打开Image Difference对话框。
图12.2 Image Difference对话框第二步变化信息检测在Image Difference 对话框中，设置变化信息检测方法。
提供两种方法：（1）波段差值（2）特征指数差图12.3 设置变化信息检测图12.4第三步变化信息提取可以从变化信息检测结果中提取三种变化信息图12.5第四步输出变化信息图12.6 输出变化信息12. 3 分类后比较法工具12. 3.1 Change Detectio Statistics工具（1）E NVI主菜单中，选择Basic Tools→Change Detection→Change Detection Statistics。
（2）在Select the Initial State Image文件选择对话框中，从前一时相图像中选择一个波段，单击OK按钮；在Select the Final State Image文件选择对话框中，从后一时相图像中选择一个与前面相同的波段，单击OK按钮，打开Define Equivalent Classes 对话框。
图12.7 Define Equivalent Classes对话框（3）在Define Equivalent Classes对话框，如果两个分类名称一致，系统自动将Initial State Class和Final State Class对应；否则，手动选择。
（4）在左边列表中选择一个分类类别，在右边选择对应分类名称，单击Add Pair 按钮。
（5）重复（4）步骤，直至所有需要分析的分类类别一一对应。
单击OK按钮，打开Change Detection Statistics Output对话框。
（6）选择生成图像表示单位。
（7）单击OK按钮，执行计算。
图12.8 Change Detection Statistics Output对话框12. 3.2 Thematic Change工具(1)在ENVI EX中，选择File Open打开两个分类图像。
（2）在Toolbox列表中，双击Thematic Change选项，打开File Selection对话框，分别为Time 1 Classification Image File选择前一时间的分类图像和Time 2 Classification Image File选择后一时间的分类图像。
单击 Next按钮，打开Thematic Change对话框。
图12.9 Thematic Change对话框（3）在Thematic Change 对话框中，如果两个分类图像中分类数目和分类名称都一样，Only Include Areas that Have Change选项可选，当选择这个选项时，未发生变化的分类全班归为并命名为“no Change”。
单击Next按钮，进入ClearUp对话框。
（4）Clearup对话框的作用是移除椒盐噪声和去除小面积斑块。
（5）单击Next按钮，打开Export对话框。
单击Finish按钮，输出结果。
12. 4 林冠状态遥感动态监测实例林冠是森林与大气相互作用的关键界面，林冠状态主要包括林隙、绿叶生物量、林木树叶量等方面的内容，它反映了森林的健康状况。
林冠状态变化包括了自然因子引起的如病虫害、林火、干旱等引起的较大面积的林冠变化、由大风等灾害引起的林隙变化以及树冠和林冠的正常变化等内容。
主要技术路线：对不同实相的同一种植被指数作差值运算得到植被指数差，这些植被指数差能反映两个时间段森林林冠变化状况；确定一定的阈值范围，阈值范围反映监测区森林健康状态情况，即林冠状态的变化，从而提取虫害受灾区域。
技术流程如图所示。
ENVI提供SPEAR流程化图像处理工具，它将现有的一些图像处理功能集成在一个界面下，采用流程化的向导式操作方式，包含16个流程化图像处理模块：●异常检测●变化检测●Google Earth连接工具●图像对地图（Image-map）几何校正●独立主成分分析●道路信息提取●水体信息提取●元数据浏览●基于地形正射校正●Pan Sharpening图像融合●水相对深度分析●波谱相似地物提取●图像分类工具●植被覆盖分析●图像垂直条纹去除●船只提取12.4.1 林区提取这一步是通过植被指数阈值分割的方法将林区从图上提取出来，生成感兴趣区并应用于后面的步骤，提高检测精度和减少计算量。
（1）在ENVI主菜单中，选择Transform→NDVI，在文件选择对话框中选择oct_07_2002.img文件，单击OK按钮。
（2）在NDVI Calculation Parameters对话框中，在Input File Type选项中选择Landsat TM,选择输出路径及文件名QB_NDVI.img，单击OK按钮，执行NDVI计算。
（3）在ENVI主菜单中，选择Basic Tools→Region of Interest→Band Threshold to ROI，在文件对话框中选择QB_NDVI.img，单击OK按钮，在打开的对话框中设置参数：Min Thresh Value:0.3Max Thresh Value:1单击OK按钮，执行操作。
（4）在Display中显示oct_07_2002.img，选择Tools→Region of Interest，可以看到森林的感兴趣区。
在ROI Tools对话框中，选择File→Subset Data via ROIs,选择Oct_07_2002.img，用ROI将图像中的森林裁剪输出（oct_07_2002_subset.img）。
（5）用同样的方法将aug_25_2007.img中的森林裁剪输出（aug_25_2007_subset.img）12.4.2 林冠变化检测数据预处理和林冠变化检测在SPEAR工具中完成，操作过程如下：（1）在ENVI主菜单中，选择Spectral→SPEAR Tools→Change Detection,打开Change Detection 对话框进行以下操作：（2）在Co-registratio Parameters对话框中，完成两幅图像精确配准。
进行以下操作：（3）在Review Tie Points对话框中，设置Maximum allowed RMS pei GCP为1，单击Apply按钮。
其他按照默认，单击Next按钮，进入Check Co-Registration对话框。
（4）单击按钮，对配准的两幅图像进行目视对比。
单击Next按钮，进入Change Detection Methods对话框。
（5）在Change Detection Methods对话框中，提供四大类变化监测方法：（6）在Examine Results对话框中，提供以下浏览变化检测结果的工具。
（7）单击Next按钮进入最后一步。
（8）单击Finish按钮完成此流程的操作。
12.4.3 提取森林健康变化信息此步骤是从第二个步骤中得到的NDVI差值结果中提取森林健康变化信息，采用阈值分割的方法。
阈值法是一种简单有效的图像分割方法，它将图像的灰度级分为几个部分，选用若干个阈值来确定图像的区域。
阈值分割一步分为两个步骤：首先，确定图像的分割阈值；然后，分割图像。
一般利用图像的直方图寻找分割阈值。
若图像由多个特征区域构成，则其直方图呈现多峰现象，每个峰值对应一个区域，以谷值点位或凸值点位阈值划分相邻峰值。
本例提取的是森林受灾区，将受灾区分为严重区和一般区。
（1）在Display窗口中显示Diff波段，即NDVI（2）在主图像窗口中，选择Enhance→Interactive Stretching，打开显示图像的直方图，滑动其中的一条垂直虚线靠近0值去，从左下角获取一个阈值；继续移动虚线滑到左边凸值点位，从左下角获取第二个阈值（3）在主图像窗口中，选择Overlay→Density Slice（4）在Density Slice对话框中，进行以下操作（5）为了得到更好的结果，用分类后处理工具优化监测结果。