《遥感数字图像处理》01次实习报告.docx

实习序号及题目实习1. Landsat影像数据下载、导入、目视解译与分析实习人姓名专业班级及编号09地基 01号任课教师姓名实习指导教师姓名实习地点榆中校区实验楼A209实习日期时间2011年 10月25日实习目的（1）学会使用USGS网上下载工具进行landsat卫星影像的检索和下载。（2）初步掌握ENVI影像处理软件的是使用方法，熟悉软件的用户界面、功能模块及对遥感影像一些基本操作。（3）复习遥感导论课程中的遥感影像目视解译环节，选择自己熟悉的地区，进行Lansat TM/ETM+影像的目视解译。实习内容（1）课前准备：选择自己感兴趣或熟悉的地区，例如自己的家乡，下载一景Landsat TM/ETM+影像。下载时注意观察视窗左侧的获取时相，云量，传感器，质量等。（2）下载后观察的压缩包名称，解压后观察数据组成及文件名，简要描述里面两个txt文件和一个gtf文件中的内容。下载时注意不要下载2003年5月23日后的Lansat7 ETM+影像数据（有缺条带问题，即SLC-off问题）。（3）以多波段组合将GeoTIFF格式的Landsat TM/ETM+原始数据转换为ENVI所特有的格式，其中的6波段即热红外波段单独转化。（4）查询并记录影像文件的基本信息、投影信息，以及各个波段直方图信息，然后编辑头文件，包括：波段的名字和波长。（5）打开影像，利用Viewer视窗中影像缩小、放大、漫游工具识别影像中的土地利用/土地覆盖类型，可能的土地利用/土地覆盖类型包括：耕地farmland 草地grassland 裸地barren land 森林forest 城镇居民地town 农村居民地village 沙漠desert 公路/铁路road or railway河流stream 水库reservoir 冰雪ice and snow 云cloud阴影shadow（6）分别选取4、3、2和7、4、2波段组合进行假彩色和成，观察上述地物的色调变化，列表说明上述地物分别在两种波段组合下的颜色特征。（7）利用Viewer视窗中的光谱剖面工具，提取上述地物在不同波段的DN值（针对影像中的6种地物至少各采集10个样本），取平均值后做光谱剖面图，分析不同地物的灰度值随波段变化的特点。将光谱剖面数据保存为文本文件。（8）利用7步骤所得数据完成每种地物的样本特征光谱统计表。（9）使用Excel分析工具对7步骤产生的数据文件进行分析，从TM/ETM+ 1、2、3、4、5、7中任取两个相间隔波段的数据，做散点图，分析上述不同地物在光谱空间中的分布特征（统一坐标系中使用不同的符号表示不同的地表覆盖类型）。（10）利用Resize Data工具从可见光/近红外的6个波段影像中选取512512子区并保存，对影像进行分析，说明子区影像直方图与原影像直方图的差异，并分析子区影像的基本特征。重新计算原影像统计特征值，注意观察记录结果的变化。数据准备（1）使用Google Chrome浏览器访问如下地址：，进入USGS Global Visualization Viewer视图，设置Landsat TM/ETM+数据检索的传感器类型、地理坐标范围，进行检索。针对选择好的卫星影像，查看左边Sene Information中看到ID为：LT51300352011272IKR00，表示是landsat5号卫星的TM，轨道为130路，035行，2011年的第272路，数据由IKR地面站接受。数据云的覆盖量为0%，质量为9，获取时间为2011/9/29,然后进行下载。我下载的是家乡甘肃白银的landsat 5 TM影像数据。（2）将下载数据进行解压，里面包括geotiff格式、txt格式、gtf格式的数据，数据LLNppprrr_rrrYYYYMMDD_AAA.TIF的命名表示：LL ，卫星和传感器；N，卫星号；ppp该数据开始的轨道数；rrr_rrr，此数据开始和结束的行数；YYYYMMDD数据获取的时间；AAA表示波段数。故L5130035_03520110929_B30表示，landsat TM 5,轨道130路，035行到035行，获取时间为2011年9月29日，为第3波段数据。（3）从MTL.txt文本文件中可以获取的信息：产品创建时间，影像获取时间，卫星编号，传感器编号，轨道号及起始和终止行号，产品包含的波段，图像四个角的地理坐标系经纬度及大地坐标系方里网XY坐标值，地面控制点文件名等等。从GCP.txt中可以知道：地面控制点的经纬度和高程数据。gtf格式的数据中可以知道:产品等级，格式，以及一些关于遥感影像的介绍和网站，卫星和传感器介绍，还有遥感影像数据的命名方式，及代表的意义。操作方法及过程（1）以多波段组合方式将GeoTIFF格式的白银市TM原始数据转换为ENVI Standard 格式：利用Basic Tools/Layer Stacking弹出对话框然后Import File，弹出对话框，导入GeoTIFF格式的TM原始数据，选择波段1、2、3、4、5和7，点击OK，利用Choose选择输出路径及文件名，同时可以利用Reorder Files对输入的文件根据自己的需要进行调换顺序，点击OK输出ENVI Standard格式的数据。（2）查询并记录影像文件的基本信息、投影信息，以及各个波段直方图信息，然后编辑头文件： 利用Basic Tools/Resize Data弹出对话框里面选择要查看的影像，左边会出现其基本信息，如图所示：也有投影信息，既可以用来看单波段的也可以看合成后整个影像的信息。在对话框下，合成影像的名字上右击，选择Quick Statistics弹出对话框，在此对话框中点击Select Plo下拉菜单，选择单波段或者多波段的直方图，相应的对话框中会出现直方图（在结果与分析中记录），还可以右击选择edit修改横、纵坐标的单位。同样的在合成影像的名字上右击，选择Edit Head，弹出对话框然后点击Edit Attributes/Band Name弹出对话框，选中波段输入修改后名字，点击OK即可进行波段名字的修改。点击Edit Attributes/Wavelengths弹出进行相应的波长的修改。（3）在View视窗中，利用影像缩小、放大、漫游工具识别影像中的土地利用/土地覆盖类型:可以结合当地的google earth上高分辨率的遥感影像，进行识别，利用Viewer视窗下Tools/SPEAR/Google Earth/Jump to Location可以在google earth上显示View主视窗中相应选中地物对应的位置。（4）利用Viewer视窗打开影像，分别选取4、3、2和7、4、2波段组合进行假彩色合成，观察实习内容中所要求地物的色调变化： 利用File/Open Image File，选择第1步合成的ENVI Standard 格式的数据，弹出对话框，在其中选择RGB Color，将R、G、B分别设为4、3、2波段，点击Load Band，在Viewer#1中出现了4、3、2波段组合的假彩色图像，再在此窗口中，点击Display/New Display,弹出Viewer#2，选择 RGB Color,将R、G、B分别设为7、4、2波段，点击Load Band，在Viewer#2中出现了7、4、2波段组合的假彩色图像，在Viewer窗口中右击选择Link Displays，弹出对话框，点击OK，可以把两个窗口中同一位置进行连接起来，即其中一个窗口放大、缩小、漫游到某个位置，另外一个也跟着漫游到其相对应的位置。这样可以进行地物色调变化的对比。（5）提取6种地物在不同波段的数值（Digital Number，DN），做光谱剖面图： 在Viewer视窗中Tools/Profile/Z Profile(Spectrum)弹出对话框,在其Options下拉菜单中勾选Plot Key,对话框中出现了Viewer视窗中选中的目标地物的X，Y坐标，然后勾选Collect Spectra，鼠标箭头变为十字箭头，在目标地物中取九个点（本来图上就有一个，总共是十个点），然后在选择File/Save Plot As/ASCII弹出对话框，点击Select All Items，利用Choose选择输出路径和文件名，点击OK，将其保存为.txt格式。选六种地物，重复以上操作，提取不同波段的数值（Digital Number，DN）。将.txt格式的文件用excel打开，然后用插入函数中的average函数求出每种地物的平均DN值，然后做出光谱剖面（光谱图如结果与分析中所示）。（6）使用Excel制作6种地物的样本特征光谱统计表：在Excel中分别使用插入函数中的AVERAGE、VAR、STDEV、MAX和MIN函数求出各地物样本DN值在各个波段的平均值、方差、标准差、最大值和最小值。然后，在07版Excel的“Microsoft Office 按钮”，单击“Excel 选项”。“加载项”，然后在“管理”框中，选择“Excel 加载项”，单击“转到”弹出“加载宏”，在弹出来的对话框中选择“分析工具库”，并点击确定。然后从“工具”中找到“数据分析”，从“数据分析”对话框中选择“协方差”，并导入某种地物需求协方差的数据区域并选择“逐行”进行，最后选择数据输出区域并确定，则可得该地物的协方差矩阵。同理，在从“数据分析”对话框中选择“相关系数”，进行相应操作，可求得相关系数矩阵。（在结果与分析中附有个地物的样本特征光谱统计表）（7）制作散点图： 在Excel中，打开6种地物的样本DN数据（5步骤产生的），选择band2和band4做散点图。从插入图表中选择散点图，然后点击“选择数据”，弹出对话框 ，进行加载系列和数据：如图所示：按“添加”后弹出进行系类名称和X、Y轴数据的选择，X为Band2，Y为Band4，如此重复完成六个系类的添加，点击确定，即可生成散点图。 （8）从可见光/近红外的6个波段影像中选取512512子区并保存： 利用Basic Tools/Resize Data,弹出对话框，选择第1步生成的ENVI Standard格式的数据，点击Spatial Subset,弹出对话框，然后选择Image，弹出如下对话框：，选择自己感兴趣的地方，并在samples和lines后输入512，连续点击OK，最后在对话框中，利用choose选择输出路径和名字，点击OK即可生成裁剪的图。结果与分析（1）影像的基本信息：查看ENVI Standard格式数据（即经过转化后的数据）的信息： 宽、高、层数和储存形式: 8031 x 7151 x 6 BSQ，大小：344,578,086 bytes，文件类型 : ENVI Standard，投影 : UTM, Zone 48 North，分辨率: 30 Meters，基准面（datum）: WGS-84。直方图信息：（2）用4、3、2和7、4、2波段合成同种地物的颜色对比很大，列表对比： （1）4、3、2波段合成 （2）7、4、2波段合成（3）针对耕地、城镇、公路、水库、河流、裸地六种地物的光谱剖面图，如下所示：公路和城镇的光谱曲线比较像，都是DN值在1波段比较高，到2波段时下降，然后一直保持到4波段，在5波段有一个峰值。一方面可能是公路和城镇中建筑物所用的材料一样，导致两种地物的光谱特征比较相像，另一方面，道路分布在城镇中，覆盖面积比较少，其光谱反射率很有可能受到建筑物的影响。补充：采样时，很难辨认道路，也有可能将建筑物误认为是道路进行了采样。水库的光谱特征曲线呈现出与清澈水体基本一样的光谱变化特征，在可见光范围内，DN值最高，随着波长的增大，DN逐渐降低，到近红外波段时，基本为零，说明水库的水体较为清澈。河流的光谱特征曲线与可见光范围较水库的高，可能原因是，河流中携带有泥沙，致使可见光穿透率减弱，反射能力加强。河流的DN值在第三波段达到最大，可能是因为水质发生变化所引起的（有待进一步的调查）。耕地和裸地的光谱特征曲线比较像，在DN值在1波段较高，到2波段降低，从2波段到5波段逐渐升高，到5波段达到最大，然后又降低。根据常理，耕地的波普曲线应该呈现出健康植被的波普曲线特征，即在可见光的0.55um（绿）附近有一个反射率为10%20%的小反射峰。在0.4um（蓝）和0.65um（红）附近有两个明显的吸收谷。在0.70.8um是一个陡坡，反射率急剧增高。在近红外波段0.81.3um之间形成一个高的反射率。但是该图上显示的却截然不同，分析原因，可能是因为影像获取时是9月29日，在甘肃白银的气候条件下，农作物已经到丰收的季节，农作物一般是一年生植物，到丰收的季节大部分已经枯萎，故表现出和裸地大致一样的波普特征曲线。而裸地的整体较耕地的反射率较高，原因可能是裸地的反射率相对于有枯死农作物覆盖的耕地较高。（4）六种地物的样本特征光谱统计表：地物样本特征光谱统计表地物类型：farmland波段：123457:0.450.520.520.600.630.690.760.901.551.752.082.35单变量统计均值61.330.536.151.868.331.9标准差1.5670212360.7071067811.7919573411.6865480853.1989581641.91195072方差2.4555555560.53.2111111112.84444444410.233333333.655555556最小值593034506330最大值643239557335协方差矩阵12.2120.750.4531.770.752.8922.567-0.449.2171.630.851.910.284.633.29相关系数矩阵1120.752071130.7003710.657667140.0672670.2795080.227941150.4676880.5648870.265547-0.09062170.6044960.6985780.6194220.0964810.8411111地物类型：town波段：123457:0.450.520.520.600.630.690.760.901.551.752.082.35单变量统计均值83.542.249.649.680.252.4标准差5.2757305973.823901446.7692113445.01553143310.507140438.566082989方差27.8333333314.6222222245.8222222225473.37777778最小值753740396641最大值915061569668协方差矩阵125.05214.113.16325.522.6841.2441311.8821.7422.64529.224.3648.3835.5899.36723.220.7240.2621.8675.3266.04相关系数矩阵1120.776582130.7933720.973544140.5458850.6882560.711479150.5852930.6736640.7557890.750174170.5704010.7028430.7714560.5653380.9298251地物类型：road波段123457:0.450.520.520.600.630.690.760.901.551.752.082.35单变量统计均值92.845.652.749.168.942.7标准差7.5982454115.2746774528.0006944148.69802020912.810152228.819800955方差57.7333333327.8222222264.0111111175.65555556164.177.78888889最小值793739355132最大值1035363578857协方差矩阵151.96235.4225.04353.1436.5857.61454.3238.3460.7368.09550.0833.9667.4780.51147.69734.2423.2844.5155.4398.3770.01相关系数矩阵1120.981967130.9712660.963114140.9132370.9285240.969645150.5716820.5584380.7314530.802847170.56770.5560140.7008560.8028290.9674021地物类型：reservoir波段号：123457:0.450.520.520.600.630.690.760.901.551.752.082.35单变量统计均值61.728.523.4标准差0.8232726020.5270462770.6992058990.4216370211.6363916941.197219方差0.6777777780.2777777780.4888888890.1777777782.6777777781.433333333最小值60282218148最大值632924192011协方差矩阵10.6120.050.253-0.080.20.4440.0600.020.1650.210.450.120.262.4170.270.15-0.260.220.871.29相关系数矩阵1120.12803713-0.154420.603023140.19205500.075378150.1731990.5797410.1165320.418702170.3043720.264135-0.345110.4842480.4934191地物类型：stream波段号：123457:0.450.520.520.600.630.690.760.901.551.752.082.35单变量统计均值70.741.351.929.615.78.7标准差0.8232726020.6749485580.7378647870.6992058990.9486832981.159501809方差0.6777777780.4555555560.5444444440.4888888890.91.344444444最小值70405129146最大值724253311710协方差矩阵10.612-0.010.413-94-60.4450.21-0.010.270.280.8170.010.390.170.380.311.21相关系数矩阵112-0.0213-0.237780.51314214-0.424650.517970.55995150.298753-0.017350.4285710.469018170.011640.5537070.2207790.5207920.3131311地物类型：barren land波段号：123457:0.450.520.520.600.630.690.760.901.551.752.082.35单变量统计均值84.546.357.365.3121.476.6标准差6.0964470534.8545511296.9290050596.91295080914.6074562410.04655828方差37.1666666723.5666666748.0111111147.78888889213.3777778100.9333333最小值733745559256最大值9756738114592协方差矩阵133.45224.6521.21335.6529.7143.21434.2528.9142.3143.01571.158.8882.3880.48192.0474839.2254.3252.12127.5690.84相关系数矩阵1120.925441130.9377120.981387140.9029790.9571790.981445150.8871060.9225750.9043440.885538170.8707720.8935090.867020.8338370.9657841 （5）散点图：从上图中可以看出，以band2为X轴，band4为y轴，水库、河流、耕地的分布十分集中，裸地、城镇、公路的分布相对松散，由此可知，水库、河流、农田较为均一，各处反射率比较相近。而公路相对松散可能是铺设时材料的不均一导致的，也有可能是受到城镇建筑物的影响。城镇相对松散可能是建筑物结构、材料、新旧不同导致的。在甘肃白银，裸地的种类相对而言比较多，一般分布在山上，地形的影响致使反射率不均一，从而产生相对分散。（6）裁剪的子区域：子区影像的信息：宽、高、层数、储存形式Dims: 512 x 512 x 6 BSQ大小: 1,572,864 bytes.文件类型 : ENVI Standard投影类型: UTM, Zone 48 North分辨率: 30 Meters基准面 : WGS-84左上角坐标（Upper Left Corner）: 3671,1538 子区域直方图与原图像的直方图比较，范围较原影像大很多，没有原图像集中；子区直方图的高度远远低于原影像的，同时直方图均具有多个峰值，不如原影像直方图圆滑，从统计特征值中发现，子区域各个波段DN的最小值不为零，最大值在有的波段上也不为255，可能是子区域中地物没有原图像中多的缘故，也可能有别的原因。 下面为子区域的直方图：