遥感技术应用综合实习报告Denial

遥感技术应用综合实习报告遥感技术应用综合实习报告 目目录录 第一部分 地物的光谱反射率采集与处理 4 一 实习时间 4 二 实习地点 4 三 实习目的 4 四 实习工具 4 五 实验内容 4 六 具体实验步骤 4 七 观测结果 6 八 结果分析 9 1 对多个地物的反射光谱曲线特征比较分析 9 2 光谱特征参数分析 9 第二部分 遥感影象判读与制图 10 一 实习时间 10 二 实习地点 10 三 实习目的和要求 11 四 实习材料和工具 11 五 实习内容 11 第三部分 图像预处理 11 一 原始数据导入 ERDAS IMAGE 软件 11 二 图像裁减 13 三 几何校正 14 四 辐射校正 18 五 图像增强 21 1 主成份变换 22 2 缨穗变换 k T 变换 24 3 频域增强 25 4 辐射增强 Radiometric enhancement 29 5 空间增强 Spatial enhancement 31 六 结果分析 32 第四部分 图像分类与制图 33 一 实验目的 33 二 实验内容 33 三 材料和工具 33 四 实验步骤 34 五 实验过程 35 1 非监督分类 35 2 监督分类 38 六 实习心得 41 专题地图 41 1 专题地图简介 Introduction to Map Composer 41 1 1 专题制图工作流程 Workflow of Map Composition 42 1 2 专题地图编辑器功能 Function of Map Composer 42 2 专题地图编辑过程 Process of Map Composition 43 2 1 准备专题地图数据 Prepare the Data Layer 43 2 2 产生专题制图文件 New Map Composition 44 2 3 确定专题制图范围 Define the Map Frame 45 2 4 放置图面整饰要素 Place Map Decorations 50 2 5 专题地图打印输出 Print the Map Composition 64 第第一一部部分分 地地物物的的光光谱谱反反射射率率 采采集集与与处处理理 一 实习时间 11 年 12 月 21 日 二 实习地点 主楼前 三 实习目的 1 学习地物光谱的测定方法 2 认识常见地物光谱反射率的规律 3 学习绘制地物反射光谱曲线 通过野外测定地物光谱反射率 认识不同地物的反射光谱特性及其变化规律 四 实习工具 便携式地物波谱仪 FieldSpec RS3 记录表格 白板 五 实验 内容 1 利用野外光谱仪采集水 土壤 植物 建筑材料等地物光谱数据 输出并整理数据 2 绘制不同地物光谱曲线 并运用导数 植被指数 红边 绿峰等方法处理并分析各地 物光谱特征 六 具体实验步骤 1 首先确定需要测定的地物类型 任何不同地物都具有各自不同的光谱特性 都可以作为测 定目标 如 草地 灌木 乔木 水泥地 大理石地 水体等 植物还可以分为健康与不 健康的 叶片还可以是成熟叶 嫩叶 枯叶 红色叶 工 黄色叶 枯叶 树枝等等 水 体也可以分为无污染与有污染的 2 确定测量时是采用顺光 逆光或顶光 然后放置标准板 标准板的位置应该与地物的位置 一致 3 测量条件 室内测定 植物叶片 叶片被采下 立即带回室内进行测量 土壤 干燥的各类型土壤 装在玻璃皿备用 室外测定 选择晴朗无云 风力较小 视场范围内太阳直接照射 当地时间 10 30 14 00 间进行测定 4 纪录测量目标基本信息及环境参数 对测量目标进行详细的描述 对测量环境条件进行详细描述 例如 对植物来说 应记 录植物的生长季节 生长状况 管理措施等 做观测笔记 包括天气状况 日光情况 云量 能见度等 地表状况 阴影程度 开 阔程度 周围物体等 观测和记录人员的姓名等 5 安装仪器并观测地物反射波谱 1 仪器准备 完成光谱仪 计算机之间的接线 检查各种插头和各设备间是否正确连线 电源 供电是否正常 试验仪器运转是否正常 打开参考板盒盖 检查是否水平 完成光谱仪的观测时间设置和其他有关设置 文件保存目录 文件名等 2 测量步骤 室内 光源照向参考板 白板 进行优化 optimization 室外 记录开始观测的时间 将野外光谱仪的进光孔垂直向下 测量反射参考板 不遮阴反射辐亮度 测量暗电流 测量目标反射率 记录结束的时间 3 要求每种地物记录观测值 5 次 七 观测结果 1 反射波谱曲线的绘制 以波长 350nm 2500nm 为横轴 反射率为纵轴 地物反射率观测值 取平均值 画出光谱反射曲线 如下图 2 光谱特征参数计算 1 光谱微分 光谱微分技术就是通过对反射光谱进行数学模拟 计算不同阶数的微分值 以提取不同的 光谱参数 应用光谱微分技术能够部分消除大气效应 植被环境背景 阴影 土壤等 的影响 以反映植物的本质特征 光谱微分公式 以二阶为例 为 11 2 iii 式中 i 为 波长 i 为波长 i 处的一阶微分光谱 为相邻两波段间的波长间隔 2 光谱积分 光谱积分就是求光谱曲线在某一波长范围内的下覆面积 2 根据一阶导数光谱 求取红边面积 计算 670nm 760nm 一阶导数光谱曲线与坐标轴之间包含的面积 3 植被常用光谱特征参数 定义定义与描述 2 1 fd Rg绿峰反射率 波长 510 580nm 范围内最大的波段反射率 绿峰位置 Rg 对应的波长位置 nm Ro红谷反射率 波长 640 700nm 范围内最小的波段反射率 Dr红边 680 780nm 内一阶微分光谱中的最大值 红边位置 Dr 对应的波长位置 nm PRI R570 R531 R570 R531 VOG2 R734 R747 R715 R726 VOG3 R734 R747 R715 R720 Rg Ro绿峰反射率 Rg 与红谷反射率 Ro 的比值 Rg Ro Rg Ro 绿峰反射率 Rg 与红谷反射率 Ro 的归一化值 八 结果分析 1 对多个地物的反射光谱曲线特征 比较分析 柏树草 乐昌 含笑 新 乐昌 含笑 黄 乐昌 含笑 枯 雷竹泥土石头 松 新 松 黄 松 枯 红边面积 0 46 0 53 0 42 0 32 0 19 0 32 0 04 0 00 0 44 0 48 0 14 绿峰反射率 Rg 0 14 0 22 0 11 0 24 0 09 0 10 0 26 0 30 0 16 0 23 0 19 绿峰位置 g 545544546552580543580580546546580 红谷反射率 Ro 0 05 0 08 0 04 0 09 0 14 0 06 0 29 0 31 0 06 0 07 0 28 红边 0 01 0 01 0 01 0 02 0 00 0 01 0 00 0 00 0 01 0 02 0 00 红边位置 705692698684680709683683695691680 PRI 0 12 0 10 0 10 0 01 0 28 0 11 0 10 0 04 0 08 0 06 0 11 VOG2 0 03 0 03 0 03 0 01 0 04 0 04 0 01 0 00 0 02 0 01 0 02 VOG3 0 03 0 03 0 03 0 01 0 04 0 04 0 01 0 00 0 02 0 01 0 02 Rg Ro2 66 2 67 2 60 2 60 0 59 1 69 0 91 0 99 2 62 3 19 0 69 Rg Ro Rg Ro 0 45 0 46 0 45 0 44 0 26 0 26 0 05 0 00 0 45 0 52 0 18 叶绿素 2 53 55 21 35 77 3 53 6 43 12 17 16 03 3 37 2 00 g r 如图 总体上 水泥地和裸地随光谱的升高几乎不变甚至有下降的趋势 变化幅度不大 其他四种地物总体上还是呈现上升的趋势 细节上 水泥地在光谱 675nm 和 850 处各有一个高峰 而在 575nm 处又一个明显的低谷 灌木在 400nm 675nm 范围内光谱曲线变化不大 在 675nm 处开始陡然上升 草地也是 400nm 675nm 范围内光谱曲线变化不大 在 675nm 处开始陡然上升 并且灌木草地都在 850nm 达到最 高峰时又开始陡然下降 针叶与草地的变化趋势十分相似 不同的是光谱反射率总比草地要低 2 光谱特征参数分析 2 1 植被的反射波谱特征 1 不同种类的植物具有相似的反射波谱曲线 2 可见光区域 由于叶绿素的强烈吸收 植物的反射 透射率均低 求绿 峰反射率 波长在 510 580 绿叶在波长 560 附近有绿光反射率比较大 的位置 根据一阶微分最小值所对应波长求出 而黄叶 枯叶找不到 3 在求一阶微分时 反射率值不一定是正好等于 0 而是接近于 0 微分 里面取值最小的值就是绿峰最大的值 4 红边面积是 680 780nm 的波长范围内人为规定反射率曲线下所围的面 积 先计算 680 780 波长的一阶微分 再全部加起来 就是红边面积 变化有 20 纳米左右浮动 波长小更反映规律 5 柏树 草 乐昌含笑的绿峰位置都不同 根据叶绿素不同 叶绿素越多 波长越长 绿峰位置越小 6 对于植物红谷及红边位置 叶绿素越多 蓝移 波长越短 7 近红外区域 在 0 7 1 3 之间形成 50 60 的反射峰 由于不同种植物 的叶内细胞结构差异大 不同种植物的反射率在该波段具有最大的差值 故是区分植物种类的最低波段 8 1 45 1 95 2 7 为中心的三个吸收带为水吸收带 高斯曼发现 还三 人吸收带之间的两个反射峰 1 65 及 2 2 上 各值与费多汁植物反射 率差别非常明显 2 2 土壤的反射波谱特征 1 反射率 与土壤之地 有机质含量 氧化含量和含水量及盐分等因素有 关 粉沙 砂土 腐殖质 2 反射光谱曲线由可见光到红外呈舒缓向上的缓倾延伸 第第二二部部分分 遥遥感感影影象象判判读读与与 制制图图 一 实习时间 1 实地考察 12 月 23 日 2 遥感影象判读与制图 12 月 25 29 日 二 实习地点 1 实地考察 学校后山 2 遥感影象判读与制图 学院楼机房 三 实习目的和要求 通过本次实习掌握遥感图像目视判读的方法和步骤 判读标志 判读方法 判读步骤 转绘方法 理解水体判读 地貌 河流 湖泊 地貌判读 地 形形态 流水地貌 植被和土壤判读 居民地和道路判读等地理要素目视分 析的一般方法 通过本次实习要求同学们学会判读一个地区的土地利用现状 并利用相关软件绘制土地利用专题地图 四 实习材料和工具 浙江农林大学东湖校区及周围区域遥感图像 TM 和 SPOT ERDAS IMAGINE ArcGIS 软件 五 实习内容 一 12 月 23 日实地考察 提示 考察过程与感悟 要求 写出 TM 和 SPOT 图像上各种地物的目视判读标志 二 12 月 25 29 日室内制图 提示 利用 ERDAS IMAGINE 或 ArcGIS 通过目视判读 采用跟踪矢量化方 法 绘制土地利用专题地图 三 专题地图的制作 把数字化工作完成的图导成 shp 格式 然后利用 ArcGIS 软件进行专题地图 的制作 双击图左边的属性框对不同地物进行进行分级填色 最后的过程就是出图 设定图例 指北针 以及地图的名称 制图时间和 制图人等地图信息 要求 写出专题题图制作过程 并打印专题图 第第三三部部分分 图图像像预预处处理理 一 原始数据导入ERDAS IMAGE 软件 查看头文件 了解数据的详细信息 传感器sensor TM 图像获取时间 startTime 2007 03 29 02 26 16 193 endTime 2007 03 29 02 26 41 379 centreTime 2007 03 29 02 26 28 779 轨道号 Orbit D 坐标 Centre N30 32 E119 88 格式 Bands 1 2 3 4 5 6 7 BSQ 行数 列数 numLines 5733L numPixels 6794L 单元格大小 pixelSpacing 3 0000e 01 lineSpacing 3 0000e 01 数据格式转换 二 图像裁减 将图像裁减成与研究区范围一致 三 几何校正 1 显示图像 在 ERDAS 图标面板中单击 Viewer 图标 打开两个窗口 Viewer 1 Viewer 2 在 Viewer1 中打开一幅需要纠正的遥感图像 tmla img 在 Viewer2 中打开另一幅供选择地面控 制点坐标的地理参考图像 spotla img 将两个窗口平铺放置 2 调用几何纠正模型 在 Viewer1 菜单中选择 Raster Geometric Correction 在出现对话框中选择遥感图像纠正模 型 对于 TM 图像 选择多项式模型 Polynomial 然后点 OK 显示几何纠正工具 同时显示 多项式属性对话框 在多项式纠正模型参数对话框 图 3 6 选择多项式次数对话框 Polynomial Order 表示多项式纠正采用的次数 一般选择 2 次多项式 在 Projection 标签页下单击 Add Change Projection 按钮 按如下图设置投影 点击 OK 关闭多项式属性对话框 出现地面控制点 GCP 工具参考设置对话框 选择 Existing Viewer 点击 OK 选择参考图像 点击 OK 启动 GCP TOOL 屏幕显示包括 两个放大的视窗 Viewer3 Viewer4 分别是两个主视窗 Viewer1 Viewer2 中两个关联方框的放 大框 以及 GCP TOOL 包含菜单和工具图标 图标下面显示两幅图像坐标数据 开始选取控 制点 连接框对应的放大框 现在 Viewer1 中选择明显点 然后 Viewer2 中的选择同名点 图 3 11 Viewer1 Viewer2 同名点 根据多项式纠正的要求 同名点对至少要在 7 对以上 重复 1 2 两个步骤 直到选择的控 制点数满足纠正的数量要求 当选择了六对同名点后 第七个及以上同名点的选择 只需在 Viewer1 中选择一个明显点 其同名点会在 Viewer1 中自动显示 如果位置有误差 可以用鼠 标左键调整点位 确保选择的是同名点 系统自动计算得到单点误差和其贡献 全部控制点平差后的精度显示在右上角 只有当 Total 小于 1 才满足纠正精度要求 继续 后面的重采样 多项式纠正模型参数对话框选择 Transformation 则可以看到计算的变换参数 图 3 17 显示多项式中 a b 的值 保存相应的 input 和 reference 控制点文件 进行灰度重采样 在几何纠正工具 Geo Correction Tools 中 图 3 18 几何纠正工具图标框 选择灰度重采样模块 出现重采样对话框 图 2 19 输入纠正后的文件名 图 3 19 重采样对话框 在对话框里 Output File 输入纠正以后的图像文件名 该对话框显示了输出图像的大小 行数 Number rows 列数 Number Columns 输出图像左上角的地面坐标 LUX ULY 以及右下 角的地面坐标 LRX LRY 输出像元的地面大小 Output Cell Sizes 确定参数后点击 OK 重采 样完成 六 实验结果分析 在计算参数时已经利用检查点做了验证 现将纠正后的 TM 图像与作为参考图像的 SPOT 图像关联起来 通过人工比较来验证结果 在两个窗口中分别打开 SPOT 和 TM 图像 图 2 13 图 3 13 已校正的 TM 和 SPOT 图像 然后点击鼠标右键 弹出菜单 选择 Geo Link unlink 表示连接两幅图像 提示在要连接 的窗口中点击鼠标 将两个窗口关联起来 点击视窗按扭条中的 移动光标检查两边的位置 是否对应 如果两边对应 说明纠正图像满足要求 对纠正可能出现的结果要能正确分析 如果总体精度不能满足纠正要求 其原因可能有 i 多项式次数不能满足纠正要求 ii 控制点选择不符合要求 分布不均匀 或者选点精度不符合要求 甚至选错 iii 地形起伏引起的投影差超限 iv 参考坐标精度有问题 v 模型有问题 需要用共线方程纠正 四 辐射校正 大气校正 1 打开待校正图 进行辐射定标 首先 点击 Raster Attributes 在打开的对话框中统计出 6 个波段每个的到达 1000 像元以上的 最小灰度值 TM 大气辐射校正 G B 参数值 GB Band11 2688 0 01 Band22 98126 0 0232 Band31 76186 0 0078 Band42 81771 0 0193 Band50 65227 0 008 Band70 44375 0 004 打开经过大气校正后的图像 与原图对比 点击打开经过大气校正后的图像 与原图对比 点击打开直方图 单击打开直方图 单击选择植被 然后调选择植被 然后调 整图标格式如下 整图标格式如下 可以看见定标后 第二波段出现了吸收谷 第三波段出现了反射峰 与植物的光谱曲线一致 可以看见定标后 第二波段出现了吸收谷 第三波段出现了反射峰 与植物的光谱曲线一致 2 计算呈辐射计算呈辐射 使用使用 Dark Object Model 黑暗像元法 黑暗像元法 GDnminBECosPi呈辐射 1 268862 0 011957 0 3 73 55284 2 9812623 0 02321826 0 3 63 78459 1 7618619 0 00781554 0 3 29 41558 2 8177114 0 01931036 0 3 36 72733 0 6522710 0 008215 0 3 5 9541 0 443755 0 00480 67 0 3 2 切换图像波段 统计每个波段Dnmin即最小的达到1000像元以上的灰度级 DOS1模型 cos 01 0 2 0min dEBDNGL zp 计算计算Cos COS PI 35 180 cos 0z psat E LL 用 ERDAS 计算每个波段的 surface reflectance 表面反射率 然后使用 STACKLAYERS 进行波段融合 调整图表格式如下 调整图表格式如下 五 图像增强 1 主成份变换 1 Main Image Interporeter Spectral Enhancement Principial Comp Pincipal Components 对话框 输入 Input File 为经过几何校正和大气校正后的图像 设置 Output File 为 d 遥感实验 数据 principle dos 3 256 img 2 Output Data Type 为 Unsigned 8 bit 3 选中 Stretch to Unsigned 8 bit 新坐标系中主成分的数值分布范围为 0 255 的正整数 4 选中 Coordinate Type 坐标类型 为 File 5 选中 Ignore Zero In Stats 6 选中 Eigen Matrix 的 Write to File 将特征矩阵写到文件 7 选中 Eigenvalues 的 Write to File 将特征值写到文件 8 选择 Nember of Components Desired 为 3 我们用前 3 个主成分生成一幅假彩色图像 保存 在 principal3 256 Img 文件中 特征向量 0 3652 0 1518 0 5206 0 1635 0 6516 0 3479 0 3213 0 2254 0 4018 0 0075 0 1144 0 8192 0 2868 0 4018 0 2640 0 0456 0 6941 0 4500 0 6170 0 6646 0 0420 0 4071 0 0840 0 0539 0 4772 0 0296 0 4856 0 7290 0 046 0 0431 0 2692 0 5674 0 5099 0 5233 0 2667 0 02076 特征值 0 0 0 8 7132e 005 5 0952e 005 4 0323e 006 贡献累计贡献 第 1 主成 份 0 0 0 第 2 主成 份 0 0 0 第 3 主成 份 0 0 0 98991 第 4 主成 份 8 50E 050 0 第 5 主成 份 5 18E 050 003690 第 6 主成 份 4 80E 060 1 0 最终结果图如下 2 缨穗变换 K T 变换 Interpreter Spectral Enhancement Tasseled Cap 在 Input File 中导入文件名为 jiaozheng img 的图像 输出文件名为 tasseled img 保存在自己的 文件夹中 3 频域增强 单击 Interpreter Fourier Analysis 傅立叶分析 1 对图像做傅立叶变化 选择 Fourier Transform 在弹出的窗口中 InputFile 选择 jiaozheng img Layers 设定值为 1 表示只对第一波段进行傅立叶变换 单击 OK 执行变换 该变换包括频率分布图的平移 2 对图像进行滤波处理 在 Fourler Analysis 对话框中选择 Fourier Transform Editor 工具 可以对频域图像进行滤波处理 在弹出的窗口中单击打开刚刚执行傅立叶变换后的频域图 D tmband1 fft fft 选择工具 单击频域中心 画出一个圆相切与两边两条亮线 在用楔形选择工具抠掉中心水平方向 和垂直方向的亮线 结果如下图 单击保存按钮保存掩膜 然后点击右上角按钮 做傅立叶逆变换 输出文件 D lonpassband1 img 单击 OK 执行傅立叶逆变换 打开一个 View 用以打开经过滤波后的图像 同时打开原图 选择 Raster BandCombinations 选项 在 Set Layer Combinations 对话框中选择 RGB 全显示第一波段 对比变换前和变换后的图像 可以发现图像的条文明显被去除了 即消除了高频噪声 保留了低频的信号 使得图像的目视效果改善 如果是高通滤波 结果如下 可见图中高频噪声 条文 被保留 凸显出来 而其它信息 低频 则比较 模糊 或不可见 4 辐射增强 RADIOMETRIC ENHANCEMENT 辐射增强 是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 因为亮度值是辐射强度的反映 所以称之为辐射增强 1 对比度增强 新建一个 Viewer 打开 jiaozheng img raster tools 下右图为模糊与锐化效果 2 降噪处理 Interpreter Radiometic Enhancement Noise Reduction 在 Input File 中导入文件名为 jiaozheng img 的图像 输出文件名为 noise img 保存在自己的文 件夹中 3 色彩变换 Interpreter Spectral Enhancement RGB to HIS 在 Input File 中导入文件名为 jiaozheng img 的图像 输出文件名为 dtmrgb img 保存在自己的 文件夹中 4 指数计算 Interpreter Spectral Enhancement Indices 在 Input File 中导入文件名为 jiaozheng img 的图像 输出文件名为 jz indics img 保存在自己的 文件夹中 5 空间增强 SPATIAL ENHANCEMENT 空间增强 通过单个像元的运算从整体上改善图像的质量 1 直接利用工具条操作 2 卷积增强处理 Interpreter Spatial Enhancement Convolution 在 Input File 中导入文件名为 jiaozheng img 的图像 输出文件名为 convolue img 保存在自己的 文件夹中 然后在 Kemel 中选择一项 下面以选择 3 3Vertical 为例 六 结果分析 遥感数字图像处理似乎可以从大的来分 分成三步 1 在进行遥感图像的增强处理前 应先经行预处理 几何校正和辐射校正 以获得较逼真的图像 2 数字图像的处理方法有很多种 这要取决于你的目的 数字图像增强和变换 对比度增强 在 erdas 等数字图像处理软件中很容易就能实现的 图 像波段间的比值 包含各波段间的加减运算 可以消除地形和大气的部分影响 及各种指标提 取 比如 NDVI 等用于植被的计算 主成分分析 在原图像的基础上通过坐标空间的变换 消 除冗余信息 缨帽变换 多用于农业上 增强图象中的有用信息 它可以是一个失真的过程 其目的是要改善图像的视觉效果 针 对给定图像的应用场合 有目的地强调图像的整体或局部特性 将原来不清晰的图像变得清晰 或强调某些感兴趣的特征 扩大图像中不同物体特征之间的差别 抑制不感兴趣的特征 使之 改善图像质量 丰富信息量 加强图像判读和识别效果 满足某些特殊分析的需要 辐射增强 包括线性变换 非线性变换 直方图均衡化 直方图规定化等 直方图匹配方法主要有 3 个步骤 1 如同均衡化方法中 对原始图的直方图进行灰度均衡化 2 规定需要的直方图 并计算能使规定的直方图均衡化的变换 3 将第 1 个步骤得到的变换反转过来 即将原始直方图对应映射到规定的直方图 也就 是将所有 pf fi 对应到 pu uj 去 3 数字图像分类 监督分类 非监督分类 可以用来在遥感图像上辨别不同的地物 特别对于傅立叶变换有 1 图像经过二维傅立叶变换后 其变换系数矩阵表明 若变换矩阵 Fn 原点设在中心 其频谱能量集中分布在变换系数短阵的中心附近 图中阴影区 若所用的二 维傅立叶变换矩阵 Fn 的原点设在左上角 那么图像信号能量将集中在系数矩阵的四个角上 这是由二维 傅立叶变换本身性质决定的 同时也表明一股图像能量集中低频区域 2 变换之后的图像在原点平移之前四角是低频 最亮 平移之后中间部分是低频 最亮 亮度大说明低 频的能量大 幅角比较大 第第四四部部分分 图图像像分分类类 与与制制图图 一 实 验目的 1 学习遥感图像目视判读和计算机分类进行专题信息提取的方法并熟悉过程 2 制作遥感专题图 二 实 验内容 目视判读与计算机分类相结合 对浙江林学院范围的 SPOT 或锦城镇范围的 TM 图像进行土 地利用分类 并绘制土地利用专题地图 三 材料和工具 浙江林学院范围的 SPOT 锦城镇范围的 TM 图像遥感图像 装有遥感图像处理软件 ERDAS IMAGINE 的电脑 四 实验 步骤 1 土地利用分类方案 序序 号号 类别类别备注备注 1耕地种植农作物的土地 包括新开荒地 休闲地 轮歇地 草田轮植地 以种植农作物为主间有零星果树 桑树或其它树木的土地 耕种三年 以上的滩地和海涂 耕地中包括南方宽 1 0m 北方宽 2 0m的沟渠 路 田埂 2园地种植以采集果 汁 根茎等为主的集约经营的多年生木本和草本作物 覆盖度 50 或每亩株数大于合理株数70 的土地 包括果树苗圃等 用地 3林地生长乔木 竹类 灌木 沿海红树林等林木的土地 不包括居民绿化 用地 以及铁路 公路 河流 沟渠的护路 护岸林 4居民地及工 矿用地 指城乡居民点 独立居民点以及居民点以外工矿 国防 名胜古迹等 企事业单位用地 包括其内部交通 绿化用地 5交通 用地 居民点以外的各种道路及其附属设施和民用机场用地 包括护路林 6水域指陆地水域和水利设施用地 不包括滞洪区和垦殖三年以上的滩地 海涂中的耕地 林地 居民点 道路等 7未利用地未利用土地 目前还未被利用的土地 包括难利用的土地 2 土地利用分类 ISDATA 非监督分类或最大似然法监督分类 参考遥感导论实验指导书的实验七 3 分类成果制图 具体操作参见附录 土地利用分类专题图要求 地图要素 图名 图例 比例尺 指北针 要齐 图面整齐美 观 五 实验过程 1 非监督分类 初初始始分分类类 Main Classification Unsupervised classification 如下图 Input Raster File 选择 tm img Output Cluster Layer Filename 设置为 un class tm86 4 21 img 填写总分类数 Number of Classes 8 类 OK 完成非监督分类 专专题题判判别别 1 同时显示 tm img 和 刚刚生成的 un class tm86 4 21 img PS tm img 显示方式 用 RGB 4 5 3 打开第二幅图时在 Raster Option 中去掉 Clear Display 选项 2 打开属性表调整字 段显示顺序 提示 raster attributes 打开 Raster Attribute Editor 窗口如 下图所示 3 单击 Edit Column Properties 打开 Column Properties 对话框 4 选中一个字段 通过 Up Down Top Bottom 按钮可以移动该字段 将 Class Names 字 段名 Histogram 直方图 像素数 Opacity 不透明性 和 Color 等 4 个字段依次排在前 面 5 调整字段显示宽度 通过改变 Display Width 数值实现 6 单击 OK 7 给各个类别赋相应的颜色 8 将要分析的一个类的的值设置为 则该类为不透明 将其余的设置为 即设置为透明 这时图像只闪烁要分析的这个类 9 点击菜单 Utility Flicker 命令 打开 View Flicker 窗口 10 如果选中 Auto Mode 两幅图像将交替显示 Speed 控制闪烁速度 观察分类结果 11 利用图像闪烁 根据对地物的先验知识或熟悉的地物表现 通过分析推断确定该类的属性 由非监督分类 可以初步判别出地物的类型 为下一步监督分类作准备 1 河流 river water 墨绿 2 海洋 sea water 3 湿地 wetland 黑色 4 森林 成熟林 次生林 幼苗 forest 浅绿及浅蓝 5 草 高尔夫球场 grass 浅红 6 裸露地表 建筑物 plant soil 棕色 建筑用地 building 7 高速公路 high way road 淡黄 2 监督分类 定定义义分分类类模模板板 建建立立训训练练样样本本 1 单击 Classifier 图标 Signature Editor 命令 打开 Signature Editor 窗口打开图像 tm img 2 在图像 tm img 的工具条上 选择 AOI Tools 根据非监督分类所示 对地物进行进一步主观的识别 用 Create Polygon AOI 多边形 AOI 在 图像窗口中选择如 蓝 黑区域 水体 绘制一个多边形 为方便绘制 可将图像适当放大 3 选择多个表示水体的区域 用虚线框工具选择所有的选区 点击合并选区按钮 4 在 Signature Editor 窗口 单击 Create New Signature 将多边形区域加载到 Signature Editor 分类模板属性表中 5 在 Signature Editor 属性表 改变生成的分类模板的属性 包括名称 Signature Name water 颜色 Color 蓝色 重复上述所有操作过程 依次建立森林 forest 建筑 building 湿地 wetland 等分类 模板 6 以分类模板 sig 为名 保存分类模板 执执行行监监督督分分类类 1 单击 Classifier 图标 Supervised Classification 命令 打开 Supervised Classification 对话框 2 输入原始文件 Input Raster File 为 tm img 3 输出文件 Classified File 为 sup class tm86 4 21 img 4 分类模板文件 Input Signature File 为 分类模板 sig 5 选择非参数规则 Non Parametric Rule 为 None 6 选择参数规则 Parametric Rule 为 Maximun Likelihood 最大似然法 7 单击 OK 3 分类精度评价 1 打开分类结果 img 2 Classifier Accuracy Assessment 3 Accuracy Assessment 窗口中 open 选择分类结果 img 4 View select viewr 选择打开的影像 img 的窗口 5 Edit create add random point 设置 Number of points 生成多少个 随机点 select classes 可以选择只在某些类中生成随机点 6 Edit Show Class Values 7 View Show All 8 在 Reference 列中输入该点的参考类别号 9 Report Accuracy Report 该报告中有生产者精度 用户精度 总体精度 Kappa 等数值 CLASSIFICATION ACCURACY ASSESSMENT REPORT ERROR MATRIX Classified DataUnclassifi Water Forest Unused Unclassified 0 0 0 0 Water 0 2 0 0 Forest 0 1 11 3 Unused 0 0 0 1 Road 0 0 0 0 Highway 0 0 0 0 Building 0 0 0 0 Bamboo 0 0 0 0 Column Total 0 3 11 4 Reference Data Classified Data Road Highway Building Bamboo Unclassified 0 0 0 0 Water 0 0 0 0 Forest 0 0 0 0 Unused 0 0 0 0 Road 0 0 0 0 Highway 3 4 0 0 Building 0 0 2 0 Bamboo 0 0 0 3 Column Total 3 4 2 3 ACCURACY TOTALS Class Name Reference Totals Classified Totals Number Correct Producers Accuracy Users Accuracy Unclassified 0 0 0 Water 3 2 2 66 67 100 00 Forest 11 15 11 100 00 73 33 Unused 4 1 1 25 00 100 00 Road 3 0 0 Highway 4 7 4 100 00 57 14 Building 2 2 2 100 00 100 00 Bamboo 3 3 3 100 00 100 00 Totals 30 30 23 Overall Classification Accuracy 76 67 KAPPA K STATISTICS Overall Kappa Statistics 0 6930 Conditional Kappa for each Category Class Name Kappa Unclassified 0 0000 Water 1 0000 Forest 0 5789 Unused 1 0000 Road 0 0000 Highway 0 5055 Building 1 0000 Bamboo 1 0000 对一帧遥感影像进行专题分类后需要进行分类精度的评价 而进行评价精 度的因子有混淆矩阵 总体分类精度 Kappa 系数 错分误差 漏分误差 每 一类的制图精度和拥护精度 1 混淆矩阵 ConfusionMatrix 主要用于比较分类结果和地表真 实信息 可以把分类结果的精度显示在一个混淆矩阵里面 混淆矩阵是通过将 每个地表真实像元的位置和分类与分类图象中的相应位 置和分类像比较计算的 混淆矩阵的每一列代表了一个地表真实分类 每一列中的数值等于地表真实像 元在分类图象中对应于相应类别的数量 有像元数和百分比表 示两种 2 总体分类精度 Overall Accuracy 等于被正确分类的像元总和 除以总像元数 地表真实图像或地表真实感兴趣区限定了像元的真实分类 被 正确分类的像元沿着混淆矩阵的对角线分布 它显示出被分类到正确地表真实 分类中的像元数 像元总数等于所有地表真实分类中的像元总和 3 Kappa 系数 是另外一种计算分类精度的方法 它是通过把所有地 表真实分类中的像元总数 N 乘以混淆矩阵对角线 Xkk 的和 再减去某一 类中地 表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果 再除以总像元数的平方差减去某一类中地表真实像元总数与该类中被分类像元 总数之积对所有 类别求和的结果所得到的 4 错分误差 指被分为用户感兴趣的类 而实际上属于另一类的像元 错分误差显示在混淆矩阵的行里面 5 漏分误差 指本属于地表真实分类 但没有被分类器分到相应类别 中的像元数 漏分误差显示在混淆矩阵的列里 6 制图精度 指假定地表真实为 A 类 分类器能将一幅图像的像元归 为 A 的概率 7 用户精度 指假定分类器将像元归到 A 类时 相应的地表真实类别 是 A 的概率 六 实习心得 1 在满足条件的情况下 理论上非监督分类实际工作中将分类设为 最终分类数的2倍以上 2 各种地物应选取图像上易分辨且较精细的 且不宜选择模棱两可的点 更不能将两种地物 同时选择在一起 3 监督分类相应地物区块的选取范围要相对较广 从而能更好的反映所选取的区块的地物特 征 3 部分地区的颜色变化比较明显 尽量避免在这些区域选区域 4 针对具体遥感特定图像的分类 我们往往需要获得较大量的图像数据 尤为关键的是 还要得到作为最后校验数据标准的地面信息 否则无法衡量分类的精确度和提取较为准确 的特征矢量 附录 专题图的制作 附录 专题图的制作 专专题题地地图图 主要内容 专题制图工作流程 Workflow of Map Composition 专题地图编辑器功能 Function of Map Composer 专题地图编辑过程 Process of Map Composition 1 专题地图简介 INTRODUCTION TO MAP COMPOSER ERDAS IMAGINE 的专题地图编辑器 Map Composer 是一种所见即所得 WYSIWYG What You See Is What You Get 编辑器 用于产生地图质量的图像和演示图 这种地图可以包含 单个或多个栅格图像层 GIS 专题图层 矢量图形层和注记层 同时 地图编辑器允许您自动 生成文本 图例 比例尺 格网线 标尺线 图廓线 符号及其他制图要素 您可以选择 1600 万种以上的颜色 多种线划类型和 60 种以上的字体 1 1 专题制图工作流程 WORKFLOW OF MAP COMPOSITION ERDAS IMAGINE 专题制图过程一般包括六个步骤 图 1 首先是根据工作需要和制图区 域的地理特点 进行地图图面的整体设计 设计内容包括图幅大小尺寸 图面布置方式 地图 比例尺 图名及图例说明等 然后 需要准备专题制图输出的数据层 也就是要在视窗中打定 地图的内图框 同时确定输出地图所包含的实际区域范围 生成基本的制图输出图面内容 在 主要图面内容周围 放置图廓线 格网线 坐标注记 以及图名 图例 比例尺 指北针等图 廓外要素 最后是设置打印机 打印输出地图 1 2 专题地图编辑器功能 FUNCTION OF MAP COMPOSER 专题地图编辑器又称 Map Composer 或 Composer 可以通过两种途径启动 ERDAS 图标面板菜单条 Main Map Composer Map Composer 菜单 图 2 ERDAS 图标面板工具条 点击 Composer 图标 Map Composer 菜单 图 2 图 2 Map Composer 菜单 从图 2 可以看出 ERDAS 专题制图模块包含了 5 项主要功能 具体如表 14 1 所列 2 专题地图 编辑过程 PROCESS OF MAP COMPOSITION 2 1 准备 专题 地图数据 PREPARE THE DATA LAYER 准备专题制图数据就是在视窗中打开所有要输出的数据层 包括栅格图像数据 矢量图形 数据 文字注记数据等 具体示例如下 视窗菜单条 File Open Raster Layer File Name Modeler output img Raster Options Fit to Frame OK 图像文件 Modeler output img 在视窗中打开 下面的专题制图将针对 Modeler output img 图像进行 2 2 产生专题制图文件 NEW MAP COMPOSITION ERDAS 图标面板菜单条 Main Map Composer New Map Composition New Map Composition 对话框 图 3 ERDAS 图标面板工具条 点击 Composer 图标 New Map Composition New Map Composition 对话框 图 3 在 New Map Composition 对话框中 需要定义下列参数 专题制图文件名 New Name composer map 输出图幅宽度 Map Width 28 输出图幅高度 Map Height 20 地图显示比例 Display Scale 1 图幅尺寸单位 Unit centimeters 地图背景颜色 Background white 以上是自定义状态 也可以使用模板文件 Use Template OK 关闭 New Map Composition 对话框 打开 Map Composer 视窗和 Annotation 工具面板 图 4 图 3 New Map Composition 对话框 2 3 确定专题制图范围 DEFINE THE MAP FRAME 2 3 1 地图编辑视窗功能 MAP COMPOSER VIEWER 如图 4 所示 地图编辑视窗由菜单条 Menu Bar 工具条 Tool Bar 地图窗口 Map View 和状态条 Status Bar 组成 至于注记工具面板 Annotation Tool Palette 只不过是从菜 单条中调出来的一部分编辑功能 但是 由于下面的许多专题制图编辑操作都需要借助注记工 具面板来完成 所以在此有必要对注记工具面板进行介绍 每当产生一个新的专题制图文件时 注记工具面板就会自动打开 注记工具面板还可以分 别从视窗菜单条 Viewer