利用TM影像进行地面特征光谱特性曲线统计分析

利用TM影像进行地物光谱特性曲线统计分析实验步骤1.打开ENVI,将所给的7幅TM影像加入ENVI的工作空间2.选取其中的三个波段组成红、绿、蓝三波段的假彩色图像显示在窗口下

3.根据假彩色图像，可以很容易区分出各种不同的地物类别，然后再对照电子地图，利用ROI3.根据假彩色图像，可以很容易区分出各种不同的地物类别，然后再对照电子地图，利用ROI工具，在TM影像上选取出具有代表性的几块区域作为统计区域，如上图中的色块。同时将ROI保存成文件，以供下次使用:◎◎SaveROlstoFileI.囱」#1#2#3#4nnnnoooD■1■1#1#2#3#4nnnnoooD■1■1-1■1gsgEeeeeRRRR(1024x1024)[Green]5202points(1024x1024)[Blue]5476points(1024x1024)[Yellow]3482rointrrrNijiTiberofitemseelected：$SelectAllItemsCle：=□：■AllItemsEntmtOutputFilmTLaiTiE[.roi]ChooeeE：l我的课程l谨感图橡懈译l感兴趣区.rox|OK11Cancel|4.打开一幅单波段影像，选择ROI工具，选择导入ROI文件，将保存的ROI文件加载到当前图片上:◎#1ROIToolFileROI_TypeOptionsHelpWindow:ImageSScroilZoom0£fROIN：=utihColorFixeleFolygunEF沙湖Redz439l/z4390.东湖Green5,2021/5,2020.长江Blue瓦476l/5?4760.汤逊湘Yellow瓦071l/5?0710.汉口居民区Cy：±TL6,1581/6,1580.武昌居民区MagerLt注乙8591/Z8590.NewRegiunGotoDeleF：mrt[Stats][Grow][Fixel][DeleteROISelectAllHideROISShowROIS5.点击ROI工具的SelectAll,再点击Stats，计算出所有区域的统计信息：Qf#1ROtTool=i回=i回£3Window:aImageScrollZoomOffRDINameColorFixelsFolygons~Fl沙湘RedZ4391/Z4390.东湘Green5,2021/5,2020.长江Blue5,476l/5?4760.汤逊湘Yellow5,071l/5?0710.汉口居民区Cyan6,1581/6,1580.武昌居民区Magen七包2,8591/Z8590.NewRegionGotoDeleF：=li-t[Stats][Grow][Fixel][DeleteRDISelectAllHideROIeShowROIeROIStatisticsResults:wtmwl.bmpFileOptionsStatsfor沙湖[Red]2439pointsTSelectPlottClearFlotrams:V2439eDoGo斗o50rams:V2439eDoGo斗o50oooo3270127斗767880□ataValueSelectStattFilename:E:、我的课程、遥感图像解译Xwtmwl.bmpROI:沙湖[Red]2439pointsBasicStatsMinMasMeanStdevBand1700175..2101221.611072Band2700175..2101221.611072Band3700175..2131221.611072HistogramDNNptsTotalPercentBand170330.12307120230.320072911143.7310732403549.8401ITIs将上图中的Mean即均值一项的数据拷贝到Excel中作为数据使用;6•依次对余下的TM影像做相同的处理（由于TM6的成像方式不同,因此没有处理）二、实验结果如下表，由于TM6的特殊性放在最后，作图的时候也没有考虑。12345678910111213胡胡武昌居民地14珈地地田珞山山农BCD12345678910111213胡胡武昌居民地14珈地地田珞山山农BCDEFGHI波段1波段2波段2波段4波段5波段7波段&90.80606343.46712946.74050421.98648604.155953125.00620989.21511638.64244222.1569770.5406980.5348844.732558123.29069875.21812228.1795823.0746210.002050.001643.414514121.64821681.62879731.4727038.14629004.430796123.36024673.25754327.7864332.461250.02208603.072372122.83060577.89062528.9671235.1273970.7721460.1803653.510046122.24794590.9001327.78643325.4B587221.46557345.86862638.344268138.65638291.39454437.95418|26.549493132.18817851.25043737.426373137.54634577.89062582.46487282.8774689.39777229.50520834.24274336.16969939.8295266.7187517.52166625.23913935.78885845.35416759.13167954.89268554.96713134.68229268.63567579.626439105.9019517.22395834.96886842.52023852.619499125.578125131.745477136.760119132.04234用Excel统计图的形式显示如下图:水体光谱特性曲线-0丈-o^-0丈-o^.江江湖湖购韬长汉沙东汤金植被波谱响应曲线口12珈地地田珞山山农詈—汉□居民地武昌居民地居民地光谱特性曲线植被波谱响应曲线口12珈地地田珞山山农詈—汉□居民地武昌居民地居民地光谱特性曲线三、结果分析A、水体：总体上看，水体的光谱特性曲线从TM1到TM7呈下降趋势,TM1>TM2>TM3>TM4>TM5，到了TM3以后，图像上的水体灰度值接近于0；在TM3波段，江水与湖水的曲线分离，相差20-60个灰度值。可以推断这是由于江水中的含沙量而引起的，因此，可以尝试利用TM3来监测水体中的含沙量；B、植被:总体上看，植被的光谱特性曲线呈现波动的趋势，TM1>TM2>TM3；TM3<TM4<TM5；TM5<TM7。在TM3时光谱曲线有极小值，同时也是曲线的最小值，在TM5时光谱特性曲线有极大值，同时也是曲线的最大值；各种不同类型的地块，在TM3和TM5出有较大的区别，特别是在TM5处，出现很大的分离。可以看出主要是山地类型与农田类型的差别，这与两种地块的含水量应该有很大的关系。C、居民地：1.总体上看，居民地的光谱特性曲线值较其他要高，变化幅度比较小，这应该与居民地主要由混凝土组成有关。在TM2,TM3,TM4的波段响应值基本一致。四、利用波谱响应曲线分类平均后的光谱特性曲线亠水休平均后的光谱特性曲线亠水休-■-植被居民地将上述各地物类型的响应值取平均后，可以利用TM2和TM4对上述三种地物进行区分；分类依据：TM2-TM4在-40到-10之间为植被；TM2-TM4在-10到10之间为居民地;TM2-TM4在10至U40之间为水体；分类结果如下图:#1Scroll(0.64344)#1Scroll(0.64344)武汉大学校区解译龚珣-2011301610406解译标志标志地物类型--形状颜色色调纹理其他树