遥感基于ERDAS的家乡土地利用..docVIP

重庆市秀山县土地利用分类 过程与步骤 一，遥感影像下载 在图片“中国TM影像条带号”查自己所在县的行列号，其中秀山县为 行编号40 条带号126； 打开地理空间数据云并登录 高级检索： 行政区：重庆市 月份：五月、六月、七月 数据集 : Landsat4-5 TM 条带号：126 行编号：40 （注意：云量尽量小 时间尽量新） 下载影像并解压 影像融合 打开erdas，接下来步骤如下：（注意：在输入文件时，其中files of type选择TIFF;选择3,4,5波段并分别输入，不可同时输入)，然后点击OK。 （注意：由于下载的TM4-5影像图精度已经很高了，故无需进行几何校正了） 县图的矢量化—Arcgis中操作 打开arcgis，在中国县区图中导出秀山县图（此处步骤略）， 投影转换。 四、影像裁剪 1、在erdas中打开一个 viewer，打开文件，文件类型选择 shapefile，如下图左所示，点击OK，单击秀山县地图，点击 AOI，选择 cope selection to aoi，然后点击 file，save，save aoi layer as，保存。 aoi 裁剪。选择，接着如下图所示： 五、监督分类 显示需要分类的图像，在这里是秀山县的影像图 打开分类模板编辑器，如下图： 3、调整分类属性字段（为了突出作用比较大的字段,需进行调整) 获取分类模板 （对于同一类地物用多边形绘制大概20个左右，用将其归为一类，再将黄色部分删除，生成一个新的综合的类，并将其命名，比如，如果是水体，就将其颜色赋为蓝色后面的分类同样的方法进行分类。） 由于我的家乡的县的土地利用比较单一，基本上只能将其分成四类，即水体、建筑用地、林地、耕地。 分类模板建好之后，将其保存，命名为“分类模板”。 评价分类模板 从分类模板中可以看出，分类效果还是比较满意的。 6、执行监督分类 （通过Attribue Option对话框，可以确定模板的哪些统计信息将被包括在输出的分类层中。） 评价监督分类结果 在Classifier里，过程如下 分类后处理 聚类统计。在图像解译里完成。目的是对监督分类结果产生的一些面积很小的图斑进行剔除。 过滤分析 是对经Clump处理后的Clump类组图像进行处理，按照定义的数值大小，删除Clump图像中较小的类组图斑，并给所有小图斑赋予新的属性值0。 去除分析（同上） 实验报告总结 1、根据精度评估报告知 ； 分类的精度还是比较满意的。从土地利用情况来看，秀山县的土地利用主要是林地和耕地， 将秀山县实际的土地利用总结如下：耕 地；25.84% 建筑用地：4.19% 林 地：49.22% 水 域：1.78% 未利用地 : 18.13% 秀山县实际的土地利用主要以林地和耕地为主，但由于秀山县属于武陵山区的一部分，以山地为主，故耕地呈现不规则分布，并且秀山县是一个很普通的县，建筑用地不到5%，加上遥感图像并不十分清楚，在进行监督分类时，影像图的像元颜色很多地方不均一，难以分辨，存在比较大的误差，难以区分未利用地与耕地。水域和林地的分类还是比较符合实际。 心得与体会 通过这次的作业，我学会了利用erdas简单地根据监督分类制作土地利用分类图，虽然做的不够好，但是我还是认真地、用心的去做了，感觉工作量不是很大，但依然花费了我整整两天的时间，这一点我还是会为自己点赞！ 尽管用心了，但是还是存在不足，分类不够准确。这一点是我在以后的学习中需要改进的，也希望我的工作成果能得到老师的肯定与鼓励。  导入在erdas中融合的图像，然后点击确定 输出所要存储的位置，并命名 输入秀山县的shapefile图 选择刚刚保存的AOI图像，点击OK 导入需要裁剪的影像，这里是第一次融合的图像 此为裁剪出来的秀山遥感影像图 用放大镜将图片放大，用多边形选择颜色相同的地物 从1~14选中，默认黄色表示出来，按住shift，选择红、绿、蓝，然后点击apply 打开县的影像图，选择工具 绘制完一个多边形AOI之后,加载到分类模板属性表里 前四个勾选 打开监督分类结果，单击，然后点击原图像 检查对应的点后，落在对应的区域赋相同的值 在图中找出对应的点，并在分类模板中找出对应赋的值， 2 1 在选中的30