遥感实习报告doc.docVIP

西安科技大学 遥 感 实 习 报 告 学院：测绘科学与技术学院 专业： 班级： 姓名： 学号： 实习目的：学习使用envi、erdas软件 实习时间：2011-12-28——2012-1-6 实习地点：临潼校区11#205 实习内容： （一）envi软件的学习和使用 一、大气校正： ENVI简介——大气校正模块 采用目前精度最高的MODTRAN 4+模型 通过高光谱像素光谱上的特征来估计大气的属性 可以有效地去除水蒸气, 气溶胶散射，漫反射的邻域效应。 获得地物反射率和辐射率、地表温度等真实物理模型参数。 包括快速大气校正工具 校正方法 遥感图像的大气校正方法很多。这些校正方法按照校正后的结果可以分为2种： （1）绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。 （2）相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。 ENVI下FLAASH大气校正工具 a)基于MODTRAN4+辐射传输模型 b)支持高光谱和多光谱数据 FLAASH大气校正 FLAASH对图像文件有以下几个要求： a)数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。 b)数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM）,这两个参数都可以通过编辑头文件信息输入（Edit Header）。 c)数据类型 支持四种数据类型：浮点型（floating）、长整型(long integer )、整型（integer）和无符号整型 (unsigned int)。数据存储类型： ENVI标准栅格格式文件，且是BIP或者BIL。 d)波谱范围：400－2500nm 大气校正前后的对比 右图为消除水汽、大气微粒的影响 消除水汽、大气微粒的影响前后 校正后图像 二、监督分类 1、监督分类定义 --又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。 在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本 计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求 用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类 2、监督分类基本流程 类别定义/特征判别—样本选择—分类器选择—影像分类—分类后处理—结果验证 样本的选择 样本选择是非常重要的过程，直接影响分类精度 在样本选择过程中，有很多辅助方法 —可以显示不同的假彩色合成窗口，也可以进行主成分分析后进行假彩色合成，由于去除了波段间的相关性，不同地物区分的更加明显；还可以借助Google Earth辅助解译 （3）各个样本类型之间的可分离性要好 —用Jeffries-Matusita, Transformed Divergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1，考虑将两类样本合成一类样本 通过统计表可以看出样本选择合格（两个距离均大于1.9） 图中正数第三个为创建的掩膜 分类结果显示 Majority：主要分析，在选中像元内，用多数的像元数值覆盖占少数的像元的数值 Minority：次要分析，在选中像元内，用少数的像元数值覆盖占多数的像元的数值 Kernel Size：选择像元大小 Center pixel weight：权重计算次数 处理前后对比 精度报表 97.7678%分类精度良好 加图示后的图像 加图例后的图像 注意：加图例中的图名、制图者信息等时注意字体的设置。 (二) ERDAS软件的学习与应用 实习目的：基于ERDAS软件的西安市1:5万遥感影像图的制作 实习时间：2011-12-28——2012-1-6 实习地点：临潼校区11#205 实习内容： 主要内容： （1）应用1999年航空摄影测量方法制作的1：1万地形图的几何精度，对较新SPOT-2卫星影像进行几何校正。 （2）应用2002年获取的10米分辨率SPOT-2影像，制作西安市1:5万遥感影像图。 主要制作过程： 1. 对地形图扫描影像进行纠正、裁切、 拼接； 2. 利用拼接好的纠正地形图对遥感影像进行几何纠正； 3. 根据地形图在纠正好的遥感影像上进行主要线状要素、注记的采集； 4. 将采集的