遥感实习报告（共8篇） .doc

遥感实习报告（共8篇） 第1篇：遥感实习报告 遥感图像处理 实习报告 姓 名： 学 号： 班 级： 老 师： 1 实验：土地覆被变化分析 阅读该实验的教材内容，回答以下问题： 1.遥感数字图像处理在哪三种空间上进行？各空间的内涵是什么？ 答：(1)图像空间:图像具有二维坐标，是数字的直观表达，地物在图像空间中能直观的表示出来。利用图像合成可以产生不同的表示方式，便于进行视觉对比。 (2)光谱空间:光谱是区分、识别地物的基本依据，不同的地物具有不同的光谱。在光谱空间，可以分析当前像素的光谱，也可以对不同像素、不同地物的光谱进行对比。 (3)特征空间:在特征空间中，同类的像素点往往聚在一起，不同的特征空间表达了像素间的不同关系;利用特征空间可以进行遥感信息的有效提取、遥感图像分类和模式识别。 实验报告内容： 一、实验过程 1. 相对几何较正； 用ENVI5.3打开1992年和2000年的遥感图像，在工具栏MAP中选择Registration,并选择图像校正图片对图片形式的。以2000年为基图，1992年为校正图进行校正并保存。校正点尽可能达到30个点左右为佳，由于时间关系，我所处理的图像只有10个校正点。 控制点的选取原则：①易分辨、易定位的特征点：道路的交叉口，水库坝址，河流弯曲点等。②特征变化大的地区应多选些。③尽可能满幅均匀选取。 几何校正的方法可分为两种：多项式校正法和共线方程校正法。 而我此次选择多项式法进行图像校正 2.取相同子区； 关闭原图，打开我们校正之后的图像，在基础工具栏中选择Basic Tools的一个选项（调整数据大小），处理得出的数据大小应该是2060*1060像素的。处理完1992年的数据，我们可以直接用处理后1992年数据大小对2000年图像进行处理，以保证两组数据尺寸大小相同。 3.分类； 分类的原理：同类地物在相同的条件下，具有相同或相似的光谱信息特征和空间信息特征，即同类地物像元的特征向量将集群在同一特征空间区域；而不同 2 的地物其光谱信息特征或空间信息特征将不同，集群在不同的特征空间区域。因此根据光谱亮度值的集群我们可以将不同的像元归到不同的类别中去。 首先我们需要利用ROI训练我们的感兴趣区，我将1992年图像分为6类分别为河流、湖泊、高植被、低植被、荒漠和落地，而2000年的图像只有5类，因为我在观察时发现2000年的图像没有荒漠区域，即没有荒漠部分。随后我们用监督分类中的最大似然法对图像进行分类。 选择依据：最大似然法（ Bayes分类器）是通过观测样本X把它的先验概率转化为后验概率，并以后验概率最大的原则确定样本X的所属类别。该分类器可以使错误分类的概率最小。特点：(1)最大似然法分类并不把一个对象绝对地指派给某一类，而是通过计算得出属于某一类的概率，具有最大概率的类便是该对象所属的类；(2) 一般情况下在最大似然法分类中所有的属性都潜在地起作用，即并不是一个或几个属性决定分类，而是所有的属性都参与分类。 4.分类后处理 （1）类别合并：在已经分类了的图像中选择性地进行类的结合，将高植被低植被进行合并，河流和湖泊进行合并为水体。 （2）编辑颜色：进行颜色处理，更改某些地类的颜色，使得配色美观。 （3）纠正错误分类：手动对分类不合理的地方进行编辑，将其加入大类中。 5.分类精度分析 3 Kappa系数： kappa系数是在综合了用户精度和制图精度两个参数上提出的一个最终指标。值域正如以上所说[-1，1]，如果越大，表示图象分类精度越高。 Kappa系数=0.97，由此我们可以知道此次分类处理的精度还是比较准确的 6.类别统计报告； 从类别统计报告上得到无论是1992年还是2000年，裸地占极大的比例达到百分之五十以上，而荒漠在8年时间里消失，植被数量略有增长，水体部分也 4 有所增加。 7.变化探测分析 从上图我们可以看到该地区从1992年到2000年之间变化还是挺大的。从整体上看，植被的数量上增加缓慢；水体，即河流和湖泊的数量增加了0.3%左右；而荒漠则是整体性的消失，增长为裸地，带来裸地整体数量的变化。 原因：通过查阅文献和询问老师，我们了解到1992年是一个大旱年，整体降水量少，所以植被数量和水的总量比较少。而1992年后，人类开始在该地区进行大量农耕和砍伐，导致植被面积虽然增加，但是增加缓慢，高植被（森林）面积下降，低植被相对增加。