遥感影像解译手册
遥感影像解译样本
云南省地图院 肖提荣
2013年12月
什么是遥感影像解译样本数据
• 遥感影像解译样本数据 用于辅助遥感影像解译收集获取的地面实景 照片和对照遥感影像等样本数据。
照片 样本
影像
什么是遥感影像解译样本数据
• 遥感影像解译样本数据采集是外业调查与 核查的目标之一
外业调查与核查的目标：
1、调查内业疑问，补充更新信息 2、检验判读正确率，发现判读误判，指导判读修正 3、建立地物类型遥感解译样本，指导自动分类和人工解译 4、评价成果质量，提供质量评定客观依据
地面照片属性及采集要求
相机姿态参数的作用——可还原现场
地面照片属性及采集要求
横滚角
1、取景尽量横画幅使横滚 角趋于0 2、竖拍时： 记录角度则不用旋转照片 未记录则必须旋转照片
地面照片属性及采集要求
拍摄时间
遵循―GB/T 7408-2005/ISO 8601:2000采用日期和日的时 间的组合方式，用完全表示法的扩展格式YYYY-MM-DDTHH:MM:SS表 示，如2011-08-26T04:23:06
如果季相差别较大，需确保通过照片判别出的地物或覆盖状 态与影像上判别出的一致，否则不应作为样本保留
地面照片采集总体要求
样本应根据具体情况采集
内业有疑问及分类错误的图斑，原则上都需要采集 对应的解译样本 内业较确定的图斑，选取典型区域按每类图斑3%10%抽样进行核查并采集样本 核查时准确率不达标的图斑，应扩大抽样比例和地 域范围进行核查并采集样本
ArcGIS遥感解译
ArcGIS遥感解译
⽬视解译流程
⼀、解译⼯具界⾯概览
⼆、创建⽂件夹ArcGis_Labels
三、导⼊图像
四、创建ShapeFile图层
五、图层编辑
六、裁剪栅格
七、导出裁剪结果
⼀、影像解译⼯具概览
本次影像解译⼯具为ArcMap10.2，主界⾯如下：
1、主菜单栏；
2、⼯具栏；
3、内容列表区；
4、图层显⽰区；
5、⽬录⽂件连接区
⼆、创建⽂件夹ArcGis_Labels
创建ArcGis_Labels⽂件夹，将需要处理的⽂件拷贝到该⽂件夹下，此为⾃定义⽂件夹，后续处理都在改⽂件夹下进⾏。
三、导⼊图层
在⼯具栏中点击+—添加数据选项，导航⾄ArcGis_Labels(⾃定义⽂件夹)，选中需要解译的影像，点击添加，完成原始影像导⼊。
四、创建ShapeFile⽂件
点击右侧⽬录，在ArcGis_Labels⽂件上右键选择新建—ShapeFile(s)
在弹出的创建新ShapeFile对话框中输⼊ShapeFile名称，要素类型选择“⾯”，点击确定，完成ShapeFile图层创建。
在⼯具栏中点击编辑，在下拉菜单中点击开始编辑
点击创建要素，在创建要素内容列表中选择所要解译的图层
在构造⼯具中选择⾯
在图层显⽰区中缩放⾄合适⽐例尺开始解译
图层解译完成后，点击编辑器—保存编辑内容—停⽌编辑，⾄此完成⼀个图层的解译
注意：在解译过程中，每解译⼀部分时都应点击编辑器—保存编辑内容，以防误操作导致解译结果未保存！
六、裁剪栅格
在⼯具栏中点击ArcToolBox⼯具箱，在弹出的⼯具箱内容列表中选择
数据管理⼯具
在数据管理⼯具下拉菜单中依次选择栅格—栅格处理—裁剪，打开裁剪对话框
遥感解译的一般步骤
遥感解译的一般步骤
1.
单波段数据合成多波段数据
单波段数据合成多波段数据是在erdas中完成的。打开erdas软件，从interpreter中打开utilities，再从utilities中打开layer selection and stacking，input中找到单波段数据的路径，output中自己命名和选择
2．数据校正及导出
数据校正及导出是在arcmap中完成的。打开软件，加载库区边界，再加载在上一步erdas中合成好的自己命名的多波段数据。
3.区县边框aoi文件提取
区县边框aio文件提取在erdas中完成。打开软件，加载库区边界，选中需要的区县，操作如图。保存复制好的边界aoi到自己存盘命名文件，记得一定要选中，操作如图。
4.按边界剪切影像
按边界剪切影像也在erdas中完成。从data preparation 中打开subset
Image ， input校正好的影像，output自己命名保存文件，再最下面aoi选择刚做好的aoi文件。
5.非监督分类
非监督分类同样在erdas中完成。
6.统计小图斑和合并小斑
7.栅格文件转换成arcinfo
栅格文件转换成arcinfo是在erdas中完成的。
8．arcinfo转换成shp格式.
arcinfo转换成shp格式.是在arcview中转换的。
9.在arcview中小工具的加载
10.加载文件开始目视解译
遥感影像解译技术使用指南
遥感影像解译技术使用指南
遥感影像解译技术在现代科学和地理信息系统中扮演着重要角色。它通过获取
和解析遥感数据，为环境监测、土地利用规划、资源调查等领域提供了宝贵的信息。本文将为您提供一份遥感影像解译技术使用指南，帮助您了解和运用这一技术。一、遥感影像解译简介
遥感影像解译是从卫星或航空平台获取的高分辨率图像中提取有用信息的过程。它能够帮助我们识别地表物体和地貌特征，例如土地利用类型、农作物生长状态、水体面积等。在解译过程中，我们将遥感影像与现场数据、地理信息系统（GIS）
数据进行结合，以获得更准确的结果。
二、获取遥感影像数据
在开始遥感影像解译之前，首先需要获取相应的影像数据。目前，有许多渠道
可以获取遥感影像数据，如国家卫星气象中心、国土资源部门等。您可以选择根据需要和预算选择适合的数据来源。
三、预处理遥感影像
在开始解译之前，对遥感影像进行预处理是非常重要的。预处理包括校正、投影、云层和噪声的去除等步骤。这些步骤可以帮助我们准确地解译图像，并提高数据的可靠性。
四、选择合适的解译方法
在遥感影像解译中，有许多不同的方法可以选择。根据地物类型和研究目的，
可以选择分类、目视解译、目标检测等方法。分类方法可以将图像中的像素归类为不同的地物类型，目视解译则通过可视化方法直接进行地物辨识，而目标检测可以帮助我们快速发现和识别感兴趣的目标。
五、利用辅助数据
为了提高解译结果的准确性，我们可以利用辅助数据，如地形、气象、土壤等
环境数据。这些数据可以与遥感影像进行融合，从而获得更全面的地表分析。同时，可以将解译结果与现场调查数据相结合，进一步验证和确认解译结果的正确性。六、验证和评估解译结果
使用遥感影像解译进行测绘的简易教程
使用遥感影像解译进行测绘的简易教程
随着科技的不断发展，遥感技术在测绘领域中的应用越来越普遍。遥感影像解译是一种通过对卫星或航空影像进行解译和分析，获取地理信息的方法。本文将为大家介绍使用遥感影像解译进行测绘的简易教程。
1. 概述遥感影像解译的基本原理
遥感影像解译是通过观察和解读遥感图像中的颜色、形状、纹理等特征，进行地物分类和测量的过程。遥感影像中的不同颜色和纹理可以反映地物的不同特征，比如植被、水域、建筑等。通过对这些特征进行解译，可以获取地物分布、面积、高程等信息。
2. 数据获取与预处理
在进行遥感影像解译之前，我们首先需要获取高质量的遥感影像数据。常用的遥感数据包括卫星影像和航空影像。卫星影像通常具有全球覆盖能力，但分辨率较低；而航空影像则具有较高的分辨率，适合进行细致的测绘工作。获取到遥感影像数据后，需要进行一些预处理工作，比如图像校正、辐射矫正等，以确保数据的准确性和可用性。
3. 影像解译方法
遥感影像解译可以采用多种方法，常见的有目视解译、数字图像解译和机器学习解译等。目视解译是指通过肉眼观察和判断遥感影像中的地物类型，进行分类和测量的方法。数字图像解译则是利用计算机软件进行遥感影像的识别和分类。机器学习解译是利用算法对遥感影像进行自动分类和特征提取，然后根据训练样本进行地物分类和测量。
4. 地物分类与测量
在进行遥感影像解译时，我们需要根据具体任务的需求，对地物进行分类和测量。常见的地物分类包括植被、水域、建筑、道路等。地物测量则包括面积、长度、高程等指标的测量。根据遥感影像中地物的特征，我们可以利用图像解译软件或编程工具，进行地物分类和测量工作。
测绘技术使用教程之遥感影像处理与解译方法
测绘技术使用教程之遥感影像处理与解译方
法
遥感影像处理与解译方法是现代测绘技术中不可或缺的重要环节。通过遥感影像的获取、处理和解译，我们可以获取大量的地理信息，从而为各类应用提供有效的支持。本文将为大家介绍遥感影像处理与解译的一些基本方法和技巧。
一、遥感影像的获取
遥感影像的获取是整个遥感技术的第一步，也是最关键的一步。目前常用的遥感影像获取方式主要有航空摄影和卫星遥感。航空摄影是通过载人或无人机进行空中拍摄，可以获取高分辨率、高精度的影像数据；而卫星遥感则是利用卫星对地表进行全球观测，可以获取大范围的影像数据。根据实际需求和应用场景的不同，可以选择适合的遥感影像获取方式。
二、遥感影像的预处理
在进行遥感影像的解译之前，需要对原始影像进行一系列的预处理操作，以提高影像质量和减少干扰。常用的遥感影像预处理操作包括辐射校正、大气校正、几何校正、噪声去除等。辐射校正是将原始影像的数字值转换为地表反射率，以消除不同拍摄条件下的辐射差异；大气校正则是通过模拟大气传输过程，去除大气中的影响因素；几何校正可以纠正影像因拍摄角度、相对高程和地球弯曲等因素造成的变形；噪声去除则是利用各种滤波算法将影像中的噪声减少至最低。
三、遥感影像的分类与提取
遥感影像的分类与提取是遥感影像处理的核心内容之一，其目的是将影像中的像素划分为不同的类别，以反映地物的分布和空间关系。常用的遥感影像分类与提取方法包括监督分类、非监督分类、目标检测与提取等。其中，监督分类是指通过训练样本和分类算法，对影像进行像素级别的分类；非监督分类则是根据像素的相
遥感影像解译技巧和注意事项
遥感影像解译技巧和注意事项
遥感影像解译是一种通过获取、处理和分析遥感数据来获取地表信息的方法。
这项技术在农业、林业、城市规划等领域有着广泛的应用。本文将介绍一些遥感影像解译的技巧和注意事项，帮助读者更好地理解并应用这一技术。
一、了解影像来源
在进行遥感影像解译之前，了解影像的来源是十分重要的。影像来源可以分为
航空遥感和卫星遥感。航空遥感是通过飞机或无人机获取的影像数据，其分辨率较高，可以提供更详细的地表信息。卫星遥感是通过卫星传感器获取的影像数据，分辨率相对较低。在解译时，需要根据具体需求选择适合的数据来源。
二、影像预处理
在进行影像解译之前，需要对原始影像进行预处理。预处理的目的是去除噪声、增强图像特征，以便更好地进行解译。常用的预处理方法包括辐射校正、大气校正、几何校正等。辐射校正是通过将原始影像转换为辐射亮度，消除不同观测条件对亮度的影响；大气校正是去除大气成分对影像亮度的干扰；几何校正是通过对原始影像进行几何变换，以纠正因地表形态和传感器姿态差异引起的影像形变。
三、选择合适的解译方法
不同的解译方法适用于不同的地表特征。常用的解译方法包括目视解译、数字
解译和GIS解译。目视解译是最常用的一种解译方法，通过人眼观察影像中的地
物特征进行解译。数字解译是一种基于计算机算法的解译方法，可以提高解译效率和准确度。GIS解译是将遥感影像与地理信息系统相结合，通过对比和分析不同数
据层来进行解译。在选择解译方法时，需要根据具体任务和数据条件进行综合考虑。
四、注意遥感影像的解译要点
在解译遥感影像时，有几个要点需要特别注意。首先是遥感影像的视觉解译要点。在进行目视解译时，需要注意观察影像的明暗、纹理、色彩等特征，以准确识别地物类型。其次是地物的光谱特征。不同地物在遥感影像上具有不同的光谱反射特性，通过观察光谱曲线和光谱特征可以帮助识别地物。另外，还需要了解地物的空间特征。地物在遥感影像中以不同的形状和大小表现出来，观察地物的空间分布和布局可以提供进一步的信息。此外，还需要了解地物的其它特征，如物象长相、纹理、结构等，对于一些细节特征的解译也需要注意。
遥感解译教程
第一部分数据准备
包括3个数据：1、GF-1号影像（朱国锋老师提供）2、TM8影像数据（朱国锋老师和刘原峰下载提供辅以自行下载补充）3、县域shp数据（朱国锋老师和刘原峰提供）。其中GF-1数据用于最终目视及监督分类解译，TM8数据用于对GF-1数据进行预处理时作为基准影像对其进行几何校正，各个县域shp边界用于遥感影像的拼接裁剪等工作。
本次实验以民勤县和金川区为例，因此所需数据均为覆盖两县区的TM8影像、GF-1影像和两县区界shp数据。
GF-1影像：
TM8影像：
甘肃县区矢量数据：
第二部分GF-1影像预处理
一．制作TM8基准影像
1．波段融合
打开ENVI软件，加载下载并解压后的TM8影像的3、4、5波段：File→Open Image File →可按shift或ctrl键选中3、4、5波段
→Basic Tools→Layer Stacking→→Import File
→选择3、4、5波段→OK
→再次选择3、4、5波段→选择存放在Memory
→OK→结果文件如
下→Load RGB
这幅影像即543波段融合后显示的TM8标准假彩色影像，它的突出特点是植被，包括农作物在影像上以红色显示，但具体红色的深浅、亮度、纹理等则取决于植被的类别、生长状况等，不同种类农作物的显示其红色的色调也存在差异。
→（以Imageing格式导出这景影像）File→Save Image As→Image File
→选择输出类型为ERDAS IMAGINE→选择保存路径和影像文件名
→OK
2．重复上述操作，分别将覆盖研究区的其他两景TM8影像的345波段融合并保存ERDAS IMAGEINE格式的影像。
GIS遥感图像的目视解译教程
实验二遥感影像的目视解译
一、实验要求
1.了解shape格式的矢量文件
了解shape文件格式，包括文件结构及用途等，学会shape文件的复制、粘贴、命名、及使用方法。
2.创建shape文件
分别创建点、线、面shape文件。
要求：投影系统以沈阳农业大学quickbird影像为基准
3.shape文件的图形编辑
各类shape图形的创建、裁切及合并，设定捕捉。
4.shape文件的属性编辑
属性表字段的添加和删除，属性表记录与图形的对应方式及选择方法，属性表记录数据的编辑。
5.Shape文件向coverage文件的格式转换及拓扑
了解转换方法及应用范畴
6.绘制沈阳农业大学校内重点建筑、面shape文件并拓扑
绘制包括操场、宿舍、教学楼、绿地、实验用地在内的面文件
进行格式转换和拓扑
7.实验结果一：基本地理数据统计及汇总
对6中所绘制地物面状地物标注其左上、右下坐标点并进行面积、周长的统计，线状地物标注起始坐标点并进行长度统计，填入下列表格（小数点后取1位数字）：
表3-1 实验三面状地物基本信息汇总表
单位（m m2）
8.实验结果二：将农大解译图截图插入实验结果中
加上label标注。
二、实验步骤
（步骤的文字描述、命令描述、实验过程中的抓图等内容）
1.shape文件包含四个文件，文件后缀分别是
在粘贴、复制、改名时需要全部编辑，否则就是不对的
2. 创建shape文件
分别创建点、线、面shape文件。
要求：投影系统以沈阳农业大学quickbird影像为基准
步骤如下图所示
先在左边的文件列表内选择好存储位置，在进行创建文件
TM遥感影像解译技术手册
TM遥感影像解译技术手册
1、TM遥感影像的数据类型为DAT，我们拿到的一景影像中的原始数据有三个文件，一个是SCENE01文件夹，其中包括TM影像的7个波段，band1到band7，还包括一个header.dat的头文件，共8个数据，另外的两个是LBL和SELF文件，可以用记事本打开，记录这景TM影像的一些基本信息，如时间、经纬度、像元的行列数等。
2、TM影像的打开
我们要打开这些TM影像有两个方法，一是用ERDAS打开，二是用ENVI打开，首先我们用ERDAS打开，因为TM原始数据为二进制DAT数据，首先将band1到band7TM的7个波段通过ERDAS 的import模块将其转成ERDAS可以用的IMG格式文件，首先点击菜单条上的import然后在type(类型)中选择Generic Binary（二进制），在media里选择file，imput里选择我们要选择的TM影像波段，如band1，存出一个路径，点击OK按钮，我们转出的格式为ERDAS 可以打开的IMG格式，只是在现在是单波影像，分为7个单独的文件，不利于我们以后的解译工作，需要将这7个波段组合成一个文件，点击菜单条上的interpreter模块，然后点击Utilities,在弹出的菜单条中选择layer stack,在弹出的窗口中选择需要合成的单波段文件，然后点击add按钮，重复的将需要合成的7个单波段加入到对话框中，在output file中写入文件名和调整输出路径，输出数据类型为unsignde8 bit,波段组合选择union，然后选中Ignore Zero In Stats复选框（统计忽略0值），点击OK按钮，执行波段组合。这样我们就可以从ERDAS
遥感影像目视解译(土地利用)
THANKS
感谢观看
REPORTING
https://wenku.baidu.com
从最初的传统光学显微镜观察，到后来的计算机辅助解译，再到现在的自动化解译， 遥感影像目视解译经历了从手工到自动、从定性到定量的转变。
目前，遥感影像目视解译已经广泛应用于土地利用、城市规划、环境监测等领域， 成为遥感技术应用中不可或缺的一环。
PART 02
遥感影像目视解译的基本 原理
REPORTING
WENKU DESIGN
遥感影像目视解译的定义
遥感影像目视解译是指通过观察遥感影像，结合专业知识和经验，对地物进行识 别、分类和解译的过程。
遥感影像目视解译是遥感技术应用中非常重要的环节，能够将遥感数据转化为可 理解的地物信息，为土地利用、资源调查、环境监测等领域提供数据支持。
土地利用遥感影像目视解译的重要性
生态环境保护与修复
总结词
遥感影像目视解译可以监测生态环境的变化 ，为生态环境保护与修复提供决策依据。
详细描述
通过遥感影像目视解译，可以监测生态环境 的变化趋势，如植被覆盖变化、水体污染状 况等。这些信息可以为生态环境保护与修复 提供决策依据，如制定针对性的生态保护措 施、开展环境治理工程等。同时，遥感影像 目视解译还可以评估生态环境修复工程的实 施效果，为后续的生态环境保护工作提供参
考。
遥感影像的解译与分类方法和技巧
遥感影像的解译与分类方法和技巧
遥感技术是通过获取地球表面的电磁辐射信息来获取地表信息的一种重要技术
手段。随着遥感技术的发展和应用范围的不断扩大，遥感影像的解译与分类方法和技巧也愈发成为研究的热点。本文将探讨遥感影像解译与分类的方法和技巧。
一、遥感影像解译方法
1. 目视解译法
目视解译法是通过人工直接观察遥感影像的色彩、纹理、形状及其在空间分布
上的特征，判断地物类型的一种解译方法。它主要适用于图像上地物边缘清晰、大尺度地物的解译，如城市、河流等。这种方法在短时间内可以获取较好的解译结果，但主观性较强，解译效率较低。
2. 图像数字化解译
图像数字化解译是将遥感影像转化为数字图像，利用计算机和数字图像处理软
件进行解译分析的方法。数字化解译可以提高解译的客观性和准确性，可以利用像元的灰度、光谱特征等进行解译。这种方法适用于在细节解译方面精确度要求较高的场景。
3. 分割解译
分割解译是将遥感影像划分为若干个不同的区域或对象，并对这些区域或对象
进行分类和解译。这种方法可以充分利用图像中地物的空间信息，有利于对图像进行更细致的解译和分析。分割解译在城市、森林等复杂地物类型的解译中具有一定的优势。
二、遥感影像分类技巧
1. 特征提取
特征提取是对遥感影像中各类地物的特征进行提取和分析的过程。常见的地物
特征包括光谱特征、纹理特征、形态特征等。不同地物类别的特征往往具有较大的差异，因此提取和利用这些特征可以有效地区分不同的地物类别。
2. 分类算法
分类算法是指将遥感影像根据像素的光谱、空间等特征进行自动分类的一种方法。常见的分类算法包括最大似然分类、支持向量机分类、决策树分类等。选择适合的分类算法对于提高分类准确性和效率非常重要，常需要根据具体问题的特点来选择合适的算法。
测绘技术的遥感影像解译步骤
测绘技术的遥感影像解译步骤
遥感技术是一种非接触式的测绘技术，通过获取地球表面的电磁波辐射信息，
可以对地表进行影像解译，从而获取有用的地理信息。遥感影像解译是遥感技术的核心部分，它可以帮助我们更好地了解地表的特征和变化，为城市规划、农业管理、资源环境监测等领域提供有力的支持。本文将介绍遥感影像解译的主要步骤。
1. 数据准备
在进行遥感影像解译之前，首先需要准备好所需要的数据。通常，这些数据包
括遥感影像、地形图、矢量数据等。遥感影像是解译的主要数据来源，它可以提供地表的光谱信息和空间分布特征。地形图可以提供地面高程信息，而矢量数据可以提供各种地物的位置和属性信息。数据准备的目的是为了提供解译所需的基础信息。
2. 影像预处理
遥感影像通常需要进行预处理，以提高其质量和可用性。常见的预处理包括辐
射校正、大气校正、几何校正等。辐射校正主要是校正遥感影像的亮度值，以消除太阳辐射和大气散射的影响。大气校正主要是校正遥感影像的颜色值，以消除大气散射和吸收的影响。几何校正主要是校正遥感影像的几何形状，以消除地形起伏和姿态变化的影响。通过影像预处理，可以提高解译的准确性和一致性。
3. 影像分类
影像分类是遥感影像解译的核心步骤之一。通过对遥感影像的像元进行分类，
可以将地面上的各种地物分为不同的类别。常见的分类方法包括有监督分类和无监督分类。有监督分类是指在训练样本的帮助下，根据事先定义好的分类规则将像元分配到不同的类别中。无监督分类是指根据像元的相似性将其自动分成不同的类别。通过影像分类，可以提取出地表的不同地物信息，为后续的地理分析和应用提供数据基础。
ArcGIS遥感解译
目视解译流程
一、解译工具界面概览
二、创建文件夹ArcGis_Labels
三、导入图像
四、创建ShapeFile图层
五、图层编辑
六、裁剪栅格
七、导出裁剪结果
一、影像解译工具概览
本次影像解译工具为ArcMap10.2，主界面如下：
1、主菜单栏；
2、工具栏；
3、内容列表区；
4、图层显示区；
5、目录文件连接区
二、创建文件夹ArcGis_Labels
创建ArcGis_Labels文件夹，将需要处理的文件拷贝到该文件夹下，此为自定义文件夹，后续处理都在改文件夹下进行。
三、导入图层
在工具栏中点击+—添加数据选项，导航至ArcGis_Labels(自定义文件夹)，选中需要解译的影像，点击添加，完成原始影像导入。
四、创建ShapeFile文件
点击右侧目录，在ArcGis_Labels文件上右键选择新建—ShapeFile(s)
在弹出的创建新ShapeFile对话框中输入ShapeFile名称，要素类型选择“面”，点击确定，完成ShapeFile图层创建。
五、目标解译
在工具栏中点击编辑，在下拉菜单中点击开始编辑
点击创建要素，在创建要素内容列表中选择所要解译的图层
在构造工具中选择面
在图层显示区中缩放至合适比例尺开始解译
图层解译完成后，点击编辑器—保存编辑内容—停止编辑，至此完成一个图层的解译
注意：在解译过程中，每解译一部分时都应点击编辑器—保存编辑内容，以防误操作导致解译结果未保存！
六、裁剪栅格
在工具栏中点击ArcToolBox工具箱，在弹出的工具箱内容列表中选择
数据管理工具
在数据管理工具下拉菜单中依次选择栅格—栅格处理—裁剪，打开裁剪对话框
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感影像解译手册
河南省环境监测中心
2012.12
1 生态遥感监测与评价工作流程 (1)
1.1 生态遥感监测与评价的主要目标包括： (1)
1.2 工作流程 (1)
1.3 提交成果 (2)
2 遥感影像处理 (2)
2.1 遥感影像简介 (2)
2.2 遥感影像准备 (2)
2.3 原始影像导出 (4)
2.4 波段合成与分离 (6)
2.5 影像校色处理 (8)
2.6 地图投影 (10)
3 几何纠正 (20)
3.1 几何纠正简介 (20)
3.2 几何纠正基本步骤 (21)
3.3 质量检查 (25)
3.4图像拼接 (26)
4 遥感解译 (27)
4.1 土地利用/覆盖数据的解译 (27)
4.2 具体操作 (29)
5 检查 (31)
1 生态遥感监测与评价工作流程
1.1 生态遥感监测与评价的主要目标包括：
（1）利用前年Landsat TM数据监测全国土地利用/覆盖分布；
（2）对全国生态环境质量进行评价，并分析前年间全国生态环境质量空间分布及变化趋势；
（3）结合近几年间我国社会、经济、环境、人类活动因子，分析生态环境重大变化区域的脆弱机制，为制定生态保护和恢复的对策提供依据。
1.2 工作流程
生态遥感监测与评价的具体流程如图1。
图1
1.3 提交成果
主要有四部分：
（1）影像，以县和整景为单位，两类；
（2）解译数据，以省为单元的当年现状图层及动态图层；
（3）生态报告；
（4）地面核查数据，照片、数据库、报告。
2 遥感影像处理
2.1 遥感影像简介
遥感是通过遥感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息（如电场、磁场、电磁波、地震波等信息），并进行提取、判定、加工处理、分析与应用的一门科学和技术。遥感，从字面上来看，可以简单理解为遥远的感知，泛指一切无接触的远距离的探测；从现代技术层面来看，“遥感”是一种应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。
遥感影像，凡是只纪录各种地物电磁波大小的胶片（或相片），都称为遥感影像，在遥感中主要是指航空像片和卫星像片。
本次生态遥感监测与评价利用前年Landsat TM影像进行解译获得数据。
2.2 遥感影像准备
首先建立几个文件夹：
（1）原始影像：用于存储从总站分发的未经几何纠正的影像。
（2）待纠影像：用于存储由原始影像进行波段合成操作产生的未经几何纠正的影像。
（3）控制影像：用于存储由总站分发的具有坐标和投影的影像，这种影像作为待纠影像纠正时的控制影像。
（4）纠正影像：用于存储配准好的影像；
（5）矢量化：用于存储矢量数据。
数据准备
（1）数据源选择和购买：
由中国环境监测总站统一购买前年度Landsat TM遥感影像。
（2）原始数据影像质量检查
a 质检主要项目是：时相、云量、拉伸、断线等。
b 影像资料的质量要求：时相要求，按照ROW号(如图2)
…ROW号在（21－32），时相要求？年6月份－9月份；
…ROW号在（33－40），时相要求？年5月份－10月份；
…ROW号在（40－47），时相要求？年11、12或2007年1月份；
…特殊地区青藏高原区要求？年6月份－9月份；如图2。
图2
c 云量要求：
单景影像平均云量小于10%，但受人为干扰影响比较小的不易发生变化的区域，可适当放宽；同时受人为干扰影响比较大易发生态变化的区域要求尽量没有云覆盖。
d 波段组合：
432 RGB类。
2.3 原始影像导出
实现软件：Erdas9.1。过程：见图3至图4。
图3
（1）打开erdas9.1，点击Import按钮，打开Import/Export对话
框，设置如图3；
（2）Type右侧的下拉菜单，选择TM Landsat Acres Fast Format 选项；
（3）点击Media右侧的下拉菜单，选择File选项；
（4）点击Input File:(*)下面的浏览按钮，找到原始影像所在的文件夹，选择任何一个波段影像，如band4.dat；
（5）点击Output File;(*.img)下面的浏览按钮，打开Output Files 对话框；
（6）在Output File对话框中，点击Look in右侧的浏览按钮，找到“待纠影像”文件夹，在File nane右侧的空白栏中输入合成影像的名称，命名原则是：Path+Row+接收时间（ACQUISITION DATE），然后两次点击OK按钮。回到Import/Export对话框中，点击OK按钮。（注：影像的Path 、row和接收时间一般在header.dat文件中寻找。）
图4
（7）进入Landsat TM对话框，可以点击Preview Options按钮查看有关信息，也可以点击Preview按钮预览合成影像，最后点击OK 按钮进入Landsat TM影像合成过程，待合成过程完成后点击OK。
2.4 波段合成与分离
波段号波段光谱空间分辨率
波段1 蓝-绿（bule-green）0.45～0.52 30
波段2 绿（green）0.52～0.60 30
波段3 红（red）0.63～0.69 30
波段4 近红（near IR）0.76～0.90 30
波段5 短波红外（SWIR） 1.55～1.75 30
波段6 长波红外（LWIR）10.4～12.5 120
波段7 短波红外（SWIR） 2.08～2.35 30
波段分离主要步骤如图5-6：
图5