遥感地学分析实验报
2022年遥感原理实验报告遥感图像处理
《遥感原理》实验报告实验名称：遥感图像解决专业：地理信息科学学号：姓名：指引教师：1、实验目旳（1）理解彩色旳基本特性和互相关系；掌握三原色及其互补色，掌握加色法；（2）学习掌握图像直方图变化与图像亮度变化旳关系；掌握图像线性拉伸旳措施和过程；（3）理解遥感图像彩色合成旳基本原理；掌握选用不同旳合成方案产生不同旳合成效果旳措施，从而达到突出不同目旳地物旳目旳；（4）理解空间滤波旳操作过程和空间滤波对图像产生旳效果；（5）理解并掌握K-L变换旳过程和措施；进一步理解K-L变换产生旳解决效果和解决意义；（6）理解和掌握缨帽变换旳过程和解决效果；（7）理解和掌握彩色空间变换旳过程和措施。
2、实验材料Photoshop CS6、ENVI5.1、CAI软件和光盘文献3、实验内容与过程3.1 遥感图像旳光学合成原理彩色旳基本特性：明度、色调和饱和度为彩色旳基本特性。
明度是指色彩旳明亮限度，是人眼对光源或物体明亮限度地感觉，彩色光亮度越高，人眼感觉就越明亮，即有较高旳明度。
明度旳高下取决于光源光强及物体表面对光旳反射率。
色调是色彩彼此互相辨别旳特性，色调取决于光源旳光谱构成和物体表面旳光谱反射特性。
饱和度是色彩纯洁性，取决于物体表面反射光谱旳选择性限度，反射性光谱越窄，即光谱旳选择性越强，彩色旳饱和度就越高。
明度、色调和饱和度三者旳关系可以用颜色立体来表述。
非彩色，即黑白色只用明度描述，不使用色调、饱和度。
红橙黄绿青蓝紫多种颜色构成彩图。
在遥感上，彩色图比非彩色图较易辨认地物。
白色、黑色和多种灰色构成黑白图象，当物体对可见光旳各个波长旳反射无选择性时，体现为黑色或灰色。
3.2 遥感图像旳线性拉伸打开ENVI>点击菜单栏旳“Custom Stretch”按钮>选择”Linear”等进行线性拉伸；或者直接在菜单栏上选择“Linear”“Linear2%”“Linear5%”原图：线性拉伸后：Linear:Linear 1%:当拉伸效果为1%时，显示效果得到了很大改善。
遥感地学分析实验——实验五：植被波谱特征与叶面积指数、生物量分析
实验五：植被波谱特征与叶面积指数、生物量分析（3学时）
原理与方法
遥感图像上面的植被信息主要是通过绿色植物叶子和植被灌层的光谱特性以及差异变化变现出来的，选择多光谱遥感数据进行分析运算，产生某些对植被长势、生物量等有一定指示意义的数值，即是所谓的“植被指数”。
用一种简单有效的形式来实现对植被状态信息的表达，以定性和定量地评价植被覆盖、生长活力与生物量。
在植被光谱中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光波段和对绿色植物（叶内组织引起的）高反射的近红外波段，通过两个不同波段数据的分析运算得到不同的植被指数，如归一化植被指数（NDVI）等。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
叶面积指数仪（WINSCANNY）
实验目的
1、掌握应用遥感图像处理软件进行植被波谱与叶面积指数、生物量测量方法。
2、掌握运用植被指数分析叶面积指数和生物量。
实验报告
内容包括：实验目的、分析叶面积指数和生物量的区域分异。
遥感地学分析实习报告
基于决策树的地面覆盖类型变化信息提取与分析一.实验目的:通过决策树分类法（Decision Tree Classification）提取大连市西山水库附近植被的覆盖情况。
利用得出的影像以及相关方法进行植被变化分析，为生态恢复，保护区的管理和措施的制定及当地政府的宏观决策提供依据。
二.预期结果:，山区的植被较增加，其他地区的植被覆盖范围较以前减少三.实验过程我们使用ENVI软件先加载大连市西山水库附近两个不同时期LANDSAT/TM的遥感数据（1989年1月、1995年9月，文件名分别为dl01、dl09）。
它们的4、3、2假彩色合成影像分别如图1-1、1-2所示：图1-1 1989年1月大连市西山水库附近4、3、2假彩图1-2 1995年9月大连市西山水库附近4、3、2假彩色合成影像色合成影像对上述两个图像进行归一化植被指数（NDVI）提取，结果如图1-3、1-4指示：图1-3 1989年1月大连市西山水库附近的NDVI指数影像图1-4 1995年9月大连市西山水库附近的NDVI指数影像（经图1-3图像处理）对1995年9月大连市西山水库的地物进行决策树分类，决策树分类的分类模型如图1-5所示：图1-5 1995年9月大连市西山水库的决策树分类模型对1989年1月的大连市西山水库进行ROI感兴区分类，对其他地物进行决策树分类，决策树分类的分类模型如图1-6所示：图1-6 1989年1月大连市西山水库的决策树分类模型（其中b1表示利用ROI提取的水体，0表示其他地物，255表示水体）由上述两个决策树模型，可以得出如下两个地物分类图，分别如图1-7、1-8所示。
其中，绿色（R0 G255 B0）代表植物，蓝色（R0 G0 B255）代表水体，黄色（R255 G255 B0）代表建筑物、红色（R255 G0 B0）代表裸地。
图1-7 1995年9月大连市西山水库附近的地物分类图植被：66.2745%；水系：1.9452%建筑物：6.7153% 裸地：25.0650% 图1-8 1989年1月大连市西山水库附近的地物分类图植被：55.4003% 水系：0.4352%建筑物：1.2773% 裸地：42.8871%一、变化信息提取我们依然用决策树分类法①来提供变化信息。
遥感实验报告
丁京京
实验目的和要求： 1.学会使用反光立体镜 2.按照操作过程，观察出航空像对的立体效果 3.对地貌内容进行判读分析
一、实验步骤： 1.将遥感影像像对放于反光立体镜下， 2.两手食指尖压盖像对上的同一地貌形体， 3.将像对平行缓慢向两侧移动，同时通过立体镜观察， 4.当观察到指尖重合时移去食指，直接观察像片就会产生立体效果， 5.判读观察到的地貌形态。 二、 实习仪器 HCF-3 型反光立体镜
貌、黄土地貌、火山地貌等。
成绩： 备注：根据实际要求可加附页。电子文本与此等效。
教师签字：
山东师大地理实验教学示范中心
实
班级： 13 级地理科学 1 班 课程名称 实验名称 实验地点 姓名： 遥感导论 遥感图像处理及遥感综合解译实习 地理实验教学中心微机室
验 报 告
丁京京 学号：201314010137 任课教师 指导教师 王召海 王召海
三、实验体会 观察立体的原理： 眼睛的结构相当于一架能自动调节焦距和光圈的摄像机， 立体的形成取决 于双眼观察。两个像机从相距一定距离的两点对同一目标进行摄影，产生的重叠图像，称立体像 对，成为立体像对的必要条件是航向 60%的重叠。将成为像对的两张遥感影像并排排列，如果 左眼看左边的图像，右眼看右边的图像，就可以产生目标物的立体视觉效果，如果左眼看右边的 图像则不能形成应有的效果。必须是航摄立体像对 ( 即不同摄影站对同一地区所摄的两张像 片)， 像对的比例尺差不得超过 15%，同名地物点的连线与眼基线平行，且两像片的距离需要调 整，应与双眼的交会角相适应。 地貌判读的标志有形状、大小、色调或颜色、影阴、组合图案或纹理结构。 ① 居民地和道路的判读—城市居民地的判读特点：房屋稠密，面积较大，建筑物排列 整齐， 能判读建筑物的形状、 高度和周边环境。 农村居民地的判读特点： 小而分散， 有农田包围，能判读居民地的外形和面积及通向居民地的道路。道路的判读特点： 线状分布，色调较亮。 ② 水体的判读— 河流判读：界线明显、弯曲自然、宽窄不一的条带状。能判读流向、 河宽、流速、桥梁、码头等附属物。 湖泊的判读：轮廓明显的形状、色调较暗。 能判读其形状、面积。海域的判读：能清晰地判读出海岸线、潮侵地带、高潮、低 潮位置。 ③ 地貌的判读：利用航片能判读地貌的类型、形态。如流水地貌、冰川地貌、风沙地
遥感地学分析总结
第一章遥感:指空对地的遥感,即从远离地面的不同工作平台上（如高塔、气球、飞机、火箭、人造地球卫星、宇宙飞船、航天飞机等）通过传感器，对地球表面的电磁波(辐射)信息进行探测,并经信息的传输、处理和判读分析,对地球的资源与环境进行探测和监测的综合性技术。
地学分析是以地学规律为基础对信息进行的分析处理过程。
地学分析方法主要有地理相关分析法、主导因素法、环境本底法、交叉分析法、信息复合等. 遥感的目的:建立模型，从简单到复杂地分析图像,从少到多地利用图像，从遥感数据中获取需要的遥感信息。
人们通过对遥感信息的处理、分析、复原和反演来揭示地表各种现象和过程的规律。
遥感地学分析是建立在地学规律基础上的遥感信息处理和分析模型，其结合物理手段、数学方法和地学分析等综合型应用技术和理论，通过对遥感信息的处理和分析,获得能反映地球区域分异规律和地学发展过程的有效信息的理论方法.遥感信息源的综合特征（１）多源性多平台多波段多视场ﻭ(2)空间宏观性遥感影像覆盖范围大、视野广，具有概括性ﻭ（3)遥感信息的时间性瞬时特征时效性重返周期与多时相(4)综合性、复合性多种地理要素的综合反映多分辨率遥感信息的综合（５)波谱、辐射量化性地物波谱反射、辐射的定量化记录(6)遥感信息在地学分析中的模糊性和多解性地面信息是多维的、无限的（时间和空间的),而遥感信息是简化的二维信息ﻭ遥感信息的复杂性和不确定性主要表现在：同物异谱、异物同谱；混合象元；时相变化；信息传输中的衰减和增益(辐射失真和几何畸变)遥感数据介绍1ﻭ)高分辨率遥感数据2)中分辨率遥感数据3）低分辨率遥感数据高分辨率（高清晰度）遥感卫星像片空间分辨率一般为5m—１0m 左右,卫星一般在距地600kｍ（千米）左右的太阳同步轨道上运行。
ﻭ应用范围:ﻭ精度相对较高的城市内部的绿化、交通、污染、建筑密度、土地、地籍等的现状调查、规划、测绘地图;大型工程选址、勘察、测图和已有工程受损监测等；还可应用于农业、林业、灾害等领域内的详细调查和监测。
遥感地学分析-实验报告
一 基于灰度共生矩阵的纹理特征提取1概念与原理基于统计的纹理分析方法是纹理分析最基本的一类方法，该方法考虑纹理中灰度级的空间分布，计算影像中每点的局部特征，从特征的分布中推导出一些统计量来刻画纹理，典型的基于统计的纹理分析方法有灰度共生矩阵法(Gray Level Co-occurrence Matrices ，GLCM)，灰度-梯度共生矩阵，长游程法等。
灰度共生矩阵法，又称灰度联合概率矩阵法，它建立在估计影像的二阶组合条件概率函数的基础上，通过计算影像中有一定距离和一定方向的两像素点之间的灰度相关性，反映影像在方向、相邻间隔、变化幅度及快慢上的综合信息。
统计图像中相距位置为(Δx,Δy)的两个灰度像元同时出现的联合频数概率的分布称为共生矩阵。
设图像灰度为2m 级，则灰度共生矩阵由2m ×2m 矩阵M 表示。
矩阵中第(i ,j)个元素记为p (i ,j)，表示全图中这一对像元，它们相距(Δx,Δy)，其中一个像元为i 灰度，另一个像元为j 灰度的情况出现的频数。
这样，两个象素灰度级同时发生的概率，就将（x ，y ）的空间坐标转换为对“灰度对”（i ，j ）的描述，它们形成了灰度共生矩阵。
通常，灰度共生矩阵需要做如下的归一化：()()()()⎪⎩⎪⎨⎧=θ=θ=θ=θ==135451-N 9001-N N R R j i Pd j i Pd 2或，或，，，， R 为归一化常数。
由于灰度共生矩阵易于理解和计算，因此，由共生矩阵获取特征已经被用在许多的纹理分析方法中。
但是，灰度共生矩阵也有它的缺点。
由定义可以看出，灰度共生矩阵的大小只与最大灰度级有关系，而与图像大小无关，即灰度共生矩阵的大小为G ×G 。
对于灰度级G ＝256的图像而言，它的灰度共生矩阵为256×256，如果图像比较小，则它可能比较稀疏，而所占的空间还是256×256。
因此，通常情况下，需要对原图像的灰度级进行缩减，以减少计算的时间复杂度。
遥感地学分析实验——实验四：水体波谱特征与水环境质量分析
实验四：水体波谱特征与水环境质量分析（3学时）
原理与方法
水既可以吸收也可以散射通过水汽界面的波谱辐射能量 (Ed)，但水的散射会增加天空辐射能量(Eu)，而水的吸收则会同时减少 Ed和 Eu。
遥感探测的波谱信息就是这种吸收和散射过程综合作用的结果。
水环境质量分析水质监测:对所测水体的地面光谱反射率数据通过系列波谱分析处理方法，提取不同污染类型水体的特征光谱曲线，与同步测量的悬浮物浓度、高锰酸盐指数等进行相关分析，建立光谱反射率与水质指标参数之间的定量模型。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
ASD野外光谱仪
水下光谱仪
实验目的
1、掌握应用遥感图像处理软件进行水体波谱的差异性分析
2、水体环境质量的分析方法。
实验报告
内容包括：实验目的、水体悬浮质浓度和水环境质量遥感分析。
遥感实验报告
遥感实习报告班级：资环1102班姓名：王文凯学号： 110400227 组号: 04组指导教师：刘海新卫片立体观测一、实验目的1.掌握使用立体镜进行卫片立体观察的方法；2.亲深体验立体观察卫片；3.了解立体观察的原理；4.掌握立体镜的使用方法。
二、实验准备1、立体镜；2、立体镜使用说明书；3、遥感卫星相片。
三、实验理论依据或知识背景当双眼分别同时观察一对相片时，当双眼分别同时观察一对相片时，存在左右视察的相片会放映到眼睛的视网膜上，睛的视网膜上，构成生理视差，由此便产生了与观察实物时一样的立体视构成生理视差，觉效果。
通常这种认为条件下，对立体像对进行观察，觉效果。
通常这种认为条件下，对立体像对进行观察，而获取立体感觉为人造立体感觉。
四、实验内容1、准备立体镜，取出立体镜并正确安装。
2、取一对卫片像对，找出一对相似性比较高的卫片。
3、分别找出两个卫片的像主点。
4、将像片按左右放置，使影像的重叠部分向内，于眼基线的直线上。
移动立体镜，使立体镜的基线平行于像主点连线：眼基线的直线上，移动立体镜，使立体镜的基线平行于像主点连线。
5、立体镜下移动像片见的距离，在直到观察到相应的像点融合为一体而获得立体感觉，而且观察时没有不适的感觉：立体感觉，而且观察时没有不适的感觉：当立体像对范围内高差太大时。
6、当立体像对范围内高差太大时，在某一部分不易同时看出山顶及山谷的立体感模型，需要调整基线长度，才能实现立体感观察：体感模型，需要调整基线长度，才能实现立体感观察。
7、整理好卫片，放好立体镜，清理试验台。
五、实验结果经过老师的指导，多次调整航片终于观察到了卫片的立体效果。
六、实验总结本次试验虽然观察到了卫片的立体效果，但实验全过程不熟练整个试验中没有出现错误，但试验速度有点慢，原因是对实验全过程不熟练，保证实验成功的关键问题有一定的掌握程度；在找卫片时尽量找相似性比较高的以便立体观察；认真阅读实验教程，对实验原理及方法有一定的掌握程度；选用的卫片必须是两张相邻且有部分重叠的相对；两眼必须分别各看一张像片，通常称之为“分像”，像片安放时，对应点的连线必须与双眼基线平行，且两像片的距离需要调整，两张像片的比例要尽可能的一致。
遥感地学分析实验——实验二：遥感图像典型地物波谱特征分析
遥感地学分析实验——实验二：遥感图像典型地物波谱特征分
析
实验二：遥感图像典型地物波谱特征分析（3学时）
原理与方法
太阳辐射到达地面之后，物体除了反射作用外，还有对电磁辐射的吸收作用。
电磁辐射未被吸收和反射的其余部分则是透过的部分，即：
太阳辐射能量＝反射能量＋吸收能量＋透射能量
反射能量的大小决定了不同地物在不同电磁波波段上的反射率的大小，针对实验一测量获得的典型地物波谱数据分析其不同波长上的反射和吸收特征。
实验方法采用曲线分析法，分析典型地物的反射光谱峰谷变换。
实习仪器
学生实习机房
图象处理软件（ENVI3.5）
实验目的
1、掌握典型地物（植被、水体、裸岩等）类型的波谱特征；
2、掌握应用遥感图像处理软件进行典型地物波谱分析方法；
3、重点分析不同植被类型光谱差异的影响因素。
实验报告
内容包括：典型地物（植被、水体、裸岩等）类型的波谱特征与遥感影像的对比分析，不同植被类型光谱差异的影响因素分析。
遥感原理实验报告3目视解译与制图
《遥感原理》实验报告实验名称：遥感图像目视解译与制图专业：地理信息科学学号：姓名：指导老师：1、实验目的（1）学习航空像片判读的基本原理和方法；掌握航空像片判读中判读标志的建立方法；解译判读各土地覆盖类型在彩红外航片上的影响特征；（2）认识和了解热红外影像对地物的表现；（3）认识和掌握TM图像各波段的光谱效应；学习和掌握陆地卫星遥感图像的判读方法。
2、实验材料ArcGIS10.2、ENVI5.13、实验内容与过程3.1航空像片的判读说明：与黑白像片相比。
真彩色像片基本反映了地物的天然色彩，地物类型之间的细微差异可以通过色彩的变化表现出来，彩色像片上的丰富色彩提供了比可见光黑白像片更多的信息。
由于受到大气散射与吸收的影响，在航空摄影高度相同的条件下，彩色摄影信息损失量远大于红外摄影，因此航空遥感中广泛使用彩色红外摄影。
由于绿色植物在近红外波段具有很强的反射特性，在彩色红外像片上呈红色，使彩红外航片比普通彩色航片在植被的判读和识别方面具有较大的优势，同时也使其在识别伪装方面有突出的功用。
判读彩色红外像片，可以按照以下步骤进行：认真了解彩红外摄影感光材料的特性和成像原理；熟悉各种地物在可见光和近红外波段的反射光谱特性；建立地物的反射光谱特性与像片假彩色的对应关系（如下表）；建立彩红外像片与其他判读标志；遵循遥感解译步骤与方法对彩红外像片进行解译。
在解译时应注意：在彩红外像片上，植物的叶子因反射红外线而呈现为红色。
但不同植被类型或处于不同生长阶段，受不同环境影响的植物，其光谱特性不同，因而在彩红外相片上，红色的深浅程度不同。
如正常生长的针叶林，颜色为红色到品红色，枯萎的植被则呈现暗红色，即将枯死的制备则呈现青色。
根据以上表格和所给遥感影像可得实习区判读表格如下：3.2热红外图像判读（1）光盘中“实习图像”子目录下共有三组热红外图像：热红外11、热红外12、热红外13位第一组，这是反映工业热流的热红外影像，影像说明如表所示。
遥感原理实验报告2
实验报告课程名称：遥感原理与应用系部名称：测绘工程学院专业班级：测绘工程12-6班学生姓名：岳建男学号： 20127024指导教师：刘江黑龙江工程学院教务处制图2-1 定义地球椭球体图2-6 波段选择列表图（4）点击Change Proj按钮，在弹出的Projectionbeijing54 6D 117E，点击OK（图2-8）。
（5）点击OK完成投影定义。
定义坐标后的图像投影信息如图图2-8 选择地图投影图（6）显示影像查看投影信息图图2.14 地面控制点选择对话框图2.16 自动选点设置（8）在Automatic Tie Point Method Parameter对话框中。
这里设置Number of Tie points）：60；其他选择默认参数（图图2.18 RMS排列图2.20 MODIS数据）ENVI可自动对MODIS数据定标，分别定标为反射率数据Radiance、发射率数据Emissive（热红外数据）。
可通过主菜单System Preferences对话框，对Miscellaneous ASTER/MODIS选择NO，来关闭自动定标。
图2.21 Input MODIS File对话框（3）为了提高运算速度，在Input MODIS File对话框中，选择Spatial Subset 按钮，弹出Select Spatial Subset对话框，选择Image方法，在Subset by Image 话框来确定校正图像的大小，点击ok。
图2.22 Subset by Image对话框（4）在Input MODIS File对话框中，选择Spectral Subset按钮，弹出File Spectral Subset对话框，选择所需波段，点击ok。
♦图2.23 File Spectral Subset对话框Input MODIS File对话框中，点击ok，弹出Georeference MODIS 对话框，设置输出的投影参数（由于MODIS宽幅大，所以选择地理经OK。
遥感地学分析地物光谱特征实验报告（共8篇）
遥感地学分析地物光谱特征实验报告(共8篇)遥感地学分析与专题制图实验报告重庆交通大学学生实验报告实验课程名称遥感地学分析开课实验室土木学院机房实验室学院河海学院年级2012级专业班资环1班学生姓名学号开课时间至学年第二学期河海学院资源与环境科学系2015年6月篇二：遥感地物光谱实习报告遥感地物光谱实习报告指导老师：秦军姓名：李丹学号：20113310 班级：遥感一班目录一、红外图像分析实习.................................................................................................... ............... 1 1.2. 数据采集过程.................................................................................................... ........... 1 图像分析.................................................................................................... . (1)二、地物光谱实习.................................................................................................... ....................... 4 1.2.3.3.4.5. 实习目的与实习内容...................................................................................................4 水体反射波谱测试与分析........................................................................................... 7 植被反射波谱测试与分析........................................................................................... 8 岩石反射波谱测试与分析......................................................................................... 11 土壤反射波谱测试与分析......................................................................................... 13 城乡非自然目标反射波谱测试与分析 (14)三、地物热红外时序观测实验.....................................................................................................16 1.2.3.4.5. 植被图像分析.................................................................................................... ......... 16 水体及周边物体温度分析......................................................................................... 17 岩石温度分析.................................................................................................... ......... 19 土壤温度分析.................................................................................................... ......... 20 建筑物温度分析.................................................................................................... .. (21)四、超光谱数据认知实习.................................................................................................... ......... 22 1.2.3.4. 实习目的.................................................................................................... ................. 22 实习步骤.................................................................................................... ................. 22 实习成果.................................................................................................... ................. 25 图像的分析.................................................................................................... . (27)五、实习收获与体会.................................................................................................... .. (27)一、红外图像分析实习1. 数据采集过程（1）到达外野数据采集区（2）对热红外成像仪进行定标校准①将热红外成像仪镜头盖子盖在镜头上②按热红外成像仪上的“set”按钮，在将导航按钮向下按，完成校准工作。
遥感原理实验报告3目视解译与制图
《遥感原理》实验报告实验名称：遥感图像目视解译与制图专业：地理信息科学学号：姓名：指导老师：1、实验目的（1）学习航空像片判读的基本原理和方法；掌握航空像片判读中判读标志的建立方法；解译判读各土地覆盖类型在彩红外航片上的影响特征；（2）认识和了解热红外影像对地物的表现；（3）认识和掌握TM图像各波段的光谱效应；学习和掌握陆地卫星遥感图像的判读方法。
2、实验材料ArcGIS10.2、ENVI5.13、实验内容与过程3.1航空像片的判读说明：与黑白像片相比。
真彩色像片基本反映了地物的天然色彩，地物类型之间的细微差异可以通过色彩的变化表现出来，彩色像片上的丰富色彩提供了比可见光黑白像片更多的信息。
由于受到大气散射与吸收的影响，在航空摄影高度相同的条件下，彩色摄影信息损失量远大于红外摄影，因此航空遥感中广泛使用彩色红外摄影。
由于绿色植物在近红外波段具有很强的反射特性，在彩色红外像片上呈红色，使彩红外航片比普通彩色航片在植被的判读和识别方面具有较大的优势，同时也使其在识别伪装方面有突出的功用。
判读彩色红外像片，可以按照以下步骤进行：认真了解彩红外摄影感光材料的特性和成像原理；熟悉各种地物在可见光和近红外波段的反射光谱特性；建立地物的反射光谱特性与像片假彩色的对应关系（如下表）；建立彩红外像片与其他判读标志；遵循遥感解译步骤与方法对彩红外像片进行解译。
在解译时应注意：在彩红外像片上，植物的叶子因反射红外线而呈现为红色。
但不同植被类型或处于不同生长阶段，受不同环境影响的植物，其光谱特性不同，因而在彩红外相片上，红色的深浅程度不同。
如正常生长的针叶林，颜色为红色到品红色，枯萎的植被则呈现暗红色，即将枯死的制备则呈现青色。
根据以上表格和所给遥感影像可得实习区判读表格如下：3.2热红外图像判读（1）光盘中“实习图像”子目录下共有三组热红外图像：热红外11、热红外12、热红外13位第一组，这是反映工业热流的热红外影像，影像说明如表所示。
遥感地学分析-遥感地物识别与专题制图
重庆交通大学学生实验报告课程名称遥感地学分析开课实验室土木学院机房实验室学院2008 年级08地信专业学生姓名学号开课时间2011 至2012 学年第 1 学期总成绩教师签名河海学院资源与环境科学系2011年9月实验题目遥感地物识别与专题制图实验时间2011年9月1日实验地点土木学院机房实验室实验成绩实验性质综合性试验一、实验目的1、以自己所熟悉的软件,选择一个区域(影像自己选择,不小于500×500像素),进行地物类型的判别与读取(人机交互目视解译或者计算机自动分类)监督与非难监督2、考察学生对本课程有关典型地物类别光谱特征知识点的掌握情况。
3、地物类型不小于五类,结果输出为专题图,图分,图例,各地物类型的面积(矢量面积,栅格百分比)。
二、原理与方法波段合成：将下载到的单波段遥感数据运用Erdas进行波段合成，形成假彩色的遥感影像图。
监督分类(supervised)，又称训练分类法，即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。
已被确认类别的样本像元是指那些位于训练区的像元。
在监督分类过程中，首先选择可以识别或者借助其他信息可以判定其类型的像元建立分类模板（训练样本），然后让计算机系统基于该模板自动识别具有相同特性的像元。
对分类结果进行评价后再对分类模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。
监督分类一般有以下几个步骤：定义分类模板、评价分类模板、进行监督分类、评价分类结果，在实际应用过程中，可以根据需要执行其中的部分操作。
分类后处理（Post-Classification Process），无论监督分类还是非监督分类，都是按照光谱特征进行聚类分析的，因此，都带有一定的盲目性。
所以，对获得的分类结果需要进行一些处理工作才能得到最终相对理想的分类结果，这些处理操作统称为分类后处理。
包括聚类统计（Clump）、过滤分析（Sieve）、去除分析（Eliminate）。
遥感地学分析实验
遥感地学分析实验报告二中国·长春2019年1月实验二基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析【实验原理】土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱半干旱和亚湿润干地区的土地退化。
及时准确地掌握土地荒漠化发生发展情况是有效防止和治理土地荒漠化的基本前提。
使用遥感影像数据可以提取土地荒漠化信息，判断土地荒漠化的发生与发展程度。
沙漠化研究表明，随着沙漠化程度的加重，地表植被遭受严重破坏，地表植被盖度降低和生物量减少，在遥感图像上表现为植被指数相应减少。
由此看来，植被指数（NDVI）可作为反映沙漠化程度的生物物理参数。
在沙漠化的研究实践中，通过定位观测发现，随着沙漠化程度的加重地表状况发生了明显的改变，伴随着地表植被覆盖度的下降，地表水分相应地减少，地表粗糙度下降，地表反照率得到相应的增加。
因此，沙漠化过程导致的地表下垫面状况的变化，使地表反照率（Albedo）发生明显的变化，其可作为反映沙漠化程度的重要地表物理参数。
通过构造“植被指数(NDVI)——反照率(Albedo)特征空间”来进行荒漠化信息遥感提取。
荒漠化过程及其地表特性的变化能在Albedo-NDVI 特征空间中得到明显直观的反映。
在Albedo-NDVI 特征空间中，利用植被指数和地表反照率的组合信息，通过选择反映荒漠化程度的合理指数，可以将不同荒漠化土地有效地加以区分，实现荒漠化时空分布与动态变化的定量监测与研究。
沙漠化遥感监测模型在Albedo—NDVI 特征空间，不同沙漠化土地对应的植被指数(NDVI)和地表反照率(A1bedo)具有非常强的线性负相关性。
根据VerstraeteandPinty 的研究结论，如果在代表荒漠化变化趋势的垂直方向上划分Albedo-NDVI 特征空间，可以将不同的荒漠化土地有效地区分开来。
而垂线方向在Albedo-NDVI 特征空间的位置可以用特征空间中简单的二元线性多项式加以表达，即DDI=k*NDVI–Albedo其中：DDI 可称为荒漠化分级指数，k 由特征空间中拟合的曲线斜率确定。
遥感地学分析实验
遥感地学分析实验第一步，进行图像图层堆叠Interpreter->Utilities->Layer Stack打开图层叠加对话框，选择要叠加的图象先进行轨道为119，行数为34的各个图层（分别为1,2,3,4,5,7波段）图像的叠加依次将1,2,3,4,5,7波段的图像添加进去，并将合并结果命名为119034叠加结果为同理，对轨道为119，行数为35的各个图层（分别为1,2,3,4,5,7波段）图像的叠加，拼接结果命名为119035同理，对轨道为120，行数为34的各个图层（分别为1,2,3,4,5,7波段）图像的叠加，拼接结果命名为120034第二步，图像的镶嵌DataPre->Mosaic Image->弹出对话框（1）加载图像，Edit->Add Image先将119034,119035加载进去，加载结果如上：（2）选取重叠区，按，得结果，如下（3）将拼接的图像调到同一窗口（4）画AOI（一般沿线性地物画，这里沿海岸线画）并保存，命名为193435引入AOI,将文件193435.aoi引入,得结果，如下：（5）设置重叠区函数，单击，设置选项（6）重采样,单击--（7）图像拼接Process Run Mosaic得结果，命名为193435.img（8）将所得结果193435.img与120034.img进行拼接，步骤如上，即得三幅图的拼接结果,命名pinjie.img第三步，图像的裁剪裁出烟台的AOI保存AOI,利用AOI进行裁剪DataPre-- Subset Image弹出对话框，设置选项引入AOI进行裁剪裁剪结果如下，命名为caijian.img第四步，图像的校正DataPre-- Image Geometric Correction（1）选择需要矫正的图像，在已打开视窗中选择选mo—yantai.img（1）选择几何校正模型，多项式（2）设置该模型的选型多项式次数为1设置投影信息Geographic(Lat/Lon)--Krasovsky(5)选择标准图像，从已经打开的视窗中选择选guihuatouying.img(6)选择地面控制点(7)重采样，输出结果命名为jiaozheng.img校正结果为最后进行控制点和参照点的保存，以及校正模型的保存即可第五步，图像的重分类（1）采样：Classifier-- Signature Editor弹出对话框，添加采样采样结果命名为fenlei2.sig，经采样可确定分为河流、河道、耕地、森林、裸地、居民地、湖共七类保存采样结果（2）进行采样评估Evaluate-- Contingency评估结果分析，可以看出对所选取样本点的分类有很高的正确性（3）进行监督分类Classifier-- Supervised Classfication弹出对话框，设置可选项，进行重分类，结果命名为fenlei.img结果为第六步，对分类结果进行验证（1）在视窗中打开原始图像（2）启动精确评估对话框：Classifier--→Classification--→Accuracy Assessment弹出对话框（3）打开分类专题图像Accuracy Assessment 对话框菜单条：File→Open→打开Classified Image 对话框→在Classified Image 对话框中确定与视窗中对应的分类专题图像→OK （关闭Classified Image 对话框）→返回Accuracy Assessment 对话框（4）将原始图像视窗与精度评估视窗相连接Accuracy Assessment 对话框：→工具条：点击Select Viewer 图标（或菜单条：选择View菜单的Select Viewer）→将光标在显示有原始图像的视窗中点击一下→原始图像视窗与精度评估视窗相连接（5）在精度评价对话框中设置随机点的色彩Accuracy Assessment 对话框：→菜单条View →Change Colors 菜单项→打开Change color 面板→在Points with no Reference 确定没有真实参考值的点的颜色→在Points with Reference 确定有真实参考值的点的颜色→OK （执行参数设置）→返回Accuracy Assessment 对话框没有真实参考值的是白色，有真实参考值的是黄色（6）产生随机点Accuracy Assessment 对话框：→Edit →Create/Add Random Points→打开Add Random Points 对话框，设置选项，如下（7）显随机点及其类别Accuracy Assessment 对话框：→View. →Show All(所有随机点均以第五步年设置的颜色显示在视窗中) →Edit→Show Class Values （各点的类别号出现在数据表的class 字段中）（8）输入参考点的实际类别值没有参考值的图加上参考值之后的图计算机所生成的随机样点并对其验证的结果，如下表（共115个点）（9）设置分类评价报告输出环境及输出分类评价报告Accuracy Assessment 对话框：→Report →Accurcy Report 弹出报告对话框通过报告可以发现，有接近80%的象元分类正确，故认为此次分类比较合理。
遥感地学分析实验报告
华南农业大学课程设计实验报告实验项目名称：基于环境小卫星的湖泊水质遥感监测实验项目性质：课程设计计划学时：两周所属课程名称：遥感地学分析课程设计开设时间：2013-2014学年第二学期实验课指导教师：王建芳一、实验目的根据环境小卫星CCD数据，反演太湖的叶绿素a浓度，并且初步掌握环境小卫星的数据读取、辐射定标、几何校正、大气校正、反演模型的建立、遥感反演过程、反演结果验证等操作技能及原理。
二、实验要求根据环境小卫星CCD数据特点及太湖水质反演技术要求，先对环境小卫星CCD数据进行数据预处理，大气校正、太湖区裁剪，利用波段比值法对实测的叶绿素a 浓度数据建立反演模型，将模型应用于太湖水面区域影像，反演出整个太湖区的叶绿素 a浓度。
三、实验操作步骤（一）预处理1、安装环境小卫星数据处理补丁：将ENVI_HJ1A1B_Tools.sav补丁放在 C:\Program Files\ITT\IDL\IDL80\products\envi48\save_add目录下。
（若ENVI安装目录不是在C 盘，则将补丁放入安装目录下的IDL\IDL80\products\envi48\save_add中）2、数据读取和定标：主菜单->File->Open External File->HJ-1A/1B Tools，打开环境小卫星数据读取补丁。
在HJ-1A/1B Tools V2.0面板中，选择 CCD，点击 Input XML输入原始数据的.xml文件，点击 Output Path设置数据的输出路径，勾选“Calibration”“Layer Stacking”两个选项，单击 Apply 按钮。
3、几何校正（图像配准）：下面以TM作为基准影像对环境小卫星图像进行图像配准。
（1）打开基准影像TM_baseimage.img。
（2）选择主菜单-> Map-> Registration ->Automatic Registration：Image to Image，选择基准影像第4波段作为匹配波段（TM_baseimage.img）。
遥感地学分析报告试验报
实验一植被覆盖度反演一、实验目的植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比。
通常林冠称郁闭度，灌草等植被称覆盖度。
它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义。
目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为 NDVI ，本次实验完成植被覆盖度反演。
二、实验数据实验选取两景覆盖市的 Landsat8 OLI 影像、土地覆盖类型图以及行政边界矢量数据为数据源。
其中，土地覆盖类型图是作为掩膜文件使用，其目的是为了便于植被覆盖度的估算；行政边界矢量数据是裁剪出市行政区的围。
Landsat8 OLI影像是从地理空间数据云上下载得到的，其成像时间为2013年10月份。
与Landsat7的ETM +成像仪相比， OLI 成像仪获取的遥感图像辐射分辨率达到 12比特，图像的几何精度和数据的信噪比也更高。
OLI 成像仪包括 9个短波谱段(波段 1～波段 9)，幅宽 185km，其中全色波段地面分辨率为 15m，其他谱段地面分辨率为 30m 。
三、实验方法本文反演植被覆盖度所采用的是像元二分模型方法，像元二分模型是一种简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分与无植被覆盖部分组成，而遥感传感器观测到的光谱信息 (S)也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。
因此，像元二分模型的原理如下：VFC = (S - Ssoil)/ ( Sveg - Ssoil) S为遥感信息，其中 Ssoil 为纯土壤像元的信息 , Sveg 为纯植被像元的信息。
改进的像元二分法——遥感信息选择为 NDVIVFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) 两个参数的求解公式NDVIsoil=(VFCmax*NDVImin- VFCmin*NDVImax)/( VFCmax- VFCmin)NDVIveg=((1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin)/( VFCmax- VFCmin) 当区域可以近似取VFCmax=100% ， VFCmin=0%VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) 当区域不可以近似取VFCmax=100% ，VFCmin=0% ，当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值；当没有实测数据的情况下，植被覆盖度的最大值和最小值根据经验估算。
- 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)。
实验一植被覆盖度反演一、实验目的植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。
通常林冠称郁闭度，灌草等植被称覆盖度。
它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义。
目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI，本次实验完成植被覆盖度反演。
二、实验数据实验选取两景覆盖北京市的Landsat8 OLI影像、土地覆盖类型图以及北京行政边界矢量数据为数据源。
其中，土地覆盖类型图是作为掩膜文件使用，其目的是为了便于植被覆盖度的估算；北京行政边界矢量数据是裁剪出北京市行政区内的范围。
Landsat8 OLI影像是从地理空间数据云网站上下载得到的，其成像时间为2013年10月份。
与Landsat7的ETM+成像仪相比，OLI成像仪获取的遥感图像辐射分辨率达到12比特，图像的几何精度和数据的信噪比也更高。
OLI成像仪包括9个短波谱段（波段1～波段9），幅宽185km，其中全色波段地面分辨率为15m，其他谱段地面分辨率为30m。
三、实验方法本文反演植被覆盖度所采用的是像元二分模型方法，像元二分模型是一种简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分与无植被覆盖部分组成，而遥感传感器观测到的光谱信息(S)也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。
因此，像元二分模型的原理如下：VFC = (S - Ssoil)/ ( Sveg - Ssoil) S为遥感信息，其中Ssoil 为纯土壤像元的信息, Sveg 为纯植被像元的信息。
改进的像元二分法——遥感信息选择为NDVIVFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil)两个参数的求解公式NDVIsoil=(VFCmax*NDVImin- VFCmin*NDVImax)/( VFCmax- VFCmin)NDVIveg=((1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin)/( VFCmax- VFCmin)当区域内可以近似取VFCmax=100%，VFCmin=0%VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin)当区域内不可以近似取VFCmax=100%，VFCmin=0%，当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值；当没有实测数据的情况下，植被覆盖度的最大值和最小值根据经验估算。
其中, NDVIsoil 为裸土或无植被覆盖区域的NDVI值, 即无植被像元的NDVI 值；而NDVIveg 则代表完全被植被所覆盖的像元的NDVI 值, 即纯植被像元的NDVI 值。
四、实验处理步骤1、实验处理流程如下图所示2、数据预处理本文使用的Landsat8 OLI为L1T级别数据，不需做几何校正处理。
而北京市需要两景Landsat OLI数据覆盖，因此首先要进行图像镶嵌和裁剪，然后进行大气校正等预处理过程。
（1）辐射定标辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程。
实验报告中写出辐射定标的作用。
该处理过程在Envi5.1中实现，具体操作：在ENVIToolbox中，选择Toolbox/Radiometric Correction/ Radiometric Calibration，选择*_MultiSpectral多光谱组（7个波段），打开辐射定标工具，对两景影像分别做辐射定标。
（2）影像镶嵌因本文所使用的影像数据源是两景Landsat OLI影像，因此需进行影像镶嵌，镶嵌的目的是将不同的影像文件无缝地拼接成一幅完整的包含研究区域的影像。
该处理过程在Envi5.1中实现，具体操作：在Toolbox中，选择/Mosaicking/Seamless Mosaic，打开无缝镶嵌工具，然后进行相关参数设置。
（3）影像裁剪因本文所使用的影像数据包含了北京市行政区划以外的部分地区，因此需进行影像裁剪，以将研究区裁剪出来，并且减小了数据量，加快了数据处理速度，本文使用北京行政边界矢量裁剪图像。
过程在Envi5.1中的具体操作如下：在Toolbox中，选择/Regions of Interest/Subset Data from ROIs，打开裁剪工具：（4）Flaash大气校正ENVI中的FLAASH模型是基于MODTRAN4+辐射传输模型，通过参数查找表来进行大气校正的商业化软件。
实验报告中需写出为什么用进行大气校正。
在Toolbox 中打开FLAASH 工具/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction报告中需要对大气校正前后同一地物的光谱曲线进行对比。
3、植被覆盖度估算（1）计算NDVI本文选取NDVI值为参数，采用像元二分模型对植被覆盖度进行反演，根据植被覆盖度的计算公式可知，要求取植被覆盖度，首先需要计算NDVI。
在Envi5.1中的具体操作如下：在Toolbox中，选择Spectral/Vegetation/NDVI，NDVI Calculation Input File面板中，选择大气校正后的图像，求算NDVI，如下：由于大气校正后的结果有部分像元为负值，主要集中在阴影地区，这部分区域计算得到的NDVI在[-1,1]之外，为了便于后面的分析，这里统一将这部分像元进行处理，即NDVI值大于1的变为1，小于-1的变成-1。
使用Bandmath工具，（写出运算公式），得到去除异常值文件。
(b1 lt (-1))*(-1) + (b1 gt (1))*1 + (b1 le(1) and b1 ge(-1))*b1（2）生成掩膜文件该过程主要是为了计算NDVI的最大值、最小值，根据土地利用分类图（共5类，林地、农业用地、城市用地、水体与其他）制作各种土地利用类型的掩膜文件，在Envi5.1中的具体操作如下：在Toolbox 中选择/Raster Management/Masking/Apply Mask，打开制作掩膜工具：得到林地、农业用地、城市用地、水体与其他的掩膜文件。
应用掩膜文件（3）获取阈值计算NDVImax和NDVImin值，使用获取的掩膜文件分别对NDVI图像文件进行统计，在一定置信度范围内获取每个掩膜文件（也就是土地覆盖类型）对应的最大和最小NDVI值。
在Toolbox中，选择/Statistics/Compute Statistics，进行统计，然后在统计结果中，取一定的置信度获取最大和最小的NDVI值。
林地覆盖区域的统计结果（如下图），选择NDVImin=0.3804，NDVImax=0.8667。
同样的方法得到其他地物覆盖类型的NDVI阈值，其中，水体没有植被（水藻不属于植被），认为这部分区域的植被覆盖度为0，如下表：土地覆盖类型NDVImin（NDVIsoil）NDVImax（NDVIveg）林地-0.003922 0.937255农业用地-0.003922 0.701961城市用地-0.003922 0.301961水体0 0其他-0.003922 0.3490204）生成参数文件植被覆盖度的计算公式：VFC =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil)，该过程是根据上面得到的NDVI阈值分别生成NDVIsoil和NDVIveg参数文件，也即NDVImin与NDVImax。
该过程主要使用Envi5.1的bandmath工具，并且：NDVIsoil：b1*0.128627+b2*0.090196+b3*0.011765+b4*0+b5*0.003922其中，b1：林地掩膜文件，b2：农业用地掩膜文件，b3：城市用地掩膜文件，b4：水体掩膜文件，b5：其他用地掩膜文件NDVIveg：b1*0.992157+b2*0.992157+b3*0.568627+b4*0+b5*0.639216其中，b1:林地掩膜文件，b2：农业用地掩膜文件，b3：城市用地掩膜文件，b4：水体掩膜文件，b5：其他用地掩膜文件最终，生成的参数文件。
（4）植被覆盖度估算利用上一步得到的NDVIsoil和NDVIveg参数文件带入公式：VFC =(NDVI - NDVIsoil ) (NDVIveg-NDVIsoil)，该过程也是利用Envi5.1中的Bandmath工具来实现（写出运算公式）。
分析下结果，会发现有一些异常值，即值在[0,1]之外，这些异常值是在NDVI置信度之外的那部分像元产生的（也包括NDVI异常像元）。
这些像元数量不多，大约占3.7%左右。
还有背景和水体区域的植被覆盖度的值为-NaN，即无效值，因为分母为0造成的。
第一种异常值可以将小于 0的值变成0，大于1的值变成1，用 bandmath工具即可， Bandmath 表达式为： 0.0>b1<1.0，其中b1为植被覆盖度；-NaN 可以用掩膜进行处理，即在Build Mask中用 -NaN生成掩膜。
去掉异常值之后，并对其进行分类显示，最终得到的植被覆盖度图。
五、实验结论本文通过归一化植被指数（NDVI）像元二分模型来估算北京市的植被覆盖度，从估算结果来看，该指数空间呈现不均匀分布，人类活动区域植被较少，非人类活动区域植被较多，符合实际情况，故说明该模型是有效进行植被分析。
六、实验存在问题使用ENVI软件对影像NDVI处理以后，使用像元二分模型对图像进行植被覆盖分析，最后比较得出植被覆盖状况实验二土地利用分类与变化检测一、实验目的实验以某地区的两期的Landsat TM数据为数据源，采用监督分类完成两个时期土地利用分类，及其土地利用变化分析，综合验证土地利用分类流程与土地利用变化监测方法。
二、实验内容实验内容包括两期Landsat TM土地利用监督分类，及其分类结果分析与评价和土地利用信息变化提取分析等内容，其中变化检测采用分类后比较方法。
要求掌握监督分类方法和变化检测流程。
实验数据ag_08_quac和ag_09_quac分别是08和09年的TM数据，掩膜数据在“掩膜文件”中。
三、实验步骤1、分类体系的选择——监督分类（1）类别定义/特征判别参考分类标准如下表所示居民用地居民用地留茬耕地水体绿植耕地裸地（2）样本选择为了建立分类函数，需要对每一类别选取一定数目的样本，在ENVI中是通过感兴趣区（ROIs）来确定，也可以将矢量文件转化为ROIs文件来获得。