康哥定量遥感实验报告
遥感综合实训报告总结
一、实习背景随着科技的不断发展，遥感技术在我国的应用越来越广泛。
为了提高我国遥感技术的应用水平，培养具有实际操作能力的遥感专业人才，我们参加了本次遥感综合实训。
本次实习旨在通过实际操作，掌握遥感数据预处理、图像增强、图像分类及分类后处理和专题地图制作等基本技能，提高遥感信息提取能力。
二、实习目的1. 熟悉遥感数据处理的基本流程和技巧。
2. 掌握遥感图像增强、分类及分类后处理等关键技术。
3. 学会利用遥感数据制作专题地图。
4. 提高遥感信息提取和分析能力。
三、实习内容本次实习主要分为以下几个部分：1. 遥感数据预处理：对所提供的校园遥感图像数据和数字图像进行格式转换，由原来TIFF和JPG格式转换为便于软件识别的IMG格式。
参照校园数字地图，对待校正的校园遥感图像进行几何校正，采用多项式变换，多项式的次数为2次，所有检查点的误差小于一个像元。
针对校园范围，对校正后的校园遥感图像，对教学区进行不规则分幅裁剪。
2. 遥感图像增强：对预处理后的遥感图像分别依次进行直方图均衡化、77边缘检测、自然色彩变换三种增强处理。
3. 遥感图像分类及分类后处理：利用ERDAS IMAGINE 2014软件，对遥感图像进行分类，并对分类结果进行后处理，提高分类精度。
4. 遥感专题图制作：根据遥感图像分类结果，制作专题地图，展示不同地物的分布情况。
四、实习成果1. 成功完成了遥感数据预处理、图像增强、图像分类及分类后处理和专题地图制作等任务。
2. 掌握了遥感数据处理的基本流程和技巧，提高了遥感信息提取和分析能力。
3. 增强了团队合作意识，培养了实际操作能力。
五、实习体会1. 遥感技术在实际应用中具有很高的价值，通过本次实习，我们深刻体会到了遥感技术在环境保护、资源调查、城市规划等方面的广泛应用。
2. 遥感数据处理是一个复杂的过程，需要掌握一定的理论知识和技术技能。
在实际操作中，我们要善于总结经验，不断优化处理流程。
3. 团队合作在遥感数据处理中具有重要意义。
遥感测量实训报告范文
一、实习目的本次遥感测量实训旨在使学生了解遥感测量的基本原理和方法，掌握遥感影像的获取、处理、分析和应用技术，提高学生的实际操作能力和遥感数据分析能力。
通过本次实训，学生能够：1. 了解遥感测量的基本原理和遥感影像的特点；2. 掌握遥感影像的获取方法，包括卫星遥感影像和航空遥感影像；3. 学会遥感影像的处理技术，如图像增强、图像分类、图像融合等；4. 熟悉遥感数据分析方法，如地物识别、信息提取等；5. 培养学生的团队协作精神和实际操作能力。
二、实习内容1. 遥感影像的获取（1）卫星遥感影像：介绍常用卫星遥感平台和传感器，如Landsat、MODIS、高分辨率卫星等，学习遥感影像的下载和预处理方法。
（2）航空遥感影像：介绍航空摄影原理和航空遥感平台，学习航空遥感影像的获取和处理方法。
2. 遥感影像处理（1）图像增强：学习遥感影像的灰度拉伸、直方图均衡化、对比度增强等图像增强方法。
（2）图像分类：介绍遥感影像的分类方法，如监督分类、非监督分类等，学习常用的分类算法和参数设置。
（3）图像融合：学习遥感影像的融合方法，如多时相融合、多源融合等，提高遥感影像的空间分辨率和时间分辨率。
3. 遥感数据分析（1）地物识别：学习遥感影像的地物识别方法，如光谱分析、纹理分析等，提取遥感影像中的地物信息。
（2）信息提取：学习遥感影像的信息提取方法，如植被指数、水文信息提取等，为相关领域提供数据支持。
三、实习过程1. 实习准备（1）查阅相关文献资料，了解遥感测量的基本原理和方法；（2）学习遥感影像处理软件，如ENVI、ArcGIS等；（3）准备实习所需的硬件设备，如计算机、遥感影像数据等。
2. 实习实施（1）分组讨论，明确实习任务和分工；（2）按照实习内容，分别进行遥感影像获取、处理、分析和应用；（3）记录实习过程中的问题和心得，及时与指导老师沟通。
3. 实习总结（1）整理实习成果，撰写实习报告；（2）对实习过程中遇到的问题进行分析和总结，提出改进措施；（3）分享实习心得，提高团队协作能力。
定量遥感实验报告
定量遥感实验报告学生实验报告院系：专业班级：学号：学生姓名：指导教师：2019年 6 月 14 日实验报告实验课程名称：定量遥感开课院系及实验室： 2019 年 6 月 14 日院系测绘学院专业班级姓名成绩实验项目名称实验一，二指导教师(包括实验目的、实验内容、实验步骤、实验总结）任务一一，实验目的1.水汽产品.几何校正、重投影（可选操作）、裁剪、专题图制作2.地表温度产品:重投影与拼接、裁剪、绝对数值转换，质量检查/doc/14173523.html,I/FPAR产品.重投影与拼接、裁剪、绝对数值转换，质量检查4.植被指数计算二，实验内容1.浏览、加载MTL文件打开数据，并且进行假彩色合成显示2. 辐射定标：R（输出辐射亮度，Radiance）大气校正：图像裁剪：（基于安徽省行政边界矢量数据生成感兴趣区）3.分别使用MOD09A1 反射率数据和MOD09GA 反射率数据经过投影转换、拼接、裁剪、绝对值还原、去云一系列操作计算安徽省的 NDVI 和 EVI 并用 ArcMap 制作专题图。
4.利用 MOD11A1 地表温度和辐射率数据用 ArcMap 制作安徽省白天和夜间地表温度（LST）专题图。
5.利用 MCD15A2H 数据用 ArcMap 制作安徽省叶面积指数（LAI）专题图。
6.归一化植被指数NDVI的计算输入数据：大气校正后的波段反射率（浮点型）ENVI操作：bandmathNDVI计算公式：NDVI = (ρNIR-ρRed)/(ρNIR+ρRed)7.L1B数据预处理之去云。
MRT操作：输入数据选取、输出波段选择、空间范围定义、输出格式与路径设置、坐标系定义、分辨率定义。
7.L1B数据预处理之去云。
MRT操作：输入数据选取、输出波段选择、空间范围定义、输出格式与路径设置、坐标系定义、分辨率定义。
三，实验步骤一，水汽产品1.几何校正打开envi软件，打开实验数据，选择设置数值两幅影像对比可查看数据查看原始数据。
遥感实验报告
遥感实验报告实验名称：遥感图像的预处理和分类实验实验目的：1. 了解遥感图像数据的基本特点和处理方法；2. 学习遥感图像的预处理方法，如去除噪声、增强对比度等；3. 学习遥感图像的分类方法，如像元分类、目标识别等；4. 掌握常用的遥感图像处理和分类工具的使用。
实验设备：1. 个人电脑；2. 遥感图像处理和分类软件，如ENVI、ArcGIS等。
实验步骤：1. 数据采集：从遥感卫星或其他遥感数据源获取一幅遥感图像数据；2. 数据预处理：a) 图像去噪：使用滤波器或其他去噪方法去除图像中的噪声；b) 对比度增强：使用直方图均衡化或其他增强方法增强图像的对比度；3. 图像分类：a) 像元分类：根据像元的光谱特征将图像分为不同的类别；b) 目标识别：在像元分类的基础上，进一步识别图像中的目标；4. 结果分析：对处理和分类后的图像结果进行分析和评价。
实验结果：根据实验步骤进行数据预处理和分类后，得到了处理和分类后的遥感图像结果。
可以根据对比度增强后的图像来提取目标特征，进行目标识别和分析。
也可以根据像元分类的结果来进行土地利用和覆盖分析等应用。
实验结论：通过本次实验，我们了解了遥感图像的基本特点和处理方法，学习了遥感图像的预处理和分类方法，并掌握了常用的遥感图像处理和分类工具的使用。
通过图像预处理和分类，可以更好地提取图像中的目标信息，为后续的应用和分析提供了基础。
参考文献：[1] 张三. 遥感图像处理与应用[M]. 科学出版社, 2018.[2] 李四. 遥感图像分类方法与实践[M]. 电子工业出版社, 2019.。
遥感实验报告实验成果
一、实验背景随着遥感技术的不断发展，遥感技术在环境监测、资源调查、灾害预警等领域得到了广泛应用。
本实验旨在通过遥感技术，对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
二、实验目的1. 熟悉遥感图像处理软件的基本操作；2. 掌握遥感图像分类方法；3. 对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
三、实验内容1. 数据准备本实验选用某地区Landsat 8卫星影像作为实验数据，该影像覆盖范围约为1000平方公里，分辨率为30米。
实验过程中，首先对影像进行预处理，包括辐射校正、几何校正和大气校正等。
2. 遥感图像分类（1）选择合适的分类器本实验选用支持向量机（SVM）作为分类器，因为SVM在处理小样本数据时具有较好的性能。
（2）训练样本选择为提高分类精度，需要选择具有代表性的训练样本。
本实验采用随机抽样方法，从预处理后的影像中随机选取1000个样本作为训练样本。
（3）分类结果分析将训练样本输入SVM分类器进行训练，得到分类模型。
然后，将测试样本输入分类模型进行分类，得到分类结果。
3. 分类结果验证为验证分类结果的准确性，采用混淆矩阵对分类结果进行评价。
混淆矩阵是一种用于评估分类结果的方法，它能够直观地反映分类精度、召回率和F1值等指标。
四、实验结果与分析1. 分类精度通过计算混淆矩阵，得到分类精度为90.5%。
这说明本实验采用SVM分类器对某地区进行地表覆盖分类的效果较好。
2. 分类结果分析（1）地表覆盖类型分布通过分析分类结果，可以看出该地区地表覆盖类型主要有耕地、林地、草地、水域、建筑用地和未利用地等。
（2）地表覆盖变化分析与历史影像对比，可以看出该地区耕地面积有所增加，林地和草地面积有所减少，建筑用地面积显著增加。
这可能与当地经济发展和城市化进程有关。
3. 分类结果应用（1）环境监测通过地表覆盖分类结果，可以监测该地区土地利用变化，为环境监测提供数据支持。
遥感变化检测实验报告
遥感影像变化检测实验报告目录1 遥感影像变化检测概述 (2)1.1 遥感影像变化检测的内容 (2)1.2 影响变化检测的因素 (2)1.3 遥感影像变化检测步骤 (3)1.4 评判遥感影像检测方法优劣的标准 (3)2 实验过程（基于ERDAS软件） (3)2.1 影像数据 (3)2.2 处理步骤 (3)2.3 ERDAS操作步骤 (3)2.3.1 2003年影像配准 (3)2.3.2 2005年影像配准 (10)2.3.3 相对大气校正 (11)2.3.4 差分检测 (15)3 结语 (16)1 遥感影像变化检测概述遥感影像变化检测就是对目标或现象在不同时间观测到的状态的差异的识别过程。
常用用于遥感影像变化检测的领域有：土地利用/土地覆被变化；森林或植被变化；森林死亡、落叶和灾害评价；森林采伐、再生和选择性砍伐；湿地变化；森林火灾以及林火影响区域检测；地表景观变化；城市变化；环境变化；如农作物检测、轮垦检测、道路分段、冰川总量平衡和表面变化等。
1.1 遥感影像变化检测的内容遥感影像变化检测的内容为：（1）检测并判断某一研究区域内感兴趣的目标或现象在所研究的时间段内是否发生了变化；（2）确定发生变化区域的位置；（3）遥感影像变化检测结果精度评估；（4）分析、鉴别变化类型，确定变化前后地物类型；（5）分析、评估变化在时间和空间上的分布模式，对其变化规律进行描述和解释；（6）对未来的变化进行预测，为科学决策提供依据。
1.2 影响变化检测的因素一般来说，影像遥感影像变化检测的因素主要有：（1）多时相影像间的精确几何配准；（2）多时相影像间的定标或规一化；（3）高质量地面真实数据的获取；（4）研究区地面景观和环境的复杂度；（5）变化检测的方法和算法；（6）分类和变化检测的主题（目标）；（7）分析人员的技术水平和经验；（8）对研究区的认知和熟悉程度；（9）时间和成本限制。
为此，数据选择时，尽量选择同一传感器、相同辐射和光谱分辨率，并在时间周期上相同或相近的数据，目的是为了能消除外部环境的影响，如太阳高度角、季节和物侯的差异等。
遥感原理实验报告
一、实验目的1. 理解遥感的基本原理和概念；2. 掌握遥感数据的获取方法及遥感图像的处理技术；3. 了解遥感在环境监测、资源调查等方面的应用；4. 培养遥感图像分析和解译能力。
二、实验原理遥感技术是利用电磁波在地球表面及其大气层中的传播特性，通过遥感器获取地球表面及其大气层的信息，然后进行图像处理、分析和解译，以达到对地球表面及其大气层进行监测、研究和利用的目的。
遥感原理主要包括以下几个方面：1. 电磁波辐射与散射：地球表面及其大气层对太阳辐射的吸收、反射和散射，形成各种电磁波；2. 遥感器：利用电磁波探测地球表面及其大气层的信息；3. 电磁波传播：电磁波在空间传播过程中，会受到大气、云层等因素的影响；4. 遥感图像处理：对遥感数据进行预处理、增强、分类等处理，提高遥感图像的质量和应用效果；5. 遥感图像分析：对遥感图像进行解译、识别和提取信息，实现对地球表面及其大气层的监测和研究。
三、实验内容及步骤1. 实验内容（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：包括辐射校正、几何校正、大气校正等；（3）遥感图像增强：通过对比度增强、亮度增强、滤波等手段提高遥感图像的质量；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
2. 实验步骤（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：利用ENVI软件进行辐射校正、几何校正和大气校正；（3）遥感图像增强：利用ENVI软件进行对比度增强、亮度增强和滤波处理；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
四、实验结果与分析1. 遥感图像的预处理效果通过对遥感图像进行辐射校正、几何校正和大气校正，提高了遥感图像的质量，为后续的图像增强和分类奠定了基础。
遥感实验报告
遥感实验报告引言：遥感技术是利用卫星、飞机等遥感平台获取地球表面信息的一种技术手段。
通过对不同波段的电磁辐射进行探测和分析，遥感技术可以获取地表的空间分布、物质组成以及变化情况等信息。
本次实验旨在通过遥感图像的获取和解译，了解和掌握遥感技术的基本原理和应用。
一、遥感数据获取：1. 数据来源：本次实验使用的遥感数据来源于卫星遥感图像，通过开源的遥感数据平台获得。
2. 数据类型：本次实验使用的遥感数据为多光谱遥感图像，包含多个波段的信息。
通过不同波段的数据分析，可以获取地表的不同特征和信息。
二、遥感图像解译：1. 图像预处理：图像预处理是遥感图像解译的基础工作，包括图像几何校正、辐射校正和大气校正等过程。
这些预处理步骤可以提高图像质量，减少噪声和失真。
2. 地物分类：地物分类是遥感图像解译的关键环节。
通过对遥感图像中的像元进行分类，可以将地表物体分为不同的类别，如水体、植被、建筑等。
常用的分类方法包括监督分类和非监督分类。
3. 特征提取：特征提取是对地物进行进一步分析和描述的过程。
通过提取地物的形状、颜色、纹理等特征，可以对地物进行进一步分类和识别。
三、遥感技术应用：1. 土地利用与覆盖变化研究：通过遥感图像的获取和解译，可以对土地利用与覆盖变化进行研究。
通过对多时相的遥感数据进行对比分析，可以了解土地利用变化的趋势和驱动因素。
2. 自然资源调查与监测：遥感技术在自然资源调查与监测中有着广泛的应用。
通过遥感图像的获取和解译，可以对森林、湿地和土地等自然资源进行调查和监测，为资源管理和保护提供科学依据。
3. 灾害监测与评估：遥感技术在灾害监测与评估中具有重要作用。
通过遥感图像的获取和解译，可以实时监测和评估自然灾害的影响范围和程度，为灾害应对和救援提供决策支持。
结论：本次实验通过遥感图像的获取和解译，了解了遥感技术的基本原理和应用。
遥感技术在土地利用与覆盖变化研究、自然资源调查与监测和灾害监测与评估等方面具有广泛的应用前景。
遥感实验报告
一、实验背景随着科技的飞速发展，遥感技术作为一种获取地球表面信息的重要手段，在地理信息系统、资源调查、环境监测等领域发挥着越来越重要的作用。
为了更好地了解遥感技术的基本原理和应用，我们进行了本次遥感实验。
二、实验目的1. 掌握遥感图像的获取和处理方法；2. 熟悉遥感图像处理软件ENVI的基本操作；3. 学习遥感图像的分类和提取信息的方法；4. 培养团队合作精神和实际操作能力。
三、实验原理遥感技术是利用电磁波对地球表面进行探测和监测的技术。
通过遥感传感器获取的图像数据，可以反映地表物体的物理、化学和生物特性。
遥感图像处理主要包括图像校正、分类、提取信息等步骤。
四、实验内容1. 图像获取实验中，我们使用了ENVI软件，从美国地质调查局（USGS）的地球观测系统数据和信息（EOSDIS）中下载了北京市的Landsat 8卫星影像。
2. 图像校正首先，我们对下载的遥感图像进行了几何校正，以消除图像中的几何畸变。
通过选择地面控制点，将遥感图像与实际地理位置相对应。
3. 图像分类接着，我们进行了遥感图像的分类。
采用监督分类方法，利用ENVI软件中的分类器，对遥感图像进行分类。
分类过程中，我们选取了地物特征明显的区域作为训练样本，以指导分类器进行分类。
4. 信息提取最后，我们利用遥感图像提取了北京市的地物信息，包括水体、植被、建筑等。
通过对提取信息的分析，可以了解北京市的地表环境状况。
五、实验结果与分析1. 图像校正通过几何校正，我们成功地将遥感图像与实际地理位置相对应，消除了图像中的几何畸变。
校正后的图像可以更准确地反映地表物体的真实位置。
2. 图像分类在遥感图像分类过程中，我们共分为三个类别：水体、植被和建筑。
经过分类，我们得到了较为准确的分类结果。
通过分析分类结果，可以看出北京市的水体主要分布在北部地区，植被主要分布在山区和郊外，建筑主要集中在城市中心区域。
3. 信息提取通过对遥感图像提取的地物信息进行分析，我们可以了解到北京市的地表环境状况。
遥感影像处理实验报告(3篇)
第1篇一、实验背景与目的随着遥感技术的不断发展，遥感影像已成为获取地球表面信息的重要手段。
遥感影像处理是对遥感影像进行一系列技术操作，以提高影像质量、提取有用信息的过程。
本实验旨在通过实践操作，让学生掌握遥感影像处理的基本原理和常用方法，提高学生对遥感影像数据的应用能力。
二、实验内容与步骤本次实验主要包括以下内容：1. 数据准备：获取实验所需的遥感影像数据，包括光学影像、红外影像等。
2. 影像预处理：对原始遥感影像进行辐射校正、几何校正、图像增强等处理。
3. 影像分割：对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类：对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析：对分类结果进行分析，评估分类精度。
三、实验步骤1. 数据准备- 获取实验所需的遥感影像数据，包括光学影像、红外影像等。
- 确保影像数据具有较好的质量和分辨率。
2. 影像预处理- 辐射校正：对原始遥感影像进行辐射校正，消除大气、传感器等因素对影像辐射强度的影响。
- 几何校正：对原始遥感影像进行几何校正，消除地形起伏、地球曲率等因素对影像几何形状的影响。
- 图像增强：对预处理后的影像进行图像增强，提高影像对比度、清晰度等。
3. 影像分割- 选择合适的分割方法，如基于阈值分割、基于区域生长分割、基于边缘检测分割等。
- 对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类- 选择合适的分类方法，如监督分类、非监督分类等。
- 对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析- 对分类结果进行分析，评估分类精度。
- 分析分类结果中存在的问题，并提出改进措施。
四、实验结果与分析1. 影像预处理结果- 经过辐射校正、几何校正和图像增强处理后，遥感影像的质量得到显著提高，对比度、清晰度等指标明显改善。
2. 影像分割结果- 根据实验所采用的分割方法，成功提取了感兴趣的目标区域，分割效果较好。
3. 影像分类结果- 通过选择合适的分类方法，对分割后的影像进行分类，成功识别了不同的地物类型。
遥感认知实习实验报告
一、实验背景随着科技的不断发展，遥感技术在资源调查、环境监测、灾害预警等领域发挥着越来越重要的作用。
为了提高学生的实际操作能力，加深对遥感技术的理解，我们开展了为期一周的遥感认知实习。
本次实习旨在使学生了解遥感技术的原理、应用和发展趋势，培养学生的实际操作能力和团队协作精神。
二、实验目的1. 使学生掌握遥感图像的获取、处理、分析和应用方法；2. 培养学生运用遥感技术解决实际问题的能力；3. 提高学生的团队协作和沟通能力；4. 增强学生对遥感技术的认识，激发学习兴趣。
三、实验内容1. 遥感图像的获取与处理（1）遥感图像的获取：介绍不同遥感平台的成像原理、成像参数及数据特点；（2）遥感图像的预处理：包括辐射校正、几何校正、大气校正等；（3）遥感图像的增强：通过对比度增强、锐化等手段提高图像质量。
2. 遥感图像的解译与分析（1）遥感图像的目视解译：根据图像特征，识别地物类型、变化信息等；（2）遥感图像的定量分析：运用统计、分类等方法，对地物进行定量分析；（3）遥感图像的动态监测：通过不同时期的遥感图像对比，分析地物变化规律。
3. 遥感技术的应用（1）资源调查：利用遥感技术进行土地利用、植被覆盖、水资源调查等；（2）环境监测：监测大气污染、水质污染、生态环境变化等；（3）灾害预警：地震、洪水、森林火灾等灾害的监测与预警。
四、实验过程1. 实验准备：分组讨论，明确实验目的、任务和分工；2. 数据获取：通过网络下载或实地采集遥感图像数据；3. 数据处理：运用遥感图像处理软件对图像进行预处理、增强、解译等；4. 分析与讨论：根据实验结果，分析地物特征、变化规律等；5. 实验报告撰写：整理实验过程、结果和心得体会。
五、实验结果与分析1. 实验结果（1）通过遥感图像预处理，提高了图像质量；（2）利用遥感图像解译，识别出地物类型、变化信息等；（3）通过遥感图像定量分析，获得了地物属性信息；（4）了解了遥感技术在资源调查、环境监测、灾害预警等领域的应用。
遥感实验报告
遥感实验报告遥感实验报告引言：遥感技术是一种通过获取地球表面的电磁辐射信息来获取地表特征的技术。
遥感技术的应用范围广泛，可以用于地质勘探、环境监测、城市规划等领域。
本次实验旨在通过遥感技术获取卫星图像，并对图像进行解译和分析，从而深入了解遥感技术的原理和应用。
实验步骤：1. 数据获取在实验开始前，我们首先需要获取卫星图像数据。
通过合法渠道，我们从国家遥感中心获取了一组高分辨率的遥感图像。
这些图像涵盖了不同地区的城市和农田，以及一些自然景观。
2. 图像预处理获取到的卫星图像需要进行预处理，以提高图像的质量和准确性。
预处理包括图像去噪、边缘增强和色彩校正等步骤。
通过这些预处理步骤，我们可以得到更清晰、更准确的图像数据。
3. 图像解译在预处理完成后，我们开始对图像进行解译。
解译是指根据图像的特征和上下文信息，识别出图像中的不同地物和地貌。
在解译过程中，我们需要借助地理信息系统（GIS）软件和遥感图像解译原理，对图像中的各个区域进行分类和标注。
4. 图像分析解译完成后，我们对图像进行进一步的分析。
通过分析图像中的不同地物和地貌，我们可以得出一些有关该地区的信息。
例如，通过对城市区域的分析，我们可以了解到该地区的人口密度和城市发展情况；通过对农田的分析，我们可以了解到该地区的农作物类型和农业生产状况。
实验结果：通过对卫星图像的解译和分析，我们得出了一些有关地表特征的结论。
例如，在城市区域，我们观察到高密度的建筑群和道路网络，表明该地区经济发展迅速；在农田中，我们观察到不同类型的农作物，如水稻、小麦和玉米，表明该地区的农业生产多样化。
讨论与展望：遥感技术在地球科学和环境科学领域具有广泛的应用前景。
通过遥感技术，我们可以实时监测地球表面的变化，了解自然灾害的发生和演变过程，从而采取相应的措施进行预防和救援。
此外，遥感技术还可以用于环境保护和资源管理，帮助我们更好地理解和保护地球。
结论：本次实验通过遥感技术获取卫星图像，并对图像进行解译和分析，深入了解了遥感技术的原理和应用。
遥感实验报告
遥感实验报告一、实验目的。
本实验旨在通过遥感技术对地球表面进行观测和数据获取，以探究遥感技术在环境监测、资源调查和自然灾害预警等方面的应用。
二、实验原理。
遥感技术是利用卫星、飞机等远距离传感器获取地球表面信息的一种技术手段。
通过接收地面反射、辐射或散射的电磁波，可以获取地表地貌、植被覆盖、土地利用等信息。
三、实验步骤。
1. 选择合适的遥感影像数据，包括多光谱影像、高光谱影像等。
2. 对影像数据进行预处理，包括辐射定标、大气校正等。
3. 利用遥感软件进行影像解译，提取地表信息。
4. 对提取的地表信息进行分析和应用，如环境监测、资源调查等。
四、实验结果与分析。
通过实验，我们成功获取了地表的多光谱影像数据，并对其进行了预处理和解译。
最终得到了地表的植被覆盖、土地利用等信息。
这些信息对于环境监测、资源调查等方面具有重要意义。
五、实验结论。
遥感技术在地球科学领域具有重要的应用价值，能够为环境保护、资源管理等提供有力支持。
通过本次实验，我们深入了解了遥感技术的原理和应用，对其在实际工作中的应用有了更深刻的认识。
六、实验总结。
本次实验不仅让我们掌握了遥感技术的基本原理和操作方法，还加深了我们对地球表面信息获取和分析的认识。
未来，我们将进一步学习遥感技术，探索其更广泛的应用领域，为地球科学研究和环境保护做出更大的贡献。
七、参考文献。
1. 《遥感原理与应用》，XXX，XXX出版社，2018年。
2. 《遥感技术在环境监测中的应用》，XXX，XXX期刊，2020年。
以上为本次遥感实验的报告内容，希望对大家有所帮助。
感谢各位的阅读和支持！。
遥感实验报告
地理实验综合报告（2013年秋季学期）遥感软件应用年级2012级专业地理科学（师）姓名杨扬学号2012013225成绩一、实验1中的can_tmr.img图像是什么影像？包含哪几个波段，各自的中心波长是多少？答：由相关数据可知该图像是Landsat TM 影像；包含 TM Band 1, TM Band 2, TM Band 3, TM Band 4, TM Band 5, TM Band7 6 个波段；中心波长分别为（0.485000, 0.560000, 0.660000, 0.830000, 1.650000,2.215000）；二、根据感兴趣区can_tm1.roi文件对can_tmr.img图像进行裁剪后，各波段最大、最小、平均值和标准差是多少？答：根据感兴趣区can_tm1.roi文件对can_tmr.img图像进行裁剪。
1.首先打开can_tmr.img图像；2.在主菜单中选择Basic Tools>Region of Interest>ROI Tool。
弹出ROI Tool 对话框；3.在ROI Tool 对话框中点击File<Restore ROIs,在出现的窗口选择can_tm1.roi；4.再在主菜单Basic Tools>Subset data via ROIs,出现Select Input File to Subset via ROI窗口，选择can_tmr.img影像，点击OK；5.选择进行剪切的感兴趣区，选择Yes，点击OK，根据感兴趣区can_tm1.roi文件对can_tmr.img图像裁剪完毕；6.裁剪后，对图像进行统计，点击ROI Tool 对话框中的stats，输出图表；7.由图可知裁剪后图像各波段最大、最小、平均值和标准差，结果如下表三、在Landsat TM 图像can_tmr.img上，提取典型地物光谱，制作反射光谱曲线图。
在R3G2B1、R4G3B2、R5G4B3彩色合成处理后的该图像中植被、裸地、河流、城市等主要地物分别呈现什么颜色？答：制作反射光谱曲线1.首先加载can_tmr.img 影像；2.单击Tools—profile—z profile，即可出现Spectral Profile 窗口；3.在窗口上选择options—collect spectra，即可在Spectral Profile 窗口内绘制多个相互叠加的Z 剖面图（波谱）；4.单击Edit<Data Parameters，更改地物名称；5. 在彩色合成图像上，依次选择城市、植被、河流、裸地等典型地物；此时，在Spectral Profile 窗口中即出现多条地物光谱曲线(如下图)；6.加载R3G2B1图像如图由图像知植被为墨绿色、裸地为棕黄色、河流为青黑色、城市为银白色。
定量遥感实习报告
随着遥感技术的飞速发展，定量遥感已成为地理信息科学、环境科学等领域的重要研究手段。
为了深入了解定量遥感的基本原理和应用，提升自身的实践能力，我于2023年在XX遥感研究所进行了为期一个月的定量遥感实习。
二、实习内容本次实习主要围绕以下几个方面展开：1. 遥感影像处理：学习了遥感影像的预处理、校正、镶嵌等基本操作，掌握了遥感影像处理软件ENVI的操作技巧。
2. 定量遥感原理：深入学习了遥感波谱理论、遥感成像几何原理、大气校正、地表参数反演等定量遥感的基本理论。
3. 遥感数据获取：了解了遥感卫星的种类、工作原理以及遥感数据的获取途径，掌握了遥感数据下载、处理和管理的相关技能。
4. 定量遥感应用：通过实际案例，学习了遥感技术在土地覆盖分类、植被指数计算、地表温度反演等领域的应用。
5. 实习项目：参与了一个基于遥感影像的森林火灾监测项目，从数据预处理、火灾区域提取、火灾面积估算到火灾风险评估等环节进行了实践。
三、实习成果1. 掌握了遥感影像处理软件ENVI的操作技巧：能够独立完成遥感影像的预处理、校正、镶嵌等操作。
2. 深入理解了定量遥感的基本原理：对遥感波谱理论、遥感成像几何原理、大气校正、地表参数反演等有了较为全面的认识。
3. 提高了遥感数据获取、处理和管理能力：能够熟练使用遥感数据下载平台，对遥感数据进行有效管理。
4. 积累了定量遥感应用经验：通过参与森林火灾监测项目，掌握了遥感技术在灾害监测领域的应用。
5. 提升了团队合作能力：在实习过程中，与团队成员共同完成了项目任务，提高了团队协作能力。
本次定量遥感实习使我受益匪浅，不仅提升了我的专业技能，还让我对遥感技术有了更深入的了解。
以下是我对实习的几点总结：1. 理论与实践相结合：遥感技术是一门实践性很强的学科，理论知识的学习是基础，但实际操作能力的培养更为重要。
2. 不断学习：遥感技术发展迅速，新的算法、软件和设备层出不穷，只有不断学习，才能跟上时代的步伐。
遥感测量实训报告
一、实训目的本次遥感测量实训旨在使学生了解遥感测量的基本原理和方法，掌握遥感图像的获取、处理和分析技术，提高学生运用遥感技术解决实际问题的能力。
通过实训，使学生能够熟练操作遥感设备，掌握遥感图像处理软件的使用，并能对遥感图像进行初步的解译和分析。
二、实训内容1. 遥感设备操作（1）无人机飞行操作：实训过程中，学生学习了无人机的基本构造、飞行原理和操作技巧，通过实际操作，掌握了无人机的起飞、降落、悬停、航线规划等功能。
（2）卫星遥感影像获取：了解了不同卫星遥感影像的特点，掌握了卫星遥感影像的获取方法和数据下载流程。
2. 遥感图像处理（1）遥感图像预处理：学习了遥感图像的几何校正、辐射校正、大气校正等预处理方法，提高了遥感图像的质量。
（2）遥感图像增强：掌握了遥感图像的对比度增强、亮度增强、锐化等增强方法，使图像更易于分析和解译。
（3）遥感图像分类：学习了遥感图像的分类方法，如监督分类、非监督分类等，并对遥感图像进行分类实验。
3. 遥感图像解译与分析（1）遥感图像解译：了解了遥感图像解译的基本原则和方法，如目视解译、计算机辅助解译等，对遥感图像进行解译实验。
（2）遥感图像分析：学习了遥感图像的统计分析、空间分析等方法，对遥感图像进行定量和定性分析。
三、实训过程1. 实训前期准备实训前，教师组织学生进行遥感基础知识学习，使学生掌握遥感测量的基本概念、原理和方法。
2. 实训过程（1）无人机飞行操作实训：学生分组进行无人机飞行操作实训，熟悉无人机操作流程。
（2）卫星遥感影像获取实训：学生通过卫星遥感影像平台，获取不同地区的遥感影像数据。
（3）遥感图像处理实训：学生利用遥感图像处理软件，对获取的遥感影像进行预处理、增强和分类。
（4）遥感图像解译与分析实训：学生结合所学知识，对遥感图像进行解译和分析，完成相关实验报告。
3. 实训总结实训结束后，教师组织学生进行总结交流，分享实训过程中的经验和收获。
四、实训成果1. 学生掌握了无人机飞行操作、卫星遥感影像获取、遥感图像处理、遥感图像解译与分析等基本技能。
定量遥感实验指导书.pdf
地理信息科学专业定量遥感实验指导书2016 年 3 月目录实验一遥感辐射信息获取与大气校正实验二地物识别与定量反演实验三Erdas遥感反演建模-植被指数反演实验四Erdas遥感反演建模-地表温度反演实验一遥感辐射信息获取与大气校正1．实验目的（1）初步了解目前主流的遥感图象处理软件 ERDAS，ENVI 的主要功能模块；（2）掌握 Landsat ETM 遥感影像数据，数据获取手段。
掌握 Erdas 遥感影像辐射信息获取；（3）加深对遥感理论知识理解，掌握遥感大气校正方法。
2．实验内容掌握遥感辐射定标方法，理解并独立完成三种ENVI大气校正（黑暗象元法大气校正、QUAC快速大气校正、Flaash大气校正）3．实验主要过程（1）遥感影像辐射定标（2）数据预处理（3）QUAC 快速大气校正（4）简化黑暗象元法大气校正（5）Flaash 大气校正4．实验重点、难点（1）理解遥感辐射校正基本原理；（2）掌握常用的三种大气校正方法，能够熟练使用 ENVI 完成；（3）Flaash 大气校正参数设置。
5．实验思考（1）遥感影像大气校正为什么需要定标？（2）遥感大气校正主要影响因素有哪些。
6．实验报告（1）实验目的，内容；（2）实验每个过程详细步骤，并附上每一步截图和相关说明，特别是一些关键参数和数据需要注明；（3）实验小结，完成数据处理后，导入 ArcGIS 制作专题地图，并比较不同地物类别大气校正辐射率信息，分析差异及原因；（4）完成实验思考题。
实验二地物识别和定量反演1．实验目的（1）理解基于遥感光谱曲线的地物识别原理，掌握遥感定量反演模型和方法；（2）学习 ENVI Bandmath 工具进行地表温度反演的过程；（3）加深定量遥感反演知识理论，增强遥感软件平台操作能力。
2．实验内容使用ENVI中的Band Math进行地表温度的反演（1.植被覆盖度，2.地表比辐射率，3.相同温度下黑体辐射亮度值，4.反演地表温度），并制作专题图输出。
遥感原理与应用实验报告
遥感原理与应用实验报告一、实验目的本次实验旨在通过实际操作和数据分析，深入理解遥感的基本原理，并掌握其在不同领域的应用方法。
具体包括：1、熟悉遥感数据的获取、处理和分析流程。
2、学会运用遥感图像处理软件，对遥感影像进行几何校正、辐射校正、图像增强等操作。
3、掌握遥感图像的分类方法，如监督分类和非监督分类，并对分类结果进行精度评价。
4、应用遥感技术解决实际问题，如土地利用/覆盖变化监测、植被指数提取等。
二、实验原理遥感是一种非接触式的对地观测技术，它通过传感器接收来自地面物体反射或发射的电磁波信息，并对这些信息进行处理、分析和解译，从而获取有关地球表面的特征和现象。
遥感的物理基础是电磁波与物质的相互作用。
不同的地物具有不同的电磁波反射、吸收和发射特性，这些特性可以通过遥感传感器测量的电磁波谱来表征。
例如，植被在近红外波段具有高反射率，而水体在可见光和近红外波段的反射率较低。
遥感图像的处理和分析基于数字图像处理技术。
几何校正用于消除遥感图像的几何变形，使其与实际地理坐标相匹配；辐射校正用于消除传感器误差和大气影响，使图像的辐射值准确反映地物的真实反射或发射特性；图像增强用于突出图像中的有用信息，提高图像的可读性和可解译性；图像分类则是根据图像中像元的特征将其划分为不同的类别，以提取地物信息。
三、实验设备与数据1、计算机：配置较高的个人计算机，用于运行遥感图像处理软件。
2、遥感图像处理软件：如 ENVI、ERDAS 等。
3、实验数据：包括不同分辨率的卫星遥感影像，如 Landsat、SPOT 等，以及相应的辅助数据，如地形图、土地利用现状图等。
四、实验步骤1、数据导入与预处理将遥感影像数据导入图像处理软件。
对影像进行辐射定标和大气校正，以消除大气对电磁波传输的影响。
2、几何校正选取地面控制点（GCP），这些点在遥感影像和参考地图上具有明确的地理位置。
通过计算 GCP 的坐标偏差，建立几何校正模型，对影像进行几何校正。
定量遥感实习指导书
实习一 6S 大气校正一、实习目的加深对6S 模型原理的理解，掌握6S 软件的使用方法与步骤，能够利用该软件进行TM 影像的大气校正。
二、原理与方法6S 模型是目前世界上发展比较完善的大气辐射校正模型之一，是由Tanre 等人提出的5S （the simulation of the Satellite Signal in the Solar Spectrum ）模型改进而来，它适合于可见光-近红外（0.25～4μm ）的多角度数据。
该模型考虑了地表非朗伯体情况，解决了地表BRDF 与大气相互耦合的问题，通过使用较为精确的近似方程以及称之为“successive order of scattering ”（SOS ）的算法，提高了瑞利散射和气溶胶散射的计算精度；将大气由原来5S 所考虑的26层、24个高斯离散角缩减为13层、12个离散角，显著简化了计算；光谱分辨率高达2.5nm 。
许多研究证明该模型的计算精度比其它模型精度高，而且计算时间快。
地面目标反射率与传感器入瞳处反射率的关系可由下面的方程表示：]),(),,,([)()(),(),(),,,(a R v s g v s v s T v s v s g aR v s g v s v s T T s T T T T ++-+-=ρθθφφθθρθθθθρθθφφθθρρ 其中，ρ为地表反射率，()v s v S T φφθθρ,,,为大气上界反射率，s θ 为太阳天顶角，s φ 为太阳方位角，v θ为传感器天顶角，v φ为传感器方位角，)(s T θ为大气透过率， ),(v s g T θθ 为太阳－目标大气路径透过率，)(v T θ为目标－传感器大气路径透过率，a R +ρ 为分子散射和气溶胶散射所构成的路径辐射反射率，s 为大气半球反射率。
该式是大气纠正的近似经验公式，也是6S 模型的基本方程。
（详细原理请参考6S 操作手册）三、实习仪器与数据6S 程序包、ENVI 软件、TM 影像四、实习步骤1、输入6S 模型参数在利用6S 软件进行大气校正时需要输入的主要参数有（参照…\6S 大气校正\6S_V4.1\help\6S 操作手册_P1.pdf ）：(1)太阳天顶角、卫星天顶角、太阳方位角、卫星方位角，也可以输入卫星轨道与时间参数来替代。
- 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)。
定量遥感实验报告班级：地信1302 姓名：高永康学号：2013303200212 实验一:辐射信息获取与大气校正一实验目的与意义1.初步了解目前主流的遥感图象处理软件ERDAS，ENVI的主要功能模块。
2.掌握Landsat ETM遥感影像数据，数据获取手段。
掌握Erdas 遥感影像辐射信息获取。
3.加深对遥感理论知识理解，掌握遥感大气校正方法。
二实验内容与遥感影像数据LE71230392003097EDC002003年4月7日Landsat EMT+影像对其进行大气校正处理三实验步骤准备阶段：对遥感图像先定标，Basic Tools-Preprocessing–Calibration Utilities –Landset Calibration并编辑头文件然后因为要对多幅影象进行处理，所以为了方便，最好进行波段合成，一起处理。
最后，进行格式转换完成后，就可以进行大气校正了3.1简化黑暗象元法大气校正（1）打开待校正图像文件。
（2）在主菜单中，选择Basic Tools->Preprocessing->General Purpose Utilities-> Dark Subtract，在文件选择对话框中选择待校正图像文件，单击OK按钮，打开Dark Subtraction Parameters面板。
（3）在Dark Subtraction Parameters面板中，确定黑暗像素值包括三种方法（Subtraction Method）：波段最小值(Band Minimum)ROI的平均值(Region Of Interest)自定义值（User Value）（4）在Output Result to中选择File以及相应的输出路径和文件名，单击OK执行操作。
效果如下：3.2 QUAC快速大气校正（1）在ENVI主菜单中，选择以下方式启动lBasic Tools-> Preprocessing-> Calibration Utilities-> QUickAtmospheric CorrectionlSpectral-> QUick Atmospheric CorrectionlSpectral-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction在文件输入对话框中选择校正的图像文件。
（2）打开QUick Atmospheric Correction Parameters面板在Sensor Type中选择相应的传感器类型，选择文件名和路径输出。
结果如下：3.3 Flaash大气校正1.设置辐射率转换因子2.Flaash参数设置相应参数在MTL文件中查询。
并选择Multispectral setting选项，进行相应配置，如下图结果如下4.实验小结因为我们从卫星上获得的影像实际上已经受到了各种因素的干扰，如地表朗伯面反射、大气性质不一及大气多次散射辐照作的用和邻近像元漫反射的作用，这些都使得我们获得的图像有一定的偏差，因此在使用这些图像之前，需要进行校正处理，如大气校正，辐射校正等。
黑暗像元法：是一种古老、简单的经典大气校正方法。
它的使用前提是在假设待校正的遥感图像上存在黑暗像元、地表朗伯面反射和大气性质均一，并忽略大气多次散射辐照作用和邻近像元漫反射作用下，反射率很小（近似0）的黑暗像元由于大气的影响，使得这些像元的反射率相对增加，可以认为这部分增加的反射率是由于大气影响产生的。
这样，将其他像元减去这些黑暗像元的像元值，就能减少大气（主要是大气散射）对整幅影像的影响，达到大气校正的目的。
整个过程的关键是寻找黑暗像元以及黑暗像元增加的像元值。
快速大气校正工具（简称QUAC）：其自动从图像上收集不同物质的波谱信息，获取经验值多光谱的快速大气校正（图4）。
它得到结果的精度近似FLAASH或者其他基于辐射传输目前它支持的多光谱和高光谱波谱范围是(0.4~2.5 μm)。
Flaash大气校正：FLAASH采用了MODTRAN4+辐射传输模型，该算法精度高。
任何有关影像的标准MO型和气溶胶类型都可以直接使用。
通过影像像素光谱上的特征来估计大气的属性，不依赖遥感成像时同步测量的大气参数，可以有效地去除水蒸气/气溶胶散射效应，同时基于像素级的校正，矫正目标像元和邻射的“邻近效应”。
并且对由于人为抑止而导致波谱噪声进行光谱平滑处理。
作为结果，除了真实地表反射率到整幅图像内的能见度、卷云与薄云的分类影像、水气含量数据。
5.5.1 遥感影像大气校正为什么要定标？定标是将传感器所得的测量值变换为绝对亮度或变换为与地表反射率、表面温度等物理量有关的相对值的处理过程，目的是消除传感器本身的误差。
大气校正就是将辐射亮度或者表观反射率转换为地表实际反射率，目的是消除大气散射、吸收、反射引起的误差。
辐射定标可以说是大气校正的基础，一切都是为了获得更精确的遥感影像。
5.2遥感大气校正主要影响因素？1.遥感所利用的各种辐射能与地球大气层发生的相互作用2.辐射能的散射、吸收，而使能量衰减。
3.大气的对不同波长的光有选择性的衰减作用。
4.太阳-目标-遥感器之间的几何关系不同，使其穿越的大气路径长度不同，从而使图像中不同地区地物的像元灰度值所受大气影响程度不同。
5.同一地物的像元灰度值在不同获取时间所受大气影响程度不同。
实验二:地物识别和定量反演一·实验目的1.理解基于遥感光谱曲线的地物识别原理，掌握遥感定量反演模型和方法。
2.学习ENVI Bandmath工具进行地表温度反演的过程。
3.加深定量遥感反演知识理论，增强遥感软件平台操作能力。
二·实验内容1 .地物识别与定量反演基础2 .Bandmath基础3 .地表温度反演实验数据1. 研究区NDVI数据，ETM数据经数据预处理后并重采样为60米分辨率的NDVI数据TM-NDVI-60m.img2. 研究区第六波段辐射数据，ETM6经过传感器定标，几何校正，大气校正，裁剪后的辐射数据TM6-rad-subset-jz-xiangfan.img三·实验步骤（一）地表比辐射率计算1. 植被覆盖度计算ENVI：主菜单-Basic Tools-Band Math公式：(b1 gt 0.7)*1+(b1 lt 0.)*0+(b1 ge 0 and b1 le 0.7)*((b1-0.0)/(0.7-0.0))注意：b1选择NDVI图像操作如下：结果如下：2.地表比辐射率计算ENVI：主菜单-Basic Tools-Band Math公式：(b1 le 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589 + 0.086*b2 - 0.0671*b2^2)+(b1 ge 0.7)*(0.9625 + 0.0614*b2 - 0.0461*b2^2)注意：b1选择NDVI图像；b2选择植被覆盖度操作如下：结果如下：（二）计算相同温度下黑体辐射亮度值根据辐射传输方程和普朗克定律，温度为T的黑体在热红外波段辐射亮度B(Ts)表示为：大气向上和向下辐射亮度；地表比辐射率地表真实温度；普朗克定律推到得到的黑体在Ts 的热辐射亮度；大气在热红外波段透过率；热红外波段亮度值。
操作如下：结果如下：（三）反演地表温度操作如下：结果如下：4.专题图输出·显示温度反演结果；·利用ArcGIS生成专题图，并根据温度范围划分4个区间：-39C以上，红色-35-39C，黄色-30-35C，绿色-低于30C，蓝色5.实验小结热辐射是物体由于具有温度而辐射电磁波的现象。
一切温度高于绝对零度的物体都能产生热辐射，温度越高，辐射出的总能量越大，短波成分也就越大。
物体在向外辐射的同时，还会吸收从其它物体辐射来的能量，物体辐射或吸收的能量与它的温度，表面积，黑度等因素有关。
6.思考：（1）地表温度反演利用的是什么方法，有哪些优缺点？1.单窗算法。
其适用于只有一个通道的热红外遥感数据。
其将大气平均作用温度和大气下行平均作用温度合二为一，简化了热辐射传输模型。
缺点是与大气传输模型相同，在参数化过程中使用的数据仍然是标准化的，并没有使用实施大气轮廓数据。
2.分裂窗算法。
分裂窗算法是目前应用最广泛的温度反演方法，分裂窗方法是利用大气窗口10 ~13 μm里的两个相邻通道(11μm附近和12 μm附近)的大气吸收作用不同，通过两个通道测量值的组合来消除大气影响。
3.温度，比辐射率分离算法。
温度比辐射率分离算法（TES）针对高光谱分辨率的热红外测量数据，利用地物热红外光谱的一些共性特点作为先验知识或者约束条件，从一次观测中同时反演温度和光谱发射率。
它集合了三种已有方法（NEM,RAT,MMD)的优点和一些新的特点。
且第一次提出发射率的无偏和精确估计改进了陆面温度的估算。
（2）哪些方法可以有效的提高温度反演精度？单窗算法，分裂窗算法，TES算法等。
实验三:遥感反演模型一·实验目的与意义1.初步了解ERDAS主要功能模块。
2.掌握Erdas Modeler遥感建模方法，遥感定量反演算法设计。
3.加深对ETM影像植被反演、温度反演方法学习。
二实验内容与遥感影像数据LE71230392003097EDC002003年4月7日Landsat EMT+影像Flaash大气校正影像数据三实验步骤1.数据准备1.1 Erdas数据转换：Manage Data-Import Data 将Envi数据转换为IMG数据格式点击OK即可。
1.2 Erdas多波段合成Raster-Spectral-Layer Stack2.影像裁剪Raster-Subset & Chip-Create Subset Image 从AOI裁剪结果如下3. 各类植被指数计算3.1 未校正下Raster-Classification NDVI或Indices 计算NDVI和比值植被指数RVI3.2大气校正（1）转成BIL格式（2）FLAASH大气校正结果如下: (3)计算NDVI建模操作（同时计算出植被覆盖度）：4.比辐射率计算4.1 监督分类分成三类，城镇，水体，自然表面蓝色是水体，绿色是自然表面，土黄色是城镇4.2地表比辐射率计算ERDAS中建模操作：5.相同温度下黑体辐射亮度值ERDAS中建模操作：6.反演地表温度ERDAS中建模操作：ERDAS中建模总模型：7.制作专题图（1）未校正时，NDVI和RVI专题图。
（2）校正后时，武汉地区NDVI和RVI专题图。
武汉地区亮度温度专题图：武汉地区温度反演专题图：。