《3S集成技术》实验报告(王磊)

“2+2”模式下地理信息系统地理信息系统地理信息系统地理信息系统专业专业选修课程《3S集成技术》实验报告院系：旅环院班级：0级地信姓名：王磊学号：40809127实验时间实验时间实验时间实验时间：2011年3月——2010年6月实验地点实验地点实验地点实验地点：长安校区GIS基础实验室实验目的实验目的实验目的实验目的：通过工程化实验，对地理信息系统软件ENVI的基础功能和基本的使用方法有一个较为全面的认识、了解和掌握，并能较为熟练地运用该软件制作地图，从而对地理信息系统这门课程的实用性、技术性加以体会，提高学习兴趣。实验数据实验数据实验数据实验数据：数据分遥感影像集和带有高程数据的DEM数据。数据的来源：（总网址）实验内容：实验内容：实验内容：实验内容：第一部分：遥感影像预处理第一部分：遥感影像预处理第一部分：遥感影像预处理第一部分：遥感影像预处理第二部分：遥感影像解译第二部分：遥感影像解译第二部分：遥感影像解译第二部分：遥感影像解译第三部分：植被指数的提取和变化监测第三部分：植被指数的提取和变化监测第三部分：植被指数的提取和变化监测第三部分：植被指数的提取和变化监测第一部分：遥感影像预处理第一部分：遥感影像预处理第一部分：遥感影像预处理第一部分：遥感影像预处理预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。下面就实际应用时经常遇到的影像预处理的部分方法做以介绍：一一一一.)图像融合：图像融合：图像融合：图像融合：图像融合（ImageFusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。具体方法如下：首先打开ENVI。通过file—openimagefile打开。先给大家看一下envi的界面，感觉envi的三级显示还是很人性化的。注意：在这里我首先想说的是大家在以后遇见不通用的遥感影像格式导致数据打不开的时候可以考虑把他转化成tiff格式，他就像矢量个e00格式一样是栅格数据中的通用格式。遥感影像的融合大概包括三种情况①见多多波段的融合②高空间分辨率和高光谱数据的融合③不同来源的数据的融合。这里之介绍一下如何把下载到的多波段的数据融合成一张遥感影像？然后在其基础上进行空间分析。A.简单多波段融合简单多波段融合简单多波段融合简单多波段融合1.首先打开需要融合的数据（仅仅把需要进行处理的数据加载到波段列表找中就行）。操作为：FILE--�OPENIMAGEFILE打开同一地区多副多波段的tiff图像。2.通过基本的图像融合技术进行融合。操作为：basictools�layerstacking如下图所示3.点击importfile按住ctrl键选择需要融合的多波段数据。在outputfilerange中选择inclusive，他表示把所有的波段都参加运算。当然也可以选择下面的exclusive（高级工具），他表示把各个图层融合是用overlap方法来做。接着在下面outputresoultto选择要输出的文件。可以通过file-chose把他存在需要的文件夹中。如果数据量小的话也可以存放在内存中（选择memory）。内存里面的数据在波段列表中可以方便的打开浏览。4.融合后的数据可以在当前窗口中打开，也可以在envizoom中打开。我习惯在envizoom中打开浏览数据。融合后的数据如下图所示。我用的是543标准假彩色显示。B.不同传感器数据的融合，及高光谱和高分辨率数据的融合。不同传感器数据的融合，及高光谱和高分辨率数据的融合。不同传感器数据的融合，及高光谱和高分辨率数据的融合。不同传感器数据的融合，及高光谱和高分辨率数据的融合。1.上面的融合只是简单的同一种传感器同一时相不同波段的融合。具体说应该是TM影像的7个或者5个波段的融合。除此之外还有不同时相和不同遥感影像之间的融合。他是将低分辨率的高光谱影像和高分辨率的但波段影像进行重采样融合生成一幅高分辨率的高光谱影像。我简单说一下方法。2.通过菜单栏的Transform-Imagesharpening下面的五种方法进行融合。其中HSV和colornormalized（brovey）输入和输出的都是三个波段的影像数据。其他的合成的结果是任意的多波段融合。3.在任意多波段的融合过程中cnspectral和高保真的Gram—schmidt适合于高光谱数据的融合，pansharping包括高分辨率的影像的融合。下面介绍pcspectralsharpening（只成分分析）。4.点击pc变化弹出以下对话框。先输入低光谱分辨率的高空间分辨率的遥感影像，再输入低空间分辨率的高光谱数据。如下图所示：5.输入完数据之后选择重采样方法【这里有最临近像元发（nearestneighbor），样条函数发（bilinear）和立方卷积发（cublicconvolution）】，越向后面融合方法越复杂，处理的效果越好，当然也是消耗内存最大的。最后选择输出数据的路径就行。二）影像拼接：二）影像拼接：二）影像拼接：二）影像拼接：当我们得到一个区域的数据时往往是一景一景的影像。这是我们需要把每一张影像拼接起来得到要就区域的遥感影像。具体方如下：1.通过map-mosaicking的Georeferenced来进行有空间坐标的数据进行拼接（镶嵌）。也可以通过pixelbased来进行数据的镶嵌，但是他没有空间投影和坐标关系，所有数据都是一屏幕坐标作为绝对坐标，所以加载进去的数据在一个区域。2.选择georeferenced出现一下对话框。通过import-importfile打开需要镶嵌的数据。如下图所示。3.在遥感影像上右键可以选择该图像是处于其他影像的上面（raiseimagetotop）还是下面（lowerimagetobottom）。点击Removeentry可以删除该副影像。4.点击editentry调节镶嵌的方法。其中datavaluetoignore表示忽略的像素值，一般为1.feathering表示进行运算是拓展的像素值，这里选择1.cutlinefeathering表示通过通过剪切线进行镶嵌。点击他会出现让你选择裁剪线的对话框。Mosaic可以选择grayscale或者rgb。他只是一个图像的显示与否的过程，也可以在以后的浏览中选择需要的光谱图层。Linerstretch表示现行拉伸程度。一般为1%。Colorbalancing（颜色平衡）选择adjust，表示按照具体光谱情况灵活的镶嵌。以上的方法大多都是针对影像融合是相交部分的影像而提出的。具体如下图所示：5.调整好数据之后选择file-apply按照下图设置X/Y的像素值，重采样的方法（最临近值发，双线性内插和立方卷积），存储的位置，背景颜色和使用的平衡颜色方法。边的到镶嵌后的图像。6.点击ok完成图像的镶嵌。三）几何校正三）几何校正三）几何校正三）几何校正几何校正是指消除或改正遥感影像几何误差的过程。遥感成像的时候，由于飞行器的姿态、高度、速度以及地球自转等因素的影响，造成图像相对于地面目标发生几何畸变，这种畸变表现为象元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对几何畸变进行的误差校正就叫几何校正。主要方法有：A.用已有控制点（用已有控制点（用已有控制点（用已有控制点（gcp）的文件来校正影像。）的文件来校正影像。）的文件来校正影像。）的文件来校正影像。1.通过工具条的map——Georeferencedmodis打开数据。1.1.spatialsubset表示：你要矫正的空间范围。后面的fullscreen表示把整副影像进行配准。在最上面的一个信息框中我们可以看到图像的大小。这里为：dims：414X498（bybt），samples表示选择的列长度，lines表示选择的行的长度。同时可以点击其中的map可以通过鼠标拉框来选择，也可以通过file（文件）的ROI（感兴趣区域）/EVF来选择处理的影像范围。这样做的目的是为了节省内存，减少不必要的数据冗余。1.2.spcetralsubset表示：你要校正的波谱范围。可以全部选择波谱，一可以选择对部分的波谱进行校正。这里我们选择6个波段全选。选择空间范围选择波谱范围2.完成选择后点击一路ok，知道出现要选择输入坐标文件chosenoutputfile找到需要相应的文件便可完成校正B．通过到图上读取经纬度信息来校正地形图。．通过到图上读取经纬度信息来校正地形图。．通过到图上读取经纬度信息来校正地形图。．通过到图上读取经纬度信息来校正地形图。1.通过map---registration�imagetomap进入校正模块。如下图2.接着选择投影信息，椭球体，单位，投影带和空间分辨率。2.1其中最上面的是投影信息。datum表示椭球体，units：单位。Zone：投影带这里选择49.X/Ypixelsize表示最小的像元大小，在遥感影像上表示为图像的空间分辨率。把数据选择好后点击ok。出现下图3.在地形图上读取到正确的经纬度信息，填写在右面的框中。E填写经度，N：填写纬度。这样就完成了给一个没有确定空间坐标的数据加上GIS空间参考。完成了数据的校正。4.完成控制点【一般为n*（n-1）/2】的选取后点击ok，完成校正。当然也可以在在addpoint中手动添加控制点，也可以在showpoint来查找和修改控制点。如下图：5.当然也可以通过map�registration—来通过控制点文件进行校正。四）图像裁剪。四）图像裁剪。四）图像裁剪。四）图像裁剪。为了得到一幅范围比较大的一幅图上的部分数据我们常常需要对拼接好的数据进行裁剪。得出研究区域的影像数据。有好多的方法。包括栅格裁剪栅格。矢量裁剪栅格和矢量裁剪矢量等。在这里为了方便我们用矢量裁剪栅格影像。矢量的数据来自于对行政区划图的矢量化。操作：在arctoolbox中搜寻mask工具，选择ectractbymask如下图：在第一个对话框中输入待裁剪的栅格数据，第二个对话框中输入用来裁剪的数量数据。最后的对话框找个存储路径存储裁剪后的图像。然后对该影像进行保存。方法为在layer上右键选择data-�exportdata选择遥感影像的img格式存储数据。结果如下图：第二部分：遥感影像解译第二部分：遥感影像解译第二部分：遥感影像解译第二部分：遥感影像解译图像解译——影像解译，也称判读或判释，指从图像获取信息的基本过程。即根据各专业(部门)的要求，运用解译标志和实践经验与知识，从遥感影像上识别目标，定性、定量地提取出目标的分布、结构、功能等有关信息，并把它们表示在地理底图上的过程。例如，土地利用现状解译，是在影像上先识别土地利用类型，然后在图上测算各类土地面积。遥感影像目视解译是解译者通过直接观察或借助一些简单工具(如放大镜等)识别所需地物信息的过程。具体做法如下：ENVI中遥感影像的分类包括：监督分类，非监督分类，决策树分类，端元收集，从ROI（感兴趣样区）创建分类图。首先简单介绍一下分类的方法：1.supervisd表示监督分类。其中包括：Parallelepiped（平行六面体分类），minimum（最小距离分类），mahalanobis（马氏距离），maximumlikelihood（最大似然法），spectralanglemapper（光谱角制图），binaryencoding（二进制编