遥感应用模型实习报告.docx

遥感应用模型课程实习报告学生姓名：李文凯 班 学 号：113151指导教师：徐世武 中国地质大学信息工程学院2017年11月27日目录一、遥感基本功能实习（小二，黑体，居中）1二、植被指数及植被覆盖度估计（小二，黑体，居中）2三、基于高分辨率遥感影像城市绿地信息提取（小二，黑体，居中）8四、遥感影像分类（小二，黑体，居中）11五、总结22一、遥感基本功能实习（小二，黑体，居中）【实习目的】利用ENVI完成常规遥感数据处理，理解熟悉遥感数据处理方法。熟悉遥感预处理的基本原理和方法掌握影像几何校正掌握影像自动配准掌握影像融合掌握影像镶嵌掌握影像裁剪掌握植被数据的计算方法，对比常见植被指数应用效果。【实验环境】PC电脑一台，ENVI5.1或更高版本软件【实验内容】讲解遥感预处理的基本原理和方法影像几何校正的原理和操作步骤；影像到影像的几何校正，通过一个校正好的基准影像去校正未做过几何校正的影像。对校正之后的影像做精校正即影像配准对低分辨率的多光谱影像和高分辨率的全色影像进行融合，得到高分辨率的多光谱影像将相邻地区的影像镶嵌，构建一副完整影像，要注意镶嵌边界的处理对影像进行裁剪，根据需要进行规则裁剪，不规则裁剪以及掩膜裁剪对实验影像采用常见四种植被指数方法计算植被指数，结合实际影像进行对比分析，得出适宜于实验影像的植被提取方法。【实验数据】研究区影像数据：见“课程实验\实习一”文件夹【实验要求】要求：完成几何校正、辐射校正、影像裁剪、影像融合、基础分类、影像运算、制图输出、专题信息提取（面向对象分类）等操作，采用多种植被指数方法计算植被指数，分析适宜于实验影像的植被提取方法。【实验过程】由于envi的基本功能已经做过多次实习，我对于envi的基本操作已经十分熟悉，因此我跳过了本次的实习一，直接开始了后面的实习内容。二、植被指数及植被覆盖度估计（小二，黑体，居中）【实习目的】基于LandSat 8卫星影像数据，掌握Envi中计算常见植被指数的方法，分析、比较采用地表反射率、DN值计算植被指数之间的差异。同时学会植被覆盖度反演方法。【实验环境】PC电脑一台，ENVI5.1或更高版本软件【实验内容】为纠正原始图像中的几何与辐射变形，对LandSat 8卫星影像数据进行预处理。采用地表反射率、DN值计算常见植被指数，并分析、比较两者之间的差异。采用常见四种植被指数方法计算植被指数，结合实际影像进行对比分析，得出适宜于实验影像的植被提取方法。提取3种以上典型地物（水体、房屋、林地、道路、耕地、裸土等）的地表反射率、DN值、及常见植被指数，制作折线图或表格，分析、总结不同地物在地表反射率、DN值、植被指数的特征。基于像元二分模型进行植被覆盖度反演。【实验数据】研究区影像数据：见“课程实验\实习二：基于像元二分模型的植被覆盖度反演”文件夹【实习要求】要求：掌握LandSat 8影像预处理操作，比较地表反射率、DN值计算植被指数的差异，并比较常见植被指数的优劣，学会像元二分模型的植被覆盖度反演方法。【实习过程】（1）数据预处理通过影像镶嵌、影像融合等操作将LC81230322013276LGN00与LC81230332013276LGN00两张相邻的影像镶嵌得到包含完整北京市行政区的完整数据，然后通过先验的北京行政边界矢量数据对上一步所得到的数据进行裁剪处理，得到只包含完整北京市行政区的影像数据。缩小了数据大小，使后续操作所需要处理的数据量得以大大减少。然后通过辐射定标操作，消除了传感器本身由于光学器件老化所产生的辐射误差并为大气校正准备数据随后使用FLAASH大气校正模型纠正电磁波在大气吸收和散射过程中造成的不确定信息。附：FLAASH对图像文件有以下几个要求：数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM），这两个参数都可以通过编辑头文件信息输入（Edit Header）。数据类型：支持四种数据类型：浮点型（floating）、长整型(long integer )、整型（integer）和无符号整型 (unsigned int)。数据存储类型： ENVI标准栅格格式文件，且是BIP或者BIL。波谱范围：400－2500nm（数据预处理所得最终影像数据）（2）常见植被指数计算植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。指导书中提供了四种植被指数的运算方法，由于时间关系，上机实习期间我只针对NDVI（归一化植被指数）、RVI（比值植被指数）、SAVI（土壤调节植被指数）三种植被指数进行运算，课后尝试过用最后一种进行运算，（NDVI）（RVI）（SAVI）（3）植被覆盖度估计由于时