《遥感期末考核》由会员分享，可在线阅读，更多相关《遥感期末考核（17页珍藏版）》请在金锄头文库上搜索。
1、本科学生实验报告姓名尹永义学号 1443206000113 专业地理科学班级14 地 B 实验课程名称遥感原理与应用实验名称遥感原理与应用的综合实验指导教师及职称胡文英开课学期2015 至 2016 学年下 学期云南师范大学旅游与地理科学学院编印一、实验准备 实验名称：遥感原理与应用综合实验实验时间：实验类型：验证实验 综合实验设计实验1、实验目的和要求：目的： 以 Landsat TM(禄劝县 ) 遥感影像为数据源，运用ERDAS 软件对影像进行自动分类，得到感兴趣地区的土地利用分布信息。学习通过ERDAS 进行遥感图像规则分幅裁剪，不规则分幅裁剪的实验过程，能够对一幅大的遥感图像按照要求裁
2、剪图像；了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。 学习并掌握遥感影像非监督分类及监督分类的原理和方法。 要求： 1）从网上下载一景自己家乡所在地(禄劝县)的 Landsat TM 影像，以此为数据源 2）组合成多波段遥感图像 3）通过矢量边界截取研究区（以自己家乡所在县(禄劝县)的行政区划） 4）图像增强处理（如波段的组合、直方图拉伸等） 5）对增强后影像进行自动分类，得到研究区土地利用图2、实验相关设备：一台装有ERDAS IMAGINE 软件的电脑、一组关于家乡遥感 的数据、 U 盘、实验指导说明等。3、实验理论依据或知识背景：依据一：在实际工作中
3、，经常需要根据研究区域的工作范围对图像进行分幅裁剪， erdas 中可以对图像进行规则分幅裁剪(rectangle subset)和不规则分幅裁剪 (polygon subset)，根据实际的应用对图像选择不同的裁剪方式。依据二：ERDAS IMAGE 图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能。依据二：遥感影像分类是指根据遥感影像中地物的光谱特征、空间特征、时相特征等，对地物目标进行识别的过程。 图像分类通常是基于图像像元的灰度值，将像元归并成有限几种类型、等级或数据集，通过图像分类，可以得到地物类型及其空间分布信息。非监督分类
4、与监督分类是非常经典的遥感影像分类方法，专家分类则是新型的遥感影像分类方法。二、实验内容、步骤和结果（要求： 详细写清楚本次实验的完成的主要内容 、具体实施步骤 和实验结果 。纸张不够可以自行添加。） 步骤一： 首先，在网上下载了一幅自己家乡所在地（禄劝县）的 Landsat TM 影像，然后以 此为数据源组合成多波段遥感图像，图像如下：步骤二：通过矢量边界截取研究区（以禄劝县的行政区划）打开 arcmap, 选中禄劝县边界图，导出；将禄劝矢量边界转换为栅格图；执行掩膜输出后执行裁剪，后打开裁剪后图像查看。得到如下图像：步骤三 ：图像增强处理（如波段的组合、直方图拉伸等）1 、卷积增强具体过
5、程：Main Image InterpreterSpatial enhancementconvolutionconvolution对话框，并设置参数，最后得到的图像：2、直方图均衡化打开 Histogram Equalization 窗口，并设置参数，得到如下图像：步骤四 ：对增强后影像进行自动分类，得到研究区土地利用图（1）定义分类模板第一步：显示需要进行分类的图像，在视窗中加载家乡LANDSAT8影像第二步：打开模板编辑器并调整显示字段第三步：获取分类模板信息应用AOI绘图工具在原始图像获取分类模板信息（2）评价分类模板（ Evaluating Signatures）第一步：产生报警掩膜在
6、Signature Editor对话框： View Image Alarm 打开Signature Alarm对话框选中 Indicate Overlap点击 Edit Parallelepiped Limits按钮Limits 对话框点击 SET 按钮打开 Set Parallelepiped Limits对话框设置计算方法（Method）:Minimum/Maximum 选择使用的模板（ Signature ）:Current OK （关闭 set Parallelepiped Limits对话框）返回 Limits 对话框 Close（关闭 Limits 对话框）返回Signature
7、Alarm对话框 OK （执行报警评价，形成报警掩膜）Close（关闭 signature Alarm对话框）第二步：可能性矩阵在Signature Editor 对话框：在signature Editor 中选择所有类别菜单条： Evaluation Contingency 打开 Contingency Matrix对话框选择非参数规则（Non-parametric Rule ）： Feature Space 选择叠加规则（ Overlay Rule ） ： Parametric Rule选择未分类规则（Unclassified Rule ） ： Parametric Ru1e 选择参数规则
8、（Parametric Rule） ：Maximum Likelihood 选择 像元 总 数作为 评价输 出统计 ：Pixel CountsOK （关 闭Contingency Matrix对话框，计算分类误差矩阵。第三步：类别的分离性Signature Editor对话框：选定某一或者某几个类别Evaluate 一Separability 打开 Signature Separability对话框确定组合数据层数（Layers Per Combination ）：3选择计算距离的方法（ Distance Measure ）： Transformed Divergence确定输出数据格式（ou
9、tput Form）： ASC确 0KClose. 定统计结果报告方式（ Report Type ）：Summary Report 计算分类误差矩阵，结果（如右图）所示：分析：从误差矩阵中可以看到在124个应该属于河流类别的像元中有0个属于了建筑用地，有0个属于植被，因此这个结果是令人满意的。从百分比来说，误差矩阵值大于85% ，模板建立成功。分离性计算评价报告确定统计结果报告方式（ Report Type ）：（如下图）（3）执行监督分类 (Perform Supervised Classification) MainImage ClassificationClassification 菜单
10、 Supervised Classification 菜单项 Supervised Classification 对话框，需要确定下列参数：确定输入原始文件（Input Raster File ） 定义输出分类文件 （Classified File ） 确定分类模板文件（Input Signature File）选择输出分类距离文件：Distance File（用于分类结果进行阈值处理）定义分类距离文件 （Filename） ： distance.img选择非参数规则 (Non_parametric Rule):Feature Space选择叠加规则 (Overlay Rule):Parame
11、tric Rule选择未分类规则(Unclassified Rule):Parametric Rule选择参数规则(Parametric Rule):Maximum Likelihood不选择 Classify zeros（分类过程中是否包括 0值） OK （执行监督分类，关闭supervised Classification对话框），得到的其中一个图像为：定义输出分类文件和分类距离文件（如下图）（4）评价分类结果 (Evaluate classification) 执行了监督分类之后，需要对分类效果进行评价，ERDAS 系统提供了多种分类评价方法，包括分类叠加 (classification
12、 overlay )、定义阈值 (thresholding)、分类编码 (recode classes) 、精度评估 (accuracy assessment)等。具体方法参照本文档第5-10 页精度评估和分类后处理方法。（1）分类精度评估分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空相片或其它数据进行对比的途径之一。下面是具体的操作过程：产生随机点（如右图）：显示随机点及其类别（如右图）：（2）设置分类评价报告输出环境及输出分类评价报告a. 分类后精度评定的混淆矩阵和精度计算结果，Accuracy Report
13、 （产生分类精度报告）（如右图）b.报告有关产生随机点的设置及窗口环境（Cell Report）（如右图）（5）分类后处理聚类统计 (Clump) ，具体操作：ERDAS 图标面板菜单条：MainImage InterpreterGIS Analysis Clump Clump对话框或ERDAS 图标面板工具条：点击Interpreter图标 GIS Analysis ClumpClump对话框 Clump对话框中，需要确定下列参数：确定输入文件（Input File）定义输出文件（Output File） 文件坐标类型（Coordinate Type）： Map 处理范围确定（Subset
14、Definition）： ULX/Y, LRX/Y （缺省状态为整个图像范围，可以应用 Inquire Box定义子区）确定聚类统计邻域大小（Connect Neighbors ）:8 （统计分析将对每个像元四周的8个相邻像元进行）OK （关闭 Clump对话框，执行聚类统计分析）过滤分析（ Sieve ）具体操作：ERDAS 图标面板菜单条：Main lmage Interpreter GIS Analysis Sieve sieve 对话框或 ERDAS 图标面板工具条：点击Interpreter图标 GIS Analysis Sieve sieve 对话框在 Sieve 对话框中，需确定
15、下列参数：确定输入文件（Input File） 定义输出文件（Output File） 文件坐标类型 (Coordinate Type):Map 处理范围确定 (Subset Definition):ULX/Y, LRX/Y (缺省状态为整个图像范围，可以应用Inquire Box定义子区 ) 确定最小图斑大小（Minimum Size ）： 16 pixels OK （关闭 sieve 对话框，执行过滤分析）去除分析（ Eliminate ）具体操作：ERDAS 图标面板菜单条：MainImage Interpreter GIS Analysis Eliminate Eliminate对话框
16、或 ERDAS 图标面板工具条：点击Interpreter 图标 GIS Analysis Eliminate Eliminate对话框在 Eliminate对话框中，需要确定下列参数：确定输入文件（Input File） 定义输出文件（Output File）文件坐标类型（Coordinate Type）： Map 处理范围确定（Subset Definition）： ULX/Y, LRX/Y （缺省状态为整个图像范围，可以应用Inquire Box定义子区）确定最小图斑大小（Minimum）： 16 pixels 确定输出数据类型（Output ）： Unsigned 4 Bit OK(关闭 Eliminate对话框，执行去除分析) 结果图：三、实验小结1、实验中出现过的问题（或错误）、原因分析（1）问题：实验结果存在较大误差，理论结果和实际结果不太符合
