遥感技术应用综合实习报告(共80页).doc

精选优质文档-倾情为你奉上遥感技术应用综合实习报告目录第一部分 地物的光谱反射率采集与处理一、实习时间11年12月21日二、实习地点主楼前三、实习目的1. 学习地物光谱的测定方法；2. 认识常见地物光谱反射率的规律；3. 学习绘制地物反射光谱曲线。通过野外测定地物光谱反射率，认识不同地物的反射光谱特性及其变化规律四、实习工具，记录表格，白板五、实验内容1、利用野外光谱仪采集水、土壤、植物、建筑材料等地物光谱数据，输出并整理数据。2、绘制不同地物光谱曲线，并运用导数、植被指数、红边、绿峰等方法处理并分析各地物光谱特征。六、具体实验步骤1、 首先确定需要测定的地物类型，任何不同地物都具有各自不同的光谱特性，都可以作为测定目标。如：草地、灌木、乔木、水泥地、大理石地、水体等，植物还可以分为健康与不健康的，叶片还可以是成熟叶、嫩叶、枯叶、红色叶、工，黄色叶、枯叶、树枝等等，水体也可以分为无污染与有污染的。2、 确定测量时是采用顺光、逆光或顶光，然后放置标准板，标准板的位置应该与地物的位置一致。3、测量条件：Ø 室内测定：植物叶片：叶片被采下，立即带回室内进行测量。土壤：干燥的各类型土壤，装在玻璃皿备用。Ø 室外测定：选择晴朗无云，风力较小，视场范围内太阳直接照射，当地时间10：30-14：00间进行测定。4、纪录测量目标基本信息及环境参数对测量目标进行详细的描述，对测量环境条件进行详细描述。例如：对植物来说，应记录植物的生长季节、生长状况、管理措施等。做观测笔记，包括天气状况（日光情况、云量、能见度等），地表状况（阴影程度、开阔程度、周围物体等），观测和记录人员的姓名等。5、安装仪器并观测地物反射波谱（1）仪器准备：完成光谱仪、计算机之间的接线，检查各种插头和各设备间是否正确连线，电源供电是否正常，试验仪器运转是否正常。打开参考板盒盖，检查是否水平。完成光谱仪的观测时间设置和其他有关设置（文件保存目录、文件名等）（2）测量步骤：室内：光源照向参考板（白板）进行优化（optimization）；室外：记录开始观测的时间，将野外光谱仪的进光孔垂直向下，测量反射参考板不遮阴反射辐亮度，测量暗电流； 测量目标反射率； 记录结束的时间。（3） 要求每种地物记录观测值5次。七、观测结果1、反射波谱曲线的绘制以波长为横轴，反射率为纵轴，地物反射率观测值取平均值，画出非绿色植物和绿色植物的光谱反射曲线。如下图：2、光谱特征参数计算2.1 光谱微分 光谱微分技术就是通过对反射光谱进行数学模拟，计算不同阶数的微分值，以提取不同的光谱参数。应用光谱微分技术能够部分消除大气效应、植被环境背景（阴影、土壤等）的影响，以反映植物的本质特征。 光谱微分公式（以二阶为例）为：式中，为 波长，为波长 处的一阶微分光谱， 为相邻两波段间的波长间隔。 2.2 光谱积分 光谱积分就是求光谱曲线在某一波长范围内的下覆面积。2.3 求红边面积 根据一阶导数光谱，求取红边面积，计算680nm-780nm一阶导数光谱曲线与坐标轴之间包含的面积。2.4 植被常用光谱特征参数特征参数表定义定义与描述Rg绿峰反射率：波长510-580nm范围内最大的波段反射率绿峰位置，Rg对应的波长位置（nm）Ro红谷反射率，波长640-700nm范围内最小的波段反射率Dr红边680-780nm内一阶微分光谱中的最大值红边位置：Dr对应的波长位置（nm）PRI(R570-R531) / (R570+R531)VOG2(R734-R747) / (R715+R726)VOG3(R734-R747) / (R715+R720)Rg/Ro绿峰反射率（Rg）与红谷反射率（Ro）的比值（Rg-Ro）/(Rg+Ro)绿峰反射率（Rg）与红谷反射率（Ro）的归一化值计算后表柏树草乐昌含笑(新)乐昌含笑(黄)乐昌含笑(枯)雷竹松(新)松(黄)松(枯)红边面积0.46 0.53 0.42 0.32 0.19 0.32 0.44 0.48 0.14 绿峰反射率Rg0.14 0.22 0.11 0.24 0.09 0.10 0.16 0.23 0.19 绿峰位置g545544546552580543546546580红谷反射率Ro0.05 0.08 0.04 0.09 0.14 0.06 0.06 0.07 0.28 红边0.01 0.01 0.01 0.02 0.00 0.01 0.01 0.02 0.00 红边位置705692698684680709695691680PRI-0.12 -0.10 -0.10 0.01 0.28 -0.11 -0.08 -0.06 0.11 VOG2-0.03 -0.03 -0.03 -0.01 -0.04 -0.04 -0.02 -0.01 -0.02 VOG3-0.03 -0.03 -0.03 -0.01 -0.04 -0.04 -0.02 -0.01 -0.02 Rg/Ro2.66 2.67 2.60 2.60 0.59 1.69 2.62 3.19 0.69 (Rg-Ro)/(Rg+Ro)0.45 0.46 0.45 0.44 -0.26 0.26 0.45 0.52 -0.18 叶绿素2.53 55.21 35.77 3.53 6.43 12.17 16.03 3.37 2.00 八、结果分析1、对多个地物的反射光谱曲线特征比较分析例如：如图，总体上，水泥地和裸地随光谱的升高几乎不变甚至有下降的趋势，变化幅度不大；其他四种地物总体上还是呈现上升的趋势。细节上，水泥地在光谱675nm和850处各有一个高峰，而在575nm处又一个明显的低谷；灌木在400nm675nm范围内光谱曲线变化不大，在675nm处开始陡然上升；草地也是400nm675nm范围内光谱曲线变化不大，在675nm处开始陡然上升，并且灌木草地都在850nm达到最高峰时又开始陡然下降；针叶与草地的变化趋势十分相似，不同的是光谱反射率总比草地要低。2、光谱特征参数分析2.1 值被的反射波谱特征1）不同种类的植物具有相似的反射波谱曲线2）可见光区域，由于叶绿素的强烈吸收，植物的反射、透射率均低，仅在0.55附近有一个10%20%的反射峰而呈绿色。3）近红外区域，在0.7-1.3之间形成5060%的反射法，由于不同种植物的叶内细胞结构差异大，不同种植物的反射率在该波段具有最大的差值，故是区分植物种类的最低波段。4）1.45、1.95、2.7为中心的三个吸收带为水吸收带，高斯曼发现，还三人吸收带之间的两个反射峰（1.65及2.2）上，各值与费多汁植物反射率差别非常明显。2.2 土壤的反射波谱特征1） 反射率：与土壤之地、有机质含量、氧化含量和含水量及盐分等因素有关：粉沙>砂土>腐殖质2） 反射光谱曲线由可见光到红外呈舒缓向上的缓倾延 第二部分 遥感影象判读与制图一、实习时间（1）实地考察：12月21日；（2）遥感影象判读与制图：12月2228日。二、实习地点（1）实地考察：浙江农林大学东湖校区以及周围后山。（2）遥感影象判读与制图：学院机房。三、实习目的和要求通过本次实习掌握遥感图像目视判读的方法和步骤（判读标志、判读方法、判读步骤、转绘方法）；理解水体判读（地貌、河流、湖泊）、地貌判读（地形形态、流水地貌）、植被和土壤判读、居民地和道路判读等地理要素目视分析的一般方法。通过本次实习要求同学们学会判读一个地区的土地利用现状，并利用相关软件绘制土地利用专题地图。四、实习材料和工具浙江农林大学东湖校区及周围区域遥感图像TM和SPOT、ERDAS IMAGINE、ArcGIS软件。五、实习内容1、实地考察12月23日实地考察。提示：考察过程与感悟要求：写出TM和SPOT图像上各种地物的目视判读标志，2、室内制图12月2529日室内制图。提示：利用ERDAS IMAGINE或ArcGIS，通过目视判读，采用跟踪矢量化方法，绘制土地利用专题地图。3、专题地图的制作 提示：把数字化工作完成的图导成.shp格式，然后利用ArcGIS 软件进行专题地图的制作。双击图左边的属性框对不同地物进行进行分级填色。最后的过程就是出图，设定图例，指北针，以及地图的名称，制图时间和制图人等地图信息。要求：写出专题题图制作过程，并打印专题图。第三部分 图像预处理一、原始数据导入ERDAS IMAGE软件、查看头文件，了解数据的详细信息。传感器：TM图像获取时间：2007/03/29 02:26:10轨道号： D 坐标：N30.32 / E119.88 格式：BSQ行数、列数：numLines = 5733L;numPixels = 6794L;单元格大小：pixelSpacing = 3.0000e+01;lineSpacing = 3.0000e+01;、数据格式转换。二、图像裁减将图像裁减成与研究区范围一致，点击Utility->Inquire Box 参照spot影像，框选需要的地图区域，适当进行调整： 选择DataPrep按钮，点击SubsetImage，选择要裁剪的原图，以及输出的路径，点击FromInquireBox，即从上面的图中所选的坐标范围选取坐标。选择OK。 裁剪后的图像如图所示：三、几何校正1、显示图像 在ERDAS图标面板中单击Viewer图标，打开两个窗口（Viewer#1、Viewer#2），在Viewer1中打开一幅需要纠正的遥感图像（tmla.img），在Viewer2中打开另一幅供选择地面控制点坐标的地理参考图像（spotla.img）。将两个窗口平铺放置。2、调用几何纠正模型在Viewer1菜单中选择Raster | Geometric Correction ，出现如下对话框：图：SET GEOMETRIC MODEL 对话框该对话框供选择遥感图像纠正模型。对于TM图像，选择多项式模型Polynomial，然后点OK。显示几何纠正工具，同时显示多项式属性对话框。（如果在ERDAS的图标面板菜单条或图标面板工具条启动，则系统提示确定需要纠正的图像）。 该窗口显示几何纠正由三个模块组成：设置多项式纠正模型参数，启动控制点工具以及灰度重采样。先显示的是多项式纠正模型参数对话框。图：选择多项式次数对话框Polynomial Order 表示多项式纠正采用的次数，一般选择2次多项式。在Projection标签页下单击Add/Change Projection按钮，按如下图设置投影： 图：设置投影点击OK，关闭多项式属性对话框。出现地面控制点（GCP）工具参考设置对话框：图：控制点（GCP）工具参考设置对话框该对话框表示选择控制点的途径。本次纠正是在显示的图像里选择GCP，故选择Existing Viewer，点击OK，对话框关闭后出现：选择参考图像提示框3、启动GCP TOOL图： 几何纠正时呈现的所有图框屏幕显示如图2.10，包括两个放大的视窗Viewer3，Viewer4，分别是两个主视窗Viewer1，Viewer2中两个关联方框的放大框。以及GCP TOOL：包含菜单和工具图标，图标下面显示两幅图像坐标数据，开始选取控制点。连接框对应的放大框。4、控制点的选择控制点的选择是几何纠正的关键。步骤如下：4.1 VIEWER1中选择明显点 移动连接框，寻找明显地物点如道路交叉点，在GCP TOOL中点击，进入GCP选择状态，光标显示为十字，表示可以选择同名点，在Viewer3中明显点上点左键，在GCP 数据记录表中显示该点的图像坐标。4.2 在VIEWER2中的选择同名点 在Viewer2中移动连接框，到与Viewer3中对应的同名点位置，在GCP TOOL中点击，在Viewer4中明显点上点左键，系统在GCP 数据记录表中自动显示该点的地面坐标。在主窗口和放大窗口中系统会显示GCP #1，表示选择的第一对同名点，其颜色可以在GCP TOOL中重新设定。此时GCP TOOL显示为：XInput: 图像坐标XRef: 地面坐标Point#: 点号Color: 显示的颜色VIEWER1、VIEWER2同名点控制点的选择根据多项式纠正的要求，同名点对至少要在7对以上，重复1，2两个步骤，直到选择的控制点数满足纠正的数量要求。当选择了六对同名点后，第七个及以上同名点的选择：只需在Viewer1中选择一个明显点，其同名点会在Viewer1中自动显示，如果位置有误差，可以用鼠标左键调整点位，确保选择的是同名点。系统自动计算得到单点误差和其贡献。此时在GCP TOOL中显示的内容有： 同名点点号Point ID# ：共选择8个，点号为1-8；颜色Color：GCP在窗口中显示的颜色，这里用红色；图像坐标X input ：Y input，指需要纠正的图像的像点坐标；对应的同名点地面坐标X Ref. ，Y Ref.；同名点类型Type ：控制点Control；模型计算后地面控制点的残差X Residual ，Y Residual；每个地面点中误差RMS Error；每个点的贡献Contrib，及匹配程度Match。当控制点数量超过7个时，点击，后面四项由模型自动计算得到。全部控制点平差后的精度显示在右上角，只有当Total小于一个像元时，才满足纠正精度要求，继续后面的重采样。图:控制点的的总体误差4.3 检查点采集：检查点的选取是为了验证控制点的精度.首先设置点的类型为Check，Edit/Set Point Type/Check，然后按照前面选择控制点的方法选择检查点。选四个控制点，点击，在相应的栏内显示检查点的残差（图2.15、2.16）：其精度在一个像素之内，所以原先选择的8个控制点的精度满足要求。4.4 计算变换参数显示多项式中A,B的值一般在选择好控制点后系统自动计算变换参数。或者在多项式纠正模型参数对话框选择Transformation。显示多项式中a,b的值（图）。至此就完成了多项式纠正的参数计算部分。退出该模块时，系统会提示对有关文件做好保存。4.5 灰度重采样几何纠正工具（Geo Correction Tools）几何纠正工具图标框选择灰度重采样模块，出现重采样对话框（图2.19），输入纠正后的文件名。重采样对话框在对话框里（Output File）输入纠正以后的图像文件名，该对话框显示了输出图像的大小行数（Number rows）列数(Number Columns)，输出图像左上角的地面坐标(LUX,ULY)以及右下角的地面坐标(LRX,LRY)。输出像元的地面大小(Output Cell Sizes)，确定参数后点击OK，出现重采样的状态条。当Percent Down为100%时，说明重采样已经完成。5、实验结果分析在计算参数时已经利用检查点做了验证，现将纠正后的TM图像与作为参考图像的SPOT图像关联起来，通过人工比较来验证结果。在两个窗口中分别打开SPOT 和TM图像（图2.13）。已校正的TM 然后点击鼠标右键，弹出菜单：GEO. LINK/UNLINK选择Geo. Link/unlink，表示连接两幅图像。GEO. LINK/UNLINK提示框提示在要连接的窗口中点击鼠标，将两个窗口关联起来。点击视窗按扭条中的+，移动光标检查两边的位置是否对应。如果两边对应，说明纠正图像满足要求。对纠正可能出现的结果要能正确分析。如果总体精度不能满足纠正要求，其原因可能有：（i） 多项式次数不能满足纠正要求；（ii） 控制点选择不符合要求：分布不均匀，或者选点精度不符合要求，甚至选错；（iii） 地形起伏引起的投影差超限；（iv） 参考坐标精度有问题；（v） 模型有问题，需要用共线方程纠正。四、辐射校正1. 大气校正1.1 辐射定标： 执行这个编辑好的模型，执行后打开矫正后的图像，点击，选择，在图像中选点，并打开原图选点，比较两张图的定标前 定标后1.2 计算呈辐射：首先，点击Raster->Attributes在打开的对话框中统计出6个波段每个的到达1000像元以上的最小灰度值。 GDnminBEcospilp1.268862-0.0119570.3.73.552842.9812623-0.023218260.3.63.784591.7618619-0.007815540.3.29.415582.8177114-0.019310360.3.36.727330.6527710-0.0082150.3.5.95910.443755-0.00480.670.3.2.计算图像的表面反射率，在函数的图像中输入公式：。定义输入的图片路径：输出图像路径： 改变Y轴的显示的范围，以及数值显示格式:打开校正后的图像，查看他的图形变化的折线图的变化趋势。大气矫正后的图像与定标后的图像进行对比：原图 大气校正后的图像五、图像增强1. 光谱增强1.1 主成份变换1、点击ERDAS 图标面板菜单条：Main Image Interporeter Spectral Enhancement Principial Comp Pincipal Components对话框。输入Input File 为C:遥感实习输出principle.img2、输入Output File 为C:遥感实习输出jiaozheng_dos.img3、Output Data Type为Unsigned 8 bit；4、选中Stretch to Unsigned 8 bit（新坐标系中主成分的数值分布范围为0-255的正整数）；Output Data Type 自动设置为Unsigned 8 bit；5、选中Coordinate Type（坐标类型）为File；6、选中Ignore Zero In Stats；7、选中Eigen Matrix 的Write to File（将特征矩阵写到文件）；8、将subset1.mtx保存到C:遥感实习输出；9、选中Eigenvalues 的Write to File（将特征值写到文件）；10、将subset1.tbl保存到C:遥感实习输出；11、选择Nember of Components Desired 为3（我们用前3个主成分生成一幅假彩色图像，保存在principal3_256.Img文件中）；12、单击OK。PRINCIPAL COMPONENT对话框主成份变换后图像1.1.1 主成分变换分析通过“我的电脑”进入到C:遥感实习输出。以写字板方式打开subset1.mtx文件，浏览变换矩阵。以写字板方式打开subset1. tbl文件，浏览特征值；共有6特征值，因为原图像是6的（6波段）。注意特征值的大小，从上到下逐个变小，从大到小依次称为第1特征值、第2特征值，与第1主成分、第2主成分对应。特征值的数值大小代表了该主成分的信息多少，一般用该特征值与所有特征值的比值作为该特征向量的信息占有量。1：0.2：0.3：0.4：8.6295e-0055：5.0442e-0056：4.1979e-006第1主成分所占的信息 0./ 0.=90.40%第1、2主成分所占的信息 （0.+0.00068）/0.=95.31%第1、2、3主成分所占的信息 （0.+0.00068+0.）/0.=98.98%可见前3个主成分的信息占了原图像信息的绝大部分。1.2 缨穗变换选择Interpreter>Spectral Enhancement>Tasseled Cap在Input File 中导入文件名为lanier.img的图像，输出文件名为tasseled.img，保存在自己的文件夹中： 效果图如下：原图 樱帽变换后图1.3 色彩变换选择Interpreter>Spectral Enhancement>RGB to HIS在Input File 中导入文件名为dmtm.img的图像，输出文件名为dtmrgb.img，保存在自己的文件夹中，效果图如下：原图 色彩变换后图2. 辐射增强2.1 对比度增强新建一个Viewer，打开 germtm.imgraster>tools选择工具栏显示工具栏，如下：均衡化前图要显示直方图均衡化的效果，在工具栏中点击图标，显示直方图均衡化后的图像：直方图均衡化后图2.2 去阴霾（薄雾）处理选择Interpreter>Radiometic Enhancement>Haze Reduction缨帽变换去除后的的效果图和原图的对比如下：原图 去除阴霾后图3. 空间增强3.1 卷积运算Interpreter>Spatial Enhancement>Convolution 在Input File 中导入文件名为jiaozheng.img的图像，输出文件名为convolution.img，保存在自己的文件夹中，然后在Kemel中选择一项。下面以选择3*3Vertical为例：原图 卷积后图4. 频率增强4.1 傅立叶变换单击Interpreter->Fourier Analysis(傅立叶分析)1. 对图像做傅立叶变化选择Fourier Transform在弹出的窗口中InputFile选择example文件夹下的tm_1.img,OutputFile设定为D:tmband1_fft.fft,Select Layers设定值为1，表示只对第一波段进行傅立叶变换。单击OK执行变换（该变换包括频率分布图的平移）。2. 对图像进行滤波处理在Fourler Analysis对话框中选择Fourier Transform Editor工具，可以对频域图像进行滤波处理。在弹出的窗口中单击打开刚刚执行傅立叶变换后的频域图D:tmband1_fft.fft。 选择工具，单击频域中心，画出一个圆相切与两边两条亮线，在用楔形选择工具抠掉中心水平方向和垂直方向的亮线，结果如下图。单击保存按钮保存掩膜，然后点击右上角按钮，做傅立叶逆变换。输出文件D:lonpassband1.img。单击OK执行傅立叶逆变换。打开一个View，用以打开经过滤波后的图像。同时打开原图，选择Raster->BandCombinations选项，在Set Layer Combinations对话框中选择RGB全显示第一波段对比变换前和变换后的图像，可以发现图像的条文明显被去除了（即消除了高频噪声，保留了低频的信号），使得图像的目视效果改善。原图 傅立叶变换后图（低通）如果是高通滤波，结果如下，可见图中高频噪声（条文）被保留，凸显出来。而其它信息（低频）则比较模糊，或不可见。 原图 傅立叶变换后图（高通）第四部分 图像分类与制图一、实验目的1、学习遥感图像目视判读和计算机分类进行专题信息提取的方法并熟悉过程。2、制作遥感专题图。二、实验内容目视判读与计算机分类相结合，对浙江林学院范围的SPOT或锦城镇范围的TM图像进行土地利用分类，并绘制土地利用专题地图。三、材料和工具浙江林学院范围的SPOT、锦城镇范围的TM图像遥感图像。装有遥感图像处理软件ERDAS IMAGINE的电脑。四、实验步骤1、土地利用分类方案序号类别备注1耕地种植农作物的土地。包括新开荒地、休闲地、轮歇地、草田轮植地；以种植农作物为主间有零星果树、桑树或其它树木的土地；耕种三年以上的滩地和海涂。耕地中包括南方宽1.0m，北方宽2.0m的沟渠、路、田埂。2园地种植以采集果、汁、根茎等为主的集约经营的多年生木本和草本作物，覆盖度50%，或每亩株数大于合理株数70%的土地，包括果树苗圃等用地。3林地生长乔木、竹类、灌木、沿海红树林等林木的土地。不包括居民绿化用地，以及铁路、公路、河流、沟渠的护路、护岸林。4居民地及工矿用地指城乡居民点、独立居民点以及居民点以外工矿、国防、名胜古迹等企事业单位用地、包括其内部交通、绿化用地。5交通用地居民点以外的各种道路及其附属设施和民用机场用地，包括护路林。6水域指陆地水域和水利设施用地，不包括滞洪区和垦殖三年以上的滩地、海涂中的耕地、林地、居民点、道路等。7未利用地未利用土地，目前还未被利用的土地，包括难利用的土地。2、土地利用分类ISDATA非监督分类或最大似然法监督分类（参考遥感导论实验指导书的实验七）2.1 非监督分类非监督分类（Unsupervised Classification）不需要先验知识，不需要学习样本，只根据光谱特性（有时也可结合纹理特性等其它特性）进行分类。本次实验采用的是ISODATA方法（Iterative Self-Organizing Data Analysis Technique Algorithm 迭代自组织数据分析算法），它是非监督分类方法中的一个常用算法。首先确定图像分类情况,大致可将图像分为河流、海洋、湿地、森林(成熟林,次生林,幼苗)、草(高尔夫球场)、裸露地表(建筑物)、高速公路、建筑用地等八类。打开软件，点击图标，出现如图：点击Unsupervised Classification按钮，输入文件(Input File) 为tm_.img（被分类的图像），输出文件(Output File) 如图：确定初始分类数(Number of Classes)为8，单击OK按钮，关闭对话框，执行无监督分类。同一窗口中显示原始图像和分类图像，在view中选择arrange layer，调整两张图像的显示顺序。单击形似榔头的图标，打开Raster工具面板，单击工具面板上形似表格的图标，打开Raster Attribute Editor窗口，单击Edit|Column Properties，打开Column Properties对话框，选中一个字段，通过Up、Down、Top、Bottom按钮可以移动该字段；将Class_Names（字段名）、Histogram（直方图，像素数）、 Opacity（不透明性）和Color等4个字段依次排在前面，调整字段显示宽度（通过改变Display Width数值实现）。单击OK。设置不透明度。将要分析的一个类的的值设置为，则该类为不透明；将其余的设置为，即设置为透明。这时图像只闪烁要分析的这个类。将第一个分类设置为蓝色，透明度为1，其余均为零，利用图像闪烁，根据对地物的先验知识或熟悉的地物表现，通过分析推断确定该类的属性，重复上诉步骤，直到所有分类全部结束。如图：精度评价1.打开分类结果（img）2. Classifier > Accuracy Assessment3. Accuracy Assessment窗口中，open > 选择分类结果（img）4. View > select viewr 选择打开的影像（img）的窗口5. Edit > create /add random point 设置Number of points (生成多少个随机点)，select classes，可以选择只在某些类中生成随机点6. Edit >Show Class Values7. View > Show All8. 在Reference 列中输入该点的参考类别号9. Report > Accuracy Report该报告中有生产者精度，用户精度，总体精度，Kappa等数值。精度评价该报告中有生产者精度，用户精度，总体精度，Kappa等数值如下：CLASSIFICATION ACCURACY ASSESSMENT REPORTImage File : c:/遥感实习/输出/非监督分类/unsupervised2.imgUser Name : chrisDate : Tue Dec 27 19:59:26 2011ERROR MATRIXReference DataClassified Data 0 水体 竹林 空地 0 0 0 0 0 水体 0 1 0 0 竹林 0 1 3 0 空地 0 0 0 2 树林 0 0 0 0 林木 0 0 0 0 湿地 0 0 0 0 林地 0 0 0 0 道路 0 0 0 0 林地 0 0 0 0 林木 0 0 0 0 裸地 0 0 0 0 林木 0 0 0 0 山间空地 0 0 0 0 草地 0 0 0 0 未利用地 0 0 0 0 道路 0 0 0 0 小路 0 0 0 0 林地 0 0 0 0 小路 0 0 0 0 建筑物 0 0 0 0Column Total 0 2 3 2Reference DataClassified Data 树林 林木 湿地 林地 0 0 0 0 0 水体 0 0 0 0 竹林 0 0 0 0 空地 0 0 0 0 树林 1 0 0 0 林木 1 0 0 0 湿地 0 0 3 0 林地 0 0 0 2 道路 0