遥感应用模型 遥感反演 土地变化检测(15页).doc

-遥感应用模型 遥感反演 土地变化检测-第 14 页遥感应用模型实习报告学 院：班 级： 学 号：姓 名：日 期：指导老师：Part1大冶研究区土地使用情况分析1. 监督分类最大似然法2009年影像分类结果：分了4类：建筑，水体，裸地，植被2010年影像分类结果：（1）先提取2009年和2010年分类图的建筑用地：2009年 2010年（2）变化检测（叠加分析）Chang=2010-2009变化图层Chang与建设用地红线进行查询：批而未用 : 用而未尽 ：正规使用：越界开发 ： 未批先用将变化矢量图与2010年影像叠加显示：Part2：遥感反演与建模将ENVI_HJ1A1B_Tools.sav补丁放在ITTIDLIDL80productsenvi48save_add目录下。主菜单->File->Open External File->HJ-1A/1B Tools，打开环境卫星数据处理补丁后，选择CCD，Input path选择环境卫星数据文件夹，点Search，设置输出路径，勾选“Calibration”“Layer Stacking”，点Apply，如下图：由于整景影像范围太大了，进行几何校正之前，裁剪出我们需要的太湖及其周边区域。1.打开上一步处理好的数据：2. 完成太湖及其周边区域的裁剪主菜单->File->Save File As->ENVI Standard，弹出New File Builder面板，单击Import File，弹出 Create New File Input File面板，选中Select Input File面板中的数据，单击Spatial Subset，弹出Select Spatial Subset面板，单击image弹出Subset by Image对话框，在其中裁剪出太湖及其周边区域，在几个对话框中单击ok，在New File Builder面板中，单击choose，设置保存路径，输出文件名HJ1B-CCD1-Cal-sub.img (1)打开基准影像，选择Map-> Registration ->Automatic Registration：Image to Image，选择基准影像的波段4作为匹配波段(2)选择被配准影像，选择band4作为匹配波段，在提示是否手动选择同名点时，选择否后，弹出Automatic Registration Parameters面板(3)在Automatic Registration Parameters面板中，设置下图参数单击ok执行基于像元值自动寻找同名点。对于RMS高的点直接删除，水域中的点由于没有固定参考物都删掉，湖岸线的点RMS高的点可以直接删掉，或者在两个影像的ZOOM窗口上将十字光标定位到正确位置，再点击Update进行微调，在缺少控制点的地方手动添加一些控制点。调整控制点，直到总的RMS小于1时，完成控制点的选择，点击Ground Control Points Selection上的File->Save GCPs to ASCII，保存控制点。(4)在Ground Control Points Selection面板上，选择Options->Warp File（As ImageMap）选择校正文件。在校正参数面板中，投影参数默认。在X和Y的像元大小输入30，按回车，图像输出大小自动更改。选择输出路径和文件名，点击ok进行Image Registration。(5)打开基准影像和校正影像，在显示校正后影像的窗口中，右键选择 Geographic Link命令，选择显示图像的两个窗口，打开十字光标查看校正结果。环境小卫星提供了波谱响应函数，以文本形式提供第一列表示波长（nm），后面4列分别表示4个波段对应波长的波谱响应函值。为了做大气校正，需要制作波谱曲线来描述波谱响应函数，用于大气校正（波谱响应函数与CCD型号相对应）（1）制作波谱响应函数主菜单Window->Start New Plot Window，打开ENVI Plot Window面板，选择File->Input Data->ASCII，导入681_HJ1BCCD1文本文件，波长单位选择Nanometers，单击ok。在绘制窗口出现了4条曲线，选择Edit->Data Parameters，编辑每条线的名称为b1，b2，b3，b4，便于区别选择File->Save Plot As->Spectral Library，在Output Plots to Spectral Library窗口中，单击Select All Items，单击ok。在Output Spectral Library面板中，选择输出路径和文件名“HJ1BCCD1光谱响应”，单击ok，将波谱曲线保存为波谱库文件。（2）FLASSH大气校正选择主菜单Basic Tools->Convert Data（BSQ 、BIL、 BIP ）选择校正后的影像，在Convert File Parameters中选择BIL,选择Convert In Place：yes，单击ok。 主菜单Spectral->FLAASH，打开FLAASH大气校正模块，点击Input Radiance Image，选择BIL格式的，在弹出的Radiance Scale Factors面板中，选择Use single scale factor for all bands，在此Single scale factor选择默认：10，单击ok。设置输出路径及文件名，传感器基本信息设置数据可以从数据头文件HJ1B-CCD1-451-76-20091006-L20000180174.XML中读取大气模型选MLS，气溶胶模型选Rural，气溶胶反演方法选None，能见度给40km单击Multispectral Setting按钮，在Filter Function File导入之前做好的光谱响应曲线“HJ1BCCD1光谱响应”，单击ok。单击Advanced Settingsa按钮，Tile Size 设置为100，点击ok。在大气校正模块中，单击apply，进行大气校正。校正完成后检查校正结果，分别加载校正前后的影像，将两幅影像进行地理链接，移动到植被区域，在影像上右键选择Z Profile打开光谱曲线窗口，显示两幅图像同一位置的光谱曲线。左边为大气校正前，右边为大气校正后：打开大气校正后的图像HJ1B-CCD1-20091006-Cal-sub-jz-dqjz.img，在image窗口中选择Overlay->Vectors，打开Vector Parameters窗口，选择File->Open Vector File，打开taihu_based.shp。选择正确的投影类型，弹出Available Vectors List面板，选择该矢量文件，点击Load Selected，选择显示图像的Display，点击ok，将矢量叠加在影像上。在Available Vectors List面板，选择File->Export Layers to ROI，在Select Data File to Associate with new ROI面板中选择影像，点击ok，在弹出的对话框中选择Convert all records of an EVF layer to one ROI，点击ok，将矢量转化为ROI；在图像窗口，选择Overlay->Region of Interest，打开ROI面板，选择File->Subset Data via ROIs，在Select Input File to Subset via ROI中，选择影像，单击ok；在Spatial Subset via ROI Parameters中选择太湖ROI，Mask pixels outside of ROI选择Yes；设置输出路径及文件名HJ1B-CCD1-20091006-Cal-sub-jz-dqjz，单击ok。2. 反演建模（1）获取采样星上数据使用Basic Tool->Bandmath，在Enter an expression下面输入表达式：float(b4)/b3，单击Add to List，单击ok，在Variables to Bands Pairings面板中选择第3、4波段对应b3、b4，设置输出路径和文件名“b4除b3”点击ok，计算得到比值图像；在display中显示比值图像，选择overlay->Region Of Interest，打开ROI Tool在ROI Tool 中，选择ROI_Type->Input Points from ASCII，选择文本格式的反演点.txt，x选择经度3，y选纬度2，These point comprise：Individual Points设置投影信息后，点击ok，将实地调查的点位信息加载到图像中。在ROI TOOL中，选择File->Output ROIs to ASCII。选择b4/b3的图像，在Output ROIs to ASCII Parameters面板中选择ROI点，单击Edit Output ASCII Form，在输出内容设置面板中，选择ID、经纬度（Geo Location）、波段像元值（Band Values）模型参数反演：叶绿素反演:Part3 QiuckBird数据融合后分类提取（1）多光谱影像重采样在MapGis中查看影像信息后，可知多光谱影像分辨率为2.4m，全色影像分辨率为0.6m，在进行影像融合前先对多光谱影像重采样，使其分辨率与全色影像的分辨率一样。重采样前：重采样后：（2）裁剪 由于整幅影像太大，处理起来计算机要允许很长时间，于是先对影像裁剪出光谷附近的部分区域。记录下裁剪后的多光谱影像的行列值，对高分辨率的全色影像做相同区域的裁剪：（3）影像融合对影像进行加权融合法融合 融合后影像：（4）影像融合精度评价2.监督分类(最大似然法)原始影像:选取AOI区：分类结果：精度评价:专题图:2.非监督分类(IsoData)分类结果：精度评价：面积统计：分类结果：精度评价：Part4总结本次实习主要分为三大部分，土地利用变化检测，叶绿素反演，分类。在这三块中主要用的的软件有MapGIS和ENVI4.5。在土地变化检测中，先对时相一和时相二的影像进行监督分类，提取出建筑用地，再进行叠加分析，得出建筑用地变化部分。与所得到的建筑用地红线进行比较，得到批而未用，用而未尽，越界开发，未批先用等违规现象。在这里面从影像里面提取建设用地的精度决定了最后结果的精度。主要锻炼了我们做监督分类，地图编辑器的使用。实践了使用遥感的方式做土地利用变化的方法。在叶绿素的反演建模中，按照实习指导书上的操作，就可以进行叶绿素的反演，其实在这个过程中，操作不难，主要是经过这个过程，就可以熟悉反演这个过程。在第三部分的分类，主要是面向对象的分类。面向对象的分类，就主要分两大部分，发现对象和对象的提取。做完这个分类以后，就觉得这种分类对于高分结果比较好，但是对于低分的分类结果就不清楚了，有待验证。在对高分辨率影像进行分类的时候，面向对象方式的分类方法是精度最高的，对于像城区这样有复杂和密集地物的分类有很好的效果。在进行了以上三个部分的操作之后，对于ENVI和MapGIS的一些基本操作更加熟悉，对于使用影像处理的一些简单操作也更加熟悉，对于遥感反演建模这个过程也更加熟悉，对用土地利用变化这一实际的遥感应用有了更深的了解。最后，感谢老师的细心指导！