遥感基础实习.doc

《遥感基础实习.doc》由会员分享，可在线阅读，更多相关《遥感基础实习.doc（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流遥感基础实习.精品文档.遥感技术基础实习成果Worksheet: Lab 01: Introduction To ENVI （作业，要求每个题在必要的地方要截图，对结果仔细分析后回答问题）1. What are the roles of the three different windows for one image? （影像显示时，三个不同窗口的作用是什么？）分辨率不同，分辨率更高，图像跟详尽2. What is the projection of this image? what is the pixel spatial resolut

2、ion? （给定影像的投影方式是什么？空间分辨率是多少？）投影方式是transverse mercator，L5空间分辨率是25m3. Describe the TM image that you originally opened using the standard false color composition（标准假彩色合成） (in an RGB image, Band 4 （近红外波段）for channel R（红通道）, Band 3 （红波段）for channel G（绿通道）, Band 2 （绿波段）for channel B) （蓝通道）. （影像的彩色合成）a. W

3、hat color is the vegetation surrounding town? Why? （城区外围植被是什么颜色，为什么？）红色，因为植被在近红外波段最敏感，低吸收，高反射。近红外给了红波段，所以是红色。b. What color is the water body? Why? （水体是什么颜色，为什么？）黑色，因为水吸收所有的入射能量。反射率几乎为零4. Describe the TM image that you originally opened using another false color composition（另一种假彩色合成） (in an RGB image

4、, Band 5 for channel R, Band 4 for channel G, Band 3 for channel B). （影像的彩色合成）a. hat color is the vegetation surrounding town? Why? （城区外围植被是什么颜色，为什么？）绿色，band4主要是区分叶子的波段，band4给了G故叶子是绿的。b. What color is water body? Why? （水体是什么颜色，为什么？）黑色，因为水吸收所有的入射能量。反射率几乎为零5. What band and color combinations are requi

5、red to make the image look like what your eye would see (“true color”)? (如何合成一景真彩色影像？) a. What color is the vegetation surrounding town? Why? （城区外围植被是什么颜色，为什么？）绿色，叶子在可见光波段强烈吸收蓝光，红光，强烈反射绿光。绿色b. What color is water body? Why? （水体是什么颜色，为什么？）黑色，因为水吸收所有的入射能量。反射率几乎为零c. Please make a comparison of the vege

6、tation color, water body color based on the results from questions 3,4 and 5. （对3，4，5中植被、水体的颜色作一个对比. ）水体颜色没有变化。植被的颜色是：红，浅绿，绿6. Based on the Layer Information window provide the following information about the TM image file: （TM影像的相关信息）a. How many bands does the image have? （影像有几个波段？）7个b. What is the

7、 mean pixel value for Band 4? （第4个波段像素DN值的平均值是多少？）106.119806c. What is the minimum pixel value for Band 2? （第2个波段像素DN值的最小值是多少？）0d. What is the histogram for all bands like in this image? （显示该影像所有波段的直方图。）7. Link band 2 and band 6 based on geographical locations: （基于地理位置对波段2和波段6进行关联）a. What are the DN

8、 values of water body surrounding forbidden city in band 2 and band 6? (波段2和波段6中紫禁城外水体的DN值各是什么？)32、144b. What are the DN values of vegetation in Tiantan Park in band 2 and band 6? (波段2和波段6中天坛公园植被的DN值各是什么？)34、143Worksheet: Lab 2: Converting Radiance to Reflectance1. Draw a diagram showing the path of

9、 light from the sun to the earth, and the reflected path from the earth to the satellite. Label all of the places/processes in this diagram that affect how much light (radiance) is received at the satellite. （画一个草图来表示太阳光到地球并从地球反射到卫星的过程，并标明影响光线传输到卫星的每个过程的名称，可以用画图工具完成后插入到word中）2. Fill in the following

10、 table: Image FileData Type（数据类型）Band 3 Data Range（第三个波段的数值范围）Band 4 Data Range（第四个波段的数值范围）Original DN Value原始DN值整型0-2550-255Radiance (calculated)辐射率浮点型0.000000-264.0000000.000000-220.999985Reflectance (calculated)反射率浮点型0.000000-0.6487850.000000-0.8091363. What is the % reflectance in the Near Infra

11、red band of the pixels that occupies Row 727 and Column 5090, Row 2937 and Column 521? （using pixel locator to locate the position） （第727行、5090列和第2937行、521列像素在近红外波段的反射率各是多少？各像素分别为何地物？是否于其光谱曲线符合？）（提示利用image窗口中，tools下的pixel locator来确定像素的位置，注意列在前，行在后）0.039374 0.321701；水库、云；符合 不符合Worksheet: Lab 03: Expl

12、oring Digital Data1. Which bands do you assign to blue, green, and red primary colors, respectively, to display a true color image (what your eye would see)? （合成真彩色影像）When you assign band 6 to red, band 3 to green and band 2 to blue, what does vegetation look like in the resulting image? What does t

13、his tell you about vegetation reflectance? （6,3,2分别赋给R,G,B，合成影像，其植被的颜色是什么？）Draw a line from your ROI ascii file here for pixels of water, vegetation, building, road and bare soil respectively. 利用excel绘制水体、植被、建筑、道路和裸地的光谱曲线，插入到本题后。Does this reflectance curve resemble the shape of the typical vegetatio

14、n reflectance curve? （植被的光谱是否符合理论上所学的植被的光谱？）符合，在红外近红外效果明显2. Draw spectral profiles (just reproduce the general shape) below for vegetation, Tiananmen Square and water pixels from the TM image. For each, state whether you think the pixel is “pure” or do you think it contains a mixture of materials. E

15、xplain your answers. （利用ENVI工具制作植被、天安门广场和水体的光谱曲线。对于每一个曲线，请考虑其是纯像元还是混合像元，为什么？）水体，纯相元，在同一像素内部存在其他地物天安门，植被，混合相元，同一像素内有多种地物Try to cursor DN values for water body? Why are the values for water so consistently low? (在不同波段浏览水体处的DN值，与其他地物相比，为什么水体的DN值在各个波段都都很低)因为水体吸收所有光，反射率几乎为零3. Try to cursor DN values for

16、forest? Why is it that the forest values are relatively low in bands 1, 2 and 3, but abruptly increase in bands 4 and 5?（浏览林地的DN值，请回答为什么林地在1,2,3波段的DN值很低，在波段4,5的DN值却很高？）植被在红外波段和近红外波段即4、5波段反射能力较强，在可见光即1、2、3波段反射能力低Lab 4: Spatial, Spectral and Radiometric Resolution (空间、光谱和辐射分辨率)For each of the 3 images

17、, indicate with a checkmark in the table below which features you can resolve (see). (标出是否能够看清楚指定的特征，可以用清晰、模糊、分辨不出来形容)FeatureGeoeye (0.5m)Spot Image (2.5m)TM Image (30 m)Large area of water body （大面积的水域）清晰清晰清晰Building （建筑）清晰清晰模糊Road（道路）清晰清晰模糊Individual trees（树）清晰模糊模糊Cars in parking lot or running on

18、 road （车辆）清晰模糊模糊Can you see features that are narrower or smaller than the size of a pixel (e.g., is a road that is less than 30 m wide visible in the TM image?)? If so, why do you think this would be? （你能分辨出比实际像素小的特征地物么？（比如，在TM影像上，比30米窄的道路可以分辨出么？）为什么？）不可以，像素是指人看地图时可以分辨出的最小地物特征Based just on differen

19、ces in spatial resolution, what types of applications might each satellite (Geoeye, Spot, TM) be good for. （根据其分辨率的不同，每种卫星的数据可能用于那些方面？）GEO运用在军事，SPOT商用，TM民用Can you see the shape of the classic vegetation reflectance curve in the graph you created for the Geoeye data? What are the important characteri

20、stics of this curve at this spectral resolution? （根据Geoeye做出的植被的光谱曲线，你能看出植被的光谱曲线形状么？在这种光谱分辨率的曲线中，有何特性？）绿光波段反射较强其他波段均被吸收How about in the curve from the TM image? Can you see the shape of the typical vegetation spectrum? （TM数据的植被光谱怎么样？从中可以看出典型植被的光谱曲线么？）红色波段突出明显，可以看出典型植被光谱How about the curve from the A

21、STER data? Can you see the shape of the typical vegetation spectrum? （ASTER数据的植被光谱怎么样？从中可以看出典型植被的光谱曲线么？）红色波段突出明显，可以看出典型植被光谱Please answer the following questions based on the above information.1. 通过对影像进行快速统计，各影像的DN值范围是多少？为什么是这样的数值范围？TMasic Stats Min Max Mean Stdev Band 1 62 211 89.114275 11.611570 Ba

22、nd 2 27 145 47.915588 9.500303 Band 3 22 206 57.535595 15.327271 Band 4 9 161 62.872689 15.673028 Band 5 5 234 84.670673 25.601810 Band 6 0 143 42.802422 16.822339ASETRBasic Stats Min Max Mean Stdev Band 1 35.152000 164.944000 57.969769 10.352747 Band 2 17.700001 130.272003 39.928081 10.319889 Band

23、3 18.101999 106.888000 46.628289 9.169347 Band 4 16.378000 114.645996 52.243588 11.233229 Band 5 2.391400 14.565800 7.928982 1.597631 Band 6 0.974400 4.384800 2.296851 0.411869 Band 7 0.750000 5.062500 2.186530 0.465974 Band 8 0.656700 4.059600 1.947731 0.392481 Band 9 0.417000 3.294300 1.332940 0.2

24、99446 Band 10 0.445200 2.098800 0.895545 0.155120 Band 11 8.038176 10.495049 9.529442 0.436754 Band 12 8.536020 11.200560 10.253052 0.485500 Band 13 8.975580 11.690660 10.724726 0.501867 Band 14 9.273896 11.676343 10.817638 0.436340Band 15 8.945200 11.071774 10.288395GEOasic Stats Min Max Mean Stdev

25、 Band 1 0 255 66.877902 43.671345 Band 2 0 255 69.470139 42.512629 Band 3 0 255 63.283326 40.320125SPBasic Stats Min Max Mean Stdev Band 1 50 255 116.713195 33.110460 Band 2 59 255 125.301638 27.952234 Band 3 70 255 136.315921 31.100882. How many Landsat pixels are found in a square area that is 3 k

26、m on each side? （一个3公里*3公里的地面面积需要多少Landsat的像素才能扫描完全？（TM分辨率30m）10000个3. How many DNs would there be for the area above if the Landsat image has 6 bands?（如果TM有6个波段，上述面积需要多少个DN值）60000个4. If the Landsat sensor is an 8-bit sensor, how many bytes would be required to store the 6-band image on a hard drive

27、? （如果TM的辐射分辨率为8位，那么需要多少磁盘空间存储上面面积大小的6个波段的数据） 60000 bit 即 58.59KB5. If the Landsat sensor described above (30 m pixels; 6 bands; area 3 km on a side) were an 11-bit sensor, how many bytes would be required to store the image on a hard drive? （如果TM的辐射分辨率为11位，那么需要多少磁盘空间存储上面面积大小的6个波段的数据） 120000 bit 即 11

28、7.18KBWorksheetLab 5: Unsupervised Classification1. How does your 8-class unsupervised classification compare to your knowledge of what is really on the ground? (将分类结果与北京市的现实状况相比，结果如何？)差距相对较大， 2. Are there any types that are confused with one another in your 8-class classification? If so, why do you

29、 think they are confused? （在8类分类中，类别之间是否有混淆？为什么？）许多地物都有混淆，所含类别太少3. Did your 15-class classification solve any of the confusion seen in your 8-class classification? （分15类的结果是否解决了分8类结果的问题？）未能解决，尽管所包含地物更加详尽但还是不够详尽，同样有较多地物混淆4. If so, why do you think the 15 class classification did a better job? If they

30、 didnt, why not? （如果解决了或者是没有解决，为什么？）地物分类太少WorksheetLab 6: Supervised Classification1. How many classes do you classify? What are they? Are these classes spectrally different from one another? （你一共分了多少类，它们各是什么？各类别之间的光谱差异大么？）5类。裸地，植被，建筑，道路，水体；道路和建筑差别不大，其他相比较大2. w does your original supervised classifi

31、cation look? Did the classification do a good job of mapping land cover? Are their obvious areas of confusion? If so, what types are confused. （你第一次监督分类的结果如何？是否与现实的土地覆盖一致？类别之间有明显的混淆么？如果有，那些地物发生的相互混淆）道路和建筑发生了一定的混淆，但是结果要比非监督的好，3. How do the supervised and the unsupervised (from the week before last we

32、ek) classifications compare? （监督分类与大上周的非监督分类进行对比，结果如何？如果没有上次非监督分类的结果，可以马上做一个）监督分部类和非监督分类各有一处，监督的能按照用户自己的意愿完成，但是可能选取的区域不精确How does the Minimum Distance classification compare to the Maximum Likelihood Classification you did? Which (if any) do you think is more accurate? （最小距离与最大似然分类对比结果如何？那个精度更好些？）。

33、最大似然比最小距离好，虽然最小距离比最大似然清晰，但是最大似然精度高精度评估非监督匪类的精度评估B 监督分类的精度评估最小距离最大似然平行六面体1. 根据误差矩阵，填写下表参数最小距离平行六面体最大似然非监督分类总体分类精度 (%)93.329689.259597.851963.5294Kappa系数0.91490.86490.97240.5263建设用地面积在整个影像中的百分比(%)17.02318.3220.4136.59林地面积在整个影像中的百分比 (%)15.4916.2815.3214.30水体面积在整个影像中的百分比 (%)10.4010.5110.405.26错分误差: 建设用地

34、 (%)6.986.483.6063.11错分误差: 林地 (%)1.095.900.001.73错分误差: 水体(%)0.000.000.000.00漏分误差: 建设用地(%)23.0816.784.4040.11漏分误差: 林地(%)0.000.000.000.00漏分误差: 水体(%)1.080.001.082.30制图精度：建设用地 (%)76.9283.2495.6059.89制图精度：林地 (%)100.00100.00100.00100.00制图精度：水体 (%)98.92100.0098.9297.70用户精度：建设用地 (%)93.0293.5296.4036.89用户精度：

35、林地 (%)98.9194.10100.0098.27用户精度：水体 (%)100.00100.00100.00100.002. 分别为上述两个实验结果撰写精度评估报告。其中要求误差矩阵进行分析，特别是指出哪个类分的最好，哪些类分的最差，是否存在相互混淆的类别，如果是请写出哪些类易混淆，并分析原因。最大似然精度最好，其次是最小距离，最小是非监督分类；林地的分类最差，水体分类最好；存在混淆类别，植物与林地，光谱波段有些是一3. 是否存在训练样本区域的用户精度低于98%的类别，如果存在，指出是那些类别，并分析为什么这些训练样本区域比较差？存在，因为光谱波段有些是一样的，存在混淆类别4. 根据精度分

36、析的结果，哪些类别分类比较好？哪些类别有问题？ 最大似然法最好，马氏距离、最小距离法都是最大似然法的简化。平行管道法也不如最大似然法。5. 请考虑分类有错误的类别问题出在什么地方？这些问题是否可以修改？是否可以从误差矩阵中找到问题的所在？训练数据的选取不够多，同时有分析人员进行数据采集可能出现错误，可以再次进行选取从而增加精度从误差矩阵中我们可以知道错分误差，漏分误差，制图精度，用户精度等数据，从而可以分析出在选点时，我们出现了一些错分和漏分致使精度降低。6. 在精度评定中，我们随用的地面参考数据是在影像上通过目视选取的ROI，这种地面数据存在哪些方面的不足？是否可以考虑使用其他方式的地面操作

37、数据作为精度评定的对比数据？1.分析人员将某一分类结构强加给影像数据2.寻俩数据选取通常参考信息类别，在其次考虑光谱属性3.分析人员所选取训练书记员可能并不反映全部影像信息4.在训练数据中表现不出来独特类别，监督分类无法识别可以考虑用吸收率和辐射率等综合应用作为精度评定的对比数据7. 何为Kappa系数，它能回答我们哪些方面的问题。Kappa系数：是一种计算分类精度的方法。它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类地表真实像元总数与被误分成该类像元总数之积对所有类别求和的结果，再除以总像元数的平方差减去某一类中地表真实像元总数与该类中被分类像元总

38、数之积对所有类别求和的结果所得到的。几何配准要求：通过选择地面控制点来纠正影像。 主影像：Master，辅影像：slave。在两个影像上选点时，最终点的选取一定要在zoom窗口中选择，且放大到可以看清楚像素块。连续的选择12-16个点，选择点时注意联想到课堂上给大家讲过的一些注意事项。分别利用一次逼近、二次逼近和三次逼近的方法进行配准，并针对每个方法对结果进行分析。1. 显示配准的RMS误差列表2.最大的RMS误差是多少？0.323 最低的RMS误差是多少？0.0164下面的问题只针对于三次逼近的方法：3.一般而言，RMS误差应该低于0.5。删除具有最大RMS误差的点，查看总体RMS误差的变化

39、，然后再重新删除具有最大RMS误差的点，直到剩余点为12个为止，查看每次删除点后RMS误差的变化。 实习日志2013年6月17日 晴今天是RS实习的第一天。老师先讲解了一下软件里帮助的重要性，然后教大家如何打开影像。在打开过程中出现了一点小问题不过还是解决了。然后学习了如何将影像打开成灰度影像和彩色影像的方法。改变彩色影像的配色方案，即选择不同的波段分别赋给R、G、B三个通道可以获得不同色彩的影像。接着学习了如何查看影像的信息，包括栅格数据和适量数据。ENVI中图层可以是栅格也可以是矢量一个影像文件中可有一个或多个图层。然后查看文件的基本信息和统计信息。老师还讲解了影像的关联及接触影像关联。下

40、面是辐射率和反射率的转换，了解光线传输到卫星的每个过程，学习如何定位像素位置。2013年6月18日 晴实习的第二天。今天学习的是数字数据，合成标准假彩色影像，进行影像剪裁，打开裁切后的影像，于之前的影像比较已发生的变化，因为ENVI能够对加载的影像进行拉伸。可以将ROI转出为ASCII数据然后用Excel将转出的ASCII文件打开，随即选取几个点制作其光谱曲线，横轴为波段，纵轴为DN值。ENVI提供了工具来生成光谱曲线，这样简化了操作过程，更加方便快捷。利用假彩色分析光谱并考虑是单像元和混合像元。然后学习了空间、光谱和辐射分辨率。打开不同的数据了解空间分辨率对影像的影响。对各影像，分别利用光谱

41、工具生成光谱曲线，选一个植被覆盖的像素，分别在三个影像上做其光谱曲线。根据光谱曲线，分析光谱曲线的特性。2013年6月19日 晴实习的第三天。利用IsoData方法进行非监督分类，选择要分类的文件，输入需要分类的最小和最大类别数，输入最大的迭代次数和变化的阈值用以结束迭代，当变化的像素数小于阈值时或者达到最大迭代次数时，迭代终止。输入组成一个类别的最小像素数目，当一个类别中像素数小于该数值时，ENVI将删除该类别，并将其合并到距离其最近的类别中，输入最大的类标准差，如果某一类的标准偏差大于这个类的标准差阈值，输入类均值间的最小距离，最大的合并像素数目。选择Quick Stats，得到各类别的统

42、计文件。利用Data_BJ数据对其进行监督分类，选择几个大类利，用ROI进行训练数据的选择，然后用同样的训练数据，利用最小距离对影像进行分类，并将结果与最大似然分类进行对比。2013年6月20日 晴今天进行的是精度评定利用给定的数据，对其进行非监督分类，分类类别在为10种，对应于各类地物，通过目视方法在影像上相应的地物类别除选择样本，像素总数在50个以上。在原始影像上通过标准假彩色后，通过ROI来进行选取，利用选择的ROI对分类结果进行精度评定。然后是监督分类的精度评估，利用给定的数据，分别利用最小距离、平行六面体和最大似然三种方法对其进行监督分类。通过数据对比了解哪种监督分类比较好，考虑分类

43、有错误的类别问题出在什么地方，了解kappa系数的意义。需要注意的是ROI应该在原始的影像上选取，这样可以保证多次使用而且精度相对较高。2013年6月21日 晴今天是实习的最后一天。我们学校了几何配准，通过选择控制点来纠正影像。主影像Master，辅影像slave。在选区控制点的时候要在zoom窗口中进行来保证选点的准确性，保证放大到可以清楚看到像素块。连续选择16个点，用一次逼近、二次逼近、三次逼近的方法进行配准，同时对每个方法尽享结果分析。RMS的误差要严格保证在0.5以内并且尽可能的小。先开始没注意会有4、5甚至更高，这说明点选的不够精确，要保证视觉上两个图的点几乎在同一位置那么近本身R

44、MS的误差就会很小了。实习总结为期一周的遥感级数接触实习结束了，在老师的精心安排下我们全身心投入到实习学习中，对遥感软件ENVI进行了一定的了解，同时也巩固了遥感的基础知识。此次实习学到了很多知识：1、学习了如何将影像打开成灰度影像和彩色影像的方法。改变彩色影像的配色方案，即选择不同的波段分别赋给R、G、B三个通道可以获得不同色彩的影像。接着学习了如何查看影像的信息，包括栅格数据和适量数据。ENVI中图层可以是栅格也可以是矢量一个影像文件中可有一个或多个图层。然后查看文件的基本信息和统计信息。老师还讲解了影像的关联及接触影像关联。辐射率和反射率的转换，了解光线传输到卫星的每个过程，学习如何定位

45、像素位置。2、数字数据，合成标准假彩色影像，进行影像剪裁，打开裁切后的影像，于之前的影像比较已发生的变化，因为ENVI能够对加载的影像进行拉伸。可以将ROI转出为ASCII数据然后用Excel将转出的ASCII文件打开，随即选取几个点制作其光谱曲线，横轴为波段，纵轴为DN值。ENVI提供了工具来生成光谱曲线，这样简化了操作过程，更加方便快捷。利用假彩色分析光谱并考虑是单像元和混合像元。然后学习了空间、光谱和辐射分辨率。打开不同的数据了解空间分辨率对影像的影响。对各影像，分别利用光谱工具生成光谱曲线，选一个植被覆盖的像素，分别在三个影像上做其光谱曲线。根据光谱曲线，分析光谱曲线的特性。3、利用I

46、soData方法进行非监督分类，选择要分类的文件，输入需要分类的最小和最大类别数，输入最大的迭代次数和变化的阈值用以结束迭代，当变化的像素数小于阈值时或者达到最大迭代次数时，迭代终止。输入组成一个类别的最小像素数目，当一个类别中像素数小于该数值时，ENVI将删除该类别，并将其合并到距离其最近的类别中，输入最大的类标准差，如果某一类的标准偏差大于这个类的标准差阈值，输入类均值间的最小距离，最大的合并像素数目。选择Quick Stats，得到各类别的统计文件。利用Data_BJ数据对其进行监督分类，选择几个大类利，用ROI进行训练数据的选择，然后用同样的训练数据，利用最小距离对影像进行分类，并将结果与最大似然分类进行