篇一:遥感模型实习报告
遥感应用模型实习报告
中国地质大学
第一部分:大冶研究区土地使用情况分析
【实习目的】
完成研究区土地使用情况分析,通过遥感分类、空间分析将研究区内4种(批而未用、用而未尽、越界开发、用而未批)违规用地提取出来,并统计相关面积、位置数据。
【实验数据】
研究区影像数据:2009spot_area1.msi;2010spot_area1.msi
辅助数据:大冶批次用地建设用地红线.wp
【实验要求】
要求:1)制定提取方案
2)数据处理
3)要求成果以影像制图输出、数据报表的形式输出;
【参考方案】
方案一: 使用第一部分中的遥感变化监测方法进行提取分析; 方案二: 利用
遥感分类提取建设用地图层,再利用空间分析进行4种违法违规用地的提取分析。本实验采用方案二。
【实验步骤】
1.最大似然法监督分类:
2009年影像监督分类 2010年影像监督分类
2.提取出的建设用地层和红线区如下图。
3.变化检测
Change=2010-2009
4.空间查询
变化图层Chang与建设用地红线进行查询。
5.提取结果
批而未用部分未批先用部分
用而未尽部分 越界开发部分
6.土地利用情况总体一览图:
7.误差分析
因MAPGIS K9无法进行叠加分析,只好根据各种用地情况来手动分类,效果并不好。
第二部分:遥感反演与建模
【实习目的】
遥感技术的特征使得其可以实现大面积的同步监测,较传统实地点对点监测有不可比拟的优势。本实习通过太湖区域遥感技术叶绿素监测处理应用过程来学习简单的遥感反演与建模方法。
【实验数据】
研究区影像数据:HJ1B-CCD1-451-76-20091006-L20000180174;
太湖区域TM数据(L2级); HJ1B-CCD1波谱响应函数; 太湖矢量数据; 实测叶绿素样点浓度数据;
【实验要求】
要求:辐射定标、几何校正、大气校正、反演模型的建立、遥感反演过程、反演结果验证等内容。
注意:软件要求ENVI4.7以上版本。
【参考方案】
目前利用遥感技术可反演的水质参数包括:叶绿素 a(Chl-a)、悬浮物(TSM)、有色可溶性有机物(CDOM)透明度(SD)、溶解氧
篇二:2013 遥感应用模型实习指导书-实习二 -stu
2013年遥感应用模型课程实习
实习二:高光谱数据处理
高光谱数据基础处理
【实习目的】
利用RSP完成高光谱遥感数据常规处理,理解熟悉遥感高光谱数据处理方法。
【实验数据】
研究区影像数据:见文件夹
【实验要求】
要求:完成高光谱遥感数据常规处理。
【参考方案】
一:高光谱数据的导入
1. 高光谱数据读入:主菜单—>高光谱分析—>数据导入—>导入Hydice,弹出如下图所示
对话框:
导入原始文件和波段信息文件,设置好结果文件路径,点击确定按钮,弹出“原格式数据转换”对话框,如下图所示:
设置各参数,特别注意的是,根据导入高光谱数据类型,设置相应的象元信息、图像行列数和波度数,若不对应,原格式数据转换就会失败。
2. 高光谱数据输入:在RSP中打开高光谱数据,查看其影像信息,并根据成图目的,选择不同的波段组合。(R:73/24,G:39/79,B:20/8)
3. 查看影像立方体:高光谱分析—>影像立方体,弹出“高光谱立方体”对话框,如下图所示:
输入影像后,根据需要设置其颜色组合及颜色查找表。 二:光谱库处理
1. 光谱库基本操作:主菜单—>高光谱分析—>光谱库,打开光谱库子系统,如下图所示:
工具条说明:打开光谱库:—>文本方式显示,
—>显示方式是光谱曲线,
—>显示方式为表格,
—>光谱重采样。文件下的下拉菜单也是这三种方式打开挂光谱
库。
2. 光谱库格式转化:处理—>格式转换,可将JPL(.sli)和USGS(.spl)转换为(.msl)格式的。 3. 光谱库重采样:主菜单—>高光谱分析—>光谱库重采样或者在光谱库子系统中点击
按钮,弹出“光谱重采样”对话框,如下图所示:
输入光谱库,设置参考信息是可根据需要,选择目标图像还是目标传感器做参考,设置好输出文件的路径。点击运行按钮进行光盘库的重采样。 三:高光谱数据预处理
1. 辐射校正:主菜单—>高光谱分析—>辐射校正,系统提供了9种方法:象元按目标法、
对象参数法、内部平均相对反射法、自动平面校正法、手动平面场校正法、经验线校正
法、直方图法、波段暗目标法、波段回归分析法,根据需要,选择合适的辐射校正法。 以波段暗目标法为例,进行辐射校正。选择波段暗目标法,弹出如图所示对话框:
2. 几何校正(偏航校正):主菜单—>高光谱分析—>偏航校正,弹出“偏航校正”对话框,
如下图所示:
设置好各参数,进行几何校正。
3. 亮度校正:主菜单—>高光谱分析—>亮度校正,弹出如下图所示对话框:
篇三:遥感模型实习
第一部分:大冶研究区土地使用情况分析
第二部分:叶绿素浓度反演建模
第三部分:QuickBird数据融合后分类提取实验
3.1 影像融合
由于数据较大,且影像的下部不太清晰有云雾或霾,因此首先截取两个影像一个相同的部分。用于融合的为多光谱影像wq05may02_m.img和全色影像whdxp.img,分辨率分别为
2.4米和0.6米。首先载入多光谱影像wq05may02_m.img,在主影像窗口菜单Overlay—Vectors…,新建一个矢量层,在Scroll窗口画出裁剪区域,将裁剪矢量另存为shapefile文件。再将刚保存的shapefile文件打开,投影设置为默认,和两幅影像的一致。再在Vector Window #x中主菜单,File,输出当前活动层到ROI,在出现的对话框中选择多光谱影像,点击Ok,在出现的对话框中选择第一个,输出所有记录到一个ROI,点击OK。在主影像窗口菜单中载入刚刚输出的ROI用于裁剪,分别裁剪两个文件,分别为subm.img和subpan.img。 影像融合这里采用Pan Sharpening这个工具。ENVI4.8主菜单—Spectral—SPEAR Tools—Pan Sharpening。高分辨率选择subpan.img,低分辨率选择subm.img(选择第四波段,因为第四波段方差大,信息量大),输出文件名为subm_pansharp.img。进入下一步。
接下来进行两幅影像的配准,这里选择自动选点,Use seed points前面不打勾。进入下一步
检查一下配准的误差,将校正多项式次数改为2,并将控制点按照误差大小排序,发现有三个点误差较大,ENVI已经用红色标出,这里把这三个点删除,至此所有的点都变为绿色底
可以看到单点误差小于0.5个像素,整体误差小于0.2像素。
点击→进行配准,之后选择融合方法为Gram-Schmidt,点击→进行融合