遙感地學分析報告試驗報

1、實驗一 植被覆蓋度反演一、實驗目的 植被覆蓋度是指植被(包括葉、莖、枝)在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比。通常林冠 稱郁閉度，灌草等植被稱覆蓋度。它是衡量地表植被覆蓋的一個最重要的指標，被覆蓋度及其變化是區(qū)域 生態(tài)系統(tǒng)環(huán)境變化的重要指示，對水文、生態(tài)、全球變化等都具有重要意義。目前已有許多利用遙感技術 測量植被覆蓋度的方法，其中應用最廣泛的方法是利用植被指數(shù)近似估算植被覆蓋度，常用的植被指數(shù)為 NDVI ，本次實驗完成植被覆蓋度反演。二、實驗數(shù)據(jù) 實驗選取兩景覆蓋市的 Landsat8 OLI 影像、土地覆蓋類型圖以及行政邊界矢量數(shù)據(jù)為數(shù)據(jù)源。其中， 土地覆蓋類型圖是作為掩膜文件使用

2、，其目的是為了便于植被覆蓋度的估算；行政邊界矢量數(shù)據(jù)是裁剪出 市行政區(qū)的圍。 Landsat8 OLI影像是從地理空間數(shù)據(jù)云上下載得到的，其成像時間為2013年10月份。與Landsat7的ETM +成像儀相比， OLI 成像儀獲取的遙感圖像輻射分辨率達到 12比特，圖像的幾何精度和數(shù)據(jù) 的信噪比也更高。 OLI 成像儀包括 9個短波譜段(波段 1波段 9)，幅寬 185km，其中全色波段地面分辨率 為 15m，其他譜段地面分辨率為 30m 。三、實驗方法 本文反演植被覆蓋度所采用的是像元二分模型方法，像元二分模型是一種簡單實用的遙感估算模型， 它假設一個像元的地表由有植被覆蓋部分與無植被覆蓋

3、部分組成， 而遙感傳感器觀測到的光譜信息 (S)也由 這2個組分因子線性加權合成，各因子的權重是各自的面積在像元中所占的比率，如其中植被覆蓋度可以 看作是植被的權重。 因此，像元二分模型的原理如下： VFC = (S - Ssoil)/ ( Sveg - Ssoil)S為遙感信息， 其中 Ssoil 為純土壤像元的信息 , Sveg 為純植被像元的信息。改進的像元二分法 遙感信息選擇為 NDVIVFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) 兩個參數(shù)的求解公式NDVIsoil=(VFCmax*NDVImin- VFCmin*NDVImax)/( V

4、FCmax- VFCmin) NDVIveg=(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin)/( VFCmax- VFCmin) 當區(qū)域可以近似取 VFCmax=100% ， VFCmin=0%VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) 當區(qū)域不可以近似取 VFCmax=100% ， VFCmin=0% ，當有實測數(shù)據(jù)的情況下，取實測數(shù)據(jù)中的植被覆 蓋度的最大值和最小值；當沒有實測數(shù)據(jù)的情況下，植被覆蓋度的最大值和最小值根據(jù)經(jīng)驗估算。其中 , NDVIsoil 為裸土或無植被覆蓋區(qū)域的 NDVI 值 , 即無植被像元

5、的 NDVI 值；而 NDVIveg 則代表 完全被植被所覆蓋的像元的 NDVI 值 , 即純植被像元的 NDVI 值。四、實驗處理步驟1、實驗處理流程如下圖所示文檔2、數(shù)據(jù)預處理 本文使用的 Landsat8 OLI為 L1T級別數(shù)據(jù)，不需做幾何校正處理。而市需要兩景 因此首先要進行圖像鑲嵌和裁剪，然后進行大氣校正等預處理過程。Landsat OLI 數(shù)據(jù)覆蓋，（ 1） 輻射定標 輻射定標是將傳感器記錄的電壓或數(shù)字值轉換成絕對輻射亮度的過程。實驗報告中寫出輻射定標的作用。該處理過程在 Envi5.1 中實現(xiàn)，具體操作：在 ENVIToolbox 中，選擇 Toolbox/Radiometri

6、c Correction/ Radiometric Calibration ，選擇 *_MultiSpectral 多光譜組（ 7個波段），打開輻射定標工具，對兩景影像分別做 輻射定標。文檔（2）影像鑲嵌 因本文所使用的影像數(shù)據(jù)源是兩景 Landsat OLI 影像，因此需進行影像鑲嵌，鑲嵌的目的是將不同的 影像文件無縫地拼接成一幅完整的包含研究區(qū)域的影像。該處理過程在 Envi5.1 中實現(xiàn)，具體操作：在 Toolbox 中，選擇 /Mosaicking/Seamless Mosaic ，打開無縫鑲嵌工具，然后進行相關參數(shù)設置。MB匕f$l F: novsql 箱T t r-3 Ekssi

7、MbT nf - !-= EV tlT文檔（3）影像裁剪 因本文所使用的影像數(shù)據(jù)包含了市行政區(qū)劃以外的部分地區(qū)，因此需進行影像裁剪，以將研究區(qū)裁剪 出來，并且減小了數(shù)據(jù)量，加快了數(shù)據(jù)處理速度，本文使用行政邊界矢量裁剪圖像。過程在 Envi5.1 中的 具體操作如下： 在 Toolbox 中，選擇 /Regions of Interest/Subset Data from ROIs ，打開裁剪工具：文檔（4）Flaash 大氣校正ENVI中的 FLAASH模型是基于 MODTRAN4輻+射傳輸模型，通過參數(shù)查找表來進行大氣校 正的商業(yè)化軟件。實驗報告中需寫出為什么用進行大氣校正。在 Toolbo

8、x 中打開 FLAASH 工具 /Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction報告中需要對大氣校正前后同一地物的光譜曲線進行對比。文檔3、植被覆蓋度估算（ 1）計算 NDVI本文選取 NDVI 值為參數(shù)，采用像元二分模型對植被覆蓋度進行反演，根據(jù)植被覆蓋度的計算公式可 知，要求取植被覆蓋度，首先需要計算 NDVI。在 Envi5.1 中的具體操作如下：在 Toolbox 中，選擇 Spectral/Vegetation/NDVI ， NDVI Calculation Inpu

9、t File 面板中，選擇大氣校正后的 圖像，求算 NDVI，如下：由于大氣校正后的結果有部分像元為負值， 主要集中在陰影地區(qū)， 這部分區(qū)域計算得到的 NDVI 在-1,1 之外，為了便于后面的分析，這里統(tǒng)一將這部分像元進行處理，即 NDVI 值大于 1 的變?yōu)?1，小于 -1 的變 成-1。使用 Bandmath 工具，（寫出運算公式） ，得到去除異常值文件。文檔(b1 lt (-1)*(-1) + (b1 gt (1)*1 + (b1 le(1) and b1 ge(-1)*b1（ 2） 生成掩膜文件 該過程主要是為了計算 NDVI的最大值、最小值，根據(jù)土地利用分類圖（共 5 類，林地、農(nóng)

10、業(yè)用地、 城市用地、水體與其他）制作各種土地利用類型的掩膜文件，在 Envi5.1 中的具體操作如下：在 Toolbox 中選擇 /Raster Management/Masking/Apply Mask ，打開制作掩膜工具：文檔得到林地、農(nóng)業(yè)用地、城市用地、水體與其他的掩膜文件。應用掩膜文件文檔（3）獲取閾值 計算 NDVImax 和NDVImin 值，使用獲取的掩膜文件分別對 NDVI 圖像文件進行統(tǒng)計，在一定置信度圍 獲取每個掩膜文件（也就是土地覆蓋類型）對應的最大和最小 NDVI 值。在Toolbox中，選擇 /Statistics/Compute Statistics ，進行統(tǒng)計，然

11、后在統(tǒng)計結果中，取一定的置信度獲取，選擇 NDVImin=0.3804 ，NDVImax=0.8667 。 水體沒有植被（水藻不屬于植被） ，認為這部分最大和最小的 NDVI 值。林地覆蓋區(qū)域的統(tǒng)計結果（如下圖） 同樣的方法得到其他地物覆蓋類型的 NDVI 閾值，其中 區(qū)域的植被覆蓋度為 0，如下表：文檔土地覆蓋類型NDVImin(NDVIsoil )NDVImax(NDVIveg)林地-0.0039220.937255農(nóng)業(yè)用地-0.0039220.701961城市用地-0.0039220.301961水體00其他-0.0039220.3490204)生成參數(shù)文件植被覆蓋度的計算公式： VFC

12、 =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil)，該過程是根據(jù)上面得到的NDVI閾值分別生成 NDVIsoil和NDVIveg參數(shù)文件，也即 NDVImin 與NDVImax 。該過程主要使用 Envi5.1 的 bandmath 工具，并且：NDVIsoil：b1*0.128627+b2*0.090196+b3*0.011765+b4*0+b5*0.003922其中， b1 ：林地掩膜文件， b2 ：農(nóng)業(yè)用地掩膜文件， b3 ：城市用地掩膜文件， b4 ：水體掩膜文 件， b5：其他用地掩膜文件文檔NDVIveg：b1*0.992157+b2*0.992157

13、+b3*0.568627+b4*0+b5*0.639216其中， b1:林地掩膜文件， b2：農(nóng)業(yè)用地掩膜文件， b3 ：城市用地掩膜文件， b4：水體掩膜文件， b5：其他用地掩膜文件 最終，生成的參數(shù)文件。4）植被覆蓋度估算利用上一步得到的 NDVIsoil 和NDVIveg 參數(shù)文件帶入公式： VFC =（NDVI - NDVIsoil ） （NDVIveg-NDVIsoil） ，該過程也是利用 Envi5.1 中的 Bandmath工具來實現(xiàn)（寫出運算公式）。分析下結果，會發(fā)現(xiàn)有一些異常值，即值在0,1 之外，這些異常值是在 NDVI置信度之外的那部分像元 產(chǎn)生的（也包括 NDVI異常

14、像元）。這些像元數(shù)量不多，大約占 3.7%左右。還有背景和水體區(qū)域的植被覆蓋文檔度的值為 -NaN，即無效值， 因為分母為 0造成的。 第一種異常值可以將小于 0 的值變成 0，大于 1的值變成 1， 用 bandmath 工具即可， Bandmath 表達式為： 0.0b1Compute ROI Separability, 計算樣本的可分離性。其中 Jeffries-Matusita, Transformed Divergence 參數(shù)表示，這兩個參數(shù)的值在 02.0 之間，大于 1.9 說 明樣本之間可分離性好，屬于合格樣本；小于 1.8，需要重新選擇樣本；小于 1，考慮將兩類樣本 合成一

15、類樣本。文檔08 年的09 年的文檔2、土地利用分類有以下兩個分類流程方法，選擇其中一種方法即可。1）采用監(jiān)督分類方法包括平行六面體、最小距離、馬氏距離、最大似然，基于神經(jīng)網(wǎng)絡模型，支持向量機、模糊分類等， Toolbox 選擇 Classification Supervised 多種分類模型，實驗挑選 種分類模型進行土地利用分類（報告中標出采用何種分類模型），并對分類結果的處理，使用 Classification-Post Classification 工具中方法。最大似然法08 年：文檔2) Toolbox 中，打開 /Classification/Classification Workf

16、low ，采用圖像分類流程化工具。3、分類精度評定使用 Toolbox 中 Classification-Post Classification-Confusion Matrix ，得到分類精度評價混淆 矩陣和 Kappa 系數(shù)，對分類結果進行評價分析。文檔4、土地利用變化監(jiān)測使用 Thematic Change Workflow 分類后比較法工具， 分析兩期分類數(shù)據(jù)的變化情況， 并在流 程中Smoothing 和 Aggregation 中設置合適的值去除噪聲和合并小斑塊。 結果以圖像輸出， 并統(tǒng)計文檔變化的結果，分析各種地類變化的情況。文檔四、實驗心得 應用遙感技術進行土地利用變化監(jiān)測研究

17、是土地調(diào)查研究的重要組成部分，本子實驗要注意 店顏色的選取和樣點選取數(shù)量要多，全圖選取這樣劫過才不會出現(xiàn)大誤差。文檔實驗三：基于規(guī)則的道路信息提取一、實驗目的道路作為基礎地理信息，為保持數(shù)據(jù)的現(xiàn)勢性，需要對該類數(shù)據(jù)實時或準實時更新，在現(xiàn)實 中，基于高分辨率的數(shù)據(jù)道路數(shù)據(jù)的提取是更新道路信息數(shù)據(jù)的有效方法。本次實驗使用基于規(guī) 則的面向?qū)ο笮畔⑻崛》椒ǎ瓿勺詣犹崛〉缆沸畔⒌倪^程。二、實驗容實驗容包括高分辨率數(shù)據(jù)的處理， 高分辨率信息提取流程， ENVI FX 模塊面向?qū)ο笮畔⑻崛。?矢量后處理的方法。實驗數(shù)據(jù)采用 Quickbird 影像數(shù)據(jù)( QB-CJ)，應用 ENVI FX 擴展模塊中的

18、Feature Extraction 工具，提取影像中道路信息。三、實驗步驟1、啟動 Rule Based FX 工具在Toolbox 中，選擇 /Feature Extraction/Rule Based Feature Extraction Workflow。關注 Custom Bands 面板，有兩個自定義波段，包括歸一化植被指數(shù)或者波段比值、HSI 顏色空間，這些輔助波段可以提高圖像分割的精度，如植被信息的提取等自定義的屬性。選擇Spectral，Band 下面選擇Normalized Difference 。在第一步自定義波段中選擇的波段是紅色和近紅外波段， 所以在此計算 的是NDV

19、I ，參數(shù)設置為 band1：band2， band2：band4。2、設置影像分割閾值( 20,30,40)、合并閾值 (70,85)文檔3、制定提取規(guī)則根據(jù)規(guī)則進行特征提取，在規(guī)則分類界面。每一個分類有若干個規(guī)則（Rule）組成，每一個規(guī)則有若干個屬性表達式來描述。道路提取的規(guī)則如下（根據(jù)數(shù)據(jù)可以動態(tài)調(diào)整閾值的大小，能 較好的反映道路特征）剔除植被： NDVI 的 Spectral mean設小于 0.01 剔除高亮度的建筑物和空地，第一波段的 Spectral mean閾值小于 310 剔除面積較小的建筑物和空地，參數(shù) Spatial-Area，閾值大于 2500 剔除延伸性小于 3的地

20、物，參數(shù) Spatial-Elongation ，閾值大于 34、結果輸出與處理對提取的結果疊合與處理，得到道路信息特征，如果效果不好，調(diào)整制定的提取規(guī)則文檔四、實驗心得 道路信息作為一種重要的基礎地理信息，可以作為提取其他地物目標的線索和參考系，具有很強的現(xiàn) 實意義。從遙感影像自動提取人工地物,特別是線狀地物 （主要是道路 ）,不僅是攝影測量與遙感領域的難題也是計算機視覺與圖像理解研究的重點之一。本次試驗中，主要是 使用基于規(guī)則的面向?qū)ο笮畔⑻崛》椒?，完成自動提取道路信息的過 程。實驗四 太湖水體葉綠素濃度反演一、實驗目的根據(jù)環(huán)境小衛(wèi)星 CCD數(shù)據(jù)，反演太湖的葉綠素 a 濃度，要求掌握環(huán)境小

21、衛(wèi)星的數(shù)據(jù)讀取、幾何校正、 大氣校正、反演模型的建立、遙感反演過程、反演結果驗證等操作技能及原理，熟悉遙感水質(zhì)反演過程。二、實驗要求根據(jù)環(huán)境小衛(wèi)星 CCD數(shù)據(jù)特點及太湖水質(zhì)反演模型要求，先對環(huán)境小衛(wèi)星CCD數(shù)據(jù)進行數(shù)據(jù)預處理，大氣校正、太湖區(qū)裁剪， 利用波段比值法對實測的葉綠素 a 濃度數(shù)據(jù)建立反演模型， 將模型應用于太湖水 面區(qū)域影像，反演出整個太湖區(qū)的葉綠素 a 濃度 ,并驗證模型精度。三、實驗步驟（一）數(shù)據(jù)預處理1、安裝環(huán)境小衛(wèi)星數(shù)據(jù)讀取和定標補丁，復制到HomeProgram Files ENVI51Extensions 目錄下。本次實驗中已完成小衛(wèi)星數(shù)據(jù)轉化和定標，得到 HJ1B-C

22、CD1-20091006-Cal-sub 數(shù)據(jù)，用于流域葉綠素反演。 2、幾何校正（圖像配準），以 TM 作為基準影像對環(huán)境小衛(wèi)星圖像進行圖像配準。（ 1）打開基準影像 TM_baseimage.img 。（2）選擇 Tool中Registration -Automatic Registration ： Image to Image，選擇基準影像第 4波段作為匹配波 段（ TM_baseimage.img ）。（3）選擇被配準影像 HJ1B-CCD1-20091006-Cal-sub.img 第 4波段作為被配準波段。文檔（ 4）選擇控制點，并調(diào)整控制點，直到總的RMS Error 小于 1個

23、像素時，完成控制點的選擇。點擊GroundControl Points Selection 上的 File-Save GCPs to ASCII ，保存控制點。調(diào)整控制點后的 RMS 錯誤5）在 Ground Control Points Selection 面板上，選擇 Options-Warp File （As Image Map ），選擇校正文件。 在校正參數(shù)面板中，投影參數(shù)默認。（6）在 X 和 Y 的像元大小輸入 30米，按回車，圖像輸出大小自動更改重采樣方法選擇 Nearest Neighbor （保持圖像輻射值不變），輸出為 registratio文檔3、大氣校正nm），后面四列

24、分別表示 4 個波環(huán)境小衛(wèi)星提供了波譜響應函數(shù)，以文本形式提供，第一列表示波長（ 段對應波長的波譜響應值。為了做大氣校正，需要制作波譜曲線來描述波譜響應函數(shù)，用于大氣校正。（1）制作波譜曲線 打開 Display-New Plot Window 面板，在波譜繪制窗口中，選擇 ImportASCII ，導入 “ 681_HJ1ACCD1.txt” 文本文件。 在繪制窗口生成了 4 條曲線， 選擇 Edit-Data Parameters ，編輯每條線的名稱為 b1，b2，b3，b4， 便于區(qū)分。將數(shù)據(jù) Export-Spectral Library ，在 Output Spectral Libr

25、ary 面板中，有輸出曲線相關參數(shù)設置， 將波譜曲線保存為波譜庫文件 “HJ1B-CCD1 光譜響應 .sli ?！?2) FLAASH 大氣校正1) 主菜單 Spectral-FLAASH打開 FLAASH 大氣校正模塊；首先采用 Convert Data( BSQ、BIL 、BIP ）工具，轉換為 BIL 格式的數(shù)據(jù)。文檔2）大氣模型選擇 Mid-Latitude Summer ，氣溶膠模型選擇 Rural ，氣溶膠反演方法選擇 None，能見度給 40km 。3）大氣模型選擇 Mid-Latitude Summer ，氣溶膠模型選擇 Rural ，氣溶膠反演方法選擇 None，能見度給

26、40km 。4）大氣校正完成后，檢查大氣校正的結果，分別加載校正前后的圖像，將兩幅影像進行地理，移動到植 被區(qū)域（植被的波譜曲線比較特殊），在影像上右鍵，選擇Z Profile （ Spectrum）打開光譜曲線窗口，顯文檔 示兩幅圖像同一位置的光譜曲線圖。4、太湖區(qū)裁剪使用 shp 格式太湖圍數(shù)據(jù)，對影像數(shù)據(jù)進行裁剪(二)葉綠素反演實驗中選擇波段比值法( BNIR/B RED )建立模型。1、采樣點實測數(shù)據(jù)處理 需要結合實地調(diào)查數(shù)據(jù)，將水面調(diào)查點與實測葉綠素濃度在空間上相對應，其中實地調(diào)查數(shù)據(jù)中包括水面 調(diào)查點的經(jīng)緯度、葉綠素含量，實驗數(shù)據(jù)使用 “葉綠素實測數(shù)據(jù) ”。2、獲取采樣遙感影像上的數(shù)據(jù)1) 采用波段計算器，輸入 float(b4)/b3 ，計算得到比值圖像。文檔2) 打開 Envi classic ，Basic tool-Region of Interest-ROI Tool 工具，選擇 ROI_Type-Input Points from ASCII ， 選擇文本格式的 “反演點 .txt ”。注意參數(shù)選擇， x：選擇經(jīng)度； y：選擇緯度； These point comprise：Individual Points。設置投影信息地理經(jīng)緯度。將實地調(diào)查的點位置信息加載到圖像中。3) 在 ROI Tool 中，選擇 File-Output ROIs