遥感数字图像处理Word文件下载.docx
《遥感数字图像处理Word文件下载.docx》由会员分享,可在线阅读,更多相关《遥感数字图像处理Word文件下载.docx(18页珍藏版)》请在冰豆网上搜索。
1.课前预先下载所熟悉地区LandsatTM/ETM+/OLI影像数据
2.利用下载影像数据的元数据文件将GeoTIFF格式的LandsatTM/ETM+/OLI原始数据转换为ENVI标准格式。
3.查询并记录影像文件的根本信息、投影信息,以与各个波段直方图信息。
4.打开影像,进展假彩色合成波段组合试验,说明实现真彩色合成与标准假彩色合成所需要的波段组合。
5.利用ResizeData〔Spacial/Spectral〕工具从多波段影像中选取512×
512子区并保存为另一文件供后续工作中使用。
6.对影像进展分析,说明子区影像直方图与原影像直方图的差异,并分析子区影像的根本特征。
重新计算原影像统计特征值,注意观察记录结果的变化。
7.利用SPEAR工具GoogleEarthBridge定位和分析研究区的高分辨率影像特征。
8.采用标准假彩色合成影像进展影像目视解译,识别影像中的土地利用/土地覆盖类型,可能的土地利用/土地覆盖类型包括:
(1)耕地farmland
(8)公路/铁路roadorrailway
(2)草地grassland
(9)河流stream
(3)裸地barrenland
(10)水库reservoir
(4)森林forest
(11)冰雪iceandsnow
(5)城镇居民地town
(12)云cloud
(6)农村居民地village
(13)阴影shadow
(7)沙漠desert
列表说明上述地物分别在两种波段组合下的颜色、形状、纹理等特征。
9.利用ZProfile(Spectrum)光谱剖面工具,提取上述地物在不同波段的数值〔DigitalNumber,DN〕;
要求针对影像中的6种地物至少各采集10个样本,取平均值,做光谱剖面图,分析不同地物的灰度值随波段变化的特点。
将光谱剖面数据保存为文本文件〔txt格式,可以用文本文件编辑器打开〕。
10.采用Excel数据分析工具完成步骤6每种地物典型样本的特征光谱统计分析,并将统计表附加在报告当中。
11.采用Excel打开步骤6生成的数据文件,从TM/ETM+/OLI/TIRS中选取红光波段和近红外波段的数据,做散点图,分析上述不同地物在光谱空间中的分布情况与其规律〔注意要在同一坐标系当中使用不同的符号表示不同的地表覆盖类型,标注水平坐标和垂直坐标,并保持水平坐标和垂直坐标具有一样的纵横比〕。
原理和方法
命名规如此:
LC8
125034——行列号2015——影像的年份136——2015年第136天LGN——接收站代码00——产品级别
文件x.tiff为波段影像文件,B1—B7分别为海蓝波段、蓝光波段、绿光波段、红光波段、近红外波段、短波红外1、短波红外2,为用户常用的7个波段,B8为全色波段、B9为卷云波段、B10和B11为TIRS传感器观测热量所用,BQA波段为质量控制波段包含影像的云覆盖、水体、冰雪等信息。
.txt包含影像的元数据信息。
数据准备与研究区概况
数据从美国USGS官网c:
\iknow\docshare\data\cur_work\glovis.usgs.gov\下载,卫星为landsat8,传感器为OLI,影像行列号为125034,影像日期为2015年5月16日,空间分辨率为30m×
30m,为XX5月份影像,XX市地处黄土高原东部边缘,地理坐标为东经111°
23′─114°
28′,北纬36°
39′─38°
06′,地势东高西低,山地、丘陵、平川呈阶梯状分布,大局部地区海拔在1000米以上。
属暖温带大陆性季风气候,季节变化明显。
总的特征为:
春季枯燥多风,夏季炎热多雨,秋季天高气爽,冬季寒冷少雪。
农作物主要种植玉米和小麦,5月份正直玉米小麦的成长时期。
操作步骤
1.登陆USGS官网,创建账户并下载一景landsat8OLI影像。
2.通过File→OpenAs→Landsat→GeoTiffwithMetadata打开原始数据的元数据文件,再利用toolbox工具箱中的RasterManagement→LayerStacking→importfile,导入包含全色波段的txt元数据文件,生成标准ENVI格式文件,命名为LC8,该文件自动导入ENVI中。
3.通过RasterManagement→EditENVIHeader工具编辑LC8的头文件,完善影像的根本信息。
4.通过DataManager查询影像文件的根本信息、投影信息,通过Statistics→putestatistics,切记勾选Histograms,生成LC8.sta统计文件,然后通过Statistics→ViewStatisticsFile打开统计文件,查看各个波段直方图信息。
5.通过DataManager→BandSelection选择波段进展波段组合试验。
6.利用RasterManagement→ResizeData→SpacialSubset→Image工具从多波段影像中选取512×
7.通过Statistics→putestatistics生成子区影像的直方图,与原影像进展比拟分析。
8.利用Spear→SpearGoogleEarthBridge定位和分析研究区的高分辨率影像特征。
9.采用标准假彩色合成影像进展影像目视解译。
10.利用
工具提取影像中6种地物至少10个样本,点击shift可连续选取,选取足够目标后导出为txt格式,以供数据分析使用。
11.加载Excel中的分析工具库和分析工具库—VBA,并导入第10步中的txt数据,计算每种地物各个波段的均值、方差、标准差、最大值、最小值,以与每种地物各个波段的协方差和相关系数,选取红光波段和近红外波段的数据制作散点图。
结果与分析
1.影像文件的根本信息和投影信息如下列图:
其中所包含的数据信息如下:
数据大小:
831275354字节
文件类型:
ENVI
传感器类型:
LandsatOLI
投影信息:
UTM投影,北半球49带
地理坐标系:
WGS—84
像元大小:
30米
波长:
2.各个波段直方图信息如下列图:
3.波段组合试验:
4、3、2:
7、6、4:
5、4、3:
6、5、2:
7、6、5:
实现真彩色合成所需波段组合为:
4〔红〕、3〔绿〕、2〔蓝〕,能够反映自然界真实景观。
实现标准假彩色合成所需波段组合为:
5〔近红外〕、4〔红〕、3〔绿〕,能够反映植被信息。
4.截取的512×
512子区:
5.原影像与子区影像直方图比照分析:
原影像每个波段的最小值均为0,而子区影像每个波段的最小值不为0,且最大值小于原影像最大值,均值小于原影像的均值,标准差小于原影像的标准差,这是因为子区只包含原影像的一局部,数据量相对原影像较小,且不包含原影像外围的黑色区域,丢失了原影像中包含的最大最小值,各个波段的值相对较为集中,因此导致了子区各个波段的均值较大,标准差较小,突出表现了区域的特殊性。
6.利用GoogleEarth分析研究区的影像特征
7.标准假彩色合成目视解译:
地物在两种波段组合下的颜色与纹理特征:
耕地
草地
裸地
森林
居民地
公路/铁路
河流
云
标准假彩色
颜色
绿色
浅绿
青色
红色
藏蓝
深绿
黑色
白色
纹理特征
平滑
粗糙
真彩色
棕黄
灰白
棕色
8.光谱剖面图:
Farmland:
Forest:
Road:
Cloud:
Stream:
Village:
由各种地物的协方差矩阵可以看出,各个波段与自身的相关系数均为1,且相邻波段之间的相关系数一般大于不相邻波段的相关系数,这说明相邻波段所包含的信息相近。
散点图:
由散点图可以看出:
不同的地物光谱特征相差很大,一样的地物在散点图中较为聚集,即使在地理空间上相隔很远,但其光谱特征呈现一致性,这说明各种地物的光谱特征具有特殊性和统一性。
特殊性是指各种地物的光谱特征不尽一样,而统一性是指一样的地物无论空间距离多远,其光谱特征将呈现一致性。
这就为遥感分类提供了切实可行的依据。
通过制图可以清晰直观的表现事物的很多潜在联系,因此在今后的学习过程中要多通过图形来反响事物的客观规律。
存在问题与解决方法
查看影像各个波段的直方图时,发现直方图中的DN值多为几万,不在0-255之间,以为需要进展其他转化才能使用,后来了解到TM影像使用一个字节存储DN值,因此DN值为0-255,而landsat8影像使用2个字节存储DN值,DN值的X围为0-65535。
在做各种地物各个波段的协方差和相关系数时,直接复制了实习大纲中的表格,然后发现少了一个波段,这是因为TM影像分为1、2、3、4、5、7波段,分别与landsat8中的2、3、4、5、6、7波段对应,而landsat8中多了一个海蓝波段—band1,因此在制作协方差表格时,行列数均为7。
通过上课听教师讲解作业,课下自己查看各个波段直方图,不能实现屏蔽直方图中的0值,应当使用什么工具来去除0值,并将Y轴压缩,实现图像的拉伸?
总结
通过这次实习,我掌握了从USGS下载遥感影像的方法,认识了landsat8波段组合效果,对于遥感影像内容的丰富性有了深刻的认识。
初步掌握了ENVI影像处理软件的根本操作和使用方法,熟悉了用户界面、Toolbox、landsat8影像的目视解译。
通过ENVI中的Spear→SpearGoogleEarthBridge可以与谷歌地球建立,利用谷歌地球的高分辨影像进展辅助目视解译,方便了遥感工作者。
掌握了Excel中的宏分析工具。