遥感数字图像处理文档格式.docx

遥感数字图像处理文档格式.docx

《遥感数字图像处理文档格式.docx》由会员分享，可在线阅读，更多相关《遥感数字图像处理文档格式.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基本信息、投影信息，以及各个波段直方图信息。

4.打开影像，进行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.对影像进行分析，说明子区影像直方图与原影像直方图的差异，并分析子区影像的基本特征。

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行影像目视解译，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及其规律（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相同的纵横比）。

原理和方法

命名规则：

LC136LGN00LC8——landsat8

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LC136LGN00_Bx.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。

LC136LGN00_MTL.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，大部分地区海拔在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：

春季干燥多风，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LC136LGN00_sub，该文件自动导入ENVI中。

3.通过RasterManagement→EditENVIHeader工具编辑LC136LGN00_sub的头文件，完善影像的基本信息。

4.通过DataManager查询影像文件的基本信息、投影信息，通过Statistics→putestatistics，切记勾选Histograms，生成LC136LGN00_sub.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选择波段进行波段组合试验。

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，与原影像进行比较分析。

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行影像目视解译。

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，以及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.影像文件的基本信息和投影信息如图所示：

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：

0.443到2.201微米

2.各个波段直方图信息如图所示：

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对比分析：

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部分，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及纹理特征：

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，相同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相同，而统一性是指相同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应事物的客观规律。

存在问题与解决办法

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，以为需要进行其他转化才能使用，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。

通过上课听老师讲解作业，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影像处理软件的基本操作和使用方法，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行辅助目视解译，方便了遥感工作者。

掌握了Excel中的宏分析工具。