目錄

一、 遙感軟件的基本功能實(shí)習(xí)

1.1 遙感影像的大氣校正

（1）基本原理與操作步驟

（2）結(jié)論

? 1.2 幾何校正

（1）影像之間的相對(duì)幾何校正與鑲嵌基本原理與操作步驟

（2）基于同名控制點(diǎn)的絕對(duì)幾何校正基本原理與操作步驟

（3）結(jié)論

1.3 計(jì)算機(jī)解譯

? ? ? ? ?1.3.1 監(jiān)督分類（最大似然法）

1.3.2 非監(jiān)督分類（K-Means）

1.3.3 非監(jiān)督分類（ISODATA）

1.3.4 三種分類方法的結(jié)果對(duì)比分析

二、 綜合應(yīng)用實(shí)踐

三、總結(jié)

---

免費(fèi)原報(bào)告詳見(65條消息) 中國(guó)地質(zhì)大學(xué)（武漢）遙感原理與應(yīng)用實(shí)習(xí)報(bào)告（免費(fèi)）-行業(yè)報(bào)告文檔類資源-CSDN文庫(kù)https://download.csdn.net/download/qq_58010729/85076102

---

一、 遙感軟件的基本功能實(shí)習(xí)

1.1 遙感影像的大氣校正

（1）基本原理與操作步驟

傳感器探測(cè)并記錄地物輻射或反射的電磁波能量時(shí)，得到的測(cè)量值（輻射亮 度）并不是地物本身真實(shí)的輻射亮度，這是因?yàn)閭鞲衅鞯墓怆娤到y(tǒng)特征、太陽(yáng)高度、地形以及大氣條件等多種因素都會(huì)對(duì)傳感器的探測(cè)和記錄產(chǎn)生一定的影響。這種影響造成了遙感圖像上地物輻射亮度的失真，并對(duì)準(zhǔn)確評(píng)價(jià)地物的反射特征及輻射特征產(chǎn)生不利影響，必須盡量消除，則整個(gè)過程稱之為輻射校正。而大氣校正則分別由輻射定標(biāo)和大氣及太陽(yáng)高度校正組成。

數(shù)據(jù)來源：USGS Global???? http://glovis.usgs.gov/

?

本次實(shí)驗(yàn)使用的是武漢市部分區(qū)域 Landsat 8 OLI 的 L1T 級(jí)別數(shù)據(jù)LC812303920180430801T1。在 Envi5.3 64-bit中通過如下操作打開影像：

File-> Open As-> Landsat-> GeoTIFF with Metadata，打開 2019 年冬（實(shí)際時(shí)間為 2020 年初）圖像如圖一：

2020 年 2 月 18 日武漢地區(qū)（landsat122039）

準(zhǔn)備數(shù)據(jù)：定標(biāo)符合單位要求的輻射量數(shù)據(jù)、轉(zhuǎn)換數(shù)據(jù)儲(chǔ)存順序等。

具體操作為：在 ENVIToolbox 中，選擇 Toolbox/Radiometric Correction/Radiometric Calibration，選擇*_MultiSpectral 可見光-紅外組（7 個(gè)波段），打開輻射定標(biāo)工具，對(duì)兩景影像分別做輻射定標(biāo)。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

?校正后結(jié)果圖如下：

輻射校正之后的影像，比以前亮了一些電磁波在大氣中的傳輸和遙感器觀測(cè)過程中受光照條件以及大氣作用等的影響，只有小部分(在 0.85um 波段80%，在 0.45um 波段 50%)太陽(yáng)輻射能反射到遙感器，導(dǎo)致遙感器的測(cè)量值與地物實(shí)際的光譜輻射率不一樣。輻射損失主要發(fā)生在大氣吸收和散射過程，因此地表參數(shù)的遙感定量反演研究中，必須糾正目標(biāo)輻射的不確定性信息。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(jìn)行大氣校正的商業(yè)化軟件。FLAASH 大氣校正模塊支持多種傳感器數(shù)據(jù)，其光譜處理范圍 0.4μm-2.5μm，可以有效地去除水蒸氣/氣溶膠散射效應(yīng)，同時(shí)該方法基于圖像像素級(jí)的校正，能夠解決目標(biāo)像元和鄰近象元的“鄰近效應(yīng)” 問題。

具體操作為：在 Toolbox 中，選擇 RadiometricCorrection/FLAASH Atmospheric Correction：

輻射校正之后的影像，比以前亮了一些

結(jié)果對(duì)比分析大氣校正前后典型地物的光譜曲線變化對(duì)比分析（包括植被、裸土、水體、人工建筑物）

裸土：

左為大氣校正后，右為大氣校正前，可以發(fā)現(xiàn)其變化是校正后在可見光波段有了波峰，其余波段變化情況差異不大。

?植被：

左為大氣校正后，右為大氣校正前，總體反射率變大，在可見光區(qū)間變化尤其大。

?水體：

左為大氣校正后，右為大氣校正前，在可見光波段有了“小波峰”。其余地方變化不大。

?人工建筑物：

左為大氣校正后，右為大氣校正前，總體反射率變大，在長(zhǎng)波段變化尤其大。

（2）結(jié)論

大氣的衰減作用對(duì)不同的波長(zhǎng)的光是有選擇性的，因而大氣對(duì)不同波段的圖像的影響是不同的。

另外，太陽(yáng)-目標(biāo)-遙感器之間的幾何關(guān)系不同，則所穿越的大氣路徑長(zhǎng)度不同，使圖像中不同地區(qū)地物的像元灰度值所受大氣影響程度不同，且同一地物的像元灰度值在不同獲取時(shí)間所受大氣影響程度也不同。因此在提取地物光譜之前需要進(jìn)行大氣校正才能得到真實(shí)的地物光譜曲線。

額外實(shí)驗(yàn)：QUAC大氣校正：

打開 Radiometric Correction/Atmospheric Correction Module/QUick Atmospheric Correction (QUAC)，QUAC 為快速校正工具，相比起 Flassh 大氣校正，QUAC 更加高效便捷。直接選中要處理的影像，并添加保存路徑即可。

? ? ? ? ? ? ??

? 1.2 幾何校正

（1）影像之間的相對(duì)幾何校正與鑲嵌基本原理與操作步驟

圖像校正主要是指輻射校正和幾何校正。幾何校正就是校正成像過程中造成的各種幾何畸變，包括幾何粗校正和幾何精校正。幾何粗校正是針對(duì)造成畸變的原因進(jìn)行的校正，我們得到的衛(wèi)星遙感數(shù)據(jù)一般都是經(jīng)過幾何粗校正處理的。

傳統(tǒng)的遙感影像圖校正多采用光學(xué)校正，這種方法在數(shù)學(xué)上有一定的局限；而數(shù)字校正建立在嚴(yán)格的數(shù)學(xué)基礎(chǔ)上，可以逐點(diǎn)逐行進(jìn)行校正，所以它要求各種類型傳感器圖像實(shí)行嚴(yán)格校正。通過數(shù)字校正，改正原始圖像的幾何變形，產(chǎn)生符合某種地圖投影的新圖像。

鑲嵌基本原理：指當(dāng)研究區(qū)超出單幅遙感圖像所覆蓋的范圍時(shí)，將兩幅或多幅圖像拼接起來形成一整幅覆蓋全區(qū)的較大圖像的過程。

幾何校正步驟：

本來是根據(jù)指導(dǎo)書的建議，使用envi經(jīng)典模式進(jìn)行校正的，但沒有留下過程圖。后來在段文豪同學(xué)的建議下，重新采取了Image Registration Workflow流程化工具進(jìn)行幾何校正并進(jìn)行截圖留存：

(1) 選擇Geometric Correction→Registration→Image Registration：

(2)放入同時(shí)相不同景的兩幅影像進(jìn)行相對(duì)校正：

這里的文件名雖然是定標(biāo)，但其實(shí)是經(jīng)過大氣校正之后的圖像（命名的時(shí)候把兩個(gè)順序弄反了，先命名的大氣校正后命名的輻射定標(biāo)）

這樣就得到了自動(dòng)選取的一些控制點(diǎn)：?

?另一幅圖的：

結(jié)果還算可觀，自動(dòng)選取的控制點(diǎn)的error值普遍較低：

隨后進(jìn)行配準(zhǔn)，選擇保存路徑：

配準(zhǔn)之后的圖：

依次類推，完成對(duì)后續(xù)幾張圖的配準(zhǔn)再進(jìn)行后續(xù)的鑲嵌操作圖像鑲嵌：?

1.找到 Mosaicking-> Seamless mosaic：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

?2.設(shè)置如下參數(shù)：

? ? ? ? ? ? ? ? ? ?

?3.得到的鑲嵌結(jié)果如下：

等了挺久的。。。最終鑲嵌結(jié)果鑲嵌完了之后就是進(jìn)行剪裁了，這一步不難，操作如下：

1.打開岳老師給的武漢市邊界 shp 文件：

?2. 打開 Regions of Interest ->Subset Data from ROIs

? ? ? ? ? ? ? ? ? ? ? ??

?得到了裁剪圖：

接下來可以進(jìn)行分類操作了。

（2）基于同名控制點(diǎn)的絕對(duì)幾何校正基本原理與操作步驟

情況說明：這里在之前實(shí)習(xí)上機(jī)的時(shí)候是真的沒有注意啊。本來用經(jīng)典模式選控制點(diǎn)的時(shí)候還有機(jī)會(huì)研究一下，但由于沒有注意到這一點(diǎn)所以沒有留存什么截圖，后來寫報(bào)告的時(shí)候用的又是自動(dòng)選取控制點(diǎn)，所以這里實(shí)在是沒有什么實(shí)踐經(jīng)驗(yàn)，只能在最后進(jìn)行了一些理論上的學(xué)習(xí)。以下內(nèi)容來自同學(xué)幫助和自己查閱的資料，作了一點(diǎn)總結(jié)：

不同控制點(diǎn)：控制點(diǎn)不同對(duì)幾何校正的結(jié)果影響不大。

控制點(diǎn)均勻分布與非均勻分布：當(dāng)選在非均勻的密集控制點(diǎn)區(qū)域 時(shí)，幾何校正較準(zhǔn)確，當(dāng)選在非均勻校正時(shí)所選控制點(diǎn)區(qū)域外時(shí)，幾何校正不準(zhǔn)確。

不同多項(xiàng)式的次數(shù)之間結(jié)果的對(duì)比：該操作對(duì)幾何校正的結(jié)果影響較小。

（3）結(jié)論

圖像的幾何校正和鑲嵌是非常重要的中間步驟。我本來采取的是先鑲嵌后校正的做法，后來則改為了先幾何校正后鑲嵌。這兩者的關(guān)系是期末考試的一個(gè)復(fù)習(xí)點(diǎn)，可見如下 ppt：

至于相對(duì)配準(zhǔn)和絕對(duì)配準(zhǔn)，也是一個(gè)復(fù)習(xí)點(diǎn)，見如下 ppt：

話說回來，我本來使用的是 envi 經(jīng)典模式下的手動(dòng)選擇控制點(diǎn)，個(gè)中艱辛難以言表，后來采取了自動(dòng)配準(zhǔn)的方法，感覺不僅方便快速而且效果還比我自己選的要好，所以說還是要多與同學(xué)交流，或許能取得事半功倍的效果。

1.3 計(jì)算機(jī)解譯

1.3.1 監(jiān)督分類（最大似然法）

算法原理：

最大似然法是我們接觸最多的一種監(jiān)督分類算法，也是期末的重要考點(diǎn)。最大似然法假設(shè)各訓(xùn)練樣本在每個(gè)波段都呈正態(tài)分布，它首先計(jì)算待分類像元對(duì)于已知各類別的似然度，然后將該像元分到似然度最大的一類中。

操作步驟：

1.首先是創(chuàng)建樣本：

2.可分離性評(píng)價(jià)：

3.選擇最大似然法進(jìn)行分類：

4.得到的分類結(jié)果?：

精度評(píng)價(jià)方法是通過混淆矩陣進(jìn)行評(píng)價(jià)：

?由于缺少標(biāo)準(zhǔn)圖，所以選取了另一年的分類結(jié)果進(jìn)行配準(zhǔn)：

精度一般般吧。。。。。。?

結(jié)果分析放上三個(gè)時(shí)相的分類圖 ：

2018 夏2019 夏2019 冬

?對(duì)比三個(gè)時(shí)相的分類圖，我比較滿意的是 2018 年夏的，一方面是由于數(shù)據(jù)選區(qū)的時(shí)候云比較少，另一方面也可以從結(jié)果看出：2018 夏的建筑連成了片，這也是比較符合實(shí)際狀況的。具體的分析還是放在后面進(jìn)行。

1.3.2 非監(jiān)督分類（K-Means）

算法原理

K-均值算法的聚類準(zhǔn)則是使多模式點(diǎn)到其類別中心的距離平方和最小。通過迭代逐次移動(dòng)各類別的中心，直至得到最好的聚類結(jié)果為止。

操作步驟操作步驟相較于之前的監(jiān)督分類，比較簡(jiǎn)單：

精度評(píng)價(jià)還是通過混淆矩陣進(jìn)行分析，但是結(jié)果，，，實(shí)在有些不堪入目，這里就不展示了。

結(jié)果分析：

2019 夏

三個(gè)時(shí)相中我只有 2019 夏采用的是 K-Means 算法，說實(shí)話這個(gè)結(jié)果出來的時(shí)候給我嚇了一跳，因?yàn)閷?shí)在是不高。我覺得非監(jiān)督分類主要的用途還是協(xié)助進(jìn)行監(jiān)督分類，不然它本身的分類結(jié)果可能并沒有什么實(shí)際價(jià)值。

1.3.3 非監(jiān)督分類（ISODATA）

算法原理：

ISODATA 是 K-均值算法的改進(jìn)，其算法思想是:先選擇若干樣本作為聚類中心，再按照最小距離準(zhǔn)則使其余樣本向各中心聚集，從而得到初始聚類，然后判斷初始聚類結(jié)果是否符合要求。若不符，則將聚類集進(jìn)行分裂和合并處理，以獲得新的聚類中心(聚類中心是通過樣本均值的迭代運(yùn)算得出的)重新聚類，再判斷聚類結(jié)果是否符合要求。如此反復(fù)迭代，直到完成聚類分類操作。

操作步驟還是不難：

（對(duì)默認(rèn)參數(shù)稍作了修改）

???精度評(píng)價(jià)：

雖說是對(duì) K-means 的改進(jìn)，但是精度還是很難看，加大了我對(duì)非監(jiān)督分類的不信任。

結(jié)果分析：

以下是兩個(gè)時(shí)相的非監(jiān)督分類圖（2018 夏、2019 冬）：

? ? ? ? ? ? ? ? ? ? ? ?

2018夏

2019冬

?從我個(gè)人觀感來看，ISO-DATA 確實(shí)比 K-Means 精度高了那么一些，但是還是遠(yuǎn)不如監(jiān)督分類實(shí)在。

1.3.4 三種分類方法的結(jié)果對(duì)比分析

1.三種分類方法對(duì)比，可以很容易發(fā)現(xiàn)監(jiān)督分類與非監(jiān)督分類最大的區(qū)別在于有無先驗(yàn)樣本。

2.非監(jiān)督分類方法并不是一無是處，為了充分利用兩種分類方法，可以采取以下步驟進(jìn)行分類：

第一步：選擇一些有代表性的區(qū)域進(jìn)行非監(jiān)督分類。

第二步：獲得多個(gè)聚類別的先驗(yàn)知識(shí)。

第三步：特征選擇。

第四步：使用監(jiān)督法對(duì)整個(gè)影像進(jìn)行分類第五步：輸出標(biāo)記圖像。

3.監(jiān)督分類更加由人為原因決定，而非監(jiān)督分類是計(jì)算機(jī)自動(dòng)深度學(xué)習(xí)得出的結(jié)果。

4.從分類精度上來看，雖然監(jiān)督分類效果更好，但所花費(fèi)時(shí)間人力物力更多，在以后我們可以提高非監(jiān)督分類算法來實(shí)現(xiàn)人為參與度更少的高精度分類。

1.4 典型地物光譜分析

（1）影像光譜

?裸土：

左為大氣校正后，右為大氣校正前，可以發(fā)現(xiàn)其變化是校正后在可見光波段有了波峰，其余波段變化情況差異不大。

?植被：

左為大氣校正后，右為大氣校正前，總體反射率變大，在可見光區(qū)間變化尤其大。

?水體：

左為大氣校正后，右為大氣校正前，在可見光波段有了“小波峰”。其余地方變化不大。

?人工建筑物：

左為大氣校正后，右為大氣校正前，總體反射率變大，在長(zhǎng)波段變化尤其大。

（2）光譜庫(kù)光譜

（3）光譜儀實(shí)測(cè)光譜?

數(shù)據(jù)來源是之前的素質(zhì)拓展課，采用手持式光譜儀測(cè)得：?

甚至還測(cè)了我的帽子

數(shù)據(jù)比較雜亂，最后還是段文豪組長(zhǎng)整理并且分出了一套光譜曲線，但由于當(dāng)時(shí)記錄現(xiàn)在找不全了，所以沒能分清哪些曲線是哪些地物的：

圖片來源：段文豪

（4）典型地物光譜一致性

?典型地物光譜的一致性分析由于測(cè)量角度、日照等問題的影像，經(jīng)過艱難辨別，也實(shí)在沒能辨別出來什么，可以說做的是很失敗了。

（5）結(jié)論

從課堂上的學(xué)習(xí)中，我深知地物光譜曲線本應(yīng)是辨別地物的強(qiáng)有力武器，最后卻因?yàn)楫?dāng)時(shí)記錄的缺失和測(cè)量方法的不妥當(dāng)?shù)仍?#xff0c;沒能從實(shí)踐方面將地物光譜曲線的威力發(fā)揮出來，確實(shí)是很遺憾的事情。

二、 綜合應(yīng)用實(shí)踐

為了掌握武漢市及局部土地利用變化的狀況，根據(jù)所學(xué)的遙感軟件基本功能模塊，應(yīng)用武漢市 Landsat8 OLI、2014-2020 任意兩年夏季、冬季影像（要求云量盡可能少，約 4 景影像可完全覆蓋武漢市范圍），對(duì)武漢市 2015-2020年不同季節(jié)的水體以及植被變化進(jìn)行檢測(cè)，并分析其變化趨勢(shì)及原因。?

數(shù)據(jù)選擇：根據(jù)上述任務(wù)需求選擇合適的遙感衛(wèi)星數(shù)據(jù)

這里我對(duì)數(shù)據(jù)來源做一個(gè)說明：2019 夏與 2019 冬的數(shù)據(jù)來源于國(guó)外網(wǎng)站 USGS Global（http://glovis.usgs.gov/），2018 夏的數(shù)據(jù)來源于國(guó)內(nèi)網(wǎng)站地理空間云數(shù)據(jù)。選取的均為 landsat8 122039、123038、123039 位置的盡量少云的影像。

數(shù)據(jù)預(yù)處理：包括輻射校正、幾何校正與鑲嵌等。

簡(jiǎn)易流程為：處理一個(gè)時(shí)相的數(shù)據(jù)時(shí)，分別對(duì)三幅影像進(jìn)行輻射定標(biāo)、大氣校正、相對(duì)配準(zhǔn)、鑲嵌、裁剪。詳見前面的步驟說明。

典型地物分類與精度評(píng)價(jià)：分別采取了非監(jiān)督和監(jiān)督分類，詳細(xì)步驟見前述。

結(jié)果分析：由于非監(jiān)督分類結(jié)果實(shí)在不好看，這里只采取三個(gè)時(shí)相的監(jiān)督分類圖進(jìn)行展示：

2018夏
????

2019夏

2019冬

單從分類結(jié)果而言，分類質(zhì)量是 2018 夏>2019 夏>2019 冬。具體分析請(qǐng)見下一條。

結(jié)論：

????????說實(shí)話，這個(gè)數(shù)據(jù)選擇的時(shí)機(jī)不好。先開始沒有注意，后來才發(fā)現(xiàn)選擇相隔兩年的影像導(dǎo)致的后果是，變化有限，很難分析出一些有價(jià)值的結(jié)果。例如 2018 夏和 2019 夏相比，直觀感受就是建設(shè)用地變多了不少，但是僅僅一年的時(shí)間真的能有這么大變化嗎？非要這么說就顯得有些勉強(qiáng)了，我更傾向于是分類精度本身存在問題。北部的林地倒是一直保護(hù)的還可以，甚至有變大的趨勢(shì)，可見武漢市政府深諳生態(tài)文明建設(shè)之道，在環(huán)保方便近幾年一直在花力氣去做。水域面積也是變小了一些，可能也與市政建設(shè)有關(guān)。除此之外耕地倒是沒有太大變化，這也符合常理，畢竟只間隔了一年的時(shí)間。還有值得分析的就是同一年不同季節(jié)間的對(duì)比。對(duì)比 2019 夏和 2019 冬，會(huì)發(fā)現(xiàn)建設(shè)用地的顏色淡了不少？猜想可能是由于樹木生長(zhǎng)覆蓋的原因。2019 冬，也就是 2020 年初，新冠疫情肆虐武漢，可能樹木長(zhǎng)期沒有人修剪，所以覆蓋了一些房屋，導(dǎo)致建設(shè)用地面積減少而且呈現(xiàn)出不連續(xù)的表現(xiàn)形態(tài)（當(dāng)然也可能是由于分類精度本身的影響）。還有一個(gè)重要的點(diǎn)就是很多耕地被分為了草地？這一點(diǎn)我沒能做出比較好的解釋，只能說小草的生命力在冬天也很旺盛了。???????

總結(jié)

以上是生活随笔為你收集整理的利用武汉市遥感影像进行土地利用分类分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。