长沙市植被覆盖率变化遥感图像处理.docx
《长沙市植被覆盖率变化遥感图像处理.docx》由会员分享，可在线阅读，更多相关《长沙市植被覆盖率变化遥感图像处理.docx（18页珍藏版）》请在冰点文库上搜索。
长沙市植被覆盖率变化遥感图像处理
课程：
遥感图像处理
题目：
市植被覆盖率变化
姓名：
奔
学号：
20124223
指导教师：
峰
日期2015年5月7日
市植被覆盖率变化
实习目的:
1、本课程设计是综合运用ENVI进行遥感图像处理
2、掌握使用ENVI进行多幅图像镶嵌的方法
3、掌握使用ENVI进行图像裁剪的方法
4、掌握使用ENVI进行图像分类来分析问题的方法
实习容:
1、数据下载：
课程设计所需遥感影像数据的下载
2、图像镶嵌：
将下载的多幅遥感影像进行拼接
3、图像裁剪：
裁剪出市的遥感影像
4、图像分类：
对市的主要地物进行分类
基本原理:
1、NDVI（归一化植被指数）
NDVI=（NIR-R）/（NIR+R），或两个波段反射率的计算。
它的取值围是-1—1。
对于陆地表面覆盖来说，云、雨、雪在可见光比近红外波段有较高的反射作用所以NDVI为负值，岩石、裸土的NDVI一般为0，有植被覆盖的地方一般大于0。
2、图像镶嵌（mosaic image）
是具有地理参考的若干相邻的图像合并成一幅图像或一组图像，需要拼接的图像必须含有地图投影也就是说图像必须经过几何校正处理，虽然所有的输入图像可以具有不同的投影类型，不同的象元大小，但必须有相同的波段数。
在进行图像拼接时需要确定一幅参考影像，参考图像作为图像拼接的基准，决定输出图像的地图投影和象元大小和数据类型。
3、图像裁剪
目的是将研究之外的区域去除。
常用的方法是按照行政区划边界或自然区划边界进行图像裁剪。
在基础数据生产中，还经常要进行标准分幅裁剪，按照ENVI的图像裁剪过程，可分为规则裁剪和不规则裁剪。
4、遥感图像分类
就是通过对遥感图像中地物的光谱信息和空间信息进行分析，选择特征，将图像中每个象元按照某种规则或算法划分为不同的类别，然后获得遥感图像与实际地物的对应信息，从而实现遥感图像的分类。
一般的分类方法可分为两类：
监督分类和非监督分类。
将多源数据应用于图像分类中，发展成基于专家知识的决策树分类。
5、遥感动态监测
指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化。
它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。
数据准备:
1、2006年TM影像_L4_30米4幅
2、2009年TM影像_L4_30米4幅
3、Shp矢量文件
4、DEM影像_L4_30米7幅
操作方法及过程:
1、实习概述
本次研究,结合研究目标和实际情况,综合权衡各种因素后,主要采用的卫星遥感影像为市2个时相的LandsatTM影像,成像时间分别为2006年和2009年，影像分辨率为30m,影像已经过大气校正、几何精校正及裁减处理。
数据来源：
TM影像数据从中国科学院遥感与数字地球研究所（
DEM影像数据从地理空间数据云（
Shp矢量数据从GIS帝国论坛分享中下载。
2、矢量文件提取
利用ArcGIS10提取要素来导出市的矢量Shp数据文件。
（1）用ArcGIS10打开中国地级市矢量图
（2）选择要素-，使用筛选工具导出市的矢量Shp数据文件。
导出结果后第二图
3、图像镶嵌
（1）打开影像文件2006年
（2）设置参数
（3）输出参数设置
（4）图像镶嵌结果
2009年的图像镶嵌按此操作
4、图像裁剪
（1）打开矢量Shp文件
（2）设置文件打开参数
（4）将矢量文件转换为ROI
（5）输出图像裁剪后的结果
2009年的图像裁剪按此操作
5、图像分类
（1）按分类要求绘制感兴趣区域
（2）检查感兴趣区域的可分离度
（3）设置输出参数
（4）分类后结果输出
（5）图像分类后处理-majority分析
2009年的图像分类操作按此进行
6、遥感动态监测
（1）选择2006年和2009年分类后的遥感时相图
（2）定义变化分析类别
（3）设置输出参数
（4）得出分析结果，分析数据报告导出
PixelCounts
Unclassified植被[Green]3550points建筑[Red]15187points水系[Blue]4773pointsRowTotalClassTotal
Unclassified1018084410151598099952421128224411282244
植被[Green]15849points7036975271680847087105668235206823520
建筑[Red]53838points35591326792761688509706247307604730760
水系[Blue]4817points758964288360479990163778163778
ClassTotal11316350897040326201999335000
ClassChanges113550636987239316901336000
ImageDifference-34106-214688321105617042800
EquivalentClassPairings
Unclassified<==>Unclassified
植被[Green]3550points<==>植被[Green]15849points
建筑[Red]15187points<==>建筑[Red]53838points
水系[Blue]4773points<==>水系[Blue]4817points
ReportProducedon:
SunMay1016:
16:
002015
结果与分析:
一、几何精纠正控制点位置及其误差
地面收集的控制点见下表
其中控制点的误差RMS在1左右不超过1.5
二、影像处理结果分析
1、图像裁剪前后影像比较
（1）图像裁剪前的多光谱影像
（2）图像裁剪后的影像
【结果与分析】按照行政区划边界或自然区划边界进行图像裁剪，通过对图像的裁剪，来进行特定区域的地物问题分析
2、两年的遥感影像比较
（1）2006年的多光谱影像
（2）2009年的影像
【结果与分析】从上两图明显可以看出来的是眼和湘江流域，整个居民区在不断扩，人类的活动影响十分明显。
3、两年分类后的遥感影像比较
（1）2006年的多光谱影像
（2）2009年的多光谱影像
【结果与分析】从上两图清楚的看出是的植被减少了很多，取而代之的是连绵的居民区特别是眼水系的区域，居民区以水系为中心在不断向外扩。
5、动态监测报告
【结果与分析】从上表中的数据可以清楚的看出是的植被减少了很多，取而代之的是连绵的居民区，水系也在缩减。
很明显人类的活动下，城市化的扩，都不可避免的占用植被来满足人类生活的需要。
存在问题与解决办法:
1、部分遥感影像的云量较多，怎么减少其对影像结果的影响?
分析：
遥感影像的云量可以从数据源上进行解决，当遥感影像的云量较多难以避免时，通过计算ndvi值，分析云值围，对该段数据进行忽略，尽量减少云量对实验结果的影响。
2、按上面所述，它的根本值没有发生改变，但是毕竟一部分数值已经扩大了，怎么处理比较合理？
分析ENVI—BasicTools—BandMath波段运算，把负值去掉，在弹出的对话框BandMath中Enteranexpression（b1lt0）*0+（b1ge0）*（b1*0.0001）。
这个公式意思就是要是值小于0就乘以0使其变为0同时值大于等于0的话就乘以0.0001这个系数。
这样就OK了。
关于B1代表所选的那个影像。
总结:
本次实验通过对市06年的分类后tm影像和09年的分类后对比，发现裸地面积减少，而这些减少的裸地中有一半变成了非朝北缓坡植被，一小部分变成朝北缓坡植被。
水体和背景基本没有什么变化。
通过这次对市植被覆盖率变化的研究，让我对图像拼接，图像分类有了很深刻的了解,图像分类有助于我们对于特定地物的研究。
升级会员 