野外认知实习实习报告.docx

野外认知实习实习报告.docx

《野外认知实习实习报告.docx》由会员分享，可在线阅读，更多相关《野外认知实习实习报告.docx（12页珍藏版）》请在冰点文库上搜索。

野外认知实习实习报告

《遥感野外认知实习》

实习报告

测绘科学与技术学院

实习报告正文：

一、实习目的和任务

实习目的及意义：

遥感野外认识的重要环节，更是培养学生的动手实践能力，训练野外调查态度与作风，培养学生吃苦耐劳和团结协作的必要手段。

通过实习增强学生对地理环境及其在遥感图像，专题地图和土地利用的地理信息表达的认识，提高理论知识的应用能力，为今后进一步学习有关遥感有关的课程打下坚实基础。

实习任务：

本次实习的内容是基于遥感观测的地表覆盖调查，具体实施以第一次全国国情普查的地理国情普查内容与指标（GDPJ01-2013）和地理国情普查数据规定与采集要求（GDPJ01-2013）为参照，具体内容包括临潼区正射影像查底图制作，遥感图像外业调绘与样本采集，实践基地地表覆盖的内业成果编辑与成图。

实习期间的组织工作应由实习队长全面负责，实习队配备指导教师（每班2人），担任实习期间的指导工作。

实习工作按实习组落实，实习队共分10组，每组6~7人，推选组长1人，负责组内安全、实习分工，副组长负责实习资料管理，组员在组长的统一安排下，分工协作，不要单纯追求进度，稳进推动完成实习任务。

实习学生个人实习成果提交内容包括内业编辑与整理成果包括:

文档资料、数据成果，按照要求统一整理成果。

文档资料包括设计书和技术总结为主要内容，按照统一模板撰写实习总结，电子版每人一份，以姓名和学号命名;

本次实习需提交的成果包括设计书和技术总结为主要内容的实习报告（电子版和手写版各一份、个人实习日志、地表覆盖室内初次解译后进行实地调绘标注用的地图、内业整理后的地理国情地表覆盖成果、遥感解译样本表。

二，地理国情地表覆盖调查

2.1地理国情地表覆盖的底图制作

地理国情地表覆盖调查分为三个阶段，分别为：

（1）地理国情地表覆盖调查的底图制作（内容为数据源、解译技术、底图生成等）；

（2）外业调绘及样本采集成果（包括路线设计、样本采集成果统计、解译标志对照表等）；

（3）内业成果编辑与地图表达（包括调查区域的地表覆盖的统计、专题地图的设计）。

地表覆盖类型图斑勾绘与编辑准备好影像和相关参考数据后，按要求建立相应的地表覆盖图层，按照定的解评工作策略，进行目视解译与编辑，基于影像理个勾给地衣理盖类型图既，并克成属性赋值等操作。

解译过程中，宜采用由粗到细、先易后难的策略，

（1）由粗到细的策略。

解译过程中，般应观察大范围的总体特征，建.对区域的总体认识，然后放大到局部进行具体类型的划分和地物要素的提取。

在局部进行信息提取的过程中，当遇到边界不确定的模糊问题时，可缩小显示比例，增大视野范围。

在勾绘界线时，般选择在 ”个比预定比例尺更 大的比例尺下进行，可以提高界线的采集精度。

（2）先易后难的策略。

信息提取过程中，先提取容易辨识的，后提取难于识别的。

对难以识别的类型需要逐步总结，并积累解译的方法。

地理国情地表覆盖调查的底图制作：

这一阶段的我们的工作是利用老师上传的两张临潼区卫星遥感影像（分别为2020年和2009年所摄）进行目视解译，在此基础上进行底图制作并附上属性ID。

具体步骤如下：

具体操作过程如下:

（1）在AreCatalog中创建一个新的Shapefile,用于存储地衣覆盖数据的矢量解译结果。

在Create New Shapefilex对话框中，输入文件名，要素类型选择Polygon.点击Spatial Reference框里的Edit按钮，选择导入正射影像图的投影信息。

（2）从Editor下拉菜单选择Start Editing.选择上步中创建的Shapefile文件增加（Create Feature）地表覆盖类型图斑多边形。

再对多边形编辑处理过程中灵活运用Cut Polygon.对整幅影像图勾绘完成后，对每个多边形按照2.2.1节地表覆盖类型代码赋属性值。

如果对部分图斑类型不确定，可以将其赋为0，留作外业重点调查。

并以此为底图，新建一个shpfile文件对其进行目视解译。

在我们的实习指导书上，各种地物类型在实习指导书上都有对应的编号。

图1原始提取的临潼区2020的卫星影像图

紧接着我们给全图赋予一个大的矩形边框，然后使用编辑器在shpfile文件上用命令cutthepolygon创建闭合的面要素polygon，使其覆盖不同的地物类型上，并在属性表中给其赋予相应的编号。

某些相同并相邻的地物可用单个面要素覆盖并赋予特殊的编号。

相邻面要素之间不得有空隙或重叠，否则图像会出现拓扑错误。

在画面的同时我利用了捕捉点的方法，让面与面之间的的点都是共同点，这样做出的面实现要素之间完整的契合。

图2对临潼区2009年的图像进行矢量化并给其赋属性值后的结果

图3对临潼区2020年的图像进行矢量化并给其赋属性值后的结果

在我们制作完底图后，还需进行拓扑检查，对于初步解译完的结果，不可避免的会出现错误，因此在正式应用数据前，应该根据要求检查和修正各类拓扑错误。

具体过程如下:

（1）在ArCatalog中创建个新 的Personal Geodatabase,然后在其下创建个要素集Feature Dataset,然后再选择import->Feature Cass（single）导入地表覆盖提取结果。

（2）进入建立的要素集下，单击右键，在弹出的右键菜单中选择New->topolopy,在出现的Add Rule对话框的Rule下拉菜单中，选择"Must nooverlay"和"Must nohavegaps"。

（3）最后在Arcmap中打开由拓扑规则产生的文件，利用topology工具条中记录错误信息进行修改。

图4对临潼区2009年的影像拓扑检查生成的成果图

图5对临潼区2020年的影像拓扑检查生成的成果图

2.2外业调绘及样本采集成果

在我们的这次实习中，外业调绘一共进行了3次，主要是前往地图上分辨率较低、难以判断地物类型的地区，进行采集样本点，了解难以分辨的地物的特征并将其识别，及时的对比修改地物的属性。

第一次为我们行进方向是地图上的西南方向，走的芷阳湖方向，然后沿着骊山大道一路西行，在沿线途中主要确定地图中的道路旁的植被类型，包括植被的类型：

果园、人工幼林、乔灌混合林、草地等以及建筑类型：

低矮房区还是高楼，或是建筑工地还有河流等。

第二次我们外业调绘的行进方向是地图的西北方向即临潼区西北面的乡村开发地区，在沿途中我们主要给沿途的建筑工地、农田、路旁建筑物以及路旁边的植被类型等确定，途中经过铁路等特殊地物。

第三次我们外业调研的主要行进方向为地图的南面即沿着我们学校南面后边的石榴园盘山公路走，主要确定了学校后山上区别不明显的植被类型农田与果园的分界线位置、山路边的建筑类型等。

当野外认知地物遇到与自己第一次制作的地图不同的地物时，我们就需要用奥维互动地图对与自己制作的地图类别不一样的地方进行定位标记并拍照，并将所有定位标记的地物详细信息制作成一份单独的数据表，以方便回去以后在电脑上修改并补充地物，在我们的数据表上地物点的信息包括：

经纬度、标记时间、地物类型，地物的代码等。

表1样本采集成果统计表

图6解译标志成果对照图

2.3内业成果编辑与地图表达

利用ENVI对光谱图像的处理：

在软件ENVI中display项中选择SpectralLibraryViewer项，再选择Import项，在弹出的对话框中选择文件类型为ASCII选项选择后缀名为.sac的文件。

选择plot可查看图像，接着在右上方选择Export项输出想要的文件类型即可输出结果图。

在Toolbox中选择Spectral，再选择工具SpectralMath，在弹出的对话框中导入平滑的公式smooth（s1,5），其中s1代表原来图像的光谱线，用s1，s2等来表示；5代表平滑的加权系数。

选择需要平滑的光谱曲线，在选择在一个新的窗口中显示，得到平滑后结果。

图7ENVI中生成的白色灯柱的光谱特性曲线以及平滑后的曲线

灯柱光谱曲线：

曲线总体先快速上升后，平缓上升直至水平。

在红光波段出现峰值。

操场地面的光谱曲线：

曲线总体上升，在蓝绿红波段的光谱曲线依次上升。

操场草地的光谱曲线：

曲线总体上升，但大致在红光波段出现峰值。

积水的光谱曲线：

曲线总体比较曲折，也在蓝绿红波段的光谱曲线依次上升。

对于其他光谱曲线也遇刺类似，大都是在蓝绿红波段三个波段依次上升，在红光波段达到峰值。

利用ENVI软件对哨兵数据采样并进行地物类别监督分类：

第一步：

类别定义/特征判别

启动ENVI5.1，打开待分类数据：

.img。

以R:

TMBand5，G:

TMBand4，B：

TMBand3波段组合显示。

通过目视可分辨六类地物：

林地、草地/灌木、耕地、裸地、沙地、其他六类。

接着对需要的分类的部分利用lingtong.shp文件作为边框裁剪，在在Toolbox中选择subsetdataforROIs进行裁剪得到需要分类部分的图像。

第二步：

样本选择

（1）在图层管理器LayerManager中，can_tmr.img图层上右键，选择“NewRegionOfInterest”，

打开RegionofInterest（ROI）Tool面板，下面学习利用选择样本。

并在RegionofInte

rest（ROI）Tool面板上，为你的样本设置参数。

图9RegionofInterest（ROI）Tool面板上设置样本参数

（2）默认ROIs绘制类型为多边形，在影像上辨别林地区域并单击鼠标左键开始绘制多边形样本，一个多边形绘制结束后，双击鼠标左键或者点击鼠标右键，选择CompleteandAccept图8在Region的分类这样就为他们选好了训练样本。

（4）计算样本的可分离性。

在RegionofInterest（ROI）Tool面板上，选择Option>ComputeROISeparability，在ChooseROIs面板，将几类样本都打勾，点击OK；

（5）表示各个样本类型之间的可分离性，用Jeffries-Matusita,TransformedDivergence参数表示，这两个参数的值在0~2.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要编辑样本或者重新选择样本；小于1，考虑将两类样本合成一类样本。

完成检验后，在图层管理器中，选择Regionofinterest，点击右键，saveas，保存为.xml格式的样本文件。

影像分类：

基于传统统计分析的分类方法参数设置比较简单，在Toolbox/Classification/Supervised

Classification能找到相应的分类方法。

这里选择支持向量机分类方法。

在toolbox中选择/Classification/SupervisedClassification/SupportVectorMachineClassification，选择待分类影像，点击OK，按照默认设置参数输出分类结果。

图9用ENVI进行临潼区地物监督分类的成果图

三、实习体会与收获

这次的实习虽然只有短短的三周时间，但是我们顺利完成了四个内容的实习，可以说收获满满。

首先，我复习了arcmap的基本操作，温故而知新。

在arcmap中如何使用cutthepolygon创建要素，并赋予其应有的属性是这次实习新学会的技能，对我们以后的生活实践也会很有帮助。

此外，我还了解了野外认知的基本操作过程，对以后的将要进行的工作有了大致的认识。

三天的外业跑图不仅锻炼了我的身体素质，而且还了解了难以区分的地物的特征的特点知道了它们在遥感图像上的颜色区别。

除此以外，我们还进行了ENVI软件的应用，学会了如何把光谱的曲线平滑以及如何使用ENVI进行图像的监督分类。

一切未知的事物都要通过实践才能知道自己行不行，但如果都没试过，那就不用谈学会了。

而这次实习就是在教会我们基本专业技能的同时也教会了我要勇于尝试，敢于不耻下问，如此才是对我们自己所做的工作的一种尊重。

小组之间的合作精神也很重要，我深深体会到同学之间互相帮助是对自己学习乃至工作的极大帮助。

未来还需脚踏实地为自己加油！