Class5（裸地）：
NDVI<=0.3,b4>=20
Class6（无数据区，背景）:
NDVI<=0.3,b4=0
也可以按照二叉树描述方式：
第一层，将影像分为两类，NDVI大于0.3，NDVI小于或等于0.3；第二层，NDVI高的，分为坡度大于或等于20度和坡度小于20度。
以此往下划分。
二、输入决策树规则
打开主菜单->classification->DecisionTree->BuildNewDecisionTree,如图3所示，默认显示了一个节点。
图3DecisionTree界面
首先我们按照NDVI的大小划分第一个节点，单击Node1，跳出图4对话框，Name为NDVI>0.3，在Expression中填写：
{ndvi}gt0.3。
图4添加规则表达式
点击OK后，会提示你给{ndvi}指定一个数据源，如图5所示，点击第一列中的变量，在对话框中选择相应的数据源，这样就完成第一层节点规则输入。
图5指定数据源
Expression中的表达式是有变量和运算符（包括数学函数）组成，支持的运算符如表1所示
表达式
部分可用函数
基本运算符
+、-、*、/
三角函数
正弦Sin（x）、余弦cos（x）、正切tan（x）
反正弦Asin（x）、反余弦acos（x）、反正切atan（x）
双曲线正弦Sinh（x）、双曲线余弦cosh（x）、双曲线正切tanh（x）
关系/逻辑
小于LT、小于等于LE、等于EQ、不等于NE、大于等于GE、大于GT
and、or、not、XOR
最大值（>）、最小值（<）
其他符号
指数（^）、自然指数exp
自然对数对数alog（x）
以10为底的对数alog10（x）
整形取整——round（x）、ceil（x）
平方根（sqrt）、绝对值（adb）
表1运算符
ENVI决策树分类器中的变量是指一个波段的数据或作用于数据的一个特定函数。
变量名必须包含在大括号中，即{变量名}；或者命名为bx，x代表数据，比如哪一个波段。
如果变量被赋值为多波段文件，变量名必须包含一个写在方括号中的下标，表示波段数，比如{pc[2]}表示主成分分析的第一主成分。
支持特定变量名如表2，也可以通过IDL自行编写函数。
变量
作用
slope
计算坡度
aspect
计算坡向（南坡北坡或者东西方向）
ndvi
计算归一化植被指数
Tascap[n]
穗帽变换，n表示获取的是哪一分量。
pc[n]
主成分分析，n表示获取的是哪一分量。
lpc[n]
局部主成分分析，n表示获取的是哪一分量。
mnf[n]
最小噪声变换，n表示获取的是哪一分量。
Lmnf[n]
局部最小噪声变换，n表示获取的是哪一分量。
Stdev[n]
波段n的标准差
lStdev[n]
波段n的局部标准差
Mean[n]
波段n的平均值
lMean[n]
波段n的局部平均值
Min[n]、max[n]
波段n的最大、最小值
lMin[n]、lmax[n]
波段n的局部最大、最小值
表2变量表达式
第一层节点根据NDVI的值划分为植被和非植被，如果不需要进一步分类的话，这个影像就会被分成两类：
class0和class1。
对NDVI大于0.3，也就是class1，根据坡度划分成缓坡植被和陡坡植被。
在class1图标上右键，选择AddChildren。
单击节点标识符，打开节点属性窗口，Name为Slope<20，在Expression中填写：
{Slope}lt20。
同样的方法，将所有规则输入，末节点图标右键EditProperties，可以设置分类结果的名称和颜色，最后结果如图6所示。
图6规则输入结果图
三、执行决策树
选择Options->Execute，执行决策树，跳出图7所示对话框，选择输出结果的投影参数、重采样方法、空间裁剪范围（如需要）、输出路径，点击OK之后，得到如图8所示结果。
在决策树运行过程中，会以不同颜色标示运行的过程。
图7输出结果
图8决策树运行结果
回到决策树窗口，在工作空白处点击右键，选择ZoomIn，可以看到每一个节点或者类别有相应的统计结果（以像素和百分比表示）。
如果修改了某一节点或者类别的属性，可以左键单击节点或者末端类别图标，选择Execute，重新运行你修改部分的决策树。
图9运行决策树后的效果
分类后处理和其他计算机分类类似的过程。
ERDAS分类后处理与ArcGIS数据交换
分类后，得到一张专题图。
由于ERDAS是基于像素的分类，在分类结果中会出现很多细小的杂点以及小的图斑，如何去掉这些杂点和小图斑（称为ERDAS后处理），以及如何将专题图转换成ArcGIS下的shp格式，是本文需要解决的工作。
一、ERDAS后处理
1、首先给出原始图像和经过监督分类得到的分类图像，如下图：
原始影像
监督分类结果影像
2、开始聚类
使用Interpreter模块->GISAnalysis->Clump，打开聚类界面，输入影像为分类后影像，给一个输出影像，聚类邻域可以选择8或者4，点击OK，即可进行聚类，结果如下：
聚类结果
3、去除杂点和小图斑
使用Interpreter模块->GISAnalysis->Eliminate，也可以使用Sieve，后者容易出现一些属性值为0的像素，不太好处理，所以这里使用Eliminate，输入影像为上一步聚类后的影像，给定一个输出影像，Minimum处设置杂点和小图斑的像素大小，这里可以根据实际情况设定，这里选择100，点击OK，结果如下。
通过比对，可以发现分类结果中很多杂点和小图斑被有效地去除了。
去除小图斑
去除杂点和小图斑
4、形态学处理
也可以使用形态学的腐蚀、膨胀、开运算、闭运算来消除杂点，毛刺，空洞等。
使用Interpreter模块->Utilities->Morphological，选择输入输出影像，结构元素kerneldefinition可以选择3*3，5*5或7*7，也可以自定义，function中Erode是腐蚀，Dilate是膨胀，Open是开运算，Close是闭运算，选择Open，然后点击OK即可，只是得到的结果不是专题图，需要重新分类得到专题图。
不过这个时候的分类，将会非常简单，不再赘述。
形态学开运算
二、ArcGIS数据交换
将分类结果转换成ArcGIS的矢量格式，即可在ArcGIS上进行后续的处理。
使用Vector模块->RastertoVector，将分类结果转换成ArcInfo的ArcCoverage格式。
该格式可以在ArcMap中直接打开，如下图：
ArcMap中打开ArcCoverage格式
也可以使用ArcToolBox中的ConversionTools->ToShapefile->FeatureClasstoShapefile（multiple），将ArcCoverage格式转换成shp格式。
ArcToolBox
ArcMap中打开的shp格式，图中黑点是注记层
剩下的事情，就是通过ArcGIS提供的强大的空间分析功能，提取各种地物的各种信息了。
ARCGIS转移矩阵
土地利用转移矩阵生成的几种方法
查阅相关的资料，也没有得到土地利用类型转换矩阵确切的定义，我理解为不同时间段内同一区域内土地利用类型的相互转换关系，一般用二维表来表达，从二维表中可以快速查看各个地类间相互转化的具体情况。
比如某一类别的土地有百分之多少（或者面积）分别转化成了其他的土地类型，现在某类型的土地分别是由过去的哪些类别转化而来的等等。
还可以生成变化统计栅格图（掩膜图像），它描述了前后两幅土地分类图之间的地类发生转变的位置和类别。
土地利用类型转换矩阵可以从两幅栅格图中计算得到，也可以从两个矢量文件中计算获得。
下面介绍在ENVI下从两幅分类结果的栅格图中计算土地利用类型转换矩阵。
1、准备数据
两个时相的土地利用分类结果，它是单波段、专题类型的伪彩色图像（ENVIClassification）。
2、计算转换矩阵
打开两个土地利用分类结果。
（1）在主菜单中，选择BasicTools→ChangeDetection→ChangeDetectionStatistics。
（2）分别在InitialState对话框和finalstate对话框中选择前一时相和后一时相的土地利用结果。
（3）在DefineEquivalentClasses对话框中（图1），如果两个土地利用分类名称一致，系统自动将InitialStateClass和FinalStateClass对应，否则手动选择，单击AddPair。
（4）选择对应的地物类型之后，单击OK按钮，出现图2对话框。
选择生成图表表示单位（ReportType）：
像素（Pixels）、百分比（Percent）和面积（Area）。
选择OutputClassificationMaskImages?
为YES，输出掩膜图像，选择输入路径及文件名。
（5）单击OK，执行土地利用类型转换矩阵计算过程。
图1DefineEquivalentClasses对话框
图2选择数据参数
3、查看结果
（1）如图3为得到的土地利用类型转换矩阵结果。
横字段表示前一时间段（InitialState）的土地利用类别，纵字段为后一时间段（FinalState）的土地利用类别。
横字段和纵字段交叉处表示变化值，如有2520900平方米林地用地变化为草地。
图3土地利用类型转换矩阵
（2）还可以为每一个地类生成一个变换掩膜图像，图4所示为其中一个地类的掩膜图像。
掩膜图像的灰度值表示变化类型，如这里的2{草地}表示林地变化为草地的像元。
图4变化掩膜图像
根据你的数据类型选用不同的数据生成方法
ERDAS中vector数据转移矩阵方法
数据是Vector格式（shp数据格式）
1ErdasImagine----Interpreter---GisAnalysis---Matrix，输入两个时相的Vector数据即可
此时注意：
输出栅格大小不应设的太小要不一运行就会提示你的空间不足
做这一步之前，请做好前期的地理编码。
2ArcView3.3加载spatialanalysis模块
把两时相的Vector图转成grid格式（当然中间有一些单位的设置根据你做的图的分辨率来设置即可）analysis-mapcalculate直接计算即可。
3把两期解译完的Vector文件在arctoolbox-overlay-union中叠加，注意：
两个文件不能用同一个字段名，比如一个用93Type，另一个时相则用00Type
叠加后的文件在Arcmap中打开，选中文件，然后点右键——Property——空间查询，输入条件语句，比如：
93Type=‘1’And00Type=‘2’；查询结果即为第一种类型转化为第二种类型的图形，可以另建一图层比如：
12，把查询结果复制到12图层上。
统计出面积，依进行，就可以得到土地利用类型转移矩阵。
一、数据准备（图1）
准备两幅不同时相的土地利用现状图（shp格式），每幅图的属性表都要有一个表示土地利用类型的字段，并且要使用不同的名称加以区分，如Type1995，Type2000。
土地利用类型名称必须统一，并且完整，如都使用“城镇用地”、“有林地”等。
二、数据融合（图2）DISSOLVE
在ArcMap里分别打开两个时相的图层，打开ArcToolbox，选择DataManagementTools|Generalization|Dissolve工具。
InputFeature选择要融合的图层，OutputFeatureClass选择输出结果存储的位置及名称，DissolveField（s）选择土地利用类型字段（如Type1995），然后勾选Creatmultipartfeatures选项，点击OK完成。
重复此过程，对另一时相数据进行融合。
此步骤使相同利用类型的记录融合为一个记录，以提高后面步骤的计算速度。
三、叠置分析（图3）OVERLAY
在ArcMap中打开两个时相融合后的数据，在ArcToolbox中选择AnalysisTools|Overlay|Intersect工具，InputFeatures选择两个时相的图层，OutputFeatureClass选择叠加结果存储的位置及名称，其余选项可以忽略，单击【OK】完成。
四、计算面积并导出属性表（图4-6）
在ArcMap中打开叠加后的图层数据，在该图层上右键打开属性表，选择Option|Addfield…新建一个字段，命名为NewArea。
在Editer工具条中选择Editer|StartEditing，然后在属性表中NewArea字段上单击右键选择CalculateGeometry…，在打开的CalculateGeometry对话框中，Property选择Area，Units选择要使用的面积单位，单击【OK】完成图斑面积计算。
依次选择Editer|SaveEdits/EndEditing保存和退出编辑状态。
在属性表中选择Option|Export…将属性表保存为dbf文件。
五、制作转移矩阵（图7-10）（以Excel2007为例）
在Excel中打开上一步保存的dbf，另存为Excel格式并打开。
在Excel中选中所有数据（不要点左上角，只选择有效数据），点击【插入】选项卡，选择【数据透视表】|【数据透视表】，点击【确定】。
在打开的数据透视表中按图示将字段拖入相应区域。
Excel自动计算矩阵，将该表稍事整饰就得到美观的土地利用转移矩阵。
矩阵中r（I,j）就表示i类型向j类型转移的土地面积，空值表示i类型向j类型没有转移。
Fulu
土地利用转移矩阵生成的几种方法
根据你的数据类型选用不同的数据生成方法
若你的数据是Raster格式：
则有如下方法
1ErdasImagine-Interpreter-GISAnalysis-Matrix，
输入两个时相的Raster数据即可做这一步之前记得：
先对两时相的数据进行重编码（Interpreter---GISAnalysis---Recode）
一般运行如果出现错误肯定是重编码没做好，请继续查证。
2先在Erdas中利用Modeler计算如下公式
NC（I,J）=NC（I）*10+NC（J）,（J>I）
其中：
NC（I,J）表示i，j两年份的土地利用变化图；NC（i）表示i年份遥感分类影像；NC（j）表示j年份的遥感分类影像。
在此计算的基础上，将以上变化影像图转化为BIL格式，再利用ARC/INFOGRID模块将影像转为GRID格式，然后利用GRID模块中的属性表（vat）查看命令对影像灰度值进行统计，最后得出土地利用转化举证。
（注:
此方法本人尚未实现过，不知可行否）。
若数据是Vector格式
1ErdasImagine----Interpreter---GisAnalysis---Matrix，
输入两个时相的Vector数据即可，此时注意：
输出栅格大小不应设的太小要不一运行就会提示你的空间不足。
做这一步之前，请做好前期的地理编码。
2ArcView3.3加载spatialanalysis模块
把两时相的Vector图转成grid格式（当然中间有一些单位的设置根据你做的图的分辨率来设置即可）analysis---mapcalculate直接计算即可。
3把两期解译完的Vector文件在arctoolbox——overlay——union中叠加，注意：
两个文件不能用同一个字段名，比如一个用93Type，另一个时相则用00Type
叠加后的文件在Arcmap中打开，选中文件，然后点右键——Property——空间查询，输入条件语句，比如：
93Type=‘1’And00Type=‘2’；查询结果即为第一种类型转化为第二种类型的图形，可以另建一图层比如：
12，把查询结果复制到12图层上。
统计出面积，依进行，就可以得到土地利用类型转移矩阵。
最后输出土地利用变化图，如下图所示：
集美大学GIS（）
FLAASH大气校正
Flaash大气校正（IRSP6-08.3.24）
大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率和辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧对地物反射的影响，消除大气分子和气溶胶散射的影响。
FLAASH可以处理任何高光谱数据、卫星数据和航空数据（860nm/1135nm），这些数据是由HyMAP、AVIRIS、CASI、HYDICE、HYPERION（EO-1）AISA、HARP、DAIS、Probe-1、TRWIS-3、SINDRI、MIVIS、OrbView-4、NEMO等传感器获得的。
FLAASH还可以校正垂直成像数据和侧视成像数据。
Flaash大气校正使用了MODTRAN4+辐射传输模型的代码，基于像素级的校正，校正由于漫反射引起的连带效应，包含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑。
FLAASH可对Landsat,SPOT,AVHRR,ASTER,MODIS,MERIS,AATSR,IRS等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校正分析。
能有效消除大气和光照等因素对地物反射的影响，获得地物较为准确的反射率和辐射率、地表温度等真实物理模型参数。
校正过程
点击ENVI——BasicTools－Preprocessing－CalibrationUtilities－FLAASH
Spectral－FLAASH.或者点击ENVI-spectral-FLAASH
1、输入数据必须是辐射定标后的数据（表观反射率），对辐射校正数据转成BIL或BIP格式（BasicTools-ConvertData）；
2、对输入数据进行头文件编辑，主要是对波长wavelenth（即每一波
升级会员 