最新范文 方案 计划 总结 报告 体会 事迹 讲话 倡议书 反思 制度 入党

遥感应用实习报告

日期:2021-02-04  类别:最新范文  编辑:一流范文网  【下载本文Word版

遥感应用实习报告 本文关键词:遥感,实习报告

遥感应用实习报告 本文简介:《遥感应用》实习报告姓名:康永正班级:GIS0701学号:2007303204035实习安排:实习共分为两周;两部分:第一部分:遥感影像的处理与应用第二部分:遥感温度反演和高光谱遥感模型反演第一周(第一部分):1.遥感影像的获取。2.遥感影像的校正。3.遥感影像的识别。4.土地利用变化分析。5.植被

遥感应用实习报告 本文内容:

《遥感应用》实习报告

姓名:康永正

班级:GIS

0701

学号:2007303204035

实习安排:

实习共分为两周;

两部分:第一部分:遥感影像的处理与应用

第二部分:遥感温度反演和高光谱遥感模型反演

第一周(第一部分):

1.遥感影像的获取。

2.遥感影像的校正。

3.遥感影像的识别。

4.土地利用变化分析。

5.植被变化分析。

6.立体土地利用图的制作。

第二周(第二部分):

1.为期两天的野外实习。

2.遥感温度反演和高光谱遥感温度反演。

实习一:遥感影像的处理与应用

实验目的:

利用ERDAS通过对原始遥感影像的获取,校正,识别得到进行最后的相关数据变量分析的成果图以及相关的数据。实习的过程中需要熟悉和了解目前主流的遥感图象处理软件ERDAS的主要功能模块,在此基础上,掌握视窗操作模块的功能和操作技能。在遥感图像的几何校正等后续实习中,通过实习操作,掌握遥感图像几何校正的基本方法和步骤,深刻理解遥感图像几何校正的意义。利用所得到的经过几何校正后的遥感影像进行监督分类和NDVI植被指数分析,并且能对所得到的结果进行相关数据处理与分析。

实验步骤:

(一)

遥感影像的获取。

在ERDAS中使用预处理:Interpreter/Utilities/Layer

Stack将TIF格式的1992年的7个光谱波段,2001年的除了第六个的其他六个波段的影像数据组合多波段数据,并且需要忽略0值。组合后的图像*.tif格式转为*.img格式,得到1992和2001年的假彩色影像图。

(二)

遥感影像的校正。

1.在两个view窗口里分别打开之前获取的img格式的TM假彩色影像图,另个窗口里同时加入4块带有经纬度坐标的河流的shapefile文件。

2.用ERDAS中的DATAPREP里的image

geomatic

correction功能模块。依次点选遥感影像和shape图,并选择polynomial在两幅图上选择对应的点进行对准校正,获得校准模型以及每个点的选点误差。

3.将校正输出后的遥感影像打开,叠加上河流的shape图,用utility里的功能进行校正质量检查。通过几何校正给遥感影像上的每个像元附上了相应的坐标。

(三)

遥感影像的识别。

在经过遥感影像的波段合成与几何校正等前期处理工作后,在此基础上进行遥感影像的识别——监督分类。建立训练区矢量文件,定义分类模板为以下六类:

(1)林地——暗红色

、黑色

(2)旱地——鲜红

(3)水田——黄绿、暗红色

(4)城镇用地——蓝白色

(5)水域——黑色

(6)荒地(河漫滩,仅2001年有,云)

这里运用的是ERDAS里的classifier的signature

editor模块;

1.打开1992和2001两副校正图,对应各类地物进行训练区选点,其中同类地物根据不同的颜色应该先区分归类。

2.选择evaluate中的contingency查看六类地物的分类精度情况,在精度低的地方多取几个训练区。精度符合要求后,用classify-supervised将分类后的图像输出。

3.利用Erdas中的interpretator-gisanalysis-recode,载入分类后的图像,将相同的地物归为一类,然后输出分类合并后的遥感影像,在raster-attributes里进行颜色的修改。

得到两年的监督分类图后需要对监督分类结果进行分类精度评估(将分类图像中的特定象元与已知分类的参考象元进行比较)

用classifier--accuracy

assessment打开分类后的图edit—inport

user-defined

points分别导入

check92.txt和check01.txt设置

comma,其他使用默认值,输出分类评价报告:report—accuracy

report报告的结果如下

1992年分类评价报告:

2001年分类评价报告:

(四)

土地利用变化分析

由于两年的图像大小差异需要首先对监督分类后的1992和2001年的两幅图像使用interpretator-utilities-subsetimage进行遥感影像中相同的区域Subset(x:568121~684371,y:3427359~3288369)的裁剪。然后选择GIS

Analysis--matrix用矩阵方法对年份不同的土地利用图做变化分析,得出一幅可以体现变化的成果图.

2001年

1992年

林地

旱地

水田

城镇

水域

荒地

合计

林地

55331.7

7308.45

77015

11259.6

6713.55

2260.26

159888.6

旱地

114103

100551

203937

38562.1

23091.7

14112.9

494357.7

水田

201038

115474

277516

58356.3

66667

6340.14

725391.4

城镇

29734.8

9979.11

53435.9

21623.5

7451.46

4062.6

126287.4

水域

16078.7

4898.7

11772.3

9633.96

48192

1917

92492.66

荒地

383.04

2719.53

10573.5

1631.16

1498.68

1842.3

18648.21

合计

416669.2

240930.8

634249.7

141066.6

153614.4

30535.2

1617066

最终得到土地利用变化表如下:

图1

根据土地利用变化的数据可以得出在2001年时,6类地物分别由1992年时的6类不同的地物所转变的面积大小的柱状图-图1;再结合10年间6类地物向其他类型转变的变化比例6图,可以看出水田和旱地的面积是比较大的,分别占了总面积的51.9%和19.8%。10年里林地,旱地,城镇,荒地大部分都变成了水田,分别占各自总共的62.5%,61.07%和59.6%;除此之外,林地,荒地还有一部分转变为城镇和旱地,自身一直保留下来的占少数。各种地物都有一部分转变成了城市,说明了城市在10年里的扩张。水域在10年里,主要是原来的水域形成的,保留原来的部分占72.24%,部分形成了城镇和水田。

再根据表中的总计的值,计算10年内各地物的动态增减差值,可以看出林地,旱地是负增长,分别减少72.3%和55.26%;而水田,城镇总面积是显著增加的,分别为33.58%和113%,水域略微有波动,幅度不大。

从这十年中的土地利用变化可以看出,随着城镇的面积的不断扩张,用于农业的水田面积整体上也有了显著的提高。

(五)

植被变化分析

首先将经过几何校正后的两年的遥感影像,同样取相同区域经行操作,用interpretator-utilities-subsetimage进行遥感影像中相同的区域Subset(x:568121~684371,y:3427359~3288369)的裁剪。

通过Interpreter/Spectral

enhancement/indices得到经过归一化植被指数运算处理的影像,打开Erdas的核心功能modeler,分别载入影像,应用模型ndvi-cover.gmd计算植被覆盖度。

在功能模块interpretator-utilities-operators里进行两幅植被覆盖度影像的相减,得出植被覆盖度变化趋势图。92和01年植被覆盖度图如下:

通过所得到的由92减去01年的植被覆盖度影像所得的植被覆盖度变化趋势图

根据NDVI=(NIR-R)/(NIR+R)NIR—近红外波段R

—可见光波段-1

0.727

)

OR

(1.0094+(0.047LOG

(

$n1_1992jh2

)

))OTHERWISE

。将结果保留进行下一步操作,同时在n9_1992jh中输入1992年经过几何校正的裁剪图。然后在下一

步的温度反演处理中使用其第六波段作为的值代入公式计算。得到

2.

EITHER0IF($n5_memory==0)OR(($n9_1992jh(6)-1.74)/(0.77*$n5_memory)-1.68*(1-$n5_memory)/$n5_memory

)OTHERWISE

同样保留输出值进行第三步反解Planck函数:EITHER

0

IF

(

$n6_memory

==0)

OR

((756.34/LOG

(

(607.76/$n6_memory)+1)

)-195)OTHERWISE得到最后的温度反演图。其中在每一步处理需考虑0值的情况。

将数据加入模型,由此便可以得到1992年的温度反演图以及相关的温度分布范围的统计图。

根据1992年的温度反演图以及温度的分布可以看出,整块地区的温度集中在以275K为中心的区间上,所占的比例最大。反应在图上是红色区域和黄色区域占的比例较大,温度主要分在30°C-40°C和40°C-50°C这两个区间上。在北部,海拔较高的地区均被红色覆盖,温度普遍较高。在长江,汉江流域和湖泊周边的区域温度中间适宜在30°C-40°C左右。然而也可从图上看出,在沿河分布有城市的地方由于热岛效应,温度普遍较高。

通过上述的图以及数据所反映的江汉平原的温度反演的特点可以看出:在1992年期间,水陆地表温度差异是很明显的,水域周边的区域在遥感影像上所反应的温度较低,而丘陵和平原的温度相对而言就要高。从整个江汉平原的温度分布看来,江汉平原的北部,西南方的丘陵地区的温度显然要高于河流流域的平原地区,这些地区的温度普遍在45°C-55°C之间,主要可能因为当地是以林地为主的植被地形,离水域较远,空气湿度低造成的。江汉平原的长江和汉江流域的温度适宜,水分充足,可以推断农业的开发程度是很高的。

一、高光谱遥感模型反演

首先,打开所提供的流域泥沙的遥感影像图,在raster-band

combinations里将red,green和blue分别选为201,43,107后可以清楚地看见流域的轮廓。

1.根据论文《基于高光谱的潮间带表层沉积物粒度参数空间分布规律研究》中的粒度参数遥感反演因子的构建

采用来对中值粒径进行拟合,并且取。

2.粒度参数遥感反演模型中的dm粒度参数采用模型Y=5.930+0.419*。

3.建立模型导出泥沙中值粒径反演图。模型的流程图如下所示:

1.将所提供的高光谱遥感影像作为输入文件导入模型;2.

根据中的数值分别取数据表中的对应波段,然后将两个波段分别进行相加和相减。3.将差与和根据相除:EITHER

0

IF

(

$n5_memory==0

)

OR

($n4_memory

/

$n5_memory)

OTHERWISE其中要排除分母为零时的情况。4.将结果导入Y=5.930+0.419*中,输出得到最后的泥沙中值粒径的反演成果,如下图:

中值粒径是在颗粒级配曲线上与纵坐标50%相应的粒径,它是一个十分重要的特征粒径,通称用d50表示,在全部泥沙样品中,大于或小于这一粒径的泥沙在质量上刚好相等。

根据泥沙反演图和数据统计图可以知道:中值粒径在6.56mm集中分布而在6.48-6.66mm范围的泥沙占整体的92%。中值粒径大的泥沙主要分布在河流的凹岸,此处流水流速小,堆积作用强。总的看来此处水域中的泥沙主要属于中小颗粒,大颗粒的泥沙含量少。

实验总结

通过为期2周的《遥感应用》实习,通过从遥感影像的获取,校正,识别以及土地利用分析,植被指数分析,温度反演,高光谱泥沙反演这几个模块的学习与操作,初步掌握了Erdas的基本功能的使用,对Erdas在遥感影像处理方面的功能及使用有比较熟悉的认识。实习的全过程涉及了Dataprep,Interpreter,Classifier,Modeler和VirtualGIS功能模块,它们的使用贯穿在整个处理过程里。在对软件的使用过程里,了解到了Erdas的核心功能模块modeler和virtualgis的3d图像功能,modeler是形成Erdas所有功能的主体,在深入使用Erdas时十分重要,对于扩展Erdas的应用有极大帮助。但是,在运用modeler模块编写模型时,由于对函数的使用方法不熟悉,编写处理规则是遇到较大的困难,后通过讨论解决了此问题。在整个实习过程中,知道遥感图像的处理过程,是件工作量较大的事,需要细心与耐心去完成。同时,通过实习了解了遥感这一门学科的某些方面的应用,加深了对遥感理论知识的掌握,是一次将理论使用在实践上的重要机会。

16

    以上《遥感应用实习报告》范文由一流范文网精心整理,如果您觉得有用,请收藏及关注我们,或向其它人分享我们。转载请注明出处 »一流范文网»最新范文»遥感应用实习报告
‖大家正在看...
设为首页 - 加入收藏 - 关于范文吧 - 返回顶部 - 手机版
Copyright © 一流范文网 如对《遥感应用实习报告》有疑问请及时反馈。All Rights Reserved