第一篇：遥感实习报告
《遥感技术及其应用课程设计》实验报告
专 业：资源与环境学院
地理信息科学 年 级：2013级 学 号： 姓 名： 指导教师： 成 绩： 评 语： 日 期： 《遥感技术及其应用课程设计》实验报告
一、土地变化检测—2002年与2006年武汉市城区变化检测
1.城区目视解译
1.1 图像校正
图1-1-1原始2002年武汉市遥感影像 图1-1-2原始2006年武汉市遥感影像
操作流程：
(1)在ERDAS IMAGINE中打开2002年和2006年的两幅武汉市城区遥感影像，如图；
(2)选择 DataPrep→Image Geometic Correction，选择待校正图像Input File 为2006年的遥感影像，校正方式 Geometric Model 选择多项式 Polynomial，并设置多项式参数、变换系数、投影类型，其中 Polynomial Order为2，然后依次点击 Apply，Close，Collect Reference Points From 选择 Existing Viewer，点击2002年的遥感影像。利用GCP Tool 选择至少 12 对相应的控制点，且保证 RMS Error 均在 1 以内;（3)完成后保存 File→Save Input As，File→Save Reference As，如图；
图1-1-3 2006年图像上控制点位置 图1-1-4 2002年图像上控制点位置
图1-1-5 控制点属性及分析
(3)在Geo Correction Tools 面板中点击 display resample image dialogA，在 Resample 对话框中 Resample Method 为三次卷积 Cubic Convolution，并将输出文件命名为 resample06。在两个 Viewer 中分别打开 2002 年的影像和校正后的 2006年的影像。选择 View→Link/Unlink Viewers→Geographic，点击另一图像进行连接,目视检测匹配情况。
图1-1-6 2002年影像与校正后2006年影像匹配情况
1.2 切割子图像
选择 DataPrep→Subset Image，Input 选择 resample06，Output 命名为 subset06，选择 AOI→AOI File，然后选择wuhanchengqufanwei.aoi 文件。
图1-1-7切割后 2002 年武汉市遥感影像 图1-1-8切割后 2006 年武汉市遥感影像 1.3 建立和编辑 VECTOR 图层以及矢量数据的栅格化 操作流程：
（1）在2002年遥感影像窗口中选择 File→New→Vector Layer，命名为 whurban02，并设置为单精度 Single Precission，OK。选择 View→Arrange Layers 设置矢量层和影像层的叠放次序及有关属性。
图1-1-9矢量层勾画2002年武汉市城区 图1-1-10 矢量层勾画2002年武汉市城区
(2)选择Vector→Clean Vector Layer，输入whurban02文件，输出文件命名为 topology02。矢量数据转换为栅格数据则用 Vector to Raster 程序。输入 topology02，输出命名为raster02，An Item as Pixel Value 栏选择 TOPOLOGY。对于 whurban06 也做相应处理。1.5 建模进行图像分析 操作流程：
（1）选择 Model→Model Maker，建立相应的输入、算法、输出模块。输入：raster02;（2）算法选择条件语句 Conditional→EITHER IF，写为：
；输出：urban02。2006年数据也做相应处理。
2.城区计算机解译 操作流程：
（1）打开准备好的图像 subset02，选择 File→New→AOI Layer。完成后保存为AOI02。选择 Classifier→Signature Editor，将选择好的训练区逐个添加到其中。完成后保存为 signature02。2006年数据也做相应处理;（2）打开 Classifier→Supervised Classification，选择输入文件： Input Raster File: subset02;Input Signature File: signature02，输出文件命名为 classified02。
图1-2-1计算机分类2002城区范围 图1-2-2计算机分类2006城区范围
3、城区变化检测
3.1目视解译城区变化检测 选择 Model→Model Maker，建立相应的输入、算法、输出模块。输入： urban02 和 urban06；算法选择 Conditional→CONDITIONSAL，写为：
；
输出：change。从而得到从 2002 年到 2006 年城区范围变化。
图1-3-1 目视解译 2002-2006 年武汉市城区范围变化
3.2 计算机分类城区变化检测
选择 Model→Model Maker，建立相应的输入、算法、输出模块。输入：classified02 和 classified06；算法选择 Conditional→CONDITIONSAL，写为：
输出： change2；
图1-3-2计算机分类2002年至2006年武汉市城区范围变化
4、统计分析
4.1 选择 Raster→Attribute，打开属性信息表格。选择窗口中的 Edit→Add Area Column，增加各类像元面积统计的列。依据所制各图像属性信息表格，分别统计出两种解译方法各自所得的城区范围变化百分比。4.2 分析：
(1)对于由目视解译所得的结果而言，从2002年至2006年武汉市城区变化情况为：城区范围保持不变的部分约占 2002 年城区总面积的 90.21%，城区扩张部分约占 50.13%，城区缩减部分约占 4.15%。2002 年城区原范围基本保持不变，总体呈现增长扩张趋势。
(2)对于由计算机分类所得的结果而言，从2002年至2006年武汉市城区变化情况为：城区范围保持不变的部分约占 2002 年城区总面积的 70.33%，城区扩张部分约占 99.29%，城区缩减部分约占 23.40%。2002年城区范围大部分保持不变，总体呈现极度增长扩张的趋势。
二、多光谱数据地物光谱特征提取与分析
1、原始数据
ETM+原始数据为etm20021013wh文件，属于多光谱数据。
图2-1-1 原始数据 图2-1-2 2002年原始图像
2、辐亮度计算
辐亮度指的是沿辐射方向的、单位面积、单位立体角上的辐射通量。度亮度可由DN值转换得到。亮度变换公式为：Lband=LDN(LMAXband-LMINband)/255+LMINband 操作流程：
(1)在ENVI中，File→Open Image File→ETM+文件夹→etm20021013wh；
(2)Basic Tools→Preprocessing→General Purpose Utilities→Apply Gain and Offset；(3)Input选择etm20021013wh，Output定位并命名ETMfld。
图2-2-1 完成亮度转换
3、表观反射率计算
表观反射率：指大气层顶的反射率,辐射定标的结果之一，大气层顶表观反射率，简称表观反射率，又称视反射率。表观反射率计算，就是将图像的DN值转化为表观反射率,方法是先将其转化为辐亮度，再将辐亮度转化为表观反射率。
操作流程：
（1）在ERDASImagine 中，Interpreter→Spectral Enhancement→Landsat7 Reflectance Conversion，Input选择ENVI（*.hdr）格式，上步所得幅亮度计算后文件ETMfld，Output命名为img格式的envibgfsl；
（2）选择Conversion，输入数据（Solar Elevation：46.6217594，Solar Distance:1）（3）在Solar Distance框中填入1,最后确定存储路径和名称，单击OK完成计算；
（4）打开步骤（3）中得到的表观反射率文件，此时该文件还没有波长信息。在Available Bands List选中该文件，右键单击，选择Edit Header，在弹出的Header Info对话框中单击Input Header Info，单击Other Files，选择有波长信息的文件如etm20021013wh文件，然后在窗口的Data Type 中选择被加入头信息的文件的类型；
（5）完成后保存文件：File→Save File As→ENVI Standard。命名为bgfslENVI。
图2-3-1文件存储以及命名
4、真实反射率计算
真实反射率：在原始数据上，经过辐射定标后，根据一定的模型，通过大气校正得到的反射率。
操作流程：（1）先把BSQ格式的辐亮度图像转换为BIL（或BIP）格式。在ENVI中，Basic Tools→Convert Data（BSQ,BIL,BIP），Input选择之前得到的辐亮度图像ETMfld，Output格式选择BIL，并命名为BILfld；
（2）使用FLAASH模块进行大气校正。Spectral→FLAASH（或Basic Tools→Preprocessing→Calibration Utilities→FLAASH）；Input Radiance Image选择上一步转换好的BILfld文件，并选择Single scale factor选项，填写数值为10；Output Reflectance File定位并命名为dbfsl（即“地表辐射率”以与表观辐射率区分）；Output Directory for FLAASH Files指定存储文件夹路径；Rootname for FLAASH Files填写根名为frn_；（3）设置相应信息如图所示，Apply运行。
图2-4-1BSQ格式的辐亮度图像转换为BIL格式
图2-4-2 设置相应信息如上图
三、高光谱数据地物光谱特征及其参数提取与分析
1、EO-1高光谱真实数据
真实数据：“whyujiashangb”文件为ENVI格式图像数据。
图3-1-1 真实数据信息 图3-1-2 whyujiashangb原始图像
2、EO-1高光谱真实反射率计算及提取分析
2.1EO-1高光谱真实反射率
计算由于遥感卫星是在高空甚至是太空中，因此电磁波受到大量因素的影响，其中大气的影响最为严重，因此要对数据进行校正。
操作流程：
（1）将原始数据whujiashangb 的BSQ格式转换为BIL格式；
（2）在FAALSH中进行辐射校正（Basic Tools—Preprocessing—Calibration Utilities—FLAASH），打开待校正图像文件后，弹出 radiance scale factors窗口，从 ASCII 文件中读取定标尺度转换因子;（3）设置相应信息如图所示，Apply运行。
图3-2-1 设置相应信息如上图
图3-2-2 填入相应数据
2.2地物光谱特征提取 操作流程：
(1)在ENVI中打开“表观反射率”和“真实反射率”文件，右键单击图中任意位置选择“z profile spectrum”,打开地物波谱曲线图；
(2)单击图像菜单上的tools---link---Geographic link 在下图中选择“on”，单击ok将两幅图关联；
（3）按照要求，在图像上点击适当点，将光谱曲线保存为.jpg格式。
图3-2-3 光谱曲线图
2.3地物光谱特征分析
人工用地表观反射率光谱平均反射率为0.0024，波峰在1.6μm处，曲线的走势为先上升后下降；人工用地真实反射率光谱平均反射率为2500，波峰在1.6μm处，曲线的走势为先上升后下降。表观反射率光谱与真实反射率光谱的主要差异在波长0.5μm至0.9μm处，表观反射率光谱曲线相对真实反射率光谱曲线反射率较低，产生差异的原因是由于大气的吸收、散射。
3、EO-1高光谱OSAVI指数、红边导数计算及分析 3.1高光谱OSAVI指数的计算
光谱指数(OSAVI指数)，是指某些特定波段的反射率的组合。计算处理方法。利用公式OSAVI=1.16(R800-R670)/(R800+R670+0.16)。操作流程：
(1)打开 Basic tools-Band math 窗口，输入公式。Add to list，在窗口上部选中该公式，点击 OK，在弹出的窗口中，选中 B1，再在其下的反射率文件中选择点击与 R800 波长相近的波段，再选中 B2，同样选择相近波段。(2)选择保存 OSAVI 的输出文件，OK。3.2红边导数计算
红边导数，即通过计算不同阶数的光谱微分值来确定光谱拐点及最大最小反射率的波长位置。计算处理方法，利用Slopered_edge=(r2-r1)/(λ2-λ1)，其中r2、r1为相应波长处的反射率。公式的计算过程同求光谱指数。
图3-3-1 求光谱指数操作 图3-3-2 求红边导数操作
四、实验中遇到的问题
1、图像的几何校正中，利用GCP Tool选择至少12对相应的控制点，且保证 RMS Error 均在1以内，较难调整。(见图1-1-3；1-1-4；1-1-5）。且最终切割的图像是不规则形状的。（见图1-1-8）
2、目视解译中建模进行图像分析，多次操作不成功。
3、建立和编辑 VECTOR 图层以及矢量数据的栅格化中操作不当，建立的文件无法以viewer的形式打开。（见图1-1-9；1-1-10）
4、多光谱数据原始图像输出为黑白，无法调整其颜色。（见图2-1-2）
5、计算高光谱指数与红边导数时，enter an expression后提示invalid。（见图3-3-1；3-3-2)
第二篇：遥感实习报告
开始作图。
3实训体会
本次实习总共四天的时间，主要内容是学会使用VirtuoZo NT系统。在这四天的实习过程中，我们学会了很多，掌握了很多以前所不了解的，但是也遇到了很多的问题。在最开始的时候，对实习的内容以及软件都不了解，不知如何下手，而在经过老师的亲自一步一步操作示范给我们看的时，虽然没有完全掌握，但是之后在老师和同学的帮助下，都一步步顺利的完成了。在本个实习中，我不仅学会了VirtuoZo NT系统的使用，在VirtuoZo NT系统中进行模型定向、影像匹配、生成DEM及正射影像的制作、数字影像测图等。
分析我自己做的成果，再与老师所做的进行比较发现，我所处理的结果误差明显偏大。究其原因，乃是对立体观测切准地物的各种方法和技巧不熟悉所至。可喜的是，经过数小时的训练，最终的准确度有明显提高。
由于经验不足使我在操作上有些盲目既不知道自己操作的对错也不知道打到什么位置最好。
在考试的时候我对打高程点还是不清晰，努力让自己沉静下来让自己找到感觉，然后慢慢的开始打点，找到感觉后就开始打点。点的高程慢慢的打对了。
实习中多亏了同学们的帮助，老师的指导，加上多次的练习我会了VirtuoZo的大概操作。知道了VirtuoZo的作用。这次实习内容丰富，使我学到了不少东西。它不仅让我认识到了Virtuozo的各种功能和工作流程及部分原理，还让我对数字摄影测量数据获取有了更深刻的了解。同时也使我对数字摄影测量课程有了一个整体的概念。
第三篇：遥感实习报告
江西理工大学建测学院地信专业
遥感课程实习报告
（第三组）
遥感课程设计实习报告
一、主要内容
1、根据实际测量的GPS坐标点校正每组截取的百度地图或谷哥地图，校正后坐标统一转化成WGS84投影。
2、使用每组校正后的百度地图或谷哥地图校正CBERS-02B全色影像。
3、用CBERS-02B全色影像校正CBERS-02B多光谱影像。
4、根据每组指定区域，完成相邻图像镶嵌或裁剪。保证20米和2.36米影像区域完全重合。
5、图像噪声消除与图像增强（本步骤在有需要的时候执行）
6、使用适当方法完成全色影像和多光谱影像的融合。
7、通过目视判读识别和手工提取地物（可在Arcgis中完成），利用计算机自动识别方法进行地物分类及分类后处理。
8、利用手工解译的地物评价计算机自动识别方法地物的精度。
9、用原始的遥感影像作为底图，提取的地物附在底图上制作专题出图。
10、根据第17章的内容，研究区提取地物的算法模块化。（需编程较好，这一步不强行要求）。
二、时间安排
课程设计时间15-16周，课程设计严格按照日常作息时间，上午8:10~11:50，下午2:00-5:30.江西理工大学建测学院地信专业
二、学习内容及分工
每个小组按照《ENVI遥感图像处理方法》必须学习第1至第6章、第8章、第10章、第15章、第17章的内容，其它章节选学。学习过程中每个小组可按照分工完成，但小组每人都需掌握相关内容，每个小组必须在15周内完成所学内容。
每个小组在第15周周末之前完成赣州市区指定区域的实地数据采集测量（必须同时保证GPS机和手工两种记录），第三组组员:丁嘉树（组长）、廖峭、陈满姣、朱龙龙 任务分工：野外采集:丁嘉树，廖峭，朱龙龙
室内处理：几何校正部分由丁嘉树，朱龙龙共同完成；融合及分类部分由丁嘉树，廖峭共同完成；实习报告由丁嘉树，陈满姣共同完成；展示的成果虽基本由丁嘉树完成，其他组员也都自己每一步都进行了操作，对基本操作都了解。
四、具体步骤
1、百度地图截取指定区域，通过ps处理得到指定的图形
江西理工大学建测学院地信专业
2、图形的校准
打开envi，通过“window”→“Available Band List”打开波段列表，并通过“File”→“Open image File”打开第三组的测区图形，并加入坐标系统打开图形校正对话框，设置基准面为“WGS-84”,“zone”设置为50，分辨率设置为1m。操作过程如下图所示。
选取“RGB Color”，然后点击“Load RGB”，在“map”下选择“Image to Map”校正
江西理工大学建测学院地信专业
在打开的区域中通过“image”、“Scroll”与“Zoom”三者的结合，找到与实际测量相同的点，然后输入对应的经纬度，点击“Add Point”，将测量的点根据自己的需要输入，可以不用将采集的点的坐标全部输入。然后点击“Options”→“Warp file”，然后选择要校正的影像，接着在弹出的对话框中输入相应的校正精度，另外选择3次多项式校正，选择输出文件目录
江西理工大学建测学院地信专业
点击确定之后就会进行相应的校正。将校正后的图形用“New display”打开，校正后的图形如下图所示：
江西理工大学建测学院地信专业
校正好之后可以打开shapfile文件进行相应的对比，看校正后的影像会不会偏差比较大，如果偏差比较大的话再次对标记的控制点进行相应的修改，知道符合要求为止。
江西理工大学建测学院地信专业
3、校正后的百度地图校正CBERS-02B全色影像
用“Available Band List”打开全色影像，并且加载到相应的窗口。因为全色影像的区域相对于测量的区域有点大，所以一般通过裁剪感兴趣区域将自己所需的裁剪下来。
在要裁剪的图形上右键“ROI tool”,然后在“ROI_Type”中选择矩形裁剪，“windows”中选择“Scroll”，然后在“Scroll”中拖出矩形感兴趣区域，然后右键。
导出感兴趣区域
江西理工大学建测学院地信专业
打开自己校正好的百度地图与裁剪区域。将“裁剪区域2”和“百度地图校正图”两个同时打开。选择“Map”→“Image to Image”进行校正，用“百度地图校正图”校正全色影像。
控制点添加方法是，在两个图中找到相同的区域，然后点击“Add Point”，控制点的输入根据自己的需要添加，弄好之后记得保存控制点，以便于后面可以使用。
选择好控制点之后单击“Options”→“Warpe file”进行校正。校正后的图如图所示。
江西理工大学建测学院地信专业
4、用CBERS-02B全色影像校正CBERS-02B多光谱影像
首先打开已有的五张多光谱影像，加载已有的一张，然后在这张图像上右键选择“ROI tool”,点击“ROI type”选择多边形（Polygon），通过多边形裁剪，将裁剪区域到处为“shapefile”格式。
利用已经ROI存储的“shapefile”格式数据分别去裁剪剩余4个多光谱影像。利用下图方法分别裁剪4个。得到区域一样的5个相同区域的ROI图像。利用五个裁剪好的区域，分别加载到窗口，以第一个为标准，利用image to image方法，分别校正其余四个。以下为第一幅影像校正第二幅影像的过错，其他的校正过程都是依次相同。
江西理工大学建测学院地信专业
将校正好的五个子区进行图层的堆叠。得到多条光谱相结合的影像。方法为选择envi菜单栏中的Basic Tools下拉菜单中Layer Stacking功能，然后依照步骤分别添加五幅经过校正后的影像，组成为一组多波段光谱影像。
江西理工大学建测学院地信专业
得到后的图像多光谱影像如下图所示。波段组合为
利用第三步得到的全色影像校正上面得到的多光谱影像。
5、邻图像镶嵌或裁剪
打开校正好的多光谱影像数据，右键打开“ROI Tool”,用矩形裁剪匹配好的多光谱影像数据
江西理工大学建测学院地信专业
6、图像噪声消除与图像增强
打开裁剪好的多光谱影像数据，进行平方根增强。
7、全色影像和多光谱影像的融合
选择菜单“Transform”→“HSV”进行图像的融合。
江西理工大学建测学院地信专业
选择输入的多光谱影像数据，点击“ok”后选择高分辨率的影像。
选好之后点击“ok”就可以得到融合的全色影像。其中有图为融合后影像。
8、利用计算机自动识别方法进行地物分类及分类后处理
(1)类别定义/特征判别：根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。
分类后的类别数包括道路、植被、房子、水域、裸地部分。
（2）样本选择：打开分类图像，在Display->Overlay->Region of Interest，默认ROIs为多边
江西理工大学建测学院地信专业
形，按照默认设置在影像上定义训练样本。如图下图所示，设置好颜色和类别名称。
在ROIs面板中，选择Option->Compute ROI Separability,计算样本的可分离性。如图19所示，表示各个样本类型之间的可分离性，用Jeffries-Matusita, Transformed Divergence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，需要重新选择样本；小于1，考虑将两类样本合成一类样本。
江西理工大学建测学院地信专业
（3）分类器选择： 根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的，包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。（4）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，这里选择最小距离分类方法。主菜单下选择Classification > Supervised >Minimum Distance。按照默认设置参数输出分类结果，如下图所示。
江西理工大学建测学院地信专业
分类后的图
（5）分类后处理：分类后处理包括的很多的过程，都是些可选项，包括更改类别颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。
可以在Interactive Class Tool面板中，选择Option->Edit class colors/names更改，也可以在Display->Color Mapping->Class Color Mapping。如下图所示，直接可以在对应的类别中修改颜色。也可以根据一个显示的RGB影像来自动分配类别颜色，打开主菜单->Classification->Post Classification->Assign Class Color。（在这里没有做修改）
江西理工大学建测学院地信专业
9.专题图制作
(1)融合的影像制作专题图：
1、主影像显示窗口菜单中，选择File → QuickMap → New QuickMap，打开QuickMap Default Layout对话框。设置模板的参数：输出页的大小（图幅的大小）、页的方位（图幅形式）、地图的比例。
2、点击OK完成设置。
3、选择制图范围，鼠标左键点击显示窗中红色框的左下角并拖动方框，选中整个影像。
4、点击OK，显示QuickMap Parameters对话框。
5、在Main Title文本框中键入图名：赣州市新城区专题地图。
6、在影像图中加载投影信息。在Lower Left Text文本框中输入：
江西理工大学建测学院地信专业
赣州市新城区专题地图
7、在Lower Right Text文本框，输入制图单位和制图员信息：2013年1月 江西理工大学地理信息系统专业3组制作
8、保存快速制图模板，选择Save Template，并输入文件名，点击OK。
9、点击Apply，在ENVI显示窗口中显示快速制图的结果。可以继续修改QuickMap Parameter对话框中的设置，点击Apply更新显示结果。
10、输出制图结果后，在主图像显示窗口中，选择File →Save Image As →Postscript File,将制图结果输出为打印格式。选择Output QuickMap to Printer或Standard Printing复选框，这里选择Output QuickMap to Printer。
（2）将分类图与融合影像的专题图叠加，并保存为打印格式。在快速制图的主显示窗口中，选择Overlay →Classification，在打开的Interactive Class Tool Input File对话框中，选择分类图向，单击OK按钮，打开Interactive Class Tool对话框，在对话框相应的On复选框中点击，在Interactive Class Tool对话框中，选择Options →Edit class colors/names，修改类的颜色和名字，最后可以把叠加的地图输出为打印格式。
江西理工大学建测学院地信专业
五、实习心得：
丁嘉树：
本次实习历时两周左右时间，主要对几何校正、影像融合、分类、专题图制作等方面进行了操作，整个过程是借鉴了一些参考资料以及和组员一些讨论才得以完成。实习过程中还遇到了许多困难，导致不同程度的返工，一遍遍重复的操作，不过这样一来，更加加深了对ENVI软件的理解和应用，俗话说熟能生巧，正是因为有了这些一遍遍的错误，并通过结合理论知识的讨论和研究，才能不仅仅局限于对应课件一步一步来的层次，才能对做过的实验进行反思和分析，认真考虑到底是那个地方出现了问题，这样才能有利于我们的学习进步。学习ENVI软件刚开始的时候是比较痛苦的，主要体现在对各个操作命令的不熟悉，以及对基础理论的理解程度不够造成的，并且全英文的操作菜单让各个指令无法和所学的内容结合起来，造成对软件的操作步骤的不理解，而且也无法加深对本次试验的理解，造成了一定的困难。但当自己硬着头
江西理工大学建测学院地信专业
皮把这部分内容做完之后，再返回去进行一下总结，总能得到一些原来本不知道的知识，我觉得这种收获远远大于按照实习步骤一步步来的效果要好一些。所以，我还是建议大家首先把理论部分搞的明白一些，算不上透彻吧也应该知道本次实验的目的是什么，从目的出发进行理解，这样才能具有针对性，否则等你做过这次实验之后你还不知道做的是什么的话，那样只会耽误自己的时间，很快就会忘记，达不到学习的效果。正如老师介绍的那样，随着经济的发展，对遥感方面的学习越来越重要。长期以来，地理学主要是以地图作为地理信息存贮及成果展示的工具，以地图和实地观测作为地理研究的主要手段。随着当前科学技术和社会的迅速发展，单纯传统的工作手段已不能适应地理学的发展，遥感技术的引进和应用，成为当前地理学发展中具有重要意义的变化和动向之一.遥感已成为地理研究和工作的重要信息源，另外，遥感已成为地理研究的重要手段和方法。因此，伴随着遥感在地信专业所占成分越来越高的现实，我们有必要对遥感这门课程引起足够的重视，努力学习好这门课程。
廖峭：
通过为期两周的遥感实习，我对ENVI软件有了一个全面深入的认识和了解，短短的几天时间我掌握了ENVI常用的基本操作，图像的几何纠正、影像校正，图像融合，影像的分类处理，专题地图的输出制作等，对于一些不常用的功能也都做了了解和尝试，为将来对ENVI整个软件的掌握运用打下了一定的基础。这次实习的收获很多，刚开始接触ENVI软件时，对它全英文的界面很不熟悉，稍微没注意老师的讲解就不知所措，慢慢的用下来，一点一点的琢磨，再加上在技术手册和老师精心的指导，现在我基本掌握了这个软件的主要用途，当一幅幅影像在电脑上显示出来，那种成就感让人满足。在为期2周的实习内，我们很好地完成了老师对我们的要求，通过我们对软件的具体操作，使我们对遥感这们学科有了更深入的认识。同时，在实习中我再次认识到认真严谨的态度是必不可少的，有不太清楚的地方要及时向老师请教，才会保证学习过程中的质量，同时也体会到了遥感研究的辛苦和乐趣。总之通过这几个实习让我对遥感有了更直观的了解，通过做实验让我对遥感和其他学科的联系有了初步了解，同时增强了我对遥感的学习兴趣。总之，本次实验还是比较顺利的，在实习期间感谢老师的辛勤指导，让我们少走了一些弯路，老师的讲解也给我们留下了很深的印象，使我们对一些知识点理解更透彻
陈满姣：
通过两周的室内实习任务，最大的感触就是从新认识了遥感这门比较抽象的学课，以前在课堂上总觉得这是一门非常难懂也非常难学的课程，可是就在这两周的室内实习的过程中我的想法突然改变了，其实遥感这门学科并没有所想的那么难懂和难学，只要我们愿意去学、去发现这门学科的奥秘我们还是非常容易掌握和理解的。开始接触是觉得它是我们所有学科中最抽象的，可是当我们把我们所学的理论知识和这
江西理工大学建测学院地信专业
次室内实习结合起来对比和深入研究后，才真正的发现这是一门多么有内涵和适应新时代的必要科目，同时对于动手操作的重要性有了新的理解，即使掌握了理论知识如果自己不去动手做的话，还是无法完全掌握这门学科，因为很多问题只有在操作中产生了然后自己慢慢摸索解决后才能印象深刻，由于不够耐心不够仔细导致每一步之后的图都有很大的变形，无法继续下一步，都是用其他组员的图继续下一步，但是在这个过程中我还是以自己的最大热情完全的投入到此次实习中，把每一步的大致的操作流程都有所了解，虽然没能得出一个真正属于自己的成果，但是通过这次实习我的收获很大，我理解耐心是很重要的，也理解了团队的重要性，如果总是指望别人永远做不成大事。并且在很多情况下我们都得到了很多意外的收获，获益匪浅！不仅对书本上的理论知识有了大致的理解，更重要的是从实践中检验了它的真理，了解了它的适应范围之广和作用之大，为我们以后从事工作而需要它打下了坚实的基础
朱龙龙：
这次实习给我的最深体会是只有动手操作才会真正学会运用软件，再多地文字资料也比不上一次认真地操作，在野外采集的时候我了解了ＧＰＳ的基本操作，也了解了团队合作的重要性，但是在室内处理这一部分每次都遇到很多问题，然后就气馁了，不想做了，导致没有充分利用这个机会学习，我明白了遇到问题就要虚心请教，多操作几次就会的，关键还是自己态度不够端正，什么事情只要认真对待就一定会有收获，我想在以后的学习中我不会再犯这样的错误，多动手操作，多虚心请教，多点耐心，结果肯定会不一样。工科学生要的就是动手能力，只有在学习完理论并结合一次实习才能够加深对这门课程的理解。当然不仅仅是对本门课程理论知识的理解，更多的是对遥感这门学科的应用有一定的理解才是。当然，想要学习好一门技术不仅仅是一个学期的学习和两周的实习可以搞定的，这可以说只是一个入门，如果想要进一步理解，那就需要付出更多的努力。
第四篇：遥感实习报告(报告)
重庆交通大学测绘工程 《遥感原理及应用》实验报告
班 级： 学 号： 姓 名： 指 导 老 师 ： 实 验 室： 地理信息中心实验室
实验一
ENVI 视窗的基本操作
一、实验的目的
初步了解目前主流的遥感图象处理软件 ENVI 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，为遥感图像的几何校正等后续实习奠定基础。
二、实验软件与数据
软件：Envi遥感图像处理软件。数据：重庆地区UTM第八波段数据。
三、实验方法与步骤
Envi软件的主菜单：
这个是ENVI软件的主菜单,其中包括了文件的载入，基本工具栏，以及图像处理的一些必要的功能。
四、实验体会与建议
本次实验主要是熟悉Envi软件的菜单，以及一些常用的方法。还有就是将Envi软件菜单的界面转换成中文菜单。
1、在ENVI安装目录..RSIIDL60productsenvi40menu下建立新文件夹，命名为orgmenu
2、拷贝..RSIIDL60productsenvi40menu下原有的英文菜单文件display.men、display_shortcut.men和envi.men到新建的orgmenu目录中进行备份
3、拷贝下载的display.men、display_shortcut.men和envi.men文件到..RSIIDL60productsenvi40menu中，覆盖原文件。
4、启动ENVI4.0。
实验二
遥感图像的几何校正
一、实验的目的
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。
二、实验软件与数据
软件：Envi遥感图像处理软件。
数据：重庆地区UTM第八波段数据以及未经校核的重庆地区jpg图片。
三、实验方法与步骤
1、打开ENVI软件将UTM图像和jpg格式的图片载入，上述图像中我们可以看出，12840-8图像下面有图像的地理信息，而重庆城区图片是没有信息说明的。
2、选择校正与镶嵌菜单下的校正图像选取控制点(图像到图像)，分别选取基础图像和校正图像，分别在图像上面选择控制点，通过Add Point按钮增加选择的控制点，用这个方法选择5个控制点，单击Show List按钮查看所选控制点的信息
3、在控制点选择窗口中选择options菜单，再选择warp file，选择输出校正后的图像文件。
4、载入校正后的图像
在图像显示窗口工具菜单中选择geographic link，将需要连接的图像打开，5、选择2号图上的位置，3号图就会显示相应位置。
四、实验体会与建议
用过本章的实验，掌握了遥感图像几何校正的基本方法和步骤，理解了遥感图像几何校正的意义。
在几何校正的时候，刚开始把dipaly1和dipaly2搞反了，没有注意是以哪张有坐标的为基准。选点的时候应该找比较明显的标志性物体。
实验三
遥感图像的增强处理
一、实验的目的
通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。
二、实验软件与数据
软件：Envi遥感图像处理软件。数据：重庆地区UTM多光谱数据。
三、实验方法与步骤
1、载入UTM多光谱数据，并选择RGB Color 使用前面三个波段显示模拟真彩色图像。
2、在主菜单中选择滤波菜单，再选择卷积滤波，在convolutions菜单中选择不同的算法进行图像的卷积滤波运算。这是通过highpass方法运算输出的结果。
这是经过low pass运算出来的结果。
3、在图像菜单中选择显示增强，以下图像是平方根后的效果
4、在图像菜单中选择显示增强，以下图像是[zoom]均衡化后的效果
四、实验体会与建议
通过本章的实验操作，了解了空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深了对图象增强处理的理解。
刚开始打开的图片是Gray scale的模式，转换成为RGB Color模式。然后就是菜单中选择卷积滤波进行运算，然后再对本图片进行显示增强。
实验四
遥感信息的复合
一、实验的目的
通过上机操作，初步掌握遥感信息复合的方法，深入理解遥感信息复合在信息解译中的意义。
二、实验软件与数据
软件：Envi遥感图像处理软件。
数据：重庆地区UTM多光谱数据和重庆地区UTM第八波段高分辨率数据。
三、实验方法与步骤
1、载入UTM多光谱图像和UTM第八波段高分辨率图像。
2、主菜单中的空间变换菜单,再到影像融合，再到HSV，选择输入多波段的数据
选择输入高分辨数据
输出多光谱数据和高分辨率数据融合之后的图像数据
多光谱和高分辨率数据融合之后的图像
四、实验体会与建议
通过本章实验，初步掌握了遥感信息复合的方法，理解了遥感信息复合在信息解译中的意义。对遥感图片的处理有了更深的认识。
数据融合其实比较好做，就是将两张图片打开后选择菜单中的空间变换菜单,再到影像融合，再到HSV，选择输入多波段的数据。最后生成文件，保存后就可以了。
实验五
遥感图像分类——监督分类
一、实验的目的
理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的。
二、实验软件与数据
软件：Envi遥感图像处理软件。数据：重庆地区UTM多光谱数据。
三、实验方法与步骤
1、载入UTM多光谱图像，使用主菜单中的基本工具菜单，选取感兴趣区，在image图像中选择序列区。
2、在主菜单中选择分类，选择监督分类，再选择最小距离法进行分类。结果如下，其中红色部分为河流，蓝色部分为居民区和山脉，绿色部分为植被和背景。
四、实验体会与建议
通过本章实验，理解和掌握了计算机图像分类的基本原理以及监督分类的过程，并能够熟练地对遥感图像进行监督分类。
首先选择图片的感兴趣区，要选择多个波段不同颜色，刚开始的时候只选择了一个，整个图片全是一个颜色。后来选择了很多颜色，选择出了特征值。
实验六
遥感图像分类——非监督分类
一、实验的目的
进一步理解计算机图像分类的基本原理以及监督分类的过程，达到能熟练地对遥感图像进行监督分类的目的，同时深刻理解监督分类与非监督分类的区别。
二、实验软件与数据
软件：Envi遥感图像处理软件。数据：重庆地区UTM多光谱数据。
三、实验方法与步骤
非监督分类的方法有分级集群法和动态聚类法(ISODATA)载入多光谱图像，使用动态聚类法(ISODATA)进行分类。在分类菜单中选择非监督分类，在选择ISODATA
动态聚类法(ISODATA)分类结果
四、实验体会与建议
通过本章实验，进一步理解了计算机图像分类的基本原理以及监督分类的过程，并能够熟练地对遥感图像进行监督分类的目的，同时深刻理解了监督分类与非监督分类的区别。打开图片，点击非监督分类，然后load图片就可以了。
第五篇：林业遥感实习报告
林业遥感实习报告1
地点：校园、十三陵地区、
姓名： 班级：
学号：
实习目的
1：为了更好的了解十三陵地区的地区概况以及土地利用类型，方便学习遥感图像的制作和分析能力，更好的熟悉应用遥感的重要软件，对遥感知识增加全面的掌握，更好的实现理论与实践的高效结合。本实验旨在教会学生应用ArcGIS系列软件进行矢量化的操作。通过本次实验，要求学生能够掌握ArcGIS一些常用的基本操作，涉及到的知识点，包括：ArcGIS应用基础，空间数据的采集和组织，空间数据的转换和处理，空间数据的可视化表达等。最终达到对ArcGIS桌面软件操作入门的目的:
2：了解航空相片的各种要素，掌握立体观察的具体步骤。
3：掌握野外地物波普测试的基本步骤，了解其反射率。 实习内容
本次实习重要应用到两个重要软件ArcGIS和Edars软件。将十三陵遥感图应用ArcMap进行手工矢量化操作，结合实地踏查，手工进行地物划分，最终形成十三陵土地利用图。用到的'软件主要是ArcMap和ArcCatalog。
一、立体像对观测的实验
二、实验步骤
（一）熟悉航空像片
①像片编号：位于航片右上角，说明摄影时的地理位置、摄影时间； ②框标：四角或四边，相对框标连线交点是该像片的像主点； ③水准气泡：记录该像片的倾斜度数；
④时针：表明摄影时间，以便提供太阳光线方向和太阳高度角； ⑤航片摄影机的焦距； ⑥校正线； ⑦高度表。
（二）立体观察
1、立体镜检查
①在8开白纸上中部顺长边方向绘制一条直线。长约30cm左右，并在此直线上安装反光立体镜。
②在立体观察中观察直线，以检查立体镜的大反镜角度是否正确。当立体观察时纸上的直线在两个视场的成像为两条相交直线，而且经转动白纸或立体镜时仍不能使其两视场中两直线重合时，说明仪器大反光镜位置不正确，这时调整反光镜螺旋进行正位，直至两直线重合为止。
2、确定基线。
然后用两眼相重合的点位，也做标记。之间的距离b为立体镜扩大后的观察基线，称之为立体镜基线。此基线的长度因个人的眼距和立体镜的不同而异。
③在两张像片上分别连接框标得像主点O1、O2，即框标连线的交点，然后在像主点周围f/45为半径的圆内，选刺明显地物，并用像片铅笔画一小圈。
④转刺两像片中心点O1、O2得O1ˊ、O2ˊ，并分别连接O1 O2ˊ、O2 O1ˊ，量出O1 O2ˊ、O2 O1ˊ的长度值，即为两像片的共同基线。
3、观察
①将两像片安置在白纸上，使同名基线与白纸上的直线重合（注意要使同名基线应在像片对内侧）；使像片上的同名像点O1 、O2ˊ或O2、O1ˊ间的距离基于b，固定像片对。
②将反光立体镜置于像片对上，观察者的眼基线要平行于立体镜基线进行观察
一、 实验心得：这次实验较为简单，一个人即可在短时间内完成，但是，由于每个人的眼间距不同，所以调整的仪器目镜间距也不同，在一个人调好后，可能另一个人观测时无法达到最佳状态。也因此，若是两人一起调整仪器的话，可能会慢一点，困难一些。其实，实验整体还是很容易的，只要认真细心即可。
二：野外地物波谱测试的实验
使用光谱反射仪测试地物波谱的实验步骤
1、首先确定需要测定的地物类型，任何不同地物都具有各自不同的光谱特性，都可以作为测定目标。如：草地、灌木、乔木、水泥地、大理石地、水体等，植物还可以分为健康与不健康的，水体也可以分为无污染与有污染的。
2、确定测量时是采用顺光、逆光或顶光，然后放置标准板，标准板的位置应该与地物的位置一致。
3、光谱反射仪的使用：（1）由开关按钮、电池检查钮(Check)、视场角旋钮（2°或10°）、波长轮鼓（400nm~1050nm）、镜头和观测孔等。首先打开镜头盖，不要用手触摸镜头，然后打开开关按钮，按住电池检查钮(Check)，如果从观测孔中观测到刻度值大于3就能说明电池仍有电，反之则需要更换电池；从观测孔中除了刻度以外还可以看见一个大圈中间还有一个小圈，大圈是10°视场角的观测范围，小圈是2°视场角的观测范围，一般使用10°视场角，也就是说在观测时大圈中应该充满所测地物而没有任何其它物体；观测孔中得刻度是从0到4，读取时应该估读出小数点后两位。（2）转动波长轮鼓，从400nm开始依次测量，首先让镜头对准目标地物，通过观测孔读数并记录，再让镜头对准标准板读数记录。（3）然后将波长轮鼓调到425nm，同前面一样读取地物与标准板的读数，依此按照波长顺序重复数次。
4、读物波谱反射系数的计算：分别将各个波长获得的标准板读数值与其目标物读数相减，然后根据相减所得差值在反射率查询表中查询对应的反射率。
5、反射波谱曲线的绘制：以波长（400nm~1050nm）为横轴，反射率为纵轴，画出光谱反射曲线。
6、对多个地物的反射光谱曲线进行比较分析。
光谱反射率测定记录表
光谱反射率测定记录表
地点 十三陵 目标地物类型 月季叶（新鲜完整） 时间20xx/10/27
林业遥感实习报告2
一．实习目的
通过实习能够熟练的掌握使用遥感地形图进行地物识别以及解译标志库的建立
二．实习主要内容
1. 对野外进行踩点调查 2. 目视解译，区划小班 3. 地类面积统计及分析 4. 森林资源分布图制图出图
三．主要结果分析（解译标志库目视解译步骤地类面积统计森林分布图制图）
第一条路线沿大湖坪向上方方向踩点调查，行程8.9公里 第二条路线沿茶园方向往太阳庙方向进行调查，行程6.5公里 第三条路线为沿环山公路沿路进行探究，行程6.8公里
四．简易标志库的.建立
五．统计结果及其分析
结论：由表格中数据可知福寿山林场的竹林面积特别大，无论是纯竹林还是竹林混交林的面积都占了很大的比重，同时经过我们小组成员在山中的所见所闻也知道了山中的针叶林主要以杉木和柳杉为主的林份在山上分布广生长旺盛，同时作为一个自然保护区它的阔叶林面积也大，这样各种资源分布比较均匀符合游人的需求也符合物种的多样性。
林业遥感实习报告3
一、实习目的与要求
林业遥感是遥感技术在林业经营中具体应用的实用性强的专业课，旨在培养学生利用遥感手段进行森林资源监测和管理的基本技能，实习的主要目的是培养学生使用GPS进行野外地形参数的手工测量，内业计算机遥感图像的几何精校正和探索学习决策树分类方法对林业遥感影像进行分类研究的动手能力。通过实习，加深遥感技术在森林资源监测和管理中的应用和理解。
二、实习内容
1)GPS采集地面控制点坐标；
2)（经纬度或平面直角坐标）以及地形参数；
3)（坡度，坡向）野外训练区的地面调查；
4)内业遥感图像的几何精校正；
5) ENVI图像处理软件决策树分类器建立逐级决策规则；
6)决策规则的修改与添加（与实地调查进行比较分析）；
7)利用建立的决策规则对林业遥感图像进行分类，保存分类规则与分类图像。
三、实习中涉及的理论知识
1．决策树分类简介
与其它分类方法相比，决策树分类具有如下特点：
1）决策树分类是非参数分类，因此其独立于训练区像元亮度值的统计分布模式；
2）决策树分类时模型的输入既可以是连续的光谱波段值，也可以是离散的数值，甚至是定名变量；
3）分类结束后可以生成易于解译的分类判别准则文件；
4）样本训练的速度快，分类精度通常高于其它的分类器。
2．决策树分类原理
决策树分类实质是利用输入分类器的多元特征参数，从多角度挖掘出蕴藏在其中的模式类别间的差异，并建立起“特征识别矩阵”（类似于判读检索表），其外在表现为多个“If Then, else if then”的连用，就如同数学上的多个集合求交集运算，从而将满足交集条件的模式与不满足交集条件的模式区分开来，实现不同模式类别的自动识别。
具体地讲，决策树可以像分类过程一样被定义，依据某种规则将窨数据集一级级往下细分以定义决策树的各个分支。
决策树由一个根结点，一系列内部结点及终极结点组成，每一个结点只有一个父结点和两个或多个子结点。根据决策树的构成思想，以选定的样本数据为对象逐级找到分类树的结点，并且在每个结点上记录所选的空间数据图层的编号以及相应的判别函数参数，从而有可能反过来从树根到叶按照生成的判别规则，逐级地在每个结点上对样本数据以外的待分类数据进行分类。
3．本实习决策树分类规则描述
类1(class 1)：NDVI值大于0.3，坡度大于或等于20度；
类2(class 2)：NDVI值大于0.3，坡度小于20度，阴坡；
类3(class 3)：NDVI值大于0.3，坡度小于20度，阳坡；
类4(class 4)：NDVI值小于或等于0.3，波段4的值大于或等于20；
类5(class 5)：NDVI值小于或等于0.3，波段4的值小于20；
类6(class 6)：波段4的值等于0；
类7(class 7)：波段1的.值小于波段1的均值。
决策树分类规则是在决策树分类过程中不断修改和添加的，为了实现逐步分类更加精细与准确。
四、实习步骤
1． 外业数据采集
在中山陵地区选取若干样点，利用GPS记录样点坐标，测定相应位置的地形参数。目的：练习使用GPS以及DEM的建立方法。
2． 研究资料确定与处理
1) 运行ENVI软件，打开并显示对决策树分类有贡献的影像文件：bouldr_tm.dat (Landsat 5 TM影像) 与boulder_dem.dat（相应的DEM空间子集）
2) 投影类型转换
查看bouldr_tm影像特征：
Projection : UTM
Pixel: 30 Meters
Datum: NAD 27
查看boulder_dem影像特征：
Projection : GAUSS-KRUGER
Pixel: 30 Meters
Datum: WGS84
以bouldr_tm影像为基准，转换boulder_dem影像的投影类型：
运行ENVI软件，点击Map/Convert Map Projection，在弹出的Convert Map Projection Input Image中选择boulder_dem，在弹出的Convert Map Projection对话框中选择UTM，DATUM选择NAD 27，可选择多项式和最邻近点方式，保存投影类型转换后的图像。
3）图像配准
为提高TM影像的分辨率，从而提高分类精度，以bouldr_tm影像与相应地区的SPOT影像配准（SPOT为已经过精校正的影像，空间分辨率为10m）
配准方法：点击Map/Registration/Select GCPs: Image to Image，使得bouldr_tm影像的分辨率也达到10m，查看配准后的影像特征：
Projection : UTM
Pixel: 10 Meters
Datum: NAD 27
3． 输入决策树规则
1） 选择Classification/Decision Tree/Build new decision tree，打开决策树工具，在决策树工具打开时就只有一个空的决策节点，在这个空的节点中输入任意条件的决策表达式，将该数据集的像素分为两组
2） 第一个决策要基于landsat影像。要定义这个决策点，点击决策节点，当前这个节点被标注为Node，输入表达式：{ndvi} gt 0.3。
这个决策将像素分为两类，一类为绿色植被，另一类为非植被。
3） 指定应用决策表达式的文件
在出现的Variables/Files Pairing对话框中，点击{ndvi}，在随后出现的对话框中选择bouldr_tm影像，这表明当上述决策规则计算时，NDVI值将从bouldr_tm影像中计算出来。
这里ENVI会根据NDVI这个特定名称，自动搜索所需的红波段和近红外波段，计算出NDVI值。
4） 完成第一个简单决策树分类器，NDVI大于0.3被分成白色类，NDVI值小于或等于0.3像素被分为黑色。
4． 输入决策树附加规则
1） 右键点击Class 1的节点，从弹出的快捷菜单中选择Add Children，从而将NDVI大的那类细分为两个新的子类。
2） 点击空白节点，并在Edit Decision Parameters对话框中，输入下面这个决策规则：{Slope} lt 20。
这个决策规则将根据坡面的陡峭程度，将NDVI值高的像素分为两类，同样，ENVI会根据Slope(坡度)这个特定名称，自动搜索计算Slope值。
3） 在节点的Name区域，输入slope<20，点击OK。
4） 指定应用决策表达式的文件
在出现的Variables/Files Pairing对话框中，点击{slope}，在随后出现的对话框中选择boulder_dem影像，这表明当上述决策规则计算时，slope值将从boulder_dem影像中计算出来
5） 继续添加决策规则
右键点击绿色的端元节点，它包括了NDVI值高、坡度低的那类像素，从弹出的快捷菜单中，选择Add Children。点击节点，在Edit Decision Parameters对话框中，输入下面这个决策规则：
{aspect} lt 20 and {aspect} gt 340
这个决策将把NDVI值高、坡度小的那些像素，分为坡面北朝向的和坡面北朝向不显著的两类。
6） 在节点的Name区域，输入North，点击OK。
7） 指定应用决策表达式的文件
在出现的Variables/Files Pairing对话框中，点击{aspect}，在随后出现的对话框中选择boulder_dem影像，这表明当上述决策规则计算时，aspect值将从boulder_dem影像中计算出来。
8） 在节点的Name区域，输入North，点击OK。
9） 继续添加决策规则。
右键点击黑色的端元节点，它包括了NDVI值低的那类像素，从弹出的快捷菜单中，选择Add Children。点击节点，在Edit Decision Parameters对话框中，输入下面这个决策规则：b4 lt 20。
这个决策规则将水体非植被中分离出来，经过目视解译遥感影像发现，在波段4中，像素值小于20的主要是水体。
10） 指定应用决策表达式的文件
在出现的Variables/Files Pairing对话框中，点击b4，在随后出现的对话框中选择bouldr_tm影像。
11） 在节点的Name区域，输入Low B4，点击OK。
5． 执行决策树
1） 选择Options/Execute；
2） 在Decision Tree Execution Parameters对话框中，点击bouldr_tm影像，作为基准影像。其它影像的地图投影，像素大小和范围都将被自动调整，以匹配该基准影像；
3） 输入要输出的分类影像文件名，保存。
6． 查看决策树分类结果；
1） 输出的决策树分类结果中，给定像素的颜色是由分类指定的端元节点的颜色确定的。Class1，Class2，Class3，Class4，Class5分别对应红色，绿色，蓝色，黄色，蓝绿色；
2） 查看决策树信息。
在ENVI Decision Tree
对话框的空白背景上，点击右键，从弹出的对话框中，选择Zoom In，现在每个节点标签都会显示像素的个数以及所包含像素点总影像像素的百分比。
7． 修改决策树
1） 添加新的决策
执行完决策树后查看分类结果，发现上述决策规则中，波段4小于20的那些像素中，某些像素是边缘像素，值为0，以蓝绿色显示，因此需修改决策树：
在波段4的值小于20的那些像素的端元节点上，点击右键，并从弹出的快捷菜单中，选择Add Children。点击节点，在Edit Decision Parameters对话框中，输入下面这个决策规则：b4 eq 0。
在Name文本框中，输入B4=0。
2）执行新添加的决策，此时输出结果中，边缘像素就归为另一类了，以红紫色表示。
8． 在决策表达式中使用波段索引
几个内置的决策树变量在决策表达式使用过程中，需要波段索引。
1） 在黄色端元节点上，点击右键，该节点包括了NDVI值低但波段4的值高的那一类像素。从快捷菜单中，选择Add Children。点击节点，在Edit Decision Parameters对话框中，输入下面这个决策规则：b1 lt {mean[1]}。
在Name文本框中，输入Low B1。
该表达式将判断波段1的像素值是否小于波段1的均值。
2） 指定应用决策表达式的文件
在出现的Variables/Files Pairing对话框中，点击b1，在随后出现的对话框中选择bouldr_tm影像的band 1；
在出现的Variables/Files Pairing对话框中，点击mean，在随后出现的对话框中选择bouldr_tm影像；
3） 运行决策树；
4） 查看结果，波段1的值较低的某些黄色像素的颜色已变为暗红色。
9． 修剪决策树
在使用决策树的过程中，经常需要测试某个指定的子节点是否对决策树的分类结果有效，即对决策树的修剪。
1） 在Low B1节点上，点击右键，从弹出的快捷菜单中，选择Prune Children。结果表明，可以看到这个子节点，但它们不再带有颜色，而且也没有连接到决策树上，表明已被修剪，当执行决策树时，它们不会被使用；
2） 右键点击Low B1节点，从弹出的快捷菜单中，选择Restore Pruned Children，可恢复修剪。
10．保存生成的决策树。
11． 对分类结果进行评价。
五、实习结论
通过实习，从中学到了很多东西，受益匪浅！
点击咨询 