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！

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。