1、2、图像镶嵌：将下载的多幅遥感影像进行拼接3、图像裁剪：裁剪出长沙市的遥感影像4、图像分类：对长沙市的主要地物进行分类5、遥感动态监测：对长沙是2006-2009年分类后的遥感影像进行动态监测，分析本地区植被的地物的变化基本原理1、NDVI（归一化植被指数）NDVI=（NIR-R）/（NIR+R），或两个波段反射率的计算。它的取值范围是-11。对于陆地表面覆盖来说，云、雨、雪在可见光比近红外波段有较高的反射作用所以NDVI为负值，岩石、裸土的NDVI一般为0，有植被覆盖的地方一般大于0。2、图像镶嵌（mosaicimage）是具有地理参考的若干相邻的图像合并成一幅图像或一组图像，需要拼接的图像
2、必须含有地图投影也就是说图像必须经过几何校正处理，虽然所有的输入图像可以具有不同的投影类型，不同的象元大小，但必须有相同的波段数。在进行图像拼接时需要确定一幅参考影像，参考图像作为图像拼接的基准，决定输出图像的地图投影和象元大小和数据类型。3、图像裁剪目的是将研究之外的区域去除。常用的方法是按照行政区划边界或自然区划边界进行图像裁剪。在基础数据生产中，还经常要进行标准分幅裁剪，按照ENVI的图像裁剪过程，可分为规则裁剪和不规则裁剪。4、遥感图像分类就是通过对遥感图像中地物的光谱信息和空间信息进行分析，选择特征，将图像中每个象元按照某种规则或算法划分为不同的类别，然后获得遥感图像与实际地物的对应
3、信息，从而实现遥感图像的分类。一般的分类方法可分为两类：监督分类和非监督分类。将多源数据应用于图像分类中，发展成基于专家知识的决策树分类。5、遥感动态监测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化。它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。6、NDVI计算方法NDVI 植被指数1植被指数（Vegetation In-dex）,又称光谱植被指数,是指由遥感传感器获取的多光谱数据,经线性和非线性组合而构成的对植被有一定指示意义的各种数值。研究表明,
4、植被指数与植被覆盖度具有密切的相关关系,其中归一化植被指数（NDVI）是植被生长状态及植被覆盖度的最佳指示因子。TM影像中NDVI的计算公式为: NDVI=TM4 -TM3TM4+TM3 （3 -1）式中,TM4和TM3分别为Landsat TM影像的第四近红外）和第三（红）波段亮度值131212植被覆盖度1像元二分模型7 -9假设像元只由两部分组成:植被覆盖地表和无植被覆盖地表,遥感传感器观测到的光谱信息也只由这两个组分因子线性加权合成,它们各自的面积在像元中所占的比率即为因子的权重,其中植被覆盖地表占像元的 百分比即为该像元的植被覆盖度,因而可以使用此模型来估算植被覆盖度1其计算公式为:f
5、c=（S-Ssoil）/（Sveg-Ssoil） （3 -2）其中Ssoil与Sveg是像元二分模型的两个参数,因此只要知道这两个参数就可以根据以上公式利用遥感信息来估算植被覆盖度1由于归一化植被指数（NDVI）也是一种由遥感传感器所接收的地物光谱信息推算而得的反映地表植被状况的定量值1根据像元二分模型,一个像元的NDVI值可以表达为由绿色植物部分所贡献的信 息NDVIveg与由裸土部分所贡献的信息NDVIsoil这两部分组成,同样满足公式（2 -2）的条件,因此可以将NDVI代入公式（3 -2）,得:fc=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil） （3 -3） 其
6、中,NDVIsoil为无植被覆盖区域（裸土）的NDVI 值,NDVIveg为完全植被覆盖区域的NDVI值1 NDVIsoil与NDVIveg的计算公式为: NDVIsoil=（ fcmax#NDVImin-NDVImax）/（ fcmax-fcmin） NDVIveg=（1 -fcminNDVImax-（1 -fcmax）NDVImin/（ fcmax-fcmin） （3 -4） fcmax、fccmin为区域中像元植被覆盖度可能的最 大值与最小值,NDVImax、NDVImin为图像中NDVI在给定置信度的置信区间的最大值与最小值,由于长沙地处亚热带地区,通常情况下植被覆盖度的 最大值都可以
7、取100%,植被覆盖度的最小值一般都 取0,将fcmax=100%,fcmin=0代入公式（3 -4）得:NDVIsoil=NDVImin NDVIveg=NDVImax （3 -5）数据准备1、2006年长沙TM影像_L4_ 30米 4幅2、2009年长沙TM影像_L4_ 30米 4幅3、长沙Shp矢量文件4、长沙DEM影像_L4_ 30米 7幅操作方法及过程1、实习概述本次研究,结合研究目标和实际情况,综合权衡各种因素后,主要采用的卫星遥感影像为长沙市2个时相的Landsat TM影像,成像时间分别为2006年和2009年，影像分辨率为30m,影像已经过大气校正、几何精校正及裁减处理。数据
8、来源：TM影像数据从中国科学院遥感与数字地球研究所（下图为影像查询结果DEM影像数据从地理空间数据云（Shp矢量数据从GIS帝国论坛分享中下载。2、长沙矢量文件提取 利用ArcGIS10提取要素来导出长沙市的矢量Shp数据文件。（1）用ArcGIS10打开中国地级市矢量图（2）选择要素-长沙，使用筛选工具导出长沙市的矢量Shp数据文件。 导出结果后第二图3、图像镶嵌（1）打开影像文件2006年（2）设置参数（3）输出参数设置（4）图像镶嵌结果2009年的图像镶嵌按此操作4、图像裁剪（1）打开长沙矢量Shp文件（2）设置文件打开参数（4）将矢量文件转换为ROI（5）输出图像裁剪后的结果2009年
9、的图像裁剪按此操作5、图像分类（1）按分类要求绘制感兴趣区域（2）检查感兴趣区域的可分离度（3）设置输出参数（4）分类后结果输出（5）图像分类后处理-majority分析2009年的图像分类操作按此进行6、遥感动态监测（1）选择2006年和2009年分类后的遥感时相图（2）定义变化分析类别（4）得出分析结果，分析数据报告导出Pixel Counts Unclassified 植被 Green 3550 points 建筑 Red 15187 points 水系 Blue 4773 points Row Total Class Total Unclassified 10180844 101515
10、9 80999 5242 11282244 11282244 植被 Green 15849 points 703697 5271680 847087 1056 6823520 6823520 建筑 Red 53838 points 355913 2679276 1688509 7062 4730760 4730760 水系 Blue 4817 points 75896 4288 3604 79990 163778 163778 Class Total 11316350 8970403 2620199 93350 0 0 Class Changes 1135506 3698723 931690
11、13360 0 0 Image Difference -34106 -2146883 2110561 70428 0 0 PercentagesUnclassified 89.966 11.317 3.091 5.615 100.000 100.000 植被 Green 15849 points 6.218 58.767 32.329 1.131 100.000 100.000 建筑 Red 53838 points 3.145 29.868 64.442 7.565 100.000 100.000 水系 Blue 4817 points 0.671 0.048 0.138 85.688 10
12、0.000 100.000 Class Total 100.000 100.000 100.000 100.000 0.000 0.000 Class Changes 10.034 41.233 35.558 14.312 0.000 0.000 Image Difference -0.301 -23.933 80.550 75.445 0.000 0.000 Area （Square Meters）Unclassified 9162759600.00 913643100.00 72899100.00 4717800.00 10154019600.00 10154019600.00 植被 Gr
13、een 15849 points 633327300.00 4744512000.00 762378300.00 950400.00 6141168000.00 6141168000.00 建筑 Red 53838 points 320321700.00 2411348400.00 1519658100.00 6355800.00 4257684000.00 4257684000.00 水系 Blue 4817 points 68306400.00 3859200.00 3243600.00 71991000.00 147400200.00 147400200.00 Class Total 1
14、0184715000.00 8073362700.00 2358179100.00 84015000.00 0.00 0.00 Class Changes 1021955400.00 3328850700.00 838521000.00 12024000.00 0.00 0.00 Image Difference -30695400.00 -1932194700.00 1899504900.00 63385200.00 0.00 0.00 ReferenceInitial State Image: E:学习资料ENVI课程设计2006_jdm.img Dimensions: （1:7726,
15、1:2977）, Band 1, Pixel Size: （30.00, 30.00） MetersFinal State Image:学习资料ENVI课程设计2009_jdm.imgEquivalent Class Pairings Unclassified Unclassified 植被 Green 3550 points 植被 Green 15849 points 建筑 Red 15187 points 建筑 Red 53838 points 水系 Blue 4773 points 水系 Blue 4817 pointsReport Produced on: Sun May 10 16:
16、16:00 2015结果与分析一、几何精纠正控制点位置及其误差 地面收集的控制点见下表 其中控制点的误差RMS在1左右不超过1.5二、影像处理结果分析1、图像裁剪前后影像比较（1）图像裁剪前的多光谱影像 （2）图像裁剪后的影像【结果与分析】按照行政区划边界或自然区划边界进行图像裁剪，通过对图像的裁剪，来进行特定区域的地物问题分析2、长沙两年的遥感影像比较（1）2006年的多光谱影像（2）2009年的影像【结果与分析】从上两图明显可以看出来的是眼和湘江流域，整个居民区在不断扩张，人类的活动影响十分明显。3、长沙两年分类后的遥感影像比较（2）2009年的多光谱影像【结果与分析】从上两图清楚的看出长
17、沙是的植被减少了很多，取而代之的是连绵的居民区特别是眼水系的区域，居民区以水系为中心在不断向外扩张。4、长沙两年分类处理后的遥感影像比较【结果与分析】右边的平原地区居民建筑明显增加，右方高山去的居民建筑变化不大，而沿水系的居民建筑则增加迅速，这是由于城市化进程带来的城市的发展。5、动态监测报告【结果与分析】从上表中的数据可以清楚的看出长沙是的植被减少了很多，取而代之的是连绵的居民区，水系也在缩减。很明显人类的活动下，城市化的扩张，都不可避免的占用植被来满足人类生活的需要。存在问题与解决办法1、部分遥感影像的云量较多，怎么减少其对影像结果的影响?分析：遥感影像的云量可以从数据源上进行解决，当遥感
18、影像的云量较多难以避免时，通过计算ndvi值，分析云值范围，对该段数据进行忽略，尽量减少云量对实验结果的影响。2、导入ENVI进行查看，发现未拼接重投影之前影像数据范围为-30000.99880，拼接重投影之后影像数据范围在-30009988是数据值发生了改变吗？ENVI Basic Tool Preprocessing Data-Specific Utilities View HDF Attribute 在envi里面查看NDVI波段参数可以发现它的有效值范围为-200010000，因此数据值-3000是无效值，其他的值是乘以了10000这个系数scale_factor，因此在拼接重投影过程
19、中ndvi值并没有发生变化。还有些值如32767等表示有云 。3、按上面所述，它的根本值没有发生改变，但是毕竟一部分数值已经扩大了，怎么处理比较合理？分析ENVI Basic Tools Band Math 波段运算，把负值去掉，在弹出的对话框Band Math中Enter an expression（b1 lt 0）*0+（b1 ge 0）*（b1*0.0001）。 这个公式意思就是 要是值小于0 就乘以0 使其变为0 同时 值大于等于0的话就乘以0.0001这个系数。 这样就OK了。关于B1 代表 所选的那个影像。总结通过此次实验，能够对遥感图像的处理方法有更加深刻的了解，为以后的学习打好了基础，同时使我对ENVI软件操作有了更熟练的应用！本次实习分别通过长沙这个实例实现了变化监测的相关内容的学习和操作，变化监测一般分为三个大的步骤：数据与处理，变化信息检测、变化信息提取，通过实验操作之后，对变化检测的基本原理有了深入的理解，对于影像直接比较法和分类后比较法变化检测的基本方法和步骤有了熟练的掌握。
