精华内容
下载资源
问答
  • CBERS-02B与SPOT土地利用分类对比
  • 以徐州市1987年9月的Landsat TM影像为信息源,利用3种方法对徐州市的土地利用进行了分类,并对分类结果进行了分析对比,最后提出用综合阈值法对城市土地利用进行分类,此方法能很好地区分城镇用地和裸地等不容易区分的地...
  • 综述土地利用与土地覆盖方面的遥感分类研究
  • 太白山地区遥感影像的地形校正及土地利用分类研究,曹阿娜,李先华,本文以陕西省太白山地区为例,全面调查该区域的土地利用现状。针对山区地形复杂、分类难度大的特点,进行地形校正及分类研究。利
  • 通过深度信任网络使用遥感SAR数据进行城市土地利用和土地覆盖分类
  • 这项研究的目的是使用遥感和地理空间信息系统(GIS)技术对研究区域的土地利用/土地覆盖进行分类和绘制地图。 这项研究包括两个部分(1)土地利用/土地覆被(LULC)分类和(2)准确性评估。 在这项研究中,监督分类...
  • 鉴于我国海岸带土地利用多样性显著而分类系统研究相对不足的现实,文章简要论述了国内外海岸带土地利用分类系统的研究进展、适用的遥感数据类型和制图精度,并从陆海耦合的角度出发回顾国内滨海湿地分类系统的研究...

    土地利用分类是土地利用数据建立和土地利用变化研究的前提。鉴于我国海岸带土地利用多样性显著而分类系统研究相对不足的现实,文章简要论述了国内外海岸带土地利用分类系统的研究进展、适用的遥感数据类型和制图精度,并从陆海耦合的角度出发回顾国内滨海湿地分类系统的研究成果。在此基础上,提出中国海岸带土地利用遥感分类系统优化方案,包含8个一级类型和24个二级类型,较全面涵盖了全国海岸带的土地资源类型,并从海岸带区域的特征出发,强调了湿地资源的细分;应用该分类系统具有较强的可行性。本研究可为全国尺度海岸带土地遥感资源调查、土地利用管理与规划、海岸带综合管理等研究工作提供参考。
    下图是美国海岸带土地利用分类系统:
    在这里插入图片描述

    我国黄河三角洲土地利用、分类:
    主要的类型包括:海域、耕地、园地、有林地、牧草地、居民点以及工矿用地、交通用地、水域(包括滩涂)、未利用地或难利用地、盐碱地。
    :文章选自《中国海岸带土地利用遥感分类系统研究》邸向红等

    展开全文
  • 朋友开的京杰数软工作室,主攻GIS遥感业务...没有数据、影像质量低不连续、数据量大不会处理分析京杰数软工作室代做GIS遥感科研项目,代做遥感毕业设计,遥感土地利用分类、遥感科研项目等;如果有GIS遥感方面的任何...

    朋友开的京杰数软工作室,主攻GIS遥感业务,很专业,推荐给大家!

    【开篇废话】

    您是不是因为非遥感专业,但需要应用遥感而苦恼?

    没有思路,没有影像数据、不会处理,不会建模、不会编程?

    虽然遥感RS科班出生,但专业知识不扎实,数据量大而无所适从?

    没有数据、影像质量低不连续、数据量大不会处理分析

    京杰数软工作室代做GIS遥感科研项目,代做遥感毕业设计,遥感土地利用分类、遥感科研项目等;

    如果有GIS遥感方面的任何需求,请找我们京杰数软工作室,绝对有意外的收获!​

    京杰专业团队常年从事遥感影像数据服务,遥感影像处理、分析与建模、遥感应用、批量化处理、程序开发等;

    【关于我们】

    京杰数软工作室团队成员来自武大、北师大、南师大、中科院、南京大学等著名高校GIS/遥感专业硕士和博士,拥有GIS矢量数据处理、专题图定制、遥感影像处理等实战经验。

    【服务场景】

    1、课程作业;

    2、毕业设计;

    3、留学生课程任务;

    4、科研项目;

    5、公司项目外包。

    【服务范围】

    1、提供数据服务:

    高空间分辨率:基于GoogleEarth卫星图像下载,分辨率为0.6m、1m、2m、5m等;

    中空间分辨率:Landsat TM/ETM+/OLI、HJ-1 A/B、GF-1等

    低空间分辨率:Terra/Aqua MODIS/、SPOT/Vegetation、NPP/VIIRS等

    注意:请告诉客服所需影像的时间和分辨率,如上海市浦东新区 Landsat8 2015一月 和 2009年一月两期

    2、遥感影像处理:去云、去噪、大气校正等、图像裁剪、拼接、数据融合等;

    3、影像分析与建模:地物分类、矢量栅格转换、图像分割、纹理识别

    4、遥感应用:如城市道路、绿地等提取;植被、土壤、水体、建筑物等地物反演

    5、批量化处理:大数据量影像的拼接、栅格计算等

    6、提供程序开发(Python、IDL、MATLAB):工具开发,提供操作界面。

    【联系方式】

    QQ:2078159565

    Email:jingjieshuruan@163.com

    微信订阅号:京杰数软工作室 或

    JingjieSR

    淘宝店铺:https://jjsr.taobao.com

    更多精彩,请关注微信订阅号。​

    京杰数软工作室微信订阅号

    展开全文
  • 滨海光谱混淆区面向对象的土地利用遥感分类
  • 关于中国海岸带土地利用遥感分类系统研究的学术论文,可以作为相关人员的参考。
  • 土地利用/覆盖遥感分类研究

    千次阅读 2014-07-09 14:01:54
    遥感数据资料的简介  目前,遥感数据的常用信息源有 NOAA、MSS、TM、...可用于全球及洲际尺度的土地利用/土地覆盖的遥感变化。应用 NOAA/AVHRR 数据进行此范围的植被变化和土地研究始于 1981 年。最早应用多时相NOAA/

      遥感数据资料的简介

      目前,遥感数据的常用信息源有 NOAA、MSS、TM、SPOT等航天遥感数据及部分不同尺度的航空像片。不同类型的遥感资料具有不同的信息提取精度,从而适应于不同的研究尺度。NOAA气象卫星地面分辨率低,最小为 1km。可用于全球及洲际尺度的土地利用/土地覆盖的遥感变化。应用 NOAA/AVHRR 数据进行此范围的植被变化和土地研究始于 1981 年。最早应用多时相NOAA/AVHRR 的植被指数(NDVI)数据进行洲际尺度的土地覆盖研究者是 Tucker 和 Townshed。利用 NOAA图像开发的 1km土地覆盖数据库可用于地表覆盖对中尺度大气环流和区域天气影响检验、分析气候干湿变化及季节降水、温度和蒸发对地表植被及其动态变化的依赖性和敏感性。

      TM图像最小分辨率为 30m,在资源、环境动态、生态效益等的综合调查中,具有明显的技术与经济优势。表现在进行各种处理(数字、光学)潜力大,波段组合能力强,成图几何精度高,可满足 1:5 万~1:10 万~1:20万等比例尺专题制图的要求,分类精度高,地学综合信息丰富,价格适中。SPOT图像最小分辨率 10m,明显高于 TM图像,但其价格过高,不易推广使用。综合看来TM和 SPOT 图像均适用于局部区域尺度土地利用/土地覆盖变化的研究。例:中科院遥感所将遥感与非遥感数据相结合,应用 GIS技术以 20 世纪 80 年代初和 20世纪 90 年代的 LANDSAT/TM图像,经分层数字化的方法进行全国土地资源动态变化研究;黑龙江省应用1997 年大比例尺 LANDSAT/TM合成图像,对 1992 年土地详查图进行了更新。中国科学院遥感卫星地面站应用 1987 年、1989 年和 1992 年 LANDSAT/TM图像进行北京地区的土地覆盖变化的遥感实验研究等。

      针对不同类型遥感数据的特点,为了提高土地利用/土地覆盖信息提取精度,不少学者进行了不同类型遥感数据的融合技术研究。如对不同传感器数据的融合处理、遥感信息与非遥感信息的融合、专家知识应用等。通过信息融合增强处理会产生比单一信息源更精确、更完全、更可靠的估计和判断。例:王海晖将Dempster———shafer 证据理论的信息融合技术应用于遥感图像纹理的分类。提取纹理图像不同特征构成该理论中的证据, 极大地提高图像纹理的识别分类能力。贾永红采用 Bayes 融合分类的方法,利用 LANDSAT/TM和航空 SAR 影像进行土地利用分类试验,其分类精度提高了 20%。

      统计方法的土地利用遥感分类方法

      遥感图像的统计分类一般分为两种方法:监督分类(supervised classfication)和非监督分类(unsupervisedclassfication)。监督分类(supervised classfication)又称为训练区分类。它是利用对地面样区的实况调查资料,从已知训练样区得出实际地物的统计资料,然后再用这种统计资料作为图像分类的判别依据,并依一定的判别准则对所有图像象元进行判别处理,使得具有相似特征并满足一定识别规则的象元归并为一类。在训练区分类中,由于训练样区所提供的判别资料是与一定的地物相对应,则计算机便将满足该类条件的象元识别为与训练样区相一致的地物,如此完成对整幅图像的处理。常用的监督分类方法有:①K 近邻法(K—Nearest Neighbor)。②决策树法(Decision tree classifier)。③贝叶斯分类法(Bayesian c1assifier)。例:赵萍等利用SPOT图像,采用决策树法提取南京市江宁县居民地信息,将背景地物类型复杂的江南地区的城镇和集村居民地自动的提取出来,与常规的监督分类相比,分类精度提高了 23.38%。

      非监督分类方法(unsupervised classfication)并不要求具体地物的已知知识,它是依赖于图像的统计特性作为基础的。假定相同的地物特征反映为相同的光谱反射值,在多维图像空间中,则考虑为同一地物在多维空间中存在着一个聚集点所构成的“点群”。即同点群的象元彼此相似。非监督分类方法有贝叶斯学习、最大似然度分类(Maximum likelihood classifier)以及聚类方法(Clustering)等。

      监督分类和非监督分类是最基本的两种分类方法,由于其单一的依靠地物的光谱特征,因此对某些地物和某些地区分类效果并不理想,随着遥感技术和计算机技术的发展及人们实践经验的增多,科学研究工作者在此基础上发展了很多其它分类方法。

    展开全文
  • 土地利用分类

    万次阅读 2016-08-06 13:40:10
    更别说什么土地利用分类的制作了。在这里,我将会用最为直接的图形流程操作来给像我一样初识遥感的童鞋们讲解一下制作土地利用的整个过程。 首先,我先用一幅流程图来概括一下制作土地利用的整个过程。如下图1所...

    1 前言

    相信跟我一样刚刚接触遥感的计算机人士来讲,突然转行开始弄遥感,刚开始肯定会一头雾水。更别说什么土地利用分类的制作了。在这里,我将会用最为直接的图形流程操作来给像我一样初识遥感的童鞋们讲解一下制作土地利用的整个过程。
    首先,我先用一幅流程图来概括一下制作土地利用的整个过程。如下图1所示:
    这里写图片描述
    图1土地利用分类流程图
    这个流程操作适用于一般影像制作土地利用过程。然而对于高分影像数据而言,制作土地利用流程需要进行一些修改。在文章的最后,我会将高分影像数据制作土地利用的流程图附上。现在,让我们开始高分影像数据土地利用制作的过程。
    注:在教程中,我有些地方使用了envi5.3。如若想获取envi5.3的请在评论中留下邮箱,届时我将发送链接分享。该软件分享仅作为科研使用,如若进行商用,请使用正版,否则后果自负。

    2 裁剪

    先对影像进行裁剪,这里我对影像进行裁剪的目的有两个:
    1、减少接下来工作量
    2、这样可以选择较高分辨率的DEM(DEM可能不能覆盖影像,这里我通过shp图来进行裁剪影像,便可以确定使得下载的DEM更小些)
    裁剪步骤如下图所示:
    这里写图片描述
    图 2 裁剪工具
    这里写图片描述
    图3 选择裁剪影像
    这里写图片描述
    图4 结果输出
    这样就可以将影像裁剪出来了,展示一下我裁剪的影像图:
    这里写图片描述
    图5 裁剪影像图
    同理,将研究区所有的影像进行裁剪(直接对影像拼接会出现问题,具体说明看正射校正部分)。

    3 正射校正

    这里我们之所以将正射校正放在拼接前边,是因为我们正射校正的结果需要作为大气校正的初始文件。这里需要说明其实我们刚开始说的流程图也可以先进行正射校正,也就是说正射校正和大气校正之间是没有依赖关系的。高分影像数据的制作可以算做一个特例。
    这里还需要进行说明一点:正射校正之前可能无法进行图像镶嵌(拼接)的,无法进行操作会弹出如下图2所示的说明(其实我们影像并没有问题,下图3-5显示两幅影像都是一样的)。我们之所以先进行拼接是因为可能研究区有多幅影像组成,那么如果正射校正的话需要一幅一幅影像的进行校正,然后再进行拼接。这样将会花费大量的时间。因此,我们往往会想到先进行影像的拼接,然后对拼接后的一幅影像进行校正。如果你跟我一样未果的话,那么可以先进行校正,然后再进行拼接操作。
    这里写图片描述
    图6 拼接失败提示
    这里写图片描述
    图7 影像数据信息
    这里写图片描述
    图8 影像坐标信息
    这里写图片描述
    图9 影像光谱波段信息
    这个问题目前我还没有想到为什么。这里我们就先不纠结这个问题为什么会出现了,那就先用麻烦点的操作进行,先进行正射校正。
    这里由于我没有控制点,没有参考的栅格影像,于是采用了RPC文件进行正射校正。如果你有现成的栅格影像或者控制点信息,你可以采用RPC Orthorectification Using Reference Image 工具(envi5.3版本,这里因为我使用的envi5.1,因此放弃了这种方式,不过这种方式要比我所做的方式正射效果优秀,建议使用这个种正射校正方式)。具体操作步骤参考博文:自动采集控制点的RPC正射校正工具 。我采用的方式是使用RPC Orthorectification Workflow工具,具体过程如下图所示:
    这里写图片描述
    图10 选择RPC Orthorectification Workflow工具
    这里写图片描述
    图11 文件选择
    这里DEM File默认是2010年的900m分辨率的DEM,这里根据实际情况,如果有更高分辨率的DEM的话,选择高分辨率的DEM效果更好。这里我已经对影像进行了裁剪,因此影像范围肯定小于DEM范围了。这里我选择的是30m分辨率的DEM。
    这里写图片描述
    图12 DEM跟裁剪影像图
    中间白色边框内是两幅未拼接的裁剪影像图。接下来进行选择裁剪影像和DEM进行文件选择。
    这里写图片描述
    图13 裁剪文件选择
    点击“Next”。接下进行RPC设置。
    这里写图片描述
    图 14 RPC设置
    这里因为我没有控制点,因此对于GPC的设置我没有进行处理。直接进行接下来选项的设置。
    这里写图片描述
    图 15 Advanced选项设置
    Advanced设置,其中辐射校正算法中分别是:最近邻法、线性内插、三次卷积法,这里我们可以选择三次卷积方法。
    这里写图片描述
    图 16 Statistics选项设置
    Statistics设置我们这里选择All。
    这里写图片描述
    图17 辐射校正输出选项

    (这里明天进行一下对比验证)

    4 辐射定标和大气校正

    在开始之前,我这里先说明一下辐射定标和大气校正。同样,这里引用上边所引用的文章几何校正;正射校正;几何配准;影像配准,空间配准;辐射定标;大气校正;辐射校正的概念解释一下各定义。

    4.1 辐射定标说明

    正如很多资料所说,不同学者解释辐射定标的定义不同:
    ①定标是将传感器所得的测量值变换为绝对亮度为与地表反射率、表面温度等物理量有关的相对值的处理过程(赵英时等《遥感应用分析原理与方法》)
    ②遥感器定标就是建立遥感传感器的数字量化输出值DN与其所对应的视场中的辐射亮度值之间的定量关系(陈述彭,也是度娘的解释)
    ③辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程(梁顺林《定量遥感》)
    ④辐射定标就是将记录的原始DN值转换为大气外层表面反射率,目的是消除传感器本身产生的误差
    辐射定标有很多方法:实验室定标、星上定标、场地定标。具体参见ESRI中国社区ENVI版块,dsbin传感器定标http://bbs.esrichina-bj.cn/ESRI/viewthread.php?tid=56191
    另特别说一下:将DN值转化为辐射亮度和大气表观反射率的公式:
    1. 这里写图片描述将初始DN值转化为辐射亮度,其中Lb是辐射亮度值,单位是: W/cm2.μm.sr(瓦特/平方厘米.微米.球面度),Gain和Bias是增益和偏差,单位和辐射亮度值相同,可以看出,辐射亮度和DN值是线性关系。
    2. 这里写图片描述将辐射亮度值转换为大气表观反射率,式中Lλ为辐射亮度值,d为天文单位的日地距离,ESUNλ为太阳表观辐射率均值,θs是以度为单位的太阳高度角。不过总的来说,这部分的工作基本上不需要用户自己做,相关的系数都包含在数据的头文件或者元数据中了。

    4.2 大气校正说明

    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,广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数;狭义上是获取地物真实反射率数据。用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响,消除大气分子和气溶胶散射的影响。大多数情况下,大气校正同时也是反演地物真实反射率的过程。
    什么情况下需要做大气校正,我们购买或者其他途径获取的影像是否做过大气校正。通俗来讲,如果我们需要定量反演或者获取地球信息、精确识别地物等,需要使用影像上真实反映对太阳光的辐射情况,那么需要做大气校正。一般购买的影像,说明文档会注明经过辐射校正,其实这个辐射校正是指的粗的辐射校正,只是做了系统大气校正,就跟系统几何校正的意义是一样的。
    大气校正跟辐射校正是相互联系的,在envi中做大气校正前提就是需要辐射定标后的结果,实际过程就是将影像的辐射亮度值,最终转换为地表反射率。

    4.3 辐射校正说明

    是指对由于外界因素,数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正,消除或改正因辐射误差而引起影像畸变的过程。(包括辐射定标和大气校正)三者关系可以归结为下图:
    这里写图片描述
    图 18 辐射校正、辐射定标、大气校正关系图
    Ok,这里感谢一下“倒斗我不会”给予的解释。接下来我们继续我们的教程——辐射校正。

    4.4 辐射定标

    接下来我们开始进行辐射校正。首先先进行辐射定标。在envi中使用Radiometric Correction—>>Radiometric Calibration(辐射校正)。具体如下图所示:
    这里写图片描述
    图 19 辐射定标
    当我选择所选影像进行下一步时会出现如下图所示警示:
    这里写图片描述
    图20 警示
    ???这是什么意思呢?经过查阅相关文献,我从中得以将此问题解决。实际上辐射定标的目的就是将DN值转换为辐射亮度值(前边已经提及到了)。因此需要将传感器的Gain值和Offset值输入到envi中进行转换成辐射亮度值。envi中通过编辑envi 头文件来进行编辑Gain和Offset值。Envi 5.3中(具体获取方式参照前言)通过Raster Management中的Edit ENVI Header工具进行对两个值修改,具体操作如下:
    这里写图片描述
    图21 Set Raster Metadata
    通过点击Add可以添加Gain和Offset工具:
    这里写图片描述
    图22 Add Gain and Offset工具
    添加完后,我们可以发现在界面中出现了对Gain和Offset值修改的界面。如下图所示:
    这里写图片描述
    图23 Gain and Offset界面
    接下来我们就开始对两个值进行添加,这里其实还有一种修改方式(手动),具体的操作方式,不在叙述,具体操作请参照博客ENVI下高分一号PMS相机多光谱数据大气校正,在这里我采用自动选择文件的方式进行快速添加。首先,我在这里列一下2015年国产陆地观测卫星外场绝对辐射了定标系数表供手动方式使用:
    这里写图片描述
    图24 2015各国产卫星辐射定标系数
    在接下来就是对两个值的修改,这里我们以修改Gain值为例,影像的波谱函数等参数获取,可以通过中国资源卫星应用中心获取。
    这里写图片描述
    图25 添加Gain文件
    然后我们可以发现各波段的Gain值已经输入到了界面中,如下:
    这里写图片描述
    图26 添加Gain值
    同理,再修改Offset值。通过View Metadata可以来确认一下各波段是否已经赋值给了Gain和Offset。
    这里写图片描述
    图27 检查各波段参数值
    通过检查光谱信息我们发现,影像需要大气校正还缺条件,大气校正需要以下几个条件:
    1、数据是经过定标后的辐射亮度(辐射率)数据(uW/cm2*nm*sr)
    2、数据有中心波长(wavelenth)值,如果是高光谱还需要波段宽度(FWHM)。
    3、数据类型支持四种:浮点型、长整型、整型、无符号整型
    4、波谱范围:400~2500nm
    可以发现我们的影像中并没有中心波长,因此我们还需要进行输入中心波长信息。接下来我们进行中心波长的添加,对于中心波长的添加这里我采用手动方式进行添加。具体的方式我可以通过使用envi打开影像的光谱曲线来进行确定。具体步骤如下:
    使用Spectral Library进行对光谱曲线文件的添加。
    这里写图片描述
    图28 Spectral Library Viewer
    这里写图片描述
    图29 添加光谱曲线函数文件
    通过点击各波段最高点可以获取中心波长(Data Value=1处,需要注意这里的单位是nm)。
    这里写图片描述
    同理获取其它波段的波长,这里进行一下高分一号各波段中心波长的整理:
    中心波长(um)
    band1: 0.485
    band2: 0.56
    band3: 0.696
    band4: 0.797
    这样我们就完成了大气校正的条件,接下来可以进行辐射定标的其它操作了。需要注意的是我需要对辐射定标的文件的格式进行限制一下,因为大气校正所识别的文件格式为BIL或者BIP格式,因此需要进行选择。
    这里写图片描述
    图30 文件格式
    (随后修改:其实这里只是对影像文件进行了头文件的参数编辑,因此文件格式这里也可以不进行选择)
    接下来时使用Radiometric Correction > Radiometric Calibration工具,进行辐射定标,具体步骤如图所19,选择文件后发现上述的错误没了,弹出辐射校正对话框,如下图所示:
    这里写图片描述
    图31 辐射定标输出
    这样,辐射定标操作就完成了!

    4.5 大气校正–FLAASH工具

    辐射定标完成后,我们将开始大气校正。辐射定标的完成成功与否直接影响着大气校正的结果。这里我们使用FLAASH Atmospheric Correction工具对影像进行大气校正。如下图:
    这里写图片描述
    图32 FLAASH Atmospheric Correction工具
    打开后弹出FLAASH模型工具的输入参数。首先我们需要编辑Input Radiance Image,该文件就是我们上边刚刚处理完成的辐射定标文件。选择文件后弹出Radiance Scale Factors,这里我们选择Use single那个选项,scale factor这里我们已经在辐射定标那里进行了转换,这里不需要再进行修改了。如下图所示:
    这里写图片描述
    图33 Radiance Scale Factors
    接下来两个是设置大气校正的输出文件路径
    这里写图片描述
    图34 设置大气校正输出文件路径
    然后我们再设置传感器的各个参数,Sensor Type选择GF-1,然后高分一号的参数,如传感器高度、影像分辨率都会自动填充上去,这里有个地面高程的需要我们根据研究区来进行获取。如果我们手中并没有确切的平均高程数据,在这里我们可以借助envi提供的高程影像进行获取研究区域的平均高程。具体方式如下:
    打开全球高程数据(2010年)
    这里写图片描述
    图35 GMTED2010
    然后借助Compute Statistics工具进行获取
    这里写图片描述
    图36 Compute Statistics工具
    选择高程数据
    这里写图片描述
    图37 选择高程数据文件
    按Stats Subset按钮,在弹出的Select Statistics Subset对话框中,点击File按钮选择研究区。
    这里写图片描述
    图38 选择研究区文件
    弹出计算统计参数对话框,默认是基本统计
    这里写图片描述
    图39 Basics Stats
    点击OK,将弹出基本统计的结果,这里我们看到我们想要的平均高程。
    这里写图片描述
    图40 Mean Elevation
    这样我们就获取了我们所研究区域的平均高程是135.592195m。在大气校正填写是注意单位,需要转换为km。接下来我们需要设置Flight Data参数。
    对于Flight Data影像获取时间,可以通过View Metadata来查看。不幸的是我的影像啥都没有,那怎么获取影像获取时间呢?
    这里写图片描述
    图41 Time
    其实我们的影像数据中往往会文件进行记录数据,其中有个xml的文件,学过计算机的人都知道,xml文件主要用于数据存储传输用的,打开它,你会惊喜的发现,你所要的东西就在里面。如下图:
    这里写图片描述
    图42 Receive Time
    这里需要注意的是,我们这里填写的是格林尼治时间,而不是北京时间。如若我们想要获取北京时间的话,需要再此基础上加8个小时。
    这里写图片描述
    图43 time setting
    选择Atmospheric Model时,参考help给予的提示。
    这里写图片描述
    图44 Select Atmospheric Model
    因为我们没有水汽的含量值,因此我们采用第二种方式进行选择。通过第二个表我们可以看到可以根据两个变量进行判断:一个是纬度;另一个是月份。而且我们发现该表90度北纬度没有,12月份也没有,因此通过此规律可以断定两者都是“就小原则”,这里我的研究区是35.7N~36.6N,时间是4月23,因此选择30N:March,因此模型选择MLS。
    接下来需要设置气溶胶模型设置,至于做不做气溶胶,我们可以通过我们的影响是否可以做气溶胶来确定,如果KT算法设置总Defaults三个中上行下行均不能都有值,那么说明影像不能做气溶胶的反演。
    这里写图片描述
    图45 气溶胶KT算法
    需要设置的是Advanced选项,这里我们根据自己电脑配置进行选择。
    这里写图片描述
    图46 Advanced设置
    然后点击Apply按钮,完成大气校正。大气校正成功与否,我们可以查看一下植被的光谱曲线是否标准。
    这里我粗略的画了一下常见几种地物的光谱曲线图,供大家参考。
    这里写图片描述
    图47 光谱曲线图
    大气校正计算时间比较常,需要耐心等待,而且校正完的影响也不会自动加载到View中,需要打开数据管理进行加载。这里我们选择Load CIR假彩色加载(右击)对照一下大气校正前后的光谱曲线图,发现大气校正成功。

    最后说明一点,前边好多操作其实可以省略的包括中心波长的编辑。如果你的版本是envi5.3的话直接打开xml文件就可以进行接下来的操作。由于刚开始我使用的envi5.1版本,因此手动编辑的内容要多一些。

    展开全文
  • 青岛市土地利用的卫星遥感数据计算机监督分类及面积量测
  • 遥感制作土地分类覆盖图

    千次阅读 2019-09-07 16:21:38
    假如焦作市国土资源局委托测绘学院,打算利用遥感制作2001年全市土地利用与覆盖图,比例尺为1:25万。 请问现有那种遥感影像数据较为合适,另外还需要那些非图像的辅助数据,并请您制定出一个简单可行的技术方案。 ...
  • 遥感图像预处理与土地利用动态监测

    千次阅读 多人点赞 2019-12-13 16:53:37
    对池州市 2013、2017 年 Landsat 8 OLI 的遥感图像进行土地利用分类,对分类结果进行修正和精度评价,并对各类土地利用类型的面积进行统计。基于计算机分类结果,生成土地利用动态变化专题图,分析主要的土地利用...
  • 针对土地利用/覆盖类别由多种地物组成,难以求取多元分布模型分析类别多光谱特征的问题,提出了一种遥感图像土地利用/覆盖多光谱特征分布空间距离分析方法,以样品均值矢量作为类别中心,用最大最小法聚类形成类别多聚类...
  • 针对2013年到2017年江西省南昌市GF-1号多光谱遥感影像,利用基于支持向量机的图像分类方法对遥感影像进行分类,生成了该地区在这5年的土地利用变化图,并分析其土地利用变化特征。结果表明,研究区的土地类型主要以林地...
  • 遥感对土地的宏观研究主要包括土地覆盖(land cover)、土地利用(land use)、土地资源评价(land resource assessment)以及土地退化动态监测(land degradation monitoring)等。随着计算机硬件的性能提升和算法...
  • 为了进一步提高土地利用变化的检测精度,提出了AlexNet和支持向量机(SVM)相结合的土地利用变化分类方法。利用2013—2017年江西省南昌市的高分一号卫星遥感影像,生成该地区在这5年内的土地利用变化图,分析土地利用变化...
  • 更别说什么土地利用分类的制作了。在这里,我将会用最为直接的图形流程操作来给像我一样初识遥感的童鞋们讲解一下制作土地利用的整个过程。 首先,我先用一幅流程图来概括一下制作土地利用的整个过程。如下图1所示...
  • 通常情况下,很多人在做土地利用分类解译的时候都是先将遥感图像融合,再进行监督或者非监督分类,但是如果研究区范围比较大,计算机的算力又比较烂的时候,分别对每个view的影像单独做土地利用分类后再融合,其实也...
  • 基于遥感数据的连云港海岸带土地利用变化研究,王晶,,本研究利用连云港海岸带1987年、2000年以及2007年的不同时相卫星遥感影像等资料,结合RS和GIS技术对遥感影像进行监督分类处理,根据分�
  • 利用遥感、gis对土地利用进行分类的操作教程
  • 中国土地利用现状遥感监测数据库,全国土地利用类型数据集。数据集包括1980年代末期(1990)、1995年、2000年、2005年、...数据为1980-2015年全国土地利用类型数据以及分类系统文档,分享给大家免费使用,绝对可用!
  • 使用深度学习从遥感影像中进行土地利用分类或地形划分。 此存储库包含用于绘制热喀斯特地貌的代码,其中包括热蚀沟壑和逆行融化塌陷。 引文 如果此处的代码对您的项目有用,请考虑引用我们的论文: 在论文中产生...
  • 【方法思路】:本文选取张掖地区两期影像(Landsat 1999-07-07,2010-09-07),用监督分类方法获取各期土地利用类型,与已有的土地利用现状矢量图(landuse2000)相叠加,通过对比分析,进而得出张掖市1999-2010年间...
  • 为了计算研究区域的土地利用/覆盖率(LULC),使用了1972、1985、1998、2003和2015年的Landsat数据对“最大可能性”进行监督分类。 结果表明,在整个研究期间,建成区是两个地区的主要土地利用方式。 土地使用的...
  • 利用遥感影像分类技术监测分析了高潜水位开采沉陷区土地利用覆盖变化情况,并基于已有的不同地类下植物和土壤的碳密度统计数据,对2000—2006年高潜水位矿区土地利用覆盖变化驱动影响下的碳储量变化进行了分析,对比...
  • 基于LVQ神经网络分层分类模型的土地利用/覆盖分类,郭阳耀,刘勇,光谱混淆是遥感影像普遍存在的一个问题,它制约着单纯利用光谱特征的遥感影像土地利用/覆盖分类。为提高分类精度,在分类过程中�
  • 提出一种新的方法,先从指纹图像提取5个评测参数,组成质量评测向量,再采用小样本情况下具有分类优势的支持向量机(SVM)对指纹图像进行分类,将指纹图像分为好、中、差三类。实验表明,提出的方法能有效地进行指纹...

空空如也

空空如也

1 2 3 4 5 ... 8
收藏数 153
精华内容 61
关键字:

遥感土地利用分类