3S技术实习报告.doc
《3S技术实习报告.doc》由会员分享,可在线阅读,更多相关《3S技术实习报告.doc(24页珍藏版)》请在三一文库上搜索。
1、3S技术实习报告一实习目的:1掌握GPS的定位现面积量测,并能进行野外考察采集样点2掌握通过ERDAS,进行RS图像的监督分类3掌握通过Arcview GIS寻监督分类图进行矢量化,建立土地利用专题图实习材料:手持GPS、遥感影像、遥感软件ERDAS、地理信息系统软件Arcview GIS实习内容:1利用手持GPS进行考察野外土地利用状况,采集样点,提取不同土地利用在遥感图像上的纹理特征2利用野外考察为基础,对2004CERBS图像进行监督分类,生成土地利用分布图3对土地利用分布图进行矢量化,并应用GPS进行野外校正分析,建立土地利用专题图实习步骤:遥感影像野外判读1根据国土资源局土地类型的划
2、分类别:一级类 二级类1 耕地 11 灌溉水田 12 望天田13 水浇地 14 旱地 15 菜地 2 园地 21 果园 22 桑园 23 茶圆 24 橡胶园 25 其它园地3 林地 31有林地 32 灌木林地 33 疏林地 34 未成林造林地 35 迹地 36 苗圃 4牧草地 41 天然草地 42 改良草地 43 人工草地5居民点及 51 城镇 52 农村居民点 53 独立工矿 54 盐田 工矿用地 55 特殊用地6 交通用地 61 铁路 62 公路 63 农村道路 64 民用机场 65 港口和码头7 水域 71 河流水面 72 湖泊水面 73 水库水面 74 坑塘水面 75 苇地 76 滩涂
3、 77 沟渠 78 水工建筑物 79 冰川及永久积雪8未利用地 81 荒草地 82 盐碱地 83 沼泽地 84 沙地 85 裸土地 86 裸岩石砾地 87 田坎 88 其它本实习要求对影像的土地利用类型依国土资源局的一级类别进行划分,因而要对一级类别的土地类型进行野外考察,以建立土地利用类型与遥感影像图的对应关系。利用GPS定位功能进行野外实地地物考查,并建立相关记录表:GPS定位应用野外考查表序号X(经度)Y(纬度)地物备注1119 14 00 14626 05 18 400草地湖心岛2119 13 52 35526 05 22 268居民点图书馆3119 14 01 54726 05 23
4、 113交通用地道路4119 14 05 43426 05 20 685操场操场5119 14 48 98626 04 50 417交通用地洪山桥6119 13 45 54826 05 08 959耕地农田7119 14 05 32826 05 15 163林地林地8119 13 30 62926 05 05 638未利用地沙滩9119 14 35 42326 05 00 886交通用地道路2考查人: 考查日期: 2将定位的GPS经纬度坐标输入EXCELL表中,如下表:3打开坐标转换工具,把GPS坐标进行转换为北京54坐标,以和遥感影像图上的影像坐标一样,如下对话框:选择“北京54”,在中央子
5、午线中输入“117:00:00.0000”;转换方式选择“BLHxyH”,输入相应的GPS经纬度,点转换则转换为北京54坐标。4新建一个EXCELL表,将转换后的坐标复制,并粘贴在表中,可将各定位采集点的地物一起粘贴,建成一个新的文档如表:将该表另存为扩展名为dbf III的文件:5打开工Arcview软件点TableAdd找到所存放的GPS野外考查点文件:点击Views创建一个新窗点菜单栏上面的Viewadd event theme,分别的弹出的窗口中选择显示为X和Y坐标OK:这样GPS野外所采集的信息及地理坐标就全部转换到GIS窗口中,可通过菜单栏上的图标进行各样点属性的查询。点菜单栏上的
6、Themeconvert to shapfile将图层保存为矢量图层。6打开ERDAS软件,在View窗口中打开遥感影像:点fileopen(将打开文件的扩展名选择为.shp),打到所要的Shp文件并打开。则采集的信息点会在遥感影像图层上出现:点菜单栏的“Vector”“viewing properties”进行GPS采集点的图标及大小的改变,也要此设置可显示各采集点的具体信息(注在ERDAS8.5中只能显示英文字母,若要显示采集点的地物信息,EXCELL表格创建时采用英文显示):最后野外考查在实际遥感影像图或监督分类图的显示如图,以此来进行判定具体的各种地物在遥感影像上的特征及监督分类与野外
7、判读的对比分析。遥感图像分类-监督分类1.定义分类模板(Define Signature Using signature Editor) ERDAS IMAGINE的监督分类是基于分类模板来进行的,而分类模板的生成、管理、评价、和编辑等功能是由分类模板编辑器来负责的。毫无疑问,分类模板生成器是进行监督分类一个不可缺少的组件。 在分类模板生成器中,生成分类模板的基础是原图像和(或)其特征空间图像。因此,显示这两种图像的视窗也是进行监督分类的重要组件。 第一步:显示需要进行分类的图像 在视窗中显示ERDASHOMEexecise2000rswork.img 第二步:打开模板编辑器并调整显示字段 E
8、RDAS图标面板工具子,点击C1assifier目标 Classification菜单 Signature Editor菜单项 Signature Editor对话框 第三步:获取分类模板信息可以分别应用AOI绘图工具、 AOI扩展工具、查询光标等三种方法,本实验主要采用AOI绘图工具进行模板信息的提取首先练习如何用AOI绘图工具获取分类模板信息。在显示有2000rswork.img图像的视窗:点击 图标(或者选择Raster菜单项选择Tools菜单)打开Raster工具面板点击Raster工具面板的 图标在视窗中选择红色区域,绘制一个多边形AOI在Signature Editr对话框,点击
9、图标,将多边形AOI区域加载到Signature分类模板中在Signature Editor中,改变刚才加入模板的Signature Name和Color。重复上述操作过程以多选择几个红色区域AOI,并将其作为新的模板加入到Signature Editor当中,同时确定各类的名字及颜色。如果对同一个专题类型(如水体)采集了多个AOI并分别生成了模板,可以将这些模板合并,以便该分类模板具多区域的综合特性。具体做法是在Signature Editor对话框中,将该类的Signature 全部选定,然后点击合并图标 ,这时一个综合的新模板生成,原来的多个Signature 同时存在(如果必要也可以删
10、除)。2.评价分类模板(Evaluating Signatures )分类模板建立之后,就可以对其进行评价,删除、更名、与其它分类模板合并等操作。分类模扳的合并可使用户应用来自不同训练方法的分类模板进行综合复杂分类,这些模板训练方法包括监督、非监督、参数化和非参数化。分类模板评价工具包括: Alarms:分类报警工具 Contingency matrix:可能性矩阵 Feature objects:特征对象 Feature Space to image masking:特征空间到图像掩模 Histograms:直方图方法 Signature separability: 分类的分离性 Stati
11、stics:分类统计分析 本实验采用可能性矩阵进行模板评价,可能性矩阵(Contingency Matrix )评价工具是根据分类模板,分析AOI训练区的像元是否完全落在相应的类别之中。通常都期望AOI区域的像元分到它们参于训练的类别当中,实际上AOI中的像元对各个类都有一个权重值, AOI训练样区只是对类别模板起一个加权的作用。Contingency Matrix 工具可同时应用于多个类别,如果你没有在Signature Editor中确定选择集,则所有的模板类别都将被应用。可能性矩阵的输出结果是一个百分比矩阵,它说明每个AOI训练区中有多少个像元分别属于相应的类别。AOI训练样区的分类可应
12、用下列几种分类原则:平于行六面体(Parallelepiped)、特征空间(Feature Space)、最大似然(Maximum Likelihood)、马氏距离(Mahalanobis Distance)。其具体步骤:在Signature Editor对话框: 在signature Editor中选择所有类别 菜单条:Evaluation Contingency 打开Contingency Matrix对话框 选择非参数规则(Non-parametric Rule ): Feature Space 选择叠加规则(Overlay Rule) : Parametric Rule 选择未分类规则
13、(Unclassified Rule ): Parametric Ru1e 选择参数规则(Parametric Rule):Maximum Likelihood 选择像元总数作为评价输出统计:pixel CountsOK(关闭Contingency Matrix对话框,计算分类误差矩阵)然后,IMAGINE文本编辑器(Text Editor)被打开,分类误差矩形矩阵将显示在编辑器中供查看统计,该矩阵的局部(以像元数形式表达部分)如下:模板评价可能性矩阵Reference DataClassifiedlakeroadriversoilsandsforestshibeilidirisidestot
14、allake29600000000296road033000000336river0042210000004221soil000510000051sands00002550000255forest00000390000390shibei0001009360100lidi0000000000risides00000000178178Column Total296334221522553909361815527从矩阵中可以看到在52个应该属于soil类别的像元中有1个属于了 shibei,有51仍属于farm_1,属于其它类的数目为0,有99个是属于shibei的,当中有6个属于lidi,而绿地在
15、模板评价未被分到,相对来说lidi这一项目分类存在较大困难,帮考虑将lidi与shibei归并。并点击Signature Editor对话框中file中的save as 命名为:2000mubang.sig。3.执行监督分类(Perform Supervised Classification)在监督分类过程中,用于分类决策的规则是多层次的,如对非参数模板有特征空间、平行六面体等方法,对参数模板有最大似然法、Mahalanobis距离、最小距离等方法。当然,非参数规则与参数规则可以同时使用,但要注意应用范围,如非参数规则只能应用于非参数型模板,对于参数型模板,要使用参数型规则。另外,如果使用非参
16、数型模板,还要确定叠加规则(Overlay rule)和未分类规则(unclassified rule)。下面是执行监督分类的操作过程:ERDAS图标面板菜单条:MainImage ClassificationClassification 菜单或ERDAS图标面板工具条:点击Classifier图标Classification菜单Supervised Classification 菜单项Supervised Classification 对话框监督分类执行对话框在Supervised Classification对话框中,需要确定下列参数:确定输入原始文件(Input Raster File)
17、: 2000rswork.img定义输出分类文件(Classified File):2000super.img确定分类模板文件(Input Signature File):2000mubang.sig选择输出分类距离文件:Distance File(用于分类结果进行阈值处理)定义分类距离文件(Filename):2000super_distance.img选择非参数规则(Non_parametric Rule):Feature Space选择叠加规则(Overlay Rule):Parametric Rule选择未分类规则(Unclassified Rule):Parametric Rule选
18、择参数规则(Parametric Rule):Maximum Likelihood不选择Classify zeros(分类过程中是否包括0值)OK (执行监督分类,关闭supervised Classification对话框)分类结果如图:监督分类结果图4.评价分类结果(Evaluate classification)执行了监督分类之后,需要对分类效果进行评价,ERDAS系统提供了多种分类评价方法,包括分类叠加(classification overlay )、定义阈值(thresholding)、分类编码 (recode classes)、精度评估(accuracy assessment)等
19、,本实验主要分类重编码进行评价。41分类重码对分类像元进行了分析之后,考虑到在原先划分类别中类别road与类别risides分类结果较为不理想,因而本实验将这两类归为一类roadandrisides,同时将类别lake与类别river归为类别water。通过Viewer打开要重编的图像,点击菜单栏上的“raster” “recode”,要归为同一类的在“New value”中附以同一值。重编码对话框这样本实验共分为六类:road and resides、 water 、bare soil 、sands、 shibei、 forest。重编码分类结果图42分类精度评估 分类精度评估是将专题分类图
20、像中的特定像元与已知分类的参考像元进行比较,实际工作中常常是将分类数据与地面真值、先前的试验地图、航空相片或其它数据进行对比的途径之一。下面是具体的操作过程:第一步:在视窗中打开原始图像在Viewer中打开分类前的原始图像,以便进行精度评估。第二步:启动精度评估对话框ERDAS 图标面板菜单条:MainImage Classification Classification或ERDAS 图标面板工具条:点击Classifier 图标Classification菜单选择Accuracy Assessment菜单项打开Accuracy Assessment对话框精度评价对话框Accuracy Ass
21、essment 对话框中显示了一个精度评估矩阵(Accuracy Assessment Cellarray)。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比较,参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。第三步:打开分类专题图像Accuracy Assessment 对话框菜单条:FileOpen打开Classified Image对话框在Classified Image对话框中确定与视窗中对应的分类专题图像OK(关闭Classified Image对话框)返回Accuracy
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 技术 实习 报告
链接地址:https://www.31doc.com/p-5694305.html