遥感 耕地怎么区分,目视解译冬季遥感图像波段组合432怎么判别裸地林地耕
来源:整理 编辑:八论文 2025-07-05 00:44:15
1,目视解译冬季遥感图像波段组合432怎么判别裸地林地耕
图像融合可以提高分辨率,就是拿分辨率高的全色波段与多光谱波段融合。另外做一些增强,选择适当的波段组合也很重要。
水体和山体阴影也会分到一块?是不是你设的类太少了?这两者应该很好分,直接用监督分类都能分出来。
2,请问遥感图像如何进行土地分类和面积统计
如果你已经对遥感数据进行分类处理了,那么接下来只要在envi或者arcgis等专业软件中打开分类后数据,对其进行面积统计即可。具体过程如有不会请私信我帮你!
3,什么遥感图片可以分辨用地类型
高广谱遥感图片(Huperspectral Remote Sensing)其成像光谱仪可以收集到几十甚至数百个很窄的波段来接受信息。TM一个波段在高光谱里对应14个波段,信息量大大增强。使用高光谱图片结合特征提取技术,采用“分级掩模”逐级分类再做复合处理成图,在地物区分中很有成效。这个是遥感书上抄的。个人感觉,快鸟(quickbird)0.6米的分辨率一般城市里想分辨居住和工业还是凑合了。或者用google earth的图。
4,怎样在遥感图像中将位于山上的耕地与林地分开
一:在高分辨率遥感影像上,不仅可以利用植物的光谱来区分植被类型,而且可以直接看到植物顶部和部分侧面的形状、阴影、群落结构等,可比较直接的确定乔木、灌木、草地等类型,还可以分出次一级的类型.草本植物在高分辨率遥感影像上表现为大片均匀的色调,由于草本植物比较低矮因而看不出阴影,这有别于灌木和乔木.可以很容易的分辨出林地和草地.二:根据热红外影像解译标志,白天林地呈暗灰至灰黑色,晚上呈浅灰色调,草地在夜晚呈黑色调或暗灰色调.三:TM3、4、5加彩色合成,林地呈暗红色调,山体地体感强,山脊呈红里带黑色调,草地呈紫色斑块状、条带状影像.
5,土地利用变化分析流程
图像处理及信息提取 1、预处理工作 在ERDAS IMAGINGE专业遥感图像处理软件的支持下进行.首先以1∶50000的地形图为基准对两个时相的影像进行校正,经RMS检验,误差小于1个像元,满足研究要求.再在1∶200000行政区划图上提取出研究区,对影像进行AOI裁减,得到研究区范围.然后进行最佳波段选择,用OIF指数法结合各波段间的信息量和相关性分析得:对于本文所研究的两个时相的遥感影像,TM345和TM145是两种最佳的组合方式. 2、土地利用信息提取 按国家土地利用现状调查统一分类标准,并结合TM影像的实际分辩能力和土地利用现状特点,将研究区土地划分为耕地、林草地、园地、建设用地、水域、未利用地等6种利用类型.遥感图像信息提取过程实质上就是遥感影像的分类过程.常用的遥感影像分类方法人工目视解译法和计算机自动分类法两种类型,前者分类精确度较高,后者分类效率较高.由于遥感数据是海量数据,所以实际应用中多用计算机分类法.而提高计算机分类精度一直是遥感领域中一个主要的研究方向.不少学者在这方面做了大量有益的探索,提出了许多提高分类精度的方法,归纳起来有:利用GIS数据为辅助数据提高遥感分类精度,利用空间纹理结构信息,多元、多维遥感信息融合技术,专家系统,人工神经网络技术等.但是,这些方法中的大多数都只重在分类前通过选择一定的波段组合对遥图像单步骤一次性分类来获取分类图像,而忽视对多光谱数据有效的重组利用.多波段性是TM数据的显著特点,在进行遥感图像信息提取的波段选择时,会出现某一波段组合很好的突出这一些地物,而另外一种波段组合又更适合区分另外一些地物情况.因此,很自然就想到能否利用三种波段的多种组合进行多次分类将各地类信息准确提取的出来.从波段组合分析出,对于研究区内的两个时相的影像,TM345和TM145两种是最佳的波段组合方式. 但在提取城区的过程中发现, 1992年的TM345影像上城市用地和大片耕地,色调非常相似都呈浅紫色,很难区分;而在TM145影像上,城市用地呈蓝色调,那几处大片耕地呈浅褐色调,可明显区分,所以本文选择在TM145波段合成影像上提取建设用地.又因为不同地物的波谱特征是不同的,在不同波段上被反映的灵敏度也不同,从TM的光谱波段及主要用途中可看出,TM3是绿色植物强吸收的可见光红 光波段,可测量植物绿色素吸收率,并依次进行植物分类;而TM4是对叶绿素高反射的近红外波段.所以在提取耕地、林地和草地、园地和未利用土地时,TM345是最佳的波段组合方式;而TM1对水体透射能力强,适用于海岸制图.所以在本次分类中提取水域时,选用TM145的组合方式.因此,本文使用分层分类法,通过两种波段组合方式分别对不同地物进行分类,即在TM145波段组合的影像上提取出建设用地和水域,然后用已经提取出的建设用地和水域在TM345波段合成的影像进行腌膜,再对腌膜剩余影像进行剩余地类的提取,最后将分类结果叠加. 采用监督分类法对掩膜去除建设用地和水域的1992年TM345影像分类时,经过建立模板、评价模板、确定初步分类结果、执行分类、分类后处理等步骤,计算机随机选取200个点检验分类结果,分类精度达到83. 1%.对于掩膜后的2005年TM345影像分类,起初同样采用监督分类法,可分类过程中发现,尽管不断的修改训练区,但分类结果总是不能让人满意,各类别之间相互影响很大,提高了这类地物的分类精度,却又降低了那个类别的分类精度.这种情况下,本文采用基于监督分类的分层提取法提取各土地类型,并在此基础上,结合手动目视修正完成分类.使用这种方法的优点是不会出现分类时土地类型的重复.此方法同所有监督分类一样,首先要定义分类模板,但每一次只需定义两种土地类型.以林草地为例, 在定义模板时,只需选择林草地与非林草地;在完成分类后,保存林草地这一层,并用其对TM345波段合成图作MASK(掩膜),将林草地从影像上去除;然后再对去除林草地的影像进行分类.以此类推,直到完成所有的土地类型分类,即所有的影像全部被腌膜掉.然后将各土地类型在ERDAS 中实现叠加,以实现土地分类.最后,同样进行聚类统计和去除分析,并对照已获得的非遥感信息、配合实地调查进行目视修改.通过计算机选取的200个随机点对其验证,得分类精度达到84. 3%,分类结果令人满 意.土地利用的问题比较复杂,需要用到遥感数据和软件处理、提取、判读等,甚至还需要用地理信息系统软件做空间分析、统计,期间需要跨学科如土壤、地质、植物、生态、经济知识的支援,具体流程因时因地而异,可查阅相关文献以作参考:图像处理及信息提取1预处理工作在ERDAS IMAGINGE专业遥感图像处理软件的支持下进行.首先以1∶50000的地形图为基准对两个时相的影像进行校正,经RMS检验,误差小于1个像元,满足研究要求.再在1∶200000行政区划图上提取出研究区,对影像进行AOI裁减,得到研究区范围.然后进行最佳波段选择,用OIF指数法结合各波段间的信息量和相关性分析得:对于本文所研究的两个时相的遥感影像,TM345和TM145是两种最佳的组合方式.2土地利用信息提取按国家土地利用现状调查统一分类标准,并结合TM影像的实际分辩能力和土地利用现状特点,将研究区土地划分为耕地、林草地、园地、建设用地、水域、未利用地等6种利用类型.遥感图像信息提取过程实质上就是遥感影像的分类过程.常用的遥感影像分类方法人工目视解译法和计算机自动分类法两种类型,前者分类精确度较高,后者分类效率较高.由于遥感数据是海量数据,所以实际应用中多用计算机分类法.而提高计算机分类精度一直是遥感领域中一个主要的研究方向.不少学者在这方面做了大量有益的探索,提出了许多提高分类精度的方法,归纳起来有:利用GIS数据为辅助数据提高遥感分类精度,利用空间纹理结构信息,多元、多维遥感信息融合技术,专家系统,人工神经网络技术等.但是,这些方法中的大多数都只重在分类前通过选择一定的波段组合对遥图像单步骤一次性分类来获取分类图像,而忽视对多光谱数据有效的重组利用.多波段性是TM数据的显著特点,在进行遥感图像信息提取的波段选择时,会出现某一波段组合很好的突出这一些地物,而另外一种波段组合又更适合区分另外一些地物情况.因此,很自然就想到能否利用三种波段的多种组合进行多次分类将各地类信息准确提取的出来.从波段组合分析出,对于研究区内的两个时相的影像,TM345和TM145两种是最佳的波段组合方式.但在提取城区的过程中发现, 1992年的TM345影像上城市用地和大片耕地,色调非常相似都呈浅紫色,很难区分;而在TM145影像上,城市用地呈蓝色调,那几处大片耕地呈浅褐色调,可明显区分,所以本文选择在TM145波段合成影像上提取建设用地.又因为不同地物的波谱特征是不同的,在不同波段上被反映的灵敏度也不同,从TM的光谱波段及主要用途中可看出,TM3是绿色植物强吸收的可见光红光波段,可测量植物绿色素吸收率,并依次进行植物分类;而TM4是对叶绿素高反射的近红外波段.所以在提取耕地、林地和草地、园地和未利用土地时,TM345是最佳的波段组合方式;而TM1对水体透射能力强,适用于海岸制图.所以在本次分类中提取水域时,选用TM145的组合方式.因此,本文使用分层分类法,通过两种波段组合方式分别对不同地物进行分类,即在TM145波段组合的影像上提取出建设用地和水域,然后用已经提取出的建设用地和水域在TM345波段合成的影像进行腌膜,再对腌膜剩余影像进行剩余地类的提取,最后将分类结果叠加.采用监督分类法对掩膜去除建设用地和水域的1992年TM345影像分类时,经过建立模板、评价模板、确定初步分类结果、执行分类、分类后处理等步骤,计算机随机选取200个点检验分类结果,分类精度达到83. 1%.对于掩膜后的2005年TM345影像分类,起初同样采用监督分类法,可分类过程中发现,尽管不断的修改训练区,但分类结果总是不能让人满意,各类别之间相互影响很大,提高了这类地物的分类精度,却又降低了那个类别的分类精度.这种情况下,本文采用基于监督分类的分层提取法提取各土地类型,并在此基础上,结合手动目视修正完成分类.使用这种方法的优点是不会出现分类时土地类型的重复.此方法同所有监督分类一样,首先要定义分类模板,但每一次只需定义两种土地类型.以林草地为例,在定义模板时,只需选择林草地与非林草地;在完成分类后,保存林草地这一层,并用其对TM345波段合成图作MASK(掩膜),将林草地从影像上去除;然后再对去除林草地的影像进行分类.以此类推,直到完成所有的土地类型分类,即所有的影像全部被腌膜掉.然后将各土地类型在ERDAS中实现叠加,以实现土地分类.最后,同样进行聚类统计和去除分析,并对照已获得的非遥感信息、配合实地调查进行目视修改.通过计算机选取的200个随机点对其验证,得分类精度达到84. 3%,分类结果令人满意.
文章TAG:
遥感遥感 耕地 怎么