实验报告
1
目录
1 实验目的................................................................... 4 2 实验数据................................................................... 4 3 实验内容................................................................... 4 4 实验步骤................................................................... 5
4.1 对人口矢量数据（shapefile）进行投影转换 .............................. 5
4.1.1 Census.shp文件投影坐标的检查 .................................. 5 4.1.2 将投影坐标转换为WGS_1984_UTM_Zone_16N ......................... 6 4.2 对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准） ....... 6
4.2.1 Census.shp在ENVI软件的加载 ................................... 6 4.2.2 对遥感影像进行几何精校正（以矢量数据为基准） ................... 7 4.2.3 用矢量图层对遥感影像进行裁剪 .................................. 10 4.3 将Pan波段和多光谱波段进行融合，并对融合效果进行定性和定量评价 ...... 11
4.3.1 两种融合方法的原理 ............................................ 11 4.3.2 进行 Gram-Schmidt Spectral Sharpening融合 .................... 11 4.3.4 融合效果进行定性评价 .......................................... 14 4.3.5 融合效果进行定量评价(软件提供的计算方法) ...................... 15 4.3.6 融合效果进行定量评价(Matlab编程计算) ......................... 16 4.3.7 遥感影像融合定量分析代码 ...................................... 20 4.4 生成住房密度栅格影像 ................................................ 23
4.4.1 两表的连接 .................................................... 23 4.4.2 计算房屋密度 .................................................. 24 4.4.3 直接栅格化 .................................................... 25 4.4.4 IDW插值 ...................................................... 25 4.4.5 对房屋密度图进行重分类 ........................................ 26 4.5 将住房密度栅格影像作为额外的通道与ETM+多光谱波段进行叠加 ........... 26 4.6 监督分类（融合方法为HSV，波段为5，4，3） ........................... 27
4.6.1 打开Google Earth影像作为监督分类的参照 ....................... 27 4.6.2 建立兴趣区 .................................................... 29 4.6.3 训练样区的选择 ................................................ 30 4.6.4 训练样区的评价 ................................................ 31 4.6.5 执行监督分类 .................................................. 33 4.6.6 分类后处理 .................................................... 35 4.6.7 评价结果分析 .................................................. 37 4.6.8 分类结果面积统计 .............................................. 38 4.6.9 分类结果 ...................................................... 41 4.7 分类结果评价与分析 .................................................. 41
4.7.1 未加入房屋密度图层的分类结果评价与分析 ........................ 41 4.7.2 加入IDW插值房屋密度图层的分类结果评价与分析 .................. 42 4.7.3 加入直接栅格化房屋密度图层的分类结果评价与分析 ................ 43 4.7.4 加入重分类后IDW插值房屋密度图层的分类结果评价与分析 .......... 44 4.7.5 从总精度与Kappa系数对分类结果进行评价 ........................ 45
2
4.7.6 分类结果总体评价 .............................................. 46 4.7.7 与其他训练样区的分类精度和Kappa系数的计算 .................... 48 4.8 决策树分类 .......................................................... 49
4.8.1 决策树分类原理 ................................................ 49 4.8.2 数据预处理 .................................................... 49 4.8.3 指数的计算 .................................................... 51 4.8.4 执行决策树 .................................................... 54 4.8.5 不同参数设置的对比 ............................................ 57
5 实验体会.................................................................. 60
5.1 实验中存在的问题 .................................................... 60 5.2 软件平台使用 ........................................................ 63 5.3 实验总结 ............................................................ 63
3
1 实验目的
① 掌握ArcGIS10和ENVI4.7对遥感图像处理的基本操作与原理 ② 熟悉几何精校正的方法，掌握ENVI软件对遥感影像进行几何精校正
③ 掌握全色波段与多光谱波段的融合方法和原理，学会对融合效果进行定性定量分析 ④ 熟悉掌握ArcGIS的栅格化方法和IDW插值方法
⑤ 熟悉监督分类的方法和基本原理，掌握ENVI软件中进行监督分类 ⑥ 了解监督分类后评价过程，对分类结果进行精度评价和分析 ⑦ 掌握Erdas的空间建模方法以及原理 ⑧ 了解RuleGen算法，掌握决策树分类方法
2 实验数据
① 带属性数据的shapefile：Census.shp ② 带有陆地面积字段的矢量图层：
③ GoogleEarth_原始拼接：GE1005211134.jpg ④ 研究区域的多光谱波段数据：Stack_b1-6162-7.img ⑤ 研究区域的全色波段数据：b8.img ⑥ 监督分类参照影像：Google Earth
3 实验内容
① 对人口矢量数据（shapefile）进行投影转换：WGS_1984_UTM_Zone_16N ② 对遥感影像进行几何精校正（以经过投影变换的人口矢量数据为基准）：
（1） 对多光谱波段（30 m空间分辨率）进行几何精校正（小于0.25个像元）； （2） 对Pan波段（15 m空间分辨率）进行几何精校正（小于0.25个像元）； ③ 将Pan波段和多光谱波段进行融合（自选至少一种融合算法），并对融合效果进行定
性和定量评价； ④ 生成住房密度栅格影像： （1） 直接栅格化； （2） IDW插值；
4
⑤ 将住房密度栅格影像作为额外的通道（或波段）与ETM+多光谱波段进行叠加； ⑥ 进行监督分类和分类后处理（Post-Classification，Expert Rules）
⑦ 利用ERDAS软件的空间建模（Spatial Modeler）进行水体信息（MNDWI指数）和植
被信息（NDVI指数）的提取；
⑧ 利用“自动阈值决策树分类算法”进Marion County的土地利用/覆盖分类信息提取
（使用的数据：原始各波段+MNDWI+NDVI+ISODATA等，或其他有益的波段组合） ① 探讨“自动阈值决策树分类算法”中的各个参数意义及如何设置更合理 ② 对分类结果进行评价与分析 ⑨ 对分类结果进行精度评价和分析；
4 实验步骤
4.1 对人口矢量数据（shapefile）进行投影转换
4.1.1 Census.shp文件投影坐标的检查
根据实验要求，人口矢量数据（shapefile）进行投影坐标应为：WGS_1984_UTM_Zone_16N 在ArcGIS软件的图层右击Properties，在Layer Properties的Source下查看投影信息，如图1。得到Census.shp的投影坐标为 ：GCS_North_American_1983，与实验要求不符合，需进行投影转换。
图1
5