没有合适的资源?快使用搜索试试~ 我知道了~
利用TM/ETM3个时相卫星数据,应用ENVI软件进行土地利用/覆盖分类,在此基础上进一步分析其动态变化特征。
资源推荐
资源详情
资源评论
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![image/jpeg](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/release/download_crawler_static/8324747/bg1.jpg)
土地利用/覆盖变化信息提取实验报告
实验目的
利用 个时相卫星数据,应用 软件进行土地利用覆盖分类,在此基础上进一步分析其
动态变化特征。
实验内容
金华市土地利用覆被变化信息的提取。采用决策树分类法提取土地利用 覆被信息,它通过分析地物
光谱特征和其他图像特征,充分利用高程、坡度等地理辅助信息可以有效地提高分类精度,比较适合于江
南丘陵地形破碎、地物分布复杂的地区。和传统的监督分类法相比,它可以消除园地和林地、建设用地和
裸地光谱相似所带来的影响。
() 影像数据的预处理。本文的遥感数据处理主要包括大气校正、几何校正和图像增强,并利
用行政边界矢量图对影像进行裁剪。
()土地利用变化信息提取。首先对其中的一期影像 年分别采用最大似然法、决策分类树
法进行分类,提取土地利用覆被信息,并对二者的提取精度进行比较,选择精度最高者作为最终的提取
方法,进而提取 ~ 年金华市土地利用土地覆被信息。
()利用空间叠加获取土地利用覆被变化的面积转移矩阵,进而通过面积转移矩阵分析土地利用
土地覆被的数量变化、空间结构变化和土地利用程度。
实验方案
数据预处理
4.1数据源
![](https://csdnimg.cn/release/download_crawler_static/8324747/bg2.jpg)
本文所采用的数据包括:两景金华市的 和一景 陆地卫星影像,一景半
全色影像;该地区 : 地形图;该地区 分辨率的数字高程模型( );:
万中国行政边界矢量图等。 具体的见表 ! 和 ! 所示。
表 4-1研究区遥感影像数据
获取时间 传感器类型 数量(景) 空间分辨率(m)
年 月 日 ! 全色
年 月 " 日
#
! 波段
(全色)
多光谱
" 年 月 " 日 !$ 波段
年 月 日 !$ 波段
表 4-2研究区其他资料及应用说明
数据类型 应用说明
大比例尺地形图 最新时相的 : 地形图,用于进行卫星遥感资料的几何校正
野外调查资料
野外控制点的测量,土地利用覆盖分类训练样本区的调查,建立判
读标志,进行分类及信息提取精度检验等工作
土地利用现状图 对比土地利用覆盖动态变化及遥感影像分类精度参考
4.2图像预处理
数据预处理部分主要包括:对遥感影像进行大气校正、几何纠正、以及对研究区进行边界裁剪和图像
增强。主要工作流程如下(图 !):
![](https://csdnimg.cn/release/download_crawler_static/8324747/bg3.jpg)
图 4-2 数据预处理主要技术流程
具体方法如下:
)大气校正。本文的大气纠正在 % 软件的 &%' 模块中完成,以去除薄云和大气对影像光谱的
影响,尤其是 " 年的图像,经过大气校正后,图像质量得到了很大提高。
)几何纠正。影像几何纠正就是将所研究影像纳入到一个地面坐标系中,方法是利用地面控制点对
各种因素引起的遥感影像的几何畸变进行纠正,以便确定影像上每个像元在地面的坐标,其过程就是把目
标由一个空间向另一个空间转换的过程。
)边界裁剪。对遥感影像进行上述处理后,利用所给的金华县行政边界矢量图边界对影像进行裁剪,
分别得到 年和 " 年的 图像以及 年的 和 研究区影像。
)图像增强。本文采用最佳指数因子分析方法对 幅多光谱影像三波段组合方案进行评价最后得出
最佳波段组合。最佳指数因子的计算公式为:
(!)
剩余13页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/default.jpg!1)
sinat_25038277
- 粉丝: 0
- 资源: 3
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
最新资源
- 小程序版python训练识别大白菜是否新鲜-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版通过CNN卷积神经网络的橘子新鲜度识别-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版通过CNN卷积神经网络的草莓新鲜度识别-不含数据集图片-含逐行注释和说明文档.zip
- iStore OS虚拟安装盘
- 小程序版基于人工智能的卷积网络训练识别橘子是否腐烂-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版深度学习CNN训练识别苹果是否腐烂-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版通过CNN训练识别草莓是否腐烂-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版基于人工智能的卷积网络训练识别食物摆盘是否美观-不含数据集图片-含逐行注释和说明文档.zip
- 基于Linux的操作系统资源文件概述(或Linux系统资源文件简介)
- Windows系统资源监视器是一个功能强大的工具,用于了解进程和服务如何使用系统资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)