ENVI遥感影像变化检测

1、 1.森林开采监测打开实习数据0-森林开采监测下的实习数据。Compute Difference Map选择basic tools/change detection/ Compute Difference Map,分别选择原始的影像july_06与july_00,在弹出的Compute Difference Map inputparameters窗口下,查看define class thresholds,no change表示没有变化,change(-1表示减少,change(+1表示增加;其他默认选项不变,勾选normalize data range0-1,选择输出路径与文件名为com_di

2、ff。 选择classification/post classification/classification to vector,在输入图层中选择上一步生成的结果,弹出窗口中选择全部,保存路径生成结果,转化为矢量。(由于耗时过多,故可以不做Image Difference打开ENVI Zoom 4.8,将原始的影像导入到其中,在ENVI Zoom窗口下的toolbox 中选择image change,弹出image change detection的对话框,将time1classification image file选择为00年影像,点击OK,time2 classificationima

3、ge file中选择06年影像数据,点击OK,选择下一步,保持默认设置,选择下一步,选择image difference,选择下一步,选择difference of 3.耕地变化监测Change Detection StatisticsThematic Change首先加载两幅影像ag_08_maxlike.img,ag_09_maxlike.img,观察影像信息,我们发现,其中黄色的是休耕地,绿色的是有农作物覆盖的农田农田,黄褐色的是留茬地,蓝色是水体,灰色是裸岩。操作:Basic ToolsChange DetectionChange Detection Statistics,首先选择08

4、年数据,然后选择09年数据,因为两幅影像的分类名称一致,系统会自动对应。点击ok。在change detection statistics output中选中pixels、percent、area,选择掩膜输出,选择保存位置。生成统计结果,选择area选项,在option中选择单位变换为square km。打开ENVI Zoom,把08和09年的数据加载进去,与前面一样,也可以利用Portal进行查看两个年份的土地覆盖类型的变化,另外,点击crosshairs,移动鼠标可以查看两个年份是否发生了土地类型的变化;点击crosshairs,移动鼠标可以查看两个年份是否发生了土地类型的变化。Tool

5、boxworkflowsThematic Change,分别输入两个时相的影像数据,接着点击Next,然后进行结果影像进行平滑和聚类处理,平滑处理的参数与上面一样,设置为3;聚类处理的参数设置为5。把结果影像和统计结果输出。 图1 图2将影像在zoom中生成结果后如上图2所示,影像上红色区域变化加大,表示的是两幅影像时间差之间被砍伐的森林区域,占大部分的面积,蓝色部分表示该时间段内植被增长的区域,但是面积相比较被砍伐的区域来说小很多,黑色部分是代表没有变化的区域。在arcmap中将最后结果输出,如下图3所示,很清楚的可以看清楚红色表示00年到06年植被大量减少的区域,绿色表示植被增加的区域,浅

6、绿色表示植被覆盖没有发生变化的区域。 图3 Arc map制图输出结果2、林地病虫害遥感动态监测图4 ndvi影像如上图4所示,分别是2002年与2007年经过NDVI计算的影像,从上面的影像中可以清楚的看到2007年的NDVI影像上有些区域变成了灰色,也就是植被收到病虫害的区域,NDVI影像上亮度很高的植物量表示很大。 图5如上图5所示,前者为未经过Density Slice处理的结果,后者为经过Density Slice处理的结果,在最后生成的结果中(图5中右图绿色表示植物被破坏严重区域,这种区域面积很大,而红色的斑点区域都是破坏严重程度一般的区域,这种区域占面积不很大,只有不大的区域,蓝

7、色区域表示的是基本没有发生大变化的地方。3、耕地变化监测Area (Square Kmg_fields s_field B_soil water b_ground R_Total C_Total Unclassified 0.00 0.00 0.00 0.00 0.00 0.00 0.00 green fields 676.28 365.15 276.10 0.68 50.40 1368.61 1368.61 S_field 92.23 114.28 73.91 0.01 20.24 300.67 300.67 B_soil 49.57 90.61 491.67 1.30 249.44 882

8、.58 882.58 water 0.32 0.62 0.53 340.42 0.71 342.60 342.60 B_ground 2.99 11.01 31.04 0.72 1559.79 1605.54 1605.54 Class Total 821.38 581.66 873.25 343.11 1880.59 0.00 0.00 C_ Changes 145.10 467.38 381.59 2.69 320.79 0.00 0.00 I_Difference 547.23 -281.00 9.32 -0.51 -275.04 0.00 0.00表1横向表示的是08年的各土地类型的面

9、积数据,纵向的是09年各土地类型对应的面积,比较横坐标与纵坐标,发现08年的stubble field在09年有90.61Km²变成bare ground/rock。Class Total行表示08年每个类别中的总面积,Class Total列表示09年每个类别中的总面积, Class Change表示的是对应类别改变为其它土地类型的面积;Image Difference表示的是08和09年同种地物面积的差值。对角线上08、09 没有发生变化的,非对角线上的发生变化,对列方向最终年份的统计。 图6如上图6所示,每种颜色分别代表一种变化类型,如green fields变化成stubbl

10、e field就有一种颜色表示,而影像中大部分的黑色代表地物类型没有变化的区域。下图为arcmap出图结果,从图中可以更好的看清楚结果。 存在问题与解决办法 1、此次实习虽然内容并不复杂，但是中间过程比较多，需要认真一步接一步进行，需 要搞清楚每一步的目的与原理，否则会将参数设置错误，导致结果发生错误。 2、林地病虫害遥感动态监测最后在进行 Density Slice 处理时，需要设置 一个阈值，是对影像的拉伸窗口的工具中进行的，不知道这个拉伸世道什么程度就好，是要 将手病虫害的区域拉伸凸显出来为止吗？也不知道这一步究竟为什么要这样做， 做到怎么样 的程度才是好的效果，只是根据自己的理解将手病

11、虫害区域拉伸，取其值-0.512。 3、本次操作需要使用到 ENVI Zoom 4.8 工具，由于以前也没使用该工具，所以第一次 使用有些难度，但总体感觉跟 ENVI 还是有一些相像的，但为什么一定要到 ENVI Zoom 4.8 中处理而不是在 ENVI 中使用呢？ 4、对影像进行自动配准不是很了解，包括其原理、参数设置，在什么样的情况下才能 进行自动配准， 这个算法是怎么实现的， 那可不可以之前的影像配准都使用自动配准？是不 是进行自动配准还有什么条件？ 总结 1. 根据这次实习，深刻理解变化检测的分类和实习 8 中的分类有何差异； 本次实习的变化检测当中的分类是程度分级，阈值是由人为确定

12、的，而 实习 8 中的监督分类是对客观地物的分类， 监督分类实在先验知识的条件下 进行分类的，而非监督分类是由计算机直接利用影像的光谱特性进行分类 的，没有先验知识的参与，没有人为干预自动化程度很高。 2. 理解归一化差值植被指数 NDVI，NDWI 归一化差值水体指数，NDBI 归一 化建筑指数和 Burn Index 燃烧指数的概念及其意义； 归一化差值植被指数 NDVI 是利用近红外波段的 DN 值、 辐照度或者反 射率参数等观测值与红光波段的各类观测值进行的对植被的生长状态及覆 盖程度的最佳指示因子， 并且 NDVI 可以部分消除太阳高度角、 卫星观测角、 地形、云/阴影和大气条件有关的辐照度条件变化等的影响。 归一化差值水体指数 NDWI 是基于绿波段与近红外波段的归一化比值 指数。该 NDWI 一般用来提取影像中的水体信息，效果较好，但对有较多建 筑物背景的水体效果会差， 主要用来研究植被的含水量。与 NDVI 相比,它能 有效地提取植被冠层的水分含量;在植被冠层受水分胁迫时,NDWI 指数能及 时地响应,这对于旱情监测具有重要意义。