遥感实习dipa马红梅王

实习序号及实习指导教师地址马红梅王苗苗黄楚迪2013个人e-榆中校区实验A209实习日期时20151230森林采伐破坏监测ENVIChangeDetectionDifferenceImageChange包括很多的变化监测方法和预处理功能。主要有波段差值、特征差值、光谱角、/MNF/ICABand3）/（Band4+Band3Band5）/（Band4+Band5Band4）/（Band5+Band4ysisFractionysis，Kapur’s：基于信息熵的方法Kittler’s：基于直方图，按照高斯正态分布找拐点SPEARChange该工具包括很多的变化监测方法和预处理功能。提供了四大类方法，包括Two-ColorMultiview、图像变换（PCA、MNFICA变换、图像波段直接比较法和光谱角检测方iew（2CMV：ime波段分别代替绿和蓝波段。如果某区域Time1Time2中该波段较亮（DN雁滩：2001.7.22Landsat5TM2009.7.28Landsat5TM（512×512实习1中截取的子区（512×512），自行另外一个年份月份相近的Landsat5种土地覆被类型：fallowfield/baresoil（休耕地、greenfields（有ThematicChange像对应波段相减或相除以后进行定量变化分析的方法；ChangeDetectionDifference研究区在热带雨林，影像中绿色的是林地，粉红域为森林采伐区域。对2000年和2006年的影像进行联动分析，发现2006年的砍伐面积明显高于2000年:2000 2006FlickerToolbox,ChangeDetectionChangeDetectionDifferenceMap。该工具使用图像直接2000年影像的第四波段（近红外波段）2006年影像的第四波段（近红外波：选择分类数（NumberofClasses）:11DefineClass型为SimpleDifference(后一时相减去前一时相)。数据预处理选择NormalizationDataRange(归一化处理)DN值减去图像的最小值，再除以图像的数据范围。选击OK。20002000年此区域植被覆盖状况很Toolbox,ChangeDetection,ImageChangeWorkflow。此工具适合获取地表绝对变化Time12000年影像，Time22006next，勾选SkipImageRegistration（因为两幅影像已经配准next，打开ImageRegistratin步骤。选择SkipImageRegistration(忽略图像配准)。ImageDifference，在变化信息监测方法中选择选择DifferenceofFeatureIndex，FeatureIndexNDVI，SelectChangeofInteresteDecreseOnly，模型选择Otsu‘s，平滑卷积核选择5，聚类像素数选择30。NDVI：归一化植被指数，NDVI=（Band4-Band3）/（Band4+Band3Band5）/（Band4+Band5Band4）/（Band5+Band4Band）（Bnd+Bnd7Kapur’s：基于信息熵的方法Kittler’s：基于直方图，按照高斯正态分布找拐点填写输出路径。ExportChangeClassImageENVI分类格式，ExportChangeClassVectors输出为Shapefile格式。1加载“1-4、3、2 利用Spectral——Vegetation——NDVI计算2002年和2007年的 Toolbox,RegionofInterest,BandThresholdtoROI2002NDVI影像，输入最小值0.3，最大值1，得到原始影像的林地区域范围。Toolbox,RegionofInterest,SubsetDataFromROIs2002OK2002NDVIROI，MaskpixelsoutputofROIYesSPEARChange法，包Two-ColorMultiview、图像变换（PCA、MNFICA变换、图像波段直接比Time2Mask074Nextmask02mask07，通过SPEAR——SPEARChangeDetection，参数设置为：mask02第四波mask07第四波段，设置输出路径，next；选selecttiepointsautomaticallyAuto-Generateseedpoints，设置GCP0.5点击Applynext，直到勾选ChangeDetectionmethodFinish配准，点击Auto-GenerateSeedPoints，此时Seedpoints显示4。选择NEXT。0.5ChangeDetectionMethodsTwo-ColorMultiview、ImageTransform、Subtractivenext。Transformiew（2CMV：ime波段分别代替绿和蓝波段。如果某区域Time1Time2中该波段较亮（DN后点击Next，点击Finish完成变化检测。ENVIClassicChange_diffNDVI（Time2）—（Time1）波段（Diff影像1波段02年-0702年-07年植被减少的区Enhance-InctiveStretchENVI5.1Classicimage窗口中点击Overlay-DensitySlice（密度分割设色，选择第一波段，点击OK，跳出DensitySlice框。RangeEditRange，值改为（-1.745、-1.001，颜色设为暗红绿色，其他Range删除。点击Apply。结果显示如下：图中暗红色部分为收到病虫害严重区域，黄域为收到病虫害较重区域，绿域为没有收到病虫害且长势较好的区域。打开囡ComputeS扫tistics忆Bas1c 匣]H1sto忆Bas1c 匣]H1sto仁]Covar1团Outputtothe团OutputtoaStat,吐lCFil EnterOutputStatsRootneChoose]团OutputtoaTextReportF过En扫rOutputRportF辽釭年[txt][Choose]E\S]{IJJlJ\sllC.y.llow_classporttxtIOK][Queue][CeelJ11[Report SelectClassesUnclas Densitvslicee-O.0010t Numberofitrn三selct吐.[seloctAllItorns]［ClAllIterns]尸三］三面Cl:sStati:stici;Resulit:s::sl忙七 l 一出上但|DenSltys1lCergo-17450to10010|SelectPlot....||ClPlot22an-an-d匮 d|SelectStatFil己na玑e:E:"SHUJU"sliceyellowDims:FullScene(2,250000points)ClassDistribu巨onDensityslic已range-17450to-1.0010:Densityslicerange-1.0281to-0.6663:44,681Densityslic已rang己－0.0010to1.00001,072,56|：：StatsforClass:Densityslicerange1.7450toBasic Std巴Band Npt 林地受到的病虫害程度较轻。所有受病虫害的林地面积大约是5平方千米。健康区域Landsat5TM和2014.7.26Landsat8OLI（512×512）为例。2001 2014Time12001年影像，Time22014年影像，点击next，勾选SkipImageRegistration（因为两幅影像已经配准next，ImageRegistratin步骤。选SkipImageRegistration(忽略图像配准)ImageDifferenceDifferenceofFeatureIndex，并且选择NDVI指数。切换到Advanced选项，选择近红外和红色波段。ApplyThresholding(设置阈值细分变化信息图像)IncreaseandDecrese，阈值设置方法选择默认Kittler’s填写输出路径。ExportChangeClassImageENVI分类格式，ExportChangeVectors输出Shapefile格式。切换到AdditionalExport选项卡，ExportChangeClass4.监督分类结果中包括5种土地覆被类型：fallowfield/baresoil（休耕地、greenfields（有2008年原始影 2009年原始影2008年分类影 2009年分类影ChangeDetection-ChangeDetectionStatistics08年的分类影像，再选择09年分类的。ChangeDetectionStatisticsOptions-ConvertAreaUnits，选择SquareKm，这样面积统计中的单位就变成了平方千米。File-SaveResulttotxtfiletxtExceltxt文件并整理，0809ImageDifference为08年到09年该耕地类型的变化量。ChangeDetection-ThematicChangeWorkflow工具，Time08Time209next，smoothkernelsize3，aggregateminimumsize927.91%stubblefieldgreenfield7.98%，ChangeDetectionDifference研究区在热带雨林，影像中绿色的是林地，粉红域为森林采伐区域。对2000年和200620062000年2000 200620002006年森林开采区域显著增大，开采范围FlickerToolbox,ChangeDetectionChangeDetectionDifferenceMap。该工具使用图像直接2000年影像的第四波段（近红外波段）2006年影像的第四波段（近红外波：选择分类数（NumberofClasses）:11DefineClass型为SimpleDifference(后一时相减去前一时相)。数据预处理选择NormalizationDataRange(归一化处理)DN值减去图像的最小值，再除以图像的数据范围。选击OK。20002000年此区域植被覆盖状况很Toolbox,ChangeDetection,ImageChangeWorkflow。此工具适合获取地表绝对变化Time12000年影像，Time22006next，勾选SkipImageRegistration（因为两幅影像已经配准next，打开ImageRegistratin步骤。选择SkipImageRegistration(忽略图像配准)。ImageDifference，在变化信息监测方法中选择选择DifferenceofFeatureIndex，FeatureIndexNDVI，SelectChangeofInteresteDecreseOnly，模型选择Otsu‘s，平滑卷积核选择5，聚类像素数选择30。Band3）/（Band4+Band3Band5）/（Band4+Band5Band4）/（Band5+Band4Band）（Bnd+Bnd7Kapur’s：基于信息熵的方法Kittler’s：基于直方图，按照高斯正态分布找拐点填写输出路径。ExportChangeClassImageENVI分类格式，ExportChangeClassVectors输出为Shapefile格式。1加载“1-4、3、2 利用Spectral——Vegetation——NDVI计算2002年和2007年的 Toolbox,RegionofInterest,BandThresholdtoROI2002NDVI影像，输入最小值0.3，最大值1，得到原始影像的林地区域范围。Toolbox,RegionofInterest,SubsetDataFromROIs2002OK2002NDVIROI，MaskpixelsoutputofROIYes。同理，得到原始影像的林区影像mask07SPEARChange法，包Two-ColorMultiview、图像变换（PCA、MNFICA变换、图像波段直接比Time2Mask074Nextmask02mask07，通过SPEAR——SPEARChangeDetection，参数设置为：mask02第四波mask07第四波段，设置输出路径，next；选selecttiepointsautomaticallyAuto-Generateseedpoints，设置GCP0.5点击Applynext，直到勾选ChangeDetectionmethod中的前三个，最终Finish即可。配准，点击Auto-GenerateSeedPoints，此时Seedpoints显示4。选择NEXT。0.5ChangeDetectionMethodsTwo-ColorMultiview、ImageTransform、Subtractivenext。Transformiew（2CMV：ime波段分别代替绿和蓝波段。如果某区域Time1Time2中该波段较亮（DN后点击Next，点击Finish完成变化检测。ENVIClassicChange_diffNDVI（Time2）—（Time1）波段（Diff影像1波段02年-0702年-07年植被减少的区Enhance-InctiveStretchENVI5.1Classicimage窗口中点击Overlay-DensitySlice（密度分割设色，选择第一波段，点击OK，跳出DensitySlice框。RangeEditRange，值改为（-1.745、-1.001，颜色设为暗红绿色，其他Range删除。点击Apply。结果显示如下：图中暗红色部分为收到病虫害严重区域，黄域为收到病虫害较重区域，绿域为没有收到病虫害且长势较好的区域。打开林地受到的病虫害程度较轻。所有受病虫害的林地面积大约是5平方千米。健康区域Landsat5TM和2014.7.26Landsat8OLI（512×512）为例。2001 2014Time12001年影像，Time22014年影nextSkipImageRegistration（因为两幅影像已经配准点next，打开ImageRegistratin步骤。选择SkipImageRegistration(忽略图像配准)。ImageDifferenceDifferenceofFeatureIndex