新大遙感地學(xué)分析實(shí)驗(yàn)指導(dǎo)

遙感地學(xué)分析實(shí)驗(yàn)指導(dǎo)資源與環(huán)境科學(xué)學(xué)院遙感地學(xué)分析實(shí)驗(yàn)大綱一、實(shí)驗(yàn)?zāi)繕?biāo)《遙感地學(xué)分析》是一門快速發(fā)展的多學(xué)科融合的綜合性課程。課程的難點(diǎn)多，在教學(xué)中采用理論教學(xué)、對(duì)比分析、野外實(shí)習(xí)與實(shí)驗(yàn)遙感等多種教學(xué)手段相結(jié)合，通過實(shí)驗(yàn)教學(xué)環(huán)節(jié)使學(xué)生加深對(duì)知識(shí)點(diǎn)的理解和掌握。本課程的實(shí)驗(yàn)教學(xué)圍繞課程的重點(diǎn)與難點(diǎn)合理安排實(shí)驗(yàn)項(xiàng)目，逐步培養(yǎng)學(xué)生的理解能力、動(dòng)手能力與創(chuàng)新能力。本課程的重點(diǎn)與難點(diǎn)主要包括下面幾個(gè)方面：（1）區(qū)域宏觀分異與遙感影像特征的關(guān)系的認(rèn)識(shí)。遙感地學(xué)分析是基于區(qū)域地理分異基礎(chǔ)上的遙感分析方法，地理分布或目標(biāo)地物的差異性和相似性決定遙感影像的反射或輻射特征，是正確理解遙感地學(xué)分析的前提。（2）目標(biāo)地物信息的提取模型的理解與掌握。（3）綜合分析能力的培養(yǎng)。依據(jù)上述重點(diǎn)與難點(diǎn)，在實(shí)驗(yàn)環(huán)節(jié)上采取以下措施：（1）強(qiáng)化課程野外實(shí)習(xí)。充分利用遙感影像進(jìn)行野外實(shí)習(xí)是解決區(qū)域差異性與相似性認(rèn)識(shí)的必要措施。本課程與相關(guān)公司合作制作了渭干河-庫車河流域三角洲綠洲的遙感圖像，并確定該區(qū)域?yàn)檎n程野外實(shí)習(xí)場(chǎng)所，進(jìn)行土地利用/覆蓋、巖石類型、土壤等方面的差異性分析并結(jié)合遙感圖像的影像特征認(rèn)識(shí)，強(qiáng)化了區(qū)域差異性在遙感圖像上表現(xiàn)的認(rèn)識(shí)，從而提高學(xué)生對(duì)遙感圖像的理解。（2）充分利用遙感試驗(yàn)場(chǎng)實(shí)驗(yàn)，提高學(xué)生對(duì)目標(biāo)地物的反射與輻射特性的認(rèn)識(shí)。結(jié)合遙感試驗(yàn)場(chǎng)的土壤、水體的反射光譜測(cè)定和土壤熱紅外輻射的測(cè)定和土壤、水體的化學(xué)成分分析，進(jìn)一步認(rèn)識(shí)不同組分對(duì)反射和輻射的影響，從而從微觀上進(jìn)一步理解遙感分析方法。（3）本科學(xué)生分組參與主講教師承擔(dān)的項(xiàng)目，進(jìn)一步提升學(xué)生的研究和綜合分析能力。二、實(shí)驗(yàn)計(jì)劃實(shí)驗(yàn)編號(hào)實(shí)驗(yàn)內(nèi)容課時(shí)1目標(biāo)地物反射波譜的測(cè)量42遙感圖像典型地物波譜特征分析43圖像分類方法比較44土地利用/覆蓋信息提取4三、考核辦法實(shí)驗(yàn)的考核內(nèi)容是各項(xiàng)實(shí)驗(yàn)報(bào)告。評(píng)分方法主要依據(jù)實(shí)驗(yàn)報(bào)告的規(guī)范程度和分析問題是否有理有據(jù)。

實(shí)驗(yàn)一：目標(biāo)地物反射波譜的測(cè)量（4學(xué)時(shí)）1.原理與方法地物光譜反射率野外測(cè)定的原理可參看相應(yīng)教材，這里不再進(jìn)行贅述。實(shí)習(xí)采用垂直測(cè)量的方法，計(jì)算公式如下：（1.1）式中：為被測(cè)物體的反射率，為標(biāo)準(zhǔn)板的反射率，、分別為測(cè)量物體和標(biāo)準(zhǔn)板的儀器測(cè)量值。2.實(shí)驗(yàn)儀器1.可見光-近紅外光譜輻射計(jì)，波長(zhǎng)范圍0.4～2.5（有0.4～1.1或1.3～2.5兩種儀器），以其性能穩(wěn)定，便于攜帶，數(shù)據(jù)的提取比較容易。表1-1列出了目前常用的光譜儀，儀器的具體使用方法可參見相關(guān)的儀器說明書。2.標(biāo)準(zhǔn)參考板（白板或灰板）。3.筆記本電腦一臺(tái)4.測(cè)試地物表1-1常見的光譜輻射儀型號(hào)生產(chǎn)地波長(zhǎng)范圍/ASD光譜輻射計(jì)美國(guó)0.1～1.0/0.4～2.53.實(shí)驗(yàn)?zāi)康?學(xué)習(xí)地物光譜的測(cè)定方法；2認(rèn)識(shí)地物光譜反射率的規(guī)律；3學(xué)習(xí)繪制地物反射光譜曲線；4、實(shí)驗(yàn)內(nèi)容：具體實(shí)驗(yàn)步驟：(1)首先確定需要測(cè)定的地物類型，任何不同地物都具有各自不同的光譜特性，都可以作為測(cè)定目標(biāo)。如：草地、灌木、喬木、水泥地、大理石地、水體等，植物還可以分為健康與不健康的，水體也可以分為無污染與有污染的。確定測(cè)量時(shí)是采用順光、逆光或頂光，然后放置標(biāo)準(zhǔn)板，標(biāo)準(zhǔn)板的位置應(yīng)該與地物的位置一致。(2)光譜反射儀的使用：（1）由開關(guān)按鈕、電池檢查鈕(Check)、觀測(cè)孔等。首先打開鏡頭蓋，不要用手觸摸鏡頭，然后打開開關(guān)按鈕，按住電池檢查鈕(Check)，如果從觀測(cè)孔中觀測(cè)到刻度值大于3就能說明電池仍有電，反之則需要更換電池；從觀測(cè)孔中除了刻度以外還可以看見一個(gè)大圈中間還有一個(gè)小圈，大圈是10°視場(chǎng)角的觀測(cè)范圍，小圈是2°視場(chǎng)角的觀測(cè)范圍，一般使用10°視場(chǎng)角，也就是說在觀測(cè)時(shí)大圈中應(yīng)該充滿所測(cè)地物而沒有任何其它物體；觀測(cè)孔中得刻度是從0到4，讀取時(shí)應(yīng)該估讀出小數(shù)點(diǎn)后兩位。（2）首先讓鏡頭對(duì)準(zhǔn)標(biāo)準(zhǔn)板讀數(shù)記錄。（3）然后讓鏡頭對(duì)準(zhǔn)目標(biāo)地物，通過觀測(cè)孔讀數(shù)并利用筆記本電腦光譜軟件記錄，再讓，依此按照波長(zhǎng)順序重復(fù)數(shù)次。(3)讀物波譜反射系數(shù)的計(jì)算：利用ASD光譜提供的光譜分析軟件分別將各個(gè)波長(zhǎng)獲得的目標(biāo)物反射率計(jì)算和輸出。5.實(shí)驗(yàn)結(jié)果與分析(1)反射波譜曲線的繪制：以波長(zhǎng)（350nm~2500nm）為橫軸，反射率為縱軸，畫出光譜反射曲線。如下圖例如:(下面的分析不能直接應(yīng)用,考學(xué)生根據(jù)自己做的實(shí)驗(yàn)寫出實(shí)驗(yàn)結(jié)果,并對(duì)它進(jìn)行分析)總體上，水泥地和裸地隨光譜的升高幾乎不變甚至有下降的趨勢(shì)，變化幅度不大；其他四種地物總體上還是呈現(xiàn)上升的趨勢(shì)。細(xì)節(jié)上，水泥地在光譜675nm和850處各有一個(gè)高峰，而在575nm處又一個(gè)明顯的低谷；灌木在400nm—675nm范圍內(nèi)光譜曲線變化不大，在675nm處開始陡然上升；草地也是400nm—675nm范圍內(nèi)光譜曲線變化不大，在675nm處開始陡然上升，并且灌木草地都在850nm達(dá)到最高峰時(shí)又開始陡然下降；針葉與草地的變化趨勢(shì)十分相似，不同的是光譜反射率總比草地要低。6.實(shí)驗(yàn)總結(jié)通過野外測(cè)定地物光譜反射率，一方面讓我熟悉了光譜反射儀的用法，另一方面通過測(cè)定不同地物的光譜并通過自己對(duì)光譜曲線的分析，讓我了解了不同地物的反射光譜特性及其變化規(guī)律，以及它們之間的相同與不同點(diǎn)。通過繪制曲線對(duì)不同地物的光譜反射率有了更直觀的認(rèn)識(shí)。.實(shí)驗(yàn)二：遙感圖像典型地物波譜特征分析（4學(xué)時(shí)）1.原理與方法太陽輻射到達(dá)地面之后，物體除了反射作用外，還有對(duì)電磁輻射的吸收作用。電磁輻射未被吸收和反射的其余部分則是透過的部分，即：太陽輻射能量＝反射能量＋吸收能量＋透射能量反射能量的大小決定了不同地物在不同電磁波波段上的反射率的大小，針對(duì)實(shí)驗(yàn)一測(cè)量獲得的典型地物波譜數(shù)據(jù)分析其不同波長(zhǎng)上的反射和吸收特征。實(shí)驗(yàn)方法采用曲線分析法，分析典型地物的反射光譜峰谷變換。2.實(shí)習(xí)儀器學(xué)生實(shí)習(xí)機(jī)房圖象處理軟件（ENVI4.X）,遙感圖像3.實(shí)驗(yàn)?zāi)康?、掌握典型地物（植被、水體、裸巖等）類型的波譜特征；2、掌握應(yīng)用遙感圖像處理軟件進(jìn)行典型地物波譜分析方法。3、重點(diǎn)分析不同植被類型光譜差異的影響因素4、實(shí)驗(yàn)內(nèi)容具體步驟進(jìn)入ENVI系統(tǒng)主界面,調(diào)入系統(tǒng)提供的演示圖像bhtmref.img(學(xué)生自己查找文件所在目錄)。彩色合成為RGB(TM7,TM4,TM1).見圖(1)(2)打開在basictools菜單下的regionofinterest工具.見圖(2) 圖(2)圖1 圖(2)圖1在ROItools(感興趣選擇)工具的幫助下選擇植被,水體,巖石,裸露地等四種地物的感性區(qū)域.注意應(yīng)用ROI_Type菜單下面的點(diǎn),線,面,矩形等工具的應(yīng)用,選擇感性區(qū)域時(shí)盡量選取單一象素,避免混合象元的選取.見圖3.注意他們的顏色,注意他們的顏色,植被_紅色(red)水體_藍(lán)色(blue)裸露地-cyan巖石-黃色(yellow)在此可以選擇點(diǎn),線,面,矩形,橢圓等感興趣于選取窗口圖(3)(4)當(dāng)四個(gè)地物感興趣選定結(jié)束以后,在ROItools(感興趣選擇)工具環(huán)境中按住Ctrl鍵分別點(diǎn)擊植被,水體,裸露地,巖石選擇四中地物,然后點(diǎn)擊Stats進(jìn)行感興區(qū)域相關(guān)統(tǒng)計(jì).結(jié)果看圖4.這個(gè)是四種地物感性區(qū)域平均值做出來的曲線,這個(gè)是四種地物感性區(qū)域平均值做出來的曲線,這是某種選擇地物感性區(qū)域相關(guān)統(tǒng)計(jì)特征,最大,最小,平均,平均差圖4(4)在第三步驟的基礎(chǔ)上打開記事本,分別選擇各種地物的主要統(tǒng)計(jì)特征,見圖5,然后把他們復(fù)制到記事本,以便以后進(jìn)行統(tǒng)計(jì)分析和繪制曲線.然后記事本文件起名保存(spacral.txt).圖5(4)在EXCCEL軟件里打開spacral.txt文件,然后在此進(jìn)行光譜曲線的繪制.4.實(shí)驗(yàn)結(jié)果與分析在EXCCEL軟件里打開spacral.txt文件,光譜曲線的繪制結(jié)果看下圖.對(duì)四種地物的平均值(mean)進(jìn)行整理作出光譜曲線圖圖6對(duì)四種地物的平均值(mean)進(jìn)行整理作出光譜曲線圖圖65.實(shí)驗(yàn)總結(jié)在實(shí)驗(yàn)原理,方法,結(jié)果,結(jié)論等方面對(duì)本次實(shí)驗(yàn)進(jìn)行總結(jié).實(shí)驗(yàn)三：圖像分類方法比較1.原理與方法圖象分類需要根據(jù)圖像質(zhì)量進(jìn)行相應(yīng)的預(yù)處理(包口輻射校正,幾何校正,增強(qiáng)處理等)。另要結(jié)合多學(xué)科專業(yè)知識(shí)。因此該實(shí)驗(yàn)又為本科綜合性實(shí)驗(yàn)。在應(yīng)用遙感技術(shù)解決實(shí)際問題時(shí)常常需要根據(jù)地物的特征進(jìn)行歸類,有時(shí)還要制成專題圖并量算面積,例如土地利用調(diào)查、士壤調(diào)查等等,這一工作稱為分類。遙感圖像計(jì)算機(jī)分類是基于數(shù)字圖像中所反映的同類地物的光譜相似性和異類地物的光譜差異性進(jìn)行的。遙感圖象的計(jì)算機(jī)分類基本過程（1）首先明確遙感圖象分類的目的及其需要解決的問題，在此基礎(chǔ)上根據(jù)應(yīng)用目的選取特定區(qū)域的遙感數(shù)字圖象（2）根據(jù)研究區(qū)域，收集與分析地面參考信息與有關(guān)數(shù)據(jù)，進(jìn)行輻射糾正和幾何糾正（3）對(duì)圖象分類方法進(jìn)行比較研究，選擇適合的圖象分類方法和算法，制定分類系統(tǒng)，確定分類類別（4）找出代表這些類別的統(tǒng)計(jì)特征（5）監(jiān)督分類，非監(jiān)督分類的不同情況（6）對(duì)遙感圖象中各像素進(jìn)行分類（7）分類精度檢查（8）對(duì)判別分析的結(jié)構(gòu)進(jìn)行統(tǒng)計(jì)檢驗(yàn)?zāi)壳氨容^為成熟的是ISODATA、K-Mean和鏈狀方法等。遙感影像的非監(jiān)督分類一般包括以下6個(gè)步驟,如圖2所示.遙感影像的監(jiān)督分類一般包括以下6個(gè)步驟，如圖2所示：圖1.遙感影像的非監(jiān)督分類圖2.遙感影像的監(jiān)督分類2.實(shí)驗(yàn)儀器學(xué)生實(shí)習(xí)機(jī)房圖象處理軟件（ENVI4.5）遙感影像3.實(shí)驗(yàn)?zāi)康恼莆諏?duì)TM影像的預(yù)處理了解并掌握遙感圖像的計(jì)算機(jī)分類方法，熟悉監(jiān)督分類和非監(jiān)督分類方法掌握各類圖像分類方法的優(yōu)點(diǎn)和缺點(diǎn)4．實(shí)驗(yàn)具體步驟（采用監(jiān)督分類）:第一步驟：類別定義/特征判別

根據(jù)分類目的、影像數(shù)據(jù)自身的特征和分類區(qū)收集的信息確定分類系統(tǒng)；對(duì)影像進(jìn)行特征判斷，評(píng)價(jià)圖像質(zhì)量，決定是否需要進(jìn)行影像增強(qiáng)等預(yù)處理。這個(gè)過程主要是一個(gè)目視查看的過程，為后面樣本的選擇打下基礎(chǔ)。本例是以ENVI自帶Landsattm5數(shù)據(jù)bhtmref.img為數(shù)據(jù)源，類別分為：植被、水體、裸地、巖石等4類。采用監(jiān)督分類方法來進(jìn)行分類。第二步驟：樣本選擇（1）進(jìn)入ENVI系統(tǒng)主界面,調(diào)入系統(tǒng)提供的演示圖像bhtmref.img(學(xué)生自己查找文件所在目錄)。彩色合成為RGB(TM7,TM4,TM1).同時(shí)打開在basictools菜單下的regionofinterest工具.如圖1所示。 圖(1)打開分類圖像RGB(TM7,TM4,TM1)圖(1)打開分類圖像RGB(TM7,TM4,TM1)在ROItools(感興趣選擇)工具的幫助下選擇植被,水體,巖石,裸露地等四種地物的感性區(qū)域.注意應(yīng)用ROI_Type菜單下面的點(diǎn),線,面,矩形等工具的應(yīng)用,選擇感性區(qū)域時(shí)盡量選取單一象素,避免混合象元的選取.見圖2.注意他們的顏色,注意他們的顏色,植被_紅色(red)水體_藍(lán)色(blue)裸露地-cyan巖石-黃色(yellow)在此可以選擇點(diǎn),線,面,矩形,橢圓等感興趣于選取窗口圖2(3)，訓(xùn)練圖2訓(xùn)練樣本的選取（3）在ROItools(感興趣選擇)工具菜單中打開file菜單把所有的訓(xùn)練樣區(qū)保存。（選擇你建立的目錄）第三步驟：分類器選擇根據(jù)分類的復(fù)雜度、精度需求等確定哪一種分類器。目前監(jiān)督分類可分為基于傳統(tǒng)統(tǒng)計(jì)分析學(xué)的，包括平行六面體、最小距離、馬氏距離、最大似然，基于神經(jīng)網(wǎng)絡(luò)的，基于模式識(shí)別，包括支持向量機(jī)、模糊分類等，針對(duì)高光譜有波譜角（SAM），光譜信息散度，二進(jìn)制編碼。見圖3。

圖3分類方法選擇第四步驟：影像分類

基于傳統(tǒng)統(tǒng)計(jì)分析的分類方法參數(shù)設(shè)置比較簡(jiǎn)單，這里選擇最大似然和支持向量機(jī)分類方法。(1)最大最大似然分類方法（maximumlikelihood）主菜單下選擇Classification>Supervised>maximumlikelihood。按照默認(rèn)設(shè)置參數(shù)輸出分類結(jié)果文件名為max_class，如圖4所示。(2)支持向量機(jī)分類方法主菜單下選擇Classification>Supervised>SupportVectorMachine。按照默認(rèn)設(shè)置參數(shù)輸出分類結(jié)果文件名為support_class，如圖5所示。下面的所有內(nèi)容均為最大似然（maximumlikelihood）分類方法來進(jìn)行的，支持向量機(jī)分類（SupportVectorMachine）方法同學(xué)們自行聯(lián)系。在邊的窗口中所有參數(shù)保持默認(rèn)。右邊中選取分類結(jié)果在邊的窗口中所有參數(shù)保持默認(rèn)。右邊中選取分類結(jié)果數(shù)據(jù)目錄。圖4最大似然類器參數(shù)設(shè)置參數(shù)保持默認(rèn)，數(shù)據(jù)目錄改為你的數(shù)據(jù)目錄。support_class參數(shù)保持默認(rèn)，數(shù)據(jù)目錄改為你的數(shù)據(jù)目錄。support_class圖5支持向量機(jī)分類器參數(shù)設(shè)置圖5支持向量機(jī)分類器參數(shù)設(shè)置 第五步驟：分類后處理

分類后處理包括的很多的過程，都是些可選項(xiàng)，包括更改類別顏色、分類統(tǒng)計(jì)分析、小斑點(diǎn)處理（類后處理）、柵矢轉(zhuǎn)換等操作。1)更改類別顏色在image窗口中選擇overlay->classifaction，然后選擇分類文件（max_class打開InteractiveClassTool面板，在這里在option菜單下點(diǎn)擊打開Editclasscolors/names，對(duì)顏色進(jìn)行更改。如下圖6所示，直接可以在對(duì)應(yīng)的類別中修改顏色。

圖6類別顏色的更改2)分類統(tǒng)計(jì)分析

主菜單->Classification->PostClassification->ClassStatistics。如圖7所示，包括基本統(tǒng)計(jì)：類別的像元數(shù)、最大最小值、平均值等，直方圖，協(xié)方差等信息。圖7分類統(tǒng)計(jì)特征圖7分類統(tǒng)計(jì)特征3)小斑點(diǎn)處理（分類后處理）

運(yùn)用遙感影像分類結(jié)果中，不可避免地會(huì)產(chǎn)生一些面積很小的圖斑。無論從專題制圖的角度，還是從實(shí)際應(yīng)用的角度，都有必要對(duì)這些小圖斑進(jìn)行剔除和重新分類，目前常用的方法有Majority/Minority分析、聚類（clump）和過濾（Sieve）和。這些工具都可以在主菜單->Classification->PostClassification中找到。Majority/Minority分析和聚類（clump）是將周圍的“小斑點(diǎn)”合并到大類當(dāng)中，過濾（Sieve）是將不符合的“小斑點(diǎn)”直接剔除。

如下圖8為Majority分析的結(jié)果。圖8省略.

6、第六步驟：分類結(jié)果驗(yàn)證

對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)，確定分類的精度和可靠性。有兩種方式用于精度驗(yàn)證：一是混淆矩陣，二是ROC曲線，比較常用的為混淆矩陣。

真實(shí)參考源可以使用兩種方式：一是標(biāo)準(zhǔn)的分類圖，二是選擇的感興趣區(qū)（驗(yàn)證樣本區(qū)）。兩種方式的選擇都可以通過主菜單->Classification->PostClassification->ConfusionMatrix來選擇。真實(shí)的感興趣區(qū)參考源的選擇可以是在高分辨率影像上選擇，也可以是野外實(shí)地調(diào)查獲取，原則是獲取的類別參考源的真實(shí)性。由于沒有更高分辨率的數(shù)據(jù)源，本例中就把原分類的TM影像當(dāng)作是高分辨率影像，在上面進(jìn)行目視解譯得到真實(shí)參考源。進(jìn)行分類精度評(píng)價(jià)之前，現(xiàn)利用ROI工具，在TM圖上均勻的重新選擇植被，水體，裸露地，巖石等4類真實(shí)參考源，如圖9所示，然后把這些訓(xùn)練樣本保存到輸出目錄里，文件名為class_證明.roi）。這是訓(xùn)練樣本作為我們的真實(shí)參考源。特別注意：現(xiàn)在我們的文件夾里應(yīng)該有兩個(gè)訓(xùn)練樣本文件，分別為class.roi(為分類使用)和class_證明.roi(為分類結(jié)果檢驗(yàn)使用)。圖9真實(shí)感興趣區(qū)參考源選取

（2）

選擇主菜單->Classification->PostClassification->ConfusionMatrix->UsingGroundTruthROIs。將分類結(jié)果和ROI輸入，軟件會(huì)根據(jù)區(qū)域自動(dòng)匹配，如不正確可以手動(dòng)更改，如圖10所示。點(diǎn)擊ok后選擇報(bào)表的表示方法（像素和百分比），就可以得到精度報(bào)表，并把結(jié)果保存為class.txt。如圖10所示圖10驗(yàn)證操作面板圖11分類精度評(píng)價(jià)混淆矩陣

這里說明一下混淆矩陣中的幾項(xiàng)評(píng)價(jià)指標(biāo)，如下：總體分類精度

等于被正確分類的像元總和除以總像元數(shù)。被正確分類的像元數(shù)目沿著混淆矩陣的對(duì)角線分布，總像元數(shù)等于所有真實(shí)參考源的像元總數(shù)，如本次精度分類精度表中的OverallAccuracy=(10675/11023)，96.8430%Kappa系數(shù)

它是通過把所有真實(shí)參考的像元總數(shù)（N）乘以混淆矩陣對(duì)角線（XKK）的和，再減去某一類中真實(shí)參考像元數(shù)與該類中被分類像元總數(shù)之積之后，再除以像元總數(shù)的平方減去某一類中真實(shí)參考像元總數(shù)與該類中被分類像元總數(shù)之積對(duì)所有類別求和的結(jié)果0.9418%。

錯(cuò)分誤差

指被分為用戶感興趣的類，而實(shí)際屬于另一類的像元，它顯示在混淆矩陣?yán)锩?。本例中，植被有個(gè)937真實(shí)參考像元，其中正確分類934，25個(gè)是其他類別錯(cuò)分為植被（混淆矩陣中植被一行其他類的總和），那么其錯(cuò)分誤差為25/959=2.61%。

漏分誤差

指本身屬于地表真實(shí)分類，當(dāng)沒有被分類器分到相應(yīng)類別中的像元數(shù)。如在本例中的水體類，有真實(shí)參考像元132個(gè)，其中88個(gè)正確分類，其余44個(gè)被錯(cuò)分為其余類，漏分誤差為44/132=0.6%

制圖精度

是指分類器將整個(gè)影像的像元正確分為A類的像元數(shù)（對(duì)角線值）與A類真實(shí)參考總數(shù)（混淆矩陣中A類列的總和）的比率。如本例中植被有937個(gè)真實(shí)參考像元，其中934個(gè)正確分類，因此植被的制圖精度是934/937＝99.68%

用戶精度

是指正確分到A類的像元總數(shù)（對(duì)角線值）與分類器將整個(gè)影像的像元分為A類的像元總數(shù)（混淆矩陣中A類行的總和）比率。如本例中植被有934個(gè)正確分類，總共劃分為植被的有959，所以林地的用戶精度是934/959=97.39%。6、制作專題地圖（1）

分別選擇主菜單->overlay->girdlines和annotation->object。在此添加經(jīng)緯網(wǎng)（girdline），指南針(arrow)，圖例(mapkey)，比例尺(scale)等，如圖12所示。制作完成以后在file菜單中輸出分類結(jié)果圖，文件名為result.jpt(注意選擇文件擴(kuò)展名.jpg)。對(duì)結(jié)果圖在adobephotoshop等軟件中進(jìn)行相應(yīng)的修改，輸出結(jié)果圖，如圖13所示 圖12添加經(jīng)緯網(wǎng)（girdline），指南針(arrow)，圖例(mapkey)，比例尺(scale)5．實(shí)驗(yàn)總結(jié):計(jì)算機(jī)遙感圖象分類是統(tǒng)計(jì)模式識(shí)別技術(shù)在遙感領(lǐng)域中的具體應(yīng)用.因此遙感圖像的計(jì)算機(jī)分類是遙感圖像解譯的重要手段.1監(jiān)督分類對(duì)訓(xùn)練場(chǎng)地的選取具有一定要求:訓(xùn)練場(chǎng)地所包含的樣本在種類上要與待分區(qū)域的類別一致。訓(xùn)練樣本應(yīng)在各類目標(biāo)地物面積較大的中心選取,這樣才有代表性。如果采用最大似然法,分類要求各變量正態(tài)分布,因此訓(xùn)練樣本應(yīng)盡量滿足這一要求。2監(jiān)督分類和非監(jiān)督分類的根本區(qū)別點(diǎn)在于是否利用訓(xùn)練場(chǎng)地來獲取先驗(yàn)的類別知識(shí),監(jiān)督分類根據(jù)訓(xùn)練場(chǎng)提供的樣本選擇特征參數(shù),建立判別函數(shù),對(duì)待分類點(diǎn)進(jìn)行分類。因此,訓(xùn)練場(chǎng)地選擇是監(jiān)督分類的關(guān)鍵。由于訓(xùn)練場(chǎng)地要求有代表性,訓(xùn)練樣本的選擇要考慮到地物光譜特征,樣本數(shù)目要能滿足分類的要求,有時(shí)這些還不易做到,這是監(jiān)督分類不足之處。相比之下,非監(jiān)督分類不需要更多的先驗(yàn)知識(shí),它根據(jù)地物的光譜統(tǒng)計(jì)特性進(jìn)行分類。因此,非監(jiān)督分類方法簡(jiǎn)單,且分類具有一定的精度。3遙感圖像處理和計(jì)算機(jī)分類的結(jié)果，需要運(yùn)用目視解譯的方法進(jìn)行抽樣核實(shí)或檢驗(yàn)。通過目視解譯，可以核查遙感圖像處理的效果或計(jì)算機(jī)分類的精度，查看它們是否符合地域分異規(guī)律，這是遙感圖像計(jì)算機(jī)分類一項(xiàng)基礎(chǔ)工作。4圖像分類中的有關(guān)問題（1）未充分利用遙感圖像提供的多種信息，只考慮多光譜特征，沒有利用到地物空間關(guān)系、圖像中提供的形狀和空間位置特征等方面的信息。（2）統(tǒng)計(jì)模式識(shí)別以像素為識(shí)別的基本單元,未能利用圖像中提供的形狀和空間位置特征,其本質(zhì)是地物光譜特征分類.水體的分類（3）提高遙感圖像分類精度受到限制大氣狀況的影響：吸收、散射。下墊面的影響：下墊面的覆蓋類型和起伏狀態(tài)對(duì)分類具有一定的影響。其他因素的影響：云朵覆蓋；不同時(shí)相的光照條件不同，同一地物的電磁輻射能量不同；地物邊界的多樣性。（4）分類精度的好壞需要經(jīng)過實(shí)際調(diào)查來結(jié)果來檢驗(yàn)。當(dāng)光譜特征類能過和唯一的地物類型（通常指水體，不同志被類型，土地利用類型，土壤類型等）相對(duì)應(yīng)時(shí)，非監(jiān)督分類效果取得較好分類效果，當(dāng)兩個(gè)地物類型對(duì)應(yīng)的光譜特征類型差異很小時(shí)監(jiān)督分類效果比非監(jiān)督分類效果好。通過這次的實(shí)驗(yàn)學(xué)生將對(duì)遙感圖像的計(jì)算機(jī)處理過程有了初步的認(rèn)識(shí)和體會(huì)。遙感圖像的計(jì)算機(jī)解譯過程是一項(xiàng)地理知識(shí)的綜合應(yīng)用。計(jì)算機(jī)圖像解譯需要有豐富的地理知識(shí)和經(jīng)驗(yàn)為基礎(chǔ)，因此學(xué)生必需加強(qiáng)基礎(chǔ)知識(shí)的學(xué)習(xí)與積累。實(shí)驗(yàn)四：土地利用/覆蓋變化信息提?。?學(xué)時(shí)）1.原理與方法運(yùn)用監(jiān)督分類方法提取區(qū)域多時(shí)相土地利用/覆蓋信息，在此基礎(chǔ)上采用不同時(shí)相的土地利用/覆蓋數(shù)據(jù)進(jìn)行相除或相減，探討區(qū)域土地利用/覆蓋的變化特征。2.實(shí)習(xí)儀器學(xué)生實(shí)習(xí)機(jī)房圖象處理軟件（ENVI4.5）遙感影像3.實(shí)驗(yàn)?zāi)康恼莆諏?duì)TM影像的預(yù)處理掌握對(duì)土地利用/覆蓋變化信息的提取分析掌握土地利用/覆蓋變化分析方法4.實(shí)驗(yàn)報(bào)告內(nèi)容包括：實(shí)驗(yàn)?zāi)康?、土地利?覆蓋信息的提取及其變化分析。5.實(shí)驗(yàn)步驟：土地利用/覆蓋變化信息提取實(shí)驗(yàn)報(bào)告1.實(shí)驗(yàn)?zāi)康睦肨M/ETM＋2個(gè)時(shí)相衛(wèi)星數(shù)據(jù)，應(yīng)用ENVI軟件進(jìn)行土地利用/覆蓋分類，在此基礎(chǔ)上進(jìn)一步分析其動(dòng)態(tài)變化特征。2.實(shí)驗(yàn)內(nèi)容渭干河－庫車河三角洲綠洲土地利用/覆被變化信息的提取。采用最大似然分類法提取土地利用/覆被信息，可以有效地提高分類精度，比較適合于渭干河－庫車河三角洲綠洲。（1）TM影像數(shù)據(jù)的預(yù)處理。本文的遙感數(shù)據(jù)處理主要包括大氣校正、幾何校正和圖像增強(qiáng)，并利用行政邊界矢量圖對(duì)影像進(jìn)行裁剪。（2）土地利用變化信息提取。首先對(duì)其中的一期影像(1989年)采用最大似然法進(jìn)行分類，提取土地利用/覆被信息，并對(duì)提取精度進(jìn)行比較，選擇精度最高者作為最終的提取方法，進(jìn)而提取1989～2001年研究區(qū)域土地利用/土地覆被信息。（3）利用空間疊加獲取土地利用/覆被變化的面積轉(zhuǎn)移矩陣，進(jìn)而通過面積轉(zhuǎn)移矩陣分析土地利用/土地覆被的數(shù)量變化、空間結(jié)構(gòu)變化和土地利用程度。3.實(shí)驗(yàn)方案 本次實(shí)驗(yàn)方案流程圖，如圖1所示 圖1實(shí)驗(yàn)流程圖4.數(shù)據(jù)預(yù)處理4.1數(shù)據(jù)源本文所采用的數(shù)據(jù)包括：兩景金華市的LandsatTM和一景LandsatETM陸地衛(wèi)星影像。具體的見表1。 表-1研究區(qū)遙感影像數(shù)據(jù)獲取時(shí)間傳感器類型數(shù)量（景）空間分辨率（m）2001年8月15日LandsatETM+1-8波段115m（全色）30m(多光譜)1989年7月5日LandsatTM1-7波段130m4.2圖像預(yù)處理數(shù)據(jù)預(yù)處理部分主要包括：對(duì)遙感影像進(jìn)行大氣校正、幾何糾正、以及對(duì)研究區(qū)進(jìn)行邊界裁剪和圖像增強(qiáng)。主要工作流程如下（流程圖省略）：結(jié)果看圖1和圖2（1）渭庫洲綠洲1989年landsatTM圖像（2）渭庫洲綠洲20011989年landsatETM圖像（1）渭庫洲綠洲1989年landsatTM圖像（2）渭庫洲綠洲20011989年landsatETM圖像5土地利用/土地覆被分類5.1監(jiān)督分類法此法的關(guān)鍵在于訓(xùn)練區(qū)的選擇。訓(xùn)練區(qū)的選取應(yīng)與分類地區(qū)的特點(diǎn)和分類系統(tǒng)相適應(yīng)。對(duì)訓(xùn)練區(qū)的統(tǒng)計(jì)特征應(yīng)進(jìn)行詳細(xì)的分析，以選擇最有效的參數(shù)變量(譜段)參與后續(xù)的分類。此外，應(yīng)對(duì)訓(xùn)練區(qū)特征指標(biāo)的外延性進(jìn)行評(píng)估（趙英時(shí)，2003）。監(jiān)督分類法中具體方法包括最小距離分類法、多級(jí)切割分類法、特征曲線窗口法和最大似然分類法，其中最大似然分類法用的最多。最大似然分類法（maximumlikelihoodclassifier）在多類別分類時(shí)，常常采用統(tǒng)計(jì)學(xué)方法建立起一個(gè)判別函數(shù)集，然后根據(jù)這個(gè)判別函數(shù)集計(jì)算各待分像元的歸屬概率。訓(xùn)練樣區(qū)的選取本文中采用的方法為試分類混淆矩陣分析法對(duì)所選取的訓(xùn)練樣本純度進(jìn)行評(píng)價(jià)，通過對(duì)所得混淆矩陣進(jìn)行分析，即可得到訓(xùn)練樣本占原來各類個(gè)體總數(shù)的百分比，以確定其分類的正確率，從而也檢驗(yàn)了訓(xùn)練的純度。在ENVI4.0中對(duì)純化前和純化后的訓(xùn)練樣本區(qū)進(jìn)行了分類，并以訓(xùn)練樣本自身對(duì)分類結(jié)果進(jìn)行精度檢驗(yàn)，得到混淆矩陣。分類精度及結(jié)果分析在對(duì)影像做了圖像預(yù)處理后，根據(jù)影像的光譜特征，選擇適當(dāng)?shù)挠?xùn)練樣區(qū)，將土地利用分為若干不同的類別。結(jié)合研究區(qū)的實(shí)際情況，根據(jù)目視判讀選擇訓(xùn)練樣本，采用最大似然分類法(MaximumLi