1、中國地質大學研究生課程論文封面遙感地質實習作業要求這是廣州市北部地區的ETM遙感數據，包括：、ETM1,2,3,4,5,7多光譜（30M；ETM8Pan（15M；ETM61,62熱紅外（60M）。、1：50萬地質圖；、1：50萬地理圖：地名，水系等。、是MAPGI賂式需轉換為ArcGIS格式應用。要求：1、利用水系對ETM數據做坐標的幾何校正；2、運用校正后的數據求NDVI并疊加在RGB321圖像上；3、運用校正后的數據將多光譜圖像與可見光圖像作數據融合；4、利用融合后的多光譜數據做主成分分析，生成PC12、3的彩色圖像，并對結果進行解釋；5、結合自己所學專業制作一幅專題圖像：專題圖像，地名標

2、注，圖框，坐標，比例尺，圖例等要素；并作解譯。作業打印成冊，附彩圖。2010年6月15日前交到地勘樓532室。遙感地質課程一、利用水系對ETM數據做坐標的幾何校正；數據：投影轉換后的1:50萬地理圖；多光譜遙感影像數據：30空間分辨率的ETM1-5715m空間分辨率的ETM860m空間分辨率的ETM61ETM62軟件平臺：MapGISArcGIS和ENVI處理過程：Stepl:預處理：地理圖投影變換；數據：1：50萬地理圖；1：50萬地質圖；軟件平臺：MapGIS6.7;處理過程：將地理圖、地質圖所有圖層設定相同參數一起投影轉換：首先，在MapGIS主菜單中，選擇“實用服務”-“投影變換”，在

3、打開的投影變換系統中打開所有圖層，可知圖層信息以“毫米”為單位的屏幕坐標顯示；其次,在投影變換系統的菜單欄選擇“投影轉換”-“工作區直接投影轉換”：坐標值發生了很大變化，較原圖層位臵發生了較大距離的位移，其坐標值已經換算成以meters為單位的實際坐標值。Step2:將投影轉換后的地理圖、地質圖數據轉成能在ArcGIS中顯示的格式shp；Step3:在ArcMap中打開shp格式的地理圖和地質圖；由于此時無任何地理坐標和投影坐標信息，只有圖層對應的實際坐標值信息（由投影轉換后得到的數據），并且點圖層和面圖層顯示的信息在ARCGIS顯示不集中，原先MapGIS格式的圖元如居民地的名字、經緯度數字

4、及不同地層的顏色顯示在ArcGIS中屬性信息部分缺失，但此時我們用水系信息糾正遙感影像如下：Step4:將遙感影像在ENVI中轉換成TIF格式，在ArcMap中打開并顯示；在ENVI中，打開需要格式轉換的影像，選擇File-SaveFileAs-TIFF/GeoTIFF,選擇轉換影像，輸出即可；此時，地理圖沒有地理坐標系和投影坐標系，但影像有投影坐標系，在ArcMap中打開地理圖和影像時對應位臵如下圖：發現：雖然地理圖和影像都有以meter為單位的坐標值，可以同時顯示，但位臵上仍有一些差異。影像的地理經緯度實際覆蓋地理圖的一部分，如果能將地理圖和影像通過經緯度大致重合在一起，在此基礎上做幾何校

5、正預處理。Step5:通過地理圖框4個角的經緯度值糾正地理圖，使之能與影像大致重合；在ArcMap中打開經投影轉換后的地理圖層，設臵Layers的地理坐標為GCS_Xian_1980寸所有地理圖層糾正，糾正后地理圖所顯示的經緯度值與實際相符；Step6:糾正地理圖的地理坐標系統，打開影像，此時地理圖和影像基本吻合；在ArcCatalog中設臵糾正后的地理圖的地理坐標系統為：GCS_Xian_1980打開ArcCatalog，右擊所有圖層的“屬性”Properties，在XYCoordinateSystem標簽中選擇地理坐標系統GeographicCoordinateSystems為GCS_Xi

6、an_1980可選擇其他地理坐標系統，但不能選擇投影系統，因為地理坐標系統以經緯度顯示，投影系統以meter為單位的值顯示，地理圖只有正確的經緯度值，影像既有精確的經緯度值又有準確的以meter為單位的值），對于影像，其本身帶有一定的坐標信息，若不修改其地理坐標，在ArcGIS中打開時可根據圖層Layer的地理信息自動轉換成以經緯度顯示，此時地理圖與影像基本吻合了；Step7:利用柵格圖像幾何糾正工具選控制點糾正地理圖和影像圖，使之盡量完全吻合；在用糾正后的帶有地理坐標信息的地理圖來糾正影像之前，必須使影像和圖層Layer帶有投影坐標信息，這里設為WGS_1984_UTM_Zone_49地理圖

7、可以通過ArcToolBox-DataManagerTools-ProjectionsandTransformation-Feature來轉換地理坐標系統到投影坐標系統，控制點盡量選擇均勻，在控制點選完后，保存好控制點，并且存儲糾正后的影像時格式選為TIF，用Georeferencing-Rectify可保存結果影像。彩圖：上：幾何糾正后影像和地理圖疊加圖左：部分幾何糾正前疊加圖右：部分集合糾正后疊加圖二、運用校正后的數據求NDVI并疊加在RGB321圖像上；數據：校正后的多光譜數據ETM1-57；方法：NDVI,密度分割法疊加；軟件平臺：ENVI4.5處理過程：Stepl:利用校正后的多光譜

8、數據ETM1-57求NDVI灰度圖；NDVI=（NIR-RED）/（NIR+RED）這里ETM3為RED波段，ETM4為NIR波段，因植被在紅波段有一反射波谷,在近紅外波段有一反射峰，經歸一化處理后灰度圖中植被與背景地物信息的反差變大，使得NDVI灰度圖中灰白色地物為覆蓋度不一的植被，暗色為水體，建筑物，道路等背景信息；Step2:將NDVI灰度圖按覆蓋程度分級，采用密度分割法；選擇Image窗口的Overlay-DensitySlice,參數設臵如下：根據影像的實際情況，觀察NVDI灰度直方圖及反復試驗，最后將植被覆蓋度分為3級：-0.7063-0.1無植被覆蓋區-0.10.23植被覆蓋度低

9、（白色）（青色）0.230.4植被覆蓋度一般（草黃色）0.40.5541植被覆蓋度咼（綠色）Step3:保存密度分割后的分類影像圖；將真彩色圖RGB321疊加在經過密度分割的圖上，需將密度分割圖導出存儲成分類影像圖，選擇DensitySlice窗口，File-OutputRangestoClassImage,設臵存儲路徑即可；Step4:將NDVI密度分割圖疊加在RGB321真彩色影像上；在Image窗口，選擇Overlay-Classification,在彈出的對話框中給要疊加在影像上的3類植被區打勾，如下：NDVI密度分割與RGB32嗔彩色疊加部分放大疊加圖部分真彩色圖三、運用校正后的數據

10、將多光譜圖像與可見光圖像（ETM8作數據融合；數據：校正后的多光譜數據ETM1-5,7;校正后的高空間分辨率數據ETM8方法：主成分變換融合方法；處理過程：Stepl:將6個波段的多光譜數據ETM1-5,7重采樣，使得其分辨率和影像大小與ETM8相同；選擇BasicTools-ResizeData,選中所要進行重采樣的多光譜數據，在ResizeDataParameters對話框設臵參數：按照多光譜影像大小與ETM8影響大rjFhl.口岡書*畫Layer(G:ndjm.5t_4fi7-tif):adjujt_-|X|圖1.多光譜數據的ETM4重采樣前后對比圖（右：采樣后）Step2:將重采樣后的

11、多光譜數據進行主成分正變換；選擇Transform-PrincipalComponents-ForwardPCRotation-ComputerNewStatisticsandRotate,選擇重采樣后的多光譜數據，輸入主成分正變換結果圖存放路徑即可。小的比例設臵xfac和yfac，則多光譜數據影像大小就被調整成與ETM8相同。在重采樣插值方法中Resampling，有三種方法選擇：最近鄰法NearestNeighbor、雙線性內插法Bilinear、三次卷積內插法CubicConvolution;這里選擇第二種方法，因為最近鄰法雖然簡單，但處理后圖像的亮度具有不連續性，影響了精確度，三次卷積

12、內插法雖然會使圖像細節更清晰，但計算量大且沒有對多光譜數據和ETM8選控制點校正位臵，三次卷積效果也不是很明顯，因此選擇雙線性內插法，計算量一般，精度提高且效果不錯，缺點是對圖像起到平滑作用，使得對比度明顯的分界線變得模糊，但并不影響后續工作。圖2.主成份正變換圖PC1PC2PC合成Step3:將高光譜數據ETM8與第一主成分PC1做直方圖匹配；1）分別將TEM8和PC1直方圖打開（Image窗口：Enhance-lnteractiveStretching）2）分別在ETM8和PC1的直方圖窗口中，選擇Histogram_Source-band;3）在ETM8直方圖窗口中，將Strecth_t

13、ype選為Arbitrary，以便于用指定的直方圖曲線來拉伸；圖3.TEM8拉伸類型設為“Arbitrary”后直方圖4）用鼠標將PC1影像直方圖的輸入（InputHistogram標簽）拖動至在ETM8S方圖的輸出窗口（OutputHistogram）中，然后點擊Apply；圖4將PC1輸入直方圖與ETM8輸出直方圖匹配后ETM8影像圖5）在PC1直方圖窗口中，選擇Options-HistogramParameters，記錄下HistogramMin和HistogramMax兩個值，分別為-103.198和403.563；6）在ETM8S方圖窗口中，選擇File-ExportStretch,

14、將剛才記錄的兩個值分別填入OutputMin和OutputMax中，再將OutputDataType改為“FloatingPoint”，存儲即可。Step4:將經過直方圖匹配后的ETM8替換PC1;選擇BasicTools-LayerStacking,在對話框中選入經直方圖匹配后的ETM8和PC2-6,且將ETM8放在第一波段，使之成為PCtStep5:將替換后的合成波段數據做主成分反變換選擇Transform-PrincipalComponents-lnversePCRotation，在對話框中選擇需要做反變換的數據即可。顯示數據時對Image的線性拉伸即可。e#?(R;K1Z(J.Hjer

15、(G;nrijnst_45T-1I曾幻(It;InvPt：Rnndb皿亦*_旺JtM)二上：主成分融合后543波段組合圖左：部分多光譜543重采樣圖右：部分主成分融合圖四、利用融合后的多光譜數據做主成分分析，生成PC12、3的彩色圖像，并對結果進行解釋主成分分析法的基本原理：主成分分析法是一種降維的統計方法，它借助于一個正交變換，將其分量相關的原隨機向量轉化成其分量不相關的新隨機向量，這在代數上表現為將原隨機向量的協方差陣變換成對角形陣，在幾何上表現為將原坐標系變換成新的正交坐標系，使之指向樣本點散布最開的p個正交方向，然后對多維變量系統進行降維處理，使之能以一個較高的精度轉換成低維變量系統，

16、再通過構造適當的價值函數，進一步把低維系統轉化成一維系統。Stepl:選擇Transform-PrincipalComponents-ForwardPCRotation-ComputerNewStatisticsandRotate,選擇融合后的多光譜數據，輸入主成分正變換結果圖存放路徑即可。圖像變換是指將圖像從空間域轉換到變換域的過程，進行圖像變換的目的就是為了使圖像的處理過程簡化。由于遙感圖像的不同波段之間往往存在著很高的相關性，從直觀上看，就是不同波段的圖像很相似，因而從提取有用信息的角度考慮，有相當大一部分數據是多余和重復的。主成分分析的目的就是把原來多波段圖像中的有用信息集中到數目盡可

17、能少的新的主成分圖像中，并使這些主成分圖像之間互不相關，也就是說各個主成分包含的信息內容是不重疊的，從而大大減少總的數據量，并使圖像信息得到增強。主成分變換變換在遙感圖像處理中又稱作主成份分析或主分量分析。在遙感圖像分類中，常常利用主成分分析算法來消除特征向量中各特征之間的相關性，并進行特征選擇。從幾何意義來看，變換后的主分量空間坐標系與變換前的多光譜空間坐標系相比旋轉了一個角度，而且新的坐標系的坐標軸一定指向數據信息量較大的方向。以二維空間為例，假定某圖像像元的分布呈橢圓狀，那么經過旋轉后，新坐標系的坐標軸一定分別指向橢圓的長半軸和短半軸方向一一主分量方向，因為長半軸這一方向信息量最大五、結

18、合自己所學專業制作一幅專題圖像：專題圖像，地名標注，圖框，坐標，比例尺，圖例等要素；并作解譯。數據：校正后的熱紅外數據ETM62方法：ETM6熱紅外溫度反演法軟件平臺：ENVI4.5,ArcGIS;1、專題圖像制作名稱及目的利用ETM專感器的熱紅外波段61和62反演地表真實溫度，結合該地地理地質圖件制作地表溫度專題圖，為后續工作(如找溫泉點、土壤濕度反演、城市熱島效應研究等)做基礎。2、本文研究區采用的溫度反演方法原理2.1方法原理流程首先將圖像亮度值DN轉換為輻射亮度J(TM6)，其方程式為：LtTM6)=幾忒TN16)+嚴呈嚴詠(1)式中，Lmax為傳感器可探測的最大輻射亮度(單位為:Wm

19、2sr-1卩m1)，即340K全輻射體發出的平均輻射亮度丄min為可探測的最小輻射亮度,即200K全輻射體發出的平均輻射亮度。對于LandsatETM7,高增益b62,Lma=12.65,Lmin=3.2;低增益b61，Lma=17.04,Lmin=0.0；由于TM6處于大氣透射性(透過率為80流右)相當好的大氣窗口,如果暫時忽略地表發射的電磁輻射在到達衛星的途中所受的大氣影響，那么，即可通過輻射亮度(Le,Q推算地表相對溫度(Tb),其方程式為：T=f:式中，TB為地表溫度(K),可令K1=cJ-5,K2=C2入-1,它們為校正系數；對于LandsatETM7,K1、K2為已知常量丄為平均輻

20、射亮度(Le,產Lb)。K=666.093Wnfsr-1卩m1K=1282.7108K這種在不考慮大氣等各種影響因素的情況下，并假定地物為全輻射體的前提下，通過測定地表的輻射亮度求出的地表溫度稱為亮度溫度(或輻射溫度)。再經過大氣訂正及地表發射率訂正等即可求出地表的真實溫度。地物的亮度溫度(Tb)與真實溫度(TR)之間存在下列關系式：T_02RAnC&xp(C2/AT-61式中，&為地物的比輻射率，不同類型地表，&的變化較大,C2為第二輻射常量(0.0144mK)，入為熱紅外的有效波長，TM6的中心波長為1.475卩m2.2地物的比輻射率&計算方法本文研究區參考Sobrino等人提出的NDVI

21、TherhsoldsMehtodNDVP進行地表比輻射率估計，由于研究區影像環境的特殊性，在計算地表比輻射率過程中參數由實際情況所定，具體方法如下：a、當NDVK0.0時，地表物體為水體和建筑物，通過使用監督分類提取出的水體圖層，將水體和建筑物分開；水體的比輻射率為0.995，建筑物的比輻射率為0.970;b、當0.0vNDVK0.5時，地表認為是由不同覆蓋度的植被構成，包含土壤，像元可認為是土壤和植被的組合，此時，地表比輻射率計算公式為：=vPv+s(1-Pv)+d其中，v為植被的比輻射率，s為裸土的比輻射率，R為像元中的植被覆蓋度。Pv=(NDVI-NDVJnin)/(NDVIma尸NDV

22、Imin)這里，NDVJnax=0.5,NDVImin=0.0(原方法中NDVJnin=0.2，NDVmax=0.5)。當Pv0.5時，d=0.003796(1-Pv)。當地表比較平坦時，d可忽略不計；植被的比輻射率為0.986，裸土的比輻射率為0.972；c、當NDVA0.5時，地表認為是全植被覆蓋區，地表比輻射率為0.986。3、實驗流程及結果Step1:將圖像亮度值DN轉化為輻射亮度L62；在ENVI中，選擇BandMath工具，輸入計算公式：3.2+(12.65-3.2)/255)*float(b1)bl選擇b62數據即可；Step2:通過輻射亮度L62推算地表相對溫度Tb；同步驟a,

23、輸入計算公式為：1282.7108/alog(1.0+666.093/b2)b2選擇L62數據即可；Step3:計算地物比輻射率a、用糾正后的多光譜數據計算NDVI,并分別用閾值0.0和0.5給出NDVK0.0,0.0VNDVK0.5,NDVI0.5的二值圖圖層掩模，其中，NDVK0.0圖層由水體和建筑物組成，0.0KNDVK0.5圖層為不同覆蓋度的植被，為裸土和植被的混合像元，NDVA0.5圖層為全植被覆蓋區；在本文研究區，對影像分為4類地物：水體、建筑物、全植被、植被和裸土混合像元，進行地物比輻射率的賦值計算，因此，需要將水體和建筑物分開；b、用監督分類的最大似然法單獨提取出水體圖層，則N

24、DVK0.0圖層中的建筑物即可與水體分開，四類二值圖層掩模分別如下圖所示：c、對于水體、建筑物、全植被覆蓋區掩?？芍苯淤x值，而對于植被和土壤混合像元，須經過計算得到地表比輻射率，為方便計算，本文研究區便忽略d&不計，直接在BandMath里輸入公式：0.986*Pv+0.972*(1.0-Pv)計算，最后將各圖層信息合并，得到整個研究區的地表比輻射率；因為此時的比輻射率圖空間分辨率為30m而計算溫度的熱紅外波段空間分辨率為60m需要將30m空間分辨率裁減成60m以保證計算精度，可在ENVI的ResizeData工具欄中進行操作，最終得到空間分辨率為60m的研究區地表比輻射率圖，如下：總體看來，

25、水體的亮度最高，其次為植被、裸土和植被混合區，最后為建筑物，這正與水體的比輻射率0.995、植被的0.986、裸土的0.972、建筑物的0.970相對應；Step4:根據亮度溫度Tb求取地表真實溫度Tr；在ENVI的BandMath工具中輸入公式：0.0144心1.475*alog(b1*exp(0.0144心1.475*b2)-b1+1.0)b1選擇地表比輻射率數據，b2選擇亮度溫度Tb數據；計算得到的真實溫度最低為11.353444攝氏度，最高為36.188804攝氏度，根據具體情況將真實溫度分為3個等級，1120,20.000132，32.000136,分別為低、中、高三個等級，最后將等級圖導成分類圖，存成tif格式即可；Step5:在ArcGIS中制作地表溫度專題圖；將在ENVI中計算得到的溫度圖存成TIF格式，直接在ArcGIS中打開：首先，在ArcCatalog中新建一個面圖層，其大小與影像大小一致，用來對點文件：居民點，線文件：河流進行裁剪，裁剪工具為ArcToolbox-AnalysisTools-Extract-Clip,將裁剪后的影像跟地理圖信息顯示在ArcMap中；其次，打開一個新的ArcM