林業遙感實習報告1

地點：校園、十三陵地區、

姓名： 班級：

學號：

實習目的

1：為了更好的了解十三陵地區的地區概況以及土地利用類型，方便學習遙感圖像的制作和分析能力，更好的熟悉應用遙感的重要軟件，對遙感知識增加全面的掌握，更好的實現理論與實踐的高效結合。本實驗旨在教會學生應用ArcGIS系列軟件進行矢量化的操作。通過本次實驗，要求學生能夠掌握ArcGIS一些常用的基本操作，涉及到的知識點，包括：ArcGIS應用基礎，空間數據的采集和組織，空間數據的轉換和處理，空間數據的可視化表達等。最終達到對ArcGIS桌面軟件操作入門的目的:

2：了解航空相片的各種要素，掌握立體觀察的具體步驟。

3：掌握野外地物波普測試的基本步驟，了解其反射率。 實習內容

本次實習重要應用到兩個重要軟件ArcGIS和Edars軟件。將十三陵遙感圖應用ArcMap進行手工矢量化操作，結合實地踏查，手工進行地物劃分，最終形成十三陵土地利用圖。用到的'軟件主要是ArcMap和ArcCatalog。

一、立體像對觀測的實驗

二、實驗步驟

（一）熟悉航空像片

①像片編號：位于航片右上角，說明攝影時的地理位置、攝影時間； ②框標：四角或四邊，相對框標連線交點是該像片的像主點； ③水準氣泡：記錄該像片的傾斜度數；

④時針：表明攝影時間，以便提供太陽光線方向和太陽高度角； ⑤航片攝影機的焦距； ⑥校正線； ⑦高度表。

（二）立體觀察

1、立體鏡檢查

①在8開白紙上中部順長邊方向繪制一條直線。長約30cm左右，并在此直線上安裝反光立體鏡。

②在立體觀察中觀察直線，以檢查立體鏡的大反鏡角度是否正確。當立體觀察時紙上的直線在兩個視場的成像為兩條相交直線，而且經轉動白紙或立體鏡時仍不能使其兩視場中兩直線重合時，說明儀器大反光鏡位置不正確，這時調整反光鏡螺旋進行正位，直至兩直線重合為止。

2、確定基線。

然后用兩眼相重合的點位，也做標記。之間的距離b為立體鏡擴大后的觀察基線，稱之為立體鏡基線。此基線的長度因個人的眼距和立體鏡的不同而異。

③在兩張像片上分別連接框標得像主點O1、O2，即框標連線的交點，然后在像主點周圍f/45為半徑的圓內，選刺明顯地物，并用像片鉛筆畫一小圈。

④轉刺兩像片中心點O1、O2得O1ˊ、O2ˊ，并分別連接O1 O2ˊ、O2 O1ˊ，量出O1 O2ˊ、O2 O1ˊ的長度值，即為兩像片的共同基線。

3、觀察

①將兩像片安置在白紙上，使同名基線與白紙上的直線重合（注意要使同名基線應在像片對內側）；使像片上的同名像點O1 、O2ˊ或O2、O1ˊ間的距離基于b，固定像片對。

②將反光立體鏡置于像片對上，觀察者的眼基線要平行于立體鏡基線進行觀察

一、 實驗心得：這次實驗較為簡單，一個人即可在短時間內完成，但是，由于每個人的眼間距不同，所以調整的儀器目鏡間距也不同，在一個人調好后，可能另一個人觀測時無法達到最佳狀態。也因此，若是兩人一起調整儀器的話，可能會慢一點，困難一些。其實，實驗整體還是很容易的，只要認真細心即可。

二：野外地物波譜測試的實驗

使用光譜反射儀測試地物波譜的實驗步驟

1、首先確定需要測定的地物類型，任何不同地物都具有各自不同的光譜特性，都可以作為測定目標。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。

2、確定測量時是采用順光、逆光或頂光，然后放置標準板，標準板的位置應該與地物的位置一致。

3、光譜反射儀的使用：（1）由開關按鈕、電池檢查鈕(Check)、視場角旋鈕（2°或10°）、波長輪鼓（400nm~1050nm）、鏡頭和觀測孔等。首先打開鏡頭蓋，不要用手觸摸鏡頭，然后打開開關按鈕，按住電池檢查鈕(Check)，如果從觀測孔中觀測到刻度值大于3就能說明電池仍有電，反之則需要更換電池；從觀測孔中除了刻度以外還可以看見一個大圈中間還有一個小圈，大圈是10°視場角的觀測范圍，小圈是2°視場角的觀測范圍，一般使用10°視場角，也就是說在觀測時大圈中應該充滿所測地物而沒有任何其它物體；觀測孔中得刻度是從0到4，讀取時應該估讀出小數點后兩位。（2）轉動波長輪鼓，從400nm開始依次測量，首先讓鏡頭對準目標地物，通過觀測孔讀數并記錄，再讓鏡頭對準標準板讀數記錄。（3）然后將波長輪鼓調到425nm，同前面一樣讀取地物與標準板的讀數，依此按照波長順序重復數次。

4、讀物波譜反射系數的計算：分別將各個波長獲得的標準板讀數值與其目標物讀數相減，然后根據相減所得差值在反射率查詢表中查詢對應的反射率。

5、反射波譜曲線的繪制：以波長（400nm~1050nm）為橫軸，反射率為縱軸，畫出光譜反射曲線。

6、對多個地物的反射光譜曲線進行比較分析。

光譜反射率測定記錄表

光譜反射率測定記錄表

地點 十三陵 目標地物類型 月季葉（新鮮完整） 時間20xx/10/27

林業遙感實習報告2

一．實習目的

通過實習能夠熟練的掌握使用遙感地形圖進行地物識別以及解譯標志庫的建立

二．實習主要內容

1. 對野外進行踩點調查 2. 目視解譯，區劃小班 3. 地類面積統計及分析 4. 森林資源分布圖制圖出圖

三．主要結果分析（解譯標志庫目視解譯步驟地類面積統計森林分布圖制圖）

第一條路線沿大湖坪向上方方向踩點調查，行程8.9公里 第二條路線沿茶園方向往太陽廟方向進行調查，行程6.5公里 第三條路線為沿環山公路沿路進行探究，行程6.8公里

四．簡易標志庫的.建立

五．統計結果及其分析

結論：由表格中數據可知福壽山林場的竹林面積特別大，無論是純竹林還是竹林混交林的面積都占了很大的比重，同時經過我們小組成員在山中的所見所聞也知道了山中的針葉林主要以杉木和柳杉為主的林份在山上分布廣生長旺盛，同時作為一個自然保護區它的闊葉林面積也大，這樣各種資源分布比較均勻符合游人的需求也符合物種的多樣性。

林業遙感實習報告3

一、實習目的與要求

林業遙感是遙感技術在林業經營中具體應用的實用性強的專業課，旨在培養學生利用遙感手段進行森林資源監測和管理的基本技能，實習的主要目的是培養學生使用GPS進行野外地形參數的手工測量，內業計算機遙感圖像的幾何精校正和探索學習決策樹分類方法對林業遙感影像進行分類研究的動手能力。通過實習，加深遙感技術在森林資源監測和管理中的應用和理解。

二、實習內容

1)GPS采集地面控制點坐標；

2)（經緯度或平面直角坐標）以及地形參數；

3)（坡度，坡向）野外訓練區的地面調查；

4)內業遙感圖像的幾何精校正；

5) ENVI圖像處理軟件決策樹分類器建立逐級決策規則；

6)決策規則的修改與添加（與實地調查進行比較分析）；

7)利用建立的決策規則對林業遙感圖像進行分類，保存分類規則與分類圖像。

三、實習中涉及的理論知識

1．決策樹分類簡介

與其它分類方法相比，決策樹分類具有如下特點：

1）決策樹分類是非參數分類，因此其獨立于訓練區像元亮度值的統計分布模式；

2）決策樹分類時模型的輸入既可以是連續的光譜波段值，也可以是離散的數值，甚至是定名變量；

3）分類結束后可以生成易于解譯的分類判別準則文件；

4）樣本訓練的速度快，分類精度通常高于其它的分類器。

2．決策樹分類原理

決策樹分類實質是利用輸入分類器的多元特征參數，從多角度挖掘出蘊藏在其中的模式類別間的差異，并建立起“特征識別矩陣”（類似于判讀檢索表），其外在表現為多個“If Then, else if then”的連用，就如同數學上的多個集合求交集運算，從而將滿足交集條件的模式與不滿足交集條件的模式區分開來，實現不同模式類別的自動識別。

具體地講，決策樹可以像分類過程一樣被定義，依據某種規則將窨數據集一級級往下細分以定義決策樹的各個分支。

決策樹由一個根結點，一系列內部結點及終極結點組成，每一個結點只有一個父結點和兩個或多個子結點。根據決策樹的構成思想，以選定的樣本數據為對象逐級找到分類樹的結點，并且在每個結點上記錄所選的空間數據圖層的編號以及相應的判別函數參數，從而有可能反過來從樹根到葉按照生成的判別規則，逐級地在每個結點上對樣本數據以外的待分類數據進行分類。

3．本實習決策樹分類規則描述

類1(class 1)：NDVI值大于0.3，坡度大于或等于20度；

類2(class 2)：NDVI值大于0.3，坡度小于20度，陰坡；

類3(class 3)：NDVI值大于0.3，坡度小于20度，陽坡；

類4(class 4)：NDVI值小于或等于0.3，波段4的值大于或等于20；

類5(class 5)：NDVI值小于或等于0.3，波段4的值小于20；

類6(class 6)：波段4的值等于0；

類7(class 7)：波段1的.值小于波段1的均值。

決策樹分類規則是在決策樹分類過程中不斷修改和添加的，為了實現逐步分類更加精細與準確。

四、實習步驟

1． 外業數據采集

在中山陵地區選取若干樣點，利用GPS記錄樣點坐標，測定相應位置的地形參數。目的：練習使用GPS以及DEM的建立方法。

2． 研究資料確定與處理

1) 運行ENVI軟件，打開并顯示對決策樹分類有貢獻的影像文件：bouldr_tm.dat (Landsat 5 TM影像) 與boulder_dem.dat（相應的DEM空間子集）

2) 投影類型轉換

查看bouldr_tm影像特征：

Projection : UTM

Pixel: 30 Meters

Datum: NAD 27

查看boulder_dem影像特征：

Projection : GAUSS-KRUGER

Pixel: 30 Meters

Datum: WGS84

以bouldr_tm影像為基準，轉換boulder_dem影像的投影類型：

運行ENVI軟件，點擊Map/Convert Map Projection，在彈出的Convert Map Projection Input Image中選擇boulder_dem，在彈出的Convert Map Projection對話框中選擇UTM，DATUM選擇NAD 27，可選擇多項式和最鄰近點方式，保存投影類型轉換后的圖像。

3）圖像配準

為提高TM影像的分辨率，從而提高分類精度，以bouldr_tm影像與相應地區的SPOT影像配準（SPOT為已經過精校正的影像，空間分辨率為10m）

配準方法：點擊Map/Registration/Select GCPs: Image to Image，使得bouldr_tm影像的分辨率也達到10m，查看配準后的影像特征：

Projection : UTM

Pixel: 10 Meters

Datum: NAD 27

3． 輸入決策樹規則

1） 選擇Classification/Decision Tree/Build new decision tree，打開決策樹工具，在決策樹工具打開時就只有一個空的決策節點，在這個空的節點中輸入任意條件的決策表達式，將該數據集的像素分為兩組

2） 第一個決策要基于landsat影像。要定義這個決策點，點擊決策節點，當前這個節點被標注為Node，輸入表達式：{ndvi} gt 0.3。

這個決策將像素分為兩類，一類為綠色植被，另一類為非植被。

3） 指定應用決策表達式的文件

在出現的Variables/Files Pairing對話框中，點擊{ndvi}，在隨后出現的對話框中選擇bouldr_tm影像，這表明當上述決策規則計算時，NDVI值將從bouldr_tm影像中計算出來。

這里ENVI會根據NDVI這個特定名稱，自動搜索所需的紅波段和近紅外波段，計算出NDVI值。

4） 完成第一個簡單決策樹分類器，NDVI大于0.3被分成白色類，NDVI值小于或等于0.3像素被分為黑色。

4． 輸入決策樹附加規則

1） 右鍵點擊Class 1的節點，從彈出的快捷菜單中選擇Add Children，從而將NDVI大的那類細分為兩個新的子類。

2） 點擊空白節點，并在Edit Decision Parameters對話框中，輸入下面這個決策規則：{Slope} lt 20。

這個決策規則將根據坡面的陡峭程度，將NDVI值高的像素分為兩類，同樣，ENVI會根據Slope(坡度)這個特定名稱，自動搜索計算Slope值。

3） 在節點的Name區域，輸入slope<20，點擊OK。

4） 指定應用決策表達式的文件

在出現的Variables/Files Pairing對話框中，點擊{slope}，在隨后出現的對話框中選擇boulder_dem影像，這表明當上述決策規則計算時，slope值將從boulder_dem影像中計算出來

5） 繼續添加決策規則

右鍵點擊綠色的端元節點，它包括了NDVI值高、坡度低的那類像素，從彈出的快捷菜單中，選擇Add Children。點擊節點，在Edit Decision Parameters對話框中，輸入下面這個決策規則：

{aspect} lt 20 and {aspect} gt 340

這個決策將把NDVI值高、坡度小的那些像素，分為坡面北朝向的和坡面北朝向不顯著的兩類。

6） 在節點的Name區域，輸入North，點擊OK。

7） 指定應用決策表達式的文件

在出現的Variables/Files Pairing對話框中，點擊{aspect}，在隨后出現的對話框中選擇boulder_dem影像，這表明當上述決策規則計算時，aspect值將從boulder_dem影像中計算出來。

8） 在節點的Name區域，輸入North，點擊OK。

9） 繼續添加決策規則。

右鍵點擊黑色的端元節點，它包括了NDVI值低的那類像素，從彈出的快捷菜單中，選擇Add Children。點擊節點，在Edit Decision Parameters對話框中，輸入下面這個決策規則：b4 lt 20。

這個決策規則將水體非植被中分離出來，經過目視解譯遙感影像發現，在波段4中，像素值小于20的主要是水體。

10） 指定應用決策表達式的文件

在出現的Variables/Files Pairing對話框中，點擊b4，在隨后出現的對話框中選擇bouldr_tm影像。

11） 在節點的Name區域，輸入Low B4，點擊OK。

5． 執行決策樹

1） 選擇Options/Execute；

2） 在Decision Tree Execution Parameters對話框中，點擊bouldr_tm影像，作為基準影像。其它影像的地圖投影，像素大小和范圍都將被自動調整，以匹配該基準影像；

3） 輸入要輸出的分類影像文件名，保存。

6． 查看決策樹分類結果；

1） 輸出的決策樹分類結果中，給定像素的顏色是由分類指定的端元節點的顏色確定的。Class1，Class2，Class3，Class4，Class5分別對應紅色，綠色，藍色，黃色，藍綠色；

2） 查看決策樹信息。

在ENVI Decision Tree

對話框的空白背景上，點擊右鍵，從彈出的對話框中，選擇Zoom In，現在每個節點標簽都會顯示像素的個數以及所包含像素點總影像像素的百分比。

7． 修改決策樹

1） 添加新的決策

執行完決策樹后查看分類結果，發現上述決策規則中，波段4小于20的那些像素中，某些像素是邊緣像素，值為0，以藍綠色顯示，因此需修改決策樹：

在波段4的值小于20的那些像素的端元節點上，點擊右鍵，并從彈出的快捷菜單中，選擇Add Children。點擊節點，在Edit Decision Parameters對話框中，輸入下面這個決策規則：b4 eq 0。

在Name文本框中，輸入B4=0。

2）執行新添加的決策，此時輸出結果中，邊緣像素就歸為另一類了，以紅紫色表示。

8． 在決策表達式中使用波段索引

幾個內置的決策樹變量在決策表達式使用過程中，需要波段索引。

1） 在黃色端元節點上，點擊右鍵，該節點包括了NDVI值低但波段4的值高的那一類像素。從快捷菜單中，選擇Add Children。點擊節點，在Edit Decision Parameters對話框中，輸入下面這個決策規則：b1 lt {mean[1]}。

在Name文本框中，輸入Low B1。

該表達式將判斷波段1的像素值是否小于波段1的均值。

2） 指定應用決策表達式的文件

在出現的Variables/Files Pairing對話框中，點擊b1，在隨后出現的對話框中選擇bouldr_tm影像的band 1；

在出現的Variables/Files Pairing對話框中，點擊mean，在隨后出現的對話框中選擇bouldr_tm影像；

3） 運行決策樹；

4） 查看結果，波段1的值較低的某些黃色像素的顏色已變為暗紅色。

9． 修剪決策樹

在使用決策樹的過程中，經常需要測試某個指定的子節點是否對決策樹的分類結果有效，即對決策樹的修剪。

1） 在Low B1節點上，點擊右鍵，從彈出的快捷菜單中，選擇Prune Children。結果表明，可以看到這個子節點，但它們不再帶有顏色，而且也沒有連接到決策樹上，表明已被修剪，當執行決策樹時，它們不會被使用；

2） 右鍵點擊Low B1節點，從彈出的快捷菜單中，選擇Restore Pruned Children，可恢復修剪。

10．保存生成的決策樹。

11． 對分類結果進行評價。

五、實習結論

通過實習，從中學到了很多東西，受益匪淺！

開始作圖。

3實訓體會

本次實習總共四天的時間，主要內容是學會使用VirtuoZo NT系統。在這四天的實習過程中，我們學會了很多，掌握了很多以前所不了解的，但是也遇到了很多的問題。在最開始的時候，對實習的內容以及軟件都不了解，不知如何下手，而在經過老師的親自一步一步操作示范給我們看的時，雖然沒有完全掌握，但是之后在老師和同學的幫助下，都一步步順利的完成了。在本個實習中，我不僅學會了VirtuoZo NT系統的使用，在VirtuoZo NT系統中進行模型定向、影像匹配、生成DEM及正射影像的制作、數字影像測圖等。

分析我自己做的成果，再與老師所做的進行比較發現，我所處理的結果誤差明顯偏大。究其原因，乃是對立體觀測切準地物的各種方法和技巧不熟悉所至。可喜的是，經過數小時的訓練，最終的準確度有明顯提高。

由于經驗不足使我在操作上有些盲目既不知道自己操作的對錯也不知道打到什么位置最好。

在考試的時候我對打高程點還是不清晰，努力讓自己沉靜下來讓自己找到感覺，然后慢慢的開始打點，找到感覺后就開始打點。點的高程慢慢的打對了。

實習中多虧了同學們的幫助，老師的指導，加上多次的練習我會了VirtuoZo的大概操作。知道了VirtuoZo的作用。這次實習內容豐富，使我學到了不少東西。它不僅讓我認識到了Virtuozo的各種功能和工作流程及部分原理，還讓我對數字攝影測量數據獲取有了更深刻的了解。同時也使我對數字攝影測量課程有了一個整體的概念。