практ работа 3 4
TRANSCRIPT
![Page 1: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/1.jpg)
Занятие 3
Классификация данных дистанционного зондирования
![Page 2: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/2.jpg)
Подготовительные операции
![Page 3: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/3.jpg)
С помощью функции Basic Tools->Layer Stacking создаем файл, содержащий 1,2,3,4,5 и 7 каналы Landsat 7 ETM+.
![Page 4: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/4.jpg)
В окне Available Bands List из контекстного меню выбираемвкладку Edit Header, для указания длин волн каждого канала
![Page 5: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/5.jpg)
Производим над изображением улучшающие преобразования, освоенные в предыдущем практическом занятии
![Page 6: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/6.jpg)
Классификация без обучения
![Page 7: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/7.jpg)
Выбираем из главного меню ENVI 4.4 классификацию без обучения ISODATA и K-Means.Выбираем файл и задаем параметры классификации.
Параметры ISODATA Параметры K-Means
![Page 8: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/8.jpg)
Результат классификации ISODATA Результат классификации K-Means
![Page 9: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/9.jpg)
Классификация с обучением
![Page 10: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/10.jpg)
Используя инструмент Basic Tools->Region of Interest->ROI Tools, выделяем на изображении области, соответствующие интересующим нас поверхностям.
![Page 11: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/11.jpg)
Из главного меню ENVI выбираем классификацию с обучением.
![Page 12: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/12.jpg)
Выбираем вид классификации, задаем параметры, имя выходного файла и нажимаем ОК. Для предварительной оценки результатов классификации, используем функцию Preview.
Parallelepiped
![Page 13: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/13.jpg)
Minimum Distance
![Page 14: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/14.jpg)
Mahalanobis Distance Parameters
![Page 15: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/15.jpg)
Maximum Likelihood
![Page 16: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/16.jpg)
Spectral Angle Mapper
![Page 17: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/17.jpg)
Binary Encoding
![Page 18: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/18.jpg)
По результатам классификации создаем векторный слой, соответствующий водным объектам. Для этого в главном меню выбираем Vector->Classification to Vector. В появившемся окне указываем файл с результатом классификации и нажимаем ОК.
![Page 19: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/19.jpg)
Выбираем класс, переводимый в векторную форму и задаем имя выходного файла. В окне Available Vector List выделяем векторный слой с результатом классификации, нажимаем Load Selected. Выбираем окно с растровым изображением, на которое накладываем сформированный векторный слой.
![Page 20: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/20.jpg)
В окне Vector Parameters выбираем Options->Vector Information и нажимаем Apply. Открываем окно с изображением и активируем выведенный векторный слой для определения его площади.
![Page 21: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/21.jpg)
Тематическая обработка изображений в ППП ENVI
Занятие 4
![Page 22: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/22.jpg)
Вычисляем вегетационный индекс NDVI. Для этого в главном меню ENVI выбираем Transform->NDVI. В качестве файла указываем созданный на предыдущем занятии мультиспектральный снимок Landsat 7 ETM+.
![Page 23: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/23.jpg)
Тип объекта
Отражение в красной области спектра
Отражение в инфракрасной области спектра
Значение NDVI
Густая растительность
0.1 0.5 0.7
Разряженная растительность
0.1 0.3 0.5
Открытая почва 0.25 0.3 0.025Облака 0.25 0.25 0Снег и лед 0.375 0.35 -0.05Вода 0.02 0.01 -0.25Искусственные материалы (бетон, асфальт)
0.3 0.1 -0.5
Таблица соответствия типов объектов и значений NDVI
![Page 24: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/24.jpg)
С помощью инструмента Cursor Location/Value определяем значение NDVI на заданном участке. Используя таблицу соответствия типов объектов и значений NDVI, определяем участки не покрытые лесом.
![Page 25: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/25.jpg)
Открываем снимки со спутников SPOT 5 и ALOS. Находим на них тот же участок. Для уменьшения времени обработки вырезаем из снимков начального и конечного состояний интересующие нас фрагменты изображения. Для этого используем инструмент Basic Tools->Subset Data via ROIs
![Page 26: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/26.jpg)
Снимок со спутника SPOT 5 Снимок со спутника ALOS
![Page 27: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/27.jpg)
Приводим изображение начального состояния к проекции изображения конечного состояния. Для этого в главном меню ENVI выбираем Map->Convert Map Projection
![Page 28: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/28.jpg)
Производим привязку изображения начального состояния к изображению конечного состояния. В главном меню ENVI выбираем Map->Registration->Select GCPs Image to Image. В появившемся окне в качестве Base Image выбираем изображение конечного состояния, в качестве Warp Image – изображение начального. Выбирая различные точки на изображениях, добиваемся того, чтобы ошибка привязки (RMS Error) была меньше 1.
![Page 29: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/29.jpg)
Изображение начального состояния
Изображение начального состояния, приведенное к проекции изображения конечного состояния
Изображение начального состояния, привязанное к изображению конечного состояния
![Page 30: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/30.jpg)
Производим обработку изображения начального состояния, которая включает в себя фильтрацию и контрастирование.
![Page 31: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/31.jpg)
Аналогичные операции производим с изображением конечного состояния
![Page 32: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/32.jpg)
Для выполнения процедуры поиска изменений, выберем в главном меню ENVI Basic Tools->Change Detection->Compute Difference Map.
В качестве изображения начального состояния (Initial State) укажем обработанное изображение со спутника SPOT 5, а в качестве изображения конечного состояния (Final State) – изображение со спутника ALOS.
![Page 33: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/33.jpg)
Для того, чтобы изменить правило поиска изменений, выберем Define Class Threshold. При определении изменений на основе разности в яркости пикселей, в качестве порогов задаем значения, соответствующие разнице значений пикселей лесного покрова и вырубленных участков.
![Page 34: практ работа 3 4](https://reader035.vdocuments.mx/reader035/viewer/2022062419/557ec461d8b42a706f8b4692/html5/thumbnails/34.jpg)
Переводим результаты работы алгоритма в векторную форму и накладываем на изображения начального и конечного состояний. Проверяем правильность работы алгоритма. При необходимости изменяем правило работы алгоритма.
Карта изменений Изображение начального состояния с наложенной на него векторной картой изменений
Изображение конечного состояния с наложенной на него векторной картой изменений