利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

这篇具有很好参考价值的文章主要介绍了利用ENVI处理SPOT遥感影像提取水体、植被、不透水面。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

利用ENVI处理SPOT遥感影像提取水体、植被、不透水面



前言

简单记录遥感数字图像处理——针对SPOT4遥感影像进行地物提取的操作,方便日后回忆。

一、 获取研究区Shp文件

(一)在Arcmap中打开shp文件,选择Select Features选中研究区域:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
(二)选中研究区,在文件上右击选中Data——Export Data导出所选区域shp文件:利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

二、下载SPOT遥感影像

(一)首先打开SPOT影像免费获取网站:
https://regards.cnes.fr/user/swh/modules/60,点击login,进行注册:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
(二)选择右上角Display result over map按钮,转动地球仪,选择感兴趣区下载:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
(三)选择Draw search area工具选取需要下载的区域的影像:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
(四)选择右上角的Display in table:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
点击COLUMN调整显示的列顺序为时间、卫星型号、云量:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

(五)按照年份、云况、卫星型号选择需要的模块下载:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
(六)这里也可以点击SEARCH按钮按条件检索,更加方便:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
输入卫星型号、影像年份、云量等条件:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

提示:因为后续涉及提取物归一化指数的运算,所以这里下载spot4-spot5的多光谱遥感影像,确保影像的质量,时间最好选择4-10月。

三、影像预处理

(一)在ENVI中依次打开研究区域的shp文件及下载的SPOT遥感影像,由于采用的投影方式相同,可以直观的看出研究区域是否被所需遥感影像覆盖:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
(二)打开ENVI Classic经典版,进行多幅遥感影像的镶嵌:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
1.选择工具栏中的Map——Mosaicking——Georeferenced工具:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
2.在Mosaic Based Mosaic中选择Import,Select需要镶嵌的遥感影像:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
3.镶嵌完成:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
4.点击Flie——Apply选择路径保存:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
(三)在ENVI中打开镶嵌后的影像和研究区域的shp文件进行裁剪:

利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

1.在Toolbox中选择Subset Data form ROIs工具进行感兴趣区裁剪:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
2.设置研究区域为感兴趣区,保存:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
3.这里发现裁剪后的影像背景有底色黑色,需要去除:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

4.选择Toolbox中的Edit ENVI header:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
这里点击Add:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
5.选择Data Ignore Value:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
6.将下方的Data Ignore Value设置为0:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
(四)裁剪完毕:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

四、地物提取

这里进行水体提取操作

(一)波段运算,打开Band math工具,填写公式:
这里要结合遥感影像的波段范围值来进行运算(植被、水体、不透水面公式依次如下):
    NDVI = (Nir - Red) / (Nir + Red)
    NDWI = (Green - Nir)/(Green + Nir)
    NDBI = (Mir - Nir) / (Mir + Nir)
其中Nir代表近红外波段,Mir代表中红外波段。
———————————————————————————————————————————————————————————————————————————————————————————————
SPOT-4参数:
SPOT-4卫星携带者HRVIR-1 和 HRVIR-2共计2 个仪器,其卫星的各波段详细参数如下所示:

|  名称  |  波段  |  波长范围/μm  |  分辨率
|band 1  |	绿色波段  |	0.500.59um  |20 m
|band 2  |	红色波段  |	0.610.68um  |	20 m
|band 3  |	近红外波段  |	0.780.89um  |	20 m
|band 4  |	中红外波段  |	1.581.75um  |	20 m
|panchromatic  |	全色波段  |	0.51-0.73um  |	10 m
———————————————————————————————————————————————————————————————————————————————————————————————
SPOT-5参数:
SPOT-5卫星携带着立体视图的2 个仪器:HRG1 和 HRG2。创新性地引入了 THR 超级模式该模式,该模式能从两景5m分辨率影像中创建 2.5 m 分辨率的影像,该卫星的波段详细参数如下所示:

|  名称  |  波段  |  波长范围/μm  |  分辨率
|band 1  |	绿色波段  |	0.500.59um  |10 m
|band 2  |	红色波段  |	0.610.68um  |	10 m
|band 3  |	近红外波段  |	0.780.89um  |	10 m
|band 4  |	中红外波段  |	1.581.75um  |	10 m
|panchromatic  |	全色波段  |	0.51-0.73um  |	5 m
|panchromatic super-mode  |	超全色波段  |	0.48-0.71um  |	2.5m

填写公式如下:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
依次选择波段:

利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
ndwi后的效果:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

(二)通过像元值分布直方图,判断提取水体的值:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

(三)右击ndvi后的文件选择New Raster Color Slice:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
先Clear原本的色段,然后新建,修改下图值:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

(四)选择Export Color slices——Shapeflie导出shapefile文件:
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面

这里在Arcgis中看一下最终提取效果(水体):
利用ENVI处理SPOT遥感影像提取水体、植被、不透水面


总结

本文介绍了通过一个完整的遥感图像处理平台——ENVI(The Environment for Visualizing Images)针对SPOT卫星影像数据进行水体等地物提取的简单操作。文章来源地址https://www.toymoban.com/news/detail-446802.html

到了这里,关于利用ENVI处理SPOT遥感影像提取水体、植被、不透水面的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • ENVI实现QUAC、简化黑暗像元、FLAASH方法的遥感影像大气校正

    本文介绍基于 ENVI 软件,实现对 Landsat 7 遥感影像加以 预处理 与多种不同 大气校正 方法的操作。 目录 1 数据导入与辐射定标 2 波段合成 3 编辑头文件 4 转换文件格式 5 QUAC快速大气校正 6 简化黑暗像元法大气校正 7 FLAASH大气校正 8 大气校正结果与其他处理对比分析 8.1 三种大

    2024年02月13日
    浏览(29)
  • 论文笔记(四):影像图中水体识别与提取技术研究综述

           快速并且准确地提取水体信息,在水资源规划和调查、预防洪水灾 害和船舶航行中具有重要意义。 (1)遥感图像与人工勘测        遥感图像:成像周期相对较短、实时性强、不受地域限制;        人工勘测:耗费大量的人力物力以及时间 (2)水体识别方法  

    2024年02月09日
    浏览(66)
  • 利用envi与arcmap/arcgisPro制作一张植被覆盖指数专题地图(地图学作业)

    本篇文章是作者的第一篇文章,对于软件的使用和对专业知识的了解都很浅薄,作为遥感专业的入门级玩家,我认为发布一篇博客来记录自己的学习过程与成果是很有必要的,一是可以重新梳理完成学习任务的基本思路,二是总结完成这次任务中自己的收获并巩固提高,三是

    2023年04月25日
    浏览(23)
  • 掌握无人机遥感数据预处理的全链条理论与实践流程、典型农林植被性状的估算理论与实践方法、利用MATLAB进行编程实践(脚本与GUI开发)以及期刊论文插图制作等

    目录 专题一 认识主被动无人机遥感数据 专题二 预处理无人机遥感数据 专题三 定量估算农林植被关键性状 专题四 期刊论文插图精细制作与Appdesigner应用开发 近地面无人机植被定量遥感与生理参数反演 更多推荐 遥感技术作为一种空间大数据手段,能够从多时、多维、多地等

    2024年02月16日
    浏览(37)
  • 【遥感专题系列】影像信息提取之——面向对象的影像分类技术

    “同物异谱,同谱异物”会对影像分类产生的影响,加上高分辨率影像的光谱信息不是很丰富,还有经常伴有光谱相互影响的现象,这对基于像素的分类方法提出了一种挑战,面向对象的影像分类技术可以一定程度减少上述影响。 本专题以ENVI中的面向对象的特征提取FX工具为

    2024年01月19日
    浏览(37)
  • MATLAB的无人机遥感数据预处理与农林植被性状估算实践

      在新一轮互联网信息技术大发展的现今,无人机、大数据、人工智能、物联网等新兴技术在各行各业都处于大爆发的前夜。为了将人工智能方法引入农业生产领域。首先在种植、养护等生产作业环节,逐步摆脱人力依赖;在施肥灌溉环节构建智慧节能系统;在产量预测和商

    2024年02月03日
    浏览(54)
  • 基于MATLAB的无人机遥感数据预处理与农林植被性状估算

    在新一轮互联网信息技术大发展的现今,无人机、大数据、人工智能、物联网等新兴技术在各行各业都处于大爆发的前夜。为了将人工智能方法引入农业生产领域。首先在种植、养护等生产作业环节,逐步摆脱人力依赖;在施肥灌溉环节构建智慧节能系统;在产量预测和商品

    2024年02月11日
    浏览(40)
  • 基于MATLAB的无人机遥感数据预处理与农林植被性状估算教程

    详情点击链接:基于MATLAB的无人机遥感数据预处理与农林植被性状估算 前言 遥感技术作为一种空间大数据手段,能够从多时、多维、多地等角度,获取大量的农情数据。数据具有面状、实时、非接触、无伤检测等显著优势,是智慧农业必须采用的重要技术之一。   第一:

    2024年02月16日
    浏览(24)
  • C++ GDAL提取多时相遥感影像中像素随时间变化的数值数组

      本文介绍基于 C++ 语言 GDAL 库, 批量读取 大量栅格遥感影像文件,并生成 各像元数值的时间序列 数组的方法。   首先,我们来明确一下本文所需实现的需求。现在有一个文件夹,其中包含了很多不同格式的文件,如下图所示。   其中,我们首先需要遍历这一文件

    2024年02月19日
    浏览(23)
  • python:使用Scikit-image对遥感影像进行梯度特征提取(gradient)

    作者:CSDN @ _养乐多_ 在本博客中,我们将介绍如何使用Scikit-Image来进行梯度特征提取(gradient),并且提供一个示例代码,演示了如何在单波段遥感图像上应用这些方法。 梯度特征是指用于表示图像中亮度或颜色变化的特征。它包括两个关键成分:梯度幅值和梯度方向。梯度

    2024年02月08日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包