搜索
重庆市秀山县土地利用分类过程与步骤一，遥感影像下载1、在图片“中国TM影像条带号”查自己所在县的行列号，其中秀山县为行编号40条带号126；2、打开地理空间数据云并登录3、高级检索：行政区：重庆市月份：五月、六月、七月数据集:Landsat4-5TM条带号：126行编号：40（注意：云量尽量小时间尽量新）4、下载影像并解压二、影像融合1、打开erdas，接下来步骤如下：（注意：在输入文件时，其中filesoftype选择TIFF;选择3,4,5波段并分别输入，不可同时输入)，然后点击OK。（注意：由于下载的TM4-5影像图精度已经很高了，故无需进行几何校正了）三、县图的矢量化—Arcgis中操作1、打开arcgis，在中国县区图中导出秀山县图（此处步骤略），2、投影转换。四、影像裁剪1、在erdas中打开一个viewer，打开文件，文件类型选择shapefile，如下图左所示，点击OK，单击秀山县地图，点击AOI，选择copeselectiontoaoi，然后点击file，save，saveaoilayeras，保存。输入秀山县的shapefile图输出所要存储的位置，并命名导入在erdas中融合的图像，然后点击确定2、aoi裁剪。选择，接着如下图所示：导入需要裁剪的影像，这里是第一次融合的图像选择刚刚保存的AOI图像，点击OK五、监督分类1、显示需要分类的图像，在这里是秀山县的影像图2、打开分类模板编辑器，如下图：3、调整分类属性字段（为了突出作用比较大的字段,需进行调整)此为裁剪出来的秀山遥感影像图4、获取分类模板（对于同一类地物用多边形绘制大概20个左右，用将其归为一类，再将黄色部分删除，生成一个新的综合的类，并将其命名，比如，如果是水体，就将其颜色赋为蓝色后面的分类同样的方法进行分类。）从1~14选中，默认黄色表示出来，按住shift，选择红、绿、蓝，然后点击apply打开县的影像图，选择工具绘制完一个多边形AOI之后,加载到分类模板属性表里用放大镜将图片放大，用多边形选择颜色相同的地物由于我的家乡的县的土地利用比较单一，基本上只能将其分成四类，即水体、建筑用地、林地、耕地。分类模板建好之后，将其保存，命名为“分类模板”。5、评价分类模板从分类模板中可以看出，分类效果还是比较满意的。6、执行监督分类（通过AttribueOption对话框，可以确定模板的哪些统计信息将被包括在输出的分类层中。）7、评价监督分类结果前四个勾选在Classifier里，过程如下打开监督分类结果，单击，然后点击原图像在图中找出对应的点，并在分类模板中找出对应赋的值，检查对应的点后，落在对应的区域赋相同的值在选中的30个图中，有3个是重新赋值了的12导出精度报告，由结果可知，对分类精度还是比较满意的五、分类后处理1、聚类统计。在图像解译里完成。目的是对监督分类结果产生的一些面积很小的图斑进行剔除。2、过滤分析是对经Clump处理后的Clump类组图像进行处理，按照定义的数值大小，删除Clump图像中较小的类组图斑，并给所有小图斑赋予新的属性值0。聚类统计结果如图所示3、去除分析（同上）过滤分析后结果如图此时的过滤分析是建立在聚类统计里面的六、实验报告总结1、根据精度评估报告知去除分析结果1、；分类的精度还是比较满意的。从土地利用情况来看，秀山县的土地利用主要是林地和耕地，将秀山县实际的土地利用总结如下：耕地；25.84%建筑用地：4.19%林地：49.22%水域：1.78%未利用地:18.13%秀山县实际的土地利用主要以林地和耕地为主，但由于秀山县属于武陵山区的一部分，以山地为主，故耕地呈现不规则分布，并且秀山县是一个很普通的县，建筑用地不到5%，加上遥感图像并不十分清楚，在进行监督分类时，影像图的像元颜色很多地方不均一，难以分辨，存在比较大的误差，难以区分未利用地与耕地。水域和林地的分类还是比较符合实际。2、心得与体会通过这次的作业，我学会了利用erdas简单地根据监督分类制作土地利用分类图，虽然做的不够好，但是我还是认真地、用心的去做了，感觉工作量不是很大，但依然花费了我整整两天的时间，这一点我还耕地：46.66%分类情况林地：51.11%建筑用地：2.22%水域：2.22%是会为自己点赞！尽管用心了，但是还是存在不足，分类不够准确。这一点是我在以后的学习中需要改进的，也希望我的工作成果能得到老师的肯定与鼓励。