3S综合实习报告.docVIP

PAGE \* MERGEFORMAT12 成绩 中国农业大学 实习报告 （2015学年夏季小学期） 报告题目： 3S综合实习报告 课程名称： 3S综合实习 任课教师： 段增强 刘忠 班　　级： 土资122班 学　　号： 1208140515 姓　　名： 张 舵 3S综合实习报告 一.研究区域概况及任务 本次实习区基本位于上庄镇范围内，处于北京市城市功能拓展区、中关村国家自主创新示范区的发展区，属于海淀北部的城乡结合部。就发展趋势看，海淀北部新区四镇以京包路为开口成马蹄形向东开放，上庄地处海淀新区规划发展的最前沿，南部地区位于海淀新城中部的核心区域，地理位置开放，区位优势明显。 本次实习各小组确定测量点后进行测量，之后各小组的测量点，分别进行图像的几何纠正、图像融合以及影像的解译。 二.数据来源 本次采用的为SPOT-5卫星拍摄的分辨率分别为2.5米（图1）和10米的图像（图2），2.5米分辨率图像由老师提供，经班长进行几何校正，10米分辨率图像为老师提供的原始图像。 图1 10米分辨率图像 图2 2.5米分辨率图像 三.技术路线和软件系统 本次实习使用ENVI5.1和Arc Map10.2进行，具体技术路线如下： 1.运用ArcGIS中Spatial Adjustment中转换方法进行仿射，对2.5米原始影像进行坐标点纠正。 2.通过ENVI进行先进行图像配准，再采用Gram-Schmidt方法进行图像融合，最后目视解译，进行监督分类，完成图像处理。 四.数据处理过程及结果 1.数据处理过程 1.1影像配准 1.1.1用ArcGIS的Spatial Adjustment对2.5米分辨率图像进行几何纠正，方法选择“仿射”，点击置换连接工具，单击被纠正要素上的某一个点，并且在基准要素上选择对应点，从而建立起一个置换链接。重复该步骤，至少建立三个链接。注意链接点选在要素特征点上，如拐角处，点位尽量均匀分布。 1.1.2加载两张图像，点中10米分辨率的图像，右键点击Change Bands，改变波段形成红、黄、蓝三色。（图3） 图3 改变加载图像波段 1.1.3在工具栏中点击Geometric Correction→Registration→Registration image to image选择2.5米分辨率图像为base图像（图4），10米分辨率图像为warp图像。 图4 选择2.5米分辨率为基准图像 1.1.4点击Ground control points selection→warp image选择10米图像，多项式次数为2，重采样方式为二次内插法，根据最小控制点数≥（多项式次数+1）2，控制点数选为35个。（图5） 图5 图像配准参数设置 1.1.5通过人工选点进行图像配准，选点时要注意不要找立交桥、楼房，避开阴影处，地势平坦的的交叉路口可以进行优先选择。（图6）最后通过选点，将所有点RMS（均方根误差）控制在1以内。（图7） 图6 人工选点 图7 将RMS控制在1以内 1.2影像融合 图像融合的方法有Brovey（红绿蓝替换法）、Gram-Schmidt法、HSV（色相饱和度亮度法）和PC（主成分分析法）。分别采用这四种方法进行影像融合如下： 1.2.1 Brovey（红绿蓝替换法） 点击Image Sharpening→Color Normalized，选择低分辨率影像为配准影像，高分辨率影像为全色2.5米分辨率影像（图8），得到融合后的影像。 图8 选择相关影像 1.2.2 Gram-Schmidt法 点击Image Sharpening→Pan Sharpening，选择低分辨率影像为配准影像，高分辨率影像为全色2.5米分辨率影像（图9），得到融合后的影像。 图9选择相关影像 1.2.3 HSV（色相饱和度亮度法） 点击Image Sharpening→HSV Sharpening，选择低分辨率影像为配准影像，高分辨率影像为全色2.5米分辨率影像（图10），得到融合后的影像。 图10 选择相关影像 1.2.4 PC（主成分分析法） 点击Image Sharpening→PC Spectral Sharpening，选择低分辨率影像为配准影像，高分辨率影像为全色2.5米分辨率影像（图11），得到融合后的影像。 图11 选择相关影像 1.3影像解译 1.3.1目视解译 目视解译主要是主要根据颜色、亮度、形状和纹理，目视解读调查区的主要地物类型。（图12） 图像类型颜色亮度形状纹理 农村 建设用地 白色、灰