ENVI遙感影像變化檢測

1、 1.森林開采監(jiān)測打開實習(xí)數(shù)據(jù)0-森林開采監(jiān)測下的實習(xí)數(shù)據(jù)。Compute Difference Map選擇basic tools/change detection/ Compute Difference Map,分別選擇原始的影像july_06與july_00,在彈出的Compute Difference Map inputparameters窗口下,查看define class thresholds,no change表示沒有變化,change(-1表示減少,change(+1表示增加;其他默認(rèn)選項不變,勾選normalize data range0-1,選擇輸出路徑與文件名為com_di

2、ff。 選擇classification/post classification/classification to vector,在輸入圖層中選擇上一步生成的結(jié)果,彈出窗口中選擇全部,保存路徑生成結(jié)果,轉(zhuǎn)化為矢量。(由于耗時過多,故可以不做Image Difference打開ENVI Zoom 4.8,將原始的影像導(dǎo)入到其中,在ENVI Zoom窗口下的toolbox 中選擇image change,彈出image change detection的對話框,將time1classification image file選擇為00年影像,點擊OK,time2 classificationima

3、ge file中選擇06年影像數(shù)據(jù),點擊OK,選擇下一步,保持默認(rèn)設(shè)置,選擇下一步,選擇image difference,選擇下一步,選擇difference of 3.耕地變化監(jiān)測Change Detection StatisticsThematic Change首先加載兩幅影像ag_08_maxlike.img,ag_09_maxlike.img,觀察影像信息,我們發(fā)現(xiàn),其中黃色的是休耕地,綠色的是有農(nóng)作物覆蓋的農(nóng)田農(nóng)田,黃褐色的是留茬地,藍(lán)色是水體,灰色是裸巖。操作:Basic ToolsChange DetectionChange Detection Statistics,首先選擇08

4、年數(shù)據(jù),然后選擇09年數(shù)據(jù),因為兩幅影像的分類名稱一致,系統(tǒng)會自動對應(yīng)。點擊ok。在change detection statistics output中選中pixels、percent、area,選擇掩膜輸出,選擇保存位置。生成統(tǒng)計結(jié)果,選擇area選項,在option中選擇單位變換為square km。打開ENVI Zoom,把08和09年的數(shù)據(jù)加載進去,與前面一樣,也可以利用Portal進行查看兩個年份的土地覆蓋類型的變化,另外,點擊crosshairs,移動鼠標(biāo)可以查看兩個年份是否發(fā)生了土地類型的變化;點擊crosshairs,移動鼠標(biāo)可以查看兩個年份是否發(fā)生了土地類型的變化。Tool

5、boxworkflowsThematic Change,分別輸入兩個時相的影像數(shù)據(jù),接著點擊Next,然后進行結(jié)果影像進行平滑和聚類處理,平滑處理的參數(shù)與上面一樣,設(shè)置為3;聚類處理的參數(shù)設(shè)置為5。把結(jié)果影像和統(tǒng)計結(jié)果輸出。 圖1 圖2將影像在zoom中生成結(jié)果后如上圖2所示,影像上紅色區(qū)域變化加大,表示的是兩幅影像時間差之間被砍伐的森林區(qū)域,占大部分的面積,藍(lán)色部分表示該時間段內(nèi)植被增長的區(qū)域,但是面積相比較被砍伐的區(qū)域來說小很多,黑色部分是代表沒有變化的區(qū)域。在arcmap中將最后結(jié)果輸出,如下圖3所示,很清楚的可以看清楚紅色表示00年到06年植被大量減少的區(qū)域,綠色表示植被增加的區(qū)域,淺

6、綠色表示植被覆蓋沒有發(fā)生變化的區(qū)域。 圖3 Arc map制圖輸出結(jié)果2、林地病蟲害遙感動態(tài)監(jiān)測圖4 ndvi影像如上圖4所示,分別是2002年與2007年經(jīng)過NDVI計算的影像,從上面的影像中可以清楚的看到2007年的NDVI影像上有些區(qū)域變成了灰色,也就是植被收到病蟲害的區(qū)域,NDVI影像上亮度很高的植物量表示很大。 圖5如上圖5所示,前者為未經(jīng)過Density Slice處理的結(jié)果,后者為經(jīng)過Density Slice處理的結(jié)果,在最后生成的結(jié)果中(圖5中右圖綠色表示植物被破壞嚴(yán)重區(qū)域,這種區(qū)域面積很大,而紅色的斑點區(qū)域都是破壞嚴(yán)重程度一般的區(qū)域,這種區(qū)域占面積不很大,只有不大的區(qū)域,藍(lán)

7、色區(qū)域表示的是基本沒有發(fā)生大變化的地方。3、耕地變化監(jiān)測Area (Square Kmg_fields s_field B_soil water b_ground R_Total C_Total Unclassified 0.00 0.00 0.00 0.00 0.00 0.00 0.00 green fields 676.28 365.15 276.10 0.68 50.40 1368.61 1368.61 S_field 92.23 114.28 73.91 0.01 20.24 300.67 300.67 B_soil 49.57 90.61 491.67 1.30 249.44 882

8、.58 882.58 water 0.32 0.62 0.53 340.42 0.71 342.60 342.60 B_ground 2.99 11.01 31.04 0.72 1559.79 1605.54 1605.54 Class Total 821.38 581.66 873.25 343.11 1880.59 0.00 0.00 C_ Changes 145.10 467.38 381.59 2.69 320.79 0.00 0.00 I_Difference 547.23 -281.00 9.32 -0.51 -275.04 0.00 0.00表1橫向表示的是08年的各土地類型的面

9、積數(shù)據(jù),縱向的是09年各土地類型對應(yīng)的面積,比較橫坐標(biāo)與縱坐標(biāo),發(fā)現(xiàn)08年的stubble field在09年有90.61Km²變成bare ground/rock。Class Total行表示08年每個類別中的總面積,Class Total列表示09年每個類別中的總面積, Class Change表示的是對應(yīng)類別改變?yōu)槠渌恋仡愋偷拿娣e;Image Difference表示的是08和09年同種地物面積的差值。對角線上08、09 沒有發(fā)生變化的,非對角線上的發(fā)生變化,對列方向最終年份的統(tǒng)計。 圖6如上圖6所示,每種顏色分別代表一種變化類型,如green fields變化成stubbl

10、e field就有一種顏色表示,而影像中大部分的黑色代表地物類型沒有變化的區(qū)域。下圖為arcmap出圖結(jié)果,從圖中可以更好的看清楚結(jié)果。 存在問題與解決辦法 1、此次實習(xí)雖然內(nèi)容并不復(fù)雜，但是中間過程比較多，需要認(rèn)真一步接一步進行，需 要搞清楚每一步的目的與原理，否則會將參數(shù)設(shè)置錯誤，導(dǎo)致結(jié)果發(fā)生錯誤。 2、林地病蟲害遙感動態(tài)監(jiān)測最后在進行 Density Slice 處理時，需要設(shè)置 一個閾值，是對影像的拉伸窗口的工具中進行的，不知道這個拉伸世道什么程度就好，是要 將手病蟲害的區(qū)域拉伸凸顯出來為止嗎？也不知道這一步究竟為什么要這樣做， 做到怎么樣 的程度才是好的效果，只是根據(jù)自己的理解將手病

11、蟲害區(qū)域拉伸，取其值-0.512。 3、本次操作需要使用到 ENVI Zoom 4.8 工具，由于以前也沒使用該工具，所以第一次 使用有些難度，但總體感覺跟 ENVI 還是有一些相像的，但為什么一定要到 ENVI Zoom 4.8 中處理而不是在 ENVI 中使用呢？ 4、對影像進行自動配準(zhǔn)不是很了解，包括其原理、參數(shù)設(shè)置，在什么樣的情況下才能 進行自動配準(zhǔn)， 這個算法是怎么實現(xiàn)的， 那可不可以之前的影像配準(zhǔn)都使用自動配準(zhǔn)？是不 是進行自動配準(zhǔn)還有什么條件？ 總結(jié) 1. 根據(jù)這次實習(xí)，深刻理解變化檢測的分類和實習(xí) 8 中的分類有何差異； 本次實習(xí)的變化檢測當(dāng)中的分類是程度分級，閾值是由人為確定

12、的，而 實習(xí) 8 中的監(jiān)督分類是對客觀地物的分類， 監(jiān)督分類實在先驗知識的條件下 進行分類的，而非監(jiān)督分類是由計算機直接利用影像的光譜特性進行分類 的，沒有先驗知識的參與，沒有人為干預(yù)自動化程度很高。 2. 理解歸一化差值植被指數(shù) NDVI，NDWI 歸一化差值水體指數(shù)，NDBI 歸一 化建筑指數(shù)和 Burn Index 燃燒指數(shù)的概念及其意義； 歸一化差值植被指數(shù) NDVI 是利用近紅外波段的 DN 值、 輻照度或者反 射率參數(shù)等觀測值與紅光波段的各類觀測值進行的對植被的生長狀態(tài)及覆 蓋程度的最佳指示因子， 并且 NDVI 可以部分消除太陽高度角、 衛(wèi)星觀測角、 地形、云/陰影和大氣條件有關(guān)的輻照度條件變化等的影響。 歸一化差值水體指數(shù) NDWI 是基于綠波段與近紅外波段的歸一化比值 指數(shù)。該 NDWI 一般用來提取影像中的水體信息，效果較好，但對有較多建 筑物背景的水體效果會差， 主要用來研究植被的含水量。與 NDVI 相比,它能 有效地提取植被冠層的水分含量;在植被冠層受水分脅迫時,NDWI 指數(shù)能及 時地響應(yīng),這對于旱情監(jiān)測具有重要意義。