对于一个阶段的实习来说，实习总结的撰写是必不可少的。这不仅是学校的硬性要求，也是更大程度拓展实习收获的方式之一。然而，很多人并不明白如何撰写实习总结，今天小编给大家找来了《遥感综合解译实习报告》，欢迎大家借鉴与参考，希望对大家有所帮助！
第一篇：遥感综合解译实习报告
遥感技术在生态环境监测和综合评价中的应用
摘要：近年来，世界各国都在大力发展环境遥感监测技术，并且取得了突破性进展，遥感技术在生态环境监测和综合评价中的作用已经得到国际社会的高度重视与认可。尽管如此，全球化的环境问题依然呈现日益突出的现象，环境事故与环境灾害频繁发生，尤其是我国的生态环境，在未来的社会发展中，我国还必须要面临着严峻的监测任务，因此对于在生态环境监测与综合评价中发挥重要作用的卫星遥感技术有着迫切的需要。
关键词：遥感技术;生态环境监测与综合评价;应用
前言
1972 年美国发射成功第一颗地球资源卫星，通过资源卫星人类获取了大量有关地球表面的卫星图像，而从这开始，集合了电子、光学、空间、生物学和地学等学科领域的最新成就的遥感技术很快在世界范围内得到了迅速发展和广泛应用，如今遥感技术提供的数据空间分辨率已经从公里级发展到亚米级，重复观测频率也已经从以前的月周期发展到如今你的几小时，且光谱波段跨越了可见光、红外到微波， 光谱分辨率也从多波段逐步发展到超光谱，已经成为现代高新技术领域的重要组成部分，且遥感技术在生态环境监测与综合应用中发挥着重要作用。由于传统的生态环境监测与综合评价依然是以人工调查方法为主，但这种调查方法耗资大、周期长，不能够及时、准确反映环境变化的信息，而遥感技术就能够解决这些难题，因此在未来的生态环境发展中，遥感技术将会成为中坚力量。
一、遥感技术简介
遥感技术(简称RS)是指从远距离感知目标反射或者是由自身辐射出去的可见光、红外线结目标、电磁波等进行识别和探测的一种技术，并且在人造地球卫星发射成功后，遥感技术的得到了迅速的发展。例如航空摄影就是利用遥感技术进行目标拍摄。遥感技术种类比较多，按照利用的电磁波光谱段的分类标准，可以分为微波遥感、热红外遥感以及可见反射红外遥感三种，按照遥感平台的高度，又可以分为航空遥感、航天遥感和地面遥感三种。目前遥感技术主要由获取信息、传输信息、存储和处理信息等环节组成，遥感技术的系统核心是遥感系统，而获取信息的遥感器是遥感系统的核心组成部分。遥感器的种类比较多，例如多光谱扫描仪、电视摄像机、照相机、成象光谱仪、合成孔径雷达以及微波辐射计等，完成信息传输的设备是将遥感器获得的遥感信息从远距离平台传输到地面站，信息处理设备主要包括图象判读仪、彩色合成仪以及数字图象处理机等。
二、遥感技术在生态环境监测和综合评价中的应用
(一)遥感技术在水质监测与评价中的应用
在水质监测方面，遥感技术主要是利用污染水与清洁水的反射光谱具有不同特征为基础。清洁水的遥感影像颜色一般比较暗，尤其是在红外谱段上更加明显，当前陆地卫星的MSS、SPOT卫星的HRV数据以及TM影像数据都是在水质监测中通常使用的遥感数据，监测效果非常好。例如在监测水体石油污染时，由于石油膜表面比较平滑、致密，发射率低于水体但反射率也比水体高，石油和水体在光谱特性上有明显的差别，因此在遥感监测中，可以利用多种方法进行监测，可以利用海水与油膜在微波波段的发射率不同或者是利用微波辐射法测量它们的亮度、温度等，都能够分开石油和海水。又如监测水体富营养化程度时，由于水体发生富营养化的一大明显特征就是水体里具有大量的浮游植物，而这些浮游植物使得使得水体具有水体和植物共同的反射光谱特征，即在可见光波段，富营养化水体的反射率较低，而在近红外波段，富营养化的水体反射率就比较高，当在彩色红外图像上时，富营养化水体一般呈现出紫红色或者是红褐色现象。因此，我们可以通过对水体中悬浮物质的数量、叶绿素含量等进行调查，以准确监测水体富营养化的程度。利用遥感技术可以实现对水体环境的动态监测，当水体环境受到污染时，可以利用建立的监控系统与监控网络发出预警，并且显示出水体环境被破坏的不良发展趋势，从而为相关部门评价水体污染程度而采取措施提供有力依据。
(二)遥感技术在大气监测与评价中的应用
在进行大气环境监测时，主要是利用大气遥感传感器对大气的状态、结构以及变化进行监测。且所利用的电磁波谱主要是近紫外线到红外线范围、微波范围。大气传感器的主要监测对象是大气中的二氧化碳、甲烷、二氧化硫以及气溶胶、有害气体，由于遥感技术无法直接识别这些物质的三维分布，因而可以通过测量大气的吸收、散射以及辐射的光谱，从而识别出这些物质。目前用于大气环境监测的遥感技术分类标准不一，按照遥感平台的不同，大气环境遥感监测可分为地基遥感、空基遥感;按照电磁波辐射源的不同，又可分为主动式遥感技术和被动式遥感技术两大类。例如在进行大气气溶胶监测时，由于大气中的气溶胶粒子来源比较复杂，而且气溶胶本身不仅是污染物，还携带了许多有毒、有害的物质，因此通过监测大气中气溶胶物质的分布状况就能够推算出大气的污染程度。
(三)遥感技术在生态植被监测与评价中的应用
自然生态环境的最好标志之一就是植被的生长状况，如今随着遥感技术的不断发展，遥感技术能够对植被的叶面积指数、合作用吸收和辐射、种类成分、化学成分等进行放射数据测定，因而遥感技术已经成为确定一些大型植被与生物物理、生态学参量之间关联性的一种有利工具。目前，，SPOT数据、NOAA/AVHRR数据以及LANDSAT/TM数据在生态环境遥感监测方面的利用面非常广，其TM数据具有覆盖面积大、空间分辨率高的优势，对于植被比较敏感，NOAA数据具有成像面积大、时空分辨率高，、基本不受地理条件限制、成本低等优势，因而这两项遥感技术深受人们的喜爱。通过利用遥感技术对植被生长状况的监测，可以为相关部门提供评价当地生态环境的依据，从而采取有效的生态环境保护措施。
结语：
综上所述，遥感技术在生态环境监测与综合评价方面发挥着越来越重要的作用，并在未来中，随着科学技术的不断发展，各种学科的互相融合，遥感技术定会获得更进一步的发展，其将会为人们提供更为有利的监测技术，保护人类社会与自然社会的和谐发展。
参考文献：
[1]魏伟，石培基，周俊菊，颉斌斌，雷莉.基于GIS和组合赋权法的石羊河流域生态环境质量评价[J].干旱区资源与环境.2015(01)
[2]唐国滔.基于GIS的广西北部湾经济区生态系统服务价值评估[D].广西大学.2012
[3]肖明.GIS在流域生态环境质量评价中的应用[D].海南大学.2011
第二篇：遥感实习报告
开始作图。
3实训体会
本次实习总共四天的时间，主要内容是学会使用VirtuoZo NT系统。在这四天的实习过程中，我们学会了很多，掌握了很多以前所不了解的，但是也遇到了很多的问题。在最开始的时候，对实习的内容以及软件都不了解，不知如何下手，而在经过老师的亲自一步一步操作示范给我们看的时，虽然没有完全掌握，但是之后在老师和同学的帮助下，都一步步顺利的完成了。在本个实习中，我不仅学会了VirtuoZo NT系统的使用，在VirtuoZo NT系统中进行模型定向、影像匹配、生成DEM及正射影像的制作、数字影像测图等。
分析我自己做的成果，再与老师所做的进行比较发现，我所处理的结果误差明显偏大。究其原因，乃是对立体观测切准地物的各种方法和技巧不熟悉所至。可喜的是，经过数小时的训练，最终的准确度有明显提高。
由于经验不足使我在操作上有些盲目既不知道自己操作的对错也不知道打到什么位置最好。
在考试的时候我对打高程点还是不清晰，努力让自己沉静下来让自己找到感觉，然后慢慢的开始打点，找到感觉后就开始打点。点的高程慢慢的打对了。
实习中多亏了同学们的帮助，老师的指导，加上多次的练习我会了VirtuoZo的大概操作。知道了VirtuoZo的作用。 这次实习内容丰富，使我学到了不少东西。它不仅让我认识到了Virtuozo的各种功能和工作流程及部分原理，还让我对数字摄影测量数据获取有了更深刻的了解。同时也使我对数字摄影测量课程有了一个整体的概念。
第三篇：微波遥感实习报告
《SAR影像解译与计算机分类》
实习报告
学
院:
班
级:
学
号:
姓
名:
实习地点:
指导教师:
1. 实习目的和要求
认识不同极化方式下的SAR图像，分析不同极化方式下SAR影像的图像特征，在此基础上选择合适波段显示组合，选取适合样区;
了解面向对象思想，在e-Cognition设置合适尺度对选择样区内典型地物进行分割，基于分割所得的单元数据层实施规则集分类。
2. 实习内容和形式
1.全极化SAR图像影像特点认识 浏览不同极化方式下的SAR图像，分析极化方式对典型地物的影像表现影响。分析道路，桥梁，建筑物，林地，水体等典型地物的后向散射特性，以及这些地物在SAR影像上的辐射特征，获得最适合分类的极化波段组合。 2.面向对象分类
在最优波段组合方式SAR下，利用e-Cognition的规则集分类模块，选取对应地物样区，在10~300间尝试分割，并选择最优分割尺度的对象单元进行规则集分类。
3. 实习步骤
3.1 图像显示及图像特点分析
使用ERDAS软件读取并显示不同类型的SAR数据，对SAR图像的几何和辐射特点进行分析和比较，了解斑点噪声，找出典型的几何特征(透视收缩、叠掩和阴影)，搜寻虚假现象，并与光学图像进行比较和分析，综合利用各种SAR图像增强处理方法，提高SAR图像分析效果。
3.1.1 几何特征
SAR是主动式侧视雷达系统，且成像几何属于斜距投影类型。它与中心投影的光学影像有很大的区别。，其固有的特点表现在斜距显示的近距离压缩、透视收缩、叠掩、阴影及地形起伏引起的影像移位 近距离压缩：雷达相对于等效中心投影的变形与角度有关。近距离变形大，远距离变形小。因此，越靠近星下点位置，地物被压缩的情况就越严重。在斜距显示的图像上，两地物目标之间的距离都缩短了，近距端( 雷达波束照射地面距雷达近的一端) 要比远距离端缩短得更多，这是雷达构像的几何特性所决定的。而在地形起伏较大的地区，迎坡面的近距离压缩会更加突出，背坡面会出现远距离拉伸现象。 透视收缩和叠掩：地距大的地物目标的斜距等于地距小的地物目标的斜距，会使多个地面点在像平面上表现为一个像素，形成叠掩，叠掩区在图像上会呈现出高亮色调。当坡度大到一定程度时，甚至会出现近端地面点成像在远端地面点之外，形成顶底倒置现象。 阴影：当雷达波束受高大地物目标阻挡时，位于高大地物目标背面无法接收到电磁波信号，因而也就不会形成雷达回波，故在雷达图像的相应位置上出现暗区，形成阴影。 虚假现象：多路径散射的结果，同一地物有多种成像路径，从而在影像上出现多个成像，另一原因是因为物体本身具有的速度产生多普勒频移，使得成像坐标与速度为零的情况下的成像坐标产生偏移。
3.1.2 辐射特征 雷达图像的辐射量是地物对微波散射在图像上的反应，其图像质量主要取决于雷达系统的工作参数( 波长、入射角和极化方式) 和地域参数( 地表粗糙度和地物复介电常数) 。 斑点噪声：斑点噪声的生成，通常是因为相邻地物干涉信息造成，在影像中一般体现为面目标中，明亮相见的点。斑点是与噪声类似的影像特征，由雷达或者激光等连贯系统所产生的。因地物或者地物表面对雷达或者激光等电磁波后向反射的干扰，斑点在影像上呈现出随机分布的特点。 影像灰度：图像亮度代表后向散射强度。像元内表面越粗糙，后向散射越强。光滑表面镜面反射，后向散射很弱。后向散射强度与散射体的复介电常数有关，含水量越大，后向散射越强
3.2 典型地物的影像特点分析
根据课堂教学理论知识，对典型地物-道路、桥梁、建筑物和林地进行图像特点的分析。首先解译出典型地物，然后从不同方面对地物的图像特征进行描述和总结，形成典型地物图像特征表,如果有相应地区的光学遥感影像，将两种数据进行综合分析，提高SAR图像的解译能力。 植被：影响植被回波的主要因素有含水量、粗糙度、密度、结构、位置、种类以及雷达波束的方向等。高大植物以体散射为主，在图像表现为颗粒状;矮小植物表面则较平滑。一般HH极化方式的得到的回波强于VV极化。
水体：雷达波对水体比较敏感，平静的水面可产生镜面反射，在图像上表现为深色调。对河流而言，由于受自然地形的影响，表现为不规则形状。另外，波段、极化方式和雷达波束方向对河流的识别也有一定的影响，例如X 波段同极化图像上河流形态清晰，P 波段全极化图像表现略差。当雷达波速与河岸具有一定夹角时，会产生角反射效应，表现为河流两岸较亮，而中间这是黑色;当两者平行，河流表现为暗色。
道路和桥梁：道路由于其材质、表面粗糙度的不同而有着不同的表现。当道路两侧有干沟、金属护栏、护坡或隔离绿化带时，道路两边会有亮边出现。桥梁，容易产生角反射器效应，形成强回波，在暗色调的河流背景下非常明显。
建筑物：单独的房屋建筑由于4个侧面和顶面总是有两面能受到雷达波束照射，侧面与地面可能形成角反射器，平顶建筑物屋顶大多形成镜面反射，在雷达波照射方向表现为一条细线或一亮点( 与建筑物大小和分辨率有关) ，房屋的另一面无雷达回波，在图像上显示为黑块状( 阴影) 。
土壤：土壤的散射特性主要与入射角，地表粗糙度，含水量等有关。 3.3 SAR图像计算机分类
利用易康软件对SAR图像进行计算机分类，实验多种分类方法，比较分类结果，研究提高分类效果的方法，对分类结果进行分析和总结。
分类步骤：
预处理：由于SAR图像噪声较多，故利用ERDAS的Convolution模块对图像进行3*3窗口低通滤波，得到去噪后的图像。
1.多尺度分割。打开易康软件(规则集模式)，建立工程并导入图像后，在Process Tree
中右键点选
Append New，选择Segmentation->multiresolution segmentation(多尺度分割),在右边参数设置界面将Scale Parameter设置为合适的值。运行该规则，得到新的分割图层。其他参数包括layer weights(图层权重)、shape和compactness(形状因子)根据需要设置。此处分割的尺度设置为240。
图1 分割的规则集
上述图示中第一行展示了多尺度分割的相关参数，分割尺度240，形状参数shape和compact分别为0.1和0.5。
2.建立类别。在Class Hierarchy窗口右键Insert Class，定义地物类别。本次实习，建立了5种类别，包括农田
1、农田
2、林地、道路(田垄)和水系。
图2 定义类别
3. 在Feature View视窗选择合适参量，建立分类标准。在Image Object Information双击新增的SeaReflection特征栏，即可在图像视窗看到类别的显示效果。调整参数的范围，使得绝大多数属于该类别的地块被划分到该类别之内。在Process Tree视窗右键Append New建立类别规则，Algorithm选择assign class来定义类别特征。
图3 特征窗口 图4 图斑特征参数值
4. 对于少量小图斑中的地类混杂情况，可使用手动编辑工具快速调整。对图斑进行分割，对分割后的子块手动赋予类别。有少量未分类的地物可以通过手动方式添加类别。
图5 手动修改前 图6 手动修改后 5.地物分类完毕后，菜单栏Export → Export Results即可将分割所得各类别的矢量图层逐类导出。
4.实习结果及分析
4.1 图像解译结果及分析 4.1.1 透视收缩
图1 距离成像方式，如果山比较平缓，则雷达的波束先达到距离较近的山底，后达到山顶，则会形成透视收缩。图像上山的坡长要短于实际坡长。 4.1.2 叠掩
图2 叠掩现象
山的坡度较大的时候，易形成叠掩现象。有的地物被覆盖，甚至出现顶底倒置现象。 4.1.3 阴影
图3 阴影
在高程起伏较大的区域，在与雷达方向相反的地物一侧，会有阴影出现，地物成像显示为暗像元。 4.1.4 虚假现象
图4 虚假现象
由于地物的反射散射或多路径散射的原因，可能会导致图像上出现虚假的目标。如图所示的桥梁，由于多重散射的原因，出现了多个虚像。 4.1.5 斑点噪声
图5 斑点噪声
如图所示的图像中，由于雷达成像的周期性导致出现的亮和暗信号相间的像元，即斑点噪声。 4.1.6 水系
图6 水体
雷达波由于会在水体的表面发生镜面发射，因此回波信号很弱，表现为暗像元。上图中不规则暗条带即代表水体。 4.1.6 建筑
图7 建筑
建筑物形状一般比较规则，且和周围地面形成角反射器，这是建筑物识别的最基本特征。
4.1.7 道路和桥梁
图8 道路和桥梁
道路和桥梁易于和周围地物构成角反射器。桥梁一般反射很强(硬目标)，且会形成多路径散射导致的虚像。这些使道路和桥梁的识别更简单。 4.2 SAR图像分类结果及分析 4.2.1 图像去噪
图1 3*3低通滤波后的图像
相对于原图像，滤波后的噪声点减少很多，同一地物块内的像元值显得更均匀，地物本身的信息更清晰地展现出来。可以基本确定影像中存在的几种主要地物类型：农田(2种)，道路，水体，林地。 4.2.1 特征定义
图 自定义的特征[band2-band1]
图 自定义特征[band2-band3] 通过观察图像的特征，其波段灰度值是最明显的反映地物差别的参数。
而农田区域也有其独特的灰度特征。农田主要有两种类型，波段灰度直接来看差别不大，因此这里采用了波段间差值作为判断依据的方法。
图 规则集
如上图所示，经过多次试验，当[band2-band1]在[0,13]之间的时候，在图像中显示为绿色的农田1能够大部分被提取出来。当[band2-band1]和[band2-band4]均为负值的时候，农田2能够提取出来。
此种规则不足的地方在于有一些林地区域(图像左上角部分)被错分为农田，因此需要后续做修正。
道路的分割提取采用了Density(密度)特征参量，显而易见的是，道路区域的密度值在三个波段均为0.82以下的值。(少部分混合图斑除外)基于此，可以做出道路的初步划分。
林地区别于其它地物的非常独特的一点在于其纹理，此处采用Max.diff参量作为提取的标准，Max.diff>0.075的部分将其作为林地。由于时间关系，没有做更多的尝试，阈值的设置不够合理，没有能加入多个参量的综合考量，因此林地的计算机分类效果并不令人满意。
水体在道路的分类当中被分类为道路，因此需要将其提取出来。观察其波段的灰度值可以发现，其各波段灰度均在80以下，可以利用这一标准将水体从道路中分离出来。
依次运行规则之后，需要对部分错分和漏分的图斑进行手动修改，最终分类效果图如下。
图 分类结果
如上图所示，基本的几种地物包括道路(田垄为主)，水体、农田和林地，能够大致准确分类，2类农田之间的区分大部分都是正确的，可见分类的规则是有效的。
不足的地方在于，道路与周围农田的图斑很多混杂在一起，被错分为农田的的情况相当严重，不得不进行图斑的分割和重定义。林地有少部分被错分为林地，可见林地的分割需要更具有有效性的的特征和标准。
经过上述规则集运行之后，仍有个别的图斑未被分类，经过观察和目视判断，采用手动分类进行了调整。
综上所述，e-Cognition面向对象的分类方法相比于其他像素级别的分类算法具有许多明显的优势。其优越性主要体现在地物的空间特征和纹理特征均纳入考量，且规则集的运行的顺序可以带来不同的效果。在考虑多个特征参量的情况下，又可以从大类中提取小类，做更细的划分。根据经验知识，操作者能够自定义一些特征，来实现更好的分类效果，这是其独特的优势。 当然，其不足的一点在于人工操作的成分依旧相当之大，在建立规则划分类别的时候，仍需要以经验知识为基础，进行大量的尝试和对比，才能得到较合理的分类结果。难以做到真正的计算机自动分类。
第四篇：遥感图像处理实习报告
《数字图像处理》
集中实习报告
(2015-2016学年第2学期)
专业班级：地信1302 小组成员：曹晓东、傅文青、蔡雳鹏、黄亚阳
评语:
实习总成绩:
指导教师签名:
2016年04月01日
项目一：遥感数据下载
一、 实习时间及地点
实习时间：2016年03月21日至04月22日 实习地点：测绘学院四楼微机室
二、 实习内容
(一)、选定实验研究区和相关的两期或多期的数据
(二)、遥感数据下载
三、任务分工
首先小组内讨论实习研究的区域以及两期数据的大致时间段间隔 数据下载和图像增强：曹晓东 遥感图像镶嵌和裁剪：黄亚阳
遥感图像监督分类和动态监测：傅文青 遥感影像专题地图制作综合：蔡雳鹏
四、实习过程
1 研究区及数据准备
1.1 实验研究区筛选
从包含的地类、地物的种类尽可能的多的角度进行选择
2 选择研究区影像的时间段
2.1 选取的多大的时间跨度比较合适，可以使两期的影像较为明显
3 在http://glovis.usgs.gov/ 下载区域数据
3.1 首先确认所用电脑是否安装有Java的JRE环境或者Java开发者工具包
3.2 在USGS的官方网站上注册上自己的账户
3.3 按事先选择的区域和时间间隔进行筛选，选择适合的时间段(尽量不少于
4、5年)
3.4 先去地理空间数据云网站去搜索好需要下载的时间段的地理数据，并按指定的云量进行筛选，然后记住相应的数据标识、条带号、行编号、中心经纬度等等，后到USGS的官方下载标准的数据包。如图所示：
3.5 针对网速的波动时间段，选择合适的时间段去下载实验区的数据(网速太慢的话只能回宿舍尝试自己的校园教育网)
五、实习总结
通过这次初步下载卫星遥感数据，让我个感觉自己进入了一个崭新的领域。还了解了通用遥感数据的下载流程，以及这些编号的基本含义，并且查了landsat卫星不同波段的不同用处，band1-band5和band7的空间分辨率为30米，band6的空间分辨率为60米还了解到了2003年Landsat-7的SLC故障后，采集的数据需要采用SLC-off模型校正。通过自己手动下载这些数据，深刻的体会到论坛的一些大牛说的有什么不懂的地方就查那些官方的文档，真的是这样。那就好像是自己小时候的玩具说明书，告诉你怎么样用，怎么样玩的更流畅。总之，第一次自己找并用数据的实习，刚开始就学到了很多东西。
项目二：遥感影像增强滤波处理
一、 实习时间及地点
实习时间：2016年3月23日 实习地点：测绘学院四楼微机室
二、 实习内容
(一)、针对已有的遥感影像的特征选择合适的影像增强方法
(二)、分别对已有的不同时期的影像进行规范化增强处理，选择合适的波段进行RGB合成图像，使影像范围内下垫面地物容易识别与提取。
三、 任务分工
如项目一的任务分工所述
四、 实习过程
1. 将下载的7幅图像在basic tools下拉菜单的layer stacking(堆处理)中进行图像融合，如图所示，
再选择对应的坐标系，命名新文件并存入指定的文件夹。 2. 然后在transform选项卡中分别选择principal componentsforward PC rotationcompute new statistics and rotate和NDVI进行 主成分变换和NDVI增强。 3. 最后进行波段相关性分析，在basic tools选项卡中选择statistics compute statistics项，看方差、直方图等分析数据，选择相关度最相近的三个波段，按假彩色合成的的方法来进行RGB色彩和成。成果如图：
五、实习总结
每个滤波处理都有自己的优势和不足，我们要善于利用每一种滤波的优势来增强图像从而让遥感图像变得更加分明，易读。虽然软件操作就那么几步，甚至一两个按钮搞定的事情，但是我们还是学习过处理原理的。觉得这样好像在这个软件处理数据的时候我可以假想电脑是怎么处理它的。这样可以让自己的思路更加明朗清晰。通过这次的实习也让我们意识到，前辈们的高超技艺，将纷繁的算法集成于一个小小的按钮便可以完成的事情。无意间增强了我们学习编程二次开发的信心和决心。
项目三：遥感图像镶嵌
一、 实习时间及地点
实习时间：2016年3月24日 实习地点：测绘学院四楼微机室
二、 实习内容
在实际操作中掌握遥感影像处理知识，学会对遥感影像的相关处理工作。
三、 任务分工
如项目一的任务分工所述
四、实习过程
基于地理坐标的镶嵌操作：
1.打开ENVI软件，将两幅郑州遥感影像图导入Available Bands List中。 2.在ENVI主菜单Basic Tools菜单中选择Mosaicking→Georeferenced，打开Map Based Mosaic窗口。
3.在Map Based Mosaic窗口中选中Import→ Import Files，加载需要进行镶嵌的影像数据。
4.加载完图像后，选中一幅图像，点击右键，选择Edit Entry，打开Entry窗口，将Data Value to Ignore改为0，羽化距离设置为10，将参考图像选为Fixed，其它图像全为Adjust。
5.在Map Based Mosaic窗口中选择File→ Apply，打开Mosaic Parameters窗口，将重采样改为三次卷积内插法(Cubic Convolution)，像元大小设置为30米，输出影像mosaic.img。
五、实习总结
通过此次镶嵌实验练习，在实验的过程中不断的遇到问题并且解决问题，学习了邻近影像之间的匹配镶嵌，认识了一些关于镶嵌处理的方法，为今后的影像处理奠定了一定的基础。
项目四：遥感图像裁剪
一、 实习时间及地点
实习时间：2016年3月25日 实习地点：测绘学院四楼微机室
二、 实习内容
1.掌握用矢量裁剪遥感图像的原理方法; 2.熟练掌握有关遥感图像软件的性能和操作。
三、 任务分工
如项目一的任务分工所述
四、实习过程
1.在ENVI主菜单点选Fileopen image file，打开待裁剪影像。
2.在ENVI主菜单点选Fileopen vector file，打开用arcgis软件中做好的郑州面要素文件来裁剪遥感影像图。
3.在弹出的Available Vectors List 对话框中，点击File Export Layers to ROI，弹出select data file to associate with new ROIS 对话框，在此对话框中选择待裁剪影像，点OK，将导出的EVF矢量文件转换为ROI。
4.在弹出的export evf layers to ROI对话框，点选：convert all records of an EVF layer to one ROI„，点OK。
5.在ENVI软件主菜单Basic Tools下拉菜单选择Subset Data via ROIs，用ROI对融合后的影像mosaic2.img进行裁剪，最后得到裁剪的图像。
五、实习总结
通过对ENVI软件的不断熟悉和操作，让我学到很多，ENVI作为对遥感学习的初步入门软件，熟练地掌握是必须具备的技能，在实验中，我遇到了很多困难，看到很多未知的，不解的知识，还有自己原先掌握的知识的困惑，通过与同学的交流学习解决其中的困难。知道了如何对一副遥感影像图进行裁剪，更加熟悉掌握了ENVI软件。 项目五：遥感图像的计算机自动分类及精度评价
一、实习时间及地点
实习时间：2016年3月25日和03月28日 实习地点：测绘学院四楼微机室
二、 实习内容
(一)掌握遥感图像监督与非监督分类的基本原理;
(二)得到给定区域内每一地类(农用地、建设用地、水体、不透水表面等)的面积;
(三)掌握对分类结果进行精度评价的方法;
(四)掌握相关软件的操作。
三、任务分工
如项目一的任务分工所述
四、实习过程
1 研究区及数据准备
1.1 open image file打开增强后的两幅影像“200601”和“201001”，选择
5、
4、3波段合成彩色图像。
图4-1 波段列表
1.2 根据图像的分辨率和实际情况将两幅图像都分为8类。
图4-2
5、
4、3波段彩色图
2选择样本
2.1 在image窗口中选择overlay菜单选择下面的ROI，打开ROI窗口。 2.2在ROI Name中输入“河流湖泊”按回车键，在三个窗口间进行切换，选择“ZOOM”窗口为选择窗口，在image窗口中进行切换找到对应颜色区域(蓝色)，然后在zoom窗口中进行放大然后选取部分区域。(注意均匀选取)
2.3 选择“New Region”新建一个ROI，重复步骤2.2，分别选择林地、草地、居民地、工业用地、沙地、水田、耕地的样本，如图4-3所示：
图4-3 分类样本图
3可分离性分析
3.1在ROI Tool窗口中选择Options菜单下的compute ROI Separability，在打开的窗口中选择“郑州200601”图层，选择所有ROI，点击OK，生成图4-4的分离矩阵，从图中可看出各样本可分离性不错，符合要求，如果值不符合需要进行合并或者重新分配。
图4-4 分离矩阵图
4监督分类
4.1在ENVI主菜单中选择classification->supervised->maximun likelihood,用监督分类中的最大似然对图像进行自动分类，打开图像选择窗口。
4.2在打开的窗口中选择图像“200601”，点击确定，跳出ROI选择窗口，将所有的ROI都选择上将其输出到”监督分类”文件夹，命名为“2006”。得到下图列表：
图4-5
4.3重复上面步骤得到2010年的监督分类图。
5编辑分类结果
5.3打开新生成的影像“2006”，在image窗口中选择overlay->classfication,选择2006，在打开的窗口中课对每一类地物进行颜色和名字的设置与更改。
图4-6
6精度验证
6.1用混淆矩阵进行精度验证，打开classification->post classification->confusion matrix选择ROI进行精度验证。(由于没有验证数据，所以验证进度很高)
7统计分析
7.1打开classification->post classification->class statistics，选择生成的2006影像，点击确定，再选择原图像200601点击OK，选择所有的ROI，将直方图等勾选上，得到下面的统计图：
图4-6
8裁剪
8.1 从图4-6可以看出，工业用地不符合实际情况，原因是没有对背景进行处理，所以须用矢量图重新裁剪，过程同遥感影像裁剪步骤。
五、实习总结
本次实习内容为遥感影像的自动分类和精度评定，从实验课时的安排就能看出为这次课程设计的核心，也是这次课程设计的重点，我被分派到这一部分任务既感到高兴也感到责任重大，所高兴的是组员对我的信任，感到有压力的是怕自己做的不好影响到全组的成绩。就操作过程来说并不困难，难点在于ROI的选取，因为这次我们选择的是郑州市2006年和2010年的landsat5TM的影像，分辨率只有30米，虽然经过增强地物相对较清晰，但是要把每一类都区分出来还是比较困难的。主要原因在于我们是第一次做这种遥感影像图，对地物的辨别大多是通过轮廓，所以很多都不知道是什么地物，只有通过百度地图谷歌地图一类的高分辨率影像找到对应位置进行判别。尽管如此，我在2010年第一次分类中。草地跟居民地还有林地的区分度还是达不到要求，不得已只能对三类重新分类。好在第二次选样本点更小心，课分离度都超过了1.8，可是进行统计的时候又发现在两个时相的影像中有一类地物严重偏多，后来发现是背景没有处理的原因，只能将分类图进行二次裁剪去除背景。
总之这次实习内容并不复杂，监督分类与非监督分类的原理也较简单，关键在于细心和有耐心，虽然简单，但是却会遇到很多问题和需要注意的地方，这也是我们实习的目的，遇到问题，解决问题才有进步。
项目六：遥感影像专题地图制作
一、 实习时间及地点
实习时间：2016年3月29日至4月1号 实习地点：测绘学院四楼微机室
二、 实习内容
遥感影像的专题地图制作
三、 任务分工
如项目一的任务分工所述
四、实习过程
1、打开2006监督后裁剪.bli，此时图层种有9种符号映射。
2、在图层上点击鼠标右键，选择属性。在属性对话框中，选择符号系统，切换到符号系统面板。
3、在色彩映射表中，修改标注。按照图形中的颜色，分别将对应的颜色修改为背景、河流湖泊、林地、草地、居民地、工业用地、沙地、水田、耕地，点击确定。
4、将视图切换到布局试图，在布局视图上点击右键，选择属性。在格网选项卡上，点击新建格网，创建参考格网。在框架选项卡中，将背景改为浅蓝色，点击确定。
5、点击插入-->标题，在文本框中输入“2006年3月土地利用分布图”，字体为宋体36号。
6、点击插入-->图例，设置为三列，将背景改为蓝色。
7、点击插入-->比例尺，选择单位为千米，点击确定，将比例尺放入图中合适位置。
8、点击插入-->指北针，选择合适的指北针，点击确定，放于图中合适位置。
9、点击文件-->地图文档属性，勾选存储数据源的相对路径名。
10、点击文件-->导出地图，分辨率设为300，将地图导出。
11、采用相同的方法将另一幅影像“2010监督后裁剪”制图后输出。
实习成果如图:
五、实习总结
制图综合在前一周刚做过实习，在制图方面并没有太大问题。但是在进行影像的监督分类时，由于考虑不充分，未能考虑影像的背景，导致分类后影像的背景和河流的颜色一样，在制图时无法将河流和背景分离开来。后来又给背景也分了一类才解决这个问题。
通过此次实习，让我学到了很多课堂上更本学不到的东西，掌握了只有通过实际操作、自己动手才能学到的技术和能力。这让我清楚地感到了自己学习能力的不足，看清了自身的缺点，也让我认识到了无论做什么都应秉持仔细认真的态度，要有一种平和的心态和勤学好问的精神，不管遇到什么事都要主动地去思考，多和同学讨论，多向老师请教，不要太过急躁，要对自己所做事情负责，要做到“言必行，行必果” 不可抱有推脱或者完全依赖别人的想法。我认为只要付出了努力，认真地实践，不管结果如何我们都将有所收获。
第五篇：遥感图像处理实习总结
遥 感 实 习 总 结
专业：摄影测量与遥感技术
班级：
姓名：
学号：
为期两周的遥感数字图像处理结束了，在老师的精心安排下，我们全身心的投入到这次实习中。虽然是满天的时间，但是由于教室还有其他人占用并不能在那全天使用，所以说是两周实习但是我们能用是时间依然很少，我们要力抓每一分每一秒，熟练操作遥感数字图像处理软件。整个实习是以黄河水院为基础图形。通过格式变换、几何校正、图像剪裁、图像分类，以及最后的专题地图制作。
实习的过程简单又复杂，简单的是，只要动手，计算机几乎自动化的替你操作，复杂的是，在操作过程中，又有好多选项和注意的事项，有很多参数的设置很有讲究。所以在练习中我遇到好多问题，并通过解决这些问题进一步加深了对软件和课本知识的理解。
首先我们进行的是数据预处理。我们需要进行遥感图像的几何校正。由于各种误差所以遥感图像存在着几何变形，因此需要在操作前进行几何校正。流程如下：第一步：显示图像文件(打开两个视窗窗口)，第二步：启动几何校正模块，第三步：启动控制点工具，第四步：地面控制点(GCP)的采集，第五步：采集地面检查点，第六步：图象重采样，第七步：保存几何校正模式。其中最关键最难的就属地面控制点的采集，我们使用的是二次多项式，所以得选取六个控制点然后再选出六个检查点。但是图像存在着误差，而我们要把误差控制在一个像素以内，这就更加困难了。在进过长时间的摸索和练习，精度慢慢的就达到了，但是图纠正后依旧不是很好，在询问同学后发现原来是点的分布不是很均匀，所以导致了图的变形。在图的校正后就得进行图范围的裁剪得到所需的范围。裁剪有两种方法一种是规则分幅裁剪，一种是不规则分幅裁剪。规则分幅裁剪需要知道坐标，而不规则分幅裁剪则只需要在图上手选出需要裁剪的范围。而我们没有坐标只能用不规则分幅裁剪。
第二项就是图象增强处理，主要包括：空间、辐射、光谱增强处理的主要方法。空间增强：包括卷积增强处理，辐射增强：直方图均衡化处理，光谱增强：主成份变换、缨穗变换、色彩变换。这一项比较简单，通过指导书和上课的学习，这些增强只要知道步骤就能很快完成。
第三项我认为也是最关键的一项，遥感图像的分类，所谓的遥感图像的分类就是通过人工目译或计算机自动分类处理相结合识别出地物属性。我们做的分类是非监督分类，在进行的分类评价时，应用分类叠加方法来评价分类结果、分类精度及定义时应注意分类文件在上，而且取消栅格参数中清楚选示选项，以使两图像叠加显示。非监督分类步骤如下：第一步：显示原图像与分类图像，第二步：打开分类图像属性并调整字段显示顺序，第三步：给各个类别赋相应的颜色，第四步：不透明度设置，第五步：确定类别专题意义及其准确程度，第六步：标注类别的名称和相应颜色，第七步：将相同的类进行合并，最后分为五大类：建筑物、道路(空闲地)、水系、草地和灌木林。
第四项是制作专题地图。其操作步骤为：
一、准备专题制图数据，
二、生成专题制图文件，
三、确定专题制图范围，
四、放置图面整饬要素。而图面整饰又包括1.绘制格网线与坐标注记，2.绘制地图比例尺，3.绘制地图图例，4.绘制指北针，5.地图名称的设定，6.地图的保存。其中创建格网中可以设置格网线的多少和起始值，这一步主要是对制作专题图的一些整饰，可以使图美观易懂。
为期两周的实习结束了，经过这次系统全面的实习，让我更深刻的了解了遥感图像的操作流程，也掌握了面对常出现问题的解决方法，同时也让我对课程有了更确切的理解，把理论应用于实际，同时加深了对理论部分的重点理解，还提升了动手能力。