「 刘一哥与GIS的故事」

本文为作者硕士学位论文遥感物候研究数据处理过程总结。目录一、数据下载二、数据预处理完整步骤1、数据打开2、旋转（Rotate）3、时间序列谐波分析（Hants）、几何校正4、批量裁剪5、批量投影变换一、数据下载因文章研究的需要和数据时间段的限制，我从EcoCast网站上下载到的GIMMS 3G NDVI数据序列是30年（1982-2013年）。时间分辨率...

本文讲解在Envi5.6中，用格网矢量对影像批量裁剪分幅。【ArcGIS风暴】CASS建立标准分幅图框并在ArcGIS中DOM批量分幅案例教程【GlobalMapper精品教程】003：影像裁剪、批量影像分幅案例详解【ArcGIS风暴】ArcGIS影像批量裁剪（分幅）方法总结文章目录 一、加载数据 二、安装分幅插件 三、批量分幅裁剪 三、注意事项

【Envi风暴】Envi5.6与应用商店app store安装图文教程（附Envi5.6完整版下载）从文末网盘下载完整的ENVI5.6安装包，如下所示：双击envi56-win.exe，开始安装。将f__x64下的两个补丁文件拷贝到安装路径。将f__x86下的两个补丁文件拷贝到安装路径。

eCognition是由德国Definiens Imaging公司2009年推出的智能化影像分析软件，2010年被美国Trimble公司收购。eCognition是目前所有商用遥感软件中第一个基于目标信息的遥感信息提取软件，它采用决策专家系统支持的模糊分类算法，突破了传统商业遥感软件单纯基于光谱信息进行影像分类的局限性，提出了革命性的分类技术——面向对象的影像分析技术，大大提高了高空间分辨率数据的自动识别精度，有效地满足了科研和工程应用的需求。文章目录1. 软件安装2. 软件下载1. 软件安装先.

本文讲解在Envi平台上，基于Aster影像数据，提取DEM的完整操作流程及注意事项，附实验数据下载练习。文章目录一、内容和目的二、提取DEM的原理三、ENVI平台提取DEM流程四、DEM质量评估五、注意事项六、案例数据下载地址一、内容和目的采用ASTER立体像对提取DEM，数据源：立体像对：ASTER (15 m)平面参考：LandSat 5/7高程参考：SRTM3 (Original)坐标系：WGS1984空间分辨率：15 m二、提取DEM的原理1. 提取原理2. 提.

遥感图像的一个基本特征是空间分辨率。目前已经可以有效获取大量不同空间分辨率遥感数据。尺度和尺度转换已经成为遥感的核心问题之一，人们已经从不同角度提出了这一问题。尺度转换分为两种：升尺度：从高分辨率到低分辨率的转换；降尺度：从低分辨率到高分辨率的转换。文章目录1. 升尺度的方法2. 降尺度的方法1. 升尺度的方法由于地球表面是非常异质性的，升尺度可能在产品真实性验证方面会比降尺度更显得重要。为了验证低分辨率产品(如lkm)，要找到块至少2~3个像元大小的较大同质区域作样地，这相当困难。另外

1. 数据集简介本数据集为1983-2012年，长时间序列中国地区GIMMS 3g NDVI，空间分辨率为0.08333度，作者已完成了数据预处理：包括旋转、格式转换、投影变换和裁剪），作者可以此基础上直接进行NDVI时空变化趋势分析、基于NDVI提取植被遥感物候等后续研究工作，为论文写作提供便利。本数据集时间序列为1983-2012年，为15天合成产品，每个月有两期数据，一年中有24期数据，30年共720景数据，数据格式为img格式，每年中有1个img格式数据，包含24个波段，空间分辨率为0.0

研究表明，一元六次曲线比一元二次曲线更好地模拟植被生长季的整个生长周期，表征植被的生长特性。matlab软件功能强大，在遥感模型研究方面有很大的优势特点，对数学模型模拟轻而易举，也可直接对栅格数据进行运算。因此本文采用matlab软件，采用一元6次曲线来拟合植被生长季曲线。

本文详细讲解Modis数据的下载流程，以MOD13Q1影像为例，该数据为16天合成的空间分辨率为250m的NDVI产品，原始数据的投影为正弦曲线投影。Modis数据MRT和ArcGIS处理方法集锦：《ArcGIS10.8完美实现MODIS NDVI数据格式转换和投影变换》《重磅！ArcGIS10.8 Python代码批量完美实现MODIS NDVI数据格式转换和投影变换》《利用MRT进行Modis NDVI数据（MOD13Q1）投影变换格式转换操作图文教程》打开网址：https://ladsw

如上图所示，分别为：View1：MODIS hdf数据多波段View2：MODIS NDVI波段View3：ArcGIS10.8投影变换后的MODIS NDVIView4：ENVI5.4投影变换后的MODIS NDVI关于ArcGIS处理MODIS数据的操作，可以参照：《ArcGIS10.8完美实现MODIS NDVI数据格式转换和投影变换》《重磅！ArcGIS10.8 Python代码批量完美实现MODIS NDVI数据格式转换和投影变换》《利用MRT进行Modi..

大家都熟知，MODIS NDVI数据的处理一般是在MRT中进行的，但熟不知ArcGIS中也可以实现投影变换个数据格式的转换，本文就以MOD13Q1.A2020001.h26v05.006.2020018002618.hdf这一景影像为例，实现将正弦曲线投影转换为Albers等积投影，将hdf格式转为tif。一、处理之前二、处理之后 三、处理过程1、加载数据在ArcGIS10.8中，可以直接加载.hdf数据，效果如下。2、 投影变换、格式转换ArcGIS10.8中，在Proj

中国区域Modis行列号，Landsat条带号对照图

本实例以Modis NDVI（MOD13Q1，空间分辨率为250m）一景影像数据为例，演示利用MRT进行Modis NDVI影像变换，主要内容包括：将.hdf格式转为.tif格式，将坐标系转为Albers等积投影。Modis NDVI数据为hdf格式，投影为正弦曲线投影（SIN），在使用过程中通常需要将其转换为tif格式，等积投影。本文就以MRT软件为例演示操作过程。一、.hdf格式影像ENVI和ArcGIS预览在ENVI 5.4中打开hdf数据，如下所示：在ArcGIS10.6中打开hdf数据

如下图所示为MODIS Reprojection Tool（MRT）的软界面，看似简单，却是Modis遥感影像必不可少的处理工具，如投影变换等。本文以图文并茂的形式，详细讲解MRT软件在Windows10平台上的安装过程，并附MRT软件百度网盘下载地址。Modis Tool主界面：一、安装过程1、安装Java运行环境双击Java.exe，安装运行环境。默认的安装路径为C:\Program Files (x86)\Java\jre6\bin，后面需要用到这个路径。等待...

本文演示利用Excel VBA编程实现多期栅格数据，逐像元计算物候参数：生长季始期（SOS）、生长季末期（EOS）和生长季长度（LOS），计算过程速度快！说明：（1）利用Raster to Point工具将栅格数据转换为点图层，结果为38998个点，由于每年有24个数据（半月合成），所以得到的一年的数据为一个38998行、24列的矩阵；（2）动态阈值的实现方法是逐像元计算，（d2-d1）/d1，物候始期求最大值（正），物候末期求最小值（负）；（3）sheet里保存38998*24的原始数据，shee

在定量遥感中，通常需要计算地方时和太阳高度角，本文采用C++语言实现。#include <cmath>#include <iostream>#include <fstream>using namespace std;void main(){ int JD,NF,Y,R,s[5],F[5]; float JF,WD; float N0; ifstream data1("d:\\result\\data-input.txt"); .

1.系统概述　　随着全国各城市数字化进程的发展，高分辨率遥感影像和数字航空影像为“数字城市”的建设提供了丰富的数据源。近年来，遥感影像的空间分辨率和光谱分辨率的明显提高，使得高分辨率遥感影像和数字航空影像的应用得到了极大的延伸。在城市规划、建设和管理等方面，基于高分辨率遥感影像或数字航空影像分析的城市动态规划或土地监测，在全国80多个城市取得显著成效。但由于遥感影像数据的分析处理过程复杂，

长时间序列全球NDVI数据GIMMS 3g（点击下载），原数据无投影，格式为VI3g，IE浏览器下载的为.txt格式。GIS软件无法直接打开，Envi 5可以打开。ENVI中点击File->Open File as->Binary会弹出填写元数据的窗口，填写基本信息：Envi5.1中打开二进制（Binary）数据是，需要提供头文件，考虑到该数据集的大小范围都一致，可以共用一个头文件，只需要将头文件的名称与数据文件一致，由于Python和IDL知识的欠缺，最终考虑使用C#批量生成，思想

城市绿地在改善城市生态环境和人居环境起着积极的作用，城市绿地含量逐渐成为衡量城市生活质量的一个重要指标。此外，城市绿地的空间分布格局与其生态效应有着密切的关系。因此，必须客观、准确地掌握城市绿地信息。传统的城市绿化调查主要通过基层单位上报统计数据和实地抽样调查完成，资金和人力投入大，时间周期长。数据受人为影响较大且精度低，缺乏空间统计分析功能。随着航天遥感技术的发展，高分辨率遥感图像在国内

GLT几何校正法利用输入的几何文件生成一个地理位置查找表文件（geographic lookup table，GLT），从该文件中可以了解到某个初始像元在最终输出结果中实际的地理位置。地理位置查找表文件是一个二维图像文件，文件中所包含两个波段：地理校正图像的行和列，文件对应的灰度值表示原始图像每个像素对应的地理位置坐标信息，用有符号整型储存，它的符号说明输出像元是对应于真实的输入像元，还是由邻近像

C# (C Sharp)是微软公司在2000年6月发布的一种新的编程语言。C#与Java有很多的相似之处，包括了诸如单一继承、界面、与Java几乎同样的语法，和编译成中间代码再运行的过程。它又借鉴了Delphi的一个特点，与COM(组件对象模型)是直接集成的，而且它是微软公司.NET windows网络框架的主角。IDL则一直是应用程序开发和科学家进行可视化与分析的首选语言。因为它功能

等差数列： 生成差值为5，1开头，6个元素的等差数列：IDL> print, indgen(6)*5+1       1       6      11      16      21      26  等比数列： 生成比值为3，1开头的等比数列：IDL> print, 3^indgen(6)   

最近写程序不知道怎么写envi标准格式文件的头文件，在网上搜了半天，也没找到相关的信息。找到一个 ENVI_SETUP_HEAD函数，也不知怎么用。下面的内容可能以后用的着，先留着吧。   引用自：http://bbs.esrichina-bj.cn/ESRI/viewthread.php?tid=56472&page=1在IDL中读写数据    介绍IDL中的常用的输入和输出程序。I

本文整理了遥感中的常见指数及计算方法：植被指数、归一化植被指数、比值植被指数、差值植被指数、土壤调节植被指数、变换的土壤调节植被指数、修整的土壤调节植被指数、正交植被指数、绿度植被指数。目录一、VI - Vegetation Index - 植被指数二、NDVI - Normalized Difference Vegetation Index - 归一化植被指数三、RVI - Ratio Vegetation Index - 比值植被指数四、DVI - Difference Veg..

现NDVI产品数据处理过程中遇到以下问题：问题1：    NDVI是归一化植被指数，它的取值范围是-1—1，如何理解？方法 ：    对于陆地表面覆盖来说，云、雨、雪在可见光比近红外波段有较高的反射作用，所以NDVI为负值；岩石、裸土的NDVI一般为0；有植被覆盖的地方一般大于0。 问题2：    导入ENVI进行查看，发现未拼接重投影之前影

我们经常听到有人困惑于图像的像素值储存的是什么信息，以及如何获取所需的值。这里我们总结以下几个概念。 数字量化值（Digital Number ：DN）像素值的通用术语是数字量化值或DN值，它通常被用来描述还没有校准到具有意义单位的像素值。如果你只是想看一个图像,和不打算解释像素值的物理意义,那么就可以以DN值的方式来保存。  辐射率（Radiance）

在一些影像中，由于各种原因导致了坏点的存在，主要为0值、NaN、Inf等情况。在测绘单位，经常因为黑点（0值）或白点（255等值）的存在导致制图效果存在瑕疵。如图1所示，在一幅DEM数据的边缘存在一些值为0的像元。为了修复坏点，专门编写了ENVI扩展补丁：Fix_Bad_Points.sav，可以看下图的修复效果。修复原理：利用坏点周围有效值的均值赋予坏点，窗口大小可选。此补丁使用了分块处理技术，对于输入数据大小没有限制。

IDL中提供了丰富的数学运算函数。其中部分函数同时提供了源码文件。例如今天介绍的Regress函数，可以在IDL控制台运行“.e regress.pro”查看或编辑源码。下面介绍如何使用Regress函数进行多元线性回归计算。其实IDL帮助里边已经提供了非常详细的解释和示例。为了大家学习起来更加方便，现以如下公式为例进行介绍。已知：0.329000=a0+a1*0.67

本教程为博主刘一哥GIS原创，坚决打击侵权行为，严禁抄袭！！！目录一、Matlab2016b下载及安装二、TimeSat 3.1软件安装三、TimeSat 3.1软件的使用和说明详解四、TimeSat 3.1下载地址一、Matlab2016b下载及安装有关Matlab2016b下载及安装教程，可以参考：《Matlab R2016b简体中文版安装教程（附Matlab R2016b百度网盘下载地址）》，本文不再讲述。二、TimeSat 3.1软件安装本软件是基于Matla.

一、几何校正1、概念：2、影像变形的原因：（1）系统性的：由传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正，卫星地面接收站已经完成了这项工作（2）非系统性的：传感器平台位置和运动状态变化的影像（航高、航速、俯仰和偏航）（3）地球本身对影像的影响：地形起伏、地球表面曲率、地球自转（4）大气折射的影响3、校正方法：

function add,x,y return, x+yendpro sum x=1 y=2 print,add(x,y)end

NaN为Not a Number的缩写，在遥感图像中属于异常值。很多用户有修改NaN的需求，比如把0值修改为NaN，或把NaN修改为0值等。由于波段运算公式较为复杂，现归纳如下。1.直接利用波段运算进行Ÿ修改0值为NaN–float(b1)*b1/b1Ÿ修改特定值（250）为NaN–b1*fl

相关性，是指两个变量的关联程度。一般地，从散点图上可以观察到两个变量有以下三种关系之一：两变量正相关、负相关、不相关。如果一个变量高的值对应于另一个变量高的值，相似地，低的值对应低的值，那么这两个变量正相关。在土壤中，孔隙率和渗透度就具有典型的正相关。反之，如果一个变量高的值对应于另一个变量低的值，那么这两个变量负相关。如果两个变量间没有关系，即一个变量的变化对另一变量没有明显影响，那么这两个变量不相关。 利用Envi软件，可以计算两幅影像之间的相关性（相关系数）。第一步：要求相关系数

1、Envi IDLpro enviprojection COMPILE_OPT IDL2 envi, /restore_base_save_files envi_batch_init, log_file='batch.txt' cd,'F:\MCD12Q2' HDFFiles = FILE_Search("*.HDF") FileCount = N_ELEMENTS(

ToolBox->Classification->PostClassification->Confusion Matrix->Using Ground Truth ROIs，可以得到如下的分类精度验证的混淆矩阵。要看懂这个精度验证结果，需要了解几个混淆矩阵中的几项评价指标：1、总体分类精度（Overall Accuracy）    等于被正确分类的像元总和除以总像元数。被正

本文转自：http://www.esrichina-bj.cn/2012/0319/1663.html       遥感影像能让我们实时的获取地理区域的准确信息，这些为很多石油、天然气和矿产的开采提供关键的信息，节约实地测量的成本，提高工作效率。       美国圣路易斯大学的研究人员希望利用遥感影像和地质资料，找到一种简单的新方法能快速提取出图像中有价值的信息，有效地对可能存在金矿的

图像镶嵌指是在一定的数学基础控制下，把多景相邻的遥感图像拼接成一个大范围、无缝图像的过程。 Envi的图像镶嵌功能提供交互式的方式将没有地理坐标或者地理坐标的多幅图像合并，生成一幅单一的合成图像。镶嵌功能提供了透明处理、匀色、羽化等功能。下面演示基于地理坐标（Georeferenced Mosaicking）的图像镶嵌方法及具体过程。

打开erdas，分波段加载landsat TM 影像信息，并转成img图像格式文件。1.打开erdas，点击viewer打开新窗口，点击打开图标，选择要加载的一个波段的tif图像，点击OK。2.点击主窗口File——Save——Top Layer As…，在跳出的Save窗口中点击，在跳出的Save as窗口选择保存路径，命名文件名，点击OK。再点击小窗口的OK，开始转换...

【方法思路】：本文选取张掖地区两期影像（Landsat 1999-07-07，2010-09-07），用监督分类方法获取各期土地利用类型，与已有的土地利用现状矢量图（landuse2000）相叠加，通过对比分析，进而得出张掖市1999-2010年间土地利用变化情况。

植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区面积的百分比。常用的计算方法有：经验模型法、植被指数法、像元分解模型法、FCK模型法、决策树分类法和神经网络法。本文利用像元二分模型计算植被覆盖度。一、数据张掖市Landsat TM影像（2010，133/033），边界数据（.evf）二、方法混合像元二分模型VFC=(NDVI-NDVIsoil)/(NDVIv...