yuanYW7556的博客

水体提取分类依据及基础水体提取分类依据水体提取的方法很多,很多学者也进行了分类,大体上有一个分类框架,主要是基于光学影像的分类,比如王航等[7]将水体提取分成3类,分别是基于阈值法、分类器法和自动化法; 李丹等[8]更深一步进行总结,引入近些年发展火热的基于雷达影像数据的水体提取,总体而言,水体提取主要以光学影像信息为主,雷达影像是近些年发展起来并迅速应用到水体提取的领域之中,基于此在该分类基础上从数据源角度下细化具体的提取方法及应用领域,具体的分类方法如图1所示。图1 水体提取方法分类水体提取基础

湖泊水色遥感是指通过严格物理辐射传输方程解析水色要素参数浓度和固有光学特性等光学量的一门学科(段洪涛等，2019)。湖泊水色遥感的基础是准确获得水体离水辐射信号，关键是解析遥感反射率与水色因子固有光学特性的内在联系。湖泊水色遥感的核心参数为浮游植物色素、非色素颗粒物和有色溶解性有机物等水色三要素浓度和固有光学特性。湖泊水环境遥感是指以除水色因子以外可通过遥感直接或间接获取的环境参数为研究对象的一门学科，包括水温、浮游植物水华、水生植被等可直接监测的参数和初级生产力、总磷、富营养化指数等间接监测参数(I

1、概述湖泊遥感作为一门新型交叉学科，是湖泊科学和遥感科学的重要分支。本文探讨了湖泊遥感科学的研究对象、内容和方法，通过梳理国内外总体研究进展，总结出湖泊遥感的5个发展趋势:(1)关注问题，从兴趣向发展到问题导向;(2)观测手段，从地基遥感/中分辨率卫星发展到高分辨率高光谱/无人机;(3)算法算力，从单机版经验/机理模型发展到云计算机器算法;(4)研究维度，从水体表层发展到垂向剖面;(5)研究区域，从单一/区域湖泊发展到国家/大洲/全球尺度。最后,指出了湖泊遥感学科未来的重点发展方向:(1)研制满足湖泊观

在气候变化背景下，植被物候作为生态系统对环境变化响应的直接体现方式，日益受到学界关注。获取长期、连续、多尺度的植被物候数据是物候研究的基础，而利用卫星遥感手段获取的物候参数已经成为陆地生态系统变化研究的重要指标。遥感物候参数在农业生产管理、生态系统监测、土地利用类型制图、人类健康和生态系统气候变化响应等领域发挥着重要的作用。在此背景下，有必要结合关键科学问题与重要应用领域，系统梳理近些年来遥感物候参数提取、验证和产品研发方面的进展，指出本领域目前存在的问题并对未来的发展趋势进行展望。首先，探讨了植被指数、日

参考论文:郭山川,杜培军,蒙亚平,王欣,唐鹏飞,林聪，夏俊士.2021.时序Sentinel-1A数据支持的长江中下游汛情动态监测.遥感学报,25(10): 2127- 2141合成孔径雷达(SAR) 因其对地观测全天候、全天时优势，成为多云多雨天气限制下洪水动态监测中不可或缺的数据来源之–。由于GEE(GoogleEathEngine)云计算平台的兴起和短重访Sentinel-1数据的可获取性，洪水监测与灾害评估目前正面向动态化、广域化快速发展。顾及洪水淹没区土地覆盖变化的复杂性和发生时间的不确定性，基

查看数据发现没有定义坐标系。找到目录里的数据，右键属性，找到xy坐标系，找到投影坐标系，找到高斯克吕格，然后选择如图所示就可以设置了。设置成了国家大地坐标系2000，3度带，第38带。如图就可以了。...

1 Google Earth Engine平台简介Google Earth Engine,又称谷歌地球引擎,是基于云计算的地理信息处理平台。谷歌地球引擎是世界上最先进的、专门处理卫星图像和其他地球观测数据的云端运算平台,由谷歌、卡内基梅隆大学、美国地质调查局联合开发。该平台存储了公开可用的全球尺度上的长时间序列的遥感影像(Landsat、MODIS、Sentinel等)和其他数据的PB级存档，并且数据不断更新。谷歌地球引擎支持复杂的地理空间分析,包括叠加、地图代数、数组运算、影像处理分类、变化检测、时间序

对于传统的湖泊水位面积关系模型研究,长时间序列遥感影像水体提取存在数据下载和处理繁琐、大量使用专业软件和人工干预多等问题,研究过程耗时长、效率低.基于Google Earth Engine,对2002年至2016年长时间序列Landsat影像数据进行预处理,利用NDWI提取东洞庭湖水体范围并计算水域面积，结合城陵矶水文站日水位数据,设计水位加权平均法、阈值法和单点水位法比较并确定影像对应的最优水位,建立水位-水体面积关系曲线研究结果表明: (1)东洞庭湖水域范围随季节变化大，面积在79月最大，在13月最小;

为探究周围气温与地物环境对水体提取的影响,利用Landsat8 OIL遥感影像,选取巢湖作为研究区,分别采用水体提取指数模型(NDWI)、监督分类最大似然法及面向对象分类法对不同季节下的研究区做水体提取。通过分析比较各方法在不同季节对水体提取的精度影响,发现面向对象法提取效果最佳，NDWI效果次之,监督分类精度最低。监督分类和归一化水体指数对四季水体提取精度较平均,冬季用面向对象法提取水体影响大。1实验数据预处理根据研究区地理位置,从地理空间数据云网站下载条代号为121、行编号为38的Landsat-8

以吉林省抚松县为中心研究区，利用不同时相Landsat-8影像,讨论森林生态系统各地类在不同时相上光谱特征的差异，结合多时相影像的互补信息并使用支撑向量机(SVM)分类方法对森林树种类型进行分类。结果表明，总体分类精度达到73.67%,Kappa系数为0.65,可以满足实际应用需求。1实验数据收集覆盖研究区2017年7月和9月无云Landsat-8OLI遥感影像,空间分辨率为30m,陆地成像仪(OLI)共9个波段,成像宽幅为185x185 km,波段信息见表1。为了提高遥感影像的使用质量,保证分类结果的

基于不同特征时间序列数据集,使用动态时间规整DTW方法对时间序列遙感影像进行分类。基于时间序列Landsat 8影像数据,使用NDVI、EVI、第一主成分3种特征数据集结合DTW算法,对比分析不同特征量对枣树的识别精度。结果表明:基于DTW(NDVI)的时间序列特征数据集结合DTW算法能够得到较好的分类结果,基于时序DTW(EVI)特征量的方法次之,基于时序DTW(PCA1)特征量的方法的分类精度最低,总体精度分别为95.23% .93.73%、83.84% , Kappa系数分别为0.858、0.824

该研究中遥感数据主要包括2005、2010、2015年共计12景影像,影像日期选择夏秋植被生长茂盛的季节,避免季节因素导致错分漏分。Landsat系列卫星影像的预处理主要包括辐射定标、大气校正、几何校正、镶嵌、去背景值等,并根据科尔沁地区范围界限进行裁剪预处理，最后进行匀色处理。植被盖度法可以将中轻度荒漠化土地有效区分,但对于重度与中度荒漠化、轻度与非荒漠化却难以区分(如图2(a)所示)。针对这种沙化区域单一植被指数法在荒漠化信息提取方面的异常问题，本文提出了一种融合多种植被指数的荒漠化信息提取算法，该

参考文献：段雅鸣,张锦水,朱爽.基于深度卷积神经网络的云检测方法[J].测绘通报,2021(04):33-39.本文针对DCNN云检测方法严重依赖海量人工标记样本的问题,提出-种基于已有云检测方法结果的DCNN云检测模型发展方法。该方法利用Fmask对L andsat 8数据集提取云范围作为训练样本,采用DCNN模型进行训练。并在训练完成后利用包含不同下垫面的测试样本对模型性能进行检测,以验证本文方法的可能性。1.1数据与预处理本文采用Landsat 8 Biome(L8B)数据集中的96幅Lands

植被覆盖度计算植被覆盖度通常是指绿色植被群体经阳光照射后在地面上形成的垂直投影面积与整个研究区域面积之比，获取植被覆盖度信息主要有植被指数法和混合像元法。本文采用混合像元法进行计算，混合像元法是基于地物光谱的混合模型，在缺乏地面实测资料的情况下，该技术可以直接确定植被覆盖度。NDVI的计算公式: NDVI= (NIR-R) / (NIR+R)对于landsat8影像数据，NIR (近红波段)为波段5，R (红波段)为波段4NDVI与植被覆盖度转换公式:FVC =(NDVI - NDV Imin)

本文采用指数法提取研究区的不透水面信息，研究发现单一的不透水面指数并不适用于研究区不透水面信息的提取。因此在充分分析研究区地表覆盖类型的基础上，通过契合研究区的植被、水体、土壤的指数,提取透水面,并基于决策树思想一剔除透水面地物，反向提取不透水面。获取的影像为Landsat8 Level 1产品,已经过系统几何校正。本次试验预处理包括:对影像进行辐射定标,以消除由于辐射误差引起的影像变形;将2景影像镶嵌,并结合南昌市的行政区划矢量图对影像裁剪,得到南昌地区30 m分辨率的影像图。2不透水面提取模型构建

这是提出NDBI的那个人的文章，有兴趣的可以下载下来看这是他的技术路线图，他有做了验证，我们这里只是实现，不做验证。这是NDBI方法的公式：我们这里用L8 OLI数据做实验，也就是对应的MIR是第6波段，NIR是第5波段。后面实验操作就是按照他的步骤！原始数据需要经过辐射定标和大气校正，如上图所示，我使用整景的L8数据做实验，上面是辐射定标结果。为了节省时间，我使用快速大气校正，但是提醒大家：最好使用FLAASH那个完整模块进行校正，完整大气校正结果是地表发射率数据。这是大气校正结果.

假如我有一个地区的FVC数据，我要对整个数据分级，分成5个或者10个等级，然后统计每个等级所占的面积，那么用ENVI该怎么实现呢？如下图所示，就是我的一个地区的FVC数据。为了节约演示时间，我把这个数据分为5个等级。选中数据，然后右键，找到New Raster Color Slices 点击，然后在文件中找到你要分级统计的数据，点击确认。点击确认后，就会发现软件会给你自动做一个分级，也就是给你分了16级，当然我们这里不要他自动的分级结果。我们就把所有的x掉，自己重新分为5级。如下图所示，那个

链接：https://pan.baidu.com/s/12xzrzDGO414l5eurooELsA提取码：yuan复制这段内容后打开百度网盘手机App，操作更方便哦

下面是公式：本次试验以Landsat8影像的第四波段为例.找到下面两个参数，在原始数据的头文件中寻找：一个是0.00002，一个是-0.1太阳高度角：46.52使用envi5.3打开影像的第四波段，并打开band math 工具输入下面的公式，b1代表是第四波段。输出结果：...

在使用ENVI处理遥感图像时可能会用到裁剪工具，但是裁剪之后不管怎么拉伸图像都是黑色 ：在裁剪数据后，对数据拉伸显示，发现数据是黑色的，但是影像的值是没有变化的，主要是因为背景值过大导致，可以采用忽略背景值最大值的方法去除。或者通过简单统计，找出最大的背景值，使用band math将最大值赋给0即可。使用band math将最大值赋给0：一般是因为图像的值过小，背景值过大，再拉伸显示时，图像的值就被“”“过度缩小”了，因此，可以将使用忽略背景值，将最大值放在data ignore value中即可

链接：https://pan.baidu.com/s/1OzKKcKTfk4LgdMzmQovOzA提取码：yuan复制这段内容后打开百度网盘手机App，操作更方便哦

在我们打开数据的时候，可能会遇到如图所示的情况：空间分辨率的单位是degrees，其实，DEM是30米，这样看着不舒服，我们可以重新定义投影坐标系。如下所示，找到栅格管理学下的工具：选择栅格重投影，如下选择要处理的数据。然后选择输出的坐标系。找到这个WGS_1984.找到50N.选择确定。选择“双线性”，其他默认，然后输出。输出查看数据情况：单位变成米了，30米的DEM。...

IDL运行期间所需颜色的数量书中程序例子是按IDL在256种颜色模式下运行编写的，使用通常称为索引颜色的模式（详细细节参考83页的“使用IDL的颜色”章节）。这意味着所显示的颜色是索引号或是与色彩表相连的颜色，这样在色彩表中的颜色变化时，所显示的颜色也一同变化。启动IDL并在IDL命令行键入如下IDL命令，能发现所用的颜色模式。IDL>WindowIDL>Print, !D.N_Colors当!D.N_Colors的值大于或等于256时，仍然能够使用书本中的例子，但必需对代码做一点改变。

来源：ersi

来源：esri-china

PRO ApplySoftmaxTrainedClassifierCOMPILE_OPT IDL2e = ENVI();获取数据所在路径，与pro源码同路径的data文件夹内dataPath = FILE_DIRNAME(ROUTINE_FILEPATH())+$PATH_SEP()+‘data’+PATH_SEP();设置输出路径，保存了分类结果和分类器outPath = FILE_DIRNAME(ROUTINE_FILEPATH())+$PATH_SEP()+‘output’+...

最近又看到一个好消息：ENVI更新到5.6版本了，这两年更新的频率很快啊！想知道又增加了哪些新功能吗？看过来：原文出处

欢迎转载！来源：esri-china

;+;:Description:; Describe the procedure.;; Author: DYQ 2009-2-3;;;-PRO TEST_FORMAT ;IDL的format语法结构如下： ;[N]FC[+][-][width] ; ;符号描述: ;N ----- 代表格式控制的重复次数，默认是1 ;FC ---- 即format codes的简写，格式控制代码 ;+ ----- 给正数加上前缀 ;- --...

来源：esri-china本文原文地址

前期准备：查找关于计算表观反射率的文献，总结出以上的几点：（1）需要偏移和增益数据，在中国资源环境卫星获取。需要注意的是，这个定标参数每年都会变化，需要根据数据日期选择，如下图所示2）计算表观反射率的公式，那些参数需要根据自己使用的数据计算出，不可以直接套用我的计算出来的结果。3）所有的操作都是在ENVI上的band math的工具上进行的，因此，操作相对来说比较简单。下面开始进行实践：使用ENVI5.3软件完成，如上图所示：使用国产的小插件打开原始数据的PMS文件，打开之后如图所示。查.

来源：esri-china原文地址

来源：esri原文地址

这个视频是2020年ArcGIS开发者大会的一个叫叶山的作者关于地图的一篇演讲。他首先介绍了地图的发展历史，比如世界上的第一篇地图和各种材质类型的地图以及历史上的地图媒介有哪些等。其次，对地图的印刷和显示出现的问题进行了阐述，比如地图在设计时可以通过ArcGIS等软件设计，但是在现实工作或学习中，对地图进行打印或者投影时，地图就会出现色差，显示的不是自己想要的那样的结果。为什么会出现这个情况，作者进行了详细的阐释，并且作者也介绍了地图的一些配色模式等，对于如何解决这些问题，作者也提出了一些自己的看法。此视

视频主讲者：李春影欢迎转载和分享！来源：esri-china主讲内容：视频链接

资料来源：esri中国用户大会如有侵权，请联系