遥感地学分析
实验报告成绩：
姓名：
学号：
班级：
题目：
课程实验报告要求
一、实验目的
掌握并熟悉band math的操作，对建筑用地分离用的几个建筑指数；学会面对对象分类；学会反演地表温度。
二、实验准备
软件准备：ENVI5.1
数据准备：中等分辨率数据AA、高分辨率数据qb_colorado.img、热岛监测band6
三、实验步骤
1.中等分辨率数据中城市范围的提取：
（1）加载数据AA，首先在BAND MATH里面计算图像的NDVI值其公式：(float(b1)-float(b2))/(float(b1)+float(b2))，正确输入公式后点击OK；
在接下来的界面中为公式中b1和b2赋予相应的波段，及近红外波段和红色波段，选择合适的路径即可点击OK；
结果如图：
（2）同样用上述发放计算图像的归一化建筑指数（NDBI值），公式同样使用前面所用，但是后面给b1和b2赋予第五和第四波段就行，同样选择合适的路径即可；
结果如图：
（3）利用前面所计算的NDVI和NDBI值计算改进的归一化裸露指数（MNDBI），MNDBI= NDBI+(1-NDVI)，首先在BAND MATH中输入一下公式并b1和b2赋予NDBI的波段和NDVI的波段；
结果如图：
（3）同样使用上述方法计算城镇用地指数（ULI）计算公式为ULI=NDBI and NDVI，同样在BAND MATH中输入公式并赋予相应的波段，在设置好输出路径即可；
结果如图：
（4）三种指数的阈值的设置，通过查看三种指数的直方图可以为每种指数的分离建筑用地提取合适的阈值；通过查看NDBI的阈值设置为0.035，并将其在band math中进行二值化；
通过查看MNDBI的阈值设置为0.681，并将其在band math中进行二值化；
通过查看ULI的阈值设置为0.004，并将其在band math中进行二值化；
（5）将三种指数的二值化图像在ARCMAP中成图，即可简单的比较三种指数的优劣；
2.高分辨率图像中城市范围的提取
（1）加载图像qb_colorado.img，打开FEATURE EXTRACTION工具选择待分类数据，点击NEXT进入下一步；
（2）设置分割和合并阈及模板大小等参数如下，点击NEXT进入下一步；
（3）添加分类类型并选择合适的样本，并为每种类型选择相应的属性，最后选择合适的分类方法；
（4）预览图如下；
（5）设置导出图像的类型，此处导出矢量图，设置好参数和路径点击FINISH即可；
（6）结果如图；
3.城市热岛遥感监测
（1）辐射定标：将DN值（即图像灰度值）转换为光谱辐射亮度L，利用公式b1*0.055158+1.2378在band math中计算辐亮度；
B1赋予第六波段；
结果：
（2）地表比辐射率E，此处先计算NDVI，方法同上即可，此处不再赘述；
计算植被覆盖度 Fv 采用的是混合像元分解法，将整景影像的地类大致分为水体、植被和建筑，具体的计算公式如下：
FV = (NDVI-NDVIS)/(NDVIV- NDVIS)其中，NDVI 为归一化差异植被指数，取 NDVIV = 0.25 和 NDVIS =0.022，且有，当某个像元的 NDVI 大于 0.25 时，FV 取值为 1；当 NDVI小于 0.022，FV 取值为 0。
利用公式：(b1 gt 0.25)*1+(b1 lt 0.022)*0+(b1 ge 0.022 and b1 le0.25)*((b1-0.022)/(0.25-0.022))计算FV
FV结果：
地表比辐射率 E=(b1 le 0)*0.995+(b1 gt 0 and b1 lt 0.3)*(0.9589 + 0.086*b2- 0.0671*b2^2)+(b1 ge 0.3)*(0.9625 + 0.0614*b2 - 0.0461*b2^2)其中b1：NDVI，b2：植被覆盖度 FV；
结果：
（3）相同温度下黑体的辐射亮度值
利用公式计算温度为 T 的黑体在热红外波段的辐射亮度 B(TS)= [L - L↑-τ·(1-E) L↓]/ τ·E，在band math中的工是为(b2-1.98-0.75*(1-b1)*3.25)/(0.75*b1)，其中b1：120m 分辨率的地表比辐射率值 E，b2：表示热红外波段的辐射定标值L；
结果：
（4）地表温度反演：
在获取温度为 T 的黑体在热红外波段的辐射亮度后，根据普朗克公式的反函数，求得地表真实温度 T：TS = K2/ln(K1/ B(TS)+ 1)对于 TM，K1 =607.76W/(m2·sr·μm)，K2 =1260.56K。
反演结果的
温度单位为 K
，则地表真实温度在band math中的计算公式为：(1260.560)/alog(607.76/b1+1)，其中b1：温度为 T 的黑体在热红外波段的辐射亮度值；
四、结果分析
在第一部分中通过最后的图片对比分析来看，我觉得归一化建筑指数对建筑用地的分离效果是最好的，但然其中不排除会有误差。
第二部分的面向对象分类比之前常用的监督和非监督分类更加的有识别性，其可以对图像进行分割识别一定的形状，可以更加精确的分类地区。
最后通过反演地表温度熟悉掌握了band math的操作，也对其中的原理懂了不少，以后也有很多地方是用的上的。
（注：可编辑下载，若有不当之处，请指正，谢谢!）。