本次實習是在攝影測量的教學基礎(chǔ)上，理論實際相聯(lián)系的動手操作實習，是我們在學習測量專業(yè)的一個重要的實習環(huán)節(jié)。一方面是培養(yǎng)我們的實踐操作能力和運用軟件解算數(shù)據(jù)的能力，另一方面培養(yǎng)我們在今后遇到問題應該如何去解決的能力，通過實習發(fā)現(xiàn)自己在實踐動手方面的不足并想辦法解決，為以后的工作實踐打下扎實的基礎(chǔ)。使我們熟練地掌握攝影測量及遙感的原理，信息獲取的途徑，數(shù)字處理系統(tǒng)和應用處理方法。并進一步鞏固和深化理論知識，使理論與實踐相結(jié)合。切實加強我們大家的實踐動手能力，提高大家對這門新技術(shù)的認識和把握，全面培養(yǎng)我們的應用能了、創(chuàng)新能力和探索精神。
測繪工程專業(yè)的“攝影測量與遙感實習”是同“攝影測量學”、“遙感與圖像處理”、“近景攝影測量”等課程教學緊密聯(lián)系。實習目的是運用所學基礎(chǔ)理論知識與課內(nèi)實驗已掌握的基本技能，利用現(xiàn)有儀器設(shè)備及資料進行綜合訓練，讓我們系統(tǒng)全面地學習并應用已學攝影測量及遙感知識，鍛煉實踐技能。
根據(jù)攝影測量與遙感學科發(fā)展狀況及生產(chǎn)實踐水平，并考慮工測專業(yè)教學要求及現(xiàn)有條件，實習基于四個重點：一是以航空攝影測量為主的攝影測量學基本理論和方法;二是以測制建筑物立面圖為目標的地面攝影測量完整作業(yè)過程;三是以數(shù)字攝影測量系統(tǒng)為平臺的數(shù)字攝影測量生產(chǎn)作業(yè);四是基于遙感圖像處理系統(tǒng)的衛(wèi)星遙感影像專題制圖。
為提高我們的遙感解譯思維和技巧、培養(yǎng)實際動手能力、并檢驗大家對課程內(nèi)容的理解,老師帶領(lǐng)我們在學校周邊地區(qū)進行了一次野外實習。
在實習課上,我們得到的輔助數(shù)據(jù)是一幅學校周邊地區(qū)遙感影像圖,從數(shù)據(jù)來源看,這幅圖屬于遙感數(shù)據(jù)。GIS通常的數(shù)據(jù)源還包括文本資料、實測數(shù)據(jù)、多媒體數(shù)據(jù)、已有系統(tǒng)數(shù)據(jù)等，實測數(shù)據(jù)還包括野外試驗、實地測量。為了解遙感影像的比例尺，我們量測出校門口至學院路與豐樂達到交口的距離，利用地圖比例尺的定義測算出這幅地圖的比例尺，量測結(jié)果為1:10000。
我們通過GPS接收機獲得所處位置的經(jīng)緯度，并記錄之。GPS是Global Position System的簡稱，該系統(tǒng)是美軍自上世紀70年代開始研制的新一代衛(wèi)星導航和定位系統(tǒng)，由空間部分、地面控制部分和用戶接收機三部分組成，具有高精度、高效益、全天候、低成本、高靈活性、實時性等優(yōu)勢。
我們來到學校北門的學院路上，路南面是校區(qū)，北面是農(nóng)田和荒田，這條路是明顯的`一條土地利用類型分界線。遙感影像顯示路北面有一塊是深藍色的，可解譯為水體，可我們實地考察德結(jié)果是荒田，原因是此時水體已干涸為荒田，這告訴我們土地分類要實地考察。同時，這聯(lián)系到遙感數(shù)據(jù)的誤差，不管何級別的數(shù)據(jù)都會存在誤差，誤差指的是數(shù)據(jù)與真值的偏差，老師告訴我們遙感數(shù)據(jù)的誤差主要分為兩大類：
一、由于傳感器內(nèi)檢測器性能的差異等情況，使進入傳感器的輻射值發(fā)生畸變，引起圖像模糊，對比度下降等;
二，由于衛(wèi)星飛行時姿態(tài)變化及地球形狀等因素的影響，圖像中地物目標的幾何位置也會發(fā)生畸變，對應這些誤差可采取輻射校正和幾何校正。
實踐課第三點在學院路的一處山丘頂部，遙感影像上顯示山丘西北顏色偏深，這是由于該處有水體，且在上午拍攝時的陰影所致，色彩是地圖語言的重要內(nèi)容。
附近的軍事訓練區(qū)在影像上顏色偏深，是因為在雨后拍攝，由于是在冬季，草已枯死，所以靶區(qū)顏色較淺。一般情況下，同類地物采用同一種模版，但老師同時指出，對于不同長勢的地物也應采用不同模版，在此前提下進行監(jiān)督分類。
最后實踐的地方位于一處山頂?shù)幕鶞拭婵刂泣c，該控制點的經(jīng)緯度均為東經(jīng)118度17分北緯32度17分，基準面的分類較多，但為方便統(tǒng)一，要選取某些點為控制點，用于多種基準面的仿射變換。
通過野外實習，我加深了對遙感課程的認識，更重要的是通過老師的講解，我學會了基本的遙感解譯的方法和技巧。在完成此實習報告之前我查閱了相關(guān)資料，對相關(guān)的學習進行了復習。希望以后多進行這樣的野外實習。
一、 實習目的與要求
林業(yè)遙感是遙感技術(shù)在林業(yè)經(jīng)營中具體應用的實用性強的專業(yè)課，旨在培養(yǎng)學生利用遙感手段進行森林資源監(jiān)測和管理的基本技能，實習的主要目的是培養(yǎng)學生使用GPS進行野外地形參數(shù)的手工測量，內(nèi)業(yè)計算機遙感圖像的幾何精校正和探索學習決策樹分類方法對林業(yè)遙感影像進行分類研究的動手能力。通過實習，加深遙感技術(shù)在森林資源監(jiān)測和管理中的應用和理解。
二、 實習內(nèi)容
1)GPS采集地面控制點坐標
2)(經(jīng)緯度或平面直角坐標)以及地形參數(shù)
3)(坡度，坡向) 野外訓練區(qū)的地面調(diào)查
4)內(nèi)業(yè)遙感圖像的幾何精校正
5) ENVI圖像處理軟件決策樹分類器建立逐級決策規(guī)則
6)決策規(guī)則的修改與添加(與實地調(diào)查進行比較分析)
7)利用建立的決策規(guī)則對林業(yè)遙感圖像進行分類 保存分類規(guī)則與分類圖像
三、 實習中涉及的理論知識
1. 決策樹分類簡介
與其它分類方法相比，決策樹分類具有如下特點：1)決策樹分類是非參數(shù)分類，因此其獨立于訓練區(qū)像元亮度值的統(tǒng)計分布模式;2)決策樹分類時模型的輸入既可以是連續(xù)的光譜波段值，也可以是離散的數(shù)值，甚至是定名變量;3)分類結(jié)束后可以生成易于解譯的分類判別準則文件;4)樣本訓練的速度快，分類精度通常高于其它的分類器
2. 決策樹分類原理
決策樹分類實質(zhì)是利用輸入分類器的多元特征參數(shù)，從多角度挖掘出蘊藏在其中的模式類別間的差異，并建立起“特征識別矩陣”(類似于判讀檢索表)，其外在表現(xiàn)為多個“If Then, else if then”的連用，就如同數(shù)學上的多個集合求交集運算，從而將滿足交集條件的模式與不滿足交集條件的模式區(qū)分開來，實現(xiàn)不同模式類別的自動識別。具體地講，決策樹可以像分類過程一樣被定義，依據(jù)某種規(guī)則將窨數(shù)據(jù)集一級級往下細分以定義決策樹的各個分支。決策樹由一個根結(jié)點，一系列內(nèi)部結(jié)點及終極結(jié)點組成，每一個結(jié)點只有一個父結(jié)點和兩個或多個子結(jié)點。根據(jù)決策樹的構(gòu)成思想，以選定的樣本數(shù)據(jù)為對象逐級找到分類樹的結(jié)點，并且在每個結(jié)點上記錄所選的空間數(shù)據(jù)圖層的編號以及相應的判別函數(shù)參數(shù)，從而有可能反過來從樹根到葉按照生成的判別規(guī)則，逐級地在每個結(jié)點上對樣本數(shù)據(jù)以外的待分類數(shù)據(jù)進行分類
3. 本實習決策樹分類規(guī)則描述
類1(class 1)：NDVI值大于0.3，坡度大于或等于20度
類2(class 2)：NDVI值大于0.3，坡度小于20度，陰坡
類3(class 3)：NDVI值大于0.3，坡度小于20度，陽坡
類4(class 4)：NDVI值小于或等于0.3，波段4的值大于或等于20
類5(class 5)：NDVI值小于或等于0.3，波段4的值小于20
類6(class 6)：波段4的值等于0
類7(class 7)：波段1的值小于波段1的均值
決策樹分類規(guī)則是在決策樹分類過程中不斷修改和添加的，為了實現(xiàn)逐步分類更加精細與準確
四、 實習步驟
1. 外業(yè)數(shù)據(jù)采集
在中山陵地區(qū)選取若干樣點，利用GPS記錄樣點坐標，測定相應位置的地形參數(shù)。目的：練習使用GPS以及DEM的建立方法。
2. 研究資料確定與處理
1) 運行ENVI軟件，打開并顯示對決策樹分類有貢獻的影像文件：
bouldr_tm.dat (Landsat 5 TM影像) 與boulder_dem.dat(相應的DEM空間子集)
2) 投影類型轉(zhuǎn)換
查看bouldr_tm影像特征：
Projection : UTM
Pixel: 30 Meters
Datum: NAD 27
查看boulder_dem影像特征：
Projection : GAUSS-KRUGER
Pixel: 30 Meters
Datum: WGS84
以bouldr_tm影像為基準，轉(zhuǎn)換boulder_dem影像的投影類型：
運行ENVI軟件，點擊Map/Convert Map Projection，在彈出的Convert Map
Projection Input Image中選擇boulder_dem，在彈出的Convert Map Projection對話框中選擇UTM，DATUM選擇NAD 27，可選擇多項式和最鄰近點方式，保存投影類型轉(zhuǎn)換后的圖像。
3)圖像配準
為提高TM影像的分辨率，從而提高分類精度，以bouldr_tm影像與相應地區(qū)的SPOT影像配準(SPOT為已經(jīng)過精校正的影像，空間分辨率為10m)
配準方法：點擊Map/Registration/Select GCPs: Image to Image，使得bouldr_tm影像的分辨率也達到10m，查看配準后的影像特征：
Projection : UTM
Pixel: 10 Meters
Datum: NAD 27
如圖1所示：
bouldr_tm boulder_dem
3. 輸入決策樹規(guī)則
1) 選擇Classification/Decision Tree/Build new decision tree，打開決策樹工具 決策樹工具打開時就只有一個空的決策節(jié)點，在這個空的節(jié)點中輸入任意條件的決策表達式，將該數(shù)據(jù)集的像素分為兩組
2) 第一個決策要基于landsat影像。要定義這個決策點，點擊決策節(jié)點，當前這個節(jié)點被標注為Node，輸入表達式：
{ndvi} gt 0.3
這個決策將像素分為兩類，一類為綠色植被，另一類為非植被
3) 指定應用決策表達式的文件
在出現(xiàn)的Variables/Files Pairing對話框中，點擊{ndvi}，在隨后出現(xiàn)的對話框中選擇bouldr_tm影像，這表明當上述決策規(guī)則計算時，NDVI值將從bouldr_tm影像中計算出來
這里ENVI會根據(jù)NDVI這個特定名稱，自動搜索所需的紅波段和近紅外波段，計算出NDVI值
4) 完成第一個簡單決策樹分類器，NDVI大于0.3被分成白色類，NDVI值小于或等于0.3像素被分為黑色。
4. 輸入決策樹附加規(guī)則
1) 右鍵點擊Class 1的節(jié)點，從彈出的快捷菜單中選擇Add Children，從而將NDVI大的那類細分為兩個新的子類
2) 點擊空白節(jié)點，并在Edit Decision Parameters對話框中，輸入下面這個決策規(guī)則：
{Slope} lt 20
這個決策規(guī)則將根據(jù)坡面的陡峭程度，將NDVI值高的像素分為兩類，同樣，ENVI會根據(jù)Slope(坡度)這個特定名稱，自動搜索計算Slope值
3) 在節(jié)點的Name區(qū)域，輸入slope<20，點擊OK
4) 指定應用決策表達式的文件
在出現(xiàn)的Variables/Files Pairing對話框中，點擊{slope}，在隨后出現(xiàn)的對話框中選擇boulder_dem影像，這表明當上述決策規(guī)則計算時，slope值將從boulder_dem影像中計算出來
5) 繼續(xù)添加決策規(guī)則
右鍵點擊綠色的端元節(jié)點，它包括了NDVI值高、坡度低的那類像素，從彈出的快捷菜單中，選擇Add Children。點擊節(jié)點，在Edit Decision Parameters對話框中，輸入下面這個決策規(guī)則：
{aspect} lt 20 and {aspect} gt 340
這個決策將把NDVI值高、坡度小的那些像素，分為坡面北朝向的和坡面北朝向不顯著的兩類。
6) 在節(jié)點的Name區(qū)域，輸入North，點擊OK
7) 指定應用決策表達式的文件
在出現(xiàn)的`Variables/Files Pairing對話框中，點擊{aspect}，在隨后出現(xiàn)的對話框中選擇boulder_dem影像，這表明當上述決策規(guī)則計算時，aspect值將從boulder_dem影像中計算出來
8) 在節(jié)點的Name區(qū)域，輸入North，點擊OK
9) 繼續(xù)添加決策規(guī)則
右鍵點擊黑色的端元節(jié)點，它包括了NDVI值低的那類像素，從彈出的快捷菜單中，選擇Add Children。點擊節(jié)點，在Edit Decision Parameters對話框中，輸入下面這個決策規(guī)則：
b4 lt 20
這個決策規(guī)則將水體非植被中分離出來，經(jīng)過目視解譯遙感影像發(fā)現(xiàn)，在波段4中，像素值小于20的主要是水體
10) 指定應用決策表達式的文件
在出現(xiàn)的Variables/Files Pairing對話框中，點擊b4，在隨后出現(xiàn)的對話框中選擇bouldr_tm影像
11) 在節(jié)點的Name區(qū)域，輸入Low B4，點擊OK
決策樹如圖2所示：
應用決策表達式的文件如圖3所示：
5. 執(zhí)行決策樹
1) 選擇Options/Execute
2) 在Decision Tree Execution Parameters對話框中，點擊bouldr_tm影像，作為基準影像。其它影像的地圖投影，像素大小和范圍都將被自動調(diào)整，以匹配該基準影像
3) 輸入要輸出的分類影像文件名，保存
6. 查看決策樹分類結(jié)果
1) 輸出的決策樹分類結(jié)果中，給定像素的顏色是由分類指定的端元節(jié)點的顏色確定的。Class1，Class2，Class3，Class4，Class5分別對應紅色，綠色，藍色，黃色，藍綠色。如下圖所示
2) 查看決策樹信息
在ENVI Decision Tree
對話框的空白背景上，點擊右鍵，從彈出的對話框中，選擇Zoom In，現(xiàn)在每個節(jié)點標簽都會顯示像素的個數(shù)以及所包含像素點總影像像素的百分比。
如下圖所示：
7. 修改決策樹
1) 添加新的決策
執(zhí)行完決策樹后查看分類結(jié)果，發(fā)現(xiàn)上述決策規(guī)則中，波段4小于20的那些像素中，某些像素是邊緣像素，值為0，以藍綠色顯示，因此需修改決策樹：
在波段4的值小于20的那些像素的端元節(jié)點上，點擊右鍵，并從彈出的快捷菜單中，選擇Add Children。點擊節(jié)點，在Edit Decision Parameters對話框中，輸入下面這個決策規(guī)則：
b4 eq 0
在Name文本框中，輸入B4=0
2)
執(zhí)行新添加的決策，此時輸出結(jié)果中，邊緣像素就歸為另一類了，以紅紫色表示
如下圖所示：
8. 在決策表達式中使用波段索引
幾個內(nèi)置的決策樹變量在決策表達式使用過程中，需要波段索引
1) 在黃色端元節(jié)點上，點擊右鍵，該節(jié)點包括了NDVI值低但波段4的值高的那一類像素。從快捷菜單中，選擇Add Children。點擊節(jié)點，在Edit Decision Parameters對話框中，輸入下面這個決策規(guī)則：
b1 lt {mean[1]}
在Name文本框中，輸入Low B1
該表達式將判斷波段1的像素值是否小于波段1的均值
2) 指定應用決策表達式的文件
在出現(xiàn)的Variables/Files Pairing對話框中，點擊b1，在隨后出現(xiàn)的對話框中選擇bouldr_tm影像的band 1
在出現(xiàn)的Variables/Files Pairing對話框中，點擊mean，在隨后出現(xiàn)的對話框中選擇bouldr_tm影像
如下圖所示：
3) 運行決策樹
4) 查看結(jié)果，波段1的值較低的某些黃色像素的顏色已變?yōu)榘导t色
如下圖所示：
9. 修剪決策樹
在使用決策樹的過程中，經(jīng)常需要測試某個指定的子節(jié)點是否對決策樹的分類結(jié)果有效，即對決策樹的修剪
1) 在Low B1節(jié)點上，點擊右鍵，從彈出的快捷菜單中，選擇Prune Children。結(jié)果表明，可以看到這個子節(jié)點，但它們不再帶有顏色，而且也沒有連接到?jīng)Q策樹上，表明已被修剪，當執(zhí)行決策樹時，它們不會被使用
如下圖所示：
修剪后分類結(jié)果如下圖所示：
2) 右鍵點擊Low B1節(jié)點，從彈出的快捷菜單中，選擇Restore Pruned Children，可恢復修剪
10.保存生成的決策樹
11. 對分類結(jié)果進行評價
五、 實習結(jié)論
通過實習，從中學到了很多東西，受益匪淺!
此次實習為期5天，令人期待的實習從2012年6月6日開始，6月10日結(jié)束，雖然相對于之前做過的數(shù)字測土實習、大地測量實習，時間較短，但是收獲是頗豐的。全班在老師的全程指導下順利完成了此次實習任務。這里要感謝老師的悉心指導，耐心幫助。
記得是實習正式開始的地一個早上，班級的同學如數(shù)早早的到了實驗是門口，當時還沒到實驗室的開放時間，這也充分的體現(xiàn)了班級同學對此次實習的重視態(tài)度及積極性。在實習過程中，老師先是對原理及當天的實習內(nèi)容進行講解，之后通過電腦給我們講解操作的過程。到了關(guān)鍵步驟，老師會著重強調(diào)，并將重點板書在實驗室的黑板上。由于機房的計算機運行速度較慢，所以到了第二天，大家都各自帶上筆記本，在實驗室用自己的電腦做起實驗，現(xiàn)在回想起來當時實驗室的氣氛非常好。中午的時候很多同學都沒有回寢室，而是繼續(xù)留在實驗室內(nèi)，處理數(shù)據(jù)。實習過程中每個人都會遇到這樣或那樣的問題，有可能各不相同，也有出現(xiàn)相同或類似的問題，當遇到相似的問題時，同學之間會相互討論，討論不出結(jié)果的，向老師請教。
通過此次實習，我認識到了遙感獲得的數(shù)據(jù)經(jīng)過處理后，可以轉(zhuǎn)化為一些有用的數(shù)據(jù)載有Arcgis軟件來處理。最后當我成功的用Arcgis制作出基于遙感研究區(qū)植被信息空間分布圖時，很有成就感。