前言：因論文數據需要，所以開始解譯遙感影像數據，整個解譯過程都是參考ESRI China的遙感事業部整理的Envi學習教程實現的，非常感謝該公司的學習資料，受益匪淺。同時，在這個過程中遇到了很多問題，幸得老師、師兄和同學的幫助得以解決，個人認為有必要記錄各個流程以及問題的解決辦法。趁著今天解譯數據選樣本快吐了，換個口味，整理一下。

（一）數據下載

我是在地理空間數據云(http://www.gscloud.cn)下載的遙感影像，當然也可以從美國地質調查局(USGS)網站(http://glovis.usgs.gov)下載，據說該網站的數據量大，可供選擇的數據多，但由于本人不能翻墻，且地理空間數據云提供的數據滿足我的要求，所以未翻墻。有需要的同學可以嘗試一下，如果有什么好用的翻墻軟件也可以推薦一下。

回到正題，地理空間數據云的數據提供了以下參數：數據標識、條帶號、行編號、中心經度、中心維度、成像日期和云量，我下載的時候在選中研究區后，盡量選擇云量低的影像，由于計劃解譯5類地類，建設用地和水域是比較容易識別的，所以主要是區分林地、耕地和未利用地，因此在遙感圖像的時相選擇時需考慮植被生長階段。植被生長茂盛期為 6 月下旬到 9 月上旬，各植物處于生長旺盛階段，植被類型間的差異不明顯，因此圖像上也不易識別，反而 5 月中下旬至 6 月中旬對植被提取和分類最為有利。秋天樹葉開始變色，也有利于植被類型的識別。因此在農林業資源、環境調查和監測基本都選擇 5 月中下旬至 6 月中旬或者 9 月中下旬至10月上中旬。所以盡量選擇云量低且在5月中下旬至10月上中旬的影像數據。所謂的云量低盡量是在5%以下，不過也要具體問題具體分析，因為如果所有的云量都集中在研究范圍外那也不會有太大的影響；另外關于影像成像時間的要求，如果沒有在這個期間內符合要求的數據那也只能退而求其次了。總歸一句話，只能解譯分類效果好，這些當然不是大問題。只是說能夠滿足這些前提條件當然是再好不過的了。

(二)數據預處理

下載好數據后，就開始預處理過程了。我的處理步驟依次為：打開數據--輻射定標--大氣校正--圖像鑲嵌--幾何校正--行政區裁剪。

1、打開數據

我不知道有沒有跟我一樣的同學，不知道怎么打開下載的影像數據。為什么連打開數據這么簡單的步驟都要單獨列出來講呢，因為我第一次下載影像數據解壓后，打不開，為此還被我師弟嘲笑了一番。所以我覺得有必要記錄一下，數據打開方式：File--Open As--Optical Sensors--Landsat--GeoTIFF with Metadata。師弟心里肯定在想，這師姐怎么這么菜？哈哈

2、輻射定標

輻射定標的概念是“一般來講，輻射定標就是將圖像的數字量化值（DN）轉化為輻射亮度值或者反射率或者表面溫度等物理量的處理過程”。我目前還沒了解這是什么意思，就按照教程那樣操作了，但是輻射定標前后，地類的波譜曲線有發生改變，這個過程就是干了這件事。

3、大氣校正

當太陽輻射通過大氣以某種方式入射到物體表面然后再反射回傳感器，由于大氣氣溶膠、地形和鄰近地物等影像，使得原始影像包含物體表面，大氣，以及太陽的信息等信息的綜合。而如果我們想要了解某一物體表面的光譜屬性，我們必須將它的反射信息從大氣和太陽的信息中分離出來，這就需要進行大氣校正過程。大氣校正有工具實現，主要是一些參數的設置，按照學習材料就沒問題。

4、圖像鑲嵌

如果研究區占兩景圖像就有必要進行拼接了，這里不得不夸ESRI China的遙感事業部整理的Envi學習教程，整個流程我都是按照這個教程一步一步來，然后自己摸索，遇到問題就問度娘、找同學探討。由于我的研究區在一景影像上，所以不用進行鑲嵌。需要進行鑲嵌學習的可以參考ESRI China的遙感事業部整理的Envi學習教程，沒有學習資料的也可以私聊我，分享地理價值，做知識的傳播者。

因為我的研究區不涉及圖像鑲嵌，而很多同學在處理數據過程中都是涉及圖像鑲嵌。我之前沒有過多思考圖像鑲嵌的順序，昨天把他放在了了輻射定標和大氣校正之前，后面師兄看了我寫的后，提出說：鑲嵌后，不再是原始圖像信息，如果先鑲嵌再進行輻射定標和大氣校正其參數不一定對。想想還是師兄考慮的比較周到，為師兄點贊。

5、幾何校正

為什么要進行幾何校正呢？我目前的理解是由于數據的偏差，所導致的影像位置偏移，所以要進行校正(也不知道我這樣理解對不對)。反正就是按照學習資料一步一步來，但是我按照步驟來，后面得到的結果很不好，所以在前輩的指導下，計劃最后進行校正步驟，這樣可能會好一些。這里需要注意的是，我居然不知道怎么打開兩個Envi的顯示界面(不試不知道，一試嚇一跳，我現在就是什么都不知道，才開始解譯，也是一個學習的過程了)。好在后面在師兄的手把手教學下知道了：開始>程序>ENVI5.1>Tools>ENVI Classic，主菜單>File>Open Image File。對應的RGB要進行選擇，不能空白，然后再打開“Display”。

?

然后，主菜單>Map>Registration>Select GCPs:Image to Image，打開幾何校正模塊。選擇基準影像（Base Image）和待校正影像（Warp Image），點擊 OK 進入采集地面控制點。

找控制點時一定要準確，不要太急，不要認為覺得差不多就可以。當選擇控制點的數量達到 3 時，RMS 被自動計算。Ground Control Points Selection 上的 Predict 按鈕可用，選擇 Options> Auto Predict，打開自動預測功能。通過基準影像和待校正影像微調，降低RMS誤差。如果基準影像和待校正影像的范圍不一致，不建議采取Automatically Generate Points方法。因為這樣生成的點的RMS Error很大，建議通過Auto Predict自行調整待校正影像的點，最終總的 RMS 值小于 1 個像素時，完成控制點的選擇，保存GCPs to ASCII。

有兩種校正輸出方式：Warp File 和 Warp File (as Image Map)。這個學習教程都有具體步驟，按照教程來，沒什么大問題。

一般來說，幾何校正是在最后進行處理。

6、行政區裁剪

圖像裁剪的目的是將研究之外的區域去除。常用的方法是按照行政區劃邊界或者自然區劃邊界進行圖像裁剪；在基礎數據生產中個，還經常要進行標準分幅裁剪(這個我沒試過)。具體實現通過subset from ROI就可以實現，教程有幾種裁剪方式，可以好好學習。

(三)遙感解譯

數據預處理差不多好了，就進行遙感解譯分類了，我的主要步驟是：分類--分類后處理--精度驗證。目前卡在分類過程中，選樣本把我弄得想吐了，，，

主要實現步驟是通過對添加紋理信息的合成波段選擇感興趣區，然后利用支持向量機或隨機森林進行分類，再對分類結果進行分類后處理，主要是Majority/Minority分析，然后再進行精度驗證。

其中感興趣區的選擇很重要，要求選擇的樣本均勻且準確，各個樣本大小不能相差太大，這里可以通過多個波段的不同組合去選樣本，選樣本很考驗人，我已經搞了半個月，想吐了，還沒完。目前一直卡在這里，選了刪，刪了選，再刪，再選。。。期間因為我的ENVI更換版本原因，還出現了“Singular value encountered in calculation for ROI: 林地”。總結有以下幾個原因：首先，可能是選擇的樣本太大或太小導致的；其次，可能是選擇的各個樣本之間數量差距太過懸殊，我這里說的數量差距太過懸殊是說可能林地為2個樣本，而耕地有200個樣本，這差的有點離譜了；然后，還有可能的原因就是添加的紋理信息波段過多，這里說的過多是說可能疊加后的波段超過45個了，這就太多了，為什么太多了導致他的ROI有問題呢？這個可能還需要進一步探討；最后，還有出現這個問題的可能的原因有待進一步補充，哈哈哈。

選好樣本后，選擇分類方法，建議多嘗試幾種分類方法，選擇一種分類效果最好的。

分類后處理有很多方法，除了Majority/Minority分析，還有聚類處理、過濾處理等。

精度驗證：對分類結果進行評價，確定分類的精度和可靠性。有兩種方式用于精度驗證：一是混淆矩陣，二是 ROC 曲線，比較常用的為混淆矩陣，ROC 曲線可以用圖形的方式表達分類精度，比較抽象。真實參考源可以使用兩種方式：一是標準的分類圖，二是選擇的感興趣區（驗證樣本區）。根據學習教程要求，由于沒有標準的分類圖，所以通過驗證樣本區實現。真實的感興趣區驗證樣本的選擇可以是在高分辨率影像上選擇，也可以是野外實地調查獲取，原則是獲取的類別參考源的真實性。由于沒去野外，我計劃通過其他影像進行驗證。為此，我花了一天時間又去下了其他平臺的影像，試過Google Earth、51衛圖、全能電子地圖下載器，最后選擇了LocaSpace Viewer。這個是國產的，剛打開界面類似于Google Earth的炫酷，整體界面相差也不大，最主要的就是免費啦。

總的來說，目前我的解譯過程不太順利，尚在摸索階段，這與我個人基礎有關，但感謝網上學習資料以及身邊老師、師兄及同學的幫助。后期有什么問題和解決方案我再持續更新。

總結

以上是生活随笔為你收集整理的遥感影像数据解译基本步骤的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。