【erdas做土地利用变化检测分析】

第一部分：研究区概况

• 地理位置：江西省赣州市东南部、广东省梅州市北部以及福建省龙岩市西部地区；
• 气候条件：赣南地处中亚热带，呈典型的亚热带季风性湿润气候，此地四季分明；
• 地形地貌特点：地形复杂，以山地、丘陵、盆地为主，地域差异大。

第二部分：数据选择与下载

我选择的是Landsat的数据的条带号是【121043】，在“地理空间数据云”网站上下载了1991年3月和2017年11月的数据

第三部分：数据处理

1.数据预处理

1.1合成波段

【Raster】→【Layer Selection and Stacking】→选则输入影像及其波段（不选BQA波段），然后定义输出位置以及文件名。Landsat 8 只要添加前七个波段即可

1.2裁剪影像

由于合成后的影像存在瑕疵，且两个年份的影像并不是完全统一的，所以需要对它们进行裁剪，使其保持统一；
下图为裁剪之前的影像：

使用【Drawing】工具，勾画出需要用到的影像，然后使用“subset”工具导出这部分的影像；

下图为裁剪之后的影像:

1.3统一影像的空间分辨率和坐标系

由于裁剪出来的影像分辨率不一致，所以要统一影像分辨率，使用“Resample”工具，导入需要更改分辨率的影像，定义好输出的像素大小，忽略零值。

2.监督分类

2.1监督分类规则：

1.水体/养殖区（蓝色）
2.林地（墨绿）
3.水田（浅蓝）
4.旱地（黄色）
5.城区（红色）
6.草洲/湿地（Caozhou (Wetland)）
7.湖滩（Beach）（橙色）
8.开发区/裸地（棕色）
9.草甸（meadow）
10.不可利用（Not available）
11.云 （cloud）（白色）

监督分类需要三个统一：

• a)控制范围统一（用一样的AOI文件裁剪）
• b)坐标系和分辨率统一
• c)编码统一（分类模板内容一致）

2.2监督分类步骤

2.2.1添加裁剪后的遥感影像

2.2.2对添加后的遥感影像进行监督分类

首先用【Signature Editor】选取控制点，然后对同类的点进行融合

融合结果如下：

2.2.3监督分类

2.2.3.1重编码

在找完点之后，右键图像，查看Attribute Table，会看到数百个编码，因此要对影像进行重编码，使用【Recode】工具，修改相应的New Value，然后点击“Apply”，关闭窗口，重新添加影像，使用模型构建器，输入上一步重编码之后的影像，然后定义输出（输出的时候选择“Thematic”），Run模型，完成之后再放进来，这时候打开影像的Attribute Table，就发现编码已经重编好了。

输出影像：

2.2.3.2 聚类和剔除

由于监督分类后的影像中，很多细碎的地类得以保留，影响后期处理的精度，将8个像元相邻的聚类到一起，小于8个像元的自动被归为其附近最大的地类中。然后使用剔除，设置想要保留的像元大小的阈值，我设置的阈值为10，即小于10个像元的地类将被剔除，并入旁边最大的地类中去。

2.2.3.3提取地物并建立缓冲区

使用模型提取地物：

使用模型建立缓冲区：

水体缓冲结果：

2.2.3.4使用AOI修改某些地类

新建AOI

输出的时候选择专题图形式

第四部分：精度评估

1.精度评估步骤：

选择【Accuracy Assessment】，选择要进行评价的点，每类最少30个点。然后选择需要评估的类别，没有分的类别就不用选择。之后在Reference里输入类别，链接裁剪后的影像和监督分类之后的影像，选择Show All，点变黄了即验证成功。

2.精度评估结果

第五部分：计算变化检测结果