GIS竞赛的一些笔记

在landsat TM传感器中，2、3、4和5波段分别对应绿波段、红波段、近红外波段和中红外波段。

植被指数(NDVI)可以检测植被生长状态、植被覆盖度和消除部分辐射误差等。NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关。

公式：（近红外波段-红波段）/（近红外波段+红波段）。

归一化差分水体指数（NDWI)（大于0部分为水域）用于提取水体影像信息。

公式：（绿波段-近红外波段）/（绿波段+近红外波段）

改进归一化差分水体指数（MNDWI）（大于0部分为水域）用于提取水体影像信息，比NDWI更能区分水体细微特征和阴影。

公式：（绿波段-中红外波段）/（绿波段+中红外波段）

相交：输出结果为相交部分的最小要素，并且附带了其他要素的全部属性。

标识：输出结果为所有的输入要素，并且被标识部分的要素附带了标识要素的全部属性（适用于点线面单要素之间的确认关系）。

联合：输出结果为各面要素（联合中涉及的要素都是面要素）上面叠加的所有其他要素属性信息，用于计算多个要素图层叠加后进行统计运算。

空间连接：输出结果为所有目标要素或者目标要素中与连接要素相交的要素，并且附带了连接要素中各属性的统计值（适用于点线面的多要素之间互相统计，极值，值域，总和，平均值）

填挖方：一个是填挖方之前的栅格，一般直接是DEM数据，另外一个是填挖方之后的栅格数据，一般是一个平面栅格，高程介于DEM的极值之间，这样针对原始高程数据才会有净收益（被填充的区域）和净损失（被挖掉的区域）从而达到填挖方之后的平面栅格。

表面体积：输入数据为DEM数据，平面高度将DEM数据划分成上下两部分地区范围，可以统计其2D面积，3D面积和体积。

在字段计算器中：

1.VB：Mid([字段名称],字符串开始读取位置,读取长度)   作用：提取指定长度的字符串

2.Python：MAX([字段1,字段2,字段3,字段4])

3.Python判断字符串相等时应该在字符串前面加上u进行强制转换；

最后参加比赛时由于基础知识不牢固，导致在地理配准这个常用操作上浪费了很多时间。在地理配准时应该注意到是否需要转换图形，零阶多项式仿射适用于两个图形之间只需要简单的平移，如果涉及到缩放和旋转，这时候务必记得使用一阶多项式仿射！！！如果还不满足配准要求，则需要使用2阶多项式仿射了。阶数越高变形约大，外推误差越大。

批处理如果电脑配置允许可以多。