遥感影像数据解译基本步骤

前言：因论文数据需要，所以开始解译遥感影像数据，整个解译过程都是参考ESRI China的遥感事业部整理的Envi学习教程实现的，非常感谢该公司的学习资料，受益匪浅。同时，在这个过程中遇到了很多问题，幸得老师、师兄和同学的帮助得以解决，个人认为有必要记录各个流程以及问题的解决办法。趁着今天解译数据选样本快吐了，换个口味，整理一下。

（一）数据下载

我是在地理空间数据云(http://www.gscloud.cn)下载的遥感影像，当然也可以从美国地质调查局(USGS)网站(http://glovis.usgs.gov)下载，据说该网站的数据量大，可供选择的数据多，但由于本人不能翻墙，且地理空间数据云提供的数据满足我的要求，所以未翻墙。有需要的同学可以尝试一下，如果有什么好用的翻墙软件也可以推荐一下。

回到正题，地理空间数据云的数据提供了以下参数：数据标识、条带号、行编号、中心经度、中心维度、成像日期和云量，我下载的时候在选中研究区后，尽量选择云量低的影像，由于计划解译5类地类，建设用地和水域是比较容易识别的，所以主要是区分林地、耕地和未利用地，因此在遥感图像的时相选择时需考虑植被生长阶段。植被生长茂盛期为 6 月下旬到 9 月上旬，各植物处于生长旺盛阶段，植被类型间的差异不明显，因此图像上也不易识别，反而 5 月中下旬至 6 月中旬对植被提取和分类最为有利。秋天树叶开始变色，也有利于植被类型的识别。因此在农林业资源、环境调查和监测基本都选择 5 月中下旬至 6 月中旬或者 9 月中下旬至10月上中旬。所以尽量选择云量低且在5月中下旬至10月上中旬的影像数据。所谓的云量低尽量是在5%以下，不过也要具体问题具体分析，因为如果所有的云量都集中在研究范围外那也不会有太大的影响；另外关于影像成像时间的要求，如果没有在这个期间内符合要求的数据那也只能退而求其次了。总归一句话，只能解译分类效果好，这些当然不是大问题。只是说能够满足这些前提条件当然是再好不过的了。

(二)数据预处理

下载好数据后，就开始预处理过程了。我的处理步骤依次为：打开数据--辐射定标--大气校正--图像镶嵌--几何校正--行政区裁剪。

1、打开数据

我不知道有没有跟我一样的同学，不知道怎么打开下载的影像数据。为什么连打开数据这么简单的步骤都要单独列出来讲呢，因为我第一次下载影像数据解压后，打不开，为此还被我师弟嘲笑了一番。所以我觉得有必要记录一下，数据打开方式：File--Open As--Optical Sensors--Landsat--GeoTIFF with Metadata。师弟心里肯定在想，这师姐怎么这么菜？哈哈

2、辐射定标

辐射定标的概念是“一般来讲，辐射定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程”。我目前还没了解这是什么意思，就按照教程那样操作了，但是辐射定标前后，地类的波谱曲线有发生改变，这个过程就是干了这件事。

3、大气校正

当太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。而如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。大气校正有工具实现，主要是一些参数的设置，按照学习材料就没问题。

4、图像镶嵌

如果研究区占两景图像就有必要进行拼接了，这里不得不夸ESRI China的遥感事业部整理的Envi学习教程，整个流程我都是按照这个教程一步一步来，然后自己摸索，遇到问题就问度娘、找同学探讨。由于我的研究区在一景影像上，所以不用进行镶嵌。需要进行镶嵌学习的可以参考ESRI China的遥感事业部整理的Envi学习教程，没有学习资料的也可以私聊我，分享地理价值，做知识的传播者。

因为我的研究区不涉及图像镶嵌，而很多同学在处理数据过程中都是涉及图像镶嵌。我之前没有过多思考图像镶嵌的顺序，昨天把他放在了了辐射定标和大气校正之前，后面师兄看了我写的后，提出说：镶嵌后，不再是原始图像信息，如果先镶嵌再进行辐射定标和大气校正其参数不一定对。想想还是师兄考虑的比较周到，为师兄点赞。

5、几何校正

为什么要进行几何校正呢？我目前的理解是由于数据的偏差，所导致的影像位置偏移，所以要进行校正(也不知道我这样理解对不对)。反正就是按照学习资料一步一步来，但是我按照步骤来，后面得到的结果很不好，所以在前辈的指导下，计划最后进行校正步骤，这样可能会好一些。这里需要注意的是，我居然不知道怎么打开两个Envi的显示界面(不试不知道，一试吓一跳，我现在就是什么都不知道，才开始解译，也是一个学习的过程了)。好在后面在师兄的手把手教学下知道了：开始>程序>ENVI5.1>Tools>ENVI Classic，主菜单>File>Open Image File。对应的RGB要进行选择，不能空白，然后再打开“Display”。

 

然后，主菜单>Map>Registration>Select GCPs:Image to Image，打开几何校正模块。选择基准影像（Base Image）和待校正影像（Warp Image），点击 OK 进入采集地面控制点。

找控制点时一定要准确，不要太急，不要认为觉得差不多就可以。当选择控制点的数量达到 3 时，RMS 被自动计算。Ground Control Points Selection 上的 Predict 按钮可用，选择 Options> Auto Predict，打开自动预测功能。通过基准影像和待校正影像微调，降低RMS误差。如果基准影像和待校正影像的范围不一致，不建议采取Automatically Generate Points方法。因为这样生成的点的RMS Error很大，建议通过Auto Predict自行调整待校正影像的点，最终总的 RMS 值小于 1 个像素时，完成控制点的选择，保存GCPs to ASCII。

有两种校正输出方式：Warp File 和 Warp File (as Image Map)。这个学习教程都有具体步骤，按照教程来，没什么大问题。

一般来说，几何校正是在最后进行处理。

6、行政区裁剪

图像裁剪的目的是将研究之外的区域去除。常用的方法是按照行政区划边界或者自然区划边界进行图像裁剪；在基础数据生产中个，还经常要进行标准分幅裁剪(这个我没试过)。具体实现通过subset from ROI就可以实现，教程有几种裁剪方式，可以好好学习。

(三)遥感解译

数据预处理差不多好了，就进行遥感解译分类了，我的主要步骤是：分类--分类后处理--精度验证。目前卡在分类过程中，选样本把我弄得想吐了，，，

主要实现步骤是通过对添加纹理信息的合成波段选择感兴趣区，然后利用支持向量机或随机森林进行分类，再对分类结果进行分类后处理，主要是Majority/Minority分析，然后再进行精度验证。

其中感兴趣区的选择很重要，要求选择的样本均匀且准确，各个样本大小不能相差太大，这里可以通过多个波段的不同组合去选样本，选样本很考验人，我已经搞了半个月，想吐了，还没完。目前一直卡在这里，选了删，删了选，再删，再选。。。期间因为我的ENVI更换版本原因，还出现了“Singular value encountered in calculation for ROI: 林地”。总结有以下几个原因：首先，可能是选择的样本太大或太小导致的；其次，可能是选择的各个样本之间数量差距太过悬殊，我这里说的数量差距太过悬殊是说可能林地为2个样本，而耕地有200个样本，这差的有点离谱了；然后，还有可能的原因就是添加的纹理信息波段过多，这里说的过多是说可能叠加后的波段超过45个了，这就太多了，为什么太多了导致他的ROI有问题呢？这个可能还需要进一步探讨；最后，还有出现这个问题的可能的原因有待进一步补充，哈哈哈。

选好样本后，选择分类方法，建议多尝试几种分类方法，选择一种分类效果最好的。

分类后处理有很多方法，除了Majority/Minority分析，还有聚类处理、过滤处理等。

精度验证：对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证：一是混淆矩阵，二是 ROC 曲线，比较常用的为混淆矩阵，ROC 曲线可以用图形的方式表达分类精度，比较抽象。真实参考源可以使用两种方式：一是标准的分类图，二是选择的感兴趣区（验证样本区）。根据学习教程要求，由于没有标准的分类图，所以通过验证样本区实现。真实的感兴趣区验证样本的选择可以是在高分辨率影像上选择，也可以是野外实地调查获取，原则是获取的类别参考源的真实性。由于没去野外，我计划通过其他影像进行验证。为此，我花了一天时间又去下了其他平台的影像，试过Google Earth、51卫图、全能电子地图下载器，最后选择了LocaSpace Viewer。这个是国产的，刚打开界面类似于Google Earth的炫酷，整体界面相差也不大，最主要的就是免费啦。

总的来说，目前我的解译过程不太顺利，尚在摸索阶段，这与我个人基础有关，但感谢网上学习资料以及身边老师、师兄及同学的帮助。后期有什么问题和解决方案我再持续更新。