3S技术实习报告

一、 实习的任务和要求。

实习任务：实习是实践的重要组成部分，能都让我们将课堂上的理论与实际相联系，用课堂所学习的东西来分析和解决生活中的实际问题，还可以提高我们的综合实践能力，提高理论与实践相结合的实践能力，掌握对图像的几何校正，用GPS的定位并采集数据，进行监督分类，专题图的建立等。通过这些初步技能的实践，让我们更好的理解课程，培养了我们的能力。

实习的要求：通过实习，我们可以熟悉3S技术的主要支撑设备及设备的使用，可以用3S技术解决实际的林业问题，能够做好最后的实习报告，为后续相关知识的学习打好基础。

二、 实习的时间和地点。 三、 实习的主要内容和简要步骤。

（1）、遥感图像的几何校正。

A、显示图像文件：打开两个视窗，平铺视窗，Viewer1打开被校正图，Viewer2打开作为参考的已校正图。

B、启动几何校正模块：单击Viewer1菜单条下的Raster→Geometric Correction→Set Geometric Mode→Polynomial然后设置相应参数按确定。

C、对所需图像进行校正：在两视窗内采相应点对图像进行校正，所采点应尽量广布。 D、采集检验点检验精度：在已经采集的10点基础上采集二十个点验证校正的精度和实用性。 E、对图像进行重采样：在精度符合要求且图像具有实用性的前提下对图像进行重采样，生成重采样文件：resample.img。

（2）、地物类型点数据采集。

A、根据具体的要求对GPS进行必要的设置。

B、根据国土资源局土地类型的划分，分出周边环境所属类型。

C、利用GPS，在学校周边选择数据点，对不同土地利用类型的土地进行数据采集并列成表。

（3）、遥感图像分类---监督分类。

○1定义分类模板。

A、 在视窗中显示之前的几何校正图像：resample.img。

B、 在ERDAS界面中选择Classifier→Classification菜单→Signature Editor菜单

栏→Signature Editor对话框，对需要设置的相应属性进行设置。

C、 根据分类在几何校正后的图像上，选出对应类型土地的样点，并在Signature

Editor对话框中生成数据，并对有可能合并的数据进行合并。

○2评价分类模板。

在Signature Editor对话框中选择Evaluation→Contingency生成Signature表验证模板的精度。

○3执行监督分类。

在ERDAS界面里选择Classifier→Classification菜单→Supervised Classification菜单项→Supervised Classification对话框，在弹出的对话框中设定相应的选项使其生成相应的文件：supervised.img。

○4分类后处理。

A、在ERDAS中选择Interpreter→GIS Analysis→Clump→Clump对话框，导入相应的

图片并设置相关的属性选项生成文件：clump.img。

B、在ERDAS中选择Interpreter→GIS Analysis→Eliminate→Eliminate对话框，导入相应的图片并设置相关的属性选项生成文件：eliminate.img。

C、在ERDAS中选择Interpreter→GIS Analysis→Recode→Recode对话框，导入相应的图片并设置相关的属性选项生成文件:recode.img。 D、在ERDAS中打开recode.img，在recode.img中的菜单栏中选择Raster→Attribute对话框，进入对相应的属性进行命名、设置颜色等并保存。

○5评价分类结果。

A、将之前的采集的80个点数据转化成地理坐标后生成一个*.txt文件。

B、在ERDAS中选择Classifier→Classification菜单→Accuracy Assessment菜单栏→Accuracy Assessment对话框。

C、打开之前最后保存的recode.img，再导入之前所做的*.txt文件，并选择相应的选项显示出Class栏的数据。

D、手动输入各地理坐标的Rrference值并设置相应报告显示内容生成最后的分类精度报告。

（4）、土地利用专题图的建立。

将之前生成的recode.img文件导入到Arcgis软件中，设置图像的相应属性并使背景图成横排状，再为图像添加图例、比例条、标题、指北针等并最终生成专题图图片。

（5）、差分GPS

A、检查设备：检查设备完备性及完好性，以及工作性能。

B、架设主控点仪器：在主控点架设好仪器并精准的对准准星。

C、数据采集：设置仪器相关的属性，设置不同的移动站点，在相关位置同步测量两站点的数据并保存好数据。

四、 实习结果及误差分析。

（1）、几何校正误差分析。

图一：几何校正数据图

图二：采点图

图三：重采样图

精度误差分析：

A、控制点的选择分布不够均匀。

B、由于采点时人为视觉的影响造成的误差。

C、图片精度及拍摄时间的不同造成对准时的误差。 D、选取的点不够明显造成的对应偏移打的误差。

（2）、地物类型点的数据采集误差分分析。

根据最后结果的产生我们还是可以发现所采集的点在大部分来说是符合要求的，但还是在个别的点上存在一些错误，在对于数据的选择上某些点的选取还是值得商榷的，但我们也不应该将所有的错误归于选点的问题，可能在测量的过程中我们有些许人为的因素造成了备选点数据采集的误差。还有可能的就是在数据导入制表时可能由于疏忽等会对点的精确位置造成误差等。

（3）、分类监督结果分析。

模板评价可能性矩阵

Data CD JZ JT GD SY YL CD 6563 359 107 377 0 113 JZ 188 9394 178 9 0 63 Reference Date JT GD SY 242 5815 0 230 22 0 3697 935 0 16 12129 2 0 0 64799 25 0 434 YL 1063 115 405 1781 194 2358 LD 646 159 2134 17764 47356 44174 WLY Total 613 14900 5 10444 239 7695 219 32273 0 112354 35 48069 LD 5 WLY 283 Column 7807 0 42 9874 0 0 13740 1 0 0 3981 20176 78975 194 87965 0 102039 64 7 10837 5751 6150 200205 14353 333525 从矩阵中我们可以看到：在CD中GD对于总数的影响非常的大，其次的是YD和JT，而在GD中CD对于GD的影响也是很大的，但是没有CD对于GD的大，在JZ中JT对于建筑的影响也是很大的，在JT中其余项目对于JT的影响都相对比较平均，没有特别突出影响的项目，在LD中，SY对之的影响很大，SY的值甚至超出了LD值的一大部分，而相对的，在SY中，LD对于SY的影响也相对其他比较大，但没有SY对于LD的影响那么的大，在WLYD中，GD对于WLYD的影响比较大，其次分别是YD和JT，在YD中则是GD对其的影响比较大。总的来说，在各自的领域中其他项目几乎都有对该项目进行影响，只是大小的问题，而且在有间接联系的CD、GD、YD等间的相互影响较其他间影响更为强烈，归根来说这样的模板会在后面的实验中产生一定的误差。

图四：监督分类结果图

图五：聚类分析图

图六：去除分析未付颜色图

图七：相关属性图 精度评价报告表

Class Name 草地 建筑 交通 耕地 水域 园林 林地 未利用 Reference Totals 10 10 10 10 9 11 10 10 Classified Totals 9 9 10 10 8 7 17 10 Number Correct 8 9 9 10 8 6 10 10 Producers Accuracy 80.00% 90.00% 90.00% 100.00% 88.89% 54.55% 100.00% 100.00% Users Accuracy 88.89% 100.00% 90.00% 100.00% 100.00% 85.71% 58.82% 100.00% 总体精度达87.50%，KAPPa系数为0.8572

通过对分类的评价，达到80%的要求，保存结果。 根据相关的计算公式得到了前面的两个数据，进过一系列的图像处理措施，使得图像的精度大大的提高，并最终达到了精度的要求，但是局部的、相关有间接联系的地物类型对实验的最终结果还是造成了一定的影响，对最终的统计结果和精度造成了影响。

（4）、专题图的建立。

图八：福建农林大学土地利用专题图

五、 实习的简要过程及心得体会。

过程：2010年12月20日 几何校正

2010年12月21日 差分GPS、地物类型点的数据采集 2010年12月22日 有监分类内业 2010年12月23日 有监分类内业 2010年12月23日 土地专题图的建立 心得体会：

这是一次我碰过最麻烦的实习，我经常是一天从早上进去实验室到傍晚要关门了才出来，我常常在反思这样是为什么?明明老师是很用心的在带我们。那理由只有一个，那就是我们不够认真，也确实，我们连差分GPS的数据都没弄过来，这确实是一种错误，好在老师心地善良，原谅了我们，也没做最后一项实验，这是我们的损失。这也某些方面曝露出我们在软件应用方面上的短板，还有英语上的缺失，我想要是这个软件汉化了，我们肯定得心应手多了。老师说这样的训练课在外面可是要交很多钱，我们是没有好好把握住了，时间和机会都从我们手中悄悄流过，我想我们还是有努力的，我们做了那么久的实验室。不过我要特地感谢赖老师的宽宏大量，对我们的循循善诱，很好的老师，很难得的老师，喜欢下次有机会能在上您的课，谢谢您，您幸苦了！

本文来源：https://www.bwwdw.com/article/mse.html