4 具体步骤

4.1 DEM数据拼接

(1)打开ENVI软件,选择【File】【Open】,添加文件夹DEM数据中的影像,操作如图4.1.1所示,结果如图4.1.2。

图4.1.1 添加DEM数据影像

图4.1.2 影像添加结果

(2)数据拼接准备。选择【Mosaicking】【Seamless Mosaic】,点击【Add Scenes】,添加所需拼接的影像。在【Main】选项卡中,将【Data Ignore Value】设置为“0.00”,设置相应的【Color Matching Action】,设置如图4.1.3所示;接下来进行匀色处理,在【Color Correction】选项卡中,勾选【Histogram Matching】,设置如图4.1.4所示。

图4.1.3 数据拼接设置

图4.1.4 匀色处理

(3)自动生成接边线。选择【Seamlines】【Auto Generate Seamlines】,生成接边线,结果如图4.1.5所示。

图4.1.5 自动生成接边线

(5)数据拼接。以上步骤完成后,点击【Finish】,完成影像拼接操作,拼接结果如图4.1.6,并导出至Tiff格式,如图4.1.7所示。

    

图4.1.6 拼接处理结果

图4.1.7 存储为Tiff格式文件

4.2 计算坡度并重分类

(1)根据提取的dem数据,使用【ArcToolbox】【Spatial Analyst工具】【表面分析】中的【坡度】工具对“dem.tif”文件进行坡度计算。设置如图4.2.1。结果如图4.2.2。

图4.2.1 坡度计算

   

图4.2.2 坡度计算结果

(2)使用【ArcToolbox】【Spatial Analyst工具】【重分类】中的【重分类】工具对“Slope_dem1”文件进行重分类计算。设置如图4.2.3。结果如图4.2.4。

图4.2.3 坡度重分类

      

图4.2.4 坡度重分类结果

4.3 对高程进行重分类

(1)使用【ArcToolbox】【Spatial Analyst工具】【重分类】中的【重分类】工具对“dem1”文件进行重分类计算。设置如图4.3.1。结果如图4.3.2。

图4.3.1 dem重分类

    

图4.3.2 dem重分类结果

4.4 计算坡向并重分类

(1)根据提取的dem数据,使用【ArcToolbox】【Spatial Analyst工具】【表面分析】中的【坡向】工具对“dem.tif”文件进行坡向计算。设置如图4.4.1。结果如图4.4.2。

图4.4.1 坡向计算

    

图4.4.2 坡向计算结果

(2)使用【ArcToolbox】【Spatial Analyst工具】【重分类】中的【重分类】工具对“Aspect_dem1”文件进行重分类计算。设置如图4.4.3。结果如图4.4.4。

图4.4.3 坡向重分类

   

图4.4.4 坡向重分类结果

4.5 ENVI提取NDVI

(1)添加影像数据。打开ENVI,点击【File】【Open】,添加文件夹遥感影像数据中的影像,如图4.5.1即为添加的7幅数据。

图4.5.1 添加数据

(2)图像合成。将7幅影像合成一幅多光谱影像数据。选择【Raster Management】【Layer Stacking】,点击【Import File】,选择7幅影像;在【Enter Output Filename】中设置输出路名与名称,具体设置如图4.5.2,合成结果如图4.5.3所示。

图4.5.2 数据合成设置

图4.5.3 数据合成结果

(3)提取NDVI。选择【Spectral】【Vegetation】【NDVI】,选择上一步合成的图像,具体设置如图4.5.4所示,提取的NDVI结果如图4.5.5所示。

图4.5.4 NDVI提取设置

图4.5.5 NDVI结果

(4)导出至Tiff格式,选择【Flie】【Save As】,选择生成的“ndvi”,具体设置如图4.5.6所示。

图4.5.6 NDVI另存为tiff格式

4.6 根据NDVI并重分类

(1)根据提取的NDVI数据“ndvi_result.tif”,使用【ArcToolbox】【Spatial Analyst工具】【重分类】【重分类】进行重分类计算。设置如图4.5.1。结果如图4.5.2。

图4.5.1 NDVI重分类

    

图4.5.2 NDVI重分类结果

4.6 ENVI提取水系

(1)提取水系。选择【Band Algebra】【Band Math】,输入公式“b1 lt -0.2”,公式如图4.6.1,“b1”波段选择提取的“ndvi”,具体设置如图4.6.2所示,提取结果如图4.6.3所示。

图4.6.1 使用公式

图4.6.2 参数设置

   

图4.6.3 提取水域结果图

(2)导出至Tiff格式。选择【Flie】【Save As】,选择生成的“river”,具体设置如图4.6.4所示。

图4.6.4 导出至Tiff格式

4.7 提取水系并重分类

(1)根据提取的水系数据“river_result.tif”进行重分类计算,使用【ArcToolbox】【Spatial Analyst工具】【重分类】中的【重分类】工具。设置如图4.6.1。结果如图4.6.2。

图4.6.1 重分类

图4.6.2 水系重分类结果

(2)由于提取的水系数据边缘数据有错误,提前根据研究区域进行提取,使用【ArcToolbox】【Spatial Analyst工具】【提取分析】中的【按掩膜提取】工具。设置如图4.6.3。结果如图4.6.4。

图4.6.3 按掩膜提取

    

图4.6.4 提取结果

(3)使用【ArcToolbox】【Spatial Analyst工具】【距离分析】中的【欧式距离】工具。对河流数据进行欧式距离计算。设置如图4.6.5。结果如图4.6.6。

图4.6.5 欧式距离

    

图4.6.6 欧式距离计算结果

(4)对“river_YANQU”进行重分类计算,使用【ArcToolbox】【Spatial Analyst工具】【重分类】中的【重分类】工具。设置如图4.6.1。结果如图4.6.2。

图4.6.7 重分类

图4.6.8 水系重分类结果

(5)对“Reclass_rive2”和“EucDist_rive2”相乘计算,使用【ArcToolbox】【Spatial Analyst工具】【数学分析】中的【乘】工具。设置如图4.6.9。结果如图4.6.10。

图4.6.9 乘处理

     

图4.6.10 乘处理结果

(6)使用【ArcToolbox】【Spatial Analyst工具】【重分类】中的【重分类】工具对“Times_River”。设置如图4.6.11。结果如图4.6.12。

图4.6.11 重分类

图4.6.12 重分类结果

4.7 敏感性等级计算

(1)使用【ArcToolbox】【Spatial Analyst工具】【地图代数】中的【栅格计算器】工具对以上各因子进行敏感性分析。设置如图4.7.1。结果如图4.7.2。

图4.7.1 栅格计算器

    

图4.7.2 敏感性分析计算结果

(2)使用【ArcToolbox】【Spatial Analyst工具】【提取分析】中的【按掩膜提取】工具根据研究区域进行提取结果。设置如图4.7.3。结果如图4.7.4。

图4.7.3 按掩膜提取

   

图4.7.4 按掩膜提取结果

图4.7.5 生态环境敏感性分布图

思路

在空间数据分析中,首先获取所需数据,利用ENVI软件实现DEM数据拼接、提取植被指数和水系;接着在ArcGIS中,对DEM数据提取坡度、坡向,并按照表格内容,将坡度、坡向、高程、植被指数、水系进行重分类操作,得到相应的成本数据,并进行加权计算,最后进行地图制图和地图标注,然后导出至JPG图片。

扫码关注微信公众号

ENVI提取水系并进行生态敏感性分析的更多相关文章

  1. ArcGIS提取水系并进行生态敏感性分析

    1.前言 此前已经发表过一篇名为<ENVI提取水系并进行生态敏感性分析>的随笔,这篇是用ArcGIS进行水系提取,与前者的区别是上篇一般是对遥感影像进行处理,准确性较高:这篇是讲在没有遥感 ...

  2. ArcMap操作随记(2)

    1.空间校正 变换-仿射 仅发生偏移 橡皮页变化 形状改变 变换-投影 旋转,改变角度 变换-相似 改变大小.形状不变 2.计算行列号 Int(([POINT_Y]-1273.143242)/30)+ ...

  3. 利用ENVI FX从RGB提取建筑物轮廓

        在QQ热线或者技术咨询会问到:"我有一副RGB的栅格图,想从上面提取相关的一些信息.能不能提取?精度有保证吗?"等等诸如此类的问题.本专题就採用我们经常使用的栅格地图进行建 ...

  4. ​​​​​​​ARCGIS API for Python进行城市区域提取

    ​ArcGIS API for Python主要用于Web端的扩展和开发,提供简单易用.功能强大的Python库,以及大数据分析能力,可轻松实现实时数据.栅格数据.空间数据等多源数据的接入和GIS分析 ...

  5. API例子:用Java/JavaScript下载内容提取器

    1,引言 本文讲解怎样用Java和JavaScript使用 GooSeeker API 接口下载内容提取器,这是一个示例程序.什么是内容提取器?为什么用这种方式?源自Python即时网络爬虫开源项目: ...

  6. 立体像对DEM提取

    版权声明:本教程涉及到的数据仅练习使用,禁止用于商业用途. 目录 1.概述 2.详细操作步骤 第一步:输入立体像对 第二步:定义地面控制点 第三步:定义连接点 第四步:设定DEM提取参数 第五步:输出 ...

  7. php抓取图片进行内容提取解析,文字性pdf进行内容文字提取解析

    2018年7月7日18:52:17 php是用纯算法,自己是提取图片内容不是不行,可以但是优化起来很麻烦还得设计学习库,去矫正数据的正确率 对于大多数项目来说,如果不是做ocr服务,就不必要做需求工具 ...

  8. 关键字提取算法TF-IDF和TextRank(python3)————实现TF-IDF并jieba中的TF-IDF对比,使用jieba中的实现TextRank

    关键词:    TF-IDF实现.TextRank.jieba.关键词提取数据来源:    语料数据来自搜狐新闻2012年6月—7月期间国内,国际,体育,社会,娱乐等18个频道的新闻数据    数据处 ...

  9. HanLP分词命名实体提取详解

    HanLP分词命名实体提取详解   分享一篇大神的关于hanlp分词命名实体提取的经验文章,文章中分享的内容略有一段时间(使用的hanlp版本比较老),最新一版的hanlp已经出来了,也可以去看看新版 ...

随机推荐

  1. Collections与Arrays

    集合框架中的工具类:特点:该工具类中的方法都是静态的. Collections:常见方法: 1, 对list进行二分查找: 前提该集合一定要有序. int binarySearch(list,key) ...

  2. 2.k8s的架构

    之前了解了k8s到底是什么,接下来看看k8s的组成. 一.Kubernetes架构 学习k8s,最终目的是为了部署应用,部署一个完整的k8s, 就要知道k8s的组成.k8s主要包含两大部分: 中间包含 ...

  3. numpy 知识汇总

    1.增加维度 高纬度打印出来很不好观察,所以打印出来shape更加容易理解维度的增加, 此外一维向量a=np.array([1,2,3]), a[:,None],相当于变为二维并转置了shape=(3 ...

  4. 使用Three.js和React把冰墩墩部署在网页上!实现人手一墩!

    前言 最近冰墩墩一墩难求,大家开始通过各种方式打造自己的冰墩墩,各种冰墩墩开始出现,粘土冰墩墩,橘子冰墩墩,3D打印冰墩墩.这次通过前端的方式展示一个3D冰墩墩,现在开始吧. 声明:本文涉及奥运元素3 ...

  5. 在win10上安装face_recognition(人脸识别)

    github上有个项目face_recognition,是用于人脸识别的 主要是window上安装这个项目会繁琐些,linux上据项目文档上介绍是妥妥的. 项目地址:  https://github. ...

  6. Solution -「CEOI 2006」「洛谷 P5974」ANTENNA

    \(\mathcal{Description}\)   Link.   给定平面上 \(n\) 个点,求最小的能覆盖其中至少 \(m\) 个点的圆半径及一个可能的圆心.   \(n\le500\),坐 ...

  7. SpringCloud微服务实战——搭建企业级开发框架(三十七):微服务日志系统设计与实现

      针对业务开发人员通常面对的业务需求,我们将日志分为操作(请求)日志和系统运行日志,操作(请求)日志可以让管理员或者运营人员方便简单的在系统界面中查询追踪用户具体做了哪些操作,便于分析统计用户行为: ...

  8. 小牟有趣的PWN

    咳咳,主要是记一下最近学二进制然后工作室里面一个一起学pwn,然后遇到的一个比较好玩的题目. 一共呢,是两个文件,这也是最近学习pwn第一次做到两个文件的题目, 如果想要源文件,这边可以加我们的工作室 ...

  9. Clickhouse 分布式表&本地表 &ClickHouse实现时序数据管理和挖掘

    一.CK 分布式表和本地表 (1)CK是一个纯列式存储的数据库,一个列就是硬盘上的一个或多个文件(多个分区有多个文件),关于列式存储这里就不展开了,总之列存对于分析来讲好处更大,因为每个列单独存储,所 ...

  10. IDEA安装下载以及使用

    IDE 集成开发环境(IDE,Integrated Development Environment )是用于提供程序开发环境的应用程序,一般包括代码编辑器.编译器.调试器和图形用户界面等工具.集成了代 ...