选择我们的高光库反射率数据,点击 ok 就打开了我们这样的一个界面, 那在这样的一个界面中呢,我们可以去选择三种植被指数参与分析。首先呢是选择我们的绿度指数,优先选择窄度, 优先选择窄带绿度指数,还可以设置我们的一个最小绿度指数,这里我们设置零点二,这里我们设置成零点二,那么低于这个值的区域呢,他就不参与计算,会被研磨掉。下面这个呢就是选择夜色素指数,我们保持默认就好了。 然后下面是要选择灌层水分含量指数或光利用率指数,我们也是保持默认就好了。最后呢就是给他一个输出的文件铃木 健康分期,然后点击他就在分析了,嗯,结果呢是以 nv 分类结果的格式输出的,我们可以将它打开, 可以看到就是这样的一个植被分类的结果,那他根据森林的一个健康程度呢,一共是分了九类,我们可以在这里去勾选不同的一个,去查看不同分级的一个结果, 那么数字越大呢,就代表我们的铃木越健康,你可以看一下就是我们这个红色区 绿的我们把它关掉,这样看着会更明显一点,就是我们红色区域的这部分铃木他是最健康的。好,下面我们来看下一个工具,农作物斜坡,那下面我们来看下一个工具,农作物斜坡,使用农作物斜坡工具呢,就能够创建农作物斜坡的一个空间分布, 因为干旱的农作物呢是不能有效的利用蛋和光能的表现为胁迫,较高,而健康生长的作物表现为较低的胁迫,那我们就能够从胁迫途中去判断适合农作物生长的区域。 这个工具呢是可以用在精确农业分析,那我们农作物协作工具是用绿度、光利用绿灌成氮含量,叶绿素灌成水分含量这几种只被指数来进行分析的。 那接下来呢,我们就实际的操作一下,还是在这个文件夹下。第一个工具就是我们的农作物胁迫工具,我们双击双击打开后选择我们的高光铺发射率数据,点击 ok 就打开了我们这样的一个面板,那在这个面板里呢,是可以选择三种植被指数参与分析的。首先是选择绿度,那我们还合上一个一样,我们优先选择窄带绿度指数,这里也给他设置成零点二。然后第二个呢就是灌成水 和惯成蛋,我们这里呢按照默认就好了。最后一个是光利用率或叶绿素指数,也是默认,然后选择我们的一个输出文件,当然这些所有的一个设置的话呢,你都可以根据你具体需要做的一 分析来进行相应的修改,我们这里呢就都按照默认了,那我们这里就是农作物胁迫,我们打开,然后点击 ok, 他就输出了。 同样的我们这个文件它也是以 n v 分类结果的一个格式输出的,我们这里点击 open, 将我们的这个农作物胁迫的这个文件打开 好,我们就可以看到他也是分了九类,那么数字越高呢,就说明他的斜坡性越高,他的一个植物长势就会越低 啊,我们可以看到这个红色区域的话,就是不太适合植物生长的,我们的黑色区域黑色、 灰色、蓝色、浅蓝色这一片区域的话都是比较适合植被生长的,然后我们这个绿色浅绿色也还好。接下来我们介绍我们的第三个工具,易燃性分不分析工具。 那主要呢就是创建某一区域植被易燃性的一个空间分布图,主要是运用在森林规划,也可以用它来分析成交混合区的一个火灾风险。通常我们这个高易燃区,它都是干燥或者干旱状态下的植被构成的,它的含水含量非常少,那我们就可以通过 绿度、灌成水分含量、干旱或碳衰竭这三个植被指数来判断我们的一个易燃性。我们的工具还是在这个文件夹下选择第二个选择我们的文件,点击, ok, 这里呢我们可 可以看到他还是三类植被指数。首先我们选择绿度,这里选择窄带,绿度指数 最小值零点二,然后这里呢他就是灌成水分含量之数,我们默认这里的话呢是干旱和碳衰竭,我们默认就可以了啊,如果你这里有一个对应的选项,你需要去修改的话,直接修改就可以了。这里我们设置一下我们输出的一个位置,给他命名易燃性分析。 好,我们点击 ok, 他这样就慢慢的输出了,同样的他也是以分类结果的方式输出,我们打开来看一下, 他是分了九类,我们的数字越高,他的一个依然性就越高,这里看一下 就是在这些区域它的一个依然性都是比较高的,那下一个工具呢?就是植被抑制工具,植被抑制工具呢主要是利用影像的红波段和近红外波段,从高光谱和多光谱影像中移除或减少植被光谱信息, 对影像进行植被变换,那我们经过处理后的影像就能更好的或者地质以及城市地物解议的结果,我们可以用植被意志的结果来做定性的分析,他一般呢就是用在地图地质制图上, 那我们打开我们的一个数据,我们这个的话就不用我们现在这个数据了,我们重新打开一个新的数据, 我们重新打开的数据呢是我们软件自带的一个数据,在我们的目录下,在我们的安装那我们会用到我们 nv 自带的一个数据,在我们的安装目录下, 在 n v 五点一,然后 classic data, 然后选择我们的一个数据 打开 好。打开后呢我们来看一下职位移植工具,是在我们的光谱下,是在我们的波普大文件夹下,在我们的这个小文件夹下最后一个,然后双击 进入到这个面板,之后我们选择好我们的数据,点击 ok, 设置我们的一个输出路径即可, 这里我们还是对它进行一个命名, 我点击 ok, 他就进行输出了, 在我们的主面板下呢,我们去给他进行一个两个面板的这样的一个显示, 然后我们两个数据的话呢,分别都用 我们的假彩色去进行一个, 那么就能看到很明显的一个对比,这样我们植被被一直处理后,基本上就没有植被的一个光伏信息了。那么以上呢就是我们植被分析的 工具的一些讲解,那么本节课主要是了解了植被波普的一个特征,学习了指数的一个计算, 就是我们的一个纸杯计算器去进行计算,然后学习了四种纸杯分析工具的一个使用,我们可以根据我们需要达成的一个效果来选择对应的一个纸杯分析工具去进行分析, 整体的话是偏流程化的一个工具,也是比较简单的,大家都可以去学一学。那我们本节课就到这里了,大家再见。
粉丝7.6万获赞34.1万

大家好,本课程为大家详细介绍在 nv 下边进行土色正式校正的操作方法。首先我们来介绍一些背景知识,比如说为什么要进行正式校正, 因为在卫星飞行和拍摄过程中会存在一些几何误差,而这些误差主要是由以下原因引起的,比如说比利时变化传感器的姿态方位, 以及说传感器的一个系统误差,而正式校正可以消除这些误差。第一个原因就是比例尺的变化,是在所有的一个深影像中都会发生的, 像我们现在图中两个房屋的一个大小,他们的宽度都是一样的,都是八米,但是我们人眼的这个位置去看就是不一样的,但因为距离的不同,导致了比例尺的一个变化,比如说比例尺分 分别是一比四百和一比一百三十三,这就是一个非常常见的现象,而且在所有的摄影图像里都会发生,这是不可避免的,而且各个点的比例尺都是不一样的。另外因为遥感图像都是从上方往下方拍摄的,在图像的千指方向 也会有同样的一个情况,比如说同样的房屋宽度是八米呃,但是由于距离的不同,因为这个房屋在山顶,这个房屋在山脚下,也会导致比例尺的一个不同。另外一种呢, 是传感器的姿态和方位导致的误差,在这里呢,我们有三个示意图,首先一二三这三个圆锥,他表示的就是传感器的姿态或方位一号,他是拍摄是千指方向拍摄的,就是我们所谓的这个下面的这个中间的这个楼层是位于新下点,而他拍摄 效果是左上角是个一图,可以看一下它的效果。二号可以看到有一些偏差,而且是倾斜拍摄,三号 的拍摄效果单号的倾斜角度更大,这些都是传感器的姿态和方位引起的误差,那么这些误差就需要我们提供传感器的姿态和方位,把它的位置和方位这些内方位引元素进行构建来消除误差。第三个 就是传感器它本身的系统误差,比如说我们推扫式的扫描中心,它沿着一条线进行扫描,但是,但是虽然线上的点它是位于星下点,它的分辨率也是最高的, 位于扫描线两侧,与扫描线越距离越来越远,他的分辨率也就越来越低。而多项式的纠正只能针对分辨率较低的,比如说二十米或者更低一点的。而对于我们高 分辨率影像,我们一般是要用到严格的物理模型,比如说要用到 d m 原数进或者 r p c, 就是游历函数多项式进行图像的正式纠正,下面介绍一下它的使用条件。我们刚才也提到了,对于不同的分辨率需要用到不同的算法, 而对于分辨率较高,比如说小于或者高于十五米或者更高分辨率的图像呢,而且具有 r p c 文件或者参数的话呢,可以用正设校正进行几何校正,这样可以达到更高的一个精度要求。但是对于中等分辨率,比如说二十米的, 如果影像覆盖山区,而且地形起步比较大,我们可以用震慑纠正。但是对于中低分辨率的,比如说三十米或者更低分辨率的,我们一般不进行震慑纠正,除非他的地形起步非常大。下面介绍一些常见的传感器卫星的一些震慑 矫正参数,比如说我们常用常见的快鸟 wordwill 这些他们都是用的 rpc 的文件,然后 sport 系列的包括葡萄牙的数据,他们都是这种 putchbroom sensor, 还提供心力参数文件,这个 d i m 文件,然后国产数据包括资源一号,资源三号 和高分一号,这些也都是采用的 r p c 文件,而且 n v 对于国产卫星的支持,或者是他 r p c 文件信息的识别是非常好,我们可以去参考。好,下面我们来进行一个练习,那么练习用到的数据 是我们快鸟的一个多光谱的数据,它覆盖的位置呢是位于美国亚利桑那州菲尼克斯,也叫凤凰城,这个也是 nv 原厂商他公司的一个总部的位置。然 然后内容的话呢就是正式校正啊,因为在 nv 五点一和 nv 克拉斯克这两个里面做正式校正的工具呢,它是有一些偏差,有些区别的,所以我们呢就是这两个都进行一下演示。下面我们启动 nv, 这里先用到的是 nv 五点一,先打开我们的一个 nv 五点一的软件, 然后下面我们第一步呢,先打开我们的数据 file open a, 然后打开这个快鸟,然后点击一下我们的一个素材,点击这个 t i l 文件,将它打开做一下拉伸, 这就是我们代交政的影像,我们可以看一下他的一个数据情况,这里我们可以点击 data manager, 然后看在这里看一下他的一个整体的数据信息,这里面就有 r、 p、 c, 包括他的向源大小,还有他的一个波长的一个范围,支持他识别 pc 的一个信息。另外可以在这里右键 will medita, 就是查看它的一个原数据,这里有一些 mapping for 的一些信息,这里也有一些 rpc for 的这些信息,可以在这里查看到。然后有了 rpc 信息之后,我们现在就可以进行震慑校正了, 我们用的工具就在我们的工具箱里,位于这个文件夹下面,在几何纠正的文件夹下面,然后我们 nv 五点一里,所有和几何纠正有关的都在这个文件夹里,然后这个的话是在这个文件夹里,这里有构建 rpc, 然后 rpc 正式矫正的流程化工具, 然后是拓展模块,然后我们点击第二个,因为现在我们只有一个数据啊,所以它自动选择了我们的快鸟数据,所以我们选择它,然后这里的一个数据呢是我们 nv 自带的一个数据。我们 nv 五点一开始的话呢, nv 里面是自带了很多的一个数据,包括全球的一个 dm 数据,然后这个是二零一零年的全球的一个范围,然后它的空间分辨率比较低,一般情况下不到万不得已我们是不需要用它的,所以我们提供了一个分辨率更高一点的 来打开我们净度比较高的那一个,打开它,我们用这个来进行操作流程化工具的好处呢,就是这样,我们把它选择好之后,就可以进行下一步,如果我们不小心选错了,我们也可以返回再重新选,这个时候我们点击下一步, 然后他就到了这样的一个面板,然后这个面板呢我们输入的参数也是比较多的,选项卡呢,他也有四个选项卡啊,现在我们来一一介绍一下。首先 第一个选项卡就是 gcps 需要输入控制点的信息,比如说我们在实地测的一些控制点,一般控制点是用实地测量或者是从其他的参考数据里面获取,然后这里我们把应眼图打开,查看它的一个大概的位置,比如说在这里我在现场 或者这个点的位置,我们测量了一下他的地理信息或者地理坐标,然后在这里我们选中就是鼠标左键单击就可以添加一个控制点, 然后控制点列表它就有一个 g c p 一,它是这样命名的,再点一个它就是 g c p 二,右边呢它是可以修改的,包括它的一个经纬度信息。假如说我们这边呢, 测量他是一一二零七,然后这里比方说是三三 点四一,我们就可以这样去进行一个输入,当然如果有高层信息可以填进去,如果没有的话呢,他会用到 dm 的一个信息。


近期直播课高光谱遥感述职建模技术集在植被、水体土壤信息提取领域应用直播时间,十月十五日到十六日,二十二日三天实践教学提供全部资料及回放。每日授课,上午九点三十分到十二点,下午十四点到十七点三十分。 教学特色一、原理,深入浅出的讲解二、技巧方法讲解,提供所有案例数据及代码。三、与项目案例相结合讲解,实现方法对接实际工作应用。四、跟学上机操作,独立完成案例操作练习,全程问题跟踪解析。五、 课程结束,专属助学群辅助巩固学习及实际工作应用交流,不定期召开线上答疑内容大纲。专题一直被高光谱信息提取之作物 品种鉴定专题二,植被高光谱信息提取之不同作物分类专题三,高光谱数据获取技术与精度评价技术专题四,地面辅助理化数据作用与处理方法专题五, 水体高光谱信息提取之辐射较正专题六,水体高光谱信息提取之六种经典方法专题七,热红外光谱数据地表温度提取方法专题八,土壤高光谱信息提取之信息量方法 专题九,土壤高光谱信息提取之篇最小二成建模专题时遥感提取结果的空间表达。 gis 制图流程 关注 ai 上研修公众号,点击 ai 上课堂,点这里搜索相关课程。

首先我先演示下在 e n, v i 中正常打开 m t l 文件的方法, 从这我们可以看出他报错了,那我们如何解决呢?首先我们打开摇杆影像所在的文件夹,双击打开 m g l t x t 文件, 首先将第一行的 landset 改为 l e, 然后将倒数第二行的 landset 改为 l e, 保存更改后的文件,然后重新在 e m, v i 中打开 m t, l 文件就可以显示了。

这个窗口的大小会根据事物图像的一个分辨率自动调整的,自动调整到一个默认值,而搜索窗口的大小呢,必须大于匹配窗口的大小,而搜索窗口的大小数值越大,找到的点呢就越精确, 但是需要的找点的时间也就越长。最后这个参数选项是指找点算法的算法,他的精度呢,最高,速度最慢。在这里呢,我们基本上是按照默认的所有的参数,基本上能满足我们对于这个图像自动配置的要求。然后点击下一步, 进入到第三步,检查太点和代配准图像,这个步骤中同同样呢,跟上一个操作面板的第第二个小创 窗口比较相似。这里呢是配准影像和带配准影像的一个显示的切换按钮,然后输入 table 中呢,罗列了出了自动生成的太点,那么这里有太点的一个个数六十七个。在这呢,我们可以看到种子点,也就是说同名点,它具有编号, 而且在基准影像中,他是用紫色的颜色来标记,在带配准图像中他用绿色来标记。在收 table 中,我们打开 可以对这些态点进行编辑,那么每个点的 id 呢,就是在图中它所代表的数字标号, 这是相一致的。我们在收胎宝中点击就可以找到在图中的这个点,而收胎宝中可以对太点进行一个编辑,在最右侧这一列是每个太点的一个误差值,在 l 上点击右键选,选择一个排列方式,我们可以看到他按照误差的大小来进行排列。在这里呢,我们可以直接删除误差较大的点,也就是二号点,我们刚刚删掉了,然后一号点进行一个删除,然后一直对他进行一个删除, 直至说我们下面的一个误差小于一,现在我们的误差是属于小于一的一个情况,这就说明配准的精度还可以。 下一个呢是配准的一些选项,对于他配准的一个矫正模型,我们选择的是多项式,然后他有一个仿设变换多项式的选项,还有一个聚三角网的选项,那么默认他的纠正模型是多项式重采样方法呢,我们选择最高级别的三次卷机背 直设为零输出的相缘大小呢,我们是设为带配准的影像的大小。 设置好这些参数之后,我们就可以点击下一步了,当然也可以进行一个预预览,点击预览就可以,也可以直接点击 nice 的进入下一。 那么最后这一步呢,就是设置输出图像配准的一个结果,比如说设置输出文件和太点文件的一个输出 配准文件呢,可以保存为 n v 的标准格式或者 tiff 文件,我们这里呢就保存为 n v 的标准格式,然后太点呢也可以可以保存成二禁制的一个文件,那么在这里可以选择我们的一个输出文件位置, 点击 finish 完成图下的一个配准,并对结果进行一个输出。那么我们的一个进度条呢,是在这里的一个右下角进行显示,这时候呢我们就可以对配准的结果进行一个检查,打开我们这个小窗口, 因为我们是用零一文件进行配准的,所以我们显示和零一文件进行对比,这样是不是就可以看出来,基本上我们配准的一个效果还是非常满意的, 那么重叠区域的地形也基本上重合在一起了,那么这个小练习呢,就是针对相同传感器的图像,不同的成像的时间来进行这样的一个呃,图像的配准,自动 配准的这样的一个流程。那么我们下面的一个练习呢,就来学习针对不同分辨率的图像怎样进行配准。我们首先把刚才打开的影像数据全部清除掉, 然后 feel open 打开我们多光谱与全色的一个数据, 对图像进行一个显示的拉伸 哦,我们把透明度调整到百分之五十左右,我们可以看到有非常严重的一个双眼皮重复的这样的一个情况,这种会严重的影响到我们的一个图像的融合, 所以我们要对这两副影像进行一个精确的配准。同样是在 two box 工具栏中选择影像自动配准的一个工作流, 选择我们基准的影像,在这里呢寓意全色的影像作为基准影像,点击 ok, 以多光谱分辨率较低的这个影像呢为带配准的一个影像,读入数据之后点击 next, 进入下一步, 同样到了生成 ta 一点的界面,全部呢选择默认,然后点击 next。 我们可以来观察一下影像,可以可以看到生成的影像全部都 均匀的分布在图像上,全部都非常均匀的。然后我们在收胎报中可以观察到这些太点的一个信息,也可以对他进行一个编辑,我们可以对误差大小进行一个排列, 我们可以看到它的一个总误差呢是零点四八,是小于一的,它整体的一个太点的质量呢是比较好的,所以我们就不需要再进行修改了,直接用它自动生成的这个太点就可以了, 然后我们点击我,然后我们来选择配准的一些参数,跟刚才一样,对于重采样呢,我们选择是三四选机, 这里我们选择的是 webmage, 然后点击那当所有的参数设置好之后,我们点击 next, 进入到我们图像输出的结果的一个面板, 好,点击分离式完成图像的一个自动配准,那进度条杠也在这上面显示了,那么这里呢是针对不同分辨率的全色影像和多光谱影像进行图像的一个自动配准, 那么是在 nv 流程化的工具的引导下所做的一个图像自动配置,那么他的他的基准影像呢是全色影像,所以我们可以打开我们的小窗口进行观察,首先呢对他进行一个显示拉伸,然后我们点开我们的小窗口 就可以看到,是不是比刚才看到的一个情况好得多,那重叠区域已经完全进行了重合,说明呢,这个图像自动配准的一个效果呢还是非常好的。 以上呢就是图像自动配准的两个练习哦本那么通过本节的学习呢,我们了解了图像自动配准的目的和基本方法,也学习了在 nv 中如何进行图像自动配准的一个操作。以上就是本节的内容,谢谢大家。

上回说到光谱研究,可以用来探索原子结构。三、从最简单的原子轻圆子下手。为了研究轻圆子的光谱,需要用到气体放电管,在玻璃管中冲入锡箔气体,并在玻璃管两端接上高压电源。 这样稀薄气体的分子在强电场的作用下会电离,成为自由移动的正负电荷,于是气体变成导体导电时会发光。如果玻璃管中冲入的是氢气,用风光镜观察他发出的光,就可以获得清原子的光谱了。 一八五三年,瑞典物理学家 ajs 特朗最早进行了清源子光谱的普现测量。在可见光区,清源子光谱一共有四条普现波长分别为四百一十点一七、四百三十四点零五、 四百八十六点一三和六百五十六点二八纳米。后来人们又往紫外方向拓展,陆续发现了清园子光谱的一共十四条谱线,谱线强度和间隔都向短波方向递减。 测出清源子光谱的普现位置之后,咱自然想知道他有啥规律。一八八五年,瑞士数学教师巴尔默发现了可见光需四条普现的规律,波长的倒数和二的平方分之一减 n 的平方分之一长,正比这个 n 是三四五这样的整数 r 叫做李伯德常亮实验测得的值是一点一零乘十的七次方米的负一次方。这个狮子被称为巴尔默公式,用它计算出的波长与实际测量值的相对误差不超过四万分之一,吻合的非常好。满足巴尔默公式的这 四条谱线被叫做巴尔默系普县巴尔默公式,以简洁的形式反映了清源子光谱的分力特征,对光谱学和近代物理学的后续发展产生了重要影响。后来发现,不仅是巴尔默系,清光谱的其他普县也都满足类似的表达是, 比如紫外区的莱曼线系是把这个二换成一,而红外区还有三个线系,分别是把巴尔默公式的二换成三、四、五。 容易看出,这些式子其实可以用一个统一的公式表示,这里的 m 和 n 都是整数, m 从一开始二, n 要比 m 大,这个公式也称为广义巴尔默公式。 有了这些公式,你知道莱曼系中的最长波和最短波的波长吗?根据莱曼系的公式 容易看出,想要拨长更长,就得让差值更小,也就是让 n 尽量接近于一,应该取二计算一下,最后结果是一点二,二乘十了,负七次方米。 相反的,想要波长最短,就是要 n 尽量大,也就是接近于无穷。此时这个狮子里 n 方五分之一,可以看作零,计算一下,最后结果是九点一,二乘十的负八次方米,这就算出来了。 以上就是清源子光谱的实验规律,他可以用广义巴尔木公式来表达,波长的反比和两个整数平方的倒数差成正比。这个简洁的结果揭示了怎样的原子结构呢?咱们后面慢慢说,现在你先去刷个题吧。


我们看一下办公室走廊的一个灯光质量仪器,对着光源的方向测量, 一键测试光谱和数据就出来了,看一下光谱和数据怎么样?首先看到这个光谱的话,它的这个蓝光的话是有点高,然后红光部分的话也是缺失的,那整个光谱的话确实,嗯,就是比较一般吧。 色温这一块的话看一下是五千五,呃,五千五这个色温的话还是符合就是办公场所的一个,呃,就是色温的一个数值吧? 啊?这个是浮照度,浮照度的话其实我们啊灯光的话不太看这个数据,我们把它调一下,调成我们可能比较常常看的照度的数据。