遥感数据处理虚拟平台是在虚拟环境下培养学生遥感影像解译技能的仿真教学项目，主要面向学院地理信息科学、地理科学和测绘工程专业。该平台以林业、土地利用等遥感影像数据为基础，通过遥感应用教学团队，依据项目实验的具体目标，将遥感影像数据处理与影像解译过程以虚拟仿真方式运用到实践教学。学生在虚拟实验平台上不仅能完成遥感基础应用技能、遥感数据处理等基础实践教学内容，并能结合学院产学研项目与科研课题，从森林、土地覆被、大气、生态环境等方面进行遥感动态监测与模拟、遥感信息集成与定量化仿真、遥感建模与反演等综合性实验项目，提高实践教学的层次，促进学生对遥感影像解译技能的掌握。

实验项目：

基础实验：图像校正与数据恢复；辐射定标及辐射校正；遥感影像特征信息提取；遥感影像解译；面向对象特征提取；多模型自动镶嵌；多领域遥感图像增强；土地覆被信息的生成；土地利用格局分析；纹理制作；多源遥感数据信息融合；数据复合与GIS综合模拟；地面高光谱数据处理；植被高光谱遥感分析；三维曲面虚拟飞行；遥感数据产品快速制图。

综合实验：多源土地利用变化遥感分析与模拟；陆地气溶胶遥感建模与反演；区域森林参数协同反演与仿真实验；区域森林生物物理量协同建模与反演；地表温度遥感建模与反演；大范围生态遥感估测与评价；自然景观格局变化遥感分析实验；多源遥感数据综合集成与立体模拟实验；区域土地利用格局遥感监测实验；区域生态质量遥感信息模型构建与评价实验；植被叶片叶绿素模型反演及分布可视化实验；区域土地利用变化转移流及空间集聚特征可视化实验；农作物种类高光谱遥感识别实验；区域湿地分布可视化与湿地变化遥感分析实验；区域气象干旱遥感监测实验；数码影像信息提取与估产实验。

实验效果：

通过遥感数据处理虚拟平台，学生从影像纠正、图像增强、数据解译等方面全方位掌握了遥感数据处理技术的原理与方法，掌握了遥感影像解译的技能；通过虚拟仿真环境，学生能够从宏观到微观全方位的了解遥感在国土、林业、大气、生态环境等方面的变化监测、建模与反演过程，增强了学生对遥感科学技术认识。

图2-106 地表温度遥感建模与反演实验

图2-107 多源土地利用变化遥感分析与模拟实验

图2-108 遥感数据、DEM数据、矢量数据集成仿真模拟实验

图2-109区域森林参数协同反演与仿真实验

图2-110自然景观格局变化遥感分析实验

图2-111安徽省生态遥感估测与评价实验

图2-112区域土地利用格局遥感监测实验

图2-113区域生态质量遥感信息模型构建与评价实验

图2-114 植被叶片叶绿素模型反演及分布可视化实验

图2-115 区域土地利用变化转移流及空间集聚特征可视化实验

图2-116农作物种类高光谱遥感识别实验

图2-117 区域湿地分布可视化与湿地变化遥感分析实验

图2-118 区域气象干旱遥感监测实验

图2-119 数码影像信息提取与估产实验

实验流程：

• 图像校正与数据恢复

  遥感图像的几何校正是指消除影像中的几何形变，产生一幅符合某种地图投影或图形表达要求的新影像。该实验包括两个核心环节：一是像素坐标的变换，即将影像坐标转变为地图或地面坐标；二是对坐标变换后的像素亮度值进行重采样。在ENVI软件中，选择Registration几何纠正模块，在两幅影像之间或影像与地图之间选取合适数量的同名地物点后，进行重采样计算及验证步骤。对于由于传感器等原因造成的图像数据的坏数据行，利用ENVI的坏数据行替换工具进行处理，对于缺失的数据，采用插值算法进行填充。

  

  图2-120 控制点的采集图2-63 去条带操作

• 辐射定标及辐射校正

  辐射定标主要为传感器定标，它是将传感器记录的电压或数字量化值（DN）转换成绝对辐射亮度值（辐射率）的辐射亮度（辐射率）的过程，或者转换与地表（表观）反射率、表面（表观）温度等物理量有关的相对值的处理过程。ENVI中Landsat定标工具可以将Landsat MSS、TM或ETM+的DN值转换成辐射亮度值或表观大气反射率。其中，大气校正利用现有的6S模型、MODTRAN模型相结合，选择适合的大气校正模型，以达到更准确获取遥感测度的要求。以Landsat-TM5卫星遥感影像为例，分别采用采用黑暗像元减法(DOS)、大气辐射传输模型法FLAASH、ATCOR2、6S等四种大气校正方法进行遥感影像的大气校正，并对各种方法进行精度验证。而对于部分气象数据缺失，采用了MODIS气溶胶产品根据大气传输辐射模型和经验模型计算相应数据。

  

  图2-121 校正前后结果图

• 遥感影像特征信息提取

  遥感影像特征信息提取实验是为了获取各种不同地物的特征信息，为遥感影像数据的解译提供特征依据。遥感影像特征信息实验主要包括波谱信息、纹理特征和形状特征，波谱特征实验通过了解地物波谱特征，建立波谱库，使学生了解地物波谱信息特征及提取方法；纹理特征实验主要通过对遥感影像进行影像增强，突出影像纹理特征，建立纹理特征关系库；形状特征实验根据不同类型地类具有的特殊形状（如道路、河流多为线状，居民地多为矩形等）建立对应的形状特征库。通过遥感影像特征信息提取实验使学生对遥感影像的特征具有更加深入认识，为遥感影像解译提供先验知识。

  

  图2-122遥感影像特征信息提取

• 遥感影像解译

  遥感影像解译是根据影像的几何特征和物理性质，进行综合分析，将不同特征的区域进行划分，得到不同地类分布的数据。该实验主要包括两大部分，第一是目视解译，即利用影像的波谱特征（色调和色彩）、空间特征（形状、大小、阴影、纹理、图形、位置和布局）与多种非遥感信息资料（如地形图、专题图等）组合，人工地去综合判别影像；第二是机器信息提取，利用计算机判别影像特征（光谱特征、纹理特征、形状特征等）进行计算机自动分类，主要分为监督分类和非监督分类。该实验主要通过不同的遥感影像解译方法，提高学生对遥感影像特征的判别能力和利用计算机进行遥感影像判别信息提取的技能，提升学生对遥感影像解译的认识。

  

  图2-123 遥感影像解译

• 面向对象特征提取

  面向对象技术综合利用多特征要素，能够提高分类精度，主要包括发现对象和特征提取两个部分。在ENVI中使用Feature Extraction工具对遥感影像进行面向对象的特征提取。

  

  图2-124面向对象特征提取过程

• 多模型自动镶嵌

  影像镶嵌是指在一定地数学基础控制下，把多景相邻遥感影像拼接成一个大范围的影响图的过程。利用ENVI的Mosaicking模块选择适当的模型进行镶嵌。

图2-125 镶嵌过程

• 多领域遥感图像增强

  辐射增强是一种通过直接改变图像中的像元的亮度值来改变图像的对比度，从而改善图像视觉效果的图像处理方法。该实验从辐射增强、光谱增强、空间域增强、频率增强等不同领域进行增强处理，通过ENVI的Enhance模块的交互式直方图调整、直方图匹配、波段比计算、主成分变换、独立成分变换、最小噪声分离变换、彩色变换、卷积滤波、边缘检测、纹理分析、傅立叶变换等实验步骤改善图像视觉效果。

  

  图2-126图像拉伸效果前后对比

• 土地覆被信息的生成

  土地覆被信息生成利用计算机对遥感图像中各类地物的光谱信息和空间信息进行分析，选择合适的特征，利用ENVI监督分类Supervised、非监督分类Unsupervised、基于专家知识的决策树分类Decision Tree、面向对象分类Feature Extraction等工具将图像中每个像元按照某种规则或算法划分为不同的类别，以获得地物土地覆被信息。

  

  图2-127决策树图与不同分割尺度下的土地覆被提取

• 土地利用格局分析

  土地利用格局分析实验是进行土地利用评价的一种重要方式，以遥感影像数据和DEM数据为基础，利用地形因子结合地学信息图谱分析理论提取土地利用格局信息，制作区域土地利用格局分布图，基于此实验提升学生土地利用格局分析的能力，对区域土地利用现状进行评价。

  

  图2-128 土地利用格局分析

• 纹理制作

  纹理是通过色调或颜色变化表现的细纹或细小的图案，这种细纹或细小的图案在某一确定的图像区域中以一定的规律重复出现。为提高地物信息提取的质量，需要对遥感影像的纹理特征进行提取，纹理制作首先需要设定窗口大小、窗口移动方向，选择基于概率统计或二阶概率统计方法进行纹理滤波，得到均值、方差、协同性、对比度、相异性、信息熵、二阶矩和相关性等8个纹理测度，形成遥感影像的纹理测度图。

  

  图2-129 纹理窗口选择与纹理测度结果

• 多源遥感数据信息融合

  融合是将不同类型传感器获取的同一地区的图像数据进行空间配准，然后采用一定方法将各图像的优点或互补性有机结合起来产生新图像的实验。在融合过程中，通常采用IHS变换融合方法、PCA变换融合方法、小波变换融合方法、高通滤波融合方法等，以HIS变换融合为例，首先将RGB空间转换为HSV空间，并在HSV空间中复合不同分辨率的数据，然后采用最近邻法、双线性内插法或三次卷积法对HSV颜色空间的色调和饱和度重采样到高分辨率像元尺寸，最终通过逆变换回到RGB颜色空间形成多源遥感数据的融合影像。

  

  图2-130 多源遥感数据信息融合结果

• 数据复合与GIS综合模拟

  为提高虚拟环境下遥感影像解译精度，需要对矢量数据、数字高程模型、统计数据等非遥感数据与遥感数据之间进行复合，首先将不同传感器获得的同一景物的影像或者是同一传感器获得的不同分辨率的影像经过色彩变换处理后，然后通过信息融合技术对遥感影像数据进行复合处理，获得最终合成影像。

  

  图2-131 DEM与遥感数据复合流程图图2-132 复合前后对比图

• 地面高光谱数据处理

  地面高光谱数据处理主要是针对地面高光谱数据的处理与分析问题，使用ViewSpecPro高光谱数据处理软件，通过光谱值运算工具进行光谱运算，再光谱运算结果进行显示，最后通过输出工具将光谱数据转换为数值输出，并利用Excel软件进行进一步处理、分析和成图。

  

  图2-133地面高光谱数据处理过程

    

• 植被高光谱遥感分析

  植被高光谱遥感分析是对植被高光谱遥感处理数据的进一步应用，主要包括叶片光谱分析和冠层光谱分析，主要内容包括季节变化分析、营养元素分析等。关键步骤包括高光谱数据波段组合处理、光谱相关性分析、光谱估算模型构建以及比较不同处理方法的光谱差异分析。通过该实验进一步加深学生对植被高光谱遥感应用的认识，提升学生高光谱遥感数据分析能力。

  

  图2-134 植被高光谱遥感分析

• 三维曲面虚拟飞行

  为提高遥感影像信息的虚拟可视性，首先复合遥感数据与高程信息，得到三维遥感影像显示，然后通过交互式限定或注记来设计三维曲面的飞行路线，飞行视角利用实时地旋转、平移、缩小和放大三维表面来设置，最后按照设定的飞行路线和飞行视角完成虚拟飞行任务，并对整个过程进行录制，制作成动画或展示影片。

  

  图2-135三维曲面虚拟飞行

• 遥感数据产品快速制图

  为保存遥感数据产品信息，将遥感数据处理结果制成数据地图。首先，根据数据地图的用途，自定义地图版面设计中的元素，然后在地图上添加虚拟边框、文本注记、公里网、等值线、绘图插入、矢量叠合以及分类图的叠合等要素，最后保存地图制图的结果，制成遥感数据产品地图制图影像。

  

  图2-136遥感产品快速制图