<![CDATA[3S.Swimmer]]> http://www.gissky.net/blog/user1/sqwang/index.html <![CDATA[在IDL中将图像保存为HDF格式的文件]]> http://www.gissky.net/blog/user1/sqwang/15455.html     为什么需要HDF格式？因为Matlab的需要。目前Matlab（7.3版）能够处理带投影信息的遥感图像的文件格式有HDF和GeoTiff。针对HDF,Matlab提供了功能比较完整的工具包;而对GeoTIFF,只有有限的几个函数，而且只支持三个波段数据的读入，对于多波段的数据处理很不方便。那么为什么不用IDL来直接处理图像呢？IDL的功能很强大，处理数据能力比Matlab更强。说实话，IDL的编程能力较Matlab差，语言不够简练，更重要的是Matlab提供非常强大的，种类多样的数学处理工具，这一点是IDL没有办法攀比的。通常我们做遥感模型研究，数据量很小，计算速度也不是考虑的重点，而且本人对Matlab的熟悉程度相对高那么一点点，所以就有了上面要求。
    废话太多了。下面就来看看如何在IDL中实现将图像保存为HDF格式的文件。
    首先需要将图像导入到IDL中。通常有两种办法，一是直接在IDL读取图像文件；一是通过ENVI打开图像文件，然后导出为IDL变量。两种方法都还比较方便。我喜欢后一种，因为可以在ENVI中灵活地选取图像中指定的任何部分。
    图像导入IDL后，假定命名为var_testimg,接下来就开始正式工作。下面这一段代码摘抄整理自IDL的帮助文档。
pro CreateHDF,var,filename
    ;生成一个SD模式的文件
    SDTestimageI_id = HDF_SD_START(filename, /CREATE)      
    ;读取变量的维数信息
    dims=SIZE(var,/DIMENSIONS)
    ;读取变量的类型信息,并转换为HDF支持的类型
    type=HDF_IDL2HDFTYPE(SIZE(var,/TYPE))
    ; 定义新SD数据集
    SDTestimageDS_id = HDF_SD_CREATE(SDTestimageI_id, 'image',dims, HDF_TYPE=type)
    ;将var_image写入到数据集中
    HDF_SD_ADDDATA, SDTestimageDS_id, var   
    HDF_SD_END, SDTestimageI_id
end]]> sqwang 2007-8-26 17:16:00 <![CDATA[关于论文]]> http://www.gissky.net/blog/user1/sqwang/13150.html 2、遥感数据可以考虑TM和MODIS结合起来使用，充分利用MODIS的廉价和高光谱特性，能否找到突破口，因为用MODIS数据做土壤分类，识别的很少见。现在舒老师的一个博士正在研究利用重叠数据提高MODIS空间分辨率的方法

3、课题的目的不要局限在土壤分类上，还可以考虑土壤光谱数据库、基本农田/耕地变化监测等

我原来的思路：

用遥感数据提取植被、土壤等光谱特征数据；GIS组织土壤属性数据和地形地貌数据，以及已有的土壤类别，转化为栅格数据与遥感数据复合；用专家系统的方法组织知识库和推理机，对符合数据进行处理；应用

（2005-3-16）

]]> sqwang 2007-3-2 10:37:00 <![CDATA[土壤遥感分类]]> http://www.gissky.net/blog/user1/sqwang/13149.html 1、土壤系统分类划分依据是定量化的诊断特征，而这些特征信息大多数不能从土壤表面的光谱反射特征中获取，即使能够间接推断的信息，如质地、有机质含量等，都不是稳定的，随时间变化而发生变化，因此从遥感中很难提取可用于划分类别的信息；
2、遥感能够提供地面信息，如植被覆盖、植被类型、土地利用，结合DEM，可以按照发生分类学的理论，划分大致的类别，这样做的难处就在于发生分类学知识的使用，考虑用专家系统技术，有难度；
3、如果采用2种的方法，还要建立发生分类与系统分类的参比，有难度；

几点想法：
       由于研究区大部分地区都有植被，需要反演出这些地方的裸土反射率。我准备采用下面的方法：a、在研究区内布设采样点，收集采样点的土壤属性数据（如pH, 质地,有机质,水分含量等），用kirigin做出各个属性的空间扩散分布图；b、在研究区内找出裸土区域，提取光谱和属性数据一起组成多波段数据集，然 后分析相关性和模型；c、用模型反演出游地表覆盖区的裸土光谱信息；d、用反演的结果研究分类的方法。
（2005-3-16）
]]> sqwang 2007-3-2 10:33:00 <![CDATA[学习笔记——对几种常用植被指数的认识]]> http://www.gissky.net/blog/user1/sqwang/13148.html

植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识：
1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的；
2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息
3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响

一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。
1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2；
2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量；
3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低；
4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。

二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；

三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。
1、对土壤背景的变化极为敏感； 

四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。
1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。 L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才 会出现。
2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI3、SAVI4等改进模型。

小结：上述几种VI均受土壤背景的影响大。植被非完全覆盖时，土壤背景影响较大

五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
1、通过k-t变换使植被与土壤的光谱特性分离。植被生长过程的光谱图形呈所谓的"穗帽"状，而土壤光谱构成一条土壤亮度线，土壤的含水量、有机质含量、粒度大小、矿物成分、表面粗糙度等特征的光谱变化沿土壤亮度线方向产生。
2、kt变换后得到的第一个分量表示土壤亮度，第二个分量表示绿度，第三个分量随传感器不同而表达不同的含义。如，MSS的第三个分量表示黄度，没有确定的意义；TM的第三个分量表示湿度。
3、第一二分量集中了>95%的信息，这两个分量构成的二位图可以很好的反映出植被和土壤光谱特征的差异。
4、GVI是各波段辐射亮度值的加权和，而辐射亮度是大气辐射、太阳辐射、环境辐射的综合结果，所以GVI受外界条件影响大。

六、PVI——垂直植被指数，在R-NIR的二为坐标系内，植被像元到土壤亮度线的垂直距离。PVI=((S R-VR)2+(SNIR-VNIR)2)1/2，S是土壤反射率，V是植被反射率。
1、较好的消除了土壤背景的影响，对大气的敏感度小于其他VI
2、PVI是在R-NIR二位数据中对GVI的模拟，两者物理意义相同
3、PVI=(DNnir-b)cosq-DNr′sinq，b是土壤基线与NIR截距，q是土壤基线与R的夹角。
七、其他
1、根据具体情况改进型：如MSS的DVI = B4-aB2，PVI=(B4-aB2-b)/(1+a2)1/2，SARVI = B4/(B2+b/a)；RDVI=(NDVI′DVI)1/2等
2、应用于高光谱数据的VI，如CARI(叶绿素吸收比值指数）和CACI（叶绿素吸收连续区指数）等

VI划分
类型 典型代表 特点
线性 DVI 低LAI时，效果较好；LAI增加爱时对土壤背景敏感
比值型 NDVI、RVI 增强了土壤与植被的反射对比
垂直型 PVI 低LAI时，效果较好；LAI增加爱时对土壤背景敏感
(2005-3-17)
]]> sqwang 2007-3-2 10:24:00 <![CDATA[关于博士论文开题报告的写作]]> http://www.gissky.net/blog/user1/sqwang/13147.html     一、开题的条件    首先是如何写开题报告。我自己的导师也认为开题前一定要多看资料，而前要消化吸收，并在此基础上找到研究目标，并进行前期工作，取得了阶段性成果后，才能够开题，所以开题的条件是比较严格的。
    1、按照要求修满必要的学分；
    2、选择自己熟悉的研究方向和内容，查阅丰富的资料，而且是学科领域内比较权威的书籍和期刊
    3、对研究方向和内容的思考要成熟，到位。
    4、经过一段时间的预研，取得了一定的阶段性的成果。如部分方法的实现、数据分析结果、系统的原始模型等，最后能在权威期刊（SCI,EI等源刊）上发表数篇论文。
    二、写作时应注意的一些问题
    1、研究目标要明确，研究意义要有说服力。两方面要相辅相成，不能脱节。从研究的角度论述，不要说空话、大话。
    2、再写国内外的研究现状部分时，不能一味的堆砌，而要围绕研究目标，有选择的使用，而且要分门别类，有轻有重。重点是通过分析，搞清楚目前研究工作的进展、高度和问题，作为自己工作的基础和需解决的问题。
    3、研究的内容和方法要体现创新的思路，内容的逻辑性强，研究体系完整，设计思路要合理，要体现是前人工作的提高，而不是重复劳动。
    4、研究计划制定的要详细，时间安排要合理。
    以上是写作前的一些认识。开题报告的格式，不同的学科有不同的要求，但大致上包括以下这些方面，
    一、选题的意义。国内外的研究现状，存在的问题。为引出研究目标带下铺垫。
    二、研究目标。简明扼要地说明研究问题、主要方法和预期成果。字数在400字左右。
    三、研究内容和方法。
    1、使用的硬件工具和软件等
    2、列举3-5个主要的研究内容，分别采用那些研究方法。与下面的关键问题对应。
    四、拟解决的关键问题。
    详细的描述3-5个关键问题，采用的方法和预期取得的成果
    五、可行性分析
    1、实验室条件
    2、人员配备和能力
    3、导师水平
    六、创新点
    3-4个创新点，体现出研究意义，体现出研究方法的先进性。强调是前人未做过或在前人基础上的改进，即效果要好。
]]> sqwang 2007-3-2 9:08:00 <![CDATA[安装ARCGIS9.2 SP1]]> http://www.gissky.net/blog/user1/sqwang/13139.html         这个帖子里有几个网友问了相同的问题
http://bbs.esrichina-bj.cn/ESRI/viewthread.php?tid=4420&extra=page%3D5，但没有解决。原因可以肯定是版本不相符，即正版的bld号和D版不一样。能不能修改bld号，然后再安装？那么sp1支持的版本号是多少？即使安装后是不是和正版一样呢？
        疑问很多，解决之道仍然来自网络。再上网找，发现右一篇帖子http://www.gisempire.com/bbs/dispbbs.asp?BoardID=41&ID=57837&Page=1，从中总结出：
  1. bld1024的是不完整的D版，Desktop大概0.9G左右，不能安装SP1
  2. 重新安装bld1324版，Desktop大概3.5G左右，应该是完整D版。顺利安装SP1。
]]> sqwang 2007-2-28 16:44:00 <![CDATA[ASD光谱仪的文件格式转换软件-Viewspec下载]]> http://www.gissky.net/blog/user1/sqwang/12885.html 1、文件名采用[样点编号.子样编号]的形式
2、用写字板、UltraEdit等打开，显示内容为非文本形式记录的方式，推测采用二进制直接记录数据。
3、FieldSpec? HandHeld的光谱探测范围325-1075nm，光谱采样间距1.5nm，FWHM光谱分辨率3.5nm
4、下载ASD的说明书，找到FieldSpec? HandHeld的描述，其中提到数据后处理时可以用STABLE.exe或PORTSpec.exe将数据文件转换成ASCII格式，寻找这两个文件......。
       经过n天寻找，终于有网友提供了Asdi的ftp。开始没有想到，不过ASD官方也没有提供这个地址供下载，觉得很奇怪。
       我会在使用中，将心得陆续记录下来。
]]> sqwang 2007-1-15 9:26:00 <![CDATA[安装Arcgis 9.2时遇到的问题]]> http://www.gissky.net/blog/user1/sqwang/12734.html 前后状况：安装9.2前，卸载9.0不成功。
查找原因：1、也许是Python2.4没有装好，重装后不能解决问题。
2、在Esri找到的相关帮助，按照http://forums.esri.com/Thread.asp?c=93&f=1740&t=206302&mc=4找到了相关的帖子和文章
解决之道：1、按照上面的方法都不能解决问题。但其中有一篇文章谈到在C:\Program Files\Common Files\ESRI\Raster\bin\ntx86目录中是与图像处理相关的dll,也的确找到了geotiffnglib.dll和geotifflib.dll两个文件，用regsrv32重新注册失败。
2、再看这两个文件的详细信息，发现时间不同，前者是2006年，而后者是2003年的。突然想起在安装9.2前没有成功卸载9.0，所以将geotifflib.dll删除，再试着打开tif文件，仍然不成功。
3、实验室另外一台电脑重装系统后，安装9.2后可以打开tif。
4、在网络上继续搜索，发现如果低版本Arcgis没有成功卸载会影响9.2的功能，一般是卸载9.2，再装9.X，卸载9.X，继续安装9.2，很晕。
5、干脆我把另一台机上的C:\Program Files\Common Files\ESRI\整个拷贝过来。把原目录彻底删除后，复制一份过来后，居然成功。My god! It's just so so!
总结：1、安装9.2一定要注意以上事项
2、冷静分析
3、多查资料
4、Good luck is most important.
]]> sqwang 2007-1-1 16:14:00 <![CDATA[ArcGIS中的数据投影]]> http://www.gissky.net/blog/user1/sqwang/12441.html       用手持GPS(精度号称15米）测得3个控制点(WGS84)。回来后与研究区(Krasovasky_1940_transverse_Mercator)叠加，发现和预期的位置相差约100米左右。郁闷！

Krasovasky_1940_transverse_Mercator投影参数如下：

Alias:
Abbreviation:
Remarks:
Projection: Transverse_Mercator
Parameters:
  False_Easting: 19500000.000000
  False_Northing: 0.000000
  Central_Meridian: 111.000000
  Scale_Factor: 1.000000
  Latitude_Of_Origin: 0.000000
Linear Unit: Meter (1.000000)
Geographic Coordinate System:
Name: GCS_Krasovsky_1940
Alias:
Abbreviation:
Remarks:
Angular Unit: Degree (0.017453292519943299)
Prime Meridian: Greenwich (0.000000000000000000)
Datum: D_Krasovsky_1940
  Spheroid: Krasovsky_1940
    Semimajor Axis: 6378245.000000000000000000
    Semiminor Axis: 6356863.018773047300000000
    Inverse Flattening: 298.300000000000010000

      下次采样，一定要用差分GPS先测定几个控制点，对现有的所有图件和影像重新校正一遍。痛苦！

今天又考虑了一下，并且在网上搜索了相关的文章，发现这个问题竟然是投影转换的问题。也就是在Arcmap中制图时，如果不同图层有不同的投影方式，它会自动进行Transformation，一般情况下不会出什么问题，但是，如果同时使用了WGS84和Beijing54等时，就会出现误差。需要在Arcmap的Dataform Properties的Coordinate System|Transformation中指定参数。我的做法是定义Krasovsky_TO_WGS84的Position Vector七参数，结果发现Tic点与前相比移动了大约40m，缩短了与预期点的距离。

 

 

]]> sqwang 2006-12-1 11:16:00