下载文档原格式
Landsat陆地卫星遥感影像数据简介“地球资源技术卫星”计划最早始于1967年，美国国家航空与航天局（NASA）受早期气象卫星和载人宇宙飞船所提供的地球资源观测的鼓舞，开始在理论上进行地球资源技术卫星系列的可行性研究。
1972年7月23日，第一颗陆地卫星（Landsat_1）成功发射，后来发射的这一系列卫星都带有陆地卫星（Landsat）的名称。
到1999年，共成功发射了六颗陆地卫星，它们分别命名为陆地卫星1到陆地卫星5以及陆地卫星7，其中陆地卫星6的发射失败了。
Landsat陆地卫星系列遥感影像数据覆盖范围为北纬83o到南纬83o之间的所有陆地区域，数据更新周期为16天（Landsat 1~3的周期为18天），空间分辨率为30米（RBV和MSS传感器的空间分辨率为80米）。
目前，中国区域内的Landsat陆地卫星系列遥感影像数据（见图1）可以通过中国科学院计算机网络信息中心国际科学数据服务平台QQ电子网免费获得（）。
Landsat 陆地卫星在波段的设计上，充分考虑了水、植物、土壤、岩石等不同地物在波段反射率敏感度上的差异，从而有效地扩充了遥感影像数据的应用范围。
在基于Landsat遥感影像数据的一系列应用中，计算植被指数和针对Landsat ETM off影像的条带修复为最常用同时也是最为基础的两个应用。
因此，中国科学院计算机网络信息中心基于国际科学数据服务平台，提供了1）基于Landsat 数据的多种植被指数提取。
2）对Landsat ETM SLC-off影像数据的条带修复。
图1 Landsat 遥感影像中国区示意图数据特征（1）数据基本特征Landsat陆地卫星包含了五种类型的传感器，分别是反束光摄像机（RBV），多光谱扫描仪（MSS），专题成像仪（TM），增强专题成像仪（ETM）以及增强专题成像仪+（ETM+），各传感器拍摄影像的基本特征如下：（2）数据主要参数Landsat陆地卫星携带的传感器，在南北向的扫描范围大约为179km，东西向的扫描范围大约为183km，数据输出格式是GeoTIFF，采取三次卷积的取样方式，地图投影为UTM-WGS84南极洲极地投影。
如何利用遥感影像进行地形高程信息提取引言：随着科技的不断进步和遥感技术的发展，利用遥感影像进行地形高程信息提取已经成为地球科学研究中不可或缺的一部分。
通过遥感技术，我们可以获取到地球表面的影像数据，然后利用这些数据进行地形高程信息的提取和分析。
本文将介绍如何利用遥感影像进行地形高程信息提取，并探讨其中的原理和技术方法。
一、遥感影像的获取遥感影像是通过航空或卫星传感器对地球表面进行感知和测量，获取到的图像数据。
遥感影像可以提供大范围、连续性的地表信息，具有分辨率高、重访率高的优点。
常见的遥感影像包括卫星影像和航空影像。
卫星影像是由各种地球观测卫星收集的数据，具有广覆盖、频率高的特点。
常见的卫星有Landsat、MODIS等，它们可以提供高分辨率的多谱段影像数据。
航空影像则是通过航空器对地表进行拍摄而获得，一般具有较高的分辨率和空间分辨率。
卫星影像适合用于大面积地形高程信息提取，航空影像适合用于对个别区域进行高程信息提取。
二、地形高程信息提取的原理地形高程信息提取是指通过遥感影像数据获取到地表不同位置的高程信息。
地形高程信息提取的原理是利用遥感影像中的光谱、纹理和几何等信息，结合数学模型和算法来重建地形表面。
常用的地形高程信息提取方法包括数字高程模型(Digital Elevation Model，DEM)的生成。
DEM是以数值形式表示不同区域的地表高程信息的一种地理信息系统数据模型。
通过对遥感影像进行处理，可以获取到DEM数据，进而利用DEM数据进行地形高程的分析和提取。
DEM数据常通过插值算法进行生成，得到地表的高程信息。
三、地形高程信息提取的技术方法1. 影像预处理地形高程信息提取之前，首先需要对遥感影像进行预处理。
这包括影像校正、辐射定标和几何纠正等步骤。
影像校正是指根据传感器和大气条件对影像进行校正，消除辐射误差；辐射定标是指将影像数字值转化为反射率或辐射率；几何纠正是指将影像与地理坐标系统进行匹配，以确保影像与地面位置对应。
一. 界面系统介绍1. 主菜单：菜单项， Tool、Classification、Tranform、Spectral实习所涉及的（粗略介绍）2. Help 工具的使用3. 主菜单设置（preferences）：内存设置二. 文件的存取与显示1．图像显示由一组三个不同的图像窗口组成：主图像窗口、滚动窗口、缩放窗口。
1）主图像Image窗口：（400*400） 100％显示（全分辨率显示）scroll的方框，可交互式分析、查询信息。
主图像窗口内的功能菜单：在主图像窗口内点击鼠标右键，切换隐藏子菜单的开启和关闭。
该 "Functions" 菜单控制所有的ENVI交互显示功能，这包括：图像链接和动态覆盖；空间和波谱剖面图；对比度拉伸；彩色制图；诸如ROI 的限定、光标位置和值、散点图和表面图等交互特征；诸如注记、网格、图像等值线和矢量层等的覆盖（叠置）；动画以及显示特征。
2）滚动Scroll窗口：全局，重采样(降低分辨率)显示一幅图像。
只有要显示的图像比主图像窗口能显示的图象大时，才会出现滚动窗口。
滚动窗口位置和大小最初在envi.cfg 文件中被设置并且可以被修改。
3）缩放Zoom窗口：（200*200）显示image的方框。
缩放系数（用户自定义）出现在窗口标题栏的括号中。
2．图像的头文件资料的获取和编辑ENVI：File>>Edit ENVI Header，选择相应的文件。
从 Header Info 对话框里，你可以点击 Edit Attributes 下拉菜单中的选项，调用编辑特定文件头参数的独立对话框。
这些参数包括波段名、波长、地图信息等。
3．图像的存取File > Open Image File. 当你打开任何文件，可用波段列表（ABL）自动地出现。
ABL列出该图像文件的所有波段，并允许你显示灰阶和彩色图像、启动新的显示窗口、打开新文件、关闭文件，以及设置显示边框。
基于LandsatTM影像提取太湖CDOM浓度空间分布基于Landsat/TM影像提取太湖CDOM浓度空间分布摘要：在湖泊生态系统中,CDOM(colored dissolved organic matter)是营养物质的重要来源,也是碳循环过程的主要物质组成.作者在2003年10月27日-28日太湖水质实验数据的基础上,研究与探讨了从Landsat/TM影像中提取太湖CDOM浓度分布状况的方法.通过研究可知,利用CDOM在TM1波段的强吸收特性,对应的光谱曲线呈现一个吸收波谷;以TM1波段反射率为遥感参数,结合遥感反演技术,能较好地从TM1影像中提取太湖水体CDOM浓度信息;与两个检验数据相比较,模型预报值与实测数据的偏差为0.922 mg·L-1,对应的.相对偏差为14.85%;此外,反演结果表明,在2003年10月28日,太湖水体中的CDOM浓度分布呈湖心和湖南高,湖东和和湖西低的格局. 作者：陈军王保军孙记红付军 Author： CHEN Jun WANG Bao-jun SUN Ji-hong FU Jun 作者单位：国土资源部海洋油气资源与环境地质重点实验室,山东青岛,266071;青岛海洋地质研究所,山东青岛,266071 期刊：光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(1) 分类号： X87 关键词： CDOM 遥感反演 Landsat/TM 太湖机标分类号：P23 S15 机标关键词：影像提取太湖水体浓度分布空间分布 Taihu Lake Dissolved Organic Matter dissolved organic matter 湖泊生态系统碳循环过程营养物质遥感参数相对偏差吸收特性物质组成太湖水质实验数据实测数据模型预报检验数据光谱曲线基金项目：中国海陆地质地球物理系列图项目，国家自然科学基金，国家十一五科技支撑项目基于Landsat/TM影像提取太湖CDOM浓度空间分布[期刊论文] 光谱学与光谱分析--2011, 31(1)陈军王保军孙记红付军在湖泊生态系统中,CDOM(colored dissolved organic matter)是营养物质的重要来源,也是碳循环过程的主要物质组成.作者在2003年10月27日-28日太湖水质实验数据的基础上,研究与探讨了从Landsat/TM影像中提取太湖CDOM浓度...。
【遥感实习1Landsat影像数据下载、导入、目视解译与分析】精品资料精品资料精品资料精品资料实习报告一Landsat影像数据下载、导入、目视解译与分析实习人姓名韦昭华专业班级及编号水文一班 20xx301580040任课教师姓名陈华实习指导教师姓名陈华王佳伶实习地点八教2楼机房实习日期时间20xx-10-21实习目的学会使用地理空间数据云或美国NASA/USG酗上下载工具进行Landsat卫星影像的检索和下载。
初步掌握ENVI影像处理软件的使用方法，熟悉软件的用户界面、功能模块。
复习遥感导论课程中的遥感影像目视解译环节，选择自己熟悉的地区，进行Landsat TM/ETM+影像的目视解译。
实习要求1?将文档中所有操作步骤的对话框图替换成自己所做的截图；在相应位置完成文档中思考题(标红的地方) ；填写好姓名、班级，上机后在星期二前由各班学委统一收好实习报告上交(电子档)。
数据准备下载 Landsat TM/ETM+影像一景使用Excel进行数据分析时注意加载宏“数据分析工具”操作方法及过程据自己感兴趣的地区，下载一景 Landsat TM影像。
注意选择云量少的以免影响观察。
http://www.gscloud.c n 地理空间数据云或需要先安装 java run time 套件。
思考一：数据标识中 LT5、130、42、20xx320、BKT 00分别表示什么？(在此处作答)LT5——Iandsat5号卫星；130——条带号；42 ——行编号——获取日期；BKT接站代码；00 ――产品级别；打开 ENVI 软件，选择 ENVI 5.0 Classic 。
QNVI 5.0闔 ENV1 + mSStDL52 bit画ENVI仔Zb曲闔十 H>L 很2 bkjLayer Stack ing In put File 对话框。
点击open加载1~7波段文件。
XLayer 5taXLayer 5ta匚king Input File单击Reorder将1~7波段按顺序排列，上下拖动即可，选择影像输出路径后点0KAvailable Li…t3、利用ENVI的显示窗口（ Display ）打开影像，分别选取4、3、2和3、2、1 波段组合进行假彩色和真彩色合成步骤：在可用波段列表（Available Band List）中，使用鼠标左键点击对话框中所列的文件名，选中要打开的影像。
全国土地利用数据遥感信息提取土地利用数据说明北京揽宇方圆信息技术有限公司是中国科学院系统的遥感影像数据服务企业，专注于遥感影像数据一站式的基础卫星数据服务、卫星影像数据处理服务。
土地利用数据时间：1985年、1990年、1995年、2000年、2005年、2010年、2015年土地利用数据源：Landsat TM影像Landsat ETM影像土地利用数据遥感信息的提取：根据影像光谱特征，利用ARCGIS、易康软件、ENVI软件等，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，提取土地利用信息。
土地利用/覆被变化信息的提取。
采用arcgis与易康结合，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于地形破碎、地物分布复杂的地区。
基于Landsat TM遥感影像，采用全数字化人机交互遥感快速提取方法，同时参考国内外现有的土地利用/土地覆盖分类体系，以及遥感信息源的实际情况，将遥感影像进行解译并进行验证将土地利用数据类型划分为6个一级分类，24个二级分类以及部分三级分类的土地利用/土地覆盖数据产品，并结合本项目制定土地利用数据产品分类体系。
目视解译侧重于人的知识的参与，为了减少由于不同人员的主观差异性所造成的误差，提高遥感判读精度，因此建立统一解译标志是十分必要的。
根据影像光谱特征，结合野外实测资料，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析。
一、TM影像数据的预处理。
遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。
二、土地利用变化信息提取。
首先对其中的一期影像分别采用人工解译的方法，然后利用易康开始分类。
三、数据集成对数据形式特征（如格式、单位、分辨率、精度）等和内部特征（特征、属性、内容等）做出全部或部分的调整、转化、合成、分解等操作，形成充分兼容的数据库。
利用Erdas监督分类提取城镇用地信息一、打开erdas，分波段加载landsat TM 影像信息，并转成img图像格式文件。
1.打开erdas，点击viewer打开新窗口，点击打开图标，选择要加载的一个波段的tif图像，点击OK。
2.点击主窗口File——Save——Top Layer As…，在跳出的Save窗口中点击，在跳出的Save as 窗口选择保存路径，命名文件名，点击OK。
再点击小窗口的OK，开始转换，完成后点OK.。
3.依次进行1和2步骤，把遥感影像各波段tif格式转换给img格式。
二、融合各波段文件为一个整文件。
点击主菜单栏上的Inerpreter——Utilities——Layer Stack，跳出Layer Selction and Stacking对话框。
在此对话框中，逐次点击Input File和Add加载各波段img文件。
在Output File中选择保存路径，命名文件。
勾选上Ignore Zero in Stats. 点击OK。
三、打开融合后的img 文件，查看波段组合：点击Raster ——Band Combinations ，默认为4、3、2波段的组合。
1.画出感兴趣区：点击主窗口菜单栏上的AOI——Tools，用画出感兴趣区。
命名文件名，点击OK保存。
3.利用AOI文件裁切感兴趣区图像：点击主菜单上的Dataprep——Subset Image，在跳出的Subset对话框中选择Input File（为前面融合的多波段img文件），设置Output File的路径和文件名，选择上一步设置好的AOI文件。
点击OK，运行。
四、设置监督分类特征文件。
1.点击主菜单上的Classifer ——Signature Editor ，跳出Signature Editor 面板。
点击主窗口菜单栏上的AOI ——Tools ，用多边形工具画出一类用地的训练区，点击加入特征文件编辑面板。
基于Landsat-TM影像的专题信息提取摘要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。
结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。
关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用Abstract:Based on the study of shenyang area for using spectral information extraction，water,vegetation,based on gray symbiotic matrix of the texture classification,through the TM5 band extraction graylevel co-occurrence matrix and gray,and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields,spectral information structure,separation,with residents of the final results of the classification.Results show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination,the classification accuracy than pure spectral classification accuracy.Key words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use引言遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的[1]。
在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。
常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。
提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。
纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误率，提出了一种基于小波变换进行纹理分割的方法。
因此，研究地物在影像上的纹理特征，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一[3]。
图像分析需要用到影像的灰度和纹理信息，灰度即波谱信息，是最基本的信息，纹理反映了灰度的空间变化情况，它由纹理基元按某种确定的规律或者某种统计规律排列组成。
为了能用计算机进行纹理分析和形成统一的尺度，需将纹理量化，以定量反映纹理信息，形成纹理变量和纹理图像以便分析[4]。
1 研究区概况苏家屯是沈阳市的九个市辖区之一，位于沈阳南部，距沈阳市中心15公里，与抚顺、本溪、辽阳三市毗邻。
这里气候适宜，雨量适中，年均气温8度，年均降水量700毫米。
物产丰富，蕴藏着丰富的煤石油天然气铁矿石和优质矿泉水等自然资源。
苏家屯农业发达，盛产水稻、玉米，是国家确定的现代化农业示范区。
本文选择数据源所选取的数据是沈阳地区2001年8月11日TM影像区的子区域。
根据沈阳地区的农事历，选择10月上旬的遥感资料为宜。
2 光谱信息地物的光谱一般是指像素的亮度值，地表的各种地物由于物质组成和结构不同而具有独特的波谱反射和辐射特性，在图像上反映为各类地物在各波段上灰度值的差异。
地物光谱响应特征是多光谱遥感影像地物识别最直接，也是最重要的解译元素。
3 纹理特征纹理也是遥感影像的重要信息,它通过色调或颜色的变化表现细纹或细小的纹案，这种细纹或细小的纹案在某一确定的图像区域中以一定的规律重复出现。
目标地物的纹理特征与航空相片的比例尺和太阳高度角有关。
另外，它反映了影像的灰度统计信息、地物本身的结构特征和地物空间排列的关系，是进行目视判读和计算机自动解译的重要基础[5]。
许多研究表明，除了原始影像光谱信息以外，加上纹理信息就可以使分析准确性和精度提高[6]。
遥感图像中多为无规则纹理，一般采用统计方法进行纹理分析,目前用得较多的统计方法有共生矩阵法、分形维法和马尔可夫随机场法。
所谓灰度共生矩阵是由影像灰度级之间二阶联合条件概率密度所构成的矩阵，反映了影像中任意两点间灰度的空间相关性。
其方法是先依据影像的灰度级数和灰度变化情况计算出4个方向(右、下、右上和左下)任意两个灰度级相邻出现的概率矩阵，它能提供多个纹理量，可以从多个侧面描述影像的纹理特征，因而在纹理分类中得到广泛的应用[7]。
4 提取方法4.1 数据预处理本文对沈阳地区遥感影像进行光学增强处理，并采用高通滤波来进行滤波处理对影像进行融合将融合后的影像进行几何校正。
本文以1∶5万比例尺地形图为底图，选取均匀地分别在整幅图像内的60个控制点，采用二次多项式纠正模型建立两幅影像的对应关系。
配准精度在0.3个像元以内，4.2 土地利用分类体系的确定参考国家土地利用分类体系，结合研究区土地资源的实际情况，TM影像波谱特征及其分辨率等，把研究区土地利用现状分类系统按二级进行分类，一级类型5个，分别为水体、水田、旱地、居民地、植被。
4.3 遥感信息提取遥感图像的某些波段往往存在异物同谱和同物异谱现象，如果把多种地物放到一起考虑，由于这些波段的加入，会使信息提取变得非常复杂，这也正是传统上基于统计特征的监督和非监督分类遇到的难题。
而对地物进行分层处理，就可以充分利用各类地物在不同波段的特征，收到较好效果[8，9]。
对某一地物进行提取，获得该信息层，与原图像进行逻辑与运算，做掩膜处理，从而将该地物像元从原始图像中去除，以避免它对其他地物提取的影响，从而为以后的信息提取创造了纯净的环境。
4.3.1基于地物光谱模型的遥感影像分类为获得光谱知识，在原始图像上进行采样。
在采样过程中考虑到同类地物颜色的差异，如水域的深浅等，每一地类进行了多个样本值的合并，得到地物的综合光谱特征值（如图1）。
图1 地物光谱特征水体的提取：太阳光照射到水面少部分被反射到空中大部分被入射到水体，入射到水体的光，部分被水体吸收，部分被水中的悬浮物反射，少部分透射到水底。
被水底吸收和反射。
被悬浮物反射和被水体反射的辐射，部分返回水面，折回到空中。
因此，遥感器所接收到的辐射就包括水面反射光，悬浮物反射光，水底反射光和天空反射光（如图2）。
由于不同水体的水面性质和水体特性的不同，从而形成传感器上接收到的反射光谱就存在差异，为遥感探测水体提供了基础。
在可见光范围内，水体的反射率总体比较低，不超过10%,一般为4%～5%,并随着波长的增大逐渐降低，到0.6μm处约2%～3%，过了0.75μm，水体几乎成为全吸收体。
因此，在近红外的遥感影像上清澈的水体成黑色。
因此在提取水体时图面上黑色部分即为水体。
图2 传感器接收到的光谱植被的提取:健康植物的波谱曲线有明显的特点（如图3），在可见光的0.55μm附近有一个反射率为10%～20%的小反射峰。
在0.45μm和0.65μm附近有两个明显的吸收谷。
在0.7～0.8μm是一个陡坡，反射率急剧增高。
在近红外波段0.8～1.3μm之间形成一个高的，反射率可达40%或更大的反射峰。
在1.45μm、1.95μm和2.6～2.7μm处有三个吸收谷。
它们分别受叶子色素，细胞构造，含水量等的影响。
因此，在对TM影像上的植被进行提取时，要考虑以上因素。
图3 健康植被的光谱特征4.3.2基于纹理信息的分类在图1中容易看到水田、旱地、居民地有很大的光谱相似度，因此需要根据纹理特征进行提取。
本文用水体和植被信息分别对原始影像做掩膜，再结合纹理信息作监督分类提取居民地、水田和旱地。
为了突出图像的纹理，提高对图像的解译和分析能力，在对图像进行纹理分析之前，利用ErdasImagine软件对掩膜后的影像进行了增强处理。
为了进行纹理分类，首先必须提取各类的纹理特征。
试验中先提取各类样本，统计各种类纹理特征，再找出最大差异的纹理量，作为分类特征量进行分类(如图4)。
纹理特征的提取需考虑到窗口的大小、方向和步长。
本文利用TM第5波段的纹理特征,采用了3X3大小的窗口、四个方向的均值[10]、步长为1来对纹理值(包括角二阶距、对比度、熵、相关)进行特征统计。
图4 纹理样本图本文所有的纹理分析均在Matlab7.0上进行，主要目标是实现对输入遥感影像进行纹理分析，输出纹理分析的结果，以便通过使用结果，以不同的结合方式辅助分类作对比研究。
从图5中我们可以看到，3种地类在ASM纹理特征量上差异最大，COR上次之，因此取用ASM、COR特征值，对3种地物加以提取。
图5 3种纹理特征曲线旱田的提取:从纹理曲线中可以看出旱田的ASM量与水田、居民地有很大的差异，因此通过实验对ASM进行阈值设定来提取旱田。
居民地和水田的区分:采用基于纹理特征和光谱特征相结合的方法，对居民地进行提取。
水田和居民地在ASM特征量上，有着较大的差异，但仔细观察可以发现，在去除了旱田的干扰后，水田和居民地在COR特征量上也有着很大的差异。
同时一些研究提出了(归一化建筑指数)[11]:NDVI=(TM 5- TM 4)/(TM 5+ TM 4)来对居民地进行提取（见表1）。
从表2中可以看出，这种方法并不适合本文的研究区，但是对原始的光谱特征信息进行分析可以发现，在只存有水田和居民地的图像上，两者在TM5上的亮度值差距很大。
综上所述,可以对COR和TM5的亮度值进行阈值设定提取居民地,将其与水田相分离。
表1 5种地物的NDVI指数指标水体水田旱地居民地植被NDVI 0．24271 0．218619 0．380397 0．231489 0．1663375 精度评价衡量分类精度最广泛的方法是由Congalton提出的误差矩阵法(error matrix)，为了评价分类试验精度，本文采用随机抽样方法抽取400个点作正确率评价，通过对原图的目视判读结合实地考察对结果进行正确率评价，建立混淆矩阵，计算其Kappa系数(见表2)，在ERDAS监督分类中总正确率为85.4 %(见表3)，两者相比较可以看出，基于光谱和纹理特征的信息分层提取方法能够很好的对研究区影象进行分类。
