下载文档原格式
林业实习报告关于林业实习报告4篇在我们平凡的日常里，报告有着举足轻重的地位，不同种类的报告具有不同的用途。
那么，报告到底怎么写才合适呢？以下是小编收集整理的林业实习报告4篇，欢迎大家分享。
林业实习报告篇1于今年3月3日到4月25日由学校安排以一名实习生的身份来到地区林业局实习，在办公室参与办公室日常工作事务。
在这短短的近两个月的实习时间里，我体会较多，感触颇深。
“纸得来终觉浇，绝知此事要躬行”。
书本上的理论知识应用于实际操作出现了许多问题，才知道书本理论是是那么的苍白。
在学校两年的课程学习里，我们所开设的课程很多，然应用到实际的却很少，这使我认识到光靠课本知识是远远不够的，必需在实际工作中努力学习、真做事才能学到为我所用的职业技能。
工作与学习虽有相通，却也不同。
在学校学习的日子里，我显自由散漫，不想上的课就不去上，想睡懒样的时候就8点以后起床，到了单位，换了环境，看到兢兢业业工作的"老师"们，使我意识到，生活不应是这样一个慵懒的态度，工作也不充许一个人慵懒。
于是我严格按照单位规章制度按时上下班，积极认真地完成领导交给我的每一项工作，即使是一件无聊的事也得认真做好。
工作无主心，但不能放松。
办公室每天所处理的事务就是收发报纸，接听电话并做好电话记录，打印文件，传达消息等简单繁琐的小事，很多时间还无事可做。
在无事可做的时候，我要耐住性子，认真体会办公室工作，有有事做的时候不能嫌事情简单烦锁而不认真对待。
古人说，一屋不扫何以扫天下，正是这个道理。
两个月的实习结束了，但这两个月的学习使我受益匪浅。
首先，我熟悉了办公室环境，了解了办公室工作。
其次，我学到了许多保贵的工作经验，同时也体会到了更多的人生准则。
这些收获将在以后有岁月里引导我走向人生的辉煌。
林业实习报告篇2实习报告（一）实习单位简介屏边苗族自治县林业局成立于1976年7月1日。
近30年来，在极其艰苦的条件下，林业干部职工以山为家，艰苦创业。
遥感实习报告在具体学期，我参与了一次令人难忘的遥感实习。
这次实习不仅让我将课堂上学到的理论知识应用到实际操作中，还让我对遥感这一领域有了更深入的理解和认识。
一、实习目的本次遥感实习的主要目的是通过实际操作和案例分析，熟悉遥感数据的获取、处理、分析和应用的全过程，掌握常见遥感软件的使用方法，提高我们对遥感技术在资源调查、环境监测、城市规划等领域应用的能力。
二、实习内容1、遥感数据的获取在实习的初始阶段，我们学习了如何获取遥感数据。
了解了不同类型的遥感卫星，如陆地卫星、气象卫星等，以及它们所提供的数据特点和适用范围。
通过相关网站和数据平台，我们成功获取了多景遥感影像，为后续的处理和分析工作奠定了基础。
2、遥感数据的预处理获取到原始遥感数据后，紧接着就是进行预处理。
这包括辐射校正、几何校正等操作。
辐射校正用于消除传感器本身和大气对辐射的影响，使得影像的亮度值能够准确反映地物的反射特性。
几何校正则是纠正由于卫星姿态、地形起伏等因素导致的影像几何变形，确保影像的准确性和可用性。
3、图像增强与分类为了更清晰地识别和分析地物信息，我们进行了图像增强处理。
常用的方法有对比度拉伸、直方图均衡化等，这些操作有效地突出了影像中的地物特征。
之后，运用监督分类和非监督分类等方法对影像进行分类，将影像中的地物划分为不同的类别，如水体、植被、建设用地等。
4、遥感图像的解译与应用在完成分类后，我们进行了遥感图像的解译工作。
通过对比不同时期的影像，分析地物的变化情况，例如城市扩张、森林砍伐、水体污染等。
同时，将解译结果应用于实际问题，如土地利用规划、灾害监测与评估等。
三、实习工具与技术在实习过程中，我们使用了多种遥感软件和工具，如 ENVI、ArcGIS 等。
ENVI 在遥感数据的处理和分析方面功能强大，提供了丰富的算法和工具；ArcGIS 则在空间数据的管理和可视化方面表现出色，能够将遥感解译结果与地理信息数据进行整合和分析。
大学生遥感实习报告1. 引言遥感是一种获取地面目标信息的无接触测量手段，通过感知和记录电磁辐射，利用遥感技术可以获取地面的物理、地貌、植被等多种信息。
作为一名大学生，我很荣幸能有机会参加遥感实习，深入了解这个领域的新技术和应用。
本篇报告将详细介绍我的遥感实习经历。
2. 实习目标本次实习的主要目标是学习并掌握常用的遥感技术和工具，如遥感数据采集、处理和分析等。
另外，我还希望通过实践了解遥感技术在农业、林业和环境保护等领域的应用，为将来的研究和工作打下基础。
3. 实习过程3.1 学习理论知识在实习开始前，我首先学习了遥感的基本概念、原理和方法。
通过参加培训课程和阅读相关文献，我对遥感图像的获取和处理有了初步的了解。
同时，我还学习了有关遥感数据的分类和解释方法，以及常用的遥感软件和工具的使用技巧。
3.2 遥感数据采集为了实践遥感技术，我们团队决定选择一个具体的研究区域进行数据采集。
通过前期的调研和分析，我们选择了一个位于农村的农田作为研究对象。
在实地实习中，我们使用无人机进行了空中拍摄，并使用GPS设备收集了地面控制点的坐标信息。
这样可以为后续的数据处理提供准确的参考。
3.3 遥感数据处理和分析在数据采集完成后，我们将拍摄到的遥感图像导入到遥感软件中进行处理和分析。
首先，我们使用图像处理技术对图像进行增强处理，以提高图像的可视性和准确性。
然后，我们使用分类算法将图像进行分类，识别出不同的地物类型。
最后，我们对分类结果进行分析，比对实地调查数据验证分类的准确性。
3.4 应用实践在数据处理和分析之后，我们将学到的遥感技术应用到实际的领域中。
我们以农田为例，通过对遥感图像的解释，可以获取农田的植被指数、土壤湿度等信息，为农业生产提供参考和决策支持。
我们还可以利用遥感数据分析林地覆盖率变化，以及水体污染程度等环境保护指标。
4. 实习成果通过两个月的实习，我不仅学习了遥感技术的理论知识，还深入了解了遥感数据的采集、处理和分析过程。
遥感实习报告心得体会首先，我要感谢学校为我们提供了这次宝贵的遥感实习机会。
通过这次实习，我对遥感技术有了更深入的了解，并且提高了自己的实践操作能力。
在这里，我想分享一下我的实习心得体会。
遥感技术是一种非接触式的、远距离的探测技术，通过对地球表面目标的辐射和反射信号的感知，获取地球表面信息。
在实习过程中，我深刻体会到了遥感技术的广泛应用和重要性。
遥感技术在资源调查、环境监测、农业规划、城市规划等领域都有着重要的作用。
通过实际操作，我了解到了遥感数据获取、处理、分析和应用的全过程，从而更好地理解了遥感技术在实际生产中的应用价值。
在实习过程中，我学习了遥感数据处理软件的使用，如ENVI、ArcGIS等。
通过这些软件，我能够对遥感数据进行预处理、图像增强、分类和分析等操作。
在实际操作中，我遇到了一些困难和挑战，但是通过请教老师和同学，我逐渐找到了解决问题的方法。
通过实践，我不仅掌握了遥感数据处理的基本方法，还培养了自己的问题解决能力。
此外，在实习过程中，我还学习了遥感图像的分类和解释。
通过对遥感图像的观察和分析，我能够识别不同的地物类型，并且对它们进行分类。
在实际操作中，我发现遥感图像的解释需要结合实际情况和地理背景知识，否则容易产生误分类。
因此，我意识到了理论知识与实际应用相结合的重要性，并且在实习过程中不断加强对遥感原理的理解。
通过这次实习，我还深刻体会到了团队合作的重要性。
在实习项目中，我们需要分组进行任务，每个小组成员都要承担不同的责任。
在团队合作中，我学会了倾听和沟通，尊重和理解他人的意见，与团队成员共同解决问题。
通过团队合作，我们不仅能够高效地完成任务，还能够培养自己的团队协作能力。
最后，我想说，这次遥感实习对我来说是一次非常有价值的学习经历。
通过实习，我不仅提高了自己的专业技能，还培养了自己的实践能力和团队合作精神。
我相信，这次实习对我未来的学术研究和职业发展都将产生积极的影响。
在今后的学习和工作中，我将继续努力，不断探索和应用遥感技术，为解决实际问题做出贡献。
遥感专业毕业实习报告【遥感专业毕业实习报告】导言遥感技术作为一种高效、快速获取地表信息的手段，已经广泛应用于农业、环境、城市规划、资源调查等众多领域。
本次毕业实习是我系统学习遥感技术的重要一环，通过参与实际项目，亲身感受遥感技术在实践中的应用，提高自己的技能能力。
在整个实习过程中，我以实践为主线，学以致用，锻炼了自己的科研思维和技能，对遥感技术有了更深入的理解。
以下将对实习的过程、所参与的项目进行详细介绍与总结。
一、实习项目介绍本次实习项目是与某农业公司合作，利用遥感技术对某地区的农田进行监测与调查。
项目的目标是通过遥感卫星的数据获取和处理，获取农田的信息，包括耕地面积、作物类型、病虫害情况等，为农业公司提供农田管理和决策的参考依据。
二、实习过程1. 遥感数据获取在项目开始阶段，首先需要获取遥感数据。
我们选择了LANDSAT系列的卫星数据，这些数据具有较高的分辨率和较长的时间序列，在农业研究中应用广泛。
通过遥感数据存档和下载的工具，我们获得了一定时间范围内的LANDSAT数据。
2. 遥感数据预处理获得的遥感数据需要经过预处理，包括影像去云、大气校正、几何校正等步骤。
我利用ENVI和IDL软件对数据进行处理，去除云状物和计算大气校正参数，以确保后续的数据分析的准确性。
3. 农田面积提取农田的面积是一个重要指标，我们需要通过遥感技术来提取农田面积。
我使用遥感图像分类方法，根据农田和非农田的光谱特征，将图像进行分类，然后通过计算分类结果中农田像元的个数，结合地理坐标系统的相关参数，计算得到农田的面积。
4. 作物类型分类农田的作物类型也是一个重要的信息，我们需要通过遥感图像分类来获取作物的类别和分布情况。
我采用了监督分类方法，根据已知的训练样本，对遥感图像进行分类，将图像中的像元分类为不同的作物类别。
5. 病虫害检测通过遥感技术，我们还可以对农田中的病虫害情况进行监测。
病虫害具有一定的光谱特征，我们可以通过遥感图像的光谱信息，对病虫害进行检测和分析。
林业遥感总结1. 引言林业遥感是利用遥感技术对森林资源进行调查、监测和管理的一种手段。
通过对遥感影像的采集、处理和分析，可以获取大规模森林资源的相关信息，并为林业管理决策提供科学依据。
本文将介绍林业遥感的基本原理、常用技术和应用场景。
2. 林业遥感的基本原理林业遥感的基本原理是通过获取、处理和分析遥感影像，获取森林资源的相关信息。
遥感影像可以分为光学遥感影像和雷达遥感影像两种类型。
光学遥感影像是通过接收、记录和解译由光学传感器获取的电磁辐射能量来获取影像信息的。
而雷达遥感影像则是通过接收和解译由雷达传感器发送的微波辐射信号来获取影像信息的。
3. 林业遥感的常用技术3.1 光学遥感技术光学遥感技术是林业遥感中最常用的技术之一。
它可以利用可见光、红外线和微波等电磁波段的信息来获取森林资源的各种特征。
常见的光学遥感技术包括数字相机拍摄、高光谱遥感和LiDAR（光探测与测距）技术。
数字相机拍摄是一种简单而常用的遥感技术，通过数字相机拍摄森林影像，可以获取森林的空间分布、结构和类型等信息。
高光谱遥感则是利用多光谱或超光谱传感器记录不同波段的反射或辐射能量，以获取森林植被的光谱特征。
LiDAR技术则是通过激光雷达测量和记录地面、植被和地形的三维信息，以获取森林的高度、密度和结构等信息。
3.2 雷达遥感技术雷达遥感技术在林业遥感中也有广泛的应用。
与光学遥感不同，雷达遥感可以在雨雪等恶劣气象条件下进行观测，并且具有穿透能力，在森林植被密集的地区也能获取有效的数据。
常见的雷达遥感技术包括合成孔径雷达（SAR）和激光雷达。
SAR技术通过接收地面散射的微波信号，并对信号进行处理和分析，可以获取森林的覆盖度、湿度和结构等信息。
激光雷达则通过发送激光脉冲并测量其返回时间来获取地面、障碍物和地形的三维信息，用于森林高度和结构的测量。
3.3 多源数据融合技术多源数据融合技术是指将不同传感器获取的多种遥感影像数据进行整合和分析，以获取更全面、准确的森林资源信息。
实习报告二：遥感实习心得与体会一、前言随着科技的发展，遥感技术在地质调查、资源勘探、环境监测等领域发挥着越来越重要的作用。
本次实习，我有幸接触到遥感技术，并对其有了更深入的了解。
以下是我在实习过程中的心得与体会。
二、实习内容1. 遥感基本原理学习在实习的第一周，我们学习了遥感的基本原理，包括遥感的基本概念、遥感数据的获取方式、遥感图像的 processing 方法等。
通过学习，我明白了遥感技术是一种非接触式的、远距离的探测技术，可以通过对地球表面目标的辐射和反射特征进行监测和分析，获取地球表面信息。
2. 遥感数据处理与分析在实习的第二周，我们学习了遥感数据处理与分析的方法，包括遥感图像的预处理、图像增强、分类和提取等。
通过实际操作，我掌握了遥感图像处理软件的使用，并学会了如何对遥感图像进行分析和处理，从而获取有价值的信息。
3. 遥感应用案例分析在实习的第三周，我们学习了遥感技术在地质调查、资源勘探、环境监测等领域的应用案例。
通过案例分析，我了解了遥感技术在实际生产中的应用价值，同时也认识到遥感技术在解决实际问题时的局限性。
三、实习心得与体会1. 遥感技术具有广泛的应用前景通过实习，我深刻认识到遥感技术在地质调查、资源勘探、环境监测等领域具有广泛的应用前景。
特别是在当前全球气候变化、资源紧张、环境污染等问题日益严重的背景下，遥感技术在可持续发展中发挥着重要作用。
2. 遥感技术发展迅速，人才培养至关重要随着遥感技术的不断发展，对遥感人才的需求也越来越大。
作为一名遥感专业的学生，我深感责任重大，今后需更加努力地学习，提高自己的专业素养，为我国遥感事业的发展贡献自己的力量。
3. 理论与实践相结合是学习遥感的关键实习过程中，我深刻体会到理论与实践相结合的重要性。
只有掌握了遥感基本原理和实际操作技能，才能在实际工作中游刃有余。
今后，我会更加注重实践操作，不断提高自己的实践能力。
4. 团队协作是完成遥感项目的重要保障在实习过程中，我发现遥感项目往往需要多学科知识的融合和团队协作。
一、引言随着科技的飞速发展，遥感技术在林业领域的应用日益广泛。
为了提高我国林业资源监测和管理水平，培养具备林业遥感技术实际操作能力的专业人才，我们进行了为期一个月的林业遥感技术实训。
本次实训旨在通过理论学习和实践操作，使学生掌握林业遥感技术的基本原理、操作方法和应用技巧。
以下是对本次实训的总结。
二、实训目的与要求1. 了解林业遥感技术的原理和发展现状；2. 掌握遥感图像的获取、处理和分析方法；3. 学会运用遥感技术进行森林资源调查、监测和管理；4. 培养团队合作精神和实际操作能力。
三、实训内容1. 理论学习（1）林业遥感技术概述：介绍了林业遥感技术的定义、发展历程、应用领域等基本概念。
（2）遥感图像获取：讲解了卫星遥感、航空遥感、无人机遥感等遥感图像获取方式。
（3）遥感图像处理：介绍了遥感图像预处理、图像增强、图像分类等处理方法。
（4）遥感图像分析：学习了遥感图像在森林资源调查、监测和管理中的应用。
2. 实践操作（1）遥感图像获取：通过地面实测、卫星遥感数据下载等方式获取遥感图像。
（2）遥感图像处理：运用遥感图像处理软件对获取的遥感图像进行预处理、增强和分类。
（3）遥感图像分析：结合实际案例，运用遥感图像分析技术进行森林资源调查、监测和管理。
四、实训成果1. 学员对林业遥感技术的基本原理、操作方法和应用技巧有了深入的了解。
2. 学员能够熟练运用遥感图像处理软件进行遥感图像预处理、增强和分类。
3. 学员掌握了遥感图像在森林资源调查、监测和管理中的应用，为实际工作奠定了基础。
4. 学员在实训过程中培养了团队合作精神和实际操作能力。
五、实训体会1. 林业遥感技术在林业资源调查、监测和管理中具有重要作用，能够提高工作效率和准确性。
2. 遥感图像处理技术是林业遥感技术的重要组成部分，需要不断学习和掌握。
3. 实训过程中，学员们克服了种种困难，积累了宝贵的实践经验。
4. 团队合作精神在实训过程中得到了充分体现，为今后实际工作打下了基础。
一、实习背景随着科技的飞速发展，遥感技术在农业、林业、城市规划、环境监测等领域发挥着越来越重要的作用。
为了让我校遥感专业的学生更好地了解遥感技术在实际工作中的应用，提高我们的专业技能和实践能力，我们一行人在2023年暑期参加了为期一个月的遥感专业实习。
二、实习前期准备1. 团队组建：在实习开始前，我们根据个人兴趣和专业特长，组成了若干实习小组，每组由一名指导老师负责。
2. 资料收集：我们通过查阅文献、网络搜索等方式，了解了遥感技术的基本原理、应用领域以及实习期间可能遇到的问题。
3. 设备准备：实习期间，我们使用了多种遥感设备，如无人机、卫星遥感影像处理软件等。
我们提前学习了这些设备的使用方法，并确保设备性能良好。
三、实习内容1. 遥感影像获取：我们利用无人机获取实习区域的高分辨率影像，并通过卫星遥感影像获取大范围的数据。
2. 遥感影像处理：在指导老师的指导下，我们学习了遥感影像处理的基本流程，包括影像预处理、几何校正、辐射校正等。
3. 信息提取与分析：我们针对实习区域的土地类型、植被覆盖、水体分布等信息进行提取和分析，运用遥感技术解决实际问题。
4. 实地考察：在实习期间，我们分组进行了实地考察，对遥感影像中的信息进行了验证和补充。
5. 成果展示：实习结束后，我们针对实习成果进行了整理和总结，以报告、PPT等形式进行展示。
四、实习收获1. 专业技能提升：通过实习，我们对遥感技术有了更深入的了解，掌握了遥感影像处理和分析的基本方法。
2. 团队协作能力：在实习过程中，我们学会了与他人合作，共同解决问题，提高了团队协作能力。
3. 实践能力增强：实习让我们将理论知识与实际应用相结合，提高了我们的实践能力。
4. 职业素养提升：在实习期间，我们严格遵守实习纪律，认真完成各项任务，培养了良好的职业素养。
五、实习总结本次遥感专业实习是一次宝贵的学习机会，让我们在实践中提高了专业技能和实践能力。
在今后的学习和工作中，我们将继续努力，不断提高自己的综合素质，为我国遥感事业贡献自己的力量。
林业遥感课程实习报告
一．实习目的
通过实习能够熟练的掌握使用遥感地形图进行地物识别以及解译标志库的建立
二．实习主要内容
1.对野外进行踩点调查
2.目视解译，区划小班
3.地类面积统计及分析
4.森林资源分布图制图出图
三．主要结果分析（解译标志库目视解译步骤地类面积统计森林分布图制图）第一条路线沿大湖坪向上方方向踩点调查，行程8.9公里
第二条路线沿茶园方向往太阳庙方向进行调查，行程6.5公里
第三条路线为沿环山公路沿路进行探究，行程6.8公里
四．简易标志库的建立
五．统计结果及其分析
结论：由表格中数据可知福寿山林场的竹林面积特别大，无论是纯竹林还是竹林混交林的面积都占了很大的比重，同时经过我们小组成员在山中的所见所闻也知道了山中的针叶林主要以杉木和柳杉为主的林份在山上分布广生长旺盛，同时作为一个自然保护区它的阔叶林面积也大，这样各种资源分布比较均匀符合游人的需求也符合物种的多样性。
基于决策树的林业遥感影像分类Classification of RS Image based on Decision Tree Classifier 一、实习目的与要求林业遥感是遥感技术在林业经营中具体应用的实用性强的专业课，旨在培养学生利用遥感手段进行森林资源监测和管理的基本技能，实习的主要目的是培养学生使用GPS进行野外地形参数的手工测量，内业计算机遥感图像的几何精校正和探索学习决策树分类方法对林业遥感影像进行分类研究的动手能力。
通过实习，加深遥感技术在森林资源监测和管理中的应用和理解。
二、实习内容1)GPS采集地面控制点坐标（经纬度或平面直角坐标）以及地形参数（坡度，坡向）2)野外训练区的地面调查3)内业遥感图像的几何精校正4)ENVI图像处理软件决策树分类器建立逐级决策规则5)决策规则的修改与添加（与实地调查进行比较分析）6)利用建立的决策规则对林业遥感图像进行分类7)保存分类规则与分类图像三、实习中涉及的理论知识1．决策树分类简介与其它分类方法相比，决策树分类具有如下特点：1）决策树分类是非参数分类，因此其独立于训练区像元亮度值的统计分布模式；2）决策树分类时模型的输入既可以是连续的光谱波段值，也可以是离散的数值，甚至是定名变量；3）分类结束后可以生成易于解译的分类判别准则文件；4）样本训练的速度快，分类精度通常高于其它的分类器2．决策树分类原理决策树分类实质是利用输入分类器的多元特征参数，从多角度挖掘出蕴藏在其中的模式类别间的差异，并建立起“特征识别矩阵”（类似于判读检索表），其外在表现为多个“If Then, else if then”的连用，就如同数学上的多个集合求交集运算，从而将满足交集条件的模式与不满足交集条件的模式区分开来，实现不同模式类别的自动识别。
具体地讲，决策树可以像分类过程一样被定义，依据某种规则将窨数据集一级级往下细分以定义决策树的各个分支。
决策树由一个根结点，一系列内部结点及终极结点组成，每一个结点只有一个父结点和两个或多个子结点。
根据决策树的构成思想，以选定的样本数据为对象逐级找到分类树的结点，并且在每个结点上记录所选的空间数据图层的编号以及相应的判别函数参数，从而有可能反过来从树根到叶按照生成的判别规则，逐级地在每个结点上对样本数据以外的待分类数据进行分类3．本实习决策树分类规则描述类1(class 1)：NDVI值大于0.3，坡度大于或等于20度类2(class 2)：NDVI值大于0.3，坡度小于20度，阴坡类3(class 3)：NDVI值大于0.3，坡度小于20度，阳坡类4(class 4)：NDVI值小于或等于0.3，波段4的值大于或等于20类5(class 5)：NDVI值小于或等于0.3，波段4的值小于20类6(class 6)：波段4的值等于0类7(class 7)：波段1的值小于波段1的均值决策树分类规则是在决策树分类过程中不断修改和添加的，为了实现逐步分类更加精细与准确四、实习步骤1．外业数据采集在中山陵地区选取若干样点，利用GPS记录样点坐标，测定相应位置的地形参数。
目的：练习使用GPS以及DEM的建立方法。
2．研究资料确定与处理1) 运行ENVI软件，打开并显示对决策树分类有贡献的影像文件：bouldr_tm.dat (Landsat 5 TM影像) 与boulder_dem.dat（相应的DEM空间子集）2) 投影类型转换查看bouldr_tm影像特征：Projection : UTMPixel: 30 MetersDatum: NAD 27查看boulder_dem影像特征：Projection : GAUSS-KRUGERPixel: 30 MetersDatum: WGS84以bouldr_tm影像为基准，转换boulder_dem影像的投影类型：运行ENVI软件，点击Map/Convert Map Projection，在弹出的Convert MapProjection Input Image中选择boulder_dem，在弹出的Convert Map Projection对话框中选择UTM，DA TUM选择NAD 27，可选择多项式和最邻近点方式，保存投影类型转换后的图像。
3）图像配准为提高TM影像的分辨率，从而提高分类精度，以bouldr_tm影像与相应地区的SPOT影像配准（SPOT为已经过精校正的影像，空间分辨率为10m）配准方法：点击Map/Registration/Select GCPs: Image to Image，使得bouldr_tm影像的分辨率也达到10m，查看配准后的影像特征：Projection : UTMPixel: 10 MetersDatum: NAD 27如图1所示：bouldr_tm boulder_dem3．输入决策树规则1）选择Classification/Decision Tree/Build new decision tree，打开决策树工具决策树工具打开时就只有一个空的决策节点，在这个空的节点中输入任意条件的决策表达式，将该数据集的像素分为两组2）第一个决策要基于landsat影像。
要定义这个决策点，点击决策节点，当前这个节点被标注为Node，输入表达式：{ndvi} gt 0.3这个决策将像素分为两类，一类为绿色植被，另一类为非植被3）指定应用决策表达式的文件在出现的Variables/Files Pairing对话框中，点击{ndvi}，在随后出现的对话框中选择bouldr_tm影像，这表明当上述决策规则计算时，NDVI值将从bouldr_tm影像中计算出来这里ENVI会根据NDVI这个特定名称，自动搜索所需的红波段和近红外波段，计算出NDVI值4）完成第一个简单决策树分类器，NDVI大于0.3被分成白色类，NDVI值小于或等于0.3像素被分为黑色。
4．输入决策树附加规则1）右键点击Class 1的节点，从弹出的快捷菜单中选择Add Children，从而将NDVI 大的那类细分为两个新的子类2）点击空白节点，并在Edit Decision Parameters对话框中，输入下面这个决策规则：{Slope} lt 20这个决策规则将根据坡面的陡峭程度，将NDVI值高的像素分为两类，同样，ENVI会根据Slope(坡度)这个特定名称，自动搜索计算Slope值3）在节点的Name区域，输入slope<20，点击OK4）指定应用决策表达式的文件在出现的Variables/Files Pairing对话框中，点击{slope}，在随后出现的对话框中选择boulder_dem影像，这表明当上述决策规则计算时，slope值将从boulder_dem影像中计算出来5）继续添加决策规则右键点击绿色的端元节点，它包括了NDVI值高、坡度低的那类像素，从弹出的快捷菜单中，选择Add Children。
点击节点，在Edit Decision Parameters对话框中，输入下面这个决策规则：{aspect} lt 20 and {aspect} gt 340这个决策将把NDVI值高、坡度小的那些像素，分为坡面北朝向的和坡面北朝向不显著的两类。
6）在节点的Name区域，输入North，点击OK7）指定应用决策表达式的文件在出现的Variables/Files Pairing对话框中，点击{aspect}，在随后出现的对话框中选择boulder_dem影像，这表明当上述决策规则计算时，aspect值将从boulder_dem 影像中计算出来8）在节点的Name区域，输入North，点击OK9）继续添加决策规则右键点击黑色的端元节点，它包括了NDVI值低的那类像素，从弹出的快捷菜单中，选择Add Children。
点击节点，在Edit Decision Parameters对话框中，输入下面这个决策规则：b4 lt 20这个决策规则将水体非植被中分离出来，经过目视解译遥感影像发现，在波段4中，像素值小于20的主要是水体10）指定应用决策表达式的文件在出现的Variables/Files Pairing对话框中，点击b4，在随后出现的对话框中选择bouldr_tm影像11）在节点的Name区域，输入Low B4，点击OK决策树如图2所示：应用决策表达式的文件如图3所示：5．执行决策树1）选择Options/Execute2）在Decision Tree Execution Parameters对话框中，点击bouldr_tm影像，作为基准影像。
其它影像的地图投影，像素大小和范围都将被自动调整，以匹配该基准影像3）输入要输出的分类影像文件名，保存6．查看决策树分类结果1）输出的决策树分类结果中，给定像素的颜色是由分类指定的端元节点的颜色确定的。
Class1，Class2，Class3，Class4，Class5分别对应红色，绿色，蓝色，黄色，蓝绿色。
如下图所示2）查看决策树信息在ENVI Decision Tree对话框的空白背景上，点击右键，从弹出的对话框中，选择Zoom In，现在每个节点标签都会显示像素的个数以及所包含像素点总影像像素的百分比。
如下图所示：7．修改决策树1）添加新的决策执行完决策树后查看分类结果，发现上述决策规则中，波段4小于20的那些像素中，某些像素是边缘像素，值为0，以蓝绿色显示，因此需修改决策树：在波段4的值小于20的那些像素的端元节点上，点击右键，并从弹出的快捷菜单中，选择Add Children。
点击节点，在Edit Decision Parameters对话框中，输入下面这个决策规则：b4 eq 0在Name文本框中，输入B4=02）执行新添加的决策，此时输出结果中，边缘像素就归为另一类了，以红紫色表示如下图所示：8．在决策表达式中使用波段索引几个内置的决策树变量在决策表达式使用过程中，需要波段索引1）在黄色端元节点上，点击右键，该节点包括了NDVI值低但波段4的值高的那一类像素。
从快捷菜单中，选择Add Children。
点击节点，在Edit Decision Parameters对话框中，输入下面这个决策规则：b1 lt {mean[1]}在Name文本框中，输入Low B1该表达式将判断波段1的像素值是否小于波段1的均值2）指定应用决策表达式的文件在出现的Variables/Files Pairing对话框中，点击b1，在随后出现的对话框中选择bouldr_tm影像的band 1在出现的Variables/Files Pairing对话框中，点击mean，在随后出现的对话框中选择bouldr_tm影像如下图所示：3）运行决策树4）查看结果，波段1的值较低的某些黄色像素的颜色已变为暗红色如下图所示：9．修剪决策树在使用决策树的过程中，经常需要测试某个指定的子节点是否对决策树的分类结果有效，即对决策树的修剪1）在Low B1节点上，点击右键，从弹出的快捷菜单中，选择Prune Children。
