ENVI监督分类与决策树实战：火烧迹地提取与ArcMap制图教程

本资源针对遥感软件初学者大学生提供了一套详细的实验项目，主要涉及ENVI软件在遥感数据处理中的应用，包括监督分类、决策树分类、火烧迹地提取以及ArcMap制图。实验的核心目标是让学生理解和掌握遥感数据的两种分类方法——监督分类和非监督分类，并通过实际操作提升技能。 首先，实验开始于监督分类部分。学生需利用ENVI 5.3软件打开名为can_tmr.img的遥感数据，通过RGB波段组合（R:TMBand5，G:TMBand4，B:TMBand3）进行目视解译，识别出六种地物类型：林地、草地/灌木、耕地、裸地、沙地和其他。接下来，他们将在图层管理器中创建ROI（区域兴趣），选取不同地物类型的多边形样本，确保样本分布均匀且具有良好的可分离性。样本可分离性通过Jeffries-Matusita和Transformed Divergence参数评估，若分离度不足，则可能需要调整或重新选择样本。 在样本合并阶段，学生将学习如何根据分类需求将相似的样本合并，以优化分类过程。这涉及到在RegionofInterest Tool面板中进行合并操作，通过Union或Intersection选项，选择需要合并的类别，最后删除输入的ROI。 除了监督分类，实验还包括非监督分类，即无需预先定义类别，而是通过算法自动发现数据中的模式。学生需定义类别并进行子类合并，同时对分类结果进行精度评价。非监督分类通常用于那些类别未知或难以定义的情况，如景观变化检测或异常检测。 火烧迹地提取是另一个关键环节，它可能涉及特定的遥感数据分析技术，比如利用特定波段的特征来识别火灾后的地表变化。这部分内容未在提供的部分详述，但可能涉及燃烧特征分析、热红外数据的应用等。 最后，整个项目会以ArcMap制图作为收尾，将分类结果可视化，帮助学生更好地理解和解释遥感数据。通过这个项目，学生不仅可以掌握ENVI工具的使用，还能加深对遥感数据处理流程的理解，为后续深入研究或实际工作奠定坚实的基础。