保姆级教程：用ENVI 5.6处理Landsat 8影像，一步步搞定郑州市土地利用分类图
零基础玩转ENVI 5.6：手把手教你用Landsat 8绘制专业级土地利用图
第一次打开ENVI软件时，满屏的英文菜单和复杂参数是不是让你头皮发麻？别担心，这篇教程就是为遥感小白量身定制的"生存指南"。我们将用最通俗的语言，从数据下载到最终出图，带你完整走一遍土地利用分类的全流程。不需要任何基础，只要跟着步骤操作，2小时内就能做出一张像模像样的专业分类图。
1. 实验前的准备工作
1.1 数据获取与预处理
在USGS官网下载Landsat 8 Level-2数据时，建议选择云量低于10%的影像。下载后会得到多个文件，我们主要需要这两个：
- MTL.txt：包含所有波段信息和元数据
- 波段文件（如B1.TIF~B11.TIF）
小技巧：将数据存放在英文路径下，避免软件读取报错。建议新建一个专门的项目文件夹，结构如下：
Project/ ├── Data/ │ ├── LC08_L2SP_123032_20200520_20200529_02_T1_MTL.txt │ └── BandFiles/ ├── Output/ └── Shapefiles/1.2 ENVI基础界面认知
首次打开ENVI 5.6可能会被复杂的界面吓到，其实我们只需要关注这几个核心区域：
- Layer Manager：图层管理区，类似PS的图层面板
- Toolbox：工具箱，所有处理工具都在这里
- Display窗口：影像显示区域
- Zoom/Scroll工具：导航小窗口
提示：按F1键可以随时调出当前工具的帮助文档，遇到不理解的参数时特别有用。
2. 从原始数据到研究区裁剪
2.1 数据加载的正确姿势
在Toolbox中选择File > Open External File > Landsat > Landsat GeoTIFF with Metadata，导航到MTL文件所在位置。加载后会看到所有波段自动排列在Layer Manager中。
常见问题排查：
- 如果遇到"Invalid MTL file"报错，检查：
- 文件是否完整下载
- 路径是否包含中文或特殊字符
- 是否选择了正确的MTL文件（不是xml文件）
2.2 研究区精准裁剪
使用郑州市行政边界矢量文件(.shp)进行裁剪：
# 伪代码演示裁剪流程 1. 加载行政边界.shp文件 2. Toolbox > Regions of Interest > Subset Data from ROIs 3. 选择输入影像和ROI 4. 设置输出参数： - 输出格式：ENVI Standard - 重采样方法：Nearest Neighbor（保持原始像元值） 5. 执行裁剪专业建议：裁剪时可以适当扩大范围，保留500米左右的缓冲区，避免边缘像元在后续分类时产生干扰。
3. 影像增强与波段组合
3.1 真彩色合成的秘密
真彩色合成（自然色）需要使用可见光波段：
- 红波段：B4 (0.64–0.67 μm)
- 绿波段：B3 (0.53–0.59 μm)
- 蓝波段：B2 (0.45–0.51 μm)
在Band Selection面板中拖拽对应波段到RGB通道后，建议使用2%线性拉伸增强对比度：
| 拉伸类型 | 适用场景 | 优缺点 |
|---|---|---|
| Linear 2% | 大多数情况 | 保留细节，对比度适中 |
| Histogram Equalization | 高动态范围影像 | 增强细节但可能失真 |
| Square Root | 水下地形 | 增强暗部细节 |
3.2 其他实用波段组合
除了真彩色，这些组合也值得尝试：
- 假彩色（植被分析）：
- R: B5, G: B4, B: B3
- 健康植被呈现亮红色
- 城市监测：
- R: B7, G: B6, B: B4
- 建成区显示为蓝紫色
4. 土地利用分类实战
4.1 样本采集的艺术
在ROI Tool中采集训练样本时，记住这些黄金法则：
- 均匀分布：每个类型至少采集10个样本点，分散在整个研究区
- 纯净像元：选择典型的、纯净的地物区域
- 边界规避：避免在两种地类交界处采样
示例样本量参考：
- 林地：15-20个多边形
- 水体：8-10个（注意区分深水/浅水）
- 建成区：10-15个（包含不同密度区域）
4.2 支持向量机(SVM)参数详解
在Supervised Classification > Support Vector Machine中，这些参数最关键：
Kernel Type = RBF # 径向基函数核 Kernel Size = 0.5 # 值越小分类边界越复杂 Penalty Parameter = 100 # 控制错分惩罚力度 Pyramid Levels = 3 # 处理大影像时加速计算注意：初次尝试可以先用默认参数，分类后再通过混淆矩阵调整。
4.3 分类后处理的三大法宝
Majority/Minority分析：
- 窗口大小设为3×3或5×5
- 处理孤立像元效果显著
聚类处理(Clump)：
最小聚类尺寸：4个像元 连接方式：8邻域类别合并： 当发现"同物异谱"现象时（如将同一条河流分成两类），需要用
Combine Classes工具合并相似类别。
5. 精度验证与专题图制作
5.1 混淆矩阵解读
精度验证报告会显示这些关键指标：
| 指标 | 计算公式 | 达标值 |
|---|---|---|
| 总体精度 | 正确像元/总像元 | >85% |
| Kappa系数 | (Po-Pe)/(1-Pe) | >0.8 |
| 生产者精度 | 某类正确数/参考总数 | >80% |
| 用户精度 | 某类正确数/分类总数 | >80% |
如果精度不达标：回到样本采集步骤，增加问题类别的训练样本量。
5.2 专题图美化技巧
在ArcMap中制作专题图时，这些细节能让你的成果更专业：
- 色系选择：
- 植被：绿色系
- 水体：蓝色系
- 建成区：红灰色系
- 图例设计：
- 按地类重要性排序
- 添加透明背景
- 比例尺：
- 使用分级刻度
- 单位统一为米或公里
最后导出图片时，推荐TIFF格式保留图层信息，DPI设置为300以上适合印刷质量。