遥感二次开发语言IDL pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

徐永明 著

图书标签:

• 遥感
• IDL
• 二次开发
• 图像处理
• 科学计算
• ENVI
• 数据分析
• 地球科学
• 遥感应用
• 编程

出版社： 科学出版社

ISBN：9787030411853

版次：1

商品编码：11494501

包装：平装

开本：16开

出版时间：2014-07-01

用纸：胶版纸

页数：292

正文语种：中文

内容简介

　　《遥感二次开发语言IDL》在介绍IDL语言的基本语法的基础上，结合遥感工作的若干实例讲述了IDL语言在遥感中的具体应用。主要内容包括图形绘制、图像处理、统计分析、遥感预处理以及专题信息提取等，比如光谱数据处理、遥感图像信噪比计算、批量生成遥感影像快视图、辐射定标与大气校正、土地覆盖图空间重采样、MODISL1B数据的几何重定位、NDVI数据的MVC合成、ROI数据的随机分割、黑体辐射出射度计算、水体动态变化遥感监测、叶面积指数遥感估算、植被覆盖度遥感监测、地表温度遥感反演、温度植被干旱指数计算、气溶胶光学厚度的遥感反演、大气水汽总含量遥感估算、林火遥感监测等等。

目录

前言
第1章  IDL语言概述
1．1 IDL语言简介
1．2 IDL工作环境
1．2．1 IDL工作界面
1．2．2 IDL帮助
1．3 IDL使用时的一些注意事项
1．3．1 本书中IDL代码的表达方式
1．3．2 IDL注意事项
1．4 本书的说明
第2章  IDL语法基础
2．1 变量
2．1．1 变量概述
2．1．2 数据类型
2．1．3 变量基本操作
2．2 数组
2．2．1 创建数组
2．2．2 数组的下标
2．2．3 数组操作函数
2．3 字符串
2．3．1 创建字符串
2．3．2 字符串连接
2．3．3 字符串操作函数
2．3．4 字符串与数值的相互转换
2．3．5 字符串读取
2．4 表达式
2．4．1 数值型表达式
2．4．2 字符型表达式
2．4．3 关系型表达式
2．4．4 逻辑型表达式
2．4．5 条件表达式
2．4．6 位运算
2．4．7 数组运算
2．4．8 运算符的优先级
2．4．9 常用的数学运算函数
2．5 时间
2．5．1 系统时间
2．5．2 时间格式转换
2．5．3 其他的时间操作
2．6 结构体
2．6．1 匿名结构体
2．6．2 署名结构体
2．6．3 结构体数组
2．6．4 结构体操作函数
2．7 指针
2．7．1 指针的创建
2．7．2 指针的提取
2．7．3 指针的释放
2．7．4 指针的验证
2．7．5 指针数组
第3章  IDL编程基础
3．1 过程和函数
3．1．1 过程
3．1．2 函数
3．1．3 程序的相互调用
3．2 控制语句
3．2．1 选择结构
3．2．2 循环结构
3．2．3 continue和break语句
3．3 参数和关键字
3．3．1 参数
3．3．2 关键字
3．3．3 值传递和地址传递
3．3．4 参数和关键字的检测
3．4 变量的作用域
3．4．1 局部变量
3．4．2 全局变量
3．5 其他
3．5．1 IDL程序优化
3．5．2调用外部命令
第4章  数据的读写操作
4．1 标准输入输出
4．1．1 标准输出
4．1．2 标准输入
4．2 文件的相关操作
4．2．1 文件的打开与关闭
4．2．2 文件的其他操作
4．3 读写ASCII码文件
4．3．1 读取ASCII码文件
4．3．2 写 入ASCII码文件
4．3．3 读写CSV文件
4．4 读写二进制文件
4．4．1 读取二进制文件
4．4．2 写入二进制文件
4．5 读写图像文件
4．5．1 图像文件查询
4．5．2 读取图像文件
4．5．3 写入图像文件
4．6 读取HDF文件
4．6．1 读取HDF4文件
4．6．2 读取：HDF5文件
4．7 读取netCDF文件
第5章  图形绘制
5．1 plot过程绘曲线图
5．1．1 基本曲线图
5．1．2 线型设置
5．1．3 坐标轴设置
5．1．4 颜色设置
5．1．5 添加标注
5．1．6 绘制多幅图形
5．1．7 图形保存为文件
5．2 plot函数绘曲线图
5．2．1 基本曲线图
5．2．2 线型设置
5．2．3 符号设置
5．2．4 坐标轴设置
5．2．5 绘制多幅图形
5．2．6 图形对象操作方法
5．2．7 添加标注
5．2．8 添加图例
5．3 柱状图
5．4 直方图
第6章  图像处理
6．1 图像显示
6．2 图像统计
6．2．1 常规统计
6．2．2 直方图统计
6．3 图像增强
6．3．1 线性增强
6．3．2 直方图均衡
6．3．3 掩膜运算
6．3．4 密度分割
6．3．5 色彩空间变换
6．4 图像滤波
6．4．1 平滑滤波
6．4．2 锐化滤波
6．4．3 卷积运算
6．5 图像几何变换
6．5．1 图像裁切
6．5．2 图像重采样
6．5．3 图像转置
6．5．4 图像旋转与翻转
第7章  随机数、统计与插值
7．1 随机数
7．1．1 生成随机数
7．1．2 随机数的应用
7．2 相关分析
7．3 回归分析
7．3．1 线性回归
7．3．2 显著水平检验
7．3．3 曲线拟合
7．4 插值
第8章  IDL与ENVl的结合
8．1 IDL与ENVI的数据交互
8．2 DNVI调用IDL函数
8．2．1 波段运算函数
8．2．2 波谱运算函数
8．3 IDL调用：ENVI功能
8．3．1 常用的ENVI函数
8．3．2 envi—doit处理函数
8．3．3 影像分块
第9章  IDL遥感应用实例
9．1 光谱数据处理
9．2 高光谱数据最佳波段组合选择
9．3 遥感图像信噪比计算
9．4 批量生成遥感影像快视图
9．5 辐射定标与大气校正
9．6 土地覆盖图空间重采样
9．7 MODIS L1B数据的几何重定位处理
9．8 批量遥感数据的镶嵌、裁切和掩膜处理
9．9 NDVI数据的MVC合成处理
9．10 ROI数据的随机分割
9．11 根据站点坐标提取高程值
9．12 黑体辐射出射度计算
9．13 水体动态变化遥感监测
9．14 叶面积指数遥感估算
9．15 植被覆盖度遥感监测
9．16 地表温度遥感反演
9．17 温度植被干旱指数计算
9．18 气溶胶光学厚度的遥感反演
9．19 大气水汽总含量遥感估算
9．20 林火遥感监测
参考文献

前言/序言

《遥感数据处理与应用：Python与GDAL实战》 内容简介： 本书旨在为广大遥感技术从业者、科研人员、GIS爱好者以及相关专业的学生提供一本全面、实用且深入的Python遥感数据处理与应用指南。全书紧密围绕当前业界广泛应用的Python语言及其强大的GDAL（Geospatial Data Abstraction Library）库，系统地阐述了遥感数据从读取、处理、分析到可视化的全过程。本书内容详实，案例丰富，强调理论与实践相结合，力求让读者在掌握核心技术的同时，能够迅速将所学知识应用于实际工作中，解决复杂的遥感应用问题。 第一部分：遥感数据基础与Python环境搭建 在开始Python遥感数据处理之前，理解遥感数据的基本概念至关重要。本部分将首先介绍遥感技术的起源、发展历程以及在环境保护、资源调查、城市规划、灾害监测等领域的广泛应用。我们将深入剖析不同类型的遥感数据，包括光学遥感、雷达遥感（SAR）、激光雷达（LiDAR）等，讲解其数据特性、成像原理、分辨率（空间、光谱、时间、辐射）以及常见的数据格式（如GeoTIFF, HDF5, NetCDF, ENVI）。 接着，我们将指导读者搭建高效的Python开发环境。这包括Python解释器的安装、版本管理工具（如Conda）的使用，以及集成开发环境（IDE）的配置（推荐PyCharm, VS Code）。重点将放在安装和配置GDAL库及其Python绑定（osgeo模块）。我们会详细讲解GDAL在Windows, macOS和Linux上的安装方法，并提供一些常见问题的解决方案。此外，还将介绍NumPy和SciPy等科学计算库，它们是进行大规模数据处理和科学计算的基石，以及Matplotlib和Seaborn等可视化库，用于生成高质量的遥感图像和分析图表。 第二部分：GDAL核心功能详解与Python实践 GDAL是处理地理空间数据的瑞士军刀，其Python绑定osgeo模块提供了强大的接口。本部分将系统地介绍GDAL的核心功能，并结合大量Python代码示例进行演示。 数据读取与写入： 学习如何使用GDAL打开各种格式的遥感影像，包括单波段、多波段影像，以及支持地理配准的栅格数据。我们将详细讲解如何获取影像的驱动信息、尺寸、投影信息、地理变换参数（GeoTransform）和波段数。同时，也会展示如何创建新的栅格文件，写入不同数据类型的栅格数据，以及如何进行数据格式的转换。 栅格数据操作： 掌握对栅格数据进行像素级操作的技巧。包括读取特定区域的像素值，修改像素值，以及进行影像裁剪、重采样、瓦片化等常用操作。我们将深入讲解不同重采样算法（如最近邻、双线性插值、三次卷积插值）的原理和适用场景。 波段处理与合成： 学习如何单独处理影像的各个波段，以及如何进行多波段影像的合成。例如，制作假彩色合成影像，突出地物特征。我们将介绍如何通过波段的组合和增强来揭示隐藏的地物信息。 投影转换与坐标系统： 理解地理坐标系统（GCS）和投影坐标系统（PCS）的概念，以及它们在遥感数据中的重要性。我们将演示如何使用GDAL进行不同坐标系统之间的投影转换，以及如何处理坐标信息（如EPSG代码）。 影像几何校正与配准： 介绍基于地面控制点（GCPs）的几何校正和影像间的配准技术。我们将讲解如何读取和设置GCPs，以及如何利用GDAL的API实现多项式纠错、仿射变换等几何校正方法。 栅格代数运算与图像增强： 学习如何对栅格数据进行数学运算，例如计算NDVI（归一化差异植被指数）、EVI（增强型植被指数）等植被指数，以及进行影像的亮度、对比度调整、直方图均衡化等图像增强处理。我们将通过Python代码实现这些常用的计算和处理。 影像镶嵌与裁剪： 讲解如何将多幅相邻的遥感影像无缝地拼接成一张大影像（镶嵌），以及如何根据指定的区域范围裁剪出感兴趣的影像部分。 第三部分：高级遥感分析技术与Python应用 在掌握了GDAL的基础功能后，本部分将深入探讨更高级的遥感分析技术，并展示如何利用Python生态系统中的其他库来增强分析能力。 地物分类： 详细介绍不同类型的地物分类方法，包括监督分类（如最大似然分类、支持向量机SVM、随机森林RF）和非监督分类（如K-means聚类、ISODATA）。我们将展示如何使用Python库（如Scikit-learn）来训练分类模型，并利用GDAL将分类结果保存为栅格影像。 面向对象分析（OBIA）： 介绍面向对象遥感影像分析的基本思想和流程，包括图像分割、对象特征提取和对象分类。我们将演示如何使用GDal和Python第三方库（如RasGo）来实现简单的面向对象分类。 遥感影像变化检测： 讲解多种遥感影像变化检测技术，如影像差值法、变化向量分析、主成分分析（PCA）等。我们将指导读者如何选择合适的方法，并用Python脚本实现具体的变化检测分析，生成变化图。 雷达遥感（SAR）数据处理基础： 介绍SAR数据的基本原理，包括成像机制、几何畸变（如叠压、阴影）和辐射定标。我们将简要介绍如何使用GDAL读取SAR数据，并讲解一些基础的预处理步骤，如多视处理、地形校正等。 点云数据处理（LiDAR）： 概述LiDAR数据的特点和应用。虽然GDAL对LiDAR数据的支持相对有限，但我们将介绍如何使用Python库（如PDAL, Open3D）来读取、处理和可视化LiDAR点云数据，包括滤波、分类和DSM/DTM生成。 遥感影像时序分析： 探讨如何利用多期遥感影像进行时间序列分析，以监测地表动态变化，如植被物候变化、城市扩张等。我们将介绍一些常用的时间序列分析方法和Python库。 第四部分：遥感数据可视化与应用案例 将遥感数据分析结果有效地呈现出来，对于信息传递和决策支持至关重要。本部分将专注于遥感数据的可视化技术，并结合实际应用案例，巩固所学知识。 Python可视化库的应用： 深入讲解Matplotlib和Seaborn等库在遥感影像可视化方面的强大功能。我们将演示如何绘制真彩色、假彩色合成影像，显示地形图，绘制统计图表（如直方图、箱线图），以及创建交互式地图。 GIS与遥感数据集成： 介绍如何将Python处理后的遥感数据与GIS软件（如QGIS, ArcGIS）进行集成。我们将演示如何将GDAL生成的栅格数据导出为GIS软件能够识别的格式，并在GIS环境中进行叠加分析和空间制图。 WebGIS与遥感影像服务： 简要介绍如何利用Python后端框架（如Flask, Django）和前端JavaScript库（如Leaflet, OpenLayers）构建WebGIS应用，实现遥感影像的在线发布和访问。 经典应用案例剖析： 本部分将提供一系列详细的实际应用案例，涵盖不同领域。例如： 城市扩张监测： 利用多期Landsat影像，通过分类和变化检测技术，量化城市扩张的速度和范围。 耕地面积估算： 结合高分辨率影像和分类算法，精确估算特定区域的耕地面积。 森林火灾风险评估： 利用SAR数据和地形数据，构建森林火灾风险评估模型。 地表水体提取与变化监测： 利用多光谱影像，提取地表水体，并分析其多年变化趋势。 灾害影响评估： 例如，利用SAR数据监测洪水淹没范围，或利用高分辨率影像评估地震后的房屋损毁情况。 第五部分：进阶话题与未来展望 为了帮助读者持续学习和应对未来的挑战，本部分将介绍一些进阶话题，并对遥感技术的发展趋势进行展望。 并行计算与大数据处理： 探讨如何利用Python的并发和并行计算技术（如multiprocessing, Dask）来加速大规模遥感数据的处理。 机器学习与深度学习在遥感中的应用： 简要介绍卷积神经网络（CNN）等深度学习模型在遥感影像分类、目标检测、语义分割等方面的最新进展。 开源遥感软件生态系统： 介绍除了GDAL之外，其他重要的开源遥感处理和分析工具，以及它们之间的协同工作方式。 云计算平台与遥感服务： 讨论如何在云平台上进行遥感数据存储、处理和分析，以及商业遥感服务的发展。 通过本书的学习，读者将能够熟练运用Python和GDAL库，独立完成各种复杂的遥感数据处理和分析任务，从而更好地服务于科学研究、环境保护、资源管理以及社会经济发展等领域。本书内容严谨，示例代码清晰易懂，是遥感技术爱好者和从业者不可多得的学习资料。

评分☆☆☆☆☆

评价五： 我之前尝试过学习IDL，但总是感觉找不到清晰的脉络，很容易陷入细节的迷宫。这本书的出现，让我看到了希望。我非常期待它能够提供一个清晰的学习路径，从最基础的概念讲起，逐步深入到更复杂的应用。我希望书中能够包含一些关于IDL在不同遥感应用场景下的案例分析，比如在环境监测、土地利用调查、灾害评估等方面的实际应用。这不仅能帮助我更好地理解IDL的功能，更能让我看到这项技术在现实世界中的价值。如果书中能够提供一些关于如何优化IDL代码，提高程序运行效率的建议，那将是锦上添花。总而言之，我希望这本书能够成为我学习IDL和遥感二次开发过程中最得力的助手。

评分☆☆☆☆☆

评价二： 收到这本书的时候，我被它厚重的分量所吸引，这预示着它内容丰富，信息量巨大。翻开第一页，我看到了一个非常清晰的目录，每一章的标题都让我对即将展开的学习内容充满了期待。我特别关注那些介绍IDL语言基础和核心语法的章节，因为对于一个初学者来说，打好基础至关重要。同时，我也希望书中能够深入讲解IDL在遥感领域的具体应用，比如如何读取、显示、处理和分析不同类型的遥感数据，如何进行图像增强、变化检测、分类等等。如果能包含一些实用的代码示例，并且对代码的每一部分都进行详细的解释，那就再好不过了。我一直认为，学习一门编程语言，最有效的方式就是通过大量的实践，所以，我非常希望这本书能够提供足够多的练习题和项目，让我们能够边学边练，将理论知识转化为实际操作能力。

评分☆☆☆☆☆

评价三： 从这本书的排版和印刷质量来看，出版社显然是花了心思的。纸张的质感很好，印刷清晰，即使是复杂的图表和代码，也能够一目了然。我尤其喜欢书中插图的风格，它们恰到好处地解释了复杂的概念，让原本枯燥的技术内容变得生动有趣。我一直觉得，好的技术书籍不应该只是一堆冷冰冰的文字和代码，它更应该能够激发读者的学习兴趣，引导读者去探索更深层次的知识。我希望这本书能够帮助我理解IDL在遥感科学中的核心地位，以及它如何成为连接原始遥感数据与有价值信息的桥梁。我期待它能够提供一些关于IDL与其他遥感软件（如ENVI, ERDAS IMAGINE等）之间协同工作的技巧和方法，毕竟在实际工作中，很少会只使用单一的工具。

评分☆☆☆☆☆

评价四： 这本书的作者在遥感和IDL领域有着丰富的经验，我能从他的文字中感受到他对这门技术的热情和深刻的理解。他不仅仅是技术层面的讲解，更融入了许多他对遥感科学的独到见解，这使得这本书不仅仅是一本学习工具书，更像是一次与一位资深专家的深入交流。我特别看重书中对于IDL算法的原理性讲解，我希望能够理解“为什么”要这样做，而不是仅仅停留在“怎么”做。这本书是否能够帮助我建立起扎实的理论基础，让我能够在面对复杂问题时，能够灵活运用IDL去构建自己的解决方案？这对我来说非常重要。我希望它能提供一些高级的应用技巧，比如并行计算、GPU加速等，这些能够显著提升处理效率的技术。

评分☆☆☆☆☆

评价一： 这本书的封面设计非常吸引人，以一种充满科技感的蓝色为主色调，搭配着简洁有力的字体，一眼就能感受到它与“遥感”和“IDL”这两个关键词的紧密联系。我一直在寻找一本能够系统性地介绍遥感数据处理和分析的书籍，特别是那种能够快速上手，并且能解决实际问题的，这本书似乎正是我期待的那种。它不仅仅是技术手册，我更希望它能引导我理解遥感数据背后的科学原理，以及如何将这些原理转化为实际的分析和应用。我相信，一本优秀的图书，应该能够像一位经验丰富的导师，循序渐进地带领读者从入门到精通，解答我们在学习过程中遇到的各种疑惑。它应该包含丰富的案例，让我们能够通过实践来巩固所学知识，而不是纸上谈兵。我对这本书的期望很高，希望它能够帮助我打开遥感二次开发的新世界，让我能够更高效地处理和分析海量的遥感影像数据，从而在科研或实际工作中取得更大的突破。

评分☆☆☆☆☆

简单一些 这本书 我总是开始就开始了

评分☆☆☆☆☆

商品给力！赞一个！商品给力！赞一个！

评分☆☆☆☆☆

是还是正品，不错，从北京过来只花了两天时间

评分☆☆☆☆☆

非常满意，非常好

评分☆☆☆☆☆

是还是正品，不错，从北京过来只花了两天时间

评分☆☆☆☆☆

商品给力！赞一个！商品给力！赞一个！

评分☆☆☆☆☆

参考工具书，不错，推荐。

评分☆☆☆☆☆

要处理遥感图像，买来学习一下

评分☆☆☆☆☆

不错！！！！！！！！