一、内容说明
下载武汉市的遥感影像图，任意选择一种分类方法，把影像上的土地利用/覆盖的类型分出来（要求将土地利用/覆盖的类型分为农用地、林地、草地、水体、建筑用地、未利用地6大类），并对分类结果进行评价，分析精度，最后制成一幅完整的土地利用图（包括指北针、图例、比例尺等要素）。
二、实验数据介绍
从地理空间数据云网站（http://www.gscloud.cn/）下载Landsat 8 OLI_TIRS 卫星数据，选择武汉（东经113°41′-115°05′、北纬29°58′-31°22′之间）地区云量较小时的遥感图像。
将下载到的数据压缩包解压，得到如下不同波段的遥感图像。
（OLI数据产品为LIT级，已进行几何校正。）
三、实验过程
具体步骤：
1、进行假彩色合成
查阅资料可知，OLI的第5、4、3波段组合的地物图像丰富、鲜明、层次好，可用于植被分类和水体识别，故选择这三个波段进行假彩色合成。
将待合成的三个波段的图像加载入ENVI中。
将三个波段图像进行假彩色合成，并输出合成后的图像OLI-543。
2、将全色波段与多光谱波段融合
将第1步得到的假彩色合成影像与全色波段影像融合，使处理后的遥感图像既提高了空间分辨率，同时又保留了图像原本的多光谱特征，从而达到图像增强的目的，增强判读的准确性。
将多光谱图像（上述假彩色合成后的图像 ）和全色图像（Band8对应图像）读入ENVI中。
选择两图像进行融合。
此处尝试几次报错，发现是输出路径有中文造成的，修改路径后成功输出。
将融合后的图像保存为tif格式。
3、选取城市周边的部分区域裁剪，作为之后处理的图像。
将裁剪后的图像以tif格式保存。
4、进行监督分类。
选择训练的样本。
计算样本的可分离性。
利用支持向量机进行分类。
支持向量机分类结果如图。
5、分类后处理。
利用Majority/Minority 分析去除小斑块。
可以看到原始分类结果的碎斑归为了背景类别中，更加平滑。
然后，利用ENVI Classic进行局部手动修改。
对于局部漏分、错分的像元手动修改。
保存修改结果。
6、精度分析。
利用混淆矩阵计算工具进行验证，结果如表，准确率还是比较高的。
7、制作土地利用/覆盖图。
利用ENVI Classic进行操作。
依次添加地图要素底图、地图名称、地图指北针、地图比例尺和地图图例。
预览效果如图。
保存为tif格式。
四、结论
得到武汉市局部地区土地利用图如下，分类准确率为97.962%。
进行分类统计，结果如图。
（小声说：选择分类样本真的好费眼睛，傻傻看不清是啥，自己选的有一定误差。然后，手动调整的时候也是真的累，一个个小块着实让人抓狂。虽然我的成图可能感觉不太好看，但我已经很开心啦。）
