python与遥感专业该如何结合

❶ python 适合大数据量的处理吗

python可以处理大数据，python处理大数据不一定是最优的选择。适合大数据处理。而不是大数据量处理。 如果大数据量处理，需要采用并用结构，比如在hadoop上使用python，或者是自己做的分布式处理框架。

python的优势不在于运行效率，而在于开发效率和高可维护性。针对特定的问题挑选合适的工具，本身也是一项技术能力。

Python处理数据的优势（不是处理大数据）：

1. 异常快捷的开发速度，代码量巨少

2. 丰富的数据处理包，不管正则也好，html解析啦，xml解析啦，用起来非常方便

3. 内部类型使用成本巨低，不需要额外怎么操作（java，c++用个map都很费劲）

4. 公司中，很大量的数据处理工作工作是不需要面对非常大的数据的

5. 巨大的数据不是语言所能解决的，需要处理数据的框架（hadoop， mpi）虽然小众，但是python还是有处理大数据的框架的，或者一些框架也支持python。

(1)python与遥感专业该如何结合扩展阅读：

Python处理数据缺点：

Python处理大数据的劣势：

1、python线程有gil，通俗说就是多线程的时候只能在一个核上跑，浪费了多核服务器。在一种常见的场景下是要命的：并发单元之间有巨大的数据共享或者共用（例如大dict）。

多进程会导致内存吃紧，多线程则解决不了数据共享的问题，单独的写一个进程之间负责维护读写这个数据不仅效率不高而且麻烦

2、python执行效率不高，在处理大数据的时候，效率不高，这是真的，pypy（一个jit的python解释器，可以理解成脚本语言加速执行的东西）能够提高很大的速度，但是pypy不支持很多python经典的包，例如numpy。

3. 绝大部分的大公司，用java处理大数据不管是环境也好，积累也好，都会好很多。

参考资料来源：网络-Python

❷ 《Python地理空间分析指南》txt下载在线阅读全文,求百度网盘云资源

《Python地理空间分析指南》（莱哈德 (Joel Lawhead)）电子书网盘下载免费在线阅读

链接:https://pan..com/s/1loSOe3paiqbCzOONF63q6Q

书名：Python地理空间分析指南

作者：莱哈德 (Joel Lawhead)

豆瓣评分：7.7

出版社：人民邮电出版社

出版年份：2017-4-1

页数：317

内容简介：

用非常流行的Python语言做地理空间分析；

学习高效、易学的地理空间分析指南；

书中含有典型且非常实用的开发案例，帮助读者快速掌握相关技能；

图文结合，将学习效率大大提高。

Python作为一种高级程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言之一。

本书以地理空间分析为背景，介绍了Python在地理信息处理方面的应用技巧。全书共分为10章，分别介绍了Python与地理空间分析、地理空间数据、地理空间技术、Python的地理空间分析工具、Python与地理信息系统、Python与遥感、Python与高程数据、Python与地理空间高级建模、实时数据、综合应用等内容。

本书内容结构清晰，示例完整，适合希望了解测绘数字化和分析的读者，也适合想使用Python进行空间地理分析、建模和GIS分析的开发人员及研究人员参考阅读。

作者简介：

Joel Lawhead 目前是NVision公司的CIO，该公司是业内屡获殊荣的地理信息集成和传感工程服务提供商。他还获得了管理专业人员资格认证（Project Management Professional，PMP)，地理信息专业资格认证(certified GIS Professional ，GISP)。

Joel于1997年开始使用Python，从2000年开始使用它进行地理空间软件的开发，也是Learning Geospatial Analysis with Python（第1版）和QGIS Python Programming Cookbook的作者，并且这两本书都是Packt出版的。他撰写的Python Cookbook系列图书由O'Reilly Media出版，其不同版本更是各具特色。除此之外，他还是广受赞誉的开源软件PyShp（Python Shapefile Library）的主要开发人员。他的技术博客是http://geospatialpython.com/，Twitter昵称是@SpatialPython，通过上述方式，用户可以和他讨论地理空间分析中与Python编程相关的话题。

2011年，Joel通过逆向工程处理了Shapefile文件的空间索引格式，帮助地理空间Python工程师Marc Pfister实现了上述索引算法，这一做法有利于世界各地的开发者开发出更易于集成、更健壮的地理空间应用。

Joel作为架构师、项目经理和地理空间应用合作开发者，多次为美国政府机构提供服务，其中包括NASA、FEMA、NOAA、美国海军，以及其他商业和非营利性机构。2002年，由于其领导开发的实时应急响应协作工具（the Real-Time Emergency Action Coordination Tool，REACT）表现杰出，他获得了Esri公司颁发的国际GIS特别成就奖。该软件的主要用途是使用地理空间分析技术进行应急管理。

❸ Python在大数据领域是怎么来应用的

适合大数据处理。而不是大数据量处理。 如果大数据量处理，需要采用并用结构，比如在hadoop上使用python，或者是自己做的分布式处理框架。 大数据量处理使用python的也多。如果单机单核单硬盘大数据量（比如视频）处理。显然只能用c/c++语言了。 大数据与大数据量区别还是挺大的。 大数据意思是大数据的智慧算法和应用。 大数据量，早在50年前就有大数据量处理了。 中国大约在95年左右，大量引入PC机的大数据量处理。一个模型计算数据量大，而且计算时间通常超过一个星期，有时候要计算半年。 气象，遥感，地震，模式识别，模拟计算的数据量与计算量都是巨大的。当时远远超过互联网。 后来互联网发起起来以后数据量才上去。即使如此，数据的复杂度也还是比不上科学研究领域的数据。 python早些年就在科学研究和计算领域有大量的积累。所以现在python应用到大数据领域就是水到渠成。

❹ 选择Python还是IDL

看来你并不了解方案三。
其实方案三与方案二是同一个，就是ArcGIS引擎＋通用编程语言的模式。
方案一是IDL引擎＋通我编程语言的模式。
选择方案，需要比较的有两方面：
首先，确定选用哪种图形引擎：根据功能来看，你对图形引擎没有特殊需求，选哪种似乎都行；
其次，使用的语言中提到VC、VB和Python，如果没有特殊理由(比如某些地方限定必须使用等)，最好采用Python，一方面是灵活，一方面是易学易用，至少比VC节省一半的工作量。
最后，在选用图形引擎时，如果你没有特殊倾向，而且功能也够用，本人建议采用ArcGIS引擎，这样至少能节省在数据管理方面的工作量。

❺ Python：加快地理比较问题，怎么解决

遥感技术的应用范围很广，下面简要介绍其在农业、林业、地质、矿产、水文和水资源、海洋、环境监测等方面的应用。 1．农业、林业方面的应用在农业方面，利用遥感技术可以识别各类农作物，计算其种植面积，并根据作物生长情况估计产量。例如，美国利用卫星遥感资料对世界小麦产量进行估算，精度达90％。这种大面积的估产对于国际贸易、储运、加工等都有重要意义。在作物生长过程中，可以利用遥感技术分析其长势，及时进行灌溉、施肥和收割等。当农作物受灾时，可以实时监测。
1．农业、林业方面的应用在农业方面，利用遥感技术可以识别各类农作物，计算其种植面积，并根据作物生长情况估计产量。例如，美国利用卫星遥感资料对世界小麦产量进行估算，精度达90％。这种大面积的估产对于国际贸易、储运、加工等都有重要意义。在作物生长过程中，可以利用遥感技术分析其长势，及时进行灌溉、施肥和收割等。当农作物受灾时，可以实时监测。 在林业方面，利用遥感技术可以清查森林资源，监测森林火灾和病虫害。火灾是林业的大敌。利用航空红外遥感技术，不仅能发现已燃烧起来的烈火，而且可以探测到面积小于0.1～0.3平方米小火情，还能及时预报由于自燃尚未起火的隐伏火情。利用卫星遥感，一次就可探测到上千平方千米范围内所发生的林火现象。遥感技术在我国扑灭大兴安岭特大林火中起了很大的作用。
在林业方面，利用遥感技术可以清查森林资源，监测森林火灾和病虫害。火灾是林业的大敌。利用航空红外遥感技术，不仅能发现已燃烧起来的烈火，而且可以探测到面积小于0.1～0.3平方米小火情，还能及时预报由于自燃尚未起火的隐伏火情。利用卫星遥感，一次就可探测到上千平方千米范围内所发生的林火现象。遥感技术在我国扑灭大兴安岭特大林火中起了很大的作用。 遥感技术在土地资源和土壤调查中也获得普遍应用。 2．地质、矿产方面的应用 遥感技术为地质研究和勘查提供了先进的手段，可为矿产资源调查提供重要依据与线索，为高寒、荒漠和热带雨林地区的地质工作提供有价值的资料。特别是卫星遥感，为大区域甚至全球范围的地质研究创造了有利的条件。
2．地质、矿产方面的应用 遥感技术为地质研究和勘查提供了先进的手段，可为矿产资源调查提供重要依据与线索，为高寒、荒漠和热带雨林地区的地质工作提供有价值的资料。特别是卫星遥感，为大区域甚至全球范围的地质研究创造了有利的条件。 常规的地质勘查工作都从点、线观测着手，待汇集了大量的资料后才能描述一个地区的地质特征，进而进行分析研究。利用遥感资料就可以首先从分析研究地区的遥感资料入手，然后有重点地选择若干点进行野外观测与验证。这样，不仅大大减少了野外工作量，节省人力、物力，还加快了速度，提高了精度。这对区域地质填图是特别适宜的。
常规的地质勘查工作都从点、线观测着手，待汇集了大量的资料后才能描述一个地区的地质特征，进而进行分析研究。利用遥感资料就可以首先从分析研究地区的遥感资料入手，然后有重点地选择若干点进行野外观测与验证。这样，不仅大大减少了野外工作量，节省人力、物力，还加快了速度，提高了精度。这对区域地质填图是特别适宜的。 在地质构造方面，由于遥感图像具有广阔的视域和逼真的影像，能真实地反映各种地质现象间的关系，因此，利用遥感图像进行地质构造分析，常能发现地面常规工作不能发现的地质构造，尤其是对于第四纪松散沉积物覆盖下的一些隐伏构造，反映得相当清晰。

❻ python读取遥感影像

结果：

❼ 遥感数字图像定量反演的方法

遥感数字图像可以用Google earth engine python API来实现定量反演。

用基于GEE的pythonAPI，主要实现以下内容：

站点数据和遥感影像匹配。

利用机器学习/深度学习模型进行匹配数据的训练。

将训练的模型用于GEE上的影像数据，实现参数反演结果成图。

提取影像的metedata，作为模型的输入数据。

注意，直接采用img.get( )得到的是computerobject这种类型的结果，无法在机器学习模型中输入和计算，应加上.getInfo()。

总结如下：

反演，在人工智能领域又称为人工智能反演(inversion with artificial intelligence),是指能够模仿人类智能的计算机程序系统即人工智能专家系统，它具有学习和推理的功能。例如模拟退火最优化系统、人工神经网络系统等。

在反问题求解过程中应用人工智能的方法技术，引导局部或全局寻优，这种反演方法称为人工智能反演技术。

❽ 做处理遥感数据的算法改进工作，学习什么计算机语言比较好

学idl吧，毕竟做遥感envi和arcgis最好优先掌握。现在envi5.4和arcgis的磨合度很高了，也就是说idl和python很多代码，命令都能互相调用。虽然matlab也行，但是idl可以调用envi现成的函数，从图像处理到绘图都强于matlab，数据分析可以考虑matlab或直接R。 c++是上一代的语言了，除非有c++达人肯教你，不然不考虑，个别方面的学习和研究资源少于前两个。

❾ 遥感与地理信息系统一体化的详细信息

本专题介绍以下几个内容：
l遥感与GIS
l遥感与GIS一体化集成技术
lENVI/IDL与ArcGIS一体化集成方案
lENVI/IDL与ArcGIS一体化集成操作演示
lENVI/IDL与ArcGIS集成开发案例
1 遥感与GIS
遥感是空间数据采集和分类的有效工具，GIS是管理和分析空间数据的有效工具（彭望琭等，2002）。两者是空间信息的主要组成部分，有着必然的联系。遥感具有动态、多时相采集空间信息的能力，遥感影像已经成为GIS的主要信息源。作为GIS的核心组成部分，遥感影像是提供及时信息的理想方式。在遭遇灾害的情况下，遥感影像是唯一我们能够立刻获取的地理信息；在地图缺乏的地区，遥感影像甚至是我们能够获取的唯一信息；
下载(47.43 KB)
5 天前 22:20
图1 遥感与GIS
在空间信息的许多行业，离开遥感影像，GIS就是不完整的。另一方面，遥感获取丰富的、海量的空间数据有赖于GIS的有效管理与共享，同时利用GIS强大的空间分析功能提取更深层次的专题信息，全面提升影像的利用价值。
下载(46.73 KB)
5 天前 22:20
图2 遥感与GIS一体化集成意义
2 遥感与GIS一体化集成技术
遥感影像类似于GIS中的栅格数据，遥感和GIS很容易在数据层次上实现集成（邬伦等，2001）。GIS软件没有提供完善的图像处理功能，遥感软件中也缺少空间分析及数据管理工具。遥感和GIS一体化集成，可以有以下三个层次及途径实现。
(一)数据一体化管理与共享
l数据互操作
遥感影像和图像分析功能可以作为核心组成部分与GIS实现一体化，首先解决的问题就是遥感与GIS平台之间的数据互操作问题。数据互操作实现有两个途径：
一是将遥感数据或者GIS数据都以标准格式保存，两个平台都支持；
二是遥感和GIS平台直接支持对方数据格式。很明显后者比前者更加方便。
l栅矢数据集中和分布式管理
在遥感中，数据主要储存格式为栅格，GIS中主要由矢量数据格式组成。栅格和矢量一体化管理，需要这样一种数据模型，同时储存栅格和矢量数据，支持分布式管理。
l基于服务的企业级共享
影像天然地具有企业级应用的潜力，因为它可以实现多个用户在同一幅图上同时进行操作。而这对于大型企业级应用更加有利，其中最主要的一项优势就是节省成本。我们可以分享同一影像资源，从而显着地减少成本。而影像由于自身的特点，具有很高的存储要求，尤其是那些高空间分辨率、多光谱影像。传统以纸质影像图或者电子文件分发的形式也能实现数据共享，但是共享效率比较低。如今基于Web services的共享方式提供了一种合理的解决方式，它集中利用了计算机资源，可以为若干个客户端提供影像共享服务。
(二)平台一体化分析
在遥感软件中进行的图像处理工作流，与GIS软件下的GIS工作流实现无缝链接和交换。如在遥感软件中处理的数据通过菜单功能直接传送到GIS软件中，无需中间的保存、打开等步骤；GIS软件中分析的数据，直接导入遥感软件中，并且保持同步显示；遥感软件中集成GIS软件的部分组件功能。
虽然在两个不同的软件平台下工作，操作感和处理效率类似在一个平台下作业。
(三)系统一体化集成开发
大多数遥感和GIS软件平台都提供了二次开发功能。如在进行GIS系统开发时，将专业的影像数据处理和分析工具集成到GIS系统环境中，在同一系统中既能完成遥感数据的专业处理与分析，又能完成GIS空间分析和发布共享等工作，形成一个遥感与GIS一体化集成系统。
要实现一体化集成开发系统，前提是遥感和GIS软件平台提供的二次开发接口，都能通过程序开发语言调用，并整合在一起。
3 ENVI/IDL与ArcGIS一体化集成方案
遥感与GIS不仅从数据上，还会从整个软件构架体系上真正实现融合，从而可以达到优势互补，进一步提升GIS软件的可操作性，提升空间和影像分析的工作效率，并有效节约系统成本。为了适应这种新的用户需求和未来的技术发展趋势，更好地为用户提供服务，全球最大的GIS技术提供商ESRI公司与全球遥感领域的领导者美国ITT Visual Information Solutions(简称ITT VIS)公司，建立了全球战略合作伙伴关系，共同开发和建设遥感与GIS一体化平台。
ENVI是由遥感领域的科学家采用IDL（交互式数据处理开发语言）开发的一套功能强大的、完整的遥感图像处理软件。ArcGIS是由ESRI公司开发的、全球使用最广的GIS软件。ENVI/IDL与ArcGIS一体化集成解决方案，在真正意义上实现了遥感与GIS一体化集成。
(一)数据一体化管理与企业级共享
lENVI/IDL与ArcGIS数据互操作
从2007年6月开始，ESRI公司和ITT VIS公司宣布两者的商务和技术合作计划。两个平台互相支持对方的格式，同时两者都支持一些通用文件格式，如GeoTiff、JPEG2000等（图3）。
图3 ENVI/IDL与ArcGIS数据互操作
l栅矢数据集中和分布式管理
Geodatabase是按照一定的模型和规则组合起来的存储空间数据和属性数据的容器，已经成为ArcGIS的核心数据模型，它实现了多源空间数据的集中和分布式管理。它是一种天然的遥感与GIS数据一体化储存模型。根据不同的应用需求，它分为三个级别：File Based Geodatabase、Personal Geodatabase、Enterprise（SDE）Geodatabase。其中Enterprise（SDE）Geodatabase支持分布式管理与储存。
图4 天然的遥感与GIS数据一体化储存模型
ENVI完全支持ArcGIS Geodatabase各个级别的读写，在ENVI、ENVI Zoom、ENVI EX中，都可以通过菜单Remote Connection Manager打开相应的面板，也可以通过Save to ArcGIS Geodatabase菜单将数据保存到Geodatabase。
图5 打开Geodatabase以及服务的数据
图6数据保存到Geodatabase
l基于服务的企业级共享
ENVI可以当作一个客户端，打开OGC标准的服务（WCS/WMS），这些服务可以是ArcGIS Server发布的。
其中WCS服务发布的影像数据保留了原始的数据的像元值和波段信息，因此通过WCS服务获得的影像可以做进一步的分析，跟分析本地影像效果是一样。
图7 远程数据接收与本地处理、成果共享
(二)ENVI/IDL与ArcGIS平台一体化分析
最新版的ENVI4.7推出专门为GISer使用的ENVI EX模块，这个模块整合了部分ArcGIS®和ENVI功能，将影像处理和分析与GIS工作流无缝链接到一起，在ENVI EX中能完成三个方面的工作：
1)无缝链接GIS工作流
ENVI EX将影像处理和分析与GIS工作流无缝链接到一起，在ENVI EX中能实现：
轻松交换数据和图层文件：ArcGIS中的数据或图层文件（*.lyr）可以通过鼠标拖拽方式放到ENVI EX上进行显示。
查看和处理ArcGIS图层：ENVI EX支持ArcGIS的图层符号化显示，即可以完全按照ArcGIS风格和样式显示图层数据。
同步查看图像处理结果：在ENVI EX下执行图像处理过程中，动态修改参数，在ENVI EX和ArcGIS可以看到相同的变化结果。
2)向导式专业影像处理工具
ENVI EX提供GIS用户最需要的图像处理和分析功能，并以流程化、向导操作方式提供。并具有透视窗口随时预览处理结果。
3)成果共享
ENVI EX提供多种成果共享方式，将影像处理与分析结果无缝集成到GIS工作流中。
l存储为通用格式或PowerPoint文件
l直接保存Geodatabase或输出Shapefile
l在ENVI EX中直接调用ArcGIS制图组件进行出图
l通过菜单直接将成果导入ArcMap进行制图，无需中间保存与打开过程。
同样ENVI Zoom视窗具有ENVI EX类似的功能。
图8 平台一体化分析方式
(三)ENVI/IDL与ArcGIS集成开发
ENVI是一个非常开放的平台，提供一个健全的函数库（图9），几何涵盖ENVI平台大部分图像处理功能。
图9 ENVI部分函数库列表
同时IDL具有很好的扩展性，能很方便地与其他开发环境（VB、VC、.NET、Java等）进行集成开发。IDL可以通过以下方式与其他语言集成开发：
1)Callable技术
IDL作为动态链接库被外部程序调用的技术。使用Callable 技术，外部程序可以像IDL命令行一样使用IDL命令或调用执行IDL的程序。
简单实现方法（在vc6.0）：
1.将ITTIDL71externalinclude目录下的idl_export.h头文件，添加到VC工程中
2.工程→设置→连接 中的对象/库模块 中 添加idl.lib
3.添加Library files 安装路径ITTIDL71BINBIN.X86
4.系统变量path中添加IDL的安装路径ITTIDL71BINBIN.X86
5.进行初始化IDL_Win32Init(0,handle,NULL,0)
6.执行IDL命令行IDL_ExecuteStr(“restore,‘satstretch.sav’”)
7 .IDL_Cleanup(true)
2)对象输出助手
将IDL编写的功能模块输出为Java类和COM组件（.DLL或者.OCX）。
3)IDLDrawWidget （VS2005中）
首先在建立一windows应用程序。在工具箱上右键→选择项→COM组建选中IDLDrawWidget Control 3.0 拖动 控件到窗体上 axIDLDrawWidget1.IdlPath设定IDL库文件目录 n = axIDLDrawWidget1.InitIDL((int)this.Handle) axIDLDrawWidget1.ExecuteStr(“”);执行IDL命令 4)COM_IDL_CONNECT
同IDLDrawWidget类似。
同时，ArcGIS提供ArcObjects软件组件库，它提供了模块化、可伸缩、跨平台的通用API。
ENVI/IDL与ArcGIS集成开发可以通过以下三个途径实现：
图10 三种集成开发模式
1)ENVI / IDL与ArcGIS桌面定制
通过ArcGIS桌面SDK及开发语言（如Python、VBA、VB、VC、.net等），将ENVI/IDL图像处理与分析功能集成到ArcMAP中：
图11将 ENVI/IDL功能嵌入ArcMAP Toolbar中
图12 ENVI/IDL功能嵌入ArcToolBox中
图13 ENVI/IDL功能嵌入ModelBuilding（GP工具）
2)ENVI / IDL与ArcGIS Engine
ArcGIS Engine是组件式开发工具包，可以灵活、方便地定制地图及GIS解决方案。ENVI / IDL与ArcEngine的一体化集成开发具有以下三个特点：
1.通过ArcGIS Engine解决了数据浏览、栅格矢量叠加、矢量编辑、渲染、专题制图以及空间分析等问题；
2.将ENVI/IDL作为影像处理引擎，解决专业的影像处理过程；
3.基于成熟平台的二次开发，快速实现了系统无缝集成开发，而且大大减少了程序的开发量、开发周期，减少了系统开发的风险，开发者可以将大部分精力放在系统业务流程上。
图14 ENVI/IDL与ArcEngine一体化集成开发
3)ENVI / IDL与ArcGIS Server
将ENVI/IDL图像处理与分析功能集成在服务器端，以ArcGIS Server作为地图服务器，将处理结果传递到客户端，较好地实现了B/S模式下对影像实时计算处理的需求。
ENVI/IDL与ArcGIS一体化集成打破了传统单一的遥感图像处理流程，形成影像数据处理与分析、管理、空间分析、发布共享的空间信息工程化与流程一体化（图15）。

图15空间信息工程化与流程一体化的最佳组合
4 ENVI/IDL与ArcGIS一体化集成操作演示
(一)企业级共享
下面以一个比较简单的例子演示这个过程。
1)将ENVI中处理好的数据用ArcGIS Server发布成wcs服务。
图16 发布wcs服务
2)获取WCS服务的URL地址。
图17 获得WCS服务URL
3)打开ENVI或者ENVI Zoom或者 ENVI EX，这里打开ENVI EX。在ENVI EX中，选择File->Remote Connection Manager（图18），在Remote Connection Manager中New一个连接，连接的属性面板中（Connection Properies）中，Type中选择OGC Web Coverage Servics（WCS）项，将WCS服务的URL输入URL项中，后加一个英文半角“？”，其他信息自动从URL中获取，单击OK。
图18新建一个WCS连接
4)可以看到获取的WCS服务中的影像数据（图19）。单击Open按钮，将获取的数据在ENVI EX中打开。
图19 获取的WCS服务中的影像信息
5)在ENVI EX中打开的WCS服务中的影像数据（图20），可以对这个影像数据进行分析，如这里对其进行Classification，这是一个流程化的操作，一路Next下去（也可以修改一些参数），其中可以打开Proview功能对结果随时预览。
图20 对WCS服务中的影像数据进行分析
6)到输出结果步骤时，可以选择GDB或者Shapefile，这里选择保存到GDB中（如图21）。
图21 保存结果到Geodatabase中
这样我们就完成了一个比较典型的影像共享过程：影像服务发布(数据中心)->使用影像服务(数据使用单位)->浏览与分析影像->分析结果储存与再次共享。
(二)平台一体化分析
下面以利用影像来更新矢量数据的例子演示ENVI/IDL与ArcGIS平台一体化分析过程。
1)将“旧”矢量数据和“新”的影像数据加载到ArcMAP中（图22）。
图22 加载矢量和影像数据的ArcMAP
2)根据“旧”矢量数据和影像目视解译结合方法选择部分矢量要素作为样本。生成新的一个矢量图层。
图23 选取的样本
3)打开ENVI EX（ENVI Zoom也可以），鼠标左键在ArcMAP中单击样本矢量层拖拽到ENVI EX中，可以看到ENVI EX中已经将样本图层打开并保持ArcMAP一样的专题符号。同样的方法将影像拖拽到ENVI EX中（图24）。
图24ENVI EX中打开矢量样本和影像数据
4)在ENVI EX中，鼠标左键按住影像图层拖拽到Toolbox中的Classification流程化工具中。启动Classification流程化工具。单击Next按钮，选择监督分类（Use Training data），将前面的矢量样本导入（图25）。
图25 选择矢量样本
5)同样可以用Preview预览分类结果。一路Next，在Save Results同样可以选择保存文件还是GDB。这里选择保存为shapefile文件。
6)在ENVI中加载获得的结果，选择File->Print，集成了ArcMAP制图输出组件，支持ArcMAP制图模板。
图26 打印输出结果
7)或者在ENVI EX的Layer Manager中分类矢量结果图层上单击右键，在快捷菜单中选择Send to ArcMap命令，可以直接将结果传送到ArcMap平台中。
8)选择ENVI EX中的Geo Link To ArcMap命令，可以将ENVI与ArcMap进行地理链接，使两个平台浏览的范围保持一致。
这个例子完成了一个GIS工作流与遥感工作流无缝链接的过程。
5 ENVI/IDL与ArcGIS集成开发案例
(一)城市遥感动态监测管理系统——北京建设数字科技股份有限公司
以地理信息基础平台为基础，3S技术一体化为核心，结合专业遥感处理软件ENVI，实现对城市范内区域、街道、重点对象的影像特征的采样和分析，快速获取其空间特征。并利用ArcGIS Engine的叠加分析、缓冲区分析等功能，实现对多时相城市航空影像数据之间、遥感影像数据与规划编制、规划审批成果之间的比对分析，及时了解城市的土地利用变化情况，掌握城市建设中与规划不符的情况。并通过核查上报、统计分析等手段，为城市规划监察、城市管理服务。
图27 系统主界面
图28 遥感影像信息分类提取
(二)环北京土地利用动态监测与评价平台——2009ESRI开发大赛ENVI/IDL组一等奖作品，首都师范大学
系统的基本功能包括各种栅格数据的加载、显示（单波段显示和多波段合成）、数据管理、数据格式转换、波段统计、ROI选取工具、图像的增强等功能。
在业务功能方面，系统主要分成类三个模块，其中包括监测指标和计算模块、土地利用信息提取模块和土地资源监测评价模块。监测指标和计算模块的功能主要包括NDVI（归一化植被指数）、MSAVI（土壤调整植被指数）、FC（植被覆盖度）、Slope(DEM的坡度计算)和PCA变换（主成分变换）；土地利用信息提取模块包括基本的图像信息提取方法，如监督分类、非监督分类、目视解翻，并提供的基本的分类后处理的功能；土地资源监测评价模块主要包括：土壤侵蚀监测评价、土地退化监测评价、土地沙化监测评价和土地盐碱化监测评价。其中前两种评价主要是用IDL编写的决策树算法，后两个评价介于ArcGIS Desktop的model builder创建模型，在ArcGIS Engine的Geoprocessing中进行调用。
图29 系统主界面
图30 土壤侵蚀监测评价子模块
图31 支持向量机监督分类
(三)遥感震害快速评估技术系统——中国地震局地壳应力研究所
遥感震害快速评估技术系统是在地震遥感震害快速增强、震害分类提取与震害评估技术研究的基础上，针对国家抗震救灾指挥和地震现场评估的需要，研制的适应近地表遥感信息获取系统获取的多景图像的技术系统。用户可以利用该系统在图像接收后2-6小时内提供初步的宏观灾情提取结果与损失评估结果，6-18小时内提供准确的宏观灾情分布结果和损失评估结果。
遥感震害快速评估技术系统的主要功能包括遥感（RS）和地理信息系统（GIS）的无缝结合，近地表数据处理，遥感影像快速校正，遥感影像快速增强，用面向对象等实用的分类技术进行震害识别，震害损失评估，与数据库结合，成果图像的快速显示和制图，专用的评估流程和集体评估的集成。
图32综合评估平台
图33 影像自动配置子功能
(四)农作物调优栽培决策支持系统——国家农业信息化工程技术研究中心
农作物调优栽培决策支持系统是依托农业部公益性行业科研专项“主要农作物调优栽培信息化技术”项目，基于最新的ENVI/IDL技术、WebGIS、GPS、企业空间数据库、通信技术、作物模拟技术等信息技术和农学知识的高度集成，建立的用于主要农作物调优栽培的信息化决策支持系统。
系统主要面向农业管理部门、农业生产部门（如农场）、作物协会（如谷物协会）及大型涉农企业的专业技术及生产管理人员，对主要农作物的产前优良品种种植区划——产中调优栽培及产量、品质预报——产后指导按质收购等作物生产全过程进行信息化管理，最大限度地为农作物生产的信息化管理与粮食政策的制定提供决策支持。
系统通过采用ENVI/IDL编程技术实现对遥感影像的实时计算和处理，生成初步的作物分类结果以及影像光谱指数，结合野外采集的GPS定位数据、农学样点信息，综合分析各种常用的农学模型，通过WebGIS技术实现实时直观的专题图、统计图表、细节点击查询等多种展现方式，实现对作物长势监测、作物产量估算、作物品质预测、病虫害监测、干旱监测、冻害监测、肥水诊断等作物生产全过程的信息化管理。
系统采用Oracle10g +ArcSDE作为空间数据库，后台采用ENVI/IDL、ArcGIS Engine、ArcIMS实现遥感影像处理与发布，前端页面展现完全基于Ajax技术构建，综合采用了OpenLayers、JQuery、Google Maps API等脚本库。
图34 自定义植被指数计算界面
图35 作物长势分级专题图
6总结
随着空间信息市场的快速发展，遥感数据与GIS的结合日益紧密。遥感与GIS的一体化集成逐渐成为一种趋势和发展潮流。ENVI/IDL与ArcGIS为遥感和GIS的一体化集成提供了一个最佳的解决方案。