ENVI监督分类实战：从影像加载到shp输出的完整流程（附样本分离性分析技巧）

ENVI监督分类实战：从影像加载到shp输出的完整流程（附样本分离性分析技巧）

在遥感影像分析领域，监督分类是最基础也最核心的技术之一。不同于传统的目视解译，监督分类通过机器学习算法自动识别地物类型，大幅提升了工作效率。本文将带您从零开始，完整走通ENVI软件中监督分类的全流程，特别聚焦于常被忽视但至关重要的样本分离性分析环节。

1. 环境准备与数据加载

1.1 软件版本与硬件配置

ENVI 5.3及以上版本均支持完整的监督分类功能。建议计算机配置：

• 内存：≥16GB（处理高分辨率影像时尤其重要）
• 显卡：支持OpenGL 3.3及以上
• 存储空间：预留至少2倍于原始影像大小的空间

1.2 数据加载的正确姿势

不同于简单的"File→Open"，专业用户通常会采用更高效的方式：

# 通过ENVI IDL命令行批量加载多幅影像
envi_open_file, 'D:/data/landsat8.tif', r_fid=fid

常见错误：

• 直接拖拽大型影像可能导致内存溢出
• 未检查影像的投影信息和波段组合

提示：加载后立即在Data Manager中右键查看影像属性，确认空间分辨率和波段数是否符合预期。

2. 样本采集的艺术与科学

2.1 ROI创建的核心原则

样本质量直接决定分类结果的准确性。创建ROI时需要遵循：

1. 典型性：选择该类地物最具代表性的区域
2. 纯净度：避免混合像元区域
3. 分布均衡<