《遥感原理与应用》实验报告——影像分类

实验名称：影像分类

一、实验内容

1.对同一副遥感影像分别用监督和非监督两种方法进行分类，并对分类结果进行比较；

2.对同一种方法下的不同判别准则（如最小距离准则和最大似然分类）得到的分类结果进行

比较。

二、实验所用的仪器设备，包括所用到的数据

电脑一台，Window7操作系统，遥感影像处理软件（ENVI4.3）软件，一幅多波段卫星遥感影像，如图1所示。

三、实验原理

（一）监督分类

1.监督分类的原理

监督分类（supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；

反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：平行算法、最小距离法、最大似然法等。

2.最小距离分类：是指求出未知类别向量到要识别各类别代表向量中心点的距离，将未知类

别向量归属于距离最小一类的一种图像分类方法。

3.最大似然分类：假定每个波段每一类统计呈均匀分布，并计算给定像元属于一特定类别的

可能性。除非选择一个可能性阈值，所有像元都将参与分类，每一个像元被归到可能性最大的那一类里。

（二）非监督分类

1.非监督分类的原理

非监督分类也称聚类分析。是指人们事先对分类过程不施加任何的先验知识，而仅凭数据，即自然聚类的特性，进行“盲目”的分类；其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性，亦即：非监督分类只能把样本区分为若干类别，而不能给出样本的描述；其类别的属性是通过分类结束后目视判读或实地调查确定的。

2.ISODATA分类

ISODATA非监督分类计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元迭代聚集。每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。重复分类是分割、融合和删除是基于输入的阈值参数的。除非限定了标准差和距离的阈值（这时，如果一些像元不满足选择的标准，他们就无法参与分类），所有像元都被归到与其最临近的一类里。这一过程持续到每一类的像元数变化少于选择的像元变化阈值或已经到了迭代的最多次数。

四、实验步骤及其结果分析

（一）ISODATA分类

1.选择Classification > Unsupervised > Isodata.

2.出现Classification Input File 对话框，进行标准文件选择。

3.点击“OK”，显示ISODATA Parameters 对话框，分别在各个文本框中输入合适的参数。点

击“OK”，开始进行独立数据分类。图像中每一个波段将计算统计值，屏幕上出现一条状态

信息，显示操作进展过程。信息随着分类器的每一次迭代在0 到100% 之间循环。

4.显示结果影像，如图2所示。

5.改变参数设置

(1)将Number of Classes（分类数）由5-10改为1-50，显示结果如图3所示。

(2)将Maximum Iteration（最大迭代数）由1改为10，显示结果如图4所示。

(3)将Chang Threshold（像元变化的阈值）由5.00改为1.00，显示结果如图5所示。

(4)将其它各个参数分别更改，结果肉眼看不出明显区别，均如图2（默认参数值）所示。

6.通过Class Cloor Mapping对话框，改变各分类颜色，如将植被改为白色，结果如图6所示。

7.结果分析：

(1) ISODATA分类中获知地物类别属性的方法

使用默认参数值时将结果分为了8类，但是每类地物的具体属性，只利用结果影像并不容易判断出来。这是由于非精度分类时人们事先对分类过程不施加任何的先验知识，而

仅凭数据，即自然聚类的特性，进行“盲目”的分类。其类别的属性是通过分类结束后目视

判读或实地调查确定的。

(2) ISODATA Parameters 对话框各个参数的含义

在ISODATA Parameters 对话框各个参数的含义分别是：Number of Classes（分类数），Min（最少分类数）、Max（最大分类数），Maximum Iteration（最大迭代数），Chang Threshold （像元变化的阈值），Minimum ＃Pixel in Class（每类中的最小像元数），Maximum Class Stdv （最大标准差），Minimum Class Distance （最小类间距），Maximum ＃Merge Pairs（最大合并数）等8个基本参数。

◆改变分类数的范围大小可以改变分类精度，例如将分类数改为1-50时，如图3所示，影

像中颜色种类明显增多，经统计，分类结果有26类。

◆改变最大迭代数可以增加迭代次数，例如将其改为10时，影像进行了4次迭代，如图4

所示，影像中颜色种类有所增加，经统计后分类结果有11类。影像进行多次迭代，每次迭代重新计算均值，且用这一新均值对像元进行再分类。

◆改变像元变化的阈值，同样会影像迭代次数，例如，当最大迭代次数为10时，将像元

变化的阈值改由5改为1，则表示当每一类像元数变化小于1时，由变化阈值来结束迭代过程，共进行了10次迭代，虽然分类总是没有增加，但是各类别的范围及颜色均有所变化。（二）最小距离和最大似然分类

1.根据图像特征，选取感兴趣区。对感兴趣区域进行编辑。

2.ENVI主菜单下选择Classification > Supervised >Minimum Distance和Maximum Likelihood

分别进行最小距离和最大似然分类。分类结果分别如图7、图8所示。

3.结果分析

(1) 最小距离和最大似然分类的比较

最小距离法与最大似然法的结果影像初看之下十分相近，但通过链接比较，发现仍存在细节上的差别。例如对比影像右上角植被的区分度，可以看出最大似然法的精度明显高于最小距离法。最小距离分类原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。最大似然法是建立在贝叶斯准则基础上的，其分类错误概率较小，是监督分类方法中风险最小的判决分析，是典型的和应用最广的监督分类方法。而二者相同的不足之处是传统的人工采样方法工作量大，效率低，加上人为误差的干扰，使得分类结果的精度较差。

(2) 监督分类与非监督分类的主要区别

通过比较二者的分类结果，可以看出，非监督分类所分类别较多，结果影像比较杂乱，而监督分类只分成了我们需要的三类，控制起来较为容易。从效果上看，监督分类较好，但是从省时角度看，非监督分类较好。

二者的根本区别点在于是否利用训练场地来获取先验的类别知识。监督分类根据训练场提供的样本选择特征参数, 建立判别函数, 对待分类点进行分类。因此, 训练场地选择是监督分类的关键。由于训练场地要求有代表性, 训练样本的选择要考虑到地物光谱特征, 样本数目要能满足分类的要求, 有时这些还不易做到, 并且需要较多的人力时间，这是监督分类不足之处。相比之下, 非监督分类不需要更多的先验知识, 它根据地物的光谱统计特性进行分类。因此, 非监督分类方法简单, 且分类具有一定的精度，但是得到的集群但类别不一定对应分析者想要的类别，难对产生的类别进行控制，并且不同图像间的对比较为困难。

五、思考题

该地区地物可以分成3大类，分别是植被，水体和土壤。每大类下面又可根据组成成分、周围环境等的差异，细分为多个小类。分类方法首先可以通过目视解译，对比不同地物的色调、形状、空间位置特征等判读标志，结合地物的反射光谱信息，对地物进行初步分类。然后与建立在对像元灰度值的统计、运算、对比和归纳基础上进行的计算机分类的结果，相互检验，以提高分类精度。

要想得到好的分类精度，方法上应注意综合利用多种方法参与分类过程，比如遥感影像有着丰富的纹理信息，遥感影像的纹理分析已成为一种重要的提高遥感影像分类精度的手段，同时可以进行多源遥感信息复合分析等方法。而操作中应注意选择质量较好的影像、准确的选择训练区并且结合分类后进一步的处理，以提高影像精度。

六、实验中遇到的问题及解决方法

问题：在进行监督分类时，没有选取ROI，软件提示操作错误。

解决方法：通过查阅资料了解到进行监督分类之前必须先选取感兴趣区。

七、实验附图

图1 原始影像(TM432(RGB)) 图2 ISODA TA分类的结果影像

图3 分类数改为1-50的结果影像图4 最大迭代数改为10的结果影像

图5 修改其他参数得到的结果影像图6 植被颜色改为白色的结果影像

图7 最小距离法分类的结果影像 图8 最大似然法分类的结果影像

遥感图像几种分类方法的比较

摘要 遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别的图像的分类识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。 遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。遥感图像分类主要有两类分类方法:一种是非监督分类方法，另一种是监督分类方法。非监督分类方法是一个聚类过程，而监督分类则是一个学习和训练的过程，需要一定的先验知识。非监督分类由十不能确定类别属性，因此直接利用的价值很小，研究应用也越来越少。而且监督分类随着新技术新方法的不断发展，分类方法也是层出不穷。从传统的基十贝叶斯的最大似然分类方法到现在普遍研究使用的决策树分类和人工神经网络分类方法，虽然这些方法很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力。但是不同的方法有其不同优缺点，分类效果也受很多因素的影响。 本文在对国内外遥感图像分类方法研究的进展进行充分分析的基础上，应用最大似然分类法、决策树分类法对TM影像遥感图像进行了分类处理。在对分类实现中，首先对分类过程中必不可少的并影响分类效果的步骤也进行了详细地研究，分别是分类样本和分类特征；然后详细介绍两种方法的分类实验；最后分别分析分类结果图，采用混淆矩阵和kappa系数对两种方法的分类结果进行精度评价。 关键词:TM遥感影像，图像分类，最大似然法，决策树 题目：遥感图像几种分类方法的比较...................................... 错误！未定义书签。摘要.. (1) 第一章绪论 (3)

1.1遥感图像分类的实际应用及其意义 (4) 1.2我国遥感图像分类技术现状 (5) 1.3遥感图像应用于测量中的优势及存在的问题 (6) 1.3.1遥感影像在信息更新方面的优越性 (6) 1.3.2遥感影像在提取信息精度方面存在的问题 (6) 1.4研究内容及研究方法 (8) 1.4.1研究内容 (8) 1.4.2 研究方法 (8) 1.5 论文结构 (9) 第二章遥感图像的分类 (9) 2.1 监督分类 (9) 2.1.1 监督分类的步骤 (9) 2.1.2 最大似然法 (11) 2.1.3 平行多面体分类方法 (12) 2.1.4 最小距离分类方法 (13) 2.1.5监督分类的特点 (13) 2.2 非监督分类 (14) 2.2.1 K-means算法 (14) K-均值分类法也称为 (14) 2.2.2 ISODATA分类方法 (15) 2.2.3非监督分类的特点 (17) 2.4遥感图像分类新方法 (17) 2.4.1基于决策树的分类方法 (17) 2.4.2 人工神经网络方法 (19) 2.4.3 支撑向量机 (20) 2.4.4 专家系统知识 (21) 2.5 精度评估 (22) 第三章研究区典型地物类型样本的确定 (24) 3.1 样本确定的原则和方法 (24) 3.2 研究区地物类型的确定 (24) 3.3样本区提取方案 (25) 3.4 各个地物类型的样本的选取方法 (25) 3.4.1 建立目视解译标志 (25) 3.4.2 地面实地调查采集 (26) 3.4.3 利用ENVI遥感图像处理软件选取样本点 (26) 第四章遥感图像分类实验研究 (26) 4.1遥感影像适用性的判定 (26) 4.2分类前的预处理 (28) 4.2.1空间滤波的处理 (28) 4.2.2 频域滤波处理 (28) 4.3利用ENVI软件对影像按照不同的分类方法进行监督分类 (30) 4.3.1监督分类 (30) 4.3.2 决策树 (33) 4.4分类后的处理 (35)

昆虫学实验报告

实验一小麦、油菜蚜虫调查和鉴定 姓名：班级：学号： 一实验内容 1 小麦蚜虫调查与种类鉴定 在田间观察并用毛笔扫取小麦植株上的蚜虫于盛有酒精的容器中，带回实验室调查并在体视显微镜下统计小麦植株上的蚜虫数量以及种类，记录所调查小麦植株数量。通过对小麦蚜虫的调查与鉴定，了解小麦蚜虫的生活习性及其形态特征，并掌握小麦蚜虫的调查与鉴定方法，旨在预测小麦蚜虫危害蔓延情况，为及时防治小麦蚜虫制定有效的方案提供理论基础。 2 油菜蚜虫种类鉴定 通过实验室给定的油菜蚜虫样本，随机捕获数头蚜虫，然后在体视显微镜下鉴定油菜蚜虫种类。通过对油菜蚜虫种类的鉴定，熟练掌握油菜蚜虫的形态特征，并准确对其进行鉴定与分类，以明确当地油菜蚜虫的主要类型，旨在为油菜蚜虫的防治提供理论基础。 二实验方法 1 小麦蚜虫调查方法 采用单对角线随机五点取样，每点固定50株（茎）；当百株（茎）蚜虫量超过500头且株（茎）间差异不大时，每点可减少至20株（茎）；当蚜虫量特大时，每点可减少至10株（茎）。调查有蚜株数、蚜虫种类、有翅蚜及无翅蚜数量，并统计计算百株蚜虫量，记录结果并汇入小麦蚜虫系统调查表（表1）。 表1小麦蚜虫系统调查表 注：调查地点为成都校区图书馆前小麦田，地块类型为旱水田。 2 小麦和油菜蚜虫鉴定方法 在体视显微镜下根据教材，小麦和油菜蚜虫形态特征进行种类鉴定。

三结果与分析 1 小麦蚜虫种类和发生情况 根据表1可知，所取小麦植株上的蚜虫均为禾谷缢管蚜，由此可初步推测出成都市温江区小麦蚜虫的主要优势种是禾谷缢管蚜。在随机选取的6株小麦种，只有4株小麦有蚜虫，有蚜率达66.7%；通过调查的小麦上一共有92头禾谷缢管蚜，换算成百株蚜量为1534头。按照常规防治标准（百株蚜量超过500头），现阶段已达到防治标准。而禾谷缢管蚜都是无翅型，且与生活阶段有关。此阶段为小麦灌浆期，蚜虫只需要在小麦植株的叶片或茎秆上小范围活动，就可以从小麦吸食足够的汁液作为营养物质。在南方，禾谷缢管蚜营同寄主不全周期型生活，全年在同一科寄主植物上营孤雌生殖，不产生雌雄性蚜，以无翅成虫和若蚜在小麦根部、近地面的叶鞘或土缝内过冬。而北方小麦即将成熟时，禾谷缢管蚜多为有翅型，此时有翅蚜可以飞离麦田，寻找新的寄主。以上禾谷缢管蚜翅型符合一般理论，调查结果较为合理。 2 油蚜虫种类 根据油菜蚜虫的鉴定结果可知，所取油菜样本上有桃蚜和萝卜蚜两种蚜虫。同时也可以根据油菜蚜虫种类特征可以鉴定出不同类别的蚜虫。桃蚜，一般呈绿色、黄绿色或淡红色，腹管较细长，绿色末端有明显缢缩，背上无蜡粉，突出特征是额瘤发达，且向内倾斜。经体视显微镜观察，可以十分容易的看到有些蚜虫的触角基部内侧有十分明显的额瘤，且其他特征也符合桃蚜的形态特征，所以鉴定为桃蚜。萝卜蚜，背覆稀少蜡粉，额瘤不明显，腹管短粗，近末端缢缩不明显。观察到有的蚜虫额瘤不明显，排除是桃蚜的可能，且只有背部有较少蜡粉，排除为甘蓝蚜的情况，其他特征均符合萝卜蚜的特征，因此鉴定为萝卜芽。 四结论与讨论 （1）根据小麦蚜虫调查与鉴定结果可知，成都市温江区小麦蚜虫的主要优势种是禾谷缢管蚜，百株蚜量为1534头，调查田块的发病情况已经达到常规防治标准（百株蚜量500头），而且出现麦蚜聚集的中心株，有两株小麦植株上各有近33头禾谷缢管蚜。田间发病情况需要及时控制。而且近日气温变化适宜麦蚜繁殖，气温继续回升，麦蚜历期缩短，繁殖加速，病情会持续加重。此时可进行化学药剂防治，每亩可选用10 %吡虫啉或50 %抗蚜威可湿性粉剂10 ~ 15 g，或25 g?L-1的溴氰菊酯乳油15 ~ 20 mL，或40 %乐果乳油30 mL兑水30 ~ 40 kg喷雾

校园植物种类调查实验报告

校园植物种类调查实验报告 一、目的要求 1．通过本实验使学生熟悉观察、研究区域植物及其分类的基本方法。 2．认识校园内外的常见植物。 二、材料用品 照相机、铅笔、笔记本、检索表等。 三、调查方法 实地调查、实物标本、查阅资料、访谈、小组讨论。 1、实地调查：小组成员分工参观并初步认识校园内植物，拍照，做好记录，将不认识的植物重点记录、做记号。 2、采集标本：采集植物的叶片、枝条或花朵等特征部分，压制做成植物标本。 3、采访讨教：带着植物照片及植物标本向教师或学校花工师傅请教，弄清植物的名称、特性。 4、查阅资料：到图书馆或利用网络查阅相关植物的资料，获取各种植物的详细信息。 5、整理资料：集中、收集所有成员的资料，对资料进行全面整理、筛选、分类。 6、实验报告：将资料、图片打印，汇集成实验报告。 7、制作PPT：用演示文稿形式，记录和呈现我们的探究过程，分享我们的研究心得。 三、调查内容 (一) 校园和公园植物形态特征的观察

植物种类的识别、鉴定必须在严谨、细致的观察研究后进行。在对植物进行观察研究时，首先要观察清楚每一种植物的生长环境，然后再观察植物具体的形态结构特征。植物形态特征的观察应起始于根(或茎基部)，结束于花、果实或种子。先用眼睛进行整体观察，细微、重要部分再借助放大镜观察。特别是对花的观察、研究要极为细致、全面，从花柄开始，通过花萼、花冠、雄蕊，最后到雌蕊。必要时要对花进行解剖，分别作横切和纵切，观察花各部分的排列情况、子房的位置、组成雌蕊的心皮数目、子房室数及胎座类型等。只有这样，才能全面、系统地掌握植物的详细特征，才能正确、快速地识别和区分植物。 (二)植物种类的识别和鉴定 在对植物观察清楚的基础上，识别、鉴定植物就会变得很容易。对校园内外特征明显、自己又很熟悉的植物，确认无疑后可直接写下名称；生疏种类须借助于植物检索表等工具书进行检索、识别。 在把区域内的所有植物鉴定、统计后，写出名录并把各植物归属到科。 (三)植物的归纳分类 在对校园内外的植物进行识别、统计后，为了全面了解、掌握园内的植物资源情况，还须对它们进行归纳分类。分类的方式可根据自己的研究兴趣和植物具体情况进行选择。对植物进行归纳分类时要学会充分利用有关的参考文献。下面是几种常见的植物归纳分类方式。 1．按植物形态特征分类木本植物、乔木、灌木、木质藤本、草本植、一年生草本、二年生草本、多年生草本 2．按植物系统分类：苔藓植物、蕨类植物、裸子植物、被子植物、双子叶植物、单子叶植物

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：

监督分类实验报告

实验报告题目：监督分类 姓名： 学号： 日期：

一、实验目的 理解计算机图像分类的基本原理以及监督分类的过程，运用ERDAS软件达到能熟练地对遥感图像进行监督分类的目的。 二、监督分类原理 监督分类（supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。 1）平行六面体法 在多波段遥感图像分类过程中，对于被分类的每一个类别，在各个波段维上都要选取一个变差范围的识别窗口，形成一个平行六面体，如果有多个类别，则形成多个平行六边形，所有属于各个类别的多维空间点也分别落入各自的多维平行六面体空间。 2）最小距离法 使用了每个感兴趣区的均值矢量来计算每个未知象元到每一类均值矢量的欧氏距离，除非用户指定了标准差和距离的阈值，否则所有象元都将分类到感兴趣区中最接近的那一类。 3）最大似然法 假定每个波段中的每类的统计都呈现正态分布，并将计算出给定象元都被归到概率最大的哪一类里。 4）马氏距离法 是一个方向灵敏的距离分类器，分类时将使用到统计信息，与最大似然法有些类似，但是她假定了所有类的协方差都相等，所以它是一种较快的分类方法。 三、实验步骤及结果 1、定义分类模板

定义分类模板包括分类模板的生成、管理、评价和编辑等，功能主要由分类模板编辑器（Signature Editor）完成，具体步骤包括： 1）打开需要分类的影像 本实验所处理的遥感图像打开如下图所示。 图1 原始遥感图像 2）打开分类模板编辑器 3）调整属性文字 在分类编辑窗口中的分类属性表中有很多字段，可以对不需要的字段进行调整。 4）选取样本 基于先验知识，需要对遥感图像选取训练样本，包括产生AOI、合并、命名，从而建立样本。考虑到同类地物颜色的差异，因此在采样过程中对每一地类的采样点（即AOI）不少于10个。选取样本包括产生AOI和建立分类模板两个步骤。 （1）产生AOI的方法有很多种，本实验采用应用查询光标扩展方法。 （2）建立分类模板 ①在分类模板编辑窗口，单击按钮，将多边形AOI区域加载到分类模板属性表中。在同样颜色的区域多绘制一些AOI，分别加载到分类模板属性表中。本实验中每一颜色

信号与系统实验报告_1(常用信号的分类与观察)

实验一：信号的时域分析 一、实验目的 1.观察常用信号的波形特点及产生方法 2.学会使用示波器对常用波形参数的测量 二、实验仪器 1.信号与系统试验箱一台（型号ZH5004） 2.40MHz双踪示波器一台 3.DDS信号源一台 三、实验原理 对于一个系统特性的研究，其中重要的一个方面是研究它的输入输出关系，即在一特定的输入信号下，系统对应的输出响应信号。因而对信号的研究是对系统研究的出发点，是对系统特性观察的基本手段与方法。在本实验中，将对常用信号和特性进行分析、研究。 信号可以表示为一个或多个变量的函数，在这里仅对一维信号进行研究，自变量为时间。常用信号有：指数信号、正弦信号、指数衰减正弦信号、复指数信号、Sa(t)信号、钟形信号、脉冲信号等。 1、信号：指数信号可表示为f(t)=Ke at。对于不同的a取值，其波形表现为不同的形式，如下图所示： 图1―1 指数信号 2、信号：其表达式为f（t）=Ksin（ωt＋θ），其信号的参数：振幅K、角频率ω、与初始相位θ。其波形如下图所示：

图1－2 正弦信号 3、指数衰减正弦信号：其表达式为其波形如下图： 图1－3 指数衰减正弦信号 4、Sa(t)信号：其表达式为：。Sa(t)是一个偶函数，t= ±π,±2π,…,±nπ时，函数值为零。该函数在很多应用场合具有独特的运用。其信号如下图所示：

图1－4 Sa（t）信号 5、钟形信号（高斯函数）：其表达式为：其信号如下图所示： 图1－5 钟形信号 6、脉冲信号：其表达式为f(t)=u(t)-u(t-T)，其中u(t)为单位阶跃函数。其信号如下图所示： 7、方波信号：信号为周期为T，前T/2期间信号为正电平信号，后T/2期间信号为负电平信号，其信号如下图所示 U(t)

试述遥感图像分类的方法,并简单分析各种分类方法的优缺点。

遥感原理与应用 1.试述遥感图像分类的方法，并简单分析各种分类方法的优缺点。答：监督分类：1、最大似然法；2、平行多面体分类法:这种方法比较简单，计算速度比较快。主要问题 是按照各个波段的均值为标准差划分的平行多面体与实际地物类别数据点分布的点群形态不一致，也就造成俩类的互相重叠，混淆不清的情况；3、最小距离分类法:原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。通常使用马氏距离、欧氏距离、计程距离这三种判别函数。主要优点：可充分利用分类地区的先验知识，预先确定分类的类别；可控制训练样本的选择，并可通过反复检验训练样本，以提高分类精度（避免分类中的严重错误）；可避免非监督分类中对光谱集群组的重新归类。主要缺点：人为主观因素较强；训练样本的选取和评估需花费较多的人力、时间；只能识别训练样本中所定义的类别，对于因训练者不知或因数量太少未被定义的类别，监督分类不能识别，从而影响分结果（对土地覆盖类型复杂的地区需特别注意）。 非监督分类：1、ISODATA； 2、K-Mean：这种方法的结果受到所选聚类中心的数目和其初始位置以及模式分布的几何性质和读入次序等因素的影响，并且在迭代的过程中又没有调整类别数的措施，因此不同的初始分类可能会得到不同的分类结果，这种分类方法的缺点。可以通过其它的简单的聚类中心试探方法来找出初始中心，提高分类结果；主要优点：无需对分类区域有广泛地了解，仅需一定的知识来解释分类出的集群组；人为误差的机会减少，需输入的初始参数较少（往往仅需给出所要分出的集群数量、计算迭代次数、分类误差的阈值等）；可以形成范围很小但具有独特光谱特征的集群，所分的类别比监督分类的类别更均质；独特的、覆盖量小的类别均能够被识别。主要缺点：对其结果需进行大量分析及后处理，才能得到可靠分类结果；分类出的集群与地类间，或对应、或不对应，加上普遍存在的“同物异谱”及“异物同谱”现象，使集群组与类别的匹配难度大；因各类别光谱特征随时间、地形等变化，则不同图像间的光谱集群组无法保持其连续性，难以对比。

遥感非监督分类实验报告书

遥感非监督分类实验报告书 部门： xxx 时间： xxx 整理范文，仅供参考，可下载自行编辑

遥感图像的非监督分类实验报告 姓名：李全意 专业班级：地科二班 学号：2018214310 指导教师：段艳 日期：2018年6月3日 1. 实验目的 通过本实验加强对遥感非监督分类处理理论部分的理解，熟练掌握图像非监督分类的处理方法，并将处理前后数据进行比较。 b5E2RGbCAP 2. 实验准备工作 <1）准备遥感数据<本实验使用的是老师提供的遥感数据）； <2）熟悉遥感图像非监督分类的理论部分 3．实验步骤 4. 实验数据分析与结论 <1）通过分类前后图像的比较，发现非监督分类后的图像容易区分不同地物； <2）分类过程中存在较多错分漏分现象，同种类别中有多种地物； <3）非监督分类根据地物的光谱统计特性进行分类，客观真实且方法简单，而且具有一定的精度。 5. 实验收获及需要解决的问题 <1）对非监督分类处理遥感图像方法有了总体上的认识，基本上掌握该方法的具体操作步骤，会用该方法处理一些遥感图图像。 p1EanqFDPw

Unsupervised Classification, 在Unsupervised Classification对话框中，将参数设计设计如下： Number of classes：30,一般将分类数取为最终分类数的2倍以上；Maximum Iterations：18； 点击Color Scheme Options决定输出的分类图像为黑白的；Convergence Threshold：0.95。 点击OK即可。打开完成后图像与原图像对比： 原图：完成后： <2）打开原图像，在视窗中点击File/Open/Raster Layer，选择分类监督后的图像classification1.img，在Raster Options中，取消Clear Display如下：

遥感图像处理 分类 实验报告

Lab6 non-parametric classification and post classification 12021005龚鑫烨Objection：the major object of the current lab section are to implement non-parametric classification based on BP networks and support vector machines algorithms,with a full mastery of post-classification operation. Data: the subset of spot 5 imagery covering NJ. Steps: 1、identify a training dataset and an independent set of validation data for built-up, forest,cropland,grassland and water. 2、Implementing above-mentioned non-parametric algorithms to classify your image. 3、Validating your classification. 4、Refining your classification by implementing the majority filtering and modeling process if possible. 实验步骤： 1、将数据加载到envi中

医学影像设备复习汇总

一单项选择题 1、下列设备中不属于X线成像设备的是：（D ） A、DF B、DSA C、DDR D、PECT 2、三参量连锁容量限制电路是保证X线管：（A ） A 、一次摄影不超过该管的最大容量B、不产生重复曝光的累积性过载 C、总是以最大功率曝光 D、以最大的功率曝光 3、一般由下列哪种材料制成软X线管的阳极靶面（ A ） A、钼或铑 B、无氧铜 C、陶瓷 D、铼钨合金 4、关于限时电路，错误的是（） A、机械限时器的精度最差 B、有足够的可调时间范围，一般为0.8s-1.2S C、基本原理是利用RC的充放电特性实现限时的 D、自动曝光控时系统中，当胶片感光量足够后，限时电路自动终止曝光 5、CT球管前方一般装有滤过器，关于其作用错误的是：（） A、使X线能量均匀分布 B、减小信号强度差异 C、提高射线能量 D、吸收软射线 6、兼有两种不用成像方法优点的设备是：（） A、γ照相机 B、PET-CT C、FMRI D、HCT 7、使用符合探测技术，也称为电子准直的设备是：（） A、PET B、SPECT C、MRI D、DSA 8、F78-ШA型X线机不具备的功能是（） A、透视 B、普通摄影 C、滤线器摄影 D、多轨迹体层摄影 E、胃肠摄影 9、逆变X线机高压发生器的工作电源频率是（） A、50或60Hz B、100Hz至200Hz C、400Hz至20kHz D、200Hz 至300Hz 10、以下不是高压电缆保养内容的是（） A、保持清洁，切忌受潮、受热、受压和过度弯曲。 B、应定期进行通电试验 C、避免变压器油的侵蚀 D、经常检查电缆两端的插头固定环的紧固程度物 11、对滤线器运动的要求是：（） A 、确保在滤线栅振动前曝光B、在滤线栅停止时曝光结束 C、曝光在滤线栅有效的振动时进行 12、下列哪种方法不能提高X线管的功率：（） A、用金属陶瓷做管壳 B、增加旋转阳极转速 C、增大靶面倾角 D、使用铼钨合金复合靶面 13、在CT的扫描和数据采集装置中可起到与X线机中的遮线器相似作用的是：（） A 、滤过器B、准直器C、探测器D、高压发生器 14、目前CT、MRI及其它数字化成像设备中广泛应用的胶片记录系统是：（） A、点片照相机 B、CRT多幅照相机 C、激光照相机 D、γ照相机 15、关于高压变压器的叙述，不正确的是( ) A、初级电流大，次级电流小 B、初级匝数少，次级匝数多 C、初级

遥感影像的分类处理

摘要 在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。 近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1 至5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。 相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。 然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。 针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程

昆虫学的实验报告

昆虫学的实验报告 篇一：昆虫学实习报告 一、实习目的 通过到野外采集昆虫并制成标本，掌握野外采集昆虫的方法、了解不同昆虫的生存环境。掌握昆虫的形态特征，学习昆虫的识别方法和种类、了解昆虫与植物病虫害的关系。 二、实习地点 白羊沟、流村、北农校园 三、实习时间 201x年9月24号、25号 四、实习内容 （一）采集昆虫 1.使用工具 捕虫网（活泼的昆虫一般适宜用网来捕捉）、毒瓶（在玻璃瓶中，放入脱脂棉，再滴入适量乙酸乙酯，制成毒瓶）、镊子、手套、采集管等。 2.采集昆虫的方法 网捕：网捕主要用来捕捉会飞的昆虫，或停在植物上的昆虫。网捕的方法如下：当昆虫飞来，迎面用网捕捉，当虫子入网后，使网底向上甩，连虫子同网底一齐翻到上面来，然后再用手或试管伸入网内将虫子取出来。 扫捕：此法主要用在大片的草丛和茂密的灌木中。当采集者走到

茂密的藏有虫子的草丛中时，用扫网在上面左右摆动，一面扫一面前进，将有许多小虫子集中到网底，或者被甩入网底，连接着胶管中。尤其在途中采集而时间仓促的时候，边扫边走也可以得到许多标本。震落法：在黄昏或中午炎热时，可用震落法采到金龟子、锹形虫、象甲、叶甲、蝽象等种类。对于蚜虫、蓟马等小型昆虫，可以直接击落到网中或硬纸片上，也可用小毛笔收集到酒精中。 观察和搜索法：要采到需要的标本，必须了解昆虫的生活习性及活动场所。有许多昆虫营隐蔽生活，在树皮下和树干内可采到天牛、吉丁虫、小蠹虫、木蠹蛾、透翅蛾、象甲和扁甲、郭公虫的幼虫或其它虫期。蚜虫、木虱或某些蚧虫的分泌物常可为人发觉，也可根据爱食其分泌物的蚂蚁、蝇或天敌瓢虫的存在来采集蚜虫及蚧虫，同时也常可采到其天敌草蛉、蝎蛉、瘿蚊等；沫蝉幼虫的分泌物常在枝上形成泡沫，其自身躲在里面。由植物的被害状发现昆虫，如咀嚼式口器昆虫为害后的植物叶片，常留下啃食过的痕迹和留下的粪便。 3、捕捉昆虫的时间及地点 昆虫种类繁多，生活习性各异，一般来说，一年四季均可采集，但由于昆虫的发生期和植物生长季节大致是相符的，每年晚春至秋末，是昆虫活动的适宜季节，也是一年中采集昆虫的最好时期。对于一年发生一代的昆虫，应在发生期采集。采集的季节，主要根据自己的目的和需要来决定。一天之间采集的时间也要根据不同的昆虫种类而定。日出性的昆虫，多自上午10时至下午3时活动最盛。夜出性昆虫在日落前后及夜间才能采到。温暖晴朗的天气采集收获较大，

子网划分 实验报告

实验报告

1.实验题目：IP地址分类及子网划分 2.实验目的：1）掌握有类IP地址的使用及主机IP地址的配置； 2）掌握子网掩码及子网划分的使用 3.实验地点：计科楼201教室 4.实验设备及环境：安装win7系统的两台计算机、交换机、路 由器 5.实验过程： 1）ip地址划分 有一个公司有六个部门，申请了IP为211.237.222.0/32的地址，是给这个公司的每个部门划分一个子网。 答案：需要6个子网的话，必须要划分为8个子网，因为6不是2的整次方数。C类地址每段共有地址256个，划分为8个子网，每段有32个地址，第一个地址为子网地址，不可用；最后一个为广播地址，不可用，所以每段实际可用地址为30个。第一个子网和最后一个子网默认不用（如果不支持全0全1子网），也就是说8-2正好是6个子网。这样算下来，32*2+2*6=76，共计损失76个地址。 子网掩码是：256-32=224，255.255.255.224。 （1）理论IP：211.237.222.1~211.237.222.32，网关：211.237.222.1； 实际IP：211.237.222.2~211.237.222.31； （2）理论IP：211.237.222.33~211.237.222.64，网关：211.237.222.33； 实际IP：211.237.222.34~211.237.222.63； （3）理论IP：211.237.222.65~211.237.222.96，网关：211.237.222.65；

实际IP：211.237.222.66~211.237.222.95； （4）理论IP：211.237.222.97~211.237.222.128，网关：211.237.222.97； 实际IP：211.237.222.98~211.237.222.127； （5）理论IP：211.237.222.129~211.237.222.160，网关：211.237.222.129； 实际IP：211.237.222.130~211.237.222.159； （6）理论IP：211.237.222.161~211.237.222.192，网关：211.237.222.161； 实际IP：211.237.222.162~211.237.222.191； 2）vlan划分 第一台计算机的IP地址为：10.12.155.87 第二台计算机的IP地址为：10.12.156.173

昆虫分类实验报告

篇一：昆虫分类实验报告 昆虫重要的目与分类特征 一、实验目的 1、了解昆虫的基本特征和结构 2、学习掌握昆虫分类的方法与原则 3、加深对结构与功能相适应的理解 二、实验原理 1、意义：将客观事物分门别类，是昆虫学研究的基础。 2、依据：昆虫分类学的物质基础是昆虫各部位的不同特征，主要有：形态学特征、生态学特征、生理学生物化学特征、地理学特征、分子生物学特征等。 3、方法：遵循1999年修订的《国际动物命名法规》（第4版）。一个物种的学名由属名+种名+亚种名组成，是“三名法”。命名分类单元遵循“优先律”，即为最早给予它的可用名称。 4、分类检索表：检索表是生物分类的重要工具，广泛应用于各级分类阶元的鉴定。编制时采用对比分析和抽象归纳的方法，要求选取各阶元重要、突出、明显、稳定的特征。常见形式有：双项式、单项式、包孕式等。基本原则为将标本特征不断“一分为二”、尽量选取绝对特征、两组的数量特征不能重叠、不使用含糊词句。 三、动物与器材 1、实验材料：昆虫永久装片 2、实验器材：显微镜、体视镜四、方法与步骤 依次逐个观察各装片，结合资料图解，观察思考各类装片的形态差异与其功能之间的关系。 五、实验结果 *仅举一对，作为例子六、实验结果 蝼蛄前足为开掘足，各节均粗短有力，适应挖掘；其胫节扁平强大，端部 4个发达的齿；跗节有3 节，较小。 螳螂前足为捕捉足，能有效挟持猎物；其基节长而大；股节发达，腹面有凹槽，两侧缘具刺；胫节腹面亦呈凹槽状，两侧缘具刺。弯折时嵌合在股节凹槽内。 两种昆虫前足不同的形态分别与它们挖掘、捕猎的功能相适应，体现了形态与功能的相互联系。 对以下昆虫分类到目：蚊子、蚱蜢、蟑螂、菜粉蝶、黄蜂、蜻蜓、螳螂、蝉、金龟子、体虱昆虫分类检索表（目） （1）无翅或极退化---------------------------------（2）有翅-----------------------------------------（3） （2）刺吸式口器----------------------------------- 虱目——体虱（3）有一对翅-------------------------------------（4）有两对翅-------------------------------------（5） （4）刺吸式口器----------------------------------- 双翅目——蚊子（5）前翅为膜质-----------------------------------（6）前翅为革质-----------------------------------（8） 前翅为鞘质，且为咀嚼式口器------------------- 鞘翅目——金龟子（6）翅为鳞翅------------------------------------- 鳞翅目——菜粉蝶翅不为鳞翅，刺吸式口器----------------------- 同翅目——蝉翅不为鳞翅，咀嚼式口器-----------------------（7） （7）休息时翅膀平置在身体两侧--------------------- 蜻蜓目——蜻蜓休息时，翅膀收于背后------------------------- 膜翅目——黄蜂（8）第一对足为捕捉足----------------------------- 螳螂目——螳螂第三对足为跳跃足----------------------------- 直翅目——蚱蜢三对足均为步行足

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台

上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要

【2018-2019】昆虫的实验报告-范文模板 (9页)

本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 昆虫的实验报告 篇一：昆虫分类实验报告 昆虫重要的目与分类特征 一、实验目的 1、了解昆虫的基本特征和结构 2、学习掌握昆虫分类的方法与原则 3、加深对结构与功能相适应的理解 二、实验原理 1、意义：将客观事物分门别类，是昆虫学研究的基础。 2、依据：昆虫分类学的物质基础是昆虫各部位的不同特征，主要有：形态学特征、生态学特征、生理学生物化学特征、地理学特征、分子生物学特征等。 3、方法：遵循1999年修订的《国际动物命名法规》（第4版）。一个物种的 学名由属名 +种名 +亚种名组成，是“三名法”。命名分类单元遵循“优先律”，即为最早给予它的可用名称。 4、分类检索表：检索表是生物分类的重要工具，广泛应用于各级分类阶元 的鉴定。编制时采用对比分析和抽象归纳的方法，要求选取各阶元重要、突出、明显、稳定的特征。常见形式有：双项式、单项式、包孕式等。基本原则为将 标本特征不断“一分为二”、尽量选取绝对特征、两组的数量特征不能重叠、 不使用含糊词句。 三、动物与器材 1、实验材料：昆虫永久装片 2、实验器材：显微镜、体视镜四、方法与步骤

依次逐个观察各装片，结合资料图解，观察思考各类装片的形态差异与其功能 之间的关系。 五、实验结果 *仅举一对，作为例子 六、实验结果 蝼蛄前足为开掘足，各节均粗短有力，适应挖掘；其胫节扁平强大，端部 4个 发达的齿；跗节有3 节，较小。 螳螂前足为捕捉足，能有效挟持猎物；其基节长而大；股节发达，腹面有凹槽，两侧缘具刺；胫节腹面亦呈凹槽状，两侧缘具刺。弯折时嵌合在股节凹槽内。 两种昆虫前足不同的形态分别与它们挖掘、捕猎的功能相适应，体现了形态与 功能的相互联系。 对以下昆虫分类到目：蚊子、蚱蜢、蟑螂、菜粉蝶、黄蜂、蜻蜓、螳螂、蝉、 金龟子、体虱 昆虫分类检索表（目） （1）无翅或极退化---------------------------------（2）有翅-----------------------------------------（3） （2）刺吸式口器----------------------------------- 虱目——体虱（3）有一对翅-------------------------------------（4）有两对翅-------------------------------------（5） （4）刺吸式口器----------------------------------- 双翅目——蚊子（5）前翅为膜质-----------------------------------（6）前翅为革质-----------------------------------（8） 前翅为鞘质，且为咀嚼式口器------------------- 鞘翅目——金龟子（6） 翅为鳞翅------------------------------------- 鳞翅目——菜粉蝶翅不为 鳞翅，刺吸式口器----------------------- 同翅目——蝉翅不为鳞翅，咀嚼式口器-----------------------（7） （7）休息时翅膀平置在身体两侧--------------------- 蜻蜓目——蜻蜓休 息时，翅膀收于背后------------------------- 膜翅目——黄蜂（8）第一对足为捕捉足----------------------------- 螳螂目——螳螂第三对足为跳跃足----------------------------- 直翅目——蚱蜢三对足均为步行足----------------------------- 蜚蠊目——蟑螂 篇二：昆虫采集、分类实验报告格式