landsat遥感影像地温度反演教程大气校正法
基于辐射传输方程的Landsat数据地表温度反演教程
一、数据准备
Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。
同时需提前查询影像的基本信息（详见下表）
标识日期采集时间中心经度中心纬度LC81280402016208LGN00 2016/7/26 3:26:56 106.11288 30.30647 …………………………注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。
二、地表温度反演的总体流程
三、具体步骤
1、辐射定标
地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。
（1）热红外数据辐射定标
选择Radiometric Correction/Radiometric Calibration。在File Selection对话框
中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset
选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。
Scale factor 不能改变，否则后续
计算会报错。保持默认1即可。
（2）多光谱数据辐射定标
选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral”
进行辐射定标。
因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings，
如下图。
注意与热红外数据辐射定标是的差
别，设置后Scale factor值为0.1。
2、大气校正
本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。
注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。
1)Input Radiance Image：打开辐射定标结果数据；
2)设置输出反射率的路径，由于定标时候；
3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大；
4)中心点经纬度Scene Center Location：自动获取；
5)选择传感器类型：Landsat-8 OLI；其对应的传感器高度以及影像数据的分辨率自动读取；
6) 设置研究区域的地面高程数据；
7)影像生成时的飞行过境时间：在layer manager中的Lc8数据图层右键选择View Metadata，浏览time字段获取成像时间；
注：也可以从元文件“LC81230322013132LGN02_MTL.txt”中找到，具体名02:55:26.6336980Z；
8) 大气模型参数选择：Sub-Arctic Summer（根据成像时间和纬度信息选择）；
9) 气溶胶模型Aerosol Model：Urban，气溶胶反演方法Aerosol Retrieval：2-band（K-T）；
10) 其他参数按照默认设置即可。
11) 多光谱参数设置中，
K-T反演选择默认模式：Defaults->Over-Land Retrieval standard（600:2100）
波谱响应函数：默认指向..
\Program Files\Exelis\ENVI51\classic\filt_func\landsat8_oli.sli
把它重新指向：..\Program Files\Exelis\ENVI51\resource\filterfuncs\landsat8_oli.sli
注：这是因为ENVI5.1版本的一个小bug，即Classic中的L8的波谱响应函数不正确，另外一个一劳永逸的方法是：将“\Exelis\ENVI51\resource\filterfuncs”中的Landsat8_oli.sli 和Landsat8_oli.hdr两个文件拷贝覆盖：“...\ENVI51\classic\filt_func”中的两个文件。
否则SWIR1波段大气校正后的结果全为0。见下图
12) 高级参数设置：根据内存大小设置Tile Size（Mb）：100(8g物理内存)，其他参数默认即可，详细见下图
经过FLAASH校正的影像基本去除了空气中水汽颗粒等因子的影响，植被的波谱曲线趋于正常。
3、地表比辐射率计算
（1）植被覆盖度计算
计算植被覆盖度Fv采用的是混合像元分解法，将整景影像的地类大致分为水体、植被和建筑，具体的计算公式如下：
FV = (NDVI- NDVIS)／(NDVIV - NDVIS)
其中，NDVI为归一化差异植被指数，取NDVIV = 0.70和NDVIS = 0.00，且
0.7)*(0.9625 + 0.0614*b2 - 0.0461*b2*b2)
b1：NDVI值；
b2：植被覆盖度值。
得到地表比辐射率数据。
4、计算相同温度下黑体的辐射亮度值
卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。卫星传感器接收到的热红外辐射亮度值的表达式可写为（辐射传输方程）：
Lλ = [ε·B(T S) + (1-ε)L↓]·τ + L↑
这里，ε为地表辐射率，T S为地表真实温度，B(T S)为普朗克定律推到得到的黑体在T S的热辐射亮度，τ为大气在热红外波段的透过率。则温度为T的黑体在热红外波段的辐射亮度B(T S)为：
B(T S) = [Lλ - L↑- τ·(1-ε)L↓]/τ·ε
在NASA官网(https://www.360docs.net/doc/248642413.html,/)中输入成影时间以及中心经纬度，则会提供上式中所需要的参数。本专题输入的数据是重庆市地区2016年7月26日格林尼治时间时间03：26，平均气温32.601 ℃，气压961.841 MP，相对湿度63.689%，Landsat 8 OLI影像，影像中心的经纬度为：30.30647 N, 106.11288E
得到下图参数图:选择基于精确信息数
重庆属中纬
度夏季天气
Landsat 8 数据，波段10
大气在热红外波段的透过率τ为0.41，
大气向上辐射亮度L↑为5.23 W/(m2·sr·μm)，
大气向下辐射亮辐射亮度L↓为7.52W/(m2·sr·μm)。
利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入：（b2-5.23-0.41*（1-b1）*7,52）/（0.41*b1）
遥感图像的几何校正(配准)
遥感图像的几何校正（配准） 1.实验目的与任务： （1）了解几何校正的原理； （2）学习使用ENVI软件进行几何校正； 2.实验设备与数据： 设备：遥感图像处理系统ENVI 数据：TM数据 3 几何校正的过程： 注意：几何校正一种是影像对影像，一种是影像对地图，下面介绍的是影像对影像的配 准或几何校正。 1.打开参考影像（base）和待校正影像：分别打开，即在display#1,display#2中打开；2．在主菜单上选择map->Registration->select GCPs：image to image 3.出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。BASE图像指参考图像而warp则指待校正影像。选择OK! 4.现在就可以加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方， 就可以选择ADD POINT添加点了。（PS：看不清出别忘记放大）如果要放弃该点选择 右下脚的delete last point，或者点show point弹出image to image gcp list窗口，从中选择 你要删除的点，也可以进行其他很多操作，自己慢慢研究，呵呵。选好4个点后就可以 预测：把十字叉放在参考影像某个地物，点选predict则待校正影像就会自动跳转到与参 考影像相对应的位置，而后再进行适当的调整并选点。 5.选点结束后，首先把点保存了：ground control points->file->save gcp as ASCII.. 当然你没有选完点也可以保存，下次就直接启用就可以：ground control points->file->restore gcps from ASCII... 6.接下来就是进行校正了：在ground control points.对话框中选择： options->warp file(as image to map) 在出现的imput warp image中选中你要校正的影像，点ok进入registration parameters 对话框： 首先点change proj按钮，选择坐标系 然后更改象素的大小，如果本身就是你所需要大小则不用改了 最后选择重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径就OK了
Landsat-TM-影像处理最完整流程
一. 界面系统介绍 1. 主菜单：菜单项，Tool、Classification、Tranform、Spectral实 习所涉及的（粗略介绍） 2. Help 工具的使用 3. 主菜单设置（preferences）：内存设置 二. 文件的存取与显示 1．图像显示 由一组三个不同的图像窗口组成：主图像窗口、滚动窗口、缩放窗口。 1）主图像Image窗口：（400*400）100％显示（全分辨率显示）scroll的方框，可 交互式分析、查询信息。主图像窗口内的功能菜单：在主图像窗口内点击鼠标右键， 切换隐藏子菜单的开启和关闭。该"Functions" 菜单控制所有的ENVI交互显示功能，这包括：图像链接和动态覆盖；空间和波谱剖面图；对比度拉伸；彩色制图；诸如ROI 的限定、光标位置和值、散点图和表面图等交互特征；诸如注记、网格、图像等值线 和矢量层等的覆盖（叠置）；动画以及显示特征。 2）滚动Scroll窗口：全局，重采样(降低分辨率)显示一幅图像。只有要显示的图像比主图像窗口能显示的图象大时，才会出现滚动窗口。滚动窗口位置和大小最初在 envi.cfg 文件中被设置并且可以被修改。 3）缩放Zoom窗口：（200*200）显示image的方框。缩放系数（用户自定义）出现在 窗口标题栏的括号中。 2．图像的头文件资料的获取和编辑 ENVI：File>>Edit ENVI Header，选择相应的文件。 从Header Info 对话框里，你可以点击Edit Attributes 下拉菜单中的选项，调用 编辑特定文件头参数的独立对话框。这些参数包括波段名、波长、地图信息等。3．图像的存取 File > Open Image File. 当你打开任何文件，可用波段列表（ABL）自动地出现。 ABL列出该图像文件的所有波段，并允许你显示灰阶和彩色图像、启动新的显示窗口、 打开新文件、关闭文件，以及设置显示边框。 要选择当前活动显示，请按以下步骤： 从ABL（Available Bands List）内，点击“Display #X”按钮菜单（其中“X” 是与显示窗口标题栏内数字相对应的数字），再从列表中选择所需要的显示。 要开始一个新的显示，从按钮菜单选择“New Display”。
大气校正方法说明
利用MODTRAN 进行大气校正的方法说明 一． 大气校正公式、原理以及所需参数 大气是介于传感器和地球表层之间由多种气体和气溶胶组成的介质层，电磁波在地物和传感器之间传输时，必然受到大气的影响。遥感对地观测时，要想得到目标的真实信息，大气校正是不可回避的。由卫星传感器获取的表观反射率ρ* 可由下式表出： '()(,,)(,,)(())1v s s v s v a s v s v t t v d t T S e t τμθρθθφφρθθφφρρθρ-*-=-++- (1) 式中： s θ：太阳天顶角 ， s φ：太阳方位角 ，v θ ：传感器天顶角，v φ ：传感器方位角， t ρ：目标反射率，(,,)a s v s v ρθθφφ-：大气的路径辐射项等效反射率， τ：大气的光学厚度， S ：大气的半球反照率，' ()v d t θ：散射透过率，cos()v v μθ=。 通过MODTRAN4对大气辐射传输进行模拟，求得大气校正所需参数，将所求的大气校正参数和传感器获得的表观反射率一并代入大气辐射传输公式 (1)，便可计算出目标的真实反射率t ρ，从而完成大气校正的任务。 在实际的工作中，我们可以用下面的公式： 0()()()1t v v d v t L L F T S ρμμμρ=+ - (2) 是传感器接收到的辐射亮度，0()v L μ是路径辐射项，d F ＝ 式中：s μ0F ()s T μ是太阳下行总辐射(0F 是大气层顶的太阳辐照度)， ()v T μ=v e τμ-+'()v d t θ是传感器和目标之间的透过率（v e τμ-是直射透过率，' ()v d t θ是散射透过率）。在已知的观测条件（太阳和传感器的几何参数，大气廓线，地表反射率等）下，设定一组t ρ值以及相应的传感器高度，通过MODTRAN4模拟得到一组辐射亮度()v L μ，代入方程(2)，再经过简单的代数运算就可以求出大气校正所需的参数（路径辐射项、透过率、大气半球反照率和太阳下行总辐射）。地表反射率和相应传感器高度设置见表1：(地面高程时候传感器不受大气影响,L0项去掉；()v T μ＝1表示完全透过) 表1 地表反射率和相应的传感器高度参数设置 由(2)式，可以解出t ρ， ()v L μ
遥感影像预处理
遥感影像预处理 预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。 本小节包括以下内容： ? ? ●数据预处理一般流程介绍 ? ? ●预处理常见名词解释 ? ? ●ENVI中的数据预处理 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。 图1数据预处理一般流程 各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍
（一）几何精校正与影像配准 引起影像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前，先要知道几个概念： 地理编码：把图像矫正到一种统一标准的坐标系。 地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。 图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准 影像几何精校正，一般步骤如下， （1）GCP（地面控制点）的选取 这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。选取得控制点有以下特征： 1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等； 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。
基于Landsat-TM影像的专题信息提取
基于Landsat-TM影像的专题信息提取摘要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。 关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用 Abstract:Based on the study of shenyang area for using spectral information extraction，water,vegetation,based on gray symbiotic matrix of the texture classification,through the TM5 band extraction graylevel co-occurrence matrix and gray,and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields,spectral information structure,separation,with residents of the final results of the classification.Results show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination,the classification accuracy than pure spectral classification accuracy. Key words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use 引言 遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的[1]。在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。 提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误
landsat遥感影像地表温度反演教程(大气校正法)
基于辐射传输方程的Landsat数据地表温度反演教程一、数据准备 Landsa 8遥感影像数据一景，本教程以市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标
地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射 定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration。在File Selection对话框 中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset 选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。
因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings，如下图。 注意与热红外数据辐射定标是的差 别，设置后Scale factor值为0.1。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候；
Landsat_TM_组合
波段组landsat 3，2，1 这种RGB组合模拟出一副自然色的图象。有时用于海岸线的研究和烟柱的探测。 4，5，3 用于土壤湿度和植被状况的分析。也很好的用于内陆水体和陆地/水体边界的确定。 4，3，2 红外假色。在植被、农作物、土地利用和湿地分析的遥感方面，这是最常用的波段组合。 7，4，2 土壤和植被湿度内容分析；内陆水体定位。植被显示为绿色的阴影。 5，4，3 城镇和农村土地利用的区分；陆地/水体边界的确定。 4，5，7 探测云，雪和冰（尤其在高维度地区）。 4－3/4＋3NDVI－标准差植被指数；TM波段4：3的不同比率被证明在增强不同植被类型对比度方面很有用。 实践应用 3，2，1 普通色图象。适宜于浅海探测作图。 4，3，2 红外色图象。提供中等的空间分辨率。在这种组合中，所有的植被都显示为红色。MultiSpec3-ch.Default。 7，5，4 适宜于湿润地区。提供了最大的空间分辨率。 7，4，2 适宜于温带到干旱地区。提供最大的光谱多样性。 321：真彩色合成，即3、2、1波段分别赋予红、绿、蓝色，则获得自然彩色合成图像，图像的色彩与原地区或景物的实际色彩一致，适合于非遥感应用专业人员使用。432：标准假彩色合成，即4、3、2波段分别赋予红、绿、蓝色，获得图像植被成红色，由于突出表现了植被的特征，应用十分的广泛，而被称为标准假彩色。 举例：卫星遥感图像示蓝藻暴发情况 我们先看一看蓝藻爆发时遥感监测机理。蓝藻暴发时绿色的藻类生物体拌随着白色的泡沫状污染物聚集于水体表面，蓝藻覆盖区的光谱特征与周围湖面有明显差异。由于所含高叶
绿素A的作用，蓝藻区在LandsatTM2波段具有较高的反射率，在TM3波段反射率略降但仍比湖水高，在TM4波段反射率达到最大。因此，在TM4（红）、3（绿）、2（蓝）假彩色合成图像上，蓝藻区呈绯红色，与周围深蓝色、蓝黑色湖水有明显区别。此外，蓝藻暴发聚集受湖流、风向的影响，呈条带延伸，在TM图像上呈条带状结构和絮状纹理，与周围的湖水面也有明显不同。 451：信息量最丰富的组合，TM图像的光波信息具有3～4维结构，其物理含义相当于亮度、绿度、热度和湿度。在TM7个波段光谱图像中，一般第5个波段包含的地物信息最丰富。3个可见光波段（即第1、2、3波段）之间，两个中红外波段（即第4、7波段）之间相关性很高，表明这些波段的信息中有相当大的重复性或者冗余性。第4、6波段较特殊，尤其是第4波段与其他波段的相关性得很低，表明这个波段信息有很大的独立性。计算各种组合的熵值的结果表明，由一个可见光波段、一个中红外波段及第4波段组合而成的彩色合成图像一般具有最丰富的地物信息，其中又常以4，5，3或4，5，1波段的组合为最佳。第7波段只是在探测森林火灾、岩矿蚀变带及土壤粘土矿物类型等方面有特殊的作用。最佳波段组合选出后，要想得到最佳彩色合成图像，还必须考虑赋色问题。人眼最敏感的颜色是绿色，其次是红色、蓝色。因此，应将绿色赋予方差最大的波段。按此原则，采取4、5、3波段分别赋红、绿、蓝色合成的图像，色彩反差明显，层次丰富，而且各类地物的色彩显示规律与常规合成片相似，符合过去常规片的目视判读习惯。例如把4、5两波段的赋色对调一下，即5、4、3分别赋予红、绿、蓝色，则获得近似自然彩色合成图像，适合于非遥感应用专业人员使用。 741：波段组合图像具有兼容中红外、近红外及可见光波段信息的优势，图面色彩丰富，层次感好，具有极为丰富的地质信息和地表环境信息；而且清晰度高，干扰信息少，地质可解译程度高，各种构造形迹（褶皱及断裂）显示清楚，不同类型的岩石区边界清晰，岩石地层单元的边界、特殊岩性的展布以及火山机构也显示清楚。 742：1992年，完成了桂东南金银矿成矿区遥感地质综合解译，利用1：10万TM7、4、2假彩色合成片进行解译，共解译出线性构造1615条，环形影像481处,并在总结了构造蚀变岩型、石英脉型、火山岩型典型矿床的遥感影像特征及成矿模式的基础上，对全区进厅成矿预测，圈定金银A类成矿远景区2处，B类4处，C类5处。为该区优选找矿靶区提供遥感依据。 743：我国利用美国的陆地卫星专题制图仪图像成功地监测了大兴安岭林火及灾后变化。这是因为TM7波段（2.08-2.35微米）对温度变化敏感；TM4、TM3波段则分别属于红外光、红光区，能反映植被的最佳波段，并有减少烟雾影响的功能；同时TM7、TM4、TM3（分别赋予红、绿、蓝色）的彩色合成图的色调接近自然彩色，故可通过TM743彩色合成图的分析来指挥林火蔓延与控制和灾后林木的恢复状况。 754：对不同时期湖泊水位的变化，也可采用不同波段，如用陆地卫星MSS7， MSS5，MSS4合成的标准假彩色图像中的蓝色、深蓝色等不同层次的颜色得以区别。从而可用作分析湖泊水位变化的地理规律。
遥感卫星影像辐射校正和大气校正的方法
北京揽宇方圆信息技术有限公司 遥感卫星影像辐射校正和大气校正的方法 辐射校正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。 利用传感器观测目标的反射或辐射能量时，所得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值叫做辐射误差。辐射误差造成了遥感图像的失真，影响遥感图像的判读和解译，因此，必须进行消除或减弱。需要指出的是，导致遥感图像辐射量失真的因素很多，除了由遥感器灵敏度特性引起的畸变之外，还有视场角、太阳角、地形起伏以及大气吸收、散射等的强烈影响。 遥感图像辐射校正主要包括三个方面：（1）传感器的灵敏度特性引起的辐射误差，如光学镜头的非均匀性引起的边缘减光现象、光电变换系统的灵敏度特性引起的辐射畸变等；（2）光照条件差异引起的辐射误差，如太阳高度角的不同引起的辐射畸变校正、地面倾斜、起伏引起的辐射畸变校正等；（3）大气散射和吸收引起的辐射误差改正。 辐射校正的目的主要包括：1、尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声等引起的传感器的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异；2、尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作奠定基础。 辐射校正分为辐射定标和大气校正两部分。 辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。
大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。 辐射校正流程图 1.4.3.2影像辐射校正方法 辐射定标主要分为两种类型：统计型和物理型。统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，另一方面，物理模型遵循遥感系统的物理规律，它们也可以建立因果关系。如果初始的模型不好，通过加入新的知识和信息就可以知道应该在哪部分改进模型。但是建立和学习这些物理模型的过程漫长而曲折。模型是对现实的抽象；所以一个逼真的模型可能非常复杂，包含大量的变量。例如6s模型，Mortran等。 用于大气辐射传输校正的模型主要有5S模型、6S模型、LOWTRAN模型、MODTRAN模型、ACORN模型、FLAASH模型和ATCOR模型。 1、ACORN模型 一种基于图像自身的大气校正软件，可以实现图像辐射值到表观地表反射率的转换，其工作波长范围是350-2500nm。在目前的大气校正程序一般都把地表假定为水平朗伯体,这主要是因为我们一般很难获取地表的充足信息以完成地形校正,因此大气校正的结果称为拉伸的地表反射率,又称表观反射率,在地形信息已知的情况下,可以将表观反射率转为地表反射率。
大气校正问题心得
九月份学习报告 报告人：fairy郑 学习内容介绍： 九月份主要对论文中存在的问题进行了修正以及对论文中不足的部分进行了改善。 一．首先：对环境小卫星HJ_1A的HIS数据进行了深入的了解。 二．其次：对envi软件在处理环境小卫星的HJ_1A的HIS数据的FALSSH大气校正从原理到实际操作有更加清晰的认识。 三．最后：对环境小卫星的HJ_1A的HIS数据的FALSSH大气校正的处理结果进行分析，并且根据此次实验对论文中的错误进行修正。 一．对环境小卫星HJ_1A的HIS数据的了解。 HSI 数据为资源卫星中心提供的辐亮度产品, 影像已经过系统级几何校正与表观辐亮度标定, 但前20 几个波段具有较为明显的噪声和条带效应。由此可知：环境小卫星HJ_1A的HIS数据是经过辐射定标的数据。 由辐亮度数据可以直接用公式求算出地物的表观反射率曲线 下图即为表观反射率曲线，即为原始数据的光谱曲线： 由上图可以得出在760 nm 与820 nm 附近存在两个明显的波谷, 这是由于760 nm 处为氧气吸收带,820 nm 处为水汽吸收带。说明直接由H SI 的辐亮度产品获得的表观反射率含有较多的大气影响。若直接基于表观反射率开展遥感应用, 难以体现地物的真实物理特性, 从而影响其后遥感应用的准确性。
二．在envi软件中进行大气校正的步骤 第一步：由于envi软件不能打开HJ_1A的HIS的h5格式的图像，所以下载了HDF5 这个扩展模块，这个扩展模块不用自己安装，直接将copy到“save_add”目录下，默认为C:\Program Files\ITT\IDL##\products\envi##\save_add\。 要使用这个这个功能时：按照File→Open Extenral File→HJ-1→HIS就可以打开h5格式的图像，同时还可以读取下载图像的原始信息。如下图 第二步：将图像格式转换为bip格式，
大气校正ENVI流程
在最初的遥感学习中，我总是分不清传感器定标、辐射定标、辐射校正、大气校正这几个概念的区别与联系。而且在不同的资料中，各个名词的解释又不一样。例如： 定标是将传感器所得的测量值变换为绝对亮度或变换为与地表反射率、表面温度等物理量有关的相对值的处理过程（赵英时等《遥感应用分析原理与方法》） 遥感器定标就是建立遥感器每个探测器输出值与该探测器对应的实际地物辐射亮度之间的定量关系；建立遥感传感器的数字量化输出值DN与其所对应的视场中辐射亮度值之间的定量关系（陈述彭）。辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程（梁顺林《定量遥感》，2009） 其实，简单来说，辐射定标就是将记录的原始DN值转换为大气外层表面反射率，目的是消除传感器本身产生的误差，有多种方法：实验室定标、星上定标、场地定标。公式1就是将初始的DN值转换为辐射亮度，其中Lb是值辐射亮度值，单位是：W/cm2.μm.sr（瓦特/平方厘米.微米.球面度），Gain和Bias是增益和偏移，单位和辐射亮度值相同，可以看出，辐射亮度和DN值是线性关系。公式二是将辐射亮度值转换为大气表观反射率，式中：Lλ为辐射亮度值，d为天文单位的日地距离，ESU Nλ为太阳表观辐射率均值，θs是以度为单位的太阳高度角。不过总的来说，这部分的工作基本上不需要用户自己做，相关的系数都包含在数据的头文件或者元数据中了。例如用Env i打开Modis数据，就是反射率（大气外层表观反射率），辐射亮度
以及发射率三个数据类型（见dsbin：传感器定标http://bbs.esri https://www.360docs.net/doc/248642413.html,/ESRI/viewthread.php?tid=56191）。 大气校正就是将辐射亮度或者表观反射率转换为地表实际反射率，目的是消除大气散射、吸收、反射引起的误差。主要分为两种类型：统计型和物理型。 统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，详细请参照玉妮小居新浪博客：辐射校正的统计模型https://www.360docs.net/doc/248642413.html,/s/blog_5f4afe870100da1w. html。 另一方面，物理模型遵循遥感系统的物理规律，它们也可以建立因果关系。如果初始的模型不好，通过加入新的知识和信息就可以知道应该在哪部分改进模型。但是建立和学习这些物理模型的过程漫长而曲折。模型是对现实的抽象；所以一个逼真的模型可能非常复杂，包含大量的变量。例如6s模型，Mortran等。 而辐射校正指在光学遥感数据获取过程中，产生的一切与辐射有关的
实验三 遥感图像的几何校正
实验法三遥感图像的几何校正 一实验目的 通过实验操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义。 二实验内容 ERDAS软件中图像预处理模块下的图像几何校正。 几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。而将地图投影系统赋予图像数据的过程，称为地理参考（Geo-referencing）。由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。 1、图像几何校正的途径 ERDAS图标面板工具条：点击DataPrep图标，→Image Geometric Correction →打开Set Geo-Correction Input File对话框（图1）。 ERDAS图标面板菜单条：Main→Data Preparation→Image Geometric Correction→打开Set Geo-Correction Input File对话框（图1）。 图1 Set Geo-Correction Input File对话框 在Set Geo-Correction Input File对话框（图1）中，需要确定校正图像，有两种选择情况： 其一：首先确定来自视窗（From Viewer），然后选择显示图像视窗。 其二：首先确定来自文件（From Image File），然后选择输入图像。 2、图像几何校正的计算模型（Geometric Correction Model） ERDAS提供的图像几何校正模型有7种，具体功能如下： 表1 几何校正计算模型与功能 模型功能 Affine 图像仿射变换（不做投影变换） Polynomial 多项式变换（同时作投影变换） Reproject 投影变换（转换调用多项式变换） Rubber Sheeting 非线性变换、非均匀变换 Camera 航空影像正射校正 Landsat Lantsat卫星图像正射校正 Spot Spot卫星图像正射校正 其中，多项式变换（Polynomial）在卫星图像校正过程中应用较多，在调用多项式模型时，需要确定多项式的次方数（Order），通常整景图像选择3次方。次方数与所需要的最
Landsat卫星的TM ETM各波段介绍
Landsat卫星的TM/ETM各波段介绍 北京揽宇方圆信息技术有限公司拥有WorldView、QuickBird、IKONOS、GeoEye、SPOT、PLEIADES、高分一号、高分二号、资源三号等世界上最高分辨率卫星影像的代理权，能够为户提供全天候、全覆盖、多分辨率、多尺度的影像产品。整合最丰富的遥感影像数据资源，为用户提供最专业的遥感影像数据服务，北京揽宇方圆致力成为中国遥感影像数据服务第一品牌。 一、波段介绍 1.TM1 0.45-0.52um,蓝波段 对水体穿透强, 该波段位于水体衰减系数最小，散射最弱的部位（0.45—0.55um）,对水体的穿透力最大，可获得更多水下信息，用于判断水深，浅海水下地形，水体浑浊度，沿岸水，地表水等； 能够反射浅水水下特征，区分土壤和植被、编制森林类型图、区分人造地物类型,分析土地利用。 对叶绿素与叶色素反映敏感,有助于判别水深及水中叶绿素分布以及水中是否有水华等。 2.TM2 0.52-0.60um,绿波段 对植物的绿反射敏感该波段位于健康绿色植物的绿色反射率（0.54—-0.55um）附近； 对健康茂盛植物的反射敏感, 主要观测植被在绿波段中的反射峰值,这一波段位于叶绿素的两个吸收带之间,利用这一波段增强鉴别植被的能力 对绿的穿透力强, 探测健康植被绿色反射率,按绿峰反射评价植物的生活状况,区分林型,树种，植被类型和评估作物长势 对水体有一定的穿透力，可反映水下特征，水体浑浊度，水下地形，沙洲，沿岸沙地等。. 可区分人造地物类型， 3.TM3 0.62-0.69um ,红波段 对水中悬浮泥沙反映敏感。该波段位于含沙浓度不同的水体辐射峰值（0.58—-0.68um）附近，对水中悬浮泥沙反映敏感。 叶绿素的主要吸收波段, 能增强植被覆盖与无植被覆盖之间的反差,亦能增强同类植被的反差，反映不同植物叶绿素吸收,植物健康状况,用于区分植物种类与植物覆盖率, 测量植物绿色素吸收率，并以此进行植物分类； 此外其信息量大,广泛用于对裸露地表，植被，岩性，地层，构造，地貌等为可见光最佳波段； 可区分人造地物类型 4 .TM4 0.76-0.96UM 近红外波段, 对绿色植物类别差异最敏感,为植物通用波段,用于牧师调查,作物长势测量, 处于水体强吸收区，水体轮廓清晰，用于勾勒水体，绘制水体边界、探测水中生物的含量和
基于6S模型TM遥感影像大气校正
毕业论文 题目：基于6S模型的TM遥感影像大气校正 研究--以张掖地区为例 学院：地理与环境科学学院 专业：地理信息系统 毕业年限：2011年 学生姓名：秦麟 学号：200775000126 指导教师：李净
基于6S模型的TM遥感影像大气校正研究--以张掖地区为例 秦麟 摘要：受大气吸收与散射的影响，电磁波在大气--目标物--遥感器途径传输过程中发生失真，造成目标地物反射辐射能量到达遥感器时被衰减。给计算地表反照率、反射率和地表温度等关键参数带来较大的误差。本文以张掖地区Landsat TM热红外波的遥感图像数据为例，通过利用6S大气辐射传输模型进行大气校正，并在窄波段反照率与宽波段反照率之间存在线性关系的前提下，反演该地区的地表反照率。 关键词：6S模型；大气校正；地表反照率 6S Model Based Atmospheric Correction of Remote Sensing Image in zhangye QIN Lin Abstract : Due to the distortions and noises caused by the presence of the atmosphere on the Sun-target-Sensor path, the space-based and airborne remote sensing information in the solar spectral range do not directly characterize the surface objects. It becomes serious impediments for the quantitative analysis and measurement of resources and environment. This paper discussed the atmospheric correction with 6S model (Second Simulation of Satellite Signal in the Solar Spectrum), reversing surface albedos under the linear relationship between narrow band albedos and broadband albedos in the remote sensing image in zhangye city. Key words: 6S model; atmospheric correction; surface albedo.
FLAASH大气校正参数设置
1.3.2FLAASH其它参数的设置 （1）图像中心点坐标 可以从相应的HDF文件中找到，也可以从屏幕上直接读取影像的中心坐标，对反演结果影响不大。当影像位于西半球时，经度为负值； （2）传感器类型 当选择传感器类型时，模块会选择相应的类型的传感器波段响应函数，同时系统一般会自动设置传感器的高度和图像的空间分辨率； （3）海拔高度 海拔高度为研究区的平均海拔； （4）数据获取日期和卫星过境时间 卫星过境时间为格林尼治时间，可以从相应的HDF文件中找到； （5）大气模型 模块提供热带、中纬度夏季、中纬度冬季、极地夏季、极地冬季和美国标准大气模型，研究者根据数据获取时间选择相应的大气模型； （6）水气反演 大多数多光谱数据不推荐反演水汽含量； （7）气溶胶模型 可供选择的气溶胶模型有无气溶胶、城市气溶胶、乡村气溶胶、海洋气溶和对流层气溶胶模型。当能见度大于40Km时，气溶胶类型选择对反演没有太多影响，一般情况下利用ASTER 数据不做气胶反演； 在高级设置中，①Modtran 分辨率（Modtran resolution）：一般设置成5cm-1；②反射率输出的时尺度系数，默认尺度系数是10000，可以使用默认的尺度系数。若使用默认的尺度系数，大气校正后得到反射率图像的数值域为：0-10000。其余参数使用默认值。 大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率和辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧对地物反射的影响，消除大气分子和气溶胶散射的影响。FLAASH 可以处理任何高光谱数据、卫星数据和航空数据(860nm/1135nm)，这些数据是由HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO-1)AISA、HARP、DAIS、Probe-1、TRWIS-3、SINDRI、MIVIS、OrbView-4、NEMO等传感器获得的。FLAASH还可以校正垂直成像数据和侧视成像数据。
landsat遥感影像地温度反演教程大气校正法
基于辐射传输方程的Landsat数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 标识日期采集时间中心经度中心纬度LC81280402016208LGN00 2016/7/26 3:26:56 106.11288 30.30647 …………………………注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。
（1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration。在File Selection对话框 中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset 选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings， 如下图。
注意与热红外数据辐射定标是的差 别，设置后Scale factor值为0.1。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取；
遥感图像几何校正
第4讲遥感图像几何校正 遥感成像的时候，由于飞行器的姿态、高度、速度以及地球自转等因素的影响，造成图像相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对几何畸变进行的误差校正就叫几何校正。 几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。 在开始介绍ENVI的几何校正操作之前，首先对ENVI的几何校正几个功能要点做一个说明。 1几何校正方法 （1）利用卫星自带地理定位文件进行几何校正 对于重返周期短、空间分辨率较低的卫星数据，如A VHRR、MODIS、SeaWiFS等，地面控制点的选择有相当的难度。这时，可以利用卫星传感器自带的地理定位文件进行几何校正，校正精度主要受地理定位文件的影响。 （2） image to image几何校正 通过从两幅图像上选择同名点（或控制点）来配准另外一幅栅格文件，使相同地物出现在校正后的图像相同位置 （3）image to map几何校正 通过地面控制点对遥感图像几何进行平面化的过程。 （4）image to image 自动图像配准 根据像元灰度值或者地物特征自动寻找两幅图像上的同名点，根据同名点完成两幅图像的配置过程。 （5）image registration workflow流程化工具
将具有不同坐标系、不同地理位置的图像配准到同一坐标系下，使图像中相同地理位置包含相同的地物。 2控制点选择方式 ENVI提供以下选择方式： ?从栅格图像上选择 如果拥有需要校正图像区域的经过校正的影像、地形图等栅格数据，可以从中选择控制点，对应的控制点选择模式为Image to Image。 ?从矢量数据中选择 如果拥有需要校正图像区域的经过校正的矢量数据，可以从中选择控制点，对应的模式为Image to Map。 ?从文本文件中导入 事先已经通过GPS测量、摄影测量或者其他途径获得了控制点坐标数据，保存为以[Map (x,y), Image (x,y)]格式提供的文本文件可以直接导入作为控制点，对应的控制点选择模式为Image to Image 和Image to Map。 ?键盘输入 如果只有控制点目标坐标信息或者只能从地图上获取坐标文件（如地形图等），只好通过键盘敲入坐标数据并在影像上找到对应点。 3详细操作步骤 3.1基于自带定位信息的几何校正 下面以MODIS Level 1B级数据为例学习利用自带几何定位文件进行几何校正，数据在"第4讲遥感图像预处理\基于自带定位信息的几何校正\数据\1-Modis"中，具体操作如下： 第一步：打开数据文件
TM影像各波段介绍
TM影像各波段介绍 1.TM1 0.45-0.52um,蓝波段,对水体穿透强,对叶绿素与叶色素反映敏感,有助于判别水深及水中叶绿素分布以及水中是否有水华等. 2.TM2 0.52-0.60um,绿波段,对健康茂盛植物的反射敏感,对力的穿透力强,用于探测健康植物绿色反射率,按绿峰反射评价植物的生活状况,区分林型,树种和反映水下特征. 3.TM3 0.62-0.69UM ,红波段,叶绿素的主要吸收波段,反映不同植物叶绿素吸收,植物健康状况,用于区分植物种类与植物覆盖率,其信息量大多为可见光最佳波段,广泛用于地貌,岩性,土壤,植被,水中泥沙等方面. 4 .TM4 0.76-0.96UM 近红外波段,对绿色植物类别差异最敏感,为植物通用波段,用于牧师调查,作物长势测量,水域测量. 5.TM5 1.55-1.75UM,中红外波段,处于水的吸收波段,一般1.4-1.9UM内反映含水量,用于土壤湿度植物含水量调查,水分善研究,作物长势分析,从而提高了区分不同作用长势的能力.易于反映云与雪. 6.TM6 1.04-1.25UM热红外波段,可以根据辐射响应的差别,区分农林覆盖长势,差别表层湿度,水体岩石,以及监测与人类活动有关的热特征,进行热制图. 7.TM7 2.08-3.35UM,中红外波段,为地质学家追加波段,处于水的强吸收带,水体呈黑色,可用于区分主要岩石类型,岩石的热蚀度,探测与交代岩石有关的粘土矿物. 二.类型提取: 1.城市与乡镇的提取:TM1+TM7+TM3+TM5+TM6+TM2-TM4 2.乡镇与村落:TM1+TM2+TM3+TM6+TM7-TM4-TM5 3.河流的提取:TM5+TM6+TM7-TM1-TM2-TM4 4.道路的提取：ＴＭ６－（ＴＭ１＋ＴＭ２＋ＴＭ３＋ＴＭ４＋ＴＭ５＋ＴＭ７） 三．光谱差异 ＴＭ１居民地与河流菜地不易分开． ＴＭ２居民地与河流菜地不易分 ＴＭ３乡村与菜地不易分 ＴＭ４农田与道路不易分，乡镇，道路，河滩易浑． ＴＭ５县城与农田不易分 ＴＭ６村庄与河流易混．