基于FLAASH的多光谱影像大气校正应用研究

基于FL AA S H 的多光谱影像大气校正应用研究

郝建亭,杨武年,李玉霞,郝建园

(成都理工大学遥感与GIS 研究所,成都610059)

摘要:受大气吸收与散射影响,遥感器得到的测量值与目标物的真实值间存在误差,给反演地表反射率/反照率和地表温度等关键参数带来较大误差,影响了图像分析的精度。选择ASTER 多光谱数据,利用FLAASH 模块进行大气辐射校正和反射率反演。对校正前后的反射辐射和归一化植被指数(NDVI )的变化进行了对比研究,并利用校正前后的NDVI 反演植被盖度。研究表明,大气校正后图像计算的植被盖度显著提高。

关键词:大气校正;FLAASH ;多光谱影像;ASTER 数据

中图分类号:TP751 文献标识码:A 文章编号:1000-3177(2008)95-0078-04

收稿日期:2007-04-13

修订日期:2007-

05-30

作者简介:郝建亭(1982～),女,硕士研究生,研究方向:“3S ”信息技术及应用。 E 2m ail :E -mail :hao.jt @https://www.360docs.net/doc/fd1506831.html,

1　引　言

由于空中遥感器在获取信息过程中受到大气分子、气溶胶和云粒子等大气成份吸收与散射的影响,使其获取的遥感信息中带有一定的非目标地物的成像信息,数据预处理的精度达不到定量分析的要求。消除这些大气影响的处理,从而获取精确的地面反射率信息是遥感定量分析的关键,也是进行遥感影像预处理的一个重要环节。

就太阳反射光谱区的遥感数据而言,大气辐射校正和反射率反演方法研究的目的就是将这些卫星遥感定标后的表观辐亮度转换为反映地物真实信息的地表反射率[1]。本文利用ENV I 软件的FL AASH 大气校正模块,研究基于遥感影像的大气辐射校正实现方法,消除大气透过率、天空光向下漫射等因素对图像质量的影响,来改善影像质量,提高信息提取的精度。

2　大气校正方法概述

目前,大气校正方法大致可以归纳为基于图像

特征的相对校正法、基于地面线性回归模型法、基于大气辐射传输模型法和复合模型法4种[2]。

其中应用比较广泛的是基于地面线性回归模型法,首先假设地面目标的反射率与遥感器探测的信号之间具有线性关系,通过获取遥感影像上特定地物的灰度值及其成像时相应的地面目标反射光谱的测量值,建立两者之间的线性回归方程式,在此基础上对整幅遥感影像进行辐射校正。此方法数学和物

理意义明确,计算简单,但必须以大量野外光谱测量为前提,因此成本较高,对野外工作依赖性强,且对地面定标点的要求比较严格[3]。

在诸多的大气校正方法中校正精度高的方法是辐射传输模型法。辐射传输模型法是利用电磁波在大气中的辐射传输原理建立起来的模型对遥感图像进行大气校正的方法。其算法在原理上与地面线性回归模型基本相同,差异在于不同的假设条件和适用的范围。因此产生很多可选择的大气校正模型,应用广泛的就有近30个。基于大气辐射传输模型的大气校正技术发展有多种模块,如A TREM 、A T 2COR 、ACORN 、HA TC H 、FLAASH 等[4]。

最理想的大气辐射校正和反射率反演方法是仅通过遥感影像信息,而不需要野外场地测量等辅助数据.并且能够适用于历史数据和很偏远的研究区。因此,本文选用基于大气传输模型的FL AASH 模块对研究区进行大气校正。

3　利用FL AASH 进行大气校正

3.1　FL AASH 模块简介

FLAASH (Fast line 2of 2fight at mosp heric anal 2ysis of spect ral hypercubes )是Spect ral sciences Inc.(SSI )、U.S.Air force research laboratory (A FRL )和Spectral information technology appli 2cation center (SITAC )联合开发的大气订正软

件[5]。FL AASH 采用MOD TRAN 4+辐射传输模型的代码,是目前精度最高的大气辐射校正模型。基于像素级的校正,可校正由于漫反射引起的连带

效应,包含卷云和不透明云层的分类图,可调整由于人为抑止而导致的波谱平滑。FLAASH可对Landsat,SPO T,AV HRR,ASTER,MODIS, M ERIS,AA TSR,IRS等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校正分析,能有效消除大气和光照等因素对地物反射的影响,获得地物较为准确的反射率和辐射率、地表温度等真实物理模型参数。

3.2　FL AASH模块中的辐射传输方程[6]

FLAASH模块中大气校正基于太阳波谱范围内(不包含热辐射)地表非均匀、朗伯面的模型。

Aρ

1ρe S+

Bρe

1ρe S+L a

(1)

其中:L为遥感器接收的总辐射;ρ为像元的反射

率;ρ

e为周围区域的平均反射率;S为大气向下的半球反照率;L

a为大气程辐射;A、B是依赖于大气(透过率)和几何状况的的系数。(1)式右边第一项表示像元反射直接进入遥感器的部分;第二项为地表像元的反射经大气的散射进入传感器的部分[5]。公式中几个相关的参数可以由MOD TRAN模拟得

到。ρ和ρ

e的区别主要来自于大气散射引起的“邻近像元效应”。FLAASH中利用大气点扩散函数(Point2Sp read Function)对邻近像元效应进行了纠

正。可以通过以下方程估算ρ

L e≈(A+B)ρe

1ρe S

+L a(2)

e给定像素及其周围像素的空间平均值,可以通过原始影像进行计算。

3.3　大气参数获取

FLAASH模块大气校正首先要从影像中获取大气参数,包括气溶胶光学厚度、气溶胶类型和大气水汽柱含量。目前有许多反演大气水汽含量的算法,最准确但也最为耗时的是集成在HA TCH模块中的平滑优化法(Smoot hness Optimization Ap2 proach)。FL AASH中采用波段比值法进行水汽柱含量的反演,即用1130nm处的水汽吸收波段及其邻近的非水汽吸收波段的比值来获取大气水汽柱含量,实际运算中用MOD TRAN4生成了一个查找表来对每个像元进行水汽含量的反演。FL AASH模块中气溶胶光学厚度的反演采用暗目标法,利用660nm和2100nm处的反射率估算气溶胶量。暗目标法是由Kauf mau提出,由于2100nm波长比大部分气溶胶微粒的直径要大,故该波段受气溶胶影响可以忽略;在大量的试验中,他发现2100nm的植被反射率与660nm植被反射率之间存在稳定的关系,因此可以直接利用2100nm的植被反射率来获取660nm处的植被反射率[4]。气溶胶的影响会使得实际获得的植被反射率与理论反射率存在一定差异,FL AASH模块中正是利用了这个差异来反演气溶胶的光学厚度值。

MOD TRAN模型通过计算column water va2 por的量来计算A,B,S和L a。Column water va2 por是未知而且在不同的场景下是不相同的,运行几次不同水蒸气数量的MOD TRAN模型,构成一个查找表,每个像素从该表获得水蒸气的量来计算A,B,S和L a。

3.4　利用辐射传输方程求解

由MOD TRAN模拟得到大气相关参数,影像的反射率就可以直接逐个像元进行计算。步骤如下:

首先忽略影像邻近像元效应的影响,利用(2)式计算像元的空间平均反射率ρ

e。

获取邻近像元反射率。FL AASH模块中用一个径向距离的近似指数函数代替大气点扩散函数进行邻近像元反射率的计算。

求得邻近像元反射率后,将遥感器接收的辐射亮度和MOD TRAN4模拟的大气校正参数代入(1)式可求得地物真实反射率ρ。

4　应用实例

本文对四川毛儿盖地区2003年11月2日的ASTER多光谱数据进行了大气校正,研究区范围为东经103°20′～103°40′,北纬32°00′～32°30′。选择ASTER数据的可见光、近红外9个波段进行校正。根据研究区状况和影像头文件可获得校正所需的影像中心经纬度、传感器类型、传感器高度、采集日期及时间、研究区高程、像元大小等参数。

MOD TRAN4提供了六种大气模型和四种气溶胶模型供用户选择,根据研究区状况,本文选择中纬度夏季大气状况和乡村气溶胶模型。可见度依据天气状况选择,本文所用影像基本无云,成像质量好,设置可见度为40km。

4.1　大气校正结果

从图1中可以看到校正前后的图像视觉效果和反射辐射亮度有明显变化,校正后的图像更加清楚。直方图加宽,这说明FL AASH校正有效地去除了

大气中气溶胶的影响,提高了图像质量。图2为大气校正前后的光谱曲线

。

　(a )未经过校正(b )经过FLAASH 大气校正

图1　FL AASH 大气校正前后ASTER 图像可见光、

近红外波段假彩色合成图

　(a )辐射率光谱曲线

(b )反射率光谱曲线

　白色为水体,红色为植被,绿色为裸土波长:(微米)

图2　ASTER 影像不同地物FL AASH 大气纠正

结果比较,波谱分辨率为15cm 2

图3　校正前后NDV I 直方图对比

为进一步评价和验证FL AASH 模型对AS 2TER 大气辐射校正的效果,对校正前后的NDV I 进行统计分析(见图3)。水汽、气溶胶和大气点扩散

效应校正后NDV I 明显增大,校正前后NDV I 平均值为0.159974和0.394632,NDV I 标准偏差为0.1

01849和0.126610。

4.2　校正结果评价

由于大气校正结果的验证要求时间严格同步的地面实测光谱数据,而对历史影像数据难以获取符合要求的实测数据。利用卫星和航空遥感数据进行的空间———时相研究表明,大气对植被指数有影响。根据Pitt s 等人的研究,大气吸收可减小近红外信息量的20%以上,这就使反演精度降低。相对来说,植被盖度的验证数据获取较为简单。利用校正前后影像反演植被盖度,可以间接反映大气校正的结果。植被盖度是指植被冠层的垂直投影面积与土壤面积之比。本文采用1992年中科院地理所张仁华教授提出的植被覆盖度和植被指数的模型反演植被盖度[7]。

f =

N DV I N DV I s N DV I v N DV I s

(3)

其中,N DV I v 和N DV I s 分别是纯植被与纯土壤的植被指数。利用此模型进行反演植被覆盖度的关键就是确定N DV I v 和N DV I s 的值,它们决定了模型的准确性。运用ENV I4.3的统计(Statistics )功能可以较方便的提取N DV I v 和N DV I s ,这里我们假定至少有50个像元同时取得N DV I v 和N D 2V I s 时,N DV I v 和N DV I s 才是有效值。通过统计计算得出原始图像的N DV I v 和N DV I s 分别等于0.000524和等于0.483682;大气校正后的图像N DV I v 和N DV I s 分别等于0.001411和等于0.736662。总体上比较来看,

N DV I 大的地区f 也较大,二者有很好的一致性。图4为大气校正前后的植被盖度反演图像。

图4　大气校正前后的植被盖度反演图像

经ARC GIS 软件统计分析,大气校正前AS 2TER 遥感图像植被覆盖度在0～50%的面积占

81.23%,50%～85%的面积占18.29%,85%～100%的面积占0.48%,整个毛儿盖地区植被平均覆盖度为31.8%。大气校正后ASTER遥感图像植被覆盖度在0～50%的面积占45.56%,50%～85%的面积占52.31%,85%～100%的面积占2. 13%。整个毛儿盖地区植被平均覆盖度为53. 22%。经过大气校正后,由于消除了大气对图像质量的影响,使得植被指数增大,植被盖度也增大。将外业调查数据和校正前后两个植被盖度的估计值进行比较,实际样地植被盖度的平均值为63.18%,大气校正后反演精度大为提高。

5　结束语

由于气溶胶和大气中分子吸收的影响,使卫星遥感数据质量下降,严重影响了遥感的参数化反演精度,大气校正已被认为是定量遥感的关键。FL AASH大气校正的结果显示,利用该算法可以较为准确的从图像中获取地表反射率信息。对于能见度为中等到清晰,大气水汽柱含量为低到中等的大气条件下,进行天底点垂直观测获取的影像, FL AASH能够反演得到更为精确的反射率信息。FL AASH模块已被嵌入ENV I软件而被普遍使用。当然,该方法也有进一步改进的地方,提高地形复杂的地区及复杂大气条件下的反演精度是今后研究的方向。

参考文献

1　阮建武,邢立新.遥感数字图像的大气辐射校正应用研究[J].遥感技术与应用,2004,19(3):206～208.

2　郑伟,曾志远.遥感图像大气校正方法综述[J].遥感信息,2004(4):66～67.

3　田庆久,郑兰芬,童庆禧.基于遥感影像的大气辐射校正和反射率反演方法[J].应用气象学报,1998,9(4):456～461.

4　M W Matthew,S M Adler2Colden,A Berk.G Felde,G P Anderson,D G orodestzky,S Paswaters,M Shippert.Atmos2 pheric correction of spectral imagery:Evaluation of the FL AASH algorithm with AV IRIS data[C].Presented at SPIE Pro2 ceeding,Algorithm and Technologies for Multispectral,Hyperspectral,and Ultraspectral Imagery IX,2003.

5　宋晓宇,王纪华,等.基于高光谱遥感影像的大气纠正:用AV IRIS数据评价大气纠正模块FL AASH[J].遥感技术与应用, 2005,20(4):393～398.

6　Adler2G olden S M,Matthew M W,Bernstein L S.Atmospheric correction for Short2wave spectral imagery based on MOD TRAN4[C].SPIE Proceeding,Imaging Spectrometry V,1999.3753.

7　刘丹丹,等.土地利用现状更新调查中大气校正对反演植被盖度影响的研究[J].黑龙江工程学院学报(自然科学版).

2006,20(2):23～26.

Atmospheric Correction of Multi2spectral Im agery ASTER

HAO Jian2ting,YAN G Wu2nian,L I Yu2xia,HAO Jian2yuan

(RS&GI S I nstitute of Cheng du Universit y of TechnoL og y,Cheng du610059)

Abstract:Because of the absorb and dispersion of atmosphere,there exist errors between the measured and true target values.It becomes serious impediments for the quantitative analysis and resources and environment measurements.

An operational method of correcting visible and near2inf rared data for atmospheric effects is presented.The method,which is based on FL AASH(Fast line2of2fight atmospheric analysis of spectral hypercubes),is used to atmospheric correction of ASTER visible and near2inf rared bands.Sensitivity analysis is conducted by comparing corrected and uncorrected reflectance data inclu2 ding spectral brightness and normalized difference vegetation index(NDV I).The research indicates that the precision will be im2 proved if NDV I is adopted,which is counted through the image of atmosphere correction.

K ey w ords:atmospheric correction;FL AASH;multi2spectral imagery;ASTER data

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

高光谱数据处理基本流程

高光谱数据处理基本流程 The document was finally revised on 2021

高光谱分辨率遥感用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry）遥感。高光谱遥感具有不同于传统遥感的新特点：（1）波段多——可以为每个像元提供几十、数百甚至上千个波段；（2）光谱范围窄——波段范围一般小于10nm；（3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱；（4）数据量大——随着波段数的增加，数据量成指数增加；（5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。优点：（1）有利于利用光谱特征分析来研究地物；（2）有利于采用各种光谱匹配模型；（3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程：一、图像预处理高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。二、显示图像波谱打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。三、波谱库 1、标准波谱库软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库

ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等四、端元波谱提取端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。端元波谱的确定有两种方式：（1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择；（2）在遥感图像上得到的“图像端元”。端元波谱获取的基本流程：（1）MNF变换重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。（2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。作用及原理：

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；

FLASSH大气校正的过程

Flaash大气校正（IRSP6-08.3.24）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、HY DICE、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。 Flaash大气校正使用了MODTRAN 4+ 辐射传输模型的代码，基于像素级的校正，校正由于漫反射引起的连带效应，包含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑。 FLAASH可对Landsat, SPOT, AVHRR, ASTER, MODIS, MERIS, AATSR, IRS等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校正分析。能有效消除大气和光照等因素对地物反射的影响，获得地物较为准确的反射率和辐射率、地表温度等真实物理模型参数。校正过程点击envi——Basic Tools －Preprocessing －Calibration Utilities －FLAASH Spectral －FLAASH.或者点击envi-spectral- FLAASH 1、输入数据必须是辐射校正后的数据，对辐射校正数据转成BIL或BIP格式（Basic Tool s ——Convert Data）； 2、对输入数据进行头文件编辑，主要是对波长wavelenth（即每一波段的波长中心值）和波长宽度fwhm（每一波段的波长范围）的编辑。不是高光谱数据可以不对fwhm进行编辑。（e nvi——file——Edit Envi Header） 3、输入数据后，弹出如下对话框共有两种选择，如果输入影像不同波段有不同的转换因子，那选择第一种，反之第二种。我用的是irs影像所有波段都为同一因子，所以选用第二种，因子的值根据输入数据的单位与envi标准单位的转换尺度。 Radiance Scale Factors是一个单位转换因子，如果你的radiance（光谱灵敏度）是标准单位w/m2 *um *rad ，而flaash要求输入的是uw/cm2*sr*nm，则该因子为10。 1m=103mm=106μm=109nm=1012pm(皮米) 1w=103mw=106μw 1兆瓦=106瓦

遥感数字图像处理要点

遥感数字图像处理-要点 1．概论遥感、遥感过程遥感图像、遥感数字图像、遥感图像的数据量遥感图像的数字化、采样和量化通用遥感数据格式（BSQ、BIL、BIP）遥感图像的模型：多光谱空间遥感图像的信息内容：遥感数字图像处理、遥感数字图像处理的内容遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？多光谱空间中，像元点的坐标值的含义是什么？与通用图像处理技术比较，遥感数字图像处理有何特点？遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量灰度直方图：概念、类型、性质、应用最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义波段散点图概念及分析主要遥感图像的统计特征量的意义两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理图像增强：概念、方法空间域增强、频率域增强

3.1辐射增强：概念、实现原理直方图修正，线性变换、分段线性变换算法原理直方图均衡化、直方图匹配的应用 3.2空间增强邻域、邻域运算、模板、模板运算空间增强的概念平滑（均值滤波、中值滤波）原理、特点、应用锐化、边缘增强概念方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点 ?计算图像经过下列操作后，其中心象元的值： –3×3中值滤波 –采用3×3平滑图像的减平滑边缘增强 –域值为2的3×1平滑模板 –Sobel边缘检测 –Roberts边缘检测 –模板 3.3频率域处理高频和低频的意义图像的傅里叶频谱频率域增强的一般过程频率域低通滤波频率域高通滤波同态滤波的应用

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，

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.

大气校正问题心得

大气校正问题心得-标准化文件发布号：（9556-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

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。

高光谱图像分类

《机器学习》课程项目报告高光谱图像分类 ——基于CNN和ELM 学院信息工程学院专业电子与通信工程学号 35 学生姓名曹发贤同组学生陈惠明、陈涛硕士导师杨志景 2016 年 11 月

一、项目意义与价值高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。

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；

FLAASH大气校正软件使用说明

FLAASH 大气校正软件使用须知胡顺石 hufrank@https://www.360docs.net/doc/fd1506831.html, （中国科学院遥感应用研究所） 1 输入数据要求 1．波段范围：卫星图像400—2500nm ，航空图像860—1135nm ； 2．数据类型：必须是浮点型、4位有符号整型、2位无符号整型； 3．影像存储格式：输入影像必须是BIL 或BIP 格式； 4．影像单位：输入影像的单位必须是2/()W cm nm sr μ??，如果单位不一致，先转换成所需要的单位。可以指定为每个波段指定一个缩放因子，这需要一个文本文件，文本文件中包含每个波段对应的缩放因子；也可以为整幅影像的所有波段指定相同的缩放因子， 5．水汽获取：如果要获取图像水汽含量，传感器具有1050~1210nm ，770~870nm 或者870~1020nm 范围内的通道，并且这些通道必须具有至少15nm 的光谱分辨率； 6．气溶胶获取：如果要获取图像气溶胶含量，传感器必须具有660nm 和2100nm 附近的通道，这些通道主要是用于获取“黑暗像元”，条件为0.662.1 2.1 (0.1)&&(0.45)ρρρ≤≈，如果输入图像中还具有800nm 和420nm 附近的通道，可以用于消除阴影和水体，条件为 0.880.42 1.0ρρ≤； 7．输入波长信息：对于FLAASH 暂时没有的传感器类型：如果是高光谱数据，需要波长、FWHM 信息，这些信息可以在头文件中，也可以建立一个ASCII 文件进行存储；如果是多光谱数据，由要输入光谱响应函数，这需要在“Multispectral Settings ”中进行设置。 2 多光谱设置 1．对于大部分多光谱数据而言，由于其不具备水汽反演通道，并且光谱分辨率没有达到15nm ，水汽反演功能是不能设置的； 2．气溶胶反演，如下图所示。这些参数用于确定黑暗像元，用于气溶胶反演；

大气校正(ENVI)

大气校正（ENVI）大气校正是定量遥感中重要的组成部分。本专题包括以下容：大气校正概述 ENVI中的大气校正功能 1大气校正概述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，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。大多数情况下，大气校正同时也是反演地物真实反射率的过程。

图1 大气层对成像的影响示意图很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太的辐射情况，那么就需要做大气校正。我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校

正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。目前，遥感图像的大气校正方法很多。这些校正方法按照校正后的结果可以分为2种：绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。常见的绝对大气校正方法有：基于辐射传输模型 MORTRAN模型 LOWTRAN模型 ATCOR模型 6S模型等基于简化辐射传输模型的黑暗像元法基于统计学模型的反射率反演；相对大气校正常见的是：基于统计的不变目标法直方图匹配法等。既然有怎么多的方法，那么又存在方法选择问题。这里有一个总结供参考： 1、如果是精细定量研究，那么选择基于基于辐射传输模型的大

遥感影像变化检测

遥感影像变化检测报告学院：专业：指导老师：小组成员： 2013年5月

1、遥感影像变化检测的概念遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化。它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。由此可知，遥感影像变化检测是从不同时期的遥感图像中，定量地分析和确定地物变化的特征和过程。它涉及到变化的类型、分布状况及变化信息的描述，即需要确定变化前后的地物类型、界限和分析变化的属性。变化检测的研究对象为地物，包括自然地物和人造地物，其中人造地物在军事上常被称为目标。描述地物的特性包括：空间分布特性、波谱反射与辐射特性、时相变化特性。遥感影像的变化检测在土地覆盖变化监测、环境变迁动态监测、自然灾害监测、违章建筑物查处、军事目标打击效果分析以及国土资源调查等方面拥有广泛的应用价值和商业价值。变化检测通常包括以下4个方面的内容： (1)判断是否发生了变化，即确定研究区域内地物是否发生了变化； (2)标定变化发生的区域，即确定在何处发生了变化，将变化像元与未变化像元区分开来； (3)鉴别变化的性质，给出在每个变化像元上所发生变化的类型，即确定变化前后该像元处的地物类型； (4)评估变化的时间和空间分布模式。其中，前两个方面是变化检测所要解决的基本问题，而后两个方面则根据应用要求决定是否需要做。 2、遥感影像变化检测的三个层次遥感图像分析过程中通常包括数据层处理、特征层处理和目标层处理三个过程。依据这三个层次划分，可将变化检测分为：像元级变化检测、特征级变化检测和目标级变化检测。 (1)像元级变化检测是指直接在采集的原始图像上进行变化检测。尽管基于像元的变化检测有它一定的局限性，但由于它是基于最原始的图像数据，能更多地保留图像原有的真实感，提供其它变化检测层次所不能提供的细微信息，因而目前绝大多数的变化检测方法都是像元级变化检测。 (2)特征级变化检测是采用一定的算法先从原始图像中提取特征信息，如边缘、形状、轮廓、纹理等，然后对这些特征信息进行综合分析与变化检测。由于特征级的变化检测对特征进行关联处理，把特征分类成有意义的组合，因而它对特征属性的判断具有更高的可信度和准确性。但它不是基于原始数据而是特征，所以在特征提取过程中不可避免地会出现信息的部分丢失，难以提供细微信息。 (3)目标级变化检测主要检测某些特定对象(比如道路、房屋等具有明确含义的目标)，是在图像理解和图像识别的基础上进行的变化检测，它是一种基于目标模型的高层分析方法。变化检测的三个层次在实现上各有优缺点，在具体的变化检测中究竟检测到哪个层次是根据任务的需要确定的。像元级的变化检测保持了尽可能多的原始信息，具有特征级和目标级层次上所不具备的细节信息，但像元级变化检测仅考虑像素属性的变化，而未考虑其空间等特征属性的变化；特征级变化检测不仅考虑到空间形状的变化，而且还要考虑特征属性的变化，但特征级的变化检测依赖于特征提取的结果，但特征提取本身比较困难；目标级的变化检测最大的优点是它接近用户的需求，检测的结果可直接应用，但它的不足之处在于目标提取的困难性。

高光谱数据处理基本流程

高光谱分辨率遥感用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（ImagingSpectrometry）遥感。高光谱遥感具有不同于传统遥感的新特点：（1）波段多——可以为每个像元提供几十、数百甚至上千个波段；（2）光谱范围窄——波段范围一般小于10nm；（3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱；（4）数据量大——随着波段数的增加，数据量成指数增加；（5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。优点：（1）有利于利用光谱特征分析来研究地物；（2）有利于采用各种光谱匹配模型；（3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程：一、图像预处理高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。二、显示图像波谱打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。三、波谱库 1、标准波谱库软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库 ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱

来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等四、端元波谱提取端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。端元波谱的确定有两种方式：（1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择；（2）在遥感图像上得到的“图像端元”。端元波谱获取的基本流程：（1）MNF变换重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。（2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。作用及原理：纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最“纯”的像元。（通常基于MNF变换结果来进行）

envi遥感图像处理之大气纠正

大气校正说明文档步骤一：辐射定标本实验采用的是绝对辐射定标，直接建立遥感影像DN 值与接收到的能量的之间的关系。建立关系所采用的公式是：offset DN gain L += * 其中，λ λ λ λ λ λ min max min max min max DN DN L L e fullDNrang L L gain --= -= ， λ min L offset = Lmax λ和Lmin λ通过参看遥感影像的头文件进行确定。fullDNrange 取的是 255。具体操作如下： 1）打开遥感影像文件及其头文件 2）根据头文件信息计算gain 和offset 的值 3）在envi 的Basic Tools 中打开 Band Math 像，将本步骤采用的公式写入band math 中，计算出L 。

至此，就完成了遥感影像的辐射定标过程。步骤二：未进行大气校正所得到的反射率本步骤讲述如何从经过辐射定标的遥感影像直接生成地物的反射率的影像，制作该影像的目的是为了与后面经过大气校正后的影像进行对比。本步骤所采用的公式是：))cos(*/(**2 θπρESUN d L = 其中，L 是由上步所算出来的，d 指的是实际的日地距离，单位是天文距离，ESUN 指的是太阳平均辐射强度，θ为太阳天顶角。 d 值可以由观测时间查阅相关资料获得。ESUN 值也可以由相关资料获取。 θ可以从头文件中获得。具体操作如下： 1）查阅相关资料，确定参数θ、d 、ESUN

2）在envi的Basic Tools中打开Band Math像，将本步骤采用的公式写入band math中 3）确定变量b2为上步所算的L，并由此计算出未进行大气校正的反射率。由此，我们就得到了未经大气校正的反射率。步骤三：进行大气校正，得到地物反射率由于大气的影响，会使得遥感影像的反射率发生较大的变化，为了得到地表

flaash大气校正

课程名称：定量遥感专业名称遥感科学与技术班级学号姓名实验名称 FLAASH 大气校正【实验名称】FLAASH大气校正【实验目的】了解用ENVI进行FLAASH大气校正的流程，明白各步骤的意义【实验内容】准备ASTER数据 1.打开ENVI主菜单，选择File-Open External File – EOS-ASTER 2.选择AST_L1A.hdf打开配准数据 3.从ENVI主菜单中选择Map- Georeference ASTER- Georeference Data 点击列表中第一个文件，这个文件有三个波段，波段范围从0.556 μm 到0.807 μm ，点击OK

4.在新弹出的投影列表中选择Geographic Lat/Lon，点击OK 5.在参数对话框中，点击将输出结果存为文件，文件名为vnir_georef. 选择一个文件夹，点击OK 6.重复以上3-5步，选择波段范围为1.656到2.4的AST_L1A的文件，在参数对话框中，输入输出文件名为swir_georef，这样vnir和swir波段就出现在波段列表中了合并VNIR 和SWIR数据 7.在ENVI主菜单中选择Basic Tools Layer Stacking,弹出Layer Stacking Parameters 对话框 8.点击Import File，选择vnir_georef，点击OK，再次点击Import File，选择swir_georef，点击OK，确保vnir_georef是在上面的文件 9．确定Inclusive按钮被选择 10.确定Output Map Projection是Geographic Lat/Lon. 11．其余选项不变，选择输出文件夹，文件名为aster_vnir_swir，点击OK 转换格式 12.在ENVI主菜单中选择Basic Tools Convert Data (BSQ, BIL, BIP) ，选择合成VNIR/SWIR数据aster_vnir_swir，点击OK 13.选择BIL并且保证Convert In Place 为N0，选择输出文件夹，文件名为aster_BIL，ASTER 数据就被转换成FLAASH可以接受的格式。 FLAASH参数设置 14.在ENVI主菜单中，选择Spectral FLAASH，出现FLAASH大气校正输入参数菜单 15.点击Input Radiance Image，出现FLAASH输入文件菜单，选择aster_BIL，点击OK 16.选择Use single scale factor for all bands ，在Single scale factor 后输入10，点击OK 17.点击Output Reflectance File 并选择一个输出文件夹，自定义一个输出名称，点击Output Directory for FLAASH Files 并选择一个输出文件夹场景和传感器信息 18.在传感器类型中选择Multispectral ASTER，传感器高度变为705千米，像元大小输入15米，地面高程舒服2.537. 19.在主菜单中选择Basic Tools Preprocessing Data-Specific Utilities View HDF Global Attributes. 选择AST_L1A.hdf，打开，将文件保存为ASCII文件，用记事本打本 20.查找‘SCENECENTER‘，可以查看到纬度latitude和经度longitude,点击DD<->DMS，输入longitude-105.637035 latitude 38.290529 21.查找‘SINGLEDATETIME‘，得到飞行时间为2000.06.01,18.16.51, 选择大气模型 22.在Atmospheric Model下拉菜单中选择U.S standard 选择气溶胶模型 23.Aerosol Model中选择Rural.Aerosol Retrieval中选择None 运行FLAASH 24，点击Apply，得到结果