Landsat简介及数据预处理教学内容
landsat影像预处理流程
landsat影像预处理流程Landsat Image Preprocessing Workflow.Landsat data is a valuable resource for a wide range of applications, including land cover mapping, change detection, and environmental monitoring. However, the raw Landsat data is often not suitable for use directly. It is necessary to preprocess the data to correct for geometric and radiometric distortions.The general workflow for Landsat image preprocessing is as follows:1. Radiometric calibration: This process corrects for the sensor's response to different wavelengths of light. The result is a digital number (DN) image that is proportional to the reflectance of the ground surface.2. Atmospheric correction: This process corrects for the effects of the atmosphere on the DN image. The resultis a reflectance image that is corrected for the effects of atmospheric scattering and absorption.3. Geometric correction: This process corrects for the geometric distortions in the DN image. The result is a geometrically corrected image that is aligned with a map projection.4. Mosaicking: This process combines multiple Landsat images into a single, seamless mosaic. The result is a mosaic image that covers a larger area than any of the individual images.5. Subsetting: This process extracts a portion of a Landsat image, such as an area of interest for a specific study. The result is a subset image that contains only the data of interest.中文回答：Landsat影像预处理流程。
Landsat8卫星遥感数据预处理方法
０ 引 言
２０１３年 ２月 ，美 国航 空 航 天 局 （ｎａｔｉｏｎａｌ ａｅｒｏ— ｎａｕｔｉｃｓ ａｎｄ ｓｐａｃｅ ａｄｍｉｎｉｓｔｒａｔｉｏｎ，ＮＡＳＡ）在 美 国加 利 福尼 亚 成 功 发 射 了 Ｌａｎｄｓａｔ家 族 的第 ８颗 陆 地 卫 星—— Ｌａｎｄｓａｔ８。Ｌａｎｄｓａｔ８的发射 是 “陆地 卫 星数 据 连续性任务 ”（Ｌａｎｄｓａｔ ｄａｔａ ｃｏｎｔｉｎｕｉｔｙ ｍｉｓｓｉｏｎ，ＬＤＣＭ） 的一 个重要 组成 部分 ，该任 务是 纪念 Ｌａｎｄｓａｔ系列 卫 星发 射 ４０ ａ而 特别制 订 的。Ｌａｎｄｓａｔ８卫 星搭 载有 陆 地成像仪 （ｏｐｅｒａｔｉｏｎａｌ ｌａｎｄ ｉｍａｇｅｒ，ＯＬＩ）和热红外传 感器 （ｔｈｅｒｍａｌ ｉｎｆｒａｒｅｄ ｓｅｎｓｏｒ，ＴＩＲＳ）。ＯＬＩ被 动 感 应 地表 反射 的太 阳辐射 和散发 的热辐 射 ，有 ９个 波段 ， 覆盖 了从 可 见 光 到 红 外 谱 段 的 不 同 波 长 范 围 。与 Ｌａｎｄｓａｔ７卫 星搭 载的传感 器 ＥＴＭ 相 比 Ｊ，ＯＬＩ增 加 了 １个 Ｃ／Ａ波段 （０．４３３～０．４５３ ｍ）和 １个 短波 红 外波 段 （Ｂａｎｄ ９，１．３６０～１．３９０ ｍ）。Ｃ／Ａ 波 段 主 要用 于海岸 带 观测 ；短波 红外 波段 能 反 映水 汽强 吸 收特 征 ，可 用 于 卷 云 检 测 。ＴＩＲＳ是 有 史 以 来 最 先 进、性能最好的热红外传感器 ，能收集地球热量 流 失，可用于了解所观测地带的水分消耗 、特别是干旱 地 区的水分 消耗 。
收稿 Ｅｔ期 ：２０１５一Ｏ１—２１；修订 日期 ：２０１５—０３—０１
本文将针对 Ｌａｎｄｓａｔ８卫星 的原始数据 ，首先 对 原始数据的解 同步、解包等解析步骤进行分析和讨
LandSat8 数据处理流程v0.1
武汉中心LandSat-8数据处理流程v0.11 ndSat 8数据简介1.1传感器平台2013年2月11号，NASA 成功发射了 Landsat 8 卫星，为走过了四十年辉煌岁月的 Landsat 计划重新注入新鲜血液。
LandSat-8上携带有两个主要载荷：OLI和TIRS。
2013年5月30号开始向全球提供免费下载（/）。
波段：成像宽幅为185x185km。
OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段 (band 1; 0.433–0.453 μm)主要应用海岸带观测，短波红外波段(band 9; 1.360–1.390 μm)包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近。
表1-1 OLI陆地成像仪OLI与ETM+波段一览Landsat-8卫星搭载了由戈达德航天飞行中心(GSFC)研制的专用于热红外谱段成像的热红外探测器——TIRS成像仪。
TIRS成像仪与OLI成像仪工作方式相似，也是推扫式结构，在Landsat-8卫星705km 的轨道上，能够获取成像幅宽为185km、地面分辨率为100m的两个热红外波段图像。
TIRS成像仪能够获取10.8μｍ和12μｍ两个热红外波段图像（表2），二者配合使用能够在反演的时候对大气削弱进行修正，将地表温度从大气温度中分离出来，可用于热强度测定分析，探测地表物质自身热辐射。
TIRS成像仪的数据量化为12比特，辐射分辨率也比ETM+的热红外图像更高。
表1-2 TIRS载荷参数1.2 LandSat-8产品分级参照美国对Landsat卫星数据及其产品的描述，Landsat-8数据产品分为L0Rp、L1G、L1Gt和L1T几个等级1。
遥感实习1landsat影像数据、导入、目视解译与分析
实习人姓名
韦昭华
专业班级及编号
水文一班20
任课教师姓名
陈华
实习指导教师姓名
陈华王佳伶
实习地点
八教2楼机房
实习日期时间
2016-10-21
实习目的
(1)学会使用地理空间数据云或美国NASA/USGS网上下载工具进行Landsat卫星影像的检索和下载。
(2)初步掌握ENVI影像处理软件的使用方法，熟悉软件的用户界面、功能模块。
用于水体穿透，分辨土壤植被
Band2
绿色波段
分辨植被
Band3
红色波段
处于叶绿素吸收区域，用于观测道路/裸露土壤/植被种类效果很好
Band4
近红外波段
用于估算生物数量，尽管这个波段可以从植被之间有好的对比度，并且有较好的穿透大气、云雾的能力
Band5
短红外波段
用于分辨道路/裸露土壤/水，它还能在不同植被之间有好的对比度，并且有较好的穿透大气、云雾的能力
5、城镇居民地第三波段第四波段DN值变化均匀，点连线斜率近似为1。
6、云第三第四波段DN值变化幅度大，点比较离散，点连线斜率大于一。
不同的地物光谱特征相差很大，相同的地物在散点图中较为聚集，即使在地理空间上相隔很远，但其光谱特征呈现一致性，这说明各种地物的光谱特征具有特殊性和统一性。
特殊性是指各种地物的光谱特征不尽相同，而统一性是指相同的地物无论空间距离多远，其光谱特征将呈现一致性。这就为遥感分类提供了切实可行的依据。
1.河流
2、森林
3、公路
4、耕地
5、云
6、城镇居民地
7、利用所得数据完成每种地物的样本特征光谱统计表
Landsat数据处理
国内科研机构和高校：提供部分数据的共享和下载
04
欧洲航天局（ESA）：提供在线浏览和下载
03
NASA地球观测数据中心（EOSDIS）：提供在线浏览和下载
02
美国地质调查局（USGS）官方网站：提供免费下载
01
2
数据处理流程
数据预处理
数据清洗：去除异常值、缺失值等
数据归一化：将不同量纲的数据转换为统一量纲
QGIS：开源的地理信息系统软件，具有丰富的插件和扩展功能。
Python：编程语言，可以进行遥感数据的处理和分析。
软件操作技巧
使用Landsat Toolbox进行数据处理
使用Python进行Landsat数据处理
使用GIS软件进行Landsat数据处理
掌握图像预处理、分类、变化检测等操作
掌握NumPy、SciPy等库的使用
数据分析：对数据进行分类、回归、聚类等分析操作
数据可视化：将分析结果进行可视化展示
数据应用：将处理后的数据应用于实际项目中
案例分析与结论
案例背景：某地区土地利用变化分析
01
数据来源：Landsat卫星遥感数据
02
处理方法：图像处理、分类、变化检测等
03
结论：土地利用变化趋势明显，需要加强监管和规划
04
目前已发射了多颗Landsat卫星，形成了一个完整的观测网络
数据类型和特点
Landsat数据主要包括遥感影像和地理信息数据
地理信息数据包括地形、地貌、植被、水文等
Landsat数据具有空间分辨率高、时间序列长、覆盖范围广等特点
遥感影像数据主要包括多光谱影像、热红外影像和雷达影像等
数据获取途径
02
4
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，File、Basic 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。
Landset影像数据数据处理流程
Landsat影像数据数据处理流程1 影像打开打开XXXX_MTL.txt文本文件可以对影像进行一个线性拉伸2：射定标在进行其他操作之前，我们应该做一辐射定标，如果先进行其他操作，定标参数可能会丢失，因此在进行其他步骤之前先进行辐射定标选择要辐射定标的多光谱影像数据对影像进行辐射定标3 影像裁剪我们一般要处理我们感兴趣区域的影像，而没必要对正幅影像进行处理，因此需要进行影像裁剪。
很多教材都是在做完影像镶嵌后或者其他操作后再做裁剪，但是比较耗费时间，在不影响其他操作之前，我们先对影像进行裁剪3.1 打开矢量文件本次使用的是shp文件（矢量文件的坐标系应该和影像数据坐标系相同，如果不相同建议在ArcGIS中进行处理）3.2 打开ROI工具导入矢量文件3.3 关联影像文件3.4 影像裁剪这里要注意：只处理矢量范围内部的影像数据。
我们看到我们裁剪的结果，同样对另外一幅影像进行操作4 影像镶嵌我们的影像是有地理坐标的，因此我们使用Seamless Mosaic 工具进行影像镶嵌4.1 加载影像我们可以计算一下Footprints4.2 色彩平衡两幅影像往往存在一定的色差，一般我们需要进行色彩平衡处理，否则镶嵌后的影像效果比较不理想。
在色彩平衡中，我们一般现在面积较大的影像作为参考影像，选择面积较小的作为色彩校正影像。
（如果右键影像没有出现Reference等信息，可以先选择Color Correction选项卡，勾线直方图后再进行操作）在进行色彩平衡前，我们明显可以看到影像在接边线出有色差勾选show preview后,我们可以看到两幅影像的色差不明显了！4.3 无缝镶嵌自动生成接边线，自动生成的接边线往往比较生硬，往往我们需要对接边线进行编辑，是接边线沿山脊，河流等进行接边，因此需要对接边线进行编辑对接边线编辑好后，对停止接边线处理在接边线选项卡中，选择应用接边线并基于接边线进行羽化处理4.4 导出镶嵌影像最后镶嵌的结果还是挺让我们满意的。
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）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。
因为后续需要对多光谱数据进行大气校正，可直接单击Apply FlaashSettings，如下图。
Scale factor 不能改变，否则后续计算会报错。
保持默认1即可。
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；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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
L a n d s a t简介及数据预处理Landsat8数据打开和辐射定标处理美国的USGS（/）网站提供最新的Landsat8数据下载，产品类型标示L1GT，与之前的数据格式类似，每个波段以.tif文件提供，元数据存放在_MTL.txt文件中。
Landsat8增加了几个波段，详细信息浏览：/s/blog_764b1e9d01016gvh.html。
在ENVI5.0SP3中非常容易打开Landsat8数据，如下：(1)选择File->Open ，选择_MTL.txt文件打开。
(2)ENVI自动显示RGB显示真彩色图像，打开Data Manager对话框，可以看到ENVI自动读取元数据信息，包括中心波长信息、波段名称等。
并将数据根据类型自动划分为三类。
(3)从文件信息中可以看到，热红外数据被重采样为30米分辨率，与可见光-近红外波段一致，全色为15米分辨率。
图1：Data Manager对话框打开之后就可以很方便的进行其他处理，比如辐射定标、大气校正、融合等处理。
下面使用ENVI下的通用定标工具进行Landsat8的辐射定标。
(1)选择ToolBox/Radiometric Correction/Radiometric Calibration，选择可见光-近红外数据。
(2)在Radiometric Calibration面板中，可以选择定标类型：辐射亮度值和大气表观反射率。
(3)其他选项是方便用于FLAASH大气校正。
(4)选择文件名和路径输出(5)如图3所示，得到大气表观反射率数据。
图2：Radiometric Calibration面板图3：大气表观反射率结果ENVI下的Landsat8大气校正（初试）Landsat8 OLI陆地成像仪比之前的TM/ETM+多了两个波段，0.433–0.453 μm和 1.360–1.390 μm ，怎么多的波段对于地表反演更加有利。
ENVI5.1直接支持Landsat8的大气校正（2013下半年发布），利用ENVI5.1 提供的Landsat8 波谱响应函数在ENVI5.0SP3 下也能完成大气校正。
大气校正之前，启动ENVI Classic ，设置preferences->Miscellaneous: Cache Size：2048( 最大内存75%)Image Tile Size ：100 （推荐1-4M ）注：电脑内存为8g ，64 位操作系统保存后重启ENVI5 。
波谱响应函数文件下载：/s/GbclH包括OLI 和TIRS 两个传感器第一步：辐射定标选择File->Open ，选择_MTL.txt 文件打开。
(2)ENVI 自动显示RGB 显示真彩色图像，打开Data Manager 对话框，可以看到ENVI 自动读取元数据信息，包括中心波长信息、波段名称等。
并将数据根据类型自动划分为三类。
(1)选择ToolBox/Radiometric Correction/Radiometric Calibration ，选择可见光-近红外数据。
(2)在Radiometric Calibration 面板中定标类型（Calibration Type ）：辐射亮度值（Radiance ）输出储存顺序（Output Interleave ）：BIL输出数据类型：Float单击FLAASH Settings 按钮，自动获取辐射亮度单位转换系数ScaleFactor ：0.1其他选项是方便用于FLAASH 大气校正。
(3) 选择文件名和路径输出图 1 ：Radiometric Calibration 面板第二步：FLAASH 大气校正选择Toolbox/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction ，打开FLAASH 大气校正工具。
（1）文件输入与输出信息项目单击Input Radiance Image 按钮，选择上一步准备好的辐射亮度值数据LC81230322013132LGN02_rad.dat 。
在Radiance Scale Factors 对话框中选择Use single scale factor for all bands （Single scale factor ： 1 ），在辐射定标中对单位进行了转换。
单击Output Reflectance File 按钮选择输出文件名和路径。
（2）传感器与图像目标信息l Lat ：40 19 39.46 ，Lon ：116 42 2.98 （FLAASH 自动获取）l Sensor Type ：UNKONWN-MSIl Ground Elevation （km ）：0.043 （从相应区域的DEM 获得平均值）l Flight Date ：2013-05-12 Flight Time ：02:55:26注：在右边图层管理器中，单击右键选择View Metadata ，在Metadata viewer 中浏览time 可以看到飞行时间图 2 ：图像成像时间查看（3）大气模型（Atmospheric Model ）：Sub-Arctic Summer （ 5 月份纬度：40-50 ）（4）气溶胶模型（Aerosol Model ）：Urban（5）气溶胶反演（Aerosol Retrieval ）：2-Band （K-T ）（6）初始能见度（Initial Visibility ）：40 。
图 3 ：FLAASH 基本参数设置多光谱设置（Multispectral Settings ）l Defaults 下拉框：Over-Land RetrievalStandard （660 ：2100 ）。
l Filter Function File ：选择ldcm_oli.sli 波谱响应文件图 4 ：多光谱设置（8）高级设置（Advanced Settings ）：tile设置为100M ，其余按照默认设置。
（9）单击Apply 按钮，执行FLAASH 。
图 5 ：估算能见度、水汽柱结果第三步：浏览结果打开大气校正结果，浏览植被波谱曲线如下，大致可以看出大气校正后消除了大气散射的影响。
图 6 ：大气校正后的植被波谱曲线同时发现 1.360–1.390 μm 波段数据大气校正之后结果全部为0 ，单独打开这个波段的原始文件LC81230322013132LGN02_B9.TIF 或者在ENVI 中标识为Cirrus （1.3730 ）波段，发现这个波段的图像噪声非常大，主要用于识别卷云，辐射定标后的值在集中在0.011697- 0.023395 。
图7 ：卷云Cirrus （ 1.3730 ）波段图像讨论ldcm_oli.sli 波谱响应文件包括了可见光- 红外，全色9 个波段的响应，而我们大气校正使用了前8 个波段，另外卷云Cirrus 波段噪声比较大，是否将Cirrus 、Pan 两个波段的响应函数去除，同时将两个波段从图像中移除，只针对7 个波段进行大气校正，精度是否会更高？图8 ：oli 波谱响应函数2、 TM数据辐射定标ENVI > basic tools > preprocessing > calibration utilities > Landsat calibration，弹出如下对话框，图3：图3 辐射定标参数设置对话框3、储存顺序调整Flassh大气校正对于波段存储的要求为：BIL，BIP格式，上述计算得到的存储方式为BSQ，在此进行波段存储顺序的转化，具体操作如下：ENVI > basic tools > convert data (BSQ ,BIL ,BIP)图 4 存放顺序转换4、 Flaash校正参数设置大气校正的前期准备工作完毕，现在进行校正参数的设置：ENVI > basic tools > preprocessing > calibration utilities > FLAASH，弹出对话图 5 FLAASH参数界面设置图 6 多光谱设置对对话框根据上述图中的参数设置，然后点击ok，运行flaash大气校正。
Landsat8移除卷云Cirrus波段的大气校正测试在“ ENVI 下的 Landsat8 大气校正（初试）”文章最后提出了一个讨论，这里根据这个设想做出了另外一个结果。
结果分析显示，两种方法得到的结果基本一致。
第一步：重新制作波谱响应函数（1）启动 ENVI classic ，选择 Window->Start New Plot Window 。
（2）在 ENVI Plot Window 窗口中，选择 File->Input Data –>Spectral Library，打开 ldcm_oli.sli 波谱响应文件。
（3）如下图所示选择 7 个波段的波谱响应函数，选择 File->Save plot as-> Spectral Library ，按照默认参数保存为 .sli 文件。
图 1 ：选择 7 个波段的波谱响应文件第二步：大气校正（1）使用 layer stacking 工具将辐射定标后的文件保存为 7 个波段的文件，也就是去除卷云 Cirrus 波段。
（2）打开 FLAASH 工具进行大气校正。
第三步：浏览结果分别对两种结果进行统计，如下图所示，每个波段的均值和方差相差非常小（个位数以内），折合 0~1 反射率在 10 -3 范围内，相差甚小。
对比单个像素的值也是这个结果。
值得注意的是得到的反射率范围是小于 0 和大于 10000 ，其实浏览直方图发现，小于 0 的像素只有不到 10000 个，占 0.02% ，大于 10000 的不到 100 个像素，属于正常范围内。
因此可以看到，两种方法在精度上相差不大，结果认为是一致的。
图 2 ：统计结果（左 -8 波段，右 -7 波段）40.86830556 118.02665000。