大气校正(ENVI)
ENVI中基于统计学模型的大气校正方法详解
ENVI中基于统计学模型的大气校正方法详解I i基于统计学模型的反射率反演的方法主要有平场域法( Flat Field , FF)、对数残差法(Log Residuals)、内部平均法(Internal Average Relative Reflectanee，IARR )、经验线性法(Empirical Line)。
集中在Basie Tools->Preprocessing-> Calibration Utilities 菜单下。
1. 平场域定标(Flat Field Calibration)Flat Field定标工具通过选择图像中一块具有高反射率、光谱变化平坦的区域，利用这个区域的平均光谱值来模拟飞行时的大气条件下的太阳光谱。
将每个像元的DN值除以选择区域的平均光谱值得到相对反射率，以此来消除大气的影响。
在使用这个工具前，需要利用ENVI提供的感兴趣区绘制工具(ROI Tool )在被定标图像上选择感兴趣区作为平场域(Flat Field )，感兴趣区可选择沙漠、大块水泥地、沙地等区域。
操作过程如下：(1)在主菜单中，选择Basic Tools->Preprocessing-> Calibration Utilities-〉Flat Field 。
在打开的Calibrati on In put File对话框中，选择输入文件，单击" 0K ”。
(2)在打开的Flat Field Calibration Parameters 面板中(图13.4)，在标有"Select ROI forCalibration ”一栏中，选择感兴趣区(只能选择一个)，作为平场域定标的平均波谱区。
(3)选择输出路径及文件名，单击“0K ”执行定标处理。
图13.4 Flat Field Calibration Parameters 面板I2. 对数残差(Log Residuals对数残差定标工具将数据除以波段几何均值，后再除以像元几何均值，可以消除光照、大气传输、仪器系统误差、地形影响和星体反照率对数据辐射的影响。
envi大气校正后计算
envi大气校正后计算
大气校正是一种重要的遥感技术，用于消除大气对遥感图像的影响，以获取准确的地表反射率信息。
在进行大气校正之前，我们需要了解遥感图像中的大气成分和其对图像的影响。
大气校正的关键在于准确地估计大气成分。
常见的大气成分包括水蒸气、气溶胶和气体。
这些成分会散射、吸收和发射光线，导致遥感图像中的辐射量发生变化。
因此，在进行大气校正之前，我们需要获取大气成分的信息。
然后，我们可以使用大气校正模型来计算大气校正系数。
这些系数可以将遥感图像中的辐射量转换为地表反射率。
大气校正模型基于大气散射和吸收的物理原理，考虑了大气成分的影响。
通过对遥感图像进行大气校正，我们可以获得真实的地表反射率信息，进而进行地表特征提取和定量分析。
在进行大气校正时，我们还需要考虑遥感图像的辐射定标。
辐射定标是将遥感图像中的数字值转换为物理辐射量的过程。
通过辐射定标，我们可以获得遥感图像中的辐射亮度值，为后续的大气校正提供基础。
大气校正是遥感图像处理中非常重要的一步。
通过消除大气影响，我们可以获得准确的地表反射率信息，为地表特征的分析和应用提供可靠的数据基础。
同时，大气校正也是遥感技术发展的重要方向，
不断提高大气校正的准确性和自动化程度，将为环境监测、资源管理和灾害评估等领域提供更多的支持和应用前景。
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。
本专题包括以下内容：∙ ∙ ●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阳光的辐射情况，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气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
大气校正ENVI流程
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：校准是将传感器获得的测量值转换为绝对亮度或与地表反射率、地表温度和其他物理量相关的相对值的处理过程（赵英石等，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》，2021）事实上，简而言之，辐射定标就是将记录的原始DN值转换为大气外表面的反射率。
目的是消除传感器本身造成的误差。
有许多方法：实验室校准、车载校准和现场校准。
公式1是将初始DN值转换为辐射度，其中Lb是辐射度值，单位是w/cm2μm.Sr（瓦特/cm2.微米球形度），增益和偏置是增益和偏移。
单位和辐射值相同。
可以看出，辐射度和DN 值是线性的。
公式2是将辐射值转换为大气视反射率，其中：lλ是辐射值，D是以天文单位表示的日地距离，eSUNλ是平均太阳视发射率，θS是以度数表示的太阳高度角。
但是，一般来说，这部分工作基本上不需要用户完成。
相关系数包含在数据的头文件或元数据中。
例如，使用envi打开MODIS数据，即反射率（大气外层的表观反射率）和辐射率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。
另一方面，物理模型遵循遥感系统的物理规律，也可以建立因果关系。
如果初始模型不好，我们可以通过添加新的知识和信息来知道模型的哪一部分需要改进。
然而，建立和学习这些物理模型的过程是漫长而曲折的。
模型是对现实的抽象；因此，现实模型可能非常复杂，包含大量变量。
例如，6S模型、mortran等。
ENVI软件基本操作——辐射校正、辐射定标、大气校正、几何校正
ENVI软件基本操作——辐射校正、辐射定标、⼤⽓校正、⼏何校
正
辐射校正
Radiometric correction ⼀切与辐射相关的误差的校正。
⽬的：消除⼲扰，得到真实反射率的数据。
⼲扰主要有：传感器本⾝、⼤⽓、太阳⾼度⾓、地形等。
包括：辐射定标，⼤⽓纠正，地形对辐射的影响
辐射定标
DN值（Digital Number ）：遥感影像像元亮度值，记录地物的灰度值。
⽆单位，是⼀个整数值，值⼤⼩与传感器的辐射分辨率、地物发射率、⼤⽓透过率和散射率等相关。
反映地物的辐射率radiance
地表反射率：地⾯反射辐射量与⼊射辐射量之⽐，表征地⾯对太阳辐射的吸收和反射能⼒。
反射率越⼤，地⾯吸收太阳辐射越少；反射率越⼩，地⾯吸收太阳辐射越多，表⽰：surface albedo
表观反射率：表观反射率就是指⼤⽓层顶的反射率,辐射定标的结果之⼀，⼤⽓层顶表观反射率，简称表观反射率，⼜称视反射率。
英⽂表⽰为：apparent reflectance
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（⼤⽓外层表⾯反射率），这个过程就是辐射定标。
⽅法：实验室定标、机上/星上定标、场地定标。
不同的传感器，其辐射定标公式不同。
L=gain*DN+Bias
⼤⽓校正
Atmospheric correction 将辐射亮度或者表⾯反射率转换为地表实际反射率
⽬的：消除⼤⽓散射、吸收、反射引起的误差。
分类：统计型和物理型。
ENVI对图像进行配准校正拼接裁剪
ENVI对图像进行配准校正拼接裁剪ENVI在图像处理领域被广泛应用，其中配准、校正、拼接和裁剪是常见且重要的操作。
本文将介绍ENVI在图像配准校正拼接裁剪方面的基本原理和操作步骤。
一、图像配准图像配准是将多幅图像对准到一个统一的坐标系统中，使它们具有相同的尺度、旋转和平移。
ENVI提供了多种图像配准方法，包括基于特征点匹配的自动配准和基于控制点辅助的手动配准。
1. 自动配准ENVI的自动配准功能利用图像中的特征点进行匹配，通过计算特征点的几何变换关系来实现配准。
使用该功能时，首先选择一个参考图像，然后选择其他需要配准的图像。
ENVI将自动检测并匹配这些图像中的特征点，并计算图像之间的几何变换关系，最终实现图像的配准。
2. 手动配准对于某些情况下自动配准效果不佳或需要更精确的配准结果的场景，ENVI提供了手动配准功能。
该功能需要用户手动在图像中添加控制点，根据已知的地理坐标信息进行匹配。
通过选择足够数量的控制点，并进行几何变换，可以实现更准确的图像配准结果。
二、图像校正图像校正是指通过去除图像中的变形、噪声、光照等因素，使得图像更加准确和清晰。
ENVI提供了多种图像校正方法，如大气校正、几何校正等。
1. 大气校正在遥感图像处理中，大气校正是一个重要的步骤。
ENVI提供了不同的大气校正模型，如基于大气遥感参数的MODTRAN模型、Atmospheric and Topographic Correction (ATCOR)模型等。
用户可以根据实际需求选择合适的大气校正方法对图像进行校正，以消除大气干扰，还原地物的真实信息。
2. 几何校正几何校正是指将图像中的地物从图像坐标转换为地理坐标，使得图像与实际地理位置相符。
ENVI提供了自动几何校正功能，可以使用地面控制点或地面矢量数据进行几何校正。
通过选择合适的校正方法和参考数据，可以将图像校正为具有地理坐标的图像。
三、图像拼接图像拼接是将多幅图像按照空间位置进行组合，生成一幅更大尺寸的图像。
大气校正
ENVIFLAASH大气校正常见错误及解决方法本文汇总了ENVI FLAASH大气校正模块中常见的错误，并给出解决方法，分为两部分：运行错误和结果错误。
前面是错误提示及说明，后面是错误解释及解决方法。
FLAASH对输入数据类型有以下几个要求：1、波段范围：卫星图像：400－2500nm，航空图像：860nm-1135nm。
如果要执行水汽反演，光谱分辨率<=15nm，且至少包含以下波段范围中的一个：l1050-1210 nml770-870 nml870-1020 nm2、像元值类型：经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。
3、数据类型：浮点型（Floating Point）、32位无符号整型（Long Integer）、16位无符号和有符号整型（Integer、Unsigned Int)，但是最终会在导入数据时通过Scale Factor转成浮点型的辐射亮度（μW）/（cm2*nm*sr）。
4、文件类型：ENVI标准栅格格式文件，BIP或者BIL储存结构。
5、中心波长：数据头文件中（或者单独的一个文本文件）包含中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM），这两个参数都可以通过编辑头文件信息输入（Edit Header）。
运行错误1.Unable to write to this file.File or directory is invalid or unavailable。
没有设置输出反射率文件名。
解决方法是单击Output Reflectance File按钮，选择反射率数据输出目录及文件名，或者直接手动输入。
2.ACC Error：convert7IDL Error：End of input record encountered on file unit:0.平均海拔高程太大。
注意：填写影像所在区域的平均海拔高程的单位是km：Ground Elevation（Km）。
ENVI高光谱数据处理流程
ENVI高光谱数据处理流程1.数据预处理数据预处理是高光谱数据处理流程中的第一步，其主要目的是去除数据中的噪声并增加图像质量。
常用的预处理方法包括：大气校正、大气校正之后的辐射校正、大气校正之后的大气校正等。
-大气校正：高光谱数据中的大气散射会引入许多噪声。
大气校正的目的是根据大气散射的物理原理，通过对高光谱数据进行光谱校正和辐射校正，去除大气散射带来的干扰。
-辐射校正：高光谱数据中的辐射能量受到地面温度、雨水和云等因素的影响，导致数据中存在辐射偏差。
辐射校正的目的是根据卫星的辐射源数据和大地辐射能量的关系，对高光谱数据进行校正，消除辐射偏差。
-大气校正之后的大气校正：在进行大气校正之后，仍然可能存在一些小范围的大气散射。
大气校正之后的大气校正的目的是再次进行大气散射校正，进一步提高图像质量。
2.特征提取特征提取是高光谱数据处理流程中的核心步骤，其主要目的是从高光谱数据中提取出对地物分类和解译有用的特征信息。
-光谱特征提取：光谱特征提取是指根据高光谱数据中不同波段的辐射能量变化，提取出反映地物光谱特性的特征参数。
常用的光谱特征包括：光谱曲线的均值、方差、斜率等。
-空间特征提取：空间特征提取是指从高光谱数据的空间分布中提取出反映地物空间特性的特征参数。
常用的空间特征包括：纹理特征、形状特征、边缘特征等。
3.分类与监督解译分类与监督解译是高光谱数据处理流程中的关键步骤，其主要目的是将预处理和特征提取之后得到的数据进行分类和解译。
-监督分类：监督分类是指通过已知的训练样本数据，建立分类模型，并将该模型应用于未知的高光谱数据，将数据分成不同的类别。
常用的监督分类方法有：最大似然分类、支持向量机分类、随机森林分类等。
-非监督分类：非监督分类是指利用高光谱数据本身的统计特性，将数据按照统计特性对其进行分类。
常用的非监督分类方法有：K-均值聚类、多元高斯聚类等。
4.地物解译与验证地物解译与验证是高光谱数据处理流程中的最后一步，其主要目的是对分类结果进行解译和验证，以评估分类的准确性。
- 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)。
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气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
2 ENVI大气校正功能在ENVI中包含了很多大气校正模型，包括基于辐射传输模型的MORTRAN模型、黑暗像元法、基于统计学模型的反射率反演。
基于统计的不变目标法可以利用ENVI一些功能实现。
其中MORTRAN模型集成在ENVI大气校正扩展模块中。
还有直方图匹配等。
2.1 简化黑暗像元法大气校正黑暗像元法是一种古老、简单的经典大气校正方法。
它的基本原理是在假设待校正的遥感图像上存在黑暗像元、地表朗伯面反射和大气性质均一，并忽略大气多次散射辐照作用和邻近像元漫反射作用的前提下，反射率很小（近似0）的黑暗像元由于大气的影响，使得这些像元的反射率相对增加，可以认为这部分增加的反射率是由于大气影响产生的。
这样，将其他像元减去这些黑暗像元的像元值，就能减少大气（主要是大气散射）对整幅影像的影响，达到大气校正的目的。
整个过程的关键是寻找黑暗像元以及黑暗像元增加的像元值。
ENVI下的Dark Subtract工具提供选择波段最小值、ROI的平均值、自定义值三种方式确定黑暗像元的像素值。
操作过程如下：（1）打开待校正图像文件。
（2）在主菜单中，选择Basic Tools->Preprocessing->General Purpose Utilities-> Dark Subtract，在文件选择对话框中选择待校正图像文件，单击OK按钮，打开Dark Subtraction Parameters面板。
（3）在Dark Subtraction Parameters面板中，确定黑暗像素值包括三种方法（Subtraction Method）：波段最小值(Band Minimum)ROI的平均值(Region Of Interest)自定义值（User Value）（4）在Output Result to中选择File以及相应的输出路径和文件名，单击OK执行操作。
图2 Dark Subtraction Parameters面板（Band Minimum）2.2 基于统计学模型的反射率反演基于统计学模型的反射率反演的方法主要有平场域法（Flat Field，FF）、对数残差法（Log Residuals）、部平均法（Internal Average Relative Reflectance，IARR）、经验线性法(Empirical Line)。
集中在Basic Tools->Preprocessing-> Calibration Utilities菜单下。
1.平场域法(Flat Field)Flat Field定标工具通过选择图像中一块具有高反射率、光谱变化平坦的区域，利用这个区域的平均光谱值来模拟飞行时的大气条件下的太谱。
将每个像元的DN值除以选择区域的平均光谱值得到相对反射率，以此来消除大气的影响。
在使用这个工具前，需要利用ENVI提供的感兴趣区绘制工具（ROI Tool）在被定标图像上选择感兴趣区作为平场域（Flat Field），感兴趣区可选择沙漠、大块水泥地、沙地等区域。
2.对数残差（Log Residuals）对数残差定标工具将数据除以波段几何均值，后再除以像元几何均值，可以消除光照、大气传输、仪器系统误差、地形影响和星体反照率对数据辐射的影响。
定标结果的值在1附近。
3.部平均法（Internal Average Relative Reflectance，IARR）IAR (Internal Average Relative) Reflectance定标工具假定整幅图像的平均光谱基本代表了大气影响下的太谱信息。
把图像DN值与整幅图像的平均辐射光谱值相除，得到的结果为相对反射率。
该工具特别适用于没有植被的干旱区域。
4.经验线性法(Empirical Line)Empirical Line 定标方法是假设图像DN值与反射率之间存在线性关系：反射率= 增益* DN值+ 偏移利用两个已知点的地面反射光谱值，再计算图像上对应像元点的平均DN值，然后利用线性回归求出增益和偏移值，建立DN值与反射率之间的相互关系式，进行反射率的定标。
消除了太阳辐亮度和大气程辐射。
ENVI的Empirical Line定标工具要求至少需要一个已知区域的地面反射光谱值（Field Spectra）作为参照波谱，以及图像上对应像元点的波谱曲线（Data Spectra）。
它们可以来自波谱剖面或波谱曲线、波谱库、感兴趣区、统计文件和ASCII文件。
输入的波谱将自动被重采样，以与选择的数据波长相匹配。
也可以用已经存在的系数对数据集进行定标。
2.3 不变目标法相对大气校正相对大气校正按照数学基础可以分为2种，非线性校正法和线性校正法。
非线性校正法最典型的是直方图匹配，图像的直方图是图像中所有灰度值的概率分布。
即将校正图像的直方图与参考图像的直方图进行匹配，使两幅图像具有相同或相近的灰度值概率分布，达到两幅图像上同名地物具有相同灰度值的目的。
利用ENVI中Histogram Matching 工具（Display中，Enhance->Histogram Matching）线性校正法有个前提假设：不同时相的图像灰度值之间满足线性关系，这种假设在近似情况下是成立的。
这样就可以通过线性等式来描述不同时相间的灰度关系，用x表示参考图像，y表示待校正图像，他们之间的线性关系可描述为：y=ax+b (式1)其中：a、b为线性等式中的参数，即为增益和偏移量。
根据前述原理，完成线性相对校正需要以下3个步骤：第一步，在两幅图像中搜寻相对固定目标即光谱稳定的地物样本点，即伪不变特征要素（PIF：Pseudo-Invariant Features）；第二步，运用这些伪不变特征点的DN值，利用线性回归的方法求解式(13.6)中的参数，得到图像间的线性关系；第三步，根据该关系式，通过波段运算，得到与参考图像具有相同或相近辐射值的结果图像，完成相对大气校正。
整个过程的关键是PIF的选择。
下面以两个不同大气环境下成像、已经经过精确配准、ENVI标准格式的Landsat TM5数据为例（2000年和2001年），介绍线性校正法的操作步骤：第一步：PIF选择选择一幅目视质量较好的图像作为基准图像（2001年），另外一幅作为待校正图像（2000年）。
在两个图像上选择相同区域的沥青房顶、砾石面、混凝土停机坪、洁净水体、混凝土、沙地等地物作为PIF，这些地物不会随时间的变化而变化。
（1）在主模块中，选择File->Open Image File，打开两幅图像，并在Display中显示。
（2）在其中一幅影像上点击右键，从快捷菜单中选择Geographic Link，将显示的两幅影像地理。
（3）在显示2000年图像的主图像窗口中，选择Overlay-> Region of Interest，打开ROITool面板。
（4）通过目视方式，从两幅图像找到光谱稳定、相同地物作为样本，用Polygon或者Point类型绘制感兴趣区。
（5）在绘制一定数量感兴趣后(不宜太多，太多后面的回归运算量会很大)，在ROI Tool面板中，选择File-> Output ROIs to ASCII。
（6）回到ROI Tool面板中，选择Options-> Reconcile ROIs via Map，将前面绘制的ROI转接到2001年的图像上，类似（5）步的方法将基准图像的ROI对应像素位置和像元值输出为文本文件。
分别用记事本打开上面步骤得到两个文本文件，这样我们得到了2000年的图像和2001年的图像相对应伪不变特征要素（PIF）的像素值。
从文本文件中可以看到，两个时相图像中每一个波段的像素值是一一对应关系，刚好对应式1中的x和y。
第二步中就是利用这些像素值，根据最小二乘回归分析法获得式13.6中的a和b两个参数。
第二步、线性关系式求解使用最小二乘回归的方法来求解线性回归式a和b参数，如表1。
表1回归解算的a和b值Band30.92-9Band4 1.21-16Band50.994Band70.943第三步、线性变换利用表1中的a和b值，在ENVI的Band Math工具对待校正图像做线性变换，然后利用Layer Stacking工具将线性变换结果组合成一个多波段文件。
不变目标法相对大气校正操作过程已经完成。
2.4 热红外大气校正ENVI提供Thermal Atm Correction工具，可以近似去除热红外辐射数据中的大气影响。
在进行大气校正之前，为了得到最好的结果，必须将热红外数据定标为比辐射率数据（TIMS的热红外数据必须被转化为辐射亮度数据），并且待校正数据波长在8-14µm之间。
下面以ASTER L1A的热红外波段为例，操作过程如下：（1）打开ASTER，在波段列表中按照波长自动归为4组，2组可见光-近红外（VNIR）、短波红外（SWIR）和热红外(IIR)，并根据头文件信息自动定标为辐射亮度值（单位W/（m2 *µm*sr））。