康哥定量遥感实验报告
遥感综合实训报告总结
一、实习背景随着科技的不断发展，遥感技术在我国的应用越来越广泛。
为了提高我国遥感技术的应用水平，培养具有实际操作能力的遥感专业人才，我们参加了本次遥感综合实训。
本次实习旨在通过实际操作，掌握遥感数据预处理、图像增强、图像分类及分类后处理和专题地图制作等基本技能，提高遥感信息提取能力。
二、实习目的1. 熟悉遥感数据处理的基本流程和技巧。
2. 掌握遥感图像增强、分类及分类后处理等关键技术。
3. 学会利用遥感数据制作专题地图。
4. 提高遥感信息提取和分析能力。
三、实习内容本次实习主要分为以下几个部分：1. 遥感数据预处理：对所提供的校园遥感图像数据和数字图像进行格式转换，由原来TIFF和JPG格式转换为便于软件识别的IMG格式。
参照校园数字地图，对待校正的校园遥感图像进行几何校正，采用多项式变换，多项式的次数为2次，所有检查点的误差小于一个像元。
针对校园范围，对校正后的校园遥感图像，对教学区进行不规则分幅裁剪。
2. 遥感图像增强：对预处理后的遥感图像分别依次进行直方图均衡化、77边缘检测、自然色彩变换三种增强处理。
3. 遥感图像分类及分类后处理：利用ERDAS IMAGINE 2014软件，对遥感图像进行分类，并对分类结果进行后处理，提高分类精度。
4. 遥感专题图制作：根据遥感图像分类结果，制作专题地图，展示不同地物的分布情况。
四、实习成果1. 成功完成了遥感数据预处理、图像增强、图像分类及分类后处理和专题地图制作等任务。
2. 掌握了遥感数据处理的基本流程和技巧，提高了遥感信息提取和分析能力。
3. 增强了团队合作意识，培养了实际操作能力。
五、实习体会1. 遥感技术在实际应用中具有很高的价值，通过本次实习，我们深刻体会到了遥感技术在环境保护、资源调查、城市规划等方面的广泛应用。
2. 遥感数据处理是一个复杂的过程，需要掌握一定的理论知识和技术技能。
在实际操作中，我们要善于总结经验，不断优化处理流程。
3. 团队合作在遥感数据处理中具有重要意义。
遥感测量实训报告范文
一、实习目的本次遥感测量实训旨在使学生了解遥感测量的基本原理和方法，掌握遥感影像的获取、处理、分析和应用技术，提高学生的实际操作能力和遥感数据分析能力。
通过本次实训，学生能够：1. 了解遥感测量的基本原理和遥感影像的特点；2. 掌握遥感影像的获取方法，包括卫星遥感影像和航空遥感影像；3. 学会遥感影像的处理技术，如图像增强、图像分类、图像融合等；4. 熟悉遥感数据分析方法，如地物识别、信息提取等；5. 培养学生的团队协作精神和实际操作能力。
二、实习内容1. 遥感影像的获取（1）卫星遥感影像：介绍常用卫星遥感平台和传感器，如Landsat、MODIS、高分辨率卫星等，学习遥感影像的下载和预处理方法。
（2）航空遥感影像：介绍航空摄影原理和航空遥感平台，学习航空遥感影像的获取和处理方法。
2. 遥感影像处理（1）图像增强：学习遥感影像的灰度拉伸、直方图均衡化、对比度增强等图像增强方法。
（2）图像分类：介绍遥感影像的分类方法，如监督分类、非监督分类等，学习常用的分类算法和参数设置。
（3）图像融合：学习遥感影像的融合方法，如多时相融合、多源融合等，提高遥感影像的空间分辨率和时间分辨率。
3. 遥感数据分析（1）地物识别：学习遥感影像的地物识别方法，如光谱分析、纹理分析等，提取遥感影像中的地物信息。
（2）信息提取：学习遥感影像的信息提取方法，如植被指数、水文信息提取等，为相关领域提供数据支持。
三、实习过程1. 实习准备（1）查阅相关文献资料，了解遥感测量的基本原理和方法；（2）学习遥感影像处理软件，如ENVI、ArcGIS等；（3）准备实习所需的硬件设备，如计算机、遥感影像数据等。
2. 实习实施（1）分组讨论，明确实习任务和分工；（2）按照实习内容，分别进行遥感影像获取、处理、分析和应用；（3）记录实习过程中的问题和心得，及时与指导老师沟通。
3. 实习总结（1）整理实习成果，撰写实习报告；（2）对实习过程中遇到的问题进行分析和总结，提出改进措施；（3）分享实习心得，提高团队协作能力。
定量遥感实验报告
定量遥感实验报告学生实验报告院系：专业班级：学号：学生姓名：指导教师：2019年 6 月 14 日实验报告实验课程名称：定量遥感开课院系及实验室： 2019 年 6 月 14 日院系测绘学院专业班级姓名成绩实验项目名称实验一，二指导教师(包括实验目的、实验内容、实验步骤、实验总结）任务一一，实验目的1.水汽产品.几何校正、重投影（可选操作）、裁剪、专题图制作2.地表温度产品:重投影与拼接、裁剪、绝对数值转换，质量检查/doc/14173523.html,I/FPAR产品.重投影与拼接、裁剪、绝对数值转换，质量检查4.植被指数计算二，实验内容1.浏览、加载MTL文件打开数据，并且进行假彩色合成显示2. 辐射定标：R（输出辐射亮度，Radiance）大气校正：图像裁剪：（基于安徽省行政边界矢量数据生成感兴趣区）3.分别使用MOD09A1 反射率数据和MOD09GA 反射率数据经过投影转换、拼接、裁剪、绝对值还原、去云一系列操作计算安徽省的 NDVI 和 EVI 并用 ArcMap 制作专题图。
4.利用 MOD11A1 地表温度和辐射率数据用 ArcMap 制作安徽省白天和夜间地表温度（LST）专题图。
5.利用 MCD15A2H 数据用 ArcMap 制作安徽省叶面积指数（LAI）专题图。
6.归一化植被指数NDVI的计算输入数据：大气校正后的波段反射率（浮点型）ENVI操作：bandmathNDVI计算公式：NDVI = (ρNIR-ρRed)/(ρNIR+ρRed)7.L1B数据预处理之去云。
MRT操作：输入数据选取、输出波段选择、空间范围定义、输出格式与路径设置、坐标系定义、分辨率定义。
7.L1B数据预处理之去云。
MRT操作：输入数据选取、输出波段选择、空间范围定义、输出格式与路径设置、坐标系定义、分辨率定义。
三，实验步骤一，水汽产品1.几何校正打开envi软件，打开实验数据，选择设置数值两幅影像对比可查看数据查看原始数据。
遥感实验报告
遥感实验报告实验名称：遥感图像的预处理和分类实验实验目的：1. 了解遥感图像数据的基本特点和处理方法；2. 学习遥感图像的预处理方法，如去除噪声、增强对比度等；3. 学习遥感图像的分类方法，如像元分类、目标识别等；4. 掌握常用的遥感图像处理和分类工具的使用。
实验设备：1. 个人电脑；2. 遥感图像处理和分类软件，如ENVI、ArcGIS等。
实验步骤：1. 数据采集：从遥感卫星或其他遥感数据源获取一幅遥感图像数据；2. 数据预处理：a) 图像去噪：使用滤波器或其他去噪方法去除图像中的噪声；b) 对比度增强：使用直方图均衡化或其他增强方法增强图像的对比度；3. 图像分类：a) 像元分类：根据像元的光谱特征将图像分为不同的类别；b) 目标识别：在像元分类的基础上，进一步识别图像中的目标；4. 结果分析：对处理和分类后的图像结果进行分析和评价。
实验结果：根据实验步骤进行数据预处理和分类后，得到了处理和分类后的遥感图像结果。
可以根据对比度增强后的图像来提取目标特征，进行目标识别和分析。
也可以根据像元分类的结果来进行土地利用和覆盖分析等应用。
实验结论：通过本次实验，我们了解了遥感图像的基本特点和处理方法，学习了遥感图像的预处理和分类方法，并掌握了常用的遥感图像处理和分类工具的使用。
通过图像预处理和分类，可以更好地提取图像中的目标信息，为后续的应用和分析提供了基础。
参考文献：[1] 张三. 遥感图像处理与应用[M]. 科学出版社, 2018.[2] 李四. 遥感图像分类方法与实践[M]. 电子工业出版社, 2019.。
遥感实验报告实验成果
一、实验背景随着遥感技术的不断发展，遥感技术在环境监测、资源调查、灾害预警等领域得到了广泛应用。
本实验旨在通过遥感技术，对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
二、实验目的1. 熟悉遥感图像处理软件的基本操作；2. 掌握遥感图像分类方法；3. 对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
三、实验内容1. 数据准备本实验选用某地区Landsat 8卫星影像作为实验数据，该影像覆盖范围约为1000平方公里，分辨率为30米。
实验过程中，首先对影像进行预处理，包括辐射校正、几何校正和大气校正等。
2. 遥感图像分类（1）选择合适的分类器本实验选用支持向量机（SVM）作为分类器，因为SVM在处理小样本数据时具有较好的性能。
（2）训练样本选择为提高分类精度，需要选择具有代表性的训练样本。
本实验采用随机抽样方法，从预处理后的影像中随机选取1000个样本作为训练样本。
（3）分类结果分析将训练样本输入SVM分类器进行训练，得到分类模型。
然后，将测试样本输入分类模型进行分类，得到分类结果。
3. 分类结果验证为验证分类结果的准确性，采用混淆矩阵对分类结果进行评价。
混淆矩阵是一种用于评估分类结果的方法，它能够直观地反映分类精度、召回率和F1值等指标。
四、实验结果与分析1. 分类精度通过计算混淆矩阵，得到分类精度为90.5%。
这说明本实验采用SVM分类器对某地区进行地表覆盖分类的效果较好。
2. 分类结果分析（1）地表覆盖类型分布通过分析分类结果，可以看出该地区地表覆盖类型主要有耕地、林地、草地、水域、建筑用地和未利用地等。
（2）地表覆盖变化分析与历史影像对比，可以看出该地区耕地面积有所增加，林地和草地面积有所减少，建筑用地面积显著增加。
这可能与当地经济发展和城市化进程有关。
3. 分类结果应用（1）环境监测通过地表覆盖分类结果，可以监测该地区土地利用变化，为环境监测提供数据支持。
遥感变化检测实验报告
遥感影像变化检测实验报告目录1 遥感影像变化检测概述 (2)1.1 遥感影像变化检测的内容 (2)1.2 影响变化检测的因素 (2)1.3 遥感影像变化检测步骤 (3)1.4 评判遥感影像检测方法优劣的标准 (3)2 实验过程（基于ERDAS软件） (3)2.1 影像数据 (3)2.2 处理步骤 (3)2.3 ERDAS操作步骤 (3)2.3.1 2003年影像配准 (3)2.3.2 2005年影像配准 (10)2.3.3 相对大气校正 (11)2.3.4 差分检测 (15)3 结语 (16)1 遥感影像变化检测概述遥感影像变化检测就是对目标或现象在不同时间观测到的状态的差异的识别过程。
常用用于遥感影像变化检测的领域有：土地利用/土地覆被变化；森林或植被变化；森林死亡、落叶和灾害评价；森林采伐、再生和选择性砍伐；湿地变化；森林火灾以及林火影响区域检测；地表景观变化；城市变化；环境变化；如农作物检测、轮垦检测、道路分段、冰川总量平衡和表面变化等。
1.1 遥感影像变化检测的内容遥感影像变化检测的内容为：（1）检测并判断某一研究区域内感兴趣的目标或现象在所研究的时间段内是否发生了变化；（2）确定发生变化区域的位置；（3）遥感影像变化检测结果精度评估；（4）分析、鉴别变化类型，确定变化前后地物类型；（5）分析、评估变化在时间和空间上的分布模式，对其变化规律进行描述和解释；（6）对未来的变化进行预测，为科学决策提供依据。
1.2 影响变化检测的因素一般来说，影像遥感影像变化检测的因素主要有：（1）多时相影像间的精确几何配准；（2）多时相影像间的定标或规一化；（3）高质量地面真实数据的获取；（4）研究区地面景观和环境的复杂度；（5）变化检测的方法和算法；（6）分类和变化检测的主题（目标）；（7）分析人员的技术水平和经验；（8）对研究区的认知和熟悉程度；（9）时间和成本限制。
为此，数据选择时，尽量选择同一传感器、相同辐射和光谱分辨率，并在时间周期上相同或相近的数据，目的是为了能消除外部环境的影响，如太阳高度角、季节和物侯的差异等。
遥感原理实验报告
一、实验目的1. 理解遥感的基本原理和概念；2. 掌握遥感数据的获取方法及遥感图像的处理技术；3. 了解遥感在环境监测、资源调查等方面的应用；4. 培养遥感图像分析和解译能力。
二、实验原理遥感技术是利用电磁波在地球表面及其大气层中的传播特性，通过遥感器获取地球表面及其大气层的信息，然后进行图像处理、分析和解译，以达到对地球表面及其大气层进行监测、研究和利用的目的。
遥感原理主要包括以下几个方面：1. 电磁波辐射与散射：地球表面及其大气层对太阳辐射的吸收、反射和散射，形成各种电磁波；2. 遥感器：利用电磁波探测地球表面及其大气层的信息；3. 电磁波传播：电磁波在空间传播过程中，会受到大气、云层等因素的影响；4. 遥感图像处理：对遥感数据进行预处理、增强、分类等处理，提高遥感图像的质量和应用效果；5. 遥感图像分析：对遥感图像进行解译、识别和提取信息，实现对地球表面及其大气层的监测和研究。
三、实验内容及步骤1. 实验内容（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：包括辐射校正、几何校正、大气校正等；（3）遥感图像增强：通过对比度增强、亮度增强、滤波等手段提高遥感图像的质量；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
2. 实验步骤（1）遥感图像的获取：通过遥感卫星、航空摄影等方式获取遥感图像；（2）遥感图像的预处理：利用ENVI软件进行辐射校正、几何校正和大气校正；（3）遥感图像增强：利用ENVI软件进行对比度增强、亮度增强和滤波处理；（4）遥感图像分类：采用监督分类和非监督分类方法对遥感图像进行分类；（5）遥感图像分析：对分类后的遥感图像进行解译、识别和提取信息。
四、实验结果与分析1. 遥感图像的预处理效果通过对遥感图像进行辐射校正、几何校正和大气校正，提高了遥感图像的质量，为后续的图像增强和分类奠定了基础。
遥感实验报告
遥感实验报告引言：遥感技术是利用卫星、飞机等遥感平台获取地球表面信息的一种技术手段。
通过对不同波段的电磁辐射进行探测和分析，遥感技术可以获取地表的空间分布、物质组成以及变化情况等信息。
本次实验旨在通过遥感图像的获取和解译，了解和掌握遥感技术的基本原理和应用。
一、遥感数据获取：1. 数据来源：本次实验使用的遥感数据来源于卫星遥感图像，通过开源的遥感数据平台获得。
2. 数据类型：本次实验使用的遥感数据为多光谱遥感图像，包含多个波段的信息。
通过不同波段的数据分析，可以获取地表的不同特征和信息。
二、遥感图像解译：1. 图像预处理：图像预处理是遥感图像解译的基础工作，包括图像几何校正、辐射校正和大气校正等过程。
这些预处理步骤可以提高图像质量，减少噪声和失真。
2. 地物分类：地物分类是遥感图像解译的关键环节。
通过对遥感图像中的像元进行分类，可以将地表物体分为不同的类别，如水体、植被、建筑等。
常用的分类方法包括监督分类和非监督分类。
3. 特征提取：特征提取是对地物进行进一步分析和描述的过程。
通过提取地物的形状、颜色、纹理等特征，可以对地物进行进一步分类和识别。
三、遥感技术应用：1. 土地利用与覆盖变化研究：通过遥感图像的获取和解译，可以对土地利用与覆盖变化进行研究。
通过对多时相的遥感数据进行对比分析，可以了解土地利用变化的趋势和驱动因素。
2. 自然资源调查与监测：遥感技术在自然资源调查与监测中有着广泛的应用。
通过遥感图像的获取和解译，可以对森林、湿地和土地等自然资源进行调查和监测，为资源管理和保护提供科学依据。
3. 灾害监测与评估：遥感技术在灾害监测与评估中具有重要作用。
通过遥感图像的获取和解译，可以实时监测和评估自然灾害的影响范围和程度，为灾害应对和救援提供决策支持。
结论：本次实验通过遥感图像的获取和解译，了解了遥感技术的基本原理和应用。
遥感技术在土地利用与覆盖变化研究、自然资源调查与监测和灾害监测与评估等方面具有广泛的应用前景。
- 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)。
定量遥感实验报告班级：地信1302 姓名：高永康学号：2013303200212 实验一:辐射信息获取与大气校正一实验目的与意义1.初步了解目前主流的遥感图象处理软件ERDAS，ENVI的主要功能模块。
2.掌握Landsat ETM遥感影像数据，数据获取手段。
掌握Erdas 遥感影像辐射信息获取。
3.加深对遥感理论知识理解，掌握遥感大气校正方法。
二实验内容与遥感影像数据LE71230392003097EDC002003年4月7日Landsat EMT+影像对其进行大气校正处理三实验步骤准备阶段：对遥感图像先定标，Basic Tools-Preprocessing–Calibration Utilities –Landset Calibration并编辑头文件然后因为要对多幅影象进行处理，所以为了方便，最好进行波段合成，一起处理。
最后，进行格式转换完成后，就可以进行大气校正了3.1简化黑暗象元法大气校正（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。
效果如下：3.2 QUAC快速大气校正（1）在ENVI主菜单中，选择以下方式启动lBasic Tools-> Preprocessing-> Calibration Utilities-> QUickAtmospheric CorrectionlSpectral-> QUick Atmospheric CorrectionlSpectral-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction在文件输入对话框中选择校正的图像文件。
（2）打开QUick Atmospheric Correction Parameters面板在Sensor Type中选择相应的传感器类型，选择文件名和路径输出。
结果如下：3.3 Flaash大气校正1.设置辐射率转换因子2.Flaash参数设置相应参数在MTL文件中查询。
并选择Multispectral setting选项，进行相应配置，如下图结果如下4.实验小结因为我们从卫星上获得的影像实际上已经受到了各种因素的干扰，如地表朗伯面反射、大气性质不一及大气多次散射辐照作的用和邻近像元漫反射的作用，这些都使得我们获得的图像有一定的偏差，因此在使用这些图像之前，需要进行校正处理，如大气校正，辐射校正等。
黑暗像元法：是一种古老、简单的经典大气校正方法。
它的使用前提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。
快速大气校正工具（简称QUAC）：其自动从图像上收集不同物质的波谱信息，获取经验值多光谱的快速大气校正（图4）。
它得到结果的精度近似FLAASH或者其他基于辐射传输目前它支持的多光谱和高光谱波谱范围是(0.4~2.5 μm)。
Flaash大气校正：FLAASH采用了MODTRAN4+辐射传输模型，该算法精度高。
任何有关影像的标准MO型和气溶胶类型都可以直接使用。
通过影像像素光谱上的特征来估计大气的属性，不依赖遥感成像时同步测量的大气参数，可以有效地去除水蒸气/气溶胶散射效应，同时基于像素级的校正，矫正目标像元和邻射的“邻近效应”。
并且对由于人为抑止而导致波谱噪声进行光谱平滑处理。
作为结果，除了真实地表反射率到整幅图像内的能见度、卷云与薄云的分类影像、水气含量数据。
5.5.1 遥感影像大气校正为什么要定标？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，目的是消除传感器本身的误差。
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。
辐射定标可以说是大气校正的基础，一切都是为了获得更精确的遥感影像。
5.2遥感大气校正主要影响因素？1.遥感所利用的各种辐射能与地球大气层发生的相互作用2.辐射能的散射、吸收，而使能量衰减。
3.大气的对不同波长的光有选择性的衰减作用。
4.太阳-目标-遥感器之间的几何关系不同，使其穿越的大气路径长度不同，从而使图像中不同地区地物的像元灰度值所受大气影响程度不同。
5.同一地物的像元灰度值在不同获取时间所受大气影响程度不同。
实验二:地物识别和定量反演一·实验目的1.理解基于遥感光谱曲线的地物识别原理，掌握遥感定量反演模型和方法。
2.学习ENVI Bandmath工具进行地表温度反演的过程。
3.加深定量遥感反演知识理论，增强遥感软件平台操作能力。
二·实验内容1 .地物识别与定量反演基础2 .Bandmath基础3 .地表温度反演实验数据1. 研究区NDVI数据，ETM数据经数据预处理后并重采样为60米分辨率的NDVI数据TM-NDVI-60m.img2. 研究区第六波段辐射数据，ETM6经过传感器定标，几何校正，大气校正，裁剪后的辐射数据TM6-rad-subset-jz-xiangfan.img三·实验步骤（一）地表比辐射率计算1. 植被覆盖度计算ENVI：主菜单-Basic Tools-Band Math公式：(b1 gt 0.7)*1+(b1 lt 0.)*0+(b1 ge 0 and b1 le 0.7)*((b1-0.0)/(0.7-0.0))注意：b1选择NDVI图像操作如下：结果如下：2.地表比辐射率计算ENVI：主菜单-Basic Tools-Band Math公式：(b1 le 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589 + 0.086*b2 - 0.0671*b2^2)+(b1 ge 0.7)*(0.9625 + 0.0614*b2 - 0.0461*b2^2)注意：b1选择NDVI图像；b2选择植被覆盖度操作如下：结果如下：（二）计算相同温度下黑体辐射亮度值根据辐射传输方程和普朗克定律，温度为T的黑体在热红外波段辐射亮度B(Ts)表示为：大气向上和向下辐射亮度；地表比辐射率地表真实温度；普朗克定律推到得到的黑体在Ts 的热辐射亮度；大气在热红外波段透过率；热红外波段亮度值。
操作如下：结果如下：（三）反演地表温度操作如下：结果如下：4.专题图输出·显示温度反演结果；·利用ArcGIS生成专题图，并根据温度范围划分4个区间：-39C以上，红色-35-39C，黄色-30-35C，绿色-低于30C，蓝色5.实验小结热辐射是物体由于具有温度而辐射电磁波的现象。
一切温度高于绝对零度的物体都能产生热辐射，温度越高，辐射出的总能量越大，短波成分也就越大。
物体在向外辐射的同时，还会吸收从其它物体辐射来的能量，物体辐射或吸收的能量与它的温度，表面积，黑度等因素有关。
6.思考：（1）地表温度反演利用的是什么方法，有哪些优缺点？1.单窗算法。
其适用于只有一个通道的热红外遥感数据。
其将大气平均作用温度和大气下行平均作用温度合二为一，简化了热辐射传输模型。
缺点是与大气传输模型相同，在参数化过程中使用的数据仍然是标准化的，并没有使用实施大气轮廓数据。
2.分裂窗算法。
分裂窗算法是目前应用最广泛的温度反演方法，分裂窗方法是利用大气窗口10 ~13 μm里的两个相邻通道(11μm附近和12 μm附近)的大气吸收作用不同，通过两个通道测量值的组合来消除大气影响。
3.温度，比辐射率分离算法。
温度比辐射率分离算法（TES）针对高光谱分辨率的热红外测量数据，利用地物热红外光谱的一些共性特点作为先验知识或者约束条件，从一次观测中同时反演温度和光谱发射率。
它集合了三种已有方法（NEM,RAT,MMD)的优点和一些新的特点。
且第一次提出发射率的无偏和精确估计改进了陆面温度的估算。
（2）哪些方法可以有效的提高温度反演精度？单窗算法，分裂窗算法，TES算法等。
实验三:遥感反演模型一·实验目的与意义1.初步了解ERDAS主要功能模块。
2.掌握Erdas Modeler遥感建模方法，遥感定量反演算法设计。
3.加深对ETM影像植被反演、温度反演方法学习。
二实验内容与遥感影像数据LE71230392003097EDC002003年4月7日Landsat EMT+影像Flaash大气校正影像数据三实验步骤1.数据准备1.1 Erdas数据转换：Manage Data-Import Data 将Envi数据转换为IMG数据格式点击OK即可。
1.2 Erdas多波段合成Raster-Spectral-Layer Stack2.影像裁剪Raster-Subset & Chip-Create Subset Image 从AOI裁剪结果如下3. 各类植被指数计算3.1 未校正下Raster-Classification NDVI或Indices 计算NDVI和比值植被指数RVI3.2大气校正（1）转成BIL格式（2）FLAASH大气校正结果如下: (3)计算NDVI建模操作（同时计算出植被覆盖度）：4.比辐射率计算4.1 监督分类分成三类，城镇，水体，自然表面蓝色是水体，绿色是自然表面，土黄色是城镇4.2地表比辐射率计算ERDAS中建模操作：5.相同温度下黑体辐射亮度值ERDAS中建模操作：6.反演地表温度ERDAS中建模操作：ERDAS中建模总模型：7.制作专题图（1）未校正时，NDVI和RVI专题图。
（2）校正后时，武汉地区NDVI和RVI专题图。
武汉地区亮度温度专题图：武汉地区温度反演专题图：。