landsat8辐射定标与大气校正 ENVI5
大气校正实验报告
一、实验背景遥感技术作为获取地球表面信息的重要手段，广泛应用于地质、农业、环境、城市规划等领域。
然而，由于大气对太阳辐射的吸收、散射和反射作用，遥感图像中的地物反射率信息受到一定程度的影响。
为了消除大气影响，提高遥感图像的精度和应用价值，大气校正技术应运而生。
本文将针对大气校正实验进行详细报告。
二、实验目的1. 理解大气校正的原理和方法；2. 掌握大气校正实验的操作流程；3. 评估大气校正对遥感图像质量的影响。
三、实验原理大气校正的目的是消除大气对遥感图像的影响，恢复地物真实反射率。
主要原理如下：1. 辐射传输模型：根据遥感成像过程中太阳辐射、大气和地物之间的相互作用，建立辐射传输模型，描述太阳辐射、大气和地物之间的能量传递过程。
2. 大气校正算法：通过分析遥感图像和同步观测的大气参数数据，建立大气校正模型，消除大气影响，恢复地物真实反射率。
3. 大气校正方法：主要包括单窗算法、双窗算法、大气校正模型等。
四、实验数据与工具1. 实验数据：选取Landsat 8卫星的OLI传感器获取的遥感图像作为实验数据。
2. 实验工具：ENVI软件，MODTRAN模型，FLAASH大气校正模型。
五、实验步骤1. 辐射定标：将原始遥感图像进行辐射定标，使其具有物理意义。
2. 大气校正：利用FLAASH大气校正模型对辐射定标后的遥感图像进行大气校正。
3. 结果分析：对比校正前后的遥感图像，分析大气校正对图像质量的影响。
六、实验结果与分析1. 辐射定标对原始遥感图像进行辐射定标，得到具有物理意义的图像数据。
2. 大气校正利用FLAASH大气校正模型对辐射定标后的遥感图像进行大气校正，得到校正后的遥感图像。
3. 结果分析（1）目视效果对比通过目视对比校正前后的遥感图像，可以看出大气校正后的图像清晰度更高，地物信息更丰富。
（2）定量分析通过统计分析校正前后遥感图像的地物反射率，可以发现大气校正后的遥感图像地物反射率更加接近真实值。
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（LC8LGN00）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LC8LGN00 2016/7/26 3:26:56…………………………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LC8LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（），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“LC8LGN02_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。
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，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“”中找到，具体名称：DATE_ACQUIRED = 2013-05-12；SCENE_CENTER_TIME = 02:55:；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。
python对landsat8数据进行辐射校正和大气校正
python对landsat8数据进⾏辐射校正和⼤⽓校正 Landsat8 L1 T数据是辐射校正数据使⽤地⾯控制点和数字⾼程模型数据进⾏精确校正后的数据产品，还需要做辐射校正（辐射定标和⼤⽓校正）。
⼀、辐射定标 辐射亮度L=DN*Gain+Biasfrom osgeo import gdalfrom osgeo import gdal_arrayimport numpy as npfrom show import TwoPercentLinearfrom matplotlib import pyplot as pltimport cv2 as cvclass Landsat8Reader(object):def__init__(self):self.base_path = r"D:\ProfessionalProfile\LandsatImage\LC08_L1TP_134036_20170808_20170813_01_T1\LC08_L1TP_134036_20170808_20170813_01_T1"self.bands = 7self.band_file_name = []self.nan_position = []def read(self):for band in range(self.bands):band_name = self.base_path + "_B" + str(band + 1) + ".tif"self.band_file_name.append(band_name)ds = gdal.Open(self.band_file_name[0])image_dt = ds.GetRasterBand(1).DataTypeimage = np.zeros((ds.RasterYSize, ds.RasterXSize, self.bands),dtype=np.float)for band in range(self.bands):ds = gdal.Open(self.band_file_name[band])band_image = ds.GetRasterBand(1)image[:, :, band] = band_image.ReadAsArray()self.nan_position = np.where(image == 0)image[self.nan_position] = np.nandel dsreturn imagedef write(self, image, file_name, bands, format='GTIFF'):ds = gdal.Open(self.band_file_name[0])projection = ds.GetProjection()geotransform = ds.GetGeoTransform()x_size = ds.RasterXSizey_size = ds.RasterYSizedel dsband_count = bandsdtype = gdal.GDT_Float32driver = gdal.GetDriverByName(format)new_ds = driver.Create(file_name, x_size, y_size, band_count, dtype)new_ds.SetGeoTransform(geotransform)new_ds.SetProjection(projection)for band in range(self.bands):new_ds.GetRasterBand(band + 1).WriteArray(image[:, :, band])new_ds.FlushCache()del new_dsdef show_true_color(self, image):index = np.array([3, 2, 1])true_color_image = image[:, :, index].astype(np.float32)strech_image = TwoPercentLinear(true_color_image)plt.imshow(strech_image)def show_CIR_color(self, image):index = np.array([4, 3, 2])true_color_image = image[:, :, index].astype(np.float32)strech_image = TwoPercentLinear(true_color_image)plt.imshow(strech_image)def radiometric_calibration(self):# 辐射定标image = self.read()def get_calibration_parameters():filename = self.base_path + "_MTL" + ".txt"f = open(filename, 'r')# f = open(r'D:\ProfessionalProfile\LandsatImage\LC08_L1TP_134036_20170808_20170813_01_T1\LC08_L1TP_134036_20170808_20170813_01_T1_MTL.txt', 'r')# readlines()⽅法读取整个⽂件所有⾏，保存在⼀个列表(list)变量中，每⾏作为⼀个元素，但读取⼤⽂件会⽐较占内存。
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-专题五LandsatTM辐射定标与大气纠正
ENVI-专题五LandsatTM辐射定标与大气纠正专题五Landsat TM辐射定标与大气纠正图像处理流程分为以下几个步骤：图像的配准、重采样、定标以及大气纠正。
其中，图像配准是做所有工作的前提，是图像的几何纠正。
在进行定性或者定量遥感时都要进行图像配准来确定我们所要研究的目标。
在进行完图像配准（几何纠正）之后，为了使得输出图像的配置与输入图像向对应，因此要进行重采样。
定标以及大气纠正则是进行辐射量纠正的重要的过程，是进行定量遥感不可少的步骤。
分类是图像处理的最后一步，按某种使用意图分类之后的图像，对实际应用有很大帮助。
辐射定标和大气纠正都属于图像的预处理，辐射定标的目的是把图像上的DN值转为辐亮度或者是反射率，大气纠正的目的是消除或减少大气对图像的干扰。
以下是图像预处理的流程：一、辐射定标要对图象进行辐射定标，将图象的DN值转化为表观反射率，该过程的实现是通过应用以下两个步骤来实现的：（1）首先将图象的DN值转化为辐亮度：radiance=gain*DN+offset (1)式（2）然后将图象的辐亮度转化为表观反射率：(reflectance) ρ=π*L*d2/（ESUN*cos（θ））(2)式其中ρ为表观反射率，L为表观辐亮度，d为日地距离，ESUN为太阳平均辐射强度，θ为太阳天顶角。
（3）将以上两个步骤结合得：ρ=π*（gain*DN+offset）* d2/（ESUN*cos（θ））(3)式①日地天文单位距离D：D＝1 - 0.01674 cos(0.9856× (JD-4)×π/180)；JD为遥感成像的儒略日（Julian Day）D = 1 + 0.0167 * Sin(2 * PI * (days - 93.5) / 365)；days是拍摄卫片的日期在那一年的天数，如2004年5月21号，则days＝31＋29＋31+30+21＝142。
计算得：D=1.01250756ENVI中的具体实现（以Landsat 7 ETM+为例）：采用简单的波段运算例如，我们把2002-5-22的一幅ETM图像第3波段的DN值转化为表观反射率。
ENVI练习手册
ENVI操作手册目录图像融合前的预处理 (3)Envi5.1无缝镶嵌工具 (3)1 数据加载 (3)2 匀色处理 (4)3 接边线与羽化 (5)4 输出结果 (6)ENVI 矢量边界裁剪栅格数据 (7)1 加载数据 (7)2 矢量数据转为ROI (7)3 裁剪栅格数据 (8)Landsat 8 简介及数据预处理 (10)1 简介 (10)2 辐射定标 (10)3 多光谱数据FLAASH大气校正 (12)4 高光谱数据FLAASH大气校正 (17)5 快速大气校正 (21)ENVI下的Landsat8图像融合 (23)ENVI下如何利用矢量对影像进行掩膜 (25)1 矢量生成ROI (25)2 ROI生成掩膜 (26)ENVI下植被覆盖度的遥感估算 (28)1 估算模型 (28)2 ENVI实现流程 (28)波段运算（Band Math） (33)ENVI下遥感影像的几何精校正 (34)ENVI下图像融合 (37)1 图形融合操作 (37)2 融合方法简介 (39)3 融合方法的适用范围 (42)ENVI下波段合成 (43)ENVI下频率域及空间域滤波 (44)1 频率域滤波 (44)2 空间域滤波 (48)ENVI下遥感影像监督分类 (52)1 详细操作步骤 (52)监督分类后处理 (56)1 小斑块处理 (56)2 分类精度评价 (59)3 分类统计 (61)4 转换成矢量图 (63)图像融合前的预处理辐射定标—大气校正—几何校正—融合辐射定标—大气校正—融合—几何校正Envi5.1无缝镶嵌工具ENVI5.1版本提供了全新的影像无缝镶嵌工具Seamless Mosaic，所有功能集成在一个流程化的界面，可以：•控制图层的叠放顺序•设置忽略值、显示或隐藏图层或轮廓线、重新计算有效的轮廓线、选择重采样方法和输出范围、可指定输出波段和背景值•可进行颜色校正、羽化/调和•提供高级的自动生成接边线功能、也可手动编辑接边线•提供镶嵌结果的预览使用该工具可以对影像的镶嵌做到更精细的控制，包括镶嵌匀色、接边线功能和镶嵌预览等功能。
辐射定标和大气校正操作
辐射定标和大气校正操作辐射定标和大气校正是遥感图像处理中非常重要的环节，它们能够有效地消除大气干扰和地物表面反射率差异等因素对遥感图像的影响，从而得到更为精确的遥感信息。
本文将分别介绍辐射定标和大气校正的基本原理、方法和应用，并探讨它们在遥感图像处理中的重要作用。
一、辐射定标1.基本原理辐射定标是指通过对遥感仪器的响应进行准确的实验测定和模型估计，将数字遥感数据中的像元值转换为表观辐射亮度。
在遥感图像处理中，辐射定标是将数字数值转换为真实物理量的过程，包括辐射定标系数的获取和数据的辐射定标转换。
2.方法辐射定标的方法主要包括实地观测、辐射反演法和模型估算法。
其中，实地观测是指通过在地面上设置观测站点，利用辐射仪器对地表进行测量，获取地面真实辐射亮度，以此来建立数字值和真实辐射亮度之间的关系。
辐射反演法是指通过大气传输模型和辐射传输方程来估算大气对遥感数据的影响，并进一步进行辐射定标。
模型估算法是指利用已有的大气传输模型和地表反射率模型，通过数值方法来进行遥感图像的辐射定标。
3.应用辐射定标的应用主要包括地球观测卫星的遥感数据处理、遥感影像的信息提取、环境变化分析和生态监测等领域。
利用辐射定标后的遥感数据可以更准确地获取地表反射率、地表温度和大气成分等信息，从而为环境监测、资源管理和灾害预警提供更为可靠的数据支持。
二、大气校正1.基本原理大气校正是指利用大气传输模型和辐射传输方程，对遥感数据进行修正，消除大气对遥感图像的干扰和影响，还原地物表面的真实辐射亮度。
大气校正主要考虑大气吸收、散射和反照，以及大气对太阳辐射的衰减和地表反射率的影响。
2.方法大气校正的方法主要包括模型校正和经验校正。
其中，模型校正是指利用大气传输模型和辐射传输方程，对遥感数据进行数值计算，得到校正系数，进而进行大气校正。
经验校正是指利用多源遥感数据、气象数据和地面监测数据，结合统计模型和经验模型，对遥感数据进行修正，消除大气干扰。
Landsat TM 辐射定标和大气校正步骤
Landsat TM 辐射定标和大气校正步骤一、数据准备从USGS网站或者马里兰大学下载TM原始数据，USGS网站下载的数据是原始数据，在ENVI软件File–Open ExternalFile–Landsat – Geotiff with meta中只需打开***********_MTL.txt即可打开所有波段数据（除band6）；usgs网站或马里兰大学网站下载的数据有可能不是原始数据，在ENVI软件File–Open External File–Landsat–Geotiff with meta中只需打开***********.met 即可打开所有波段数据（除band6）二、辐射定标1. 由于ENVI 4.7中有专门进行辐射定标的模块。
将原始TM的影像打开以后，选择Basic Tools–Preprocessing–Calibration Utilities–Landsat Calibration2. 进入下一步参数选择：根据传感器类型选择Landsat 4,5 或者7。
从遥感影像的头文件中获取Data Acquisition 的时间，Sun elevation。
如果你是用File–Open External File–Landsat–Geotiff with meta(Fast) 的方法打开的话，sun elevation 就已经填好了。
这里Calibration Type 注意选择为Radiance。
输出文件，定标就完成了。
三、大气校正简单一点的大气校正可以采用ENVI的FLAASH模块，以下就是FLAASH操作的步骤：1. FLAASH 模块的进入方法是Spectral–FLAASH，或者是BasicTools–Preprocessing–Calibration Utilities–FLAASH。
2. FLAASH 模块的操作界面分为三块：最上部设定输入输出文件；中间设定传感器的参数；下部设定大气参数。
- 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)。
四，辐射定标
Landsat8数据和其他TM 数据类似，发布的数据标示L1T，做过地形参与的几何校正，一般情况下可以直接使用而不需要做几何校正。
为了利用其丰富的波段光谱信息，我们需要进行辐射定标处理，将原始图像上的DN值转为反射率。
1.使用ENVI5.1下的通用定标工具Radiometric Calibration进行Landsat8的辐射定标。
打开LC81220382013141LGN01_MTL.txt全波段文件，选择MultiSpectral多光谱数据进行定标，定标的范围可缩小为ROI区域。
在subset by file选项中选择5月份的ROI区域，使得定标的范围针对ROI。
2.定标参数设置。
为后续的FLAASH大气校正做数据准备，单击Apply FLAASH Settings得到相应的参数。
辐射定标后的结果：
通过定标之后的影像DN值可靠。
五．Flassh大气校正
大气校正的意义在于去除一些大气的干扰，利用ENVI5.1工具箱中的FLAASH Atmospheric Correction进行大气校正。
大气校正参数设置：
1) Input Radiance Image：打开辐射定标结果数据,要求为BIL存储格式；
2) Output Reflectance File：设置输出FLAASH大气校正结果的路径；
3) Output Directory for FLAASH Files：设置输出FLAASH校正文件的路径；
4) Scene Center Location：自动获取；
5) Sensor Type：Landsat-8 OLI；Sensor Altitude:自动读取；Pixel Size:自动读取；
6) Ground Elevation: 0.132KM。
注：利用ENVI自带的全球900米分辨率DEM数据计算，Open World Data ->Elevation（GMTED2010）;
在Toolbox下选择Statistics->Compute Statistics，打开Compute Statistics输入文件对话框，选择GMTED2010.jp2数据。
单击Stats Subset按钮，在Select Statistics Subset对话框中，单击File按钮，选择统计区域对应的图像（DaBieShan5Yue）。
单击Ok。
到。
8) Atmospheric Model：Mid-Latitude Winter（根据成像时间和纬度信息选择）；
9) Aerosol Model：Rural;
10) Aerosol Retrieval：2-band（K-T）；
在Multispectral Settings多光谱设置里，K-T变换选项中，Defaults下拉框：Over-Land Retrieval Standard(660:2100);Filter Function File:选择landsat8_oli.sli波
谱响应函数；
11) 其他参数按照默认设置即可。
大气校正后的结果：。