Landsat、ALI_校正参数

合集下载

Landsat 7 校正

Landsat 7 校正

陆地卫星Landsat-7影像坏行数据和图像修复方法研究2006-3-22 中国图象网(1 哈尔滨工程大学,黑龙江 150001;2 中国科学院遥感应用研究所,北京 100101)摘要: 美国陆地卫星Landsat-7提供的观测数据一直以来被广泛应用各个领域,但其传感器ETM+上的扫描行校正部件SLC(Scan Line Corrector)在2003年5月31日发生故障,导致Landsat-7影像出现坏行,难以正常使用。

为了使剩余的78%的数据能够被利用,NASA立即组织有关科学家研究解决这一问题的方案。

我们与NASA科学家密切配合,探索了五种修复方法。

经过对这五种方法的尝试与试验,自适应局部回归算法得到较好效果。

修复后的图像完整没有明显的修复边界,达到理想的效果。

本文介绍了该算法的基本原理、流程和试验结果,并对修复效果进行了评估。

关键词: Landsat-7,坏行数据,修复方法1.前言1999年4月美国发射的Landsat-7上搭载了专题扫描仪(ETM+),其空间分辨率为30m,扫描幅宽为185km。

由于其出色的影像质量,Landsat-7的数据现在被世界上15个地面站所接收,广泛应用于资源调查、环境监测、地质调查、测绘、考古和规划管理等领域。

数据分发也在世界各地进行,是我国现在应用最为广泛的地球观测数据。

因此,该数据的损坏对这些领域造成了很大的影响。

Landsat-7卫星上SLC部件虽然已经失效,但是Landsat-7卫星仍然在轨道上正常运行。

SLC的损坏并没有影响其它器件的性能,主扫描镜继续能正常工作,具有提供有用图像数据的能力。

另外,在存在坏行数据的影像上,仍然有约78%的数据是完好的。

因此研究如何修复由于SLC失效而造成的数据坏行,将所得到的有坏行的数据重新利用起来,成为当前国际遥感领域中研究的热点。

针对SLC失效造成的影像坏行数据,USGS/NASA专门组成了一个陆地卫星小组继续研究发掘Landsat-7系统剩余的可用价值。

Landsat简介及数据预处理教学内容

Landsat简介及数据预处理教学内容

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。

几种主要的卫星和轨道参数

几种主要的卫星和轨道参数

4 几种地球资源遥感卫星及其运行特征
地球观测1号卫星(EO-1) 卫星(Earth Observatory)(EO-1) 于2000年4月发射。 EO-1轨道高度705km,太阳同步,倾角98.20°,通过赤道当 地时间与Landsat 7仅相差一分钟,对全球覆盖一次周期16 天。
4 几种地球资源遥感卫星及其运行特征
4 几种地球资源遥感卫星及其运行特征
4号
Landsat-4 1982年
Landsat-5 1984年
4 几种地球资源遥感卫星及其运行特征
1999年4月15日 范登堡空军基地 设计寿命 6年 NASA从1972年开始的陆地卫星计划的最后 一颗
LANDSAT SPOT 轨 道 参 数
3.1.3.3 几种地球资源遥感卫星及其运行特征(续4) LANDSAT 1,2 LANDSAT 3
LANDSAT4, 5 LANDSAT-7
SPOT 1,2,3
轨道倾角 轨道高度(km)
99.114° 918
99.143° 916.6
98.2° 705
98.22° 705
98.72° 832
半长轴(km)
7285.82
7200.50
半短轴(km) 偏心率
7272.82 0.0006
0.001
0.0011
运行周期(分钟) 飞行速度(km/s)
103.267 7.399
103.0 7.416
98.9
98.9
7.500
101.4
星下点平均速度 穿越赤道过降交点地方时间
总扫描角 扫描带宽度(km) 赤道上当天两圈距离(km)
6.47 9:42/9:30 11.56°
185 2862

landasat7产品级别

landasat7产品级别

*Landsat产品介绍***在数据产品方面,Landsat-7与Landsat-5的最主要差别有:增加了分辨率为15米的全色波段(PAN波段);波段6的数据分低增益和高增益数据,分辨率从120米提高到60米。

本文介绍了Landsat-7产品按产品处理级别和产品范围的分类、定标参数文件的更新。

最后,介绍确定的星历数据在Landsat-7数据预处理系统中的使用及其对产品质量的影响。

*_按产品处理级别分类_**__*1.原始数据产品(Level 0)原始数据产品是卫星下行数据经过格式化同步、按景分幅、格式重整等处理后得到的产品,产品格式为HDF格式,其中包含用于辐射校正和几何校正处理所需的所有参数文件。

原始数据产品可以在各个地面站之间进行交换并处理。

2.系统几何校正产品(Level 2)系统几何校正产品是指经过辐射校正和系统级几何校正处理的产品,其地理定位精度误差为250米,一般可以达到150米以内。

如果用确定的星历数据代替卫星下行数据中的星历数据来进行几何校正处理,其地理定位精度将大大提高。

几何校正产品的格式可以是FAST-L7A格式、HDF格式或GeoTIFF格式。

3.几何精校正产品(Level 3)几何精校正产品是采用地面控制点对几何校正模型进行修正,从而大大提高产品的几何精度,其地理定位精度可达一个象元以内,即30米。

产品格式可以是FAST-L7A格式、HDF格式或GeoTIFF格式。

4.高程校正产品(Level 4)高程校正产品是采用地面控制点和数字高程模型对几何校正模型进行修正,进一步消除高程的影响。

产品格式可以是FAST-L7A格式、HDF格式或GeoTIFF格式。

要生成高程校正产品,要求用户提供数字高程模型数据。

*_按产品大小分类_*1.标准景产品按标准WRS分幅体系(World Reference System)确定产品。

2.移动景产品移动景产品是指在连续两幅标准景产品中分割出的图像产品,其大小与标准景产品相同。

landsat8反照率各个波段的比例因子

landsat8反照率各个波段的比例因子

landsat8反照率各个波段的比例因子Landsat 8是美国国家航空航天局(NASA)和美国地质调查局(USGS)合作开展的一项地球观测计划,旨在提供高空间分辨率和频率的遥感数据。

它搭载了一台名为OLI(Operational Land Imager)的传感器,可以获取多个波段的数据,其中包括蓝、绿、红、近红外、短波红外1、短波红外2和热红外这些波段。

为了将这些波段的数据转化为可用的反射率信息,需要使用比例因子进行校正。

1. 蓝波段(Band 2)比例因子:蓝波段的比例因子为0.0001。

这意味着在计算蓝波段的反射率时,需要将原始数据乘以0.0001。

蓝波段对于水体和植被的观测具有重要意义,可以用于监测水质和植被生长情况。

2. 绿波段(Band 3)比例因子:绿波段的比例因子为0.0001。

与蓝波段类似,计算绿波段的反射率时也需要将原始数据乘以0.0001。

绿波段对于植被的监测非常重要,可以用于研究植被的健康状况和覆盖范围。

3. 红波段(Band 4)比例因子:红波段的比例因子为0.0001。

同样,计算红波段的反射率时需要将原始数据乘以0.0001。

红波段对于土地利用和土地覆盖的分类具有重要作用,可以用于识别不同类型的地表覆盖,如城市、农田和森林。

4. 近红外波段(Band 5)比例因子:近红外波段的比例因子为0.0001。

计算近红外波段的反射率时同样需要乘以0.0001。

近红外波段对于植被的监测也非常重要,可以用于评估植被的健康状况和生长情况。

5. 短波红外1波段(Band 6)比例因子:短波红外1波段的比例因子为0.0001。

在计算短波红外1波段的反射率时,同样需要将原始数据乘以0.0001。

短波红外1波段对于土地覆盖分类和水体观测也具有重要意义。

6. 短波红外2波段(Band 7)比例因子:短波红外2波段的比例因子为0.0001。

在计算短波红外2波段的反射率时,同样需要将原始数据乘以0.0001。

LC8大气校正(暗像元法)的波段运算公式

LC8大气校正(暗像元法)的波段运算公式

Landsat8/OLI数据大气校正(暗像元法)由DN值校正至反射率(星上入瞳处)的系数REFLECTANCE_MULT_BAND_1 = 2.0000E-05REFLECTANCE_MULT_BAND_2 = 2.0000E-05REFLECTANCE_MULT_BAND_3 = 2.0000E-05REFLECTANCE_MULT_BAND_4 = 2.0000E-05REFLECTANCE_MULT_BAND_5 = 2.0000E-05REFLECTANCE_MULT_BAND_6 = 2.0000E-05REFLECTANCE_MULT_BAND_7 = 2.0000E-05REFLECTANCE_MULT_BAND_8 = 2.0000E-05REFLECTANCE_MULT_BAND_9 = 2.0000E-05REFLECTANCE_ADD_BAND_1 = -0.100000REFLECTANCE_ADD_BAND_2 = -0.100000REFLECTANCE_ADD_BAND_3 = -0.100000REFLECTANCE_ADD_BAND_4 = -0.100000REFLECTANCE_ADD_BAND_5 = -0.100000REFLECTANCE_ADD_BAND_6 = -0.100000REFLECTANCE_ADD_BAND_7 = -0.100000REFLECTANCE_ADD_BAND_8 = -0.100000REFLECTANCE_ADD_BAND_9 = -0.100000各波段的DN值统计特征大气校正方法大气校正选择暗像元法(亦称直方图法或暗目标法),其中重点考虑程辐射对各波段的影响(据相关文献资料,漫入射辐射引起的辐照度相对较小可以忽略)。

当遥感影像中存在低辐照度像元区域时,其像元DN值在无大气影响时理论上应该为0,当其像元DN值不为0时即可理解为是受到了大气影响而引发畸变,其中主要是程辐射所导致。

影像校正

影像校正一 辐射校正我们通过地理空间数据云平台,下载了一幅LE71180392013201EDC00的遥感影像。

影像为landsat7遥感影像,行列号为118039,为2013年第201日拍摄的影像。

1 landsat 影像辐射校正1.1 landsat7遥感影像校正1.1.1影像合成由于下载得到的遥感影像是单波段影像,单波段影像为灰阶影像,地物信息显示不全面,为了得到真实的地表信息,并进行校正和分析处理,需要将各波段影像合成为一幅影像。

合成影像如图1 所示。

1.1.2去条带处理由图1 可知landsat7影像由许多条带。

因landsat7号卫星受到损坏,因此landsat7的大多数影像都是不完整的为有条带的影像。

图1 landsat7合成影像由于要得到完整的地表影像对影像进行分析,需要对下载的landsat7遥感影像进行去条带处理。

这里利用了landsat_gapfill去条带插件进行处理,landsat_gapfill插件是通过相应的算法,根据周围的像元值推测出损坏的像元值,以得出损坏的地表影像信息。

因为损坏的地表影像是通过相应的算法推测出来的,不是真实的地表信息,与真实地表会有些许偏差,因此对影像分类,地物提取等会存在一定的误差。

去条带后的影像如图2所示。

图2 去条带后影像1.2辐射定标辐射定标是指建立遥感传感器的数字量化输出值DN与其所对应视场中辐射亮度值之间的定量关系。

在进行大气校正前,由于影像里没有建立遥感传感器的数字量化输出值DN与其所对应视场中辐射亮度值之间的定量关系。

所以要先进行辐射定标。

对影像进行去条带处理,得到无条带的影像后,对LANDSAT7遥感影像进行辐射定标处理。

因为只能对单波段影像辐射定标,所以要先将影像分成6个单波段影像,分别对6个单波段影像进行辐射定标。

定标参数如图3所示,遥感影像类型为landsat 7 ETM+影像,时间为2013年7月,辐射定标完成后再对波段进行组合,得到图4 的辐射定标结果。

应用6S模型进行LANDSAT_TM影像大气校正

应用6S模型进行LANDSAT_TM影像大气校正应用6S 模型进行LANDSAT TM 影像大气校正一、辐射校正1、 1、用定标系数将原始DN 值转换为大气层顶太阳辐亮度L ;rescale cal rescale B Q G L +?=λL 为大气层顶太阳辐亮度,Q 为记录的电信号数值,rescaleG ,为通道增益,rescale B 为偏移量,定标系数可以在头文件中获得。

表1 LANDSAT5 TM 数据定标系数2、由大气层顶太阳辐亮度L 转换为反射率。

s p ESUN d L θπρλλcos 2=其中:pρ: 行星反射率λL : 传感器口径的光谱辐射值 d: 日地距离(以天文为单位)λESUN :Mean solar exoatmospheric irradiances 平均太阳外大气层辐射值s θ : 太阳天顶角表2 TM 太阳外大气层光谱辐射值表3,日地距离(以天文为单位)二、大气校正经过辐射校正后,象元灰度值转换为了反射率,我们使用6S模型对可见光和近红外波段进行大气校正。

1、辐射校正完的反射率是0-1之间的值,然后把它转换为0-100之间的数值;2、再在ENVI中把第一步中的反射率(0-100)存为RAW格式;3、然后在inputfiles中填写大气条件的输入文件、大气条件的输出文件名、待大气校正的输入文件(RAW格式)、待大气校正的图像大小;4、4、第3步中的大气条件的输入文件需要填写以下的几项:Landsat5 geometrical conditionsmonth,day,hh.ddd,long.,lat.tropical atmospheric modecontinental aerosols modelvisibility in km (aerosol model concentration)target at 600 m above sea levelsensor on board of satellitethird band of Landsat5the image has values of reflectance, DN is percent (actual values only 0-100, not 0-255)(-1)number of pixels of the image=number of bytes以上的这些参数可以根据实际情况进行填写。

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。

landsat8evi计算公式中的参数

landsat8evi计算公式中的参数Landsat 8 EVI(增强型植被指数)的计算公式通常包含以下几个参数:ρNIR:近红外波段的反射率,对应于Landsat 8 OLI传感器的Band 5。

ρRed:红色波段的反射率,对应于Landsat 8 OLI传感器的Band 4。

ρBlue:蓝色波段的反射率,对应于Landsat 8 OLI传感器的Band 2。

在某些EVI计算中可能不包括此参数,但在某些改进的版本中可能会使用到。

L:土壤调节系数,用于调整土壤背景对植被指数的影响。

这个值通常是通过经验确定的,并且可以根据研究区域和植被类型进行调整。

C1、C2:大气修正系数,用于校正大气对传感器测量的影响。

这些系数通常是基于大气模型和传感器特性进行计算的。

请注意,具体的计算公式可能会因研究目的、数据源和处理软件的不同而有所变化。

例如,在ENVI软件中,可以使用Band Math工具来计算EVI,并且可以根据需要自定义公式中的参数。

标准的EVI计算公式如下:EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + C1 * ρRed - C2 * ρBlue + L))其中,C1和C2是常数,通常取值为6和7.5,L值通常取1。

但在某些情况下,这些值可能会根据具体的研究需求进行调整。

然而,请注意这个公式中包含了蓝色波段的反射率ρBlue,这实际上并不是标准EVI公式的一部分。

标准EVI公式实际上是这样的:EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + 6 * ρRed - 7.5 * ρBlue + 1))但上面的公式中的ρBlue应该是一个错误,因为在标准的EVI公式中并不包含蓝色波段的反射率。

正确的标准EVI公式应该是:EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + 6 * ρRed - 7.5 * 1 + 1))或者更简化一些:EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + ρRed + 1))但请注意这个简化公式也并不完全正确,因为它省略了原公式中的常数项(即-7.5 * 1 + 1部分)。

  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. 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. 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)。

Chander, G., Markham, B.L., Helder, D.L. (2009). Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors. Remote Sensing of Environment 113 (2009) 893–903.

Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors

Gyanesh Chandera, Brian L. Markhamb, Dennis L. Helderc a SGT, Inc.! contractor to the U.S. Geological Survey (USGS) Earth Resources Observation and Science (EROS) Center, Sioux Falls, SD

57198-0001 USA. !Work performed under USGS contract 08HQCN0005 Telephone: 605-594-2554, Email: gchander@usgs.gov

b National Aeronautics and Space Administration (NASA) Goddard Space Flight Center (GSFC), Greenbelt, MD 20771, USA

c South Dakota State University (SDSU), Brookings, SD 57007, USA

Abstract This paper provides a summary of the current equations and rescaling factors for converting calibrated Digital Numbers (DNs) to absolute units of at-sensor spectral radiance, Top-Of-Atmosphere (TOA) reflectance, and at-sensor brightness temperature. It tabulates the necessary constants for the Multispectral Scanner (MSS), Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM+), and Advanced Land Imager (ALI) sensors. These conversions provide a basis for standardized comparison of data in a single scene or between images acquired on different dates or by different sensors. This paper forms a needed guide for Landsat data users who now have access to the entire Landsat archive at no cost.

Keywords: Landsat, MSS, TM, ETM+, EO-1 ALI, LMINλ, LMAXλ, ESUNλ, LPGS, NLAPS, Gain,

Bias, Calibration, Spectral Radiance, Reflectance, Temperature

1. Introduction The Landsat series of satellites provides the longest continuous record of satellite-based observations. As such, Landsat is an invaluable resource for monitoring global change and is a primary source of medium spatial resolution Earth observations used in decision-making (Fuller et al., 1994; Townshend et al., 1995; Goward et al., 1997; Vogelmann et al., 2001; Woodcock et al., 2001; Cohen et al., 2004; Goward et al., 2006; Masek et al., 2008; Wulder et al., 2008). To meet observation requirements at a scale revealing both natural and human-induced landscape changes, Landsat provides the only inventory of the global land surface over time on a seasonal basis (Special issues on Landsat, 1984; 1985; 1997; 2001; 2003; 2004; 2006). The Landsat Program began in early 1972 with the launch of the first satellite in the series. As technological capabilities increased, so did the amount and quality of image data captured by the various sensors onboard the satellites. Table 1 presents general information about each Landsat satellite.

Landsat satellites can be classified into three groups, based on sensor and platform characteristics. The first group consists of Landsat 1 (L1), Landsat 2 (L2), and Landsat 3 (L3), with the Multispectral Scanner (MSS) sensor and the Return Beam Vidicon (RBV) camera as payloads on a “NIMBUS-like” platform. The spatial resolution of the MSS sensor was

1Chander, G., Markham, B.L., Helder, D.L. (2009). Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors. Remote Sensing of Environment 113 (2009) 893–903.

approximately 79 m (but often processed to pixel size of 60 m), with four bands ranging from the visible blue to the Near-Infrared (NIR) wavelengths. The MSS sensor on L3 included a fifth band in the thermal infrared wavelength, with a spectral range from 10.4 to 12.6 μm. The L1–L3 MSS sensors used a band-naming convention of MSS-4, MSS-5, MSS-6, and MSS-7 for the blue, green, red, and NIR bands, respectively (Markham & Barker, 1983). This designation is obsolete, and to be consistent with the TM and ETM+ sensors, the MSS bands are referred to here as Bands 1–4, respectively.

The second group includes Landsat 4 (L4) and Landsat 5 (L5), which carry the Thematic Mapper (TM) sensor, as well as the MSS, on the Multimission Modular Spacecraft. This second generation of Landsat satellites marked a significant advance in remote sensing through the addition of a more sophisticated sensor, improved acquisition and transmission of data, and more rapid data processing at a highly automated processing facility. The MSS sensor was included to provide continuity with the earlier Landsat missions, but TM data quickly became the primary source of information used from these satellites because the data offered enhanced spatial, spectral, radiometric, and geometric performance over data from the MSS sensor. The TM sensor has a spatial resolution of 30 m for the six reflective bands and 120 m for the thermal band. Because there are no onboard recorders on these sensors, acquisitions are limited to real-time downlink only.

相关文档
最新文档