基于ENVI的遥感影像解译——以Landsat8数据为例（上）
遥感影像解译是一种指从图像获取信息的基本过程。即根据各专业（部门）的要求，运用解译标志和实践经验与知识，从遥感影像上识别目标，定性、定量地提取出目标的分布、结构、功能等有关信息，并把它们表示在地理底图上的过程。例如，土地利用现状解译，是在影像上先识别土地利用类型，然后在图上测算各类土地面积。
经过多途径学习并结合实际运用，自己梳理了下影像解译的基本流程，大致分为了数据准备、数据预处理、遥感解译、成果输出四个部分，详见下图：
下面将从原始数据获取开始，以湖北省十堰市房县为例，完整详细的进行一次解译技术分享。（由于整个过程很细很多，所以就分为上、下篇两次进行分享哈。上半篇主要包括基础数据准备、数据预处理两个部分内容，后续内容会在下半篇中补充喔！！）
一、 基础数据准备
本次主要以地理空间数据云的Landsat 8的影像数据为基础数据，关于上面提到的其他数据获取方式（比如：USGS）本次就先不聊啦，感兴趣的客官可以自己先去了解下。
百度搜索“地理空间数据云”，选择“高级检索”，数据集选择“Landsat 8 OLI_TIRS 卫星数字产品”，空间位置选择“行政区”，然后再依次选择省、市、县等内容（选择你需要的区域就行），时间我这里用的是20200101-20201231，具体看自己需求，然后云量建议5%以下，因为云量覆盖太多的话，遮盖的影像信息就比较多，可用性不高，数据选择“有”，然后进行检索。
然后左下侧就会显示有的数据，选择你需要的就好了，可能会出现一景影像不能完整覆盖行政区域的情况出现，这种时候就需要选择两景或者更多影像，后期进行镶嵌裁剪就好了，这个后面会说。（学习了下：因为在遥感图像的时相选择时需考虑植被生长阶段。植被生长茂盛期为 6 月下旬到 9 月上旬，各植物处于生长旺盛阶段，植被类型间的差异不明显，因此图像上也不易识别，反而 5 月中下旬至 6 月中旬对植被提取和分类最为有利。秋天树叶开始变色，也有利于植被类型的识别。因此在农林业资源、环境调查和监测基本都选择 5 月中下旬至 6 月中旬或者 9 月中下旬至10月上中旬。）
然后直接点击数据条后面的下载按钮，就可以直接下载了，整体下载速度还是很快的。
我刚刚是下载了两景影像，所以就是下面这两个安装包，解压就好了，这样所需的基础数据就准备好了。
二、 数据预处理
本次数据预处理主要包括辐射定标、大气校正、图像镶嵌、图像裁剪四个步骤。至于上文提到的几何校正和图像融合环节，这里做个简单说明。
几何校正，是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，由于我们没有地面控制点数据，这里不再进行几何校正处理。
图像融合，旨在通过将多光谱低分辨率的图像和高分辨率的全色波段进行融合从而得到信息量更丰富的遥感图像，由于本次主要以Landsat8数据为数据源，无需进行多源图像融合，这里也就不再赘述。
2.1辐射定标
在ENVI里打开上面下载的两幅影像。File/Open As/Optical Sensors/Landsat/GeoTIFF with Metadata/LC08_L1TP_125038_20200918_20201006_01_T1_MTL.txt（其中一幅影像，另外一幅操作方式相同。重复步骤即可）
进行2%拉伸显示
打开Radiometric Correction中的Radiometric Calibration工具，选择多光谱数据，ok。
定标类型选择辐射亮度值（Radiance），输出格式为BIL，因为后续FLAASH大气校正的输入数据类型为BIL。输出数据类型为Float，点击Apply FLAASH Settings设置参数。确定输出路径后点击确定。输出数据命名为radiometric_result.dat。
重复上述步骤对第二幅影像进行辐射定标，命名为radiometric_result2.dat，得到辐射定标结果，这个步骤也就完成了。
Tips：如果在辐射定标过程中出现类似下图问题，解决方法为：输出文件路径中不要出现中文，将中文路径中的中文改成英文即可！
2.2大气校正
由于FLAASH大气校正需要影像区域的平均高程，所以这里先使用ENVI自带全球高程数据对区域平均高程进行计算。选择File/Open World Data/Elevation，打开ENVI自带的全球900mDEM数据。再将需要计算高程数据的影像打开，可以放大看到影像数据叠加在DEM数据上
打开工具箱中的Statistics/Compute Statistics，在输入文件对话框中选择GMTED2010.jp2数据，再单击Stats Subset，单击File，选择需要统计高程信息对应的图像，然后点击OK。
最后得到统计的平均高程信息，可以看到影像平均高程为651.167m。
下面开始进行大气校正，打开Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction工具。
导入经过辐射定标的数据radiometric_result.dat，因为在辐射定标中已经进行了单位换算，所以在弹出的Radiance Scale Factors中选择第二项内容。
设置相关参数，传感器类型Sensor Type为Landsat-8 OLI，平均地面高程Ground Elevation为0.651km，大气模型根据大气模型表进行选择，因为影像成像时间为9月，影像中心纬度为31°确定大气模型为Tropical。
气溶胶模型选择城市Urban，气溶胶反演方法 Aerosol Retrieval：2-band（K-T）。
进入Multispectral Settings，将Default设置为Over-Land Retrieval Standard(600：2100 nm)
校正结果命名为flaash_reasult.dat，然后得到大气校正后的结果。（对另一幅影像进行重复操作，命名为flaash_reasult2.dat）
2.3图像镶嵌
打开之前已经过辐射定标和大气校正的两幅影像（flaash_reasult.dat和flaash_reasult2.dat），可以看到镶嵌前的影像。
打开工具箱中的Mosaicking/Seamless Mosaic工具
单击左上角加号按钮，把需要镶嵌的两幅图像选中，在Data Ignore Value中设置为0忽略黑色背景。
在Color Correction选项卡中选择Histogram Matching选项，选择Entire Scene对整幅图像直方图进行匹配。
在Seamlines中选择自动生成接边线Auto Create Seamlines。
在Feathering Distance列表中设置羽化距离，单位是像素。在Seamlines/Feathering /Feathering选项卡内可以选择是边缘羽化Edge Feathering还是接边线羽化Seamline Feathering。这里选择接边线羽化，羽化距离10个像素。
最后在Export选项卡中设置镶嵌结果输出路径，命名为mosaic_reasult.dat，重采样方法选择双三次卷积Cubic Convolution。
最后得到镶嵌结果
2.4图像裁剪
将之前准备的房县行政区shp文件导入ENVI，并加载到视图中。
然后在工具箱中选择Regions of Interest/Subset Data from ROIs工具，在弹出的窗口中选择卫星影像数据，点击OK。
设置参数，Select Input ROIs选择房县行政区shp文件，是否掩膜多边形外的像元Mask pixels outside of ROI，选择是，同时掩膜裁剪背景值设置为0，设置输出路径名后点击OK即可。
最后得到裁剪后的结果
至此，上半篇内容到这就结束了，后续再更新。
本文来源：GIS作坊
基于ENVI土地利用、植被指数、耕地监测、水质反演、温度反演、干旱监测专题
基于ENVI的遥感影像解译——以Landsat8数据为例（上）相关推荐
- 批量处理|基于ENVI的遥感影像批量裁剪工具
遥感影像裁剪的目的是将研究之外的区域去除,常用的方法是按照行政区划边界或者自然区划边界进行影像裁剪,在基础数据生产中,还经常要进行标准分幅裁剪. ENVI软件支持规则裁剪(矩形范围)和不规则裁剪(任意 ...
- 遥感图像彩色合成|以Landsat8数据为例
1.原理和方法 在使用单波段图像时,由于成像系统动态范围的限制,地物显示的亮度值差异较小.又由于人眼对黑白图像亮度级的分辨能力仅有10-20级左右,而对色彩和强度的分辨力可达100多种,因此将黑白图像 ...
- Google Earth Engine 下载遥感影像——以Landsat 8数据为例
目录 1.Google Earth Engine(GEE)简介 1.1 开发环境 1.2 说明书 2.GEE账号注册 3.GEE 查询库内卫星影像以及调用 3.1 数据集Datasets 3.2 加载 ...
- sentinel卫星_IKONOS卫星 遥感影像解译数据 波段
IKONOS卫星遥感影像解译数据的波段 IKONOS卫星影像 IKONOS卫星简介 广西善图科技 IKONOS为美国DigitalGlobe公司的高分辨率遥感卫星,于1999年09月24日发射,其影像 ...
- 北京二号卫星遥感影像解译数据多少费用经费
北京二号卫星遥感影像解译数据多少费用经费? 北京二号卫星遥感影像解译数据的经费费用可以咨询代理商广西善图科技有限公司,并且还可以免费提供最全面最详细的遥感卫星应用解决方案. 一. 北京二号简介 &qu ...
- 影像自动解译_遥感影像解译的研究现状和发展趋势.pdf
遥感影像解译的研究现状和发展趋势 维普资讯 第2期 ,总第60期 国 土 资 源 遥 感 No．2,2004 2004年 6月 15日 REMCITESENSING FOR LAND &RES ...
- 从CNN到Transformer：基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类
更多资讯,请关注:Ai尚研修科研技术动态 公众号 我国高分辨率对地观测系统重大专项已全面启动,高空间.高光谱.高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成,将成为保障国家安全 ...
- 基于内容的遥感影像场景检索
基于内容的遥感影像场景检索(一) (一)基础练习 1.从遥感影像文件夹里批量读取遥感影像,并计算其灰度直方图特征 ①首先学习matlab批量读取文件 (由于之前此部分没认真学习,所以试图理解每一个函数 ...
- ENVI经验|基于多源遥感影像的红树林范围提取4-面向对象分类
传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富,地物间光谱差异较为明显的基础上进行的.对于只含有较少波段的高分辨率遥感影像,传统的分类方法,就会造成分类精度降低,空间数据的大量冗余, ...
最新文章
- SQL SERVER 2005 请求失败或服务未及时响应
- Delphi 与C系列区别之已见(一)
- k8s 命令 重启_k8s 常用命令
- 通信业正面临一场巨变，要么滚蛋要么改变
- display可以控制标签的显示模式
- JavaJDBC：连接池
- linux怎么查看.pcd文件,PCD文件格式详解及在PCL下读取PCD文件
- 不知道读什么？5种方法教你打造私房书单！
- Android 11 自动亮度调试流程
- 机器学习-常用八大神经网络框架
- SqlServer数据库测评
- 因子分析做bartletts球状验证和KMO验证时，数据报‘float‘ object has no attribute ‘shape‘错误
- 产品经理-商业思维1商业画布
- 009. 我在尼泊尔看雪山
- 对技术深度的一些思考
- 某网站视频播放花屏解密
- 源代码加密软件的那些事儿
- JDK、eclipse安装
- 有趣的智能合约蜜罐分析（上）
- IPFS技术逐渐走到关键时刻！留给散户的时间真的不多了！