ENVI软件|基于多源遥感影像的红树林范围提取1-数据获取及处理

红树林是一种生长在海岸带的木本植物群落，主要分布在热带、亚热带地区海岸带的海湾、河口等海域，是国际上生物多样性的重点保护对象。红树林具有提供产品、防风御浪、净化环境、保护海岸线、维持生物多样性等生态功能，它与海草床和珊瑚礁并称为三大海洋生态系统，并且有着重要的社会、经济和生态价值。红树林、盐沼和海草等海洋湿地生态系统构成了地球的“蓝色碳汇”，植被固碳中，红树林固碳占据着重要的地位，是地球碳循环的重要组成部分，红树林还具有碳循环周期短、碳沉积速率高和碳排放量低等特点。

随着遥感技术的发展，其应用领域也越来越广泛，从上个世纪70年代开始就有学者将遥感技术应用于红树林提取研究。目前红树林遥感研究主要集中在基于中低分辨率影像的红树林范围提取、基于高分辨率影像的红树林种间分类、红树林动态监测及变化驱动因素分析、红树林生物量估算及碳储量评估等。本文开始将基于Landsat8和Sentinel-2影像，在ENVI软件中采用波段指数、监督分类和面向对象分类等技术手段，对珠海淇澳岛红树林范围进行提取及精度评估，本文重点介绍Landsat8和Sentinel-2影像下载及预处理。

1、Landsat8和Sentinel-2影像介绍

1）Landsat8影像介绍

Landsat8卫星上携带两个传感器，分别是OLI陆地成像仪（Operational Land Imager）和TIRS热红外传感器（Thermal Infrared Sensor）。Landsat8 在空间分辨率和光谱特性等方面与Landsat1-7保持了基本一致，卫星一共有11个波段，波段1-7，9-11的空间分辨率为30米，波段8为15米分辨率的全色波段，成像宽幅为185x185km,卫星每16 天可以实现一次全球覆盖。

Landsat8波段1蓝色波段 (0.433–0.453μm)主要应用于海岸带观测，波段9为短波红外波段(1.360–1.390μm) 主要应用于云检测。

2）Sentinel-2影像介绍

Sentinel-2号卫星携带一枚多光谱成像仪(MSI)，高度为786km，可覆盖13个光谱波段，幅宽达290千米。Sentinel-2包括2A和2B两颗卫星，可提供植被、土壤和水覆盖、内陆水路及海岸区域等图像，还可用于紧急救援服务。地面分辨率包括10m、20m和60m、一颗卫星的重访周期为10天，两颗互补，重访周期为5天。从可见光和近红外到短波红外，具有不同的空间分辨率，在光学数据中，Sentinel -2号数据是唯一在红边范围含有三个波段的数据，这对监测植被健康信息非常有效。

Sentinel-2各个波段意义说明：

Band1：海岸/气溶胶波段：用来监测近岸水体和大气中的气溶胶。

Band2、3、4：可见光波段

Band5、6、7：红边范围内波段对监测植被健康信息非常有效

Band8：近红外波段（宽）

Band8A：近红外波段(窄)

Band9：水蒸气波段

Band10、11、12：短波红外波段

2、Landsat8和Sentinel-2影像下载

Landsat8和Sentinel-2影像的常用下载地址包括美国地质勘探局（United States Geological Survey，简称USGS）和Google Earth Engine（GEE）网站。

1）USGS影像下载介绍

USGS网站：https://earthexplorer.usgs.gov/ ，下载影像需要先注册。

在左侧列表中设置下载范围、影像时间段、含云量、影像类型等条件，查询出满足条件的影像列表。然后单击直接下载或者加入到Item Basket里面，使用Bulk Download Application（BDA）批量下载。

本次下载的Landsat8影像是2019年9月27日的Landsat8 OLI/TIRS C2 L1级和L2级数据，影像名为LC08_L1TP_122044_20190927_20200825_02_T1（L1级）、LC08_L2SP_122044_20190927_20200825_02_T1（L2级）；下载的Sentinel-2影像是2019年9月7日的LIC影像，影像名为L1C_T49QGE_A013071_20190907T030509。

L1TP影像进行了地形校正和几何校正，L2SP影像在L1级影像基础上做了辐射校正和大气校正。

2）GEE影像下载介绍

GEE下载影像的地址为https://code.earthengine.google.com/。在代码窗口中输入以下代码，查找淇澳岛范围2019年9月-10月的所有Landsat8或Sentinel-2影像。

//设置感兴趣区域roi-自己上传矢量范围

var roi = ee.FeatureCollection("users/503598481/Vector/qiaodao")

Map.centerObject(roi, 12);

Map.addLayer(roi, {color: "red"}, "roi");

//导出影像数据函数,三个参数

function exportImage(image, region, fileName) {

Export.image.toDrive({

image: image, //设置要输出的影像

description: fileName, // 设置下载任务tasks的名称

fileNamePrefix: fileName, //设置下载影像的名称

scale: 10, //空间分辨率，单位：米

region: region, //要下载影像的范围

maxPixels: 1e13, //单幅影像输出的最大像元数

fileFormat:"GeoTIFF", //设置影像导出格式，注意GeoTIFF格式需要所有波段存储类型一致（如不能同时存Int16和Int32）

crs: "EPSG:4326" //投影信息，一般是采用默认方式，通常可以设置为EPSG:4326

});

}

//选择要导出的数据类型

var selectCol = ee.ImageCollection("COPERNICUS/S2") //选择数据集 Landsat是“LANDSAT/LC08/C01/T1_SR”

.filterBounds(roi) //区域筛选

.filterDate("2019-09-01","2019-10-30") //时间筛选

.limit(2) //限制影像数量(全下载可不设置)

print("selectCol", selectCol);

//获取每幅影像对应的时间

var indexList = selectCol.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");

print("indexList", indexList);

//循环导出影像，用影像时间对其命名

indexList.evaluate(function(indexs) {

for (var i=0; i

var image = selectCol.filter(ee.Filter.eq("system:index", indexs[i])) //筛选对应时间的影像

.first() //选取第一幅影像

.int16() //将所有波段存储格式都转换Int16，使其保持一致（哨兵2号数据QA20波段为Int32，与其他不一致会出错）

exportImage(image, roi, indexs[i]);

}

});

运行上述代码后，在右侧Tasks栏中显示出了查询的结果，单击“RUN”可以手动下载影像，下载的影像保存到了云端硬盘中，可以从云端硬盘下载至本地，下载的影像是经过了L2级预处理及裁剪的，可以直接用于后续操作。

本次下载USGS上对应的Landsat8和Sentinel-2影像，Landsat8影像名为LC08_122044_20190927（30m分辨率），Sentinel-2影像名为20190907T025549_20190907T030509_T49QGE（10m分辨率）。

3、Landsat8和Sentinel-2影像预处理

USGS上下载Landsat8和Sentinel-2的L1影像后，需要进行辐射校正和大气校正，处理成L2级影像。

1）Landsat8影像预处理(ENVI)

ENVI 5.3/5.3.1打开Landsat8 L1级数据有时候会存在问题，无法直接打开头文件（“**_MTL.txt”），只能单独加载各波段图层，但这样无法读取各波段的波谱信息，导致无法正常进行辐射校正和大气校正，可能是Landsat8 L1和L2级数据的头文件有问题，需要手动编辑后才能打开，详细说明参看：https://blog.csdn.net/qq_39523870/article/details/89682848。

如果用ENVI实在无法打开Landsat8影像，可以在ENVI软件中使用波段组合（Layer Stacking）工具直接进行波段合成，但波谱信息会丢失，需要手动填上去，具体操作参看：

https://blog.csdn.net/qq_41135605/article/details/104803541?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_baidulandingword-1&spm=1001.2101.3001.4242。

a）Landsat8影像辐射校正

本文不详细介绍，具体参看：http://blog.sina.com.cn/s/blog_764b1e9d01018rat.html。

b）Landsat8影像大气校正

本文不详细介绍，具体参看：http://blog.sina.com.cn/s/blog_764b1e9d01018tc5.html。本次从USGS上下载的Landsat8 L1级和L2级数据都无法在ENVI 5.3/5.3.1中打开，因此直接使用下载的Landsat8 L2级数据进行波段组合后开展后续工作。

将Landsat8 红、绿、蓝和近红外波段（30m分辨率）组合后与全色波段（15m分辨率）在ENVI软件中进行融合处理后，得到分辨率15m的多光谱影像。ENVI软件影像融合工具见工具箱->Image Sharpening->Gram-Schmidt Pan Sharpening。

2）Sentinel-2影像预处理(SNAP)

ENVI 5.3/5.3.1打开Sentinel-2 L1C影像也存在各种问题，具体参考：http://blog.sina.com.cn/s/blog_764b1e9d0102xw8g.html。因此采用SNAP软件来对Sentinel-2影像进行预处理。

SNAP是欧空局开发的软件，可用于读取和处理多种数据源的遥感数据，可用于Sentinel-2系列影像的处理。对Sentinel-2 LIC产品进行辐射校正和大气校正,需要在SNAP软件中用到Sen2cor插件。

SNAP的下载地址为：http://step.esa.int/main/download/，目前最新版本为8.0；Sen2cor插件下载地址为：http://step.esa.int/main/snap-supported-plugins/sen2cor/，目前最新版为2.9。

a）辐射校正和大气校正

将下载好的Sen2cor压缩包解压后，复制到桌面或者不含中文的路径中，然后打开cmd界面，输入C:\Users\Public\Desktop\Sen2Cor-02.09.00-win64\L2A_Process.bat C:\Users\Administrator\Desktop\

L1C_T49QGE_A013071_20190907T030509\S2B_MSIL1C_20190907T025549_N0208_R032_T49QGE_20190907T071652.SAFE，第一个路径是L2A_Process.bat的存放路径，第二个路径是Sentinel-2 LIC影像解压后的文件夹路径，都不要有中文路径。

处理10-20分钟后，会出现处理进度100%的提示，同时Sentinel-2影像文件夹中多出了一个L2A级别数据的文件夹：S2B_MSIL2A_20190907T025549_N0208_R032_T49QGE_20190907T071652.SAFE，说明辐射校正和大气校正完成。

b）格式转换

辐射校正和大气校正完成后，打开SNAP软件，从菜单File->Import->Optical Sensors->Sentinel-2->S2-MSI L2A,打开预处理好的影像（“MTD_MSIL2A.xml”）。

从菜单Raster->Geometric->Resampling，打开重采样窗口，输出ENVI格式的影像数据。为方便后续操作，建议将所有波段都重采样到10m分辨率，参数说明参考：https://blog.csdn.net/lidahuilidahui/article/details/102765420。

c）Sentinel-2 L2A波段合成

SNAP软件将Sentinel-2 L2A各波段数据导出成ENVI格式后，各波段是单独的栅格文件，需要在ENVI软件中进行多波段合成。打开ENVI软件，在工具箱Raster Management->Layer Stacking，打开波段合成工具，可以根据需要合成所有的波段或者所需要的波段。

处理后的影像经矢量范围裁剪后，将用于后续波段计算及影像分类等操作。本文结束，部分内容来源于网络，如有侵权请告知删除。了解更多信息请关注微信公众号“海洋GISer成长记”。

ENVI软件|基于多源遥感影像的红树林范围提取1-数据获取及处理相关推荐

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, ...
ENVI经验|基于多源遥感影像的红树林范围提取3-监督分类
监督分类,又称训练分类法,用被确认类别的样本像元去识别其他未知类别像元的过程.它就是在分类之前通过目视判读和野外调查,对遥感图像上某些样区中影像地物的类别属性有了先验知识,对每一种类别选取一定数量的训 ...
基于python3+opencv3遥感影像的湖泊边界提取
参考:https://baijiahao.baidu.com/s?id=1607856881407380092&wfr=spider&for=pc 首先进行opencv安装,先安装An ...
2021遥感应用组二等奖：基于多源遥感数据的武夷山毛竹林提取研究及扩张特征分析
作品介绍一.应用背景近年研究表明,竹林固碳能力高,在维护全球碳平衡和应对气候变化等方面具有重要的作用.中国是竹资源最丰富的国家之一,在世界竹子研究领域处于领先地位.毛竹是中国本土竹类中分布最广.面 ...
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 ...
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 ...
原创程序|基于GDAL的遥感影像批量处理工具介绍（三）
本文主要介绍基于C#+GDAL-Python实用工具开发的遥感影像批量处理工具,该工具目前主要包括影像批量切片生成KML文件和影像批量切片生成Tiles文件.该工具.Net框架版本为4.0,GDAL版 ...
基于遥感影像的耕地地块提取相关论文、代码以及相关开源数据集
文章目录前言 2000 (传统方法) Agricultural Field Extraction from Aerial Images Using a Region Competition Algo ...
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
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的基础性和战略性资源.随着小卫星星座的普及,对地观 ...

ENVI软件|基于多源遥感影像的红树林范围提取1-数据获取及处理

ENVI软件|基于多源遥感影像的红树林范围提取1-数据获取及处理相关推荐

最新文章

热门文章