專題實(shí)用技術(shù)

1、技術(shù)(jsh)專題：實(shí)用技術(shù)技術(shù)支持郵箱：ENVI-IDL技術(shù)支持熱線：400-819-2881-5官方(gunfng)技術(shù)博客：http:/enviidl官方技術(shù)qq群：148564800、184886955共四十六頁Landsat8TIRS反演地表溫度基于CART的自動決策樹分類國產(chǎn)資源三號數(shù)據(jù)處理水深反演和船只(chunzh)提取圖像數(shù)據(jù)類型轉(zhuǎn)換圖像批量/分幅裁剪技術(shù)主要(zhyo)內(nèi)容共四十六頁1. Landsat8TIRS反演(fn yn)地表溫度共四十六頁熱紅外遙感（Infrared Remote Sensing）是指傳感器工作波段限于紅外波段范圍之內(nèi)的遙感。即利用星載或機(jī)載傳感器

2、收集、記錄(jl)地物的熱紅外信息，并利用這種熱紅外信息來識別地物和反演地表參數(shù)如溫度、濕度和熱慣量等。目前有很多的衛(wèi)星攜帶了熱紅外傳感器，包括ASTER、AVHRR、MODIS、TM/ETM+/ TIRS等。練習(xí)數(shù)據(jù): 3-專題：基于像元二分模型的植被覆蓋度反演1-Landsat81. 專題(zhunt)背景共四十六頁名詞說明輻射出射度單位時(shí)間內(nèi)從單位面積上輻射的輻射能量稱為輻射出射度，單位一般是W/m2 (瓦特/平方米)輻射亮度（Radiance）輻射源在某一方向上單位投影表面、單位立體角內(nèi)的輻射通量，稱為輻射亮度，單位一般是W/(m2*m*sr)（瓦特/平方米.微米.球面度）比輻射率(

3、Emissivity)也稱發(fā)射率，物體的輻射出射度與同溫度黑體輻射出射度的比值。如果物體指的是地表，稱為地表比輻射率。大氣透射率通過大氣(或某氣層)后的輻射強(qiáng)度與入射前輻射強(qiáng)度之比。亮度溫度（Brightness Temperature）當(dāng)一個(gè)物體的輻射亮度與某一黑體的輻射亮度相等時(shí)，該黑體的物理溫度就被稱之為該物體的“亮度溫度”，所以亮度溫度具有溫度的量綱，但是不具有溫度的物理含義，它是一個(gè)物體輻射亮度的代表名詞。常見(chn jin)名詞共四十六頁目前，地表溫度反演算法主要有以下三種大氣校正法（也稱為輻射傳輸方程：Radiative Transfer EquationRTE）單通道算法分裂

4、窗算法本實(shí)例是基于大氣校正法，利用Landsat8 TIRS反演地表溫度?；驹恚菏紫裙烙?jì)大氣對地表熱輻射的影響, 然后把這部分大氣影響從衛(wèi)星傳感器所觀測(gunc)到的熱輻射總量中減去, 從而得到地表熱輻射強(qiáng)度, 再把這一熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度。1. 溫度反演常見(chn jin)方法共四十六頁衛(wèi)星傳感器接收到的熱紅外輻射亮度值L由三部分組成：大氣向上輻射亮度L，地面的真實(shí)輻射亮度經(jīng)過大氣層之后到達(dá)衛(wèi)星傳感器的能量；大氣向下輻射到達(dá)地面后反射的能量。衛(wèi)星傳感器接收到的熱紅外輻射亮度值L的表達(dá)式可寫為（輻射傳輸方程(fngchng)）： L = B(TS) + (1-)L + L （

5、1.1）式中，為地表比輻射率，TS為地表真實(shí)溫度(K)，B(TS)為黑體熱輻射亮度，為大氣在熱紅外波段的透過率。則溫度為T的黑體在熱紅外波段的輻射亮度B(TS)為： B(TS) = L - L- (1-)L/ （1.2）Ts可以用普朗克公式的函數(shù)獲取。 TS = K2/ln(K1/ B(TS)+ 1) （1.3）對于TIRS Band10，K1= 774.89 W/(m2*m*sr)，K2 = 1321.08K。1. 基于大氣校正法的溫度(wnd)反演共四十六頁1. 處理(chl)流程共四十六頁Band10 熱紅外數(shù)據(jù)輻射定標(biāo)，得到(d do)B10輻射亮度圖像。工具：Radiometric

6、Correction/Radiometric CalibrationOLI輻射定標(biāo)和大氣校正為可選操作。1.1 圖像輻射(fsh)定標(biāo)共四十六頁TIRS的Band10熱紅外波段(bdun)與TM/ETM+6熱紅外波段具有近似的波譜范圍，本例采用TM/ETM+6相同的地表比輻射率計(jì)算方法。使用Sobrino提出的NDVI閾值法計(jì)算地表比輻射率。 =0.004Pv+0.986 其中， Pv是植被覆蓋度，用以下公式計(jì)算： Pv = (NDVI- NDVISoil)(NDVIVeg - NDVISoil) NDVI為歸一化植被指數(shù)，NDVISoil為完全是裸土或無植被覆蓋區(qū)域的NDVI值，NDVIVe

7、g則代表完全被植被所覆蓋的像元的NDVI值。取經(jīng)驗(yàn)值NDVIVeg = 0.70和NDVISoil = 0.05。1.2 地表(dbio)比輻射率計(jì)算共四十六頁第一步：計(jì)算(j sun)NDVISpectral/Vegetation/NDVI第二步：計(jì)算植被覆蓋度(b1 gt 0.7)*1+(b1 lt 0.05)*0+(b1 ge 0.05 and b1 le 0.7)*(b1-0.05)/(0.7-0.05)b1：NDVI計(jì)算結(jié)果第三步：計(jì)算地表比輻射率0.004*b1+0.986b1：植被覆蓋度圖像1.2 地表(dbio)比輻射率計(jì)算共四十六頁在NASA公布的網(wǎng)站(wn zhn)查詢（）

8、，輸入成影時(shí)間：2013-10-03 02:55和中心經(jīng)緯度（Lat：40.32899857，Lon：116.70610046），以及其他相應(yīng)的參數(shù)，得到大氣剖面信息為：大氣在熱紅外波段的透過率：0.90大氣向上輻射亮度L：0.75 W/(m2srm)大氣向下輻射亮輻射亮度L：1.29W/(m2srm)提示：由于缺少地表相關(guān)參數(shù)（氣壓、溫度、相對濕度等信息），得到的結(jié)果是基于模型計(jì)算的結(jié)果。1.3 黑體輻射亮度(lingd)與地表溫度計(jì)算共四十六頁計(jì)算得到同溫度下的黑體(hit)輻射亮度圖像(b2-0.75-0.9*(1-b1)*1.29)/(0.9*b1)b1：地表比輻射率圖像b2：Band

9、10輻射亮度圖像計(jì)算得到地表溫度圖像（單位為）(1321.08)/alog(774.89/b1+1)-273 b1：同溫度下的黑體輻射亮度圖像1.3 黑體輻射亮度與地表(dbio)溫度計(jì)算共四十六頁在圖層管理器（Layer Manager）中的地表溫度圖像圖層，右鍵選擇 Raster Color Slices。將溫度劃分為四個(gè)區(qū)間：25以上22至2520至2215至20低于15統(tǒng)計(jì)(tngj)反演結(jié)果得出81%區(qū)域的溫度集中在1522區(qū)間。1.4 后處理和統(tǒng)計(jì)分析共四十六頁2. 基于(jy)CART的自動決策樹分類共四十六頁基于知識的決策樹分類是基于遙感影像數(shù)據(jù)及其他空間數(shù)據(jù)，通過專家經(jīng)驗(yàn)總結(jié)

10、、簡單的數(shù)學(xué)統(tǒng)計(jì)和歸納方法等，獲得分類規(guī)則并進(jìn)行遙感分類。分類規(guī)則易于理解(lji)，分類過程也符合人的認(rèn)知過程，最大的特點(diǎn)是利用的多源數(shù)據(jù)。決策樹分類主要的工作是獲取規(guī)則，本章節(jié)介紹使用CART算法獲取規(guī)則，基于規(guī)則提取土地覆蓋信息。2. 專題(zhunt)介紹共四十六頁2. 決策樹分類(fn li)流程數(shù)據(jù)預(yù)處理構(gòu)建多源數(shù)據(jù)獲取規(guī)則應(yīng)用規(guī)則分類后處理共四十六頁本例使用Landsat 8 OLI數(shù)據(jù)(shj)，已經(jīng)過幾何校正、工程區(qū)裁剪。這一步主要是構(gòu)建多元數(shù)據(jù)(shj)集。數(shù)據(jù)(shj)集由海岸、藍(lán)、綠、紅、近紅外、兩個(gè)短波紅外等七個(gè)多光譜波段，以及NDVI、ISODATA非監(jiān)督分類結(jié)果。

11、LC8_mosaic.dat2.1 準(zhǔn)備(zhnbi)數(shù)據(jù)共四十六頁計(jì)算NDVI獲取ISODATA非監(jiān)督分類(fn li)結(jié)果Layer Stacking2.1 準(zhǔn)備(zhnbi)數(shù)據(jù)共四十六頁五種地物：Forest 林地Agriculture 耕地City 建成區(qū)Water 水體Others 其他(qt)，包含裸地、陰影等。2.2 獲取(huq)規(guī)則選擇訓(xùn)練樣本共四十六頁安裝ENVI下的CART擴(kuò)展工具，將解壓后的文件拷貝到ENVI Classic安裝目錄下的Save_Add文件夾內(nèi)，啟動(qdng)ENVI Classic。主菜單-Classification-Decision Tree-

12、RuleGen -Classifier2.2 獲取(huq)規(guī)則共四十六頁/Classification/Decision Tree/Execute Decision Tree2.3 執(zhí)行(zhxng)決策樹分類共四十六頁精度驗(yàn)證(ynzhng)小斑塊去除修改類名修改顏色2.4 分類(fn li)后處理共四十六頁3. 國產(chǎn)資源(zyun)三號數(shù)據(jù)處理共四十六頁ENVI直接(zhji)支持資源三號數(shù)據(jù)的正射校正等處理，由于多光譜和全色圖像存在所謂“6”夾角問題，全色和多光譜圖像的正射校正結(jié)果經(jīng)常有一定的幾何誤差，對后面的處理如圖像融合產(chǎn)生影響。本例以經(jīng)過正射校正的資源三號全色和多光譜圖像為例子，

13、學(xué)習(xí)圖像配準(zhǔn)、圖像融合、真彩色增強(qiáng)處理步驟。3. 專題(zhunt)背景共四十六頁使用(shyng)圖像自動配準(zhǔn)流程化工具（Image Registration Workflow）完成這兩幅圖像的配準(zhǔn)。3.1 圖像(t xin)配準(zhǔn)共四十六頁在Toolbox工具箱中，雙擊/Image Sharpening/NNDiffuse Pan Sharpening工具(gngj)。3.2 圖像(t xin)融合共四十六頁遙感圖像自然真彩色合成可分為以下幾種方法：1、直接用多光譜圖像的紅色、綠色、藍(lán)色波段合成，一般用于高分辨率圖像，如QuickBird、Worldview-2等；2、利用其它波段加權(quán)處理，

14、重新生成紅色、綠色、藍(lán)色波段，一般用于增強(qiáng)某種地物顏色層次，如植被、水體等，一般用于中高分辨率圖像，如資源三號等數(shù)據(jù)(shj)；3、利用其它波段信息重新生成某一波段，一般用于缺少波段的圖像，如SPOT5、ASTER、資源一號02C等缺少藍(lán)色波段數(shù)據(jù)。3.3真彩色增強(qiáng)(zngqing)共四十六頁本例子直接(zhji)使用基于上述原理開發(fā)的擴(kuò)展工具。將素材包中的常用ENVI功能擴(kuò)展工具植被增強(qiáng)工具envi_vegetation_enhance.sav文件拷貝到安裝目錄extensions中，重啟ENVI。在Toolbox中，啟動/Extensions/Vegetation Enhance。3.3真

15、彩色增強(qiáng)(zngqing)共四十六頁4. 水深反演和船只(chunzh)提取共四十六頁ENVI的SPEAR工具集（(Spectral Processing Exploitation and Analysis Resource)）是將很多的遙感圖像處理過程集成為流程化的操作方式，使得遙感圖像處理知識相對薄弱的非專業(yè)人員也能利用流程化的工具進(jìn)行圖像處理，圖像處理速度也有很大的提高。每一個(gè)SPEAR工具的圖像處理流程有操作說明，參數(shù)設(shè)置，幫助和步驟控制按鈕，中間生成結(jié)果(ji gu)自動保存在默認(rèn)目錄下。4. 專題(zhunt)背景共四十六頁SPEAR工具集包含16個(gè)圖像處理流程：船只提取數(shù)據(jù)融合水

16、體(shu t)信息提取道路信息提取變化檢測分類以及分類后處理水相對深度 植被指數(shù)提取以及分析波譜相似地物提取 基于地形正射校正異常檢測元數(shù)據(jù)瀏覽影像對地圖（Image-map）幾何校正Google Earth Bridge獨(dú)立主成分分析影像垂直條紋去除 4. 專題(zhunt)背景共四十六頁SPEAR Relative Water Depth工具使用底部反照率獨(dú)立水深測量算法（bottom albedo-independent Bathymetry algorithm）量測水深，這個(gè)算法假設(shè)：當(dāng)深度相同的時(shí)候，不管水底是被深色水草或者明亮的沙子(sh zi)覆蓋，他們都顯示為同一深度。SPE

17、AR/SPEAR Relative Water Depth4.1 水深反演(fn yn)共四十六頁下面我們使用WV-2多光譜2米影像（如下圖所示）學(xué)習(xí)這個(gè)工具，影像包括岸邊、淺海、和深海等區(qū)域。數(shù)據(jù)在“32-技術(shù)專題：實(shí)用技術(shù)4-水深反演和船只(chunzh)識別1-水深反演”文件夾中。4.1 水深反演(fn yn)共四十六頁SPEAR Watercraft Finder工具可以從高分辨率的多光譜數(shù)據(jù)中識別移動或者靜止的船只。該工具的前提是包括近紅外波段，船只信息會在水吸收的近紅外波段異常聚集，提供兩種船只提取算法：基于紋理：包含船只的像素能在“均勻背景”下聚集，這就是預(yù)期的“紋理”結(jié)果。這種

18、方法比較常用，精度也較高?；?緯散點(diǎn)圖：在2緯散點(diǎn)圖上手動選擇船只像元區(qū)域，這種方法適合分析小范圍(fnwi)區(qū)域，對于大范圍(fnwi)區(qū)域效果不高。4.2 船只(chunzh)提取共四十六頁/SPEAR/SPEAR Watercraft Finder下面以2.4米的Quick Bird多光譜數(shù)據(jù)為例，詳細(xì)介紹這個(gè)工具的使用。數(shù)據(jù)情況如下圖所示，包括(boku)移動、靜止船只，還包括(boku)部分陸地和島礁。數(shù)據(jù)存放在“32-技術(shù)專題：實(shí)用技術(shù)4-水深反演和船只識別2-船只識別”文件夾中4.2 船只(chunzh)提取共四十六頁5. 圖像(t xin)數(shù)據(jù)類型轉(zhuǎn)換共四十六頁遙感(yogn

19、)圖像數(shù)據(jù)類型常見的是8bit和16bit，同時(shí)它表示圖像像元值范圍，即圖像灰度級。如下表為ENVI中的圖像數(shù)據(jù)類型說明。圖像灰度級越高，圖像表達(dá)的地物波譜越精確，但是數(shù)據(jù)量越大。5 專題(zhunt)背景數(shù)據(jù)類型數(shù)據(jù)范圍Bytes/ Pixel8-bit字節(jié)型（Byte）0-255116-bit整型（Integer）-32768-32767216-bit無符號整型（Unsigned Int）0-65535232-bit長整型（Long Integer）大約+/-20億432-bit無符號長整型（Unsigned Long）0-大約40億432-bit浮點(diǎn)型（Floating Point）+/

20、-1e38464-bit雙精度浮點(diǎn)型（Double Precision）+/-1e308864-bit整型（64-bit Integer）大約+/-9e188無符號64-bit整型（Unsigned 64-bit）0-大約2e198復(fù)數(shù)型（Complex）+/-1e388雙精度復(fù)數(shù)型（Double Complex）+/-1e30816共四十六頁現(xiàn)在顯示系統(tǒng)都是24位和32位。24位色被稱為真彩色，它可以達(dá)到人眼分辨的極限，發(fā)色數(shù)是1677萬多色，也就是2的24次方。但32位色就并非是2的32次方的發(fā)色數(shù)，它其實(shí)也是1677萬多色，不過它增加了256階顏色的灰度也就是8位透明度，發(fā)色數(shù)其實(shí)2的2

21、4次方，但是增加了8位透明度，就規(guī)定它為32位色。簡單的理解就是圖像在顯示系統(tǒng)中都是以單波段8位顯示，RGB合成24位彩色顯示。因此(ync)，高于8bit的圖像都會經(jīng)過拉伸以8bit灰度級顯示。5. 顯示(xinsh)系統(tǒng)共四十六頁當(dāng)我們使用16bit圖像時(shí)，有以下兩種應(yīng)用場景：作為底圖應(yīng)用，數(shù)據(jù)大小盡量小；在其他軟件中打開，如印刷(ynshu)軟件，顏色與遙感軟件中顯示的一樣。處理方法就是將16bit數(shù)據(jù)類型轉(zhuǎn)成8bit圖像。本例數(shù)據(jù)是RGB3個(gè)波段、16bit、0.5米分辨率的高分辨率影像，數(shù)據(jù)：32-技術(shù)專題：實(shí)用技術(shù)5-圖像數(shù)據(jù)類型轉(zhuǎn)換。5.1 數(shù)據(jù)(shj)類型轉(zhuǎn)換共四十六頁6.圖像批量/分幅裁剪(cijin)技術(shù)共四十六頁我們經(jīng)常(jngchng)需要