《康哥定量遥感实验报告.》由会员分享，可在线阅读，更多相关《康哥定量遥感实验报告.（38页珍藏版）》请在金锄头文库上搜索。
1、定量遥感实验报告班级：地信1302 姓名：高永康 学号：2013303200212实验一:辐射信息获取与大气校正一 实验目的与意义1.初步了解目前主流的遥感图象处理软件ERDAS，ENVI的主要功能模块。2.掌握Landsat ETM遥感影像数据，数据获取手段。掌握Erdas遥感影像辐射信息获取。 3.加深对遥感理论知识理解，掌握遥感大气校正方法。二 实验内容与遥感影像数据LE71230392003097EDC002003年4月7日Landsat EMT+影像对其进行大气校正处理三 实验步骤准备阶段：对遥感图像先定标，Basic Tools-Preprocessing Calibration
2、Utilities Landset Calibration 并编辑头文件然后因为要对多幅影象进行处理，所以为了方便，最好进行波段合成，一起处理。最后，进行格式转换 完成后，就可以进行大气校正了3.1简化黑暗象元法大气校正（1） 打开待校正图像文件。（2）在主菜单中，选择Basic Tools-Preprocessing-General Purpose Utilities- Dark Subtract，在文件选择对话框中选择待校正图像文件，单击OK按钮，打开Dark Subtraction Parameters面板。（3）在Dark Subtraction Parameters面板中，确定黑暗像
3、素值包括三种方法（Subtraction Method）： 波段最小值(Band Minimum) ROI的平均值(Region Of Interest) 自定义值（User Value） （4）在Output Result to中选择File以及相应的输出路径和文件名，单击OK执行操作。效果如下：3.2 QUAC快速大气校正 （1） 在ENVI主菜单中，选择以下方式启动lBasic Tools- Preprocessing- Calibration Utilities- QUick Atmospheric CorrectionlSpectral- QUick Atmospheric Corr
4、ectionlSpectral- Preprocessing- Calibration Utilities- QUick Atmospheric Correction在文件输入对话框中选择校正的图像文件。（2）打开QUick Atmospheric Correction Parameters面板在Sensor Type中选择相应的传感器类型，选择文件名和路径输出。结果如下：3.3 Flaash大气校正 1. 设置辐射率转换因子2.Flaash参数设置相应参数在MTL文件中查询。并选择Multispectral setting选项，进行相应配置，如下图结果如下4. 实验小结因为我们从卫星上获得的
5、影像实际上已经受到了各种因素的干扰，如地表朗伯面反射、大气性质不一及大气多次散射辐照作的用和邻近像元漫反射的作用，这些都使得我们获得的图像有一定的偏差，因此在使用这些图像之前，需要进行校正处理，如大气校正，辐射校正等。黑暗像元法：是一种古老、简单的经典大气校正方法。它的使用前提是在假设待校正的遥感图像上存在黑暗像元、地表朗伯面反射和大气性质均一，并忽略大气多次散射辐照作用和邻近像元漫反射作用下，反射率很小（近似0）的黑暗像元由于大气的影响，使得这些像元的反射率相对增加，可以认为这部分增加的反射率是由于大气影响产生的。这样，将其他像元减去这些黑暗像元的像元值，就能减少大气（主要是大气散射）对整幅
6、影像的影响，达到大气校正的目的。整个过程的关键是寻找黑暗像元以及黑暗像元增加的像元值。 快速大气校正工具（简称QUAC）：其自动从图像上收集不同物质的波谱信息，获取经验值多光谱的快速大气校正（图4）。它得到结果的精度近似FLAASH或者其他基于辐射传输 目前它支持的多光谱和高光谱波谱范围是(0.42.5 m)。Flaash大气校正：FLAASH采用了MODTRAN4+辐射传输模型，该算法精度高。任何有关影像的标准MO型和气溶胶类型都可以直接使用。通过影像像素光谱上的特征来估计大气的属性，不依赖遥感成像时同步测量的大气参数，可以有效地去除水蒸气/气溶胶散射效应，同时基于像素级的校正，矫正目标像元
7、和邻射的“邻近效应”。 并且对由于人为抑止而导致波谱噪声进行光谱平滑处理。作为结果，除了真实地表反射率到整幅图像内的能见度、卷云与薄云的分类影像、水气含量数据。5.5.1 遥感影像大气校正为什么要定标？定标是将传感器所得的测量值变换为绝对亮度或变换为与地表反射率、表面温度等物理 量有关的相对值的处理过程，目的是消除传感器本身的误差。大气校正就是将辐射亮度或者表观反射率转换为地表实际反射率，目的是消除大气散射、吸收、反射引起的误差。辐射定标可以说是大气校正的基础，一切都是为了获得更精确的遥感影像。5.2遥感大气校正主要影响因素？1.遥感所利用的各种辐射能与地球大气层发生的相互作用2. 辐射能的散
8、射、吸收，而使能量衰减。3. 大气的对不同波长的光有选择性的衰减作用。4. 太阳-目标-遥感器之间的几何关系不同，使其穿越的大气路径长度不同，从而使图像中不同地区地物的像元灰度值所受大气影响程度不同。5. 同一地物的像元灰度值在不同获取时间所受大气影响程度不同。实验二:地物识别和定量反演一实验目的1.理解基于遥感光谱曲线的地物识别原理，掌握遥感定量反演模型和方法。2.学习ENVI Bandmath工具进行地表温度反演的过程。3.加深定量遥感反演知识理论，增强遥感软件平台操作能力。二实验内容1 .地物识别与定量反演基础2 .Bandmath基础3 .地表温度反演实验数据1. 研究区NDVI数据，
9、ETM数据经数据预处理后并重采样为60米分辨率的NDVI数据 TM-NDVI-60m.img2. 研究区第六波段辐射数据，ETM6经过传感器定标，几何校正，大气校正，裁剪后的辐射数据 TM6-rad-subset-jz-xiangfan.img三实验步骤（一）地表比辐射率计算1. 植被覆盖度计算ENVI：主菜单-Basic Tools-Band Math公式：(b1 gt 0.7)*1+(b1 lt 0.)*0+(b1 ge 0 and b1 le 0.7)*(b1-0.0)/(0.7-0.0)注意：b1选择NDVI图像操作如下：结果如下：2.地表比辐射率计算ENVI：主菜单-Basic To
10、ols-Band Math公式：(b1 le 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589 + 0.086*b2 - 0.0671*b22)+(b1 ge 0.7)*(0.9625 + 0.0614*b2 - 0.0461*b22)注意： b1选择NDVI图像；b2选择植被覆盖度操作如下： 结果如下： （2） 计算相同温度下黑体辐射亮度值根据辐射传输方程和普朗克定律，温度为T的黑体在热红外波段辐射亮度B(Ts)表示为： 大气向上和向下辐射亮度； 地表比辐射率 地表真实温度； 普朗克定律推到得到的黑体在Ts的热辐射亮度； 大气在热红外波段透过率； 热红外波段亮
11、度值。操作如下： 结果如下：（3） 反演地表温度操作如下：结果如下：4. 专题图输出显示温度反演结果；利用ArcGIS生成专题图，并根据温度范围划分4个区间： -39C以上，红色 -35-39C，黄色 -30-35C，绿色 -低于30C，蓝色5. 实验小结热辐射是物体由于具有温度而辐射电磁波的现象。一切温度高于绝对零度的物体都能产生热辐射，温度越高，辐射出的总能量越大，短波成分也就越大。物体在向外辐射的同时，还会吸收从其它物体辐射来的能量，物体辐射或吸收的能量与它的温度，表面积，黑度等因素有关。6. 思考：（1） 地表温度反演利用的是什么方法，有哪些优缺点？ 1.单窗算法。其适用于只有一个通道
12、的热红外遥感数据。其将大气平均作用温度和大气下行平均作用温度合二为一，简化了热辐射传输模型。缺点是与大气传输模型相同，在参数化过程中使用的数据仍然是标准化的，并没有使用实施大气轮廓数据。 2.分裂窗算法。分裂窗算法是目前应用最广泛的温度反演方法，分裂窗方法是利用大气窗口10 13 m里的两个相邻通道(11m附近和12 m附近)的大气吸收作用不同，通过两个通道测量值的组合来消除大气影响。 3.温度，比辐射率分离算法。温度比辐射率分离算法（TES）针对高光谱分辨率的热红外测量数据，利用地物热红外光谱的一些共性特点作为先验知识或者约束条件，从一次观测中同时反演温度和光谱发射率。它集合了三种已有方法（
13、NEM,RAT,MMD)的优点和一些新的特点。且第一次提出发射率的无偏和精确估计改进了陆面温度的估算。（2） 哪些方法可以有效的提高温度反演精度？单窗算法，分裂窗算法，TES算法等。实验三:遥感反演模型一 实验目的与意义1. 初步了解ERDAS主要功能模块。2.掌握Erdas Modeler遥感建模方法，遥感定量反演算法设计。 3.加深对ETM影像植被反演、温度反演方法学习。二 实验内容与遥感影像数据LE71230392003097EDC002003年4月7日Landsat EMT+影像Flaash大气校正影像数据三 实验步骤1. 数据准备1.1 Erdas数据转换：Manage Data-I
14、mport Data 将Envi数据转换为IMG数据格式 点击OK即可。1.2 Erdas多波段合成 Raster-Spectral-Layer Stack2. 影像裁剪Raster-Subset & Chip-Create Subset Image 从AOI裁剪 结果如下3. 各类植被指数计算3.1 未校正下Raster-Classification NDVI或Indices计算NDVI和比值植被指数RVI3.2大气校正（1）转成BIL格式 （2）FLAASH大气校正 结果如下:(3) 计算NDVI 建模操作（同时计算出植被覆盖度）：4.比辐射率计算4.1 监督分类分成三类，城镇，水体，自然表面蓝色是水体，绿色是自然表面，土黄色是城镇4.2地表比辐射率计算ERDAS中建模操作：5.相同温度下黑体辐射亮度值 ERDAS中建模操作：6.反演地表温度 ERDAS中建模操作：ERDAS中建模总模型：7. 制作专题图（1） 未校正时，NDVI和RVI专题图。（2） 校正后时，武汉地区NDVI和RVI专题图。武汉地区亮度温度专题图：武汉地区温度反演专题图：
