簡介這是一份面向遙感、地信專業(yè)學(xué)生與初學(xué)者的ENVI實習(xí)報告基于Landsat8多光譜影像系統(tǒng)演示了從原始數(shù)據(jù)到分析成果的完整遙感處理流程。實驗區(qū)涵蓋城市、農(nóng)田、森林和水體等多種地物貼近實際應(yīng)用場景。內(nèi)容涵蓋波段組合、圖像裁剪、輻射定標(biāo)與反射率求算、FLAASH大氣校正、多種圖像融合方法拉伸變換、Brovey變換、HSV變換、主成分變換及定性定量對比并延伸至水體提取、植被覆蓋度計算、溫度反演含大氣校正法和單窗算法以及土地利用變化分析。報告以圖文對照形式呈現(xiàn)每一步操作與結(jié)果圖章節(jié)按實驗順序清晰編排末尾附實習(xí)心得體會方便讀者對照練習(xí)、撰寫報告或復(fù)習(xí)原理。資源為1個docx文檔壓縮包大小7.92MB目前已有1244人學(xué)習(xí)下載適合需要參考完整遙感實驗流程或快速上手ENVI操作的用戶。1. 遙感處理流水線為什么處理Landsat8的本質(zhì)是物理量恢復(fù)一個反直覺的事實ENVI 里大多數(shù)看著像「修圖」的操作實際都是在做物理量恢復(fù)。這份實驗報告對 Landsat8 影像的整條處理鏈路——波段組合、輻射定標(biāo)、大氣校正、圖像融合、溫度反演、監(jiān)督分類——每一步都在把上一級引入的誤差逐層剝離。拿到一景 L1 級產(chǎn)品那個「好看」的彩色合成圖里每個像元的 DN 值都不是地表反射率而是光子打到傳感器上轉(zhuǎn)換出來的電壓信號量化結(jié)果里面混著大氣散射、太陽高度角、傳感器增益帶來的偏差。如果跳過定標(biāo)與校正直接分類地物光譜整個錯位后面的水體提取、溫度反演和土地利用變化監(jiān)測不可能可靠。搞懂這條鏈路才算真正看穿了遙感影像預(yù)處理的黑匣子。2. 波段組合與圖像裁剪為什么影像要先對齊再切預(yù)處理階段的每一步都遵循一個原則讓所有數(shù)據(jù)在同一個幾何和光譜基準(zhǔn)上對齊。波段組合解決的是「多個波段是否還各自為政」裁剪解決的是「研究范圍外的像元是否會污染統(tǒng)計」。這兩步做不干凈后面所有定量分析都是在臟數(shù)據(jù)上做算術(shù)。2.1 Layer Stacking波段合并的本質(zhì)是頭文件與數(shù)據(jù)塊重排報告的第一步是打開 1–8 波段用 Basic Tools 里的 Layer Stacking 做波段組合。很多人以為這只是「把圖疊起來」實際上成立的前提是所有波段的像元網(wǎng)格完全重合。Landsat8 的 L1 級產(chǎn)品各波段已經(jīng)做過幾何定位波段間在理想情況下是對齊的Layer Stacking 要做的是把每個波段的二維數(shù)組按指定的交錯方式寫進同一個三維數(shù)據(jù)塊同時合并頭文件。ENVI 的 hdr 文件記錄行數(shù)、列數(shù)、波段數(shù)、數(shù)據(jù)類型和坐標(biāo)參考波段組合這一步本身不改變?nèi)魏蜗裨档鼪Q定了后續(xù)所有操作的索引基礎(chǔ)。這里最容易踩的是波段順序。報告特意強調(diào)「按 1–8 波段正順序排列否則影響后面修改」原因就藏在后面的 Edit Header 操作里。做輻射定標(biāo)前要給合成影像的每個波段錄入中心波長一旦波段順序錯位第 5 波段近紅外的數(shù)據(jù)會被貼上第 4 波段紅外的波長標(biāo)簽FLAASH 按波長查大氣透過率時就會用錯參數(shù)。這種錯誤不會在界面上報錯只會在反演結(jié)果里悄悄放大成光譜異常。我一般把這種情況理解成「標(biāo)簽和數(shù)據(jù)錯位」——數(shù)據(jù)本身沒問題但下游物理反演全按錯誤的標(biāo)簽查表最后解出來的地表反射率自然是偏的。還有一個決策點值得留意只合成 1–7 波段還是把第 8 波段全色也放進來。全色波段是 15m 像元多光譜是 30m兩者網(wǎng)格尺寸不同。Layer Stacking 遇到尺寸不一致的輸入時會以第一個輸入為基準(zhǔn)把其余波段重采樣到那個網(wǎng)格?；烊肴ǘ我馕吨喙庾V要被重采樣一次——無論最近鄰、雙線性還是三次卷積都會改變像元值。報告選擇「只選擇 1–7 波段不設(shè)置第八波段全色波段」就是在避免這次不必要的像元重采樣。如果后面要做圖像融合再單獨把全色波段加進來反而更干凈。2.2 ROI 裁剪矢量邊界如何變成像元級掩膜裁剪步驟看起來繞先用桌面 GIS 打開 shp 屬性表只保留目標(biāo)縣那一行導(dǎo)出新的 shapefile再進 ENVI 用 File→Open Vector File 導(dǎo)入轉(zhuǎn)成 ROI最后 Subset via ROIs 裁剪。這套流程的底層是把地理坐標(biāo)的矢量邊界轉(zhuǎn)換成柵格像元級的掩膜。矢量邊界的本質(zhì)是一串經(jīng)緯度坐標(biāo)圍成的多邊形。ENVI 要把這些坐標(biāo)投影到影像的像素坐標(biāo)系逐行掃描判斷每個像元的中心點是否落在多邊形內(nèi)部生成一個 0/1 掩膜。Subset 操作讀入這個掩膜只保留掩膜為 1 的像元但輸出文件的外接矩形仍然是多邊形的包絡(luò)。于是出現(xiàn)一個許多人踩過的坑如果 Subset 時不勾選 mask pixels outside ROI裁剪結(jié)果會帶黑邊或零值邊條邊緣的零值會在后續(xù) Compute Statistics 里把均值、標(biāo)準(zhǔn)差整體拉低。遙感統(tǒng)計里的「均值變低」未必是地物變暗可能只是零值背景混進來了。提示Subset 時勾選 mask pixels outside ROI把 ROI 外的像元置為無效值能省掉后面一整類統(tǒng)計污染問題。為什么不在 ENVI 里直接編輯屬性表而是先到桌面 GIS 里處理一句話各司其職。ENVI 的矢量編輯工具對屬性表批量篩選很不順手而桌面 GIS 里選中、按字段導(dǎo)出 shapefile 是輕量操作。先在外圍把大的省界 shp 裁成目標(biāo)縣的小 shp進入 ENVI 后的矢量顯示、ROI 轉(zhuǎn)換和掩膜生成都只面對一個面要素內(nèi)存占用和卡頓立刻小一個量級。這個順序與其說是習(xí)慣不如說是數(shù)據(jù)處理量的現(xiàn)實約束。2.3 坐標(biāo)系一致性WGS-84 是一切操作的共同語言報告里「記得修改成 WGS-84 坐標(biāo)系」這個細(xì)節(jié)在裁剪鏈路里是關(guān)鍵一步。桌面 GIS 導(dǎo)出的 shp 可能帶的是地方坐標(biāo)系或西安 80、北京 54而 Landsat8 L1 產(chǎn)品默認(rèn)是 WGS-84 地理坐標(biāo)。矢量與柵格坐標(biāo)系不同ENVI 在把矢量投影到像素坐標(biāo)時會按坐標(biāo)轉(zhuǎn)換參數(shù)換算轉(zhuǎn)換誤差會讓邊界在影像上偏移一到兩個像元。單看是小數(shù)點級別但縣界處的混合像元進入統(tǒng)計樣本就會污染后續(xù)的分類訓(xùn)練樣本和溫度反演結(jié)果。做法是在 Data Manager 里分別查看影像和矢量的投影信息。兩者都帶地理坐標(biāo)系只是橢球體不同也存在細(xì)微偏差。常見的地信課操作是把影像投影到矢量相同的坐標(biāo)系或者反過來統(tǒng)一到 WGS-84 地理坐標(biāo)。其實裁剪階段用地理坐標(biāo)就夠了因為 ROI 轉(zhuǎn)換只關(guān)心經(jīng)緯度到像素的換算不需要平面投影參與。把坐標(biāo)系在進入 ENVI 前統(tǒng)一是成本最低、收益最穩(wěn)的保障。3. 輻射定標(biāo)與大氣校正DN 值到反射率之間發(fā)生了什么這一章是整條鏈路的物理核心。輻射定標(biāo)解決「計數(shù)」到「輻亮度」的線性換算大氣校正解決「入瞳輻亮度」到「地表反射率」的輻射傳輸逆問題。跳過任何一步后面的溫度反演都會建立在錯誤的輸入單位上。3.1 輻射定標(biāo)增益、偏置與中心波長Landsat8 L1 級產(chǎn)品的每個波段都有一個定標(biāo)公式L DN × gain offset。增益和偏置就寫在隨影像一起發(fā)布的 MTL 文本文件里字段名通常形如 Radiance_Mult_Band_x 和 Radiance_Add_Band_x。ENVI 里的 Apply Gain and Offset 工具做的就是把這個線性變換批量套到所有波段上。為什么必須做L1 產(chǎn)品的原始像元值是 12 位量化的 DN 數(shù)范圍 0–4095它只是傳感器電壓量化的計數(shù)。輻射定標(biāo)把它變成輻射亮度 L單位 W/(m2·sr·μm)這才是 FLAASH 能識別的物理輸入。報告里另一項操作是 Edit Header 錄入中心波長單位改為 Micrometers。很多人不理解定標(biāo)為什么不直接用增益偏置還要填波長。原因是輻射亮度這個單位里的 μm 由波段中心波長給出而 FLAASH 按波段逐點查大氣透過率和散射系數(shù)時必須知道每個波段對應(yīng)光譜的哪個位置。波長填錯光譜位置偏移大氣散射隨波長的依賴關(guān)系全錯。這一步和波段順序錯位一樣是「標(biāo)簽錯位」問題——數(shù)據(jù)本身沒問題但標(biāo)簽不對下游物理反演全部失真。放一段最常用的快速反射率估算代碼理解定標(biāo)在數(shù)學(xué)上做了什么# DN 轉(zhuǎn)輻射亮度再估算表觀反射率未做大氣校正 dn 12000 # 第5波段原始DN值范圍0-409512bit量化 gain 1.234e-6 # MTL.txt: Radiance_Mult_Band_5 bias 1.0e-6 # MTL.txt: Radiance_Add_Band_5 L5 dn * gain bias # 輻射亮度單位 W/(m^2*sr*um) import math d 1.0 # 日地距離天文單位由成像序日查表 ESUN 196.9 # 第5波段大氣層頂太陽波譜輻照度 W/(m^2*um) theta 40.0 * math.pi / 180.0 rho math.pi * L5 * d*d / (ESUN * math.cos(theta)) # 表觀反射率說明rho 公式里的 ESUN 按波段查表獲得cos(theta) 對應(yīng)太陽高度角π 因子來自輻亮度與雙向反射率之間的半球積分關(guān)系。這個公式只消掉了傳感器增益和太陽角度的影響沒去掉大氣的瑞利散射和氣溶膠衰減所以算出來的叫「表觀反射率」依然不是真實地表反射率。FLAASH 做的就是在它的基礎(chǔ)上再剝掉大氣層。3.2 FLAASH 大氣校正為什么輸入必須是 BILFLAASH 的界面注釋寫著輸入必須是輻亮度圖像推薦 BIL 存檔。很多第一次用的人在這里翻車。為什么非要 BILFLAASH 內(nèi)部對每個像元要按波段順序取光譜向量再代入大氣輻射傳輸方程逐像元求解。BIL 格式下同一行所有波段連續(xù)排列取一個像元的光譜向量只需順序讀取BSQ 按波段存儲讀取同一像元的不同波段要跨越大段文件偏移變成隨機 IO。一景裁剪影像動輒幾億個像元隨機 IO 比順序 IO 慢一個數(shù)量級界面會卡到像死機。輻射傳輸方程的簡化形式是L_sensor A·ρ/(1-ρe·S) B·ρ/(1-ρe·S) L_path其中 L_sensor 是傳感器入瞳輻亮度ρ 是地表反射率ρe 是鄰域平均反射率S 是大氣后向散射率A、B 是大氣透過與散射系數(shù)L_path 是路徑輻射。FLAASH 做的事是把已知的入瞳輻亮度拆開先減去路徑輻射 L_path大氣散射貢獻(xiàn)的「霧」再用 A、B、S 補償大氣吸收和衰減最終解出地表反射率 ρ。這就要求輸入必須是 3.1 得到的輻亮度而不是無量綱 DN——所以 FLAASH 前必須先做輻射定標(biāo)兩者是上下游關(guān)系。3.3 參數(shù)選擇高程、大氣模型、氣溶膠模型的物理含義FLAASH 參數(shù)面板里那幾項不能亂填。傳感器類型選 Landsat-8 OLI是讓引擎知道波段數(shù)和光譜響應(yīng)函數(shù)Multispectral Settings 里要求指定波長范圍報告里「第一個選擇第七波段第二個選擇第一波段」意思是本影像實際覆蓋從第 1 波段到第 7 波段的多光譜區(qū)間。高程填 970m 是因為大氣分子密度隨海拔變化高海拔處水汽吸收和瑞利散射路徑更短填 0 會把一個高原縣域當(dāng)海平面計算反射率系統(tǒng)性偏低。大氣模型選 MLS中緯度夏季是按緯度和季節(jié)查表得到的一組標(biāo)準(zhǔn)大氣剖面包含溫度、氣壓和水汽分布。2 月的西南山區(qū)嚴(yán)格說更接近中緯度冬季但實際水汽偏高選夏季模型在經(jīng)驗上更貼近當(dāng)?shù)卮髿鉅顟B(tài)。氣溶膠模型選 urban則是因為下墊面混合了城區(qū)、農(nóng)田和喀斯特裸巖城市型氣溶膠的粒徑分布更接近實況。這些參數(shù)最終都作用在方程里的 A、B、S 上水汽含量決定吸收率氣溶膠類型決定散射相函數(shù)高程決定大氣柱長度。任何一個填錯解出來的 ρ 都會系統(tǒng)性偏移。3.4 從 ZProfile 看大氣校正的效果報告對比了原圖像、輻射定標(biāo)圖和大氣校正圖用 ZProfile 光譜剖面來看差異。ZProfile 是把某個像元的所有波段值連成一條光譜曲線。從曲線上能直接讀出校正效果大氣校正后植被像元應(yīng)該在紅波段出現(xiàn)吸收谷、近紅外波段反射率陡升形成明顯的「紅邊」水體像元在近紅外應(yīng)該極低。對比原圖藍(lán)綠波段被大氣散射抬高的「霧」被壓下去這就是把反射率還原了。輻射定標(biāo)圖介于兩者之間——它已經(jīng)是物理單位但大氣污染還在。4. 圖像融合Brovey、HSV、PC 變換背后的數(shù)學(xué)設(shè)計融合這步最容易被人當(dāng)成「濾鏡選擇」實際上它在做一個有明確數(shù)學(xué)定義的優(yōu)化用 15m 全色波段的高頻空間結(jié)構(gòu)去增強 30m 多光譜的顏色信息同時盡量不破壞光譜值。三種方法的分歧點就在于「用什么方式把 Pan 注入多光譜」。4.1 為什么需要融合30m 多光譜 15m 全色的信息互補Landsat8 同時提供 30m 多光譜和 15m 全色。多光譜有豐富的光譜分辨能力但像元大地物邊界糊全色波段只有一個寬波段但像元小空間結(jié)構(gòu)清晰。融合的目標(biāo)是讓結(jié)果圖在保持多光譜色彩的同時出現(xiàn)全色波段的邊緣和紋理。關(guān)鍵約束是光譜保真如果融合后 NDVI 和溫度反演都變了那融合圖像只能看不能做定量分析。這也解釋了為什么報告要做定性對比和定量對比兩套評價——不是走形式是驗證「空間細(xì)節(jié)增強」有沒有以「光譜失真」為代價。4.2 Brovey 變換比值合成簡單但受波段限制Brovey 的數(shù)學(xué)本質(zhì)是把 RGB 三個波段的亮度總和當(dāng)作一個「當(dāng)前亮度」用 Pan 的值替換這個亮度再按每個波段原先在總和里的占比重新分配。寫成公式就是 R R × Pan/(RGB)。每個波段都乘 Pan/(sum RGB)等價于先算該波段在總亮度里的比例再用 Pan 做整體縮放。# Brovey 融合示意輸入已重采樣到同一網(wǎng)格 import numpy as np r, g, b b5, b4, b3 # 30m多光譜已重采樣到15m網(wǎng)格 pan pan_band # 15m全色已完成反射率拉伸 bright r g b 1e-8 # 加極小值防除零 r_fused r / bright * pan g_fused g / bright * pan b_fused b / bright * pan這個比值法的優(yōu)點在計算簡單、光譜比例保持好缺點同樣明顯——它只作用于 RGB 三個波段天然受波段限制。報告里輸入 b5、b4、b3 合成的 RGB 和 Pan走的就是這條限制范圍內(nèi)的路。Brovey 的另一個隱性前提是 Pan 與 RGB 總和描述的「亮度」在物理上同源如果第 8 波段反射率沒做拉伸、量級和多光譜對不上融合圖會整體發(fā)灰。4.3 HSV 變換用全色波段替換亮度分量保色彩但亮度由 Pan 決定HSV 顏色模型把像元顏色拆成三個量色相 H、飽和度 S、明度 V。RGB 轉(zhuǎn) HSV 后色相和飽和度承載了多光譜的顏色關(guān)系明度 V 只承載亮度。融合思路是用高分辨率 Pan 替換 V 分量再逆變換回 RGB。這樣空間細(xì)節(jié)跟著 Pan 的高頻紋理走顏色跟著原多光譜的 H 和 S 走所以 HSV 融合結(jié)果紋理清晰、色彩保留較好。報告說「HSV 融合后居住區(qū)界限更清晰」這正是 Pan 的空間結(jié)構(gòu)注入在城區(qū)高對比屋頂邊緣的表現(xiàn)——瓦片邊緣的亮度跳變被 15m 全色捕捉到了。HSV 的代價和 Brovey 一樣受波段限制因為 RGB 轉(zhuǎn) HSV 只有三個通道參與最多處理一組 RGB。另外Pan 替換 V 后逆變換實測色調(diào)可能偏移原因是 Pan 的光譜響應(yīng)范圍與 V 的權(quán)重不完全一致需要在替換前把 Pan 的均值和方差匹配到原 V 分量。這一步 ENVI 會自動完成原理上就是直方圖匹配。4.4 PC 變換主成分替換不受波段限制主成分分析把多光譜各波段之間高度相關(guān)的數(shù)據(jù)去相關(guān)第一主成分 PC1 承載最大方差物理上接近「總亮度」其余主成分承載波段間的差異信息。融合策略分三步先對多光譜做 PCA把 Pan 做直方圖匹配到 PC1讓兩者的均值和方差對齊再用匹配后的 Pan 替換 PC1最后做 PCA 逆變換得到融合圖像。PC 變換最大的優(yōu)點是波段不受限——對 7 個甚至 10 個波段都能做不必先精選 3 個。報告的定性對比說 PC 融合「視覺上更模糊、顏色鮮明」這不是算法錯了而是 PC1 被 Pan 替換后原 PC1 里的低頻亮度被 Pan 的高頻紋理代替而 PC2、PC3 里殘留的空間細(xì)節(jié)沒有同步增強逆變換后整體高頻成分被稀釋看起來反而模糊。這從反面說明一個取舍PC 融合適合全波段光譜注入但單論紋理增強它不如 HSV 和 Brovey 直接。4.5 定量對比均值、標(biāo)準(zhǔn)差、信息熵、平均梯度怎么讀定性對比靠眼睛定量對比靠四個統(tǒng)計量均值、標(biāo)準(zhǔn)差、信息熵、平均梯度。報告里先裁剪一塊區(qū)域用 ENVI 的 Compute Statistics 算均值和標(biāo)準(zhǔn)差再把像元值導(dǎo)成 ASCII用腳本算信息熵和平均梯度。這四個指標(biāo)各有物理含義均值反映整體亮度接近原始多光譜說明亮度偏離小標(biāo)準(zhǔn)差反映對比度融合后增大說明細(xì)節(jié)增強信息熵反映灰度分布的不確定性熵下降意味著信息丟失平均梯度衡量相鄰像元的灰度變化率梯度大對應(yīng)視覺上的清晰。從報告表格里的數(shù)字能讀出一些門道融合前 b4 波段平均梯度約 0.19HSV 融合后升到 0.25說明 HSV 確實把細(xì)節(jié)注入了Brovey 融合后梯度約 0.13PC 只有約 0.06單看梯度這兩個方法反而不如原始低分辨率影像。但這里有個容易誤讀的細(xì)節(jié)「融合前」的對比基準(zhǔn)是 30m 低分辨率原圖融合后是 15m 網(wǎng)格像元尺寸不同平均梯度的絕對量級不能直接跨尺度比大小。正確讀法是看同一尺度下哪個方法保留的梯度更多——放在 15m 尺度里HSV 明顯占優(yōu)。報告的最終結(jié)論與定量基本一致HSV 適合目視解譯的清晰度要求Brovey 光譜保持好但紋理一般PC 無波段限制但色調(diào)變化大。5. 避坑ENVI 處理 Landsat8 時最容易翻車的五個細(xì)節(jié)鏈路越長翻車點越隱蔽。這一章把整個流程里最典型的五個問題按「現(xiàn)象→原因→解決」拆開每一處都是實際處理時容易卡住的點。5.1 波段順序顛倒中心波長錯位不報錯只悄悄污染光譜現(xiàn)象做完 FLAASH 后植被近紅外反射率異常NDVI 偏高或者植被范圍整體失真但圖像本身看不出大毛病。原因Layer Stacking 時波段順序與 Edit Header 里錄入的中心波長順序不一致近紅外波段的數(shù)據(jù)被貼上了紅外波段的波長標(biāo)簽。FLAASH 按錯誤的波長查大氣參數(shù)把吸收帶的計算位置算到別的波段上反演結(jié)果系統(tǒng)性偏移。解決定標(biāo)前逐波段核對 MTL 文件里的波段編號與波長合成后用一個已知地物比如植被的 ZProfile 抽查近紅外應(yīng)該出現(xiàn)陡升而不是平緩曲線。養(yǎng)成「合完波段先看剖面」的習(xí)慣能省掉后面一整輪返工。5.2 FLAASH 前忘了轉(zhuǎn) BIL慢到像死機甚至直接讀取失敗現(xiàn)象FLAASH 界面打開 BSQ 存貯的輻亮度文件后長時間無響應(yīng)或者處理到一半報內(nèi)存錯誤。原因FLAASH 按像元光譜向量順序讀取BSQ 按波段連續(xù)存貯取某個像元的全波段向量要跨越大段文件偏移隨機 IO 的訪問開銷遠(yuǎn)高于順序 IO大數(shù)據(jù)量下表現(xiàn)尤其明顯。解決進 FLAASH 之前用 File→Save As 把文件格式改成 BIL。這是處理引擎對數(shù)據(jù)布局的要求不是潔癖。轉(zhuǎn)格式時文件會重寫一遍磁盤空間至少預(yù)留源文件一倍大小。5.3 高程、大氣模型、氣溶膠模型抄默認(rèn)值反射率系統(tǒng)性偏移現(xiàn)象大氣校正完水體反射率偏高植被紅邊不陡感覺整張圖「發(fā)白」或「發(fā)悶」。原因默認(rèn)參數(shù)通常是海平面高程和鄉(xiāng)村型氣溶膠而實際實驗區(qū)是高海拔喀斯特縣域下墊面混合城區(qū)與農(nóng)田。大氣參數(shù)與實況不符輻射傳輸方程解出來的地表反射率就被系統(tǒng)性抬高或壓低。解決高程填實際平均海拔大氣模型按成像月份和緯度查表選擇氣溶膠模型按下墊面類型選 urban 或 rural。寧可多花兩分鐘查參數(shù)也不要讓整批反射率數(shù)據(jù)帶著系統(tǒng)性誤差進入溫度反演。5.4 全色波段不拉伸就融合顏色整體發(fā)灰現(xiàn)象Brovey 或 HSV 融合結(jié)果比原圖暗很多色彩像蓋了一層灰地物顏色「悶」住了。原因第 8 波段全色反射率范圍是 0–1而多光譜 RGB 波段的 DN 或反射率數(shù)值可能高一個量級以上。Pan 數(shù)值太小融合輸出被整體壓向低亮度色彩自然發(fā)灰。解決融合前對 Pan 做線性拉伸讓它的量級和 RGB 波段接近。報告里「對第 8 波段進行反射率拉伸」就是這個動作。拉伸后再做 Brovey 或 HSV融合圖亮度才正常。5.5 水體掩膜閾值一刀切邊緣河流和零值背景黏連現(xiàn)象提取水體后縣界邊緣那條河與裁剪造成的零值背景一起變黑水體無法單獨分離。原因ROI 外的背景被置為 0處于邊緣的水體像元其指數(shù)值也和 0 落在同一個灰度區(qū)間。密度分割按灰度范圍選閾值背景和水體被圈進同一個 bin掩膜時一起被去掉。解決先做 ROI 外掩膜把背景設(shè)成 NaN 或 -9999 之類的無效值再做密度分割或者在水體提取條件里顯式排除無效像元比如 (water_index threshold) and (valid_mask)。核心是一句話讓零值背景不參與閾值分類。6. 信息提取與分類從指數(shù)運算到監(jiān)督?jīng)Q策的設(shè)計取舍6.1 指數(shù)與溫度反演兩條從輻射到物理量的路徑水體提取用 Band Math 算 NDVI 或 NDWI再做密度分割和掩膜植被覆蓋度用像元二分模型把 NDVI 線性映射成覆蓋度百分比。這兩步都在做「波段比值消除光照與地形干擾」。溫度反演有兩條路大氣校正法解輻射傳輸方程需要實時大氣參數(shù)單窗算法用熱紅外亮溫和兩個大氣參數(shù)直接算地表溫度適合沒有實測大氣剖面數(shù)據(jù)的場景。單窗算法的核心式可以看成是亮溫 T6、大氣透過率 τ 和地表比輻射率 ε 的組合# 單窗算法地表溫度反演示意 C epsilon * tau D (1 - tau) * (1 (1 - epsilon) * tau) Ts (a * (1 - C - D) (b * (1 - C - D) C D) * T6 - D * Ta) / C說明epsilon 是地表比輻射率tau 是大氣透過率Ta 是大氣平均作用溫度a、b 是與溫度線性化有關(guān)的系數(shù)。這個式子的實質(zhì)是把傳感器亮溫里的大氣自身輻射和大氣衰減剝離掉還原出地表真實輻射溫度。6.2 分類與變化監(jiān)測從非監(jiān)督到監(jiān)督的取舍ISODATA 非監(jiān)督分類先把像元聚類再人工定義每個聚類的語義監(jiān)督分類靠人工選擇樣本興趣區(qū)提供先驗。最大似然法假設(shè)每個類別服從多元正態(tài)分布像元被判給概率密度最大的類神經(jīng)網(wǎng)絡(luò)分類不需要分布假設(shè)但訓(xùn)練樣本少了容易過擬合。這份報告從非監(jiān)督試到監(jiān)督最后落到土地利用變化監(jiān)測用的是分類后比較法兩期分類圖逐像元對比生成轉(zhuǎn)移矩陣回答「哪塊林地變成了耕地、哪塊草地變成了建設(shè)用地」。這套方法的取舍在于分類誤差會通過比較被放大所以樣本質(zhì)量和分類器穩(wěn)定性比單幅精度更重要。6.3 一條校驗習(xí)慣從整理這張圖的教訓(xùn)里我學(xué)會了一件事溫度反演圖出圖前先找兩個「錨點」對照——已知水體像元的溫度應(yīng)該接近氣溫背景城區(qū)像元的溫度應(yīng)該明顯高于周邊郊區(qū)。兩個錨點偏離先回頭查參數(shù)而不是調(diào)色。從那以后我每次處理遙感預(yù)處理鏈路都強制走一遍物理錨點校驗輻射定標(biāo)看 DN 值量級大氣校正看植被紅邊融合看平均梯度分類看樣本分離度。整條鏈路的錨點串起來才敢說結(jié)果可信。希望幫到你。本文還有配套的精品資源點擊獲取