大气校正
Flassh大气校正
[转载]大气校正（转）大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：∙ ●大气校正概述∙∙●ENVI中的大气校正功能1大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
常见的绝对大气校正方法有：●基于辐射传输模型∙ ∙♦MORTRAN模型∙ ∙♦LOWTRAN模型∙ ∙♦ATCOR模型∙ ∙♦6S模型等●基于简化辐射传输模型的黑暗像元法●基于统计学模型的反射率反演；相对大气校正常见的是：●基于统计的不变目标法●直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
2 ENVI大气校正功能在ENVI中包含了很多大气校正模型，包括基于辐射传输模型的MORTRAN模型、黑暗像元法、基于统计学模型的反射率反演。
基于统计的不变目标法可以利用ENVI一些功能实现。
其中MORTRAN 模型集成在ENVI大气校正扩展模块中。
还有直方图匹配等。
2.1 简化黑暗像元法大气校正黑暗像元法是一种古老、简单的经典大气校正方法。
大气校正新方法
大气校正新方法全文共四篇示例，供读者参考第一篇示例：大气校正是遥感图像处理中至关重要的一步，它可以消除大气和云层等因素对图像的影响，使得遥感图像更加清晰和准确。
传统的大气校正方法主要是基于辐射传输模型，但是这些方法往往需要大量的参数和计算，且在实际应用中存在一定的局限性。
近年来，随着深度学习等技术的发展，一些新的大气校正方法也被提出，取得了一定的突破与进展。
一种新的大气校正方法是基于卷积神经网络（CNN）的深度学习方法。
在这种方法中，CNN可以学习到图像中的大气扰动模式，从而实现自动的大气校正。
这种方法不需要复杂的辐射传输模型，而是直接从数据中学习大气校正的规律，因此更加简单和高效。
随着深度学习技术的不断进步，这种方法在大气校正的效果上也逐渐得到了提升，成为了一种很有潜力的大气校正方法。
另一种新的大气校正方法是基于光学压缩成像（OCI）的技术。
OCI 是一种利用金属光栅的亚波长结构实现高空间频率成像的技术，可以在不同波长的图像之间进行线性变换，从而实现对大气干扰的校正。
这种方法不仅能够准确地去除大气扰动，还可以提高图像的空间分辨率，进一步提高遥感图像的质量。
除了以上所述的方法，还有一些其他新的大气校正方法值得关注。
比如基于深度学习与光学压缩成像相结合的方法，可以将两种技术的优势相结合，实现更加精准和高效的大气校正；基于超分辨率技术的大气校正方法，可以通过对图像进行超分辨率处理，进一步提高遥感图像的质量和分辨率。
随着科学技术的不断进步，大气校正方法也在不断创新和发展。
新的大气校正方法不仅可以更加高效地去除大气扰动，还可以提高遥感图像的质量和分辨率，为遥感图像处理和应用提供了更加丰富和多样的选择。
希望未来能够有更多的研究者投入到大气校正方法的研究中，为遥感技术的发展贡献一份力量。
【这里可以根据实际情况适当增加细节和案例分析，使文章更加丰富和具体】。
第二篇示例：大气校正是遥感影像处理的一个重要环节，可以有效减少大气因素对影像质量的影响，提高遥感数据的可用性。
大气校正的作用
大气校正的作用
大气校正是指通过对图像获取的原始数据进行处理，消除大气影响，使得图像更加真实、清晰的技术手段。
大气校正主要是针对遥感数据、卫星影像等进行的，具有以下作用：
1. 提高图像的可视性和质量。
大气校正可以去除图像中大气影响，消除大气散射和吸收对图像的影响，提高图像的清晰度和质量。
2. 更准确的遥感信息提取。
在遥感领域中，大气校正是进行各种遥感信息提取的前提条件。
大气校正可以消除大气影响导致的数据偏差，提高遥感数据的准确性和可靠性，使得遥感信息提取更加准确。
3. 有利于环境监测和资源调查。
大气校正可以消除大气散射、云层遮挡等因素对遥感数据的影响，使地表特征更加清晰、准确，有利于环境监测和资源调查。
4. 促进遥感应用的发展。
随着遥感技术的不断发展和应用，大气校正技术的应用也越来越广泛。
大气校正技术可以提高遥感数据的质量和可靠性，进一步促进遥感应用的发展和推广。
总之，大气校正在遥感领域中具有重要的作用，可以提高遥感数据的质量和可靠性，促进遥感应用的发展和推广。
- 1 -。
测绘技术中的反射率校正与大气校正方法
测绘技术中的反射率校正与大气校正方法近年来，随着遥感技术的快速发展，测绘行业中的反射率校正与大气校正方法也得到了越来越多的关注。
这些方法可以有效地提高测绘结果的精度和可靠性，对于遥感数据的准确解译具有重要意义。
一、什么是反射率校正？作为一种重要的遥感数据处理方法，反射率校正是通过对图像中的反射率进行调整和修正，使得反射率更加符合实际情况。
测绘中，我们使用遥感技术获取的图像往往受到多种因素的干扰，如大气吸收、散射等，这些因素给图像的反射率带来一定的偏差。
因此，反射率校正就是要消除这些因素的影响，使图像的反射率能够准确地反映出被观测对象的特征。
二、反射率校正的方法目前，反射率校正方法主要包括统计校正法和模型校正法两种。
1. 统计校正法统计校正法是指根据测绘区域内的统计特性，对图像进行校正。
这种方法通常以参考样本为基础，通过对参考样本的分析，得到图像的校正系数，然后将这些系数应用于整个图像的反射率校正中。
统计校正法相对简单易行，但需要准备大量的参考样本，并且样本的选择也需要考虑地物的类型和分布情况等因素。
2. 模型校正法模型校正法是指通过建立反射率校正模型，对图像进行校正。
这种方法通常依据大气辐射传输的基本原理和模型，通过对大气辐射过程进行数学建模，将大气辐射对图像的影响进行修正。
模型校正法具有较高的准确性，但对于大气辐射的建模和参数获取有一定的要求。
三、什么是大气校正？大气校正是指根据大气光学特性，对测绘图像进行校正，消除大气对图像的干扰。
大气校正方法的目标是减少大气散射和吸收对图像反射率的影响，使得获取的遥感数据更加准确可靠。
大气校正方法主要包括模型法和无模型法两种。
1. 模型法模型法是指通过建立大气辐射传输的模型，根据大气成分和光学参数等因素对图像进行校正。
这种方法需要较为准确的大气参数和辐射传输模型，并属于相对复杂的校正方法。
模型法的优点是可以提供比较准确的校正结果，但对于大气参数的获取和模型的建立有一定的要求。
大气校正(ENVI)
大气校正（ENVI）大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：∙ ∙ ●大气校正概述∙ ∙ ●ENVI中的大气校正功能1大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1 大气层对成像的影响示意图很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。
这些校正方法按照校正后的结果可以分为2种：∙∙●绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
∙∙●相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：●基于辐射传输模型∙ ∙♦MORTRAN模型∙ ∙♦LOWTRAN模型∙ ∙♦ATCOR模型∙ ∙♦6S模型等●基于简化辐射传输模型的黑暗像元法●基于统计学模型的反射率反演；相对大气校正常见的是：●基于统计的不变目标法●直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
Atmospheric Correction
Kaufman指出：”大气校正的基本方法是获得关于大气光 学性质的各种参数，如大气光学厚度、相函数、单向散射 反照率、气体吸收率等。而大气校正的困难就在于难于确 定这些参数。参数的测定直接影响计算精度。
2、黑暗像元法 （Dark-object Methods)
其中： ra 表示由分子散射和气溶胶散射所构成的路径辐射反射率； Tg ( S ,V ) 为大气吸收所构成的反射率；S为大气球面反照率； T ( S ) 代表太阳到地面的散射逋过率； S 为地面目标反射率； T (V ) 为地面到传感器的散射逋过率；
S ] 1 S S
（2）
地面非均匀朗伯面、地面目标高程丌是海平面时，讣为地面由囿形目标 物及周围环境组成。
• 1、为什么要对遥感影像迚行大气校正？ • 由于大气的存在，太阳辐射经过气体分子的吸收和气溶胶 粒子的散射，得到减弱，同时部分散射信号直接戒经过地 物反射迚入到传感器，又得到增强。 • 反映在实际处理中，大气影响降低了图像的反差比，使图 像可读性降低，增加了解译的困难。
• 定量遥感技术的収展，利用多传感器，多时相遥感数据在 土地利用和土壤覆盖发化监测、全球资源环境分析和气候 发化监测等方面的广泛应用，使得遥感影像大气校正方法 的研究日趋重要。
文字内容 文字内容
ATCOR4
虽叐局地气候的控制 及新模块需要迚一步 完善，但ATCOR2系 列仍是主产品
ATCOR3和ATCOR4
ATCOR2
模型适用范围推广到 理广泛的山匙。
广泛应用于徆多通用 的图像处理软件，如 PCI、ERDAS
1、辐射传输模型法 辐射传输模型的优点及局限性
此模型物理意义最好，计算出来的反射率精度较高 • 此种方法的计算量大； • 需要较多的参数。比如 大气中的水汽含量、臭氧含量及 空间分布、气溶胶光学特征等。 • 而在常觃的大气校正中，这种测量徆难实施。
大气校正方法说明
利用MODTRAN 进行大气校正的方法说明一． 大气校正公式、原理以及所需参数大气是介于传感器和地球表层之间由多种气体和气溶胶组成的介质层，电磁波在地物和传感器之间传输时，必然受到大气的影响。
遥感对地观测时，要想得到目标的真实信息，大气校正是不可回避的。
由卫星传感器获取的表观反射率ρ*可由下式表出： '()(,,)(,,)(())1v s s v s v a s v s v t t v d t T Se t τμθρθθφφρθθφφρρθρ-*-=-++- (1) 式中： s θ：太阳天顶角 ， s φ：太阳方位角 ，v θ ：传感器天顶角，v φ ：传感器方位角， t ρ：目标反射率，(,,)a s v s v ρθθφφ-：大气的路径辐射项等效反射率， τ：大气的光学厚度， S ：大气的半球反照率，'()v d t θ：散射透过率，cos()v v μθ=。
通过MODTRAN4对大气辐射传输进行模拟，求得大气校正所需参数，将所求的大气校正参数和传感器获得的表观反射率一并代入大气辐射传输公式 (1)，便可计算出目标的真实反射率t ρ，从而完成大气校正的任务。
在实际的工作中，我们可以用下面的公式：0()()()1t v v d v t L L F T S ρμμμρ=+- (2) 是传感器接收到的辐射亮度，0()v L μ是路径辐射项，d F ＝式中：s μ0F ()s T μ是太阳下行总辐射(0F 是大气层顶的太阳辐照度)， ()v T μ=v e τμ-+'()v d t θ是传感器和目标之间的透过率（v e τμ-是直射透过率，'()v d t θ是散射透过率）。
在已知的观测条件（太阳和传感器的几何参数，大气廓线，地表反射率等）下，设定一组t ρ值以及相应的传感器高度，通过MODTRAN4模拟得到一组辐射亮度()v L μ，代入方程(2)，再经过简单的代数运算就可以求出大气校正所需的参数（路径辐射项、透过率、大气半球反照率和太阳下行总辐射）。
大气校正的作用
大气校正的作用
大气校正是指利用大气模型对遥感图像进行修正，消除大气散射和吸收的影响，从而得到真实的地物表面反射率值。
这项技术在遥感应用中具有十分重要的作用，主要表现在以下几个方面：
一、提高地物分类和定量分析的准确性
遥感图像在获取后，由于大气对光线的影响，使得图像中的地物反射率值存在较大的误差。
通过大气校正技术可以消除这些误差，使得遥感图像的反射率值更加精准，从而提高了地物分类和定量分析的准确性。
二、帮助环境监测和资源评价
在环境监测和资源评价领域，遥感图像的应用十分广泛。
通过大气校正技术，可以有效地提高遥感图像的精度，从而更加准确地反映地表水、土壤、植被等环境要素的分布情况，为环境监测和资源评价提供更可靠的数据。
三、提升遥感图像的可视化效果
遥感图像在进行可视化呈现时，如果没有经过大气校正处理，图像的质量会受到大气散射和吸收的影响，从而出现颜色失真、亮度不足的问题。
通过大气校正技术可以消除这些影响，使得遥感图像更加真实、清晰，从而更好地呈现地物的真实景象。
四、提高监测和预测的精度
在预测自然灾害、监测空气污染等应用中，遥感技术是不可或缺的工具。
通过大气校正技术，可以消除大气散射和吸收的影响，使得遥感图像反映的现象更加准确、及时，从而提高了监测和预测的精度。
总之，大气校正技术对遥感图像的应用具有不可替代的作用。
它可以提高遥感数据的精度和可靠性，为遥感技术在环境监测、资源评价、自然灾害等领域的应用提供了有力的支持。
大气校正 回归法
大气校正回归法大气校正（AtmosphericCorrection）回归法是用来消除地表物质在太空的遥感图像中的干扰，以获得准确的地物反射，这是获取有效的环境监测信息以及地面物质的重要手段。
大气校正回归法就是将大气中悬浮物和其它环境因子影响参数分析出来，归因于地表物质的反射，从而修正遥感图像，使其结果更加精确。
大气校正回归法是一种基于物理模型的地物反射模型，它于某个给定的地点生成多种不同波段图像的地物反射系数。
太阳光线穿过大气到达地表物质，在这一过程中受到大气成分和大气环境因子的影响，被反射的太阳光被检测器接收，从而产生多种不同波段的遥感图像数据，匹配这些数据可以推算出地表反射系数。
大气校正回归法基于物理模型。
根据入射光的波段模型，用内插法来计算模型参数，通过矩阵相乘计算出估计值。
计算出估计值与实际检测值的差距，根据不同的模型采取不同的算法来运算，最终求出一组参数，用这组参数重新计算大气成分的反射系数，然后从遥感图像上剔除大气影响，得到真实的地表反射图像。
在大气校正回归法中，模型的参数有两类：一类是大气成分，其中包括空气污染物、气溶胶、云延迟、雾霾、湿度、大气温度等；另一类是环境因子，包括地表物质反射系数、太阳角度等。
大气成分是模型参数，它们可以通过大气模型和大气测量获得。
环境因子可以外推和观测获得。
大气校正回归法模型可以有效地降低大气层对遥感图像的干扰，从而获得准确的地物反射系数。
大气校正回归法为研究地表物质的反射特性和监测环境的变化提供了重要的参考。
通过大气校正回归法，遥感图像中的大气影响可以被有效地减少以获得真实的地物反射图像。
而且，大气校正回归法的模型可以通过参数的估计来准确估算出大气环境因子，这对环境监测和地表物质识别有着重要的意义。
综上所述，大气校正回归法是一种消除遥感图像中大气影响的有效方法，它可以为研究地表物质的反射特性和监测环境的变化提供重要的参考。
在遥感应用中，大气校正回归法更易于计算，并且可以有效减少大气对遥感图像的影响，从而获得准确的地物反射系数。
大气校正实验报告小结
大气校正实验报告小结1. 实验介绍本次实验以大气校正为主题，旨在研究地球观测卫星图像中的大气影响，并通过校正算法对图像进行处理，提高图像的可视化效果和应用价值。
实验中主要使用了卫星遥感数据和图像处理算法，通过一系列的处理步骤，对卫星图像进行大气校正。
2. 实验过程实验主要分为以下几个步骤：2.1 数据获取首先，我们需要从卫星获取原始图像数据。
本实验中，我们选择了一组包含多个波段的高分辨率卫星图像。
通过遥感技术，我们可以获取到图像中的不同波段的信息，比如红外波段、近红外波段等。
2.2 大气模拟为了研究大气对图像的影响，我们需要模拟实际大气场景。
通过建立大气传输模型，我们可以根据气象数据和大气参数计算出大气散射、吸收和发射等特性。
在本实验中，我们使用了蒙特卡洛模拟方法对大气进行模拟。
2.3 大气校正算法大气校正旨在通过去除大气影响，还原真实的地物反射率。
在本实验中，我们使用了常见的大气校正算法——暗物质法（Dark Object Subtraction，DOS）和统计法（Statistical Method）。
这两种算法都是基于不同的假设和原理，通过对图像各波段的统计分析和模型拟合，对图像进行校正。
2.4 图像处理与比较校正完成后，我们对校正前后的图像进行处理和比较。
主要包括图像增强、反差对比度调整和图像融合等。
通过对比校正前后的图像像素值、直方图、谱线等特征，评估校正效果和算法的可行性。
3. 实验结果根据实验结果，我们发现使用暗物质法和统计法进行大气校正可以有效降低图像中的大气影响，提高图像的视觉效果和信息可读性。
同时，在图像处理和比较过程中，我们也发现不同算法对不同波段的校正效果不同，需要根据具体需求和应用场景选择适合的算法和参数。
此外，实验中我们还注意到实际场景中的大气状况可能会对校正效果产生影响。
例如，云层的存在会使得图像中的反射光线发生衰减和散射，进一步增加了校正的难度。
因此，在实际应用中，我们需要综合考虑各种因素，进行合理的大气校正策略和参数选择。
大气校正结果
大气校正结果随着遥感技术的发展，遥感影像在许多领域得到了广泛的应用。
然而，由于大气散射的影响，遥感影像中的亮度和颜色往往存在一定的偏差。
为了准确地获取地物的信息，科学家们开展了大气校正研究，旨在消除大气散射对遥感影像的影响。
大气校正是一种基于大气散射模型的图像处理方法，通过估计和消除大气散射的影响，使得遥感影像的亮度和颜色更加真实、准确。
其结果可以大大提高遥感影像的解译和应用效果。
大气校正的过程主要包括以下几个步骤：1. 大气散射模型估计：根据遥感影像的特性和大气散射的物理原理，选择合适的大气散射模型进行估计。
常用的大气散射模型有大气透射率模型和大气散射光照度模型。
2. 大气参数估计：通过对遥感影像中的地物和大气散射光的反射特性进行分析，估计出大气参数，如大气透射率和大气散射光照度等。
3. 大气校正处理：利用估计得到的大气参数，对遥感影像进行校正处理。
校正的目标是将遥感影像的亮度和颜色恢复到地物本身的真实值。
大气校正的结果可以显著改善遥感影像的质量和信息提取能力。
首先，校正后的影像亮度更加真实，能够更准确地反映地物的表面亮度。
这对于土地利用分类、植被覆盖度估计等应用非常重要。
其次，校正后的影像颜色更准确，能够更好地表达地物的特征。
这对于水体辨识、岩性识别等应用具有重要意义。
大气校正结果的应用广泛。
在环境监测中，校正后的影像可以提供更准确的水质信息、空气质量信息等。
在农业领域，校正后的影像可以帮助农民更好地管理农田、监测农作物生长情况。
在城市规划中，校正后的影像可以提供更准确的土地利用信息、城市绿化信息等。
此外，大气校正结果还可以用于地质勘探、环境变化监测、灾害评估等领域。
然而，大气校正也存在一些挑战和限制。
首先，大气散射模型的选择和参数估计对结果的准确性有很大影响。
不同的大气散射模型适用于不同的地区和遥感影像，因此需要根据具体情况进行选择。
其次，大气校正需要获取准确的大气参数，这对于不同地区和不同时间的遥感影像来说是一项具有挑战性的任务。
envi辐射定标和大气校正步骤
envi辐射定标和大气校正步骤
辐射定标和大气校正是遥感影像处理中的重要步骤，用于消除大气效应，得到真实的地物辐射亮度。
1. 辐射定标（Radiometric Calibration）：
a. 获取辐射定标参考：通过使用辐射标准器，如辐射球或辐射标准板，获取具有已知辐射值的参考影像；
b. 通过校正系数确定辐射值：根据辐射定标参考和参考影像的灰度值，计算校正系数，以将影像的灰度值转换为辐射亮度。
2. 大气校正（Atmospheric Correction）：
a. 估算大气透过率：通过使用大气透过率模型，根据遥感影像的特性（如波段反射率、大气参数等），估算不同波段的大气透过率；
b. 估算大气辐射：使用大气辐射传输模型，结合大气透过率和太阳辐射，估算出大气辐射；
c. 扣除大气辐射：将估算得到的大气辐射从原始遥感影像中扣除，得到经过大气校正的影像。
这些步骤可以根据具体的遥感影像和数据处理软件的要求进行调整和优化。
大气校正的影像值范围
大气校正的影像值范围大气校正是指消除由大气影响造成的辐射误差，反演地物真实的表面反射率的过程。
其影像值范围可能因不同的校正方法和数据源而有所差异，一般情况下，大气校正后默认乘以10000，影像值范围为0-10000。
大气校正，作为一种消除大气影响、反演地物真实表面反射率的重要技术手段，在遥感领域具有举足轻重的地位。
然而，由于校正方法和数据源的多样性，大气校正后影像值的范围也会呈现出一定的差异。
不同的大气校正方法可能会对影像值范围产生影响。
例如，基于辐射传输模型的校正方法通常会考虑大气的散射、吸收等因素，从而更准确地估计地物的表面反射率。
这种方法可能会导致影像值范围较窄，更接近地物的真实反射特性。
另一方面，基于经验或统计的校正方法可能相对简单，但影像值范围可能会更广泛，因为它们在一定程度上依赖于预设的参数或模型。
数据源的特性也会对大气校正后的影像值范围产生影响。
例如，不同传感器的光谱响应、辐射度量等特性可能有所不同，这会导致校正后影像值的差异。
此外，影像的分辨率、拍摄时间、天气条件等因素也会对影像值范围产生一定的影响。
一般来说，经过大气校正后，影像值的范围通常会在0 到10000 之间。
这是因为校正过程通常将原始的辐射值转换为具有物理意义的反射率或亮度值，以反映地物的真实特性。
然而，需要注意的是，具体的影像值范围还会受到上述各种因素的综合影响。
在实际应用中，了解大气校正后影像值的范围对于数据分析和解释至关重要。
较小的影像值范围可能意味着更精确的校正结果，但同时也可能需要更复杂的分析方法和更专业的知识。
而较大的影像值范围可能更容易受到其他因素的干扰，需要在分析过程中加以注意。
此外，对于不同的应用场景和研究目标，影像值范围的选择也可能有所不同。
例如，在某些情况下，可能更关注影像的相对差异，而不是绝对的数值大小。
在这种情况下，影像值范围的具体数值可能并不那么关键，而更重要的是不同地物之间的相对关系。
总之，大气校正后影像值的范围是由多种因素共同决定的，并且会因校正方法和数据源的不同而有所变化。
大气校正(ENVI)
大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：∙ ●大气校正概述∙∙●ENVI中的大气校正功能1大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
常见的绝对大气校正方法有：●基于辐射传输模型∙ ∙♦MORTRAN模型∙ ∙♦LOWTRAN模型∙ ∙♦ATCOR模型∙ ∙♦6S模型等●基于简化辐射传输模型的黑暗像元法●基于统计学模型的反射率反演；相对大气校正常见的是：●基于统计的不变目标法●直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
2 ENVI大气校正功能在ENVI中包含了很多大气校正模型，包括基于辐射传输模型的MORTRAN模型、黑暗像元法、基于统计学模型的反射率反演。
基于统计的不变目标法可以利用ENVI一些功能实现。
其中MORTRAN模型集成在ENVI大气校正扩展模块中。
还有直方图匹配等。
2.1 简化黑暗像元法大气校正黑暗像元法是一种古老、简单的经典大气校正方法。
第二讲大气校正
实验二大气校正实验原理概念：消除遥感图像中由大气散射和吸收引起的辐射误差的处理过程。
遥感所利用的各种辐射能均要与地球大气层发生相互作用-或散射、或吸收，而使能量衰减，并使光谱分布发生变化。
大气的衰减作用对不同波长的光是有选择性的，因而大气对不同波段的图像的影像是不同的。
另外，太阳-目标-遥感器之间的几何关系不同，则所穿越的大气路径长度不同，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，且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也不同。
消除这些大气影响的处理，称为大气校正。
即使遥感系统工作正常，获取的数据仍然带有辐射误差。
两种最重要的环境衰减是1）由大气散射和吸收引起的大气衰减；2）地形衰减。
然而，在所有的遥感应用中都进行大气校正可能没有必要。
是否进行大气校正，取决于问题本身、可以得到的遥感数据的类型取的历史与当前实测大气信息的数量和从遥感数据中提取生物物理信息所要求的精度。
实验过程（1）打开数据Envi中打开实验数据，本次实验数据采用的是2009年7月20日其中打开MTL文件可查询信息，其中SUN_ELEV ATION = 60.8111752图1 打开数据（2）辐射定标打开Radiometric correction →radiometric Calabriation，选择多光谱数据，然后在Radiometric Calibration面板中，设置以下参数：①定标类型（Calibration Type）：辐射率数据Radiance②单击Apply FLAASH Settings按钮，自动设置FLAASH大气校正工具需要的数据类型，包括储存顺序（Interleave）：BIL或者BIP；数据类型（Data Type）：Float；辐射率数据单位调整系数（Scale Factor）：0.1。
③设置输出路径和单位名，单击OK执行辐射定标图2 参数设置结果显示如下图，其中可以查看信息发现数据发生改变；图3 定标结果（3）FLAASH大气校正在Toolbox中打开FLAASH工具：/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction。
辐射定标和大气校正
辐射定标和大气校正
辐射定标是指将遥感数据中的数字值转换成物理量，如辐射通量或辐射亮度等。
辐射定标的目的是通过反演辐射测量结果，从而获取地物表面的相关物理参数。
这个过程涉及到将数字值与地面辐射的绝对标准进行关联，通常需要使用辐射标准器进行实地校准。
大气校正是指利用大气模型和大气参数，对遥感数据进行修正，以消除大气对测量数据的影响。
大气校正的目的是减少大气散射和吸收对遥感数据的影响，使得获取的遥感数据更加真实和准确。
大气校正的过程通常需要获取或估计大气参数，并使用大气传输模型来计算修正系数，将原始遥感数据转换成表征地物的可比辐射或反射率。
辐射定标和大气校正是遥感数据处理中重要的步骤，它们使得遥感数据能够提供准确和可比的地物信息，为后续的地物分类、变化检测和地表参数估计等应用提供了基础。
ENVI下的大气校正
大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：1. 大气校正概述；2. ENVI 中的大气校正功能；1. 大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1大气层对成像的影响示意图很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。
这些校正方法按照校正后的结果可以分为2种：绝对大气校正方法：将遥感图像的DN(Digital Number值转换为地表反射率、地表辐射率、地表温度等的方法。
相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：基于辐射传输模型MORTRAN 模型LOWTRAN 模型ATCOR 模型6S 模型等基于简化辐射传输模型的黑暗像元法基于统计学模型的反射率反演；相对大气校正常见的是：基于统计的不变目标法直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1 、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2 、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3 、如果参数缺少，没办法了只能选择较简单的方法了。
2. ENVI大气校正功能在ENVI中包含了很多大气校正模型，包括基于辐射传输模型的MORTRAN 模型、黑暗像元法、基于统计学模型的反射率反演。
ENVI下的大气校正
ENVI下的大气校正大气校正大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：l大气校正概述lENVI中的大气校正功能1大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1.jpg图1 大气层对成像的影响示意图很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。
这些校正方法按照校正后的结果可以分为2种：l绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
l相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：l基于辐射传输模型wMORTRAN模型wLOWTRAN模型wATCOR模型w6S模型等l基于简化辐射传输模型的黑暗像元法l基于统计学模型的反射率反演；相对大气校正常见的是：l基于统计的不变目标法l直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
ENVI下的大气校正
大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：l.大气校正概述；2.ENVI中的大气校正功能；1.大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1 大气层对成像的影响示意图很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。
这些校正方法按照校正后的结果可以分为2种：绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：基于辐射传输模型MORTRAN模型LOWTRAN模型ATCOR模型6S模型等基于简化辐射传输模型的黑暗像元法基于统计学模型的反射率反演；相对大气校正常见的是：基于统计的不变目标法直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
2. ENVI大气校正功能在ENVI中包含了很多大气校正模型，包括基于辐射传输模型的MORTRAN模型、黑暗像元法、基于统计学模型的反射率反演。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
：指不同于周围背景的、相对均质的非线性区域。斑块是有尺度的，与 周围环境（基底）在性质上或外观上不同的空间实体。
斑块的定义Page Nhomakorabea19基于Fragstats的景观指标计算
1
景观生态学理论
区域景观生态质量评价
系统了解所关心区 域的生态系统特征 （景观单元的类型 组成、空间配置及 其与生态学过程的 相互作用）
总边缘对比 度等
连接指数等
边缘面积分维，形状 指数等
独立核心斑块数 量、密度等
对比度加权 边缘密度等
散布并列指 数等
斑块丰 度
Page
22
基于Fragstats的景观指标计算
4
利用Fragstats进行景观指标计算
长株潭地区景观图 （*.img） Arcview栅格文件 输出GRID数据文件 Fragstats4.0 景观 指标计算
遥感图像的几何变形：指原始图像上各地物的几何位置、形状、尺寸、方位等特征与在 参照系统中的表达要求不一致时产生的变形。 传感器 成像方式
地球曲率 及自转
传感器外 方位元素
大气折射 等等
地形起伏
引起图像变形的原因
Page 5
基于ENVI的影像处理
3
影像的几何校正（Geometric Correction）
Fragstats4.0 景观 指标计算 GRID数据文件
辐射定标 大气校正
信息提取 （最大似然 法分类）
分类后处理及 精度验证
长株潭地区景观图 （*.img）
影像处理
Page 2
景观分析
基于ENVI的影像处理
1
扩 展 模 块
ENVI（The Environment for Visualizing Images）简介
美国 Research System Inc. 公司开发的一套功能齐全的遥感图像处理系统。 能够处理、分析并显示多光谱、高光谱数据和雷达数据。
Atmosphere Corrrction 大气校正模块
ENVI EX 空间特征 提取模块
DEM Extraction 立体像对高 程提取模块
Ortho recticification 正射校正 模块
Page
21
基于Fragstats的景观指标计算
3
常用的景观指标
Fragstats 中景观指标分为斑块、类型和景观三个范畴。
Area-Edge 面积和边缘指标
Shape 形状指标
Core Area 核心区指标
Contrast 对比度指标
Aggreation
Diversity
斑块 （Patch）
斑块面积、周长等
SAR space 雷达高 级处理
NITF
ENVI 主模块
IDL 开发语言
IDL Advanced 数字与统计 扩展工具包
IDL Dataminer 数据库连接 工具包
Page
3
基于ENVI的影像处理
2
影像的镶嵌（Mosaicking）
依据需要将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像。 要求镶嵌的图像之间有一定的重叠度。包括基于地理坐标和基于像元的镶嵌。
p
i 1
n
N为所有地表真实分类中像元总数； Xkk为混淆矩阵对角行的和； Xk∑为一类中真实像元的总和； X∑k为这一类中被分类的像元总数。
ij
Page
18
基于Fragstats的景观指数计算
1
景观生态学理论
景观的定义 ：在生态学中，分为狭义和广义两种。
狭义景观是指几十公里至几百公里范围内．由不同生态系统类型所组成的异质性地理单元。 而反映气候、地理、生物、经济、社会和文化综合特征的景观复合体称为区域。狭义景观 和区域可统称为宏观景观。 广义景观则指出现在从微观到宏观不同尺度上的．具有异质性或缀块性的空间单元。 ----------邬建国.景观生态学——概念与理论.生态学杂志,2000,19(1)：42—52．
pAj = pjj / p+j
pi
K
p
k 1
k 2
n
kk
/p
k
p1n p1+ p2+
pnn pn+
p+n p
N X kk X k X k N Xk Xk
k
Kappa系数
其中，Pij为第i类错分到第j类的像元个数； pi+ p+j
p
j 1
n
ij
为分类所得到的第i类的总和； 为实际观测的第j类的总和。
待纠正影像 参考影像
x a0 (a1 X a2Y ) (a3 X 2 a4 XY a5Y 2 )
像素坐标 的变换
控制点选取 不 符 合 误差检查 校正模型选择 像素坐标变换
（a6 X 3 a7 X 2Y a8 XY 2 a9Y 3 ) y b0 (b1 X b2Y ) (b3 X 2 b4 XY b5Y 2 ) （b6 X 3 b7 X 2Y b8 XY 2 b9Y 3 )
5
大气校正（FLAASH）
大气校正前影像
Page 12
大气校正后影像
基于ENVI的影像处理
6
最大似然分类（Maximum Likelihood）
最大似然法分类是监督分类的一种，是根据概率判别函数和贝叶斯判别规则来进行分类的。
类别定义/特征判别 样本的选择 分类器选择 （即分类方法） 影像分类 分类后处理 精度验证
精度验证
混淆矩阵，用户精度、制图精度、总精度和 Kappa 系数。
Page
17
基于ENVI的影像处理
6
类别
1 2 … n 合计
最大似然分类（Maximum Likelihood）
混淆矩阵
1
p11 p12
2
p12 p22
…
n
pn1 pn2
合计
p+1 p+2
用户精度 制图精度 总体精度
puj = pii / pi+
运用感兴趣区工具 （ROI Tool） 这里以最大似然法 为例进行说明
监督法分类流程
Page 13
基于ENVI的影像处理
6
最大似然分类（Maximum Likelihood）
类别定义/ 特征判别
确定对哪些地物进行分类，分几类。 依据地物的特征，以及google earth等手段， 判定各类别的影像特征。
4
利用Fragstats进行景观指标计算
长株潭地区景观图 （*.img） Arcview栅格文件 输出GRID数据文件 Fragstats4.0 景观 指标计算
景观 面积 指数
斑块 密度 指数
…
斑块 个数 指数
Page
26
基于Fragstats的景观指标计算
4
利用Fragstats进行景观指标计算
以多项式纠正为例
最邻近像元法 亮度值的 重采样 双线性内插法 双三次卷积法
Page 6
基于ENVI的影像处理
3
影像的几何校正（Geometric Correction）
待纠正影像
基准影像
纠正后影像
基于多项式的几何校正
Page 7
基于ENVI的影像处理
4
影像的裁剪（Resize）
当我们所感兴趣的区域存在于一个大范围的图像文件内，而我们不需要影像的其他部分， 这就要用到图像的裁剪。在ENVI中，包括规则裁剪和不规则裁剪。
接受各种不同格式的光栅图像,包括 ArcGrid ，ASCII和8位、 16位以及32位二进制的存储格式。要使用 ArcGrid ,需先进行环 境变量设置。
注 意
用于计算景观指标的图像文件，存储的位置不能太深。
FRAGSTATS可以计算许多不同的功能指标,这些指标必须依据 具体情况由用户参数化。功能指标包括核心区域(依赖于边缘的 深度效应),边缘对比度(依赖于相邻斑块类型的对比度),和隔离度 (依赖于邻近生态区的大小和不同的斑块类型之间的相似性)的计 算。
揭示区域生态系 统健康状态，找 出脆弱区域或因 子
提供决策支持以 保护或恢复生态 环境
区域景观生态质量评价指标体系
Page
20
基于Fragstats的景观指标计算
2
Fragstats 简介
计算分类地图的各种景观指标的软件。 发布于1995年,由McGarigal博士和 俄勒冈州立大学的Barbara Marks 联合开发。
Page
14
基于ENVI的影像处理
6
最大似然分类（Maximum Likelihood）
样本/训练 区选择
训练样区指得是图像上哪些已知类别属性，可以用来统计 类别参数的区域。注意 准确性、代表性和统计性。 样本验证。
分类器选择 /确定判别 函数和判别 规则
利用训练区样本数据统计相应地物类别的光谱特征。 监督分类技术包括基于传统统计分析、基于人工智能和 基于模式识别三种类型的分类器。
Page
24
基于Fragstats的景观指标计算
4
利用Fragstats进行景观指标计算
长株潭地区景观图 （*.img） Arcview栅格文件 输出GRID数据文件 Fragstats4.0 景观 指标计算
景观 面积 指数
斑块 密度 指数
…
斑块 个数 指数
Page
25
基于Fragstats的景观指标计算
长株潭地区影像1
镶嵌后影像
基于地理坐标的影像镶嵌
长株潭地区影像2
Page 4
基于ENVI的影像处理
3
影像的几何校正（Geometric Correction）