envi遥感图像处理之大气纠正
envi-大气校正
大气校正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，获得地物反射率、辐射率、地表温度等真实物理模型参数。
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。
1.黑暗像元法描述：黑暗像元法的基本原理是假设待校正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的前提下，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）对整幅图像的影响，达到大气校正的目的。
步骤：先打开待校正图像，再在主菜单中点击Basic Tools > Preprocessing > General Purpose Utilities > Dark Subtract 选择待校正图像，出现如图1-1，1-2所示对话框，设置参数如图所示。
然后点击OK.图2-2所示为处理之后的图像。
图1-1图1-2 图1-3 2.FLAASH大气校正步骤：先打开待校正的图像。
然后将该文件转换成BIL格式,点击主菜单Basic Tool>convert Data(BSQ,BIL,BIP),选择待校正图像，点击OK。
如图2-1所示。
然后出现如图2-2所示对话框，参数设置如图。
然后是在主菜单点击Basic Tools>Preprocessing>Calibration Utilities>FLAASH.接着就是最重要的一步，对校正对话框的参数设置。
如图2-3所示。
重点参数设置有Lat/Lon （纬度/经度）中输入该待校正图像中心位置的经纬度;获得该数据的方法是：选择主菜单Basic Tools→Preprocessing→Data-Specific Utilities→View HDF Global Attributes,在文件选择对话框中选择要校正的图像文件，打开Global Attributes，将Global Attributes中的内容复制到记事本中，查找scenecenter。
envi大气校正后计算
envi大气校正后计算
大气校正是一种重要的遥感技术，用于消除大气对遥感图像的影响，以获取准确的地表反射率信息。
在进行大气校正之前，我们需要了解遥感图像中的大气成分和其对图像的影响。
大气校正的关键在于准确地估计大气成分。
常见的大气成分包括水蒸气、气溶胶和气体。
这些成分会散射、吸收和发射光线，导致遥感图像中的辐射量发生变化。
因此，在进行大气校正之前，我们需要获取大气成分的信息。
然后，我们可以使用大气校正模型来计算大气校正系数。
这些系数可以将遥感图像中的辐射量转换为地表反射率。
大气校正模型基于大气散射和吸收的物理原理，考虑了大气成分的影响。
通过对遥感图像进行大气校正，我们可以获得真实的地表反射率信息，进而进行地表特征提取和定量分析。
在进行大气校正时，我们还需要考虑遥感图像的辐射定标。
辐射定标是将遥感图像中的数字值转换为物理辐射量的过程。
通过辐射定标，我们可以获得遥感图像中的辐射亮度值，为后续的大气校正提供基础。
大气校正是遥感图像处理中非常重要的一步。
通过消除大气影响，我们可以获得准确的地表反射率信息，为地表特征的分析和应用提供可靠的数据基础。
同时，大气校正也是遥感技术发展的重要方向，
不断提高大气校正的准确性和自动化程度，将为环境监测、资源管理和灾害评估等领域提供更多的支持和应用前景。
ENVI--专题五辐射定标与大气纠正
专题五辐射定标与大气纠正图像处理流程分为以下几个步骤：图像的配准、重采样、定标以及大气纠正。
其中，图像配准是做所有工作的前提，是图像的几何纠正。
在进行定性或者定量遥感时都要进行图像配准来确定我们所要研究的目标。
在进行完图像配准（几何纠正）之后，为了使得输出图像的配置与输入图像向对应，因此要进行重采样。
定标以及大气纠正则是进行辐射量纠正的重要的过程，是进行定量遥感不可少的步骤。
分类是图像处理的最后一步，按某种使用意图分类之后的图像，对实际应用有很大帮助。
辐射定标和大气纠正都属于图像的预处理，辐射定标的目的是把图像上的DN值转为辐亮度或者是反射率，大气纠正的目的是消除或减少大气对图像的干扰。
以下是图像预处理的流程：一、辐射定标要对图象进行辐射定标，将图象的DN值转化为表观反射率，该过程的实现是通过应用以下两个步骤来实现的：（1）首先将图象的DN值转化为辐亮度：radiance=gain*DN+offset (1)式（2）然后将图象的辐亮度转化为表观反射率：ρ=π*L*d2/（ESUN*cos（θ））(2)式其中ρ为表观反射率，L为表观辐亮度，d为日地距离，ESUN为太阳平均辐射强度，θ为太阳天顶角。
（3）将以上两个步骤结合得：ρ=π*（gain*DN+offset）* d2/（ESUN*cos（θ））(3)式ENVI中的具体实现：采用简单的波段运算例如，我们把2002-5-22的一幅ETM图像第3波段的DN值转化为表观反射率。
第一步，查找.FST文件（是该图像经过粗纠正后的数据信息说明文件），该图像第3波段的gain和offset，可知：gain＝0.619215662339154，offset＝-5.0000000000000第二步，查找.FST文件可知S =90-62.7=27.3度，cos（θ）＝0.8886；查找Table 11.4（Earth-Sun Distance in Astronomical Units）可知d=1.10109天文单位；查找Table11.3 （ETM+ Solar Spectral Irradiances）可知ESUN＝1551。
大气校正ENVI流程
大气校正ENVI流程在最初的遥感学习中，我总是分不清传感器定标、辐射定标、辐射校正、大气校正这几个概念的区别与联系。
而且在不同的资料中，各个名词的解释又不一样。
例如：校准是将传感器获得的测量值转换为绝对亮度或与地表反射率、地表温度和其他物理量相关的相对值的处理过程（赵英石等，遥感应用分析原理与方法）遥感器定标就是建立遥感器每个探测器输出值与该探测器对应的实际地物辐射亮度之间的定量关系；建立遥感传感器的数字量化输出值dn与其所对应的视场中辐射亮度值之间的定量关系（陈述彭）。
辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程（梁顺林《定量遥感》，2021）事实上，简而言之，辐射定标就是将记录的原始DN值转换为大气外表面的反射率。
目的是消除传感器本身造成的误差。
有许多方法：实验室校准、车载校准和现场校准。
公式1是将初始DN值转换为辐射度，其中Lb是辐射度值，单位是w/cm2μm.Sr（瓦特/cm2.微米球形度），增益和偏置是增益和偏移。
单位和辐射值相同。
可以看出，辐射度和DN 值是线性的。
公式2是将辐射值转换为大气视反射率，其中：lλ是辐射值，D是以天文单位表示的日地距离，eSUNλ是平均太阳视发射率，θS是以度数表示的太阳高度角。
但是，一般来说，这部分工作基本上不需要用户完成。
相关系数包含在数据的头文件或元数据中。
例如，使用envi打开MODIS数据，即反射率（大气外层的表观反射率）和辐射率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。
主要分为两种类型：统计型和物理型。
另一方面，物理模型遵循遥感系统的物理规律，也可以建立因果关系。
如果初始模型不好，我们可以通过添加新的知识和信息来知道模型的哪一部分需要改进。
然而，建立和学习这些物理模型的过程是漫长而曲折的。
模型是对现实的抽象；因此，现实模型可能非常复杂，包含大量变量。
例如，6S模型、mortran等。
ENVI大气校正
ENVI大气校正
1、
选择BIL，注意将以前加在原始影像文件上的后缀都不要，只要原始的文件名即可。
点击Queue，对话框消失。
按照这种方法，把文件夹中的文件一个一个的载入。
2、在File中选择ENVI Queue Manager 将刚才做的Covert全部选上，执行。
3、
FLASSH校正：
首先，选择转换问BIL的文件作为INPUT RADIANCE IMAGE。
弹出对话框，按照上图选择。
然后选择OUTPUT FILE 的名字和路径，ROOT FOR ……可以不选。
20
用IE（浏览器就行）打开每个原始的环境星文件夹中的XML 文件。
找到
点击DD<->DMS,输入你这景图像的中心店经纬度，
卫星高度650KM 象元大小30m，
在Flight Data中修改日期和时间按照这幅图像的XML文件中的上图时间，输入时差几分几秒没关系。
下面按照图中填写。
Initial Visibility(KM) 填20KM。
Multispectral settings ——Filter function file 选择数据相应的波普库数据，例如CCD1 HJ1B 选择“环境1B星CCD1光谱响应曲线.sli”。
ENVI软件基本操作——辐射校正、辐射定标、大气校正、几何校正
ENVI软件基本操作——辐射校正、辐射定标、⼤⽓校正、⼏何校
正
辐射校正
Radiometric correction ⼀切与辐射相关的误差的校正。
⽬的：消除⼲扰，得到真实反射率的数据。
⼲扰主要有：传感器本⾝、⼤⽓、太阳⾼度⾓、地形等。
包括：辐射定标，⼤⽓纠正，地形对辐射的影响
辐射定标
DN值（Digital Number ）：遥感影像像元亮度值，记录地物的灰度值。
⽆单位，是⼀个整数值，值⼤⼩与传感器的辐射分辨率、地物发射率、⼤⽓透过率和散射率等相关。
反映地物的辐射率radiance
地表反射率：地⾯反射辐射量与⼊射辐射量之⽐，表征地⾯对太阳辐射的吸收和反射能⼒。
反射率越⼤，地⾯吸收太阳辐射越少；反射率越⼩，地⾯吸收太阳辐射越多，表⽰：surface albedo
表观反射率：表观反射率就是指⼤⽓层顶的反射率,辐射定标的结果之⼀，⼤⽓层顶表观反射率，简称表观反射率，⼜称视反射率。
英⽂表⽰为：apparent reflectance
辐射定标是⽤户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进⾏⽐较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度（⼤⽓外层表⾯反射率），这个过程就是辐射定标。
⽅法：实验室定标、机上/星上定标、场地定标。
不同的传感器，其辐射定标公式不同。
L=gain*DN+Bias
⼤⽓校正
Atmospheric correction 将辐射亮度或者表⾯反射率转换为地表实际反射率
⽬的：消除⼤⽓散射、吸收、反射引起的误差。
分类：统计型和物理型。
实习3 遥感图像大气校正
1、实习目的熟悉大气校正的原理和相关内容，掌握使用ENVI软件进行大气校正的基本软件操作。
2、实习内容使用ENVI软件进行大气校正的原理以及过程。
3、实习数据及软件ENVI软件及其自带实习三数据4、实习步骤（1）、打开需进行大气校正的文件：20091124_HJ_CCD，选择波段4、3、2，进行RGB Color显示。
（2）、数据的辐射定标辐射定标转换：Basic Tools → General Purpose Utilities → Apply Gain and Offset →选择20091124_HJ_CCD → OK →输入实习三中的Word文件“2009年HJ-1A/B星绝对辐射定标系数”数据HJ_1ACCD2的增益2（场地定标）的相应数据a=1/A，L0 → OK（保存）（3）存储顺序调整格式转换：Basic Tools → Convert Data(BSQ、BIL、BIP) →选中文件→OK →选择要转换的文件格式→ OK（4）输入FLAASH参数在主菜单中，Spectral → FLAASH①、文件的输入和输出信息：Input Radiance Image →选择20091124_HJ_CCD →格式错误→进行格式转换→选中转换后的文件→ Use single factor for all bands(single scale factor:1.00000将已改为10) →Output Reflectance File →选择输出文件名和路径→ Rootname for FLAASH files → ASDA。
②、更改传感器与图像目标信息：Lat:21、31、54.19，Lon :109、41、39.39(从元数据文件中获取，方法：右击图像→ Pixel Locator →点击切换按钮)Sensor Type（传感器类型）:Multispectral → UNKNOW-MSISensor Altitude(km):649Ground Elevation(km):0.05(从相应区域的DEM获得平均值)Flight Data:Nov-24-2009，Flight Time：3:37:00(从元数据文件中获取)③、Atmospheric Model（大气模型）：Tropical④、Aerosol Model（气溶胶模型）:Rural⑤、Aerosol Retrieval（气溶胶反演）:None⑥、Multispectral Settings（多光谱设置）:filter function file → open → spectral →选择20091124_HJ_CCD_SRF →打开→ OK →⑦、Initial Visibility（初始能见度）:40⑧、Advanced Settings（高级设置）:按照默认设置。
ENVI-专题五 Landsat TM辐射定标与大气纠正
专题五Landsat TM辐射定标与大气纠正图像处理流程分为以下几个步骤：图像的配准、重采样、定标以及大气纠正。
其中，图像配准是做所有工作的前提，是图像的几何纠正。
在进行定性或者定量遥感时都要进行图像配准来确定我们所要研究的目标。
在进行完图像配准（几何纠正）之后，为了使得输出图像的配置与输入图像向对应，因此要进行重采样。
定标以及大气纠正则是进行辐射量纠正的重要的过程，是进行定量遥感不可少的步骤。
分类是图像处理的最后一步，按某种使用意图分类之后的图像，对实际应用有很大帮助。
辐射定标和大气纠正都属于图像的预处理，辐射定标的目的是把图像上的DN值转为辐亮度或者是反射率，大气纠正的目的是消除或减少大气对图像的干扰。
以下是图像预处理的流程：一、辐射定标要对图象进行辐射定标，将图象的DN值转化为表观反射率，该过程的实现是通过应用以下两个步骤来实现的：（1）首先将图象的DN值转化为辐亮度：radiance=gain*DN+offset (1)式（2）然后将图象的辐亮度转化为表观反射率：(reflectance) ρ=π*L*d2/（ESUN*cos（θ））(2)式其中ρ为表观反射率，L为表观辐亮度，d为日地距离，ESUN为太阳平均辐射强度，θ为太阳天顶角。
（3）将以上两个步骤结合得：ρ=π*（gain*DN+offset）* d2/（ESUN*cos（θ））(3)式①日地天文单位距离D：D＝1 - 0.01674 cos(0.9856× (JD-4)×π/180)；JD为遥感成像的儒略日（Julian Day）D = 1 + 0.0167 * Sin(2 * PI * (days - 93.5) / 365)；days是拍摄卫片的日期在那一年的天数，如2004年5月21号，则days＝31＋29＋31+30+21＝142。
计算得：D=1.01250756ENVI中的具体实现（以Landsat 7 ETM+为例）：采用简单的波段运算例如，我们把2002-5-22的一幅ETM图像第3波段的DN值转化为表观反射率。
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(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。
遥感数字图像处理辐射定标与大气校正实验报告
经过大气校正后，遥感图像的反射率信息更加准确，地物边缘更加清晰，能够提高遥感图像的精度和可信度。
三、实验结论
本实验通过ENVI遥感图像处理软件进行辐射定标和大气校正实验，掌握了遥感数字图像处理的基本原理和方法，学习了遥感数字图像处理的实验方法和技巧，提高了遥感图像处理的技术水平。经过实验处理后，遥感图像的质量和精度得到了提高，反映了辐射定标和大气校正的重要性和必要性。
（3）实验结果
经过辐射定标后，遥感图像的数字值被转化为反射率或辐射亮度温度值，具有物理意义。
2.大气校正实验
（1）实验原理
大气校正是指校正遥感图像中由大气介质造成的亮度扰动，以便获取更准确的地物反射率信息。大气校正方法可以分为模型法和基于图像的方法两种。
（2）实验步骤
①打开ENVI遥感图像处理软件，并加载所需的遥感图像；②进入“Atmospheric Correction”模块，选择大气校正方法；③根据遥感图像的波段信息和大气参数，设置大气校正的参数；④进行大气校正，并将结果保存为新的遥感图像。
这是一篇遥感数字图像处理实验报告，重点介绍了辐射定标与大气校正的实验过程和结果。本实验的主要目的是通过数字图像处理的方法对遥感图像进行辐射定标和大气校正，从而提高遥感图像的质量和精度。
一、实验目的
1.了解辐射定标和大气校正的基本原理和方法；
2.掌握遥感数字图像处理软件的使用方法；
3.学习遥感数字图像处理的实验方法和技巧；
4.提高遥感图像处理的技术水平。
二、实验内容
1.辐射定标实验
（1）实验原理
辐射定标是指通过对遥感图像的辐射值进行校正，将其转化为物理量。具体来说，就是将遥感图像中每个像元的数字值转化为反射率或辐射亮度温度值，从而使图像具有物理意义。
实验九遥感图像的大气校正2
实验九遥感图像的大气校正（二）目的：基于FLAASH模型的大气校正原理：The ENVI FLAASH ModelThis section is a brief overview of the atmospheric correction method used by FLAASH. FLAASH starts from a standard equation for spectral radiance at a sensor pixel, L, that applies to the solar wavelength range (thermal emission is neglected) and flat, Lambertian materials or their equivalents. The equation is as follows:(1) where:r is the pixel surface reflectancere is an average surface reflectance for the pixel and a surrounding regionS is the spherical albedo of the atmosphereLa is the radiance back scattered by the atmosphereA andB are coefficients that depend on atmospheric and geometric conditions but not on the surface.Each of these variables depends on the spectral channel; the wavelength index has been omitted for simplicity. The first term in Equation (1) corresponds to radiance that is reflected from the surface and travels directly into the sensor, while the second term corresponds to radiance from the surface that is scattered by the atmosphere into the sensor. The distinction between r and re accounts for the adjacency effect (spatial mixing of radiance among nearby pixels) caused by atmospheric scattering. To ignore the adjacency effect correction, set re = r. However, this correction can result in significant reflectance errors at short wavelengths, especially under hazy conditions and when strong contrasts occur among the materials in the scene.The values of A, B, S and La are determined from MODTRAN4 calculations that use the viewing and solar angles and the mean surface elevation of the measurement, and they assume a certain model atmosphere, aerosol type, and visible range. The values of A, B, S and La are strongly dependent on the water vapor column amount, which is generally not well known and may vary across the scene. To account for unknown and variable column water vapor, the MODTRAN4 calculations are looped over a series of different column amounts, then selected wavelength channels of the image are analyzed to retrieve an estimated amount for each pixel. Specifically, radiance averages are gathered for two sets of channels: an absorption set centered at a water band (typically 1130 nm) and a reference set of channels taken from just outside the band. A lookup table for retrieving the water vapor from these radiances is constructed.NoteFor images that do not contain bands in the appropriate wavelength positions to support water retrieval (for example, Landsat or SPOT), the column water vapor amount is determined by the user-selected atmospheric model (see Using Water Retrieval for details).After the water retrieval is performed, Equation (1) is solved for the pixel surface reflectances in all of the sensor channels. The solution method involves computing a spatially averaged radianceimage Le, from which the spatially averaged reflectance re is estimated using the approximate equation:(2) Spatial averaging is performed using a point-spread functionthat describes the relative contributions to the pixel radiance from points on the ground at different distances from the direct line of sight. For accurate results, cloud-containing pixels must be removed prior to averaging. The cloudy pixels are found using a combination of brightness, band ratio, and water vapor tests, as described by Matthew et al. (2000).The FLAASH model includes a method for retrieving an estimated aerosol/haze amount from selected dark land pixels in the scene. The method is based on observations by Kaufman et al. (1997) of a nearly fixed ratio between the reflectances for such pixels at 660 nm and 2100 nm. FLAASH retrieves the aerosol amount by iterating Equations (1) and (2) over a series of visible ranges, for example, 17 km to 200 km. For each visible range, it retrieves the scene-average 660 nm and 2100 nm reflectances for the dark pixels, and it interpolates the best estimate of the visible range by matching the ratio to the average ratio of ~0.45 that was observed by Kaufman et al. (1997). Using this visible range estimate, FLAASH performs a second and final MODTRAN4 calculation loop over water.Input Data RequirementsThe input image for FLAASH must be a radiometrically calibrated radiance image in band-interleaved-by-line (BIL) or band-interleaved-by-pixel (BIP) format. The data type may be floating-point, 4-byte signed integers, 2-byte signed integers, or 2-byte unsigned integers. FLAASH requires input data to be floating-point values in units of mW/cm2 * nm* sr. If the input radiance image is not already in floating-point format, you must also know the scale factor (or factors) used to convert radiance data into these units.要求（1）输入数据应该是辐射亮度（2）辐射亮度的单位应该是[μW/(cm2*sr*nm)]（3）数据的存储格式应该是BIL、BIP而不是我们经常使用的BSQ操作步骤：1、将遥感数据中的DN值转换为辐射亮度L（见实验七自动计算辐射亮度）2、统一单位ENVI’s TM/ETM+ calibration utility outputs data with radiance units of [W/(m2*sr*μm)].However, FLAASH requires radiance in units of [μW/(cm2*sr*nm)]. These two units differ by afactor of 10, so an additional step is required to convert the units. This exercise uses Band Math to divide the radiance units by 10.3、将数据转换为BIL或BIP格式（FLASS输入数据的要求）4、打开FLASSH5、对比大气校正前后的数据。
ENVI下用TM数据做大气校正
ENVI下有TM数据做大气校正一、数据校准（calibration utility）打开TM数据，单击”Basic Tools”->”Preprocessing”->”Calibration Utility”->”Landsat Calibration”,如下图选择要校准的文件，然后会弹出下面的对话框第一个选项是传感器，选择Landsat 5 TM，余下的是数据的详细信息，能在同一文件夹下_MTL.txt中找到。
其中“Calibration Type”选“Radiance”。
二、波段叠加(Layer Stacking)六个波段文件全部校准后，再叠加到一起，成为一个文件。
单击”Map”->”Layer Stacking”,弹出对话框,单击“Import File…”，导入已校准的波段文件，导入文件后单击“Reorder Files…”，调整波段的排列顺序。
输入要保存的文件名，单击“OK”。
三、数据转换（Convert Data）常用的TM数据时BSQ（波段顺序排列）格式的，而FLAASH大气校正用的是BIL（波段按行交叉格式）的格式，所以要做数据转换。
单击”Basic Tools”->”Convert Data(BSQ,BIL,BIP)”，弹出如下对话框Output Interleave选择BIL，输入要导出的文件的名称，单击”OK”。
导出文件后要编辑新文件的头文件。
单击”File”->”Edit ENVI Header”,选择要编辑的文件，然后弹出对话框单击“Edit Attributes”->”Wavelengths”,弹出如下对话框选择波段，选择合适的单位，在这里选择“Nanometers”，在下方的文本框中输入该波段的中心波长。
TM参与校正的六个波段的波长分别是tm1 485tm2 560tm3 660tm4 830tm5 1650tm7 2215编辑后单击“OK”。
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。
最新大气校正ENVI流程
大气校正E N V I流程在最初的遥感学习中，我总是分不清传感器定标、辐射定标、辐射校正、大气校正这几个概念的区别与联系。
而且在不同的资料中，各个名词的解释又不一样。
例如：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（赵英时等《遥感应用分析原理与方法》）遥感器定标就是建立遥感器每个探测器输出值与该探测器对应的实际地物辐射亮度之间的定量关系；建立遥感传感器的数字量化输出值DN与其所对应的视场中辐射亮度值之间的定量关系（陈述彭）。
辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程（梁顺林《定量遥感》，2009）其实，简单来说，辐射定标就是将记录的原始DN值转换为大气外层表面反射率，目的是消除传感器本身产生的误差，有多种方法：实验室定标、星上定标、场地定标。
公式1就是将初始的DN值转换为辐射亮度，其中Lb是值辐射亮度值，单位是：W/cm2.μm.sr （瓦特/平方厘米.微米.球面度），Gain和Bias是增益和偏移，单位和辐射亮度值相同，可以看出，辐射亮度和DN值是线性关系。
公式二是将辐射亮度值转换为大气表观反射率，式中：Lλ为辐射亮度值，d为天文单位的日地距离，ESUNλ为太阳表观辐射率均值，θs 是以度为单位的太阳高度角。
不过总的来说，这部分的工作基本上不需要用户自己做，相关的系数都包含在数据的头文件或者元数据中了。
例如用Envi打开Modis数据，就是反射率（大气外层表观反射率），辐射亮度以及发射率三个数据类型（见dsbin：传感器定标/ESRI/viewthread.php?tid=5619 1）。
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。
主要分为两种类型：统计型和物理型。
统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，详细请参照玉妮小居新浪博客：辐射校正的统计模型/s/blog_5f4afe870100da 1w.html。
ENVI大气校正
ENVI大气校正
1、
选择BIL，注意将以前加在原始影像文件上的后缀都不要，只要原始的文件名即可。
点击Queue，对话框消失。
按照这种方法，把文件夹中的文件一个一个的载入。
2、在File中选择ENVI Queue Manager 将刚才做的Covert全部选上，执行。
3、
FLASSH校正：
首先，选择转换问BIL的文件作为INPUT RADIANCE IMAGE。
弹出对话框，按照上图选择。
然后选择OUTPUT FILE 的名字和路径，ROOT FOR ……可以不选。
20
用IE（浏览器就行）打开每个原始的环境星文件夹中的XML 文件。
找到
点击DD<->DMS,输入你这景图像的中心店经纬度，
卫星高度650KM 象元大小30m，
在Flight Data中修改日期和时间按照这幅图像的XML文件中的上图时间，输入时差几分几秒没关系。
下面按照图中填写。
Initial Visibility(KM) 填20KM。
Multispectral settings ——Filter function file 选择数据相应的波普库数据，例如CCD1 HJ1B 选择“环境1B星CCD1光谱响应曲线.sli”。
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。
- 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)。
这样，我们就得到了经过大气校正的地表的反射率了。
步骤四：将大气校正前后的遥感影像进行对比
本步骤是让我们将遥感影像的前后进行对照，来看看进行大气校正前后遥感影像之间的差异。
本步骤所采用的方法是用未校正的反射率减去校正后的反射率，得到一幅新的影像，从新的影像上去看二者之间的差异。
具体步骤是：在envi的Basic Tools中打开 Band Math，在band math中输入：abs(b1-b2)。然后得到了新的图像，从新的图像上来看二者之间的差异。
具体操作步骤如下：
1）确定6S模型的参数。
Table56s Parameters
输入值
含义
注释
卫星参数
7
Landsat卫星
卫星参数
11 22 2.5
116.62 23.11
month,day, hour,
long, lat
成像月份、日期、时间（格林威治时间）、图像中心点精度、纬度
季节特征
3
Midlatitude winter
158.40
-4.7
243.1
-4.7
158.3
Table3 Unit：ESUN=W/(m2.um)
Model
Chance spectrum CHKUR
band
Landsat 4
Landsat 5
1
1957
1957
2
1825
1826
3
1557
1554
4
1033
1036
5
214.9
215.0
7
80.72
Table 2ETM+SpectralRadianceRange
watts/(meter squared * ster *µm)
Band Number
Before July 1, 2000
After July 1, 2000
Low Gain
High Gain
Low Gain
High Gain
LMIN
0.5
Reflectance= 0.5
图像辐亮度
100
根据此表，确定6S模型在各个波段上的参数。
2）在DOS窗口中运行6S模型程序，并依次输入上步所确定的参数
3）由6S模型得到参数 和 以及
4） 在envi的Basic Tools中打开 Band Math像，将本步骤采用的公式写入band math中，由此计算出该遥感影像经过大气校正以后的反射率。
157.5
-5.1
241.1
-5.1
157.4
5
-1.0
47.70
-1.0
31.76
-1.0
47.57
-1.0
31.06
6
0.0
17.04
3.2
12.65
0.0
17.04
3.2
12.65
7
-0.35
16.60
-0.35
10.932
-0.35
16.54
-0.35
10.80
8
-5.0
244.00
-5.0
60
.9909
135
1.0109
213
1.0149
288
.9972
365
.9833
至此，我们完成了遥感影像的辐射定标和计算未进行大气校正的地物的反射率和进行大气校正了的地物的反射率以及二者之间的差异。
本实验有关的数据：
使用的数据为广东省汕头市的ETM+影像，成像时间为2001年11月22日，2:28:18.000（格林威治时间）。
波段列表：
TM1：0.45~0.52(um)蓝波段 30m
本步骤所采用的公式是：
其中，L是由上步所算出来的，d指的是实际的日地距离，单位是天文距离，ESUN指的是太阳平均辐射强度，θ为太阳天顶角。
d值可以由观测时间查阅相关资料获得。ESUN值也可以由相关资料获取。 可以从头文件中获得。
具体操作如下：
1）查阅相关资料，确定参数θ、d、ESUN
2） 在envi的Basic Tools中打开 Band Math像，将本步骤采用的公式写入band math中
80.67
Table4Earth-Sun Distance in Astronomical Units
Julian Day
Distance
Julian Day
Distance
Julian Day
Distance
Julian Day
Distance
Julian Day
Distance
1
.9832
74
.9945
TM的波段取值：
25: band1
26: band2
27: band3
28: band4
29: band 5
30: band7
不包括热红外波段
地表性质
0
Homogeneous case
均一地表
BRDF影响
0
No BRDF effect
没有BRDF效应
目标特性
0
Uniform target
目标物均一
图像反射率
LMAX
LMIN
LMAX
LMIN
LMAX
LMIN
LMAX
1
-6.2
297.5
-6.2
194.3
-6.2
293.7
-6.2
191.6
2
-6.0
303.4
-6.0
202.4
-6.4
300.9
-6.4
196.5
3-4.5Leabharlann 235.5-4.5
158.6
-5.0
234.4
-5.0
152.9
4
-4.5
235.0
-4.5
3） 在envi的Basic Tools中打开 Band Math像，将本步骤采用的公式写入band math中，计算出L。
至此，就完成了遥感影像的辐射定标过程。
步骤二：未进行大气校正所得到的反射率
本步骤讲述如何从经过辐射定标的遥感影像直接生成地物的反射率的影像，制作该影像的目的是为了与后面经过大气校正后的影像进行对比。
TM2：0.52~0.60 (um) 绿波段 30m
TM3：0.63~0.69 (um) 红波段 30m
TM4：0.76~0.90 (um) 近红外波段 30m
TM5：1.55~1.75 (um) 短波红外波段 30m
TM7：2.08~2.35 (um) 短波红外波段 30m
ETM+影像辐射定标参数如下表：
中纬度冬季
气溶胶类型
1
continental
陆地
可视距离
23
Visibility, km
能见度（晴朗天气）
目标物高度
-0.1
Target altitude in km
表示位于海平面
卫星参数
-1000
Satellite case
传感器搭载于卫星上
卫星波段
参数
28（band4）
Spectral band definition
152
1.0140
227
1.0128
305
.9925
15
.9836
91
.9993
166
1.0158
242
1.0092
319
.9892
32
.9853
106
1.0033
182
1.0167
258
1.0057
335
.9860
46
.9878
121
1.0076
196
1.0165
274
1.0011
349
.9843
大气校正说明文档
步骤一：辐射定标
本实验采用的是绝对辐射定标，直接建立遥感影像DN值与接收到的能量的之间的关系。
建立关系所采用的公式是：
其中， ，
Lmaxλ和Lminλ通过参看遥感影像的头文件进行确定。fullDNrange取的是255。
具体操作如下：
1）打开遥感影像文件及其头文件
2）根据头文件信息计算gain和offset的值
3）确定变量b2为上步所算的L，并由此计算出未进行大气校正的反射率。
由此，我们就得到了未经大气校正的反射率。
步骤三：进行大气校正，得到地物反射率
由于大气的影响，会使得遥感影像的反射率发生较大的变化，为了得到地表的真实的反射情况，我们就需要对所得的遥感影像进行大气校正。
本步骤采用的公式是：
和 以及 是由6S模型经过计算得到的， 是在第一步中计算得到的。