Landsat 8 OLI数据信息

基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法

基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法随着城市化进程的不断加快，城市建设用地的需求也在不断增加。

如何高效利用土地资源，是当今社会面临的一个重要问题。

石河子市作为新疆维吾尔自治区的一个重要城市，近年来的建设用地需求也在不断增长。

在城市规划和土地利用方面，基于遥感技术对建设用地进行提取已成为一种被广泛应用的方法。

本文将基于Landsat8 OLI数据，提出一种新的方法来提取石河子市的建筑用地，为城市规划和土地利用提供一定的参考。

Landsat8 OLI数据是美国国家航空航天局（NASA）于2013年发射的卫星数据，其空间分辨率为30米，光谱范围从紫外线到近红外范围，具有广泛的应用价值。

针对石河子市建筑用地提取的问题，本文将基于Landsat8 OLI数据，结合光谱信息和空间信息，提出一种新的方法来进行建筑用地的提取。

我们需要获取Landsat8 OLI数据，并对数据进行预处理。

Landsat8 OLI数据通常以遥感影像的形式提供，包括多个波段的光谱信息。

我们需要对影像进行大气校正和辐射定标处理，以消除大气、云、阴影等因素对图像的影响，同时将影像的反射率转换为地表辐射率。

这样处理后的影像更加符合实际地物的光谱特征，有利于后续的建筑用地提取。

我们还需要对影像进行几何校正，消除由于卫星轨道、姿态等因素造成的几何失真，确保影像的空间信息准确可靠。

接着，我们对预处理后的Landsat8 OLI影像进行特征提取。

在建筑用地提取中，光谱信息和空间信息都起着重要的作用。

我们可以利用影像的光谱信息，包括不同波段的反射率和光谱特征，来识别建筑用地的光谱特征。

我们还可以利用影像的空间信息，包括纹理特征、形状特征等，来识别建筑用地的空间分布特征。

通过对影像的特征提取，我们可以得到不同波段下建筑用地的光谱特征和空间特征，为建筑用地的提取奠定基础。

然后，我们将利用特征提取的结果，结合分类算法进行建筑用地提取。

landsat8反照率各个波段的比例因子

landsat8反照率各个波段的比例因子Landsat 8是美国国家航空航天局（NASA）和美国地质调查局（USGS）合作开展的一项地球观测计划，旨在提供高空间分辨率和频率的遥感数据。

它搭载了一台名为OLI（Operational Land Imager）的传感器，可以获取多个波段的数据，其中包括蓝、绿、红、近红外、短波红外1、短波红外2和热红外这些波段。

为了将这些波段的数据转化为可用的反射率信息，需要使用比例因子进行校正。

1. 蓝波段（Band 2）比例因子:蓝波段的比例因子为0.0001。

这意味着在计算蓝波段的反射率时，需要将原始数据乘以0.0001。

蓝波段对于水体和植被的观测具有重要意义，可以用于监测水质和植被生长情况。

2. 绿波段（Band 3）比例因子:绿波段的比例因子为0.0001。

与蓝波段类似，计算绿波段的反射率时也需要将原始数据乘以0.0001。

绿波段对于植被的监测非常重要，可以用于研究植被的健康状况和覆盖范围。

3. 红波段（Band 4）比例因子:红波段的比例因子为0.0001。

同样，计算红波段的反射率时需要将原始数据乘以0.0001。

红波段对于土地利用和土地覆盖的分类具有重要作用，可以用于识别不同类型的地表覆盖，如城市、农田和森林。

4. 近红外波段（Band 5）比例因子:近红外波段的比例因子为0.0001。

计算近红外波段的反射率时同样需要乘以0.0001。

近红外波段对于植被的监测也非常重要，可以用于评估植被的健康状况和生长情况。

5. 短波红外1波段（Band 6）比例因子:短波红外1波段的比例因子为0.0001。

在计算短波红外1波段的反射率时，同样需要将原始数据乘以0.0001。

短波红外1波段对于土地覆盖分类和水体观测也具有重要意义。

6. 短波红外2波段（Band 7）比例因子:短波红外2波段的比例因子为0.0001。

在计算短波红外2波段的反射率时，同样需要将原始数据乘以0.0001。

Landsat系列辐射定标参数整理

辐射定标参数整理1.亮度温度计算亮度温度是一个常用的温度概念，是在卫星高度上传感器探测波段范围内普朗克黑体辐射函数与传感器响应函数乘积积分得到的辐射值．亮度温度包含有大气和地表对热辐射传导的影响，不是真正意义上的地表温度。

计算公式：其中，Lλ为传感器探孔处光谱辐射强度，即星上辐射亮度值，实现像素DN值转化为绝对辐射亮度值。

1.1.星上辐射亮度（Lλ）遥感影像的亮度值(DN值)都是经过量化和纠正过的以8bit编码的数字影像，为了精确反演地物特性，有必要将DN值转化为星上辐射亮度值。

ndsat8Lλ= M L*Q cal + A L通过查看影像的头文件，可以获取偏差参数：M L(RADIANCE_MULT_BAND_x)和A L(RADIANCE_ADD_BAND_x)为图像的增益和偏置。

1.1.ndsat5/7QCAL为经过辐射校正的图像灰度值即DN值；L max为探测器可检测到的最大辐射亮度，也是最大灰度值所相应的辐射亮；L min为探测器可检测到的最小辐射亮度，也是最小灰度值所相应的辐射亮度。

表 1 Landsat5 TM的Lmin和Lmax值表 2 Landsat7 ETM+的Lmin和Lmax值QCAL max为传感器接收到的最大灰度值，QCAL min为传感器接收到的最小灰度值。

（1）如果没有元数据信息，QCAL MIN默认值1（TM和ETM+1)或者0(MSS)；QCAL MAX取默认值255(TM 和ETM+)或者127(MSS)。

（2）如果有元数据信息，QCAL MIN取值如下：对于LPGS Products（The level 1 product generation system）取值为1，对于NLAPS Products（National Landsat Archive Production System）在04 April 2004之前取值为0，在04 April 2004之后取值为1；QCAL MAX 取值为127（MSS）, 255（TM、ETM）。

Landsat数据下载方式一

Landsat数据下载：from USGS官网（以Landsat8 OLI为例）一、进入网站：/
另外/，实际上与上述网站是一体的，连登录号都一致。

二、选择查询数据类型
这里选择Landsat 8 OLI
图1：选择下载数据类型
三、根据情况选择下载区域
（1）可以通过经纬度或者轨道号查询数据。

（2）这里选择的是北京周边地区的数据，通过选择具体时间，或者 Prev Scene/Next Scene按钮查看数据情况，如下图所示选择2013年5月12号的123/032景。

图2：浏览单景数据信息
图3：查询下载区域
四、添加下载框并执行下载
（1）如下图，选择好一景影像，单击Add按钮。

重复操作将你需要下载的图像加入列表中。

（2）选择好所有数据后，单击Send to Cart，打开登录界面。

五、登录或者注册
登录。

未注册用户可以打开右上角register链接注册，按照要求一步步填写信息即可，不需要审核。

登录之后到图5位置。

图4：添加下载列表框
六、下载
后面的工作就很简单了，尽情下载吧。

图5：下载对话框。

Landsat系列辐射定标参数

辐射定标参数整理1.亮度温度计算亮度温度是一个常用的温度概念，是在卫星高度上传感器探测波段范围内普朗克黑体辐射函数与传感器响应函数乘积积分得到的辐射值．亮度温度包含有大气和地表对热辐射传导的影响，不是真正意义上的地表温度。

计算公式：其中，Lλ为传感器探孔处光谱辐射强度，即星上辐射亮度值，实现像素DN值转化为绝对辐射亮度值。

1.1.星上辐射亮度（Lλ）遥感影像的亮度值(DN值)都是经过量化和纠正过的以8bit编码的数字影像，为了精确反演地物特性，有必要将DN值转化为星上辐射亮度值。

ndsat8Lλ= M L*Q cal + A L通过查看影像的头文件，可以获取偏差参数：M L(RADIANCE_MULT_BAND_x)和A L(RADIANCE_ADD_BAND_x)为图像的增益和偏置。

1.1.ndsat5/7QCAL为经过辐射校正的图像灰度值即DN值；L max为探测器可检测到的最大辐射亮度，也是最大灰度值所相应的辐射亮；L min为探测器可检测到的最小辐射亮度，也是最小灰度值所相应的辐射亮度。

表 1 Landsat5 TM的Lmin和Lmax值表 2 Landsat7 ETM+的Lmin和Lmax值QCAL max为传感器接收到的最大灰度值，QCAL min为传感器接收到的最小灰度值。

（1）如果没有元数据信息，QCAL MIN默认值1（TM和ETM+1)或者0(MSS)；QCAL MAX取默认值255(TM 和ETM+)或者127(MSS)。

（2）如果有元数据信息，QCAL MIN取值如下：对于LPGS Products（The level 1 product generation system）取值为1，对于NLAPS Products（National Landsat Archive Production System）在04 April 2004之前取值为0，在04 April 2004之后取值为1；QCAL MAX 取值为127（MSS）, 255（TM、ETM）。

Landset8卫星波段及组合介绍

Landset8卫星波段及常用组合介绍
Landsat8卫星包含OLI（Operational Land Imager 陆地成像仪）和TIRS （Thermal Infrared Sensor 热红外传感器）两种传感器。

OLI包括了ETM+的所有波段，为了避免大气吸收部分特征，OLI对波段进行了重新调整，比较大的调整：
1、OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；
2、OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；
3、新增两个波段：海蓝波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测；短波红外波段，又称卷云波段(band 9; 1.360–1.390 μm) 包含水汽强吸收特征，可用于云检测；
4、近红外band5和短波红外band9与MODIS对应的波段更加接近。

表1Landsat7 Landsat8卫星对比
表2：OLI波段合成
Landsat8波段组合图示：
432波段合成真彩色图像，接近地物真实色彩，图像平淡，色调灰暗
543波段合成标准假彩色图像，地物色彩鲜明，有利于植被（红色）分类，水
体识别
564波段合成非标准假彩色图像，红外波段与红色波段合成，水体边界清晰，利于海岸识别；植被有较好显示，但不便于区分具体植被类别
765对大气层穿透能力较强，例如图像中红色方框内云的影响明显减少
652植被类型丰富，便于植被分类
654便于植被分析。

landsat8evi计算公式中的参数

landsat8evi计算公式中的参数Landsat 8 EVI（增强型植被指数）的计算公式通常包含以下几个参数：ρNIR：近红外波段的反射率，对应于Landsat 8 OLI传感器的Band 5。

ρRed：红色波段的反射率，对应于Landsat 8 OLI传感器的Band 4。

ρBlue：蓝色波段的反射率，对应于Landsat 8 OLI传感器的Band 2。

在某些EVI计算中可能不包括此参数，但在某些改进的版本中可能会使用到。

L：土壤调节系数，用于调整土壤背景对植被指数的影响。

这个值通常是通过经验确定的，并且可以根据研究区域和植被类型进行调整。

C1、C2：大气修正系数，用于校正大气对传感器测量的影响。

这些系数通常是基于大气模型和传感器特性进行计算的。

请注意，具体的计算公式可能会因研究目的、数据源和处理软件的不同而有所变化。

例如，在ENVI软件中，可以使用Band Math工具来计算EVI，并且可以根据需要自定义公式中的参数。

标准的EVI计算公式如下：EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + C1 * ρRed - C2 * ρBlue + L))其中，C1和C2是常数，通常取值为6和7.5，L值通常取1。

但在某些情况下，这些值可能会根据具体的研究需求进行调整。

然而，请注意这个公式中包含了蓝色波段的反射率ρBlue，这实际上并不是标准EVI公式的一部分。

标准EVI公式实际上是这样的：EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + 6 * ρRed - 7.5 * ρBlue + 1))但上面的公式中的ρBlue应该是一个错误，因为在标准的EVI公式中并不包含蓝色波段的反射率。

正确的标准EVI公式应该是：EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + 6 * ρRed - 7.5 * 1 + 1))或者更简化一些：EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + ρRed + 1))但请注意这个简化公式也并不完全正确，因为它省略了原公式中的常数项（即-7.5 * 1 + 1部分）。

基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法

基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法随着经济的发展和人口的增加，城市建设用地的需求越来越大。

建筑用地的合理规划和管理对城市的可持续发展至关重要。

而高分辨率的遥感影像数据能够提供城市建设用地信息的快速获取和更新，因此成为研究城市建设用地的重要途径之一。

一、数据获取和预处理我们需要获取石河子市的Landsat8 OLI影像数据。

Landsat8 OLI卫星数据具有30米的空间分辨率和11个波段的遥感信息，覆盖了从可见光到红外波段的大量数据。

在获取影像数据后，需要进行预处理，包括影像镶嵌、辐射定标、大气校正和几何定位等，确保数据的质量和一致性。

二、建筑用地提取方法1. 影像分类基于Landsat8 OLI数据进行影像分类是提取建筑用地的关键步骤。

传统的分类方法包括最大似然法、支持向量机和随机森林等。

这些方法都可以通过对遥感影像数据进行训练和分类来提取建筑用地信息。

最近兴起的深度学习方法，如卷积神经网络（CNN）、循环神经网络（RNN）等，也被证明在遥感影像分类中具有很高的效果。

2. 特征提取和融合在进行影像分类的需要对建筑用地的特征进行提取和融合。

建筑用地在Landsat8 OLI 影像中通常表现为高度亮度和纹理细密的区域。

利用光谱特征、空间结构特征和纹理特征等，可以更加准确地提取建筑用地信息。

3. 高精度验证完成建筑用地的提取后，需要进行高精度验证和精度评价。

传统的验证方法包括人工验证和实地调查，然而这些方法费时费力，而且难以覆盖整个研究区域。

近年来，利用高分辨率遥感影像数据和地理信息系统（GIS）技术，结合空间统计分析和精度评价方法，可以更加全面地评估建筑用地提取的准确性和可信度。

三、结果分析和应用通过以上方法，我们可以提取出石河子市的建筑用地信息。

进一步对建筑用地信息进行空间分布和变化分析，可以为城市规划和管理提供重要的决策支持。

通过对建筑用地的分布、密度和规模进行分析，可以了解城市建设用地的发展趋势和需求状况，为城市规划和土地利用优化提供科学依据。

ENVI5对landsat8-OLI数据辐射定标与大气校正

ENVI5.1 landsat 8OLI数据辐射定标与大气校正ENVI 5.1 FLAASH大气校正工具中新增了一些多光谱传感器类型，如：Landsat 8 OLI、Pleiades-1A、Pleiades-1B、Rasat、Spot6。

支持多光谱传感器类型明细见下图1：图1.1 ENVI 5.0与ENVI 5.1 FLAASH中支持传感器类型对比1打开Landsat 8数据在这里以Landsat 8数据“”为例进行介绍。

File -> Open，选择_MTL.txt文件，点击OK打开。

分为五个数据集：多光谱数据（1-7波段），全色波段数据（8波段），卷云波段数据（9波段），热红外数据（10，11波段）和质量波段数据（12波段）。

图2.1Data Manager面板2辐射定标ENVI 5.1工具箱中查找工具：/Radiometric Correction/Radiometric Calibration；双击此工具，选择要校正的多光谱数据“”进行辐射定标。

1)选择定标的文件；图2.2打开需要定标的多光谱数据2)定标参数设置FLAASH大气校正对于radiance数据的要求是：BIL存储格式，单位转换“Scale Factor”的设置，单击Apply FLAASH Settings得到相应的参数。

具体的参数设置如下图2.3；（定标类型：辐射亮度值或大气表观反射率，FLAASH大气校正需要输入BIL格式的辐射亮度值，故此出选择radiance，BIL）图2.3辐射定标参数设置3)查看定标结果通过定标以后，查看影像的DN值是不是辐射定标后的结果，可以采用查看定标后的DN值，查询结果见下图2.4；图2.4辐射定标结果查看3FLAASH大气校正ENVI 5.1工具箱中查找工具：/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。

Landsat-8 OLI遥感数据的矿化蚀变信息提取——以重庆市彭水县为例

ＥｘｔｒａｃｔＭｉｎｅｒａｌｉｚｅｄＡｌｔｅｒａｔｉｏｎＩｎｆｏｒｍａｔｉｏｎｆｒｏｍＬａｎｄｓａｔ一８ＯＬＩＲｅｍｏｔｅＳｅｎｓｉｎｇＤａｔａ：
ＴａｋｉｎｇＰｅｎｇｓｈｕｉＣｏｕｎｔｙｉｎＣｈｏｎｇｑｉｎｇａｓａｎＥｘａｍｏｆＧｅｏ—ＥｘｐｌｏｒａｔｉｏｎＳｃｉｅｎｃｅ，ＣｈｅｎｇｄｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ６１００５９，Ｃｈｉｎａ）
彭水县地处重庆市东南部，位于武陵山区，坐落在乌江的下游。全境地势西北高、东南低，为构造剥蚀的中、低山地形。地貌类型复杂，“两山夹一槽 ”是彭水地貌的
收稿日期：２０１７—０３—０６基金资助：国土资源部地学空间信息技术重点实验室开放基金（ＫＬＧＳ１Ｔ２０１３—１５）；四川省教育厅科研重点项目（１６ＺＡ０１０６）；四川省
Ｏ引言
近年来，由于对各种矿产资源的过度开采，许多大型矿床已经枯竭，已知类型的矿床、潜部矿床和露头矿床日趋减少，寻找矿产的难度也越来越大ｕ。彭水地区矿产丰富，但地处偏远山区，经济落后，交通不便，因而该地区地质工作开展得不够深入。用常规的地质工作方法进行矿产普查与勘探不仅成本高而且效率低，利用遥感技术对研究区域进行矿化信息的提取和成矿预测，提高了矿
第４ｌ卷第１期
２０１８年１月
测绘与空间地理信息

基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法

基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法引言随着城市化进程的不断加速，城市建设用地的需求也越来越大。

有效快速地提取城市建筑用地对城市规划和管理具有重要意义。

传统的遥感方法对于城市建筑用地的提取存在一些局限性，例如容易受到云雾干扰，不适用于大范围高分辨率的建筑用地提取。

Landsat8 OLI 数据是一种新型的遥感数据，具有高分辨率和多光谱特性，有望成为提取城市建筑用地的新方法。

本文将通过对Landsat8 OLI 数据进行分析，提出一种新的方法来提取石河子市建筑用地。

1. Landsat8 OLI 数据的特点Landsat8 OLI (Operational Land Imager) 数据是美国国家航空航天局 (NASA) 发射的一颗遥感卫星搭载的遥感传感器，具有很多优点：1) 高分辨率：Landsat8 OLI 数据的空间分辨率为30米，比许多卫星数据要高。

2) 多光谱：Landsat8 OLI 数据拥有8个波段的多光谱数据，包括蓝光、绿光、红光、近红外、短波红外等波段。

3) 高频率：Landsat8 OLI 每隔16天就可以覆盖全球地表一次，数据获取频率高。

4) 区域广泛：Landsat8 OLI 覆盖范围广泛，可以用于全球大多数地区的遥感监测。

1) 数据预处理：获取Landsat8 OLI 数据后，首先需要对数据进行预处理，包括大气校正、辐射定标、大气校正、波段合成等处理。

2) 影像分类：通过影像分类来提取建筑用地。

传统的影像分类方法包括最大似然分类、支持向量机、随机森林等方法，这些方法都可以应用在Landsat8 OLI 数据上。

3) 建筑用地提取：在进行影像分类后，可以根据分类结果提取建筑用地，这可以通过后期处理和地物解译来实现。

3. 实验设计为了验证基于Landsat8 OLI 数据提取石河子市建筑用地的新方法的有效性，我们进行了一系列实验。

我们获取了石河子市范围内的Landsat8 OLI 数据，并进行了数据预处理和影像分类。

云量信息
平均云量9.55
左上角云量左下角云量
右上角云量右下角云量
空间信息
中心经度116.9949中心纬度24.5529
左上角经度116.2807左上角纬度25.6011
右上角经度118.1283右上角纬度25.2285
右下角经度117.6941右下角纬度23.4928
左下角经度115.8721左下角纬度23.8667
条带号120行编号43
太阳高度角62.9901太阳方位角120.6245
日期信息
获取时间2014-08-30
开始时间2014-08-30 02:39:10.095501结束时间2014-08-30 02:39:42.095824
云量信息
平均云量11.57
左上角云量左下角云量
右上角云量右下角云量
空间信息
数据标识LC81200432013239LGN00卫星名称LANDSAT8
数据类型OLI_TIRS传感器OLI_TIRS
接收站LGN白天/晚上DAY
条带号120行编号43
太阳高度角63.7860太阳方位角119.2265
日期信息
获取时间2013-08-27
开始时间2013-08-27 02:41:08.501:40.271505
开始时间2014-10-17 02:39:19.796561结束时间2014-10-17 02:39:51.566557
云量信息
平均云量2.02
左上角云量左下角云量
右上角云量右下角云量
空间信息
中心经度117.0060中心纬度24.5529
左上角经度116.2925左上角纬度25.6012
右上角经度118.1391右上角纬度25.2286

地理空间数据云Landsat8OLI_TIRS影像数据下载详解

地理空间数据云Landsat8OLI_TIRS影像数据下载详解 2013年2⽉11号，NASA 成功发射了 Landsat 8 卫星，Landsat 8 上携带有两个主要载荷：OLI 和 TIRS 。

其中 OLI（全称：Operational Land Imager ，陆地成像仪）由卡罗拉多州的鲍尔航天技术公司研制；TIRS（全称：Thermal Infrared Sensor，热红外传感器），由 NASA 的⼽达德太空飞⾏中⼼研制。

OLI 陆地成像仪包括 9 个波段，空间分辨率为 30 ⽶，其中包括⼀个 15 ⽶的全⾊波段，成像宽幅为 185 x 185 km。

Landsat8 OLI_TIRS 遥感影像下载格式均为经典的 TIFF 格式，其中包括 11 个波段和影像⽂件，⼀个质量评估⽂件和⼀个TXT格式的元数据，质量评估⽂件主要包括传感器的运⾏环境参数，元数据包含，拍摄时间,太阳⾼度⾓,经纬度等信息。

这⾥只是简单的阐述下，具体的 Landsat 8 波段等相关信息这⾥就不进⾏详细的介绍了，百度百科（）以及其他地⽅⼀搜⼀⼤堆。

本⽂主要介绍两种获取 Landsat8OLI_TIRS 遥感影像的⽅法，⼀种是通过中国的⽹站获取，另外是通过（USGS）获取。

接下来就让我们步⼊正题： 2、点击⽹页右上⾓的【登录】按钮进⾏登录，不登录不能进⾏数据的下载（如果只是⼀览它曼妙的⾝姿的风采就不⽤登录了，如果想进⼀步的就需要登录），毕竟哥是个懒⼈，在这⾥就直接使⽤的QQ登录了，就不再进⾏注册演⽰了，相信⼤家都是经过万千注册过来的⼈，这⾥肯定难不倒⼤家； 3、登录好后，你可以⾃⼰先慢慢摸索下，毕竟⾃⼰⾛的错路更印象深刻点。

假设这时候你已经摸索的查不多了，是不是看到下⾯的免费数据中的【LANDSAT系列数据】就想点开看看，点开好后发现我们还要点击诸多步骤才能下载，其实并不需要那么⿇烦，直接在主界⾯中点击【⾼级搜索】就⾏了； 4、在这⾥我就那⾩阳市为例，进项遥感影像下载。

LANDSAT8OLI影像不同融合方法的地类信息提取

LANDSAT8OLI影像不同融合方法的地类信息提取随着卫星遥感技术的不断发展，陆地资源的监测和管理变得越来越重要。

而LANDSAT 8卫星搭载的操作性陆地成像仪（Operational Land Imager，OLI）为科研人员提供了高质量的遥感影像数据，为地类信息提取提供了重要的数据支持。

然而，单独利用单一影像往往不能完全反映地表的复杂情况，因此需要采用融合方法来综合利用不同影像的信息，提高地类信息的提取精度和准确性。

地类信息提取是遥感应用的一个重要领域，它可以帮助我们了解和监测地表的覆盖类型和变化情况。

不同的地类在遥感影像上有着不同的反射特征，例如建筑物、水体、植被等，在不同波段的影像中呈现不同的颜色和亮度。

通过分析这些特征，我们可以将地表划分为不同的类别，进而进行相关的研究和分析。

在LANDSAT8OLI影像的地类信息提取中，常用的融合方法包括像元级融合、特征级融合和决策级融合。

像元级融合是将不同波段的影像像元直接相加或相乘，得到融合后的影像，再进行地类分类。

特征级融合是提取不同波段影像的特征，如纹理、边缘等，然后组合这些特征进行分类。

决策级融合则是将不同波段的分类结果进行综合，得到最终的地类提取结果。

在像元级融合中，可以利用不同波段的光谱信息，如红光、绿光和近红外光等，进行像元级的计算，得到融合后的影像。

这种方法能够保留不同波段的信息，但对于复杂的地物类型分辨率有限。

在特征级融合中，可以提取不同波段影像的纹理、边缘等特征，然后将这些特征进行组合，得到更为细致的地类分类结果。

决策级融合则是将像元级和特征级的结果进行综合，得到更加准确的地类信息。

除了以上提到的融合方法外，还可以结合其他数据和技术来提高地类信息提取的精度。

例如，可以利用地面调查数据对遥感影像进行训练和验证，提高分类算法的准确性；可以利用地理信息系统（GIS）技术对提取的地类信息进行进一步的空间分析和应用；还可以利用机器学习和深度学习等算法来改进地类信息提取的准确性和效率。

基于Landsat_8_OLI数据内蒙古石哈河地区蚀变信息提取

收稿日期:2022-06-06基金项目:高分辨率对地观测系统重大专项(N o .G F Z X 0404130304);湖南科技大学测绘遥感信息工程湖南省重点实验室开放基金资助;资源与环境信息系统国家重点实验室开放基金资助;山东省科技型中小企业创新能力提升工程项目(N o .2021T S G C 1056)㊂作者简介:冯新义(1998 ),男,山东德州人,硕士研究生,主要研究方向:G I S 研究与应用㊂吕成哲(1997 ),男,山东淄博人,硕士研究生,主要研究方向:3S 技术及其在精准农业上的研究㊂通讯作者:逯跃锋(1982 ),男,河南洛阳人,副教授,博士,主要研究方向:地理空间数据动态匹配与更新㊂基于L a n d s a t 8O L I 数据内蒙古石哈河地区蚀变信息提取冯新义1,吕成哲1,逯跃锋1,2,3,纪轶群4,徐长庆1,范华丹1(1.山东理工大学建筑工程学院,山东淄博 255049;2.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101;3.湖南科技大学测绘遥感信息工程湖南省重点实验室,湖南湘潭 411201;4.北京市水文地质工程地质大队,北京 100000) 摘要:内蒙古石哈河地区气候条件恶劣,地质构造复杂,矿产资源丰富,具有良好的遥感找矿前提㊂文章以L a n d s a t 8O L I 遥感影像作为数据源,首先对影像数据进行F l a s h 大气校正等预处理操作,根据蚀变矿物的光谱特征,以蚀变围岩的光谱异常为理论依据,结合波段比值和主成分分析方法提取相应蚀变矿物的主分量图像,再结合密度分割对主分量图像划分蚀变等级,将提取的蚀变异常信息与地质资料进行对比验证㊂结果表明:波段比值-主成分分析方法提取研究区内的蚀变信息与已知矿点基本吻合,提取铁染蚀变精度为68.75%,效果较好,对以后地质人员的矿产勘查作业具有重要的指导意义㊂关键词:蚀变信息;主成分分析;波段比值;L a n d s a t 8O L I;石哈河地区中图分类号:P 237(226) 文献标识码:A 文章编号:1007 6921(2023)06 0073 05 围岩蚀变是指在热液矿床作用影响下,使周围岩石的矿物组成结构发生化学反应变化[1-2]㊂根据围岩蚀变所具有的光谱特征利用遥感技术区分已经发生蚀变的岩石矿物,进而确定矿床的地理位置和区域范围,为地质勘探人员提供找矿依据[3]㊂蚀变岩石矿物可以分成:含羟基的岩石矿物(羟基硅酸盐矿物,例如绢云母㊁蒙脱石㊁高岭石等;碳酸盐矿物,如绿泥石㊁菱镁矿㊁方解石等);含铁矿石,例如赤铁矿㊁针铁矿㊁褐铁矿等;硫酸盐矿物,例如石膏㊁重晶石㊁明矾石等[4-5]㊂这些蚀变矿物中均含有F e 2+,F e 3+或O H -,C O 2-3,是蚀变提取的主要目标[6]㊂随着遥感技术的发展,提取围岩蚀变成为遥感地质领域的主流问题[7]㊂基于A S T E R ㊁L a n d s a t 8O L I 影像,加以掩膜/抑制干扰信息+主成分分析法以提取速度快㊁效果好等优点受到人们的广泛认可[7-9]㊂例如,王守志等[3]将O L I 与G F -1进行数据融合,结合主成分分析法能够提取O L I 影像忽略的细小特征,提取的蚀变影像信息更丰富㊂贺金鑫等[7]和宋坤[10]等在辽宁弓长岭地区选择主成分分析法结合比值法提取矿铁染和羟基的蚀变异常信息,证明了此方法适应高植被覆盖地区的蚀变信息提取㊂王曦等[11]基于A S T E R 和O L I 数据,利用波段比值和主成分分析法,去除干扰地物,提取了赛什腾多金属矿集区黄铁矿㊁褐铁矿等铁染和绢云母等羟基蚀变矿物㊂鲁立辉等[12]在通突尔铅锌多金属矿区基于A S T E R 和O L I 数据,利用主成分分析提取羟基蚀变信息,结果与原有矿床点吻合度较高㊂基于C r o s t a 技术的特征向量主成分分析也是当下遥感找矿领域提取围岩蚀变信息的惯用方法[13]㊂连琛芹等[14]采用特征向量主成分分析,将异常分割和滤波结合,顺利检测出扎嘎乌苏地区的蚀变区域㊂魏英娟等[6]在北衙地区利用O L I 影像,采用去干2023年3月内蒙古科技与经济M a r c h 20236520I n n e r M o n g o l i a S c i e n c e T e c h n o l o g y &E c o n o m yN o .6T o t a l N o .520扰异常主成分门限化将所得蚀变分布结果,结合地质资料㊁野外验证筛选出3处找矿远景区㊂崔静月等[15]利用C r o s t a 方法成功提取了巴林格陨石坑附近的铁陨石空间分布信息㊂孙雨等[16]利用G F-5数据提取甘肃花牛山地区的9种蚀变矿物,改进了整体谱形-吸收峰位协同的光谱匹配算法,编制了3600k m 2的蚀变矿物分布图,为G F-5高光谱数据应用奠定了基础㊂石哈河地区地处内蒙古高原西部,海拔较高;夏季短促冬季漫长,年平均气温3ħ,昼夜温差大,野外勘探困难;但是复杂的地质构造形成了丰富的矿产资源[17]㊂遥感找矿适合应用在植被覆盖度小㊁海拔较高的地区㊂因此,笔者使用比值法和主成分分析法对内蒙古石哈河地区进行蚀变信息的提取研究,利用羟基矿物和铁染矿物在特定波段吸收或反射的特性提取蚀变信息,对石哈河地区未来的地质矿产搜寻工作有重要的指导意义㊂1 研究区概况石哈河镇位于内蒙古乌拉特中旗东南部,地处阴山北麓高台梁脊地,地形分为北部丘陵㊁中部冲积平原㊁南部丘陵山地,地势东高西低,平均海拔1300m~1600m ㊂研究区境内资源丰富,有磁铁㊁赤铁㊁铅㊁锌㊁硫㊁珍珠岩㊁沙金㊁脉金等20余种矿产资源㊂图1 石哈河地区遥感影像石哈河地处华北克拉通北缘中段狼山白云鄂博台缘凹陷内,而且横跨狼山白云鄂博裂谷和色尔腾山太仆侍旗岩浆弧[18]㊂地质构造复杂,不同级序的地层褶皱㊁断裂带叠覆交错㊂据图2石哈河1ʒ100万地质图,研究区内显露地层有新生界第四系(Q ),中生界三叠系(T )㊁古生界奥陶纪(O )㊁古生界二叠系(P )㊁古生界石炭系(C )㊁古生界志留系(S ),前寒武系中元古界(P t 2)㊁前寒武系新太古界(A r 3),长城系-蓟县系(C h -J x )㊂区域内岩浆活动强烈,变质岩分布广泛,多期次叠加,类型复杂多样㊂出露的岩体主要为二叠纪花岗岩(P γ)㊁石英闪长岩(P δο)和二长花岗岩(P ηγ)等,奥陶纪辉绿岩(O βμ)㊁辉长岩(O ν)和石英闪长岩(O δο)等,三叠纪花岗岩(T γ)和二长花岗岩(T ηγ)等,新太古界片麻岩(A r 3g n ),石炭纪二长花岗岩(C ηγ),中元古界角闪岩(P t 2ψο)㊂图2 石哈河地区地质图2 遥感数据处理2.1 遥感数据源笔者选用L a n d s a t 8O L I 卫星影像,它携带的O L I(陆地成像仪)传感器包含了8个空间分辨率为30m 的多光谱波段和一个空间分辨率为15m 的全色波段[19]㊂时相为2017年5月26日,景号为128/31,该图像无云层,地面无积雪影响,植被覆盖率低,地表岩石裸露清晰,符合遥感矿化蚀变信息提取的条件[20]㊂表1 L a n d s a t 8O L I 数据波段设置波段名称波长/μm 空间分辨率/mB a n d 10.43~0.4530B a n d 20.45~0.5130B a n d 30.53~0.5930B a n d 40.64~0.6730B a n d 50.85~0.8830B a n d 61.57~1.6530B a n d 72.11~2.2930B a n d 80.50~0.6815B a n d 91.36~1.38302.2 遥感数据预处理笔者选用L a n d s a t 8O L I 影像作为数据源,提取蚀变异常信息㊂遥感影像首先要进行辐射定标㊁F L A S H 大气校正㊁图像融合㊁数据裁剪等预处总第520期内蒙古科技与经济理[21-22]㊂3蚀变信息提取3.1羟基蚀变异常信息提取主成分分析是把原始影像中的各个波段的特征信息聚集到几个新的图像中,并且消除了原始影像之间的相关影响[23-25]㊂羟基矿物主要包括绿泥石㊁黑云母㊁高岭石㊁绿帘石和角闪石等,如图3中是含羟基离子矿物的波谱曲线㊂波谱曲线在0.50μm处显示小型反射峰,在0.86μm处显示小型吸收谷,分别对应L a n d s a t 8O L I数据的B a n d2(0.45μm~0.51μm)和B a n d5(0.85μm~0.88μm);在1.55μm~1.60μm范围内出现较大的反射峰,在2.10μm~2.30μm范围内出现强吸收谷,分别对应L a n d s a t8O L I 数据的B a n d6(1.57μm~1.65μm)和B a n d7 (2.11μm~2.29μm)㊂1-角闪石;2-绿泥石;3-绿帘石;4-高岭石;5-黑云母㊂图3羟基蚀变矿物波谱曲线(据U S G S波谱库)对羟基提取蚀变信息时,选择B a n d2㊁5㊁6㊁7组合进行主成分分析㊂羟基异常主分量图像的确定标准是:B a n d2和B a n d6的特征向量值系数符号一致;B a n d5和B a n d7的特征向量值系数符号一致,同时与B a n d6的系数符号异号㊂据表2特征向量矩阵分析得知,P C4主分量图像符合标准,即P C4为羟基蚀变主分量图像㊂表2 B a n d(2㊁5㊁6㊁7)主成分特征向量矩阵特征向量B a n d2B a n d5B a n d6B a n d7 P C10.1744660.4863860.6255180.584567 P C20.3987230.688945-0.087146-0.598983 P C30.879440-0.313104-0.2457800.261042 P C4-0.1927870.436749-0.7353400.480997选择主分量门限法区分等级,即采用X+kσ来设置等级,其中X代表均值,σ代表标准差[26],等级划分取k=2,2.5,3,对P C4划分白㊁绿㊁蓝㊁黄4个等级㊂制作研究区羟基异常分布图,如图4所示㊂图4羟基蚀变等级分布3.2铁染蚀变异常信息提取研究区内含铁矿物有磁铁矿㊁褐铁矿㊁赤铁矿㊁黄钾铁矾,如图5中是铁染矿物波谱曲线㊂在0.48μm~0.50μm和0.86μm范围内出现了较小的吸收谷[27],分别对应B a n d2(0.45μm~0.51μm)与B a n d5(0.85μm~0.88μm),在0.65μm~0.75μm和1.60μm周围出现了高反射峰,分别对应B a n d4(0.64μm~0.67μm)与B a n d6(1.57μm~1.65μm)㊂1-赤铁矿;2-黄钾铁矾;3-褐铁矿;4-磁铁矿㊂图5铁染蚀变矿物波谱曲线(据U S G S波谱库)根据贺金鑫等学者研究发现,B a n d6/5能加强铁染图像亮度反差㊂在对铁染蚀变信息提取的过程中,选择B a n d(2㊁4㊁5㊁6/5)分析㊂据含铁矿物的光谱特征可知,确定铁染矿物主分量图像的标准是:B a n d2和B a n d5为吸收带,相对应的特征向量值的系数符号应该一致;B a n d4应与B a n d6/5系数符号一致,同时与B a n d2的系数符号应该异号㊂根据表3特征向量矩阵分析得知,选择符合条件的P C3主分量为铁染蚀变图像㊂冯新义,等㊃基于L a n d s a t8O L I数据内蒙古石哈河地区蚀变信息提取2023年第6期表3 B a n d(2㊁4㊁5㊁6/5)主成分特征向量矩阵特征向量B a n d2B a n d4B a n d5B a n d6/5 P C10.2768690.5975780.752492-0.000018 P C20.6714480.439882-0.5963740.000048 P C3-0.6873870.670376-0.2794530.000592 P C40.000379-0.0004070.0002081.000000对P C3主分量图像按照k取值为1.5,2,2.5分别划分为白㊁绿㊁蓝㊁黄4个等级㊂制作铁化蚀变等级异常图,如图6所示㊂图6铁染蚀变等级分布3.3结果分析在石哈河研究区内,铁染蚀变异常较强㊁范围较大,呈带状分布;羟基蚀变异常弱,各处均有零星分布,出现在中酸性岩和基性岩地区㊂羟基蚀变范围小,研究区内矿点少,不做分析㊂铁染蚀变信息分布特点与地质构造密切相关,主要受石哈河的白云鄂博群㊁五台群地层东西方向地质构造的控制,在线性构造密集的地区蚀变信息分布集中,区内近矿围岩蚀变主要是磁铁矿化和褐铁矿化㊂根据2021版全国矿产地数据库,研究区内有48个铁矿点,与铁染蚀变区域重合的已知矿点有33个,突出集中在何家店矿区㊁石龙湾矿区㊁后石兰哈达矿区㊁莫圪内矿区㊁哈布哈斯太矿区5个矿床矿点附近,铁染蚀变提取精度为68.75%㊂通过分析蚀变异常等级可划定5个成矿远景区,Ⅰ级远景区有3个,是蚀变高级异常区域;Ⅱ级远景区有2个,蚀变带明显较为集中㊂Ⅰ1远景区内有铁矿点9个,Ⅰ2远景区内有铁矿点14个,Ⅰ3远景区内有铁矿点6个,其中包括一座中型铅锌硫铁矿㊂结果证明了在石哈河地区提取矿化蚀变异常的可行性和有效性㊂表4成矿远景区特征远景区岩性蚀变岩脉Ⅰ1混合岩化花岗岩,灰白㊁灰绿色中细粒斜长花岗岩及混合岩化花岗岩,粉黄㊁肉红色黑云母花岗岩,钾质花岗岩多为磁铁矿化㊁褐铁矿化,少量赤铁矿化石英斑岩脉,斜长角闪岩脉Ⅰ2石英闪长岩,混合岩角岩化,硅化,磁铁矿化㊁褐铁矿化闪长岩脉,闪长玢岩脉,花岗伟晶岩脉Ⅰ3粉黄㊁肉红色黑云母花岗岩,钾质花岗岩,尖山岩组:板岩㊁石英砂岩夹大理岩铅锌硫铁矿化,褐铁矿化花岗斑岩脉,闪长岩脉Ⅱ1灰白㊁灰绿色中细粒斜长花岗岩及混合岩化花岗岩,斜长角闪岩,黑云母花岗岩,二云母花岗岩,钾质花岗岩/花岗伟晶岩脉,花岗斑岩脉Ⅱ2玄武岩,辉绿岩,斑点状板岩//4结论①以L a n d s a t8O L I为数据源,通过分析含铁离子矿物和含羟基离子矿物的光谱吸收和反射特征,在内蒙古石哈河地区借助比值法和主成分分析法提取围岩蚀变,有效抑制了干扰信息,提取铁染和羟基蚀变信息效果较好㊂②综合地质矿产资料,本次提取的铁染蚀变信息与已知的矿床矿点和成矿构造带等地质特征基本相同,说明了遥感影像提取蚀变信息对本区域未来的矿产探测有一定的指示作用㊂[参考文献][1]江山,张渝金,汪岩,等.基于L a n d s a t8O L I数据的遥感蚀变异常提取应用研究以内蒙古阿鲁科尔沁旗地区为例[J].地质与资源,2018,27(1):93-98.[2]纪晓风,宿虎,杨菁,等.利用L a n d s a t-7E T M+和A s t e r数据提取矿化蚀变异常的对比研究以阿克塞县柳城子-红柳沟石棉矿地区为例[J].甘肃地质,2020,29(Z1):58-66.[3]王守志,邢立新,仲波,等.基于L a n d s a t-8O L I和G F-1P M S数据融合的铁染蚀变信息提取[J].遥感技术与应用,2016,31(5):950-957.[4] L e i L i u,J u n Z h o u,L i n g H a n,e t a l.M i n e r a lm a p p i n g a n d o r e p r o s p e c t i n g u s i n g L a n d s a tT M a n d H y p e r i o n d a t a,W u s h i t a l a,X i n j i a n g,n o r t h w e s t e r n C h i n a[J].O r e G e o l o g y R e-v i e w s,2017,81:280-295.总第520期内蒙古科技与经济[5] T O R R E S-V E R A M A,P R O L l-L E D E S-M A R M.S p e c t r a l e n h a n c e m e n t o f s e l e c t e d p i x-e l s i n T h e m a t i c M a p p e r i m a g e s of t h e G u a n a j u a-t o d i s t r i c t(M e x i c o)t o i d e n t i f y h y d r o t h e r m a l l ya l t e r e d r o c k s[J].I n t e r n a t i o n a l J o u r n a l o f R e-m o t e S e n s i n g,2003,24:4357-4373. [6]魏英娟,刘欢.北衙金矿床遥感矿化蚀变信息提取及找矿预测[J].自然资源遥感,2021,33(3):156-163.[7]贺金鑫,姜天,董永胜,等.基于L a n d s a t8的辽宁弓长岭区遥感蚀变信息提取[J].吉林大学学报(地球科学版),2019,49(3):894-902.[8]陈超民,冷成彪,司国辉.基于G I S与层次分析法的综合成矿预测以新疆库米什地区为例[J].黄金科学技术,2020,28(2):213-227.[9]李志龙,向媚,张洒.新疆甜水海地区遥感地质解译及蚀变异常信息提取[J].现代矿业,2018,34(8):39-42.[10]宋坤,王恩德,付建飞,等.基于L a n d s a t8数据的弓长岭矿区遥感蚀变异常信息提取[J/O L].金属矿山:1-15[2022-03-31].h t-t p://k n s.c n k i.n e t/k c m s/d e t a i l/34.1055.t d.20211007.1439.002.h t m l. [11]王曦,程三友,林海星,等.基于A s t e r和L a n d s a t8数据在青海赛什腾地区蚀变信息提取研究[J].地质论评,2022,68(1):262-280.[12]鲁立辉,许荣科,郑有业,等.基于O L I和A S T E R数据的蚀变信息提取分析与对比以青海都兰通突尔铅锌多金属矿区为例[J].地质与勘探,2019,55(2):600-607.[13]张胜龙,刘林,耿海军,等.基于L a n d s a t8O L I数据甘肃陇南赵家庄地区遥感蚀变信息提取[J].铀矿地质,2020,36(6):535-540.[14]连琛芹,李成元,刘永新.内蒙古扎嘎乌苏地区遥感矿化蚀变信息提取研究[J].新疆地质,2021,39(3):510-513.[15]崔静月,董玉森,岳文丽,等.基于遥感蚀变信息提取巴林格撞击坑周边铁陨石[J].地质科技通报,2021,40(1):209-216.[16]孙雨,刘家军,赵英俊,等.基于G F-5高光谱数据的蚀变矿物填图及地质应用以甘肃省瓜州县花牛山地区为例[J/O L].中国地质:1-26[2022-04-14].h t t p://k n s.c n k i.n e t/k c m s/de t a i l/11.1167.P.20220120.1340.002.h t m l.[17]孙萌萌,陈川,赵同阳.塔吉克斯坦阿德拉斯曼-卡尼曼苏尔铅锌矿集区找矿潜力分析基于A S T E R遥感数据应用[J].新疆地质,2021,39(3):475-481. [18]郝增元,牛永峰,陈萌超,等.内蒙古石哈河地区黑云母二长花岗岩L A-I C P-M S锆石U-P b年龄及其地质意义[J].中国地质,2016,43(1):72-80.[19]张翠芬,郝利娜,王元俭,等.L a n d s a t8O L I图像增强与岩性识别方法[J].地质与勘探,2017,53(2):325-333.[20]吴一全,盛东慧,周杨.P C A和布谷鸟算法优化S VM的遥感矿化蚀变信息提取[J].遥感学报,2018,22(5):810-821. [21]田青林,潘蔚,李瀚波,等.基于多源遥感数据的蚀变信息提取对比研究[J].地质科技情报,2018,37(6):218-225,238. [22]阿丽娜,丁建刚,郭凡.新疆若羌县戈边山地区遥感地质信息提取与解译[J].新疆地质,2018,36(4):533-540.[23]吴志春,郭福生,李华亮,等.主成分分析法在相山火山盆地蚀变分带解译中的应用[J].大地构造与成矿学,2020,44(3):385-403.[24]吴志春,叶发旺,郭福生,等.主成分分析技术在遥感蚀变信息提取中的应用研究综述[J].地球信息科学学报,2018,20(11):1644-1656.[25]陈海云,齐睿,张志.西昆仑麻扎构造混杂岩带中大理岩的遥感识别方法[J].现代地质,2022,36(1):259-265.[26]张玉君,姚佛军.应用多光谱A S T E R数据对E T M遥感异常的定性判别研究:以东昆仑五龙沟为例[J].岩石学报,2009,25(4):963-970.[27]汪子义,张廷斌,易桂花,等.L a n d s a t8O L I数据斑岩铜矿遥感蚀变矿物组合提取研究[J].国土资源遥感,2018,30(3):89-95.冯新义,等㊃基于L a n d s a t8O L I数据内蒙古石哈河地区蚀变信息提取2023年第6期。

Landsat8数据不同波段组合的用途

Landsat8数据不同波段组合的用途2013年2月11日发射的Landsat系列最新卫星Landsat8，携带有OLI陆地成像仪和TIRS热红外传感器，Landsat8的OLI陆地成像仪包括9个波段，OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；OLI 全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段 (band 1;0.433–0.453 μm) 主要应用海岸带观测，短波红外波段(band 9;1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近，TIRS包括2个单独的热红外波段。

下表是Landsat8中OLI和TIRS两个传感器波段说明：表： Landsat8数据波段参数标准的数字相机拍摄得到的图像是真彩色的，效果和人眼看到的一样，红、绿、篮三个波段分别用红、绿、篮三个通道显示，当传感器有更多的波段，我们就可以得到更多的信息，以Landsat8为例，某些特殊的光谱波段可以帮助我们看到一些特殊的地物特征，或者可以透过"现象看到本质"。

比如，近红外波段（NIR）是多光谱传感器常用的一个通道，因为在该通道，植被的反射率非常高，所以这个波段对于监测植被很有效；短波红外波段（SWIR）对监测裸土非常有效，它可以反应出裸土表面的湿度情况。

类似的例子还有很多。

下面以Landsat8数据为例，介绍多波段在不同的RGB组合下显示的效果及其应用。

（一）4,3,2,——真彩色合成，美国加利福尼亚州夫勒斯诺市用OLI数据，可以得到真彩色合成的图像，这种图像的缺点是易受到大气的影响，有时图像不够清晰。

（二）5,4,3——标准假彩色合成（CIR），用于植被相关的监测，美国科罗拉多在这种波段组合下，植被显示为红色，植被越健康红色越亮，而且还可以区分出植被的种类，这种波段组合方式非常常用，用来监测植被、农作物和湿地。

landsat 8卫星oli传感器波段平均太阳辐照度计算

２ＦｉｒｓｔＡｃｔｉｖｉｔｙＳｔａｔｉｏｎꎬ ＸｉａｎＳａｔｅｌｌｉｔｅＣｏｎｔｒｏｌＣｅｎｔｅｒꎬ Ｗｅｉｎａｎ７１４０００ꎬ Ｓｈａａｎｘｉꎬ Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ: Ｓａｔｅｌｌｉｔｅｓｅｎｓｏｒｓｏｌａｒｅｘｏａｔｍｏｓｐｈｅｒｉｃｓｐｅｃｔｒａｌｉｒｒａｄｉａｎｃｅｓ ( ＥＳＵＮ) ａｒｅｔｈｅｋｅｙｐａｒａｍｅｔｅｒｓｔｏｒｅ￣
esun是卫星传感器波段平均太阳辐照度?e是大气层外波长处的太阳辐照度?s是卫星传感器波长处的光谱响应值?1和2是卫星传感器某波段的起始波长和结束波长?因此?如果有卫星传感器的光谱响应函数和传感器波长范围内的太阳辐照度?即可以求得传感器波段平均太阳辐照度?本文通过带入计算的方法求解esun?1????2landsat8卫星介绍landsat8卫星美国陆地卫星第8颗卫星是美国航天局nasa于2018年发射的卫星?任务设计寿命5年?landsat8卫星的任务是提供及时高质量的可见光和红外影像?不断更新现有的陆地卫星数据库?landsat8卫星有16d的重返周期?与landsat7卫星一起构成了8d的重复观测周期?landsat8卫星每天能产生约700景的遥感影像?每景遥感影像覆盖着190km180km的地表面积?landsat8卫星使用了云覆盖预测技术?以避免获取无效数据?表1列出了landsat8卫星参数?491世界地质第39卷表1landsat8卫星参数table1parametersoflandsat8satellite类型参数轨道类型近圆形近极地太阳同步轨道轨道倾角98????2绕地球一周时间98????9min传感器扫描类型推帚式扫描轨道高度705km轨道重复周期16d传感器载荷olitirs降交点平均地方时上午10时11分operationallandimageroli使用长线性探测器阵列?每个谱带有几千个探测器?探测器以一种推扫的方式收集图像?运动部件更少?仪器更灵敏?oli有着9个短波光谱波段?每个波段有着190km的刈幅和30m的空间分辨率15m全色波段除外?表2列出了landsat8卫星oli传感器参数?1????3landsat8卫星oli传感器的相对光谱响应数据从信息学的角度?将传感器看做信号响应系统?相对光谱响应是以数学的形式将物理信号表达出来?它表征传感器对信号的响应度?反映了该传表2oli传感器波段光谱范围table2spectralrangesofolibands波段名称分辨率m波长范围m1coastalaerosol300????4350????4512blue300????4520????5123green300????5330????5904red300????6360????6735nir300????8510????8796swir1301????5661????6517sw

landsat-8-卫星-波段介绍-及组合

Landsat8卫星包含OLI（Operational Land Imager 陆地成像仪）和TIRS（Thermal Infrared Sensor 热红外传感器）两种传感器。

OLI包括了ETM+的所有波段，为了避免大气吸收部分特征，OLI对波段进行了重新调整，比较大的调整：
1、OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；
2、OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；
3、新增两个波段：海蓝波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测；短波红外波段，又称卷云波段(band 9; 1.360–1.390 μm) 包含水汽强吸收特征，可用于云检测；
4、近红外band5和短波红外band9与MODIS对应的波段更加接近。

表1 Landsat7 Landsat8卫星对比
表2：OLI波段合成
表3：Landsat TM波段合成总结说明
Landsat8波段组合图示：
432波段合成真彩色图像，接近地物真实色彩，图像平淡，色调灰暗
543波段合成标准假彩色图像，地物色彩鲜明，有利于植被（红色）分类，水体识别
564波段合成非标准假彩色图像，红外波段与红色波段合成，水体边界清晰，利于海岸识别；植被有较好显示，但不便于区分具体植被类别
765对大气层穿透能力较强，例如图像中红色方框内云的影响明显减少
652植被类型丰富，便于植被分类
654便于植被分析
Welcome To Download !!!
欢迎您的下载，资料仅供参考！。

Landsat简介及数据预处理

Landsat 8简介及数据预处理OLI陆地成像仪包括9个波段，空间分辨率为30米，其中包括一个15米的全色波段，成像宽幅为185x185km。

OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm 处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段 (band 1; 0.433–0.453 μm) 主要应用海岸带观测，短波红外波段(band 9; 1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近。

Landsat8数据打开和辐射定标处理美国的USGS（）网站提供最新的Landsat8数据下载，产品类型标示L1GT，与之前的数据格式类似，每个波段以.tif文件提供，元数据存放在_MTL.txt文件中。

Landsat8增加了几个波段，详细信息浏览：。

在ENVI5.0SP3中非常容易打开Landsat8数据，如下：(1) 选择File->Open ，选择_MTL.txt文件打开。

(2) ENVI自动显示RGB显示真彩色图像，打开Data Manager对话框，可以看到ENVI自动读取元数据信息，包括中心波长信息、波段名称等。

并将数据根据类型自动划分为三类。

(3) 从文件信息中可以看到，热红外数据被重采样为30米分辨率，与可见光-近红外波段一致，全色为15米分辨率。

图1：Data Manager对话框打开之后就可以很方便的进行其他处理，比如辐射定标、大气校正、融合等处理。

下面使用ENVI下的通用定标工具进行Landsat8的辐射定标。

(1) 选择ToolBox/Radiometric Correction/Radiometric Calibration，选择可见光-近红外数据。

Landsat 8数据介绍

Landsat 8数据介绍1. 简介1.1 数据简介2013年2月11日，美国航空航天局(NASA) 成功发射Landsat-8卫星。

Landsat-8卫星上携带两个传感器，分别是OLI陆地成像仪(Operational Land Imager)和TIRS热红外传感器(Thermal Infrared Sensor)。

Landsat-8在空间分辨率和光谱特性等方面与Landsat 1-7保持了基本一致，卫星一共有11个波段，波段1-7，9-11的空间分辨率为30米，波段8为15米分辨率的全色波段，卫星每16天可以实现一次全球覆盖。

OLI陆地成像仪有9个波段，成像宽幅为185 x 185km。

与Landsat-7上的ETM传感器相比，OLI陆地成像仪做了以下调整：1. Band 5的波段范围调整为0.845–0.885 μm，排除了0.825μm处水汽吸收的影响;2. Band 8全色波段范围较窄，从而可以更好区分植被和非植被区域;3. 新增两个波段。

Band 1蓝色波段(0.433–0.453 μm) 主要应用于海岸带观测，Band 9短波红外波段(1.360–1.390 μm) 应用于云检测。

LandSat-8上携带的TIRS热红外传感器主要用于收集地球两个热区地带的热量流失，目标是了解所观测地带水分消耗。

1.2 传感器参数传感器波段波长范围/μm信噪比空间分辨率/m用途说明1.3 产品参数2. 数据更新量Landsat 8 每天至少可以获得400幅图像。

Landsat 8覆盖中国区域大约需要9天的时间。

此前这个系列的卫星每天只能获得250幅图像。

这是因为该卫星可以监测区域有更大的灵活性，过去的陆地卫星在轨道上只能收集卫星直接下面航迹线两边一定宽度的地带，而Landsat 8上的遥感器具有指向偏离航迹一个角度获取信息的能力，可以收集到本来要后面的轨道圈才处于卫星下面的地面信息。

这有助于及时获取需多时相(如灾害)对比研究的图像。