遥感大气校正
遥感大气校正
遥感⼤⽓校正实验四遥感图像的⼤⽓校正实验⽬的：通过实习操作，掌握遥感图像⼤⽓校正的基本⽅法和步骤，掌握遥感图像波段计算及其应⽤。
实验内容：环境⼩卫星的数据读取；辐射定标、图像配准、⼤⽓校正；植被反演、植被覆盖变化监测1、实验相关知识及背景◆传感器定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表⾯温度等物理量的处理过程；传感器定标可分为绝对定标和相对定标，绝对定标是获取图像上⽬标物的绝对辐射值等物理量。
◆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。
◆ENVI下FLAASH⼤⽓校正⼯具是基于MODTRAN4+辐射传输模型，FLAASH对图像⽂件有以下⼏个要求：（1）数据是经过定标后的辐射亮度（辐射率）数据，单位是：（µW）/（cm2*nm*sr）。
（2）数据带有中⼼波长（wavelenth）值，如果是⾼光谱还必须有波段宽度（FWHM），这两个参数都可以通过编辑头⽂件信息输⼊（Edit Header）。
（3）数据类型⽀持四种数据类型：浮点型（floating）、长整型(long integer )、整型（integer）和⽆符号整型(unsigned int)。
数据存储类型：ENVI标准栅格格式⽂件，且是BIP或者BIL。
（4）波谱范围：400－2500nm◆浑善达克地区位于内蒙古草原锡林郭勒⾼原中部。
近年来频频发⽣在京津地区的沙尘暴与该地区⽣态环境恶化相关。
据统计，京津地区沙尘暴70%的沙源来⾃于这个区域。
通过对该区域植被覆盖度的定量反演，植被覆盖的变化检测，可以实现草原植被的⾼频率、⼤范围、⾼实时的变化监测。
2、实验步骤根据环境⼩卫星CCD数据特点及草原植被变化监测的要求，采⽤以下处理流程：⼀、数据预处理：/doc/dd3ded9f02d8ce2f0066f5335a8102d277a26100.html D数据读取；2.辐射定标；3.⼤⽓校正；4.研究区裁剪；⼆、反演模型建⽴1.归⼀化植被指数；2.植被覆盖度；三、植被变化监测1.植被覆盖区提取；2.植被变化检测；四、后期处理与应⽤◆数据读取和定标（1）安装环境⼩卫星数据读取和定标补丁ENVI_HJ1A1B_Tools.sav⽂件放在home\ITT\IDL\IDL80\products\envi48\save_add⽬录下。
大气校正原理
大气校正原理大气校正是遥感影像处理中的一个重要环节，它是指根据大气光学特性对遥感影像进行校正，以消除大气因素对影像的干扰，使得影像更加真实和准确。
大气校正原理是基于大气对遥感影像的影响进行分析和处理，通过数学模型和物理原理来实现对影像的校正。
下面将从大气光学特性、大气校正的基本原理以及常用的大气校正方法进行介绍。
1. 大气光学特性。
大气光学特性是指大气对太阳辐射的吸收、散射和透射等光学过程。
在遥感影像中，大气光学特性主要表现为大气散射和吸收对影像的遮蔽和变暗效应。
大气散射会导致影像中出现较大的散射光斑和较低的对比度，而大气吸收则会导致影像中出现较大的暗区和光斑不均匀现象。
因此，了解大气光学特性对于进行大气校正具有重要的意义。
2. 大气校正的基本原理。
大气校正的基本原理是通过建立大气光学模型，对影像进行修正，消除大气因素对影像的影响。
大气校正的过程可以简单描述为，首先，根据大气光学特性建立大气传输模型，模拟大气对太阳辐射的吸收和散射过程；然后，根据影像中的光谱信息和地物特性，对影像进行大气校正，消除大气因素的影响，使得影像更加真实和准确。
3. 常用的大气校正方法。
目前，常用的大气校正方法主要包括大气校正模型和大气校正软件两种。
大气校正模型是基于大气光学特性建立的数学模型，如大气校正模型6S、MODTRAN等，通过模拟大气传输过程，对影像进行校正。
而大气校正软件则是基于这些模型开发的软件工具，如ATCOR、FLAASH等，能够快速、准确地对影像进行大气校正处理。
总结。
大气校正是遥感影像处理中的一个重要环节，它能够消除大气因素对影像的干扰，使得影像更加真实和准确。
大气校正的原理是基于大气光学特性建立数学模型，通过模拟大气传输过程对影像进行校正。
常用的大气校正方法主要包括大气校正模型和大气校正软件两种。
通过对大气校正原理的了解，能够更好地进行遥感影像处理和应用。
大气校正实验报告
一、实验背景遥感技术作为获取地球表面信息的重要手段，广泛应用于地质、农业、环境、城市规划等领域。
然而，由于大气对太阳辐射的吸收、散射和反射作用，遥感图像中的地物反射率信息受到一定程度的影响。
为了消除大气影响，提高遥感图像的精度和应用价值，大气校正技术应运而生。
本文将针对大气校正实验进行详细报告。
二、实验目的1. 理解大气校正的原理和方法；2. 掌握大气校正实验的操作流程；3. 评估大气校正对遥感图像质量的影响。
三、实验原理大气校正的目的是消除大气对遥感图像的影响，恢复地物真实反射率。
主要原理如下：1. 辐射传输模型：根据遥感成像过程中太阳辐射、大气和地物之间的相互作用，建立辐射传输模型，描述太阳辐射、大气和地物之间的能量传递过程。
2. 大气校正算法：通过分析遥感图像和同步观测的大气参数数据，建立大气校正模型，消除大气影响，恢复地物真实反射率。
3. 大气校正方法：主要包括单窗算法、双窗算法、大气校正模型等。
四、实验数据与工具1. 实验数据：选取Landsat 8卫星的OLI传感器获取的遥感图像作为实验数据。
2. 实验工具：ENVI软件，MODTRAN模型，FLAASH大气校正模型。
五、实验步骤1. 辐射定标：将原始遥感图像进行辐射定标，使其具有物理意义。
2. 大气校正：利用FLAASH大气校正模型对辐射定标后的遥感图像进行大气校正。
3. 结果分析：对比校正前后的遥感图像，分析大气校正对图像质量的影响。
六、实验结果与分析1. 辐射定标对原始遥感图像进行辐射定标，得到具有物理意义的图像数据。
2. 大气校正利用FLAASH大气校正模型对辐射定标后的遥感图像进行大气校正，得到校正后的遥感图像。
3. 结果分析（1）目视效果对比通过目视对比校正前后的遥感图像，可以看出大气校正后的图像清晰度更高，地物信息更丰富。
（2）定量分析通过统计分析校正前后遥感图像的地物反射率，可以发现大气校正后的遥感图像地物反射率更加接近真实值。
大气校正的原理
大气校正的基本原理大气校正（Atmospheric Correction）是遥感图像预处理中的一项关键技术，用于去除大气散射对图像的影响，从而更准确地提取出地物信息。
1. 大气散射的影响在遥感图像中，由于大气分子和气溶胶的存在，光线在传输过程中会发生散射现象，导致图像的亮度、色彩和对比度发生变化。
这些散射光主要包括大气散射光、地表反射光和太阳辐射等组成。
大气散射光主要由于大气中的气体和气溶胶对入射光的散射而产生，它会产生一部分散射辐射，从而模糊了地物的特征和细节。
2. 大气校正的目的大气校正的目的是通过去除大气散射对图像的影响，使得图像中地物的反射率能够更准确地反映地物的特征。
通过大气校正，可以得到真实的地表反射谱，进而实现遥感图像的定量应用。
3. 大气校正的基本原理大气校正的基本原理是将图像中的每个像素的辐射值转换为地物的反射率。
这一过程需要考虑到光线在入射过程中的吸收、散射、透射等因素。
大气校正的基本原理可以分为以下几个步骤：（1）辐射传输方程大气校正的关键是解决辐射传输方程。
辐射传输方程描述了光线在大气和地表之间的相互作用过程。
该方程是一个复杂的微分方程，通常采用一些近似方法来简化计算。
（2）大气散射成分的估计在大气校正中，需要估计图像中大气散射的成分。
常见的方法是根据大气模型来估计大气散射值。
大气模型包括大气温度、湿度、气压等因素。
通过获取这些参数，可以计算大气散射值。
（3）反射率的计算通过辐射传输方程和大气散射成分的估计，可以计算出每个像素的辐射率。
然后，在已知太阳辐射强度和卫星观测到的辐射强度的情况下，通过将辐射率转换为地物的反射率。
（4）大气校正结果的验证大气校正的最后一步是验证校正结果的准确性。
通常使用地面实测数据和已知的地物反射率进行对比来验证大气校正的效果。
4. 大气校正的方法根据遥感图像的特点和大气校正的要求，大气校正方法可以分为物理模型法和经验模型法两种。
（1）物理模型法物理模型法是基于大气散射的物理原理，通过解决辐射传输方程来实现大气校正。
大气校正原理
大气校正原理
大气校正是遥感图像处理中的一个重要环节，它能够减少大气
对图像的影响，提高图像的质量和解译精度。
大气校正原理是基于
大气对遥感图像的影响进行研究，通过对大气光学特性的分析和模拟，实现对图像的校正和修复。
大气校正原理的基本思想是通过对遥感图像中的大气光学特性
进行建模和分析，找出大气对图像的影响规律，然后利用这些规律
对图像进行校正。
大气光学特性主要包括大气散射、吸收和透射等
过程，这些过程会导致遥感图像中的光谱特征发生变化，影响图像
的质量和解译精度。
在大气校正原理中，首先需要对大气光学特性进行建模和分析。
通过对大气光学参数的测量和观测，可以得到大气对不同波段光谱
的影响规律，包括大气散射、吸收和透射等过程。
然后，利用这些
规律对遥感图像进行校正，消除大气对图像的影响，提高图像的质
量和解译精度。
大气校正原理的核心是建立大气光学模型和遥感图像的关系，
通过对大气光学参数的分析和模拟，实现对图像的校正和修复。
在
实际应用中，可以利用不同的大气校正方法和模型，对不同类型的遥感图像进行处理，提高图像的质量和解译精度。
总的来说，大气校正原理是基于大气光学特性的分析和模拟，通过建立大气光学模型和遥感图像的关系，实现对图像的校正和修复。
它能够减少大气对图像的影响，提高图像的质量和解译精度，是遥感图像处理中的一个重要环节。
通过对大气校正原理的研究和应用，可以更好地利用遥感图像进行资源调查、环境监测和灾害评估等领域的工作。
遥感影像处理中的常见问题及解决方法
遥感影像处理中的常见问题及解决方法遥感影像处理是利用遥感技术获取和处理地球表面的图像数据，以分析、研究和解决各种地理和环境问题。
但在实际的遥感影像处理过程中，常常会遇到一些问题，需要采取相应的解决方法。
本文将针对遥感影像处理中的常见问题进行介绍，并提供解决方法。
一、大气校正问题大气校正是遥感影像处理的重要步骤之一，它的目的是消除大气对图像的影响，以获得真实的地表反射率。
在大气校正过程中，常常会遇到以下问题：问题1：大气校正系数的确定大气校正系数是指大气校正模型中的参数，用于估计大气散射和吸收对辐射的影响。
如何准确地确定大气校正系数是一个关键问题。
解决方法：可以采用大气逆向模型，通过多源遥感数据进行反演来估计大气校正系数。
此外，还可以利用辅助观测数据（如气象站点观测数据）来辅助确定大气校正系数。
问题2：大气散射的复杂性大气散射是大气校正中主要的问题之一。
不同地区、不同时间点的大气散射特征各不相同，如何准确地建立大气散射模型是一个难点。
解决方法：可以利用辅助观测数据（如大气拉曼光谱仪数据）来获取大气散射参数，并结合遥感数据进行校正。
此外，还可以尝试使用辐射传输模型来模拟大气散射过程。
二、影像配准问题影像配准是指将多幅遥感影像在坐标、比例尺和方向上进行准确匹配的过程。
在影像配准过程中，常常会遇到以下问题：问题1：不同时间、不同传感器影像的配准由于不同时间和不同传感器获取的影像具有不同的几何特性，如何将它们进行配准是一个挑战。
解决方法：可以采用特征点匹配的方法，通过提取影像的特征点，并采用相应的匹配算法进行配准。
此外，还可以利用地面控制点进行地面控制配准。
问题2：大面积影像的配准在处理大面积影像时，可能会出现影像边缘畸变、地形变化等问题，导致配准不精确。
解决方法：可以采用多尺度配准方法，通过将大面积影像分割为多个小块，并分别进行配准，然后再进行整体的优化。
此外，还可以利用地形数据进行高程配准，提高配准精度。
遥感大气校正参数计算
遥感大气校正参数计算全文共四篇示例，供读者参考第一篇示例：遥感大气校正参数计算是遥感技术中一个重要的工作环节，用于消除大气对遥感数据的影响，提高遥感数据的准确性和可靠性。
遥感大气校正参数计算是一个繁琐而复杂的过程，需要考虑到多种因素的影响，包括大气吸收、散射、反射等。
在遥感图像中，由于大气的存在，会引起辐射能量的衰减、散射和吸收，导致遥感图像的失真和不准确。
为了能够准确地获取地物信息，需要进行大气校正，即通过计算大气校正参数，将遥感数据进行校正，消除大气对图像的影响，使得遥感图像更加真实和准确。
大气校正参数的计算主要涉及到以下几个方面：1. 大气传输模型：大气传输模型是用来描述大气对电磁波的影响的数学模型，通过该模型可以计算出大气对电磁波的吸收、散射和反射等效应，从而得到大气校正参数。
常用的大气传输模型包括大气传输模型、MODTRAN模型等。
2. 大气参数的获取：在进行大气校正参数计算时，需要获取大气参数，包括大气压力、温度、湿度等信息。
通常可以通过气象站、气象卫星等途径获取大气参数。
3. 辐射校正：在大气校正参数计算中，还需要进行辐射校正，将遥感数据转换为辐射亮度值。
辐射校正是遥感数据处理的一个基本步骤，也是大气校正的关键环节之一。
第二篇示例：遥感大气校正参数计算是遥感数据处理中非常重要的一步。
在进行遥感图像处理时，由于大气的存在会导致遥感数据中出现大气散射、吸收等现象，从而影响了遥感数据的准确性和可靠性。
进行大气校正是遥感图像处理的一个必要步骤，其目的是消除大气对遥感数据的影响，使得遥感数据更符合地表真实情况。
遥感大气校正参数计算的过程主要包括以下几个步骤：一、获取大气参数数据在进行大气校正之前，首先需要获取与大气相关的参数数据。
这些参数数据包括大气透射率、大气散射率、大气吸收率等参数。
这些参数数据可以通过气象站观测、大气模型等方式获取。
根据遥感图像所处的时间、地点等条件，选择合适的大气参数数据。
大气校正原理
大气校正原理大气校正是遥感技术中的一个重要步骤，它可以消除大气对遥感图像的影响，提高图像的质量和可用性。
大气校正原理是利用大气传输模型来预测大气对遥感图像的影响，并通过对原始图像进行数学处理，将其转换为实际反射率。
大气校正的主要目的是消除大气散射和吸收对遥感图像的影响，以便更准确地估计地表反射率。
大气散射是由于大气中的气溶胶和分子对太阳辐射的散射而产生的，它会使地表反射率降低。
大气吸收是指大气中的气体对太阳辐射的吸收，这会导致较短波长的光线被吸收，从而使地表反射率降低。
大气校正的方法有很多种，其中最常用的方法是大气传输模型。
大气传输模型是基于大气光学理论的模型，它可以通过计算大气散射和吸收对太阳辐射的影响来预测大气对遥感图像的影响。
常用的大气传输模型有大气透明度模型(ATM)、大气辐射传输模型(ART)和MODerate resolution atmospheric TRANsmission model(MODTRAN)等。
大气校正的过程可以分为以下几步：首先，需要获取原始遥感图像，并确定图像的波段信息和坐标系统。
其次，需要获取大气传输模型的参数，包括大气透明度、大气温度、水汽含量等。
然后，根据大气传输模型，计算大气对图像的影响，并将其转换为实际反射率。
最后，可以进行后续的图像处理和分析，如分类、变化检测等。
需要注意的是，大气校正是一个复杂的过程，需要考虑多种因素的影响，如地形、云层、太阳高度角、观测视角等。
此外，大气传输模型的参数也会受到地理位置、季节、时间等因素的影响。
因此，在进行大气校正时需要谨慎选择大气传输模型和参数，并进行合理的校正和验证。
大气校正是遥感技术中的重要步骤，它可以消除大气对遥感图像的影响，提高图像的质量和可用性。
大气校正原理是基于大气传输模型的预测和数学处理，能够将原始图像转换为实际反射率，为后续的地表分析和应用提供了基础。
遥感卫星影像数据在什么情况下需要做大气校正？
北京揽宇方圆信息技术有限公司遥感卫星影像数据在什么情况下需要做大气校正？经常会遇到这样的问题：什么情况需要做大气校正产生？这个问题取决于传感器和应用目标，总的来说，如果要做光谱分析，那么大气校正是必须要做的。
本文对于在什么情况下选择什么样的大气校正方法，给出了一些依据。
大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。
大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。
大气校正处理是去除云和气溶胶等对数据的影响，得到地表真实的反射率的过程，其结果就是地表反射率，可用于光谱特征分析。
与地表反射率这个概念相对应的，还有一个表观反射率。
表观反射率是指大气层顶的反射率，这是辐射定标的结果之一，它是由地表反射率和大气反射率组成的，表观反射率数据经过大气校正后得到地表反射率。
下图是wv3数据，都是0-1区间的反射率，1%线性拉伸显示，左图是表观反射率，右图是地表反射率。
在RGB真彩色合成的显示下，两个图看起来非常相似，但是查看同一个像元在表观反射率图像和地表反射率图像的光谱曲线，发现差异非常明显，地表反射率的植被像元光谱曲线在红边波段（700nm附近）有跟高的反射率，斜率更大，更能反应出健康植被的特点。
这说明做大气校正是非常重要的。
地物分类和变化监测一般来说，做非监督分类或者是变化监测，大气校正不是必须要做的，Chinsu et al.(2015)的研究表明大气校正不会提高土地利用分类的精度。
Song et al.(2011)做了更详细的阐述，如果要做非监督分类或土地利用变化监测，不用做大气校正。
对于使用训练样本的监督分类，当一个时相或区域的训练样本要用于另一个时相或区域时，这种情况下，需要做大气校正，不过用暗像元法就足够了。
如果要用标准光谱库文件作为端元或训练样本，进行光谱分析制图或监督分类，一般是需要做大气校正的，因为光谱库的数据都是地表反射率。
大气校正的名词解释
大气校正的名词解释大气校正是遥感技术中的一个重要概念，它在图像处理与分析中发挥着至关重要的作用。
大气校正是指通过移除图像中由大气介质引起的扰动，从而提取出真实的地物反射率信息。
在遥感图像中，大气介质会对地物的反射光产生一定程度的吸收和散射，同时还会产生大气散射以及太阳辐射的多次反射等影响。
这些影响使得遥感图像中地物反射率的分布不完全准确，难以直接用于遥感应用。
因此，需要进行大气校正来消除这些影响，使得图像能够更好地反映地表的真实信息。
大气校正的目标是恢复出地物的本来面貌，即消除大气介质对遥感图像的扰动。
校正后的图像能够提供更为精确的地物反射信息，为遥感应用的研究和分析提供了准确的数据基础。
在进行大气校正时，需要考虑到多种因素，如大气的吸收和散射特性、地物的反射光谱特性以及遥感设备的测量参数等。
针对不同的大气校正需求，可以使用不同的校正模型和算法。
目前常用的大气校正方法包括水平投射法、标准反射率法和辐射传输法等。
水平投射法是一种简单直接的方法，它基于对地球表面特定区域进行测量，并将这些测量值用于校正整个图像。
标准反射率法则是利用已知地物的反射率值来推测图像中其他地物的反射率，从而校正全图像。
辐射传输法则是基于大气散射和吸收模型，通过对大气介质的模拟计算，来减少遥感图像中大气介质的影响。
此外，大气校正还需要考虑遥感图像的时间和空间相关性。
时间相关性指的是针对同一地点，在不同时间拍摄的图像之间进行校正。
空间相关性则是在同一时间，对不同地点或不同高程的遥感图像进行校正，以消除地形和地物的影响。
大气校正的结果直接影响到遥感图像的应用价值。
准确的大气校正能够提供更可靠的地物反射率信息，从而为农业、环境保护、城市规划等领域的研究和决策提供有力支持。
另外，大气校正也对气候变化等全球性问题的研究具有重要意义。
总之，大气校正是遥感技术中不可或缺的一环。
通过消除大气介质对图像的扰动，实现对地物真实反射率的估计，能够提高遥感图像的数据质量和分析能力。
大气校正的方法
大气校正的方法
大气校正是指通过计算和分析遥感影像的大气影响，来修正遥感影像的像素值，以获得更准确的地表覆盖信息和遥感数据。
大气校正的方法主要有以下几种:
1. 统计学方法：该方法利用野外光谱测量数据来建立模型，并通过计算遥感影像的光谱特征和野外光谱数据的相关性来校正大气影响。
2. 辐射传递方程计算法：该方法通过建立辐射传递方程来计算遥感影像的大气影响，从而获得更准确的遥感数据。
3. 波段对比法：该方法利用不同波段之间的差异来识别大气影响，并通过计算不同波段之间的差异来校正大气影响。
4. 基于 MODTRAN 的高光谱快速大气校正方法：该方法利用MODTRAN 模型来计算大气影响，并通过建立水汽和能见度的查找表来校正大气影响。
5. 机载高光谱遥感图像大气校正方法：该方法通过分析机载高光谱遥感图像的大气影响，来修正遥感图像的像素值，以获得更准确的地表覆盖信息和遥感数据。
不同的方法有不同的假设和优缺点，选择合适的大气校正方法需要考虑多种因素，如数据质量、计算效率、精度和成本等。
大气校正实验改进措施
大气校正实验改进措施引言大气校正（Atmospheric Correction）是遥感影像处理中的关键步骤，目的是通过消除或减弱大气的干扰，使得地物辐射能够真实准确地反映在遥感影像中。
大气校正的准确性对于获取可靠的遥感数据非常重要。
本文将介绍几种改进大气校正实验的措施，并分析其优劣势。
改进措施一：详细气象资料获取为了提高大气校正的准确性，我们需要获取详细的气象资料，包括但不限于大气温度、湿度、气压等。
这些数据可以通过气象站观测记录、地面站资料、天气预报等途径获得。
详细的气象资料可以更好地模拟大气的传输特性，从而减小校正的误差。
优势：获取详细的气象资料可以更准确地模拟大气的影响，提高校正的准确性。
劣势：获取详细的气象资料可能需要更多的人力和物力投入，并可能受制于气象观测站的地理分布。
改进措施二：利用辅助数据进行校正在进行大气校正时，可以利用辅助数据来提高校正的准确性，比如地面反射率数据、地物特征信息等。
这些辅助数据可以帮助我们更好地理解观测中的大气传输过程，并校正影响地物反射的大气干扰。
优势：利用辅助数据可以帮助我们更好地理解大气传输的特性，并减小校正误差。
同时，辅助数据通常是较为容易获取的。
劣势：辅助数据的准确性也需要得到保证，否则可能引入更大的误差。
改进措施三：多时刻影像融合大气校正可以利用多时刻的遥感影像来增加可用信息量。
通过融合多时刻影像的方法，可以减小大气校正过程中的误差，提高校正的稳定性和准确性。
融合多时刻影像时，需要考虑到影像的时空分布特征，选择合适的融合方法。
优势：多时刻影像融合可以提高校正的稳定性和准确性，减小由于单一时刻数据带来的误差。
劣势：多时刻影像融合需要更高的计算复杂度，同时需要注意时刻选择和影像对准等问题。
改进措施四：改善大气模型在进行大气校正时，建立准确的大气模型是至关重要的。
通过改善大气模型中的参数设置和模型算法，可以减小大气校正的误差。
常见的大气模型有MODTRAN、6S等，可以根据实际情况选择适合的模型。
遥感数据大气校正ENVI
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，ESU Nλ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Env i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http://bbs.esri /ESRI/viewthread.php?tid=56191）。
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_5f4afe870100da1w. html。
遥感大气校正matlab
遥感大气校正matlab
遥感大气校正（Atmospheric Correction）是一种去除大气干扰
的技术，可以提高遥感影像的质量和可用性。
Matlab是一种
常用的处理遥感数据的工具，下面是使用Matlab进行遥感大
气校正的一般步骤：
1. 读取遥感影像数据：使用Matlab的相关函数读取遥感影像
数据，可以是多光谱影像或高光谱影像。
2. 获取影像中的大气信息：通过某种方法，如相对辐射传输模型或大气模型，获取影像中各像元的大气信息，如大气透过率等。
3. 计算大气校正参数：根据获取到的大气信息，使用特定的算法计算大气校正系数，如大气透射率、大气散射校正参数等。
4. 针对每个波段进行大气校正：根据计算得到的大气校正参数，对每个波段的像素值进行校正，得到校正后的遥感影像。
5. 可选的后处理步骤：根据实际需求，可以进行一些额外的后处理，如波段合成、镶嵌校正等。
以上仅为一般步骤，具体的实施方法和算法可以根据实际需求和数据特点进行调整。
需要注意的是，遥感大气校正是一个复杂的过程，需要一定的遥感和图像处理专业知识。
在实际应用中，可以采用已有的开
源工具包，如Envi、ArcGIS等，或者利用Matlab中的图像处理工具箱和光谱分析工具箱进行开发和实现。
简述大气校正的主要步骤
简述大气校正的主要步骤
大气校正是遥感图像处理的一个重要步骤，用于去除图像中由大气、云雾等自然因素引起的噪声和偏差。
其主要步骤如下：
1. 获取大气状况信息：通过外部源如气象数据、大气模型等获取图像拍摄时的大气状况信息，如光学厚度、大气散射等参数。
2. 估计大气光照强度：根据图像中的亮点或暗点来估计大气光照强度。
亮点通常指代地球表面上表达高光反射的区域，如水体、云部分等；暗点通常指代地球表面下的阴影区域。
3. 估计大气散射率：利用先前计算出的大气光照强度以及图像的亮度值，可以推算出大气的散射率。
散射率可以表示图像中的大气光照部分。
4. 进行大气校正：通过利用估计的大气光照强度和大气散射率，可以对图像进行校正，消除大气的影响。
校正过的图像可以更准确地反映地表的真实状况。
总之，大气校正是通过获取大气状况信息、估计大气光照强度和大气散射率，以及对图像进行校正来消除大气因素的影响。
这样可以获得更准确的遥感图像数据，用于地表特征分析和应用研究。
遥感大气校正参数计算
遥感大气校正参数计算全文共四篇示例，供读者参考第一篇示例：遥感大气校正参数计算是遥感影像处理中的重要环节之一，它能够有效地消除大气因素对遥感数据的影响，提高遥感数据的精度和可靠性。
本文将结合实际案例，介绍遥感大气校正参数计算的基本原理、常用方法和具体步骤，从而帮助读者更好地理解和应用这一技术。
一、遥感大气校正参数计算的基本原理遥感大气校正参数计算的基本原理是利用大气模型对遥感影像中的大气痕迹进行模拟和校正，以减少大气因素对地物光谱反射率的影响，提高遥感数据的质量和可靠性。
在进行遥感大气校正参数计算时，通常需要考虑以下几个方面的因素：1.大气光学厚度：大气中的水汽、气溶胶等物质会对遥感数据的光谱特征产生影响，因此需通过大气光学模型计算并校正大气光学厚度，消除其影响。
2.大气散射和吸收：大气中的散射和吸收现象会导致遥感数据的光谱反射率发生变化，影响数据的准确性和可靠性，因此需要进行相应的校正处理。
3.大气日常波动：大气状态会随着时间而变化，导致遥感数据的稳定性受到影响，因此需要考虑并消除大气日常波动对数据的影响。
针对以上提到的遥感大气校正参数计算的基本原理，目前主要采用以下几种方法进行处理：1. 无参数方法：通过遥感影像的光谱信息，结合大气模型和地球表面特征，对遥感数据进行校正，消除大气因素的影响。
这种方法简单易行，但精度较低。
2. 半参数方法：结合外部大气气象数据和实地观测数据，对遥感数据进行校正，提高校正的准确性和可靠性。
这种方法能够更准确地模拟和校正大气因素的影响。
在进行遥感大气校正参数计算时，通常需要按照以下步骤进行操作：1.获取遥感影像数据：首先需要获取待处理的遥感影像数据，包括多光谱、高光谱等不同类型的数据。
2.提取大气校正区域：根据实际需求，选择待处理的遥感影像中的大气校正区域，通常选择地表特征明显、大气痕迹明显的区域进行处理。
3.获取大气参数：根据所选取的大气校正区域，获取所需的大气参数数据，包括大气光学厚度、大气散射和吸收等参数。
简述大气校正的主要步骤
简述大气校正的主要步骤大气校正是遥感图像处理中的重要环节，旨在消除大气对图像的影响，提取出真实的地物信息。
大气校正主要包括以下几个步骤：1. 数据获取与预处理在进行大气校正之前，首先需要获取遥感图像数据，并对数据进行预处理。
预处理包括图像去噪、几何校正、辐射定标等步骤，以确保数据质量和准确性。
2. 大气光估计大气光估计是大气校正的关键步骤之一。
由于大气光是导致遥感图像中地物辐射值偏低的主要原因之一，因此需要准确估计出每个波段上的大气光值。
常用的方法有暗物质法、高反射区法和辐射传输模型法等。
3. 大气传输模型建立建立准确可靠的大气传输模型对于进行精确的大气校正至关重要。
常用的传输模型有标准化反射率转换模型（SRM）和改进二向反射分布函数（BRDF）等。
4. 大气回波修复由于遥感图像中存在着散射、吸收等大气现象，会导致地物的辐射值受到干扰，因此需要对图像进行大气回波修复。
常用的修复方法有大气散射模型、辐射传输模型等。
5. 大气校正模型建立根据已经估计出的大气光值和建立的大气传输模型，可以建立准确的大气校正模型。
该模型可以将原始图像中受到大气影响的地物辐射值转换为真实地物辐射值。
6. 地物反演与分类经过大气校正后，可以得到真实地物辐射值。
在此基础上，可以进行地物反演和分类工作。
通过对反演回波进行分析和处理，可以提取出图像中感兴趣的地物信息。
7. 结果评估与验证在完成大气校正后，需要对结果进行评估和验证。
常用方法有与实测数据对比、与其他遥感数据对比等。
8. 结果分析与应用最后，在完成结果评估和验证后，需要对结果进行分析和应用。
通过分析结果得出结论，并将其应用于相关领域，如环境监测、农作物遥感监测等。
综上所述，大气校正是遥感图像处理中的重要环节，其主要步骤包括数据获取与预处理、大气光估计、大气传输模型建立、大气回波修复、大气校正模型建立、地物反演与分类、结果评估与验证以及结果分析与应用。
这些步骤的完成将有助于提取出真实的地物信息，为遥感应用提供可靠的数据基础。
如何进行卫星遥感影像大气校正与地表反射率计算的技巧与方法
如何进行卫星遥感影像大气校正与地表反射率计算的技巧与方法遥感技术在现代科学研究和资源管理中扮演着重要的角色，卫星遥感影像是广泛应用于环境和地球科学研究的一种重要数据来源。
然而，由于大气对遥感影像的影响，需要进行大气校正和地表反射率计算，以便获得准确的地表信息。
本文将介绍一些卫星遥感影像大气校正和地表反射率计算的技巧和方法。
首先，了解卫星观测原理和传感器特性对于进行大气校正和地表反射率计算至关重要。
卫星通过测量来自地球表面的辐射能够获得遥感影像。
但是，由于大气层会吸收和散射来自太阳的光线，以及地表辐射的接收，无法直接获得地表反射率。
因此，需要进行大气校正来消除大气效应，以获得真实地物反射率。
为了进行大气校正，可以利用辐射传输模式来估算大气影响。
这需要准确的大气参数，如气溶胶光学厚度、透明度和大气温度等。
这些参数可以通过气象站观测数据、气象模型和气象卫星等来源获取。
此外，还可以利用地面真实观测数据来提供准确的地表光谱信息，以帮助消除大气影响。
另外，大气校正还需要考虑大气折射率。
大气折射率会导致传感器观测到的物体位置和形状产生偏移。
因此，在进行地表反射率计算之前，需要对图像进行几何校正，消除大气折射率的影响。
这可以通过利用地面控制点和地形数据来实现，以精确校正图像。
在进行地表反射率计算时，还应考虑地物特性对遥感影像的影响。
不同的地物具有不同的反射特性和光谱响应，需要进行光谱融合和分类来提取感兴趣的地物信息。
常用的分类方法包括有监督分类和无监督分类。
有监督分类依赖于训练样本，通过使用已知地物光谱特征来分类图像。
无监督分类则是基于统计学方法，自动将图像像元分为不同的类别。
此外，还可以利用高分辨率图像和特征提取算法来提高分类精度和提取地物信息。
除了大气校正和地表反射率计算，还可以利用遥感影像进行环境和资源监测。
例如，农业领域可以利用遥感影像来监测植被生长状况，提前预警病虫害和水分短缺等问题。
水资源管理可以利用遥感影像来监测水体蓄水量和水质变化。
- 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)。
实验四遥感图像的大气校正实验目的：通过实习操作，掌握遥感图像大气校正的基本方法和步骤，掌握遥感图像波段计算及其应用。
实验内容：环境小卫星的数据读取；辐射定标、图像配准、大气校正；植被反演、植被覆盖变化监测1、实验相关知识及背景◆传感器定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程；传感器定标可分为绝对定标和相对定标，绝对定标是获取图像上目标物的绝对辐射值等物理量。
◆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。
◆ENVI下FLAASH大气校正工具是基于MODTRAN4+辐射传输模型，FLAASH对图像文件有以下几个要求：（1）数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。
（2）数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM），这两个参数都可以通过编辑头文件信息输入（Edit Header）。
（3）数据类型支持四种数据类型：浮点型（floating）、长整型(long integer )、整型（integer）和无符号整型(unsigned int)。
数据存储类型：ENVI标准栅格格式文件，且是BIP或者BIL。
（4）波谱范围：400－2500nm◆浑善达克地区位于内蒙古草原锡林郭勒高原中部。
近年来频频发生在京津地区的沙尘暴与该地区生态环境恶化相关。
据统计，京津地区沙尘暴70%的沙源来自于这个区域。
通过对该区域植被覆盖度的定量反演，植被覆盖的变化检测，可以实现草原植被的高频率、大范围、高实时的变化监测。
2、实验步骤根据环境小卫星CCD数据特点及草原植被变化监测的要求，采用以下处理流程：一、数据预处理：D数据读取；2.辐射定标；3.大气校正；4.研究区裁剪；二、反演模型建立1.归一化植被指数；2.植被覆盖度；三、植被变化监测1.植被覆盖区提取；2.植被变化检测；四、后期处理与应用◆数据读取和定标（1）安装环境小卫星数据读取和定标补丁ENVI_HJ1A1B_Tools.sav文件放在home\ITT\IDL\IDL80\products\envi48\save_add目录下。
（2）数据读取和定标。
主菜单->File->Open External File->HJ-1A/1B Tools。
（3）数据裁剪，由于整景数据范围比较大，所以在做大气校正前，先将浑善达克以及周边区域裁剪出来。
主菜单->Basic Tools->Resize Data。
◆图像配准做变化监测，两个时相的数据必须互相配准。
具体步骤参考几何校正：主菜单->Map->Registration->Select GCPs：Image to Image。
Base Map基础底图选用“浑善达克2006年8月土地利用分类图.img”，控制点参考“HJ-jz-GCP.pts”。
◆大气校正（1）主菜单->Basic Tools->Preprocessing->Calibration Utilities->FLAASH。
参数文件参考“template”。
◆矢量数据进行裁剪矢量数据选用“浑善达克矢量数据”。
◆归一化植被指数计算应用被植被强吸收的红光波段（环境星第3波段）和被植被强反射的近红外波段（环境星第四波段）计算归一化植被指数。
（1）主菜单->File-> Transform ->NDVI◆植被覆盖度计算（1）在ENVI主菜单栏中波段运算Basic Tool->Bandmath。
运算表达式：(b1 gt 0.7)*1+(b1 lt 0.)*0+(b1 ge 0 and b1 le 0.7)*((b1-0.0)/(0.7-0.0))◆植被覆盖变化监测（1）2009年植被覆盖度大于0.3的为植被覆盖区；2009年8月植被覆盖区运算表达式：(b1 le 0.3)*0 +(b1 gt 0.3)*1b1为20090811植被覆盖度图像，0.3为经验值。
（2）2006年土地利用分类图DN值=1、2、3为植被覆盖区。
2006年8月植被覆盖区运算表达式：(b1 ge 1 and b1 le 3)*1+(b1 lt 1)*0+(b1 gt 3)*0b1为浑善达克2006年8月土地利用分类图。
（3）植被覆盖变化监测运算表达式：b1-b2b1:2009年8月的植被覆盖区图像；b2:2006年8月的植被覆盖区图像。
◆植被变化区域制图对-1、0、1值以及背景值分别进行密度分割。
////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////// ////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////附录1（来自于网络资源）：附录2环境系列卫星是中国专门用于环境和灾害监测的对地观测系统的。
系统由2颗光学卫星（HJ-1A卫星和HJ-1B卫星）和一颗雷达卫星（HJ-1C卫星）组成的。
拥有光学、红外、超光谱等不同探测方法，有大范围、全天候、全天时、动态的环境和灾害监测能力。
HJ-1A及HJ-1B卫星（光学卫星）HJ-1A和HT-1B卫星是用于环境与灾害监测预报的，它们也搭载了CCD相机和超光谱成像仪（HSI）。
HT-1C卫星（雷达卫星）HJ-1C卫星也是用于环境与灾害监测预报的，是中国首颗S波段合成孔径雷达卫星，会与已经发射的HJ-1A卫星、HJ-1B卫星形成的卫星系统。
附录3 FLAASH模型FLAASH大气校正模块（1）FLAASH模块简介FLAASH是由世界一流的光学成像研究所－波谱科学研究所（Spectral Sciences Inc.）在美国空军研究实验室（U.S. Air Force Research Laboratory）支持下开发的大气校正模块。
波谱科学研究所在1989年大气辐射传输模型开发初期就广泛从事MODTRAN的研究工作，已成为大气辐射传输模型开发过程中不可缺少的一员。
FLAASH适用于高光谱遥感数据（如HyMap，AVIRIS，HYIDCE，HYPERION，Probe-1，CASI和AISA）和多光谱遥感数据（如陆地资源卫星，SPOT，IRS和ASTER）的大气校正。
当遥感数据中包含合适的波段时，用FLAASH还可以反演水气、气溶胶等参数。
ENVI中大气校正模型FLAASH，是高光谱辐射能量影像反射率反演的首选大气校正模型。
FLAASH能够精确补偿大气影响，其适用的波长范围包括可见光至近红外及短波红外，最大波长为3μm。
其它的大气校正模型是计算方法基于查找表（Look-up Table）、利用插值方法计算，而FLAASH是直接移植了modtran4中的辐射传输计算方法。
我们可以选取代表研究区的大气模型和气溶胶类型。
FLAASH模型中输入的图像必须是经过辐射定标后的辐射亮度图像，格式为BIL 或BIP,数据类型为floating-point，4-byte signed integers，2-byte signed integers，或2-byte unsigned integers，为了能进行大气反演，图像至少包括下面三个范围区间内的15nm分辨率甚至更高的波段，即1050-1210nm，770-870 nm，870-1020nm。
对于已有传感器类型的高光谱遥感图像来说，图像头文件中必须包含波长和波谱带宽（FWHM）。
对于已知的多光谱传感器来说，仅仅需要波长，而未知的多光谱传感器类型，则要求知道波谱响应函数，如论文中ALI数据校正就需要输入波谱响应函数。
FLAASH支持多种传感器，其通过图像像素光谱上的特征来估计大气的属性，不依赖遥感成像同步测量的大气参数数据。
（2）FLAASH模块参数设置①尺度转换因子的计算FLAASH模块中，在输入辐射能量数据时，同时要求输入尺度转换因子。
尺度因子有两种输入方式A:当各波段尺度转换因子不同时，选择每一种的输入方式，可事先把尺度因子输入到记事本文件中，然后，从记事本文件中直接读取；B：当尺度转换因子相同时，选择第二种输入方式。
由于模块中要求辐射能量的量纲是µW/（cm·nm·sr）,而经辐射定标AVIRIS数据的量纲为µW/(cm·nm·sr)，所以后者还需通过换算关系式1µW/（cm·nm·sr）=0.001mW/(cm·nm·sr)进行量纲转换。
因此，利用FLAASH模块校正AVIRIS数据时，其尺度转换因子为0.001。
对其它类型遥感数据大气校正时，可以参照上述方法计算相应的尺度转换因子。
判断尺度因子设置正确与否的方法是依据图像的数据统计特征，即当统计数据没有负值和大于1×放大系数的数值，则可以认为尺度转换因子设置正确。
②FLAASH其它参数的设置A：图像中心点坐标:可以从相应的HDF文件中找到，也可以从屏幕上直接读取影像的中心坐标，对反演结果影响不大。
当影像位于西半球时，经度为负值。
B：传感器类型:当选择传感器类型时，模块会选择相应类型的传感器波段响应函数，同时系统一般会自动设置传感器的高度和图像的空间分辨率。
若没有相应类型的传感器，则一些参数需要额外设置，如下文中ALI数据的校正。
C：海拔高度:海拔高度为研究区的平均海拔。
D：数据获取日期和卫星过境时间:卫星过境时间为格林尼治时间，可以从相应的HDF文件中找到。
E：大气模型:为了获取校正的最佳质量，选择一个合适的大气校正模型至关重要。
模块提供热带、中纬度夏季、中纬度冬季、极地夏季、极地冬季和美国标准大气模型，每个模块的大气水汽含量标准如表1，如果没有获取大气水汽含量，也可以通过地表大气温度来确定相应的模型，因为一定的温度和一定的大气水汽含量相关。
如果地表大气温度也不知道，那么可以通过数据获取时间和地点选择相应的大气模型。