LandSat8 数据处理流程v0.1
landsat遥感影像地表温度反演教程(大气校正法)

landsat遥感影像地表温度反演教程(⼤⽓校正法)基于辐射传输⽅程的Landsat数据地表温度反演教程⼀、数据准备Landsa 8遥感影像数据⼀景,本教程以重庆市2015年7⽉26⽇的=⾏列号为(128,049)影像(LC81280402016208LGN00)为例。
同时需提前查询影像的基本信息(详见下表)⼆、地表温度反演的总体流程三、具体步骤1、辐射定标地表温度反演主要包括两部分,⼀是对热红外数据,⼆是多光谱数据进⾏辐射定标。
(1)热红外数据辐射定标选择Radiometric Correction/Radiometric Calibration。
在File Selection对话框中,选择数据LC81230322013132LGN02_MTL_Thermal,单击Spectral Subset选择Thermal Infrared1(10.9),打开Radiometric Calibration⾯板。
Scale factor 不能改变,否则后续计算会报错。
保持默认1即可。
(2)多光谱数据辐射定标选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral”进⾏辐射定标。
因为后续需要对多光谱数据进⾏⼤⽓校正,可直接单击Apply Flaash Settings,如下图。
注意与热红外数据辐射定标是的差别,设置后Scale factor值为0.1。
2、⼤⽓校正本教程选择Flaash 校正法。
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。
注意:如果在多光谱数据辐射定标时Scale factor值忘记设置,可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1,若已设置,则默认值为1即可。
1)Input Radiance Image:打开辐射定标结果数据;2)设置输出反射率的路径,由于定标时候;3)设置输出FLAASH校正⽂件的路径,最优状态:路径所在磁盘空间⾜够⼤;4)中⼼点经纬度Scene Center Location:⾃动获取;5)选择传感器类型:Landsat-8 OLI;其对应的传感器⾼度以及影像数据的分辨率⾃动读取;6) 设置研究区域的地⾯⾼程数据;7)影像⽣成时的飞⾏过境时间:在layer manager中的Lc8数据图层右键选择View Metadata,浏览time字段获取成像时间;注:也可以从元⽂件“LC81230322013132LGN02_MTL.txt”中找到,具体名称:DATE_ACQUIRED = 2013-05-12;SCENE_CENTER_TIME = 02:55:26.6336980Z;8) ⼤⽓模型参数选择:Sub-Arctic Summer(根据成像时间和纬度信息选择);9) ⽓溶胶模型Aerosol Model:Urban,⽓溶胶反演⽅法Aerosol Retrieval:2-band(K-T);10) 其他参数按照默认设置即可。
Landsat简介及数据预处理教学内容

L a n d s a t简介及数据预处理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:/s/blog_764b1e9d01016gvh.html。
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。
(2)在Radiometric Calibration面板中,可以选择定标类型:辐射亮度值和大气表观反射率。
(3)其他选项是方便用于FLAASH大气校正。
(4)选择文件名和路径输出(5)如图3所示,得到大气表观反射率数据。
图2:Radiometric Calibration面板图3:大气表观反射率结果ENVI下的Landsat8大气校正(初试)Landsat8 OLI陆地成像仪比之前的TM/ETM+多了两个波段,0.433–0.453 μm和 1.360–1.390 μm ,怎么多的波段对于地表反演更加有利。
ENVI5.1直接支持Landsat8的大气校正(2013下半年发布),利用ENVI5.1 提供的Landsat8 波谱响应函数在ENVI5.0SP3 下也能完成大气校正。
landsat8数据下载流程-详细版

Landsat8数据下载流程
下载网址:1)/
2)http://gloLeabharlann /
上述两网站是一体的,登录账号一致。个人觉得earthexplorer用户体验更好,不过需要安装插件,下面就以/数据下载为例。
图2:浏览单景数据信息
图3:查询下载区域
(4)
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(有些浏览器可能会阻止弹出窗口,设置允许弹出即可)。
图4:添加下载列表框
(5)
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。
下载流程亦可参考:/s/blog_764b1e9d01018qlb.html
1
首次打开网站,需要下载并安装插件Java,才能显示影像信息。
2
(1)
这里选择Landsat 8 OLI。
图1:选择下载数据类型
(2)
1)可以通过经纬度或者轨道号查询数据。
2)通过选择具体时间,或者Prev Scene/Next Scene按钮查看数据情况,图3以轨道号【轨道号(123,045),数据如黄框所示】查询广东数据。
(6)
登陆后图5位置,弹出下载列表,选择download。
图5:下载列表
选择Level 1 GeoTIFF Data Product,下载即可。
3
4
可参考:/s/blog_764b1e9d01018rat.html
ERDAS 处理Landsat-8 卫星数据 20170629

ERDAS处理Landsat-8卫星数据樊疆北京天图科技有限公司2017/6/29目录◆Landsat-8 数据概述◆Landsat-8 数据常规处理◆基于空间建模的Landsat-8分析◆Landsat-8 变化监测Landsat-8 数据介绍•2013年2月11号,NASA 成功发射了Landsat 8 卫星。
携带两个载荷:OLI(Operational Land Imager 陆地成像仪)和TIRS(Thermal Infrared Sensor 热红外传感器)。
传感器波段名称波段(μm)空间分辨率(m)OLI陆地成像仪Band 1 Coastal海岸波段0.433–0.45330 Band 2 Blue蓝波段0.450–0.51530 Band 3 Green绿波段0.525–0.60030 Band 4 Red红波段0.630–0.68030 Band 5 NIR近红外波段0.845–0.88530 Band 6 SWIR 1短波红外1 1.560–1.66030 Band 7 SWIR 2短波红外2 2.100–2.30030 Band 8 Pan全色波段0.500–0.68015 Band 9 Cirrus卷云波段 1.360–1.39030TIRS热红外传感器Band 10 TIRS 1热红外110.6-11.2100 Band 11 TIRS 2热红外211.5-12.5100Landsat-8 波段应用•OLI陆地成像仪:被动感应地表反射的太阳辐射和散发的热辐射。
•TIRS热红外传感器:收集地球热量流失,目标是了解所观测地带水分消耗,特别是干旱地区水分消耗。
波段名称用途Band 1 海岸波段海岸带观测(海水颜色和水质、海岸带气溶胶)Band 2 蓝波段对水体有投射能力,能够反射浅水水下特征,可区分土壤和植被、编制森林类型图、区分人造地物类型Band 3 绿波段探测健康植被绿色反射率、可区分植被类型和估计作物长势,区分人造地物类型,对水体有一定的穿透能力Band 4 红波段测量植物绿色素吸收率,进行植物分类,区分人造地物类型Band 5 近红外波段植被反射率非常高,有效监测植被,测定生物量和作物长势、区分植被类型、绘制水体边界Band 6 短波红外1对于监测裸土非常有效,可以反应裸土表面的湿度情况,用于探测土壤湿度,区分云和雪Band 7 短波红外2探测高温辐射源,如检测森林火灾、火山等,区分人造地物Band 8 全色波段可以更好区分植被与非植被区域Band 9 卷云波段包括水汽强吸收特征,可用于卷云检测Band 10 热红外1二者配合使用能够在反演的时候对大气削弱进行修正,将地表温度从大气温度中分离出来,可用于热强度测定分析,探测地表物质自身热辐射Landsat-8 波段合成•波段合成常用方法波段合成RGB用途4 3 2 (Red Green Blue)自然真彩色(易受到大气的影响,有时图像不够清晰)7 6 5 (SWIR2 SWIR1 NIR)穿透大气层7 5 3 (SWIR2 NIR Green)移除大气影响的自然表面(植被显示为不同深度的绿)7 6 4 (SWIR2 SWIR1 Red)城市监测(效果比较明亮)7 5 2 (SWIR2 NIR Blue)森林火灾(对火点燃烧引起的烟雾的敏感度降低)6 5 2 (SWIR1 NIR Blue)农作物监测(农作物显示为高亮的绿色、裸地显示为品红色、休耕地显示为很弱的墨绿色)6 5 4 (SWIR1 NIR Red)植被分析6 3 2 (SWIR1 Green Blue)地质监测(没有或少量植被情况下,突出地表景观)57 1 (NIR SWIR2 Costal)监测植被和水体(植被显示为橘红)5 6 4 (NIR SWIR1 Red)区分陆地和水体(深浅的橙色和绿色是陆地、冰显示为很亮的玫红色、深/浅蓝色是水)5 4 3 (NIR Red Green)标准假彩色图像CIR监测植被、农作物和湿地(植被显示为红色、植被越健康红色越亮),还可以区分植被种类Landsat-8 波段合成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Landsat-8 波段合成753 移除大气影响的自然表面(植被显示为不同深度的绿)652农作物监测(农作物显示为高亮的绿色、裸地显示为品红色、休耕地显示为很弱的墨绿色)Landsat-8 波段合成564 区分陆地和水体764 水体和植被得到了增强(深浅的橙色和绿色是陆地、深/浅蓝色是水)Landsat-8 数据组织•下载:Landsat-8 L1T数据在USGS官网(https:///)、地理空间云可以免费下载可下载数据基本能覆盖全球,行列号采用WRS2(卫星条带号的一个参考坐标系统)。
Landsat8卫星遥感数据预处理方法

0 引 言
2013年 2月 ,美 国航 空 航 天 局 (national aero— nautics and space administration,NASA)在 美 国加 利 福尼 亚 成 功 发 射 了 Landsat家 族 的第 8颗 陆 地 卫 星—— Landsat8。Landsat8的发射 是 “陆地 卫 星数 据 连续性任务 ”(Landsat data continuity mission,LDCM) 的一 个重要 组成 部分 ,该任 务是 纪念 Landsat系列 卫 星发 射 40 a而 特别制 订 的。Landsat8卫 星搭 载有 陆 地成像仪 (operational land imager,OLI)和热红外传 感器 (thermal infrared sensor,TIRS)。OLI被 动 感 应 地表 反射 的太 阳辐射 和散发 的热辐 射 ,有 9个 波段 , 覆盖 了从 可 见 光 到 红 外 谱 段 的 不 同 波 长 范 围 。与 Landsat7卫 星搭 载的传感 器 ETM 相 比 J,OLI增 加 了 1个 C/A波段 (0.433~0.453 m)和 1个 短波 红 外波 段 (Band 9,1.360~1.390 m)。C/A 波 段 主 要用 于海岸 带 观测 ;短波 红外 波段 能 反 映水 汽强 吸 收特 征 ,可 用 于 卷 云 检 测 。TIRS是 有 史 以 来 最 先 进、性能最好的热红外传感器 ,能收集地球热量 流 失,可用于了解所观测地带的水分消耗 、特别是干旱 地 区的水分 消耗 。
收稿 Et期 :2015一O1—21;修订 日期 :2015—03—01
本文将针对 Landsat8卫星 的原始数据 ,首先 对 原始数据的解 同步、解包等解析步骤进行分析和讨
landsat8处理流程

landsat8处理流程Landsat 8, a satellite launched by NASA and the US Geological Survey in 2013, provides valuable data for a wide range of applications, including land use monitoring, disaster response, and environmental management. Landsat 8 captures images of theEarth's surface using different spectral bands, allowing scientists and researchers to analyze changes over time and track various phenomena such as deforestation, urban expansion, and agricultural productivity. The processing workflow for Landsat 8 data involves several steps to convert raw satellite images into usable information that can be utilized for research and analysis.对于许多科学家和研究人员来说,Landsat 8卫星提供的数据是极其宝贵的,这些数据可以被用于各种应用,包括土地利用监测、灾害响应和环境管理。
通过使用不同的光谱波段拍摄地球表面的图像,Landsat 8卫星使得科学家和研究人员能够分析地表变化,并跟踪各种现象,如森林砍伐、城市扩张和农业生产力。
为了将Landsat 8卫星数据处理成可以用于研究和分析的信息,需要进行多个步骤的处理流程。
landsat8植被提取步骤 -回复

landsat8植被提取步骤-回复Landsat 8植被提取步骤:第一步:数据获取与准备Landsat 8是美国国家航空航天局(NASA)和美国地质调查局(USGS)联合运营的一颗卫星,它搭载了一台名为Operational Land Imager (OLI)的传感器,可以提供高空间分辨率和多光谱信息的遥感数据。
要进行植被提取,首先需要获取Landsat 8的遥感影像数据。
这些数据可以从USGS 的遥感数据分发网站下载。
下载到数据后,还需要对其进行一些预处理以准备后续的植被提取分析。
预处理步骤通常包括校正、大气校正和辐射校正。
这些校正步骤旨在消除不同波段之间的辐射差异和大气干扰,以确保准确的植被提取结果。
第二步:选择植被指标植被指标是通过遥感数据计算得出的数值,用于衡量植被的生长状况和覆盖程度。
在Landsat 8数据中,常用的植被指标有Normalized Difference Vegetation Index (NDVI)和Enhanced Vegetation Index (EVI)。
选择合适的植被指标是提取植被信息的关键步骤。
NDVI是其中一种广泛使用的植被指标,计算公式为:(NIR - R) / (NIR + R),其中NIR代表近红外波段的反射值,R代表红光波段的反射值。
NDVI的取值范围为-1到1,数值越高代表植被覆盖度越高。
EVI是在NDVI基础上进行改进的植被指标,能够更好地消除大气干扰和土壤背景噪声。
计算公式为:EVI = 2.5 * (NIR - R) / (NIR + 6 * R - 7.5 * B + 1),其中B代表蓝光波段的反射值。
EVI的取值范围也为-1到1,数值越高代表植被覆盖度越高。
根据研究目的和数据特点,选择适合的植被指标进行后续的分析和提取。
第三步:获取植被提取结果在得到合适的植被指标后,可以使用不同的方法来提取植被信息。
常用的方法包括阈值分割、土地覆盖分类和机器学习算法。
Landsat8数据介绍、获取及合成-12页word资料

Landsat8数据介绍、获取及合成2013年2月11日,第八颗LandSat卫星在加州范登堡空军基地进行发射。
并作出说明5月底之前,所有用户都可以下载使用,注意是对所有用户。
下面是原话“By the end of May 2013, data from the Landsat 8 satellite will be available to all users. Each day, 400 scenes acquired by the Operational Land Imager (OLI) and Thermal Infrared Sensor (TIRS) will be archived at the USGS EROS Center, and will be processed to be consistent with current standard Landsat data products. Data will be ready to download within 24 hours of reception.”老美的效率就是高,其实中国的效率也是挺高的,就是不容易获得自己想用的,大家都懂得。
言归正传,今天landsat8数据尝鲜,有点小高兴,遂把数据的详细获取步骤及合成分享给能用到的朋友。
先来张13年6月的landsat8影像合成图:(刚出炉的)肿么是这个样子的一、Landsat8数据LDCM(Landsat Data Continuity Mission) 计划是美国国家航空航天局(NASA)陆地卫星系列的第八个计划,由NASA和美国地质调查局联合运行的计划,旨在长期对地进行观测。
该计划主要对资源、水、森林、环境和城市规划等提供可靠数据。
LandSat-8上携带有两个主要载荷:OLI和TIRS。
其中OLI(全称:Operational Land Imager ,运营性陆地成像仪)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。
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)。
处理landsat8遥感影像流程

处理landsat8遥感影像流程下载温馨提示:该文档是我店铺精心编制而成,希望大家下载以后,能够帮助大家解决实际的问题。
文档下载后可定制随意修改,请根据实际需要进行相应的调整和使用,谢谢!并且,本店铺为大家提供各种各样类型的实用资料,如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等,如想了解不同资料格式和写法,敬请关注!Download tips: This document is carefully compiled by theeditor.I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!详述Landsat 8遥感影象的处理流程Landsat 8,作为全球最广泛应用的地球观测卫星之一,为我们提供了丰富的地表信息。
landsat8植被提取步骤 -回复

landsat8植被提取步骤-回复Landsat 8是一款美国国家航空航天局(NASA)和美国地质调查局(USGS)合作开发的卫星,旨在提供高分辨率的地球观测数据。
它携带了一台名为OLI(Operational Land Imager)的传感器,可以获取多光谱影像。
这使得Landsat 8成为研究植被覆盖和植被健康状况的理想工具。
本文将介绍使用Landsat 8数据进行植被提取的步骤。
步骤1:数据获取和预处理获取Landsat 8卫星数据是植被提取流程中的第一步。
您可以通过美国地质调查局网站(USGS Earth Explorer)或其他数据提供商获得卫星影像。
通常,您需要选择适合您研究区域和时间范围的图像。
下载完成后,您需要对原始数据进行预处理,包括影像配准、辐射校正和云去除等。
这些步骤可以使用遥感图像处理软件如ENVI、QGIS或ArcGIS实现。
步骤2:图像增强和索引计算在进行植被提取之前,您可以对影像进行一些增强操作,以便更好地区分植被和非植被区域。
这些增强操作包括直方图均衡化、对比度拉伸和多尺度变换等。
然后,您可以计算一些植被指数,如归一化差异植被指数(NDVI)和土地表面水指数(LSWI)等。
这些指数可以通过以下公式计算:NDVI = (NIR - Red) / (NIR + Red)LSWI = (NIR -SWIR2) / (NIR + SWIR2)其中,NIR代表近红外波段,Red代表红色波段,SWIR2代表短波红外波段2。
步骤3:阈值分割阈值分割是一种将遥感影像转换为二值图像的方法,即将植被和非植被区域分开。
在这一步骤中,您需要确定适当的阈值,以便正确地提取植被。
常用的阈值分割方法包括基于直方图的阈值法和基于自适应阈值的方法。
您可以在遥感图像处理软件中使用相应的工具进行阈值分割。
步骤4:去除噪声和填充空洞在进行阈值分割后,可能会出现一些噪声和空洞。
为了得到更加准确的植被提取结果,您需要移除这些干扰因素。
Landsat 8版本1.1.0地表表面温度检索说明书

Package‘LST’October12,2022Title Land Surface Temperature Retrieval for Landsat8Version1.1.0Description Calculates Land Surface Temperature from Landsat band10and11.Revision of the Single-Channel Algorithm for Land Surface Temperature Retrieval From Landsat Thermal-Infrared Data.Jimenez-Munoz JC,Cristobal J,Sobrino JA,et al(2009).<doi:10.1109/TGRS.2008.2007125>.Land surface temperature retrieval from LANDSAT TM5.Sobrino JA,Jiménez-Muñoz JC,Paolini L(2004).<doi:10.1016/j.rse.2004.02.003>.Surface temperature estimation in Singhbhum Shear Zone of India using Landsat-7ETM+ther-mal infrared data.Srivastava PK,Majumdar TJ,Bhat-tacharya AK(2009).<doi:10.1016/j.asr.2009.01.023>.Mapping land surface emissivity from NDVI:Application to European,African,and South Amer-ican areas.Valor E(1996).<doi:10.1016/0034-4257(96)00039-9>.On the relationship between thermal emissivity and the normalized difference vegetation in-dex for natural surfaces.Van de Griend AA,Owe M(1993).<doi:10.1080/01431169308904400>.Land Surface Temperature Retrieval from Landsat8TIRS—Comparison between Radia-tive Transfer Equation-Based Method,Split Window Algorithm and Single Chan-nel Method.Yu X,Guo X,Wu Z(2014).<doi:10.3390/rs6109829>.Calibration and Validation of land surface temperature for Landsat8-TIRS nd product validation and evolution.Skokovi´c D,Sobrino JA,Jimenez-Munoz JC,Soria G,Julien Y,Mattar C,Cristóbal J.(2014).Depends R(>=3.5.0)Imports rasterLicense AGPL-3Encoding UTF-8RoxygenNote7.1.1NeedsCompilation noAuthor Bappa Das[aut,cre](<https:///0000-0003-1286-1492>),Debasish Roy[aut,ctb],Debashis Chakraborty[aut,ctb],Bimal Bhattacharya[aut,ctb],Pooja Rathore[aut,ctb]12BTMaintainer Bappa Das<*************************>Repository CRANDate/Publication2021-05-1707:30:23UTCR topics documented:BT (2)E_Skokovic (3)E_Sobrino (4)E_Valor (4)E_VandeGriend (5)E_Yu (6)MWA (6)NDVI (7)Pv (8)RTE (9)SCA (10)SW A (11)Ta (12)tau (12)Index14 BT At-Sensor Temperature or brightness temperatureDescriptionThis function calculates at-Sensor Temperature or brightness temperatureUsageBT(Landsat_10=Landsat_10,Landsat_11=Landsat_10)ArgumentsLandsat_10Raster*object,Landsat band10Landsat_11Raster*object,Landsat band11ValueA list containing brightness temperature corresponding to Landsat band10and Landsat band11E_Skokovic3 Examplesa<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(a)=runif(10000,min=27791,max=30878)b<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(b)=runif(10000,min=25686,max=28069)BT(Landsat_10=a,Landsat_11=b)E_Skokovic Land Surface Emissivity according to Skokovic et al.2014DescriptionThis function calculates Land Surface Emissivity according to Skokovic et al.2014UsageE_Skokovic(red=red,NDVI=NDVI,band=band)Argumentsred Raster*object,red band of remote sensing imageryNDVI Raster*object,NDVI calculated from remote sensing imageryband A string specifying which Landsat8thermal band to use.It can be"band10"or "band11"ValueRasterLayerExamplesred<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(red)=runif(10000,min=0.1,max=0.4)NDVI<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(NDVI)=runif(10000,min=0.02,max=0.8)E_Skokovic(red=red,NDVI=NDVI,band="band11")4E_Valor E_Sobrino Land Surface Emissivity according to Sobrino et al.2008DescriptionThis function calculates Land Surface Emissivity according to Sobrino et al.2008UsageE_Sobrino(red=red,NDVI=NDVI)Argumentsred Raster*object,red band of remote sensing imageryNDVI Raster*object,NDVI calculated from remote sensing imageryValueRasterLayerExamplesred<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(red)=runif(10000,min=0.1,max=0.4)NDVI<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(NDVI)=runif(10000,min=0.02,max=0.8)E_Sobrino(red=red,NDVI=NDVI)E_Valor Land Surface Emissivity according to Valor and Caselles1996DescriptionThis function calculates Land Surface Emissivity according to Valor and Caselles1996UsageE_Valor(NDVI)ArgumentsNDVI Raster*object,NDVI calculated from remote sensing imageryE_VandeGriend5 ValueRasterLayerExamplesNDVI<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(NDVI)=runif(10000,min=0.02,max=0.8)E_Valor(NDVI)E_VandeGriend Land Surface Emissivity according to Van de Griend and Owe1993DescriptionThis function calculates Land Surface Emissivity according to Van de Griend and Owe1993UsageE_VandeGriend(NDVI)ArgumentsNDVI Raster*object,NDVI calculated from remote sensing imageryValueRasterLayerExamplesNDVI<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(NDVI)=runif(10000,min=0.02,max=0.8)E_VandeGriend(NDVI)6MW A E_Yu Land Surface Emissivity according to Yu et al.2014DescriptionThis function calculates Land Surface Emissivity according to Yu et al.2014UsageE_Yu(red=red,NDVI=NDVI,band=band)Argumentsred Raster*object,red band of remote sensing imageryNDVI Raster*object,NDVI calculated from remote sensing imageryband A string specifying which Landsat8thermal band to use.It can be"band10"or "band11"ValueRasterLayerExamplesred<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(red)=runif(10000,min=0.1,max=0.4)NDVI<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(NDVI)=runif(10000,min=0.02,max=0.8)E_Yu(red=red,NDVI=NDVI,band="band11")MWA Mono window algorithmDescriptionThis function calculates Land Surface Temperature using mono window algorithmUsageMWA(BT=BT,tau=tau,E=E,Ta=Ta)NDVI7 ArgumentsBT Raster*object,brightness temperaturetau Atmospheric transmittanceE Raster*object,Land Surface Emissivity calculated according to Van de Griendand Owe1993or Valor and Caselles1996or Sobrino et al.2008 Ta Mean atmospheric temperature(K)of the date when Landsat passed over the study areaValueRasterLayerExamplesBTemp<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(BTemp)=runif(10000,min=298,max=305)E<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(E)=runif(10000,min=0.96,max=0.99)MWA(BT=BTemp,tau=0.86,E=E,Ta=26)NDVI NDVIDescriptionFunction for NDVI calculationUsageNDVI(Red,NIR)ArgumentsRed Raster*object,red band of remote sensing imageryNIR Raster*object,NIR band of remote sensing imageryValueRasterLayer8Pv Examplesred<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(red)=runif(10000,min=0.1,max=0.4)NIR<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(NIR)=runif(10000,min=0.1,max=0.6)NDVI(Red=red,NIR=NIR)Pv Proportion of vegetation or fractional vegetation coverDescriptionCalculation of the proportion of vegetation or fractional vegetation cover from NDVIUsagePv(NDVI,minNDVI,maxNDVI)ArgumentsNDVI Raster*object,NDVI calculated from remote sensing imageryminNDVI=0.2(Ref.Sobrino et al.2004)maxNDVI=0.5(Ref.Sobrino et al.2004)ValueRasterLayerExamplesNDVI<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(NDVI)=runif(10000,min=0.02,max=0.8)Pv(NDVI=NDVI,minNDVI=0.2,maxNDVI=0.5)RTE9 RTE Radiative transfer equation methodDescriptionThis function calculates Land Surface Temperature using radiative transfer equation methodUsageRTE(TIR=TIR,tau=tau,E=E,dlrad=dlrad,ulrad=ulrad,band=band)ArgumentsTIR Raster*object,Landsat band10or11tau Atmospheric transmittanceE Raster*object,Land Surface Emissivity calculated according to Van de Griendand Owe1993or Valor and Caselles1996or Sobrino et al.2008 dlrad Downwelling radiance calculated from https:///ulrad upwelling radiance calculated from https:///band A string specifying which Landsat8thermal band to use.It can be"band10"or "band11"ValueRasterLayerExamplesTIR<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(TIR)=runif(10000,min=27791,max=30878)BT<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(BT)=runif(10000,min=298,max=305)E<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(E)=runif(10000,min=0.96,max=0.99)Ts_RTE<-RTE(TIR=TIR,tau=0.86,E=E,dlrad=2.17,ulrad=1.30,band="band11")10SCA SCA Single channel algorithmDescriptionThis function calculates Land Surface Temperature using single channel algorithmUsageSCA(TIR=TIR,BT=BT,tau=tau,E=E,dlrad=dlrad,ulrad=ulrad,band=band)ArgumentsTIR Raster*object,Landsat band10or11BT Raster*object,brightness temperaturetau Atmospheric transmittanceE Raster*object,Land Surface Emissivity calculated according to Van de Griendand Owe1993or Valor and Caselles1996or Sobrino et al.2008 dlrad Downwelling radiance calculated from https:///ulrad upwelling radiance calculated from https:///band A string specifying which Landsat8thermal band to use.It can be"band10"or "band11"ValueRasterLayerExamplesTIR<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(TIR)=runif(10000,min=27791,max=30878)BT<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(BT)=runif(10000,min=298,max=305)E<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(E)=runif(10000,min=0.96,max=0.99)Ts_SCA<-SCA(TIR=TIR,BT=BT,tau=0.86,E=E,dlrad=2.17,ulrad=1.30,band="band11")SWA11 SWA Split-window algorithmDescriptionThis function calculates Land Surface Temperature using split-window algorithmUsageSWA(TIR_10=TIR_10,TIR_11=TIR_11,tau_10=tau_10,tau_11=tau_11,E_10=E_10,E_11=E_11)ArgumentsTIR_10Raster*object,Landsat band10TIR_11Raster*object,Landsat band11tau_10Atmospheric transmittance for Landsat band10tau_11Atmospheric transmittance for Landsat band11E_10Raster*object,Land Surface Emissivity for Landsat band10calculated accord-ing to Skokovic et al.2014or Yu et al.2014E_11Raster*object,Land Surface Emissivity for Landsat band11calculated accord-ing to Skokovic et al.2014or Yu et al.2014ValueRasterLayerExamplesTIR_10<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(TIR_10)=runif(10000,min=27791,max=30878)TIR_11<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(TIR_11)=runif(10000,min=25686,max=28069)E_10<-raster::raster(ncol=100,nrow=100)set.seed(1)raster::values(E_10)=runif(10000,min=0.96,max=0.99)E_11<-raster::raster(ncol=100,nrow=100)set.seed(2)raster::values(E_11)=runif(10000,min=0.96,max=0.99)12tau Ts_SWA<-SWA(TIR_10=TIR_10,TIR_11=TIR_11,tau_10=0.86,tau_11=0.87,E_10=E_10,E_11=E_11)Ta Mean atmospheric temperatureDescriptionThis function calculates mean atmospheric temperature(Ta)using near-surface air temperature(To)UsageTa(To=To,mod=mod)ArgumentsTo Near-surface air temperature(°C)of the date when Landsat passed over the study areamod A string specifying which model to use.It can be anyone of"USA1976Stan-dard"or"Tropical Region"or"Mid-latitude Summer Region"or"Mid-latitudeWinter Region"ValueMean atmospheric temperature(K)ExamplesTa(To=26,mod="Mid-latitude Winter Region")tau Atmospheric transmittance calculationDescriptionThis function calculates Atmospheric transmittance from near-surface air temperature(To,°C)and relative humidity(RH,%)of the date when Landsat passed over the study areaUsagetau(To=To,RH=To,band=band)tau13ArgumentsTo Near-surface air temperature(°C)of the date when Landsat passed over the study areaRH relative humidity(%)of the date when Landsat passed over the study area band A string specifying which Landsat8thermal band to use.It can be"band10"or "band11"ValueAtmospheric transmittanceExamplestau(To=26,RH=42,band="band11")IndexBT,2E_Skokovic,3E_Sobrino,4E_Valor,4E_VandeGriend,5E_Yu,6MWA,6NDVI,7Pv,8RTE,9SCA,10SWA,11Ta,12tau,1214。
采用landsat8产品算法流程的高分一号数据大气校正

农业工程学报 Transactions of the Chinese Society of Agricultural Engineering
Vol.36 No.1 Jan. 2020
采用 Landsat8 产品算法流程的高分一号数据大气校正
张晓月 1,2,3,李琳琳 2,3,王 莹 2,3,张 琪 2,3,李国春 4
目前大气校正处理应用较为广泛的 6S 模型是美国马 里兰大学地理系在 5S[12]模型基础上研发的[13],该模型在气 体透过率、瑞利散射及气溶胶光学厚度计算等方面进行了 改进,在 MODIS 产品大气校正计算方面表现尤为突出[14]。 2005 年 6SV1 版本公布,该版本较之前的模型主要增加 了辐射极化的计算[15],2015 年更新的 6SV2.1 是最新版 本。学者们应用 6S 模型进行了多种遥感数据的大气校正 研究,推进了模型的改进和应用。刘佳等[16]研究了基于 6S 模型的高分一号卫星 16 m 分辨率数据大气校正,并将 批量处理的效率提高了 75.0%以上。孙林等[17]提出了地表 反射率支持的 GF-1 PMS 气溶胶光学厚度反演及大气校 正方法,通过对北京、太湖 2 个 AERONET 站点观测的 气溶胶光学厚度验证,得到反演地表反射率与实测地表 反射率误差低于 0.015 的结果,算法具备较高精度。孙元 亨等[18]应用 6S 模型对 GF-1 WFV 数据进行了大气校正, 开展了 GF-4 PMS 与 GF-1 WFV 地表反射率及 NDVI 一 致性的分析,校正前后相关系数分别为 0.74 和 0.77,二
再将包含当日大气可降水和臭氧含量的辅助数据文件等代入 6S 模型,得到大气校正后的地表反射率。试验表明,该大气
2013年Landsat8 OLI影像数据处理方法

2013年Landsat8 OLI影像数据处理方法原因:由于Erdas 9.2软件在处理Landsat 8 OLI数据影像时,融合效果不理想,经过拉伸后图像可辨识度不高,故采用ENVI 5.0 sp3结合Erdas 9.2处理影像。
具体步骤如下:
1、利用ENVI 5.0 sp3对影像进行全色与多光谱的融合。
(1)启动ENVI5 SP3软件,选择File -> Open ,选择_MTL.txt 文件打开;
(2)工具箱中,双击Image Sharpening -> Gram-Schmidt Pan Sharpening;
(3)对话框中先选择多光谱数据文件,点击OK,再选择全色数据文件,点击OK;
(4)在Pan Sharpening Parameters参数面板,选择传感器类型为:Idcm_oli,重采样方法选择Cubic Convolution,设置输出路径和文件名;
2、利用ENVI 5.0 sp3导出.dat格式为.tif。
在ENVI5 SP3软件,选择File -> Save as ,选择_.dat文件,Output Format格式框选择TIIF(.tif)类型,设置好保存路径和文件名,点击OK。
3、利用Erdas 9.2软件的Import模块转换.tif为.img格式文件。
4、利用Erdas 9.2软件的Interpreter模块下的Layer Stack将文件输出为只有B
5、B4、B3波段的影像数据。
5、进行几何精纠正。
Landset影像数据数据处理流程

Landsat影像数据数据处理流程1 影像打开打开XXXX_MTL.txt文本文件可以对影像进行一个线性拉伸2:射定标在进行其他操作之前,我们应该做一辐射定标,如果先进行其他操作,定标参数可能会丢失,因此在进行其他步骤之前先进行辐射定标选择要辐射定标的多光谱影像数据对影像进行辐射定标3 影像裁剪我们一般要处理我们感兴趣区域的影像,而没必要对正幅影像进行处理,因此需要进行影像裁剪。
很多教材都是在做完影像镶嵌后或者其他操作后再做裁剪,但是比较耗费时间,在不影响其他操作之前,我们先对影像进行裁剪3.1 打开矢量文件本次使用的是shp文件(矢量文件的坐标系应该和影像数据坐标系相同,如果不相同建议在ArcGIS中进行处理)3.2 打开ROI工具导入矢量文件3.3 关联影像文件3.4 影像裁剪这里要注意:只处理矢量范围内部的影像数据。
我们看到我们裁剪的结果,同样对另外一幅影像进行操作4 影像镶嵌我们的影像是有地理坐标的,因此我们使用Seamless Mosaic 工具进行影像镶嵌4.1 加载影像我们可以计算一下Footprints4.2 色彩平衡两幅影像往往存在一定的色差,一般我们需要进行色彩平衡处理,否则镶嵌后的影像效果比较不理想。
在色彩平衡中,我们一般现在面积较大的影像作为参考影像,选择面积较小的作为色彩校正影像。
(如果右键影像没有出现Reference等信息,可以先选择Color Correction选项卡,勾线直方图后再进行操作)在进行色彩平衡前,我们明显可以看到影像在接边线出有色差勾选show preview后,我们可以看到两幅影像的色差不明显了!4.3 无缝镶嵌自动生成接边线,自动生成的接边线往往比较生硬,往往我们需要对接边线进行编辑,是接边线沿山脊,河流等进行接边,因此需要对接边线进行编辑对接边线编辑好后,对停止接边线处理在接边线选项卡中,选择应用接边线并基于接边线进行羽化处理4.4 导出镶嵌影像最后镶嵌的结果还是挺让我们满意的。
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。
- 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)。
武汉中心LandSat-8数据处理流程v0.11 ndSat 8数据简介1.1传感器平台2013年2月11号,NASA 成功发射了 Landsat 8 卫星,为走过了四十年辉煌岁月的 Landsat 计划重新注入新鲜血液。
LandSat-8上携带有两个主要载荷:OLI和TIRS。
2013年5月30号开始向全球提供免费下载(/)。
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。
表1-1 OLI陆地成像仪OLI与ETM+波段一览Landsat-8卫星搭载了由戈达德航天飞行中心(GSFC)研制的专用于热红外谱段成像的热红外探测器——TIRS成像仪。
TIRS成像仪与OLI成像仪工作方式相似,也是推扫式结构,在Landsat-8卫星705km 的轨道上,能够获取成像幅宽为185km、地面分辨率为100m的两个热红外波段图像。
TIRS成像仪能够获取10.8μm和12μm两个热红外波段图像(表2),二者配合使用能够在反演的时候对大气削弱进行修正,将地表温度从大气温度中分离出来,可用于热强度测定分析,探测地表物质自身热辐射。
TIRS成像仪的数据量化为12比特,辐射分辨率也比ETM+的热红外图像更高。
表1-2 TIRS载荷参数1.2 LandSat-8产品分级参照美国对Landsat卫星数据及其产品的描述,Landsat-8数据产品分为L0Rp、L1G、L1Gt和L1T几个等级1。
表1-3 LandSat-8 产品级别L0Rp数据产品是卫星地面系统对卫星原始数据进行帧同步、去格式化、解压缩、分帧、分景、重新格式化处理生成的数据集,其中包含后续处理所需的所有图像数据和辅助数据。
但是,由于Landsat-8卫星上传感器阵列的排列方式以及推扫式的成像方式,导致了相邻传感器获取的地物图像在几何位置上存在偏移,L0Rp数据没有对这个偏移进行校正处理,所以用户无法直接使用L0Rp数据。
L1G数据产品是辐射校正数据经过系统级几何校正处理(未使用地面控制点和数字高程模型数据)得到的数据产品。
L1Gt数据产品是辐射校正数据进行系统几何校正并在校正处理中使用数字高程模型得到的数据产品。
L1T数据产品是辐射校正数据使用地面控制点和数字高程模型数据进行精确校正后的数据产品。
在几何校正产品生产过程中,中国地区采用的数字高程模型数据源为SRTM(Shuttle radar Topography Mission),其水平分辨率为30m,相对精度为10m;采用的地面控制点库为GLS2005(Global Land Survey,2005),根据2012年USGS、NASA以及马里兰大学的精度评价,GLS2005 80%的数据精度高于30m,97%的数据精度高于50m。
经过几何精校正后的Landsat-8 L1T产品,与以往的Landsat产品相比,产品精度方面有了大幅提升。
根据USGS提供的信息,OLI成像仪L1T产品的理论设计几何标称精度为12m,TIRS 成像仪L1T产品的理论设计几何标称精度为41m。
现在中科院和USGS共享的Landsat-8数据均为L1T产品。
1.3数据组织Landsat-8的L1T产品下载后为一压缩包,其中文件如图1-1,包括一个元数据文件(.Txt),十一个单波段文件(.Tif),和一个BQA波段影像(用于影像质量评估,可用于构建某些光谱分析的mask文件,比如去除云雪影响)。
a.下载的压缩包b.解压后的文件列表图1-1 USGS网站下载的Landsat-8文件列表1.4命名规则Landsat-8压缩包的命名遵循以下规则:例如:LC81240422013299LGN00.tar.zipLC8:Landsat-8卫星124:WRS path042:WRS row2013:影像获得年份299:影像获得日期,从1月1日为1算起累计。
299即为10月26日LGN:接站代码00:产品级别2.数据预处理流程2.1 数据下载和读取Landsat-8数据在/网站上可以免费下载(注册账户:ww.wcgs;密码:w419419419),可下载数据基本能覆盖全球,行列号采用WRS2(卫星条带号的一个参考坐标系统),下载的数据多为L1T数据包。
图2-1 hyperion 数据网页下载界面数据读取可采用Envi5.1,在这里以Landsat 8数据“LC81240422013299LGN00”为例进行介绍。
File -> Open(或者File->Open As->Landsat->GeoTiff with medaData),选择LC81240422013299LGN00_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)。
打开真彩色波段组合后如下图所示:2.2 辐射定标因为L1T文件已经经过了带DEM 的地形校正,所以坐标精度基本能满足中小比例尺的要求,但还未做辐射定标和大气校正,首先需采用ENVI 的工具箱中查找工具:/Radiometric Correction/Radiometric Calibration ;双击此工具,选择要校正的多光谱数据“LC81240422013299LGN00_MTL_MultiSpectral ”进行辐射定标,选择参数对话框中点击“Apply Flaash Setting ”后会自动读取元数据中的正射参数,也可以自己输入参数,主要参数如下图:A.envi 打开后列表B.原始影像C.植被处的DN 值图2-2 Envi 中打开Landsat-8原始图像*注:辐射定标后发现只剩下7个波段的图像,这是因为定标过程自动剔除了无用的卷云波段(B9)和质量检查波段(BQA ),而热红外的两个波段和全色波段因分辨率不同也没有参与运算。
2.3 大气校正大气校正是多光谱遥感数据进行地表参数定量分析的前提,主要是消除或减少大气分子和气溶胶的散射和吸收对地物反射率的影响。
目前大气校正的方法主要有经验线性法和基于物理的辐射传输模型法23。
现采取较为通用的大气辐射传输模型MODTRA 对Landsat-8数据进行大气校正4。
具体操作采用envi 里的flaash 模块。
选择Toolbox/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction ,打开FLAASH 大气校正工具。
参数设置如下:A.flaash 基本参数设置B.多光谱设置A.辐射定标面板B.辐射定标后的影像C.辐射定标后植被处的辐射亮度图2-3 辐射定标后的影像C.flaash高级设置D.大气校正后的影像E.大气校正结果F.大气校正后的植被DN值图2-4FLAASH选项参数详细说明如下:(1)文件输入与输出信息项目单击Input Radiance Image 按钮,选择上一步准备好的辐射亮度值数据lc8_rad.dat。
在Radiance Scale Factors 对话框中选择Use single scale factor for all bands(Single scale factor:1.000000),在辐射定标中对单位进行了转换。
单击Output Reflectance File 按钮选择输出文件名和路径。
(2)传感器与图像目标信息Lat:纬度,Lon:经度(FLAASH 自动获取)Sensor Type:LandSat-8 OLIGround Elevation(km):0.5(从相应区域的DEM 获得平均值,注意单位)Flight Date:2013-05-12Flight Time:02:55:26(格林尼治时间)注:在右边图层管理器中,单击右键选择View Metadata,在Metadata viewer 中浏览time 可以看到飞行时间(3)大气模型(Atmospheric Model):Sub-Arctic Summer(5 月份纬度:40-50)(4)气溶胶模型(Aerosol Model):Urban,应该根据实际情况选取,实例数据在郊外,采用rural。
(5)气溶胶反演(Aerosol Retrieval):2-Band(K-T)(6)初始能见度(Initial Visibility):40。
(7)多光谱设置(Multispectral Settings)Defaults 下拉框:Over-Land Retrieval Standard(660:2100)。
Filter Function File :选择ldcm_oli.sli 波谱响应文件 注:波谱响应函数:默认指向..\ProgramFiles\Exelis\ENVI51\classic\filt_func\landsat8_oli.sli 把它重新指向:..\Program Files\Exelis\ENVI51\resource\filterfuncs\landsat8_oli.sli ,这是因为ENVI5.1版本的一个小bug ,即Classic 中的L8的波谱响应函数不正确,另外一个一劳永逸的方法是:将“\Exelis\ENVI51\resource\filterfuncs ”中的Landsat8_oli.sli 和 Landsat8_oli.hdr 两个文件拷贝覆盖:“...\ENVI51\classic\filt_func ” 中的两个文件。
否则SWIR1波段大气校正后的结果全为0。
(8) 高级设置(Advanced Settings ):tile 设置为100M ,其余按照默认设置。
(9) 单击Apply 按钮,执行FLAASH ,结果如图2-4d 。
,浏览植被波谱曲线图2-4f ,大致可以看出大气校正后消除了大气散射的影响。
2.4 图像融合Landsat8 OLI 的图像,包含多光谱8 个波段,30 米空间分辨率,一个全色波段,15 米空间分辨率,以及热红外数据。