遥感图像的大气校正
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。
大气校正新方法
大气校正新方法全文共四篇示例，供读者参考第一篇示例：大气校正是遥感图像处理中至关重要的一步，它可以消除大气和云层等因素对图像的影响，使得遥感图像更加清晰和准确。
传统的大气校正方法主要是基于辐射传输模型，但是这些方法往往需要大量的参数和计算，且在实际应用中存在一定的局限性。
近年来，随着深度学习等技术的发展，一些新的大气校正方法也被提出，取得了一定的突破与进展。
一种新的大气校正方法是基于卷积神经网络（CNN）的深度学习方法。
在这种方法中，CNN可以学习到图像中的大气扰动模式，从而实现自动的大气校正。
这种方法不需要复杂的辐射传输模型，而是直接从数据中学习大气校正的规律，因此更加简单和高效。
随着深度学习技术的不断进步，这种方法在大气校正的效果上也逐渐得到了提升，成为了一种很有潜力的大气校正方法。
另一种新的大气校正方法是基于光学压缩成像（OCI）的技术。
OCI 是一种利用金属光栅的亚波长结构实现高空间频率成像的技术，可以在不同波长的图像之间进行线性变换，从而实现对大气干扰的校正。
这种方法不仅能够准确地去除大气扰动，还可以提高图像的空间分辨率，进一步提高遥感图像的质量。
除了以上所述的方法，还有一些其他新的大气校正方法值得关注。
比如基于深度学习与光学压缩成像相结合的方法，可以将两种技术的优势相结合，实现更加精准和高效的大气校正；基于超分辨率技术的大气校正方法，可以通过对图像进行超分辨率处理，进一步提高遥感图像的质量和分辨率。
随着科学技术的不断进步，大气校正方法也在不断创新和发展。
新的大气校正方法不仅可以更加高效地去除大气扰动，还可以提高遥感图像的质量和分辨率，为遥感图像处理和应用提供了更加丰富和多样的选择。
希望未来能够有更多的研究者投入到大气校正方法的研究中，为遥感技术的发展贡献一份力量。
【这里可以根据实际情况适当增加细节和案例分析，使文章更加丰富和具体】。
第二篇示例：大气校正是遥感影像处理的一个重要环节，可以有效减少大气因素对影像质量的影响，提高遥感数据的可用性。
遥感卫星影像辐射校正和大气校正的方法
北京揽宇方圆信息技术有限公司遥感卫星影像辐射校正和大气校正的方法辐射校正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。
利用传感器观测目标的反射或辐射能量时，所得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值叫做辐射误差。
辐射误差造成了遥感图像的失真，影响遥感图像的判读和解译，因此，必须进行消除或减弱。
需要指出的是，导致遥感图像辐射量失真的因素很多，除了由遥感器灵敏度特性引起的畸变之外，还有视场角、太阳角、地形起伏以及大气吸收、散射等的强烈影响。
遥感图像辐射校正主要包括三个方面：（1）传感器的灵敏度特性引起的辐射误差，如光学镜头的非均匀性引起的边缘减光现象、光电变换系统的灵敏度特性引起的辐射畸变等；（2）光照条件差异引起的辐射误差，如太阳高度角的不同引起的辐射畸变校正、地面倾斜、起伏引起的辐射畸变校正等；（3）大气散射和吸收引起的辐射误差改正。
辐射校正的目的主要包括：1、尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声等引起的传感器的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异；2、尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作奠定基础。
辐射校正分为辐射定标和大气校正两部分。
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，这个过程就是辐射定标。
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。
辐射校正流程图1.4.3.2影像辐射校正方法辐射定标主要分为两种类型：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，另一方面，物理模型遵循遥感系统的物理规律，它们也可以建立因果关系。
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(ENVI)
大气校正（ENVI）大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：∙ ∙ ●大气校正概述∙ ∙ ●ENVI中的大气校正功能1大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1 大气层对成像的影响示意图很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。
这些校正方法按照校正后的结果可以分为2种：∙∙●绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
∙∙●相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：●基于辐射传输模型∙ ∙♦MORTRAN模型∙ ∙♦LOWTRAN模型∙ ∙♦ATCOR模型∙ ∙♦6S模型等●基于简化辐射传输模型的黑暗像元法●基于统计学模型的反射率反演；相对大气校正常见的是：●基于统计的不变目标法●直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
遥感图像处理中大气校正方法综述
遥感图像处理中大气校正方法综述作者：廖吉庆章开灵来源：《科学与财富》2013年第03期摘要：本文就遥感图像处理中大气校正的一些方法进行论述，综合总结了遥感图像处理大气校正方法。
大气校正的方法主要有辐射传输模型、黑暗像元法、不变目标法、参考值大气校正法和大气阻抗植被指数法等。
关键词：遥感图像大气校正方法卫星遥感图像的大气校正，一直是遥感定量化研究的主难点之一。
近些年来，随着定量遥感技术迅速发展，特别利用多传感器、多时相遥感数据进行土地利用和土地覆盖化监测、全球资源环境分析、气候变化监测等的需要，使得感图像大气校正方法的研究越来越受到重视。
一、辐射传输模型在诸多的大气校正方法中校正精度高的方法是辐射传输模型法（Radiative transfer models）。
辐射传输模型法是利用电磁波在大气中的辐射传输原理建立起来的模型对遥感图像进行大气校正的方法。
国内很多研究者对辐射传输模型大气校正方法也作了很多研究工作。
秦益等人提出了基于辐射传输模型理论的AVHRR图像大气校正方案，并研制了软件系统。
李先华等人在讨论逐点计算遥感图像像元的大气程辐射值和大气透过率的方法和原理的基础上，提出了一个适合非均匀大气的、包括大气程辐射和大气透过率等修正内容的遥感图像广义大气校正模型。
张玉贵对TURNER模型进行改进，并对TM 图像进行了大气校正。
胡宝新等人提出了BRDF一大气订正环的大气校正方法。
这种方法首先用6S模型作基于朗伯体的大气校正，并通过一系列在不同成像几何条件的订正结果，在BRDF模型库中找到一种最能描述这些数据的模型，最后根据反演的模型参数进行基于BRDF的大气校正。
龙飞等人利用连续数天的多角度NOAA卫星数据，采用Rahman地表二向反射模型和基于地面BRDF反射率的大气校正方法反复迭代提出了多个角度大气校正后的图像。
二、黑暗像元法最理想的大气辐射校正和反射率反演方法应该是仅通过遥感影像信息，而不需要野外场地测量等辅助数据，并且能够适用于历史数据和很偏远的研究区域。
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。
遥感图象大气校正综述
遥感图象大气校正处理综述摘要:大气对遥感图象的处理有很大的影响，大气校正就是指消除大气影响的校正过程。
本文介绍处理遥感图像的大气校正的概念及原理, 对目前常用的大气校正方法做简单概括介绍, 包括辐射传输模型法、黑暗像元法、不变目标法、直方图匹配法等, 分析了各种方法的优缺点, 以及它们各自的使用范围。
关键词: 大气校正遥感图象遥感影像模型1引言航空、航天遥感平台上的传感器接收到的地物信息,由于地球大气的存在而得到衰减,因此,遥感器接收到的地物信息不能真实地反映地表。
同时由于大气的吸收、散射等作用使得遥感器接收到的电磁信息复杂,因而遥感图像的大气辐射校正变得复杂。
随着定量遥感技术迅速发展,特别是利用多传感器、多时相遥感数据进行土地利用和土地覆盖变化监测、全球资源环境分析、气候变化监测等的需要,使得遥感图像大气校正方法的研究越来越受到重视。
[1]何海舰《基于辐射传输模型的遥感图像大气校正方法研究》由于遥感图像成像过程的复杂性，传感器接收到的电磁波能量与目标本身辐射的能量是不一致的。
传感器输出的能量还包含了由于太阳位置和角度条件、大气条件、地形影响和传感器本身的性能等所引起的各种失真，这些失真不是地面目标本身的辐射，因此对图像的使用和理解造成影响，必须加以校正或消除。
而大气校正就是针对大气的散射和吸收引起的辐射误差的一种校正。
大气对阳光和来自目标的辐射产生吸收和散射，消除大气的影响是非常重要的，在图像匹配和变化检测中消除大气影响尤为重要。
消除大气影响的校正过程称为大气校正。
[2]南京师范大学专题《遥感数字图象处理》/dky/nb/page/2000-8-8/2000882012459413.htm总的来说，遥感图像的大气校正方法很多。
如果按照校正后的结果，这些校正方法可以分为2种,绝对大气校正方法和相对大气校正方法。
绝对大气校正方法是将遥感图像的DN(digital number)值转换为地表反射率或地表反射辐亮度的方法。
大气校正 python
大气校正python大气校正是一种用于消除大气对遥感图像影响的处理方法。
在Python中，可以使用一些开源库来实现大气校正，例如：1. Atmospheric Correction Toolkit (ACT)2. PyAtmosphere3. Aerosol Remote Sensing Product (ARSP)以下是使用PyAtmosphere库进行大气校正的示例代码：import numpy as npimport pyatmosphere as pa# 读取遥感图像数据image = np.load('image.npy')# 定义大气模型aod = pa.AtmosphericModel('Maritinez', 'daytime', 0.1, 10000, 1000)# 进行大气校正corrected_image = aod.correct(image)# 保存校正后的图像数据np.save('corrected_image.npy', corrected_image)在这个示例中，首先使用NumPy库读取遥感图像数据，然后定义一个大气模型，使用PyAtmosphere库中的AtmosphericModel类来指定大气模型类型、时间、海拔高度、温度和压力等参数。
接下来，使用大气模型的correct方法对遥感图像进行校正，得到校正后的图像数据。
最后，使用NumPy库将校正后的图像数据保存为二进制文件。
需要注意的是，这个示例中使用的PyAtmosphere库是专门针对大气校正的库，提供了许多常用的大气模型和算法。
在实际应用中，可以根据具体情况选择适合的大气模型和算法来进行大气校正。
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。
envi辐射定标和大气校正步骤
envi辐射定标和大气校正步骤对于envi辐射定标和大气校正步骤来说，准确的操作流程至关重要。
首先，我们需要明确辐射定标和大气校正的的概念和目的。
辐射定标是指将数字图像或遥感数据转换成辐射亮度或反射率的物理单位。
辐射定标的目的是获得一个相对于时间和地点稳定的反射率值，使得不同场景下的遥感数据可以进行比较。
然后，进行大气校正是为了消除大气影响，从而提取出地物表面的真实反射率或辐射亮度。
大气校正可以有效减少大气光散射和吸收对遥感图像的影响，提高图像的质量。
以下是envi辐射定标和大气校正的步骤：1. 数据获取：首先，需要获取原始遥感数据，包括多光谱或高光谱图像。
2. 辐射定标：对于多光谱或高光谱数据，需要根据仪器的辐亮度标定系数，将原始数字值转换为辐射亮度。
这通常涉及到使用辐射标定面或辐射源对仪器进行校准。
3. 大气校正：接下来，需要进行大气校正。
大气校正的方法有多种，最常用的是大气逐像元校正（ATCOR）模型和大气点标定（ACD）方法。
这些方法通过考虑大气散射、吸收和大气廓线等参数，来推算出地表反射率。
4. 反射率计算：校正后的数据可以通过将辐射亮度或辐射率除以太阳辐照度，得到表面的反射率。
这样，我们就可以比较不同场景下的遥感数据了。
5. 结果分析和应用：最后，对校正后的图像进行分析和应用。
可以进行分类、目标识别、监测等操作，以获得我们所需的信息。
总而言之，envi辐射定标和大气校正步骤是遥感数据处理中的关键过程，它们可以提高数据的准确性和可比性。
正确执行这些步骤可以使我们从遥感图像中获取更多有价值的信息，从而促进环境监测、资源管理和地理研究等领域的发展。
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。
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。
大气环境对遥感图像质量影响
大气环境对遥感图像质量影响一、大气环境概述大气环境是地球表面包围的气体层，它对遥感图像的质量有着直接和间接的影响。
大气环境由多种气体组成，包括氮气、氧气、水蒸气、二氧化碳以及其他微量气体。
这些气体在不同程度上吸收和散射太阳辐射，从而影响遥感传感器接收到的信号。
此外，大气中的气溶胶、云层和雾等也会影响遥感图像的质量和解析度。
大气环境对遥感图像质量的影响主要体现在以下几个方面：1.1 大气吸收大气中的气体分子和气溶胶颗粒会吸收特定波长的电磁波，导致遥感图像在某些波段上信号减弱。
这种吸收效应在红外和紫外波段尤为显著，因为这些波段的辐射更容易被大气中的水汽和臭氧吸收。
1.2 大气散射大气散射是指大气中的分子和颗粒物对电磁波的散射作用。
散射会导致遥感图像上出现模糊和对比度降低的现象，尤其是在可见光和近红外波段。
散射效应与大气中的气溶胶浓度、云层厚度以及相对湿度等因素密切相关。
1.3 大气折射大气折射是由于大气密度随高度变化引起的电磁波路径弯曲现象。
大气折射会影响遥感传感器的几何精度，导致图像上的地物位置发生偏移。
这种偏移在低空遥感和长距离传输中尤为明显。
1.4 云层和雾云层和雾会阻挡或散射太阳辐射，从而降低遥感图像的可见性和质量。
云层的存在使得地表特征难以被遥感传感器捕捉，而雾则会导致图像对比度降低，细节丢失。
二、大气环境对遥感图像质量影响的分析2.1 大气吸收对遥感图像质量的影响大气吸收对遥感图像质量的影响主要表现在特定波段的信号衰减上。
例如，在红外波段，水汽的吸收会导致遥感图像在这一波段的信号显著减弱，影响地表温度的准确测量。
为了减少大气吸收的影响，遥感数据处理中通常会采用大气校正模型来估计和校正吸收效应。
2.2 大气散射对遥感图像质量的影响大气散射会导致遥感图像的对比度降低和细节模糊。
散射效应在图像上表现为背景亮度的增加和目标特征的减弱。
为了改善散射引起的图像退化，可以采用图像增强技术和大气校正算法来提高图像质量。
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。
- 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)。
大气校正
原理：
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，本次试验采用简单的黑暗像元法。
黑暗像元法是一种古老、简单的经典大气校正方法。
它的基本原理是在假设待校正的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，可以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）对整幅影像的影响，达到大气校正的目的。
步骤：
1.打开待校正的图像文件：
2.主菜单中选择Basic Tools---Preprocessing----General Purpose Utilities---Dark Parameters对话框，如下图所示：
3.在Dark Subtract Input File对话框中选择带校正的图像：单机OK。
4.在Dark Subtraction Parameters对话框中选择黑暗像素值，选择波段最小值（Band Minimum），然后选择输出路径，点击OK。
如下图所示：
5.重新打开新的窗口，显示校正过的图像：。