遥感图像处理 大气校正 实验报告
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。
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实习报告姓名：学号：联系方式：日期：一、实习要求（一）掌握使用ENVI进行各种图像基本操作；（二）熟练运用ENVI中工具进行图像图像校正、裁剪拼接、融合及图像增强处理；二、实习操作过程与实现结果（一）辐射校正及大气校正1、辐射校正（1）选择File->open，选择Landset8武汉数据中的‘’文件。
（2）选择T oolbox->Radiometric Correction->Radiometric Calibration工具，选择要校正的‘LC8LGN00_MTL_MultiSpectral’多光谱数据，设置定标参数（存储格式：BIL；单位转换“Scale Factor”的设置，单击Apply FLAASH Settings得到相应的参数），得到辐射定标后的结果。
2、大气校正（1）选择Toolbox->Radiometric Correction->Atmospheric Correction Module->FLAASH Atmospheric Correction工具；打开工具后设置参数：在FLAASH Atmospheric Correction Module Input Parameters 面板中如图设置各项参数；点击apply运行大气校正。
（2）大气校正运行结果（二）图像裁剪与拼接1、15米全色波段图像裁剪拼接（1）选择File->open，选择‘县界.shp’‘LC8LGN00_MTL’及‘LC8LGN00_MTL’文件。
（2）选择Toolbox->Regions of Interest->Subset Date from ROIs 工具；双击打开后input file面板选择38区段15米分辨率文件，input ROIs面板选择‘县界’文件。
点击‘OK’，38区段文件裁剪后如图。
（3）重复（2）中工具选择步骤；双击打开后在input file 面板选择39区段15米分辨率文件，在input ROIs面板选择‘县界’文件。
envi遥感实验报告
envi遥感实验报告一、实验目的本次 envi 遥感实验的主要目的是通过实际操作和数据分析，熟悉envi 软件的基本功能和操作流程，掌握遥感图像的预处理、信息提取和分析方法，提高对遥感技术的应用能力和数据处理能力。
二、实验数据本次实验所使用的数据为 Landsat 8 卫星的多光谱遥感影像，包括波段 1-7 以及全色波段。
数据覆盖了_____地区，成像时间为_____。
三、实验环境实验使用的计算机配置为：处理器_____，内存_____，操作系统_____。
Envi 软件版本为_____。
四、实验步骤1、数据导入启动 envi 软件，选择“File”菜单中的“Open Image File”选项。
在弹出的文件选择对话框中，找到并选中要导入的遥感影像文件，点击“打开”按钮。
2、辐射定标在 envi 主菜单中，选择“Radiometric Correction”＞“Radiometric Calibration”。
在弹出的“Radiometric Calibration”对话框中，选择要定标的影像文件，设置输出路径和文件名。
根据影像的传感器类型和波段信息，设置相应的参数，如增益、偏移等。
点击“OK”按钮，完成辐射定标。
3、大气校正选择“Radiometric Correction”＞“Atmospheric Correction”＞“FLAASH Atmospheric Correction”。
在弹出的“FLAASH Atmospheric Correction Input Parameters”对话框中，设置输入影像文件、输出路径和文件名、传感器类型、成像时间、地理位置等参数。
点击“OK”按钮，开始进行大气校正。
4、几何校正选择“Geometric Correction”＞“Registration”＞“Image to Image”。
在弹出的“Image to Image Registration”对话框中，选择基准影像和待校正影像，设置匹配点的数量和分布。
大气遥感实验报告-CUIT
实验报告班级：姓名：学号：实验名称大气遥感上机实验一、实验目的1、了解常用数据，如MODIS数据等；2、了解MODIS相关产品的特性；3、掌握MATLAB软件对遥感数据的处理过程；4、掌握ENVI软件对遥感数据的处理。
二、实验数据FY2D_FDI_ALL_NOM__0330.HDFMOD03.A.0320.005.21.hdfMOD05_L2.A.0320.005.28.hdfout.clrcloud.proMOD35_L2.A.0320.005.44.hdfFY2D_FDI_ALL_NOM__0330.HDFFY3A_MERSI_GBAL_L1__0340_1000M_MS.HDFAVIRIS_1998_scale.txtJasperRidge98av.hdrJasperRidge98av.imgJasperRidge98av_template.txtLandsatTM_JasperRidge_hrf.fstLandsatTM_JasperRidge_b10.fstLandsatTM_JasperRidge_b20.fstLandsatTM_JasperRidge_b30.fstLandsatTM_JasperRidge_b40.fstLandsatTM_JasperRidge_b50.fstLandsatTM_JasperRidge_b70.fstJasperRidgeTM_template.txt三、实验内容（实验主要内容，软件操作的主要过程截图及实验结果图）1、基于Matlab的hdf格式卫星资料读取/成像1）hdf5的组成信息>> fileinfo = hdf5info('FY2D_FDI_ALL_NOM__0330.HDF')toplevel = fileinfo.GroupHierarchydataset1 = toplevel.Datasets(1)fileinfo =Filename: 'FY2D_FDI_ALL_NOM__0330.HDF'LibVersion: '1.6.2'Offset: 0FileSize:GroupHierarchy: [1x1 struct]toplevel =Filename: 'FY2D_FDI_ALL_NOM__0330.HDF'Name: '/'Groups: []Datasets: [1x19 struct]Datatypes: []Links: []Attributes: []dataset1 =Filename: 'FY2D_FDI_ALL_NOM__0330.HDF'Name: '/CALChannelIR1'Rank: 2Datatype: [1x1 struct]Dims: [1 1024]MaxDims: [1 1024]Layout: 'contiguous'Attributes: [1x6 struct]Links: []Chunksize: []FillValue: 02）成图IR1=hdf5read('FY2D_FDI_ALL_NOM__0330.HDF','/NOMChannelIR1');IR2=hdf5read('FY2D_FDI_ALL_NOM__0330.HDF','/NOMChannelIR2');IR3=hdf5read('FY2D_FDI_ALL_NOM__0330.HDF','/NOMChannelIR3');>> fid = fopen('fy2d_IR.raw','wb')fwrite(fid, IR1,'uint16');fwrite(fid, IR2,'uint16');fwrite(fid, IR3,'uint16');fclose(fid);R=mat2gray(IR1',[0 1023]);G=mat2gray(IR2',[0 1023]);B=mat2gray(IR3',[0 1023]);>> imwrite(R,'IR1.jpg');>> imagesc(IR1',[0 1023]);colormap(gray);axis equal;>> RGB=cat(3,R,G,B);imwrite(RGB,'rgb.jpg');>> image(RGB);axis equal;灰度图彩色图2、用IDL编写程序读取MODIS热红外波段反演的大气水汽pro extract_data_hdfid=hdf_sd_start('MOD05_L2.A.0320.005.28.hdf')index=hdf_sd_nametoindex(hdfid,'Water_Vapor_Near_Infrared') varid=hdf_sd_select(hdfid,index)hdf_sd_getdata,varid,jinhdf_sd_endaccess,varidhdf_sd_end,hdfidhdfid=hdf_sd_start('MOD03.A.0320.005.21.hdf') index=hdf_sd_nametoindex(hdfid,'Longitude') varid=hdf_sd_select(hdfid,index)hdf_sd_getdata,varid,lonhdf_sd_endaccess,varidhdf_sd_end,hdfidhdfid=hdf_sd_start('MOD03.A.0320.005.21.hdf') index=hdf_sd_nametoindex(hdfid,'Latitude') varid=hdf_sd_select(hdfid,index)hdf_sd_getdata,varid,lathdf_sd_endaccess,varidhdf_sd_end,hdfida=size(jin)openw,1,'F:\Temp\data.txt'for ii=0,a[1]-1do beginfor jj=0,a[2]-1do beginprintf,1,lon[ii,jj],lat[ii,jj],jin[ii,jj]*0.001 endforendforclose,1end完成后用Surfer将结果画图结果图3、MODIS云产品的认识运行cloud.pro文件，得到数据结果，然后使用Surfer软件把数据以图像形式展示。
大气校正实习报告
一、前言随着遥感技术的发展，卫星遥感数据在环境监测、灾害预警、资源调查等领域发挥着越来越重要的作用。
然而，由于大气对遥感数据的吸收、散射和反射等影响，使得遥感数据存在一定的误差。
因此，进行大气校正成为遥感数据处理的重要环节。
为了提高遥感数据的精度和应用价值，我们开展了大气校正实习，以下是对实习过程和成果的总结。
二、实习目的1. 了解大气校正的基本原理和方法；2. 掌握常用大气校正模型的操作步骤；3. 提高遥感数据处理和分析能力；4. 为实际项目中的大气校正工作提供参考。
三、实习内容1. 学习大气校正的基本原理：了解大气对遥感数据的吸收、散射和反射等影响，以及大气校正的目的和意义。
2. 学习常用大气校正模型：掌握大气校正模型的基本原理，如大气辐射传输模型、大气校正算法等。
3. 实践操作：运用所学知识，对遥感影像进行大气校正实验，包括选择合适的校正模型、输入参数设置、校正结果分析等。
4. 校正结果评价：对校正前后的遥感影像进行对比分析，评估大气校正的效果。
四、实习过程1. 首先学习大气校正的基本原理，了解大气对遥感数据的影响。
2. 接着学习常用大气校正模型，包括MODIS、Landsat等遥感数据的大气校正方法。
3. 进行实践操作，选择实际遥感影像进行大气校正实验，并记录操作步骤和结果。
4. 对校正前后的遥感影像进行对比分析，评估大气校正的效果。
五、实习成果1. 掌握了大气校正的基本原理和方法；2. 熟练运用常用大气校正模型进行遥感数据处理；3. 提高了遥感数据处理和分析能力；4. 为实际项目中的大气校正工作提供了参考。
六、实习总结通过本次大气校正实习，我们对大气校正有了更深入的了解，掌握了常用大气校正模型的操作步骤。
在实习过程中，我们遇到了一些问题，如参数设置、校正效果等，通过查阅资料和请教老师，我们逐步解决了这些问题。
这次实习不仅提高了我们的遥感数据处理能力，还让我们认识到理论知识与实践操作相结合的重要性。
遥感图像的辐射校正实验报告
遥感图像的辐射校正实验报告1. 实验目的和内容实验目的：（1）复习巩固课堂上所学的对遥感图像的辐射校正，掌握这些校正方法的基本原理和方法，理解遥感图像辐射校正的意义;（2）实际学习对遥感图像进行绝对大气校正、相对大气校正的FLAASH和黑暗像元法;实验内容：（1）绝对大气校正将遥感图像的DN值转换为地表反射率、地表辐射率、地表温度等的方法。
本次实验通过FLAASH法进行绝对大气纠正。
（2）相对大气校正校正后得到的图像，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。
本次实验通过黑暗像元法进行相对大气纠正。
2. 图像处理方法和流程A.绝对大气校正1、加载影像，打开ENVI，file>>open image file，打开L71120038_03820030128_MTL.txt2、辐射定标FLAASH模块需要输入的是经过辐射定标后的BIL/BIP文件，ENVI >> basic tools >>preprocessing > >calibration utilities >> Landsat calibration3、格式转换上述计算得到的存储方式为BSQ，FLAASH大气校正对于波段存储的要求为BIL/BIP格式，ENVI >> basic tools>> convert data (BSQ ,BIL ,BIP)4、FLAASH大气校正（1）ENVI>>basic tools>>preprocessing>>calibration utilities>> FLAASH，选择需要校正的数据。
选用第二种，设置Single scale factor：10。
（2）设置输入与输出文件①进入地理空间数据云，查询影像参数。
点击数据资源—LANDSAT系列数据—输入数据标识进行二次筛选—选择信息②查询图像的基本信息③设置Sensor类型为Landsat TM7，传感器参数被自动填写，影像和传感器参数查询数据相关信息后输入。
地信网论坛遥感图像校正实验报告
遥感图像校正实验报告2011年3月30日项目名称：遥感图像几何精校正、辐射校正实验目的：通过实习操作，掌握遥感图像几何精校正和辐射校正的基本方法和步骤，深刻理解遥感图像处理意义。
实验原理：1、几何精校正：校正遥感图像成像过程中所造成的各种几何畸变称为几何校正。
几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。
而将地图投影系统赋予图像数据的过程，称为地理参考（Geo-referencing）。
由于所有地图投影系统都遵循一定的地图坐标系统，因此几何校正的过程包含了地理参考过程。
2、辐射校正：辐射校正（radiometric correction ）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。
数据来源：数据来源：国际科学数据服务平台---数据检索---Landsat 卫星---四川省宜宾市屏山县，数据标识LT51290402005216BJC00，条带号129，行编号40，中心纬度28.87，中心经度104.12，日期20050804，平均云量5%，波段数3（第三个波段图像无法正常下载，总是会损坏）。
实验过程：几何精校正：1、打开EDRAS，点击Viewer新建两个窗口。
分别添加待正矫图像repingshan1.img和地理参考的校正过的SPOT图像pingshan1.img。
2、在显示有待校正的图像的窗口上的菜单栏上点击，在下拉菜单中选中，在弹出的对话框中选择多项式几何校正模型，单击OK。
弹出另一个对话框，在选项中定义多项式次方参数改为2，定义投影参数，单击Apply。
在接下来弹出的对话框中选择已存在的窗口，确定。
3、弹出一个对话框提示我们用鼠标选择参考图像，单击panatlanta.img所在的窗口。
在弹出的对话框直接默认点击OK。
4、此时，整个屏幕将自动变化，表明控制点工具被启动，进入控制点采点状态。
遥感影响分析实验报告(3篇)
第1篇一、实验目的本次实验旨在通过遥感技术，分析特定区域的生态环境、土地利用变化以及灾害影响等方面，提高对遥感数据解读和分析的能力，为相关领域的决策提供科学依据。
二、实验原理遥感技术是利用航空、航天等平台获取地表信息的一种手段，通过对遥感图像的处理和分析，可以获取地表的物理、化学、生物等信息。
本实验主要涉及以下原理：1. 遥感图像的获取：通过卫星、航空等平台获取特定区域的遥感图像。
2. 遥感图像预处理：对遥感图像进行辐射校正、几何校正等预处理，提高图像质量。
3. 遥感图像分析：利用遥感图像处理软件对遥感图像进行分类、变化检测、纹理分析等分析，提取地表信息。
4. 影响分析：结合相关领域知识，对分析结果进行解释和评价，揭示地表现象的成因和影响。
三、实验数据本次实验选用某区域2010年和2020年的遥感影像数据，包括多光谱、全色等数据。
四、实验步骤1. 数据预处理：- 对遥感影像进行辐射校正，消除大气、传感器等因素的影响。
- 对遥感影像进行几何校正，消除图像畸变。
- 对遥感影像进行裁剪，提取研究区域。
2. 遥感图像分析：- 利用遥感图像处理软件对遥感影像进行分类，提取地表信息，如土地利用类型、植被覆盖度等。
- 对遥感影像进行变化检测，分析研究区域土地利用变化情况。
- 对遥感影像进行纹理分析，揭示地表现象的分布特征。
3. 影响分析：- 结合相关领域知识，对分析结果进行解释和评价。
- 分析研究区域生态环境、土地利用变化以及灾害影响等方面的成因和影响。
五、实验结果与分析1. 土地利用变化：- 通过变化检测，发现研究区域在2010年至2020年间，耕地、林地、草地等土地利用类型发生了显著变化。
- 具体表现为：耕地面积减少，林地、草地面积增加。
2. 植被覆盖度：- 通过植被指数分析，发现研究区域植被覆盖度总体呈上升趋势，表明生态环境有所改善。
3. 灾害影响：- 通过遥感影像分析，发现研究区域在2010年至2020年间，受洪涝、干旱等灾害影响较大。
遥感实习作业大气校正、条带修复、镶嵌、裁剪、监督分类、三维显示等
贵州大学实习报告专用纸学院：公共管理学院专业：土地资源管理姓名：杨顺学号： 1208100304 班级：土管121 实习性质：课程实习实习地点：资环楼327机房指导教师：杨柳老师成绩：一、实验目的通过上机实验的学习让我们掌握基本一些关于遥感软件的基本操作,如envi大气校正、定标、镶嵌、裁剪、监督分类和地温反演等及 arcgis成图和三维显示。
二、实验要求实验要求是自己独立完成不得抄写，必须应用老师给的数据来完成，还有是监督分类和地温反演要求arcgis成图。
三、实验原理Envi和arcgis基本操作原理。
四、实验仪器安装envi和arcgis的电脑。
五、实验步骤实验步骤:envi的基本操作（Envi基本打开操作、子区裁剪、图像特征及图像信息的统计）→数据预处理（定标大气校正、条带修复、镶嵌、裁剪）→监督分类→三维显示→地温反演。
六、实验数据LE71270412007264PFS00.tar.gz和LE71270422007264PFS00.tar.gz这两个遥感影像数据文件。
七、实验内容（一）．熟悉ENVI基本操作1．Envi基本打开操作1) 启动ENVI2) 熟悉ENVI的菜单3) 打开一个影像文件4) 熟悉三个影像窗口5) 显示彩色合成图像6) 熟悉ENVI主影像窗口菜单Tools下的功能。
2．子区裁剪选择File>Save File as>ENVI Standard,出现New File Builder对话框。
点击Import File…,当Create New File Input File 对话框出现时，从下列选项中选择一个文件或多个文件。
如果内藏的文件没有在列表中显示出来，点击“Open Image File”，选择要输入的文件。
点击Spatial subset按钮，出现select Spatial subset对话框，在对话框内按不同方式进行子区的裁剪。
点击Spectral subset 按钮，出现File Spectral subset对话框，选取需要处理的波段。
遥感应用实验 实验一 大气校正
4.4 多光谱大气校正
• 3 Flaash大气校正方法 • （1）存储调整 Basic Tools – Convert Data • 得到符合Flaash要求的辐射亮度值
4.4 多光谱大气校正
• （2）辐射率转换因子
Radiance Scale Factors是一个单位转换因子，radiance（光谱灵敏 度）是标准单位w/m2 *um *rad ，而flaash要求输入的是 uw/cm2*sr*nm，则该因子为10。 1m=103mm=106μm=109nm=1012pm(皮米) 1w=103mw=106μw 1兆瓦=106瓦 Rad平面角弧度 sr 立体角球面度
QUAC快速大气校正
• QUAC的输入数据可以是辐射亮度值、表 观反射率、无单位的raw数据。可以是任何 数据储存顺序（BIL/BIP/BSQ）和储存类 型，多光谱和高光谱传感器数据的每个波 段必须有中心波长信息。
操作过程
• （1）在ENVI主菜单中，选择以下方式启动 lBasic Tools-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction lSpectral-> QUick Atmospheric Correction lSpectral-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction 在文件输入对话框中选择校正的图像文件。 （2）打开QUick Atmospheric Correction Parameters 面板在Sensor Type中选择相应的传感器类型，选择文件 名和路径输出。
大气校正实验报告小结
大气校正实验报告小结1. 实验介绍本次实验以大气校正为主题，旨在研究地球观测卫星图像中的大气影响，并通过校正算法对图像进行处理，提高图像的可视化效果和应用价值。
实验中主要使用了卫星遥感数据和图像处理算法，通过一系列的处理步骤，对卫星图像进行大气校正。
2. 实验过程实验主要分为以下几个步骤：2.1 数据获取首先，我们需要从卫星获取原始图像数据。
本实验中，我们选择了一组包含多个波段的高分辨率卫星图像。
通过遥感技术，我们可以获取到图像中的不同波段的信息，比如红外波段、近红外波段等。
2.2 大气模拟为了研究大气对图像的影响，我们需要模拟实际大气场景。
通过建立大气传输模型，我们可以根据气象数据和大气参数计算出大气散射、吸收和发射等特性。
在本实验中，我们使用了蒙特卡洛模拟方法对大气进行模拟。
2.3 大气校正算法大气校正旨在通过去除大气影响，还原真实的地物反射率。
在本实验中，我们使用了常见的大气校正算法——暗物质法（Dark Object Subtraction，DOS）和统计法（Statistical Method）。
这两种算法都是基于不同的假设和原理，通过对图像各波段的统计分析和模型拟合，对图像进行校正。
2.4 图像处理与比较校正完成后，我们对校正前后的图像进行处理和比较。
主要包括图像增强、反差对比度调整和图像融合等。
通过对比校正前后的图像像素值、直方图、谱线等特征，评估校正效果和算法的可行性。
3. 实验结果根据实验结果，我们发现使用暗物质法和统计法进行大气校正可以有效降低图像中的大气影响，提高图像的视觉效果和信息可读性。
同时，在图像处理和比较过程中，我们也发现不同算法对不同波段的校正效果不同，需要根据具体需求和应用场景选择适合的算法和参数。
此外，实验中我们还注意到实际场景中的大气状况可能会对校正效果产生影响。
例如，云层的存在会使得图像中的反射光线发生衰减和散射，进一步增加了校正的难度。
因此，在实际应用中，我们需要综合考虑各种因素，进行合理的大气校正策略和参数选择。
遥感影像处理实验报告(3篇)
第1篇一、实验背景与目的随着遥感技术的不断发展，遥感影像已成为获取地球表面信息的重要手段。
遥感影像处理是对遥感影像进行一系列技术操作，以提高影像质量、提取有用信息的过程。
本实验旨在通过实践操作，让学生掌握遥感影像处理的基本原理和常用方法，提高学生对遥感影像数据的应用能力。
二、实验内容与步骤本次实验主要包括以下内容：1. 数据准备：获取实验所需的遥感影像数据，包括光学影像、红外影像等。
2. 影像预处理：对原始遥感影像进行辐射校正、几何校正、图像增强等处理。
3. 影像分割：对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类：对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析：对分类结果进行分析，评估分类精度。
三、实验步骤1. 数据准备- 获取实验所需的遥感影像数据，包括光学影像、红外影像等。
- 确保影像数据具有较好的质量和分辨率。
2. 影像预处理- 辐射校正：对原始遥感影像进行辐射校正，消除大气、传感器等因素对影像辐射强度的影响。
- 几何校正：对原始遥感影像进行几何校正，消除地形起伏、地球曲率等因素对影像几何形状的影响。
- 图像增强：对预处理后的影像进行图像增强，提高影像对比度、清晰度等。
3. 影像分割- 选择合适的分割方法，如基于阈值分割、基于区域生长分割、基于边缘检测分割等。
- 对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类- 选择合适的分类方法，如监督分类、非监督分类等。
- 对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析- 对分类结果进行分析，评估分类精度。
- 分析分类结果中存在的问题，并提出改进措施。
四、实验结果与分析1. 影像预处理结果- 经过辐射校正、几何校正和图像增强处理后，遥感影像的质量得到显著提高，对比度、清晰度等指标明显改善。
2. 影像分割结果- 根据实验所采用的分割方法，成功提取了感兴趣的目标区域，分割效果较好。
3. 影像分类结果- 通过选择合适的分类方法，对分割后的影像进行分类，成功识别了不同的地物类型。
遥感图像处理大气校正实验报告
Landsat 5 Themati c Mapper辐射定标和大气校正120102105龚鑫烨操作流程辐射定标：1、加载原始图像H1。
2、Basic Tools——Preprocessing——data-specifi c utiliti es——Landsat TM——landsat calibration进入下一步参数选择：根据传感器类型选择Landsat 4,5 或者7。
从遥感影像的头文件中获取Data Acquisi tion 的时间，Sun elevati on。
如果你是用File?Open ExternalFile?Landsat?Fast 的方法打开header.dat 的话，sun elevati on 就已经填好了。
这里Calibra tion Type 注意选择为Radiance。
输出文件，定标就完成了。
大气校正1、Spectra l——FLAASH/B asic Tools——Preprocessing——Calibra tion Utiliti es——FLAASH。
首先设定输入输出文件。
FLAASH模块要求输入辐亮度图像，输出反射率图像。
之前我们进行了辐射定标，得到辐亮度图像，在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像，然后再Input Radiance Image 中选择转换格式后的图像。
(Basic Tools——Convert Data(BSQ,BIL,BIP))。
这里注意，当输入图像后，程序会让你选择Scale Factor，即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例。
E NVI 默认的辐亮度单位是2/ W cm sr nm μ••，而之前我们做辐射定标时单位是2/ W m sr m μ••，二者之间转换的比例是10，因此在下图中选择Singlescale factor，填写10.000。
遥感图像校正实验报告
遥感图像校正实验报告1. 引言遥感图像是通过卫星、飞机等遥感平台获取的地球表面的图像信息，具有广泛的应用价值。
然而，由于地球表面的复杂性和遥感平台的特点，遥感图像中可能存在各种影响因素，如大气、地形、光照等。
为了准确地利用遥感图像进行地物分类、资源监测等应用，需要对遥感图像进行校正。
本实验旨在探索并应用遥感图像校正方法，提高遥感图像的质量和准确度。
2. 实验目标本实验的主要目标是：- 理解遥感图像校正的原理和流程；- 掌握遥感图像校正的常用方法；- 运用所学的遥感图像校正方法，对实验数据进行校正，并评估校正效果。
3. 实验步骤3.1 数据准备本实验使用的遥感图像数据是卫星传感器获得的多光谱图像，包含了红、绿和蓝三个波段的数据。
数据提供了RAW格式的图像文件，需要进行预处理和格式转换，以便进行后续的遥感图像校正实验。
3.2 大气校正大气是遥感图像中主要的影响因素之一，大气校正是遥感图像校正中的重要步骤。
本实验采用了大气校正模型，通过计算大气透射率和反射率，对图像进行校正。
3.3 辐射校正辐射校正是遥感图像校正的另一个重要步骤，其目的是消除图像中的辐射差异，使得不同波段的图像能够进行有效的比较和分析。
本实验使用了辐射校正模型，通过计算辐射矫正系数，将原始图像转换为辐射校正后的图像。
3.4 几何校正几何校正是遥感图像校正的最后一步，其目标是消除图像中的几何形变，使得图像中的特征能够准确地对应地面的实际位置。
本实验使用了几何校正模型，通过对图像进行平移、旋转和缩放等操作，实现图像的几何校正。
4. 实验结果和讨论经过上述的步骤，我们成功地对实验数据进行了遥感图像校正。
校正后的图像显示出更好的质量和准确度，可以更好地用于地物分类和资源监测等应用。
然而，值得注意的是，遥感图像校正是一个复杂的过程，涉及到多个影响因素和数学模型。
在实际应用中，应根据具体需求和数据特点，选择合适的校正方法和参数，以达到最佳的校正效果。
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。
遥感图像辐射校正实习报告
遥感影像辐射校正实习报告姓名：__________XXX_ _________ 学号：_________XXXXXXXX_______ 班级：________XXXXXXXXXX______ECHO DID THIS FOR YOU2013/6/10目录一、实验目的 (1)二、实验内容 (1)（一）绝对大气校正 (1)（二）相对大气校正——回归分析法 (1)（三）多时相影像匹配法 (1)三、实验步骤 (2)（一）绝对大气校正 (2)（二）同时多波段图像的大气校正 (5)（三）多时相影像匹配法 (8)四、实验体会 (10)进一步巩固、掌握遥感影像绝对及相对大气校正基本方法。
二、实验内容（一）绝对大气校正以实测或从光谱数据库中查得的光谱数据，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。
基本步骤：1、从QuickBird多光谱影像文件中提取出第1波段影像；2、从影像中判读出一些典型地物；3、从以前实测的光谱物据或光谱数据库中，读出步骤2中判读出的那些地物对应QuickBird第1波段的反射率值；4、基于步骤3的反射率值，采用基于ELC的大气校正方法，对交大犀浦校区2006年QuickBird多光谱影像中的第1波段影像进行绝对大气校正。
（二）相对大气校正——回归分析法以交大犀浦校区2006年QuickBird多光谱影像中的第4波段影像为参考，采用回归分析法，对第1波段影像进行相对大气校正。
（三）多时相影像匹配法以交大犀浦校区2003年SPOT5多光谱影像中的第3波段（绿波段）影像为参考，采用多时相影像匹配法，对交大犀浦校区2005年SPOT5多光谱影像中的第3波段（绿波段）影像进行相对大气校正。
（一）绝对大气校正1.从QuickBird多光谱影像文件中提取出第1波段影像（1）打开ERDAS在其中选择Interpreter->Utilities->Layer Stack->Input File: quickbird_multi_2006_xipu.img->Output File:2006-1.tif->Layer选择为第一波段->单击Add->Data Type 中的Output设置为无符号十六位->单击OK如图1所示图1，从多光谱影像中提取第1波段的影像的方法图2. 获取特征地物的灰度值与反射率（1）在Matlab中读取第1波段的影像图片，并显示，具体语句如下：1).A=imread('2006-1.tif') %将图像信息读取到矩阵A中2).imshow(A,[min(min(A)),max(max(A))]) %在matlab中显示读出的图像如图2所示图2，在Matlab中显示quickbird_multi_2006_xipu.img的第1波段影像图（2）在图2所示的图形显示对话框中选择Data Cursor按钮后，点击地面特征点并从获取其灰度值Index。
卫星遥感解析实验报告(3篇)
第1篇一、实验目的1. 理解卫星遥感的基本原理和图像处理方法。
2. 掌握遥感图像的预处理、增强和解析技术。
3. 通过实验加深对遥感数据在资源调查、环境监测和灾害预警等方面的应用认识。
二、实验背景随着遥感技术的发展，卫星遥感已成为资源调查、环境监测和灾害预警等领域的重要手段。
本实验以某地区遥感影像为数据源，通过图像处理和分析，提取地物信息，为相关领域提供技术支持。
三、实验内容1. 遥感图像预处理（1）图像校正：对遥感影像进行几何校正，消除由于传感器姿态、地球自转和地球曲率等因素引起的图像畸变。
（2）图像辐射校正：对遥感影像进行辐射校正，消除由于大气、传感器等因素引起的辐射畸变。
2. 遥感图像增强（1）直方图均衡化：提高遥感影像的对比度，使图像细节更加清晰。
（2）对比度拉伸：调整遥感影像的对比度，使地物信息更加突出。
3. 遥感图像解析（1）地物分类：利用遥感影像的地物波谱特征，对地物进行分类，提取所需信息。
（2）地物变化检测：对比不同时期的遥感影像，检测地物变化情况。
（3）灾害预警：根据遥感影像信息，对自然灾害进行预警。
四、实验步骤1. 数据准备：收集实验所需遥感影像，包括几何校正、辐射校正后的影像。
2. 图像预处理：对遥感影像进行几何校正和辐射校正。
3. 图像增强：对遥感影像进行直方图均衡化和对比度拉伸。
4. 地物分类：利用遥感影像的地物波谱特征，对地物进行分类。
5. 地物变化检测：对比不同时期的遥感影像，检测地物变化情况。
6. 灾害预警：根据遥感影像信息，对自然灾害进行预警。
五、实验结果与分析1. 遥感图像预处理效果：经过几何校正和辐射校正，遥感影像的地物信息得到了有效恢复。
2. 遥感图像增强效果：通过直方图均衡化和对比度拉伸，遥感影像的对比度得到了显著提高，地物信息更加清晰。
3. 地物分类效果：根据遥感影像的地物波谱特征，成功地对地物进行了分类，提取了所需信息。
4. 地物变化检测效果：对比不同时期的遥感影像，成功检测到了地物变化情况。
大气影像技术实验报告(3篇)
第1篇一、实验目的本次实验旨在通过大气校正技术，提高遥感图像的辐射定标精度，减少大气对图像辐射传输的影响，从而更准确地提取地表信息。
实验通过对遥感图像进行大气校正，分析校正前后图像的辐射特性，验证大气校正技术的有效性。
二、实验原理大气校正技术主要基于大气辐射传输模型，通过对遥感图像的辐射传输过程进行模拟，计算出大气影响下的辐射值，进而从原始图像中去除大气影响，得到地表真实辐射值。
实验采用FLAASH（Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes）大气校正模型，该模型基于MODTRAN大气辐射传输模型，能够较好地模拟大气对遥感图像的影响。
三、实验材料1. 原始遥感图像：选取多时相、不同地区的遥感图像，包括Landsat 8、Sentinel-2等。
2. 大气校正软件：FLAASH模块，集成于ENVI软件中。
3. 辅助工具：ENVI软件，用于图像处理和分析。
四、实验步骤1. 图像预处理：对原始遥感图像进行辐射定标、几何校正等预处理操作，确保图像质量。
2. 大气校正参数设置：- 设置输入输出文件路径。
- 选择大气校正模型：FLAASH。
- 输入地面反射率参数，如地表类型、植被指数等。
- 设置大气参数，如大气气溶胶光学厚度、大气水汽含量等。
3. 大气校正执行：运行FLAASH模块，对图像进行大气校正。
4. 校正效果分析：- 对校正前后图像进行辐射特性分析，如反射率、亮度等。
- 对校正前后图像的地表信息提取结果进行比较，如植被指数、水体信息等。
五、实验结果与分析1. 辐射特性分析：校正前后图像的反射率和亮度均有所变化。
校正后图像的反射率更加稳定，亮度降低，更接近地表真实辐射值。
2. 地表信息提取分析：校正后图像的地表信息提取结果更准确，植被指数、水体信息等指标均有所提高。
3. 大气校正效果评价：通过对比校正前后图像的辐射特性和地表信息提取结果，验证了大气校正技术的有效性。
- 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)。
Landsat 5 Thematic Mapper
辐射定标和大气校正
120102105龚鑫烨操作流程
辐射定标：
1、加载原始图像H1。
2、Basic Tools——Preprocessing——data-specific utilities——Landsat TM——landsat calibration
进入下一步参数选择：根据传感器类型选择Landsat 4,5 或者7。
从遥感影像的头文件
中获取Data Acquisition 的时间，Sun elevation。
如果你是用File?Open External
File?Landsat?Fast 的方法打开header.dat 的话，sun elevation 就已经填好了。
这里Calibration Type 注意选择为Radiance。
输出文件，定标就完成了。
大气校正
1、Spectral——FLAASH/Basic Tools——Preprocessing——Calibration Utilities——FLAASH。
首先设定输入输出文件。
FLAASH 模块要求输入辐亮度图像，输出反射率图像。
之前我们进行了辐射定标，得到辐亮度图像，在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像，然后再Input Radiance Image 中选择转换格式后的图像。
(Basic Tools——Convert Data(BSQ,BIL,BIP))。
这里注意，当输入图像后，程序会让你选择Scale Factor，即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例。
ENVI 默认的辐亮度单位是2/ W cm sr nm μ••，而之前我们做辐射定标时单位是2/ W m sr m μ••，二者之间转换的比例是10，因此在下图中选择Single scale factor，填写10.000。
此外，如果TM 影像的头文件中没有波段的信息，在这里也要求你提供一个.txt 文
件以包含此信息。
那么，准备好一个.txt 文件，其中含有一列TM 每个波段中心波长的信息。
见下表。
(为1~5，7 波段的信息)
0.4850
0.5600
0.6600
0.8300
1.6500
2.2200
在Output Reflectance File 和Output Directory for FLAASH files 里面设定输出文件的文件名和位置。
设定传感器参数。
首先是Scene Center Location，即遥感图像中心的坐标，以及Flight Date,
Flight Time GMT，这三者都可以在TM 的头文件中找到，填入即可。
在Sensor Type 菜单中选择Landsat TM5。
此时Sensor altitude 自动填上为705km。
而Pixel Size 填为30m。
根据遥感影像研究区实际情况，填写Ground Elevation，比如华北平原可以写为0.05km。
最关键的为大气参数部分。
a) Atmospheric Model( 大气模式): 共有Sub-Arctic Winter (SAW) ，
Mid-Latitude Winter (MLW)，U.S. Standard (US) ，Sub-Arctic Summer
(SAS), Mid-Latitude Summer (MLS) 和Tropical (T) 。
根据经纬度和时间可
以选定研究区的大气模式，见下表。
Aerosol Model（气溶胶模式）：有Rural, Urban, Maritime 和Tropospheric
四种选择。
根据实际情况选择即可。
关于此四种模式的解释见下。
? Rural: Represents aerosols in areas not strongly affected by urban or industrial sources. The particle sizes are a blend of two distributions, one large and one small.
? Urban: A mixture of 80% rural aerosol with 20% soot-like aerosols, appropriate for high-density
urban/industrial areas.
? Maritime: Represents the boundary layer over oceans, or continents under a prevailing wind from
the ocean. It is composed of two components, one from sea spray and another from rural
continental aerosol (that omits the largest particles).
? Tropospheric: Applies to calm, clear (visibility greater than 40 km) conditions over land and consists of the small-particle component of the rural model.
当我们选择TM 时，可选的参数还有Aerosol Retrieval 和Initial Visibility。
这两个参数对最后的结果又相当重要的影像，因此最好能调查到当地的InitialVisibility。
此外，AERONET 在全世界各地有测定AOD （Atmospheric OpticalDepth）的站点，可以查询AOD 以后转换为消光系数，通过消光系数估算能见度，此步骤比较繁琐，在此不予详述。
如果采用Aerosol Retrieval 中的K-T算法计算Visibility，且能够计算出结果的话，则采用K-T 算法的能见度，否则采用Initial Visibility 所指定的能见度。
关于Aerosol Retrieval。
如果选择了下拉菜单中的K-T method，那么需要在
Multispectral Settings 中设定参数，见下图：
在Assign Default Values Based on Retrieval Conditions 中选择Over-land
Retrieval Standard (660:2100nm)即可。
根据不同的研究区可以设定不同的模
式。
其他设定可以不改变。
设定完毕后就可以点Apply 了。
处理完成后可以查看植被的光谱，和没处理
前区别较大。