下载文档原格式
MODIS数据的处理方法(ENVI)美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF数据格式。
ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。
ENVI能接受大量的传感器数据，是世界目前唯一美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF数据格式。
ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。
ENVI 能接受大量的传感器数据，是世界目前唯一能较好全面支持HDF科学数据格式的遥感影像软件。
ENVI可以直接读取HDF格式（如图2所示），并能识别HDF格式中所包含的所有文件信息（如图3所示）。
ENVI 打开HDF格式文件后，会自动将该数据文件所包含的所有图像信息、属性信息、文本信息作为波段列于一个波段列表中，用户可以清晰地浏览每一波段的详细信息，包括波段名称、图像波段波长、波段大小、数据类型及文件内插方式等多种信息。
方便用户显示图像，并对各种属性及文本文件作各种分析。
本文选取2001年5月20日中国北部及蒙古地区（经纬度范围：°- °,°- °）的一景MODIS数据进行分析，主要从读取数据、分析经纬度波段信息、第一、四、三波段融合显示、影像地理校正几方面对该景数据进行了分析，具体步骤如下：（1）数据读取：打开ENVI，在主菜单中选择File\Open External File\Generic Formats\HDF，选择文件“”,表示是该景MODIS数据的250米数据文件，从下图中可以看到，该文件中除两个影像波段外，还包含经度波段、纬度波段、热红外探测器的噪声信息、反射率变化参数等信息。
modis 0级数据处理实例【最新版】目录一、MODIS 0 级数据处理的概念和意义二、MODIS 0 级数据处理的实例：基于 MOD09Q1 数据集合成 NDVI三、MODIS 0 级数据处理的工具和方法四、MODIS 0 级数据处理的经验和技巧五、MODIS 0 级数据处理的应用领域和价值正文一、MODIS 0 级数据处理的概念和意义MODIS（Moderate Resolution Imaging Spectroradiometer）是美国国家航空航天局（NASA）开发的一种中分辨率遥感成像光谱仪，用于获取地球表面的光学遥感数据。
MODIS 数据分为多个级别，其中 0 级数据是未经处理的原始数据，需要进行一系列的处理才能提取有用的信息。
MODIS 0 级数据处理是指对原始数据进行校正、定标、地理校正、大气校正等处理，以提高数据的质量和可用性。
二、MODIS 0 级数据处理的实例：基于 MOD09Q1 数据集合成 NDVIDVI（Normalized Difference Vegetation Index）是常用的植被指数，用于反映植被的活力和生长状况。
MODIS 0 级数据处理可以利用MOD09Q1 数据集（分辨率为 8 天，250 米）来合成 NDVI。
具体的处理步骤包括：1.校正：对原始数据进行辐射校正和几何校正，以消除仪器误差和地理误差。
2.定标：利用星上定标数据和地面实测数据，对原始数据进行定标处理，以消除数据间的系统差异。
3.地理校正：对定标后的数据进行地理校正，以将数据投影到地球表面上。
4.大气校正：对地理校正后的数据进行大气校正，以消除大气影响，获取地表反射率。
5.合成 NDVI：根据地表反射率和红光、近红光波段的辐射亮度，计算并合成 NDVI。
三、MODIS 0 级数据处理的工具和方法MODIS 0 级数据处理可以使用多种工具和方法，如 MRT（MODIS Reprocessing Tool）和 HEG（HDF to GeoTIFF Conversion Tool）。
MODIS数据的处理方法(ENVI)美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF数据格式。
ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。
ENVI能接受大量的传感器数据，是世界目前唯一美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF数据格式。
ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。
ENVI 能接受大量的传感器数据，是世界目前唯一能较好全面支持HDF科学数据格式的遥感影像软件。
ENVI可以直接读取HDF格式（如图2所示），并能识别HDF格式中所包含的所有文件信息（如图3所示）。
ENVI 打开HDF格式文件后，会自动将该数据文件所包含的所有图像信息、属性信息、文本信息作为波段列于一个波段列表中，用户可以清晰地浏览每一波段的详细信息，包括波段名称、图像波段波长、波段大小、数据类型及文件内插方式等多种信息。
方便用户显示图像，并对各种属性及文本文件作各种分析。
本文选取2001年5月20日中国北部及蒙古地区（经纬度范围：°- °,°- °）的一景MODIS数据进行分析，主要从读取数据、分析经纬度波段信息、第一、四、三波段融合显示、影像地理校正几方面对该景数据进行了分析，具体步骤如下：（1）数据读取：打开ENVI，在主菜单中选择File\Open ExternalFile\Generic Formats\HDF，选择文件“”,表示是该景MODIS数据的250米数据文件，从下图中可以看到，该文件中除两个影像波段外，还包含经度波段、纬度波段、热红外探测器的噪声信息、反射率变化参数等信息。
modis 0级数据处理实例MODIS（Moderate Resolution Imaging Spectroradiometer）是NASA于1999年在Terra卫星和2002年在Aqua卫星上搭载的传感器，用于全球地球观测，它提供了高空间分辨率的地球观测数据，该数据广泛用于气象、气候、海洋、植被等领域的研究和应用。
MODIS数据处理是对原始的0级数据进行校正、地理校正、云去除、配准等一系列处理的过程。
MODIS传感器每天获取的原始数据大约有2400亿比特，这些数据需要进行预处理和校正，以生成高质量的可用数据产品。
MODIS数据处理流程包括以下几个步骤：1.原始数据的预处理：MODIS传感器获取的原始数据包括过但不限于辐射校正数据和定标数据，这些数据需要进行预处理，包括去除坏像元、噪声滤波、镜头畸变校正等步骤，以提高数据质量。
2.大气校正：大气校正是指去除大气对遥感数据的影响，包括大气散射、吸收等，以提取地表的真实信息。
常见的大气校正方法有模型法、经验法和射线追迹法等。
大气校正是提高MODIS数据质量和可用性的关键步骤。
3.云去除：云是遥感图像中常见的干扰因素之一，对于准确提取地表信息和进行后续分析具有重要意义。
MODIS数据的云去除方法主要包括几何法、光谱法和统计法等，这些方法可以通过光谱差异和统计特征等来去除云的干扰，提高数据的可用性。
4.数据配准：MODIS数据处理中的数据配准步骤是将不同时间、不同位置获取的数据进行配准，以保证时间序列和空间分析的准确性。
一般采用的数据配准方法有基于特征点匹配的方法、基于图像转换的方法等，这些方法可以通过提取特征点、计算几何变换矩阵等来完成数据配准。
5.地理校正：地理校正是将MODIS数据的像元转换为真实地理坐标的过程，以提高数据的空间分辨率和准确性。
地理校正主要包括投影变换、扭曲校正、地理坐标转换等步骤，这些步骤可以通过DEM数据、地理标定参数等来实现。
MODIS产品介绍及下载流程1.数据获取1）MODIS 发射背景及综述为了加强对地球大气、海洋和陆地的综合观测研究，美国国家宇航局（NASA）于1991年发起了一个综合性项目，称为地球科学事业（ESE），其主要目的是通过卫星及其它工具对地球进行更深入的研究。
ESE包括三个主要部分：一是地球观测卫星系列（EOS）；二是先进的数据系统（EOSDIS）；三是进行资料分析研究的科学队伍。
重点观测研究领域包括水与能量循环、海洋、大气化学、陆地表层系统、水和生态系统过程、冰川和极地冰盖以及固体地球。
EOS将在近地轨道提供至少18年系统连续的卫星观测数据用于定量研究地球系统的变化。
Terra作为EOS观测计划中的第一颗卫星，在美国（国家宇航局）、日本（国际贸易与工业厅）、加拿大（空间局、多伦多大学）的共同合作下于1999年12月18日成功发射，Terra的字源是拉丁语“地球、土地”，由于Terra卫星每天上午从北向南通过赤道，因此又被称为地球观测第一颗上午星（EOS-AM1）。
NASA的EOS第二颗星命名为Aqua,是美国、巴西和日本共同合作研制的，其拉丁语意为“水”，于2002年5月4日发射成功，为了与Terra卫星在数据采集时间上相互配合，Aqua卫星每天下午从南向北通过赤道，因此被称为地球观测第一颗下午星（EOS-PM1）。
两颗星均为太阳同步极轨卫星。
此外，美国对地观测系统计划还将陆续发射用于不同观测内容的卫星系列，如以观测大气化学成分为主的AULA卫星（EOS-CHEM）、以观测冰雪、云层和地面高程为主的ICESAT卫星、以观测太阳辐射及其对气候影响为主的SORCE卫星和以观测陆地为主的LANDSAT-7卫星（1999年已发射成功）等。
中分辨率成像光谱仪(MODerate-resolution Imaging Spectroradiometer) -MODIS是Terra和Aqua卫星上搭载的主要传感器之一，两颗星相互配合每1-2天可重复观测整个地球表面，得到36个波段的观测数据，这些数据将有助于我们深入理解全球陆地、海洋和低层大气内的动态变化过程，因此，MODIS在发展有效的、全球性的用于预测全球变化的地球系统相互作用模型中起着重要的作用，其精确的预测将有助于决策者制定与环境保护相关的重大决策。
MODIS数据的处理方法1 IntroductionMODIS is a satellite imagery that has digital image data over a wide range of frequencies and spatial resolutions. It is widely used in geographic and environmental studies for monitoring and mapping land cover changes, assessment of water, vegetation and snow. The MODIS data is acquired at different levels and is processed to obtain useful information which can be further used in analysis, interpretation, and visualization of data. In this article we discuss the processing of MODIS data using ENVI, a software package developed and marketed by Exelis Visual Information Solutions.2 OverviewENVI is a powerful software package that can be used for processing and analysis of MODIS data. It can be used to process various data sources, such as Digital Elevation Models (DEMs), Landsat images, MODIS images, and other satellite data. ENVI can be used to convert these raw data into useful information by generating mosaics, raster statistics, multispectral classification, and change detection. This article will focus on the processing of MODIS data using ENVI.3 Data PreparationBefore beginning to process MODIS data using ENVI, it is important to prepare the data properly. This includes downloading the data, organizing the file structure, opening the data in ENVI, and calibrating the image.The first step in processing MODIS data is to download the images from the online data archive. The file structure should be properly organized to make it easier to access the data. ENVI can be used to open the data, and the images should becalibrated using the onboard calibration data. The calibration can be performed using the Calibration and Conversion Tool in ENVI, which allows the user to select the proper calibration parameters and converts the data to the desired format.4 Pre-ProcessingOnce the data is prepared and calibrated, the next step is pre-processing the data. This step involves removal of noise, correcting for geometric distortions, and performing atmospheric and radiometric corrections.Noise can be reduced using various techniques such as linear filtering and histogram equalization. Geometric and atmospheric corrections can be performed using the Geometric and Atmospheric Corrections Tool in ENVI. This tool can be used to correct for geometric distortions and apply atmospheric and radiometric corrections.5 Image Enhancement6 Image Classification and Change Detection7 ConclusionIn conclusion, MODIS data can be processed using ENVI to obtain useful information for analysis and visualization. The processing involves data preparation, pre-processing, image enhancement, classification, and change detection. ENVI provides various tools to perform these steps and enable users to generate useful information from MODIS data.。
modis遥感信息处理方法及应用
MODIS（Moderate Resolution Imaging Spectroradiometer）是一种常用的遥感传感器，能够在全球范围内定期获取高空间分辨率和时间分辨率的地球表面信息。
其主要应用领域包括地表覆盖分类、大气物理、森林和植被研究等。
在MODIS遥感信息处理中，主要采用的方法包括数据预处理、影像去云处理、图像增强、分类和定量分析等。
数据预处理是MODIS遥感信息处理的第一步。
该步骤的主要任务是对原始数据进行滤波、校正、辐射度量和改正等预处理工作，以确保数据的准确性和一致性。
影像去云处理是指对遥感影像中云层进行识别和去除的过程。
由于云对遥感影像的干扰和遮盖，影响了后续的分类和定量分析，因此云检测和去除是非常重要的。
图像增强技术能够对遥感影像进行增强，使得有用信息更加清晰可见。
图像增强的方法包括直方图均衡、滤波器和波段组合等。
遥感图像分类是指将遥感影像中的像元划分到不同的类别中。
常用的分类方法包括光谱分类、纹理分类和物体建模等。
定量分析是利用遥感信息计算和分析地表特征的数量和质量。
定量分析的方法包括NDVI计算、时序分析和植被生长模型等。
综上所述，MODIS遥感信息处理方法包括数据预处理、影像去云处理、图像增强、分类和定量分析等。
这些方法可以为多种研究领域提供可靠的地表信息和数据支持。
NDVI时序数据去云方法研究【摘要】热带季风气候夏季降水丰沛，雨季的MODIS09A1数据产品由于受到云覆盖噪声影响严重而不能被较好的利用，植被指数时序数据中无效象元的最大间隙长度过高导致植被指数失真。
本文利用多光谱综合法对雨季影像进行云检测的基础上使用替换法去云，再将重构数据形成的NDVI值并进行时序滤波。
经过定性与定量验证，表明此方法重构的植被指数能够有效的重构受连续云污染的NDVI时序象元。
【关键词】MODIS09A1；NDVI；替换法；时序滤波；泰国1.引言常用的植被指数时间序列影像由于受到大气条件如云和大气气溶胶、传感器本身性能等影响，NDVI值出现突降，锯齿等失真现象[1-3]。
对于影像去云方法分为薄云与厚云两种情况处理，对于薄云的去除方法主要有同态滤波法等，而对于厚云的处理一般使用替换法或融合法[4-5]。
单纯利用时序滤波方法如Savitzky-Golay、非对称高斯函数拟合法等针对无效间隙大于5的像元时序，无法正确差值。
本研究针对云覆盖度较大的热带季风区雨季影像云覆盖成大片、时相上连续的特点重构NDVI值，对基于MODIS09A1数据采用先对影像去云，再对NDVI 时序进行滤波的方法重构NDVI时序，经过验证，结果表明此方法能够有效地重构NDVI时序数据。
2.研究区概况本文以泰国猜也贲府为研究区，猜也贲府属于泰国东北部，地理位置101°19′5″～102°27′40″E，15°18′50″～16°43′48″N。
猜也贲府位于泰国东北部与中部交界处，泰国中部的湄南河流域地势平坦、土壤肥沃、灌溉设施齐全，是泰国最重要的农业生产基地。
3.研究数据3.1MODIS 数据本文数据源为MODIS Terra/Aqua 表面反射率8天合成L3级全球产品V005，数据可由Distributed Active Center下载（http：///index.html）。
收稿日期:2017-12-29基于MODIS 数据的去云处理实现方法赵培,叶瑞峰,王光彦,郑亚运(江苏省工程勘测研究院有限责任公司,扬州225000)摘要:地表温度是监测地球资源环境动态变化的重要指标,精确定量反演陆面温度并分析温度变化趋势对旱灾预报、农作物产量估算、生态环境变化及区域规划等人们的生产生活方面具有重要研究意义。
利用卫星遥感资料进行面状区域地表温度的同步快速获取已成为目前遥感定量研究中的重要任务之一。
本文选取长三角05年全年46幅8天合成的地表温度产品数据MYD11A2,基于MODIS 数据温度产品会涉及到云污染而导致数据缺失的问题,引入HANTS 方法进行去云处理,为地表温度与下垫面关系时空分析奠定基础。
关键词:MYD11A2;投影变换;傅立叶变换;HANTS 去云处理中图分类号:P23;X87文献标识码:BDOI:10.3969/j.issn.1001-0270.2018.03.23Method of Cloud Eliminating via Hants Based on MODIS DataZhao Pei ,Ye Rui-feng ,Wang Guang-yan ,Zheng Ya-yun(Jiangsu Engineering Exploration&Surveying Institute Co .Ltd .,Yangzhou 225000,China)Abstract:Land surface temperature is one important index for monitoring dynamic of the earth resource and environment .Precise and quantificational retrieval of LST and analysis on the trend has great meaning for research on prediction of drought,estimation of crop output,dynamic of environment,city planning and aspect of people ’s other activity .Obtaining LST of area synchronously via RS datum from satellites has become one of the most important missions in the current research of quantificational RS .In this thesis the whole 2005-year eight-day compositing LST products MYD11A2datum of the Yangtze river delta region,totally 46breadths MODIS temperature product involving data lost problems due to cloud pollution,so Hants method is introduced to eliminate cloud,based on which the relationship between the trend of temperature and various underlay from spatial and temporal aspectscould be analyzed smoothly .Key Word:MYD11A2;Projection Change;FFT;Cloud Eliminating Viaharmonic Analysis of TimeSeries1MODIS 传感器及其数据MODIS 卫星是当前世界上新一代“图谱合一”的光学遥感仪器,该传感器搭载在EOS 系列卫星中的TERRA 和AQUA 上。
TERRA 卫星由北向南运行,每日地方时上午10∶30和夜间22∶30过境,又称上午星。
AQUA 由南向北运行,每日地方时下午13∶30和凌晨1∶30过境,也称下午星。
两个系列卫星轨道为太阳同步近极轨圆形轨道。
MODIS 上、下午星分别以MOD 和MYD 命名其温度产品,共有七类。
本文所用数据为MODIS 下午星八天合成温度产品MYD11A2,与上午星内容和处理过程相同。
2MYD11A2数据的处理在进行地表温度与下垫面关系分析前,MYD11A2数据由于云污染导致数据缺失还不能直接使用,而且部分数据的质量对分析结果有很大影响,因此必须进行预处理等操作以使数据更具可用性。
2.1MRT 投影转换本文数据来自美国地质勘测局网站[1],根据长三角范围大小,每一时段需要3个Tile 数据,分别为h27v05、h28v05和h28v06。
MYD11A2投影为正弦曲线投影,而目前大部分软件包均不支持这种投影格式。
另外,MODIS 数据文件所采取的HDF-EOS 存储格式目前也没有得到广泛的支持。
这里利用MRT 软件将MODIS 影像重新投影为GeoTiff 格式,可在多平台上运行。
然后利用长三角地区的边界影像进行掩膜运算,抠出研究区域如图2所示,将全年的46幅LST 影像合为一个文件。
影像上的数值为DN 值,在分析研究前要转换成真实值,根据温度产品用户手册提供的转换系数为0.02,偏差值为0,将原16位无符号整型计数值转换为具有实际意义的真实值,转换公式为:2.2时间序列谐波分析(HANTS [2])去云处理MOD11A2温度产品为八天平均合成数据,单天温度反演时就利用了云掩膜技术处理,受云污染的区域无数据或数值很低,而八天合成产品不排除某一区域一直有云覆盖,不能去除亚像元内残余云,长时间云及云霾等的影响[3]。
另外还会有数据出现奇异值,这样就必须寻求另一种方法来处理云污染区数据。
2.2.1HANTS 算法的数学表达假定y i 是时间序列中N 的第i 景图像对应象元数值,那么这个序列的周期模型能够通过傅立叶级数表示如下:其中ωj =2π/N*j ,t 是第i 景图像获取的时间,ωj 表示频率,a j 表示振幅。
φj 表示相位,即从零到N/2的值。
然后求取各傅立叶分量,以单个谐波1频率为例,用最小二乘法并对各分量求导、求和得到:按照上式依次类推,利用三个方程求得三个傅立叶分量。
更高频率谐波方法类似。
各傅立叶分量的物理意义:a 0表示频率为零时的振幅(零频率没有相位),它作为附加项被写到总和的前面,等于所有图像像元的平均值。
振幅aj 表示在N/j 时间跨度内的变化幅度,相位φj 为最大幅度对应的时相。
假定用数据矢量y 表示时间序列图像,矢量a 表示振幅,则这个变换也可以通过傅立叶级数的矩阵矢量形式来表示:假定观测值y i (i=1…N )被时间序列的基本函数f j (t )(j=1…M<=N )来定义,则这个向量矩阵可以表示为:在公式2.4的两边同时乘以F 的转置矩阵F T 和权重斜矩阵W 可以求得LST=DN*0.02(2.1)(2.2)(2.3)y =Fa(2.4)a =(F T WF )-1F T Wy(2.5)谐波序列函数分解法具有更大的灵活性,允许不等时间间隔,不等权重。
但它处理时间要比快速傅立叶变换长,因为它包括几个矩阵相乘和一个矩阵求逆,而FFT 仅包括单个矩阵相乘。
HANTS 具体迭代细节可参见文献[4]。
HANTS 算法处理示意图如下:如图1所示,(a )为原始时间序列曲线图,t 0对应的数值明显与整个曲线走势图很不和谐,在图像处理时将该值代入运算会影响处理效果,因此需要HANTS 算法重新拟合该值,首先通过傅立叶变换求得各分量,在这个过程中t 0点数据被赋予权重0不参加迭代运算,这里取5个分量a 0、a 1、a 2、φ1和φ2共三条谐波如图(b )所示,更高频率谐波对应的振幅很小,信息量也小,并且求取更高频率分量运算量大,运算拟合结果会更逼近原始序列,达不到重构效果。
利用这三个谐波进行叠加拟合就得到t 0对应的拟合值如图(c )所示,新的数值与整条曲线走势相协调。
2.2.2数据去云处理的软件实现数据去云处理有专门的处理软件HANTS 软件,通过用户操作界面输入周期、频数、容错误差等必要的参数,创建批处理文件,运行重构全年时间序列图像。
选取处理后第65天图像与原始图像对比分析。
图1HANTS 处理示意图从两幅图像的对比可以发现,处理前图像由于云污染,经过云掩膜处理导致部分地区温度数据缺失,a 图中圈出的区域温度数据缺失,其值为0,经过图像重构后该区域数据得以恢复,与检核数据基本吻合,效果如右图所示,另外原始图像中数据完好的区域在处理后没受影响。
3结论MYD11A2数据利用ENVI 软件无法读取其象元值,而且温度值为八天合成值,有很多(a )处理前图像(b )处理后图像图2处理前后效果对比(下转第77页)象元由于云污染而数据缺失,本文对长三角地区05年全年46幅地表温度产品数据MYD11A2经过投影转换和时间序列图像重构等预处理,利用HANTS算法进行时间序列重构这一部分比较复杂,涉及原理、数学表达和软件的理解与应用,该方法能够很好的去除云的干扰。
对完成预处理后的数据利用ENVI软件选取感兴趣区进行温度值统计,从时间维和空间维度上对各种地物进行分析。
参考文献:[1]/modis/dataproducts.asp[2]Roerink G J,Menenti M.Reconstructing cloudfree NDVI composites using Fourier analysis of time series[J].Interna-tional Journal of Remote Sensing,2000,21(9):1911-1917.[3]张峰.作物长势遥感监测的定量指标和提取方法研究[D].中国科学院遥感应用研究所,2004.[4]Verhoef W,Menenti M,Azzali S.A colour composite of NOAA-AVHRR-NDVI based on time series analysis[J]. International Journal of Remote Sensing,1996,17(2):231-235.角逐渐变大,条纹则由粗变细,由疏变密直至消失(图2),验证了X射线的干涉现象,同时也解释了星卡在平行于滤线栅栅条方向畸变条纹的成因。
星卡铅条宽度沿径向由中心向外线性增加,与滤线栅栅条叠加形成间隙及夹角,X射线通过平行于固定滤线栅栅条方向较小间隙及夹角则发生干涉,形成明暗相间的畸变条纹,图像细节变化显著(P=0.00< 0.05),在正交栅条方向未发生干涉显现,图像细节未发生明显变化(P=0.083>0.05)。
