当前位置：文档之家 › 遥感作业 -辐射校正

遥感作业 -辐射校正

  • 格式：doc
  • 大小：841.00 KB
  • 文档页数：8

作者：王璐

特别鸣谢：科技楼408的同学已经科技楼406的同学和学长们，没有你们我完不成作业···

希望对同学们有所帮助哦~做成这样我已经尽力了···自己做完，还得给大家解释一遍，有种审查作业的感觉~~大半夜的都不困了···

要是有什么问题 大家及时指出哦~~~ 一起讨论一下~

Part B:Landsat ETM+影像的大气层顶反射率的计算

1、 图像下载：国际科学数据服务平台，注册后下landsat ETM图像，注意下载2003年5月以前的，云量少的图像。

2、 从下载的图像中找到MTL文件，阅读头文件信息，提取有用信息，我以自己下的图为例：SPACECRAFT_ID = "Landsat7"

SENSOR_ID = "ETM+"

ACQUISITION_DATE = 2002-07-19

LMAX_BAND1 = 293.700 LMIN_BAND1 = -6.200

LMAX_BAND2 = 300.900 LMIN_BAND2 = -6.400

LMAX_BAND3 = 234.400 LMIN_BAND3 = -5.000

LMAX_BAND4 = 241.100 LMIN_BAND4 = -5.100

LMAX_BAND5 = 47.570 LMIN_BAND5 = -1.000

LMAX_BAND7 = 16.540 LMIN_BAND7 = -0.350

SUN_ELEVATION = 56.9390802

SUN_AZIMUTH = 139.9956405

3、 安装ERDAS软件，对图像进行格式转换：IMPORTTYPE选TIFF,Media 选file,inputfile 选择一个你下载的波段，outputfile 选择你的存储位置，点OK 每个波段依次进行，则完成了波段的转换。

4、 建立模型计算TOA

点击ModelerModeler maker出现了一个New model在工具条中选择建立流程图，在作业中，先将波段的DN值转化为反射率，再转化为TOA值 所以流程大致如下：圆圈中填写函数 零形中填写波段。注意保存

4.1 DN 反射率TOA

Radiance = (LMAX - LMIN)/255 * DN +LMIN

从头文件中找到LMAX LMIN DN带波段的灰度。以band1为例：第一个双击后存为：band1.img 第一个：双击后填写$n1_band1 * (293.700+6.200)/255 - 6.200

其中$n1_band1表示波段，293.700为LMAX，- 6.200为LMIN。第三个图形中存为R1 即Radiance1，第四个图形填写公式：($n3_a * 3.1415 )*

(1.0128^2)/(1970*0.7978)，其中，ESUN 1970通过查下表得到，3.1415即PI,d由ACQUISITION_DATE = 2002-07-19得知，7月19日是一年中的231天，查表，231天最接近Julian day 227所以得到d=1.0128,0.7978由COS(90-56.9390802)得到，56.9390802是头文件中查到的。

spEsundLcos2

点击processrun 得到运行结果。

六个波段都是依次类推

4.2利用辐射传输模型建立TOA和表面反射率之间的关系

利用提供的5S模型程序

第一行填写200 单位METER（作业中有）

第二行由于使用LANDSITE7 ETM 所以填写705.3 单位KM

用的其他图像的自查下表：

卫星参数 LandSat1 LandSat2 LandSat3 LandSat4 LandSat5 LandSat6 LandSat7

卫星高度 920km 920km 920km 705km 705km

第三行填获取月与日。

第四行天天顶角90-SUN_ELEVATION

第五行倾角SUN_AZIMUTH = 139.9956405

第六行不填

第七行：轨道角度减经度

八九行不变，十和十一由选取的图像与月份决定

下面不变 VISIBILITY首先选择10计算 ，接下来选23和50分别计算。上图填了10

Sensor type中选择TM1-5，7，并在接下来的方框中打钩，分别填写0.0,0.1,0.2,0.3,0.4,0.5

上图以0.0为例。点击runview output 则会出现band1至band7的TOA在0.0的值,依次算出，0.0,0.1,0.2,0.3,0.4,0.5的五组值，以7个波段在10KM时为例：

利用X,Y值做散点图，右键选点拟合，得出公式Y=ax+b的a,b的值

以10KM为例：

Y = aX + b

Bands a b

1 1.3248 -0.1085

2 1.3128 -0.0606

3 1.2321 -0.0378

4 1.2107 -0.0198

5 1.1713 -0.0045

7 1.1263 -0.002

5、 运用建立的TOA和表面反射率关系方程校正图像计算surface-refl

首先在流程图中分别添加一个，见下图（不全，少个最后的菱形）

双击圆形，编写公式 由Y=ax+b，运用刚才制作EXCEL表里的数据，得a=1.3248,b=-0.1085编写的公式如下图：

最后得出的radiance，TOA和surface-ref图： （反射率）

（TOA）

(surface-ref)

通过ERDAS中view窗口的Attributes的点击，可以看到图像的灰度（图一）和反射率（图二），已经改正后的反射率（图三）

合集下载

遥感作业

遥感作业

1. 遥感图像目视解译原理

遥感图像解译（Imagery Interpretation）:是从遥感图像上获取目标地物信息的过程：即遥感图像理解（Remote Sensing Imagery Understanding）分为目视解译和计算机解译。

遥感图像目标地物的识别特征

1.形状（shape）：目标地物在遥感图像上呈现的外部轮廓.遥感图像上目标地物形状:顶视平面图. 解译时须考虑遥感图像的成像方式。

2.大小

3色调（tone）：全色遥感图像中从白到黑的密度比例叫色调（也叫灰度）。如海滩的砂砾色调标志是识别目标地物的基本依据，依据色调标志，可以区分出目标地物。

4颜色（colour）：是彩色遥感图像中目标地物识别的基本标志。日常生活中目标地物的颜色:遥感图像中目标地物的颜色:地物在不同波段中反射或发射电磁辐射能量差异的综合反映。彩色遥感图像上的颜色:真\假彩色.真彩色图像上地物颜色能真实反映实际地物颜色特征，符合人的认知习惯。目视判读前, 需了解图像采用哪些波段合成，每个波段分别被赋予何种颜色

5.阴影（shadow）：遥感图像上光束被地物遮挡而产生的地物的影子,根据阴影形状、大小可判读物体的性质或高度。不同遥感影像中阴影的解译是不同的.

6水系水系标志在地质解译中应用最广泛，它可以帮助我们区分岩性、构造等地质现象。这里所讲的水系是水流作用所形成的水流形迹，即地面流水的渠道。它可以是大的江河，也可以是小的沟谷，包括冲沟、主流、支流、湖泊以至海洋等。在图像上可以呈现有水，也可以呈现无水。水系的级序，一般是从冲沟到主流，

7. 纹理（texture）：内部结构，指遥感图像中目标地物内部色调有规则变化造成的影像结构。如航空像片上农田呈现的条带状纹理。纹理可以作为区别地物属性的重要依据等

八、位置(Location)

是指地物的环境位置以及地物间的空间位置关系在像片中的反映。也称为相关特征。它是重要的间接判读特征。

遥感原理与应用 作业(含答案)

遥感原理与应用 作业(含答案)

遥感原理与应用作业

18地6118078607宋雨龙

第一章绪论......................................................................................................................................1

第二章电磁辐射与地物光谱特征..................................................................................................3

第三章遥感成像原理与图像特征..................................................................................................4

第四章卫星遥感平台......................................................................................................................5

第五章遥感数字图像处理基础......................................................................................................6

第六章遥感数字图像处理..............................................................................................................7

第七章多源遥感信息融合..............................................................................................................9

遥感影像相对辐射校正的PIF方法

遥感影像相对辐射校正的PIF方法

第２９卷，第１期　

２０１７年０３月　国土资源遥感　

ＲＥＭＯＴＥ　ＳＥＮＳＩＮＧ　ＦＯＲ　ＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳ　Ｖｏ１．２９，Ｎｏ．１　

Ｍａｒ．，２０１７　

ｄｏｉ：１０．６０４６／ｇｔｚｙｙｇ．２０１７．０１．０２　引用格式：邵艳坡，洪友堂．遥感影像相对辐射校正的ＰＩＦ方法［Ｊ］．国土资源遥感，２０１７，２９（１）：７—１３．（Ｓｈａｏ　Ｙ　Ｐ，Ｈｏｎｇ　Ｙ　Ｔ．　ＰＩＦ　ｍｅｔｈｏｄ　ｆｏｒ　ｒｅｌａｔｉｖｅ　ｒａｄｉｏｍｅｔｒｉｃ　ｃｏｒｒｅｃｔｉｏｎ　ｏｆ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅｓ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｆｏｒ　Ｌａｎｄ　ａｎｄ　Ｒｅｓｏｕｒｃｅｓ，２０１７，２９（１）：７—　１３．）　

遥感影像相对辐射校正的ＰＩＦ方法　

邵艳坡，洪友堂　

（中国地质大学（北京），北京　１０００８３）　

摘要：多时相遥感影像间的相对辐射归一化是进行遥感动态监测的前提。伪不变特征（ｐｓｅｕｄｏ—ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅ，　ＰＩＦ）相对辐射校正法的校正效果在很大程度上取决于ＰＩＦ点的选取。普通人工选点方法具有主观性强、选点数量　及质量有限等缺陷。为解决上述问题，首先对２期ＴＭ影像进行精确几何纠正与配准；然后利用波段比值运算与　ＰＩＦ质量控制相结合的方法逐步细化ＰＩＦ，以提高ＰＩＦ的选取质量，降低其选取的主观性，并利用与对应样本点各波　段的相关系数评价所选点的质量；最后利用所选取的合格ＰＩＦ点，通过最小二乘回归分析获取增益与偏移量，并对　２个时相的ＴＭ影像进行相对辐射校正。对校正前、后典型地物波谱曲线、均方根误差、归一化植被指数（ｎｏｒｍａ—　ｌｉｇｅｄ　ｄｉｆｆｅｒｅｎｃｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ，ＮＤＶＩ）统计量等进行分析的结果表明，校正效果比较理想。　关键词：多时相；相对辐射校正；伪不变特征（ＰＩＦ）方法；比值运算；回归分析　中图法分类号：ＴＰ　７５１．１；Ｐ　２３７文献标志码：Ａ　文章编号：１００１—０７０Ｘ（２０１７）０ｌ一０００７—０７　

遥感影像辐射校正2

遥感影像辐射校正2

遥感影像辐射校正

I 摘要

近年来，随着航天技术、计算机技术、卫星定位技术和地理信息技术的发展，摄影测量与遥感已成为地球空间信息科学的基础技术，遥感图像在人类生活的诸多领域被广泛应用。然而，在遥感成像时，由于各种因素的影响，遥感图像会存在一定的辐射量失真现象，这些失真影响了图像的质量和应用，必须对其做消除或减弱处理，遥感图像辐射校正就是针对遥感图像的这一缺陷而发展起来的。在遥感影像辐射校正中，大气辐射校正是最重要的一部分，本文主要讨论大气辐射校正的方法和过程。重点讨论了基于辐射传输模型的大气校正方法，如6S，Modtran，FLAASH等模型的基本算法。另外还列举了一些其他的大气校正方法，如黑暗像元法，不变目标法等。

关键词：辐射校正； 大气辐射校正； 辐射传输模型； FLAASH

遥感影像辐射校正

II Abstract

In recent years, with the space technology, computer technology, satellite

positioning technology and geographic information technology, photogrammetry and

remote sensing has become the basis of geo-spatial information science technology,

remote sensing images in many areas of human life has been widely used. However,

in remote sensing imaging, due to various factors, remote sensing image there is a

certain amount of distortion of radiation, the distortion affecting the image quality and