面向气溶胶反演的高分四号影像云检测

landsat 遥感影像地表温度反演教程

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（LC8LGN00）为例。同时需提前查询影像的基本信息（详见下表）标识日期采集时间中心经度中心纬度LC8LGN002016/7/263:26:56 ………………………… 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LC8LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（），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“LC8LGN02_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。 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，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；

遥感反演PM2.5的文献阅读笔记

一、PM2.5遥感反演基本原理卫星遥感反演大气气溶胶是基于卫星传感器探测到的大气上界的表观反射率，也是卫星传感器接收到的辐射值L 。 ))(1/(),(),(),,,(''0ρτρμτμτμμτa s a s a d v s a S T F L L -?+Φ= 0L 为整层大气反射的太阳辐射，主要来自于大气中分子和气溶胶的散射贡献； ) ,(s a d F μτ为太阳下行总辐射；),(s a T μτ为传感器和目标物之间的透过率；'ρ为地表反射率； )(a S τ为大气半球反照率。由上式可看出卫星观测到的反射率既是AOD 的函数，又是下垫面反射率的函数，如果知道下垫面反射率，并根据不同地区的气溶胶特征确定大气气溶胶的模型就可以得到AOD 。因此利用AOD 与地面监测指标之间的数学关系，进而建立相应的数学统计模型，这就是基于卫星遥感反演AOD 进而通过统计模型预测PM2.5的基本原理和思路。二、遥感数据源目前能用于反演PM2.5的遥感传感器主要有云－气溶胶光达和红外探险者卫星观测器CALIPSO 、中分辨率成像光谱仪MODIS 、多角度成像光谱仪MISR 、多角度多通道偏振探测器 POLDER 、大气臭氧总量绘图仪TOMS 和TOMS 的后继者臭氧监测仪OMI 。目前应用最多的传感器主要是MODIS 和MISR 。三、PM2.5时空分布计算方法利用遥感反演的AOD 结合影响PM2.5的其他因素，采用统计方法间接计算PM2.5时空分布是当前主要的方法。其计算方法大体可以分为简单线性模型、多元线性回归模型、人工智能模型和广义加法模型4种。简单线性模型是利用近地面监测站的PM2.5浓度与AOD 之间的简单二元关系建立的，是较早用于PM2.5反演的模型构建方法。多元线性回归模型除了考虑AOD 外，还将与PM2.5有相关性的湿度、温度、风速、气溶胶类型、大气边界层高度等因素作为自变量，因此多自变量进行PM2.5多元线性回归，其精度得到显著的提高。由于PM2.5浓度的时空分布受到气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响，具有较强的非线性特性。有学者采用神经网络模型、支持向量机模型、贝叶斯网络算法、基因算法等人工智能算法进行PM2.5时空分布计算，取得较好的应用效果。广义相加模型GAM 是线性模型非参数化的扩展将一些与因变量间存在的复杂非线性关系的自变量以不同函数加和的形式拟合入模型可以探索到变量间非单调非线性关系从中找

遥感反演土壤湿度的主要方法

遥感反演土壤湿度的主要方法遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。 1.1 微波遥感土壤湿度法分主动微波遥感监测法和被动微波遥感监测法两种。此方法物理基础坚实，即土壤的介电特性和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。 1.1.1 主动微波遥感监测法以应用x波段侧视雷达为主，主要是后向反射系数法。因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。国内李杏朝据微波后向反射系数法，用x波段散射计测量土壤后向反射系数，与同步获得的X 波段、HH极化机载SAR图像一起试验监测土壤水分；田国良等在河南也应用此方法也进行土壤水分研究。主动微波遥感土壤水分精度较高，且可以全天候使用，成为监测水分最灵活、最适用、最有效的方法，随着大量的主动微波遥感器的卫星（ERS系列、EOS、SAR、Radar sat、ADEOS、TRMM 等）的发射升空，将使微波遥感的成本不断下降，逐渐被应用于实践 1.1.2 被动微波遥感监测法原理同主动微波遥感法。值得指出，植被在地表过程研究中的影响突出，为了消除植被的影响，必须同时重视植被的遥感监测，建立相关的计算模型。Teng等通过实验得出在浓密植被覆盖区土壤湿度监测中应避免使用19GHZ波段，此时SMMR 的6.6GHZ波段比SSM／I的19GHZ在遥感监测土壤湿度信息方面的精度更高。说明在植被较密时，为了消除植被对土壤湿度反演的影响，应尽量选择波段较长的微波辐射计。 1.2 作物植被指数法采用此方法是基于植被在可见光部分叶绿素吸收了70％-90％红光，反射了大部分绿光，而由于叶肉组织的作用，后行叶片在近红外波段的反射较强。通过各光谱波段所反射的太阳辐射的比来表达，这就叫植被指数。常用的植被指数有：归一化植被指数（Normal Difference Vegetation Index, NDVI）、比值植被指数（Ratio Vegetation Index, RVI）距平植被指数（Average Vegetation Index, AVI）和植被条件指数（Vegetation Condition Index，VCI）。 1.3 热红外遥感监测法土壤热惯量和土壤水分的关系密切，即土壤水分高，热惯量大，土壤表面的昼夜温差小，反之亦然。热红外遥感手段主要利用地表温度日变化幅度、植被冠层和冠层空气温差、表观热惯量、热模型（蒸散比）估测土壤含水量[5]。土壤热惯量法是土壤热特性的综合性参数，定义为： P = tCm (1) (1)式中：P为热惯量（J/m2 k?S1/2）；ρ为密度（kg/m3 ）；C为比热（J/kg?k）；λ为热导率。在实际工作中，常用表观热惯量来代替P： ATI=(1一A)／(Td-Tn) (2) 式中：Td、Tn分别为昼夜温度，A为全波段反照率。

利用MODIS的L1B数据反演气溶胶的流程如下

利用MODIS的L1B数据反演气溶胶的流程如下：该方案中的数据和算法介绍： 1、MODIS数据是采用的MODIS L1B 1KM数据。应严格按照说明进行操作，例如数据是1km的，数据的合成是反射率在上，发射率在下等，下面将详细介绍各个步骤。 2、这是在ENVI 5.0下做的北京市气溶胶反演，具体包括MODIS影像（HDF）的辐射校正、几何校正、云检测、气溶胶反演。 3、气溶胶反演算法采用经典的暗像元法（DDV）也叫浓密植被法，因此对于冬季反演的气溶胶效果不好。 4、气溶胶反演的查找表是利用IDL调用6S辐射模型得到的，采用的是一般的参数，因此3-9月期间都可以用这一个查找表进行气溶胶反演，也可以自己制定查找表。 5、七纬查找表，从左向右，依次为太阳天顶角，卫星天顶角，相对方位角，P0、T、 S （辐射传输方程参数），最后一列为气溶胶光学厚度（AOD） 6.感兴趣的可以提供用到的modis云检测工具和气溶胶反演工具以及详细的pdf文档。 MODIS数据下载地址：https://www.360docs.net/doc/fe12223400.html,/data/search.html

一、MODIS影像的辐射校正在ENVI 5.0中打开MODIS影像的HDF文件就已经做了辐射校正，打开HDF文件的方法是File->Open As->EOS->MODIS,打开后在数据列表中可以看到三个文件，第一个是发射率Emissive（band20-band36），第二个是辐射率Radiance（band1-band26）,第三个是反射率Reflectance（band1-band26），如图1所示。图1 ENVI5.0打开HDF文件二、几何校正 2.1发射率文件的几何校正（1）Georeference MODIS工具 ENVI5.0下有对特定传感器进行几何校正的工具，其中就有专门针对MODIS数据的几何校正，如图2 Georeference MODIS工具的位置。

多源遥感数据反演土壤水分方法

多源遥感数据反演土壤水分方法张友静1,王军战2,鲍艳松3 (11河海大学水文水资源与水利工程科学国家重点实验室,江苏南京　210098;21中国科学院寒区旱区环境与工程研究所, 甘肃兰州　730000;31南京信息工程大学大气物理学院,江苏南京　210044) 摘要:基于AS AR 2APP 影像数据和光学影像数据,根据水云模型研究了小麦覆盖下地表土壤含水量的反演方法。利用T M 和MOD I S 影像构建的植被生物、物理参数与实测小麦含水量进行回归分析,发现T M 影像提取的归一化水分指数(NDW I )反演精度较好,相关系数达到0187。根据这一关系,结合水云模型并联立裸露地表土壤湿度反演模型,建立了基于多源遥感数据的土壤含水量反演模型和参数统一求解方案。反演结果表明:该方案可得到理想的土壤水分反演精度,并可控制参数估计的误差。反演土壤含水量和准同步实测数据的相关系数为019,均方根误差为3183%。在此基础上,分析了模型参数的敏感性,并制作了研究区土壤缺水量分布图。关键词:土壤含水量;多源遥感数据;水云模型;AS AR;多尺度中图分类号:P33819 文献标志码:A 文章编号:100126791(2010)022******* 收稿日期:2009203209 基金项目:国家自然科学基金资助项目(40701130;40830639) 作者简介:张友静(1955-),男,江苏南京人,教授,主要从事遥感机理与方法研究。E 2mail:zhangyj@hhu 1edu 1cn 土壤含水量是地表和大气界面的重要状态参数,并直接影响地表的热量和水量平衡,因而受到水文、气象和农业灌溉等多个学科的关注。微波土壤水分遥感研究始于20世纪80年代,其中最具代表性的是U laby 利用试验数据得出土壤后向散射系数的主导因素为粗糙度和含水量 [1]。80年代后,Dobs on 和U laby 利用车载、高塔、航空平台的微波数据研究了土壤湿度反演的最佳工作模式,并一致认为小角度入射后向散射系数对土壤湿度最敏感[2]。随着微波散射模型不断发展,相继出现微波散射的小扰动模型、几何光学模型、物理光学模型、两尺度模型和积分方程模型A I E M 。Dobos on 等在物理模型和试验研究的基础上各自建立了经验和半经验模型,成功地反演了裸土的土壤含水量 [324]。2000年以来,随着Rardrsat,E NV I S AT AS AR 传感器发射,基于卫星雷达数据的土壤湿度反演逐步开展。李震等综合主动和被动微波数据,建立一种半经验模型,用于估算地表土壤水分的变化 [526]。研究表明AS AR 数据在半干旱区农田土壤湿度反演方面具有独特的优势[729]。在植被覆盖条件下,微波信号的组成十分复杂。研究提取植被覆盖下的土壤湿度信息的重点在于如何有效的分离出植被对微波的散射信号,以便用土壤的后向散射信号估算植被覆盖下的土壤含水量。直接用多频同步微波遥感数据通过理论模型或数值模拟求解植被对微波的散射信号[9],具有很好的同步性和物理意义。但遥感数据获取较为困难,同时求解所需的地面同步观测的数据要求很高,因而区域尺度的监测应用还有待深入研究。根据植被的生物、物理特征与植被散射信号之间的关系,采用同步光学遥感数据反演植被散射信号是近年来的研究热点[9211]。但在植被特征参数表达农作物后向散射信号的能力评价、模型参数的识别以及整体求解方案等方面的研究较少。此外,为满足土壤水分监测和灌溉决策的需求,还需研究不同时空分辨率数据反演植被散射信号的能力。本文根据水云模型,研究多尺度下不同植被特征参数与小麦含水量的关系,采用将所有参数放入统一框架下估算的策略,构建了结合光学和微波遥感数据的土壤水分估算模型,并分析了模型参数的敏感性。经准同步实测数据检验,小麦覆盖下土壤水分的估算达到了较高的精度。第21卷第2期 2010年3月水科学进展ADVANCES I N WATER SC I ENCE Vol 121,No 12　M ar .,2010

北京市气溶胶(PM10、PM2.5)反演与预警系统

说明：此文件为报名时必须要提交的文件，作为报名的一个重要组成部分不可缺少，如参赛小组不提交该文档，则报名无效 Esri 2012 中国大学生GIS软件开发竞赛项目计划书（D-ENVI/IDL开发组适用）参赛作品名称北京市气溶胶（PM10、PM2.5）反演与预警系统团队成员姓名学校/院系聊城大学环境与规划学院队长及联系电话快递地址邮编252059 队长电子邮箱（说明：2012年4月30日集中报名截至后，选手仍然可以报名参赛，但组委会将不再提供参赛软件。）竞赛官方讨论站点：https://www.360docs.net/doc/fe12223400.html, 参赛须知：所有参赛作品必须是原创作品，并且参赛者均须保证其提交的作品是由其本人或所属参赛团队原创并拥有、以前从未被发表或发布或许可给第三方发表或发布、以及不损害任何第三方的名誉权、隐私权等任何权利。参赛作品的原创版权归参赛团队所有，竞赛组委会仅拥有对获奖作品进行展示及推广的权利。如果提交作品，则意味着接受并遵守参赛要求和参赛规则。

项目计划书提交时间: 即日起至2012年4月30日截止。项目计划书提交流程: （1）在报名系统选择报名小组，并依次填加小组成员及指导老师；（2）下载该项目计划书，完整填写后，在报名小组信息中相应位置进行上载（请注意项目计划书文件的大小，尽量不要超过1.5m）；（3）组委会在收到该文件后，会给予审核，审核通过后，系统自动赋予参赛编号。项目计划书应包括如下内容（请以此为模板填写）：一、项目概述 1. 引言近二十多年来，随着我国工业化和城市化进程加快，各种大气污染物高强度、集中性的排放，大大超过了环境承载力，导致空气质量严重下降。大气污染不仅影响城市景观，还会严重危害公众健康，已成为影响我国城市和区域可持续发展的重要因素。气溶胶即悬浮在气体中的固体颗粒物和液体微粒与气体载体共同组成的多相体系，其动力学直径大约在0.001um—100um 之间，直径<10um的可吸入颗粒物(PM10)和直径小于2．5um的可入肺颗粒物(PM2.5)对人体健康有巨大危害。气溶胶颗粒的增加是近年来城市及郊区频现“灰霾”天气的一个重要原因。而且，气溶胶（PM10、PM2.5）的污染会严重影响人的身体健康，据统计由于气溶胶的污染，北京市人口寿命平均减少五年左右。 2. 项目背景/选题动机/目的目前国内对气溶胶的监测依靠环保部门地面采集、监测网络等方式获得数据，这种方式费时、费力、昂贵，对于发展中国家更是如此。同时气溶胶的时空特征存在巨大差异，而地基测站很少，所以地基观测方式难以实现大范围监测。相比于传统的监测手段，卫星遥感技术具有宏观性强，能快速获取地表的空间变化和时间动态变化信息等特点，在环境质量现状和应急监测方面具有明显的优势，卫星观测反演气溶胶的方法已成为越来越重要的气溶胶监测手段。二、需求分析 1. 概要【指出项目的需求，该系统主要解决的实际问题】由于地面监测的局限性，辅以遥感动态监测气溶胶成为不二之选，本系统基于高时间分辨率的MODIS 影像和高空间分辨率的环境减灾卫星影像、TM影像反演北京市气溶胶时空分布，在反演气溶胶的基础上分析气溶胶与PM10和PM2.5的关系，从而得到PM10和PM2.5的时空分布图。结合植被覆盖度、地表温度、相对湿度、地形（DEM）以及气象等多种影响因子来综合分析与气溶胶和PM10、PM2.5的关系。最后利用数据挖掘CART算法以多种影响因子为自变量实现气溶胶的预警。从而帮助受污染城市对气溶胶（PM10、PM2.5）进行预防和治理，给城市人民一个清爽的空气，一个健康的身体。 2. 应用领域/实用性分析【指出项目的应用领域及实用性】本系统是对城市气溶胶进行动态监测与预警，可以用来监测城市大气状况，尤其是对人身体健康影响很大的PM10、PM2.5。以此来帮助城市人民预防和治理大气污染，还城市人民一个清新的家园。三、系统功能概述【针对需求，对系统的设计概念和功能进行描述】本系统是C/S和B/S相结合的，在C/S端系统主要分为三大功能模块：1.基于多种影像的气溶胶反演 2.分析影响气溶胶产生以及分布的因子 3.利用CART算法对气溶胶进行预警；在B/S端主要是发布气溶胶现状分布图、和各种因子之间的分析结果以及预测的气溶胶时空分布图供不同用户（林业局、交通局、国土资源局、城市普通人民）浏览与分析。图1是基于StarUML软件制作的用例图（Use Case Diagram）。

近地表气温遥感反演方法(定)

近地表气温遥感反演方法研究进展摘要：气温是描述陆地环境条件的重要参数，也是气象观测资料中最基本观测项目之一。结合遥感的空间分辨率高，覆盖面广，资料同步性强的特点，运用遥感方法反演气温弥补了传统方法的缺点，气象卫星的发展，为其提供了技术平台支持。本文从近地表气温反演的各种不同的方法进行阐述，分别从半统计方法、统计方法、多因子分析方法和遗传算法方面进行叙述。关键词：气温；遥感；反演方法这 1.引言气温是描述陆地环境条件的重要参数，也是气象观测资料中最基本观测项目之一。由于近地球表面气温控制着大部分陆地表面过程(如光合作用、呼吸作用及陆地表面蒸散过程等)，因此，气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数输入因子[1,2]。高山、水体、植被以及土壤含水量等，以至于表现出很大的空间异质性。我们常常听说的气温，是有气象观测站在植有草皮的观测场所中离地面1.5米高的百叶箱中的温度表测得的。由于温度表保持了良好的通风性并避免了阳光直接照射，因而具有较好的代表性，这个温度基本上反映了观测地点(当地)的气温。但是随着数值预报的发展，常规的探测手段越来越不能满足现代业务预报的需要。特别是在海洋，沙漠，沙漠等的荒僻的地区，基本不可能设立气象站点，即使设立站点也十分稀疏，这就使得我们所获取的气温资料十分有限，要想研究特定位置的气温水平空间分布状况及其内部结构特征等都有一定的困难。同时在不同地形和不同景观条件下，一个气象站观测的数据能够代表的范围有很大差别，即使通过空间内插过程也不能够获得满意的气温空间分布，从影响模型模拟结果[3]。而遥感具有覆盖面广，空间分辨率高，资料同步性强的特点，所以利用卫星遥感手段资料反演近地表的大气温度就弥补了传统手段的缺陷，不论在现实意义还是经济意义上，都是非常重要的。随着大气科学理论和遥感探测技术的迅速发展，在全球大气观测系统中，卫星探测技术将会成为中流砥柱。同时，从60年代有了气象卫星之后，给遥感反演温度提供了可靠的现实依据。目前反演大气参数的方法基本可以分为三类：物理方法、半统计方法和统计方法。物理方法是从辐射传输方程出发，根据已知的一些大气知识对方程进行简化，从而达到求解的目的，至今对它们的物理机制认识得还很不清楚，所以极大地限制了该方法的应用与发展。半统计方法是采用物理方法与实测资料的结合，建立个大气参数间的关系，然后利用实测资料进行各参数的反演。目前在该领域采用比较多的是统计方法，它主要包括单因子线性回归分析方法、多元统计方法、Bowen 比分析方法、遗传算法和神经网络方法等，利用这些方法时需考虑多种影响因素，从而建立各因素之间的相互关系[4]。本文具体从半统计方法和统计方法对气温反演进行研究，着重论述了统计方法反演近地表气温，考虑了热红外和微波两个波段对气温的反演。

陆地气溶胶光学厚度反演原理与方法

陆地气溶胶光学厚度遥感监测原理与方法大气气溶胶是由大气介质和混合于其中的固体或液体颗粒物共同组成的多相体系。粒子的直径多在10-3～102μm之间。气溶胶光学厚度指无云大气铅直气柱中气溶胶散射造成的消光程度，是大气遥感的重要指标，也是衡量大气污染的重要指标。利用卫星遥感进行气溶胶监测主要有暗目标法（Kaufman et al,1988）、结构函数法(Tanré et al.,1988)、多角度偏振法(Herman et al,1997)等。目前环境一号卫星CCD相机和超光谱相机的波段设置条件下，暗目标法可得到较好的应用，同时环境一号卫星CCD相机的高空间分辨率，为结构函数法的应用提供了可能。由于环境一号卫星各相机的工作方式的（非偏振）限制，目前尚无法应用多角度偏振方法，环境一号后续星将加入偏振传感器。 1.暗目标法在可见近红外波段，传感器接收到的信号，既是气溶胶光学厚度的函数，又是下垫面地表反射率的函数。当地表反射率很小时，卫星观测的辐射值主要是大气的贡献，能够提取大气气溶胶信息，暗目标法就是利用浓密植被地区红蓝波段的辐射值和气溶胶光学厚度的这种关系反演气溶胶光学厚度。 2.结构函数法对于高反射率地区，地表反射率较大，传感器测量的辐射值主要是地表的贡献项，对气溶胶的变化不再敏感，这时使用基于地表反射率的方法反演气溶胶光学厚度非常困难。结构函数法是早期研究陆地污染气溶胶采用的卫星遥感算法。该算法假设同一个地区一段时间内地表反射率是不变的，利用“清洁日”大气作为参考，反演“污染日”大气的气溶胶光学厚度。利用结构函数法可以反演城市地区的气溶胶分布状况。 3.多角度偏振方法大气中的气溶胶和大气分子与入射太阳辐射相互作用，除了可以散射和吸收入射辐射，还可以使入射辐射发生偏振，卫星通过测量后向散射的偏振特性，可以得到气溶胶信息。利用偏振信息进行气溶胶反演，具有受地表影响小、能够反演气溶胶物理性质的优势。

landsat 遥感影像地表温度反演教程

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（LC8LGN00）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LC8LGN02_MTL_Thermal ，单击Spectral Subset 选择Thermal Infrared1（），打开Radiometric Calibration 面板。（2）多光谱数据辐射定标选择要校正的多光谱数据“进行辐射定标。 Settings ，如下图。 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，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“”中找到，具体名称：DATE_ACQUIRED = 2013-05-12；SCENE_CENTER_TIME = 02:55:； 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。 11) 多光谱参数设置中， K-T反演选择默认模式：Defaults->Over-Land Retrieval standard （600:2100）波谱响应函数：默认指向.. \Program Files\Exelis\ENVI51\classic\filt_func\ 把它重新指向：..\Program Files\Exelis\ENVI51\resource\filterfuncs\ 注：这是因为版本的一个小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

操作-大气校正,辐射定标,气溶胶反演

基于RS\GIS监测洪灾变化上机操作实例基本原理： ①大气校正遥感图像在获取过程中，受到大气吸收与散射、传感器定标、地形等因素的影响，且会随时间的不同而有所差异。利用多时相遥感图像的光谱信息检测地物变化的重要前提是要消除不变地物的辐射值差异。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，大多数情况下，大气校正是反演地物真实反射率的过程。目前可以进行大气校正的模块有很多种，如最早的MODTRAN 4+，6S (Second Simulation of the Satellite Signal in the Solar Spectrum)，ACORN，ATREM，在ERDAS IMAGINE 8.7上的模块ATCOR，以及ENVI上的模块FLAASH（基于MODTRAN）。 FLAASH可对LANDSAT，SPOT，A VHRR，ASTER，MODIS，MERIS，AATSR，IRS等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校正分析。下面的大气纠正步骤，都是基于FLAASH进行的。 ②辐射定标当我们拿到一幅原始影像，先要进行辐射定标，目的是把图像上的DN（Digital Number）值转为辐亮度或者是反射率。辐射定标的结果可以是表观辐亮度（L），也可以是表观反射率（ρ）。计算表观辐亮度（L）的公式为： Radiance=（（Lmax-Lmin）/（Qcalmax-Qcalmin）*（Qcal-Qcalmin）+Lmin ① 其中：Radiance 是表观辐亮度，注意单位是W/m2·sr·μm；Qcal为像元DN 值（也就是影像数据本身）；Qcalmax为传感器处最大辐亮度值所对应的DN值，一般为255；Qcalmin 为传感器处最大辐亮度值所对应的DN值，一般为0；Lmax 和Lmin是从参数表中查询，Lmin为光谱辐亮度的最小值，单位同L；Lmax为光谱辐亮度的最大值，单位同L。计算表观反射率（ρ）的公式为： ρ =π*L*d2/（ESUN*cos（θ））② 其中：ρ为表观反射率；L为①式中计算出来的表观辐亮度；d为日地距离；ESUN为大气层外的太阳辐射，也可以说是传感器接收处的太阳辐射；θ为太阳天顶角（这个可以通过影像的元数据获取）。以上参数可以查询下表获得。

植被参数遥感反演

2019‐06‐15 植被参数遥感反演种间竞争条件下互花米草光谱特征分析及叶绿素含量反演研究

目录研究背景1 数据来源 2光谱分析与叶绿素反演3总结 4

01 研究背景

面临外来物种入侵等威胁长江口盐沼湿地互花米草vs 芦苇等湿地生态系统重要的生态服务价值面积占5.8% 丰富的生态系统产品和服务

宏观研究→精细化研究单一物种 →多物种混合 -入侵物种与本地物种的竞争-生态学–光谱学–遥感科学湿地生态遥感以国产高分系列为例 -空间分辨率GF2: 1m -光谱分辨率GF5: 0.45~12.5μm ，12个谱段 -时间分辨率GF4: 分钟级机遇挑战

种间竞争条件下互花米草光谱特征分析及叶绿素含量反演研究种间竞争生态学研究多(入侵机制、扩散方式、影响因子等)光谱学研究少互花米草生态学研究多(环境影响、生物多样性、驱动因子等)光谱学研究少，遥感主要针对纯物种分类和制图长江口盐沼湿地：华东师大、复旦大学、同济大学、南大、中科院、上师大叶绿素反演农田研究多，湿地研究少光谱指数多，集成应用少 123 入侵机制-Yokomizo,2009;Z. Ge, 2013; Hu,2015等扩散方式-Paradis,2014;H.Liu,2017影响因子-B.Li,2009;Medeiros,2013 环境影响-B.Li,2012;C.Zhang,2017等生物多样性-C. Wang,2006;L. Tang;2013光谱-Z.Gao,2006;B. Zhao, 2015制图-Davranche,2013;Ai,2017 叶绿素-Jacquemoud,2009;Main,2013等生物量-Quan,2011;Verrelst,2013;Pastor,2015;LAI-Ustin, S.2009;Tian,2013;B.Liu,2016等

浅析多源遥感数据融合原理及应用

浅析多源遥感数据融合原理摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。关键词: 遥感影像融合融合层次融合方法优缺点对比

目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)

气溶胶光学厚度的高光谱遥感反演及其环境效应

气溶胶光学厚度的高光谱遥感反演及其环境效应【摘要】：气溶胶是研究全球气候变化和大气污染的重要参数，也是进行定量遥感必须获得的参数。本文针对人口密集、工业化程度高的城市区域范围，探索高光谱数据遥感反演气溶胶光学厚度的方法，应用中科院上海技术物理研究所自行研制的模块化成像光谱仪(OMIS)，结合MODIS卫星资料和地面太阳光度计监测，试图形成“星载—机载—地面”三个高度立体遥测，实现城市气溶胶光学厚度的反演，并进一步研究其环境效应。具体工作及结果如下：1)比较分析各种气溶胶光学厚度遥感反演方法的适用性和局限性，并介绍了太阳光度计地基遥测原理。2)分别介绍了MODIS、OMIS和地基高光谱数据的特点及数据预处理过程、分析典型地物的光谱特征。3)采用高反差地表法，对2002年10月7日的机载OMIS高光谱数据，进行了气溶胶光学厚度反演的尝试性试验，给出了初步的反演结果，在502-590nm波段处的气溶胶光学厚度值在0.175-0.314之间。反演结果符合当天的空气质量状况，与能见度进行比较，以证明反演结果的正确性，说明利用高光谱、高空间分辨率的机载遥感数据可以反演城市气溶胶光学厚度。4)进行大气辐射传输模型的模拟与分析，利用MODIS红、蓝通道数据分析地表反射率、气溶胶类型、气溶胶组份、水汽、臭氧等因素对气溶胶反演的影响；建立了表观反射率—地表反射率—气溶胶光学厚度之间的查算表，结合城市地表特点，探索基于MODIS数据的双目标对比法进行气溶胶光学厚度的反演。5)利用地

面站点能见度和卫星遥感的气溶胶光学厚度资料，建立了一个二者之间季节平均的简单关系，得到上海地区各季的气溶胶标高在春季、夏季、秋季和冬季分别为：1251m，1957m，791.7m和776.4m；并利用标高数据和气溶胶光学厚度的季节分布，反演上海地区区域能见度的季节平均分布，证实上海城区在冬春季平均能见度较差，市区中心能见度在10km以下；低能见度中心分布明显，且主要分布在杨浦、桃浦、吴淞等工业区范围。6)利用MODIS气溶胶产品及太阳光度计实测数据，分析上海及周边地区气溶胶光学厚度的时空变化特征；将MODIS气溶胶产品与地面污染资料、气象资料进行比较分析，发现AOD与PM_(10)的相关性最好，出现AOD大值的日子里相对湿度大，风速较低，能见度低，大气相对比较稳定，不利于污染物的稀释扩散。 7)通过因子分析，选取公因子F1(污染因子)、F2(温度气压因子)、F3(湿度和辐射因子)、F4(风速因子)、F5(气溶胶光学厚度)作为评价大气污染程度的主要影响因子，以MODIS遥感的气溶胶产品作为衡量大气浑浊度和气溶胶污染等级划分的指标，将气溶胶污染划分为：弱、较弱、中等、较强、强五级。【关键词】：气溶胶光学厚度(AOD)模块化成像光谱仪(OMIS)中分辨率成像光谱仪(MODIS)太阳光度计【学位授予单位】：华东师范大学【学位级别】：博士【学位授予年份】：2006

《遥感图像处理》：曲靖市landsat8遥感影像植被覆盖度反演

《遥感图像处理》实验报告实验题目：曲靖市Landsat8遥感影像植被覆盖度反演姓名：___ ____ 学号：专业：___地理科学_ __ 教师：日期：___2017年3月15日__ 曲靖师范学院城市学院

一、实验目的太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。本实验以曲靖市的一景Landsat 8遥感影像为数据源，利用ENVI大气校正扩展模块（ FLAASH）进行大气校正，并对比分析大气校正前后植被、水体、土壤、裸岩等典型底物的光谱特征差异，为后续定量遥感的应用奠定一定的基础。二、实验准备 1.软件准备：ENVI 数据准备：LC8LGN00遥感数据、地形数据三、实验过程（一）遥感影像数据的辐射定标 Landsat8数据和其他TM 数据类似，发布的数据标示 L1T，做过地形参与的几何校正，一般情况下可以直接使用而不需要做几何校正。为了利用其丰富的波段光谱信息，我们需要进行辐射定标处理，将原始图像上的DN值转为反射率。 1.使用下的通用定标工具Radiometric Calibration进行Landsat8的辐射定标。打开LO8BJC00_MTL全波段文件，选择MultiSpectral多光谱数据进行定标，定标的范围可缩小为ROI区域。

（1）.定标参数设置。为后续的FLAASH大气校正做数据准备，单击Apply FLAASH Settings得到相应的参数。然后点击OK输出结果。辐射定标后的结果：通过定标之后的影像DN值可靠。其中，底下的Data值为定标前影像的像元值，上面的Data值为定标后影像的像元值。且定标前影像的数据类型为无符号16位整型，定标后影像为浮点型辐亮度值。

叶面积指数遥感反演

冬小麦叶面积指数(LAI)的遥感反演 ——经验模型和物理模型方法李淑敏 2010/12/13

?第一部分.基础知识 ?第二部分.遥感反演LAI 的方法 ?第三部分.研究实例本次课程主要内容叶面积指数LAI 、遥感反演经验模型反演方法、物理模型反演方法几何光学模型、辐射传输模型 PROSAIL 模型硕士论文——―基于MODIS/ASTER 的区域冬小麦叶面积指数PROSAIL 模型反演研究” BRDF 模型PROSPECT 模型、SAIL 模型

叶面积指数leaf area index ?定义：单位土地面积上植被叶片总面积。叶片总面积/占地面积 ?陆地生态系统的一个十分重要的参数：农作物产量预估和病虫害评价；反映作物生长发育的动态特征和健康状况。 ?叶面积指数越大，表明单位土地面积上的叶面积越大。那么，叶面积指数越大越好吗?? ?以冬小麦为例了解叶面积指数变化情况

图为不同群体叶面积指数消长模型（彭永欣等，1992）1—过大群体;2—高产群体;3—过小群体. 低增缓增快增衰减LAI 消长动态分为四个时期 1. 低速增长期，叶片总数较多，但叶面积较小，总叶面积增速较低； 2. 缓慢增长期，单叶面积渐次增加，但低温条件，出叶周期延长； 3. 快速增长期，气温回升，植株生长快速，至孕穗期LAI 达峰值； 4. 衰减期，植株生殖生长，叶片消亡叶面积衰减，至成熟期LAI 为0。一个生长期内冬小麦叶面积指数变化

叶面积指数获取方法 ?实测方法长宽法、称重法这些方法均需要消耗一定的人力进行实物测量。借助有关测量工具例如LAI-2000、LAI-2200、LI-3100C、LI-3000、AccuPAR等，此方法仍需实地进行测量。仅能获得地面有限点的LAI值，对于推广获取大范围LAI存在很大局限性，不能满足植被生态和作物长势监测需求 ?遥感反演方法由于遥感数据具有覆盖范围广、时间与空间分辨率高、花费相对较少等优点。可以用定量遥感方法反演区域LAI ?作物生长模型模拟LAI

遥感干旱反演方法汇总

遥感干旱反演方法汇总 (2012-07-03 08:27:42) 转载▼ 分类：遥感技术标签：遥感干旱监测干旱反演方法植被指数法温度法杂谈干旱作为一种缓变的现象，其严重程度也是逐渐积累的结果，这就为干旱的监测和早期的预警带来了方便和可能。干旱监测方法分为地面监测方法和空间监测方法。地面监测方法是利用地面点的数据，通过统计分析进行干旱监测。而灾害的发生具有明显的空间和时间特性。空间特性是说灾害的发生总是落在某一个地域范围内，受影响的是一个面而不是一个点；时间特性是指灾害的发生具有明显的季节性与不同尺度的周期性。因而，传统的地面监测方法不能及时的对旱情信息进行快速、准确预报。空间监测方法是随着卫星遥感技术的发展而来并逐渐趋于成熟，通过测量土壤表面反射或发射的电磁能量，探讨遥感获取的信息与土壤湿度之间的关系，从而反演出地表土壤湿度。此法监测土壤湿度不仅可以得到土壤湿度在空间上的分布状况和时间上的变化情况，而且可以进行长期动态监测，具有监测范围广，速度

快，成本低等特点。遥感分为可见光、红外波段和微波波段，不同波段的遥感对干旱监测的原理不同。在可见光与近红外波段，不同湿度的土壤具有不同的地表反照率，通常湿土的地表反照率比干土低。可见光和红外波段遥感正是利用地表温度获得土壤热惯量，从而进行估测土壤湿度。此方法虽然比较成熟，但是可见光与近红外遥感容易受云，气溶胶等天气状况的影响，此局限性严重影响了其监测精度。微波遥感是近代兴起来一项新技术，相对于可见光和红外波段的遥感，微波波段遥感对土壤水分更加敏感。不受光照条件限制，具有全天候观测的能力，其分辨精度最高可达到几十厘米，而且微波的低频波段对冰，雪，森林，土壤具有一定穿透的能力。在一定程度上缓解了天气状况的干扰。由于土壤介电特性与土壤含水量密切相关，微波遥感通常采用土壤介电特性进行表征。土壤的介电常数随土壤变化而变化，表现于卫星遥感图像上将是灰度值和亮度温度的变化。微波遥感监测干旱又分为主动法和被动法两种。主动微波遥感主要根据地表的回波信号进行土壤湿度预测。具有较高空间分辨率，但受地表粗糙度，植被影响大。被动微波遥感监测面积大，周期短，受粗糙度影响小，并且对土壤水分更为敏感，算法更为成熟，可以应用于大面积地区干旱监测。

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；