小熊用户文档

小熊工具箱用户文档

V 2.0

rihor@https://www.360docs.net/doc/1d14935679.html,

2012年11月

目 录

目录

前言 (1)

1 相对辐射归一化 (1)

1.1 简介 (1)

1.2 使用步骤 (1)

1.3 实例 (3)

2矩匹配相对辐射校正 (3)

2.1 简介 (3)

2.2 使用步骤 (4)

2.3 实例 (4)

3 趋势分析 (5)

3.1 简介 (5)

3.2 使用步骤 (5)

4 最大值合成 (6)

4.1 简介 (6)

4.2 使用步骤 (6)

5 MODIS质量数据转换 (6)

5.1 简介 (6)

5.2 使用步骤 (6)

5.3 实例 (7)

6 批量矢量裁剪 (8)

6.1 简介 (8)

6.2 使用步骤 (8)

7 MRT批处理 (9)

7.1 简介 (9)

7.2 使用步骤 (9)

8 TVDI (10)

8.1 简介 (10)

8.2 使用步骤 (12)

9 ROI分离器 (13)

9.1 简介 (13)

9.2 使用步骤 (14)

10批量生成缩略图 (14)

10.1 简介 (14)

10.2 使用步骤 (15)

11批量生成影像范围（shp） (15)

11.1 简介 (15)

11.2 使用步骤 (16)

前言

程序在IDL+ENVI下编译，名为rihor_Little_Bear_Tools.sav，仅支持ENVI4.8及以上版本。使用时先将该sav文件放到ENVI安装目录下，如D:\Program Files\ITT\IDL\IDL80\products\envi48\save_add（名字因版本不同略有差异，ENVI 5.0请放到……\Exelis\ENVI50\classic\ save_add），然后将provmeans.dll和provmeans.dlm放到idl的bin\bin.x86下，如D:\Program Files\ITT\IDL\IDL80\bin\bin.x86。启动ENVI+IDL，菜单会自动添加。

此版为第二版，在第一版基础上新加了4个功能（TVDI、ROI 分离器、生成缩略图、生成影像范围），并修复了第一版中的几个小bug,以及增加MRT环境变量的自动配置。

QQ群：219187105

Email：rihor@https://www.360docs.net/doc/1d14935679.html,

1 相对辐射归一化

1.1 简介

利用参考影像和待校正影像中对应像元的光谱相关性，提取没有发生变化的地物点，建立回归方程，然后对待校正影像进行校正，使两影像中相同地物具有相同，或相近的值，输入影像可以是DN值、RAD和TOA反射率。处理结果可用于多时相的变化监测，以及相邻影像镶嵌前的辐射配准（ROI选重叠区域）等。

1.2 使用步骤

(以下步骤在IDL8.0+ENVI4.8下测试通过，如只运行ENVI可能会提示有函数未定义)：

1 在ENVI中打开参考影像和待校正影像。两影像大小可以不一致，但分辨率须相同。由于程序需要比较两景影像的对应像元，因此两影像需要做过坐标配准，RMSE小于一个像元。

2 由于不变点提取时计算较慢，如图像较大，则计算时间较长（对于TM全图，可能需要两个小时左右），因此程序是对选定的ROI进行计算。ROI应尽量多的包括两时相数据中没有发生变化的地物。ROI 可以在参考影像或目标影像上选择，然后ROI工具下的Reconcile ROIs via Map将ROI映射到另一景影像中。

ROI映射过后，如果该ROI出现在ROI的第二个位置，其中第一个ROI的个数是0，需要将此ROI删除，即用于不变点提取的ROI 应在第一个位置，如下图，需要删除选中的ROI（ABC）。

同时，ROI映射过后，需要保证参考影像和待校正影像中ROI 的像元数量一致（由于坐标不完全一致，ROI映射可能导致个数变化），如不一致需要删除重新选取ROI并映射。为避免此种情况，ROI选取时尽量选为规则矩形。如图所示：

为保证精度，建议ROI的像元数在40~50万左右，太多可能会出现内存不足的错误。

3 点击相对辐射归一化菜单，然后根据提示分别选取参考影像，待校正影像，结果路径，并确定，结果即为校正后的影像。

1.3 实例

利用某地区2011年8月7日和6月20日的TM影像，其中以8月7日的为参考影像，对6月20日的影像进行校正，并将两时相数据交替选取200行进行镶嵌。

交替镶嵌（左：校正前；右：校正后）

2矩匹配相对辐射校正

2.1 简介

对于面阵推扫式传感器，由于仪器光谱响应函数、成像条件、大气斜程吸收和辐射、地物二向反射特性等因素的影响，高光谱图象上会出现条带现象和“smile”现象，因此需要进行相对辐射校正。

矩匹配方法对图象数据有一个基本的假定条件：理想成像条件下，只要图象在飞行方向有足够多的扫描线，可以认为图象矩阵在飞行扫描方向的每列数据的统计均值和标准差是相等的，即飞行方向每列数

据的均值(偏差)和标准差(增益)的差异是由于辐射差异造成的。

2.2 使用步骤

（ENVI4.8之前版本无法运行）

1 在envi 中打开需要校正的影像，

2 运行矩匹配相对辐射校正，并根据提示设置输出路径。

2.3 实例

渐晕去除

Spectral

dimension

Spatial dimension

wavelength

面阵推扫型成像光谱仪条带噪声原理图

条带去除

3 趋势分析

3.1 简介

逐像元分析时间序列数据随时间的变化，如NDVI 年均值的变化趋势，得到斜率和截距。如下图为某像元的10年的NDVI 年均值，线性回归得到斜率和截距分别为0.002和0.04。

3.2 使用步骤

1 在envi 中打开多波段时间序列影像，

y = 0.002x + 0.040

0.035

0.04

0.045

0.05

0.055

0.06

0.065

0.07

024681012

2 运行趋势分析，并根据提示设置输出路径。

4 最大值合成

4.1 简介

得到多波段数据（时间序列数据）中的最大值。

4.2 使用步骤

1 在envi中打开多波段时间序列影像，

2 运行最大值合成，并根据提示设置输出路径。

5 MODIS质量数据转换

5.1 简介

MODIS数据的质量评估数据（Quality Assessment -QA），都是以不同的bit来表示不同的信息，因此，要利用QA数据进行掩膜，需根据数据说明文档，提取相应的bit来生成掩膜图像。

5.2 使用步骤

1 在ENVI中打开QA波段。

2 运行MODIS质量数据转换，界面如下图所示。

3 选择输入文件和输出路径

4 设置Bit的起始位和截止位，计算。

5.3 实例

以MODIS植被指数为例，其质量评估数据的前两个Bits描述如下：

在程序中设置Bit的起始位和截止位分别为0和1，计算的结果图像中，其值的范围是0~3，值的含义为：

0：VI produced with good quality

1：VI produced but with unreliable quality and thus examination of other QA bits recommended

2：VI produced but contaminated with clouds

3：VI not produced due to bad quality

6 批量矢量裁剪

6.1 简介

利用evf文件，批量裁剪带坐标的栅格图像。

6.2 使用步骤

1 准备需要裁剪的范围的EVF文件。

2 将待裁剪的栅格图像放到同一文件夹下。

3 运行程序，主界面如下。

4 设置输入、输出目录和evf路径。

5 设置掩膜值和文件类型，掩膜值为evf区域之外的值，文件类型为待裁剪文件的扩展名。

6 点击批处理，开始裁剪。

7 MRT批处理

7.1 简介

用于批处理相同tile（H和V相同）的MODIS时间序列产品，需要安装MRT。

7.2 使用步骤

1 在MRT界面中，利用当前tile的某一期HDF文件，配置转换参数，包括输出波段、采样方式、输出坐标、像元大小等，点击运行，确认参数无误后将参数保存为prm文件。

2 将需要处理的HDF文件放到同一文件夹下。

3 运行MRT批处理，界面如下图所示。

4 分别设置输入目录（HDF目录）、输出目录、prm路径（第一步保存的文件），以及本机MRT安装目录下的resample.exe路径，如C:\ MODIS_TOOLS\bin\resample.exe

5 点击批处理，开始批量转换格式和投影。

PS:win7下可能由于权限不足，导致无法运行，可尝试关闭UAC。

8 TVDI

8.1 简介

近年来，有研究人员分析了遥感传感器得到的地表温度（LST）和植被指数，认为它们的散点图构成的空间关系为三角形关系，并利用土壤——植被——大气传输模型(SV AI)进行了比较验证。实验观测要求研究区域必须足够大，涵盖的地表覆盖信息应该从裸土一直变化到植被完全覆盖，上壤湿度从干旱变化到湿润。图中的A、B、C三个点代表了LST-NDVI特征空间中的三种极端情况，分别表示干燥裸土(NDVI小，LST高)、湿润土（NDVI和LST都最小)和湿润且完全植被覆盖的地表(NDVI大，LST高)。在裸土区，地表温度与土壤含

水量的变化高度相关。由A 至B ，地表的土壤水分蒸发逐渐增大。随着地表植被覆盖度的增加，地表温度开始下降。C 点表示植被完全覆盖，土壤湿度含量充足，这时没有水分胁迫。图中AC 边表示上壤水分的有效性很低，地表蒸散小，处于干旱状态，被认为是“干边”；BC 表示土壤水分充足，不是植物生长的限制因素，此时地表蒸散等于潜在蒸散，被认为是“湿边”。

NDVI —LST 关系

对LST-NDVI 特征空间进行简化，研究人员提出了温度植被旱情指数(Temperature Vegetation Dryness Index ，TVDI)的概念，其计算公式如下:

min max min

TS TS TVDI TS TS -=- 式中min TS 为最小地表温度，对应的是湿边；TS

为任意像元的地表温

度，max TS 为某一NDVI 对应的最大地表温度，即干边。

在利用遥感获得的植被指数与地表温度数据中，提取相同植被指数下的最高和最低地表温度，将植被指数与其分别进行线性拟合，即可获得特征空间中的干边与湿边方程:

max 11TS a b NDVI =+?

min 22TS a b NDVI =+?

其中1a 、1b 和2a 、2b 分别是干边和湿边拟合方程的系数。干边对应TVDI

值为1，湿边为0，计算得到任一点TVDI 值介于0和1之间，TVDI 值越大，对应的土壤水分越低；TVDI 值越小，对应的土壤水分越高。

根据上述原理，利用的某地区9月份的植被指数NDVI 和LST 进行试验，其LST-NDVI 特征空间如下图所示。

某地区9月下旬NDVI —LST 散点图和拟合方程

8.2 使用步骤

1 准备TVDI 计算所需的VI （值为-1~1）和LST （摄氏度）数据，并准备相应的掩膜数据，如云掩膜、或根据质量控制数据生成掩膜（见

y = 3.565x + 20.85

R2 = 0.513

y = ‐12.27x + 40.04

R2 = 0.90715

20

25

30

35

400.10.30.50.70.9L S T NDVI 湿边

干边

5.2）。注意VI和LST数据大小须一致。

2 运行程序，界面如下图所示。

3 分别选择VI数据和地表温度数据，如有掩膜，在选择数据的同时选取。然后分别设置VI和温度数据的有效范围。

4 设置结果路径，并计算。

5 计算结束后，生成3个结果文件（如在界面中设置的结果文件为result.img，则结果分别是result.img、result.jpg、result.txt。其中result.img为TVDI结果，结果已乘上10000，值的范围为1~10000。result.jpg为NDVI—LST散点图和拟合直线。result.txt为散点图数据，具体见txt文件的文字说明）。

9 ROI分离器

9.1 简介

利用样本数据(ROI)进行建模分析、或是分类时，经常需要将样本数据分成两份，其中一部分用于分类（或是建模），另外一部分用于结果验证。ROI分类器的功能为按指定的比例，将所选的ROI随

机分成两部分。

9.2 使用步骤

1 在ENVI中打开样本对应的图像。

2 打开样本ROI，或是在图像中选择样本ROI。

3 运行程序，选择对应的图像。

4 选择需要分离的ROI。

5 设置分离后第一部分的比例，值为百分比。

6 在ROI tools中查看分离后的ROI，如果原ROI名字为test，则分离后名字分别为Ⅰ：test、Ⅱ：test。下图是将ROI按50%，50%分离的结果。

10批量生成缩略图

10.1 简介

对于大批量的遥感数据，常常需要生成JPG格式的缩略图，便于查看数据的质量、以及是否有云等。本程序是将一个文件夹下指定

格式的图像，利用设置的波段批量生成JPG图片。

10.2 使用步骤

1 将需要生成缩略图的图像放到一个文件夹下。

2 运行程序，界面如下图所示。

3 分别设置输入输出路径。

4 设置输入文件的扩展名、较长的边缩小后的值。如原影像大小为8000*6000，设置较长的边缩小后为8000，则缩略图的大小为800*600。如果设置较长的边缩小后的值大于它本身，则取它本身的值，而不会进行放大。

5 设置波段组合。对于单波段的图像，无论界面中如何设置，结果中均取第一波段。

6 点击批处理运行。

11批量生成影像范围（shp）

11.1 简介

对于大批量带地理坐标的遥感影像，如果在ENVI中查看每景影像的覆盖范围，是十分费力的事。本程序的功能是批量将遥感影像的覆盖范围，生成矢量图(shp)，方便查看数据覆盖范围。

11.2 使用步骤

1 将需要生成shp范围的图像放到一个文件夹下，图像须带有地理坐标。

2 运行程序，界面如下图所示。

3 分别设置输入目录和输出路径。

4 设置波段，背景值和文件扩展名。背景值为shp中不考虑的像素，波段为计算范围时，所用的波段数据。对于TM影像，各波段有效值在影像边缘略有差异。对于某些高光谱数据，前几个波段由于信噪比较低，可能无效值较多，因此尽量选择数据质量较好的波段。

5 点击OK，运行。

6结生成的shp结果为经纬度坐标，原来每景影像的覆盖范围均生成一个polygon，影像的名字为polygon的name字段。下图为某影像的有效值覆盖范围。