# Landsat遥感影像处理与校正：ENVI教程 #

开发工具

2023-12-15 21:40:42

Landsat 7遥感影像：ENVI中的预处理和大气校正指南

各位遥感爱好者，准备好了吗？让我们踏上一次激动人心的旅程，探索如何利用ENVI软件对Landsat 7遥感影像进行预处理和大气校正。这些步骤至关重要，可以将原始影像数据转化为更有用、更准确的信息，供我们进行进一步分析。

揭秘遥感影像预处理

预处理是将原始影像数据变成可用于分析的高质量格式的过程。它包括三个关键步骤：

1. 辐射定标：将数字变为真实

辐射定标将影像中的数字编号 (DN) 值转换成真实辐射值，这些值表示地表反射的能量。

2. 几何校正：让影像与世界匹配

几何校正校正了影像中的几何畸变，使影像与实际地理坐标一致。

3. 重采样：调整像素大小

重采样将影像像素大小重新调整到指定尺寸，以便进行进一步处理和分析。

大气校正：消除大气干扰

大气校正消除大气对影像的影响，从而恢复地表的真实反射率。ENVI提供了两种流行的方法：

1. 6S 大气校正法：基于辐射传输

6S 方法使用辐射传输模型计算大气影响，然后将其从影像中去除。

2. FLAASH 大气校正法：基于物理模型

FLAASH 方法使用物理模型来估计大气影响，并将其校正。

代码示例：Python 中的 Landsat 7预处理和大气校正

为了在实践中演示这些技术，我们使用 Python 和 gdal 库编写了一些代码示例：

import gdal
from osgeo import gdal_array

# 打开 Landsat 7影像
ds = gdal.Open('landsat7.tif')

# 辐射定标
meta = ds.GetMetadata()
scale = float(meta['RADIOMETRIC_RESCALING'])
offset = float(meta['RADIOMETRIC_OFFSET'])
data = gdal_array.DatasetReadAsArray(ds) * scale + offset

# 几何校正
gdal.Warp('landsat7_corrected.tif', ds, dstSRS='EPSG:4326')

# 大气校正
gdal.Warp('landsat7_atmospherically_corrected.tif', 'landsat7_corrected.tif', 
          outputType=gdal.GDT_Float32, creationOptions=['-etm']