遥感专题讲座——定量遥感(三、大气校正)

更新时间:2023-07-09 06:22:26 阅读: 评论:0

大气校正

   大气校正是定量遥感中重要的组成部分。本专题包括以下内容:
∙∙●大气校正概述
∙∙●ENVI中的大气校正功能

1大气校正概述

    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,广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数;狭义上是获取地物真实反射率数据。用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响,消除大气分子和气溶胶散射的影响。大多数情况下,大气校正同时也是反演地物真实反射率的过程。
下载 (132.92 KB)
2010-1-28 16:37
1 大气层对成像的影响示意图

    很多人会有疑问,什么情况下需要做大气校正,我们购买或者其他途径获取的影像是否
做过大气校正。高血压饮食禁忌及食谱
通俗来讲,如果我们需要定量反演或者获取地球信息、精确识别地物等,需要使用影像上真实反映对太阳光的辐射情况,那么就需要做大气校正。我们购买的影像,说明文档中会注明是经过辐射校正的,其实这个辐射校正指的是粗的辐射校正,只是做了系统大气校正,就跟系统几何校正的意义是一样的。
u盘无法识别    目前,遥感图像的大气校正方法很多。这些校正方法按照校正后的结果可以分为2种:
∙∙●绝对大气校正方法:将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
∙∙●相对大气校正方法:校正后得到的图像,相同的DN值表示相同的地物反射率,其结果不考虑地物的实际反射率。
  常见的绝对大气校正方法有:
基于辐射传输模型
∙∙♦MORTRAN模型
雪花屏∙∙♦骄傲的英文LOWTRAN模型
∙∙♦ATCOR模型
静脉炎分级
∙∙♦6S模型等
基于简化辐射传输模型的黑暗像元法
基于统计学模型的反射率反演;
相对大气校正常见的是:
基于统计的不变目标法
直方图匹配法等。
  既然有怎么多的方法,那么又存在方法选择问题。这里有一个总结供参考:
         1、如果是精细定量研究,那么选择基于基于辐射传输模型的大气校正方法。
         2、如果是做动态监测,那么可选择相对大气校正或者较简单的方法。
         3、如果参数缺少,没办法了只能选择较简单的方法了。

2 ENVI大气校正功能

计算机专业实习报告ENVI中包含了很多大气校正模型,包括基于辐射传输模型的MORTRAN模型、黑暗像元法、基于统计学模型的反射率反演。基于统计的不变目标法可以利用ENVI一些功能实现。
其中MORTRAN模型集成在ENVI大气校正扩展模块中。还有直方图匹配等。

2.1 简化黑暗像元法大气校正

    黑暗像元法是一种古老、简单的经典大气校正方法。它的基本原理是在假设待校正的遥感图像上存在黑暗像元、地表朗伯面反射和大气性质均一,并忽略大气多次散射辐照作用和邻近像元漫反射作用的前提下,反射率很小(近似0)的黑暗像元由于大气的影响,使得这些像元的反射率相对增加,可以认为这部分增加的反射率是由于大气影响产生的。这样,将其他像元减去这些黑暗像元的像元值,就能减少大气(主要是大气散射)对整幅影像的影响,达到大气校正的目的。整个过程的关键是寻找黑暗像元以及黑暗像元增加的像元值。
            ENVI下的Dark Subtract工具提供选择波段最小值、ROI的平均值、自定义值三种方式确定黑暗像元的像素值。操作过程如下:
(1)打开待校正图像文件。
(2)在主菜单中,选择Basic Tools->Preprocessing->General Purpo Utilities-> Dark S
ubtract,在文件选择对话框中选择待校正图像文件,单击OK按钮,打开Dark Subtraction Parameters面板。
(3)Dark Subtraction Parameters面板中,确定黑暗像素值包括三种方法(Subtraction Method):
建仓∙∙●波段最小值(Band Minimum)
∙∙●ROI的平均值(Region Of Interest)
∙∙●自定义值(Ur Value
(4)Output Result to中选择File伊索寓言的作者以及相应的输出路径和文件名,单击OK执行操作。

本文发布于:2023-07-09 06:22:26,感谢您对本站的认可!

本文链接:https://www.wtabcd.cn/fanwen/fan/89/1074046.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:大气   校正   反射率
相关文章
留言与评论(共有 0 条评论)
   
验证码:
推荐文章
排行榜
Copyright ©2019-2022 Comsenz Inc.Powered by © 专利检索| 网站地图