遙感影像解譯是一種指從圖像獲取信息的基本過程。即根據(jù)各專業(yè)（部門）的要求，運(yùn)用解譯標(biāo)志和實(shí)踐經(jīng)驗(yàn)與知識，從遙感影像上識別目標(biāo)，定性、定量地提取出目標(biāo)的分布、結(jié)構(gòu)、功能等有關(guān)信息，并把它們表示在地理底圖上的過程。例如，土地利用現(xiàn)狀解譯，是在影像上先識別土地利用類型，然后在圖上測算各類土地面積。

經(jīng)過多途徑學(xué)習(xí)并結(jié)合實(shí)際運(yùn)用，自己梳理了下影像解譯的基本流程，大致分為了數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)預(yù)處理、遙感解譯、成果輸出四個(gè)部分，詳見下圖：

下面將從原始數(shù)據(jù)獲取開始，以湖北省十堰市房縣為例，完整詳細(xì)的進(jìn)行一次解譯技術(shù)分享。（由于整個(gè)過程很細(xì)很多，所以就分為上、下篇兩次進(jìn)行分享哈。上半篇主要包括基礎(chǔ)數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)預(yù)處理兩個(gè)部分內(nèi)容，后續(xù)內(nèi)容會在下半篇中補(bǔ)充喔?。。?/p>

一、?基礎(chǔ)數(shù)據(jù)準(zhǔn)備

本次主要以地理空間數(shù)據(jù)云的Landsat 8的影像數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，關(guān)于上面提到的其他數(shù)據(jù)獲取方式（比如：USGS）本次就先不聊啦，感興趣的客官可以自己先去了解下。

百度搜索“地理空間數(shù)據(jù)云”，選擇“高級檢索”，數(shù)據(jù)集選擇“Landsat 8 OLI_TIRS 衛(wèi)星數(shù)字產(chǎn)品”，空間位置選擇“行政區(qū)”，然后再依次選擇省、市、縣等內(nèi)容（選擇你需要的區(qū)域就行），時(shí)間我這里用的是20200101-20201231，具體看自己需求，然后云量建議5%以下，因?yàn)樵屏扛采w太多的話，遮蓋的影像信息就比較多，可用性不高，數(shù)據(jù)選擇“有”，然后進(jìn)行檢索。

然后左下側(cè)就會顯示有的數(shù)據(jù)，選擇你需要的就好了，可能會出現(xiàn)一景影像不能完整覆蓋行政區(qū)域的情況出現(xiàn)，這種時(shí)候就需要選擇兩景或者更多影像，后期進(jìn)行鑲嵌裁剪就好了，這個(gè)后面會說。（學(xué)習(xí)了下：因?yàn)樵谶b感圖像的時(shí)相選擇時(shí)需考慮植被生長階段。植被生長茂盛期為 6 月下旬到 9 月上旬，各植物處于生長旺盛階段，植被類型間的差異不明顯，因此圖像上也不易識別，反而 5 月中下旬至 6 月中旬對植被提取和分類最為有利。秋天樹葉開始變色，也有利于植被類型的識別。因此在農(nóng)林業(yè)資源、環(huán)境調(diào)查和監(jiān)測基本都選擇 5 月中下旬至 6 月中旬或者 9 月中下旬至10月上中旬。）

然后直接點(diǎn)擊數(shù)據(jù)條后面的下載按鈕，就可以直接下載了，整體下載速度還是很快的。

我剛剛是下載了兩景影像，所以就是下面這兩個(gè)安裝包，解壓就好了，這樣所需的基礎(chǔ)數(shù)據(jù)就準(zhǔn)備好了。

二、 數(shù)據(jù)預(yù)處理

本次數(shù)據(jù)預(yù)處理主要包括輻射定標(biāo)、大氣校正、圖像鑲嵌、圖像裁剪四個(gè)步驟。至于上文提到的幾何校正和圖像融合環(huán)節(jié)，這里做個(gè)簡單說明。

幾何校正，是利用地面控制點(diǎn)和幾何校正數(shù)學(xué)模型來矯正非系統(tǒng)因素產(chǎn)生的誤差，由于我們沒有地面控制點(diǎn)數(shù)據(jù)，這里不再進(jìn)行幾何校正處理。

圖像融合，旨在通過將多光譜低分辨率的圖像和高分辨率的全色波段進(jìn)行融合從而得到信息量更豐富的遙感圖像，由于本次主要以Landsat8數(shù)據(jù)為數(shù)據(jù)源，無需進(jìn)行多源圖像融合，這里也就不再贅述。

2.1輻射定標(biāo)

在ENVI里打開上面下載的兩幅影像。File/Open As/Optical Sensors/Landsat/GeoTIFF with Metadata/LC08_L1TP_125038_20200918_20201006_01_T1_MTL.txt（其中一幅影像，另外一幅操作方式相同。重復(fù)步驟即可）

進(jìn)行2%拉伸顯示

打開Radiometric Correction中的Radiometric Calibration工具，選擇多光譜數(shù)據(jù)，ok。

定標(biāo)類型選擇輻射亮度值（Radiance），輸出格式為BIL，因?yàn)楹罄m(xù)FLAASH大氣校正的輸入數(shù)據(jù)類型為BIL。輸出數(shù)據(jù)類型為Float，點(diǎn)擊Apply FLAASH Settings設(shè)置參數(shù)。確定輸出路徑后點(diǎn)擊確定。輸出數(shù)據(jù)命名為radiometric_result.dat。

重復(fù)上述步驟對第二幅影像進(jìn)行輻射定標(biāo)，命名為radiometric_result2.dat，得到輻射定標(biāo)結(jié)果，這個(gè)步驟也就完成了。

Tips：如果在輻射定標(biāo)過程中出現(xiàn)類似下圖問題，解決方法為：輸出文件路徑中不要出現(xiàn)中文，將中文路徑中的中文改成英文即可！

2.2大氣校正

由于FLAASH大氣校正需要影像區(qū)域的平均高程，所以這里先使用ENVI自帶全球高程數(shù)據(jù)對區(qū)域平均高程進(jìn)行計(jì)算。選擇File/Open World Data/Elevation，打開ENVI自帶的全球900mDEM數(shù)據(jù)。再將需要計(jì)算高程數(shù)據(jù)的影像打開，可以放大看到影像數(shù)據(jù)疊加在DEM數(shù)據(jù)上

打開工具箱中的Statistics/Compute Statistics，在輸入文件對話框中選擇GMTED2010.jp2數(shù)據(jù)，再單擊Stats Subset，單擊File，選擇需要統(tǒng)計(jì)高程信息對應(yīng)的圖像，然后點(diǎn)擊OK。

最后得到統(tǒng)計(jì)的平均高程信息，可以看到影像平均高程為651.167m。

下面開始進(jìn)行大氣校正，打開Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction工具。

導(dǎo)入經(jīng)過輻射定標(biāo)的數(shù)據(jù)radiometric_result.dat，因?yàn)樵谳椛涠?biāo)中已經(jīng)進(jìn)行了單位換算，所以在彈出的Radiance Scale Factors中選擇第二項(xiàng)內(nèi)容。

設(shè)置相關(guān)參數(shù)，傳感器類型Sensor Type為Landsat-8 OLI，平均地面高程Ground Elevation為0.651km，大氣模型根據(jù)大氣模型表進(jìn)行選擇，因?yàn)橛跋癯上駮r(shí)間為9月，影像中心緯度為31°確定大氣模型為Tropical。

氣溶膠模型選擇城市Urban，氣溶膠反演方法 Aerosol Retrieval：2-band（K-T）。

進(jìn)入Multispectral Settings，將Default設(shè)置為Over-Land Retrieval Standard(600：2100 nm)

校正結(jié)果命名為flaash_reasult.dat，然后得到大氣校正后的結(jié)果。（對另一幅影像進(jìn)行重復(fù)操作，命名為flaash_reasult2.dat）

2.3圖像鑲嵌

打開之前已經(jīng)過輻射定標(biāo)和大氣校正的兩幅影像（flaash_reasult.dat和flaash_reasult2.dat），可以看到鑲嵌前的影像。

打開工具箱中的Mosaicking/Seamless Mosaic工具

單擊左上角加號按鈕，把需要鑲嵌的兩幅圖像選中，在Data Ignore Value中設(shè)置為0忽略黑色背景。

在Color Correction選項(xiàng)卡中選擇Histogram Matching選項(xiàng)，選擇Entire Scene對整幅圖像直方圖進(jìn)行匹配。

在Seamlines中選擇自動(dòng)生成接邊線Auto Create Seamlines。

在Feathering Distance列表中設(shè)置羽化距離，單位是像素。在Seamlines/Feathering /Feathering選項(xiàng)卡內(nèi)可以選擇是邊緣羽化Edge Feathering還是接邊線羽化Seamline Feathering。這里選擇接邊線羽化，羽化距離10個(gè)像素。

最后在Export選項(xiàng)卡中設(shè)置鑲嵌結(jié)果輸出路徑，命名為mosaic_reasult.dat，重采樣方法選擇雙三次卷積Cubic Convolution。

最后得到鑲嵌結(jié)果

2.4圖像裁剪

將之前準(zhǔn)備的房縣行政區(qū)shp文件導(dǎo)入ENVI，并加載到視圖中。

然后在工具箱中選擇Regions of Interest/Subset Data from ROIs工具，在彈出的窗口中選擇衛(wèi)星影像數(shù)據(jù)，點(diǎn)擊OK。

設(shè)置參數(shù)，Select Input ROIs選擇房縣行政區(qū)shp文件，是否掩膜多邊形外的像元Mask pixels outside of ROI，選擇是，同時(shí)掩膜裁剪背景值設(shè)置為0，設(shè)置輸出路徑名后點(diǎn)擊OK即可。

最后得到裁剪后的結(jié)果

至此，上半篇內(nèi)容到這就結(jié)束了，后續(xù)再更新。

本文來源：GIS作坊

基于ENVI土地利用、植被指數(shù)、耕地監(jiān)測、水質(zhì)反演、溫度反演、干旱監(jiān)測專題文章來源地址http://www.zghlxwxcb.cn/news/detail-493925.html

到了這里，關(guān)于基于ENVI的遙感影像解譯——以Landsat8數(shù)據(jù)為例（上）的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！