《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Landsat8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：ENVI5.3.12.数据准备：LC81290422015324LGN00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ENVI5.1下的通用定标工具RadiometricCalibration进行Landsat8的辐射定标。打开LO81290422015148BJC00_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ApplyFLAASHSettings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。（二）遥感影像的大气校正Flassh大气校正，大气校正的意义在于去除一些大气的干扰，首先，在Envi中打开Flaash大气校正工具，Toolbox/RadiometricCorrection/FLAASHAtmosphericCorrection，(1).InputRadianceImage：打开辐射定标结果数据,要求为BIL存储格式，这时会弹出RadianceScaleFactor对话框，它的作用是在单位未知的辐亮度值与浮点型辐亮度值之间做转换，并且ScaleFactor=浮点型或整型亮度图像（单位未知）/浮点型辐射亮度。(2).OutputReflectanceFile：设置输出FLAASH大气校正结果的路径；(3).OutputDirectoryforFLAASHFiles：设置输出FLAASH校正文件的路径；(4).SceneCenterLocation：自动获取；(5).SensorType：Landsat-8OLI；SensorAltitude:自动读取；PixelSize:自动读取；(6).GroundElevation:2.135KM。利用全球900米分辨率DEM数据，首先，点出RejionofInterest(ROI)Tool工具，用不规则多边形划一个封闭的多边形并保存。然后导入全球900米分辨率DEM数据：OpenWorldData-Elevation（GMTED2010）；在Toolbox下选择Statistics-ComputeStatistics，打开ComputeStatistics输入文件对话框，选择GMTED2010.jp2数据。最后用“DateManager”加载已经保存好的ROI,点击RejionofInterest(ROI)Tool中的“计算”，就能得出最后的计算结果2135.566m。(7).Flightdata/FlightTime：从原始数据“LO81290422015148BJC00_MTL.txt”中找到。（8）.AtmosphericModel：Mid-LatitudeSummer（根据成像时间和纬度信息选择）,此次成像时间是5月，所以选择Mid-LatitudeSummer。（9）.AerosolModel：Rural;（10）.AerosolRetrieval：2-band（K-T）；在MultispectralSettings多光谱设置里，K-T变换选项中，Defaults下拉框：Over-LandRetrievalStandard(660:2100);FilterFunctionFile:选择landsat8_oli.sli波谱响应函数；11)其他参数按照默认设置即可。大气校正结果：下图是建筑的反射波普曲线，从中可看出（注：左边是未校正的影像，右边是校正好的），校正后的基本去除了空气中水汽颗粒等因子的影响，下图是植被的反射波普曲线，左边是未校正的影像，右边是校正好的，校正后的植被反射波普在4波段以前反射很低，主要集中在4-7波段。下图是植被的反射波普曲线，左边是校正好的影像，右边是未校正好的，大致可以看出大气校正后消除了大气散射的影响。下图是水体的反射波普曲线，左边是未校正的影像，右边是校正好的，从图中可以看出，校正后的影像，水体反射波普曲线从1波段到7波段，反射值不断降低。已经消除了空气中水汽等的影响。从上述的波谱对比曲线中可以看出，经过FLAASH校正的影像基本去除了空气中水汽颗粒等因子的影响，植被、建筑、水体的波谱曲线趋于正常。（三）去除异常值1.利用波段运算对红波段和近红外波段进行去除异常值处理在BandMath对话框的Enteranexpression中输入(b1lt0)*0+(b1gt10000)*0+(b1ge0andb1le10000)*b1点击AddtoList添加到PreviousBandMathExpression中，选中该公式，点击OK，在VariablestoBandsPairings对话框中选择红色波段，选择存储位置，点击OK。通过直方统计查看结果用同样的方法对近红外波段去除异常值，并查看结果。2.将去除异常值的红波段和近红外波段进行组合（layerstracking）3.计算NDVI并获取阈值点击Toolbox工具箱中Spectral/Vegetation/NDVI,弹出NDVICalculationInputFile对话框，选择已经做好的影像作为输入图像。在NDVICalculationParameters中的InputFileType中选择landsatOLI，NDVI的红色波段填2，近红外波段填1。加载提取好的边界（镶嵌数据集）新建ROIfileimportvector提取好的边界在roi中直接统计（computerstatistics）fileExporttotextfile用ROI中的不规则多边形把影像全部画下来。点击ComputeStatistics进行计算，下面我们分析统计结果，取一定置信度获取最大最小NDVI值。置信区间为5%-95%，将导出的数据加到EXCEL中找到5%和95%所对应的值，分别是最小值0.262745和最大值0.835294。4.植被覆盖度的计算公式如下：四、实验结果1.覆盖度分类结果：我们再查看结算结果，可以看到波段最小值由刚才的-1变为0。2.覆盖度分类（密度分割）（1）对反演后的影像进行裁剪，将背景值改为-1Toolboxregionsofinterestsubsetdatafromrois（2）在裁剪后的影像的图层上点击右键，选择Newrastercolorslice,点击清除按钮，添加自己所需区间并设置颜色，单击OK分类结果：五、实验总结（1）.在辐射定标中，定标参数设置中，要单击ApplyFLAASHSettings得到相应的参数，不然，在后面的大气校正中中找不到相应文件。（2）.在RadianceScaleFactor对话框中，它的作用是在单位未知的辐亮度值与浮点型辐亮度值之间做转换，并且ScaleFactor=浮点型或整型亮度图像（单位未知）/浮点型辐射亮度。当各波段的辐亮度单位不一致时，选择第一项，否则选择第二项，因做辐射定标时已经使缩放系数符合Flaash校正要求，因此此处的缩放系数为默认值1。（3）.在确定GroundElevation的时候，如果利用ENVI自带的全球900米分辨率DEM数据计算，算出的高程为2.107千米，和实际的2.135相比，出现了错误。（4）.选择气溶胶模型（AerosolModel）时，没有城市和工业影响的地区选择Rural（乡村）；混合80%乡村和20%烟尘气溶胶选择Urban（城市），该模型适合高密度城市或工业地区；平静、干净条件下（能见度大于40km，即晴朗天气）的陆地，只包含微小成分的乡村气溶胶时选择Tropospheric（对流层）；由此可见，气溶胶模型的选择与城市、工业影响程度有关。（5）.利用ENVI软件对landsat8影像进行辐射定标和大气校正，对比校正前和校正后的影像，可以看出大气对地物判读影响还是比较明显，给地物的判读造成一定困难。（6）.在ENVI中灵活运用Bandmath工具，以NDVI值为参数，运用基于像元二分模型设计的植被覆盖度遥感估算方法技术线路简单、可操作性强，也适用于不同分辨率的遥感数据。（7）.选择最大值与最小值的时候具有很强的主观性，需要依据统计学原理，自己制定一套规则，比如我们这里选的5%和95%的累积区间。