遙感地學(xué)分析實(shí)驗(yàn)報(bào)

1、 實(shí)驗(yàn)一 植被覆蓋度反演 一、實(shí)驗(yàn)?zāi)康闹脖桓采w度是指植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比。通常林冠稱郁閉度，灌草等植被稱覆蓋度。它是衡量地表植被覆蓋的一個(gè)最重要的指標(biāo)，被覆蓋度及其變化是區(qū)域生態(tài)系統(tǒng)環(huán)境變化的重要指示，對(duì)水文、生態(tài)、全球變化等都具有重要意義。目前已有許多利用遙感技術(shù)測(cè)量植被覆蓋度的方法，其中應(yīng)用最廣泛的方法是利用植被指數(shù)近似估算植被覆蓋度，常用的植被指數(shù)為NDVI，本次實(shí)驗(yàn)完成植被覆蓋度反演。二、實(shí)驗(yàn)數(shù)據(jù)實(shí)驗(yàn)選取兩景覆蓋北京市的Landsat8 OLI影像、土地覆蓋類型圖以及北京行政邊界矢量數(shù)據(jù)為數(shù)據(jù)源。其中，土地覆蓋類型圖是作為掩膜文件使用，其目的

2、是為了便于植被覆蓋度的估算；北京行政邊界矢量數(shù)據(jù)是裁剪出北京市行政區(qū)內(nèi)的范圍。Landsat8 OLI影像是從地理空間數(shù)據(jù)云網(wǎng)站上下載得到的，其成像時(shí)間為2013年10月份。與Landsat7的ETM+成像儀相比，OLI成像儀獲取的遙感圖像輻射分辨率達(dá)到12比特，圖像的幾何精度和數(shù)據(jù)的信噪比也更高。OLI成像儀包括9個(gè)短波譜段（波段1波段9），幅寬185km，其中全色波段地面分辨率為15m，其他譜段地面分辨率為30m。三、實(shí)驗(yàn)方法本文反演植被覆蓋度所采用的是像元二分模型方法，像元二分模型是一種簡(jiǎn)單實(shí)用的遙感估算模型，它假設(shè)一個(gè)像元的地表由有植被覆蓋部分與無(wú)植被覆蓋部分組成，而遙感傳感器觀測(cè)到的

3、光譜信息(S)也由這2個(gè)組分因子線性加權(quán)合成，各因子的權(quán)重是各自的面積在像元中所占的比率，如其中植被覆蓋度可以看作是植被的權(quán)重。因此，像元二分模型的原理如下：VFC = (S - Ssoil)/ ( Sveg - Ssoil) S為遙感信息，其中Ssoil 為純土壤像元的信息, Sveg 為純植被像元的信息。改進(jìn)的像元二分法遙感信息選擇為NDVIVFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil)兩個(gè)參數(shù)的求解公式NDVIsoil=(VFCmax*NDVImin- VFCmin*NDVImax)/( VFCmax- VFCmin)NDVIveg=(1-V

4、FCmin)*NDVImax- (1-VFCmax)*NDVImin)/( VFCmax- VFCmin) 當(dāng)區(qū)域內(nèi)可以近似取VFCmax=100%，VFCmin=0%VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin)當(dāng)區(qū)域內(nèi)不可以近似取VFCmax=100%，VFCmin=0%，當(dāng)有實(shí)測(cè)數(shù)據(jù)的情況下，取實(shí)測(cè)數(shù)據(jù)中的植被覆蓋度的最大值和最小值；當(dāng)沒(méi)有實(shí)測(cè)數(shù)據(jù)的情況下，植被覆蓋度的最大值和最小值根據(jù)經(jīng)驗(yàn)估算。其中, NDVIsoil 為裸土或無(wú)植被覆蓋區(qū)域的NDVI值, 即無(wú)植被像元的NDVI 值；而NDVIveg 則代表完全被植被所覆蓋的像元的NDVI 值

5、, 即純植被像元的NDVI 值。四、實(shí)驗(yàn)處理步驟1、實(shí)驗(yàn)處理流程如下圖所示2、數(shù)據(jù)預(yù)處理本文使用的Landsat8 OLI為L(zhǎng)1T級(jí)別數(shù)據(jù)，不需做幾何校正處理。而北京市需要兩景Landsat OLI數(shù)據(jù)覆蓋，因此首先要進(jìn)行圖像鑲嵌和裁剪，然后進(jìn)行大氣校正等預(yù)處理過(guò)程。（1） 輻射定標(biāo)輻射定標(biāo)是將傳感器記錄的電壓或數(shù)字值轉(zhuǎn)換成絕對(duì)輻射亮度的過(guò)程。實(shí)驗(yàn)報(bào)告中寫出輻射定標(biāo)的作用。該處理過(guò)程在Envi5.1中實(shí)現(xiàn)，具體操作：在ENVIToolbox中，選擇Toolbox/Radiometric Correction/ Radiometric Calibration，選擇*_MultiSpectral多

6、光譜組（7個(gè)波段），打開(kāi)輻射定標(biāo)工具，對(duì)兩景影像分別做輻射定標(biāo)。 （2）影像鑲嵌因本文所使用的影像數(shù)據(jù)源是兩景Landsat OLI影像，因此需進(jìn)行影像鑲嵌，鑲嵌的目的是將不同的影像文件無(wú)縫地拼接成一幅完整的包含研究區(qū)域的影像。該處理過(guò)程在Envi5.1中實(shí)現(xiàn)，具體操作：在Toolbox中，選擇/Mosaicking/Seamless Mosaic，打開(kāi)無(wú)縫鑲嵌工具，然后進(jìn)行相關(guān)參數(shù)設(shè)置。 （3）影像裁剪因本文所使用的影像數(shù)據(jù)包含了北京市行政區(qū)劃以外的部分地區(qū)，因此需進(jìn)行影像裁剪，以將研究區(qū)裁剪出來(lái)，并且減小了數(shù)據(jù)量，加快了數(shù)據(jù)處理速度，本文使用北京行政邊界矢量裁剪圖像。過(guò)程在Envi5.1中

7、的具體操作如下： 在Toolbox中，選擇/Regions of Interest/Subset Data from ROIs，打開(kāi)裁剪工具：（4）Flaash大氣校正ENVI中的FLAASH模型是基于MODTRAN4+輻射傳輸模型，通過(guò)參數(shù)查找表來(lái)進(jìn)行大氣校正的商業(yè)化軟件。實(shí)驗(yàn)報(bào)告中需寫出為什么用進(jìn)行大氣校正。在 Toolbox 中打開(kāi) FLAASH 工具/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction報(bào)告中需要對(duì)大氣校正前后同一地物的光譜曲線進(jìn)行對(duì)比。 3、植被覆蓋度估算（

8、1）計(jì)算NDVI 本文選取NDVI值為參數(shù)，采用像元二分模型對(duì)植被覆蓋度進(jìn)行反演，根據(jù)植被覆蓋度的計(jì)算公式可知，要求取植被覆蓋度，首先需要計(jì)算NDVI。在Envi5.1中的具體操作如下：在Toolbox中，選擇Spectral/Vegetation/NDVI，NDVI Calculation Input File面板中，選擇大氣校正后的圖像，求算NDVI，如下：由于大氣校正后的結(jié)果有部分像元為負(fù)值，主要集中在陰影地區(qū)，這部分區(qū)域計(jì)算得到的NDVI在-1,1之外，為了便于后面的分析，這里統(tǒng)一將這部分像元進(jìn)行處理，即NDVI值大于1的變?yōu)?，小于-1的變成-1。使用Bandmath工具，（寫出運(yùn)算

9、公式），得到去除異常值文件。(b1 lt (-1)*(-1) + (b1 gt (1)*1 + (b1 le(1) and b1 ge(-1)*b1（2） 生成掩膜文件該過(guò)程主要是為了計(jì)算NDVI的最大值、最小值，根據(jù)土地利用分類圖（共5類，林地、農(nóng)業(yè)用地、城市用地、水體與其他）制作各種土地利用類型的掩膜文件，在Envi5.1中的具體操作如下：在Toolbox中選擇/Raster Management/Masking/Apply Mask，打開(kāi)制作掩膜工具：得到林地、農(nóng)業(yè)用地、城市用地、水體與其他的掩膜文件。應(yīng)用掩膜文件（3）獲取閾值計(jì)算NDVImax和NDVImin值，使用獲取的掩膜文件分別

10、對(duì)NDVI圖像文件進(jìn)行統(tǒng)計(jì)，在一定置信度范圍內(nèi)獲取每個(gè)掩膜文件（也就是土地覆蓋類型）對(duì)應(yīng)的最大和最小NDVI值。在Toolbox中，選擇/Statistics/Compute Statistics，進(jìn)行統(tǒng)計(jì)，然后在統(tǒng)計(jì)結(jié)果中，取一定的置信度獲取最大和最小的NDVI值。林地覆蓋區(qū)域的統(tǒng)計(jì)結(jié)果（如下圖），選擇NDVImin=0.3804，NDVImax=0.8667。同樣的方法得到其他地物覆蓋類型的NDVI閾值，其中 ，水體沒(méi)有植被（水藻不屬于植被），認(rèn)為這部分區(qū)域的植被覆蓋度為0，如下表： 土地覆蓋類型NDVImin（NDVIsoil）NDVImax（NDVIveg）林地-0.0039220.9

11、37255農(nóng)業(yè)用地-0.0039220.701961城市用地-0.0039220.301961水體00其他-0.0039220.3490204）生成參數(shù)文件植被覆蓋度的計(jì)算公式：VFC =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil)，該過(guò)程是根據(jù)上面得到的NDVI閾值分別生成NDVIsoil和NDVIveg參數(shù)文件，也即NDVImin與NDVImax。該過(guò)程主要使用Envi5.1的bandmath工具，并且：NDVIsoil：b1*0.128627+b2*0.090196+b3*0.011765+b4*0+b5*0.003922其中，b1：林地掩膜文件，b2：農(nóng)

12、業(yè)用地掩膜文件，b3：城市用地掩膜文件，b4：水體掩膜文件，b5：其他用地掩膜文件NDVIveg：b1*0.992157+b2*0.992157+b3*0.568627+b4*0+b5*0.639216其中，b1:林地掩膜文件，b2：農(nóng)業(yè)用地掩膜文件，b3：城市用地掩膜文件，b4：水體掩膜文件，b5：其他用地掩膜文件最終，生成的參數(shù)文件。（4）植被覆蓋度估算利用上一步得到的NDVIsoil和NDVIveg參數(shù)文件帶入公式：VFC =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil)，該過(guò)程也是利用Envi5.1中的Bandmath工具來(lái)實(shí)現(xiàn)（寫出運(yùn)算公式）。 分析下結(jié)

13、果，會(huì)發(fā)現(xiàn)有一些異常值，即值在0,1之外，這些異常值是在NDVI置信度之外的那部分像元產(chǎn)生的（也包括NDVI異常像元）。這些像元數(shù)量不多，大約占3.7%左右。還有背景和水體區(qū)域的植被覆蓋度的值為-NaN，即無(wú)效值，因?yàn)榉帜笧?造成的。第一種異常值可以將小于 0的值變成0，大于1的值變成1，用 bandmath工具即可， Bandmath 表達(dá)式為： 0.0>b1<1.0，其中b1為植被覆蓋度 ；-NaN 可以用掩膜進(jìn)行處理，即在Build Mask中用 -NaN生成掩膜。去掉異常值之后，并對(duì)其進(jìn)行分類顯示，最終得到的植被覆蓋度圖。 五、實(shí)驗(yàn)結(jié)論 本文通過(guò)歸一化植被指數(shù)（NDVI）像

14、元二分模型來(lái)估算北京市的植被覆蓋度，從估算結(jié)果來(lái)看，該指數(shù)空間呈現(xiàn)不均勻分布，人類活動(dòng)區(qū)域植被較少，非人類活動(dòng)區(qū)域植被較多，符合實(shí)際情況，故說(shuō)明該模型是有效進(jìn)行植被分析。六、實(shí)驗(yàn)存在問(wèn)題 使用ENVI軟件對(duì)影像NDVI處理以后，使用像元二分模型對(duì)圖像進(jìn)行植被覆蓋分析，最后比較得出植被覆蓋狀況實(shí)驗(yàn)二 土地利用分類與變化檢測(cè)一、 實(shí)驗(yàn)?zāi)康?實(shí)驗(yàn)以某地區(qū)的兩期的Landsat TM數(shù)據(jù)為數(shù)據(jù)源，采用監(jiān)督分類完成兩個(gè)時(shí)期土地利用分類，及其土地利用變化分析，綜合驗(yàn)證土地利用分類流程與土地利用變化監(jiān)測(cè)方法。 二、 實(shí)驗(yàn)內(nèi)容 實(shí)驗(yàn)內(nèi)容包括兩期Landsat TM土地利用監(jiān)督分類，及其分類結(jié)果分析與評(píng)價(jià)和土地

15、利用信息變化提取分析等內(nèi)容，其中變化檢測(cè)采用分類后比較方法。要求掌握監(jiān)督分類方法和變化檢測(cè)流程。 實(shí)驗(yàn)數(shù)據(jù)ag_08_quac和ag_09_quac分別是08和09年的TM數(shù)據(jù)，掩膜數(shù)據(jù)在“掩膜文件”中。三、實(shí)驗(yàn)步驟 1、分類體系的選擇監(jiān)督分類（1）類別定義/特征判別 參考分類標(biāo)準(zhǔn)如下表所示居民用地 居民用地 留茬耕地 水體 綠植耕地 裸地（2）樣本選擇 為了建立分類函數(shù)，需要對(duì)每一類別選取一定數(shù)目的樣本，在ENVI中是通過(guò)感興趣區(qū)（ROIs）來(lái)確定，也可以將矢量文件轉(zhuǎn)化為ROIs文件來(lái)獲得。l 打開(kāi)分類圖像，點(diǎn)擊圖層文件的右鍵，選擇New Region of Interest菜單，默認(rèn)ROI

16、s為多邊形，定義樣本。先以08年為例選區(qū)：最終樣本分類如圖：以同樣的步驟完成09年的。l 計(jì)算樣本的可分離性。在ROIs面板中，選擇Option->Compute ROI Separability,計(jì)算樣本的可分離性。其中Jeffries-Matusita, Transformed Divergence參數(shù)表示，這兩個(gè)參數(shù)的值在02.0 之間，大于1.9 說(shuō)明樣本之間可分離性好，屬于合格樣本；小于1.8，需要重新選擇樣本；小于1，考慮將兩類樣本合成一類樣本。08年的09年的2、土地利用分類有以下兩個(gè)分類流程方法，選擇其中一種方法即可。1） 采用監(jiān)督分類方法包括平行六面體、最小距離、馬氏距

17、離、最大似然， 基于神經(jīng)網(wǎng)絡(luò)模型，支持向量機(jī)、模糊分類等，Toolbox 選擇Classification > Supervised >多種分類模型，實(shí)驗(yàn)挑選一種分類模型進(jìn)行土地利用分類（報(bào)告中標(biāo)出采用何種分類模型），并對(duì)分類結(jié)果的處理，使用Classification->Post Classification 工具中方法。2）最大似然法08年：09年： 2）Toolbox 中，打開(kāi)/Classification/Classification Workflow，采用圖像分類流程化工具。3、分類精度評(píng)定使用 Toolbox 中Classification->Post Cl

18、assification->Confusion Matrix，得到分類精度評(píng)價(jià)混淆矩陣和Kappa 系數(shù)，對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)分析。 4、土地利用變化監(jiān)測(cè)使用 Thematic Change Workflow 分類后比較法工具，分析兩期分類數(shù)據(jù)的變化情況，并在流程中Smoothing 和Aggregation 中設(shè)置合適的值去除噪聲和合并小斑塊。結(jié)果以圖像輸出，并統(tǒng)計(jì)變化的結(jié)果，分析各種地類變化的情況。四、實(shí)驗(yàn)心得 應(yīng)用遙感技術(shù)進(jìn)行土地利用變化監(jiān)測(cè)研究是土地調(diào)查研究的重要組成部分，本子實(shí)驗(yàn)要注意楊店顏色的選取和樣點(diǎn)選取數(shù)量要多，全圖選取這樣劫過(guò)才不會(huì)出現(xiàn)大誤差。實(shí)驗(yàn)三：基于規(guī)則的道路信息提

19、取一、 實(shí)驗(yàn)?zāi)康?道路作為基礎(chǔ)地理信息，為保持?jǐn)?shù)據(jù)的現(xiàn)勢(shì)性，需要對(duì)該類數(shù)據(jù)實(shí)時(shí)或準(zhǔn)實(shí)時(shí)更新，在現(xiàn)實(shí)中，基于高分辨率的數(shù)據(jù)道路數(shù)據(jù)的提取是更新道路信息數(shù)據(jù)的有效方法。本次實(shí)驗(yàn)使用基于規(guī)則的面向?qū)ο笮畔⑻崛》椒?，完成自?dòng)提取道路信息的過(guò)程。二、 實(shí)驗(yàn)內(nèi)容實(shí)驗(yàn)內(nèi)容包括高分辨率數(shù)據(jù)的處理，高分辨率信息提取流程，ENVI FX模塊面向?qū)ο笮畔⑻崛?，矢量后處理的方法。?shí)驗(yàn)數(shù)據(jù)采用Quickbird影像數(shù)據(jù)（QB-CJ），應(yīng)用ENVI FX擴(kuò)展模塊中的Feature Extraction工具，提取影像中道路信息。三、實(shí)驗(yàn)步驟1、啟動(dòng)Rule Based FX 工具在Toolbox中，選擇/Feature E

20、xtraction/Rule Based Feature Extraction Workflow。關(guān)注Custom Bands 面板，有兩個(gè)自定義波段，包括歸一化植被指數(shù)或者波段比值、HSI顏色空間，這些輔助波段可以提高圖像分割的精度，如植被信息的提取等自定義的屬性。選擇Spectral，Band 下面選擇Normalized Difference。在第一步自定義波段中選擇的波段是紅色和近紅外波段，所以在此計(jì)算的是NDVI，參數(shù)設(shè)置為band1：band2，band2：band4。2、設(shè)置影像分割閾值（20,30,40）、合并閾值(70,85)。3、制定提取規(guī)則根據(jù)規(guī)則進(jìn)行特征提取，在規(guī)則分類

21、界面。每一個(gè)分類有若干個(gè)規(guī)則（Rule）組成，每一個(gè)規(guī)則有若干個(gè)屬性表達(dá)式來(lái)描述。道路提取的規(guī)則如下（根據(jù)數(shù)據(jù)可以動(dòng)態(tài)調(diào)整閾值的大小，能較好的反映道路特征）Ø 剔除植被： NDVI的Spectral mean設(shè)小于0.01 Ø 剔除高亮度的建筑物和空地，第一波段的Spectral mean閾值小于310 Ø 剔除面積較小的建筑物和空地，參數(shù)Spatial->Area，閾值大于2500 Ø 剔除延伸性小于3的地物，參數(shù)Spatial->Elongation，閾值大于34、結(jié)果輸出與處理對(duì)提取的結(jié)果疊合與處理，得到道路信息特征，如果效果不好，調(diào)整

22、制定的提取規(guī)則。四、實(shí)驗(yàn)心得 道路信息作為一種重要的基礎(chǔ)地理信息，可以作為提取其他地物目標(biāo)的線索和參考系，具有很強(qiáng)的現(xiàn)實(shí)意義。從遙感影像自動(dòng)提取人工地物,特別是線狀地物(主要是道路),不僅是攝影測(cè)量與遙感領(lǐng)域的難題,也是計(jì)算機(jī)視覺(jué)與圖像理解研究的重點(diǎn)之一。本次試驗(yàn)中，主要是使用基于規(guī)則的面向?qū)ο笮畔⑻崛》椒?，完成自?dòng)提取道路信息的過(guò)程。實(shí)驗(yàn)四 太湖水體葉綠素濃度反演一、實(shí)驗(yàn)?zāi)康?根據(jù)環(huán)境小衛(wèi)星CCD數(shù)據(jù)，反演太湖的葉綠素a濃度，要求掌握環(huán)境小衛(wèi)星的數(shù)據(jù)讀取、幾何校正、大氣校正、反演模型的建立、遙感反演過(guò)程、反演結(jié)果驗(yàn)證等操作技能及原理，熟悉遙感水質(zhì)反演過(guò)程。二、實(shí)驗(yàn)要求 根據(jù)環(huán)境小衛(wèi)星CCD數(shù)

23、據(jù)特點(diǎn)及太湖水質(zhì)反演模型要求，先對(duì)環(huán)境小衛(wèi)星CCD數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，大氣校正、太湖區(qū)裁剪，利用波段比值法對(duì)實(shí)測(cè)的葉綠素a 濃度數(shù)據(jù)建立反演模型，將模型應(yīng)用于太湖水面區(qū)域影像，反演出整個(gè)太湖區(qū)的葉綠素 a濃度,并驗(yàn)證模型精度。三、實(shí)驗(yàn)步驟 （一）數(shù)據(jù)預(yù)處理 1、安裝環(huán)境小衛(wèi)星數(shù)據(jù)讀取和定標(biāo)補(bǔ)丁，復(fù)制到HomeProgram Files ENVI51Extensions目錄下。本次實(shí)驗(yàn)中已完成小衛(wèi)星數(shù)據(jù)轉(zhuǎn)化和定標(biāo)，得到HJ1B-CCD1-20091006-Cal-sub數(shù)據(jù)，用于流域葉綠素反演。2、幾何校正（圖像配準(zhǔn)），以TM作為基準(zhǔn)影像對(duì)環(huán)境小衛(wèi)星圖像進(jìn)行圖像配準(zhǔn)。（1）打開(kāi)基準(zhǔn)影像TM_ba

24、seimage.img。（2）選擇Tool中Registration ->Automatic Registration：Image to Image，選擇基準(zhǔn)影像第4波段作為匹配波段（TM_baseimage.img）。（3）選擇被配準(zhǔn)影像HJ1B-CCD1-20091006-Cal-sub.img第4波段作為被配準(zhǔn)波段。（4）選擇控制點(diǎn)，并調(diào)整控制點(diǎn)，直到總的RMS Error小于1個(gè)像素時(shí)，完成控制點(diǎn)的選擇。點(diǎn)擊Ground Control Points Selection上的File->Save GCPs to ASCII，保存控制點(diǎn)。調(diào)整控制點(diǎn)后的RMS錯(cuò)誤5）在Groun

25、d Control Points Selection面板上，選擇Options->Warp File （As Image Map），選擇校正文件。在校正參數(shù)面板中，投影參數(shù)默認(rèn)。（6）在X和Y的像元大小輸入30米，按回車，圖像輸出大小自動(dòng)更改重采樣方法選擇Nearest Neighbor（保持圖像輻射值不變），輸出為registratio3、大氣校正環(huán)境小衛(wèi)星提供了波譜響應(yīng)函數(shù)，以文本形式提供，第一列表示波長(zhǎng)（nm），后面四列分別表示 4 個(gè)波段對(duì)應(yīng)波長(zhǎng)的波譜響應(yīng)值。為了做大氣校正，需要制作波譜曲線來(lái)描述波譜響應(yīng)函數(shù)，用于大氣校正。 （1）制作波譜曲線 打開(kāi)Display->New

26、 Plot Window 面板，在波譜繪制窗口中，選擇Import>ASCII，導(dǎo)入“681_HJ1ACCD1.txt”文本文件。在繪制窗口生成了4 條曲線，選擇Edit->Data Parameters，編輯每條線的名稱為b1，b2，b3，b4，便于區(qū)分。將數(shù)據(jù)Export->Spectral Library，在Output Spectral Library 面板中，有輸出曲線相關(guān)參數(shù)設(shè)置，將波譜曲線保存為波譜庫(kù)文件“HJ1B-CCD1光譜響應(yīng).sli”。(2) FLAASH 大氣校正1）主菜單Spectral->FLAASH 打開(kāi)FLAASH 大氣校正模塊； 首先采

27、用Convert Data（BSQ、BIL、BIP）工具，轉(zhuǎn)換為BIL 格式的數(shù)據(jù)。2）大氣模型選擇Mid-Latitude Summer，氣溶膠模型選擇Rural，氣溶膠反演方法選擇None，能見(jiàn)度給40km。3）大氣模型選擇Mid-Latitude Summer，氣溶膠模型選擇Rural，氣溶膠反演方法選擇None，能見(jiàn)度給40km。4）大氣校正完成后，檢查大氣校正的結(jié)果，分別加載校正前后的圖像，將兩幅影像進(jìn)行地理鏈接，移動(dòng)到植被區(qū)域（植被的波譜曲線比較特殊），在影像上右鍵，選擇Z Profile（Spectrum）打開(kāi)光譜曲線窗口，顯示兩幅圖像同一位置的光譜曲線圖。4、太湖區(qū)裁剪使用sh

28、p格式太湖范圍數(shù)據(jù)，對(duì)影像數(shù)據(jù)進(jìn)行裁剪（二）葉綠素反演實(shí)驗(yàn)中選擇波段比值法（BNIR/BRED）建立模型。1、采樣點(diǎn)實(shí)測(cè)數(shù)據(jù)處理需要結(jié)合實(shí)地調(diào)查數(shù)據(jù)，將水面調(diào)查點(diǎn)與實(shí)測(cè)葉綠素濃度在空間上相對(duì)應(yīng)，其中實(shí)地調(diào)查數(shù)據(jù)中包括水面調(diào)查點(diǎn)的經(jīng)緯度、葉綠素含量，實(shí)驗(yàn)數(shù)據(jù)使用“葉綠素實(shí)測(cè)數(shù)據(jù)”。2、獲取采樣遙感影像上的數(shù)據(jù)1） 采用波段計(jì)算器，輸入float(b4)/b3，計(jì)算得到比值圖像。2）打開(kāi)Envi classic，Basic tool->Region of Interest->ROI Tool 工具，選擇ROI_Type->Input Points from ASCII，選擇文本格式的“反演點(diǎn).txt” 。注意參數(shù)選擇，x：選擇經(jīng)度；y：選擇緯度；These point comprise：Indivi