遥感图像处理：曲靖Landsat8遥感影像植被覆盖度反演

1、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、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

2、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。、实验准备1 .软件准备：ENVI5.3.12 .数据准备：LC81290422015324LGN0O®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直转为反射率。1 .使用ENVI5.1下的通用定标工具RadiometricCalibration进彳fLandsat8的辐射定标。打开LO81290422015148BJ

3、C00_MT隹波段文件，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FLAAS伙气校正做数据准备，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/Rad

4、iometricCorrection/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。:RjadidncrScalefactorsEd在3of士由社fictersQibtrd)ASCHEK也QUfd打力教0fi-ctdirfcrilLLb-fiit-dliSingleecoJaEttjcLor1OQOOOO口

5、Et-73也(3).OutputDirectoryforFLAASHFiles:设置输出FLAASH正文件的路径;(2) .OutputReflectanceFile:设置输出FLAASH气校正结果的路径;(4) .SceneCenterLocation:自动获取;(5) .SensorType:Landsat-8OLI;SensorAltitude:自动读取；PixelSize:自动读取;(6) .Ground日evation:2.135KM。利用全球900米分辨率DEIM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

6、球900米分辨率DEM据：OpenWorldData->Elevation(GMTED201D;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。9G力DUt夕(7).Flightdata/FlightTime:从原始数据“LO81290422015148BJC00MTL.txt”中找至U。;*：；

7、VirwMetadiataLD3129O42&i5i4flBZMLMTrLIVlult国p«tr3加4BEJZ00MILKill4r呼Tlrf电C-3R<rdLD*l«SyitanSpAElT$Siew:lIjrWili«ryMUc2'Jp71lHH-3.tU-yr.%7inAr<uLlL1.3&Tafeipl】3-B吨耐3:53:雨.抬的明12(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)

8、.AerosolModel:Rural;(10) .AerosolRetrieval:2-band(K-T);K-T变换选项中，Defaults下拉框:FunctionFile:选择landsat8_oli.sli在MultispectralSettings多光谱设置里,Over-LandRetrievalStandard(660:2100);Filter波谱响应函数；造1FLAASHAtmaspbeni:CarrtctianModelInputPararrMtera11）其他参数按照默认设置即可。>一,1，*Is1«««一Jv4：，<*»4

9、44A.zU4iU，maimj©y4<UcJ8744j«aii7nwimm一B«k*»4jaH4，"j一2I7c«UA5Mr»&C7T1碗«*%”。3tFwe，e一?*.-r«TTM*,物“6,I”RieFLAASHRunDate:UedMar2222:13:022017InputFile:E:129.42新建文件夹fush巳db.datOutputFile:£：129.42、新建文件夹12942528必（2口130211TemplateFile:E:129.42、新建文件夹

10、9;t巳mplat巳.txtVisibility=45.7062kmAverageWaterAmount=0.9533cm大气校正结果:卜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。旦值内ofile15曲出一前乐竟人-看10000200C2SOOO.20000HMM15000£

11、;i.LkYxL-3»1.0W<ivdWKith(tiHifti*n，SgITlfjfllp20Wdvdenqth；uiii"HMw：，；Jp3HllsrSpectralProhle|S!111'I1j1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FLAAS腺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

12、异常值处理ToolboxjsjjSearchthetoolbox/BandAlgebra/BdNathAl0laFavoritesAnomalyDetect!onBandAlgebra先BandRatios二SpectralIndices在BandMath对话中匡的Enteranexpression中输入(b1It0)*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叵-

13、VdridblestoBan市Painn通过直方统计查看结果Inport*HEMgttTOpti&ns9Mm/Max/Mean:reddaqiOn-EA3E口0.5L0152.0Unknownj-UldciWDLT|y-¥«!口电，|JT3L中caL电StAtLJ:,二艮.中rLPt1*tssi«,*.1*-BksieSi-iitE：Nin凶的h皿S1Oa?"B«d?-口KHSW5.50590742LBO熊郦HivtfhrFMb,fifffnrrn,+T*lm"!TkGwn十上egPrt用同样的方法对近红外波段去除异常值，并查

14、看结果。国StartiNiciView:nird*qifitHdpTitLMiii/Mdx/Mediri：riir_cliiqi1000060004000TOOTUnknownUhJoiiuDklftYJuL«mSLai.LITwpartExrwt*,rOptaini*Bhlc31i?u4i.bULqth3皿丫BuiLQ回DL曳用33MTDLI稣«33I3MlFl4fTWh博ctHEF«r«WLtBsEL019OD97BW3L，宝E"3L，去RLHlnqPdcMlqfKTiiinwanTiRI71TK17MjwrlTritLll4ih*2.将去

15、除异常值的红波段和近红外波段进行组合（layerstracking3.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）DataManager二臼3X,电IFLAASMHR1：142的啾式5仆1&*|FLAASMCSWIE2:12942f£h«dine

16、bi«>,d3:二匕nir_daqiEWNuh(OblleO)*0+Obiet10000)*0+CI?1r*i_daqiEwdM.th(0>lltO)*Q+Q>lgUOO0O)*O+C-%ftir_r«d工uh*Layer(BandMath(blleO)*O+(bltlOOlL*yer(B&ndMath(bll*0)*0+(blgtlOO10-E?FDVIREDHIRHEVI(nijredMe)FileInforn&tion卜BwdSelectionLgdinRevVitwLo*4Led<Jrayscal*新建ROI>file&

17、gt;importvector提取好的边界在roi中直接统计(computerstatistics)>file>ExporttotextfileRegionInterest(ROPToolFileOptionsHelp£01Kane：囿工#1Ge*metryPixelRecordCcmnt口I_MultiFarlVert«x£nwpGrowThresholdctInputFile:督HeSelection12934边界ihpFileInformationOKCancel用ROI中的不规则多边形把影像全部画下来。点击ComputeStatistics进行

18、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嗨口95断对应的值,分别是最小值0.262745和最大值0.835294。0.30196119075630107570.4600427.2609764.植被覆盖度的计算公式如下:(blIt0.262745)+0+(blgt0.835294)*1+(blge0,262745andblle0.835294)*(bl-0.262745)/(0.835294-0.262745)142700152655160363169777132159%.EM)”二IMWIdfD-H«M-

19、rm-prhsT，PQMtdZ_1_aia*iu«a'El，r+i4厂曰WH，4T餐ITjrdi.)J1甲皿EZfc.1«rrl.1¥GUI疆lh>3IKHTOEMCII匕0dLQ1.1'£mjimtiwu-,Enifa.tkiii>1的编J526Z7450.2705880.2784310.2862750.2941182L5504323077Q32469066263784328200010.3441460.363155Q3B&7440.409447DY3930GJ=s>a>J-5I尻5654365.9521

20、8S.3616285.800934U.811765755078377685341.3210059L085541C.819608713519384820531.72077892,806319Q.827一“6B94391290471.5603419)36666U.8M529455381396829381.33580795.702467jC.34313744232740125765L。67四69S,7701230,30304202T1732134745ME88R7.74?E64阿或工电疝坨£5V：心膜耨零差度teE+莒_包L电史空旬-lieHelpES口小十Inport修Esporf5Dp

21、tims/Min/Vax/Men:RO!"11.0F_""'"''"''"''''-一081-106B+二r-、0.4l-°t+：0.2一=上o.o.一_一,一一0.00.5101.520UnknownX-UiJatQYn；5-Data.Vlue-*:LbcttiStitr口.一：EtepcrlPrseiiiotBOQSuiwarvFixtlCoixitmia414&<0C650二,1Sa.'=icStatsMmlletxM心MIL

22、EtdDevB5d10.ODOOCO3.00000Q0.589166C,TTlHisDTCoutT©七社P-arscntAccPelE她d10.DU001020530332OE2O33%9痼M3*94阳43B£nsii：e-0.00G9>20.303922409532OS293&0,M87BS5047603D.DD*S4341谢t2134276G.OMeraS.LA71S60.D1L76540221766730.1022605.料94幅0,D156弱42W2£21陋。G.10%115.353057一Q四、实验结果1 .覆盖度分类结果：我们再查看结算结

23、果，可以看到波段最小值由刚才的-1变为00X：.ROIS如七氏nView.43喟羽器百度酒的外算FifeHelpE9S«l«ctPlot二工8or，卡ExportSQicins*Min/Mdx/Mean:ROE#1Elm口08642Laao.o.LLoo.10UnknownUnJ60"ny|DataVu电ffIdeateStat»l.J|J",l|_ReportTreeisioE*ROISumaryPim工C-omKt*4&4906B4sieStatsHinMutMSlOsB皿dJ0.000000LDODOOO0.589168D.294

24、rHHi"小联m期C&untTeisiPftrcintA.CCPciBut41oooooco20S2t?53期5颁349486434.第880iiuii4=O0Q39220.00392240*963209860&90T555.U476CKdOOTW412«2134ET8QQ995TB5.14T1S6a.011T&54艺脸ZH66700.J0Z2605型田44&22196400.1036115.3530S7*12 .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-IToolbox>regionsofinterest>subsetdatafromrois(2)在裁剪后的影像的图层上点击右键，