基于单窗算法反演地表温度的ENVI操作教程

单窗算法反演地表温度教程

1.1 算法原理

1.1.1 单窗算法

单窗算法（MW 算法）是覃志豪于2001年提出的针对TM 数据只有一个热红外波段的地面温度反演算法。经过众多学者验证，单窗算法具有很高的反演精度，且同样适用于ETM+和landsat 8数据。公式如下：

式中，LST 为地表温度（K ），T sensor 是传感器上的亮度温度（K ），T a 是大气平均温度（K ）；a 、b 为参考系数，当地表温度为0-70℃时，a = -67.355351，b = 0.458606；C 、D 为中间变量，计算公式为：

式中，为地表比辐射率，为地面到传感器的大气总透射率。 因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表比辐射率、大气透射率和大气平均作用温度T a 。

1.1.2 参数计算

1.1.

2.1 辐射亮温计算

利用Planck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。公式如下

6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+--

=

式中，T senso 为亮度温度值；λL 影像预处理后得到的光谱辐射值，

单位为

)/(2m sr m w μ??，K1 、K2为常量，可由数据头文件获取。 计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN 转换为热辐射强度值，公式如下：

式中，M L 为增益参数，A L 为偏移参数，该参数可直接在影像通文件数据中获取，且ENVI 软件中已经集成，不需要自己在查找。

1.1.

2.2 地表比辐射率计算

根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种，因此针对混合像元尺度上的地表比辐射率通过下式来估算：

式中，为混合像元的地表比辐射率；P V 为植被覆盖率；R V 为植被的温度比率；R M 为建筑表面的温度比率；

V 表示植被法地表比辐射率，m 表示建筑表面的地表比辐射率；d 表示辐射校正项。 根据覃志豪经验公式，V =0.986；m =0.972。

根据Aster提供的常用地物比辐射率光谱库Landsat 8数据特点，

对于B10波段，V=0.98672；m=0.96767。对于B11波段，V=0.98990；

=0.977515。

m

在地表相对较平整的区域,一般可取dε=0;在地表起伏较大的区域,dε可根据植被的构成比例估计。研究表明热辐射相互作用在植被与裸土分别占一半时达到最大,所以可以根据如下经验公式来估计dε：当Pv≤0.5时,dε=0.003 8Pv

当Pv>0.5时,dε=0.003 8 (1-Pv)

当Pv=0.5时, dε=0.0019

RV和Rm的确定采用覃志豪等提出的经验公式计算:

RV=0.9332+0.0585*PV

Rm=0.9886+0.1287*PV

PV为植被覆盖率可用下式计算:

PV=(NDVI-NDVI S)/(NDVI V-NDVI S)

其中NDVI是归一化植被指数,NDVIV、NDVIS分别是植被和裸土的NDVI值,由于没有详细的区域植被和土壤光谱资料,采用覃志豪经验值以NDVIV=0.70和NDVIS=0.05来进行植被覆盖度的近似估计。

1.1.

2.3大气平均作用温度的计算

对于大气平均温度，覃志豪等也提供了一个经验公式，该公式是根据Modtran所提供的标准大气推导出来的，如下表所示，其中T0为近地表温度(K)。

一般研究区在重庆的，选择中纬度夏季平均大气。

1.1.

2.4大气透射率的计算

由于单窗算法对输入的参数较敏感，因此需要较精确的大气透射率参数来反演地表温度。影响大气透射率的因素较多,如气压、气温、气溶胶含量、大气水分含量、O3、CO2、CO、NH4等对热辐射传导均有不同程度的作用,从而使地表的热辐射在大气中的传导产生衰减。因此,准确的大气透射率求算比较复杂,需要较详细的大气剖面数据，但在实际应用中很难获取详细的大气剖面数据。研究表明大气水分含量对大气透射率的变化影响较大,而其它因素由于很难在短时间内发生较大变化而对大气透射率的影响较小。因此,水分含量就成为大气

透射率估计的主要考虑因素。

覃志豪等根据大气中的水汽含量动态变化对大气透射率的影响程度进行了研究，并对大气透射率进行了估计，如表3.1。其中:w 是大气水汽含量。以重庆为研究区的研究一般选用是气温较高时的估算公式。

大气透射率估计方程

接下来只需要计算出大气水分含量便可计算得到大气透射率。学者杨景梅根据地面、高空气象要输资料，提出利用地面湿度计算整层大气可降水量，由此计算得出整层大气水汽含量的方法（杨景梅 邱金恒，用地面湿度参量计算我国整层大气可降水量及有效水汽含量的方法的研究，大气科学，2002.01）公式如下：

式中，ω为大气水汽含量（g/cm2），W 为整层大气可降水量（cm ）；C0 C1为经验系数，以重庆为研究对象，一般可选取成都的经验值来计算。C0= 0.1274；C1=0.6878.计算大气可降水量公式如下：

大气剖面 水分含量w/(g·cm-2)

大气透射率估计方程 相关系数平方

2标准误差(SEE) 低气温 0.4-1.6

τ6=0.982007-0.09611w 0.99463 0.003340 1.6-3.0 τ6=1.053710-0.14142w 0.99899 0.002375

式中，W为整层大气可降水量（cm），e为地面水汽压（hPa），a0 a1为经验系数，可从以下公式计算得出。

式中，φ为地理纬度（°），H为海拔高度。重庆市主城区纬度取29.5，平均高程取0.35 km，则有。

ω=0.19604e+0.04691

其中：e是绝对水汽压（hPa）。

采用WMO在1996年公布的《气象仪器和观测方法指南》中公布的饱和水汽压E公式。对于纯水面用公式计算，适用于温度-45~60℃。

E=6.112exp[17.62*T0/(243.12+T0)]

RH=e/E*100

推算出：

e=6.112exp[17.62*T0/(243.12+T0)]*RH

式中，RH为相对湿度，可以通过气象观测数据获得，T0为气温(℃)。

1.2地表温度反演步骤

1.2.1影像预处理

（1）辐射定标

选择Radiometric Correction/Radiometric Calibration。在File Selection 对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。

Scale factor 不能改变，否则后续计算会

报错。保持默认1即可。

（2）大气校正

本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双

击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。

注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打

开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。

1)Input Radiance Image：打开辐射定标结果数据；

2)设置输出反射率的路径，由于定标时候；

3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大；

4)中心点经纬度Scene Center Location：自动获取；

5)选择传感器类型：Landsat-8 OLI；其对应的传感器高度以及影像数据的分辨率自动读取；

6) 设置研究区域的地面高程数据；

7)影像生成时的飞行过境时间：在layer manager中的Lc8数据图层右键选择View Metadata，浏览time字段获取成像时间；

注：也可以从元文件“LC81230322013132LGN02_MTL.txt”中找到，具体名称：DATE_ACQUIRED = 2013-05-12；SCENE_CENTER_TIME = 02:55:26.6336980Z；

8) 大气模型参数选择：Sub-Arctic Summer（根据成像时间和纬度信息选择）；

9) 气溶胶模型Aerosol Model：Urban，气溶胶反演方法Aerosol Retrieval：2-band（K-T）；

10) 其他参数按照默认设置即可。

11) 多光谱参数设置中，

K-T反演选择默认模式：Defaults->Over-Land Retrieval standard （600:2100）

波谱响应函数：默认指向..

\Program Files\Exelis\ENVI51\classic\filt_func\landsat8_oli.sli

把它重新指向：..\Program Files\Exelis\ENVI51\resource\filterfuncs\landsat8_oli.sli

注：这是因为ENVI5.1版本的一个小bug，即Classic中的L8的波谱响应函数不正确，另外一个一劳永逸的方法是：将“\Exelis\ENVI51\resource\filterfuncs”中的Landsat8_oli.sli 和Landsat8_oli.hdr两个文件拷贝覆盖：“...\ENVI51\classic\filt_func” 中的两个文件。

否则SWIR1波段大气校正后的结果全为0。见下图

12) 高级参数设置：根据内存大小设置Tile Size（Mb）：100(8g物理内存)，其他参数默认即可，详细见下图

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，植被的波谱曲线趋于正常。

1.2.1.1地表比辐射率计算

（1）植被覆盖度计算

第一步，利用多光谱遥感影像，计算研究区域归一化植被指数NDVI，ENVI软件中有工具集成，使用即可。

第二步，利用波段运算工具，根据覃志豪经验公式，计算研究区植被覆盖度。

(b1 gt 0.7)*1+(b1 lt 0.05)*0+(b1 ge 0.05 and b1 le 0.7)*((b1-0.05)/(0.7-0.05)) b1：NDVI

（2）地表比辐射率计算

第一步，计算dε

(b1 le 0.5)*0.0038*b1+(b1 eq 0.5)*0.0038*(1-b1)+(b1 gt 0.5)*0.0019 b1：植被覆盖度Pv

第二步，计算R V与R m，在波段运算器中分别输入下列式中：R V : 0.9332+0.0585*b1

R m : 0.9886+0.1287*b1

b1:植被覆盖度Pv

第三步，计算地表比辐射率

利用B10波段计算地表比辐射率: b1*b2*0.98672+(1-b1)*b3*0.96767+b4

利用B11波段计算地表比辐射率: b1*b2*0.9899+(1-b1)*b3*0.97515

b1: 植被覆盖度Pv; b2:植被表面温度比率RV; b3:建筑表面温度比率R m; b4：指的是dε

1.2.2辐射亮温计算

K1 K2需要根据不同影像查表得到：

（1321.0789）/alog（774.8853/b1 +1）

b1：波段10 或者波段11经过辐射校正后的数据

L

1.2.3地表温度计算

第一步，计算C: b1*b2

b1：地表比辐射率；b2：大气透射率

第二步，计算D: (1-b2)*(1+(1-b1)*b2)

b1：地表比辐射率；b2：大气透射率

第三步，计算LST:

(-67.355351*(1-b1-b2)+b3*(0.458606*(1-b1-b2)+b1+b2)-b2*295.4022465)/b1

b1:指的是C; b2：指的是D; b3：指的是辐射亮温；b4：指的是大气平均作用温度Ta

地表温度反演实验报告

遥感原理与及应用 地表温度反演实验报告 专业：地理信息系统 班级： XXXXXXXX 姓名： XXX 学号： XXXXXX 成绩： 指导教师： XXX 2014年12月17日 一. 实验目的 1. 根据实际需要，学会在网上（如中国科学院遥

感与数字地球研究所数据共享网）下载研究区内的遥感数据； 2. 掌握在ENVI中实现简单的地表温度反演的原理与步骤。 二. 实验任务 1. 在中国科学院遥感与数字地球研究所数据共享网上订购并下载覆盖郫县的TM影像； 2. 在ENVI中实现简单的地表温度反演算法。 三. 实验数据 在中国科学院遥感与数字地球研究所数据共享网上下载的覆盖郫县地区的TM影像。

四. 实验原理 图1 TM 影像地表温度反演流程 1. 地表温度(Land Surface Temperature)反演公 式为: 2 1(1)K LST K In R ε=+， 其中，R m DN d =?+，2111607.76K W m sr m μ---=???，21260.56K K =。 2. 根据TM 辐射定标原理，热红外波段表观辐亮 度可以进一步写作: max min 6min 255L L R DN L -=?+， 其中LmaxBand6=15.303 , LminBand6=1.238。 3. 地表比辐射率ε为同温度下地表辐射能与黑体 辐射能的比率，其可以表示为: 1.0090.047(In )(0)NDVI NDVI ε=+>，

其中，4343 TM TM NDVI TM TM -=+，当0NDVI <=时(如水体)地表比辐射率取常数1。 五. 实验步骤 1. TM 数据下载 数 据查询和下载网址https://www.wendangku.net/doc/502422411.html,/query.html ，界面如图2 所示。 图2 中国科学院遥感与数字地球研究所数据共享 网址界面

(完整word版)MODIS数据反演地表温度

表1 MODIS 部分波段及其参数[14] 波段 光谱范围 信噪比 主要用途 分辨率 1 620～670nm 128 陆地、云边界 250m 2 841～876nm 201 陆地、云边界 250m 19 915～965nm 250 大气水汽 1000m 31 10.780～11.280μm 0.05 地球表面和 云顶温度 1000m 32 11.770～12.270μm 0.05 1000m 劈窗算法介绍 McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。Becker 从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。Becker 和Li 根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。Wan 和Dozier 在Becker 和Li 的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。Sobrino 和Becker 用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。在这些表达式里，大气和比辐射率的作用是耦合在一起的。而Sobrino 等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planck 辐射函数的线性化。覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率 [15][ 16] 。在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精 度较高，被认为是较好的算法之一。本文主要针对这一算法进行介绍。 覃志豪 [15] 等提出的针对MODIS 数据反演地表温度的劈窗算法使用的公式如下: 0131232Ts A AT A T =+- （1） 其中：Ts 是地表温度，31T 、32T 分别是MODIS 第31、32通道的亮温。0A 、1A 、2A 是系数，分别定义如下： 01264.6036368.72575A E E =-+ 1110.440817A A E =++ 220.473453A A E =+

基于单窗算法反演地表温度的ENVI操作教程

单窗算法反演地表温度教程 1.1 算法原理 1.1.1 单窗算法 单窗算法(M Ｗ算法)是覃志豪于2001年提出的针对ＴM 数据只有一个热红外波段的地面温度反演算法。经过众多学者验证,单窗算法具有很高的反演精度，且同样适用于ＥTM ＋和land ｓat 8数据。公式如下: 式中,LS Ｔ为地表温度（Ｋ),T ｓｅns ｏr 是传感器上的亮度温度（K)，T a 是大气平均温度(K ）;a 、b 为参考系数，当地表温度为0-７0℃时,a = -６７.3５５351，ｂ = ０.４５860６；C 、D 为中间变量,计算公式为： 式中，为地表比辐射率,为地面到传感器的大气总透射率。 因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表比辐射率、大气透射率和大气平均作用温度Ｔa 。 1.1.2 参数计算 1.1. 2.1 辐射亮温计算 利用Pla ｎck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。公式如下 6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+-- =

式中，T senso 为亮度温度值;λL 影像预处理后得到的光谱辐射值,单 位为 )/(2m sr m w μ??，K １ 、Ｋ2为常量,可由数据头文件获取。 计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN 转换为热辐射强度值,公式如下： 式中,ＭL 为增益参数,A Ｌ为偏移参数，该参数可直接在影像通文件数据中获取，且ＥＮV Ｉ软件中已经集成,不需要自己在查找。 1.1. 2.2 地表比辐射率计算 根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种,因此针对混合像元尺度上的地表比辐射率通过下式来估算： 式中,为混合像元的地表比辐射率；P V 为植被覆盖率；R Ｖ为植被的温度比率;R M 为建筑表面的温度比率; V 表示植被法地表比辐射率,ｍ表示建筑表面的地表比辐射率;d 表示辐射校正项。 根据覃志豪经验公式， V ＝０.986;m =0.97２。

ENVI支持下地表温度反演

[转载]ENVI下利用ETM+数据反演地表温度 (2012-05-15 08:31:18) 转载▼ 标签： 转载 原文地址：ENVI下利用ETM+数据反演地表温度作者：ENVIIDL 地表温度作为地球环境分析的重要指标，而遥感技术作为现代重要的对地观测手段，使得基于遥感图像的地表温度反演的研究越来越多。主要的地表温度反演方法有：大气校正法，单窗算法，单通道法等等。本文介绍用辐射传输方程法对地表温度进行反演。 技术流程： 例子数据为2002年9月2日的襄樊市Landsat ETM+数据。根据数据的特点以及地表温度反演研究的技术要求，采用的技术路线为：先对Landsat ETM+数据进行预处理：数据读取、辐射定标、大气校正、襄樊区域裁剪，利用大气校正，即：辐射传输方程法对其影像热红外波段数据进行操作反演，实现襄樊市地区的地表真实温度的反演研究。具体的处理流程如下：

具体的实现步骤如下： 第一步：准备数据 热红外数据使用的是Landsat的第六波段，已经做了传感器定标、几何校正、工程区裁剪，详细流程参考上面的流程图。文件为TM6-rad-subset-jz-xiangfan.img。

由TM影像（已经过大气校正）生成的NDVI数据，已经利用主菜单->Basic Tools- >Resize Data（SFatial/SFectral）重采样为60米分辨率，与TMi6数据保持一致，文件名为：TM-NDVI-60m.img。 第二步：地表比辐射率计算 物体的比辐射率是物体向外辐射电磁波的能力表征。它不仅依赖于地表物体的组成， 而且与物体的表面状态(表面粗糙度等)及物理性质(介电常数、含水量等)有关，并随着所测 定的波长和观测角度等因素有关。在大尺度上对比辐射率精确测量的难度很大，目前只是 基于某些假设获得比辐射率的相对值，本文主要根据可见光和近红外光谱信息来估计比辐 射率。 (一)植被覆盖度计算 计算植被覆盖度Fv采用的是混合像元分解法，将整景影像的地类大致分为水体、植被和建筑，具体的计算公式如下： F V = (NDVI- NDVI S)／(NDVI V - NDVI S) （2） 其中，NDVI为归一化差异植被指数，取NDVI V = 0.70和NDVI S = 0.00，且有，当某 个像元的NDVI大于0.70时，F V取值为1；当NDVI小于0.00，F V取值为0。 利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入： （b1 gt 0.7）*1+（b1 lt 0.）*0+（b1 ge 0 and b1 le 0.7）*（(b1-0.0)/(0.7-0.0)）b1:选择NDVI图像 得到植被盖度图像。 (二)地表比辐射率计算

ENVI软件基础知识以及监督 分类详细步骤

Ⅰ.软件的基本操作 ENVI主工具条： 1．图像的输入与输出.首先启动ENVI, 选择File- Open Image File,出现Enter Data Filename 对话框，选择文件的正确路径，点击文件名，再点击“OK”打开文件。 2．在打开的Available Band List 菜单中，可以显示图像的各个波段的基本信息，其中“Gray Scale”为灰色显示，“RGB Color”为彩色合成，并且可以选择彩色合成的波段，单击“Load”就可显示图像，打开的图像由三部分组成：Scroll（滚动）窗口、主图像窗口、以及缩放（Zoom）窗口, 可以使用多个显示窗口组，组中每个窗口的大小都可以调整。其中菜单中的“New Diaplay”可以打开一个新的图像。 3．在“Available BandsList”菜单中选择“Available Files List”还可以可以显示出遥感图像的基本信息，具体如图所示： 4.若要保存图像，需要在图像所在窗口中选择File-Save Image As-Image File，弹出Output Display to ImageFile 对话框。对于单波段图像，选择8-bit Color，而多波段彩色合成图像则选择24-bit Color图像的保存方式有两种：一是直接保存为文件；二是选“Memory”，记忆在“Available BandsList”菜单中。 Ⅱ.图像增强与变换 一．空间域增强 1.线性变换 线性拉伸：线性拉伸的最小和最大值分别设置为0 和255，两者之间的所有其它值 设置为中间的线性输出值，选择Stretch_Type > Linear Contrast Stretch。

地表温度反演

地表温度反演

目录 一：单窗算法 (3) 1.1实验原理 (3) 1.1.1TM/ETM波段的热辐射传导方程： (3) 1.1.2化简后最终的单窗体算法模型为： (3) 1.1.3大气平均作用温度Ta的近似估计 (3) 1.1.4大气透射率t6的估计 (3) 1.1.5地表比辐射率的估计 (4) 1.1.6像元亮度温度计算 (4) 1.1.7遥感器接收的辐射强度计算 (4) 1.2操作步骤 (5) 1.2.1研究区示意图 (5) 1.3实验结果 (7) 1.3.1灰度图像 (7) 1.3.2密度分割后图像 (7) 二：单通道算法 (8) 2.1实验原理 (8) 2.1.1单通道算法模型为： (8) 2.1.2大气平均作用温度Ta的近似估计 (8) 2.1.3大气透射率t6的估计 (8) 2.1.5像元亮度温度计算 (8) 2.1.6遥感器接收的辐射强度计算 (9) 2.2操作步骤 (9) 研究区示意图 (9) 2.2.1计算L6 (10) 2.2.2T6e6的求算 (10) 2.2.3计算R (10) 2.2.4计算t (10) 2.3实验结果 (11) 2.3.1温度反演灰度图像 (11) 2.3.2密度分割后的图像 (11) 三：辐射方程 (12) 3.1实验过程 (12) 3.1.1数据准备 (12) 3.1.2地表比辐射率的估计 (12) 3.1.3计算同温度下黑体的辐射亮度值 (12) 3.1.4反演地表温度 (13) 3.2温度反演结果 (13)

一：单窗算法 1.1实验原理 1.1.1TM/ETM波段的热辐射传导方程： B6(T6)=t6(q)[ ε6B6(Ts)+(1-ε6)I6~]+I6_ Ts是地表温度； T6是TM6的亮度温度； t6是大气透射率； ε6是地表辐射率。 B6(T6)表示TM6遥感器所接收到的热辐射强度； B6(Ts)是地表在TM6波段区间内的实际热辐射强度，直接决取于地表温度； I6~和I6_分别是大气在TM6波段区间内的向上和向下热辐射强度。 1.1.2化简后最终的单窗体算法模型计算Ts（地表温度）： Ts={a(1-C-D)+[b(1-C-D)+C+D]T6-DTa}/C 式中 C6=τ6ε6(ε6为比辐射率，τ6为透射率） D6=(1-τ6)[1+t6(1-ε6)] a =-67.355351，b=0.458606 1.1.3大气平均作用温度Ta的近似估计 温度换算：T＝t＋273.15 本图为9月份拍摄，对于中纬度夏季平均大气Ta=16.0110+0.92621T0 取平均气温为25摄氏度时Ta = 312.15753 1.1.4大气透射率τ6的估计 τ6=0.974290-0.08007w，0.4≤w≤1.6。 w为水分含量，单位(g/cm2)，这里，取w=1.0，计算得到τ6=0.89422

基于ETM数据地表温度反演实验单通道算法操作文档

基于ETM 数据煤田火区地表温度反演的研究实验操作步骤与流程 算法：单通道算法，其公式为 Τs =γ ε?1 ψ1L sensor +ψ2 +ψ3 +δ（1） γ= c 2L sensor T sensor 2 λ4 c 1 L sensor +λ?1 ?1 （2） δ=?γL sensor +T sensor （3） L sensor =L min λ + L max λ ?L min λ Q DN Q max （4） T sensor = K 2 ln 1+K 1L λ （5） K 1=666.09 mW ?cm ?2?sr ?1?um ?1 , K 2=1282.71K ψ1=0.1471?ω2?0.1558ω+1.1234 （6） ψ2=?1.1836?ω2?0.3761ω?0.5289（7） ψ3=?0.0455?ω2+1.8719ω?0.3907 （8） ω=0.177e +0.339 （9） e =0.6108?exp 17.27 Τ0 ?273 237.3+Τ 0?273 ?RH （10） 先来说明单通道算法公式（1）中γ，L sensor ，δ，ψ1，ψ2，ψ3等这些参数的计算过程，地表比辐射率ε的计算过程稍后在说明。 （1）对于ψ1，ψ2，ψ3的计算，只要查阅资料得知相对湿度RH ，与温度Τ0后，就可以算出大气中水蒸汽的含量ω，进而可以根据公式算出ψ1，ψ2，ψ3。 （2）对于L sensor 的计算，也就是辐射校正的过程，主要目的在于把影像中像元的灰度值转化成辐亮度L sensor ，公式（4）中的L min λ ，L max λ ，Q max 在影像头文件中可以找到，Q DN 就是所要进行校正的影像。在ENVI 中的操作如下： Basic tools → band math ,然后点开出现如下左侧对话框： 对于ETM 数据热红外波段高增益就是L sensor =3.2+9.45?Q DN 255 然后点ok 出现如下右侧对话框：

envi应用论文

ASTER遥感影像在土地利用调查的应用 ——以广州花都区为例 学 院 地理科学学院 专 业(方向) 地理信息系统 班 级 03地理信息系统 姓 名 魏永杰 学 号 0307442128 指导教师陈健飞教授 答辩时间 2007年6月3日

ASTER遥感影像在土地利用调查的应用 ——以广州花都区为例 地理信息系统魏永杰 指导老师：陈健飞 摘要土地资源是社会经济发展最基本的物质基础，利用遥感技术可对土地资源进行分类调查。在对地观测方面，ASTER与一般遥感影像相比，它包括了可见光－近红外（VNIR）、短波红外（SWIR）和热红外（TIR）3个通道的遥感数据，能提供更高质量的信息源。本文在ENVI 4.3的支持下，对ASTER数据进行预处理、波段选取、图像增强等工作，然后运用监督分类方法对广州花都区土地利用信息进行分类，再经过中值滤波输出分类结果，提取出该地图空间信息，最后统计土地利用情况。 关键词ASTER；土地利用；监督分类；图像增强；花都区 Extraction of land use classification information of suburb of Guangzhou Huadu using ASTER image ABSTRACT Land resources are essential substance foundation for development of society and economy. Land resources can be classified and investigated by using remote sensing information. It is shown that high spectrum resolution images can better offer higher quality information source in observing the earth’s surface in comparing with previous common remote sensing images. This text is in the ENVI4.3 of under support carry on preparing works, such as the processing, wave band selection and the picture to build up...etc. to the ASTER data, then status map about suburb of Guangzhou Huadu was classified by using supervised classification method, withdraw a map's space information, the end statistics the land make use of a circumstance. KEY WORDS Aster；land use；supervised classification；picture strengthen； Huadu

基于特征点图像配准方法的应用研究

基于特征点图像配准方法的应用研究 【摘要】针对常用的图像配准技术配准精度不高的问题，本文首先采用RANSAC算法剔除SURF算法初匹配中的误匹配对，再在初次提纯的匹配对中进行欧氏距离排序，提取距离最小的有限匹配对作为最终的匹配结果。通过实验表明该方法配准精度高，效果好，为后续图像的融合拼接打下良好的基础。 【关键词】RANSAC算法；SURF算法；图像配准 引言 随着传感器技术和计算机计算能力的提高，图像处理技术在社会生活中的应用越来越广泛。但是由于客观问题及图像传感器本身的局限性等会造成采集到的图像模糊、不完整等问题，因此采用图像处理技术对图像进行配准拼接处理获取完整的图片或者较宽视觉的图片就非常必要。本文采用基于SURF算法二次匹配法，对图像的特征点进行配准，配准精度得到明显的提高。 1、基于SURF算法初匹配存在问题的分析和解决方法 SURF算法[1]一般用特征矢量间的欧氏距离作为待配准图像的匹配判断矢量。匹配就是对于图像A中某个特征点，找出图像B中与它欧氏距离最近的特征点，简单地说，如果最近的距离小于某个阀值，则认为这两个点被匹配。 令A图像中的特征点描述子集为基准集，B图像中的特征点描述子集为目标集，通过欧式距离相似度判定度量，对每个qj我们在基准集中都能找到与其欧式距离最近的pi，这样qj和pi就构成一个匹配对。虽然匹配对中的两个特征点描述子的欧式距离最近，但这并不意味着它们对应相同的图像区域。在正确的匹配对中的两个特征点描述子的欧式距离会很小，理想状况下为零。但是当qj 与基准集中多个点的欧氏距离相近的时候，在判断时qj与它最近邻构成的匹配对就有可能是错误的匹配。 上述的分析表明，采用SURF算法对图像进行匹配，对于特征丰富的图像，往往得到数以百计的特征点匹配对，而且具有一定的误差性，存在错误的匹配对。因此就需要后续的检验过程，提高配准精度。 配准后的图像要转换到同个坐标下，才能进行拼接融合。这就涉及到图像变换模型。从图像变换模型的要求[2]中，我们知道，只要有3对对应的匹配对，我们就可以计算出两幅图像间的变换关系。在此我们先采用RANSAC算法消除错误匹配提高配准精度，以便得到更加精确的变换参数矩阵，便于后期的融合拼接。 2、基于RANSAC剔除误匹配提高配准精度的实现方法

基于劈窗算法的青岛地区地表温度反演研究

龙源期刊网 https://www.wendangku.net/doc/502422411.html, 基于劈窗算法的青岛地区地表温度反演研究作者：孙乐乐金宝轩 来源：《安徽农学通报》2017年第23期 摘要：地表温度对于地球资源环境监测的意义十分重要，在农业、环境生态相关领域研 究以及地表分析研究中都是重要的参数指标。气象测量难以大面积提供面状地温数据，而遥感监测成本低、时相性好、可提供面状数据等特点使其在地表温度监测中具有独特优势。该研究根据Landsat-8遥感数据，通过调整地表比辐射率估算方法后的劈窗地表温度反演算法实现了青岛地区地表温度的反演。并对结果与青岛市气象局网站提供的气象数据进行对比验证，反演结果总体符合实际情况，为沿海城市热能空间分布研究和城区规划提供参考依据。 关键词：地表温度；劈窗算法；Landsat-8 中图分类号 S511 文献标识码 A 文章编号 1007-7731（2017）23-0012-3 Abstract： As the key factor in the study of environment， ecology and land， land surface temperature（LST） plays a vital role in resource and environment monitoring. Comparing with traditional ground meteorological monitoring， remote sensing has more advantages in LST retrieving for it’s spatial continuity and lower cost. With the Landsat-8 data， we adjust the calculation of land emissivity and apply it to retrieve the LSD by a Split-Window algorithm. The analysis result evaluates the effectiveness of the Split-Window algorithm in peninsula regions and the result can provide a reference for the study of urban heat distribution and urban planning. Key words： Land surface temperature；Split-window algorithm；Landsat-8 地表温度LST（Land Surface Temperature）是地球资源环境监测评价中的一项重要指标，它直观反映了区域热能分布，对环境、生态相关领域研究以及地表分析研究都有重要意义。目前，部分学者已进行了相关研究并提出了基于遥感热红外波段的地表温度反演算法，按照所用波段的数量总体上分为单窗算法[1-3]与劈窗算法[4-6]2种。其中，覃志豪单窗算法[1]、Offer Rozenstein劈窗算法[6]是较为代表性的地表温度反演算法。劈窗算法早期多基于MODIS、NOAA/AVHRR等具有2个热红外波段的影像数据实现，其中MODIS数据在地表温度反演中效果较为理想，但由于其分辨率较低的缺陷使得其只能应用于大范围地区的地表温度反演。中小区域的地表温度反演多采用单通道遥感影像进行单窗算法地表温度反演[2，4]。 Landsat-8卫星于2013年发射升空，其携带OLI和TIRS 2个传感器。其中OLI （Operational Land Image）是陆地成像仪，TIRS（Thermal Infrared Sensor）是热红外传感器。TIRS传感器具有2个热红外波段10、11波段，其分辨率为100m，并且其两个热红外波段的波宽及中心波长与MODIS数据相近。因此Landsat-8数据在进行利用劈窗算法进行地表温度反演具有独特优势。本文利用Landsat-8数据基于劈窗算法对青岛地区地表温度进行反演，并结合气象数据对于结果进行评价分析。

Landsat8 TIRS 地表温度反演

热红外遥感（Infrared Remote Sensing）是指传感器工作波段限于红外波段范围之内的遥感。即利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。目前有很多的卫星携带了热红外传感器，包括ASTER、AVHRR、MODIS、TM/ETM+/ TIRS等。 目前，地表温度反演算法主要有以下三种：大气校正法（也称为辐射传输方程：Radiative Transfer Equation——RTE）、单通道算法和分裂窗算法。 本实例是基于大气校正法，利用Landsat8 TIRS反演地表温度。 基本原理：首先估计大气对地表热辐射的影响, 然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去, 从而得到地表热辐射强度, 再把这一热辐射强度转化为相应的地表温度。 具体实现为：卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。卫星传感器接收到的热红外辐射亮度值Lλ的表达式可写为（辐射传输方程）： Lλ = [εB(T S) + (1-ε)L↓]τ+ L↑（1.1） 式中，ε为地表比辐射率，T S为地表真实温度(K)，B(T S)为黑体热辐射亮度，τ为大气在热红外波段的透过率。则温度为T的黑体在热红外波段的辐射亮度B(T S)为： B(T S) = [Lλ - L↑- τ(1-ε)L↓]/τε（1.2） T s可以用普朗克公式的函数获取。

T S = K2/ln(K1/ B(T S)+ 1) （1.3） 对于TM，K1 =607.76 W/(m2*μm*sr)，K2 =1260.56K。 对于ETM+，K1=666.09 W/(m2*μm*sr)，K2 =1282.71K。 对于TIRS Band10，K1= 774.89 W/(m2*μm*sr)，K2 = 1321.08K。 从上可知此类算法需要2个参数：大气剖面参数和地表比辐射率。大气剖面参数在NASA提供的网站(https://www.wendangku.net/doc/502422411.html,/)中，输入成影时间以及中心经纬度可以获取大气剖面参数。适用于只有一个热红外波段的数据，如Landsat TM /ETM+/TIRS数据。 主要内容就是使用BandMath工具计算公式（1.2）和公式（1.3），处理流程如下图所示。

基于热红外波段的地表温度反演实验报告

遥感原理与应用 地表温度反演 实验报告 专业：地理信息系统 班级：XXXXXXXX 姓名：XXX 学号：XXXXXX 成绩： 指导教师：XXX 2014年12月17日

一. 实验目的 1. 根据实际需要，学会在网上（如中国科学院遥感与数字地球研究所数据共享网）下载研究区内的遥感数据； 2. 掌握在ENVI中实现简单的地表温度反演的原理与步骤。 二. 实验任务 1. 在中国科学院遥感与数字地球研究所数据共享网上订购并下载覆盖郫县的TM影像； 2. 在ENVI中实现简单的地表温度反演算法。 三. 实验数据 在中国科学院遥感与数字地球研究所数据共享网上下载的覆盖郫县地区的TM影像。 四. 实验原理 图1 TM影像地表温度反演流程

1. 地表温度(Land Surface Temperature)反演公式为: 2 1(1) K LST K In R ε= +， 其中，R m DN d =?+，2111607.76K W m sr m μ---=???，21260.56K K =。 2. 根据TM 辐射定标原理，热红外波段表观辐亮度可以进一步写作: max min 6min 255 L L R DN L -= ?+， 其中LmaxBand6=15.303 , LminBand6=1.238。 3. 地表比辐射率ε为同温度下地表辐射能与黑体辐射能的比率，其可以表示为: 1.0090.047(In ) (0)NDVI NDVI ε=+>， 其中，4343 TM TM NDVI TM TM -=+，当0NDVI <=时(如水体)地表比辐射率取常数1。 五. 实验步骤 1. TM 数据下载 数据查询和下载网址https://www.wendangku.net/doc/502422411.html,/query .html ，界面如图2所示。 图2 中国科学院遥感与数字地球研究所数据共享网址界面

ENVI遥感图像处理方法

《ENVI遥感图像处理方法》科学出版社2010年6月正式出版 上一篇/ 下一篇 2010-05-26 15:02:30 / 个人分类：ENVI 查看( 643 ) / 评论( 5 ) / 评分( 0 / 0 ) 从上个世纪六十年代E．L．Pruitt提出“遥感”这个词至今，遥感已经成为人类提供了从多维和宏观角度去认识宇宙世界的新方法与新手段。目前，遥感影像日渐成为一种非常可靠、不可替代的空间数据源。ENVI (The Environment for Visualizing Images)是由遥感领域的科学家采 用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。ENVI以其强大的图像处理功能，尤其是与ArcGIS 一体化集成，使得众多的影像分析师和科学家选择ENVI来处理遥感图像和获得图像中的信息，从而全面提升了影像的价值。ENVI已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等众多领域。与此形成鲜明对比的是，目前关于ENVI 的中文教程非常少，给广大用户学习软件和应用软件带来诸多不便。 针对上述情况，在ESRI中国（北京）有限公司的大力支持下，根据多年遥感应用研究和软件操作经验，历时一年半编著完成本书。全书按照遥感图像处理流程由浅到深逐步引导读者掌握ENVI软件操作。各个章节相对独立，读者可视个人情况进行选择阅读。全书分为17章，第1、2、3章介绍了ENVI软件的基础知识，可作为ENVI软件入门，也可作为参考内容；第4、5、6、7、8章介绍了遥感图像处理一般流程，包

图像配准技术研究进展

第１４卷第６期２００７年１２月 电光与控制 ＥＵ￡ＣＴＲＯＮＩＣＳＯＰＴＩＣＳ＆ＣＯＮＴＲＯＬ Ｖ０１．１４№．６ Ｄｅｅ．２００７ 文章编号：１６７１—６３７Ｘ（２００７）０６—００９９—０７ 图像配准技术研究进展 刘松涛，杨绍清 （海军大连舰艇学院信息与通信工程系，辽宁大连１１６０１８） 摘要：图像配堆是解决图像融合、图像镶嵌和变化检测等问题的必要前提。其应用遍及军事、遥感、医学和计算机视觉等多个领域。筒要回顾了图像配准技术的发展史和研究现状．重点阐述了当前的技术热点和应用趋势，最后展望了进一步的研究方向。 关键词：图像配准；信息论；非刚性配准；虚拟结构 中图分类号：Ｖ２４３．６文献标识码：Ａ Ｐｒｏｇｒｅｓｓｉｎｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓ ＬＩＵＳｏｎｇ—ｔａａ，ＹＡＮＧＳｈａｏ—ｑｉｎｇ （Ｏｅｐｔ．ｏｆＩｎｆｏｒｍａｔｉｏｎ＆ＣｏｍｍｔｍｉｃｄｉｏｎＥｔ，ｇ泌ｒｉｔ，．ｇ，ＤａｆｉａｎＮａｖａｌＡｃａｄｅｍｙ，Ｄａｌｉａｎ１１６０１８，舀白Ⅺ） Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｉｓｅｓｓｅｎｔｉａｌｆｏｒａｌｌｉｍａｇｅａｎａｌｙｓｉｓｔａｓｋｓｌｉｋｅｉｍａｇｅｆｕｓｉｏｎ，ｉｍａｇｅｍｏｓａｉｃａｎｄｃｈａｎｇｅｄｅｔｅｃｔｉｏｎ．Ｉｔｉｓｕｓｅｄｗｉｄｅｌｙｉｎｍｉｌｉｔａｒｙｓｙｓｔｅｍ，ｍｅｄｉｃａｌｉｍａｇｉｎｇ，ｒｅｍｏｔｅｓｅｎｓｉｎｇ，ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ｅｔｃ．Ｔｈｅｈｉｓｔｏｒｙａｎｄｃｕｒｒｅｎｔｅｔａｔｕｓｏｆｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｆｉｒｅｒｅｖｉｅｗｅｄｋｅｆｌｙｗｉｔｈｅｍｐｈａｓｉｓｏｎｉｔｓｃｕｒｒｅｎｔｔｅｃｈｎｉｃａｌｈｏｔｓｐｏｔｓａｎｄａｐｐｌｉｃａｔｉｏｎｔｒｅｎｄｓ．Ｓｏｍｅｉｎｔｅｒｅｓｔｉｎｇａｓｐｅｃｔｓｆｏｒｆｕｒｔｈｅｒｓｔｕｄｙａ”ｐｏｉｎｔｅｄｏｕｔｉｎｔｈｅｅｎｄ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ；ｉｎｆｏｒｍａｔｉｏｎｔｈｅｏｒｙ；１１０ｎ—ｒｉｇｉｄｒｅｇｉｓｔｒａｔｉｏｎ；ｖｉｒｔｕａｌｓｔｒｕｃｔＵｒｅ ０引言 图像配准是许多应用问题必须的预处理步骤，比如：时序图像的变化检测或多模图像融合，这些问题遍及军事、遥感、医学、计算机视觉等多个领域。许多领域都需要图像配准，实际应用过程可能会有所不同，但其中关键的因素是类似的。概括地说，图像配准是对取自不同时间、不同传感器或者不同视角的同一场景的两橱或多幅图像进行最佳匹配的过程，包括像素灰度匹配和空间位置对齐。 配准方法的分类可以依据不同的准则。Ｂｒｏ．ｗｎ…依据变换模型的复杂程度对配准方法进行分类，并归纳了配准技术的实现步骤：特征空问、相似度测量、搜索空间和策略。Ｍａｉｎｔｚ”１等则提出了９ 收稿日期：２００６—０３—０９修回Ｅｔ期：２００６—０５—１５ 基金项目：国防预研基金资助项目（５１４０３０３０６０４ＪＢｌ４０Ｉ）；国家自然科学基金资助项目（６０５７２１６０） 一 作者简介：荆松涛（１９７８一），男，河南孟津人，博士，主要研究方向为图像融合、耳标识别、成像跟踪、ＤＳＰ开发 等。条分类准则，依次为：图像维数、配准特征的来源、变换模型、坐标变换域、交互性、优化策略、成像模式、配准对象、配准目标的特点等。作者参考Ｂｒｏｗｎ和Ｍａｉｎｌｚ的分类方法，将配准技术概括为８个方面，包括：配准对象、特征提取、特征匹配、变换模型、优化策略、坐标变换与插值、系统实现及算法评估，并考虑每项内容的技术特性进行细分，然后依据某一算法的创新点进行分类。囊括所有方法的分类准则是不存在的，所提方法侧重于从总体上对配准方法进行考察，是一种相对能反映配准方法本质特征的分类方法。依据新的分类准则，作者已对图像配准技术的８个子方向进行了系统研究ｕＪ。 １发展史和研究现状 国外从２０世纪６０年代就开始在图像配准领域进行研究“】，但直到１９８０年代才开始引起学者们的关注。到上世纪末，单模图像配准问题已基本解决，但多模图像配准由于涉及模式和领域的复杂性．仍需密切关注。国际上对图像配准技术曾做过调查”】，其结论是１９９０年代初技术文献明显增加。而

erdas 北京地表温度反演_实习报告

Landsat TM6 地表温度反演实习报告 实习目的： 1、TM Level 1 数据的热红外波段辐射定标：学会阅读头文件，找出所需定标参数；利用定标参数将TM图像热红外波段DN值转换为辐射亮度； 2、运用单通道法，反演地表温度反演 实习步骤： 1.加载图像：import—>选择需要加载的图像 2.分部建模 2.1求算NDVI的建模如图所示

第三第四波段的辐射定标运算的增益和偏移均来自数据的头文件。 2.2第六波段辐射定标计算

说明：第六波段的辐射定标计算的增益和偏移不能再用头文件中的增益和偏移，否则误差会很大造成无法显示，因此必须在老师给的表格中查找。 然后再用老师给的公式进行计算. 从表格中找出L min 和L max 输入下面公式 255 G min max L L rescale -= min B L rescale = rescale cal rescale B Q G L +?=λ 即可求出增益和偏移，然后进行辐射定标运算即可求出所需结果。

2.3求解地表反射率（λε）的建模运算。 所使用的经验公式根据Van 的经验公式： )ln(047.00094.1NDVI +=λε 2.4求解)T (B s λ的建模。)T (B s λ为温度为s T 的黑体在热红外波段的辐射亮度。

使用的公式是 L L o o o s ↓ ↑ -- -=λ λ λ λλλλλεετε1L )T (B ）（，其中 L o ↓ λ 表示大气向下辐射亮度，模拟结果为1.68 Wm -2um -1Sr -1，L o ↑ λ表示大气向上辐射亮度， 模拟结果为1.74 Wm -2um -1Sr -1，λτo 为大气在热红外波段的透过率，模拟结果为0.77。λε为上一步求解的结果。 2.5反演温度的建模

城市微气象模拟工具ENVI-met中文入门

城市微气候仿真软件ENVI-met的应用 天津住宅科学研究院有限公司汪磊磊⑴陈丹⑵ 邮箱：（1）lleiwang@https://www.wendangku.net/doc/502422411.html, ；（2）chendan0804@https://www.wendangku.net/doc/502422411.html, 城市微气候仿真软件ENVI-met是由德国的Michael Bruse （University of Mainz，Germany）开发的一个多功能系统软件，可以用来模拟住区室外风环境、城市热岛效应、室内自然通风等。 ENVI-met一共由四个模块组成，分别为建模版块ENVI-met Eddi Version、编程模块ENVI-met Configuration Editor、计算版块ENVI-met V3.1 Default Config以及结果显示版块LEONARDO 3.75。 一、建模版块 在使用ENVI-met软件的过程中，最重要的一步就是建模，网格尺寸的大小、数量都直接影响到计算结果的准确性。 首先单击，进入建模版块，单击进入参数设置界面，如图1所示。在此窗口可以设置模型所在地区的经度、纬度，网格尺寸、网格数量。在实际模拟中，遇到一个问题，需要跟大家交流下，计算区域的高度必须大于等于建筑物最大高度的两倍，软件提供的计算区域最大网格数是250*250*30，因此，我们在编辑网格尺寸的时候要注意这一点，鉴于网格数的限制，可以适当提高网格的尺寸大小，这样既能满足建筑物高度的要求，又能满足计算的要求。

窗口1 接下来就可以开始画模型了。点击窗口2（Edit Building/Vegetation），可以定义建筑物的高度、植物的种类。在Left Mouse 对应的窗口输入建筑物的高度，然后在网格区域点击鼠标左键画建筑物即可。点击Left Mouse+Shift对应的下拉键，选择植物的种类，然后点击鼠标左键+Shift按钮在网格区域画植物。值得注意的一点是，对于屋顶绿化的情况，可以直接在建筑物上单击鼠标左键+Shift键填充植物。 窗口2 窗口3 点击选中窗口3（Edit Soils），在下拉键中选择下垫面的类型，比如loamy road（土壤）、deep water（水面）、Asphalt Road（柏油马路）等，选择合适的下垫面后在网格区域画图。

在图像配准中应用想法

在图像配准中，数字图像的角点一般被选为特征点，它是图像中轮廓线上曲率的局部极大值点，是数字图像中非常重要的特征[31]。 有两种算法用于数字图像中角点的检测：一是基于图像灰点的算法，这种角点检测算法主要是通过计算在局部范围内的图像灰度和梯度变化极大值点来作为角点；另一个是基于图像边缘的算法，这种角点检测算法要先检测图像的边缘，再将边缘方向有突变的那些点选取作为检测出的角点。计算曲率以及梯度的算法时这类角点检测需要用的，因为它不用检测图像边缘，计算时间就有所缩短，因而被广泛用于实际操作中。 数字图像中角点为重要图像特征，作为配准特征在图像配准中常被使用。为了对角点特征了解的更多，本节重点介绍几种常用的角点检测算法[32]： 式中，det表示矩阵的行列式；trace 表示矩阵的迹(也就是矩阵对角线元素的和)；k代表常数，通常为 0.04。角点就是CRF处于局部极大值的点。 下面就是详细操作步骤： ①针对灰度图像I中的每一个像素，对其x方向以及y 方向分别计算一 阶导数，还要将两个一阶导数相乘。计算时采取的具体计算法和卷积类似，使用的模板分别为:

在图像 I 上不断移动，在移动至每一位置都进行模板对应中心像素梯度值的计算，从而得到处于两个方向上的两幅梯度图像。然后再将每个像素所对应得两个方向上的梯度相乘，第三幅图像就形成了，三幅图像中的每一像素分别表示Ix，Iy和IxIy。 ②分别对通过步骤①计算所得的三幅图像进行标准差为σ的高斯滤波。 具体来说就是对这三幅图像分别运用高斯模板进行卷积。 将原始图像上的角点响应函数值计算出来。计算法有以下两种： 其一为经典的Harris算法。式(3-16)代表CRF定义： 此时，角点和CRF的局部极小值点相对应。因为经典的Harris算法其角点响应函数要求公式中k值必须要确定，因此本算法中的角点响应函数采用的是Nobel 的。 ③图像中有很多局部极值点，角点的数目的提取要通过CRF门限限制 的设置来进行。 下面分析Harris角点检测算法的性能： 1) 在图像中Harris角点具有各向同性的特点，图像即使旋转，检测角点不会受到影响； 2) Harris角点检测算法中对图像一阶导数有要求，因此光强对检测角点无影响；

landsat 遥感影像地表温度反演教程

基于辐射传输方程的Landsat 数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC8LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration 。在File Selection 对话框中，选择数据LC8LGN02_MTL_Thermal ，单击Spectral Subset 选择Thermal Infrared1（），打开Radiometric Calibration 面板。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“进行辐射定标。 Settings ，如下图。 2、大气校正

本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取； 5)选择传感器类型：Landsat-8 OLI；其对应的传感器高度以及影像数据的分辨率自动读取； 6) 设置研究区域的地面高程数据； 7)影像生成时的飞行过境时间：在layer manager中的Lc8数据图层右键选择View Metadata，浏览time字段获取成像时间； 注：也可以从元文件“”中找到，具体名称：DATE_ACQUIRED = 2013-05-12；SCENE_CENTER_TIME = 02:55:； 8) 大气模型参数选择：Sub-Arctic Summer（根据成像时间和纬度信息选择）； 9) 气溶胶模型Aerosol Model：Urban，气溶胶反演方法Aerosol Retrieval：2-band（K-T）； 10) 其他参数按照默认设置即可。 11) 多光谱参数设置中， K-T反演选择默认模式：Defaults->Over-Land Retrieval standard （600:2100） 波谱响应函数：默认指向.. \Program Files\Exelis\ENVI51\classic\filt_func\ 把它重新指向：..\Program Files\Exelis\ENVI51\resource\filterfuncs\ 注：这是因为版本的一个小bug，即Classic中的L8的波谱响应函数不正确，另外一个一劳永逸的方法是：将