ENVI--专题五辐射定标与大气纠正.doc

专题五 辐射定标与大气纠正
图像处理流程分为以下几个步骤：图像的配准、重采样、定标以及大气纠正。其中，图像配准是做所有工作的前提，是图像的几何纠正。在进行定性或者定量遥感时都要进行图像配准来确定我们所要研究的目标。在进行完图像配准（几何纠正）之后，为了使得输出图像的配置与输入图像向对应，因此要进行重采样。定标以及大气纠正则是进行辐射量纠正的重要的过程，是进行定量遥感不可少的步骤。分类是图像处理的最后一步，按某种使用意图分类之后的图像，对实际应用有很大帮助。
辐射定标和大气纠正都属于图像的预处理，辐射定标的目的是把图像上的DN值转为辐亮度或者是反射率，大气纠正的目的是消除或减少大气对图像的干扰。
以下是图像预处理的流程：

一、 辐射定标
要对图象进行辐射定标，将图象的DN值转化为表观反射率，该过程的实现是通过应用以下两个步骤来实现的：
（1） 首先将图象的DN值转化为辐亮度：radiance=gain*DN+offset (1)式
（2） 然后将图象的辐亮度转化为表观反射率：ρ=π*L*d2/（ESUN*cos（θ）） (2)式
其中ρ为表观反射率，L为表观辐亮度，d为日地距离，ESUN为太阳平均辐射强度，θ为太阳天顶角。
（3） 将以上两个步骤结合得：ρ=π*（gain*DN+offset）* d2/（ESUN*cos（θ））(3)式
ENVI中的具体实现：采用简单的波段运算
例如，我们把2002-5-22的一幅ETM图像第3波段的DN值转化为表观反射率。
第一步，查找.FST文件（是该图像经过粗纠正后的数据信息说明文件），该图像第3波段的gain和offset，可知：
gain＝0.619215662339154，offset＝-5.0000000000000
第二步，查找.FST文件可知=90-62.7=27.3度，cos（θ）＝0.8886；查找Table 11.4 （Earth-Sun Distance in Astronomical Units）可知 d=1.10109天文单位；查找Table 11.3   （ETM+ Solar Spectral Irradiances）可知ESUN＝1551。
第三步，把这些参数的值带入（1）式：L3＝0.619*b3-5.0
代入（3）式：ρ3＝3.1415* (0.619*b3-5.0)*1.10109^2/(1551*0.4602)
运算前：

实施运算
Basic tools > band math
输入运算式:

运算之后:

对于其它波段只要知道相关的参数,可以用同样的方法作简单的定标.
其中关于ETM图像的一些参数如下:

Table 11.2 ETM+ Spectral Radiance Range
watts/(meter squared * ster * µm)
Band Number
Before July 1, 2000
After July 1, 2000
Low Gain
High Gain
Low Gain
High Gain
LMIN
LMAX
LMIN
LMAX
LMIN
LMAX
LMIN
LMAX
1
-6.2
297.5
-6.2
194.3
-6.2
293.7
-6.2
191.6
2
-6.0
303.4
-6.0
202.4
-6.4
300.9
-6.4
196.5
3
-4.5
235.5
-4.5
158.6
-5.0
234.4
-5.0
152.9
4
-4.5
235.0
-4.5
157.5
-5.1
241.1
-5.1
157.4
5
-1.0
47.70
-1.0
31.76
-1.0
47.57
-1.0
31.06
6
0.0
17.04
3.2
12.65
0.0
17.04
3.2
12.65
7
-0.35
16.60
-0.35
10.932
-0.35
16.54
-0.35
10.80
8
-5.0
244.00
-5.0
158.40
-4.7
243.1
-4.7
158.3

Table 11.3   ETM+ Solar Spectral Irradiances
Band
watts/(meter squared * µm)
1
1969.000
2
1840.000
3
1551.000
4
1044.000
5
225.700
7
82.07
8
1368.000

Table 11.4 Earth-Sun Distance in Astronomical Units
Julian Day
Distance
Julian Day
Distance
Julian Day
Distance
Julian Day
Distance
Julian Day
Distance
1
.9832
74
.9945
152
1.0140
227
1.0128
305
.9925
15
.9836
91
.9993
166
1.0158
242
1.0092
319
.9892
32
.9853
106
1.0033
182
1.0167
258
1.0057
335
.9860
46
.9878
121
1.0076
196
1.0165
274
1.0011
349
.9843
60
.9909
135
1.0109
213
1.0149
288
.9972
365
.9833

二、 大气纠正（用ENVI中的工具）
1、简单的经验线性法(不考虑交叉辐射)
此种方法比较简单，精度一般，是用影像数据去匹配所选区域的反射率波谱曲线。利用图像上各波段反射率的最高值与最低值与地表反射率之间的线性关系来进行简单的大气纠正。
基本步骤：
（1） 选择图像上的最暗目标和最亮目标作为感兴趣区；
（2） 从波谱库或地面测量（最好是地面同步测量）的波谱数据中找到相应的地物的波谱信息；
（3） 建立两者之间的线性转换关系；
（4） 利用回归过程中计算出的系数（Gains）和偏移值（offsets）,逐象素地进行经验线形纠正了。
Reflectance (field spectrum) = gain x radiance (input data) + offset
注：经验线性纠正的输入是DN值，该过程同时完成了辐射定标和简单大气纠正两个步骤。
spectral> preprocessing> Calibration Utilities>Empirical Line
compute factors and calibrate(计算参数,进行校准)
calibrate using existing factors(用已有的参数进行校准)
我们选择计算参数进行校准：
过程如下:
选择compute factors and calibrate

点击data spectra的import spectra,

打开一个ROI,选择上面IMPOT的from roi from input file,选好后点击OK

点击APPLY

点击field spectra的import spectra,选择波谱库（from spectral library）或已知地物的波谱（from ascii file），下例是从波谱库中选择。
注：波谱库中提供的数据和所选ROI并不一定匹配的好，所以会存在很大的误差，甚至错误，所以在有地面同步测量数据的条件下，最好能够用该数据进行经验线性纠正。

选择roi和波谱库中的数据进行配对，点击enter pair

点击ok，

选择OK,下图为所建立的线性关系

白线为Maximum Solar Irradiance为gain，红线为Path Radiance，offset。