ENVI5.3下高分二号(GF2)数据预处理
### ENVI5.3下高分二号(GF2)数据预处理 #### 一、引言 随着遥感技术的不断发展,高分辨率遥感数据的应用越来越广泛。高分二号(GF2)作为中国高分辨率对地观测系统的重要组成部分,提供了高质量的遥感影像数据。为了更好地利用这些数据进行各种遥感应用,例如土地覆盖分类、植被监测等,对原始数据进行预处理是必不可少的一步。本文将详细介绍如何使用ENVI5.3软件对GF2数据进行预处理,重点介绍第二种预处理流程。 #### 二、预处理流程概述 GF2数据预处理通常包括两个主要流程: 1. **高精度定量遥感应用**:适用于需要较高大气校正精度的情况,如植被参数的定量反演等。 2. **定性遥感应用**:适用于对大气校正精度要求较低的情况,如土地利用类型分类等。 本文主要关注第二种预处理流程。 #### 三、预处理具体步骤 ##### 1. 数据打开 首先启动ENVI5.3软件,在“文件”菜单中选择“打开”,定位到包含GF2数据的文件夹。选择扩展名为.tiff的多光谱和全色数据文件,并打开它们。此时可以在图层管理面板中查看数据的元数据信息,确认ENVI是否正确识别了数据的RPC信息。 ![图2 打开GF2多光谱和全色数据](#) ![图3 ENVI自动识别GF2数据RPC信息](#) ##### 2. 正射校正 正射校正是预处理过程中的关键步骤之一,它能够消除地形起伏等因素造成的影像变形,使图像更加准确反映地面实际情况。具体操作如下: - 在“工具箱”中选择“几何校正”→“正射校正”→“RPC正射校正工作流”,打开正射校正工作流工具。 - 在“文件选择”面板中,选择多光谱数据作为输入文件,DEM文件默认使用全球900米分辨率的DEM数据。 - 在“RPC优化”面板中,如果拥有额外的控制点数据,可以在该面板中添加并查看相应的误差统计信息。 - 在“高级”选项卡中,设置输出像素大小为4米,并选择“三次卷积法”作为重采样方法。 - 在“导出”选项卡中设置输出文件格式、路径和名称,最后点击“完成”。 对于全色数据的正射校正操作与多光谱数据类似,只是输出像素大小应设置为1米。 ##### 3. 图像融合 图像融合是为了提高影像的空间分辨率,通常采用多光谱数据和全色数据相结合的方式。在进行图像融合前,需要确保多光谱和全色数据已完全配准。如果未完全配准,可以使用ENVI中的自动配准工具进行调整。 - 检查多光谱和全色数据的配准情况。若配准良好,则可以直接进行图像融合。 - 选择从ENVI5.2版本开始新增的NNDiffusePanSharpening方法进行融合。该方法相较于其他方法具有更好的融合效果。 - 考虑到不同数据存储格式对融合速度的影响,建议将多光谱数据转换为BIL或BIP格式,以提高融合效率。 #### 四、结论 通过上述步骤,我们可以有效地完成GF2数据的预处理,为后续的遥感应用提供高质量的基础数据。ENVI5.3软件提供了强大的功能支持,使得整个预处理过程更加高效、准确。需要注意的是,尽管本文主要介绍了第二种预处理流程,对于需要更高精度大气校正的应用场景,可以参考其他相关文献资料进行更深入的学习。
剩余7页未读,继续阅读
- 沈正波2018-11-21还不错,,,
- 北视界2018-03-05资源可以下载
- 粉丝: 2
- 资源: 4
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Spring Cloud商城项目专栏 049 支付
- sensors-18-03721.pdf
- Facebook.apk
- 推荐一款JTools的call-this-method插件
- json的合法基色来自红包东i请各位
- 项目采用YOLO V4算法模型进行目标检测,使用Deep SORT目标跟踪算法 .zip
- 针对实时视频流和静态图像实现的对象检测和跟踪算法 .zip
- 部署 yolox 算法使用 deepstream.zip
- 基于webmagic、springboot和mybatis的MagicToe Java爬虫设计源码
- 通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 进行深度学习的对象检测.zip