精华内容
下载资源
问答
  • 针对全卷积神经网络多次下采样操作导致的道路边缘细节信息损失和道路提取不准确的问题,本文提出了多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取方法。首先,通过目视解译的方法制作大量的道路提取标签数据;...
  • 基于6S大气辐射传输模型和中分辨率成像光谱仪(MODIS)上午星Terra的气溶胶光学厚度数据以及MODIS 双向反射分布函数(BRDF)模型参数产品(MCD43A1),对高分一号(GF-1)卫星宽视场相机(WFV)四个波段的大气层顶辐亮度图像...
  • 高分一号的波谱响应函数,用于高分一号影像进行预处理
  • 高分一号数据分辨率高、适用性强、数据获取容易,来源稳定,在较小区域业务化有很大优势。在干旱监测应用方面,使用垂直干旱监测,以德州市为研究区域,利用高分一号数据进行干旱监测研究。垂直干旱指数法适用于裸地,在...
  • 非常好用的IDL批量解压高分数据,内容注释浅显易懂,移植性非常强。
  • 文章介绍了高分一号(GF-1)卫星的基本情况,结合该遥感数据在"十二五"期间全国地级以上城市规模扩展监测中的实际应用,建立了高分一号16米多光谱数据处理方法及城市建设用地信息提取技术流程,并基于不同年度遥感影像...
  • 基于PostGIS的高分一号卫星影像管理与Web应用研究,专业论文,供参考
  • 针对目前面向对象方法在高分辨率遥感影像中提取绿地专题信息的特点,文中提出一种利用高分辨率遥感影像提取城市区域范围绿地信息的方法,结合K-T变换和ICA变换,根据地物的遥感影像特征、光谱特征信息和基于阀值的分类...
  • GF-1 PMS数据完整预处理流程包括:辐射定标、大气校正、正射校正、图像融合、裁剪和影像配准。 注:全色图像没有方法进行大气校正,所以...在ENVI 5.3.1版本中,直接支持高分一号PMS数据的辐射定标和大气校正。 其..

           GF-1 PMS数据完整预处理流程包括:辐射定标、大气校正、正射校正、图像融合、裁剪和影像配准。

    注:全色图像没有方法进行大气校正,所以一般在定量遥感中不使用全色图像。本文档的操作流程是为了说明所有处理的步骤,如果只需要GF-1数据做底图使用,可以不做辐射定标和大气校正。

    数据:GF1_PMS1_E82.3_N34.2_20151103_L1A0001149149

      图1 预处理流程

    1. 多光谱辐射定标与大气校正

    在ENVI 5.3.1版本中,直接支持高分一号PMS数据的辐射定标和大气校正。

    其他版本参考http://blog.sina.com.cn/s/blog_764b1e9d0102vvwn.html

    (1)选择Open As->China Satellites->GF-1,选择

    GF1_PMS1_E82.3_N34.2_20151103_L1A0001149149-PAN1.xml

    和GF1_PMS1_E82.3_N34.2_20151103_L1A0001149149-MSS1.xml文件打开。

    (2)在Toolbox中,打开/Radiometric Correction/Radiometric Calibration,选择多光谱数据。

    (3)在Radiometric Calibration面板中,单击Apply FLAASH Settings按钮,几个参数自动选择符合FLAASH大气校正要求,包括定标类型(Radiance)、存储顺序(Interleave)和辐射亮度单位(Scale Factor)。

    (4)选择数据路径和文件名,单击OK执行。

    图2 多光谱辐射定标面板

    (5)在Toolbox中,打开/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction。

    (6)点击Input Radiance Image,前面辐射定标好的数据,在Radiance Scale Factors面板中选择Use single scale factor for all bands,由于定标的辐射量数据与FLAASH的辐射亮度的单位一致,所以在此Single scale factor选择:1,单击OK;

    注:由于使用Radiometric Calibration自动将定标后的辐射亮度单位调整为(μW)/(cm2*nm*sr),与FLAASH要求的一致,因此在Radiance Scale Factors中输入1。

    (7)设置输出文件及路径设置;

    (8)传感器基本信息设置:

    l  成像中心点经纬度FLAASH自动从影像中获取。

    l  传感器高度(Sensor Altitude):645km

    l  像元大小(pixel Size):8m

    l  成像区域平均高度可以通过统计DEM数据获取

    l  成像时间:在图层管理中右键选View metadata,在Time选项中可以获取。

    (9)大气模型和气溶胶模型,根据经纬度和影像区域选择(单击Help,找到经纬度和成像时间的对照表)。

    (10)气溶反演方法选择None(缺少短波红外),能见度设置为40km(查看Help中说明)。

    (11)多光谱设置面板按照默认参数

    图3 FLAASH参数面板

    (12)打开Advanced settings面板,设置Use Tied Peocessing:No。

    注:处理计算机的内存为8G,这里不使用分块计算。如果低于8g,需要使用分块计算,并将分块打开Tile Size设置为100~200M。

    (13)单击Apply执行处理。

    图4 大气校正高级参数面板

    2.全色辐射定标

    (1)在Toolbox中,打开/Radiometric Correction/Radiometric Calibration,选择全色数据。

    (2)在Radiometric Calibration面板中,设置:

    • Calibration Type: Reflectance
    • Output Data Type:Uint
    • Scale Factor:10000

    (3)选择输出路径和文件名。

    (4)单击Apply执行处理。

    注:由于多光谱FLAASH大气校正的结果为扩大了10000倍的反射率数据,为了让融合图像效果好,需要将全色数据与多光谱数据的像元值变成一致。这里使用辐射定标工具将全色数据定标为大气表观反射率,并扩大10000倍。

    图5 全色图像辐射定标面板

    3.多光谱/全色正射校正

           高分一号的L1A级包括了RPC文件,在经过了辐射定标、大气校正等处理,ENVI会自动将RPC嵌入处理结果中,可以在图层管理中辐射定标或者大气校正结果图层右键选View metadata,RPC选项就是嵌入的RPC文件。可以直接使用/Geometric Correction/Orthorectification/RPC Orthorectification Workflow工具进行正射校正。

    下面是基于无控制点对多光谱/全色数据结果进行正射校正。

    (1)在Toolbox中,启动/Geometric Correction/Orthorectification/RPC Orthorectification Workflow工具。在File Selection中选择全色数据辐射定标结果。DEM使用ENVI自带DEM(可以选择使用更高精度的DEM)。

    (2)在RPC Refinement步骤中,打开Advanced面板,设置Output Piexl Size:2。

    (3)在Exports面板中,选输出路径和文件名。

    (4)单击Finish执行处理。

    同样的方法对多光谱的大气校正结果进行正射校正,多光普输出像元设置为8。

    图6 RPC Refinement步骤参数

    4.图像融合

         为了提高融合速度,将多光谱数据的储存顺序由BSQ转成BIP。具体可参考:http://blog.sina.com.cn/s/blog_764b1e9d0102vupr.html

    (1)在Toolbox中,启动/Raster Management/Convert Interleave,选择上一步中多光谱正射校正结果。如下设置参数,Convert In Place:Yes,不生成新的文件。

    图7 Convert File Parameters参数面板

    (2)在Toolbox中,启动/Image Sharpening/NNDiffuse Pan Sharpening,分别选择多光谱和全色数据。

    (3)选择输出路径和文件名。

    (4)单击ok执行处理。

    图8 NNDiffuse Pan Sharpening参数面板

    5.影像裁剪

            融合后的GF-1数据平均大小3.5G,因此为了提高数据处理效率,需要将影像上的重点区域裁剪出来。

    (1) 在Toolbox中,启动/Raster Management/Resize Data,选择需要裁剪的影像。

    (2) 点击Spatial Subset,弹出Select Spatial Subset对话框,设置裁剪范围,单击OK后返回。

    (3)设置输出路径文件名。

    (4)单击ok执行处理。

    图9 Select Spatial Subset面板

    6.影像配准

           对研究区进行动态监测时,需要多景影像对比分析。为了减少误差,需要对所有影像进行几何配准。配准时需要以一景影像为基础,这里选择具有更高分辨率的GF-2数据为基准影像,对裁剪后的GF-1影像进行配准。

    (1) 在Toolbox中,启动/Geometric Correction/Registration/Image Registration,Base Image File选择基准影像,Warp Image File 选择带配准影像,单击Next。

    (2) 在Toolbox中,启动/Geometric Correction/Registration/Image Registration,Base Image File选择基准影像,Warp Image File 选择带配准影像,单击Next。

    (2) 再单击Next,选择呢Tie Points面板中的Show Table,去除误差较大的点,保证RMS误差小1。在Warping面板中,设置Output Pixel Size From 参数为Warp Image。单击Next,设置输出路径和文件名,单击OK执行

     图9 Image Registration参数面板

    展开全文
  • 高分一号卫星是中国高分辨率对地观测系统的第一颗卫星,由中国航天科技集团公司所属空间技术研究院研制。于2013年4月26日12时13分04秒由长征二号丁运载火箭成功发射,开启了中国对地观测的新时代。高分一号卫星是...
  • 基于2016年4月29日太湖沿岸水体的实测光谱数据与同步过境的高分一号宽覆盖相机(GF-1/WFV)影像, 使用6S模型剔除大气衰减的影响, 并使用核函数表达大气点扩展函数, 进行邻近效应校正。实验结果表明, 邻近效应校正后的...
  • 高分一号(GF-1)卫星影像数据介绍

    万次阅读 2019-07-19 16:14:15
    1、高分一号(GF-1)卫星影像数据介绍 高分一号(GF-1)卫星影像数据介绍

    1、高分一号(GF-1)卫星影像数据介绍
    高分一号(GF-1)卫星影像数据介绍
    2、ENVI下高分一号WFV数据FLAASH大气校正
    ENVI下高分一号WFV数据FLAASH大气校正
    3、 ENVI5.3SP1下GF1-WFV数据全自动正射校正
    ENVI5.3SP1下GF1-WFV数据全自动正射校正
    4、 ENVI扩展工具:中国国产卫星支持工具
    ENVI扩展工具:中国国产卫星支持工具
    5、【ArcGIS对国产卫星的支持2:高分一号卫星】篇7、大规模影像管理
    ArcGIS对国产卫星的支持2:高分一号卫星】篇7、大规模影像管理](https://blog.csdn.net/arcgis_all/article/details/22058145?utm_source=tuicool&utm_medium=referral)
    6、高分一号预处理
    高分一号预处理

    展开全文
  • 随着航天事业的迅猛发展,我国对地观测卫星应用的能力大幅提高,“风云”、海洋”、“资源”、“环境与灾害监测小卫星” 等在轨遥感卫星的数据资源已成为国家宏观战略决策、行业管理的重要依据。
  • 高分一号数据的预处理

    千次阅读 2019-08-15 15:01:29
    高分一号数据是国家高分系列色首发卫星,在国土资源方面和农业方面具有广泛的用途 高分一号数据主要包括多光谱和全色两个数据 多光谱卫星数据的主要处理流程是: 辐射定标-大气校正-正射校正 具体通过IDL代码实现...

    高分一号数据是国家高分系列色首发卫星,在国土资源方面和农业方面具有广泛的用途
    高分一号数据主要包括多光谱和全色两个数据
    多光谱卫星数据的主要处理流程是:
    辐射定标-大气校正-正射校正
    具体通过IDL代码实现过程为:
    PRO GF_1_RAD
    COMPILE_OPT IDL2
    ENVI,/RESTORE_BASE_FILES
    e=envi(/headless)
    file=‘输入文件’
    raster=e.OpenRaster(file)
    ;-用ENVIAPP进行辐射定标默认输出的影像的存储格式为BIP,可以直接做FLAASH大气校正
    Task1=ENVITASK(‘RadiometricCalibration’)
    Task1.Input_Raster=raster
    Task1.Output_Data_Type=‘float’
    Task1.Output_Raster_URI=‘H:\GF1test\result\radio5.dat’
    IF Task1.Output_Raster_URI THEN $
    FILE_DELETE,Task1.Output_Raster_URI $
    ELSE Task1.Output_Raster_URI=‘H:\GF1test\result\radio5.dat’
    Task1.Execute
    END

    展开全文
  • 高分一号/二号/六号定标系数

    千次阅读 2019-10-24 12:56:17
    高分系列定标系数

    前言

    最近忙里抽闲,把焦糖计划的预更新做了一点进度,主要是把最常用的三颗星的定标系数写入静态JSON文本(文末),便于用户控制参数。

    IDL中JSON读取

    从JSON_PARSE的源码可以看到,IDL中其实可以创建一个IDLffJSON对象,但是帮助文档只字未提,对象的函数方法都不知道,只能老老实实用现成的JSON_PARSE函数,而且这个函数还很友好,支持直接从文件读取JSON信息,还可以返回多种形式。

    一点自己的想法

    其实对于高分辨率遥感来说,最主要应用的是精细化监测,而定标更多应用于定量反演,太准确的辐射值标定对很多高分用户来说其实跟大气纠正差不多都是鸡肋的。但是对于MODIS,FY这些宽视域,低分辨率的影像来说,就需要将定标工作做好,才能更好地服务近于定量遥感。

    调用函数

    ;+
    ; :Examples:
    ;    g = readJSON('snyDov_cal.json', key = ['GF1', 'WFV1', '2013', 'gain'])
    ;    w = readJSON('snyDov_wvl.json', key = ['GF6', 'PMS'])
    ;-
    function readJSON, i_fn, key = key
      compile_opt idl2, hidden
    
      fullJSON = JSON_PARSE(i_fn,  /TOARRAY)
    
      case N_ELEMENTS(key) of
        2: r = (fullJSON[key[0]])[key[1]]
        4: r = (((fullJSON[key[0]])[key[1]])[key[2]])[key[3]]
        else: RETURN, -1
      endcase
    
      RETURN, r
    end
    

    高分一号二号六号历年(至2019)定标系数

    {
      "GF1": {
        "WFV1": {
          "2013": {"gain": [5.8510, 7.1530, 8.3680, 7.4740], "offset": [0.0039, 0.0047, 0.0047, 0.0274]},
          "2014": {"gain": [0.2004, 0.1648, 0.1243, 0.1563], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2015": {"gain": [0.1816, 0.1560, 0.1412, 0.1368], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2016": {"gain": [0.1843, 0.1477, 0.1220, 0.1365], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2017": {"gain": [0.2165, 0.1685, 0.1354, 0.1507], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2018": {"gain": [0.1824, 0.1546, 0.1270, 0.1344], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.2144, 0.1647, 0.1228, 0.1213], "offset": [0.0, 0.0, 0.0, 0.0]}
        },
        "WFV2": {
          "2013": {"gain": [6.0140, 6.8230, 9.4510, 8.9960], "offset": [0.0125, 0.0193, 0.0429, 0.0011]},
          "2014": {"gain": [0.1733, 0.1383, 0.1122, 0.1391], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2015": {"gain": [0.1684, 0.1527, 0.1373, 0.1263], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2016": {"gain": [0.1929, 0.1540, 0.1349, 0.1359], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2017": {"gain": [0.2097, 0.1630, 0.1339, 0.1521], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2018": {"gain": [0.1851, 0.1538, 0.1231, 0.1314], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.2368, 0.1745, 0.1254, 0.1163], "offset": [0.0, 0.0, 0.0, 0.0]}
        },
        "WFV3": {
          "2013": {"gain": [5.8200, 6.2390, 7.0100, 7.7110], "offset": [0.0071, 0.0334, 0.0226, 0.0117]},
          "2014": {"gain": [0.1391, 0.1514, 0.1257, 0.1462], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2015": {"gain": [0.1770, 0.1589, 0.1385, 0.1344], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2016": {"gain": [0.1753, 0.1565, 0.1480, 0.1322], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2017": {"gain": [0.1870, 0.1619, 0.1295, 0.1383], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2018": {"gain": [0.1894, 0.1728, 0.1343, 0.1373], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.2139, 0.1797, 0.1344, 0.1337], "offset": [0.0, 0.0, 0.0, 0.0]}
        },
        "WFV4": {
          "2013": {"gain": [5.3500, 6.2350, 6.9920, 7.4620], "offset": [0.0369, 0.0235, 0.0217, 0.005]},
          "2014": {"gain": [0.1713, 0.1600, 0.1497, 0.1435], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2015": {"gain": [0.1886, 0.1645, 0.1467, 0.1378], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2016": {"gain": [0.1973, 0.1714, 0.1500, 0.1572], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2017": {"gain": [0.1770, 0.1521, 0.1322, 0.1349], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2018": {"gain": [0.1866, 0.1599, 0.1307, 0.1251], "offset": [0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.2442, 0.1945, 0.1547, 0.1037], "offset": [0.0, 0.0, 0.0, 0.0]}
        },
        "PMS1": {
          "2013": {"gain": [0.1886, 0.2082, 0.1672, 0.1748, 0.1883], "offset": [-13.1270, 4.6186, 4.8768, 4.8924, -9.4771]},
          "2014": {"gain": [0.1963, 0.2247, 0.1892, 0.1889, 0.1939], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2015": {"gain": [0.1956, 0.2110, 0.1802, 0.1806, 0.1870], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2016": {"gain": [0.1982, 0.2320, 0.1870, 0.1795, 0.1960], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2017": {"gain": [0.1228, 0.1424, 0.1177, 0.1194, 0.1135], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2018": {"gain": [0.1428, 0.1530, 0.1356, 0.1366, 0.1272], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.1381, 0.1490, 0.1328, 0.1311, 0.1217], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]}
        },
        "PMS2": {
          "2013": {"gain": [0.1878, 0.2072, 0.1776, 0.1770, 0.1909], "offset": [-7.9731, 7.5348, 3.9395, -1.7445, -7.2053]},
          "2014": {"gain": [0.2147, 0.2419, 0.2047, 0.2009, 0.2058], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2015": {"gain": [0.2018, 0.2242, 0.1887, 0.1882, 0.1963], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2016": {"gain": [0.1979, 0.2240, 0.1851, 0.1793, 0.1863], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2017": {"gain": [0.1365, 0.1460, 0.1248, 0.1274, 0.1255], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2018": {"gain": [0.1490, 0.1523, 0.1382, 0.1403, 0.1334], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.1381, 0.1490, 0.1328, 0.1311, 0.1217], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]}
        }
      },
      "GF1B": {
        "PMS": {
          "2018": {"gain": [0.0399, 0.0333, 0.0414, 0.0474, 0.0435], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.0399, 0.0292, 0.0362, 0.0400, 0.0354], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]}
        }
      },
      "GF1C": {
        "PMS": {
          "2018": {"gain": [0.0401, 0.0301, 0.0392, 0.0436, 0.0379], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.0417, 0.0290, 0.0382, 0.0421, 0.0364], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]}
        }
      },
      "GF1D": {
        "PMS": {
          "2018": {"gain": [0.0421, 0.0296, 0.0388, 0.0444, 0.0390], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.0431, 0.0284, 0.0373, 0.0435, 0.0371], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]}
        }
      },
      "GF2": {
        "PMS1": {
          "2014": {"gain": [0.1630, 0.1585, 0.1883, 0.1740, 0.1897], "offset": [-0.6077, -0.8765, -0.9742, -0.7652, -0.7233]},
          "2015": {"gain": [0.1538, 0.1457, 0.1604, 0.1550, 0.1731], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2016": {"gain": [0.1501, 0.1322, 0.1550, 0.1477, 0.1613], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2017": {"gain": [0.1503, 0.1193, 0.1530, 0.1424, 0.1569], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2018": {"gain": [0.1725, 0.1356, 0.1736, 0.1644, 0.1788], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.1855, 0.1453, 0.1826, 0.1727, 0.1908], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]}
        },
        "PMS2": {
          "2014": {"gain": [0.1823, 0.1748, 0.1817, 0.1741, 0.1975], "offset": [0.1654, -0.5930, -0.2717, -0.2879, -0.2773]},
          "2015": {"gain": [0.1538, 0.1761, 0.1843, 0.1677, 0.1830], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2016": {"gain": [0.1863, 0.1762, 0.1856, 0.1754, 0.1980], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2017": {"gain": [0.1679, 0.1434, 0.1595, 0.1511, 0.1685], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2018": {"gain": [0.2136, 0.1859, 0.2072, 0.1934, 0.2180], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.1980, 0.1750, 0.1902, 0.1770, 0.1968], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]}
        }
      },
      "GF6": {
        "WFV": {
          "2018": {"gain": [0.0667, 0.0517, 0.0485, 0.0298, 0.0530, 0.0450, 0.0814, 0.0559], "offset": [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.0705, 0.0567, 0.0516, 0.0322, 0.0532, 0.0453, 0.0786, 0.0585], "offset": [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]}
        },
        "PMS": {
          "2018": {"gain": [0.0505, 0.0825, 0.0663, 0.0513, 0.0298], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]},
          "2019": {"gain": [0.0534, 0.0847, 0.0653, 0.0491, 0.0289], "offset": [0.0, 0.0, 0.0, 0.0, 0.0]}
        }
      }
    }
    
    展开全文
  • 高分一号WFV影像具有16m分辨率,四天的重访周期,>800km的影像幅宽(四台相机联合时),较高的时空分辨率和宽视场优势使得此类型影像被广泛应用。因云覆盖影响影像的处理与精细应用,需要对影像中的云及其云阴影...
  • 高分一号(GF-1)影像数据下载方法

    千次阅读 2021-03-16 08:43:40
    高分一号影像数据的下载方法: 方法一:遥感集市下载,网址:http://www.rscloudmart.com/ 点击网址打开遥感集市网页,点击数据中心,显示如下图影像查询和下载界面,在下载之前,首先应注册账户,点击注册按钮...
  • 高分一号影像处理流程

    万次阅读 多人点赞 2018-01-27 18:31:28
    高分一号影像处理流程   全色图像没有方法进行大气校正,所以一般在定量遥感中不使用全色图像。本流程中只是为了说明所有处理的流程,所以包括了全色图像。   一、多光谱大气校正 在ENVI5.2版本中,直接支持...
  • 高分一号卫星云检测

    千次阅读 2019-08-29 09:26:52
    参考文献:1:刘心燕,孙林等,高分四号卫星数据云和云阴影检测算法[J] 2:WongMS NicholJ LeeK H etal. RetrievalofaerosolopticalthicknessusingMODIS500*500M2 astudyinHongKongandPearlRiverdeltaregion [c]...
  • 高分一号二号PMS数据处理

    千次阅读 2020-04-12 17:58:30
    一、高分一号数据 1、高分系列卫星介绍 2、高分辨率1号数据处理流程图 3、气象数据分辨率低 二、高分1号数据处理 1、打开数据 我用的ENVI自带的打开方式: 2、查看头文件信息 3、大气处理 1)辐射定标(DN值...
  • 高分一号、二号样例数据下载

    万次阅读 2018-07-20 00:18:21
    高分一号、二号卫星影像数据是国产高分系列卫星数据,下载需要RMB,用来做实验可使用样例数据,可满足需求。 下载平台:遥感集市 链接:http://www.rscloudmart.com/ 具体步骤: ...
  • 文章介绍了高分一号卫星与资源一号02C卫星的基本数据情况,结合2014年上半年重大工程用地监测应用项目,制定了GF-1卫星16 m影像进行土地利用动态遥感监测的技术流程。并以资源一号02C卫星数据提取的变化图斑为真值,对...
  • 根据大气辐射传输模型,利用MODIS气溶胶产品并引入新的邻近效应校正系数对高分一号卫星多光谱遥感影像进行邻近效应校正。结果表明,经过校正的遥感影像对比度增强,清晰度增加,地物信息更丰富。
  • 高分一号卫星影像、高分一号B、C、D星卫星影像、高分二号卫星影像、高分三号卫星影像、高分四号卫星影像、高分五号卫星影像、高分六号卫星影像、资源三号卫星影像、资源三号02星卫星影像、资源一号卫星影像、环境...
  • 土地利用变化检测在土地资源管理、国土资源监测中发挥着重要的基础作用。针对2013年到2017年江西省南昌市GF-1号多光谱遥感影像,利用基于支持向量机的图像分类方法对遥感影像进行分类,生成了该地区在这5年的土地利用...
  • 高分一号分辨率多少-.doc
  • 本期以高分六号PMS影像为例,演示PMS影像预处理流程:包括 多光谱影像的辐射定标、大气校正和正射校正, 全色影像的辐射定标和正射校正, 然后两幅影像融合。 该过程同样适用于高分一、二号PMS影像,只是要注意...
  • 高分一号分辨率多少-精选.doc
  • 高分一号卫星参数

    千次阅读 2016-04-20 11:06:43
    标题

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 583
精华内容 233
关键字:

高分一号