精华内容
下载资源
问答
  • 可用于ENVI或者其他遥感数字图像处理的多光谱图像拼接数据
  • 根据植被在生长过程中在由红光和近红外波段组成的“植被视面”上的位置和迁移规律,提出了通过建立数学模型进行坐标旋转进而提取反映植被生长状况的绿度信息的方法,并且采用多光谱ASTER卫星遥感数据对江西德兴铜...
  • ENVI5.3影像数据辐射定标及大气校正...1%的遥感数据 ; 2)、在ENVI中点击File–Open External File–Landsat–Geotiff with Metadata中只需打开***********_MTL.txt即可打开所有波段数据(除band6); 辐射定标 ...

    ENVI5.3影像数据辐射定标及大气校正处理

    数据准备

    数据下载网站:地理空间数据云或者美国地质勘探局官网
    1)、选择合适影像数据,优先云量选择<1%的遥感数据 ;
    2)、在ENVI中点击File—Open External File—Landsat—Geotiff with Metadata中只需打开***********_MTL.txt即可打开所有波段数据(除band6);
    图1.1 文件打开步骤

    辐射定标

    • ENVI自带辐射校正模块
      1、选择Basic Tools—Preprocessing—Calibration Utilities—Landsat Calibration;
      辐射较正板块在这里插入图片描述
      2、参数选择:从MTL.txt头文件中读取DATE_ACQUIRED、Sun Elevation(按照以上步骤操作,ENVI已自动读取Sun Elevation数据),Calibration Type选择Radiance;
      Landsat Calibration界面

    大气校正

    简单一点的大气校正可以采用ENVI的FLAASH模块,以下是FLAASH操作的步骤:

    1. FLAASH 模块的进入方法是Spectral–FLAASH,或者是Basic Tools–Preprocessing–Calibration Utilities–FLAASH。

    2. FLAASH 模块的操作界面分为三块:最上部设定输入输出文件;中间设定传感器的参数;下部设定大气参数。

    3. 首先设定输入输出文件。FLAASH 模块要求输入辐亮度图像,输出反射率图像。之前我们进行了辐射定标,得到辐亮度图像,在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像,然后再Input Radiance Image 中选择转换格式后的图像。操作步骤:(Basic Tools–Convert Data(BSQ,BIL,BIP))。这里注意,当输入图像后,程序会让你选择Scale Factor,即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例,二者之间转换的比例是10,因此在下图中选择Single scale factor,填写10.000。
      波段转换

    4. 此外,如果TM 影像的头文件中没有波段的信息,在这里也要求你提供一个.txt 文件以包含此信息。那么,准备好一个.txt 文件,其中含有一列TM 每个波段中心波长的信息。如果,我们打开的是Geotiff with meta,就不用填写波段信息了。

    5. 在Output Reflectance File 和Output Directory for FLAASH files 里面设定输出文件的文件名和位置。

    6. 设定传感器参数。首先是Scene Center Location,即遥感图像中心的坐标,以及Flight Date, Flight Time GMT,这三者都可以在TM 的头文件中找到,填入即可。
      (1)、遥感图像中心的坐标:如果图像有地理坐标则自动获取
      (2)、影像成像时间(格林威治时间):在layer manager中的数据图层中右键选择View Metadata,浏览time字段获取成像时间,1985年10月30号02:05:45,也可以从元文件"*_MTL.txt"中找到,具体名称:DATE_ACQUIRED 和SCENE_CENTER_TIME。

    7. 在Sensor Type 菜单中根据影像数据源选择,此处填Landsat TM5,此时Sensor altitude 自动填上为705km,而Pixel Size 填为30m。

    8. 根据遥感影像研究区实际情况,填写Ground Elevation。
      *Ground Elevation获取方法:
      (1)、打开需要统计区域对应的图像。
      (2)、选择File->Open World Data ->Elevation(GMTED2010),打开ENVI自带全球900米分辨率的DEM数据。
      注:如果其他版本,需要打开其他DEM数据,如90米的srtm或者30米的G-DEM数据。
      (3)、在Toolbox中,选择/Statistics/Compute Statistics,打开Compute Statistics输入文件对话框,选择GMTED2010.jp2数据。单击Stats Subset按钮,打开Select Statistics Subset对话框。
      Compute Statistics Input File输入文件对话框
      (4)、在Select Statistics Subset对话框中,单击File按钮,选择统计区域对应的图像,单击Ok。
      Select Statistics Subset对话框
      (5)、在统计面板中,默认选择Basic Stats基本统计即可,这样就可以得到平均海拔高程36米。
      统计结果
      在这里插入图片描述

    9. 大气参数数据设置:
      a) 、Atmospheric Model( 大气模式): 共有Sub-Arctic Winter (SAW) ,Mid-Latitude Winter (MLW),U.S. Standard (US) ,Sub-Arctic Summer(SAS), Mid-Latitude Summer (MLS) 和Tropical (T) 。根据经纬度和时间可以选定研究区的大气模式,见下图。
      在这里插入图片描述
      b)、 Aerosol Model(气溶胶模式):有Rural, Urban, Maritime 和Tropospheric四种选择。根据实际情况选择即可。关于此四种模式的解释见ENVI Help。
      c) 、当我们选择TM 时,可选的参数还有Aerosol Retrieval 和Initial Visibility。
      ·Aerosol Retrieval:选择2-Band(K-T)方法;
      ·Initial Visibility:初始能见度Initial Visibility只有在气溶胶反演方法为None时候,以及K-T方法在没有找到黑暗像元的情况下。
      在这里插入图片描述
      FLAASH基本参数数据设置成图:
      在这里插入图片描述

    10. 多光谱数据参数设置:
      当基本设置里设置了水气反演模型和气溶胶模型时,相应的在多光谱设置框中设置参数:
      (1)、 单击Multispectral Settings,打开多光谱设置面板;
      (2)、 K-T反演选择默认模式:Defaults->Over-Land Retrieval standard(600:2100),自动选择对应的波段;
      ·设置值表格:
      在这里插入图片描述
      (3)、其他参数选择默认。
      多光谱参数数据设置面板图:
      在这里插入图片描述

    11. 高级设置
      单击Advanced Settings打开高级设置面板。这里一般选择默认设置能符合绝大部分数据情况,在右边面板中设置:
      (1) 、分块处理(Use Tiled Processing):是否分块处理,选择Yes能获得较快的处理速度,Tile Size一般设为4-200m,根据内存大小设置,这里设置为100m(计算机物理内存8G)。
      (2)、空间子集(Spatial Subset):可以设置输出的空间子集,这里选择默认输出全景。
      (3)、重定义缩放比例系数(Re-define Scale Factors For Radiance Image):重新选择辐射亮度值单位转换系数,这里不设置。
      (4)、输出反射率缩放系数(Output Reflectance Scale Factor):为了降低结果储存空间,默认反射率乘于10000,输出反射率范围变成0~10000。
      (5)、自动储存工程文件(Automatically Save Template File):选择是否自动保存工程文件。
      (6)、输出诊断文件(Output Diagnostic Files):选择是否输出FLAASH中间文件,便于诊断运行过程中的错误。
      在这里插入图片描述
      如果对Modtran模型非常熟悉,可根据数据情况进行调整,如下为其余部分的参数说明。
      (1)、气溶胶厚度系数(Aerosol Scale Height):用于计算邻域效应范围。一般值为1~2km,默认为1.5km。
      (2)、CO2混合比率(CO2 Mixing Ratio):默认为390ppm,它是依据2001测量值为370ppm,增加20ppm以得到更好的结果。
      (3)、Use Square Slit Function:No
      (4)、使用领域纠正(Use Adjacency Correction):Yes 或者No。
      (5)、使用以前的MODTRAN模型计算结果(Reuse MODTRAN Calculations):
      No:重新计算MODRTRAN辐射传输模型。
      Yes:执行上一次FLAASH运行获得的MODRTRAN辐射传输模型,每次运行FLAASH后,都会在根目录和临时文件夹下生成一个acc_modroot.fla。
      (6)、MODTRAN模型的光谱分辨率(Modtran Resolution):越低分辨率具有较快速度而相对较低的精度,主要影响区域在2000 nm附近。高光谱数据默认为5 cm-1,多光谱数据默认为15 cm-1。
      (7)、MODTRAN多散射模型(Modtran Multiscatter Model):校正大气散射对成像的影响,提供三种模型供选择ISAACS,DISORT和 Scaled DISORT。默认是Scaled DISORT和streams为8。
      Isaacs模型计算速度快,精度一般;
      DISORT模型对于短波(小于1000nm)具有较高的精度,但是速度非常比较慢,由于散射对短波(如可见光)影响较大,长波(近红外以上)影响较小,因此当薄雾较大和短波图像时可以选择此方法;
      Scaled DISORT提供在大气窗口内与DISORT类似的精度,速度与Isaacs类似,这模型是推荐使用的模型。当选择DISORT 或者 Scaled DISORT,需要选择streams:2、4、8、16,这个值是用来估算散射的方向,可见streams值越大速度越慢。
      (8)、观测参数
      天顶角(Zenith Angle):是传感器直线视线方向和天顶的夹角,范围是90~180度,其中180为传感器垂直观测。
      方位角(Azimuth Angle):范围是-180~180度。

    12. 输出文件及结果浏览
      (1)、设置好参数后,单击Apply执行大气校正;
      (2)、完成后会得到反演的能见度和水汽柱含量。
      (3)、显示大气校正结果图像,查看像元值,可以看到像元值扩大10000倍后,值在几百到几千不等。如果要得到0-1范围内的反射率数据,可以使用BandMath除以10000.0。
      注:以上内容通过网上各博主内容整合而成。

    展开全文
  • time.localtime(ct) data_head = time.strftime("%Y%m%d%H%M%S", local_time) data_secs = (ct - int(ct)) * 1000 time_stamp = "%s%03d" % (data_head, data_secs) return time_stamp # 创建全色锐化栅格数据集—...
    # coding:utf-8
    import arcpy
    import sys
    from arcpy import env
    import time
    
    reload(sys)
    sys.setdefaultencoding('utf8')
    
    def get_time_stamp():
          # 获取毫秒级时间戳
    	  # 参考:https://blog.csdn.net/qq_27061049/article/details/105396418/
          ct = time.time()
          local_time = time.localtime(ct)
          data_head = time.strftime("%Y%m%d%H%M%S", local_time)
          data_secs = (ct - int(ct)) * 1000
          time_stamp = "%s%03d" % (data_head, data_secs)
          return time_stamp
    
    # 创建全色锐化栅格数据集—数据管理工具箱 | ArcGIS Desktop
    # https://pro.arcgis.com/zh-cn/pro-app/tool-reference/data-management/create-pansharpened-raster-dataset.htm
    
    # 创建全色锐化栅格数据集—帮助 | ArcGIS Desktop
    # https://desktop.arcgis.com/zh-cn/arcmap/10.4/tools/data-management-toolbox/create-pansharpened-raster-dataset.htm
    
    # 压缩(环境设置)—帮助 | ArcGIS Desktop
    # https://desktop.arcgis.com/zh-cn/arcmap/10.4/tools/environments/compression.htm
    
    
    def printme(str):
          "打印任何传入的字符串"
          print(str)
          return
    
    def pansharpenronghe(imageurl):
          print("开始时间:" + time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))
          out_put_folder_path = "output\\"
          out_put_file_path = out_put_folder_path + get_time_stamp() + ".tif"
    
          # 输出文件不压缩
          arcpy.env.compression = "NONE"
    
          arcpy.CreatePansharpenedRasterDataset_management(
                "GF2_XXX-MSS1.tiff", "3", "2", "1", "4", out_put_file_path,
                "GF2_XXX--PAN1.tiff", "Gram-Schmidt", "0.166", "0.167", "0.167",
                "0.5", "")
          print ('结束时间:',time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))
    
    
    if __name__ == '__main__':
          pansharpenronghe("")

     

    展开全文
  • 光谱遥感数据集Indian Pines,包含测试集和训练集。
  • 光谱遥感数据

    2019-03-17 14:22:14
    光谱图像数据集,包含Indian,Pavia。每类数据集里包含图像原始信息,以及相对应的ground truth
  • 很实用的用于高光谱遥感图像分类Salinas数据集,欢迎下载
  • Salinas数据集,用于高光谱遥感图像分类,非常常用。ke'yi
  • 光谱遥感数据特征挖掘技术研究进展
  • 本次数据集是用于高光谱图像分类使用的indian影像数据集,该图像数据集是采用可见光与红外机载式成像光谱仪器(AVIRIS)获取的来自于印第安纳州西北部Indian Pines农业试验场的高光谱图像。用于遥感方向的研究使用。
  • 从目标空间尺度和传感器空间...重点且简明地从高光谱遥感数据光谱曲线与光谱特征、特征提取、特征选择以及特征混合分析几个方面综述高光谱遥感数据/图像的特征挖掘技术的研究进展并通过热点问题展望其未来的发展趋势。
  • 将深度学习用于高光谱遥感数据的霾监测,提出一种基于深度残差网络的高光谱霾监测方法,利用深度网络提取霾光谱曲线特征,再使用残差学习等方法降低网络训练难度,得到了霾监测模型。苏州地区Hyperion高光谱数据集上...
  • 光谱遥感分类数据集,PaviaUniversity。文件中有.mat格式的数据和ENVI原影像。如需要其他高光谱遥感分类数据集可与本人联系。
  • 在实际应用中,在高光谱遥感图像的监督分类中很难获得足够数量的训练样本。 此外,训练样本可能无法代表整个空间的真实分布。 为了解决这些问题,提出了一种结合生成算法(高斯混合)和判别模型(支持集群机)的集成...
  • 光谱遥感数据波谱相似性模糊聚类方法研究.pdf
  • 基于Matlab的高光谱遥感数据降维并行计算分析.pdf
  • This data sets can be retrieved from AVIRIS NASA site. Among the many datasets available, the .mat archive posted here corresponds to the f970619t01p02_r02_sc03.a.rfl reflectance file.
  • The NASA EO-1 satellite acquired a sequence of data over the Okavango Delta, Botswana in 2001-2004. The Hyperion sensor on EO-1 acquires data at 30 m pixel resolution over a 7.7 km strip in 242 bands ...
  • 基于MATLAB的高光谱遥感数据的PCA运用 高光谱遥感数据下载 高光谱遥感数据来源 本文章以Indian Pines包为例。该数据文件下包括Indian_pines_corrected.mat和Indian_pines_gt.mat文件。 数据包导入matlab 下载后的...

    基于MATLAB的高光谱遥感数据的PCA运用

    1. 高光谱遥感数据下载
      高光谱遥感数据来源
      本文章以Indian Pines包为例。该数据文件下包括Indian_pines_corrected.mat和Indian_pines_gt.mat文件。
    2. 数据包导入matlab
      下载后的数据文件夹中存在两个以.mat结尾的文件。其中文件名中含有corrected的.mat文件为原始三维的遥感数据。剩下的一个.mat文件是遥感数据的lable标签,它是二维数据。

    导入数据代码如下:

    filename = ['Indian Pines\Indian_pines_corrected'];%单引号中存放数据文件的地址,地址因人而异,和你存放电脑中的具体位置有关。
    X=load(filename);%matlab读取数据

    注:导入matlab中的遥感数据是以结构体(struct)的形式存在,不能直接当做矩阵进行运算。矩阵数据是结构体中的一个属性,因此需要使用“.”来调用其中的矩阵信息。
    3. 对数据进行降维
    (。。大神,此小段可以跳过。。)将三维数据降维成二位数据,需要使用软件自带的一个函数(reshape( )函数),关于reshape( )函数的具体使用可以在Command window中输入 help reshape进行查看运用的规则。

    在降维之前需要确定最终生成二维矩阵的大小,在matlab中我们可以使用自带的size( )函数对数据的大小进行查看。例如本例中查看Indian_pines_corrected.mat数据文件中的矩阵大小,代码如下:

    A=X.indian_pines_corrected;%这里在上面的注 解释过了。
    [m,n,p]=size(A);%其中m表示三维矩阵的行,n表示列,p表示页,A是作为参数传入size()

    数据降维的关键思想:如何将三维数据压缩成二维,举例便知。
    有一个5*6*7的三维矩阵,是否可以转换成7*30的二维矩阵?答案是可以的。嘻嘻
    分析:5*6*7的三维矩阵中包含的元素个数是210个,转换之后的二维矩阵所包含的元素个数是不是也是210,so这种转换没毛病 烙铁。
    废话不多说,直接上降维代码;

    t=m*n;
    M=reshape(A,p,t);%A为传入的三维数组,p为最终得到二维矩阵行的个数,t为最终得到二维矩阵列的个数
    M=M';%将M矩阵转置

    至于为何转置,请参考下面这位博主的文章。降维需要转置
    4. 进行主成分分析(PCA)
    使用matlab工具箱自带的princomp( )函数。
    代码如下:

    [COEFF,SCORE,latent]= princomp(M)

    COEFF,SCORE,latent三个参数代表什么含义,可以在Command window中输入 help princomp进行查看运用的规则。

    这是自己的第一篇博文,肯定有许多需要改正的地方。如有发现错误,还请与我联系。欢迎讨论,共同进步·····~~~

    展开全文
  • 基于定量遥感理论和方法,将多光谱遥感数据和实测水质数据相结合,研究了水生态环境的空间分布,并对其进行了分析和评价。
  • 深度学习高光谱遥感图像数据集,光谱波段数为102,图像像素1096*1096
  • 光谱遥感数据集下载及简介

    千次阅读 2020-08-15 13:16:23
    参考以下网址:数据分享07期|高光谱遥感数据集下载IP/UP/Salinas等数据集 文章目录 1. IP数据集简介 2. UP数据集简介 3. PC数据集简介 4. Salinas-A数据集简介(6类) 5. Salinas数据集简介(对于...
    展开全文
  • 光谱数据分析方法,光谱曲线分形特征研究,高光谱
  • 光谱图像数据集,包含Indian,Pavia。每类数据集里包含图像原始信息,以及相对应的ground truth。
  • 常用的高光谱遥感图像数据集,包含Indians Pines、Botswana、KSC、PaviaU、Salinas及它们的ground truth矩阵。文件后缀为.mat
  • 均为MATLAB数据文件,由于上传大小限制,分三批上传,第三批
  • 均为MATLAB数据文件,由于上传大小限制,分三批上传,第二批
  • 是从这个网站上下的 ...包括1 Indian Pines 2 Salinas 2.1 Salinas scene 2.2 Salinas-A scene 3 Pavia Centre and University 3.1 Pavia Centre scene ...均为MATLAB数据文件,由于上传大小限制,分三批上传,第一批
  • 光谱遥感影像分类数据集,可用于高光谱遥感影像分类研究,尤其在深度学习中十分常用,包括Botswana、Indian Pines、Pavia University等。

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,707
精华内容 1,482
关键字:

多光谱遥感数据