ENVIに基づくリモートセンシング画像解読——Landsat8データを例に（前編）

リモートセンシングによる画像判読は、画像から情報を取得する基本的なプロセスです。すなわち、各専攻（学科）の要求に応じて、判読標識や実務経験・知識を活用し、リモートセンシング画像から対象物を特定し、対象物の分布、構造、機能等の関連情報を定性的・定量的に抽出し、地理的に表現する。ベースマップ上のプロセス。たとえば、土地利用状況の解釈では、まず画像上で土地利用タイプを特定し、次に地図上で各タイプの土地面積を測定します。

マルチチャンネル学習と実践を組み合わせた画像読影の基本プロセスを整理し、データ準備、データ前処理、リモートセンシング読影、結果出力の4つに大別されます（詳細は下図参照）。

以下では、完全かつ詳細な解釈技術を共有するために、湖北省十堰市芳県を例として、生データの取得から始めます。(全体のプロセスが非常に詳細なため、前半と後半に分けて共有します。前半は主に基本的なデータ準備とデータの前処理の2 つのパートで構成され、後半ではフォローアップの内容が補足されます。 !)

1. 基本的なデータの準備

今回は主に地理空間データクラウドのLandsat 8画像データを基礎データとして使用しますが、上記の他のデータ取得方法（USGSなど）については今回は触れませんので、興味のある方は先に知っておいてください。 . ダウン。

Baidu で「地理空間データクラウド」を検索し、「詳細検索」を選択し、データセットとして「Landsat 8 OLI_TIRS Satellite Digital Products」を選択し、空間的位置として「行政区」を選択してから、省、市、郡などを順番に選択します (必要なものを選択してください。エリアは問題ありません)。ここで使用する時間は、特定のニーズに応じて 20200101 ～ 20201231 です。また、雲量が多すぎると、雲量が 5% 未満であることをお勧めします。対象となる画像情報が多くなり、ユーザビリティが高くない場合は、データを選択して「はい」にして検索してください。

次に、左下にいくつかのデータが表示されます。必要なものを選択してください。1 つの画像では管理領域を完全にカバーできない場合があります。この場合は、2 つ以上の画像を選択し、モザイクとトリミングを行う必要があります。後で大丈夫です、これについては後で話します。（学習：リモートセンシング画像の位相選択では植生の成長段階を考慮する必要があるため。緑豊かな植生の成長期は6月下旬から9月上旬であり、各植物は活発な成長段階にあり、植生の種類の違い地上では識別しにくいですが、植生の抽出や分類には5月中旬から下旬から6月中旬が最も適しています。秋には紅葉が始まります。色は植生の種類の識別にも役立つため、農林資源や環境調査・モニタリングでは、基本的に5月中旬～下旬～6月中旬、または9月中旬～下旬～上旬～中旬を選択します。 10月。）

次に、データバーの後ろにあるダウンロードボタンを直接クリックして直接ダウンロードしますが、全体的なダウンロード速度は依然として非常に高速です。

2 シーンの画像をダウンロードしたので、次の 2 つのインストールパッケージを解凍するだけで、必要な基本データが準備できます。

2. データの前処理

このデータ前処理には主に、放射校正、大気補正、画像モザイク、画像クロッピングの 4 つのステップが含まれます。上記の幾何補正と画像融合リンクについて、簡単に説明します。

幾何補正とは、地上基準点と幾何補正数学モデルを用いて、非系統的要因による誤差を補正するものですが、地上基準点のデータがないため、ここでは幾何補正処理は行いません。

画像融合は、マルチスペクトルの低解像度画像と高解像度のパンクロマティックバンドを融合することで、より情報量の豊富なリモートセンシング画像を取得することを目的としています。 , なので、ここでは詳しく説明しません。

2.1 放射線校正

上記でダウンロードした 2 つのイメージを ENVI で開きます。File/Open As/Optical Sensors/Landsat/GeoTIFF with Metadata/LC08_L1TP_125038_20200918_20201006_01_T1_MTL.txt (1 つの画像、もう 1 つの画像も同じように動作します。手順を繰り返します)

2%ストレッチ表示を行う

ラジオメトリック補正でラジオメトリックキャリブレーションツールを開き、マルチスペクトルデータを選択します。

キャリブレーションタイプは放射輝度値 (Radiance) を選択し、後続の FLAASH 大気補正の入力データタイプが BIL であるため、出力形式は BIL です。出力データ型は Float です。[FLAASH 設定の適用] をクリックしてパラメータを設定します。出力パスを確認したら、「OK」をクリックします。出力データの名前は radiometric_result.dat です。

上記の手順を繰り返して 2 番目の画像に対して放射測定キャリブレーションを実行し、radiometric_result2.dat という名前を付けて放射測定キャリブレーション結果を取得すると、この手順は完了です。

ヒント:放射線校正プロセス中に次の図のような問題が発生した場合の解決策は、出力ファイルパスに中国語を表示しないようにし、中国語パスの中国語を英語に変更することです。

2.2 大気補正

FLAASH 大気補正には画像エリアの平均標高が必要なため、ここでは ENVI に付属するグローバル標高データを使用してエリアの平均標高を計算します。File/Open World Data/Elevation を選択して、ENVI に付属するグローバル 900mDEM データを開きます。次に、標高データを計算する必要がある画像を開きます。拡大して、DEM データに重ねられた画像データを確認できます。

ツールボックスで [統計/統計の計算] を開き、入力ファイルダイアログボックスで GMTED2010.jp2 データを選択し、[統計サブセット]、[ファイル] の順にクリックし、統計標高情報に対応する画像を選択して、[OK] をクリックします。

最後に、統計的な平均標高情報が取得され、画像の平均標高が 651.167m であることがわかります。

大気補正を開始して、放射補正/大気補正モジュール/FLAASH 大気補正ツールを開きます。

放射線校正データ radiometric_result.dat をインポートします。放射線校正で単位変換が行われているため、ポップアップの [Radiance Scale Factors] で 2 番目の項目を選択します。

関連するパラメータを設定します。センサータイプは Landsat-8 OLI、平均地高度 Ground Elevation は 0.651km、画像の撮影時期が 9 月であるため、大気モデルは大気モデルテーブルに従って選択され、緯度は 9 月です。画像の中心は 31°であり、大気モデルは熱帯として決定されます。