推广 热搜: agm  应用  高德  红外热像仪  红外  成像  夜视仪  监控  健康  高德红外 

遥感图像前期处理与本文理论部分本文操作方法

   日期:2024-02-11 21:04:07     来源:网络整理    作者:热成像仪网    浏览:132    评论:0    
核心提示:卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成,其分别为:大气向上辐射亮度L↑、地表物体的真实辐射亮度在经过大气层后到达卫星传感器的能量、大气向下辐射亮度在经过地面反射后的能量。因此,结合上述这一理论过程,可以用辐射传输方程来表示卫星传感器接收到的热红外辐射亮度值:

1 图像的预处理和本文的理论部分

本文的操作部分将直接从植被覆盖度的计算开始; 对于一个完整的地表温度反演计算过程来说,在求解植被覆盖度这一步之前,还需要进行大量的数据准备、预处理等工作。 为了更好地理解整个实验过程,我们将未执行的步骤总结如下。 其中,具体的初步操作方法可以参考这里()。

首先,获取所需的遥感影像数据,并进行包括上述文章内容的预处理步骤——数据导入、辐射定标、几何校正、大气校正、图像拼接和裁剪等。

其中,辐射标定需要两个步骤,即可见光波段数据(如上文中的1、2、3、4、5、7这6个波段)和热红外波段数据(如本文中的6个波段)上述文章)单独进行辐射校准。

其次,需要计算NDVI(即Index,归一化植被指数,而不是植被覆盖度)。 NDVI是指遥感影像中近红外波段的反射值与红波段的反射值之差与两者之和的比值; 它可以用来检测植被生长状况、植被覆盖度,还可以消除部分辐射误差等。NDVI的具体取值范围限制在-1到1之间。它的负值表明地面被云层覆盖,水、雪等,即对可见光有较高的反射; 值为0表示地面被岩石或裸土等覆盖,从而使NIR(Near,近红外波段)和R(Red,红波段)近似相等; 它们的正值表明地面被植被覆盖,植被覆盖率越高,数值越高。目前,一些网站(如NASA官网)有NDVI成品数据供我们直接下载使用; 而通过初始遥感影像中的近红外波段数据和红光波段数据,我们可以直接使用前述的定义公式,即

计算一下。 在计算NDVI时,应注意所选遥感影像不能有过多的云干扰。

再次,计算出的NDVI结果图像需要根据实际情况进行重新采样。 这是因为在本文中,需要多次使用“Band Math”工具来计算图像数据,并且该工具要求输入数据在图像分辨率(即像素大小)和像素数量方面完全一致。行和列。 同时,我们即将使用的热红外数据(即ETM+第六波段数据)的分辨率为60米; 而计算得到的NDVI数据图像分辨率为30米。 因此,我们需要对分辨率精度更高的NDVI数据图像进行重采样,使两种分辨率保持一致。

重采样功能可以通过ENVI软件中选择“基本工具”→“数据(/)”来实现。

目前地表温度单波段反演算法主要有大气校正法(又称辐射传递方程法,RTE)、单通道算法和单窗口算法。 本文采用大气校正方法。 大气校正方法的基本原理是估算大气对地表热辐射的影响,然后从卫星传感器接收到的热辐射总量中减去这部分大气影响,得到地表热辐射强度; 最后,可以将表面热辐射强度换算成相应的表面温度。

卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成,分别是:大气层的向上辐射亮度L↑、地表物体穿过大气层后到达卫星传感器的真实辐射亮度的能量、以及穿过大气层的大气层的向下辐射亮度。 从地面反射的能量。 因此,结合上述理论过程,可以用辐射传递方程来表示卫星传感器接收到的热红外辐射亮度值:

其中,ε为表面比发射率,T_s为表面真实温度,B(T_s)为真实温度T_s下表面黑体热辐射亮度,τ为大气热红外波段透过率。 表面比发射率ε也称为发射率。 根据基尔霍夫定律,发射率和吸收率相等,因此(1-ε)可以表示反射率。 因此,[εB(T_s )τ]是地表物体穿过大气层后到达卫星传感器的真实辐射亮度的能量,而[(1-ε)L↓τ]则表示大气层反射后的向下辐射亮度由地面。 的能量.

物体的比发射率是物体向外辐射电磁波能力的表示。 它是指相同温度下地球表面发出的辐射量与黑体发出的辐射量的比值。 它不仅取决于表面物体的成分,还与物体的表面状态(如表面粗糙度)和物理性质(如介电常数、含水量等)有关,并随以下因素而变化作为测量波长和观察角度。 准确定量测量表面比发射率是很困难的。 因此,本文根据经验方法估算表面比发射率:

其中,F_C为植被覆盖度。 由此可见,我们需要同时计算地表植被覆盖度,以确定地表比发射率计算公式并参与计算。 本文采用混合像元分解法来计算植被覆盖度。 与上述地表比发射率计算公式一致,我们仍然将地表分为水体、植被和建筑物三部分; 其中,这一类是根据NDVI值来具体区分的。 当NDVI小于0时,地表物体被认为是水体,植被覆盖度为0; 当NDVI大于0.7时,认为地表物体为植被,植被覆盖度为1; 当NDVI值为[0,0.7]时,认为地表物体处于水体和植被中,根据公式计算植被覆盖度。 计算不同地表特征的植被覆盖度:

最后,完成上述所有计算并根据辐射传递方程得到B(T_s)后,根据普朗克公式的反函数就可以得到真实的表面温度。 公式为:

由此产生的真实表面温度单位是​​开尔文 (K),我们需要将其转换为常见的摄氏度。 温度单位的换算可以在获得真实的表面温度图像后单独计算,也可以直接用上式计算。

红外传感器校准温度要求_红外传感器测温度_红外温度传感器校准

2 实际操作 2.1 植被覆盖度计算

基于上述分析,首先需要利用研究区60米分辨率的NDVI数据影像来计算研究区的植被覆盖度。

(1)打开ENVI 5.3(64位)软件,选择“文件”→“打开图像文件”,在弹出的文件选择窗口中选择“TM-NDVI-60m.img”文件; 单击“打开”。

(2)选择“基础工具”→“波段数学”,在弹出的公式创建窗口中输入本次实验的第一个公式,即植被覆盖度公式。 输入公式后,点击下面的“添加到列表”按钮,将公式保存到要选择的区域中。 为了减少后期不必要的工作量,您可以在每次编辑完公式后单击“保存”按钮,将公式保存到需要选择的区域中。

(3)保存公式后,点击左下角的“确定”按钮,开始计算公式。 在弹出的公式变量文件选择窗口中,选择该公式的变量“B1”作为我们刚刚添加的文件“TM-NDVI-60m.img”。 然后配置输出文件地址等信息。

(4)配置完成后,点击左下角的“确定”按钮,开始运行公式。 运行结束后,将获得的研究区植被覆盖结果图像导入ENVI软件中,如下图。

2.2 表面比发射率的计算

如前所述,我们计算植被覆盖度实际上是为计算地表比发射率做准备。 地面物体也分为三类:水体、城镇和自然表面。 在经验方法的基础上,采用类似于植被覆盖形式的分段计算公式,对不同类型的地物赋予不同的地表比发射率计算公式。

考虑到用于计算植被覆盖度的公式已经包含变量波段名称“B1”,为了避免不同公式中的变量之间混淆,我一开始在每个公式中使用了不同的变量名称。 ——例如这里的表面比发射率计算公式中使用“B2”、“B3”等。 但通过后来的实验过程发现,即使各个公式的变量名一致,也不会对实验产生明显的影响。

(1) 选择“基础工具”→“波段数学”,在弹出的公式创建窗口中输入本次实验的第二个公式,即表面比发射率公式。 输入公式后,点击下面的“添加到列表”按钮,将公式保存到要选择的区域中。 为了减少后期不必要的工作量,您可以在完成该公式编辑后,单击“保存”按钮,覆盖最近保存的公式文件,将两个公式保存在需要选择的区域中。

(2)保存公式后,点击左下角的“确定”按钮,开始计算公式。 在弹出的公式变量文件选择窗口中,选择该公式的变量“B2”为我们最初添加的图像文件“TM-NDVI-60m.img”,选择该公式的变量“B3”。 就是通过上述步骤得到的植被覆盖结果图像文件。 然后配置输出文件地址等信息。

(3)配置完成后,点击左下角的“确定”按钮,开始运行公式。 运行结束后,将获得的研究区域的表面比发射率结果图像导入ENVI软件中,如下图。

2.3 同温度下黑体辐射亮度值的计算

正如本文第一部分分析的那样,如果我们知道研究区域的表面比发射率和热红外波段亮度,就可以计算出相同温度下的黑体辐射亮度值。

(1)在ENVI 5.3(64位)软件中选择“文件”→“打开图像文件”,在弹出的文件选择窗口中选择“TM6-rad--jz-.img”文件; 单击“打开”。

(2)选择“基础工具”→“波段数学”,在弹出的公式创建窗口中输入本实验的第三个公式,即黑体辐射亮度值公式。 输入公式后,点击下面的“添加到列表”按钮,将公式保存到要选择的区域中。 为了减少后期不必要的工作量,您可以在完成该公式编辑后,单击“保存”按钮,覆盖最近保存的公式文件,将所选区域的三个公式保存起来。

(3)保存公式后,点击左下角的“确定”按钮,开始计算公式。 在弹出的公式变量文件选择窗口中,选择该公式的变量“B4”为我们刚刚添加的图像文件“TM6-rad--jz-.img”,选择该公式的变量“B5”即可是通过上述步骤得到的表面辐射率结果的图像文件。 然后配置输出文件地址等信息。

(4)配置完成后红外温度传感器校准,点击左下角的“确定”按钮,开始运行公式。 运行结束后,将获得的研究区域相同温度下的黑体热红外波段辐射亮度值计算结果图像导入ENVI软件中,如下图。

2.4 真实表面温度的计算

从上面的分析可以看出,通过上述步骤得到的黑体热红外波段辐射率并不是实际的表面温度。 我们还是需要通过普朗克公式的反函数来实现两者的转换关系。

同时,这一步得到的实际表面温度结果的单位是开尔文(K),而不是我们日常生活中常用的摄氏度(℃)。 因此,我们还需要实现温度单位转换。

要将温度从开尔文转换为摄氏度,只需从原始温度中减去 273.15 即可。 比较简单,不需要单独转换。 因此,我选择在这一步直接完成温度单位转换。

(1)选择“基础工具”→“波段数学”,在弹出的公式创建窗口中输入本实验的第四个公式,即真实表面温度公式。 输入公式后,点击下面的“添加到列表”按钮,将公式保存到要选择的区域中。 为了减少后期不必要的工作量,可以在编辑完该公式后点击“保存”按钮,覆盖最近保存的公式文件,将需要选择区域的四个公式保存起来。

(2)保存公式后,点击左下角的“确定”按钮,开始计算公式。 在弹出的公式变量文件选择窗口中,选择该公式的变量“B6”作为我们刚才计算的黑体热红外波段辐射亮度结果图像文件,然后配置输出文件地址等信息。

(3)配置完成后,点击左下角的“确定”按钮,开始运行公式。 运行结束后,将获得的研究区真实地表温度计算结果图像导入ENVI软件中,显示如下。

(4) 右键单击​​生成的图像中的任意位置,选择“/Value”或“Quick Stats”选项,即可查看图像中每个像素的像素信息。 这里我使用“/Value”查看图像单元格信息,得到的结果如下图。

(5)可以看到值为“302”。 出现在像素的像素值(即“Data”值)中。 这一步得到的结果是以摄氏度为单位的实际表面温度值,不可能有超过300个数据。 因此,之前的操作指令很可能是错误的。

(6)通过回溯检查,发现计算表面比发射率时输入的公式存在输入错误。 纠正此错误后,重新生成实际表面温度图像并进行统计检查。

(7) 可以看出,修正后的真实表面温度图像数据与实际情况相符,可以认为误差已经消除。

2.5 图片导出

由于实验后期需要制作专题图,以将温度分为不同等级,比较不同地表物体的温度特性,因此需要将ENVI中获得的实际地表温度结果图像保存为“. tif”格式,为方便一系列软件的使用,进一步进行了分级、美化、贴图。

(1) 首先,我将图像保存为 ENVI 图像窗口中的图像。 选择“文件”→“图像另存为”→“图像文件”,在弹出的保存配置窗口中选择文件格式为“TIFF/”,并配置结果图像文件保存路径、保存文件名等。

(2) 获得保存的结果图像文件后,将其添加到10.2软件中。 这时发现生成的图层文件已经拉伸到了0-255像素范围。 通过“识别”功能,发现所有像素都被拉伸了,即它们原来的值变成了上面0-255范围内的数据。 因此,认为图像应该不再通过相关操作恢复其原始温度值。 随后,我尝试使用“设置网格属性”等工具进行调整,但均以失败告终。

红外传感器测温度_红外温度传感器校准_红外传感器校准温度要求

(3)通过查看网上资源,看到有人指出,本例中保存的是“”而不是“”; 在此提醒下,尝试直接使用ENVI软件左上角工具栏中的“文件”→“保存”。 文件为”→“TIFF/”保存图像。在弹出的保存配置窗口中选择文件,并配置结果图像文件保存路径、保存文件名等。

(4)将第二次保存的“.tif”格式图像结果文件导入到10.2软件中,查看结果值正常。

(5)获得正常结果后,思考两种不同的保存结果。 本文使用的软件是ENVI 5.3(64位)版本,但使用非版本时也出现此问题。 回顾图像界面上保存图片的过程,我们进一步发现,这样的保存应该直接将图像格式设置为8位整形存储格式,从而失去了其原始的像素数据信息和意义——也就是说,它只保存了保存这张图片。 图像的“外观”使用0-255之间没有实际意义的数据来表示图像的灰度; 但原始图像,也就是我们想要得到的图像,它的数据和灰度应该是温度的表示。 如果将这张不同灰度级除以不同温度的原始图像改为不同灰度级除以0-255之间的数字的图像,它自然就失去了温度的原始含义。

(6)将正常图像导入10.2软件后,还发现图像的黑边无法去除——使用“识别”功能,可以看到黑边中没有数据,并且他们已经处于“”状态。 对于这种现象,可能是不同软件保存和读取数据文件时出现的常见错误。 没有必要去关注它。 稍后温度重新分类后就会消失。

(7) 最终导入的图像及其信息如下图所示。 其中,有两层结果相似,因为在实际表面温度的初始转换过程中,我减去的值为“273”而不是“273.15”。

3 专题图制作

导入10.2软件中的图像像素范围为22.3997至47.0569。 如果不对温度范围进行重新分类,得到的彩色图像的颜色将非常离散,不利于观察和分析。

(1)导入的图像本身没有统计信息,其各种值无法在“分类”模块中划分区间。 因此,首先需要利用工具来统计其数据信息。 单击“Data Tools.tbx”→“栅格”→“栅格属性”→“计算统计数据”。

(2)在弹出的配置窗口中选择需要统计数据的图层,其他项目无需调整。

(3) 单击“确定”,完成图层图像统计数据的计算。

红外传感器测温度_红外传感器校准温度要求_红外温度传感器校准

(4)右键单击图层名称,选择“属性”→“符号系统”→“分类”,打开“分类”按钮,选择分类方式为“手动”,根据需要设置四个“打断值” ——30、35、39以及图像像素的最大值47.0569。 单击“确定”保存断点设置。

(5)返回图层属性窗口后,将四个范围所代表的内容进行标记,以方便后面的绘制。 同时,根据气温专题图的特点,调整合适的配色方案。 本来打算用红色作为配色,但是拍出来后发现整体的区分效果不是很好。 所以选择另一种对比度比较强的配色方案。

4 不同特征表面温度对比分析

为了更清晰地比较不同地物地表温度的差异,借助腾讯地图中的卫星地图模块,以襄阳市汉江为对照,对区域卫星图和专题图进行了对比。 结论如下:

(1)水温明显低于周边城市、农村等地区。 这一特征可以说是气温专题图中最明显的要素之一——从专题图中可以清楚地看出红外温度传感器校准,低温区从襄阳市西部进入,并由西北向东南延伸; 并在城市中心区西南部形成一座冲击岛。 ,然后继续向南行驶。 此外,在撞击岛北部,唐白河形成的低温区也很明显; 清晰可辨,甚至可以追溯到低温带河流的源头。 位于城东南的沁嘴水库也是如此。 从水体温度带可以看出,成像时刻水体温度低于30℃。 由于水体的温度与光照密切相关,尤其是汉江、唐白河等地上河流,因此本次实验使用的图像成像时间为上午10点30分左右,且阳光不充足。那天时间长,所以水温低。

(2)城镇气温明显高于周边地区。 从气温专题图可以看出,主要高温聚集区位于汉江、唐白江沿岸; 结合卫星地图可以看出,其中大部分是襄阳市的主要城市聚集中心,建筑和人口密集,经济发达。 从城市温度带可以看出,成像时刻,温度在39℃以上。 另一方面,对于一些建筑物分散的郊区和农村地区,气温相对没有城市中心那么高; 但气温普遍在35-39℃之间,仍高于周边地区的气温。 由于城市人口众多,汽车和生活燃烧排放量高,工业生产频繁,气温较高。

(3)农田、耕地气温较高。 35℃以上地区主要分布在汉江、唐白江沿岸的另一个原因是,与城镇一样,这些耕地大多分布在河流两岸,地势平坦,土壤肥沃,灌溉方便。 从专题图可以看出,大部分耕地温度在35-39℃范围内; 当然,也有大面积的农田,温度在30-35℃范围内。 因此,可以认为耕地温度在35℃左右。 其温度比城镇低,因为农村地广人稀,人口密度明显小于城市,因此产生的热量较少。 由于地势平坦,加上人工耕作来调节土壤温度,其温度比森林和山区要高。 。

(4)森林、山区气温明显偏低。 气温专题图中,存在三个主要低温聚集中心,即襄阳市西南部、西部汉江北岸、中部汉江东部。 其中,最明显、最大的低温集中中心——城市西南部的低温区位于山区,而另外两个地区多为森林。 可以看到,这些低温区的气温均在30℃以下。 由于森林内树木的遮荫和吸热作用,森林表面温度明显低于其他地区; 对于山区,由于气压低、空气稀薄,大气隔热效果差; 同时,山体表面距地面较远,无法吸收地面的热量,使其表面温度较低。 同时,两者都具有人口密度低的相同特点。

 
打赏
 
更多>同类资讯
0相关评论

推荐图文
推荐资讯
点击排行
网站首页  |  关于我们  |  联系方式  |  使用协议  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  皖ICP备20008326号-23
Powered By DESTOON