中财网小姑娘被猥琐大叔糟蹋:ENVI下的大气校正
来源：百度文库 编辑：中财网 时间：2024/04/30 09:09:10
大气校正
大气校正是定量遥感中重要的组成部分。本专题包括以下内容：
l大气校正概述
lENVI中的大气校正功能
1大气校正概述
大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。大多数情况下，大气校正同时也是反演地物真实反射率的过程。
很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。这些校正方法按照校正后的结果可以分为2种：
l绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
l相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：
l基于辐射传输模型
wMORTRAN模型
wLOWTRAN模型
wATCOR模型
w6S模型等
l基于简化辐射传输模型的黑暗像元法
l基于统计学模型的反射率反演；
相对大气校正常见的是：
l基于统计的不变目标法
l直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。这里有一个总结供参考：
1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
2 ENVI大气校正功能
在ENVI中包含了很多大气校正模型，包括基于辐射传输模型的MORTRAN模型、黑暗像元法、基于统计学模型的反射率反演。基于统计的不变目标法可以利用ENVI一些功能实现。 其中MORTRAN模型集成在ENVI大气校正扩展模块中。还有直方图匹配等。
2.1 简化黑暗像元法大气校正
黑暗像元法是一种古老、简单的经典大气校正方法。它的基本原理是在假设待校正的遥感图像上存在黑暗像元、地表朗伯面反射和大气性质均一，并忽略大气多次散射辐照作用和邻近像元漫反射作用的前提下，反射率很小（近似0）的黑暗像元由于大气的影响，使得这些像元的反射率相对增加，可以认为这部分增加的反射率是由于大气影响产生的。这样，将其他像元减去这些黑暗像元的像元值，就能减少大气（主要是大气散射）对整幅影像的影响，达到大气校正的目的。整个过程的关键是寻找黑暗像元以及黑暗像元增加的像元值。
ENVI下的Dark Subtract工具提供选择波段最小值、ROI的平均值、自定义值三种方式确定黑暗像元的像素值。操作过程如下：
（1）打开待校正图像文件。
（2）在主菜单中，选择Basic Tools->Preprocessing->General Purpose Utilities-> Dark Subtract，在文件选择对话框中选择待校正图像文件，单击OK按钮，打开Dark Subtraction Parameters面板。
（3）在Dark Subtraction Parameters面板中，确定黑暗像素值包括三种方法（Subtraction Method）：
l波段最小值(Band Minimum)
lROI的平均值(Region Of Interest)
l自定义值（User Value）
（4）在Output Result to中选择File以及相应的输出路径和文件名，单击OK执行操作。
2.2 基于统计学模型的反射率反演
基于统计学模型的反射率反演的方法主要有平场域法（Flat Field，FF）、对数残差法（Log Residuals）、内部平均法（Internal Average Relative Reflectance，IARR）、经验线性法(Empirical Line)。集中在Basic Tools->Preprocessing-> Calibration Utilities菜单下。
1.平场域法 (Flat Field)
Flat Field定标工具通过选择图像中一块具有高反射率、光谱变化平坦的区域，利用这个区域的平均光谱值来模拟飞行时的大气条件下的太阳光谱。将每个像元的DN值除以选择区域的平均光谱值得到相对反射率，以此来消除大气的影响。
在使用这个工具前，需要利用ENVI提供的感兴趣区绘制工具（ROI Tool）在被定标图像上选择感兴趣区作为平场域（Flat Field），感兴趣区可选择沙漠、大块水泥地、沙地等区域。
2.对数残差（Log Residuals）
对数残差定标工具将数据除以波段几何均值，后再除以像元几何均值，可以消除光照、大气传输、仪器系统误差、地形影响和星体反照率对数据辐射的影响。定标结果的值在1附近。
3.内部平均法（Internal Average Relative Reflectance，IARR）
IAR (Internal Average Relative) Reflectance定标工具假定整幅图像的平均光谱基本代表了大气影响下的太阳光谱信息。把图像DN值与整幅图像的平均辐射光谱值相除，得到的结果为相对反射率。该工具特别适用于没有植被的干旱区域。
4.经验线性法(Empirical Line)
Empirical Line 定标方法是假设图像DN值与反射率之间存在线性关系：
利用两个已知点的地面反射光谱值，再计算图像上对应像元点的平均DN值，然后利用线性回归求出增益和偏移值，建立DN值与反射率之间的相互关系式，进行反射率的定标。消除了太阳辐亮度和大气程辐射。
ENVI的Empirical Line定标工具要求至少需要一个已知区域的地面反射光谱值（Field Spectra）作为参照波谱，以及图像上对应像元点的波谱曲线（Data Spectra）。它们可以来自波谱剖面或波谱曲线、波谱库、感兴趣区、统计文件和ASCII文件。输入的波谱将自动被重采样，以与选择的数据波长相匹配。也可以用已经存在的系数对数据集进行定标。
2.3 不变目标法相对大气校正
相对大气校正按照数学基础可以分为2种，非线性校正法和线性校正法。非线性校正法最典型的是直方图匹配，图像的直方图是图像中所有灰度值的概率分布。即将校正图像的直方图与参考图像的直方图进行匹配，使两幅图像具有相同或相近的灰度值概率分布，达到两幅图像上同名地物具有相同灰度值的目的。利用ENVI中Histogram Matching工具（Display中，Enhance->Histogram Matching）
线性校正法有个前提假设：不同时相的图像灰度值之间满足线性关系，这种假设在近似情况下是成立的。这样就可以通过线性等式来描述不同时相间的灰度关系，用x表示参考图像，y表示待校正图像，他们之间的线性关系可描述为：
y=ax+b (式1)
其中：a、b为线性等式中的参数，即为增益和偏移量。
根据前述原理，完成线性相对校正需要以下3个步骤：
第一步，在两幅图像中搜寻相对固定目标即光谱稳定的地物样本点，即伪不变特征要素（PIF：Pseudo-Invariant Features）；
第二步，运用这些伪不变特征点的DN值，利用线性回归的方法求解式(13.6)中的参数，得到图像间的线性关系；
第三步，根据该关系式，通过波段运算，得到与参考图像具有相同或相近辐射值的结果图像，完成相对大气校正。整个过程的关键是PIF的选择。
下面以两个不同大气环境下成像、已经经过精确配准、ENVI标准格式的Landsat
TM5数据为例（2000年和2001年），介绍线性校正法的操作步骤：
第一步：PIF选择
选择一幅目视质量较好的图像作为基准图像（2001年），另外一幅作为待校正图像（2000年）。在两个图像上选择相同区域的沥青房顶、砾石面、混凝土停机坪、洁净水体、混凝土、沙地等地物作为PIF，这些地物不会随时间的变化而变化。
（1）在主模块中，选择File->Open Image File，打开两幅图像，并在Display中显示。
（2）在其中一幅影像上点击右键，从快捷菜单中选择Geographic Link，将显示的两幅影像地理链接。
（3）在显示2000年图像的主图像窗口中，选择Overlay-> Region of Interest，打开ROI Tool面板。
（4）通过目视方式，从两幅图像找到光谱稳定、相同地物作为样本，用Polygon或者Point类型绘制感兴趣区。
（5）
在绘制一定数量感兴趣后(不宜太多，太多后面的回归运算量会很大)，在ROI Tool面板中，选择File-> Output ROIs to ASCII。
（6）回到ROI Tool面板中，选择Options-> Reconcile ROIs via Map，将前面绘制的ROI转接到2001年的图像上，类似（5）步的方法将基准图像的ROI内对应像素位置和像元值输出为文本文件。
分别用记事本打开上面步骤得到两个文本文件，这样我们得到了2000年的图像和2001年的图像相对应伪不变特征要素（PIF）的像素值。从文本文件中可以看到，两个时相图像中每一个波段的像素值是一一对应关系，刚好对应式1中的x和y。第二步中就是利用这些像素值，根据最小二乘回归分析法获得式13.6中的a和b两个参数。
第二步、线性关系式求解
使用最小二乘回归的方法来求解线性回归式a和b参数，如表1。
增益（a）
偏移（b）
Band1
1.02
-34
Band2
1.22
-18
Band3
0.92
-9
Band4
1.21
-16
Band5
0.99
4
Band7
0.94
3
利用表1中的a和b值，在ENVI的Band Math工具对待校正图像做线性变换，然后利用Layer Stacking工具将线性变换结果组合成一个多波段文件。
不变目标法相对大气校正操作过程已经完成。
2.4 热红外大气校正
ENVI提供Thermal Atm Correction工具，可以近似去除热红外辐射数据中的大气影响。在进行大气校正之前，为了得到最好的结果，必须将热红外数据定标为比辐射率数据（TIMS的热红外数据必须被转化为辐射亮度数据），并且待校正数据波长在8-14µm之间。
下面以ASTER L1A的热红外波段为例，操作过程如下：
（1）打开ASTER，在波段列表中按照波长自动归为4组，2组可见光-近红外（VNIR）、短波红外（SWIR）和热红外(IIR)，并根据头文件信息自动定标为辐射亮度值（单位W/（m2 *µm*sr））。
（2）在主菜单中，从以下列表中选择一种方式
lBasic Tools -> Preprocessing ->
Calibration Utilities ->
Thermal Atm Correction
lBasic Tools ->Preprocessing ->Data-Specific Utilities ->Thermal IR -> Thermal Atm Correction
lBasic Tools -> Preprocessing -> Data-Specific Utilities ->TIMS ->Thermal Atm Correction
在Thermal Correction Input File对话框中，选择热红外数据（Wavelength : 8.291 to 11.318）。
（3）在Thermal Atm Correction Parameters面板中（图3），需要填写以下参数：
l数据缩放系数（Data Scale Factor）：1。将输入数据的单位缩放为W/（m2 *µm*sr）。
l波长单位（Wavelength Units）：Micrometers。
l设定表面温度估算衰退像元（Regression Pixels）：All
u选择“All”，将使用整个输入波长范围内的亮度温度最大值对每个像元的表面温度进行估算。
u选择“Max Hit”，仅对那些在特定波长具有最大亮度温度值的像元进行表面温度估算，所说的特定波长是指包含最多具有最大亮度温度的像元的波长范围。
l散点图拟合技术（Fitting Technique）：Top of Bins
u选择“Top of Bins”，将会使曲线向辐射率与亮度温度的散点图的上部拟合，散点图的上部对应着发射率接近1的像元，使用该技术的拟合线是通过对散点图上部5%的数据做了标准的最小平方回归得到的。（注：该技术易受发生在散点图顶部区域的传感器噪声的影响）
u选择“Normalized Regression”，将会先使用标准的最小平方回归把曲线向辐射率与亮度温度的散点图拟合，然后将拟合线的残差与正态概率分布图相比较，在正态图中对残差再进行另一个回归，NESR(noise equivalent sensor response)距离的点将被认为是奇异点而被删除，最后利用减少的像元集在散点图上进行一个最终的回归。（注：该方法使用散点图中除奇异点以外的所有点，并且不仅仅把曲线向散点图的上部（发射率近似为1）拟合）
l设置输出增益与偏移参数为文件（Output Gain/Offset File）：可选。
l设置是否绘制大气透射和上行辐射光谱结果(Plot Transmission/Upwelling?)：Yes。
（4）选择结果输出路径及文件名，单击OK执行校正过程。
2.5 QUAC快速大气校正工具
快速大气校正工具（简称QUAC）自动从图像上收集不同物质的波谱信息，获取经验值完成高光谱和多光谱的快速大气校正（图4）。它得到结果的精度近似FLAASH或者其他基于辐射传输模型的+/-15%。
目前它支持的多光谱和高光谱波谱范围是(0.4~2.5 μm)。传感器包括AISA, ASAS, AVIRIS, CAP ARCHER, COMPASS, HYCAS, HYDICE, HyMap, Hyperion, IKONOS, Landsat TM, LASH, MASTER, MODIS, MTI, QuickBird, RGB, 以及 unknown sensor。
QUAC的输入数据可以是辐射亮度值、表观反射率、无单位的raw数据。可以是任何数据储存顺序（BIL/BIP/BSQ）和储存类型，多光谱和高光谱传感器数据的每个波段必须有中心波长信息。
QUAC的操作非常简单，如下：
（1）在ENVI主菜单中，选择以下方式启动
lBasic Tools-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction
lSpectral-> QUick Atmospheric Correction
lSpectral-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction
在文件输入对话框中选择校正的图像文件。
（2）打开QUick Atmospheric Correction Parameters面板（图5），在Sensor Type中选择相应的传感器类型，选择文件名和路径输出。
2.6 FLAASH大气校正
FLAASH是基于MODTRAN4+辐射传输模型，MODTRAN模型是由进行大气校正算法研究的领先者SpectralSpectral Sciences, Inc和美国空军实验室（Air Force Research Laboratory）共同研发。ITT VIS公司负责集成和GUI设计。
1.FLAASH特点
l支持传感器种类多，包括多光谱的ASTER，AVHRR，GeoEye-1，IKONOS，IRS，Landsat，MODIS，SeaWiFS，SPOT，QuickBird，RapidEye等，高光谱HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO-1)、AISA等。可以通过自定义波谱响应函数支持更多的传感器。工程化应用价值比较明显。
lFLAASH采用了MODTRAN4+辐射传输模型，该算法精度高。任何有关影像的标准MODTRAN大气模型和气溶胶类型都可以直接使用。
l通过影像像素光谱上的特征来估计大气的属性，不依赖遥感成像时同步测量的大气参数数据。
l可以有效地去除水蒸气/气溶胶散射效应，同时基于像素级的校正，矫正目标像元和邻近像元交叉辐射的“邻近效应”。
l对由于人为抑止而导致波谱噪声进行光谱平滑处理。作为结果，除了真实地表反射率外，还可以得到整幅图像内的能见度、卷云与薄云的分类影像、水气含量数据。
2.使用ENVI大气校正模块
ENVI大气校正模块的使用主要又以下7个方面组成：1、输入文件准备，2、基本参数设置，3、多光谱数据参数设置，4、高光谱数据参数设置，5、高级设置，6、输出文件，7、处理结果。下面介绍这7个方面内容。
(一)输入文件准备
1)支持传感器类型
高光谱包括：HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO-1)、AISA等；多光谱包括：ASTER，AVHRR，GeoEye-1，IKONOS，IRS，Landsat，MODIS，SeaWiFS，SPOT，QuickBird，RapidEye等，
航空：860nm-1135nm波长范围
2)数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。
3)数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM）,这两个参数都可以通过编辑头文件信息输入（Edit Header）。
4)数据类型
支持四种数据类型：浮点型（floating）、长整型(long integer )、整型（integer）和无符号整型 (unsigned int)。数据存储类型： ENVI标准栅格格式文件，且是BIP或者BIL。
5)波谱范围：flaash能够做的数据光谱范围是0.4－2500μm。
(二)基本参数设置
1)输入文件及输出路径设置，如图6所示。
2)传感器基本信息设置
选择传感器类型，成像中心点经纬度，成像时间，高度信息（成像区域和传感器飞行高度），传感器这些都可以在数据自带信息文件里获得，需要注意的是南半球和西半球要用负值。
3)大气模型（Atmospheric Model）
提供6种大气模型，如表2所示，可根据纬度和成像季节对照表3查找对应的大气模型。
大气校正是定量遥感中重要的组成部分。本专题包括以下内容：
l大气校正概述
lENVI中的大气校正功能
1大气校正概述
大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1.jpg
图1 大气层对成像的影响示意图
很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。这些校正方法按照校正后的结果可以分为2种：
l绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
l相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：
l基于辐射传输模型
wMORTRAN模型
wLOWTRAN模型
wATCOR模型
w6S模型等
l基于简化辐射传输模型的黑暗像元法
l基于统计学模型的反射率反演；
相对大气校正常见的是：
l基于统计的不变目标法
l直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。这里有一个总结供参考：
1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
2 ENVI大气校正功能
在ENVI中包含了很多大气校正模型，包括基于辐射传输模型的MORTRAN模型、黑暗像元法、基于统计学模型的反射率反演。基于统计的不变目标法可以利用ENVI一些功能实现。 其中MORTRAN模型集成在ENVI大气校正扩展模块中。还有直方图匹配等。
2.1 简化黑暗像元法大气校正
黑暗像元法是一种古老、简单的经典大气校正方法。它的基本原理是在假设待校正的遥感图像上存在黑暗像元、地表朗伯面反射和大气性质均一，并忽略大气多次散射辐照作用和邻近像元漫反射作用的前提下，反射率很小（近似0）的黑暗像元由于大气的影响，使得这些像元的反射率相对增加，可以认为这部分增加的反射率是由于大气影响产生的。这样，将其他像元减去这些黑暗像元的像元值，就能减少大气（主要是大气散射）对整幅影像的影响，达到大气校正的目的。整个过程的关键是寻找黑暗像元以及黑暗像元增加的像元值。
ENVI下的Dark Subtract工具提供选择波段最小值、ROI的平均值、自定义值三种方式确定黑暗像元的像素值。操作过程如下：
（1）打开待校正图像文件。
（2）在主菜单中，选择Basic Tools->Preprocessing->General Purpose Utilities-> Dark Subtract，在文件选择对话框中选择待校正图像文件，单击OK按钮，打开Dark Subtraction Parameters面板。
（3）在Dark Subtraction Parameters面板中，确定黑暗像素值包括三种方法（Subtraction Method）：
l波段最小值(Band Minimum)
lROI的平均值(Region Of Interest)
l自定义值（User Value）
（4）在Output Result to中选择File以及相应的输出路径和文件名，单击OK执行操作。
图2.jpg
图2 Dark Subtraction Parameters面板（Band Minimum）
2.2 基于统计学模型的反射率反演
基于统计学模型的反射率反演的方法主要有平场域法（Flat Field，FF）、对数残差法（Log Residuals）、内部平均法（Internal Average Relative Reflectance，IARR）、经验线性法(Empirical Line)。集中在Basic Tools->Preprocessing-> Calibration Utilities菜单下。
1.平场域法 (Flat Field)
Flat Field定标工具通过选择图像中一块具有高反射率、光谱变化平坦的区域，利用这个区域的平均光谱值来模拟飞行时的大气条件下的太阳光谱。将每个像元的DN值除以选择区域的平均光谱值得到相对反射率，以此来消除大气的影响。
在使用这个工具前，需要利用ENVI提供的感兴趣区绘制工具（ROI Tool）在被定标图像上选择感兴趣区作为平场域（Flat Field），感兴趣区可选择沙漠、大块水泥地、沙地等区域。
2.对数残差（Log Residuals）
对数残差定标工具将数据除以波段几何均值，后再除以像元几何均值，可以消除光照、大气传输、仪器系统误差、地形影响和星体反照率对数据辐射的影响。定标结果的值在1附近。
3.内部平均法（Internal Average Relative Reflectance，IARR）
IAR (Internal Average Relative) Reflectance定标工具假定整幅图像的平均光谱基本代表了大气影响下的太阳光谱信息。把图像DN值与整幅图像的平均辐射光谱值相除，得到的结果为相对反射率。该工具特别适用于没有植被的干旱区域。
4.经验线性法(Empirical Line)
Empirical Line 定标方法是假设图像DN值与反射率之间存在线性关系：
反射率= 增益 * DN值+ 偏移
利用两个已知点的地面反射光谱值，再计算图像上对应像元点的平均DN值，然后利用线性回归求出增益和偏移值，建立DN值与反射率之间的相互关系式，进行反射率的定标。消除了太阳辐亮度和大气程辐射。
ENVI的Empirical Line定标工具要求至少需要一个已知区域的地面反射光谱值（Field Spectra）作为参照波谱，以及图像上对应像元点的波谱曲线（Data Spectra）。它们可以来自波谱剖面或波谱曲线、波谱库、感兴趣区、统计文件和ASCII文件。输入的波谱将自动被重采样，以与选择的数据波长相匹配。也可以用已经存在的系数对数据集进行定标。
2.3 不变目标法相对大气校正
相对大气校正按照数学基础可以分为2种，非线性校正法和线性校正法。非线性校正法最典型的是直方图匹配，图像的直方图是图像中所有灰度值的概率分布。即将校正图像的直方图与参考图像的直方图进行匹配，使两幅图像具有相同或相近的灰度值概率分布，达到两幅图像上同名地物具有相同灰度值的目的。利用ENVI中Histogram Matching工具（Display中，Enhance->Histogram Matching）
线性校正法有个前提假设：不同时相的图像灰度值之间满足线性关系，这种假设在近似情况下是成立的。这样就可以通过线性等式来描述不同时相间的灰度关系，用x表示参考图像，y表示待校正图像，他们之间的线性关系可描述为：
y=ax+b (式1)
其中：a、b为线性等式中的参数，即为增益和偏移量。
根据前述原理，完成线性相对校正需要以下3个步骤：
第一步，在两幅图像中搜寻相对固定目标即光谱稳定的地物样本点，即伪不变特征要素（PIF：Pseudo-Invariant Features）；
第二步，运用这些伪不变特征点的DN值，利用线性回归的方法求解式(13.6)中的参数，得到图像间的线性关系；
第三步，根据该关系式，通过波段运算，得到与参考图像具有相同或相近辐射值的结果图像，完成相对大气校正。整个过程的关键是PIF的选择。
下面以两个不同大气环境下成像、已经经过精确配准、ENVI标准格式的Landsat
TM5数据为例（2000年和2001年），介绍线性校正法的操作步骤：
第一步：PIF选择
选择一幅目视质量较好的图像作为基准图像（2001年），另外一幅作为待校正图像（2000年）。在两个图像上选择相同区域的沥青房顶、砾石面、混凝土停机坪、洁净水体、混凝土、沙地等地物作为PIF，这些地物不会随时间的变化而变化。
（1）在主模块中，选择File->Open Image File，打开两幅图像，并在Display中显示。
（2）在其中一幅影像上点击右键，从快捷菜单中选择Geographic Link，将显示的两幅影像地理链接。
（3）在显示2000年图像的主图像窗口中，选择Overlay-> Region of Interest，打开ROI Tool面板。
（4）通过目视方式，从两幅图像找到光谱稳定、相同地物作为样本，用Polygon或者Point类型绘制感兴趣区。
（5）
在绘制一定数量感兴趣后(不宜太多，太多后面的回归运算量会很大)，在ROI Tool面板中，选择File-> Output ROIs to ASCII。
（6）回到ROI Tool面板中，选择Options-> Reconcile ROIs via Map，将前面绘制的ROI转接到2001年的图像上，类似（5）步的方法将基准图像的ROI内对应像素位置和像元值输出为文本文件。
分别用记事本打开上面步骤得到两个文本文件，这样我们得到了2000年的图像和2001年的图像相对应伪不变特征要素（PIF）的像素值。从文本文件中可以看到，两个时相图像中每一个波段的像素值是一一对应关系，刚好对应式1中的x和y。第二步中就是利用这些像素值，根据最小二乘回归分析法获得式13.6中的a和b两个参数。
第二步、线性关系式求解
使用最小二乘回归的方法来求解线性回归式a和b参数，如表1。
表1回归解算的a和b值
波段
增益（a）
偏移（b）
Band1
1.02
-34
Band2
1.22
-18
Band3
0.92
-9
Band4
1.21
-16
Band5
0.99
4
Band7
0.94
3
第三步、线性变换
利用表1中的a和b值，在ENVI的Band Math工具对待校正图像做线性变换，然后利用Layer Stacking工具将线性变换结果组合成一个多波段文件。
不变目标法相对大气校正操作过程已经完成。
2.4 热红外大气校正
ENVI提供Thermal Atm Correction工具，可以近似去除热红外辐射数据中的大气影响。在进行大气校正之前，为了得到最好的结果，必须将热红外数据定标为比辐射率数据（TIMS的热红外数据必须被转化为辐射亮度数据），并且待校正数据波长在8-14µm之间。
下面以ASTER L1A的热红外波段为例，操作过程如下：
（1）打开ASTER，在波段列表中按照波长自动归为4组，2组可见光-近红外（VNIR）、短波红外（SWIR）和热红外(IIR)，并根据头文件信息自动定标为辐射亮度值（单位W/（m2 *µm*sr））。
（2）在主菜单中，从以下列表中选择一种方式
lBasic Tools -> Preprocessing ->
Calibration Utilities ->
Thermal Atm Correction
lBasic Tools ->Preprocessing ->Data-Specific Utilities ->Thermal IR -> Thermal Atm Correction
lBasic Tools -> Preprocessing -> Data-Specific Utilities ->TIMS ->Thermal Atm Correction
在Thermal Correction Input File对话框中，选择热红外数据（Wavelength : 8.291 to 11.318）。
（3）在Thermal Atm Correction Parameters面板中（图3），需要填写以下参数：
l数据缩放系数（Data Scale Factor）：1。将输入数据的单位缩放为W/（m2 *µm*sr）。
l波长单位（Wavelength Units）：Micrometers。
l设定表面温度估算衰退像元（Regression Pixels）：All
u选择“All”，将使用整个输入波长范围内的亮度温度最大值对每个像元的表面温度进行估算。
u选择“Max Hit”，仅对那些在特定波长具有最大亮度温度值的像元进行表面温度估算，所说的特定波长是指包含最多具有最大亮度温度的像元的波长范围。
l散点图拟合技术（Fitting Technique）：Top of Bins
u选择“Top of Bins”，将会使曲线向辐射率与亮度温度的散点图的上部拟合，散点图的上部对应着发射率接近1的像元，使用该技术的拟合线是通过对散点图上部5%的数据做了标准的最小平方回归得到的。（注：该技术易受发生在散点图顶部区域的传感器噪声的影响）
u选择“Normalized Regression”，将会先使用标准的最小平方回归把曲线向辐射率与亮度温度的散点图拟合，然后将拟合线的残差与正态概率分布图相比较，在正态图中对残差再进行另一个回归，NESR(noise equivalent sensor response)距离的点将被认为是奇异点而被删除，最后利用减少的像元集在散点图上进行一个最终的回归。（注：该方法使用散点图中除奇异点以外的所有点，并且不仅仅把曲线向散点图的上部（发射率近似为1）拟合）
l设置输出增益与偏移参数为文件（Output Gain/Offset File）：可选。
l设置是否绘制大气透射和上行辐射光谱结果(Plot Transmission/Upwelling?)：Yes。
（4）选择结果输出路径及文件名，单击OK执行校正过程。
图3.jpg
图3Thermal Atm Correction Parameters面板
2.5 QUAC快速大气校正工具
快速大气校正工具（简称QUAC）自动从图像上收集不同物质的波谱信息，获取经验值完成高光谱和多光谱的快速大气校正（图4）。它得到结果的精度近似FLAASH或者其他基于辐射传输模型的+/-15%。
目前它支持的多光谱和高光谱波谱范围是(0.4~2.5 μm)。传感器包括AISA, ASAS, AVIRIS, CAP ARCHER, COMPASS, HYCAS, HYDICE, HyMap, Hyperion, IKONOS, Landsat TM, LASH, MASTER, MODIS, MTI, QuickBird, RGB, 以及 unknown sensor。
图4.jpg
图4 快速大气校正流程图
QUAC的输入数据可以是辐射亮度值、表观反射率、无单位的raw数据。可以是任何数据储存顺序（BIL/BIP/BSQ）和储存类型，多光谱和高光谱传感器数据的每个波段必须有中心波长信息。
QUAC的操作非常简单，如下：
（1）在ENVI主菜单中，选择以下方式启动
lBasic Tools-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction
lSpectral-> QUick Atmospheric Correction
lSpectral-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction
在文件输入对话框中选择校正的图像文件。
（2）打开QUick Atmospheric Correction Parameters面板（图5），在Sensor Type中选择相应的传感器类型，选择文件名和路径输出。
图5.jpg
图5 QUick Atmospheric Correction Parameters面板
2.6 FLAASH大气校正
FLAASH是基于MODTRAN4+辐射传输模型，MODTRAN模型是由进行大气校正算法研究的领先者SpectralSpectral Sciences, Inc和美国空军实验室（Air Force Research Laboratory）共同研发。ITT VIS公司负责集成和GUI设计。
1.FLAASH特点
l支持传感器种类多，包括多光谱的ASTER，AVHRR，GeoEye-1，IKONOS，IRS，Landsat，MODIS，SeaWiFS，SPOT，QuickBird，RapidEye等，高光谱HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO-1)、AISA等。可以通过自定义波谱响应函数支持更多的传感器。工程化应用价值比较明显。
lFLAASH采用了MODTRAN4+辐射传输模型，该算法精度高。任何有关影像的标准MODTRAN大气模型和气溶胶类型都可以直接使用。
l通过影像像素光谱上的特征来估计大气的属性，不依赖遥感成像时同步测量的大气参数数据。
l可以有效地去除水蒸气/气溶胶散射效应，同时基于像素级的校正，矫正目标像元和邻近像元交叉辐射的“邻近效应”。
l对由于人为抑止而导致波谱噪声进行光谱平滑处理。作为结果，除了真实地表反射率外，还可以得到整幅图像内的能见度、卷云与薄云的分类影像、水气含量数据。
2.使用ENVI大气校正模块
ENVI大气校正模块的使用主要又以下7个方面组成：1、输入文件准备，2、基本参数设置，3、多光谱数据参数设置，4、高光谱数据参数设置，5、高级设置，6、输出文件，7、处理结果。下面介绍这7个方面内容。
(一)输入文件准备
1)支持传感器类型
高光谱包括：HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO-1)、AISA等；多光谱包括：ASTER，AVHRR，GeoEye-1，IKONOS，IRS，Landsat，MODIS，SeaWiFS，SPOT，QuickBird，RapidEye等，
航空：860nm-1135nm波长范围
2)数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。
3)数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM）,这两个参数都可以通过编辑头文件信息输入（Edit Header）。
4)数据类型
支持四种数据类型：浮点型（floating）、长整型(long integer )、整型（integer）和无符号整型 (unsigned int)。数据存储类型： ENVI标准栅格格式文件，且是BIP或者BIL。
5)波谱范围：flaash能够做的数据光谱范围是0.4－2500μm。
(二)基本参数设置
1)输入文件及输出路径设置，如图6所示。
2)传感器基本信息设置
选择传感器类型，成像中心点经纬度，成像时间，高度信息（成像区域和传感器飞行高度），传感器这些都可以在数据自带信息文件里获得，需要注意的是南半球和西半球要用负值。
图6.jpg
图6基本参数设置
3)大气模型（Atmospheric Model）
提供6种大气模型，如表2所示，可根据纬度和成像季节对照表3查找对应的大气模型。
Model Atmosphere
Water Vapor
(std atm-cm)
Water Vapor (g/cm2)
Surface Air Temperature
Sub-Arctic Winter (SAW)
518
0.42
-16 °C or 3 °F
Mid-Latitude Winter (MLW)
1060
0.85
-1 °C or 30 °F
U.S. Standard (US)
1762
1.42
15 °C or 59 °
Sub-Arctic Summer (SAS)
2589
2.08
14 °C or 57 °
Mid-Latitude Summer (MLS)
3636
2.92
21 °C or 70 °
Tropical (T)
5119
4.11
27 °C or 80 °
表2六种标准的大气模型
Latitude (°N)
Jan.
March
May
July
Sept.
Nov.
80
SAW
SAW
SAW
MLW
MLW
SAW
70
SAW
SAW
MLW
MLW
MLW
SAW
60
MLW
MLW
MLW
SAS
SAS
MLW
50
MLW
MLW
SAS
SAS
SAS
SAS
40
SAS
SAS
SAS
MLS
MLS
SAS
30
MLS
MLS
MLS
T
T
MLS
20
T
T
T
T
T
T
10
T
T
T
T
T
T
0
T
T
T
T
T
T
-10
T
T
T
T
T
T
-20
T
T
T
MLS
MLS
T
-30
MLS
MLS
MLS
MLS
MLS
MLS
-40
SAS
SAS
SAS
SAS
SAS
SAS
-50
SAS
SAS
SAS
MLW
MLW
SAS
-60
MLW
MLW
MLW
MLW
MLW
MLW
-70
MLW
MLW
MLW
MLW
MLW
MLW
-80
MLW