1. 开篇为什么你的高分二号影像需要“精装修”拿到高分二号卫星影像数据是不是感觉就像刚拿到手的毛坯房数据是有了但直接用它来做分析效果往往差强人意图像可能偏暗、颜色失真或者多光谱和全色影像对不上号。这其实是因为原始数据在传输和记录过程中携带了大量来自传感器自身、大气层甚至地形起伏的“干扰信号”。我们今天要聊的就是给这套“毛坯数据”做一次彻底的“精装修”从最基础的辐射定标开始一步步完成大气校正、正射校正最后实现完美的图像融合让1米分辨率的全色影像细节和4米分辨率的多光谱色彩信息合二为一得到一幅既清晰又色彩真实的“成品图”。这个过程就是遥感影像预处理的核心流程。听起来很专业别怕我刚开始接触ENVI的时候也是一头雾水参数多得让人眼花。但踩过几次坑、处理过几十景数据后我发现只要流程捋顺了每一步都搞清楚“为什么做”和“怎么做”其实就像跟着食谱做菜一样按部就班就能出成果。今天我就以ENVI 5.3为厨房用高分二号GF-2的PMS数据当食材带你完整走一遍这个“烹饪”流程。我会把每个步骤的原理用大白话讲清楚把操作中的关键参数和容易踩的坑都标出来保证你跟着做一遍就能掌握这套让影像“脱胎换骨”的硬核技能。2. 开工前的准备软件、数据与心态工欲善其事必先利其器。在开始处理之前有三样东西你必须准备好这能帮你避开至少80%的初期错误。第一确保你的ENVI 5.3安装正确且完整。很多朋友从网上下载的ENVI打开后却发现找不到打开国产卫星数据的选项问题就出在这里。ENVI原版并不直接支持高分系列卫星你需要一个“翻译插件”。安装完ENVI 5.3主程序后务必去官网找到并安装“ENVI App Store”。安装成功后在ENVI的Extension菜单里就能找到它。打开这个应用商店搜索并安装“China Satellites Support”或类似名称的国产卫星支持工具。这个工具包就像是给ENVI装上了读懂GF-2数据“语言包”之后你才能通过File Open As China Satellites GF2这个路径正确打开.xml元数据文件。我见过不止一个新手因为少了这一步对着数据干瞪眼。第二整理好你的数据文件。高分二号的标准产品通常是一个文件夹里面包含多个文件。你需要重点关注两个带有.xml后缀的元数据文件它们通常命名为类似GF2_PMS1_...-MSS1.xml多光谱和GF2_PMS1_...-PAN1.xml全色。记住一个黄金法则整个处理流程中所有文件路径和文件夹名称都不要使用中文ENVI对中文路径的支持很不稳定极有可能在中间某一步生成结果文件时失败报错让你前功尽弃。我建议专门建立一个英文或拼音命名的工程文件夹比如GF2_Project在里面再创建data放原始数据、output放所有中间和最终结果这样的子文件夹条理会清晰很多。第三调整好心态理解流程的先后逻辑。预处理流程就像一条流水线前后工序环环相扣。为什么先做辐射定标才能做大气校正因为大气校正模型需要的是经过传感器定标后的辐射亮度值。为什么融合前要做正射校正因为多光谱和全色影像必须处于严格一致的地理空间框架下融合才有意义。脑子里带着这张“工序图”去操作每一步的目的都清清楚楚就算遇到问题你也知道该往哪个环节去排查。好了准备工作就绪我们正式进入操作环节。3. 多光谱影像处理三部曲多光谱影像承载着地物的色彩信息是我们分析植被、水体、建筑等地表覆盖类型的基础。它的处理是整个流程的起点也是最需要耐心的一环。3.1 第一步辐射定标——把数字信号变成物理量刚打开的多光谱影像像元值DN值只是一个没有单位的数字。辐射定标的目的就是通过卫星传感器自带的定标系数把这个数字转换成具有真实物理意义的辐射亮度值单位通常是W/(m²·sr·μm)。你可以把它理解为把相机拍到的原始RAW格式照片转换成标准格式的过程为后续所有定量分析打下基础。在ENVI 5.3中操作很简单。用国产卫星工具打开MSS1.xml文件后在Toolbox里找到Radiometric Correction Radiometric Calibration。在弹出的文件选择框中选中刚才打开的影像点击OK。这时会弹出辐射定标参数设置对话框。这里有个关键操作在Calibration Type下拉菜单中确认选择Radiance然后点击右下角的Apply FLAASH Settings按钮。这个按钮太重要了它会自动为你设置好FLAASH大气校正模型所要求的数据类型Float和缩放因子省去你手动调整的麻烦。最后指定输出路径到你的output文件夹命名为MSS1_Radiance.dat点击OK执行。怎么判断定标成功了呢一个直观的方法是看波谱曲线。在ENVI中打开定标前后的影像在同一个地方比如一块水泥地用Tools Profiles Spectral工具提取波谱曲线。你会发现定标后的曲线数值范围纵坐标发生了显著变化从几千的DN值变成了通常小于100的辐射亮度值而且曲线形态更“平滑”去除了传感器本身的响应噪声。这就是从“数字”迈向“物理量”的第一步。3.2 第二步大气校正——拨开云雾见真容大气层就像一层毛玻璃会散射、吸收太阳光。卫星接收到的信号是地物真实反射光与大气路径辐射的混合体。大气校正就是要剔除这层大气的影响反演出地物真实的地表反射率。这是遥感定量化中最关键也最复杂的一步我们使用ENVI集成的FLAASH模型来完成。在Toolbox中找到Radiometric Correction Atmospheric Correction Module FLAASH Atmospheric Correction。弹出的对话框参数虽多但别慌我们一个个来。输入输出设置Input Radiance Image就选择上一步得到的MSS1_Radiance.dat。Output Reflectance File指定输出反射率文件如MSS1_FLAASH_Reflectance.dat。Output Directory设置一个中间文件输出目录。传感器与影像信息这是容易出错的地方。Sensor Type选择Multispectral UNKNOWN MSI。Flight Date和Flight Time一般会自动从元数据读取检查一下即可。Sensor Altitude对于高分二号卫星填入631.0单位公里。Ground Elevation地面平均高程需要我们自己计算。一个可靠的方法是使用ENVI自带的全球DEM数据通过File Open World Data Elevation (GMTED2010)打开一个.jp2格式的全球高程数据然后将你的研究区影像叠加在上面用ROI工具大致圈出影像范围右键统计即可得到平均高程值单位是米记得除以1000转换成公里填入。比如计算得到1241米这里就填1.241。大气与气溶胶模型Atmospheric Model根据影像的纬度和获取月份对照软件内置的表格选择。例如北纬36度2月成像就选Mid-Latitude Winter。Aerosol Model根据地物类型选城市选Urban乡村选Rural水体或森林选Maritime。Aerosol Retrieval初学者可以先选None。核心设置Multispectral Settings点击这个按钮在新窗口中找到Filter Function File。这是高分二号传感器的光谱响应函数文件必须指定文件通常在ENVI安装目录的resource\filterfuncs文件夹里例如gf2_pms1_mss.sli对应PMS1传感器。选错或漏选会导致校正结果严重错误。高级设置Advanced Settings对于GF-2这样的多光谱数据建议将Modtran Resolution从默认的5 cm⁻¹改为15 cm⁻¹这能提高计算精度和稳定性。所有参数检查无误后点击Apply。FLAASH会运行一段时间结束后会弹窗显示反演出的能见度等信息。此时你可以再次对比校正前后的波谱曲线和影像。成功的大气校正会使植被的波谱曲线更符合“绿色植物”的典型特征在近红外波段有一个高反射峰同时整景影像的色彩会变得更加自然、通透去除了那层“灰蒙蒙”的感觉。3.3 第三步正射校正——把“斜着拍”的照片“扶正”卫星在几百公里高空拍摄加上地球曲率和地形起伏的影响图像上的像元位置与其真实的地理坐标之间存在几何畸变。正射校正就是利用卫星自带的RPC有理多项式系数文件和数字高程模型DEM消除这些畸变生成一幅具有精确地理坐标、像元大小均匀的“地图式”影像。高分二号的.xml元数据里已经包含了RPC信息ENVI可以自动读取这让我们省去了手动采集控制点的繁琐工作。在Toolbox中找到Geometric Correction Orthorectification RPC Orthorectification Workflow。流程化工具会引导你完成三步文件选择Input File选择大气校正后的MSS1_FLAASH_Reflectance.dat。DEM File会自动加载ENVI自带的全球900米分辨率DEMGMTED2010。如果你的研究区是山区且你有更高精度的DEM比如30米的ASTER GDEM强烈建议替换校正精度会更高。RPC优化如果你有高精度的地面控制点可以在这里添加来优化RPC模型。对于大多数情况我们直接点击Next跳过。参数设置与输出在Advanced选项卡里将Output Pixel Size设置为4米这是GF-2多光谱影像的原始空间分辨率。Image Resampling选择Cubic Convolution三次卷积这种方法在平滑度和细节保留上比较均衡。最后在Export选项卡设置输出文件如MSS1_FLAASH_Ortho.dat。完成后将正射校正前后的影像叠加在一起浏览或者打开经纬度坐标查看你会发现校正后的影像边缘变得更加“横平竖直”与标准地图的吻合度大大提高为后续与全色影像的精准融合打下了坚实的几何基础。4. 全色影像处理的精简流程全色影像虽然只有一个波段但拥有1米的高空间分辨率负责提供丰富的纹理和细节信息。它的处理流程是多光谱的简化版目标是与处理好的多光谱影像“对齐”并“数值匹配”。4.1 辐射定标目标不同参数不同用同样的国产卫星工具打开PAN1.xml文件。同样运行Radiometric Calibration工具但这里的Calibration Type要选择Reflectance为什么因为后续我们要用NNDiffuse融合算法这个算法要求输入的多光谱和全色影像都是反射率数据且数值范围最好一致。我们之前多光谱大气校正输出的反射率ENVI默认乘以了10000为了避免存储小数。所以这里我们把全色数据也定标为“表观反射率”并同样放大10000倍。具体设置选择Reflectance后将Scale Factor设置为10000Output Data Type可以设为UInt无符号整型以节省存储空间。输出文件命名为PAN1_Reflectance.dat。这一步相当于把全色影像的数值范围调整到与多光谱反射率影像相匹配的级别是融合后色彩自然的关键。4.2 正射校正分辨率是核心参数全色影像的正射校正流程与多光谱完全一样使用RPC Orthorectification Workflow。唯一的、也是至关重要的区别在于在Advanced选项卡中Output Pixel Size必须设置为1米与全色影像的原始分辨率一致。输出文件可以命名为PAN1_Reflectance_Ortho.dat。至此我们得到了两幅已经“扶正”且处于同一地理坐标系下的影像4米分辨率的地表真实反射率多光谱影像MSS1_FLAASH_Ortho.dat和1米分辨率的表观反射率全色影像PAN1_Reflectance_Ortho.dat。它们俩现在“门当户对”只差最后一步“喜结连理”——图像融合。5. 图像融合强强联合诞生高清彩图图像融合的目的就是将全色影像的高空间细节“注入”到多光谱影像的色彩信息中生成一幅兼具高分辨率与多光谱特性的新影像。ENVI 5.3提供了多种融合方法对于高分二号这类数据我实测下来NNDiffuse Pan Sharpening方法在色彩保真度和细节增强方面表现最为均衡稳定。这个工具位于Toolbox Extensions NNDiffuse Pan Sharpening。打开后Input Low Resolution Raster选择4米的多光谱正射校正结果MSS1_FLAASH_Ortho.dat。Input High Resolution Raster选择1米的全色正射校正结果PAN1_Reflectance_Ortho.dat。其他参数可以保持默认。这里有一个隐含要求NNDiffuse算法要求输入的高低分辨率影像其分辨率必须是整数倍关系。这正是为什么我们之前坚持将多光谱重采样为4米全色重采样为1米的原因4倍关系。如果你随意设置成其他值融合可能会失败或效果很差。点击OK执行融合。完成后将融合结果与原始多光谱影像对比你会看到建筑物边缘、道路、田埂等细节瞬间变得清晰锐利同时植被、水体的颜色依然保持得非常自然没有出现常见的色彩失真或光晕现象。一个常见问题的解决融合后的图像在非地物区域背景值有时会显示为异常的亮白色。这是因为背景值被参与了拉伸显示。解决方法是设置背景值忽略。在ENVI中你可以使用Extensions Raster Processing Batch Tool Data Ignore Value Set Ignore Value [Zero]工具将0值设置为忽略。或者更直接的方法是在Layer Manager中右键点击融合后的图层选择Quick Stats Ignore Value手动设置一个背景值如0。设置后图像显示就正常了。最后你可以通过File Save As将融合好的.dat格式数据另存为更通用的.tif格式方便在ArcGIS、QGIS等其他软件中使用。至此一套从原始GF-2数据到高清融合真彩色影像的完整预处理流程就全部结束了。回顾一下我们依次攻克了辐射定标、大气校正、正射校正和图像融合这四个核心关卡每一步都环环相扣。刚开始可能会觉得步骤繁琐但只要你严格按照这个流程亲手操作一遍把每个参数的意义都理解透以后处理任何一景高分二号数据你都能得心应手。记住预处理是遥感应用的基石基石打牢了后续的分类、识别、反演等分析工作才能得出可靠的结果。