ENVI土地覆盖分类、地表温度反演详细操作流程
温度反演流程图：
01
数据下载
1.1 LANDSAT 8 影像下载
下载地址：https://glovis.usgs.gov/app（需翻墙，下载之前需要先登录账号）
选择需要的影像时间和云量，筛选对应影像，确定后下载即可
1.2 Google erath 影像下载
通过LSV下载器下载，具体是这样的：
（1） 在下载器上绘制比研究区大的区域并把影像下载下来，在arcgis中打开影像后，新建shapefile面文件，这时坐标选择导入，然后鼠标点击影像，这样保证面文件与影像的坐标统一。然后绘制研究区的矢量范围，绘制完毕保存。这样就有了一个与影像相同坐标系的矢量区域。
（2） 之后的影像下载只需在下载器中导入这个矢量区域，即可完成下载。
02
数据预处理
2.1 统一坐标
（1） 下载好LANDSAT 8 影像之后用ENVI打开MTL.txt文件（头文件），右键属性查看影像的坐标系是否与之前绘制的研究区矢量区域坐标系一致。
（2） 如果不一致，则需要在arcgis中转换矢量区域的坐标系，转换成与LANDSAT 8 影像一致的坐标系。具体操作：数据管理工具-投影
2.2 转换数据格式
（1） 目的：将LANDSAT 8 文件中的OLI多光谱波段和TIRS热红外波段分开保存
（2） 具体操作：
| 1 | file-open 打开头文件，file-save_as-save as …(ENVI,NITF,TIFF,DTED)，分别保存OLI和TIRS波段 |
2.3 图像背景值处理
| 1 | 在ENVI经典工作界面中打开已经大气校正后保存的OLI和TIRS数据，map-mosaicking-georeferenced,分别对OLI和TIRS数据进行处理。其中，右键-edit entry-data value to ignore 值设为0，即忽略值为0的背景值。 |
2.4 图像裁切（用roi）
在ENVI集成界面中，加载研究区矢量文件，转换为ROI文件，使用ROI裁剪图像工具，进行空间裁切。
2.5 掩膜处理
由于OLI和TIRS数据的空间范围并不完全一致，并且TIRS的两个波段的空间范围也略有差异，因此需要根据研究区矢量文件、OLI和TIRS值域范围三个条件来建立掩膜。
（1） 创建掩膜
| 1 | ENVI经典界面-vector-open vector file ，选择研究区矢量文件，保存为EVF文件。 |
| 1 | ENVI经典界面-basic tools-masking-build mask,在这个mask definition 窗口下，option-import EVFs，选择刚刚保存的EVF文件。 |
| 1 | 然后option-import data range,选择OLI文件，在input for data range mask窗口下的data min value 输入1，并选择mask pixel if ANY band matches range(表示OLI文件任意一个波段的值大于0 的话就保留)。 |
| 1 | mask definition 窗口下，option-import data range,选择TIRS文件，在input for data range mask窗口下的data min value 输入1，并选择mask pixel if ALL band matches range(表示TIRS文件任意一个波段的值大于0 的话就保留)。 |
| 1 | mask definition 窗口下，option-selected attributes[logical AND],对三个mask条件进行逻辑与操作，同时满足这三个条件的像元才保留。点击Apply，创建掩膜。 |
（2） 掩膜处理
| 1 | ENVI经典界面-basic tools-masking-Apply mask,点击select mask band，选择刚刚建好的掩膜文件，背景值改为255，OK即可。 |
2.6 辐射定标（分波段进行）
（1） 原理
辐射定标是将遥感传感器记录的无量纲DN值转换为具有实际物理意义的表现辐射亮度或者表观反射率的过程。大部分的遥感卫星数据都给出了辐射定标的方程及其相关参数。
备注：辐射定标有两种方法，一种直接在ENVI上进行操作，一种是通过公式进行运算。第一种的前提是影像的头文件中包含Gain值和Offset值。下面不同波段运用不同的定标方法进行介绍。
（2） OLI波段辐射定标
| 1 | 在ENVI集成工作界面Toolbox中，选择Radiometric Correction > Radiometric Calibration，对文件对话框中选择OLI多光谱数据。 |
| 2 | 打开Radiometric Calibration面板。 |
在Radiometric Calibration面板中，设置以下参数：
定标类型（Calibration Type）：辐射率数据Radiance
单击Apply FLAASH Settings按钮，自动设置FLAASH大气校正工具需要的数据类型，包括储存顺序（Interleave）：BIL或者BIP；数据类型（Data Type）：Float；辐射率数据单位调整系数（Scale Factor）：0.1。
设置输出路径和单位名，单击OK执行辐射定标。
定标结果验证：显示辐射定标结果图像，选择Display>Profiles>Spectral查看波谱曲线，看到定标后的数值主要集中在0-10范围内，单位是µW/(cm2 * sr * nm)。
（3） TIRS波段辐射定标
| 1 | 打开ENVI经典工作界面-basic tools-band math； |
| 2 | 在enter an expression中输入波段运算公式：3.3420E-04*b1+0.1； |
| 3 | 通过map variable to input file 将波段变量b1与整个TIRS文件关联起来，执行波段运算，得到TIRS波段的辐射亮度。 |
2.7 大气校正
（1） 原理
大气校正勇于消除遥感传感器成像过程中大气对短波和长波辐射的散射、吸收等影响。短波辐射（可见光、近红外、短波红外）主要受大气散射影响，长波辐射（热红外）主要受大气吸收和大气自身热辐射影响。通常大气校正指的是对短波波段的校正，主要是消除大气散射的影响，关键输入参数是气溶胶光学厚度或者能见度。
大气校正的方法分为相对大气校正和绝对大气校正两类。相对大气校正包括内部平均法、平场域法、对数残差法等，绝对大气校正包括经验方程法、暗像元法和辐射传输模型法等。辐射传输模型法能比较准确地消除大气、观测角度等因素对辐射信号的影响，得到了广泛应用。这种方法常用的大气辐射传输模型有6S模型、MODTRAN模型、ATCOR3模型、QUAC模型等。
ENVI的FLAASH模块的大气校正以MODTRAN模型为基础，能够对高光谱和多光谱遥感数据进行大气校正。
（2） 数据要求
FLAASH 模块对输入的遥感数据有一定的要求;①必须是辐射定标后的辐射亮度图像∶②必须是 BIL 或者 BIP 顺序;③已知的多光谱传感器（如 Landsat 系列、SPOT 系列等，详见 FLAASH 说明文件）要有各波段的中心波长信息，未知的多光谱传感器（如 CBERS 系列、GF 系列）要有各波段的波谱响应函数信息。
（3） 具体操作
由于TIRS文件与OLI波段分开保存，辐射定标方法不一样，因为TIRS波段的辐射校正没有转换为BIL或者BIP顺序，所以TIRS辐射亮度文件需要先操作下面这一步：
| 1 | ENVI经典界面-basic tools-convert data (BSQ、BIL、BIP)，在打开的convert file input file对话框中选择辐射亮度文件，然后点BIL，保存。 |
OLI定标的方法无需上面这一步。
接下来TIRS与OLI辐射亮度文件的大气校正操作一致。
需要注意的是大气校正时需要提前准备两个数据：影像的海拔（单位是km），影像成像时间。
具体操作如下：
影像的海拔获取：
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。[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，选择数据统计-空间统计（Compute Statistics），打开输入文件对话框，选择GMTED2010.jp2数据。单击Stats Subset按钮，打开Select Statistics Subset对话框。
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。
5）在统计面板中，默认选择Basic Stats基本统计即可.
6）这样就可以得到平均海拔高程。
【注：该方法是统计图像最大外接矩形区域，如果需要精确统计不规则图像，则需要在Compute Statistics Input File对话框中输入掩膜文件。】
影像成像时间（格林威治时间）获取：
【有些版本不需要人工获取，这里5.3可以自动获取影像成像时间】
（人工获取方式：在layer manager 中的数据图层中右键选择View Metadata浏览 time 字段获取）
接下来正式进行大气校正参数设置，如下图
【路径必须都更改，否则校正会出错】
（4） 大气校正结果检验
FLAASH为了节约存储空间，默认将输出反射率结果乘以1000转换为整型数据。如果需要真实的反射率数值，要通过波段运算等方式将结果图像乘以 0.0001，将反射率范围转换为0～1。
经过 FLAASH大气校正后的反射率图像有效消除了大气和光照角度等因素的影响，与地物真实反射特征更接近，图3.10给出了某个植被像元大气校正前后光谱曲线的对比，可见大气校正后的反射率曲线很好地体现出了植被的光谱特征。
经过FLAASH大气校正后的反射率图像中可能会存在少量小于0或者大于10000 的像元值，即真实反射率小于0或者大于 1。负值像元通常为水体、浓密植被或者阴影像元，反射率大于1的像元通常是高反射人工地物。这种情况可能由能见度等输入参数误差、数据噪声、参数设置等因素导致的，通常占整个图像比例比较小。可以通过波段运算或掩膜等操作将小于0的像元值设为0（或者略大于0的值），将大于 1 的值设为1（或者略低于1的值）。
运用波段运算对反射率进行修正∶ ENVI 主菜单→Basie Tools→Band Math，打开 Bad Mat 对话框，在 Enter an expression 文本框内输入波段运算公式;（b1*0.0001）>0<1.该公式首先将反射率图像乘以0.0001，转换到0～1，然后将小于0的像元值替换为 0.最后将大于1的像元值替换为1。点击 OK按钮打开 Variables to Bands Pairings 对话框，点击Map Variables to Input File 按钮将波段变量 b1 和整个反射率图像关联起来，执行计算。
03
土地覆盖分类
监督分类方法
3.1 样本绘制
点击菜单栏中的绘制ROI工具
3.2 分类
ENVI中提供了多种监督分类方法，最大似然法是应用非常广泛的监督分类法。
| 1 | ENVI经典界面-classification-supervised-maximum likelihood，在窗口下选中所有地物的ROI |
| 2 | set probability threshold 用于设置似然度的阈值，如果某像元归属于各类地物的似然度均低于该阈值则归为未分类（unclassed）类型，data scale factor用于输入比例系数，一般为1，output rule images 用于输出规则图像（各像元归属于各类地物的似然度图像） |
| 3 | 最后点击OK，开始监督分类。 |
3.3 精度评价
ENVI提供两种验证方法：基于ROI和基于分类图像。如果验证样本以ROI形式存在，采用第一种方法；如果验证样本是其他可靠来源的分类图像，采用第二种方法。大多数验证样本为ROI形式。
具体操作：
1. 打开开始进行分类的影像，再次创建各类地物的ROI，并导出为shape file文件。【注意：各类地物要单独、分别保存一个shape file文件】
2. ENVI经典界面-vector-open vector file ，选择刚刚保存的shape file文件，保存为EVF文件并点击load band 加载。
3. ENVI经典界面-classification-post classification-confusion matrix-using ground truth ROIs，选择好几个相互对应的shape file和地物类型，点add combination之后，点击OK即可。
NDVI 决策树分类方法
3.1 NDVI计算
1. ENVI经典界面-transform-NDVI,选择裁切好的OLI数据
2. 打开NDVI calculator parameters对话框，在NDBI band 栏的red和near IR分别输入4、5（OLI的第4、5波段对应红和近红外波段），计算得到NDVI。
3. [或者用波段运算公式(float(b5)-b4)/(float(b5)+b4)计算]
1. ENVI经典界面-basic tools-statistics-compute statistics,在窗口中选择计算出的NDVI，
点击select mask band选择之前建好的掩膜文件（对研究区范围内的有效值像元进行统计），2. 然后在窗口中勾选histograms，统计直方图。
3.
4. 从统计得到的NDVI累计直方图中读取累计频率为5%和95%的NDVI值大约为0.333和0.666，即〖NDVI〗_Soil和〖NDVI〗_Veg。
1. 在band math窗口中enter an expression输入波段运算公式：((b1-0.333)/(0.666-0.333)>0)<1，将b1与NDVI关联起来，执行运算。
2.
3. 然后再available band list窗口中右击quick stats进行快速统计，检查数据的最小值和最大值是否为0和1。
3.2 决策树分类
1. ENVI经典界面-classification -decision tree-build new tree
1. [注意大于小于号要用运算符 （如下图）gt-大于]
3.3 精度评价（同上）
04
温度反演
4.1 亮度温度计算
1. ENVI经典界面-basic tools-band math，输入波段运算公式1321.0789/alog(1+774.8853/b1)，将波段变量b1与TIRS第1波段定标后的辐射亮度关联起来，执行波段运算后得到TIRS第1波段的亮度温度。
4.2 地表比辐射率计算
比辐射率又称发射率，使用覃志豪等提出的地表比辐射率与NDVI之间一定的函数关系，根据该函数关系和植被覆盖度（F）估算所需地表比辐射率，计算公式如下:
式中， F表示植被覆盖度，NDVI为归一化植被指数，〖NDVI〗_Soil和〖NDVI〗_Veg分别为裸地和植被的NDVI值，ε为比辐射率。
（1） 计算植被覆盖度
1. ENVI经典界面-transform-NDVI,选择裁切好的OLI数据，打开NDVI calculator parameters对话框，在NDBI band 栏的red和near IR分别输入4、5（OLI的第4、5波段对应红和近红外波段），计算得到NDVI。[或者用波段运算公式(float(b5)-b4)/(float(b5)+b4)计算]
1. ENVI经典界面-basic tools-statistics-compute statistics,在窗口中选择计算出的NDVI，点击select mask band选择之前建好的掩膜文件（对研究区范围内的有效值像元进行统计），然后在窗口中勾选histograms，统计直方图。从统计得到的NDVI累计直方图中读取累计频率为5%和95%的NDVI值大约为0.333和0.666，即〖NDVI〗_Soil和〖NDVI〗_Veg。
1. 在band math窗口中enter an expression输入波段运算公式：((b1-0.333)/(0.666-0.333)>0)<1，将b1与NDVI关联起来，执行运算。然后再available band list窗口中右击quick stats进行快速统计，检查数据的最小值和最大值是否为0和1。
[NDVI值在〖NDVI〗_Soil和〖NDVI〗_Veg之间时，运用上面计算植被覆盖度的公式，NDVI小于等于〖NDVI〗_Soil的像元植被覆盖度为0，NDVI大于等于〖NDVI〗_Veg的像元植被覆盖图为1。]
（2） 计算比辐射率
1. 在band math窗口中enter an expression输入波段运算公式：0.004*b1+0.986，得出比辐射率。
4.3 大气透过率计算
有两种方法：一种是在NASA的官网上查数据，另一种是需要MODIS水汽数据进行计算。这里先介绍第一种吧。在NASA官网(http://atmcorr.gsfc.nasa.gov/)中输入成影时间以及中心经纬度，则会提供对应需要的参数。如下图：
4.4 地表温度计算
基于单窗算法模型，反演地表温度：
C=ετ
D=(1-ε)[1+(1-ε)τ]
LST=(a(1-C-D)+[b(1-C-D)+C+D]×Tb-D×Ta)/C
式中，LST为地表温度，a和b为常量，当温度介于0-70°C 时，a=-67.3554，b=0.4586；C和D为中间变量；Tb为第10波段的辐射亮度温度，Ta为大气平均作用温度。
1. 在band math窗口中enter an expression分别输入以上3个波段运算公式即可得出地表温度。
————————————————
版权声明：本文为CSDN博主「小白尔」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_46116695/article/details/105929471
数据分享
1、【数据分享】30米精度全球地表覆盖分类数据（2000、2010、2020）2、【数据分享】全国分省、市、县、乡镇行政区划矢量图（专业版shp、小白版ppt）免费下载3、【数据分享】中国月度1KM植被指数（NDVI）空间分布数据集4、【数据分享】中国陆地生态系统服务价值空间分布数据集5、【数据分享】中国农田熟制遥感监测数据集6、【数据分享】多个自然资源（大气、土地、水等）面板数据大放送、时间跨度长、地区分布广，快速下载7、【数据分享】中国30米分辨率坡度数据（免费获取）8、【数据分享】最新！全国人口密度数据2000-2020年9、【数据分享】中国GDP空间分布公里网格数据集10、【数据分享】建筑矢量数据shap，26个省级城市建筑轮廓11、【数据分享】中国100万地貌类型空间分布数据12、【数据分享】中国100万植被类型空间分布数据13、【数据分享】中国人口空间分布公里网格数据集 部分数据展示，关注Ai尚研修公众号，更多数据资源轻松下载！
大气数据
土利用数据
部分数据展示，关注Ai尚研修公众号，更多数据资源轻松下载！
Ai尚研修丨专注科研领域
技术推广，人才招聘推荐，科研活动服务
科研技术云导师，Easy Scientific Research