MaxYY.-CSDN博客

原创水分遥感指数（VCI/VSWI）计算详细步骤

本文详细介绍了利用ENVI软件计算植物水分遥感指数（VCI/VSWI）的操作流程。VCI计算需先提取NDVI数据的10%和90%累积概率值作为阈值，通过波段运算生成0-1范围的指数；VSWI则通过NDVI与反照率数据运算获得。两种指数均需进行数值范围验证和目视检查，确保缺水区指数降低、水分充足区指数升高的逻辑一致性，并剔除异常值。该流程为后续建立遥感指数与实测水分的定量关系模型提供了核心指标，适用于监测植被水分胁迫状况。

2025-12-20 20:15:48 850

原创 ENVI 纯手动计算地表反照率

摘要：本文介绍基于ENVI平台计算地表反照率的流程。首先确认预处理后的多光谱反射率数据（含蓝、绿、红、近红外4个波段），采用适配无人机数据的简化宽波段反照率公式（0.160b1+0.291b2+0.243b3+0.306b4）。通过ENVI波段运算工具输入公式生成反照率栅格（正常范围0-0.5），最后结合植被覆盖数据进行结果验证，确保裸土区反照率偏高、植被区偏低，必要时进行异常值掩膜处理。该流程适用于农田混合下垫面的无人机遥感研究。

2025-12-06 17:46:18 510

原创 FVC 与反射率波段的相关性分析

本文详细介绍了利用ENVI软件进行植被覆盖度(FVC)与红波段反射率相关性分析的操作流程。首先加载FVC结果和红波段反射率数据文件，在ENVI中选取21个覆盖不同植被覆盖度的样本点。然后导出样本点的FVC值和红波段反射率数据，导入Excel进行相关系数计算。该分析旨在验证植被参数间的关联性，为后续蒸散量模型提供数据支持，同时检验数据的合理性是否符合植被生理规律。整个流程包括数据准备、样本点选取、数据导出和统计分析四个主要步骤。

2025-11-29 21:32:53 685

原创植被覆盖度（FVC）计算步骤

摘要：本文介绍了基于ENVI软件的植被覆盖度（FVC）计算流程。首先加载NDVI结果数据，通过统计确定NDVImin（累积概率5%）和NDVImax（累积概率90%）阈值。然后使用波段运算工具，应用像元二分模型公式：(NDVI-NDVImin)/(NDVImax-NDVImin)计算FVC。最后进行结果验证，确保FVC值在0-1范围内，并通过颜色渲染与反射率影像对比检查合理性。整个过程约需3-5分钟，需注意阈值选取的准确性。

2025-11-20 19:40:26 760

原创辐射定标与大气校正的学习

获得地物真实的光谱信息是遥感反演的前提，大气校正可消除大气影响，还原地物的真实信息，是定量遥感数据预处理中必不可少的环节。前置条件：完成辐射定标，准备大气参数（AOD、水汽含量、大气剖面）最终影响后续蒸散量反演的核心参数（如反照率、NDVI）精度。大气校正的核心是消除 “大气散射 / 吸收” 的干扰，但。二、在进行大气校正前需要先查看高程统计值，高程决定。三、大气校正（以 FLAASH 模块为例）1．在右侧工具箱点击“波段统计”直接影响大气校正参数。3.1大气校正——概述。

2025-11-16 14:25:03 1133

原创 ENVI计算NDVI

摘要：本文详细介绍了在ENVI软件中计算NDVI指数的步骤：1）加载多波段反射率数据并验证波段顺序（红波段为第3波段，近红外为第4波段）；2）通过Toolbox调用NDVI计算工具；3）设置参数时需正确输入红波段（3）和近红外波段（4）序号；4）输出浮点型NDVI结果文件并验证数值范围（-1至1）。关键注意事项包括波段序号的核对和输出数据类型的保持。

2025-11-09 22:28:08 1004

原创多光谱反射率辐射特性分析与异常值识别

摘要：本文介绍了多光谱反射率数据的辐射特性分析与异常处理方法。首先通过ENVI工具计算四个波段（蓝、绿、红、近红外）的统计特征，识别异常情况如反射率超范围、标准差过大或直方图异常。针对不同异常提出具体解决方案：波段运算截断处理超范围值，低通滤波平滑噪声干扰，ROI分区掩膜解决地物混杂问题。最后通过重新统计分析验证处理效果，确保所有波段反射率在0-1范围内，标准差降至合理区间。处理后的数据可用于后续反照率等指标计算。

2025-11-01 21:53:33 1004

原创剔除无效数据、统一格式，避免后续计算报错

文章摘要：本文介绍了ENVI软件中NDVI影像预处理的三步操作流程：1）通过ROI工具框选无效区域并构建掩膜剔除黑块/噪声；2）使用数据类型转换功能统一所有波段为32位浮点型；3）验证各数据层坐标系一致性。处理时需注意无效区域过多可先裁剪、转换后数据体积增大、以及确保所有数据空间参考一致。预处理结果应保存在专门文件夹，原始数据可备份后关闭以节省内存。

2025-10-24 21:54:57 373

原创将Pix4D导出数据导入ENVI

文章摘要：针对农作物蒸散量反演需求，在Pix4D数据导入ENVI时需进行选择性筛选。核心数据包括多光谱反射率影像（仅保留蓝、绿、红、近红外等关键波段）和数字表面模型（DSM），前者用于计算植被指数和反照率，后者用于地形参数分析。辅助数据如预计算的NDVI可提升效率但非必需。点云文件、空三结果等与蒸散无关的数据可忽略。为优化ENVI性能，建议在Pix4D导出时筛选波段、裁剪研究区或降低分辨率。导入后需验证坐标系一致性和波段完整性。

2025-10-19 14:06:31 802

原创多光谱农业数据Pix4D处理流程及ENVI可用插件

本文详细介绍了农业多光谱数据处理流程，重点针对蒸散反演需求优化参数设置。首先在初始化处理阶段，通过常规、匹配和校准三个标签页的参数配置，确保空三加密精度。其次在点云和纹理处理中，调整点密度和分类参数以获取高质量地形和植被数据。最后在DSM和正射影像生成环节，设置分辨率和过滤参数，并说明如何导出反射率影像和植被指数。文末还介绍了ENVI作物科学插件的安装步骤，该插件可自动计算植被指数和蒸散量。全文为农业遥感数据处理提供了系统化的参数配置指导，确保数据质量满足后续分析要求。

2025-09-27 19:23:56 1843

原创 Qgis组综述（9.7-9.14）

Pix4D在农作物蒸散量反演中扮演关键预处理角色，主要包括：1）生成多光谱反射率影像用于计算植被指数和LAI；2）构建数字表面模型（DSM）分析地形影响；3）制作数字正射影像（DOM）用于田块划分；4）输出NDVI等植被指数图。操作流程涵盖影像导入、坐标系设置、初始处理（空三加密）、生成密集点云/DSM、反射率校正及植被指数计算等步骤，最终导出GeoTIFF格式的标准化空间数据供ENVI进行蒸散量计算。处理中需特别注意相机参数优化和辐射校正设置，确保数据精度满足后续分析要求。

2025-09-13 18:25:32 982

原创 QGIS组软件学习第六周综述（6.20-6.27）

Pix4D构建了从无人机影像到地理信息的自动化处理流程，包含影像配准、DEM生成等环节。其"导入-配置-输出"的设计为地理数据处理提供了高效范式，并启发了QGIS中GDAL工具链的优化应用。图像配准操作需在QGIS中完成坐标系预设、参考底图加载，通过采集3个以上均匀分布的控制点，并实时监控RMSE误差，最终输出带地理坐标的GeoTIFF文件。该流程兼顾多源数据兼容性，为地理分析提供了规范化数据基础。

2025-06-26 20:57:13 451

原创 QGIS组第五周代码学习（6.13-6.20）

摘要：本文介绍了一个基于QGIS和GDAL的栅格裁剪脚本，用于实现单文件或批量栅格裁剪功能。该脚本通过processing.run调用GDAL的"cliprasterbymasklayer"算法，支持多种栅格格式（如TIFF、JPEG等），包含图层有效性检查、参数配置（保持分辨率、无数据值设置）和路径验证等健壮性处理。主要功能包括：单文件精确裁剪（严格按照矢量边界）和文件夹批量处理（自动识别栅格文件）。适用于GIS数据预处理和自动化工作流场景，模块化设计便于功能扩展和集成。脚本通过Qg

2025-06-19 22:03:35 304

原创 Qgis软件第五周学习（6.13-6.20）

本文介绍了GIS数据处理中的六项核心操作：1）数据过滤功能，通过查询构建器筛选特定要素；2）线图层符号化设置，将普通线转换为箭头符号；3）捕捉工具连接断线，提升编辑精度；4）矢量叠加分析（交集取反），提取图层不重叠区域；5）矢量叠加分析（差集），保留主图层独有要素；6）影像配准操作，包括坐标系检查和数据加载。这些操作涵盖数据筛选、符号处理、拓扑编辑、空间分析及影像配准等典型应用场景，为GIS数据处理提供了完整的工作流程指南。（150字）

2025-06-19 22:01:18 1047

原创 QGIS第四周软件学习综述（6.5-6.13）

摘要：本文介绍了QGIS软件中测量距离、面积及添加标注的操作方法。距离测量需使用测量工具点击两点，注意地理坐标系会产生误差，应切换为投影坐标系（如UTM）。面积测量需绘制闭合多边形，单位默认平方米。标注功能仅适用于矢量数据，对JPG格式需先创建矢量图层（如描边绘制田块），或直接使用配套的Shapefile文件。操作涉及工具选择、坐标转换和图层编辑，能有效处理无人机影像的空间数据分析需求。（150字）

2025-06-12 20:19:14 1067

原创 QGIS组第四周代码学习（6.5-6.13）

摘要：本文介绍了图像处理中的两个核心操作：图像裁剪和控制点提取。图像裁剪通过数组切片实现，指定坐标和尺寸即可截取目标区域。控制点提取采用SIFT算法自动匹配特征点，能适应不同光照和角度变化，适用于无人机影像配准。函数实现包括创建输出目录、遍历影像、执行SAGA工具的参数配置，最终生成控制点矢量文件，为后续影像配准提供基础数据。整个过程自动化程度高，可有效处理批量影像的特征匹配任务。

2025-06-12 10:34:45 372

原创 QGIS组第三周代码综述（5.30-6.5）

摘要：本文介绍了QGIS中基于GDAL工具箱的两段核心影像处理代码。第一段代码实现影像配准，通过控制点和仿射变换将待配准影像对齐到参考影像坐标系；第二段代码完成多影像自动拼接，采用渐变混合算法处理重叠区域，生成无缝镶嵌结果。这两段代码解决了无人机影像几何偏差和覆盖范围有限的难题，为黄芪田间水分监测提供了一致的遥感数据基础，显著提高了处理效率和分析精度。代码参数设置详细，可根据不同影像特征调整变换方法和混合距离等关键参数。

2025-06-05 20:04:46 834

原创 QGIS软件第三周学习综述（5.30-6.5）

本文介绍了QGIS中四种常用功能操作：1）点图层标注显示，通过属性设置和表达式调整标注格式；2）线图层与多边形图层标注显示的设置方法，其中线图层可选择"比例米"固定字体大小；3）利用字段计算器计算图层数据（如面积计算）；4）工作空间保存与打开方法，可通过"保存工程"或"最近工程"快速访问项目。这些操作涵盖了QGIS数据标注、计算和项目管理的基本功能。

2025-06-05 20:02:06 594

原创 QGIS软件第二周学习综述（5.24-5.30）

本文介绍了QGIS的实用操作技巧：1）安装插件并使用天地图查看在线地图；2）管理不同图层类型及其相互转换方法；3）LatLonTools插件的坐标处理功能；4）热力图的生成步骤，包括点图层创建和权值设置。这些功能可显著提升地理信息处理效率。

2025-05-29 21:17:13 330

原创 QGIS组第二周代码综述（5.24-5.30）

热红外影像通常用来获取地表的温度信息，尤其适用于热区的分析，比如田埂、农田等区域的温度特征。在这里，输出的是一个新的二值栅格影像（boundary_mask.tif），该影像表示的是田埂区域的掩模。通过热红外影像的温度数据，自动提取了低于25°C的区域，通过这种方式，能够有效避免某些地物（如植被）对结果的干扰，可以快速识别出田埂区域。该算法的作用是识别影像之间的相似部分（重叠区域），并提取特征点作为控制点，用于影像配准。否则，像素值将被赋值为0，表示该区域不是田埂（可能是其他类型的地物或温度较高的区域）。

2025-05-29 21:11:53 928

原创 QGIS组第二周论文综述（5.24-5.30）

论文提出使用 QGIS 将多源数据统一至 UTM/WGS84 投影的流程，与 “无人机影像与地面参数坐标统一” 需求一致，可参考其控制点选取和变换参数设置（如多项式阶数）。论文中通过 QGIS 裁剪功能去除非目标区域（如边缘畸变、田埂）的方法，可直接应用于无人机影像的 ROI（兴趣区域）提取，保留黄芪田间有效监测范围。论文中 “固定网格切割”（如 10m×10m）与项目的裁剪部分目标一致，可参考其通过 QGIS “栅格裁剪” 工具实现批量切割的方法。(1)热红外与多光谱数据的特征互补性，以提升地物区分度；

2025-05-29 21:07:28 451

原创 QGIS图像裁剪与拼接

本组任务在项目中负责“多源遥感数据标准化与空间集成”，主要利用QGIS软件对无人机获取的多光谱影像、热红外影像及地面同步参数进行空间切割、裁剪、拼接与地理配准，生成符合时空一致性要求的标准化空间数据集。任务的核心作用包括数据质量控制、时空一致性保障以及为模型训练提供高精度数据基底。具体实施步骤包括数据输入与预处理、影像裁剪、空间配准与拼接、标准化网格单元生成、影像分块导出及多源数据空间关联。通过自动化脚本开发和质量控制验证，确保输出数据的准确性和完整性。最终交付物包括裁剪后的单幅图像、拼接完成的区域全景图及

2025-05-22 20:37:20 1815 1

2401_83241143的博客