遥感图像彩色合成|以Landsat8数据为例

1、原理和方法
  在使用单波段图像时,由于成像系统动态范围的限制,地物显示的亮度值差异较小。又由于人眼对黑白图像亮度级的分辨能力仅有10~20级左右,而对色彩和强度的分辨力可达100多种,因此将黑白图像转换成彩色图像可使地物的差别易于分辨。
 

1.1 彩色合成(color composite)

 在通过滤光片、衍射光栅等分光系统而获得的多波段图像中选出三个波段,分别赋予三原色进行合成。根据各波段的赋色不同,可以得到不同的彩色合成图像。

(1) 真彩色合成

 在通过蓝、绿、红三原色的滤光片而拍摄的同一地物的三张图像上,若使用同样的三原色进行合成,可得到接近天然色的颜色,此方法称为真彩色合成。

(2) 假彩色合成

 由于多波段摄影中,一副图像多不是三原色的波长范围内获得的,如采用人眼看不见的红外波段等,因此由这些图像所进行的彩色合成称假彩色合成。

 计算机的彩色合成原理与光学彩色合成原理相同,在计算机系统中,彩色合成的操作更简单,只要改变调色板,即改变各原色的合成比例和波段,就容易改变影像的色彩。

 进行遥感影像合成时,方案的选择十分重要,它决定了彩色影像能否显示较丰富的信息或突出某一方面的信息。以陆地卫星Landsat的TM影像为例,当4,3,2波段分别被赋予红、绿、蓝颜色进行彩色合成时,这一合成方案就是标准假彩色合成,是一种最常用的合成方案。实际应用时,常常根据不同的应用目的在试验中进行分析、调试,寻找最佳合成方案,以达到最好的目视效果。

1.2. 密度分割(Envi Classic)

 将一副图像的整个亮度值变量L按照一定量分割为若干等量间隔△L,每一间隔赋予一种颜色Ck,以Ck控制成像系统的彩色显示,就可得到一副假彩色密度分割图像。

1.3、Layer Stacking(Envi)

在Envi中使用Layer Stacking 工具,按照波段特征进行波段合成。

2、Landsat传感器和波段介绍

Landsat TM (ETM+)7个波段可以组合很多RGB方案用于不同地物的解译,Landsat8的OLI陆地成像仪包括9个波段,可以组合更多的RGB方案。

    OLI包括了ETM+传感器所有的波段,为了避免大气吸收特征,OLI对波段进行了重新调整,比较大的调整是OLI Band5(0.845–0.885 μm),排除了0.825μm处水汽吸收特征;OLI全色波段Band8波段范围较窄,这种方式可以在全色图像上更好区分植被和无植被特征;此外,还有两个新增的波段:蓝色波段 (band 1; 0.433–0.453 μm) 主要应用海岸带观测,短波红外波段(band 9; 1.360–1.390 μm) 包括水汽强吸收特征可用于云检测;近红外band5和短波红外band9与MODIS对应的波段接近,详情参考表3。

如表1是OLI波段合成的简单说明。表2是前人在长期工作中总结的Landsat TM(ETM+)不同波段合成对地物增强的效果。对比表3,可以将表1和表2的组合方案结合使用。

表1:OLI波段合成

RGB

主要用途

4 、3 、2

Red、Green、Blue

自然真彩色

7、 6 、4

SWIR2、SWIR1、Red

城市

5、 4 、3

NIR、Red、Green

标准假彩色图像,植被

6 、5 、2

SWIR1、NIR、Blue

农业

7 、6、 5

SWIR2、SWIR1、NIR

穿透大气层

5、 6、 2

NIR、SWIR1、Blue

健康植被

5 、6、 4

NIR、SWIR1、Red

陆地/水

7、 5 、3

SWIR2、NIR、Green

移除大气影响的自然表面

7 、5 、4

SWIR2、NIR、Red

短波红外

6、 5 、4

SWIR1、NIR、Red

植被分析

表2:Landsat TM波段合成总结说明

RGB

类型

特点

3、2、1

真假彩色图像

用于各种地类识别。图像平淡、色调灰暗、彩色不饱和、信息量相对减少。

4、3、2

标准假彩色图像

它的地物图像丰富,鲜明、层次好,用于植被分类、水体识别,植被显示红色。

7、4、3

模拟真彩色图像

用于居民地、水体识别

7、5、4

非标准假彩色图像

画面偏蓝色,用于特殊的地质构造调查。

5、4、1

非标准假彩色图像

植物类型较丰富,用于研究植物分类。

4、5、3

非标准假彩色图像

(1)利用了一个红波段、两个红外波段,因此凡是与水有关的地物在图像中都会比较清楚;(2)强调显示水体,特别是水体边界很清晰,益于区分河渠与道路;(3)由于采用的都是红波段或红外波段,对其它地物的清晰显示不够,但对海岸及其滩涂的调查比较适合;(4)具备标准假彩色图像的某些点,但色彩不会很饱和,图像看上去不够明亮;(5)水浇地与旱地的区分容易。居民地的外围边界虽不十分清晰,但内部的街区结构特征清楚;(6)植物会有较好的显示,但是植物类型的细分会有困难。

3、4、5

非标准接近于真色的假彩色图像

对水系、居民点及其市容街道和公园水体、林地的图像判读是比较有利的。

表3: OLI陆地成像仪和ETM+对照表

OLI陆地成像仪

ETM+

序号

波段(μm)

空间分辨率 (m)

序号

波段(μm)

空间分辨率 (m)

1

0.433–0.453

30

 

 

 

2

0.450–0.515

30

1

0.450–0.515

30

3

0.525–0.600

30

2

0.525–0.605

30

4

0.630–0.680

30

3

0.630–0.690

30

5

0.845–0.885

30

4

0.775–0.900

30

6

1.560–1.660

30

5

1.550–1.750

30

7

2.100–2.300

30

7

2.090–2.350

30

8

0.500–0.680

15

8

0.520–0.900

15

9

1.360–1.390

30

 

 

 

3、实验步骤

3.1 在Envi Classic中使用密度分割进行波段合成

在主图像窗口,选择 Overlay> Density Slice,将出现 “Density Slice Band Choice” 对话框。

在“Defined Density Slice Ranges” 下列有八个系统默认范围。这些范围由滚动窗口计算的最小值和最大值来限定,并显示在 “Min” 和 “Max” 文本框中。

②在适当的文本框中输入所需要的最小和最大值,来改变密度分割的范围。要重新设置数据范围到初始值,点击 “Reset”。

③ 通过选择对话框时底部 “Windows” 旁所需要的复选框,来选择是否将密度分割颜色应用到图像窗口、滚动窗口或这两个窗口。

④点击 “Apply” ,将系统默认的范围和颜色应用于图像上。要编辑数据范围:

a) 选择一个数据范围,并点击 “Edit Range” 来改变范围值或颜色;

b) 当出现 Edit Density Slice Range 对话框时,输入所需要的最小和最大值,并从 “Color” 菜单中选择一种颜色;

c) 点击 “OK” ,执行改变 “Defined Density Slice Ranges” 列表中的范围。

d) 点击 “Apply” ,把新的范围和颜色应用到图像上。

要从列表中删除一个范围,选择数据范围,然后点击 “Delete Range”。要清除密度分割范围列表,点击 “Clear Ranges”。


 

3.2 在Envi中使用Layer Stacking工具合成波段

打开Layer Stacking工具——选择要操作的影像——Spectral Subset中选择要合成的波段——指定位置输出

 

  • 21
    点赞
  • 149
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Landsat 8是一种卫星遥感平台,通过其传感器拍摄的图像可以用于叶绿素反演。叶绿素是植物中的关键化学物质,对植物的光合作用和生长发育起着重要作用。 首先,叶绿素反演需要获取Landsat 8遥感图像Landsat 8的传感器可以获得多个波段的图像,其中红光和近红外波段对叶绿素反演非常重要。 其次,需要利用遥感图像中的红光和近红外波段来计算植被指数,常用的指数包括归一化植被指数(NDVI)和叶绿素吸收比(CARI)。这些指数可以表征植物的健康状况和叶绿素含量。 然后,需要建立一个针对特定地区和植被类型的叶绿素含量模型。通过采集一定数量的野外数据,可以获取野外叶绿素浓度的确定值,并与相应的Landsat 8图像进行对比。利用这些对比数据,可以建立一个叶绿素含量模型,基于植被指数和地面测量数据的关系。 最后,利用所建立的模型可以对Landsat 8图像中的植被指数进行反演,得出叶绿素含量分布图。这些分布图可以显示不同地区和植被类型的叶绿素含量差异,对植物生态学和农业生产等领域的研究有重要意义。 总的来说,利用Landsat 8遥感图像进行叶绿素反演需要获取图像、计算植被指数、建立叶绿素含量模型,然后进行反演分析。这种方法可以通过遥感技术来获取大范围的叶绿素含量信息,为植物生态学和农业生产等科学研究提供有力支持。 ### 回答2: Landsat 8是一颗卫星,可以获取地球表面的遥感图像。叶绿素反演是指通过遥感图像分析,估计地表上植被叶绿素含量的过程。 叶绿素反演的思路主要包括以下几个步骤: 第一步是图像预处理。首先对Landsat 8遥感图像进行大气校正,以消除大气对图像的影响。然后进行辐射校正,将图像转换为地表反射率,以消除太阳辐射的影响。 第二步是选择合适的光谱指数。光谱指数是基于遥感图像不同波段的比值或均值计算得到的参数,可以反映出植被叶绿素含量的变化。常用的光谱指数包括归一化差异植被指数(NDVI)和归一化水体指数(NWI)等。 第三步是建立反演模型。通过收集现场采集的植被叶绿素含量数据,可以建立统计模型来估计植被叶绿素含量与光谱指数之间的关系。常用的模型包括线性回归模型和多元回归模型等。 第四步是应用反演模型。将建立好的反演模型应用到Landsat 8遥感图像中,利用选择的光谱指数计算出叶绿素含量的预测值。根据预测值可以进行空间分布分析,得到植被叶绿素含量的空间分布图。 第五步是结果评价。评估反演结果的准确性和可靠性,可以通过与现场测量结果进行对比来确定反演模型的精度。 总的来说,通过预处理、选择光谱指数、建立反演模型、应用模型和结果评价,可以利用Landsat 8遥感图像进行叶绿素反演,从而获得地表植被叶绿素含量的空间分布信息。 ### 回答3: Landsat 8是一颗遥感卫星,能够获取地球表面的高分辨率多光谱图像。叶绿素反演是基于Landsat 8遥感图像来确定植被叶绿素含量的一种方法。下面是对于Landsat 8遥感图像叶绿素反演的思路。 首先,Landsat 8的多光谱图像可以通过对地面不同波段的反射率进行分析来获得植被的信息。利用Landsat 8的4个波段(蓝色、绿色、红色和近红外)可以计算植被指数(如归一化植被指数,简称NDVI),该指数与叶绿素含量有着较强的相关性。 其次,通过对地面实的叶绿素含量进行验证和校验,可以建立叶绿素含量与NDVI之间的关系模型。可以利用野外采样的方法,收集与Landsat 8图像获取时期吻合的地面叶绿素数据。利用这些数据,可以通过回归分析等方法建立叶绿素含量和NDVI之间的关系模型。 然后,根据建立的关系模型,可以将Landsat 8遥感图像中的NDVI值转换为叶绿素含量。这样,就可以通过Landsat 8遥感图像来反演植被叶绿素含量的空间分布。可以利用GIS软件和遥感图像处理软件,对Landsat 8图像进行处理和分析,生成反演结果。 最后,对于反演结果的验证和精度评估也是非常重要的。可以利用独立的地面采样数据和其他遥感数据进行对比,对反演结果的准确性进行验证。同时,可以计算反演结果与实际叶绿素含量的误差,评估叶绿素反演的精度。 综上所述,利用Landsat 8遥感图像进行叶绿素反演的思路主要包括:获取Landsat 8图像、计算NDVI、建立关系模型、转换为叶绿素含量、验证和精度评估。通过这种思路,可以得到准确的植被叶绿素含量信息,为环境和生态研究提供重要的数据支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值