基于ENVI5.6对哨兵2数据进行去云操作

最新推荐文章于 2025-05-27 09:10:30 发布
原创 最新推荐文章于 2025-05-27 09:10:30 发布 · 4.4k 阅读 · 46 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#sentinel

本文分享了作者如何在5.6版本的ENVI中，从哨兵平台下载数据并进行波段筛选，使用SNAP制作cloud_confidence掩膜，最终应用掩膜处理遥感数据的过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

看网上教程教的去云多是5.3版本的，5.6有点不一样，记录一下自己怎么弄的

先叠甲，本人纯小白，如果操作繁琐或不当还请见谅。

 1. 数据下载

我是在哨兵平台的新网站下载的（Copernicus Data Space Ecosystem | Europe's eyes on Earth）

2. 波段筛选

在SNAP中进行数据预处理，以ENVI格式写出。除了自己所需的波段，还需要把quality_cloud_confidence波段导出。后面要基于这个波段掩膜.

3. 制作掩膜

ENVI中打开对应日期的quality_cloud_confidence和某个波段（以B2为例）

根据以上步骤在工具箱中找到构建掩膜工具。

这一步选择B2波段（想要掩膜的那块）

接下来 options-import data range，选择quality_cloud_confidence

最低0.47元/天 解锁文章

200万优质内容无限畅学
Pyyyson
关注
envi中的去云工具
10-17
envi中的去云工具 Haze tool 主要由三部分组成： 云层厚度检测 （haze detection） ， 云层厚度完善 （haze perfection） ，云层去除（haze removal）
Envi 去云工具及教程
07-16
Envi 去云工具及教程
Envi去云插件及操作手册：一键实现云层处理，提升图像质量
最新发布
gitblog_06774的博客
05-27 287
Envi去云插件及操作手册：一键实现云层处理，提升图像质量 【下载地址】Envi去云插件及操作手册 Envi去云插件及操作手册为遥感图像处理提供了强大支持，帮助用户轻松实现云层厚度检测、优化及去除。通过云层厚度检测功能，用户可精确评估图像中的云层分布；云层厚度完善功能则进一步优化云层效果，提升图像质量；而云层去除功能则彻...
哨兵2号在SNAP中去云处理
热爱分享，热爱记录
08-11 3551
SNAP掩膜操作
用ENVI5.6处理欧空局哨兵二号2C数据得到叶绿素分布情况
ymhh001的博客
01-23 3285
再在新弹出的界面点击file，再点击Save Selected Record to NewShapfile...（生成一个shp文件）然后关闭数据窗口。第一步：选择先前保存的shp文件 （7.③时生成）;*因为作者是小白，所以步骤比较详细，肯定还有些地方有差错，恳请请大家指正（尤其是函数处理部分）2. 按照上图给得到的结果进行颜色显示，右图选择GREEN/WHITE；①输入如图所示公式，再点击Add to List，后点击ok。②再对不需要的图层取消勾选，只选第一个，得到海面图。②右键点击第二个视图，
GEE Sentinel2-SR影像下载示例
qq_45723511的博客
08-30 742
/** * Function to mask clouds using the Sentinel-2 QA band * @param {ee.Image} image Sentinel-2 image * @return {ee.Image} cloud masked Sentinel-2 image */ function maskS2clouds(image) { var qa = image.select('QA60'); // Bits 10 and 11 are clouds
ENVI5.6版本根据云概率对sentinel-2影像去云
Pyyyson的博客
03-17 1954
ENVI5.6版本根据50%的云概率对sentinel-2影像去云
用ENVI软件对Sentinel-2（哨兵2）数据进行大气校正流程整理，亲测可用
09-21
用ENVI软件对Sentinel-2（哨兵2）数据进行大气校正流程整理，亲测可用，绝对可以使用，自己总结一下，以后方便查看，同时以飨读者
ENVI5.6加哨兵2火灾面积提取
qq_65772557的博客
05-21 1239
该方法提供三种方法去检测，每种方法出图也都不一样，可以都试试看效果，如果不懂可以选择左下角的蓝色问号，官方网站会介绍每一种方法，很详细的。3、绘制好以后，File→save as→ENVI ，之后出现Data Selection窗口，源文件包括11号和21号，所以裁剪区域同样要裁剪两次不同日期的底图，波段选择4，mask选择上一步绘制的感兴趣区域。每一种方法提取出来的都不一样，如果对结果不满意可以叠加不同方法所提取的结果，选择最适合的方式。数据来源，欧氏空间局需要注册登录，有点麻烦可以搜索教程多试几次。
遥感图像处理Envi 5.6安装包（完整版）
08-24
遥感图像处理则是对这些原始图像进行分析与处理的过程，以提取有用的信息。 #### 知识点二：Envi软件介绍 ENVI（Environmental Visualization System）是由Exelis VIS公司开发的一款专业的遥感图像处理软件，它...
利用envi 5.3 读取哨兵2号数据
08-07
利用envi 5.3直接读取哨兵2号数据，有详细的操作步骤和说明。
ENVI去云插件和教程
12-22
可以有效去除landsat数据图像中的云，文档中包含去云案例。
最新envi5.5版本 IDL8.7 处理最新哨兵3号卫星、云腌膜等
03-13
envi5.5 最新版本 支持最新WorldView-4等数据；新增ENVI Modeler建模工具，可以零代码构建工作流或者批处理；新增ENVI Py，与ArcGIS一体化集成更加简便，支持与ArcGIS Pro一体化集成；增加更多的ENVITask函数等。ADS80 Level-2产品（ENVI先前版本支持Level-1产品） Landsat 8 Surface Reflectance数据 PlanetScope数据 Sentinel-2 Level-2A，包括Amazon Web Services分发的文件 l哨兵-3海洋和陆地彩色仪（OLCI）和海陆地表温度辐射计（SLSTR）数据 UrtheCast Theia数据 使用DoD插件，ENVI可以读取带有RSM空间参考的NITF数据，同时可将RSM空间参考保存到ENVI头文件，并且支持使用相同的空间参考信息填充新的NITF文件。 将ADS80分块文件作为一个组合影像而不是单独的TIFF文件打开。读取SPOT-7和Pleiades DIMAP V2影像反射率增益和偏移，进而可以使用辐射校正工具将影像定标为大气表观反射率（top-of-atmosphere reflectance）。
地球引擎初级教程：使用哨兵2号Sentinel C/A级数据进行云去除
TpjtRuby的博客
09-21 922
通过使用地球引擎平台和哨兵2号Sentinel数据，我们可以轻松进行C/A级数据的云去除。通过生成云掩膜并将其应用于影像数据，我们可以获得更清晰、更准确的影像结果，从而提高地理空间数据的分析和应用效果。在上述代码中，我们导入了哨兵2号Sentinel的云掩膜数据集，并将其应用于影像数据。云掩膜数据集是通过多个影像数据生成的，因此我们使用了。在上述代码中，我们选择了2021年的影像数据集，并选择了红、绿、蓝和近红外四个波段。接下来，我们将根据哨兵2号Sentinel的云掩膜数据生成云掩膜。
gee教程——sentinel-2数据的两种数据预（去云）处理方式QA60和SLC
此星光明博客
04-18 1902
哨兵二号卫星是欧洲空间局（ESA）发射的一颗地球观测卫星，主要用于监测地球表面的变化。在数据预处理阶段，去云是非常重要的一个步骤，因为云覆盖是影响遥感数据质量和可用性的主要因素之一。在这里，我们将具体介绍哨兵二号数据预处理阶段中的两种去云方式：QA60去云方式和SLC去云方式。QA60去云方式是一种基于光学遥感数据的去云方法。它是根据云覆盖的不同，将图像分为不同的云类别进行分类。在这种方法中，QA60是指一种云掩膜数据集，其中包含了60种云类别。
GEE采用s2cloudless对哨兵2号去云处理
热爱分享，热爱记录
07-07 2349
【代码】GEE采用s2cloudless对哨兵2号去云处理。
envi遥感影像去云处理_GITIC盘点之：知名院士、北斗、云遥感、AI……你想了解的都在这里...
weixin_39692254的博客
12-15 1038
10月13-16日，主题为“地理之道 融汇创享”的2020地理信息技术创新大会(简称：GITIC)将拉开帷幕。大会将融汇地理信息、遥感及卫星定位等关键技术，与之相关的热点话题将频频出现在各大论坛的日程中。中国工程院院士：刘先林中国工程院院士、摄影测量与遥感专家刘先林院士是扛鼎测绘装备国产化的国家脊梁，现在依然奋战在科研第一线。在智慧城市即将到来的大时代中，更加精细、精确、精准的测绘新需求...
用envi5.6对sentinel-2数据进行预处理的具体步骤
04-03
### 使用ENVI 5.6对Sentinel-2数据进行预处理的操作流程 #### 大气校正 在ENVI 5.6中，可以通过内置工具或外部插件完成Sentinel-2数据的大气校正。具体步骤如下： 1. **加载原始数据** 首先，在ENVI 5.6中加载经过初步解压的Sentinel-2 L1C级产品文件夹中的`.SAFE`格式影像[^3]。 2. **启动FLAASH模块** FLAASH是一种常用的大气辐射传输模型，适用于高光谱和多光谱遥感数据的大气校正。进入菜单 `Basic Tools -> Radiometric Correction -> Atmospheric Correction (FLAASH)` 启动该功能[^2]。 3. **设置参数** 在FLAASH对话框中输入必要的地理坐标信息（经纬度）、传感器高度、太阳天顶角和方位角等参数。这些参数通常可以从Sentinel-2元数据文件(`MTD_MSIL1C.xml`)中提取[^4]。 4. **执行大气校正** 完成上述配置后运行计算过程，生成表面反射率图像作为后续分析的基础。 #### 波段组合 为了便于可视化或者进一步分类识别等工作需求，可能还需要创建特定RGB合成图或其他指数映射结果。 1. **选择波段** 打开已校准好的各波段单独存储成果，依据实际应用场景挑选合适的三个波段用于构建假彩色显示效果，比如近红外(NIR)-红(Red)-绿(Green)[^1]。 2. **定义输出顺序** 将选定的三组数值按照指定次序排列好之后保存新形成的单个多层GeoTIFF文档形式提交给其他GIS平台继续深入挖掘价值所在。 ```python import envi # 加载大气校正后的数据 data = envi.open('path_to_atmospherically_corrected_data.hdr') # 提取所需波段索引 nir_band_index = data.metadata['wavelength'].index(800) # 假设NIR中心波长约为800nm red_band_index = data.metadata['wavelength'].index(670) # 假设Red中心波长约为670nm green_band_index = data.metadata['wavelength'].index(550) # 假设Green中心波长约为550nm # 创建新的波段组合 rgb_image = np.dstack((data.read_band(nir_band_index), data.read_band(red_band_index), data.read_band(green_band_index))) ```
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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