ENVI5.6版本根据云概率对sentinel-2影像去云

首先打开需要处理的影像及云置信度波段

然后选择这个,依然需要构建掩膜

接下来几步和上一篇文章相同,就不详细介绍了

选底图

import data range

选择这个

然后接下来设置所需要的云概率,如本文章忽略50以下的,就是0-50

然后导出,可以查看50概率以下的像元被分为无云(1)白色的就是无云,黑色有云(0),然后就可以根据这个掩膜导出

### 使用ENVI 5.6Sentinel-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 3
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