ENVI5.6版本根据云概率对sentinel-2影像去云

最新推荐文章于 2025-05-27 09:10:30 发布
最新推荐文章于 2025-05-27 09:10:30 发布
阅读量1.9k 收藏 17
点赞数 8
CC 4.0 BY-SA版权
文章标签： sentinel
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。
本文链接：https://blog.youkuaiyun.com/Pyyyson/article/details/136782845

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

最低0.47元/天 解锁文章

200万优质内容无限畅学
Pyyyson
关注
基于ENVI完成影像的去云操作以及后续处理
lemon_tttea的博客
11-03 2万+
利用ENVI完成重采样影像的去云操作 由于SNAP重采样之后的影像是分波段保存的，ENVI的波段运算工具一次也只能输出一个波段，所以去云的操作分波段进行，原理是掩膜法 下面是打开所有波段后的界面 去云的依据是以quality_scene_classification栅格文件为基础，该文件是哨兵2数据自带的场景质量分类图，包含12个级别，可以通过SNAP软件查看，如下图所示： 对于去云操作而言，我们只需要DARK_FEATURE_SHADOW(地形等)，CLOUD_SHADOW（云阴影）、CL
envi遥感影像去云处理_遥感影像预处理之大气校正
weixin_31082779的博客
12-06 1万+
大气校正大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率、辐射率、地表温度等正式物理模型参数，包括消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响；消除大气分子和气溶胶散射的影响。本文使用的是FLAASH大气校正工具 操作步骤输入文件（选择辐射定标后的结果数据） 选择所有波段指定同样的尺度single scale factor（由于之前已经辐射定标，按照默认值）设...
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...
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。
基于ENVI5.6对哨兵2数据进行去云操作
Pyyyson的博客
03-11 4486
基于ENVI5.6对哨兵2数据进行去云操作
envi 去云插件
01-17
envi 去云插件 安装至目录SAVE_ADD中，重启即可使用。
envi遥感影像去云处理_ENVI5.3影像数据辐射定标及大气校正实验处理多光谱遥感数据...
热门推荐
weixin_39957068的博客
12-28 1万+
数据准备数据下载网站：地理空间数据云或者美国地质勘探局官网1)、选择合适影像数据，优先云量选择<1%的遥感数据 ；2)、在ENVI中点击File—Open External File—Landsat—Geotiff with Metadata中只需打开***********_MTL.txt即可打开所有波段数据(除band6)；辐射定标ENVI自带辐射校正模块1、选择Basic To...
ENVI去云补丁
05-13
只需将其拷贝至ENVI安装目录下即可，该补丁可以实现卫星影像的云检测及去云处理
遥感影像去云处理
02-22
遥感图像在成像过程中极易受到云的干扰,特别的,被厚云层遮挡区域的遥感信息完全丢失,降低了遥感数据使用效率,影响了后期专题信息提取的准确性。遥感去厚云的目的是有效还原被遮挡区域的遥感信息,并保证其它区域的遥感数据不失真。
ENVI去云补丁Haze Tool使用说明.pdf
03-22
ENVI去云插件使用详细说明。云层厚度检测-云层厚度完善-云层去除
ENVI去云补丁Haze_tool文件及其使用说明和安装方法
01-05
ENVI去云补丁Haze_tool文件及其使用说明和安装方法，内附sav文件，使用说明PDF文件和安装方法TXT文件。
envi去云插件及操作手册.zip
05-08
envi的插件，支持进行云层厚度检测（haze detection），云层厚度完善（haze perfection），云层去除（haze removal）。
ENVI去云补丁Haze Tool及其使用说明.zip
11-10
ENVI去云补丁Haze Tool及其使用说明：ENVI去云补丁Haze_tool文件及其使用说明和安装方法，内附sav文件，使用说明PDF文件和安装方法TXT文件。
envi遥感影像去云处理_博士论文摘要 | 喜文飞：滇东北山区无人机遥感影像预处理方法及滑坡特征识别研究...
weixin_39977488的博客
11-28 902
《测绘学报》构建与学术的桥梁 拉近与权威的距离复制链接，关注《测绘学报》抖音！【测绘学报的个人主页】长按复制此条消息，长按复制打开抖音查看TA的更多作品##7NsBSynuc88##[抖音口令]本文内容来源于《测绘学报》2020年第8期，审图号GS(2020)4062号。滇东北山区无人机遥感影像预处理方法及滑坡特征识别研究喜文飞云南师范大学旅游与地理科学学院, 云南 昆明 650500基金项目：云...
envi利用两景影像进行云替换
sxy614的博客
09-28 7684
很多时候，我们下载了遥感影像，但研究区内会有少量的云。在能找到日期相近且无云重叠影像的情况下，我们便能对有云区域进行替换。原始影像b1，替换影像b2. 图中只有少量云覆盖，但对接下来实验会产生影响。 提取云的步骤参考：利用USGS自带的云掩膜图像去云 RGB 3S博客 在提取出云后，分别对两景影像进行辐射定标，大气校正。 （1）选择File > Save As > Save As (ENVI, NITF, TIFF, DTED). （2）在文件对话框中选择b1，点击Mask按钮。 （
【免费下载】 探索遥感影像处理的新境界：Envi 去云工具及教程
gitblog_09750的博客
10-22 1618
探索遥感影像处理的新境界：Envi 去云工具及教程 【下载地址】Envi去云工具及教程 本仓库提供了一个名为“Envi 去云工具及教程”的资源文件。该资源文件旨在帮助用户了解和使用Envi软件中的去云工具，并提供详细的教程指导 项...
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 3
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