landsat7c1l1预处理

Landsat 7的C1L1预处理是指对Landsat 7卫星影像进行初始处理的一种标准方法。这种预处理主要是为了修正由于卫星故障而引起的数据缺失问题。

Landsat 7卫星在2003年发生了故障，导致其传感器发生扫描线失效的问题。这种故障造成了每个影像中有约22%的数据缺失。为了修正这个问题，Landsat 7数据需要经过C1L1预处理。

首先，C1L1预处理使用了卫星上的备用传感器来填补数据缺失的部分。该预处理方法通过将备用传感器的数据与正常运行的传感器数据进行组合，使得整个影像都能包含完整的信息。

其次，C1L1预处理采用了特定的算法来对卫星影像进行放大和重采样处理，以保持影像的空间分辨率和几何校正。这样可以确保Landsat 7数据在进行后续分析时具有准确的空间信息。

最后，C1L1预处理还进行了辐射校正以消除由于大气等因素引起的影像亮度差异。通过对每个像素进行辐射修正，可以得到更准确的表面反射率值，使得Landsat 7数据能够更好地用于不同的应用领域。

总的来说，Landsat 7的C1L1预处理是一种针对卫星故障导致的数据缺失问题进行修复和校正的标准处理方法。通过该预处理，可以获得更完整、准确和可靠的Landsat 7卫星影像数据，为后续的遥感应用提供可靠的数据基础。

相关问题

landsat预处理

### 关于 Landsat 数据预处理的方法及指南

#### 清理和理解 Landsat 数据
Landsat 卫星系列提供了丰富的地球观测数据，这些数据在使用前通常需要经过一系列预处理步骤来提高其质量和适用性。对于 Landsat 数据而言，了解所使用的具体版本（如Landsat 8）非常重要，因为不同的传感器配置会影响后续的处理方式[^2]。

#### 辐射校正
辐射校正是指将原始DN值(Digital Number)转换成物理量的过程，比如表面反射率。这一过程可以减少大气效应的影响并使得不同时相的数据具有可比性。为了完成这项任务，在ENVI软件中执行`Radiometric Calibration`时需特别注意参数设置，尤其是选择正确的反射模式而不是其他选项，并确保拥有必要的元数据文件以提供给算法所需的太阳天顶角等信息[^5]。

#### 几何精纠正
几何精纠正是为了让图像像素位置更精确地对应地理坐标系下的实际地理位置而采取的操作。它可以通过地面控制点(GCPs)来进行改进，从而获得更高精度的地图产品。此步骤有助于消除由于轨道偏差等因素造成的定位误差。

#### 图像拼接与裁剪
当研究区域跨越多个场景或者想要聚焦特定范围内的变化情况时，则要对多景影像实施无缝镶嵌以及按边界条件切割操作。这不仅能够扩大观察尺度还能节省不必要的存储空间占用。

#### 波段组合与变换
根据不同应用需求选取合适的波段组合形式，例如RGB真彩色合成、假彩色近红外增强显示等方式；另外还可以通过主成分分析(PCA)、tasseled cap变换等手段进一步挖掘隐藏特征信息以便更好地服务于专题制图或分类识别等领域。

import numpy as np
from osgeo import gdal, ogr, osr

def landsat_preprocess(input_file, output_file):
    dataset = gdal.Open(input_file)
    
    # Perform radiometric correction here
    
    # Apply geometric correction using GCPs or other methods
    
    # Clip the image to a specific region of interest (ROI)

    driver = gdal.GetDriverByName('GTiff')
    outdata = driver.CreateCopy(output_file, dataset, 0)
    outdata.FlushCache()  ## Saves to disk 
    del outdata  # closes the file

envi数据预处理landsat

### 使用 ENVI 进行 Landsat 卫星影像的数据预处理

#### 辐射校正

为了使图像的数字化数值转换成物理量，如反射率或辐亮度，需要进行辐射校正。在ENVI环境中，可以通过特定模块完成这一过程。

对于Landsat数据而言，在工具栏Toolbox中可以找到相应的功能选项来执行此操作[^2]。具体来说，选择`Radiometric Calibration`（辐射定标），并按照提示输入所需的参数，比如太阳高度角等信息，从而实现从DN值到表观反射率或者离地表辐亮度的变化。

% MATLAB伪代码展示如何调用API接口做辐射校正(仅作示意)
radiance = radiometricCalibration(digitalNumbers, sunElevation);

#### 大气校正

大气校正是指消除由于大气散射和吸收造成的影响，使得最终得到的地物真实反射特性更加接近实际情况。FLAASH是一种广泛应用于高光谱遥感领域的大气校正算法之一；它同样适用于多光谱传感器获取的数据集，例如Landsat系列卫星所获得的产品。

当准备好了经过辐射校准后的文件之后，可以在ENVI软件中的`Toolbox`里搜寻`FLAASH Atmospheric Correction`命令来进行下一步骤的操作。设置好各项必要条件后启动计算流程即可自动去除大部分由空气分子及其他悬浮颗粒所带来的干扰因素影响。

# Python伪代码表示通过编程方式调用FLAASH模型实施大气校正的过程
from envi_api import flaaash_correction

corrected_image = flaaash_correction(radiance_data, atmospheric_parameters)

#### 影像拼接与裁剪

针对覆盖范围较大的研究区域可能涉及到多个场景的情况，则需先将这些单独景别的图片无缝连接起来形成完整的地图单元。这一步通常借助于地理信息系统(GIS)平台下的镶嵌工具完成。而裁剪则是依据实际需求选取感兴趣区(AOI)，即只保留目标位置内的有效像素点集合部分。

如果是在ENVI环境下工作的话，可以直接利用其内置的功能按钮轻松达成上述目的——打开待处理的Landsat头文件(.hdr),接着依次挑选想要组合或是截取出来的子图边界框坐标系以及尺寸大小等属性特征项[^3]。

# Bash脚本模拟批量化作业下对大量Landsat数据实行自动化拼接/切割任务
for file in *.HDR; do
    # 执行具体的拼接或裁剪指令...
done