环境小卫星遥感监测：太湖叶绿素a浓度反演详解

本资源主要讨论的是如何在Haskell编程环境下进行几何校正，并以ENVI软件为例，详细介绍了一种特定的湖泊水质遥感监测方法——基于环境小卫星CCD-1B的叶绿素a浓度反演。首先，章节开始于地面控制点的选择和校正参数设置，包括在Ground Control Points Selection面板上选择Warp File作为Image Map，选择相应的校正文件，并设置投影参数默认值。接着，图像分辨率被设置为30米，采用Cubic Convolution重采样方法以确保图像的原始辐射值和高精度大气校正。 在几何校正步骤中，关键参数如像元大小和校正方法的选择对最终结果至关重要。图像输出被设定为HJ1B-CCD1-20091006-Cal-sub-jz.img，这一步骤涉及到了输出路径和文件名的管理。同时，作者建议结合手动和自动选择控制点的方法，以提高控制点的质量。 图像处理流程涉及了环境小卫星CCD-1B数据的获取，特别是2009年10月6日数据，因为此时的叶绿素a浓度较高，适合用于反演分析。数据预处理包括数据读取，使用ENVI Classic平台下的读取补丁进行数据处理，进行辐射定标，然后进行几何校正以消除地球曲率的影响。大气校正是为了减少大气散射和吸收对光谱的影响，这一阶段通常借助FLAASH扩展模块进行。图像的波段比值法被用来建立叶绿素a浓度的反演模型，并将其应用于太湖水面区域的影像，从而得出整个湖泊的叶绿素a浓度。 整个过程强调了使用ENVI软件的主模块以及特定的扩展工具，如FLAASH和自定义数据读取补丁，以实现高效的数据处理和反演。此外，处理流程中还提到了与其他软件（如Excel）的交互，以及如何处理实测数据和元数据信息。 通过这个过程，研究者可以利用环境小卫星数据对湖泊水质进行监测，提供了一个实际的遥感应用示例，展示了Haskell编程在地理空间数据分析中的应用。