太湖水质遥感监测：小卫星CCD图像处理与叶绿素a反演

图像配准与编程在Haskell的第二版书籍详细探讨了在遥感领域中，特别是针对环境小卫星如HJ-1B的图像处理方法。本书以太湖水质遥感监测为例，展示了如何使用ENVI（Environmental Vegetation Index）软件进行图像处理流程。 首先，章节聚焦于工程区裁剪，以太湖周边区域为例。用户需要打开预处理过的HJ1B-CCD1-451-76-20091006-L20000180174_Calbrated_LayerStacking.img文件，通过主菜单进行一系列操作，包括保存为ENVI标准格式，导入裁剪数据，然后利用Spatial Subset功能定义裁剪区域，确保只包含太湖区域。这一过程旨在减小数据量，提高后续处理效率。 接着，图像配准是关键环节，以TM作为基准影像来校准HJ1B-CCD1的图像。用户需加载TM_baseimage.img，选择相应的波段进行自动配准，选择HJ1B-CCD1-20091006-Cal-sub.img作为待校准图像，并指定波段4为匹配波段。在这个过程中，用户可以选择自动或手动匹配特征点，最后设置输出文件名和路径。 专题内容深入到湖泊水质遥感监测的具体技术细节，如处理环境小卫星CCD-1B数据时，首先要进行数据预处理，包括从环保部卫星环境应用中心下载数据，选择高质影像，如2009年10月6日数据，因为此时期叶绿素a浓度较高。数据读取通常使用ENVI的补丁工具，支持Geotiff格式，并进行辐射定标。定标后，通过BandMath工具进行处理，生成多波段数据文件，便于后续的几何校正、大气校正和模型构建。 叶绿素a浓度的反演是核心部分，利用波段比值法建立模型，基于实际测量数据，对太湖水面区域的影像进行反演，得出整个湖泊的叶绿素a浓度。这个过程可能涉及到使用FLAASH大气校正扩展模块，以及Excel等辅助工具，确保结果的准确性。 整个流程强调了在ENVI Classic平台下的操作，以确保数据处理的互操作性和兼容性。通过这样的实践，读者能掌握利用环境小卫星进行湖泊遥感监测的基本步骤和技术，为湖泊环境保护和管理提供有力的数据支持。