环境小卫星遥感监测：太湖叶绿素a浓度反演

本资源主要讲述了使用ENVI软件进行环境小卫星数据处理，特别是针对太湖水质的遥感监测，尤其是叶绿素浓度的反演。其中涉及了数据预处理，包括数据读取、辐射定标、几何校正、大气校正和区域裁剪。在叶绿素反演过程中，采用了波段比值法（BNIR/BRED）建立模型，并结合实地采样数据进行反演。整个过程在ENVI Classic平台下完成。 详细知识点: 1. **叶绿素反演**: 叶绿素是水体中关键的生物指标，其浓度与水体的营养状态和健康状况密切相关。通过遥感技术，可以根据叶绿素对特定波段光的吸收特性，反演出水体的叶绿素浓度，从而监测湖泊的富营养化程度。 2. **环境小卫星数据处理**: 使用环境小卫星CCD-1B数据，该数据需经过数据读取、辐射定标、几何校正和大气校正等步骤，确保遥感图像的质量和准确性。其中，辐射定标是将原始数字信号转换为物理单位，如辐射亮度；大气校正是消除大气对地物光谱的影响。 3. **ENVI软件**: ENVI（Environment for Visualizing Images）是一款专业的遥感图像处理和分析软件，它提供了从数据导入、预处理到高级分析的一系列功能。在本案例中，ENVI不仅用于基础的数据处理，还用于建立反演模型和结果验证。 4. **FLAASH大气校正**: FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）是ENVI的一个扩展模块，用于大气校正。它基于6S模型（Second Simulation of the Satellite Signal in the Solar Spectrum），能够计算出大气对地物光谱的影响并进行校正。 5. **波段比值法（BNIR/BRED）**: 这是一种简单而常见的遥感反演方法，通过比较近红外波段（BNIR）和红边波段（BRED）的反射率比值，来估算叶绿素浓度。这种方法基于叶绿素对近红外光的吸收和红边的敏感性。 6. **实地采样数据的整合**: 实地调查数据，包括经纬度和叶绿素含量，与遥感图像上的采样点对应，为模型建立提供地面真值。数据以特定格式（如.txt或Excel）保存，用于模型训练和验证。 7. **反演模型建立**: 利用收集的叶绿素实测值和遥感数据，构建数学模型Chla = a * (BNIR/BRED) + b，其中a和b是模型参数，通过最小二乘法或其他统计方法进行拟合。 8. **反演结果应用**: 模型建立完成后，可以将其应用于整个太湖水面区域的遥感图像，反演出叶绿素a的分布，实现大范围、高频次的水质监测。 9. **ENVI Classic平台**: 由于涉及多个软件工具的交互，本专题选择在ENVI Classic中完成所有操作，这个版本提供了更全面的接口和工具，方便用户进行复杂的遥感数据分析。 通过以上步骤，可以有效地利用遥感技术对湖泊水质进行监测，对于环境管理和生态保护具有重要意义。