定量遥感反演时的一些数据预处理

一、问题描述

用到的数据包括Landcover,DEM,PM2.5浓度, MODIS AOD;
需要先进行尺度匹配和配准,才能进行后续的训练建模。

二、具体步骤

  • 第一步:数据预览。
    建议在ENVI, ArcGIS或者Matlab中对输入数据输出数据可视化,并进行统计描述,寻找和排除异常值,方便后续做出准确的处理。

  • 第二步:影像裁剪。
    裁减成研究区域的大小,可以在ENVI中实现。ENVI Classic 5.3 操作如下: Basic Tools—Resize Data----在弹出的窗口中,选择Input files,点击Spatial Subset----在弹出的窗口中,可以有多种裁剪方式可供选择,常用的是点击Map,输入左上角和右下角的经纬度,根据经纬度范围裁剪—依次点击各个窗口的OK—设置输出路径和文件名称—完成影像裁剪。
    定量遥感反演时的一些数据预处理_第1张图片
    定量遥感反演时的一些数据预处理_第2张图片
    定量遥感反演时的一些数据预处理_第3张图片
    有时候也会遇到影像拼接的问题,同样可以通过ENVI或者ArcGIS实现,此处不做赘述。
    ENVI (不是ENVI Classic:在Toolbox中启动/Mosaicking/Seamless Mosaic。
    ArcGIS:在ArcMap的ArcToolbox中提供了Mosaic/Mosaic To New Raster的功能(ArcToolbox-Data Management Tools-Raster Mosaic/Mosaic To New Raster)

  • 第三步、重采样(尺度统一)
    反演问题中的输入输出影像应当居于相同的分辨率,因此需要进行重采样。***
    主要用到的重采样工具包括ENVI和MATLAB。
    ENVI的操作步骤和上一步类似,具体操作如下: Basic Tools—Resize Data----在弹出的窗口中,选择Input files,点击OK----在弹出的窗口中,点击Set Output Dims by Pixel Size…—输入想要得到的输出影像的分辨率,如想得到分辨率0.1°*0.1°的影像,则在上下方框内分辨输入0.1,0.1—依次点击各个窗口的OK—设置输出路径和文件名称—完成重采样。
    Matlab可以用imresize函数。B = imresize(A,[mrows, ncols],method) 将图片A由参数method指定的插值运算方法,来改变图像的大小到长宽为[mrows,ncols]
    常见的重采样方法包括: 'nearest’最近邻插值, 'bilinear’双线性插值,'bicubic’双三次插值,‘pixel average’像素平均(仅用于降采样/升尺度)。方法选择需要根据数据特性考虑。如土地利用类型数据,只能利用最邻近法重采样。
    另外,影像中的异常值会对重采样造成较大影像,需要处理,目前除了修改或者重写重采样的代码,还没有很好的处理办法,大家有好的方法,也欢迎分享和交流!

定量遥感反演时的一些数据预处理_第4张图片
定量遥感反演时的一些数据预处理_第5张图片
定量遥感反演时的一些数据预处理_第6张图片

  • 第四步、像素对齐
    用ENVI裁剪和重采样后,即使各输入输出影像具有相同的空间分辨率和地理范围,也可能存在相像素不匹配的问题,如下图:
    定量遥感反演时的一些数据预处理_第7张图片
    这是由于ENVI在裁剪的时候,并不会破坏像素,即下图中,用蓝色区域去裁剪栅格影像时,会得到橙色区域,而不是蓝色区域。
    定量遥感反演时的一些数据预处理_第8张图片
    这样就会造成像素仍然不对齐的问题。
    针对此问题,裁剪时可以采用ArcGIS的Clip工具裁剪。具体操作如下:
    先在工具箱中找到Clip工具,打开:
    定量遥感反演时的一些数据预处理_第9张图片
    在弹出的Clip窗口中,输入相应的设置,点击OK即可:
    定量遥感反演时的一些数据预处理_第10张图片
    最终的裁剪结果,与参考影像比,是像素完全对齐的,原因在于进行了重采样,破坏了原来的像素:
    定量遥感反演时的一些数据预处理_第11张图片
    因此,裁剪时,建议使用ArcGIS的Clip工具。
    关于像素对齐,可以进一步的参考这篇文章: https://blog.csdn.net/kikitamoon/article/details/38254583

以上。

你可能感兴趣的:(定量遥感反演时的一些数据预处理)