高分一号卫星属于低轨卫星，于2013年4月成功发射。在单星上同时实现了大宽幅与高分辨率的结合：16m分辨率实现大于800km成像幅宽；2m高分辨率实现大于60km成像幅宽。适应多源遥感数据、多种高分辨率等综合需求。同时，实现了在无地面控制点的条件下达到50m图像的定位精度，及2×450 Mbps的数据传输能力，满足大数据量应用需求，大大提高了数据的传输能力，在国内同类卫星中属于最高水平。
.原始遥感影像资料选取
高分一号卫星，分辨率为8m4个波段的多光谱影像和2m的单波段全色影像。在影像处理前，需要对原始影像进行检查和筛选，筛选出的数据必须符合地理国情监测中土地覆盖变化研究的需要。
由于研究区域冬季时间长，冰雪天气较多，根据研究区域独特的气候特征，选取2013年7-10月的10景影像、2014年7-10月的10景影像作为原始数据。在数据准备阶段需对卫星影像数据进行初步检测，筛选出满足检测研究的影像数据。首先，对影像的重叠度进行检测，运用ENVI 5.1依次打开同年份的所有影像查看重叠度，根据监测研究的要求尽量选择重合度在5%-10%左右的影像数据，排除无重叠的影像；其次，对影像上云雪覆盖情况进行目视判别，尽管研究区内7-10月的气候条件较利于观测，但影像拍摄过程中偶尔还会存在云朵的影响，故要求研究影像中云朵覆盖率小于10%；最后，还需要对影像的质量进行粗略查看，检查影像数据是否存在噪声、黑点以及影像光谱信息的丰富度是否满足地理国情监测的条件。
高分一号卫星数据处理流程
在对原始影像数据进行筛选检查结束后，筛选出的影像基本为可用数据。为了提供更加精准的变化监测数据，需要对这些数据进行相应的处理。在影像处理阶段使用ENVI 5.1对部分影像进行试验，制定出较完善的影像处理流程。
辐射定标
辐射定标是遥感信息定量化的前提，是遥感数据可靠性及可应用性的基础保障。辐射定标分为绝对定标和相对定标，相对定标又称为传感器探测元件归一化，是为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。
因原始影像并未做过辐射定标处理，故使用ENVI 5.1对多光谱影像和全色影像进行相对辐射定标处理。图2为多光谱影像经过辐射定标的前后对比图。
经过相对辐射定标后的影像亮度发生了变化。色调上经过辐射定标后影像对比度更强，地物辨析程度更高。通过查看波谱曲线，辐射定标后的数值主要集中在0-10范围内，图3为多光谱影像辐射定标后波谱曲线图，单位μW/( cm2×sr×nm)。
大气校正
大气校正是遥感数据处理的重要部分，随着遥感技术的发展，利用遥感数据对土地覆盖、土地利用、气候变化等国情信息进行变化监测的要求也越来越高。电磁波透过大气层时，不仅改变了光线的方向，也会影响遥感图像的辐射特征。大气校正的目的在于通过图像处理减弱大气散射、吸收等引起的误差，使图像数据更加精确。
本研究所用影像均进行了FLAASH大气校正，FLAASH大气校正采用了MODTRAN 4+辐射传输模型。任何有关影像标准的MODTRAN大气校正模型和气溶胶类型都可以直接使用。FLAASH大气校正的优势在于：可以通过影像像素光谱上的特征来估计大气的属性，不依赖遥感成像时同步测量的大气参数数据。同时，有效去除气溶胶散射效应(水蒸气)，并基于像素级校正目标像元和邻近像元交叉辐射的“邻近效应”，对由于人为抑止而导致的波谱噪声进行光谱平滑处理。
对经过辐射定标后的多光谱影像进行FLAASH大气校正，其成像中心点经纬度FLAASH自动从影像中获取，传感器高度根据规定为645km，像元大小为8m，成像时间需要在真实时间基础上减去8h换算GMT时间，大气模型和气溶胶模型可根据影像区域类别进行选择。完成设置后存储文件输出，查看大气校正前后影像对比。图4为FLASSH校正前后对比图。
从图可以看出，经过大气校正后，图像的对比度增强了，同时去除了部分雾的干扰，视觉改善效果虽不显著，但像元值发生变化，校正后的水体波谱曲线更加接近真实水体波谱曲线。
正射校正
遥感影像在拍摄过程中，由于飞行器拍摄时的姿态、飞行速度、轨道高度以及地球自转等因素的影响，使得获取的图像相对于地面目标发生几何畸变，其表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等现象，通常要对这种几何畸变进行几何校正。几何校正是指通过数学模型改正和消除遥感影像成像时产生的原始图像上各地物的几何位置、形状、尺寸、方位等特征的变形。本研究主要采用的是正射校正。高分一号的L1A级包括了RPC文件，在经过辐射定标、大气校正等处理后，ENVI自动将RPC嵌入到处理结果中，进行基于无控制点的对多光谱和全色数据结果进行正射校正。图5为多光谱影像正射校正前后对比图。
如图所示，研究区域为山丘地带，地形起伏并不十分明显。从多光谱影像中能看出经过正射校正后影像的清晰度明显提高。
影像融合
高分一号卫星数据包括分辨率为8m的多光谱影像和分辨率为2m的全色影像，通过影像融合的方式生成高分辨率多光谱影像，新生成的高分辨率影像既保留了光谱特征，又具有高空间分辨率，满足了在影像上提取足够监测信息的需要。本研究使用Gram－schmidt算法的图像融合方法，该方法融合的影像保真度较好，且操作简单，通过改变多光谱影像存储顺序可以提高融合速率。为了验证此方法的可行性，进行了试验比较，首先不改变正射校正后影像的存储顺序进行融合，大约需要40min完成影像融合，分辨率为2m，融合影像质量较好，轮廓色调清晰; 再将同一幅经过正射校正后的多光谱影像存储为BIP模式后进行融合，大约需要15min完成影像融合，影像质量与未改变存储顺序融合的影像一致。
经融合后的影像在分辨率上明显优于融合前的多光谱影像，融合后的影像轮廓也变得更加清晰，色调明显优于融合前影像。地物特征更加鲜明，便于后期影像解译标志的建立及分类信息提取。
影像镶嵌
在卫星拍摄过程中，因相机宽幅有限，数据采集区域具有一定的局限性，因此使用的原始数据必须为具有一定重叠度的影像。本研究需要基于影像提取土地覆盖信息，为满足样本选择标准的统一性及土地覆盖变化研究的需要，对已有多景影像进行拼接。本研究使用ENVI 5.1对影像进行镶嵌，使用软件中无缝拼接工具Seamless Mosaic，对影像进行无缝拼接，并自动增强色调。
在拼接过程中部分影像背景为黑色，需要对背景值赋值为0，从而消除在镶嵌过程中背景的影响。
影像裁剪
在进行土地覆盖变化监测之前需要对研究区域影像进行裁剪，以保证数据范围一致、面积大小相等，进而保证结果的科学性和有效性。根据已有影像数据情况，在处理过程中按照行政边界对影像进行裁剪，获取符合监测需要的影像区域。
在裁剪过程中，首先将研究区域边界矢量化，由于高分一号卫星影像和研究区域边界矢量图的坐标系统不一致，不能直接进行裁剪，需先对边界矢量图进行投影转换，再根据转换后的矢量边界对影像进行裁剪，获取研究区域影像图。