全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
遥感影像自然真彩色合成可分为以下几种方法:1、直接用多光谱影像的红、绿、蓝通道合成,一般用于高分辨率影像;2、利用其它波段加权处理,重新生成红、绿、蓝波段,一般用于增强某种地物颜色层次,如植被、水体等;3、利用其它波段信息重新生成某一波段,一般用于缺少波段的传感器,如SPOT、Aster等。
1.波段加权运算(包含R、G、B、NIR波段的数据)
最常见的就是增强植被信息,可使用绿色和近红外波段加权运算。如下公式:
Bandnew=a*Bgree+(1-a)*Bnir
a是权重值,取0~1。
下面使用ENVI下的Bandmath和layerstacking工具,利用TM影像合成真彩色图像。
(1) 打开包括R、G、B、NIR波段的TM影像。
(2) 选择Basic tools->Bandmath,输入表达式:byte(b2*0.8+b4*0.2),选择相应的波段执行运算。
(3) 在波段列表中,选择:R-红色波段,G-合成波段,B-蓝色波段显示,可以看到合成想效果。
(4) Basic tools->layerstacking,将相应三个波段组成一个三波段图像文件.
另外,为了让植被之外的地物颜色更加真实,可以只对植被进行增强,这里使用NDVI对植被进行区分。首先先计算NDVI,使用使用以下波段运算表达式进行加强运算:
(B3 gt 0.2)*(b2*0.8+b4*0.2)+(B3 le 0.2)*b2
B3:NDVI。
2 波段生成
常见的就是SPOT影像蓝色波段的生成,下面是SPOT常见的方法:
(1)原来的绿波段(0.50-0.59μm)当作蓝波段(该波段靠近蓝波段的光谱范围),红波段(0.61-0.68 μm)仍采用原来的波段,绿波段用绿波段、红波段、近红外波段的算术平均值来代替。
R:XS2
G:(XS1+ XS2+ XS3)/3,band math表达式:byte((fix(b1)+b2+b3)/3)
B:XS1 效果如下:
(2)将原来的绿波段(0.50-0.59μm)当作蓝波段,红波段(0.61-0.68 μm)仍采用原来的波段,绿波段用绿波段、近红外波段按3:1的加权算术平均值来代替。
R:XS2
G:(XS1×3+XS3)/4,band math表达式:(b1*3+b3)/3
B:XS1
效果如下:
以上两种由于其算法是比较相近的,所以生成影像的色彩效果区别不大。以上方法不仅限于SPOT影像,也可用于ASTER影像,甚至用于其他包括绿波段、红波段、近红外波段的数据。