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
使用过Landsat-7 ETM+影像数据的童鞋,你们是否因为影像的数据条带丢失所困扰呢?数据条带丢失也就是我们通常说的坏条带问题,遇到这种数据很让人头疼。
图:原始影像
坏条带的由来:2003年5月31日,Landsat-7ETM+机载扫描行校正器(SLC) 故障,导致此后获取的影像出现了数据条带丢失,严重影响了Landsat ETM遥感影像的使用。此后Landsat 7 ETM SLC-on是指2003.5.31日Landsat 7SLC故障之前的数据产品,Landsat 7 ETMSLC-OFF则是故障之后的数据产品。
坏条带的修复:部分学者开展了条带受损修复研究,一些遥感图像处理软件可以实现条带修复,如ENVI已有相应插件,利用掩膜通过插值方法修补缺失的条带。
今天主要向大家介绍利用ArcGIS的栅格函数实现Landsat-7 ETM+的条带修复。
条带修复实现步骤
(1)加载影像数据:通过catalog窗口实现影像加载
展开栅格产品 图标,将多光谱(下图红框中的数据)影像拖拽至影像视窗。
图:栅格产品显示影像数据
(2)进入影像属性窗口:展开栅格函数处理链
Table Of Contents——>Layers图层——>右键影像——>Properties——>Functions选项,打开影像属性窗口函数选项。
图:栅格函数面板
(3)插入Mask Function:设置影像条带为无效值
进行如下参数设置:
图:MaskFunction函数设置
这里有几个参数需要注意一下:
NoData Interpretation:NoData值的设置
下拉框里有“Any”和“All”两个选项,默认选项是“Any”,这也是首选项。如果选择了“All”,那就意味着一景影像的所有波段的Nodata值都位于相同的像元,做掩膜运算时只会把具有这些特性的像元设置为0值。而“Any”,则会把所有波段上的Nodata值都设置为0值。很明显,前者的要求比较苛刻,可能会遗漏一些零值的设置,所以通常此处设为“Any”。
NoDataValues:无效值的设置
NoData设置为0。
(4)插入statistics Function:利用领域统计计算,去除无效值
参数设置如下:
图:统计参数设置
这里有两个参数注意一下:
Type:领域统计方法
默认类型是“Mean”,通常此种方法能得到较理想的结果。可根据影像具体情况进行设置。
Neighborhood Settings:领域行列数设置
根据条带的行列数进行该参数的设置,该值无上限。但需要注意的是,如果数值偏大,统计值计算的速度会变慢,并且参与统计的行列数过多,可能会导致影像变得模糊起来
Fill NoData pixel values only,当进行坏线去除时,这个参数需要选中,表示只进行无效值的填充。
图:最终结果
图:细节图
通过以上几步,即可实现影像坏线去除。利用ArcGIS实时处理技术,可以瞬时得到处理后的影像,如果对结果不满意,可以适当的进行参数修改。
整个坏线去除的思路为:设置坏线处的无效值为0值,利用Mask Function进行掩膜运算;对于0值的区域,利用领域统计算法去除这些无效值。