这里我们之所以将正射校正放在拼接前边，是因为我们正射校正的结果需要作为大气校正的初始文件。这里需要说明其实我们刚开始说的流程图也可以先进行正射校正，也就是说正射校正和大气校正之间是没有依赖关系的。高分影像数据的制作可以算做一个特例。 这里还需要进行说明一点：正射校正之前可能无法进行图像镶嵌（拼接）的，无法进行操作会弹出如下图2所示的说明（其实我们影像并没有问题，下图3-5显示两幅影像都是一样的）。我们之所以先进行拼接是因为可能研究区有多幅影像组成，那么如果正射校正的话需要一幅一幅影像的进行校正，然后再进行拼接。这样将会花费大量的时间。因此，我们往往会想到先进行影像的拼接，然后对拼接后的一幅影像进行校正。如果你跟我一样未果的话，那么可以先进行校正，然后再进行拼接操作。 图6 拼接失败提示 图7 影像数据信息 图8 影像坐标信息 图9 影像光谱波段信息 这个问题目前我还没有想到为什么。这里我们就先不纠结这个问题为什么会出现了，那就先用麻烦点的操作进行，先进行正射校正。 这里由于我没有控制点，没有参考的栅格影像，于是采用了RPC文件进行正射校正。如果你有现成的栅格影像或者控制点信息，你可以采用RPC Orthorectification Using Reference Image 工具（envi5.3版本，这里因为我使用的envi5.1，因此放弃了这种方式，不过这种方式要比我所做的方式正射效果优秀，建议使用这个种正射校正方式）。具体操作步骤参考博文：自动采集控制点的RPC正射校正工具 。我采用的方式是使用RPC Orthorectification Workflow工具，具体过程如下图所示： 图10 选择RPC Orthorectification Workflow工具 图11 文件选择 这里DEM File默认是2010年的900m分辨率的DEM，这里根据实际情况，如果有更高分辨率的DEM的话，选择高分辨率的DEM效果更好。这里我已经对影像进行了裁剪，因此影像范围肯定小于DEM范围了。这里我选择的是30m分辨率的DEM。 图12 DEM跟裁剪影像图 中间白色边框内是两幅未拼接的裁剪影像图。接下来进行选择裁剪影像和DEM进行文件选择。 图13 裁剪文件选择 点击“Next”。接下进行RPC设置。 图 14 RPC设置 这里因为我没有控制点，因此对于GPC的设置我没有进行处理。直接进行接下来选项的设置。 图 15 Advanced选项设置 Advanced设置，其中辐射校正算法中分别是：最近邻法、线性内插、三次卷积法，这里我们可以选择三次卷积方法。 图 16 Statistics选项设置 Statistics设置我们这里选择All。 图17 辐射校正输出选项

（这里明天进行一下对比验证）

在开始之前，我这里先说明一下辐射定标和大气校正。同样，这里引用上边所引用的文章几何校正；正射校正；几何配准；影像配准，空间配准；辐射定标；大气校正；辐射校正的概念解释一下各定义。

正如很多资料所说，不同学者解释辐射定标的定义不同： ①定标是将传感器所得的测量值变换为绝对亮度为与地表反射率、表面温度等物理量有关的相对值的处理过程（赵英时等《遥感应用分析原理与方法》） ②遥感器定标就是建立遥感传感器的数字量化输出值DN与其所对应的视场中的辐射亮度值之间的定量关系（陈述彭，也是度娘的解释） ③辐射定标是将传感器记录的***电压或数字值***转换成绝对***辐射亮度***的过程（梁顺林《定量遥感》） ④辐射定标就是将记录的***原始DN值***转换为***大气外层表面反射率***，目的是消除传感器本身产生的误差 辐射定标有很多方法：实验室定标、星上定标、场地定标。具体参见ESRI中国社区ENVI版块，dsbin传感器定标http://bbs.esrichina-bj.cn/ESRI/viewthread.php?tid=56191 另特别说一下：将DN值转化为辐射亮度和大气表观反射率的公式：

是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。（包括辐射定标和大气校正）三者关系可以归结为下图： 图 18 辐射校正、辐射定标、大气校正关系图 Ok，这里感谢一下“倒斗我不会”给予的解释。接下来我们继续我们的教程——辐射校正。

接下来我们开始进行辐射校正。首先先进行辐射定标。在envi中使用Radiometric Correction—>>Radiometric Calibration（辐射校正）。具体如下图所示： 图 19 辐射定标 当我选择所选影像进行下一步时会出现如下图所示警示： 图20 警示 ？？？这是什么意思呢？经过查阅相关文献，我从中得以将此问题解决。实际上辐射定标的目的就是将DN值转换为辐射亮度值（前边已经提及到了）。因此需要将传感器的Gain值和Offset值输入到envi中进行转换成辐射亮度值。envi中通过编辑envi 头文件来进行编辑Gain和Offset值。Envi 5.3中（具体获取方式参照前言）通过Raster Management中的Edit ENVI Header工具进行对两个值修改，具体操作如下： 图21 Set Raster Metadata 通过点击Add可以添加Gain和Offset工具: 图22 Add Gain and Offset工具 添加完后，我们可以发现在界面中出现了对Gain和Offset值修改的界面。如下图所示： 图23 Gain and Offset界面 接下来我们就开始对两个值进行添加，这里其实还有一种修改方式（手动），具体的操作方式，不在叙述，具体操作请参照博客ENVI下高分一号PMS相机多光谱数据大气校正，在这里我采用自动选择文件的方式进行快速添加。首先，我在这里列一下2015年国产陆地观测卫星外场绝对辐射了定标系数表供手动方式使用： 图24 2015各国产卫星辐射定标系数 在接下来就是对两个值的修改，这里我们以修改Gain值为例，影像的波谱函数等参数获取，可以通过中国资源卫星应用中心获取。 图25 添加Gain文件 然后我们可以发现各波段的Gain值已经输入到了界面中，如下： 图26 添加Gain值 同理，再修改Offset值。通过View Metadata可以来确认一下各波段是否已经赋值给了Gain和Offset。 图27 检查各波段参数值 通过检查光谱信息我们发现，影像需要大气校正还缺条件，大气校正需要以下几个条件： 1、数据是经过定标后的辐射亮度（辐射率）数据（uW/cm2nmsr） 2、数据有中心波长（wavelenth）值，如果是高光谱还需要波段宽度（FWHM）。 3、数据类型支持四种：浮点型、长整型、整型、无符号整型 4、波谱范围：400~2500nm 可以发现我们的影像中并没有中心波长，因此我们还需要进行输入中心波长信息。接下来我们进行中心波长的添加，对于中心波长的添加这里我采用手动方式进行添加。具体的方式我可以通过使用envi打开影像的光谱曲线来进行确定。具体步骤如下： 使用Spectral Library进行对光谱曲线文件的添加。 图28 Spectral Library Viewer 图29 添加光谱曲线函数文件 通过点击各波段最高点可以获取中心波长（Data Value=1处，需要注意这里的单位是nm）。 同理获取其它波段的波长，这里进行一下高分一号各波段中心波长的整理： 中心波长（um） band1： 0.485 band2： 0.56 band3： 0.696 band4： 0.797 这样我们就完成了大气校正的条件，接下来可以进行辐射定标的其它操作了。需要注意的是我需要对辐射定标的文件的格式进行限制一下，因为大气校正所识别的文件格式为BIL或者BIP格式，因此需要进行选择。 图30 文件格式 （随后修改：其实这里只是对影像文件进行了头文件的参数编辑，因此文件格式这里也可以不进行选择） 接下来时使用Radiometric Correction > Radiometric Calibration工具，进行辐射定标，具体步骤如图所19，选择文件后发现上述的错误没了，弹出辐射校正对话框，如下图所示： 图31 辐射定标输出 这样，辐射定标操作就完成了！

辐射定标完成后，我们将开始大气校正。辐射定标的完成成功与否直接影响着大气校正的结果。这里我们使用FLAASH Atmospheric Correction工具对影像进行大气校正。如下图： 图32 FLAASH Atmospheric Correction工具 打开后弹出FLAASH模型工具的输入参数。首先我们需要编辑Input Radiance Image，该文件就是我们上边刚刚处理完成的辐射定标文件。选择文件后弹出Radiance Scale Factors，这里我们选择Use single那个选项，scale factor这里我们已经在辐射定标那里进行了转换，这里不需要再进行修改了。如下图所示： 图33 Radiance Scale Factors 接下来两个是设置大气校正的输出文件路径 图34 设置大气校正输出文件路径 然后我们再设置传感器的各个参数，Sensor Type选择GF-1，然后高分一号的参数，如传感器高度、影像分辨率都会自动填充上去，这里有个地面高程的需要我们根据研究区来进行获取。如果我们手中并没有确切的平均高程数据，在这里我们可以借助envi提供的高程影像进行获取研究区域的平均高程。具体方式如下： 打开全球高程数据（2010年） 图35 GMTED2010 然后借助Compute Statistics工具进行获取 图36 Compute Statistics工具 选择高程数据 图37 选择高程数据文件 按Stats Subset按钮，在弹出的Select Statistics Subset对话框中，点击File按钮选择研究区。 图38 选择研究区文件 弹出计算统计参数对话框，默认是基本统计 图39 Basics Stats 点击OK,将弹出基本统计的结果，这里我们看到我们想要的平均高程。 图40 Mean Elevation 这样我们就获取了我们所研究区域的平均高程是135.592195m。在大气校正填写是注意单位，需要转换为km。接下来我们需要设置Flight Data参数。 对于Flight Data影像获取时间，可以通过View Metadata来查看。不幸的是我的影像啥都没有，那怎么获取影像获取时间呢？ 图41 Time 其实我们的影像数据中往往会文件进行记录数据，其中有个xml的文件，学过计算机的人都知道，xml文件主要用于数据存储传输用的，打开它，你会惊喜的发现，你所要的东西就在里面。如下图： 图42 Receive Time 这里需要注意的是，我们这里填写的是格林尼治时间，而不是北京时间。如若我们想要获取北京时间的话，需要再此基础上加8个小时。 图43 time setting 选择Atmospheric Model时，参考help给予的提示。 图44 Select Atmospheric Model 因为我们没有水汽的含量值，因此我们采用第二种方式进行选择。通过第二个表我们可以看到可以根据两个变量进行判断：一个是纬度；另一个是月份。而且我们发现该表90度北纬度没有，12月份也没有，因此通过此规律可以断定两者都是“就小原则”，这里我的研究区是35.7N~36.6N，时间是4月23，因此选择30N：March，因此模型选择MLS。 接下来需要设置气溶胶模型设置，至于做不做气溶胶，我们可以通过我们的影响是否可以做气溶胶来确定，如果KT算法设置总Defaults三个中上行下行均不能都有值，那么说明影像不能做气溶胶的反演。 图45 气溶胶KT算法 需要设置的是Advanced选项，这里我们根据自己电脑配置进行选择。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-O7LMzOzX-1570262760221)(https://img-blog.csdn.net/20160505104637471)] 图46 Advanced设置 然后点击Apply按钮，完成大气校正。大气校正成功与否，我们可以查看一下植被的光谱曲线是否标准。 这里我粗略的画了一下常见几种地物的光谱曲线图，供大家参考。 图47 光谱曲线图 大气校正计算时间比较常，需要耐心等待，而且校正完的影响也不会自动加载到View中，需要打开数据管理进行加载。这里我们选择Load CIR假彩色加载(右击)对照一下大气校正前后的光谱曲线图，发现大气校正成功。

最后说明一点，前边好多操作其实可以省略的包括中心波长的编辑。如果你的版本是envi5.3的话直接打开xml文件就可以进行接下来的操作。由于刚开始我使用的envi5.1版本，因此手动编辑的内容要多一些。