ENVI5.3编辑图像头文件信息—-以Landsat8为例 在进行遥感图像处理之前一般都要进行图像预处理工作，影像预处理的一般顺序：辐射定标—>大气校正—>几何校正—>（图像融合）—>镶嵌/拼接—>裁剪。 大气校正如果采用FLASH大气校正时对图像有一定的要求： 数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2nmsr）。 数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM)，这两个参数都可以通过编辑头文件信息输入(Edit Header）。 数据类型 • 支持四种数据类型：浮点型（floating）、长整型(long integer )、整型

Landsat8场景计算器 介绍 该程序可以从下载landsat8图像和其他文件。 可以根据需要生成的场景类型按需下载这11个波段。 场景生成所需的所有文件都将被下载。 将文件保存到本地磁盘后，将生成场景。 频段可以独立下载，也可以自动下载，具体取决于特定计算/合成所需的频段。 该程序将创建以下内容的GeoTIFF文件： 归一化植被指数计算 土壤调整植被指数计算 可见光谱（自然色）复合 短波红外复合材料 农业综合 地质综合 水深合成 重要笔记 ./data/index.gz是可用数据的索引，如果不存在，则下载该文件，请不要将其删除。 ./data/defaults.json是用户在程序提示中的最后输入。 删除是安全的，但是您将需要在提示符下重新输入先前的值。 如果由于任何问题中断下载，程序将退出。 在下一次运行时，只要不删除不完整的“ .part”文件，下载的文件就可以继续下载。

介绍Landsat8卫星遥感数据的特征，明白该卫星数据的具体参数。

描述 该数据集主要包括六个文件夹。它们如下： 1. *.JPG格式的封面图片文件夹；2. 2008-2015年*.JPG格式的海口亮温差图片文件夹；3. 热岛强度图文件夹在*. 2008年至2018年的JPG格式；4.海口市位置图文件夹在*. PNG格式；5. 反演码文件夹，*.Landsat5(LST5)和Landsat 8(LST8)反演码数据。专业格式；6. Process文件夹，其中*. VSD 格式。

描述 喜马拉雅山位于青藏高原南缘，为更好地了解该地区积雪变化，克服中低分辨率遥感对地形复杂山区积雪监测描述不够详细的问题，利用Landsat 8晴空开展积雪监测。空间分辨率为 30m 的条件数据。由于山区地形复杂，针对喜马拉雅地区归一化积雪指数法普遍存在高估问题，采用支持向量机（SVM）分类方法，逐个场景选取不同地形、阴影等条件的积雪特征训练样本进行积雪。分类，结合冰川湖、地表水体等辅助数据和空间邻域分析进行数据后处理，构建了2013-2020年喜马拉雅山脉中东部段30m分辨率积雪数据集通过对比Sentinel-2的高分辨率积雪分类，在900*900m的网格内，积雪率的相关系数在0.95以上，均方根误差在0.1%左右。两者构建的积雪识别结果一致性较好。雪盖数据集包括喜马拉雅山脉中东部地区8年共607个雪盖数据，主要分布在当年10月至次年4月的冬季雪季。该数据集可为雪盖时空特征分析、中低分辨率雪盖数据的验证和优化提供依据，为喜马拉雅及下游地区气候变化、水资源管理和生态效益研究提供支撑。地区。

使用googleearth下载最新的landsat8卫星影像

landsat8官方用户手册，包括landsat8所有的过程计算，如亮度温度等 landsat8官方用户手册，包括landsat8所有的过程计算，如亮度温度等

祁连山国家级自然保护区地处我国西北,生态环境薄弱,为快速掌控祁连山自然保护区的自然地理信息情况,更好地进行环境监测,应充分发挥遥感监测优势。文中选取Landsat8 OLI影像数据为基础数据源,结合Erdas Image和Arcgis对祁连山自然保护区进行自然地表类型自动提取和变化监测分析,通过选取最优波段组合,结合NDVI辅助对两期影像执行监督分类。结果表明此种方法可以简单快速求得保护区自然地表类型变化趋势,为保护区自然地表类型变化监测提供可靠技术支撑。

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVITEM改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVITEM改进算法较为适合本研究区。

以厦门市为研究区域，以2013年的Landsat8为研究数据，研究亮度温度反演以及地表温度反演的劈窗算法，推导出该算法的演算过程，根据Landsat8的特性，确定该算法的参数取值。通过ENVI／IDL软件编程实现该算法，采用厦门市遥感数据反演地表温度，并且利用厦门市气象局实测温度验证地表温度反演结果的有效性。