Ⅰ ENVI5.3 FLAASH大气校正运行中的问题总结
本文汇总了ENVI5.3 FLAASH大气校正模块中常见的运行错误，并给出解决方法。前一部分是错误提示及说明，后面是错误解释及解决方法。 FLAASH对输入数据类型有以下几个要求： 1、波段范围：卫星图像：400－2500 nm，航空图像：860—1135nm。若要执行水汽反演，光谱分辨率<=15nm，且至少包含以下波段范围中的一个：1050—1210 nm、770—870 nm、870—1020 nm。 2、像元值类型：经过定标后的辐射亮度（辐射率）数据，单位是：(μW)/( cm2×nm×sr)。 3、数据类型：浮点型（Floating Point）、32位无符号整型（Long Integer）、16位无符号和有符号整型（Integer、Unsigned Int)，但是最终会在导入数据时通过Scale Factor转成浮点型的辐射亮度(μW)/( cm2×nm×sr)。 4、文件类型：ENVI标准栅格格式文件，BIP或者BIL储存结构。 5、中心波长：数据头文件中（或者单独的一个文本文件）包含中心波长（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）。 选择Toolbox→Radiometric Correction→Atmospheric Correction Mole→FLAASH Atmospheric Correction，打开FLAASH大气校正工具。 一、Unable to write to this file.File or directory is invalid or unavailable。 没有设置输出文件名，包括2个文件名输出反射率文件（Output Reflectance File）、（FLASH文件的输出目录）Output directory for FLAASH File。注意输出文件要用字母命名。 修改为下图: 二、2.ACC Error：convert7 IDL Error：End of input record encountered on file unit：0. 平均海拔高程太大。 注意：填写影像所在区域的平均海拔高程的单位是km：Ground Elevation（km）。通过网络网络查阅研究区域大约海拔，例如：辽宁省海拔300~1000 m左右。即输入0.3~1。 三、3.ACC error：avrd: IDL error：Unable to allocate memory: to make array Not enough space ACC_AVRD 无法分配内存：创建数组。表明ENVI的分块（Tile）太大了。修改为：高级设置里面（Advanced Settings），tile size：100~200 m。如下图：四、ACC error:lsmooth2: IDL error: ACC_LSMOOTH2: Cannot continue with smoothing calculation ACC_LSMOOTH2：无法继续进行平滑计算。图像分辨率比较低，领域效应区分不出来。解决方法是在在高级设置里面（Advanced Settings），将领域纠正（Use Adjacency Correction）设置No。具体情形如下图：五、错误类型是：Undefined: LINES. 未定义：LINES。其修改如下图： 最终FLAASH大气校的设置情况如下图： 特别运行过程中要等待，要保证图9变为图10代表运行完毕，方可停止，不然影像会产生暗黑图像。
Ⅱ FLAASH 大气校正文件准备具体怎么做
大气？楼主你这是什么实验？近红外还是远红外？这边主要是傅立叶的中红外。不过俺对楼主的实验很感兴趣，能详细说说实验的步骤么，谢谢建议您可以到行业内专业的网站进行交流学习！分析测试核帆网络网乐意为你解答实验中空唯碰到的各种问题，基本上问题都能得到解答，有问题可去那提问，网络上搜下就改亏雹有。
Ⅲ ENVI在大气校正是FLAASH中的Lat 和Lon的值要怎么在元数据文件中找到啊
1、 打开tm原始影像数据ENVI > file > open image file > ‘L5142032_03220090725_MTL.txt’ > 打开文件，如下：图2 自动读取数据列表展示2、 TM数据辐射定标ENVI > basic tools > preprocessing > calibration utilities > Landsat calibration，弹出如下对话框，图3：图3 辐射定标参数设置对话框 3、 储存顺序调整Flassh大气校正对于波段存储的要求为：BIL，BIP格式，上述计算得到的存储方式为BSQ，在此进行波段存储顺序的转化，段乎具体操作如下：ENVI > basic tools > convert data (BSQ ,BIL ,BIP)图 4 存放顺序转换4、 Flaash校正参数设置大气校正的前期准备工作完毕，现在进行校正参数的设置：ENVI >握闷悉 basic tools > preprocessing > calibration utilities > FLAASH，弹出对话框：图 5 FLAASH参数界面设置图 6 多光谱设置对对话框根据上述图中的参数设置，然后点击ok，运罩枯行flaash大气校正。
Ⅳ 快速大气校正（QUAC）
快速大气校正工具（QUick Atmospheric Correction 简称 QUAC）自动从图像上收集不同物质的波谱信息，获取经验值完成高光谱和多光谱的快速大气校正（如下图5.5.1）。它得到结果的精度近似 FLAASH 或者其他基于辐射传输模型的樱高+/-15%。它支持的多光谱和高光谱波谱范围是(0.4~2.5 μm)。图片图 5.5.1 快速大气校正流程图QUAC 的输入数据可以是辐射亮度值、表观反射率、无单位的 raw 数据。可以是任何数据储存顺序（BIL/BIP/BSQ）和储存类型，多光谱和高光谱传感器数据的每个波段必须有中心波长信息。QUAC 的操作非常简单，如下：（1）在 Tool box 中，启动敬拦/Radiometric Correction/Atmospheric Correction Mole/QUick Atmospheric Correction (QUAC)，在文件输入对话框中选择校正的图像文件如图5.5.2；图片图 5.5.2 文件选择对话框（2）打开 QUick Atmospheric Correction Parameters 面板，在 Sensor Type 中选择相应的传感器类型，亮颂胡一般会根据图像信息自动选择。（3）选择文件名和路径输出。
Ⅳ 大气校正
遥感器接收目标辐射或反射的电磁波所形成的遥感原始图像与目标相比是失真的，这是因为在太阳-大气-目标-大气-遥感器的光线传播路径中，许多因素的影响造成接收的信号不能准确的反映地表物理特征。这些因素归结为以下几个方面：
（1）大气内容物的影响
大气主要由大气分子和气溶胶组成，这两者的影响行为是不相同的。大气分子瑞利散射、气溶胶的Mie散射；大气分子与气溶胶的吸收及两者的耦合作用。一方面，大气的吸收导致消光，减少了辐射量，降低了图像对比度，使图像变得暗淡；另一方面，大气散射导致的程辐射，增加了辐射量。
（2）表面因素的贡献
在一般的应用中，为了简化计算，假定地表为朗伯体，反射与方向无关。事实上任何表面在物理特性与物质结构上都不是理想朗伯体，因此认为地面是朗伯体会带来误差，而当地表方向反射特性突出时，假设地面是朗伯体的大气纠正方法精度受到限制。另一个因素是由于大气散射的存在，邻近像元的反射光也会进入目标视场从而影响辐射量，即交叉辐射。
（3）地形因素的影响
目标高度与坡向会对辐射造成影响。
（4）太阳辐射光谱的影响
太阳本身是一个黑体，其光谱辐射按照普朗克定律有一定的形状，这个因素在反射率反演中需要予以考虑。
由以上可知，大气对光学遥感的影响是十分复杂的。为此，学者们尝试着提出不同的大气纠正模型来模拟大气的影响。但是对于任一幅图像，其对应的大气数据几乎是永远变化的，且难以获得，因而应用完整的模型纠正每个像元是不可能的。最早的大气纠正方法是从图像本身来估计大气参数，反复运用大气模拟模型进行纠正。结合地面实况数据进行大气校正是另一种方法，其包括两种类型：一种是通过地面测定大气参数（如可见光近红外的气溶胶的密度及红外区域的水汽浓度），再结合辐射传输方程作近似求解；另一种是测得地面目标物的反射率，再与图像数据进行比较来消除大气的影响。地面同步测量有助于提高精度，但是却需要人力物力，且应用区域也有限。此外还有一些大气纠正的方法。例如在同一平台上，除了安装获取目标图像的遥感器以外，也安装上专门测量大气参数的遥感器，利用这些数据进行大气校正。
3.4.1 基于影像特征的校正模型
基于图像特征的相对校正法是在没有条件进行地面同步测量的情况下，借用统计方法进行图像相对反射率转换。从理论上来讲，基于图像特征的大气校正方法都不需要进行实际地面光谱及大气环境参数的测量，而是直接从图像特征本身出发消除大气影响，进行反射率反演，基本属于数据归一化的范畴。精确的大气校正需要精确的测量大气参数和复杂的运算，这些在许多遥感应用中，往往很难满足。并且在某些应用中不一定需要绝对的辐射校正。此时，这种基于图像的相对校正就能满足其要求。
基于图像特征的相对校正法主要有内部平均法、平场域法、对数残差法等。
（1）内部平均法
假定一幅图像内部的地物充分混杂，整幅图像的平均光谱基本代表了大气影响下的太阳光谱信息。因而，把图像DN值与整幅图像的平均辐射光谱值的比值确定为相对反射率光谱，即
ρλ ＝ Rλ /Fλ （3.21）
式中：Rλ为像元在该波段的辐射值；Fλ为整幅图像的平均辐射光谱值；ρλ为该像元的相对反射率。
（2）平场域法
平场域法是选择图像中一块面积大且亮度高而光谱响应曲线变化平缓的区域，利用其平均光谱辐射值来模拟飞行时大气条件下的太阳光谱。将每个像元的DN值与该平均光谱辐射值的比值作为地表反射率，以此来消除大气的影响。
ρλ ＝ Rλ /Fλ （3.22）
式中：Rλ为像元在该波段的辐射值；Fλ为平场域的平均辐射光谱值；ρλ为该像元的相对反射率。
利用平场域消除大气影响并建立反射率光谱图像有两个重要的假设条件：一个是平场域自身的平均光谱没有明显的吸收特征；另一个是平场域辐射光谱主要反映的是当时大气条件下的太阳光谱。
平场域模型已广泛应用于遥感数据处理中，它是在内部平均法模型基础上发展起来的，这种模型克服了内部平均法模型易受像幅内吸收特征影响而出现假反射峰的弱点，而且计算量更小，其不足之处在于选取光谱地理平台单元时，会引入人为的误差，而且需要对研究区内地物光谱有一定的先验了解，当选取具有不同反射率等级的地理平台单元时，会引出不同处理结果。当研究区位于山区或其他地形起伏较大的复杂地区时，选择地理平台单元较为困难。
（3）对数残差法
对数残差法的意义是为了消除光照及地形因子的影响。按照一定的规则调节每个像元值，使其在每一个被选定的波段上的值等于整个图幅的最大值，然后对每一个波段减去其归一化后的平均值。假设有：
DNij ＝ TiRijIj （3.23）
式中：DNij为像元i的j波段的灰度值；Ti 为像元i处表征表面变化的地貌因子，对确定的像元所有的波段该值都相同；Rij为像元i波段j的反射率；Ij为波段j的光照因子。
由表3.12我们可以看出，以上三种方法中，只有残差图像法是真正意义上的辐射校正。
表3.12 高光谱基于图像特征的相对校正法对各种影响辐射的物理因素的补偿能力比较
3.4.2 地面线性回归经验模型
基于地面线性回归经验模型法是一个比较简便的定标算法，国内外已多次成功地利用该模型进行遥感定标实验。它首先假设地面目标的反射率与遥感器探测的信号之间具有线性关系，通过获取遥感影像上特定地物的灰度值及其成像时相应的地面目标反射光谱的测量值，建立两者之间的线性回归方程式，在此基础上对整幅遥感影像进行辐射校正。该方法数学和物理意义明确，计算简单，但必须以大量野外光谱测量为前提，因此成本较高，对野外工作依赖性强，且对地面定标点的要求比较严格。这种方法仅适用于地面实况数据特定的地区及时间。
3.4.3 利用波段特性进行大气校正
在利用卫星遥感中，有相当部分的大气散射光未经过地物反射，通过大气吸收后，直接进入传感器。我们叫这种辐射为程辐射。严格地说，程辐射的大小与像元位置有关，随大气条件、太阳照射方向和时间变化而变化，但因其变化量微小而忽略。可以认为，程辐射度在同一幅图像的有限面积内是一个常数，其值的大小只与波段有关。一般来说，程辐射度主要来自米氏散射，即散射主要发生在短波波段，其散射强度随波长的增大而减小，到红外波段基本接近于零。可以把近红外波段作为无散射影响的标准图像，通过对不同波段图像的对比分析来计算大气影响。根据这个原理主要有三种方法：单影像直方图调整法、单影像回归分析法和多时相影像归一化分析法。
（1）单影像直方图调整法
采用单影像直方图调整方法的前提条件是在一幅影像中存在某种地物如深海水体、高山背阴处等，其辐亮度值或反射率接近于0，这时其图像直方图的最小值就应该为0，如果不为0，就认为是大气散射导致的。
（2）单影像回归分析法
假定某红外波段，程辐射影响接近于零，设为波段a，现需要找到其他波段相应的亮度最小值，这个值一定比a波段的亮度最小值大一些，设为波段b。分别以a，b波段的像元亮度值为坐标，作二维光谱空间，两个波段中对应像元在坐标系内用一个点表示。由于波段之间的相关性，通过回归分析在众多点中一定能找到一条直线与波段b的亮度Lb 轴相交，即用最小二乘法拟合出一条直线，回归方程为
Lb ＝ KLa ＋ c （3.24）
式中：c为拟合的直线在Lb轴的截距；K为拟合直线的斜率。
高光谱遥感技术原理及矿产与能源勘查应用
高光谱遥感技术原理及矿产与能源勘查应用
式中：La为假定波段亮度最小值；
为所选黑区的像元均值。C是波段a中的亮度值为0时，在波段b中所具有的亮度值。可认为C就是波段b的程辐射值。然后将波段b中的所有像元值都减去这个截距值C，来去掉波段b中的程辐射值。
（3）多时相影像归一化分析法
多时相影像归一化首先要选取基准影像（设为b），然后对不同时相的所有其他影像的光谱特征进行转换，使它们具有与基准影像基本相同的辐射量级。多时相影像归一化分析方法的一个重要步骤是选取伪不变特征（Pseudo-Invariant Features，PIFs），也称为辐射地面控制点。伪不变特征具有如下特点：尽管某些变化是不可避免的，伪不变特征的光谱特性应该随时间变化很小，如深海水体、裸土。大屋顶或其他同质地物都是不错的选择；在一景影像中，伪不变特征与其他地方的高程应该大致相同，山顶伪不变特征在估计近海面大气条件中的作用不大，因为大气中的多数气溶胶都出现在低于1000 m的大气中；伪不变特征包含的植被应尽可能少，由于环境胁迫和气候周期的影响，植被光谱反射率会随时间变化；伪不变特征应该选在相对平坦的区域，使太阳高度角的逐日变化与所有归一化目标的太阳光直射光束之间具有增加或减小的比例。
利用基准影像与其他时相影像的PIFs光谱特性之间的联系进行回归分析。该方法是假定时相b-1或b＋1的影像像元与基准影像b相同位置上的像元是线性相关的。这意味着，采样像元的光谱反射特性在这一段时间内没有发生变化，所以多时相影像回归分析的关键是选取伪不变特征。
地面覆盖的遥感分类能力依赖于遥感亮度值（BV）和实际地表条件的稳定联系。然而，太阳高度角、日地距离、各种不同传感器系统的探测器定标差异、大气条件和太阳-目标传感器的几何关系等因素会影响像元亮度值。影像归一化减少了由非地表因素引起的像元亮度值变化，使不同时相的像元亮度值变化与地表条件的实际变化相联系。归一化处理使得从基准影像中得到的像元分类可用于其他的归一化影像上。
3.4.4 大气辐射传输模型理论方法
1972年，Turner与Spencer提出的通过模拟大气-地表系统来评估大气影响的方法，可作为最早的大气辐射传输模型之一，当时研究的重点在于消除大气对影像对比度的影响。20世纪80年代，许多学者对卫星影像的大气校正研究做了大量工作，在模拟地-气过程的能力上有了很大提高，发展了一系列辐射传输模型，例如我们熟知的LOWTRAN系列模型和5S模型。
自1990年以来，许多的辐射传输模型被用于大气校正算法中，涌现出一大批新的大气校正模型，其中有的方法使用一些先进的数学算法提高计算速度（如6S），试图寻找精度与速度的最佳平衡点。
基于大气辐射传输理论的大气纠正模型主要考虑的问题有以下几个方面：
1）构成大气的气体分子和气溶胶的散射和吸收特性及两者耦合效果的研究。其中，各模型主要考虑的是吸收及气溶胶散射。大气辐射传输模型中用到的大气参数包括气温、气压、水汽含量、臭氧含量、能见度、水平气象视距、灰尘颗粒度等，这些参数用于计算辐射传输方程中大气的吸收透过率与散射透过率，以及气溶胶光学厚度，因此输入大气参数的精度直接影响大气校正的最终结果。同步实地观测可以为大气校正提供所需的大气参数，但同步实地观测需耗费大量人力物力，且对历史数据无能为力。为此，6S和MODTRAN中提供了一系列既定参数供用户选择，这些参数是对大量观测数据统计分析得到的，旨在模拟遥感器过境时的大气状况，但这与实际的大气状况存在差距。
2）地表特性的假设。高精度的大气校正必须考虑地表非朗伯体特性。在6S中可以选择均一非朗伯体模型。
3）模型中算法的选择。更精确的算法往往会伴随巨大的计算量，以往大气纠正的过程中，学者往往会牺牲一定的精度来满足计算速度的需求，现在随着计算机科技的发展，越来越多的模型选择了复杂而更精确的算法来满足高精度的需求。
在已有的模型中，最著名的辐射传输模型是MODTRAN和6S。分别是在对LOWTRAN与5S改进的基础上发展而来。由于高光谱相机波段范围是400～2500nm，拟分别采用6S 辐射传输模型和MODTRAN辐射传输模型进行大气纠正。6S源代码开放，可以很方便地进行修改和移植；MODTRAN可供自定义的参数多，均适合于相应的地表反射率反演系统开发。利用若干典型区域的长期地基观测数据（如AERONET观测站点所在区域），建立起局地气溶胶模式和类型，结合6S和MODTRAN分别建立针对这些区域的大气纠正模式。同时，在实验验证的基础上对重点区域大气辐射传输方程进行简化，在不降低反演精度的前提下，减少运算次数，提高高光谱图像在这些区域的地表反射率反演效率。
6S模型是1997年由Vermote和Tanre等人用Fortran语言编写的适用于太阳反射波段（0.25～4μm）的大气辐射传输模式。由于计算机水平和其他相关知识的发展，6S模型对5S模型提出了一系列的改进。主要改进如下：
1）在5S模型中，瑞利散射的大气函数ρ，T，S被制成表，给使用带来不便。在6S中，用满足精度的解析表达式代替。
2）6S模型选用高精度的SOS模型代替原有方法处理分子和气溶胶散射。SOS模型可以精确模拟机载遥感，并且提供处理非朗伯体（BRDF）临近问题所需的输入参数。
3）5S模型假定吸收作用与散射作用可以耦合，就像吸收粒子位于散射层的上面一样。6S假设散射和吸收互不影响，主要考虑水汽吸收和气溶胶散射的三种极端耦合情况：水汽吸收粒子覆在气溶胶层之上；水汽吸收粒子在气溶胶层之下；有一半水汽吸收粒子与气溶胶辐射路径混在一起。
4）5S中，气体吸收传输用的是随机波段模型。这个模型有两个主要问题：首先，使用的是AFGL在1982年公布的大气吸收线性参数，并没有考虑太阳反射光谱段的一些其他吸收气体；其次，采用20 cm-1的波段间隔（过大）模拟宽波段辐射计（如1000 cm-1）的吸收，这个较宽的波段间隔不适用于模拟更高光谱分辨率（如100 cm-1）光谱仪器的吸收情况。在6S中，不仅考虑新的吸收分子种类的影响，并且气体的吸收以10 cm-1的光谱间隔来计算。
5）为了兼顾计算效率，5S代码仅模拟海平面上均匀朗伯体目标的反射率。在6S中，目标高程Zt 可作为一项输入：可依据Zt 去除目标高度以下的大气层，计算新的大气廓线；由于Zt对主要分布在低层大气中的H2 O产生很大的影响，故可根据Zt 重新计算H2 O含量，同理，可根据Zt 重新计算气溶胶的含量；6S将光学厚度视为目标高度处压强的比例函数，从而很高精度的计算了Zt 对分子光学厚度的影响。
6S模型定义了地表的反射率模型，包括均一地表和非均一地表两种情况，在均一地表中又考虑了无方向性反射问题，在考虑方向性问题时用了九种不同的模型。利用较高精度的新模型解释BRDF作用和临近效应。
6）6S对5S数据库的改进：
光谱积分步长达到了2.5nm（相比于原来的5nm）。
增加了新的吸收气体（如CO2，N2O，CH4），6S模型用HITRAN数据库以10cm-1分辨率计算波段吸收参数。
IRC定义的四种基本气溶胶微粒以更好的步长重新计算一次。
且6S中新加了5S中难以计算的气溶胶模型（平流层型、沙漠型，以及生物燃烧产生的气溶胶类型）。
6S给定了九种比较成熟的BRDF供用户选择，也可以自定义BRDF函数，作为参数输入到6S，验证研究反射率与地表BRDF的关系（表3.13 ，表3.14）。
表3.13 6S模型输入参数
表3.14 6S模型输出参数
LOWTRAN和MODTRAN模型是由美国空军地球物理实验室研制的大气辐射模拟计算程序，在遥感领域被广泛应用于图像的大气校正。
LOWTRAN是一个光谱分辨率为20 cm-1的大气辐射传输实用软件，它提供了六种参考大气模式的温度、气压、密度的垂直廓线；水汽、臭氧、甲烷、一氧化碳、一氧化二氮的混合比垂直廓线；其他13种微量气体的垂直廓线；城乡大气气溶胶、雾、沙尘、火山喷发物、云、雨的廓线；辐射参量（如消光系数、吸收系数、非对称因子的光谱分布）及地外太阳光谱。它可以根据用户的需要，设置水平、倾斜及垂直路径，地对空、空对地等各种探测几何形式，适用对象广泛。LOWTRAN的基本算法包括透过率计算方法，多次散射处理和几何路径计算。
（1）多次散射处理
LOWTRAN采用改进的累加法，自海平面开始向上直至大气的上界，全面考虑整层大气和地表、云层的反射贡献，逐层确定大气分层每一界面上的综合透过率、吸收率、反射率和辐射通量。再用得到的通量计算散射源函数，用二流近似解求辐射传输方程。
（2）透过率计算
该模型在单纯计算透过率或仅考虑单次散射时，采用参数化经验方法计算带平均透过率，在计算多次散射时，采用k分布法。
（3）光线几何路径计算
考虑了地球曲率和大气折射效应，将大气看作球面分层，逐层考虑大气折射效应。
MODTRAN模型可以计算0到50000 cm-1的大气透过率和辐亮度，它在440 nm到无限大的波长范围精度是2cm-1 ，在22680cm-1到50000cm-1紫外波（200～440nm）范围的精度是20cm-1 ，在给定辐射传输驱动、气溶胶和云参数、光源与遥感器的几何立体对和地面光谱信息的基础上，根据辐射传输方程来计算大气的透过率以及辐亮度。
开发MODTRAN是为了改进 LOWTRAN 的光谱分辨率，MODTRAN 将光谱的半高全宽度（full width half maximum，FWHM）由LOWTRAN的20cm-1减少到2cm-1 ，目前的MODTRAN4.0它的光谱分辨率已经达到2 cm-1 ，改进了瑞利散射和复折射系数的计算精度，增加了DISORT计算太阳散射贡献的方位角相关选项，并将七种BRDF模型引进到模型中，使地表的参数化输入成为可能。
MODTRAN以卡片的形式来进行参数设置，操作起来清晰简洁，可以在文本格式下直接对其输出输入参数文件进行修改。
Ⅵ ENVI下FLASSH大气校正后的数据范围正常是少，输出格式是float还是什么格式的，谢谢
大气校正后默认乘以10000，因此范围为0-10000，输出的应该是整型的
Ⅶ 老师好，我做完大气校正后的landsat8图像无法打开，大气校正过程应该没错，请老师指导下，谢谢您！
这个是envi文件系统，不用管它，告颤可陆友悔以打开早正另存为tif等格式的
Ⅷ ENVI中TM影像大气校正的具体步骤
有很多种大气校正方法，经典的有黑暗像元法，此法较为厅运经典也有较好的校正效果。具体步骤为：（1）打开待校正图像文件。（2）在主菜单中，选择Basic Tools->Preprocessing->General Purpose Utilities-> Dark Subtract，在文件选择对话框中选择待校正图像文件，单击OK按钮，打开Dark Subtraction Parameters面板。（灶雹3）在Dark Subtraction Parameters面板中，确定黑暗像素值包括三种方法（Subtraction Method）：隐伏帆 波段最小值(Band Minimum) ROI的平均值(Region Of Interest) 自定义值（User Value）（4）在Output Result to中选择File以及相应的输出路径和文件名，单击OK执行操作。
Ⅸ 大气校正前后植被光谱差异
如何查看Sentinel-2（哨兵）影像大气校正前后的变化（安德帅，徐丹丹）我们可使用SNAP软件进行对比查看Sentinel-2影像大气校正后的效果。Step1： 在SNAP中加载影像SNAP中打开大气校正后耐橘的影像的方法：File—>import—>optical sensors—>sentinel2A，打开MTD_MSIL2A.xml文件，右击加载好的文件选open RGB image window，默认为真彩色，点击OK即可。同理可以打开L1C影像（未经过大气校正的影像），都打开后我们选择Window —> Tile Horizontally（水平分隔），可以分隔为两个窗口。左图为大气校正后的影像，右图为为经过大气校正的影像。Step2： 对行州比大气校正前后的Sentinel-2影像这样对比起来看，看不出差别，需要查看光谱图进行对比，先将图片放大，利用工具栏中的大头针（Pin）添加标记点Pin1（红圈部分）。然后将大头针的位置复制到右图，调出大头针管理器（选择View—->Tool Windows—->Pin Manager），在下方出现的Pin Manager中选择右下角红圈中档亩蔽的工具将大头针复制到右图。勾选需要复制的数据源，点击OK。然后就可查看大头针所在像元的波谱图，选择Optial—>Spectrum View，先点击下图中第1步（目的是将大头针工具切换至选择工具），然后点击下图中第2步所圈标记，即可以查看左图大气校正后的（其图像边界有浅黄色背影）Pin1（植被）波谱值。大气校正后的影像（L2A数据）只需将鼠标在右图点击一下，即可以看到右图大气校正前（其图像边界有浅黄色背影）Pin1（植被）的波谱图：大气校正前的影像（L1C数据）通过对比大气校正前（L1C）和大气校正后（L2A）的光谱图发现，曲线趋势存在明显区别，校正前影像反射率存在明显错误，因此，使用Sen2Cor进行大气校正是正确使用影像的必要处理过程。Step 3：对比不同地物的光谱曲线（光谱特征）我们通过植被光谱曲线图，通过对比不同波段的反射率可以更直观的发现，大气校正后的影像更加符合理论。
Ⅹ 大气校正出来的文件怎么打开
1、首先主菜单Spectray-FLAASH，打开FLAASH大气校誉派举正模块。2、其次点击inputradianceimage，选择BI格式的环境小卫星数据，羡枯在面板中选择，选择默认，单击OK。3、然后传感器基本信息设置。4、最后大气庆碧校正前后植被光谱曲线对比即可。
