ENVI必须会教程—Sentinel-2数据的读取与波段组合加载

2024-03-08 19:20

本文主要是介绍ENVI必须会教程—Sentinel-2数据的读取与波段组合加载,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

实验2读取Sentinel-2影像

目的:了解Sentinel-2影像读取方法,熟悉各波段及组合

过程:

①读取数据:在标题栏选择“文件”选项,点击“打开为”,选择“光学传感器”,由于哨兵2号数据为欧空局提供,鼠标定位至“European Space Agency”,选择“Sentinel-2”,打开数据文件夹,选择“S2B—”开头的文件夹,即为本次实验需要读取的“Sentinel-2”数据,选择“MTD_MSIL1C.xml”文件,打开。

图1

图2

②查看影像的波段信息,选择标题栏的“文件”,点击文件管理器,打开管理窗口,可以查看数据覆盖的波段信息。

③单波段数据加载:选择其中的某个波段,此处选择SWIR2波段,即B12,点击“加载到新视图→加载”,查看单波段影像。

图3

④波段组合数据加载:操作与步骤③类似,进入数据管理器后,选择多个波段进行组合加载即可,此处选择空间分辨率同为10m的B8、B4、B3数据。

结果:

①自然加载:读取Sentinel-2数据,图1显示了ENVI5.6中加载结果,为B4、B3、B2组合形成的自然真彩色影像。从真彩色影像中,可以发现影像覆盖的区域有多个湖泊的水体覆盖(蓝绿色),白色反映了地表的建筑。

图1

②波段查看:图二显示了Sentinel-2数据覆盖的波段,共计13个主要波段(实际上还有3个QA质量波段),需要注意的是,同一时间的不同波段映射的地表空间分辨率是不同的,可分为10m、20m、60m三类。

图2

③单波段数据:图2加载为Sentinel-2的B12数据,即SWIR2映射的地表信息。检测植被在该波段的反射率变化,能够反映植被的健康状况,同时某些SWIR波段对某些矿产有较高的吸收能力,可以用于矿产资源勘探。此外,该波段还可以与其他波段进行组合,用于获取不同的地物信息。

图3

④波段组合:图3中的右影像显示的为B8、B3、B4即近红外波段、红光波段、绿光波段的组合形成的标准假彩色影像。从两张图像的对比来看,相比于真彩色影像,标准假彩色影像可以用来监测植被的健康状况,如下图的大面积红色覆盖区反映在原真彩色影像为深绿色覆盖区域,代表植被分布的密集区域,而颜色偏白的区域则往往代表城市和建筑用地区

图4

问题1:在进行Sentinel-2任意波段组合时,加载影像出错。

出错提示:输入的波段行列号不一致、不支持用行列号不一致的波段生成RGB波段。

问题追溯:农业组合波段常用B11、B8、B2,通过查阅数据管理器,推测是由于B8与B2波段的空间分辨率是10m,而B11波段的空间分辨率是20m,这导致了不同的波段,其像素代表的地面区域不一样,因此波段之间无法合成正常的RGB影像。

解决方法:通过查阅资料,该问题可以通过波段的重采样予以解决,将三个波段重采样,选择合适的插值算法后,统一空间分辨率后可以得到正常的波段组合影像。

图1

好啦,关于Sentinel-2数据在ENVI中的读取与波段加载的分享到这里就结束了,如果对你有帮助,不要忘记了给小编点赞哦!

这篇关于ENVI必须会教程—Sentinel-2数据的读取与波段组合加载的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/788116

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

hdu4869(逆元+求组合数)

//输入n,m,n表示翻牌的次数,m表示牌的数目,求经过n次操作后共有几种状态#include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdlib.h>#includ

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi