前言

遥感技术能够从远距离获取表征地物生、化、物特性的电磁波信息，在农业、林业、环保、测绘等众多领域都有着极为广泛的应用。然而受传感器自身特性、大气条件、地形起伏等多种因素的影响，遥感数据通常存在几何畸变、辐射误差等问题，因此在进行遥感分析前需要对数据做预处理操作。常规的数据预处理流程包括几何校正，以消除因传感器位置、姿态变化和地形起伏导致的图像几何畸变；辐射校正，校正传感器本身和大气对辐射量的影响；裁剪，截取研究区域以减少数据量；投影转换，统一不同数据的地理坐标系统；去云处理，去除云层对图像的遮挡；补洞操作，修复图像中的数据缺失区域等。

本文将使用MapGIS Desktop，以 Landsat8 L2SP数据为例，详细介绍如何在MapGIS中完成遥感数据预处理。

数据简介

本文数据获取自[地理空间数据云](https://www.gscloud.cn/)。

Landsat8卫星的重访周期为16天，携带了一个光学影像传感器和一个热红外传感器，提供10个有效波段，各波段参数如下：

传感器	波段	波段名称	波长范围	空间分辨率	主要应用领域
OLI	Band 1	沿海/气溶胶	0.433 - 0.453	30	沿海水域、大气气溶胶研究
OLI	Band 2	蓝色	0.450 - 0.515	30	水深测绘、土壤植被区分
OLI	Band 3	绿色	0.525 - 0.600	30	健康植被监测、水下地形
OLI	Band 4	红色	0.630 - 0.680	30	植被识别（叶绿素吸收强）
OLI	Band 5	近红外	0.845 - 0.885	30	生物量评估（健康植被反射强）
OLI	Band 6	短波红外 1	1.560 - 1.660	30	土壤湿度、植被水分含量
OLI	Band 7	短波红外 2	2.100 - 2.300	30	岩石矿物识别、热蚀变制图
OLI	Band 8	全色	0.500 - 0.680	15	空间分辨率最高，用于图像锐化
OLI	Band 9	卷云	1.360 - 1.390	30	高空薄卷云检测
TIRS	Band 10	热红外 1	10.30 - 11.30	100	地表温度反演（推荐使用）
TIRS	Band 11	热红外 2	11.50 - 12.50	100	地表温度反演（存在定标问题，不推荐）

处理流程

裁剪ROI

对栅格的操作本质上是一种矩阵运算，对性能的消耗非常大，因此提取研究区域，减少运算量，避免全图运算，是提高分析效率的重要手段。

投影变换

在多年度、多区域的数据分析中，统一坐标系是分析的基础。可以使用工具-投影变换-批量投影，在弹出窗口中设置目标参考系，将数据投影至指定的参考系。

几何校正

几何校正可以纠正因传感器位置、姿态变化和地形起伏导致的图像几何畸变。在MapGIS中，可以使用分析-影像预处理-几何校正，选择校正策略，在弹出窗口中设置校正参数，对数据进行几何校正。本文由于使用的是landsat的L2级数据，已经做过几何校正、辐射校正、大气校正，因此不需要校正操作。

辐射校正

辐射校正可以纠正因传感器本身和大气对辐射量的影响，从而获得更准确的地表反射率。在MapGIS中，可以使用分析-影像预处理-辐射校正，选择校正策略，在弹出窗口中设置校正参数，对数据进行辐射校正。本文由于使用的是landsat的L2级数据，已经做过辐射校正，因此不需要校正操作。

去云处理

landsat8的数据中的qa_pixel波段包含了云、云阴影、雪、水等像素的信息。因此可以使用该波段对原始数据进行去云处理。
qa波段的每个像素值都是一个16位的二进制数，每个位对应一种像素状态。

位	状态	说明
0	清晰像素	=1 表示是无效的填充值
1	云	=1 表示是云像素
2	云阴影	=1 表示是云阴影像素
3	雪	=1 表示是雪像素或冰像素
4	水	=1 表示是水像素
5	云阴影（高置信度）	=1 表示高置信度云阴影像素
6	云（高置信度）	=1 清晰像元
7	填充像素	=1 表示填充像素

可以通过栅格计算器，结合位与（&）运算符，对qa_pixel波段进行去云处理。通过&运算符，可以指定获取位的值。通过if判断将符合条件的像素设为1，否则设为0。
Mask = if( ((I1 & 8) = 0) and ((I1 & 16) = 0) and ((I1 & 4) = 0) , 1, 0 )

然后将各波段影像与上述Mask图层相乘，即可得到去云后的影像。

效果预览：

同样处理所有的图层。

补洞

在去云处理后，原本云所在地方会变为NullVal。这些无效值对于后续的分析结果可能会产生影响，可以根据任务需求，使用近邻日期的影像填充无效值。当然这一步并非必要步骤，是否需要以及可以使用近邻日期影像填充还取决于任务的具体需求。如对于长时序、大范围的监测任务，近邻日期的像元变化不大。而对于如作物生长监测等现势性要求高的任务，前后两景影像的作物成熟度差异可能已经非常大了，就不适用于该方案。当然能否填充也与几何配准精度、传感器差异等有关，如果几何变形很大或前后的传感器不一致，也可能会导致引入新的误差。
可以通过栅格计算器中的if函数，如果当前图层的像元值>0,则保留，否则使用另一景影像的值。if(I1>0,I1,I2)。


当然，也可以将去云的步骤于当前步骤合并进行，避免频繁的读写操作。

其中：

• I1为Mask。
• I2为当前影像。
• I3为用于填充的邻近日期影像。
  重复上述步骤将所有波段均进行去云处理和补洞操作。

波段合成

保留2、3、4、5波段，分别对应蓝色、绿色、红色、近红外。

在其中添加上2、3、4、5波段的文件，并设置结果路径。

合成后，添加数据至工作空间，在数据上右键-属性-符号系统，指定显示模式中的RGB波段（1、2、3）；并在栅格编辑-直方图中设置为线性显示以获得真彩色显示效果。
至此，数据预处理完成，下一章将介绍分类特征操作。