遥感IDL二次开发(辐射定标)

简介: 遥感IDL二次开发(辐射定标)

1.程序功能:

在IDL环境下进行辐射定标,并将结果返回ENVI。


2.运行步骤:

2.1 在ENVI中打开TM数据,并将数据传回到IDL工作空间:

首先打开ENVI+IDL8.5,导入TM数据,然后在右侧工具栏中输入IDL,点击Export to IDL variable,选择导入的TM_data,命名为TM01。然后切换到IDL工作空间,输入代码后编译运行。


2.2 读入TM的定标参数,将TM的DN值转换为辐亮度L:

在下方控制台中,调用函数L= AtmoCorr5(TM_data),在弹出的窗口中选择校正参数文档,点击回车,IDL就会自动对图像进行辐射定标。


2.3 将辐亮度数据传回ENVI,保存,并编辑头文件:

回到ENVI,在右侧工具栏中输入IDL,点击 Import from IDL variable,导入L(辐射定标后的图像),如是在新版ENVI 中操作,需要打开Data Manager,才可以显示输出后的图像。

微信截图_20230111115145.png


3.程序源代码:

functionAtmoCorr5,TM_data
;L——定标后辐射亮度
;DN——原始灰度值
;Gain和Offset分别为该波段的增益和偏置系数
;读入数据
size_TM=size(TM_data) ;TM数据的大小
samples=size_TM[1] ;TM数据列数
lines=size_TM[2] ;TM数据行数
bands=size_TM[3] ;TM数据波段数
print, samples,lines,bands
;读取TM各波段增益与偏置系数
fn_calib=dialog_pickfile(filter='*.txt')
openr,lun,fn_calib,/get_lun
data=fltarr(2,6)
readf,lun,data
free_lun,lun
gain=data[0,*] ;增益值
offset=data[1,*] ;偏移值
;利用定标系数将原始DN值转换为大气层顶太阳辐亮度L
L=fltarr(samples,lines,bands) ;定义辐亮度
fori=0,bands-1dobegin
L[*,*,i]=TM_data[*,*,i]*gain[i]+offset[i] ;计算辐亮度
endfor
return,L
end


相关文章
|
前端开发 搜索推荐 API
webpack和vite devServer的进阶用法:配置proxy修改请求和响应
在前端日常开发中我们一般都是配置本地开发服务器的proxy来解决跨域问题,查看官网文档或者通过搜索引擎搜出来的都是比较基础的用法。
2544 0
kde
|
4月前
|
存储 文件存储 Docker
威联通 Docker 国内镜像源加速配置全攻略
本文介绍了如何在威联通NAS上配置轩辕镜像仓库以加速Docker镜像拉取。内容包括:获取免登录镜像仓库地址、配置自定义存储库、测试镜像拉取及日常使用优化建议。通过简单几步即可提升镜像下载速度与稳定性,适用于个人及企业用户。
kde
1559 0
|
9月前
|
人工智能 自然语言处理 机器人
招商银行X通义大模型,2024年度AI最佳实践案例!
招商银行X通义大模型,2024年度AI最佳实践案例!
708 2
|
11月前
|
IDE 测试技术 开发工具
10个必备Python调试技巧:从pdb到单元测试的开发效率提升指南
在Python开发中,调试是提升效率的关键技能。本文总结了10个实用的调试方法,涵盖内置调试器pdb、breakpoint()函数、断言机制、logging模块、列表推导式优化、IPython调试、警告机制、IDE调试工具、inspect模块和单元测试框架的应用。通过这些技巧,开发者可以更高效地定位和解决问题,提高代码质量。
1081 8
10个必备Python调试技巧:从pdb到单元测试的开发效率提升指南
|
9月前
|
Linux 测试技术 语音技术
和NexaAI一起, 把Qwen2-Audio部署到更多端侧硬件上吧!
和NexaAI一起, 把Qwen2-Audio部署到更多端侧硬件上吧!
|
算法 计算机视觉
YOLOv3 的非极大值抑制(NMS)算法是如何工作的,它对最终检测结果有何影响?
YOLOv3 的非极大值抑制(NMS)算法是如何工作的,它对最终检测结果有何影响?
|
机器学习/深度学习 数据可视化 数据建模
使用ClassificationThresholdTuner进行二元和多类分类问题阈值调整,提高模型性能增强结果可解释性
在分类问题中,调整决策的概率阈值虽常被忽视,却是提升模型质量的有效步骤。本文深入探讨了阈值调整机制,尤其关注多类分类问题,并介绍了一个名为 ClassificationThresholdTuner 的开源工具,该工具自动化阈值调整和解释过程。通过可视化功能,数据科学家可以更好地理解最优阈值及其影响,尤其是在平衡假阳性和假阴性时。此外,工具支持多类分类,解决了传统方法中的不足。
304 2
使用ClassificationThresholdTuner进行二元和多类分类问题阈值调整,提高模型性能增强结果可解释性
|
移动开发 小程序 数据可视化
HBuilderX 小白上手指南
HBuilderX 小白上手指南
804 0
|
自然语言处理 前端开发 Linux
在Linux中,什么是 GUI?
在Linux中,什么是 GUI?
element UI 组件封装--搜索表单(含插槽和内嵌组件)
element UI 组件封装--搜索表单(含插槽和内嵌组件)
402 5

热门文章

最新文章