权威推荐：用哨兵工具箱和QGIS SCP处理遥感影像

权威推荐：用哨兵工具箱和QGIS SCP处理遥感影像

引用

CSDN

等

9

来源

1.

https://blog.csdn.net/qq_31988139/article/details/138166708

2.

https://cloud.baidu.com/article/3297020

3.

https://blog.csdn.net/lhr123789/article/details/144050809

4.

https://blog.csdn.net/mrbaolong/article/details/141426381

5.

https://blog.csdn.net/C_xxy/article/details/138614095

6.

https://blog.csdn.net/qq_52964132/article/details/142137257

7.

https://www.cnblogs.com/enviidl/p/18175246

8.

https://www.jiandaoyun.com/blog/article/479107/

9.

http://www.kosmos-image.com/index.php?m=content&c=index&a=show&catid=73&id=7078

随着遥感技术的快速发展，获取和处理遥感影像数据已成为科研人员和爱好者的重要工作内容。本文将介绍两款常用的遥感影像处理工具：ESA开发的哨兵工具箱（Sentinel Toolbox）和Luca Congedo开发的QGIS半自动分类插件（SCP），并结合实际案例说明其使用方法。

哨兵工具箱是欧洲航天局（ESA）为处理Sentinel系列卫星数据而开发的专用工具。它提供了多种应用程序，用于可视化、分析和处理遥感数据。主要功能包括：

1. 波段提取：从多波段遥感影像中提取特定波段的数据。例如，Sentinel-1数据包含VV和VH两个波段，用户可以根据需要分别提取。

2. 大气校正：消除大气干扰对遥感数据的影响。这一步骤对于提高数据质量至关重要。哨兵工具箱提供了多种大气校正方法，如DOS（Dark Object Subtraction）和ACORN（Atmospheric Correction Now）等。

3. 几何校正：纠正遥感影像的几何畸变，使其具有准确的地理坐标和投影信息。这一步骤对于后续的信息提取非常重要。

4. 辐射定标：将遥感影像的数字值转换为物理量，如反射率或辐射亮度，以提高数据的可比性和准确性。

5. 图像融合：将多源遥感数据（不同空间分辨率、光谱分辨率、时间分辨率）在统一地理坐标系中，采用一定算法生成一组新的信息或合成图像的过程。

QGIS SCP插件是一个强大的开源工具，主要用于遥感影像的下载、预处理和分类。其主要功能包括：

1. 数据下载：支持从多个数据源下载遥感影像，包括Landsat、Sentinel-2等。用户可以通过图形化界面方便地设置查询参数，如时间范围、地理位置等。

2. 图像预处理：提供了一系列预处理功能，如辐射校正、大气校正、图像增强等。这些功能可以帮助用户提高数据质量，为后续分析做准备。

3. 监督分类：允许用户对遥感图像进行监督分类。用户可以定义训练样本，选择分类算法（如最大似然法、支持向量机等），并生成分类结果。

4. 后处理功能：包括图像裁剪、镶嵌、匀色等，可以帮助用户根据研究需求对影像进行裁剪和拼接。

在使用SCP插件时，需要注意以下几点：

1. Python库依赖问题：在安装过程中可能会遇到Python库依赖问题。如果遇到“Error, please install the Python required library remotior_sensus”等错误，可以尝试通过conda或pip安装所需的Python包，如GDAL和remotior-sensus。

2. 系统环境配置：确保系统中已正确配置GDAL和QGIS的环境变量。有时需要通过OSGeo Shell来运行相关命令。

3. 数据源注册：在下载数据前，需要在相关网站（如USGS EarthExplorer、Copernicus Open Access Hub等）注册账号，并获取API密钥。

遥感影像处理通常包括以下六个主要步骤：

1. 预处理：使用数字图像处理方法对遥感影像进行降噪处理、薄云处理和阴影处理等。这一步骤可以提高数据质量，减少后续处理的难度。

2. 几何校正：包括几何粗校正和几何精校正。几何粗校正是基于传感器的构象方程，利用成像瞬间传感器的外方位元素和扫描角等纠正传感器的内部畸变；几何精校正是基于构像方程，利用地面控制点解求构像模型的未知参数，实现图像坐标到地面坐标的转换。

3. 图像增强：为了特定目的，突出遥感图像中的某些信息，削弱或除去某些不需要的信息，使图像更易判读。图像增强主要包括直方图变换、图像间运算和图像融合等方法。

4. 影像裁剪：在日常遥感应用中，我们只对影像中特定范围内的信息感兴趣，这就需要将遥感影像裁减成研究范围的大小。

5. 影像镶嵌和匀色：影像镶嵌即影像拼接，将两幅或多幅数字影像拼接构成一幅整体图像的过程。先对每幅图像进行几何校正规划到统一坐标系中，再对它们进行裁剪去掉重叠部分，最后将裁剪后的多幅影像拼接成一幅大幅面影像。

6. 信息提取：依据遥感影像的地物特征，识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取，目前主要有目视判读法和计算机分类法（基于图像的灰度），且目视判读是最常用的方法。

案例1：使用SCP插件下载和处理Landsat数据

以计算植被NDVI指数为例，介绍QGIS栅格的相关操作以及应用。首先需要从地理空间数据云（https://www.gscloud.cn/search）下载Landsat数据，选择波段4（可见光红色波段）和波段5（近红外波段）栅格数据。

在QGIS中，使用SCP插件可以方便地进行数据下载。具体步骤如下：

1. 打开QGIS，加载SCP插件
2. 在SCP面板中选择“Download products”选项
3. 设置查询参数，如时间范围、地理位置等
4. 选择数据源（如Landsat 8 OLI/TIRS）
5. 点击“Search”按钮进行搜索
6. 选择需要下载的影像，点击“Download”按钮开始下载

下载完成后，可以使用QGIS的栅格计算器计算NDVI指数。具体步骤如下：

1. 打开栅格计算器（Raster > Raster Calculator）
2. 选择波段5（近红外波段）和波段4（可见光红色波段）
3. 输入NDVI计算公式：(近红外波段 - 可见光红色波段) / (近红外波段 + 可见光红色波段)
4. 设置输出文件路径和格式
5. 点击“OK”按钮开始计算

计算完成后，可以使用QGIS的符号化功能对结果进行可视化。例如，可以将白色区域设置为水体，将偏绿色部分设置为植被。

案例2：使用哨兵工具箱处理Sentinel-1数据

以Sentinel-1数据的VV和VH波段提取为例，介绍哨兵工具箱的使用方法。具体步骤如下：

1. 从Copernicus Open Access Hub（https://scihub.copernicus.eu）下载Sentinel-1数据
2. 将数据导入哨兵工具箱
3. 在工具箱中选择“Band Extraction”功能
4. 选择需要提取的波段（VV或VH）
5. 设置输出文件路径和格式
6. 点击“Run”按钮开始处理

处理完成后，可以使用QGIS或其他GIS软件对结果进行可视化和分析。

哨兵工具箱和QGIS SCP插件都是处理遥感影像数据的强大工具。哨兵工具箱专注于Sentinel系列数据的处理，提供了多种专业功能；而SCP插件则提供了从数据下载到分类的完整解决方案。这两个工具都具有开源、免费的特点，非常适合科研人员和爱好者使用。

未来，随着遥感技术的不断发展，这些工具也将持续更新和完善。我们期待看到更多创新功能的出现，以及更友好的用户界面，使遥感影像处理变得更加简单和高效。