遥感影像深度学习模型 遥感影像数据处理方法

一、问题描述

用到的数据包括Landcover，DEM，PM2.5浓度， MODIS AOD；
需要先进行尺度匹配和配准，才能进行后续的训练建模。

二、具体步骤

• 第一步：数据预览。
  建议在ENVI, ArcGIS或者Matlab中对输入数据输出数据可视化，并进行统计描述，寻找和排除异常值，方便后续做出准确的处理。
• 第二步：影像裁剪。
  裁减成研究区域的大小，可以在ENVI中实现。ENVI Classic 5.3 操作如下： Basic Tools—Resize Data----在弹出的窗口中，选择Input files，点击Spatial Subset----在弹出的窗口中，可以有多种裁剪方式可供选择，常用的是点击Map，输入左上角和右下角的经纬度，根据经纬度范围裁剪—依次点击各个窗口的OK—设置输出路径和文件名称—完成影像裁剪。



• 
  



• 
  



• 有时候也会遇到影像拼接的问题，同样可以通过ENVI或者ArcGIS实现，此处不做赘述。
  ENVI （不是ENVI Classic）：在Toolbox中启动/Mosaicking/Seamless Mosaic。
  ArcGIS：在ArcMap的ArcToolbox中提供了Mosaic/Mosaic To New Raster的功能（ArcToolbox－Data Management Tools－Raster Mosaic/Mosaic To New Raster）
• 第三步、重采样（尺度统一）
  反演问题中的输入输出影像应当居于相同的分辨率，因此需要进行重采样。***
  主要用到的重采样工具包括ENVI和MATLAB。
  ENVI的操作步骤和上一步类似，具体操作如下： Basic Tools—Resize Data----在弹出的窗口中，选择Input files，点击OK----在弹出的窗口中，点击Set Output Dims by Pixel Size…—输入想要得到的输出影像的分辨率，如想得到分辨率0.1°*0.1°的影像，则在上下方框内分辨输入0.1，0.1—依次点击各个窗口的OK—设置输出路径和文件名称—完成重采样。
  Matlab可以用imresize函数。B = imresize(A,[mrows, ncols],method) 将图片A由参数method指定的插值运算方法，来改变图像的大小到长宽为[mrows,ncols]
  常见的重采样方法包括： 'nearest’最近邻插值， 'bilinear’双线性插值，'bicubic’双三次插值，‘pixel average’像素平均（仅用于降采样/升尺度）。方法选择需要根据数据特性考虑。如土地利用类型数据，只能利用最邻近法重采样。
  另外，影像中的异常值会对重采样造成较大影像，需要处理，目前除了修改或者重写重采样的代码，还没有很好的处理办法，大家有好的方法，也欢迎分享和交流！

• 第四步、像素对齐
  用ENVI裁剪和重采样后，即使各输入输出影像具有相同的空间分辨率和地理范围，也可能存在相像素不匹配的问题，如下图：
  
  这是由于ENVI在裁剪的时候，并不会破坏像素，即下图中，用蓝色区域去裁剪栅格影像时，会得到橙色区域，而不是蓝色区域。
  
  这样就会造成像素仍然不对齐的问题。
  针对此问题，裁剪时可以采用ArcGIS的Clip工具裁剪。具体操作如下：
  先在工具箱中找到Clip工具，打开：
  
  在弹出的Clip窗口中，输入相应的设置，点击OK即可：
  
  最终的裁剪结果，与参考影像比，是像素完全对齐的，原因在于进行了重采样，破坏了原来的像素：
  
  因此，裁剪时，建议使用ArcGIS的Clip工具。

以上。