一、 实验内容
数据预处理，叶绿素a浓度反演，结果验证与分析。
二、 实验目的
利用环境一号卫星(HJ-1)CCD图像，采用半经验模型建立实测数据与图像之间的关系，反演叶绿素a浓度。
三、 实验过程
1、 数据预处理
1. 研究区裁剪
再加载扩展工具之后，通过进行批量的数据定标和波段合成，由于环境一号卫星CCD标准景数据覆盖范围大，裁剪太湖以及周边区域图像。在主界面中File-Save As，点击Spatial Subset，在右侧打开的面板中裁剪的范围即可。
过程图如图3.1.1所示，图3.1.2所示。
图3.1.1 数据定标和波段合成
图3.1.2 设置裁剪范围
图3.1.3 太湖及周边区域裁剪结果图
2. 几何校正
使用经过校正的Landsat TM 数据作为基准图像。
通过Geometric Corre→Registration→Image RegistrationWorkflow工具，打开图像配准流程化工具。
选择“TM_baseimage. dat”作为基准图像，将上一步图像裁剪的结果图为待校正影像，设置中间的参数，基准图像和待矫正的图像匹配波段均为Band 4，拟生成的控制点数据设置我300个，在模拟生成的控制点中删除误差大于2的点，再设置重采样的方法输出最终几何校正的结果图
过程图如图3.1.4图3.1.5图.3.16所示
图3.1.4 进行图像配准流程化
图3.1.5 相关参数设置
图3.1.6 删误差大的控制点
图3.1.7 设置重采样的方法
图3.1.8 几何校正结果图
3. 大气校正
先将几何校正的结果图存储模式转换成BL格式，再通过Radiometric Corre→Atmospheric Correodule→FLAASH Atmospheric Corre工具，进行FLAASH 大气校正。
在参数设置面板中FLAASH自动获取图像中心点的经纬度信息，传感器类型，城市的气溶胶模型，不进行气溶胶反演和水汽反演，能见度为40等相关大气模型的参数设置。
最终，过程图如图3.1.9，图3.1.10，结果图如图3.1.11，图3.1.12所示。
图3.1.9 转换存储格式为BIL
图3.1.10 进行大气校正
图3.1.11 大气校正结果图
图3.1.12 校正前后植被波谱曲线变化
4. 裁剪太湖区域
通过Feature Extra→Segment Only Feature ExtraWorkflow工具，输入大气校正结果图像，设置分割和合并阈值，得到面向对象分割的矢量图像，获取分割矢量结果。
然后在图像管理器中选中生成的图像分割Shapefile图层，按住Ctrl键，使用鼠标左键选中太湖区域矢量多边形，手动提取太湖边界矢量。
接着进行裁剪太湖区域，通过Regions of I→Subset Data from ROIs工具，选择大气校正结果图像,利用矢量文件裁剪大气校正结果得到太湖区域的图像。过程图如图3.1.13，图3.1.14，图3.1.15，图3.1.16所示
图3.1.13 设置分割的相关阈值
图3.1.14 图像分割结果图
图3.1.15 获取太湖区域的矢量文件
图3.1.16 图像裁剪结果图
2、 水色参数反演
结合实地调查数据，将水面采样点与实测叶绿素浓度在空间上建立对应关系。
通过Toolbox 工具箱中，双击Band Ratio→Band Math 工具，在Enter an expression，输人表达式:float ( b4)/b3，添加进去在打开的Variables to Bands Pairings面板中，分别为b3和 b4变量选择波段3、4，进行波段运算计算得到比值图像。如图3.2.1，图3.2.2所示。
图3.2.1 进行波段运算
图
图3.2.2 波段比值结果图
打开反演点. Txt，在ASCII Tempte面板中，设置相关参数修改FIELD2中Name为“Y "(纬度)，修改FIELD3中Name为“X”(经度)，在File Sele对话框中选择波段运算的结果文件,自动加载了图像和 ROI 图层，单击ENVI工具栏中的图标，设置输出CSV文件。
即可将水面调查点与BNIR/BRED对应的像元值导出为CSV格式的表格，过程结果图如图3.2.3，图3.2.4，图3.2.5所示。
图3.2.3 反演点参数设置
图3.2.4 设置输出
图3.2.6 输出对应表格
进行模型参数反演。将“反演点. txt”文件中的ch含量与图像中导出的像元值放在同一个Excel表格中建立一一对应关系，将水面采样点与实测叶绿素浓度在空间上建立对应关系。选中B4/B3计算值与叶绿素a实测值，选择Excel主插入散点图。
最终，线性回归方程和R平方值在散点图上显示最终反演模型为: y =0.0421x +0.0165,R=0.7833。如图3.2.7，图3.2.8所示。
图3.2.7 建立一一对应关系
图3.2.8 反演模型
由于反演模型表达为:Chl =0. 0421 * BNR/BRED+0.0165，将此模型应用到比值图像中。
同样使用波段运算Band Math工具，输入表达式:0.0417 * bl+0.0167，将bl为BNR/BRED比值图像，计算得到叶绿素a反演结果图像。
结果图像中的像素值代表该像元范围内( 30 m x 30 m)平均叶绿素a含量，单位与实测数据一致。过程图如图3.2.9，图3.2.10所示。
图3.2.9 使用模型进行反演
图3.2.10 反演结果图
3、 结果验证与分析
验证方法与反演模型建立类似。将“验证点. txt”文件中的ch含量与图像中导出的像元值放在同一个Excel表格中建立对应关系，将水面采样点与实测叶绿素浓度在空间上建立对应关系。选中B4/B3计算值与叶绿素a实测值，选择Excel主插入散点图。
最终，线性回归方程和R平方值在散点图上显示最终反演模型为: y =0.9813x +0.0.66,R2=0.9066，拟合效果很好。如图3.2.7，图3.2.8所示。
最后通过Cssification→Raster Color Slices工具，进行密度切割添加一个区间:[0. 05，0.146304]。
可以看到，叶绿素a含量大于0.05 mg/L主要分布在太湖沿岸，这部分区域受人后动影响较大，比较容易造成水质富营养化，浮游植物易于生长。
过程结果图如图3.3.1，图3.3.2，图3.3.3，图3.3.4，图3.3.5所示。
图 3.3.1 进行验证
图3.3.2 输出表格
图3.3.3 验证反演模型
图3.3.4 设置阈值进行密度分割
图3.3.5 密度分割结果图