1. 高分二号数据预处理入门指南
第一次接触高分二号多光谱影像处理时，我被各种专业术语和复杂流程搞得晕头转向。经过半年多的实战摸索，终于总结出这套保姆级操作指南，特别适合刚入门的遥感工程师或地理信息专业学生。高分二号作为我国自主研制的亚米级高分辨率卫星，其多光谱数据在农业监测、城市规划等领域应用广泛，但原始数据必须经过预处理才能发挥价值。
ENVI5.3是目前最主流的遥感处理平台之一，但很多新手会遇到三个典型问题：插件安装报错、定标系数过期、高程计算不准确。本文将手把手带你解决这些问题，从数据准备到正射校正全程演示，特别加入了2023年最新定标系数查询方法和自动高程计算技巧。所有操作步骤都经过20+次实测验证，确保在Windows和Linux系统都能稳定运行。
提示：处理前请确保计算机至少有8GB内存，建议使用英文路径存放数据，避免因中文字符导致程序异常退出。
2. 环境配置与数据准备
2.1 安装国产卫星支持插件
ENVI默认不支持国产卫星数据格式，需要先安装专用插件。这里推荐两种经过验证的安装方式：
方案A：通过ENVI App Store自动安装
- 启动ENVI5.3，点击顶部菜单Help→ENVI App Store
- 搜索"China Satellites Support"插件
- 点击Install按钮等待自动完成（需保持网络连接）
方案B：手动安装插件包当服务器无法联网时，可手动下载插件：
# 下载地址（需替换为最新版本）： wget https://example.com/gf_plugin_v2.3.zip unzip gf_plugin_v2.3.zip -d /usr/local/envi53/extensions/安装后需重启ENVI，在File→Open As菜单中会出现China Satellites选项即表示成功。我曾遇到插件版本不兼容问题，解决方案是同时安装VC++2015运行库。
2.2 数据文件检查
拿到高分二号数据包后，重点检查三个文件：
- MSS.xml：主元数据文件（必须存在）
- PAN.tiff：全色波段（本文不涉及）
- MSS.tiff：多光谱数据（含蓝、绿、红、近红外4个波段）
注意：2023年后新获取的数据可能采用.tif后缀，这是正常的格式升级。如果遇到"Invalid XML"报错，可能是文件编码问题，用Notepad++转为UTF-8编码即可。
3. 辐射定标实战详解
3.1 加载影像与系数验证
在Toolbox中选择Radiometric Correction→Radiometric Calibration，关键参数设置：
- Calibration Type选Radiance
- Scale Factor建议手动输入2023年最新系数（如下表）
| 波段 | 旧系数 | 2023新系数 |
|---|---|---|
| 蓝 | 0.1935 | 0.2018 |
| 绿 | 0.1852 | 0.1923 |
| 红 | 0.1736 | 0.1801 |
| 近红外 | 0.1659 | 0.1724 |
这些系数可从中国资源卫星应用中心官网下载PDF文档获取。有个实用技巧：用Python脚本自动提取PDF中的系数表：
import pdfplumber with pdfplumber.open("GF2_coeff.pdf") as pdf: print(pdf.pages[3].extract_table()[2:6])3.2 执行定标与质量检查
点击Apply后生成Radiance数据，建议立即做两项验证：
- 用Spectral Profile工具查看典型地物（如水体、植被）的光谱曲线
- 检查数值范围是否合理（正常情况蓝波段在0-120之间）
常见问题排查：
- 若出现全黑图像：检查输入文件是否选错
- 数值异常偏高：确认是否使用了正确定标系数
- 波段顺序错乱：重新检查XML文件中的波段定义
4. 大气校正关键技巧
4.1 FLAASH参数配置
在Atmospheric Correction Module中，这些参数最容易出错：
- Sensor Altitude：631km（千万别用默认值）
- Pixel Size：多光谱数据填4米
- Ground Elevation：用DEM自动计算更准确
高程自动计算步骤：
- 打开Toolbox→Statistics→Compute Statistics
- 选择辐射定标后的影像作为输入
- 在Elevation图层上框选感兴趣区域
- 查看输出的平均高程值（单位：千米）
4.2 响应函数设置
这是最容易被忽视的关键步骤：
- 找到ENVI安装目录下的filterfuncs文件夹
- 选择对应传感器的.sli文件：
- GF2-PMS1选gf2_pms1_mss.sli
- GF2-PMS2选gf2_pms2_mss.sli
- 在Multispectral Settings中加载该文件
实测发现，错误的光谱响应函数会导致植被红边特征异常。建议校正后立即用以下方法验证：
- 健康植被在近红外波段反射率应显著升高
- 清洁水体在可见光波段吸收率应大于90%
5. 正射校正与后处理
5.1 RPC模型优化
在RPC Orthorectification Workflow中，高级设置建议：
- 输出分辨率设为4米（与原始数据一致）
- 重采样方法选Cubic Convolution（保持纹理）
- DEM源选GMTED2010（比默认的SRTM更精确）
遇到地形起伏大的区域时，可以：
- 在Advanced选项卡勾选Use Topographic Correction
- 调整Terrain Height Variation阈值（通常设0.3-0.5）
5.2 反射率换算
由于ENVI会将大气校正结果放大10000倍，需要用Band Math做还原：
- 输入公式：float(b1)/10000.0
- 选择所有波段依次处理
- 输出格式建议选择ENVI标准格式（.dat）
最终数据应满足：
- 植被反射率在0.1-0.5之间
- 水体反射率低于0.1
- 无负值或大于1的异常值
6. 常见问题解决方案
在批量处理100+景数据后，我整理出这些实战经验：
问题1：大气校正后出现条带噪声
- 原因：原始数据存在探测器异常
- 解决方案：在FLAASH中开启Strip Correction选项
问题2：正射校正边缘扭曲
- 原因：RPC模型外推误差
- 解决方案：手动设置Output Extent比原图小50像素
问题3：波段运算报错
- 典型错误："Array dimensions must match"
- 检查：确认所有输入波段空间分辨率一致
- 技巧：先用Resize Data工具统一尺寸
对于时间序列分析，建议建立标准化处理流程：
- 创建批处理脚本（.sav文件）
- 用ENVI API实现自动化：
import envi task = envi.Task('RadiometricCalibration') task.input_file = 'GF2_MSS.xml' task.execute()最后提醒：每次升级ENVI版本后，建议重新测试处理流程，我曾遇到过5.3.1和5.3.2版本对GF2支持差异导致的结果偏差。保存完整的处理日志（包括参数截图）是后续质量追溯的关键。
