零代碼搭建高效遙感圖像處理工具.pdf

1、零代碼搭建高效遙感圖像處理工具杜會建易智瑞信息技術有限公司遙感事業部ENVI Modeler 介紹ENVI Modeler 示例主要內容高分1號數據全流程批處理北京市4年Landsat地表反射率產品生產哨兵2號數據批處理哨兵5P數據批處理按行政區劃矢量批量統計NDVI均值測試機器學習不同分類器效果ENVI 5.5 開始提供全新建模工具（ENVI Modeler）ENVI Modeler 建模工具提供可視化界面，通過拖拽方式對 ENVI 現有功能靈活“組裝”，可零代碼實現復雜工作流和圖像批處理的構建。ENVI Modeler 簡介提供友好界面和優秀體驗零代碼構建批處理、工作流自帶多個示例模型，方

2、便學習可將模型生成為ENVI擴展工具可自動生成IDL代碼、Python代碼可一鍵將模型創建為Task，用于其他模型中支持保存和導入模型，能夠與他人分享模型可后臺、并行、集群方式（ENVI Server）運行模型可發布為企業級圖像處理服務（ENVI Services Engine）ENVI Modeler 特點ENVI Modeler 示例ENVI App Store：https:/ App Store 中安裝自定義 ENVITasks高分1號數據全流程批處理適用于大部分高分辨率衛星高分1號數據全流程批處理輸入數據目錄搜索多光譜文件搜索全色文件迭代多光譜圖像全色圖像輻射校正正射校正圖像融合正射校

3、正地表反射率包含輻射定標和大氣校正*ENVI 5.7 中的 FLAASH Task 可同時完成輻射定標和大氣校正高分1號數據全流程批處理需要 ENVI 5.7 版本Iterator 可以設置 ENVI Server，實現后臺并行處理。需要移除 FLAASH 下拉列表參數（Atmosphere Model 和 Aerosol Model），否則會報錯高分1號數據全流程批處理演示內容：模型構建過程 直接運行模型（串行）僅保留最終結果高分1號數據全流程批處理演示內容：模型修改過程 后臺運行模型（并行）保留每個步驟結果運行方式1.直接在 ENVI Modeler 中運行模型2.生成 ENVI 擴展工具

4、3.ENVI Server 后臺并行處理高分1號數據全流程批處理方式 3 需要安裝 GSF，詳見https:/ Landsat 衛星圖像生產北京市 4 年地表反射率產品1 批量FLAASH大氣校正2 批量裁剪與鑲嵌北京市 4 年 Landsat 地表反射率圖像生產共 8 景 Landsat 圖像，2 景圖像可覆蓋北京市。拍攝日期軌道號201310031230321230332017092812303212303320190918123032123033202209261230321230332022092612303220220926123033數據情況北京市 4 年 Landsat 地表反射

5、率圖像生產處理流程2013/1230322013/1230332017/1230322017/1230332019/1230322019/1230332022/1230322022/123033批量FLAASH大氣校正2013反射率圖像12013反射率圖像22017反射率圖像12017反射率圖像22019反射率圖像12019反射率圖像22022反射率圖像12022反射率圖像2裁剪與鑲嵌2013成果裁剪與鑲嵌2017成果裁剪與鑲嵌2019成果裁剪與鑲嵌2022成果建模1建模2建模3批量 FLAASH 大氣校正北京市 4 年 Landsat 地表反射率圖像生產Iterator 可以設置 ENVI

6、Server，實現后臺并行處理。需要移除 FLAASH 下拉列表參數（Atmosphere Model 和 Aerosol Model），否則會報錯建模1批量 FLAASH 大氣校正北京市 4 年 Landsat 地表反射率圖像生產建模1裁剪與鑲嵌 構建先裁剪后鑲嵌的模型，并發布為 Task北京市 4 年 Landsat 地表反射率圖像生產建模2批量裁剪與鑲嵌利用建模2發布的 Task 構建批處理模型（后臺并行，可現場演示）北京市 4 年 Landsat 地表反射率圖像生產Search Keywords 去掉*后，作為輸出文件名的后綴使用建模3建模2哨兵2號數據批處理批量輸出6波段數據4個10

7、米+2個20米短波紅外波段構建單景圖像處理模型，并發布為 Task哨兵2號數據批處理建模1構建批處理模型哨兵2號數據批處理建模2建模1哨兵5P數據批處理適用于科學數據格式圖像處理哨兵5P數據介紹哨兵5P是歐空局 2017 年發射的一顆用于全球大氣污染監測的衛星。衛星搭載對流層觀測儀（TROPOMI），可進行高時空分辨率的大氣測量，用于空氣質量、臭氧和紫外線輻射以及氣候監測和預報。大氣產品包括O3、SO2、CH4、CO、NO2、HCHO等。成像幅寬2600km，覆蓋全球。成像分辨率7km3.5km。1 打開*.nc 文件，在 Dataset Browser 對話框中指定數據和經緯度波段2 使用

8、Reproject GLT with Bowtie Correction 工具進行幾何校正哨兵5P數據在 ENVI 中的處理方法哨兵5P數據在 ENVI Modeler 中批處理方法按行政區劃批量統計NDVI均值以北京市和Landsat數據為例按行政區劃批量統計NDVI均值測試機器學習不同分類器效果以6種機器學習監督分類器為例測試機器學習不同分類器效果測試機器學習不同分類器效果測試機器學習不同分類器效果測試機器學習不同分類器效果Extra TreesK-NeighborsLinear SVMRBF SVMRandom ForestNaive Bayes機器學習方法訓練時間(s)分類時間(s)分

9、類精度(%)Kappa系數極度隨機樹Extra Trees3.510699.50.99K近鄰K-Neighbors6.0120095.20.93線性SVMLinear SVM4.91984.80.77樸素貝葉斯Naive Bayes2.13880.00.71隨機森林Random Forest3.34698.20.97徑向基函數SVMRBF SVM4.510689.30.84測試數據：Landsat 8 FLAASH結果ENVI格式，483MB，7波段，16位整型 高分1號數據全流程批處理 北京市4年Landsat地表反射率產品生產 哨兵2號數據批處理 哨兵5P數據批處理 按行政區劃矢量批量統計NDVI均值 測試機器學習不同分類器效果 總結下一個講座SARscape雷達圖像處理方法與實踐徐恩惠