企业官网建设流程全解析

拿到一景高分二号数据，最容易犯的错就是一上来直接打开ENVI 5.3拖进去就开始调。我最初处理GF-2的时候也这样，结果被大气校正和融合的坑连续教做人，才慢慢摸出一套相对稳定的流程。这篇文章就把我实际跑通的完整过程整理出来，从辐射定标、大气校正、正射校正到图像融合，每一步的参数设置、操作顺序、踩过的坑都会讲到位。不管你是刚入门遥感的小白，还是被GF-2折腾过几次的老手，只要手里有L1A级的高分二号PMS数据，按这个路子走基本都能得到一份像样的成果。

1. 高分二号数据处理前的准备与整体思路

1.1 先摸清数据底细

高分二号卫星搭载的PMS（全色多光谱相机）一次拍摄会同时输出两景数据：一景全色波段（0.8米分辨率），一景多光谱（3.2米分辨率，共4个波段：蓝、绿、红、近红外）。拿到数据后，我第一件事从来不急着开软件，而是先去翻头文件和数据说明文档，确认级别。

GF-2常见的数据级别有L1A级和L2A级。L1A是辐射校正产品，没有做几何精校正，处理时你需要自己完成全套几何和大气相关的流程；L2A级是已经做过几何纠正的处理产品，但还是需要用原始RPC参数做进一步精纠正和融合。市面上下载的GF-2数据大多是L1A级，所以下面整套流程都是按L1A来设计的。

另外一个关键细节是数据格式。中国资源卫星应用中心分发的GF-2数据，通常是一个文件夹里包含多个子目录，影像文件是GeoTIFF格式，后缀有.tif，另外还有.rpc文件（RPC有理多项式参数）和.xml元数据文件，里面记录了卫星姿态、轨道参数、成像时间、太阳高度角、增益系数等信息。这些文件在处理过程中都会用到，尤其是RPC文件，做正射校正时缺它不行。

1.2 处理流程设计：先大气还是先几何？

很多初学者喜欢问一个问题：大气校正和正射校正到底哪个先做？我个人的经验结论是：辐射定标 → 大气校正（FLASSH） → 正射校正（RPC） → 图像融合，这个顺序在ENVI 5.3下最稳妥。

为什么不是先做正射再做大气校正？因为正射校正会基于DEM对影像做几何形变纠正，这个过程会重采样像素位置，导致DN值发生插值变化。如果先做几何纠正再去做大气校正，像素值的物理意义已经变了，会直接影响大气校正的精度。反过来，先做辐射定标和大气校正，此时影像的几何形变还在，但DN值已经转换成地表反射率了，再做正射校正只调整几何位置、不改变辐射信息，整体误差最小。

当然这个顺序不是绝对的。如果你手头的应用只是简单的目视解译，不关心地物反射率的物理真实性，那也可以跳过大气校正，定标后直接正射+融合。但如果要做定量遥感分析、植被指数提取、地物分类，大气校正这一步坚决不能省。

1.3 工具准备与软件配置

我用的是ENVI 5.3 Classic的界面（菜单栏偏老式那种），以及ENVI 5.3的新版界面（Band Selection等工具做波段组合），处理流程中两者配合使用。需要提前检查以下几点：

• 确认ENVI可以正常读取GeoTIFF数据。如果打开TIF时只显示单波段灰度，可能是数据读取方式有误，需要用File > Open External File > Generic Formats > TIFF来打开，或者直接拖拽文件夹里的tif主文件。
• 确认RPC工具可用。ENVI 5.3的RPC Orthorectification在Toolbox中的Geometric Correction目录下，需要确保安装完整。
• FLASSH工具是ENVI自带的模块，但如果你的ENVI是精简版，可能没有这个模块，需要提前确认。
• 准备一份DEM数据。ENVI 5.3正射校正默认可以自动下载GMTED2010，但国内区域用ASTER GDEM或SRTM 90米效果更好。建议提前下载研究区域的DEM，存成ENVI标准格式或GeoTIFF格式备用。

2. 辐射定标：从DN值到辐亮度的必经一步

2.1 为什么必须做辐射定标

高分二号原始影像存储的是传感器的DN值（Digital Number），这个数值本身只表示传感器记录到的电压信号数字化后的结果，不包含任何物理意义。要得到地表反射率，必须先经过两步：先从DN值转换到传感器入瞳处辐亮度，再由辐亮度结合大气参数反演地表反射率。

辐射定标做的就是第一步：DN值 → 辐亮度。过程公式很简单：

L = Gain × DN + Offset

但这个公式里的Gain和Offset从哪里来？GF-2的L1A产品里，每个波段的增益和偏移量记录在元数据（XML文件）中，而中国资源卫星应用中心在分发数据时，通常默认在影像文件中已经保存好了这一层关系，ENVI的Radiometric Calibration工具只需要你选择对应的定标类型（Radiance），然后它会自动读取头文件信息去计算。

实际操作中你会发现一个常见问题：ENVI工具读到的GF-2数据没有自动附上正确的Scale Factor，你需要在定标面板里手动检查。对于GF-2 PMS数据，中国资源卫星应用中心的L1A产品在转换辐亮度时通常需要一个Scale Factor为0.1或者0.001的设置，具体看你的数据版本和头文件标注。如果Scale Factor设置不对，得到的辐亮度数值会整体放大或缩小10倍、1000倍，后续大气校正出来的反射率会完全不可信。

2.2 ENVI 5.3辐射定标具体操作

在ENVI 5.3中，操作路径是：Toolbox → Radiometric Correction → Radiometric Calibration。

1. 打开工具后，先选择多光谱影像文件（4个波段），进入Radiometric Calibration面板。
2. Calibration Type选择Radiance。
3. 关键点来了：Output Data Type建议保留Float（浮点型），不要用Integer（整型）。整型会舍入误差，对后续大气校正影响很大。
4. 查看Scale Factor的值。如果工具没有自动识别出合理值，你需要在Scale Factor栏手动输入0.1（这是我处理GF-2数据时常用的值，但务必以你的数据头文件或元数据的实际标注为准）。
5. 设置输出路径和文件名，点击OK执行。

全色波段（0.8米）也需要做辐射定标，操作过程完全一样，只是输入的是全色文件。

这里有几个容易忽略的细节：

• 如果你从不同渠道拿到了GF-2数据，务必核对元数据中的Gain值。部分数据在XML文件中给出的定标系数不止一个，你需要在ENVI里逐个波段核对，不能盲目沿用上一次的Scale Factor。
• 辐射定标完成后，打开影像属性看一下像素统计值。如果辐亮度值普遍在0~20之间，基本正常；如果出现成千上万的数值，说明Scale Factor多半设置错了。
• 定标结果建议用ENVI格式（.dat）保存，不要直接覆盖原始TIF，保留原始DN值数据作为备份，方便以后参数有误时重做。

2.3 校验收尾：确认中心波长信息

辐射定标完成了，接下来大气校正前，还有个容易被忽略的步骤：确认多光谱影像是否带中心波长（Center Wavelength）信息。

FLASSH大气校正需要知道每个波段的中心波长和波段宽度。GF-2的多光谱4个波段中心波长大约为：蓝光0.485μm、绿光0.555μm、红光0.660μm、近红外0.830μm。如果头文件里没有波长信息（很多GF-2数据下载后确实没有附带），FLASSH会直接报错，提示缺少波长。

解决办法：先用Edit Header打开定标后的影像，在Wavelength信息栏里手动添加中心波长值。或者用ENVI Classic中的Edit Attributes功能添加。具体操作：右键影像波段 → Edit Header → 在Wavelength一行点击编辑 → 按顺序输入0.485、0.555、0.660、0.830（单位是微米）。

注意：这里填写的波长顺序必须和波段顺序一一对应。GF-2多光谱的波段顺序是蓝绿红近红外，不要按RGB波长顺序填错了。

3. 大气校正（FLASSH）：让反射率回归真实

3.1 FLASSH的基本物理逻辑

FLASSH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）本质上是一个基于大气辐射传输模型的二次开发工具，核心原理是利用MODTRAN模型预先计算不同大气条件下的大气透过率、散射和吸收系数，再通过查找表的方式快速反演地表反射率。

用大白话说，传感器在天上看到的每个像元亮度 = 太阳光经过大气到达地面、被地物反射、再经大气到达传感器这个过程的总量。但这个过程里混杂了大气的散射光（路径辐射）、大气吸收衰减等信息。FLASSH的作用就是把大气贡献从信号里剥离出来，还原地表反射率。

用GF-2数据在ENVI里跑FLASSH，最大的拦路虎就是传感器类型不匹配。FLASSH内置的传感器列表里没有GF-2，所以传感器类型选择时要选Generic/Unknown，或者选一个中心波长相近的传感器。这个选择会影响一些光谱响应函数的代入，但对GF-2来说，选Unknown即可，中心波长和波段宽度在开始时会从影像头文件自动读取（就是我们在2.3节手动填的那个）。

3.2 FLASSH参数设置详解

在ENVI 5.3中打开FLASSH：Toolbox → Atmospheric Correction → FLASSH Atmospheric Correction。

打开后需要设置的参数不多，但每个都关键：

Input Radiance Image：选择我们第2步输出的辐射定标结果（辐亮度影像）。这里要注意：FLASSH要求输入的是辐亮度单位，FXAAS规范是微瓦每平方厘米每球面度每微米（μW/cm²·sr·nm），如果你的辐射定标输出单位不一致，可以在前面加一步单位换算，但ENVI的Radiometric Calibration对GF-2输出通常已经满足要求。

Output Reflectance File：设置输出反射率文件的路径和文件名。

Center Wavelength：如果第2.3节添加了正确的中心波长，这里会自动读取。如果此处显示没有波长，需要回到影像头文件去补充。

Sensor Type：选择Unknown（Generic Hyperspectral也行，但FLASSH会弹出窗口要求你挑一个近似的光谱响应函数，选LandSat OLI或者Sentinel-2都比较接近GF-2，如果你只做常规地物分析，选OLI即可）。

Flight Date和Flight Time：这是影像的成像日期和格林尼治时间，从GF-2的XML元数据文件里读取。这两个参数决定了太阳天顶角、方位角和大气路径长度，填错会导致大气校正结果整体偏差。注意：FLASSH里的日期格式是日/月/年，很多人习惯填成年/月/日，填错了会报程序错误或者结果诡异。

Ground Elevation（地面高程）：填写研究区的平均海拔，单位是千米（km）。如果研究区地形起伏大，可以设置为0，FLASSH会利用地表平均高程估算，但如果你有DEM可以后续通过更精确的选项输入。一般如果只是平原地区，填0.1或0.2即可。

Atmospheric Model（大气模型）：根据成像纬度和季节选择。我国大部分地区夏季可选Tropical或Mid-Latitude Summer，冬季选Mid-Latitude Winter。简单判断：研究区纬度在30°以下且成像时间是夏季，用Tropical；在30°~60°且夏季，用Mid-Latitude Summer；冬季则用Mid-Latitude Winter。

Aerosol Model（气溶胶模型）：城市地区选Urban，乡村/农田选Rural，沿海区域选Maritime。不确定时选Rural比较保守。气溶胶模型选择不当会让蓝波段反射率出现异常波动，这是很多新手第一次跑FLASSH后觉得影像偏蓝或偏红的原因之一。

Initial Visibility（初始能见度）：默认给40km。如果研究区空气污染严重，应适当调低（如15~25km）；如果影像看起来特别通透，可以调到60km以上。这个参数对大气校正的影响程度随波段不同而变化，蓝绿波段敏感度最高。一个简单的判断思路：影像中远离城市的山区如果看起来灰蒙蒙的，说明初始能见度默认值偏高了；如果山区地物看起来过度明亮，说明偏低。

Water Column Mult和Water Absorption Feature：一般不需要动，保持默认。

所有参数设置好之后，点OK。FLASSH运行速度取决于影像大小，GF-2一景多光谱数据（约20-30GB大小的话比较慢，一般单景大约200MB左右）通常几十秒到几分钟不等。

3.3 FLASSH常见报错与处理

跑FLASSH最崩溃的事情是报错。我总结了几类高频错误：

错误1：需要Center Wavelength报错信息中出现Wavelength related，说明头文件里没有波长信息。回到2.3节操作，补上中心波长再重新跑。

错误2：File input must be pixel-interleaved（BSQ/BIL）数据波段存储格式不对。FLASSH要求输入的辐射定标文件是BSQ（波段顺序存储）或BIL（波段按行交叉存储）格式，如果你的数据是BIP（像元交叉存储），需要在Radiometric Calibration输出时选择BSQ格式，或者用Convert Interleave工具转换。

错误3：输出反射率影像中水体变成一片黑/高反射异常水体在近红外波段反射率应该极低，但FLASSH处理后如果水体反射率异常偏高甚至发红，一般是气溶胶模型选错或初始能见度设置过低。尝试把气溶胶模型改为Rural，能见度调高5~10km再跑一次。

错误4：整个影像偏暗，反射率普遍在0.05以下大概率是Scale Factor错误导致输入辐亮度整体偏小。回到辐射定标步骤重新检查Scale Factor。

跑完FLASSH后，记得检查影像统计值：正常地表反射率应该在0~1之间（少数高亮地物接近1），水体通常在0~0.1，植被红光波段0.1左右、近红外0.4~0.6。如果数值分布符合这个规律，大气校正就算成功了。

4. 正射校正（RPC Orthorectification）：消除地形与姿态误差

4.1 RPC有理多项式模型与ENVI实现

正射校正解决的问题是：卫星影像在成像时受地形起伏、卫星姿态、传感器内方位元素等因素影响，得到的影像位置和真实地理位置之间存在偏差。纠正这类几何误差，目前最常见的手段是基于RPC（Rational Polynomial Coefficients）模型，配合DEM进行地形纠正。

GF-2的数据文件包里的.rpc文件，记录了该影像的有理多项式系数，这些系数描述了影像行列坐标和地面三维坐标之间的数学映射关系。ENVI 5.3的RPC Orthorectification工具会自动读取RPC文件，并在你提供的DEM辅助下做逐像元的几何精纠正。

RPC模型不要求你理解复杂的共线方程，你只需要准备好DN值正常的影像（或前面输出的反射率影像）和DEM，剩下的计算ENVI帮忙完成。但有几个关键设置不能马虎。

4.2 正射校正操作步骤

在ENVI 5.3中，路径是：Toolbox → Geometric Correction → Orthorectification → RPC Orthorectification Workflow。

1. 第一步选择待纠正影像。选择大气校正后的多光谱反射率影像或辐射定标后的全色影像。如果是L1A数据，软件会自动搜索同名的.rpc文件（前提是.rpc文件位于同一目录，且文件名与影像主文件名一致）。如果找不到RPC文件，需要手动指定。

2. 第二步选择DEM。这里有三种选择：使用默认在线DEM（Global Multi-resolution Terrain Elevation Data 2010）、自定义DEM文件、或者不选DEM。国内处理GF-2建议用自定义DEM，比如ASTER GDEM 30米或SRTM 90米数据，精度远高于在线DEM。操作时点击Browse选择DEM文件，如果DEM范围没有完全覆盖影像，ENVI会自动填成NoData。

3. 第三步设置输出参数：

   • 重采样方法：推荐Cubic Convolution（三次卷积），几何精度和纹理保持比较好。如果用Nearest Neighbor做分类前的纠正也没问题，但对最终融合影像来说，三次卷积出了名的清晰。
   • 输出像元大小：GF-2多光谱是3.2米，全色是0.8米。多光谱输出建议设置3.2米（或者3米，四舍五入）；全色设置0.8米。如果你最终想做融合，也可以直接把多光谱重采样成0.8米（分两步走，先在正射校正时输出0.8米，再融合，一步到位也不是不行，但我更推荐先按原生分辨率纠正，融合时再重采样）。
   • 背景值：设置成0，这样影像边缘的NoData区域会显示为黑色，后续融合时方便识别。

4. 点击Execute，等待运算完成。一景GF-2的PMS数据，正射校正耗时通常一到三分钟，取决于影像尺寸和电脑配置。

4.3 正射校正效果检查

正射校正做完后，先把影像和Google Earth或者已知控制点叠加看一下。你不需要精确到像素级别，但至少要检查：

• 道路、房屋、河流是否有明显错位？
• 山顶与山谷的相对位置是否正确？
• 影像边缘有没有出现大面积的黑色空洞？

如果误差很大，多半是RPC文件和待纠正影像不是同一景（文件名和RPC不匹配），或是DEM范围不够/坐标系不一致。

这里给一个小技巧：在ENVI的View窗口中，先用Tools → Link → Link Displays把DOM（正射影像）和Google Earth的截图关联起来，快速目视检查桥梁和道路交叉口的位置是否对齐。如果对不齐，检查你的RPC文件是否正确加载了，DEM有没有选错。还有一种可能是你拿到的L1A数据本身缺少轨道精校正参数，可以在RPC工作流里勾选Refine RPC，手动选几个地面控制点来做精配准。不过常规的GF-2 L1A数据用默认RPC已经可以满足大多数应用需求，一般不需要做这步。

5. 图像融合：全色与多光谱的黄金搭档

5.1 为什么需要融合

GF-2的优势在于它同时提供了0.8米全色影像和3.2米多光谱影像。全色影像空间分辨率高但只有单波段（灰度）；多光谱影像有4个波段（彩色信息丰富）但分辨率只有3.2米。融合的目标就是结合两者的优势：保留全色的0.8米空间细节，同时赋予多光谱的彩色信息，最终得到一景0.8米分辨率的4波段彩色影像。

融合方法有很多，ENVI 5.3自带的有HSV、Brovey、Gram-Schmidt（GS）和NNDiffuse Pan Sharpening等。对于GF-2数据，我最推荐NNDiffuse，其次Gram-Schmidt。

NNDiffuse Pan Sharpening：基于神经网络算法实现的空间-光谱信息融合方法，在保持光谱信息的同时，空间细节增强效果非常好，尤其是对高分辨率数据，不容易出现光谱失真。特别适用于对光谱保真度要求高的定量分析任务。

Gram-Schmidt：ENVI十几年来的传统融合方法，速度很快，光谱保真度也不错。但处理GF-2这种光谱范围较窄的多光谱数据时，偶尔会在红色和近红外波段出现轻微的光谱扭曲。

HSV / Brovey：适合目视快速出图，但光谱失真严重，做分类或定量反演时不要用。

5.2 NNDiffuse融合操作

在ENVI 5.3中，操作路径是：Toolbox → Image Sharpening → NNDiffuse Pan Sharpening。

这个工具的界面非常简单：输入低分辨率多光谱影像（选择正射校正后的反射率影像）和高分辨率全色影像（选择正射校正后的全色影像），输出即完成。

需要注意两个关键点：

• 输入的多光谱和全色影像必须已经完成几何配准（即都完成了正射校正），否则融合后会出现彩色边缘重影。
• 两种输入的分辨率不一定严格要求按整数倍关系，NNDiffuse能处理非整数倍分辨率的情况（3.2m/0.8m=4倍整数倍，所以没问题）。

融合输出后，建议检查一下：

• 打开融合影像的波段统计，和融合前的多光谱影像对比，各波段均值不要发生剧烈跳变。
• 目视检查房屋屋顶边缘有没有“彩边”效应（彩色像素溢出在白墙上）。
• 植被区域颜色是否自然，不能出现红色芒果状病变——近红外被错误映射到红色通道时会出现这种问题。

如果NNDiffuse融合后发现光谱失真明显，可以退回用Gram-Schmidt试一次。我自己的经验是，NNDiffuse在GF-2上光谱保真表现通常不差，但如果数据本身有坏行或者云影，会在融合后放大噪声，此时先做去噪/修复再融合才是正路。

5.3 融合后的后处理与成果输出

融合完成后，你得到的是一张0.8m分辨率的4波段影像，但这张图直接拿去用还不够舒服，一般还要做两件事：

一是波段组合与拉伸。在ENVI中打开融合影像，选RGB波段组合（通常用红、绿、蓝对应波段3、2、1），然后做2%线性拉伸（右键 → Enhance → Linear 2%）让亮度和对比度看起来自然。GF-2蓝光波段受大气散射影响较大，如果影像整体发蓝，可以考虑用快速大气校正阶段的结果替换蓝波段后再组合，或者手动调白平衡。

二是裁剪研究区。如果只需要局部区域，用Resize Data（Toolbox → Resize Data）按矢量边界裁剪，减少数据量和运算量。

最后，根据你的应用目的选择输出格式：

• 要做分类：导出TIFF格式（不用做RGB拉伸），保留原始波段值即可。
• 要做底图或者放到GIS里展示：可以导出GeoTIFF加上RPC信息；如果要在ArcGIS里打开，直接用TIFF即可，ENVI会同步生成.hdr文件，ArcGIS能自动读取。
• 要出图：在ENVI中调整好拉伸后，File → Export → Export to TIFF/JPEG，输出8-bit RGB图。

6. 常见问题与排错经验速查

处理GF-2影像的过程中，每个环节都可能遇到奇奇怪怪的问题。这里把高频问题统一整理成速查表，方便你遇到报错时按图索骥：

除了表格里的这些问题，还有几个纯经验向的提醒值得单独说：

• 千万不要忽略辐射定标的输出类型。用整型输出后续跑FLASSH会出现严重的阶梯状色带，尤其在水体和阴影区域。养成输出为浮点型的习惯。
• 处理大范围影像时，建议把结果影像按图幅或按研究区裁剪后再跑大气校正。FLASSH一次跑一景全幅（45km幅宽）耗时不算短，而且内存占用很大，分块处理更容易排查错误、节省时间。但注意分块必须有重叠区（至少几十个像元），避免后期拼接时出现色差。
• GF-2的蓝波段响应受大气影响非常大，同一景影像里山区和城市的蓝光反射率差异可能超出你预期。如果在大气校正后影像仍存在区域性色差，考虑对每块区域单独设置能见度参数重跑，但这个操作要慎重，容易人为引入新的色调分块。

7. 一整套流程的时间成本与结果验收

按我自己的经验，一景标准GF-2 PMS数据（大概覆盖45km×45km）跑完辐射定标+大气校正+正射校正+融合这套流程，在不卡顿的情况下，大约需要30~60分钟，其中大部分时间花在人工检查结果和调参数上，真正机器计算时间反而不长。

结果验收时我会习惯性做三件事：

第一，检查反射率波谱曲线。找几个已知地物（干净水体、浓密植被、裸土、不透水面）在融合前的多光谱影像上分别采集光谱曲线，和水体/植被/裸土的典型光谱形状对照。如果形状匹配，说明大气校正和融合没有破坏光谱信息。

第二，检查空间细节。在0.8米融合影像上数一数小路、汽车、屋顶轮廓，如果这些目标还清晰可辨，说明全色空间信息保住了。

第三，检查几何位置。把融合影像和矢量底图叠加，看看道路交叉口和房屋边界误差在几个像元以内。GF-2正射校正后，平原地区误差通常在1~2个像元以内，山区会稍差一些，但至少不能出现几十米的系统偏移。

这三关过了，这批数据基本上就可以放心往下游用了。

最后再分享一个小技巧：整套流程下来，ENVI的Session文件（.evx）记得保存好。里面记录了你的所有处理步骤和参数设置，隔几天回头改参数或者换方法对比时，直接打开Session就能看到当时是怎么处理的，不用再翻笔记回忆。测了几次你就发现，处理GF-2这种国产高分数据，最怕的不是软件跑不动，而是参数凭感觉随手填、步骤凭印象随手点，最后出了问题不知道是哪个环节拖的后腿。把每一步的关键参数记录下来，后面排查问题会省一大半力气。