Landsat 7 数据的辐射定标（Radiometric Calibration）是将原始数字量化值（Digital Numbers, DN）转换为物理单位（如辐射率或反射率）的过程。这个过程对于进行定量遥感分析至关重要。 在 Python 中，可以使用开源库（如 `GDAL`、`Rasterio` 和 `Satpy`）来读取 Landsat 7 的数据并进行辐射定标处理。以下是一个典型的 Landsat 7 辐射定标流程： ### 数据准备 Landsat 7 的数据通常以 `.tar.gz` 格式提供，包含多个波段图像和元数据文件（通常是 `.txt` 格式）。元数据文件中包含定标所需的增益（gain）、偏置（bias）等参数。 ### 使用 Rasterio 和 NumPy 进行辐射定标 ```python import rasterio import numpy as np # 打开 Landsat 7 的波段文件 with rasterio.open('LE07_L1TP_044034_20200512_20200512_01_RT.T1_B4.tif') as src: band_data = src.read(1) profile = src.profile # 假设元数据中提供的增益和偏置值 gain = 0.803683 bias = -6.2 # 辐射定标公式：Radiance = gain * DN + bias radiance = gain * band_data + bias # 更新文件元数据，保存为新的 GeoTIFF 文件 profile.update(dtype=rasterio.float32) with rasterio.open('radiance_output.tif', 'w', **profile) as dst: dst.write(radiance.astype(rasterio.float32), 1) ``` ### 使用 Satpy 进行辐射定标 `Satpy` 是一个功能强大的遥感数据处理库，支持多种卫星数据格式。虽然它主要针对气象卫星，但也可以用于处理 Landsat 数据，尤其是结合适当的读取器插件。 ```python from satpy.scene import Scene from glob import glob # 加载 Landsat 7 数据 filenames = glob('LE07_L1TP_044034_20200512_20200512_01_RT.T1_*.tif') scn = Scene(filenames=filenames, reader='generic_image') # 查看可用的波段 print(scn.available_dataset_names()) # 加载指定波段 scn.load(['B4']) # 获取数据并进行辐射定标（假设增益和偏置已知） radiance_data = gain * scn['B4'].values + bias # 显示或保存结果 scn['B4'].values = radiance_data scn.show('B4') ``` ### 辐射定标注意事项 - **增益与偏置**：这些参数通常在 Landsat 7 的元数据文件（MTL 文件）中提供。不同波段可能具有不同的增益和偏置值。 - **饱和值处理**：在处理过程中需要考虑 DN 的最大值（如 255）是否代表饱和像素，并进行适当处理。 - **单位转换**：定标后的辐射率通常以 W/m²/sr/μm 为单位，后续可能需要进一步转换为表面反射率或亮温。 ### 定标后处理 完成辐射定标后，通常需要进行大气校正（如使用 `6S` 或 `MODTRAN` 模型）以获取地表反射率。这可以通过 `Py6S` 库实现。 ```python from Py6S import SixS s = SixS() s.atmos_profile = SixS.AtmosProfile.PredefinedType(SixS.AtmosProfile.MidlatitudeSummer) s.ground_reflectance = SixS.GroundReflectance.Lambertian(0.3) s.run() print(s.outputs.coef_a) ``` ### 参考资料 - Landsat 7 用户手册提供了详细的定标公式和参数说明。 - `Satpy` 文档提供了关于如何加载和处理多光谱数据的指南[^3]。 - `Py6S` 库可用于进行大气校正，以提高遥感数据的准确性。 ---