### 加载和处理EnviL2多光谱遥感数据 对于加载和处理 EnviL2 多光谱遥感数据，可以采用 Python 中的 `rasterio` 和 `spectral` 库来实现这一目标。这些库提供了读取、写入以及操作栅格图像的功能。 #### 使用 Rasterio 进行基本的数据读取 Rasterio 是一个用于读写地理空间栅格数据集的强大工具。通过它能够轻松打开并获取 ENVI L2 数据的信息： ```python import rasterio from rasterio.plot import show dataset = rasterio.open('path_to_envi_l2_data') print(f"Driver: {dataset.driver}") print(f"Size: {dataset.width}x{dataset.height}") show(dataset) ``` 这段代码展示了如何利用 `rasterio` 打开文件，并打印出驱动程序名称与尺寸大小等基本信息[^1]。 #### 利用 Spectral 工具包进行更深入分析 Spectral 提供了一系列专门针对高光谱/多光谱影像的操作函数。为了更好地理解所获得的数据内容及其波段特性，可以通过如下方式进一步探索： ```python import spectral.io.envi as envi hdr_file = 'path_to_hdr_file.hdr' img = envi.open(hdr_file) metadata = img.metadata wavelengths = metadata['wavelength'] band_names = [f'Band_{idx}' for idx, _ in enumerate(wavelengths)] for band_name, wavelength in zip(band_names, wavelengths): print(f"{band_name}: {wavelength}") selected_band = int(input("Enter the index of a specific band you want to visualize: ")) plt.imshow(img.read_band(selected_band)) plt.title(f'Selected Band ({wavelengths[selected_band]} nm)') plt.show() ``` 此部分演示了怎样借助 `spectral` 来解析头文件(.hdr)，提取元数据中的波长信息，并允许用户选择特定波段显示其灰度图象[^2]。 #### 高级应用：批量处理多个场景下的相同类型数据 当面对大量相似结构的数据集时，编写脚本来自动化整个流程是非常有帮助的做法。下面给出了一种可能的方式来进行批量化作业： ```python import os from pathlib import Path def process_scene(scene_dir_path): hdr_files = list(Path(scene_dir_path).glob('*.HDR')) if not hdr_files: raise FileNotFoundError(f"No HDR files found at '{scene_dir_path}'.") for hdr_file in hdr_files: with open(hdr_file) as f: # Process each file here... pass data_dirs = ['dir_01', 'dir_02'] # Replace these paths accordingly. for data_dir in data_dirs: try: process_scene(data_dir) except Exception as e: print(e) ``` 上述例子中定义了一个名为 `process_scene()` 的辅助方法用来遍历指定目录内的所有 .HDR 文件；随后在外层循环里调用了该函数完成对不同位置下同质化资料集合的整体预览工作[^3]。