合成孔径雷达（SAR）技术拥有独特的魅力和优势，渐成为国际上的研究热点之一，其应用领域也越来越广泛。SAR数据可以全天候对研究区域进行量测、分析以及获取目标信息。高级雷达图像处理工具SARscape，能让您轻松将原始SAR数据进行处理和分析，输出SAR图像产品、数字高程模型（DEM）和地表形变图等信息，并可以将提取的信息与光学遥感数据、地理信息集成在一起，全面提升SAR数据应用价值。

SARscape由瑞士sarmap公司研发，是国际知名的雷达图像处理软件。该软件架构于专业的ENVI遥感图像处理软件之上，提供图形化操作界面，具有专业雷达图像处理和分析功能。同时可为客户自有的雷达数据格式定制接口。

为推广和传播干涉雷达测量技术和应用，武汉大学、Esri中国信息技术有限公司、瑞士sarmap公司将联合举办为期五天的“SARscape雷达干涉测量国际高级技术培训班”。此培训采用最新SARscape5.4版本，前半部分由Esri中国公司技术工程师培训SARscape软件的基础操作（中文），后半部分由sarmap公司技术工程师Andrey Giardino博士讲授（英文），并配合上机练习。

主办单位：

瑞士sarmap公司 武汉大学 Esri中国信息技术有限公司 

培训方式：采用讲课与上机实习紧密结合的方式进行培训（为了便于练习，请自带电脑）

培训时间：2017年9月26日——9月30日（五天）

培训地点：武汉市

培训内容：

讲师简介

Giosue Andrey Giardino博士，瑞士sarmap公司高级工程师，罗马托尔加塔大学博士毕业，先后在罗马托尔加塔大学地球观测研究组、德国宇航局的IMF-SAR项目组等科研应用机构工作，专注于SAR干涉测量新方法、雷达摄影测量、双基地雷达系统等方面的研究。

培训费用：培训资料费5天共计￥3600元/人（包含培训费、资料费和场地费，食宿差旅自理。） 

食宿安排：住宿自理

报名截止：2017年 9月22日（场地位置有限，先到先得，敬请理解）

报名方式：邮件/电话（报名回执附后）

附件：    

下载报名回执表

Sentinel-2 L1C是经过几何精校正的大气表观反射率产品，可通过欧空局（https://scihub.copernicus.eu/dhus/#/home）免费下载。使用ENVI中的Radiometric Calibration 工具定标为辐射率（Radiance）目前版本存在问题，定标结果不正确，故特此编写Sentinel-2 L1C辐射率定标工具。本工具能正确的将Sentinel-2 L1C数据定标为10米4波段、20米9波段和60米11波段的辐射率（Radiance）数据，之后可以利用FLAASH工具进行大气校正。

一、 基本原理

       Sentinel-2 L1C是大气表观反射率产品，辐射亮度值（）与大气表观反射率（）存在如公式（1）的数学关系，进而可由公式（2）求得。

其中：

：大气表观反射率

：辐射率，单位：

  d：日地距离，单位：天文单位，即太阳和地球之间的平均距离

：太阳辐照度，单位：

本工具基于公式2将大气表观反射数据转为辐射率数据。

二、下载安装

有以下两种安装方式，推荐使用App Store for ENVI安装该扩展工具。

l  ENVI App Store安装

(1)下载安装和使用说明：http://blog.sina.com.cn/s/blog_764b1e9d0102xl5j.html 。

(2)在App Store for ENVI找到Sentinel-2 L1C 辐射率定标工具，点击Install App进行安装。

l  手动安装

(1)     下载工具包：http://pan.baidu.com/s/1jHNRAS2  密码：kgr7

(2)     压缩包中的文件分别拷贝到对应的文件夹中。

 .sav文件拷贝到：…/extensions

 . task文件拷贝到：…/custom_code

该工具直接使用了ENVI的OpenRaster函数打开哨兵2数据，由于哨兵2数据的格式有多次更改，使用该工具处理相应的哨兵2数据的前提为ENVI能打开待处理的哨兵2数据。ENVI5.3.1和ENVI5.4有相应的补丁，参考：http://blog.sina.com.cn/s/blog_764b1e9d0102y279.html。

如果是ENVI5.4.1版本，则支持所有格式的哨兵2数据。

三、 使用说明

(1)     在ToolBox中，启动/Extensions/Radiance Sentinel-2 L1C，如下图所示。下面为每个参数的详细说明：

图.1 Sentinel-2 L1C 辐射率定标参数面板

l  Input Sentinel-2 XML：Sentinel-2 L1C xml文件，2017年发布的xml文件为MTD_MSIL1C.xml。

l  Sentinel-2 L1C辐射率定标工具提供三种辐射率定标方案：

1）Output Four 10m Bands：10m四个波段定标，即B2、B3、B4、B8。

2）Output Nine 20m Bands：20m九个波段定标，即B1、B2、B3、B4、B5、B6、B7、B8A、B11、B12。

3）Output Eleven 60m Bands：60m十一个波段定标，即B1、B2、B3、B4、B5、B6、B7、B8A、B9、B10、B11、B12。

注*：B8与B8A中心波长接近，B8A比B8波宽窄，而且但对于2）3）方案若保留B8则无法进行气溶胶反演（Aerosol Retrieval），故保留B8A。

l  Scale Factor：缩放系数。默认值0.1，即乘以0.1，则输出单位为，与FLAASH要求输入的量纲相同。

l  Resample Method：重采样方法，默认为Bilinear。

注*：

    高分辨率数据重采样为低分辨率数据时不推荐使用Nearest Neighbor。

    重采样只作用于方案2）3），方案1）无需重采样。

l  Enter Suffix：输出影像的后缀。输出影像名称为S2X_ML1C_YYYY-MM-DD_ Zm_Suffix.dat。

其中：

A星，则X=A；B星则X=B

YYYY-MM-DD为影像拍摄日期

Z为输出影像空间分辨率，根据输出选项，Z为10、20或者30

Suffix为输入的后缀，默认为Radiance

以示例数据为例，按照默认参数，则输出的4波段10m分辨率影像名称为：S2A_ML1C_2017-03-14_10m_Radiance.dat。

l  Output Directory：输出文件路径。选择文件夹即可，不必设置文件名称。

l  Display Result：是否在ENVI中显示辐射率影像。

(2)     选择相应参数，单击OK执行定标处理。

附：Sentinel-2数据介绍     

       Sentinel-2包括A、B两颗卫星（简称以下S2A，S2B），其传感器性能相同。Sentinel-2影像基本参数和产品级别如下。

基本参数

表1. Sentinel-2 波段设置

产品级别

    Level-0： 原始数据。

    Level-1A：包含元信息的几何粗校正产品。

    Level-1B：辐射率产品，嵌入经GCP优化的几何模型但未进行相应的几何校正。

    Level-1C：经正射校正和亚像元级几何精校正后的大气表观反射率产品。

ENVI 54版本新增了一个全新图像分类框架，基于机器学习方法实现了分类器的重复利用、批处理等功能。详细信息请访问http://blog.sina.com.cn/s/blog_764b1e9d0102xxj7.html

但是官方仅提供了对应的API，需要IDL调用才能实现，相当不方便。现在以扩展工具的方式提供用户界面，能够通过人机交互使用全新图像分类技术了~

注：由于API是在ENVI 54版本提供的，所以本工具仅支持ENVI 54及以上版本。

工具安装

建议使用App Store for ENVI进行工具的安装。

App Store下载地址：www.enviidl.com/appstore

或通过百度云下载：http://pan.baidu.com/s/1gfGgAgr

将下载的zip文件解压，得到extensions和custom_code文件夹，拷贝到ENVI54安装路径（C:\Program Files\Harris\ENVI54\），覆盖同名文件夹，重启ENVI即可。

功能简述

本工具提供了4个功能，如下图所示：

工具1：输入栅格图像和训练样本，训练得到Softmax分类器。并利用训练好的Softmax分类器对输入栅格进行图像分类。

工具2：利用训练好的Softmax分类器，批量对其他栅格图像进行分类。

工具3：输入栅格图像和训练样本，训练得到SVM分类器。并利用训练好的SVM分类器对输入栅格进行图像分类。

工具4：利用训练好的SVM分类器，批量对其他栅格图像进行分类。

工具1：Create Softmax Classifier and Classify Raster

在ENVI工具箱中，启动/Extensions/Classification Framework/Create Softmax Classifier and Classify Raster；

参数介绍：

• Input Raster：输入栅格图像。
• Input Trainging ROIs：输入训练样本。
• Convergence Criterion：收敛判定标准。当本次迭代与上一次的损失差值小于指定阈值时，迭代停止。这个阈值成为收敛判定标准，默认为0.00001。
• Learning Rate: 学习速率。每次迭代时的梯度下降步长。默认值为100。
• Maximum Iterations：最大迭代次数。在没有达到收敛标准时的最大迭代次数，默认为100。
• Output Classifier：输出Softmax分类器文件路径。
• Output Class Raster：输出分类图像文件路径。

在Softmax分类器训练完毕之后，会弹出损失曲线（Loss Profile）和提示。

当损失曲线看起来效果不错时，点击“是”将继续进行分类器评估和图像分类。

当损失曲线看起来并没有收敛的很好时，点击“否”将弹出上一步的界面，然后可以修改参数重新训练，以得到好的收敛效果。

当处理结束后，将得到4个结果文件，分别为：

• SoftmaxClassifier.epo：训练好的Softmax分类器文件。
• SoftmaxClassifier.json：与分类器文件同名的json文件，记录了栅格数据归一化系数、类别颜色等信息。epo和json文件必须同时存在，才能用于其他栅格图像分类。
• Class.dat：图像分类结果。
• Class_AccuracyEvaluation.csv：分类器精度评价结果，包含混淆矩阵、总分类精度、用户精度、Kappa系数等。

工具2：Apply Softmax Classifier to Multiple Rasters

在ENVI工具箱中，启动/Extensions/Classification Framework/Apply Softmax Classifier to Multiple Rasters。

参数介绍：

• Input Rasters：输入待分类栅格图像，支持多选。这些图像的波段数及其含义必须与训练分类器时的栅格图像保持一致！
• Input Softmax Classifier：输入之前训练好的Softmax分类器文件（epo后缀），必须保证同路径下存在同名的json文件。
• Input Trainging ROIs：可选项，训练样本。当选择输入训练样本时，将进行精度评价，输出csv格式的评价结果文件。
• Display Results：是否自动加载显示分类结果图像。
• Outfile Extension：输出分类图像文件的后缀标识。
• Output Path：输出文件夹路径。

工具3和工具4

工具3和工具4实现了SVM分类器的训练与应用。用法与Softmax分类器类似，这里不再赘述。唯一不同的地方是，SVM分类器不需要判断损失曲线。

这是一件很有趣的事情。

某位爱好旅游和摄影的同事，在月亮小镇用微单拍摄了如下照片。横向拼接起来组成一个较为完整的石岩壁画。

现场局部照片：

我接到的任务就是把它们拼接起来，工具使用ENVI~~~

因为是同行，每两张相邻照片有意拍摄了重叠区，o(∩_∩)o~ 这样才能继续后边的拼接工作。

任务开始。

首先，为了偷懒，特意尝试了“照片商店”的Photomerger…功能，结果不尽人意，也许是本人水平有限。但是也打消了偷懒的想法，老老实实用ENVI来做吧。

Step1

在ENVI中，打开所有JPG图片，批量转为ENVI格式。

使用的工具为App Store for ENVI里的批处理工具包中的：

• /Extensions/Raster Processing Batch Tools/Raster Format Converter/TIFF to ENVI

虽然此工具功能为TIFF格式转ENVI，其实只要在ENVI中能直接打开的格式，都可以批量转为ENVI格式，当然也包含JPG图片。

下图为批量转好的文件：

Step2

接下来的工作有点难度和技术含量了——给每一景图片赋予坐标系。

我选择的是Albers等面积投影。

给第一张图片赋予此坐标系，设置分辨率为0.005米（估计崖高20米，图片维度为6000*4000，计算分辨率为20米/4000=0.005米）。左上角像元的地理坐标为[1.0, 1.0]

然后给第二张图片赋予此坐标系，唯一不同的地方便是左上角像元的地理坐标，需要在图片中寻找同名点，比如第二张图片的左上角像元在第一张图片的位置，然后把这个位置的地理坐标赋予第二张图片左上角的坐标。

以此类推，人工操作。。。

成果如下图，虽然图片已经在对应的大概位置，但是还会存在偏差。

Step3

下面的步骤就更有难度了，也是整个处理的核心步骤——寻找连接点，平差处理。

这里做了一个简化的平差处理。通过IDL调用ENVI自动配准的接口，寻找连接点，然后将连接点在两个图片中的地理坐标求均值，作为这个连接点最终的坐标，便有了控制点。并且在图片中没有连接点的地方使用原始坐标，也加入到控制点列表中，保证几何校正结果不至于变形太厉害。

找到的部分连接点：

配准后的图片效果。因为有色差，需要调色，进入下一步~

Step4

由于照片曝光度不同，存在一定色差，通过ENVI工具栏中的亮度调节滑块，对每一张照片进行调整，并调整个别图片顺序，以达到最理想的效果。

然后就可以输出了。胜利的曙光~~~

使用 File > Export View to > Image File…，选择Full，输出TIFF格式。大功告成，ENVI输出结果如下所示：

Step5

最后一步跑到“照片商店”中进行旋转和裁切。

如果你有闲情逸致，可以安安静静的看完下面的视频。

点击视频链接观看

1.     什么是地形校正

复杂地形下遥感影像受传感器方位与太阳高度、方位等影响，造成阴坡接收到的照度较弱从而具有较低的亮度值，阳坡接收到的照度较强从而具有较高的亮度值。地形校正是指通过各种变换，将所有像元的辐射亮度变换到某一参考平面（通常取水平面），从而消除由于地形起伏而引起的影像辐亮度值的变化，使影像更好地反映地物的光谱特征（高永年等，2008）。

ENVI地形校正扩展工具—Topographic Correction工具提供如下表所示8种地形校正模型。

表1. 地形校正方法

2.     工具下载安装

有以下两种安装方式，推荐使用App Store for ENVI安装该扩展工具，Topographic Correction工具支持ENVI 5.3及以上版本，不支持classic。

一．ENVI App Store安装

(1) 在App Store for ENVI找到TopographicCorrection工具，点击Install App进行安装。

二．手动安装

(1) 下载工具包：http://pan.baidu.com/s/1nv9iTeD

(2) 压缩包中的文件分别拷贝到对应的文件夹中。

 .sav文件拷贝到：…/extensions

 . task文件拷贝到：…/custom_code

3.     使用说明

在ToolBox中，启动/Extensions/Topographic Correction工具，如下图所示。下面以祁连山黑河流域Landsat-5 TM数据为例对该工具进行详细说明：

图1. Topographic Correction工具参数面板

l  Input Spectral Raster：待地形校正影像，支持ENVI软件的所支持的栅格格式，同时可进行空间和光谱裁剪。此处选择Landsat-5 TM数据，并进行了空间裁剪。

图2. Topographic Correction输入数据

l  Input DEM Raster：DEM影像，若与待校正影像空间分辨率、投影不同，工具自动按照待校正影像进行重投影和重采样，使其与待校正影像空间分辨率和投影一致。重采样方法可由Resample Method控制。此处DEM为ASTER GDEM v2数据，可由地理空间数据云免费下载（http://www.gscloud.cn/）。

注*：工具自动计算待校正影像与DEM重叠区，仅输出重叠范围校正结果。

l  Sun Azimuth：太阳方位角，一般可由数据元文件查到。

l  Sun Elevation：太阳高度角，一般可由数据元文件查到。

注*：用记事本打开L5133033_03320090811_MTL.txt文件，可查询太阳角度信息。

图3. Landsat数据太阳高度角、方位角查询

l  Kernel Size：卷积核大小。地形校正需由DEM数据计算坡度、坡向，Kernel Size值越大，计算出的地形因子越平滑。

l  Grid Size：参与回归运算样本点采样间隔，默认为10，即每10个像元取一个样本点。若需全部像元参与回归，则设置为1。数据较大时，可设置此值

l  Topo Model：地形校正模型，详见表1。

l  Resample Method：DEM数据重采样方法。

l  Output Raster：校正结果。

l  Display Result：是否在ENVI中显示校正结果。

注*：若影像有背景值，要设置Data Ignore Value，否则背景值将参与回归运算从而影响校正效果。设置方法见 http://blog.sina.com.cn/s/blog_764b1e9d01019gp4.html。

点击OK按钮，运行。

4.     校正结果

仅以Teillet模型校正结果进行展示。

ENVI 5.4的摄影测量扩展模块（原正射校正扩展模块）增加了两个工具，分别为：

• Generate Point Clouds and DSM by Dense Image Matching——利用高重叠度的多景图像（例如立体像对）提取点云数据和DSM。
• RPC Orthorectification Using DSM from Dense Image Matching——利用高重叠度的多景图像（例如立体像对）提取点云数据和DSM。并基于此DSM对输入栅格图像进行正射校正。

*注：以上两个工具需要摄影测量扩展模块许可支持。

工具的使用非常简单，默认参数即可，下面做简单介绍。

工具1

位于Toolbox/Terrain/Generate Point Clouds and DSM by Dense Image Matching

参数介绍：

• Input Rasters：输入高重叠度的多景图像，例如立体像对数据；
• Input DEM Raster：可选项，输入DEM数据；
• Block Adjustment：是否进行区域网平差，默认Yes；
• Terrain Type：两个选项，分别为Flat、Mountainous。根据实际情况选择；
• Minimum Overlap：指定两景图像之间的最小重叠度。当某两景图像的重叠度小于此值时将被忽略。有效范围为0-100，默认55。
• Matching Threshold：此值表示匹配误差，0代表完美匹配。默认值为15。设置此值越小，越能提高可信度并减少误匹配；设置此值越大，将有助于捕捉细节，但是有可能造成过度误匹配。
• Edge Threshold：有效范围0-100，默认值为5。此关键字不太好翻译，请自行理解（Set a lower value to include more mismatches in areas with poor contrast. Set a higher value to force rich texture and edge information in accepted matches）。
• Quality Threshold：质量阈值，有效范围0-100，默认值为60。每个像元会进行质量检查，主要基于匹配窗口图像的相似程度。质量检查有助于提升位于特征边缘的像元的精度。设置此值为0将导致估算所有匹配像元的高度，并生成很大的点云（LAS）数据，有可能包含很多冗余的、错误的点云数据。增加此阈值，将生成较少匹配点（和较小的LAS文件），但是点云质量较好。默认值60是一个可靠的、合理的阈值，可以生成高质量点云数据。设置更高的值将导致点云密度稀疏，并有可能存在数据空缺的情况。
• Refine Point Clouds：如果设置为Yes，输出的点云数据高度会被平滑处理，但是将丢失亮度或颜色信息。
• Output Point Cloud Directory：设置输出点云数据的路径。将在此路径下生成多个las文件。可在ENVI LiDAR中同时打开这些las文件。
• Output DSM Raster：设置输出DSM文件路径，TIFF格式。

工具2

位于/Geometric Correction/Orthorectification/RPC Orthorectification Using DSM from Dense Image Matching

参数介绍：

前6个参数与工具1一致，请参考上文。

• Output Pixel Size：输出正射校正结果的空间分辨率。
• Resampling Method：重采样方法。
• Grid Spacing：正射校正控制点像元间隔，默认为10，单位像元。此值越大，正射校正效率越高，但是精度越差。设置此值为1，并使用高精度DEM时，将执行严格正射校正。
• Output Raster：设置输出正射校正结果文件名。
• Output DSM Raster：设置输出DSM结果文件名。

美图欣赏

全色立体像对得到的正射结果和提取的DSM（空间分辨率为1米）。

细节欣赏：

提取的点云数据：

SuperView-1同时提供了多光谱立体像对，同样可以提取DSM（空间分辨率为2.5米）。多光谱正射校正结果叠加DSM效果如下图所示。

2017年，ENVI官方推出了一个农业工具包，叫做ENVI Crop Science，并在8月份升级到1.0.1版本。本工具包提供了一些精准农业和农学分析工具。目前仅适用于ENVI 5.4版本。需要特殊许可支持，提供单独的安装文件。

完整英文原版帮助请访问：http://www.enviidl.com/crop_science/

功能简述如下：

l  获取作物的株数，包含每一株作物的地理位置和大小；

l  计算每一株作物的特殊指标（如高度、光谱指数等）的均值、最小值、最大值和标准差；

l  将提取到的作物位置输出为Shapefile文件；

l  生成定位作物预期位置的格网，需要预先指定3个特殊点位置；

l  识别逐行排列的作物，去除杂草、野草等不在队列中的地物；

l  识别逐行排列作物中间的缺口，即漏种区域；

l  创建热点图，可以直观显示一个区域内植被的相对健康程度。

计算作物指标（Calculate Crop Metrics）

作物指标（Calculate Crop Metrics）工具可以统计每株作物的指标，需要输入单波段图像和Crop Count工具输出的json文件。输出结果可选分类图像或灰度图像（像元值即具体指标均值）。如下图计算的是Green Ratio Vegetation Index。

本工具适用于高分辨率的无人机或其他航空影像。

光谱指数统计（Calculate Crop Metrics with Spectral Index）

本工具与计算作物指标（Calculate Crop Metrics）工具功能类似。支持输入多光谱数据，选择特定光谱指数进行计算和统计。例如选择NDVI，则结果在一定程度上反应了作物的健康程度。

作物计数（Crop Count）

作物计数（Crop Count）工具的输入栅格要求为高分辨率的单波段（例如NDVI、GRVI等）图像。本工具可以对作物进行定位和计数。输出结果为ENVI分类图像，圆环形状。

创建作物位置格网（Create Crop Location Grid）

创建作物位置格网（Create Crop Location Grid）工具用于估算作物位置。需要预先指定3个特殊点。生成结果为圆形分类图像。适用于作物均匀分布的区域。

转换为矢量（Crops To Shapefile）

首先需要使用作物计数（Crop Count）工具输出作物json文件，然后将其输出为shapefile文件。

作物增强（Enhance Crops ）

作物增强（Enhance Crops ）工具可以增强作物个体，以提高后续处理精度。例如可以将增强结果输入到作物计数（Crop Count）工具中。在作物增强（Enhance Crops ）工具中可以设置有效像元值的最小值和最大值，同时可以选择是否逆转像元值。

本工具适用于高分辨率的无人机或其他航空影像。

识别作物缺口（Find Crop Gaps）

逐行作物识别并去除异物（Find Rows and Remove Outliers）

本工具识别一个区域内逐行排序的作物，并移除杂草、野草等异物。

热点分析（Hotspot Analysis）

热点分析（Hotspot Analysis）工具可以辨识图像中相对特殊的区域。ENVI通过计算空间聚集因子局部统计量（Getis-Ord Gi* local statistics）来对相似像元进行聚类。此算法评估每一个像元与指定距离的周围像元，将其归类为hot、cold（分别统计高、低像元值的聚类特征）或中立（不具备统计学意义）。热点分析工具可以用来分析一片区域的作物健康变化情况。

下面右图中，颜色越绿，说明作物越健康。

热点分析（Hotspot Analysis）工具可以单独使用。但是其他农学工具建议按照流程进行使用，当然也可以作为独立工具使用。

其他说明

ENVI精准农业工具包提供的工具可以独立使用，也可以按照流程进行使用。

例如，下面是计算作物指标（crop metrics）的流程。

开发接口

ENVI Crop Science中的所有功能均开放了调用接口。

ENVI54 版本的自动找点正射校正工具（RPC Orthorectification Using Reference Image）开放了输出分辨率（Output Pixel Size）的参数。但是依然没有开放找点搜索窗口大小（Search Window Size）参数。所以。。。。。。

工具下载：http://pan.baidu.com/s/1i58BkRb

将下载的zip文件解压，得到三个文件夹（extensions、custom_code、resource），将这三个文件夹拷贝到ENVI5.4如下安装路径，覆盖同名文件夹即可。

• C:\Program Files\Harris\ENVI54\

此扩展工具有两个功能：

ENVI54自带工具开放搜索窗口大小（Search Window Size）参数

工具位于：

• /Geometric Correction/Orthorectification/RPC Orthorectification Using Reference Image

当待校正图像和参考图像位置偏差较大时，需适当调大搜索窗口（Search Window Size）。例如两景图像最远偏差200个像元，那么需要设置搜索窗口大小为（200+5）*2=410，或更大。

注：此工具中的参考图像（Input Reference Raster）坐标系必须为投影坐标系。

添加增强版批处理工具

本工具提供批处理功能。

并且，当参考图像为地理坐标系时，自动转换为投影坐标系。

工具位于：

• /Extensions/RPC Orthorectification Using Reference Image Batch

参数介绍：

• Output Postfix：输出文件名后缀标识。例如输入文件名为 xxinfilename.tiff，输出文件名将为xxinfilename_rpcortho.dat
• Output Path：输出文件夹路径。

注：同时会输出同名pts控制点文件。

TVDI基本原理

TVDI（温度植被干旱指数）原理见http://blog.sina.com.cn/s/blog_764b1e9d0100wdrr.html

工具安装方法

有以下两种安装方式，推荐使用App Store for ENVI安装该扩展工具。

l  ENVI App Store安装

1）Appstore工具见http://blog.sina.com.cn/s/blog_764b1e9d0102xl5j.html。

2）在App Store for ENVI找到TVDI工具，点击Install App进行安装。

l  手动安装

1）下载工具包：链接https://pan.baidu.com/s/1sl4Yj6X 密码7sbp

2）将压缩包中的tvdi.sav文件拷贝到…\ENVI5X\extensions\extensions\下；tvditask. task文件拷贝到…\ENVI5X\extensions\custom_code\下。

使用说明

该工具极大简化TVDI计算的繁琐流程，参数设置灵活、高效、稳定易用。

一．启动

在ToolBox中，启动\Extensions\TVDI，如下图所示。

图 TVDI参数面板

二、参数设置

ž   Input NDVI Raster：输入NDVI影像

ž   Input LST Raster：输入陆地表面温度影像

ž   NDVI Minimum：参与干、湿边方程计算的NDVI最小值

ž   NDVI As Reference：若NDVI与LST影像空间参考不同，设置为Yes时则以NDVI影像为参考对LST影像进行重投影，投影方法由Resample Method控制；设置为No时，则以LST影像为参考对NDVI影像进行重投影，投影方法由Resample Method控制。

ž   Sample Size：参与干、湿边方程计算的采样间隔，默认为10，即每10个像元中抽取一个样本进行干、湿边方程计算。

ž   Resample Method：重采样方法，见NDVI As Reference。

ž   Output Raster：输出TVDI影像。

ž   Display Result：是否在ENVI中显示TVDI影像。

注*：若NDVI影像有背景值，应设置Data Ignore Value，否则可能影响干、湿边方程拟合结果。

三、输出结果

l  TVDI影像

图 TVDI（密度分割显示）

l  干、湿边方程

   该工具简单、易用、镶嵌效率高且CPU、内存占用率低，初始版本及介绍见http://blog.sina.com.cn/s/blog_764b1e9d010161y2.html。

工具安装方法

有以下两种安装方式，推荐使用App Store for ENVI安装该扩展工具。

l  ENVI App Store安装

1）AppStore工具见http://blog.sina.com.cn/s/blog_764b1e9d0102xl5j.html。

2）在App Store for ENVI找到Mosaic Batch工具，点击Install App进行安装。

3）重启ENVI。

l  手动安装

1）下载工具包：链接: 链接: https://pan.baidu.com/s/1jIOQiJO 密码: 4m7h

2）将压缩包中的mosaic_batch.sav文件拷贝分别到\ENVI5X\extensions\下和\ENVI5X\classic\save_add\下。

3）重启ENVI。

使用说明

1．启动

l  ENVI 5.X标准版

在ToolBox中，启动\Extensions\Mosaic Batch Fast，启动效果见图1。

l  ENVI Classic

Basic Tools -> Mosaicing->Mosaic Batch，启动效果见图1。

图1.  Mosaic Batch工具参数面板

2．参数介绍

    Select Input Directory：输入的文件路径

    Enter File Search String：待搜索条目包含的字符，不区分大小写

    Clear All Item：清除所有条目

    Add Item：添加条目

    Remove Item：清除所选条目，支持按住Ctrl或Shift多选

    Data Ignore Value：影像拼接忽略值

    Enter Output Filename：输出镶嵌结果，格式为ENVI标准格式

3．灵活的文件搜索方式

以四景ASTER GDEM数据为例，介绍数据搜索方法。该四景数据存放于D:\MosaicTest\下，每景单独存放在一个文件夹下（图2左），每个文件夹内包含一个**dem.tif文件、一个**num.tif文件和一个README.pdf文件（图2右）。点击Choose按钮，选择输入文件路径D:\MosaicTest。

图2. 示例数据

Ø  搜索所有文件

图3. 搜索所有文件

Ø  搜索单一类型文件

图4. 搜索单一类型文件

Ø  搜索多种类型文件，以英文逗号隔开

图4. 搜索多种类型文件

Ø  搜索包含连续字符的文件

图5. 搜索包含连续字符的文件

Ø  搜索包含非连续字符的文件

图6. 搜索包含非连续字符的文件

注：*为通配符

时间：10月25日 13:30-17:20（注：10月24号为主题大会）

地点：北京国际会议中心三层307会议室

免费报名地址：http://www.esrichina.com.cn/market/2017uc/login.html

今年我们的主题是“智能化遥感平台，助力遥感普适化应用”。“ENVI遥感技术与应用”技术论坛为您准备了5场技术讲座。另外，在智慧城市行业论坛中还有“智慧城市建设中的遥感应用”；在二楼体验区设有ENVI系列软件体验展台。

讲座1：ENVI遥感动向及新应用

讲座人：金晓英（美国）

内容简介：目前ENVI软件的版本为5.4.1，本讲座首先介绍ENVI5.4.1系列遥感软件新功能（桌面、开发、企业级服务器产品）和未来ENVI5.5规划，之后介绍新功能研发的背景（为什么要开发该功能，该功能的来源是哪里等）。最后介绍美国的一些ENVI遥感应用的例子。   

讲座2：ENVI5.4遥感应用与服务开发秘籍  

讲座人：杜会建

内容简介：ENVI5.4.1/IDL8.6.1提供了全新的遥感应用与服务开发方式。本讲座将以真实案例为例，介绍几种遥感项目中能够用到的应用与服务开发方式，比如自定义ENVITask、Metatask等。并且穿插介绍新的开发技术，比如全新分类框架、用户界面元素、ENVITaskEngine（实现脚本方式运行ENVI API）。带您全面了解ENVI智能化开发技术，帮助实现遥感大数据处理与分析需求。

讲座3：Web遥感应用的几种架构剖析   

讲座人：孙琪童

内容简介：遥感数据量越来越大，行业应用越来越广。新一代Web遥感平台应运而生，提供即拿即用的服务，支持在线、按需地提交图像处理请求，并提供任务自动监控、结果下载等功能。借助公有云、私有云平台，以及数据的分布式存储，能够在集群环境下并行处理，执行高并发的IO。本讲座主要介绍如何借助ENVI Services Engine让数据处理更高效、业务化处理更便捷。并介绍如何构建和部署适合自己的Web遥感平台。

讲座4：SARscape5.4新功能和应用  

讲座人：徐恩惠

内容简介：随着国产GF3数据的分发，SAR应用领域更加广阔。SARscape5.4最新版本支持国产GF3数据的处理，新增船只检测、移动目标探测等工具。本讲座介绍SARscape5.4下GF3号数据处理流程，介绍国内典型应用案例，包括矿山沉降、城市地表形变等。

讲座5：有关高大上的遥感研究与接地气的工程化应用的几点思考

讲座人：邓书斌

内容简介：遥感领域每年有大量模型、算法以及相应的研究论文发表，在遥感数据越来越丰富以及更加简便获取等条件的支持下，已经可以让高大上的研究成果广泛应用到实际生产中。本讲座以遥感软件应用为视角，以哈萨克斯坦小麦种植遥感调查、城市管理遥感变化监测、GIS系统底图生产、大蒜种植面积量测等接地气的遥感应用为例子，谈谈遥感研究和应用的一些感受。

金晓英（美国）

ENVI为全球用户提供领先的遥感图像处理解决方案。包括ENVI桌面遥感图像处理软件、IDL数据分析开发语言，ENVI Services Engine服务器遥感软件，SARcape专业雷达图像处理软件，还有全新的ENVI精准农业工具包和Opticalscape模块，深度学习也将加入ENVI解决方案中。讲座最后介绍了龙卷风灾害分析和飓风灾害分析两个案例。

l  ENVI5.5

目前发布的是ENVI5.4.1，接下来将发布的是ENVI5.5版本，在这个版本中最大的改进是新增ENVI Modeler建模工具。

ENVI Modeler建模工具可以在可视化的界面上，通过拖拽方式对ENVI现有功能进行“组装”，零代码构建一个工作流程。这个工作流程可以直接在ENVI Modeler中运行，也可以生成为ENVI扩展工具，甚至可以发布在企业级产品中（ENVI Services Engine）。

图：ENVI Modeler建模工具

l  ENVI Services Engine

最新的ENVI Services Engine重写了底层架构，支持Node.js，架构更加灵活，采用模块化设计，可以将ENVI、IDL、SARscape、深度学习等作为“Engine”加入。

l  ENVI Crop Science：ENVI精准农业工具包

ENVI Crop Science 可以通过分析多光谱数据，从而获取大量的农作物健康信息。不具备遥感背景知识的用户，同样能够快速上手。

图：通过ENVI Crop Science可以得到多种信息产品

l  ENVI SARscape

ENVI SARscape开始支持高分-3数据，并全新开放接口 —— SARscape ENVITasks，可以在ESE/GSF环境中运行 SARscape ENVITasks。

l  Opticalscape

Opticalscape是ENVI模块的新成员。支持基于无人机或卫星图像生产DSM和DOM。

l  Deep Learning

目前ENVI已经具备深度学习解决方案实施能力，对于自动目标识别，利用全色、RGB、多光谱、高光谱、SAR、LiDAR、提取的点云数据等，可以获得+95%的精度。计划2018年发布一个产品级的解决方案。

图：深度学习的应用案例

l  几个案例

讲座列举了两个案例：利用面向对象工具FX分析龙卷风灾害，利用ENVI和SARscape进行飓风灾害分析。

如下图为利用面向对象工具FX从高分辨率卫星影像中提取的灾后建筑物倒塌信息。

图：龙卷风灾前后建筑物损毁信息提取

    雷达图像不受气候影像，可以在飓风后快速得到受灾区域的影像数据。如下图为从雷达影像上获取的飓风后的受灾信息。

图：变化检测结果

杜会建

ENVI5.4/IDL8.6提供了全新的遥感应用与服务开发方式。本讲座介绍了几种遥感项目中能够用到的应用与服务开发方式，比如自定义ENVITask、Metatask等。并且穿插介绍新的开发技术，比如全新分类框架、用户界面元素、ENVI Modeler（下个ENVI版本提供）等。带您全面了解ENVI智能化开发技术，帮助实现遥感大数据处理与分析需求。

1          ENVI智能化开发技术

ENVI 提供的全新智能化开发技术具备几个特点和功能，比如面向对象、ENVITask、虚拟栅格、自定义ENVITask等，方便进行二次开发和功能扩展，快速构建自己的业务流程。

目前，ENVI已经提供了近40个虚拟栅格、200+的ENVITask接口，实现丰富多样的图像处理能力。并且能够方便构建函数链，实现业务流和批处理。

2          App Store for ENVI

App Store for ENVI在一年前正式发布，已经成为众多ENVI用户安装扩展工具的首选途径。在本节重点介绍了App Store的功能与特点，并针对一些明星应用进行了介绍与演示。例如国产卫星支持工具、批处理工具包、全新图像分类框架等。

3          遥感应用与服务开发秘籍

随着ENVI开发方式的成熟，目前已经有多种选择可以进行开发工作。甚至在ENVI Modeler的帮助下，实现零代码建模。借助灵活的开发，甚至实现大数据分布式处理、异步调用并行处理等。

完整讲义下载：http://pan.baidu.com/s/1i4SG4TJ

视频下载地址：http://pan.baidu.com/s/1slfX3lj

1 SARscape5.4/5.4.1新功能

SARscape5.4于2017年1月正式发布。在SARscape5.4中，支持更多的SAR传感器类型，新增很多实用的工具，改进的算法让处理效率更高，新支持集群处理等。详情可参考博文SARscape5.4新功能介绍：http://blog.sina.com.cn/s/blog_764b1e9d0102xvhg.html

l  新增Sentinel-1轨道文件下载功能，可以下载和保存轨道文件

l  Sentinel下载工具支持断点续传功能，提高下载效率，支持辅助文件下载

l  DeGrandi 滤波处理算法增强、效率提升并支持更大的数据量

l  支持TSX 和PALSAR2 ScanSAR模式数据的干涉处理

l  新增船只探测工具

l  新增移动目标探测工具

l  新的相干处理流程化工具

l  新增SRTM-1v3 DEM（30米）数据自动下载工具

l  SBAS、CCD集群处理工具（需要单独的许可）

l  集成到ENVI5.4版本

SARscape5.4.1将于近期发布，初步支持GF3数据处理、新增若干实用工具，主要新功能如下：

l  支持GF3号数据

l  新增Sentinel-1 level0级产品聚焦功能

l  新增ALOS World 3D-30m DEM数据自动下载工具

l  新增合成升轨和降轨数据集得到的水平方向和垂直方向的速率/形变/时间序形变结果

l  自动生成SARscape Batch和SARscape ENVI Task 脚本

l  新增PS集群处理工具（需要单独的许可）

船只探测工具

Sentinel-1强度数据

Sentinel-1强度数据中提取的船只信息

叠加AIS信息

TSX 强度数据中提取的船只信息

  移动目标探测是将一个单视复数数据沿方位向分为3个子孔径，每个子孔径具有不同的天线入射角，用3个子孔径的强度数据进行RGB彩色合成显示，得到的图像上，具有RGB颜色的地物，就是移动目标，其他没有变化的区域是灰色的。

移动目标探测结果

PALSAR-2 ScanSAR数据干涉处理得到的尼泊尔地震形变场

  在即将发布的SARscape5.4.1版本，新增如下功能：

l  支持GF3号数据

l  新增Sentinel-1 level0级产品聚焦功能

l  新增ALOS World 3D-30m DEM数据自动下载工具

l  新增合成升轨和降轨数据集得到的水平方向和垂直方向的速率/形变/时间序形变结果

l  自动生成SARscape Batch和SARscape ENVI Task 脚本

l  新增PS集群处理工具（需要单独的许可）

     支持 Sentinel-1 0级产品的聚焦，得到slc数据，得到的slc数据对可以做InSAR处理，如下图是SARscape聚焦得到的slc数据对做的干涉图和esa发布的slc数据得到的干涉图。  

  提供合成升轨、降轨的形变结果的工具，得到垂直方向和东西方向的形变。

提供DEM融合工具支持合成从不同方法得到的DEM，包括：

l  InSAR + InSAR(e.g. 升轨 + 降轨)

l  InSAR +SAR立体量测

l  InSAR + 光学

升轨数据InSAR得到的DEM（矢量结果）

降轨数据InSAR得到的DEM（矢量结果）

合成的DEM结果

  支持高分3号L1A级数据的导入、多视、滤波、地理编码等基本处理，在特殊成像条件的数据，可以做InSAR处理，详情请看：http://blog.sina.com.cn/s/blog_764b1e9d0102y1v7.html

2 应用案例介绍

利用2015年6月2日-2016年3月28日的18景Sentinel-1 A IW数据，对抚顺著名的西露天矿利用SBAS进行形变测量，结果如下：

抚顺露天矿沉降监测结果

利用ASAR和Sentinel-1A 两组数据集，对北京市区进行形变测量，得到的结果如下，

 

北京市区地表形变监测结果

布加勒斯特是欧盟最易发生地震的国家，地震影响了高层建筑。了解长期的地面位移趋势是非常重要的，布加勒斯特大学的学者利用多时相的SAR数据对布加勒斯特高层建筑区域进行干涉测量。用到了两组数据，分别是1992-2010 年，ERS -1/ -2 和 ENVISAT数据；以及2011-2014，TerraSAR-X (TSX) 数据。

 

2011–2014 TSX 数据SBAS处理结果，平均形变速率图

 

裂缝的2011-2014年的TSX 数据PS 结果、玫瑰图表示方向

摩苏尔大坝，是伊拉克最大的大坝。它位于底格里斯河35公里，北距摩苏尔市，这是一座粘土质地的水坝，高113米，长3.2公里，于1986落成。大坝建成后不久，大坝就遇到了由软石膏地基造成的一些结构性问题。从下面的水渗入造成大坝基底侵蚀。为了减缓侵蚀，多年来一直在注入混凝土。有机构利用干涉测量的方法测量大坝以及滑坡、排水口，三处重点区域的形变。

 

使用的数据源如下：

l  Sentinel-1 数据

Ÿ  59 景 升轨数据，2014年10月-2017年2月

Ÿ  74 景 降轨数据，2014年10月-2017年2月

l  COSMO-SkyMed数据

Ÿ  61 景 条带模式 升轨数据，2012年12月-2015年7月

                       Ÿ   11景 聚束模式 降轨数据，2016年6月-2016年12月

Santinel-1数据PS和SBAS处理结果（2014-2017）

大坝、滑坡体、排水口的形变曲线

  亚马逊热带雨林，670万平方公里，物种丰富，森林历史悠久。巴西环保局用光学和SAR数据进行森林监测，监测森林砍伐范围、人为破坏、非法采矿和隐蔽的飞机跑道。

SAR数据处理流程

COSMO-SkyMed  StripMap HIMAGE (3m)强度数据上森林狂砍伐区域明显

  利用SAR多时相数据提取特征，进行RGB假彩色合成，可以凸显森林砍伐区域。

多时相SAR特征数据假彩色合成图以及不同时相的森林砍伐范围图

相干性图上凸显人类活动区域

CSK 3m 入射角为 23°和 54° 立体量测得到的DEM

3 总结与学习资料

SARscape以其先进的算法，面向工程化应用的界面设计、对新数据源的支持，及时加入最近的科研/项目成果、版本的持续更新，拥有桌面、Web产品和集群产品，为用户提供了一个专业、方便、与时俱进的SAR图像处理平台。

获取最近SARscape学习资料请见：

2017年培训班资料共享：http://blog.sina.com.cn/s/blog_764b1e9d0102yags.html

讲座PPT下载：http://pan.baidu.com/s/1pLOGZd5

讲座录屏下载：http://pan.baidu.com/s/1dFjdVPJ

邓书斌

遥感领域每年有大量模型、算法以及相应的研究论文发表，在遥感数据越来越丰富以及更加简便获取等条件的支持下，已经可以让高大上的研究成果广泛应用到实际生产中。本讲座以遥感软件应用为视角，以哈萨克斯坦小麦种植遥感调查、城市管理遥感变化监测、GIS系统底图生产、大蒜种植面积预测四个遥感应用为例子，谈谈遥感研究和应用的一些感受。

讲座开始了……

通过检索学术论文库（中文）发现近5年遥感类的研究论文非常多，平均每年有9千多篇。增加其他关键字搜索，得到如下的一张图。可以看到图像预处理环节的文章较少，说明这类技术已经比较成熟；涉及信息提取、定量反演的文章较多，遥感分类一直是遥感领域的“疼”，虽然有时候分类精度能达到80%以上，可是有很多条件限制，这个话题一直是遥感领域的热点；新技术方面，如深度学习、大数据、云计算等方向开始起来，相信未来几年会有更多的研究成果。

图：关键字“遥感”学术论文搜索统计

本讲座选择的四个应用案例，从遥感角度看都是比较简单的几个应用。但是应用对象都是第一次使用遥感技术解决实际问题。从三个维度介绍四个案例：技术难度、工作量、应用实用性，四个案例基本属于技术难度不大，工作量也不是很大，但是具有较好的实用价值。

图：几个应用例子

从四个应用案例的实现过程中体会到，很多因素影响遥感应用的顺利进行，其中数据是第一大因素，另外受制于遥感应用的区域性，别人的经验只能作为参考，而不能作为一定能实现的依据。遥感分类的精度与应用单位的期望存在很大的脱节，比如自动化分类精度达到90%，对于遥感人士来说精度已经很高了，可是依据应用单位需求，精度还是不够的。

好了，文字介绍到此，更多精彩还是您下载ppt和现场录屏，抽空听听。本讲座内容纯属个人观点，很多地方讲的不遥感专业，各位别骂我。

PPT下载：http://pan.baidu.com/s/1slUI7MX

现场录屏下载：http://pan.baidu.com/s/1kVMhvYv

辽宁抚顺是一座以煤而兴的重工业城市，建国初期抚顺被誉为“煤都”，这里有闻名全国享誉世界的亚洲最大的露天煤矿——抚顺西露天矿。抚顺西露天矿地处抚顺煤田西部，矿坑东西长6.6公里，南北宽2.2公里，最终开采垂直深度478米。矿主要产品为优质动力煤和油母页岩富矿。 

本文使用Sentinel 1数据，用SBAS的方法对矿区及周边滑坡区域进行沉降监测，采用的数据源Sentinel-1A来自欧空局网站：https://scihub.esa.int/，其他信息如下：

l  18 景 Sentinel-1A IW 数据

l  极化方式：VV极化

l  入射角：33.7

l  成像时间：2015年6月2日~2016年3月28日

l  成像范围：抚顺市包含西露天矿区及其周边滑坡区域

l  分辨率：5米*20米

l  辅助数据：90米采样间隔 SRTM V4 DEM

图 研究区范围

18景数据，空间基线阈值2%，时间基线阈值120%，共组成72对干涉对。连接图如下所示：

图 像对连接图

在对所有干涉像对完成干涉工作流之后，每一对生成了干涉结果，包括相干性图_cc，差分干涉图_dint，和滤波之后的差分干涉图_fint，浏览所有的结果，对研究区的形变区域有初步的了解。

图 一幅典型的滤波后差分干涉图

选择稳定点作为GCP，进行轨道精炼，选取的GCP位置如下图所示：

图 用于轨道精炼的GCP点分布

经过GCP轨道精炼之后，轨道相位被去除。

图 轨道精炼前后的解缠结果

通过线性模型反演形变速率和历史形变量，通过滤波去除大气相位。

图 大气校正前后的同一点的沉降过程

最终得到的形变速率叠加平均强度图结果如下图所示：

图 抚顺地区SBAS-InSAR监测露天矿滑坡沉降速率图（201506-201603）

从监测结果来看，研究区在2015年6月到2016年3月期间，西露天矿矿区主体由于失相干和形变过大，无法有效提取信息，矿区北坡监测到的沉降量最大达到63mm/y。东露天矿边坡沉降明显，最大沉降达到134mm/y。 

【感谢用户白泽朝提供案例】