FY-3B中分辨率光谱成像仪(MERSI)不能实现可见光近红外 波段 的星上绝对定标。为了提高MERSI高信噪比窄 波段 通道的辐射定标精度,针对国际通用的6个北非沙漠目标,利用高质量的SeaWiFS数据构建天顶双向反射分布函数(BRDF)模型,借助MODTRAN辐射传输模型和ERA-Interim再分析资料吸收气体数据构建光谱匹配因子,对FY-3B MERSI 5年的在轨运行数据进行交叉定标研究。所构建的天顶反射模型可以准确表达伪不变目标的天顶反射率, 波段 预测误差基本都在3%之内;考虑观测几何条件和吸收气体含量的参数化光谱匹配因子可以有效预测MERSI的天顶反射率;交叉定标结果的时间序列十分稳定且无明显趋势,与伪不变目标的天顶辐射信号长期稳定且规律性变化的特点一致。与MERSI L1业务化定标结果相比,第8~12 波段 的定标结果偏低,相对偏差小于0,而第13~16 波段 的定标结果偏高,相对偏差大于0。除了 波段 8以外的其他8个 波段 的偏差基本都在-5%~5%以内。波长小于600 nm的 波段 的月平均偏差较大,特别是三个蓝光 波段 (第8~10 波段 );第13~16 波段 的月平均偏差相对稳定,基本都在-5%~5

电磁辐射，又称电磁波，是由同相振荡且互相垂直的电场与磁场在空间中以波的形式传递能量和动量，其传播方向垂直于电场与磁场构成的平面。 电磁辐射的载体为光子，不需要依靠介质传播，在真空中的传播速度为光速。电磁辐射可按照频率分类，从低频率到高频率，主要包括无线电波、微波、红外线、可见光、紫外线、X射线和伽马射线。 人眼可接收到的电磁辐射，波长大约在380至780nm之间，称为可见光。只要是本身温度大于绝对...

遥感影像 波段 band一.遥感影像 波段 1.原理2.举例说明二.TM影像各 波段 简介1.TM影像概述2.各 波段 影像特征3. 波段 组合4.类型提取5.光谱差异三.遥感图像——多 波段 数据存储的方式1.逐 波段 存储BSQ2.逐像元存储BIP3.逐行存储BIL4.总结方法的优劣 可以先把遥感影像的 波段 简单理解为图像的通道 一.遥感影像 波段 转载自https://www.jianshu.com/p/d0765ee89b86 波段 又称为波谱段或波谱带，在遥感技术中，通常把电磁波谱划分为大大小小的段落，大的成为 波段 区，

红边 波段 是指示绿色植物生长状况的敏感性 波段 ，与表征绿色植物生长状况的重要生化参数之间有很好的相关关系。因此，红边 波段 可以有效地监测植被的生长状况，用于研究植物养分、健康状态监测、植被识别和生理生化参数等信息等。 1.红边 波段 简介 在电磁波谱中，红边是植被的反射率在近红外线 波段 接近与红光交界处快速变化的区域。 红边是绿色植物在670-760nm之间反射率增高最快的点，也是一阶导数光谱在该区间内的拐点。红边的描述包括红边的位置和红边的斜率。 2.红边 波段 的作用 红边与植被的各种理化参数是紧密相关的，是描述植物色

本篇博客主要记录一下用matlab实现landsat8热红外 波段 辐射定标的过程.因为参加比赛需要用到这个功能，但是折腾了好久才搞出来，所以想写出来给有需要的共享一下 首先是定标公式。 公式中：Lλ为输出结果，ML为增益参数即为MTL头文件中的(RADIANCE_MULT_BAND_x，x为需要进行定标的 波段 序号)，Qcal即为原始图像 波段 ，AL为偏置参数即为MTL头文件中的（RADIANCE_ADD_BAND_x) 接下来进入代码部分。 image = cv2.imread('thermal_image.jpg', cv2.IMREAD_GRAYSCALE) 请将 'thermal_image.jpg' 替换为您的热红外图像文件路径。 3. 对图像进行预处理： ```python # 调整图像的对比度和亮度，以便更好地显示温度差异 image = cv2.equalizeHist(image) # 可选：进行高斯滤波以减少噪声 image = cv2.GaussianBlur(image, (5, 5), 0) 4. 根据热红外图像计算地表温度： 请注意，这一步需要根据您使用的具体传感器和图像参数进行调整。 ```python # 假设您有一个与温度相关的色彩映射表（color map） # 将灰度图像转换为伪彩色图像 color_image = cv2.applyColorMap(image, cv2.COLORMAP_JET) # 在伪彩色图像中选择一个代表地表温度的区域（例如，ROI） roi = color_image[y:y+h, x:x+w] # 将伪彩色图像转换回灰度图像 gray_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) # 假设您有一个校准曲线，将灰度值映射到实际温度 # 根据校准曲线计算地表温度 surface_temperature = calibration_curve(gray_roi) 请注意，上述代码中的 `x`、`y`、`w` 和 `h` 是您选择的 ROI（感兴趣区域）的位置和大小。 这只是基于热红外图像的简单示例，实际应用中可能需要更复杂的图像处理和温度计算方法。根据您的具体需求，可能需要进一步调整和优化代码。