ENVI遥感影像预处理：辐射定标与投影转换实操指南

1. 遥感影像预处理的核心环节拆解

遥感影像拿到手，第一件事不是急着做分类或者反演，而是先把数据“洗干净”。辐射定标和投影转换就是两道最基础的清洗工序，前者把传感器记录的原始DN值转换成有物理意义的辐射亮度或反射率，后者把影像从传感器视角的坐标系统拉到我们熟悉的地理坐标系下。这两步没做好，后面所有的定量分析都是空中楼阁。

我接触过不少刚入行的朋友，拿到一景Landsat或者Sentinel影像，直接跳到NDVI计算，结果发现不同时相的NDVI值对不上，或者跟地面实测数据差了一大截。问题往往就出在预处理环节被跳过了。ENVI作为遥感领域的老牌工具，在这两个环节上提供了非常成熟的工具链，但工具多不代表可以随便点，每一步的参数选择都有讲究。

这篇文章面向的是已经接触过遥感影像基本概念、但對预处理流程还不够熟练的从业者，或者是从其他软件迁移到ENVI平台的朋友。我会把辐射定标和投影转换的完整操作链路拆开来讲，包括每一步背后的原理、参数怎么定、常见坑在哪里。你不需要有深厚的辐射传输理论基础，但至少要能分清DN值、辐射亮度和反射率这三个概念的区别。

1.1 为什么预处理顺序不能颠倒

先做辐射定标还是先做投影转换，这个问题看起来不起眼，但顺序搞反了会带来不少麻烦。我的习惯是先辐射定标，再投影转换，原因有三层。

第一层原因跟重采样有关。投影转换本质上是对像素网格的重新排列，过程中必然涉及重采样。如果先做投影转换，重采样会改变原始DN值的空间分布，虽然对于大多数重采样算法来说，DN值的数值本身不会变，但像素之间的空间关系被重新定义了。这时候再做辐射定标，虽然数值上没问题，但如果后续要做基于像元邻域的分析，重采样引入的插值误差已经混进去了。

第二层原因跟定标参数的适用性有关。辐射定标系数是跟传感器成像时的几何条件绑定的，ENVI在读取元数据时会自动匹配对应的定标参数。如果你先把影像投影转换了，元数据中的成像几何信息可能会丢失或者被修改，导致定标系数匹配出错。我遇到过有朋友先做了投影转换，结果ENVI的辐射定标工具读不到正确的增益和偏移量，只能手动输入，增加了出错概率。

第三层原因跟处理效率有关。辐射定标是逐像素的线性运算，计算量相对固定。投影转换涉及重采样，计算量跟输出分辨率有关。先做定标再做投影，定标阶段处理的是原始网格，数据量最小；反过来做的话，投影转换后的影像可能因为重采样而变大，定标阶段的计算量也跟着涨。

注意：如果你拿到的数据已经是经过辐射定标的产品（比如Landsat Collection 2 Level-2数据），那就不需要再做辐射定标了，直接做投影转换即可。判断方法很简单，看元数据里有没有反射率或辐射亮度相关的字段。

1.2 ENVI中辐射定标与投影转换的工具定位

ENVI的工具栏里跟这两个环节相关的工具不少，新手容易挑花眼。我梳理一下常用的几个入口。

辐射定标方面，最常用的是Radiometric Calibration工具，位于Basic Tools > Preprocessing > Calibration Utilities下面。这个工具支持大多数常见传感器的自动定标，包括Landsat系列、Sentinel-2、MODIS等。如果你用的是国产卫星数据，比如高分系列或者资源系列，可能需要手动输入定标系数，这时候用Band Math配合定标公式也能实现。

投影转换方面，核心工具是Reproject Raster，位于Basic Tools > Reproject Raster。这个工具支持多种坐标系统和重采样方法，界面也比较直观。另外，Layer Stacking工具在堆叠波段时也可以指定输出投影，但那个更适合多波段合成场景，单独做投影转换还是用Reproject Raster更灵活。

还有一个容易被忽略的工具是Edit ENVI Header，用来手动修改影像的元数据。有时候自动读取的定标系数不对，或者投影信息缺失，就需要用这个工具手动补上。我建议每个做遥感预处理的人都把这个工具放在顺手的位置，关键时刻能省不少事。

2. 辐射定标的原理与参数选择

辐射定标这个词听起来很专业，但拆开看就三件事：搞清楚传感器记录的是什么，搞清楚目标物理量是什么，然后找到一个公式把前者转换成后者。ENVI帮你把公式封装好了，但公式里的参数需要你确认。

2.1 DN值、辐射亮度与反射率的关系

传感器拍到的原始数据叫DN值，全称是Digital Number，就是一个整数，没有物理单位。你可以把它理解成传感器对接收到的辐射能量的“计数”。不同传感器的DN值范围不一样，常见的有8位（0-255）、10位（0-1023）、12位（0-4095）、16位（0-65535）。位数越高，能记录的辐射差异越精细。

辐射亮度（Radiance）是有物理单位的，通常用W/(m²·sr·μm)表示，描述的是单位面积、单位立体角、单位波长范围内的辐射能量。从DN值到辐射亮度的转换是线性的，公式是：

L = Gain × DN + Offset

其中Gain是增益，Offset是偏移量，这两个参数由传感器制造商通过实验室定标和在轨定标确定，通常写在影像的元数据文件里。ENVI读取元数据时会自动提取这两个值。

反射率（Reflectance）是另一个层次的物理量，描述的是地表反射的辐射能量与入射辐射能量的比值，是一个无量纲的0到1之间的数。从辐射亮度到反射率的转换需要知道太阳辐照度和太阳天顶角，公式是：

ρ = π × L × d² / (ESUN × cosθ)

其中d是日地距离校正因子，ESUN是大气层外太阳辐照度，θ是太阳天顶角。ENVI的Radiometric Calibration工具可以一步到位输出反射率，但需要你确认太阳天顶角等参数是否正确。

我个人的习惯是，如果后续要做植被指数计算或者地表参数反演，直接输出反射率；如果只是做目视解译或者变化检测，输出辐射亮度就够了，省一步计算。

2.2 定标参数的来源与验证方法

ENVI自动读取定标参数的前提是元数据完整。Landsat 8/9的MTL文件、Sentinel-2的MTD_MSIL1C.xml文件都能被ENVI正确解析。但有些数据来源的元数据可能不完整，或者格式不被ENVI识别，这时候就需要手动输入。

手动输入定标参数时，增益和偏移量的单位要特别注意。有些传感器提供的增益单位是W/(m²·sr·μm)/DN，有些是W/(m²·sr·μm)，差一个DN的换算。我一般会先用自动定标跑一遍，然后手动用Band Math算几个像素的值，对比一下结果是否一致。如果差异很大，说明参数单位有问题。

验证定标结果是否合理，有一个简单的方法：看定标后影像的统计值。辐射亮度的典型范围在0到100 W/(m²·sr·μm)之间，反射率的典型范围在0到1之间。如果定标后影像的最大值远超出这个范围，或者出现大量负值，那大概率是参数错了。

提示：ENVI的Radiometric Calibration工具在输出反射率时，默认会做太阳高度角校正。如果你的影像跨越了较大的纬度范围，或者成像时间接近日出日落，建议手动检查太阳天顶角参数是否正确。

2.3 不同传感器数据的定标差异

不同传感器的定标流程大同小异，但细节上有差异，我挑几个常见的说一下。

Landsat 8/9的OLI传感器，ENVI可以直接读取MTL文件中的RADIANCE_MULT_BAND_x和RADIANCE_ADD_BAND_x作为增益和偏移量。输出反射率时，ENVI会自动使用REFLECTANCE_MULT_BAND_x和REFLECTANCE_ADD_BAND_x，并做太阳高度角校正。需要注意的是，Landsat Collection 2的数据在元数据格式上有变化，老版本的ENVI可能读不全，建议用ENVI 5.6以上版本。

Sentinel-2的MSI传感器，ENVI读取的是MTD_MSIL1C.xml文件。这个文件里的定标参数是按波段给出的，ENVI会自动匹配。Sentinel-2的特别之处在于它的波段宽度和中心波长跟Landsat不一样，做跨传感器对比时要注意波段匹配问题。

国产高分系列的数据，元数据格式不太统一，有些是XML，有些是TXT。ENVI对国产数据的自动支持有限，很多时候需要手动输入定标系数。我一般会先跟数据提供方确认定标系数的单位和适用条件，然后在ENVI里用Band Math手动计算。

3. 投影转换的实操要点与重采样选择

投影转换的目标是把影像从传感器坐标系（通常是UTM或者极地 stereographic）转换到目标坐标系（比如WGS84地理坐标系或者某个特定的投影坐标系）。这个过程涉及两个关键决策：目标坐标系选什么，重采样方法选什么。

3.1 目标坐标系的选择逻辑

目标坐标系的选择取决于你的应用场景。如果只是做局部分析，比如一个流域或者一个城市，用UTM投影比较合适，因为UTM在局部范围内的变形很小。如果要跟其他数据叠加，比如矢量边界或者DEM，那就跟已有数据的坐标系保持一致。

ENVI的Reproject Raster工具支持从预定义列表中选择坐标系，也支持从已有文件中导入坐标系。我一般会先确认项目里其他数据的坐标系，然后统一到这个坐标系上。如果项目刚开始，还没有其他数据，那就根据研究区的位置选一个合适的UTM带。

有一个容易忽略的点是基准面（Datum）的选择。WGS84和CGCS2000在大多数应用中可以认为是等价的，但跟北京54或者西安80之间的差异就不能忽略了。如果项目涉及历史数据，一定要确认基准面是否一致。

注意：投影转换不是无损操作，每次转换都会引入重采样误差。如果项目需要多次投影转换，建议保留一份原始投影的数据作为备份，避免反复转换导致精度损失累积。

3.2 重采样方法的适用场景对比

ENVI提供了多种重采样方法，常用的有最邻近法（Nearest Neighbor）、双线性插值（Bilinear）、三次卷积（Cubic Convolution）。这三种方法各有适用场景，选错了会影响后续分析结果。

最邻近法的特点是输出像素值直接取自输入影像中最近的像素，不产生新的数值。优点是保留了原始DN值的完整性，适合分类影像或者类别标签的投影转换。缺点是输出影像可能出现锯齿状边缘，视觉上不够平滑。

双线性插值用周围4个像素的加权平均计算输出像素值。优点是输出影像比较平滑，适合连续变化的物理量，比如反射率或者温度。缺点是会改变原始DN值，如果后续要做精确的辐射分析，需要注意这个影响。

三次卷积用周围16个像素的加权平均，平滑效果比双线性更好，但计算量也更大。适合对视觉质量要求高的场景，比如出图。对于定量分析，我一般不用三次卷积，因为它的权重函数可能产生过冲，导致反射率出现不合理的极值。

我个人的习惯是，如果后续要做定量反演，用双线性插值；如果只是做目视解译或者出图，用三次卷积；如果是分类结果，用最邻近法。

3.3 输出分辨率的确定与像元对齐

投影转换时，输出分辨率的选择会影响最终影像的精度和文件大小。ENVI默认会根据输入影像的分辨率和投影转换的变形情况自动计算一个建议值，但这个建议值不一定最优。

如果目标坐标系跟源坐标系的单位不同，比如从度转换到米，输出分辨率需要手动指定。我一般会参考原始影像的地面采样距离（GSD），然后根据目标坐标系的单位换算。比如Landsat 8的OLI传感器GSD是30米，如果目标坐标系是UTM（单位为米），输出分辨率就设30米；如果目标坐标系是WGS84地理坐标系（单位为度），30米大约对应0.000269度，但这个值随纬度变化，需要根据研究区纬度计算。

像元对齐是另一个容易被忽略的问题。如果项目里有多景影像需要叠加分析，它们的像元网格必须对齐，否则会出现“半像素”偏移。ENVI的Reproject Raster工具在输出时可以选择对齐到某个参考影像的网格，这个功能在多时相分析中非常实用。

4. 完整操作流程与参数配置实录

前面讲了原理和参数选择，这一节我把完整的操作流程串起来，包括每一步的界面操作和参数填写。你可以跟着走一遍，也可以把这部分当作操作手册备查。

4.1 辐射定标的逐步操作

打开ENVI，加载原始影像。如果是Landsat 8/9数据，直接打开MTL文件，ENVI会自动识别所有波段。如果是Sentinel-2数据，打开MTD_MSIL1C.xml文件。

在工具箱中找到Radiometric Calibration工具，双击打开。在弹出的对话框中，选择要定标的波段。如果要做全波段定标，点Select All。如果只做特定波段，比如只做红波段和近红波段用于NDVI计算，就单独勾选。

输出类型选择Reflectance还是Radiance，取决于后续用途。我一般选Reflectance，因为反射率是大多数定量分析的标准输入。如果选Reflectance，需要确认太阳天顶角参数是否正确。ENVI会自动从元数据中读取，但有时候需要手动校正。

输出路径和文件名自己定，建议在文件名里标注定标类型和日期，方便后续查找。比如LC08_20230615_reflectance.dat。

点击OK执行定标。定标完成后，ENVI会自动加载结果影像。检查一下统计值，反射率应该在0到1之间，如果出现大量负值或者超过1的值，说明定标参数有问题，需要回头检查。

提示：定标完成后，建议用Statistics工具查看一下各波段的直方图。正常的反射率直方图应该是一个单峰分布，峰值在0.1到0.3之间。如果直方图出现双峰或者异常拖尾，可能是云或者水体导致的，不一定是定标错误。

4.2 投影转换的参数填写与执行

定标完成后，在工具箱中找到Reproject Raster工具，双击打开。在输入影像中选择刚才定标后的结果。

目标坐标系的选择有两种方式：从预定义列表中选择，或者从已有文件中导入。如果项目里已经有其他数据，点Import从已有文件中导入坐标系，这样能保证所有数据的坐标系一致。

重采样方法根据前面讲的场景选择。如果是反射率数据，选Bilinear；如果是分类结果，选Nearest Neighbor。

输出分辨率根据目标坐标系的单位填写。如果目标坐标系是UTM，单位是米，填30；如果目标坐标系是WGS84，单位是度，填0.000269（对应30米，具体值根据纬度调整）。

像元对齐选项，如果项目里有多景影像，勾选Align to Reference Image，然后选择参考影像。如果没有参考影像，保持默认。

输出路径和文件名自己定，建议在文件名里标注目标坐标系和分辨率，比如LC08_20230615_reflectance_utm50n_30m.dat。

点击OK执行投影转换。转换完成后，检查一下影像的地理坐标信息是否正确。可以用Cursor Location/Value工具在影像上点几个点，看看显示的经纬度是否跟预期一致。

4.3 批量处理的实现思路

如果项目里有多景影像需要做同样的预处理，一景一景手动操作太慢。ENVI提供了批处理功能，可以通过File > Batch Processing打开批处理界面，也可以写IDL脚本实现更灵活的批量处理。

批处理的基本思路是把定标和投影转换的参数固定下来，然后循环处理每一景影像。ENVI的批处理界面支持保存和加载处理流程，你可以先手动做一景，把流程保存下来，然后在批处理界面加载这个流程，应用到所有影像上。

如果批处理界面满足不了需求，比如需要根据每景影像的元数据动态调整参数，那就需要写IDL脚本。ENVI的IDL API提供了ENVIRadiometricCalibration和ENVIProjectRaster等函数，可以编程实现完整的预处理流程。我一般会在项目开始阶段花半天时间写一个批处理脚本，后面处理几十景影像的时候能省下大量时间。

注意：批处理时要注意内存管理。ENVI默认会把中间结果保存在内存里，如果影像很大或者批处理数量很多，内存可能不够用。可以在批处理设置里勾选Save Intermediate Results to Disk，把中间结果写到硬盘上，虽然慢一点但更稳定。

5. 常见问题排查与避坑经验

预处理环节的坑不少，我把自己踩过的和见别人踩过的整理一下，你遇到问题的时候可以对照排查。

5.1 定标结果异常的排查思路

定标后影像全黑或者全白，是最常见的问题。全黑通常是定标系数中的增益太小或者偏移量太大，导致所有DN值都被映射到了接近0的辐射亮度。全白则相反。排查方法是检查元数据中的定标系数是否跟数据提供方公布的一致。

定标后出现大量负值，可能是偏移量设置错误。有些传感器的偏移量是负值，如果ENVI读取时符号搞反了，就会导致大量负值。手动检查一下元数据中的偏移量符号。

定标后反射率超过1，可能是太阳天顶角校正没做或者做错了。反射率的理论上限是1，但实际中由于大气散射等原因，表观反射率可能略高于1。如果大量像素超过1，那就要检查太阳天顶角参数了。

5.2 投影转换后的位置偏移问题

投影转换后影像位置偏移，是最让人头疼的问题之一。偏移的原因可能有几种：基准面不一致、投影参数填错、像元对齐没做。

基准面不一致是最常见的。WGS84和CGCS2000在大多数应用中可以互换，但跟北京54或者西安80之间的差异可能达到几十米甚至上百米。如果项目涉及历史数据，一定要确认基准面。

投影参数填错，比如UTM带号写错了，会导致影像整体偏移一个带的范围。检查方法是把转换后的影像跟已知正确位置的矢量数据叠加，看看是否对齐。

像元对齐没做，在多景影像叠加时会出现“半像素”偏移。这种偏移在单景影像上看不出来，但叠加分析时会影响结果。解决方法是在投影转换时勾选Align to Reference Image，统一像元网格。

5.3 内存不足与处理速度优化

ENVI处理大影像时内存不足是常见问题。优化方法有几个：一是分块处理，ENVI的Preferences里可以设置缓存大小，把缓存调大一点能减少磁盘读写；二是降低输出分辨率，如果不需要全分辨率，可以在投影转换时把输出分辨率设大一点；三是关闭不必要的波段，如果只做红波段和近红波段的分析，定标和投影转换时只选这两个波段，能省不少内存。

处理速度方面，SSD比HDD快很多，如果经常处理大影像，建议把数据放在SSD上。另外，ENVI的批处理比手动操作快，因为批处理可以连续执行不用等界面响应。

提示：如果影像特别大，比如上GB的国产高分数据，可以考虑先用Subset Data via ROIs工具裁剪出研究区，再做定标和投影转换。这样能大幅减少处理的数据量。

5.4 元数据丢失与手动修复

有时候ENVI读取元数据失败，导致定标参数或者投影信息缺失。这时候需要用Edit ENVI Header工具手动补上。

打开Edit ENVI Header，选择影像文件，然后在Attributes里找到对应的字段。定标参数通常在Radiometric Calibration下面，投影信息在Map Info下面。手动填写时要注意单位跟ENVI的要求一致。

如果元数据文件本身损坏或者格式不对，可以尝试用文本编辑器打开元数据文件，看看内容是否完整。有些数据提供方的元数据文件是XML格式，ENVI可能读不全，这时候可以手动提取需要的字段，然后在ENVI里手动输入。

我在实际项目里遇到过一次元数据丢失的情况，是一景国产高光谱数据，ENVI读不出投影信息。后来用Edit ENVI Header手动填了投影参数，才把影像正确加载到地理坐标系下。从那以后，我养成了一个习惯：每次加载新数据，先检查元数据是否完整，不完整就及时补上，避免后面做到一半才发现问题。

6. 预处理完成后的质量检查清单

定标和投影转换做完后，别急着进入下一步分析，先花几分钟做一下质量检查。我整理了一个检查清单，你可以对照着过一遍。

• 定标后影像的统计值是否在合理范围内（反射率0-1，辐射亮度0-100）
• 定标后影像的直方图是否正常（单峰分布，无明显异常）
• 投影转换后影像的地理坐标是否正确（用Cursor Location/Value工具抽查几个点）
• 投影转换后影像是否跟参考数据对齐（叠加矢量边界或者参考影像检查）
• 输出文件的命名是否规范（包含传感器、日期、处理类型、坐标系等信息）
• 中间文件是否保留（建议保留定标后的文件，方便后续重新投影到其他坐标系）

这个清单看起来简单，但能帮你避免很多低级错误。我见过有人做完预处理直接进入分类，结果分类精度很低，回头排查发现是投影转换时基准面选错了，导致训练样本的位置跟影像对不上。如果当时做了质量检查，这个问题在预处理阶段就能发现。

预处理是遥感分析的地基，地基没打好，后面的分析再精细也是白搭。ENVI的辐射定标和投影转换工具虽然成熟，但参数选择需要你对数据和应用场景有清晰的认识。多做几景数据，多检查几遍结果，慢慢就形成自己的操作习惯了。