高分一号遥感反演黑臭水体与水华：ENVI/ArcGIS全流程与避坑指南

简介：这份资源面向遥感与GIS方向的初学者及环境监测从业者，围绕高分一号影像在重庆部分区域的水体监测实践，完整呈现从数据获取到成果出图的技术链路，重点解决黑臭水体与水华识别的反演问题，涉及ArcGIS与ENVI两款专业软件的操作。压缩包内为1个docx文档，约13.95MB，以图文流程记录的形式组织内容，便于按步骤对照学习。目前已有559人学习下载。文档依次覆盖陆地观测卫星数据服务网站的数据检索与下载、ENVI中的辐射定标、FLAASH大气校正、基于RPC模型的正射校正与黑背景值去除、水域掩膜裁剪，以及利用Band Math计算NDWI、MNDWI等水体指数完成反演，最后在ArcGIS中符号化分类并输出专题图。读者可据此掌握一套可复用的遥感水体监测流程，理解各处理环节的参数设置与作用，为水资源管理和环境保护相关分析提供参考。

1. 从一张高分一号影像到黑臭水体分布图：这套反演方案要解决什么

拿到一景高分一号 WFV 影像，很多人第一反应是直接算个 NDWI 就出图，结果水体边界糊成一片，黑臭水体和普通水体在图上根本分不开，水华区域还被误判成植被。问题不在指数公式，而在前面的辐射定标、大气校正、正射校正每一步都留了误差，最后全堆在反演结果上。这套方案要解决的就是这件事：用 ENVI 做预处理与波段运算、用 ArcGIS 做符号化与空间统计，把从数据下载到成图的完整链路固定下来，让黑臭水体和水华的识别结果可复现、可解释。适合正在做遥感课程设计、毕业设计，或者需要交付一份水环境监测方案的人直接照着走。

2. 数据获取与预处理链路：五步把原始影像变成可用反射率

高分一号 WFV 传感器幅宽大、重访周期短，做区域水体监测是合适的，但它给的是 DN 值，不是反射率。DN 值受传感器响应差异和太阳光照条件影响，直接拿去算指数，不同时相、不同景之间没有可比性。所以预处理不是走形式，是把影像拉回物理量的过程。这一章按数据下载、辐射定标、大气校正、正射校正、水域裁剪的顺序拆开讲，每一步说清楚参数怎么设、为什么这么设。

2.1 数据下载：检索条件怎么定才不返工

在陆地观测卫星数据服务平台上选通用卫星载荷检索，需要同时约束四个条件：时间范围、地理范围、云覆盖量、传感器类型。时间范围按监测目标定，做水华识别尽量选藻类活跃期，做黑臭水体排查选近期无强降雨的时段，降雨后水体浊度变化会干扰光谱特征。云覆盖量一般控制在 10% 以内，重庆多云雾，这个阈值可以放宽到 20%，但要在后续处理中把云区掩掉。传感器选 WFV，它有多光谱波段且幅宽适合区域尺度。

地理范围用矩形框选重庆目标区域，注意框选范围不要跨太多景，否则后续镶嵌会增加工作量。下载前先看检索结果的快视图，确认目标水体在影像内且没有被云遮挡。这一步的血泪经验是：不要只看云量百分比，云量低但云正好压在水体上的景一样不能用，快视图必须逐景看。

2.2 辐射定标：把 DN 值换成辐亮度

在 ENVI 中打开高分一号数据后，工具栏搜索 rad，打开 Radiometric Calibration 工具。选择刚打开的影像，参数设置里定标类型选 Radiance，输出为 BIL 或 BIP 格式，输出数据类型用 Float。定标系数来自影像自带的元数据文件，ENVI 会自动读取，不需要手动填。

# ENVI 中辐射定标的关键参数（在工具面板中设置，非命令行） # Calibration Type: Radiance # Output Interleave: BIL # Output Data Type: Float # Scale Factor: 由元数据自动读取，不手动改

定标类型选 Radiance 而不是 Reflectance，是因为后续 FLAASH 大气校正需要输入辐亮度数据，如果这里直接定标成表观反射率，FLAASH 的输入就不对了。输出数据类型必须用 Float，整型会截断小数部分，弱信号水体的辐射差异会被抹掉。定标完成后检查输出影像的统计值，辐亮度值应该在合理范围内，如果出现大量负值或异常高值，说明定标系数读取有问题，回到元数据文件核对。

2.3 大气校正：FLAASH 参数与光谱曲线文件

工具栏搜索 fla，打开 FLAASH Atmospheric Correction。输入辐射定标后的影像，设置输出文件名和路径。关键参数包括：传感器类型选 UNKNOWN 或对应的高分一号多光谱设置，影像中心经纬度从元数据读取，大气模型按区域和季节选，气溶胶模型选 Rural 或 Urban，视目标区域周边情况定。

多光谱设置里点开 Multispectral Settings，Filter Function File 点 Open，选 Spectral Library，找到 gf1-wfv3 光谱曲线文件。这个文件定义了 WFV 各波段的光谱响应函数，不加载它，FLAASH 无法正确做波段间的辐射传输计算。高级设置一般不动，除非影像有明显的水汽异常。点 Apply 后等待输出，大气校正结果应该是反射率数据，值域大致在 0 到 1 之间。

提示：FLAASH 对输入影像的波段数和数据类型有要求，如果报错提示波段不匹配，先检查辐射定标输出是否保留了全部多光谱波段，不要只输出单波段。

2.4 正射校正与黑边去除：RPC 模型加参考影像

工具栏搜索 RPC，打开 RPC Orthorectification Using Reference Image。输入大气校正结果，参考影像选同区域的正射影像或 DEM 配套影像，高程数据用 SRTM 或 ASTER 的 DEM。参数里输出像元大小按参考影像或原始分辨率设，重采样方法选 Bilinear 或 Cubic。

输出结果双击图层，点 Edit Metadata，点 Add Metadata items，找到 Data Ignore Value，设为 0。这一步是去掉正射校正后影像边缘的黑色背景值，不设的话后续裁剪和波段运算会把黑边当成有效像元参与计算，水体指数在边缘会出现异常值。设完后再看影像，黑边应该变成透明或统一背景。

2.5 水域裁剪：Build Mask 与 Apply Mask 配合

工具栏搜索 mask，打开 Build Mask。输入正射校正结果，载入重庆水域 shp 数据，设置输出掩膜文件路径和文件名。Build Mask 的作用是把 shp 范围转成栅格掩膜，范围内为 1，范围外为 0。然后搜索 mask 打开 Apply Mask，输入文件选正射校正结果，掩膜文件选刚生成的 mask，输出参数里选择保留掩膜内像元。

裁剪后的结果只保留水域及周边缓冲范围，数据量大幅下降，后续波段运算速度明显提升。这里容易翻车的地方是 shp 的坐标系和影像不一致，Build Mask 不报错但掩膜位置偏移，出图时水体对不上。处理前先用 ArcGIS 或 ENVI 检查两者坐标系，不一致就先投影转换。

3. 反演模型与波段运算：黑臭水体和水华怎么从反射率里分离

预处理做完，影像已经是地表反射率，接下来是把水体信息从背景里提出来，再进一步区分正常水体、黑臭水体和水华。这一章讲指数选择、波段运算实现、阈值确定和分类出图，核心是把“算指数”变成“可解释的分类规则”。

3.1 指数选择：NDWI 与 MNDWI 的适用边界

NDWI 用绿波段和近红外波段，公式是 (Green - NIR) / (Green + NIR)，对水体敏感，但在建成区背景下水体边界容易和建筑阴影混淆。MNDWI 把近红外换成短波红外，公式是 (Green - SWIR) / (Green + SWIR)，抑制建筑阴影的效果更好。高分一号 WFV 有绿波段和近红外波段，短波红外要看具体波段配置，如果 WFV 没有短波红外，MNDWI 就用不了，只能回到 NDWI 加后处理。

黑臭水体的识别思路不同，它不是靠单一指数，而是看反射率光谱形态。黑臭水体通常在水体指数高的基础上，可见光波段反射率整体偏低且曲线平缓，部分案例中红波段相对绿波段有抬升。实际操作中一般先用水体指数提取水体掩膜，再在水体范围内做光谱特征统计，用多波段组合或分类器区分黑臭与正常水体。水华则看近红外波段反射率异常升高，因为藻类在近红外有强反射，水体指数在水华区会明显下降，这个反差可以作为识别依据。

3.2 波段运算实现：Band Math 公式与变量映射

工具栏搜索 band，打开 Band Math。输入公式，以 NDWI 为例：

(float(b2) - float(b3)) / (float(b2) + float(b3))

公式里 b2 和 b3 是变量占位符，点 Map Variable to Input File，把 b2 映射到绿波段，b3 映射到近红外波段，输入文件选水域裁剪结果 water.dat。float() 是为了避免整型除法截断，不加的话结果全是 0 或 1，指数图会变成黑白块。

; 黑臭水体辅助判断的多波段组合示例（在水体掩膜内计算） (float(b1) + float(b2) + float(b3)) / 3.0

这个公式算可见光三波段均值，均值偏低且 NDWI 高的区域作为黑臭水体候选。水华识别可以用近红外与红波段的比值：

float(b4) / float(b3)

b4 映射近红外，b3 映射红波段，比值异常高的区域标记为水华候选。每个公式输出后都要检查值域，NDWI 正常范围在 -1 到 1 之间，如果出现大量超出范围的值，检查变量映射是否错位。

3.3 阈值确定与分类规则

阈值不能拍脑袋定。通常的做法是先在水体掩膜内采样，正常水体、黑臭水体、水华各选若干典型像元，统计各指数的分布，取分位数作为初始阈值，再结合目视解译调整。NDWI 水体阈值一般在 0 附近，黑臭水体的可见光均值阈值要看区域，重庆部分河段经验值在 0.08 到 0.15 之间，水华的近红外红比阈值通常在 1.5 以上。

分类规则可以写成决策树形式：NDWI 大于水体阈值且可见光均值低于黑臭阈值，判为黑臭水体；NDWI 大于水体阈值且近红外红比高于水华阈值，判为水华；其余水体判为正常水体。规则写进 ENVI 的决策树分类器或 ArcGIS 的栅格计算器都可以，关键是阈值来源要记录，答辩时能说清楚每个数怎么来的。

3.4 ArcGIS 符号化与空间统计出图

反演结果导入 ArcGIS 后，先做符号化。黑臭水体用深色系，水华用绿色系，正常水体用蓝色系，分类边界清晰。图层属性里设置透明度，底图用影像或矢量边界叠加，出图前检查图例、比例尺、指北针是否齐全。

空间统计用 ArcGIS 的栅格统计工具，按行政区或河段分区统计各类水体面积，输出表格。面积计算注意像元大小单位，高分一号 WFV 分辨率是米级，统计结果换算成平方公里。趋势分析如果有多个时相，可以做面积变化对比，单时相方案里至少把各类水体占比算出来，作为监测结论的量化支撑。

4. 避坑与常见问题：预处理和反演里最容易翻车的五处

这套流程步骤多，每一步的参数都有连带影响，下面五处是实际项目里出现频率最高的问题，按现象、原因、解决拆开写。

4.1 大气校正后反射率出现大面积负值

现象：FLAASH 输出结果里水体区域反射率为负，指数计算全乱。原因：辐射定标输出数据类型不是 Float，或者定标系数读取错误，也可能是气溶胶模型选得和区域不匹配。解决：回查辐射定标输出类型，确认元数据定标系数被正确读取；气溶胶模型换成 Rural 重跑；如果仍有少量负值，在波段运算里加最大值约束，但不建议大面积截断。

4.2 正射校正后影像与 shp 错位

现象：水域裁剪结果里水体位置偏移，掩膜切到了岸上。原因：影像 RPC 参数缺失或参考影像坐标系与 shp 不一致。解决：检查影像元数据里是否有 RPC 文件，没有的话换用有 RPC 的数据；统一坐标系后再做 Build Mask，不要指望软件自动对齐。

4.3 黑边没去掉导致指数异常

现象：影像边缘出现条带状高值或低值，NDWI 图边缘一圈噪声。原因：正射校正后的 Data Ignore Value 没设或设错。解决：按 2.4 节步骤把 Data Ignore Value 设为 0，设完重新做波段运算，不要用旧结果。

4.4 阈值在不同景之间不通用

现象：同一套阈值在 A 景效果好，换 B 景黑臭水体全漏。原因：不同时相大气条件、太阳高度角不同，反射率绝对值有差异。解决：每景单独采样定阈值，或者先做相对辐射归一化再统一阈值；答辩时说明阈值是区域经验值，不是普适常数。

4.5 水华和植被混淆

现象：近红外高反射区域被同时判为水华和植被。原因：单靠近红外红比无法区分藻类和岸上植被。解决：先用水体掩膜限制计算范围，只在水体内判断水华；水体边界外的植被不参与分类；必要时加入绿波段特征辅助区分。

5. 验收与答辩：怎么证明这套反演结果可信

方案做完，图和表都有了，验收环节要回答一个问题：凭什么说这张图上的黑臭水体和水华是准的。答辩时评委不会只看图好不好看，会追问阈值来源、精度验证和流程可复现性。这一章给一套可操作的验收方法。

第一步，做目视比对。把反演分类结果叠加到原始影像或高分辨率底图上，随机选若干区域检查分类边界是否贴合实际水体边界。黑臭水体和水华区域要单独抽查，不能只看整体图。比对时记录抽查点数量和命中情况，形成一张简单的核对表。

第二步，做流程复现检查。把预处理到反演的每一步参数记录成文档，包括定标类型、FLAASH 大气模型和气溶胶模型、正射参考影像、掩膜文件、波段运算公式和阈值。找同学按文档独立跑一遍，如果结果差异明显，说明某一步参数没写清楚。我一般会要求参数记录细到“点了哪个按钮、选了哪个文件”，因为翻车往往出在默认参数被忽略。

第三步，准备答辩话术。评委常问的三个问题：为什么选这个指数、阈值怎么定的、精度怎么保证。回答时不要背公式，讲清楚数据条件限制，比如 WFV 没有短波红外所以用 NDWI 加光谱辅助，阈值来自水体掩膜内采样统计加目视调整，精度用抽样核对表支撑。把局限也说出来，比如单时相无法做趋势分析、云覆盖区域未参与统计，反而显得可信。

从那以后我每次带这类遥感反演方案，都强制要求先写参数记录表再动手处理，处理完立刻做抽样核对，不等到出图才发现问题。希望帮到你。

本文还有配套的精品资源，点击获取