GF-1 WFV四波段水环境遥感反演：定标、FLAASH与掩膜全流程

简介围绕高分一号影像的重庆局部水体监测任务这份文档面向遥感与GIS初学者及环境监测从业者系统梳理从数据获取到成果出图的完整技术链路可用于黑臭水体与水华识别课程练习、项目复现或作业参考。包内仅含1个docx文件压缩包约13.95MB以图文步骤组织便于按流程查阅与对照操作。文档覆盖陆地观测卫星数据检索、ENVI辐射定标、FLAASH大气校正、RPC正射校正、水域掩膜裁剪以及NDWI、MNDWI波段运算反演并在ArcGIS中完成符号化与制图输出。内容强调参数设置与中间结果检查能帮助读者理解预处理对反演精度的影响掌握水体指数提取与黑臭水体、水华分区表达的基本思路。目前已有561人学习适合需要一套可跟做的遥感水环境反演流程参考的读者。1. 反演黑臭水体的成败八成压在定标和掩膜上一景 GF-1 WFV 影像打开是灰蒙蒙一片套个 NDWI 公式水面轮廓确实出得来可黑臭等级和水华范围跟现场采样对不上——这种「图能出、数不对」的情况在水环境遥感里太常见了。这套流程把国内陆地观测卫星数据服务平台的检索下载、ENVI 里的辐射定标与 FLAASH 大气校正、RPC 正射校正、水域掩膜裁剪一直到 Band Math 反演、ArcGIS 分级出图整条链串了起来中间还夹着 ArcGIS 的制图与统计环节。它适合刚接手水环境监测任务、需要交付一套能复现成果图的从业者也适合手里有 ENVI 和 ArcGIS 但没跑通过完整遥感反演流程的人。真正决定结果可信度的不是指数公式写得多花哨而是定标有没有落到实处、掩膜有没有把非水面像元干净剔掉。2. 数据检索与波段对位GF-1 WFV 四个波段能算什么、不能算什么高分一号的宽幅相机是这套流程里最合适的载荷幅宽大、重访快一景就能盖住整条河段加湖库省掉拼接带来的辐射差异。但宽幅的代价是波段少——只有蓝、绿、红、近红外四个通道没有短波红外、没有红边、没有 2.1 μm 通道。这三个「没有」直接框死了后面能做什么指数、FLAASH 该怎么改参数很多人栽跟头就栽在拿一套适用于 Landsat 8 或 Sentinel-2 的公式往上套算出来一堆无意义的数还在找别的原因。2.1 检索条件怎么设时间窗口、云量和幅宽的取舍检索在平台的通用卫星载荷入口做条件就那么几项但每一项都有实际含义。时间上水华的高发窗口一般在春夏之交到初秋水温上来、营养盐充足、流速慢的库湾先起黑臭水体则和降雨强相关雨后排口附近浊度、有机质冲起来反射特征变化明显所以更稳的做法是同一区域取两景——旱季晴天一景、雨后一到三天一景两景对比着看才敢下结论。只取一景你分不清某片暗区是黑臭还是深水或者阴影。云量阈值建议卡在 10% 以内山区地形云多5% 更好。云本身不是最麻烦的麻烦的是云影薄云和云影在可见光波段压低反射率很容易被当成黑臭水体。平台返回的结果里除云量还要看太阳高度角冬季上午过境的那几景太阳高度角偏低山体阴影重水面像元信噪比差一截能不选就不选。幅宽这件事要反过来用。WFV 单景覆盖范围很大研究区绝大多数情况下落在景内偏一侧不需要跨景拼接。选景时优先挑研究区靠景中心的那一景边缘的几何畸变和配准误差都更大正射校正之后边界处容易出现偏移掩膜一裁就露馅。产品级别选 L1A也就是只做过辐射校正的原始 DN 产品定标和大气校正都留给你自己做这条链才完整如果拿的是已经做过正射或融合的产品后面的 FLAASH 参数就对不上了。检索项建议设置说明传感器GF-1 WFV按相机号记 WFV1~WFV4四台相机各自有独立的光谱响应文件必须记下相机号产品级别L1A保留完整定标链元数据里有增益与偏移时间水华期一景 雨后一景两景对比才能区分黑臭与阴影/深水云量≤10%山区建议 ≤5%重点防薄云与云影太阳高度角尽量大于 40°低角度成像山体阴影重覆盖位置研究区靠景中心边缘配准与畸变更大2.2 光谱响应文件与波段对位反演公式里的波段索引不能猜四个波段的配置是蓝 0.45~0.52 μm、绿 0.52~0.59 μm、红 0.63~0.69 μm、近红外 0.77~0.89 μmENVI 按打开顺序默认给 b1 到 b4也就是 b1 蓝、b2 绿、b3 红、b4 近红外。这个顺序在所有公式里都要保持一致一旦在某一步用了b3当绿波段后面全部结果都是错的而且错得很有迷惑性——NDWI 照样能出图只是水面边界糊掉一点点不细看根本发现不了。FLAASH 里的Filter Function File要选与影像相机号匹配的光谱响应曲线正文流程里选的是 gf1-wfv3说明这景是 WFV3 相机拍的。四台相机的响应函数不完全一样尤其是蓝波段选错了蓝通道反射率会有系统性偏差而蓝波段恰恰是水体浊度和黑臭判识里最敏感的一档。响应文件一般在 ENVI 的 Spectral Library 里以 .sli 形式提供如果本地库里没有就需要按平台提供的响应曲线自行转成 .sli转的时候注意波长单位是微米还是纳米单位错了 FLAASH 直接报错或者输出明显不合理的反射率。波段波长范围 (μm)主要作用水环境里的用法b1 蓝0.45~0.52水体穿透力强对悬浮物、有机质敏感黑臭水体辅助判据、清洁水体参照b2 绿0.52~0.59藻类反射小峰、水体散射NDWI 主波段、水华辅助b3 红0.63~0.69叶绿素吸收谷、悬浮泥沙抬升水华、浊度、黑臭强度指标b4 近红外0.77~0.89水体强吸收、植被强反射水陆分离、水华识别核心波段把这张表摊开看边界就很清楚了。没有短波红外MNDWI 那套 (绿-短波红外)/(绿短波红外) 根本算不了硬套只会得到全图异常值没有红边波段NDCI 那种基于 708 nm 的叶绿素指数也没法用没有 2.1 μm 通道FLAASH 的 2-Band (K-T) 气溶胶反演拿不到输入只能改成手动指定能见度或者干脆不反演气溶胶。这三条限制不是操作技巧是数据本身的物理边界认清了才不会在后面反复怀疑自己哪一步点错了。2.3 拿到数据先做的三件事文件结构、元数据、快视图下载下来的压缩包解开通常是若干 tiff 加分景的 xml 元数据。第一步核对文件与元数据的对应关系确认行列数、波段数、成像时间都在第二步翻元数据里的增益偏移、太阳高度角方位角、成像时间时区这几项后面定标和 FLAASH 全要用第三步用快视图粗看一遍主要看云的位置、有没有条带、水面是否落在研究区内。命令行里gdalinfo足够干这件事比一层层点开菜单快# 查看影像基本信息、统计值、元数据域 gdalinfo -stats -nomd GF1_WFV3_E120.1_N30.5_20230812_L1A0000000000.tiff # 单独把 ENVI 头里的元数据打出来确认 data ignore value 等字段 gdalinfo GF1_WFV3_20230812.tiff | grep -i data ignore第一条命令的-stats会顺带算一遍各波段的 min/max/mean如果某个波段的均值明显异常比如近红外波段均值比红波段还低得离谱先怀疑文件损坏或波段顺序被改过。第二条命令查data ignore valueL1A 产品一般已经带了填充值正射校正和掩膜之后这个值会变需要手动改后面 3.3 会细说。有一个容易被跳过但很要命的点元数据里的成像时间往往是北京时间而 FLAASH 的Flight Time要填格林尼治时间两者差 8 小时。填错了太阳天顶角就按错误的时间算整景反射率整体偏移而且偏移量在不同季节还不一样属于典型的「黑匣子」型错误——图看着正常数值全歪。我一般会在元数据表里单独抄一列 UTC 时间填参数时直接对着抄不现场换算。3. ENVI 预处理链定标、FLAASH、RPC 的参数落点预处理这条链是三段式把 DN 值变成有物理意义的辐亮度把辐亮度里的 atmospheric 影响剥掉变成地表反射率再把倾斜投影纠正成正射视图。三段之间是串行依赖前一段输出错了后一段不会报错只会安静地把错误放大。所以每一段做完都要有自己的一套检验办法不能等最后出图才验收。3.1 辐射定标Radiometric Calibration 的参数与量纲在 ENVI 工具箱里搜rad打开Radiometric Calibration选中刚打开的 L1A 影像。参数就四个关键项Calibration Type选 RadianceOutput Interleave选 BILOutput Data Type选 FloatScale Factor保持 1。输出到指定目录得到的就是辐亮度影像。Calibration Type里还有 Reflectance 和 Brightness Temperature 两个选项前者是基于影像自身统计的简易表观反射率后者只对热红外有意义。这里必须用 Radiance因为下一步 FLAASH 的输入要求就是辐亮度而且简易表观反射率没有做大气校正直接拿去做指数反演等于把大气程辐射一起算进了分子分母。定标本身是个线性变换L DN × Gain OffsetGain 和 Offset 来自元数据ENVI 在打开影像时会从头文件里读取正常情况下不需要手填。所以定标这一步真正要检查的不是参数面板而是元数据有没有被正确读进来。做完之后拉一个水面像元的剖面看数值量级辐亮度的量级通常在个位数到十几 W/(m²·sr·μm) 之间浮动具体取决于成像季节和太阳高度角如果看到上千的数值说明定标系数没生效输出还是 DN如果看到 0.00x 这种量级八成是 Scale Factor 被设成了 0.1 之类的压缩系数。Output Interleave选 BIL 是给 FLAASH 准备的它对这个比较挑BSQ 也能读但 BIL 更稳妥。数据类型必须 Float整型会把辐亮度小数部分截掉弱信号的水体像元损失最明显。3.2 FLAASH 大气校正WFV 缺 2.1 μm 波段时的参数改法搜fla打开FLAASH Atmospheric Correction输入刚才的辐亮度结果设好输出路径。参数面板里真正需要斟酌的是下面这些参数取值说明Scene Center Location研究区中心经纬度从元数据抄别手估Sensor TypeUNKNOWN-MSI没有 GF-1 预设时选这个再手动挂响应文件Flight Date成像日期与元数据一致Flight Time (GMT)成像时间换算成 UTC北京时间减 8 小时Sensor Altitude645 km高分一号轨道高度Pixel Size16 mWFV 地面分辨率Ground Elevation按 DEM 区域平均高程填山区别用 00.3~1.0 km 视地形Atmospheric ModelMid-Latitude Summer 等按成像月份和纬度选Water RetrievalNoWFV 无水汽吸收通道开了也没用Aerosol ModelUrban 或 Rural城区河段用 UrbanAerosol RetrievalNone没有 2.1 μm 波段K-T 反演无法执行Initial Visibility20~40 km晴天取 30 左右灰霾天调低MODTRAN Resolution5 cm⁻¹默认值不必改Aerosol Retrieval这一项是全流程最容易被忽略、又最影响结果的地方。FLAASH 默认走的是 2-Band (K-T) 反演靠 2.1 μm 短波红外通道估算气溶胶光学厚度WFV 压根没这个通道选了反演也只会报错或者给出无意义结果。正确做法是改成 None然后靠Initial Visibility手动给一个能见度初值。这个初值不需要非常准气溶胶模型和能见度共同决定大气程辐射的量级量级对了水体反射率的相对关系就站得住对绝对精度要求高的定量反演就得靠后续的实测点回归来补不能指望大气校正一步到位。接下来打开Multispectral SettingsFilter Function File那一栏点 Open进 Spectral Library选 gf1-wfv3 光谱曲线文件。这一步做完FLAASH 才知道四个通道各自的光谱响应形状否则它会按默认的矩形响应去积分蓝波段误差最明显。高级设置里Model Atmosphere相关的几项一般不动除非研究区海拔特别高。点 Apply 之后跑的时间跟景的大小有关一景 WFV 通常几分钟到十几分钟。输出的是地表反射率但数值被放大了 10000 倍存成整型——这是后面所有波段运算必须记住的一件事。看到反射率数值是 3000、5000 这种量级别慌那是 0.30、0.50 的反射率乘了 10000。3.3 RPC 正射校正与 Data Ignore Value 归零搜RPC打开RPC Orthorectification Using Reference Image输入大气校正结果再给参考影像和高程数据。参考影像一般用同区域已有的正射底图高程用 DEM。参数上重点看三项输出像元大小保持 16 m 不要重采样到别的尺度重采样方法选 Cubic ConvolutionDEM 高程源确认已经正确挂上。如果没有合适的参考影像可以换RPC Orthorectification Workflow只用 DEM 加少量地面控制点也能跑控制点从底图上挑道路交叉口、桥梁端点这类特征明显的点位均匀分布比数量重要四角加中心各一两个就够用全挤在一侧的话另一侧的残差会飘。正射之后影像发生旋转边界外会填一圈 0也就是黑背景。ENVI 默认不把这个 0 当成无效值处理于是它在波段运算里就变成了真实的 0 参与计算——分母出现 0或者分子分母同时为 0 得到诡异的结果最后统计面积时这一圈黑边全被算进某个类别里。处理办法是在图层上双击打开Edit Metadata点Add Metadata Items找到Data Ignore Value设为 0再保存。这一步做完ENVI 在做统计和掩膜时就会自动跳过这些像元。批量处理的时候我习惯用脚本核一遍头文件避免手工漏改from osgeo import gdal ds gdal.Open(gf1_ortho.dat) # ENVI 头文件里的自定义字段会挂在 ENVI 元数据域下 meta ds.GetMetadata(ENVI) print(data ignore value:, meta.get(data ignore value, 未设置)) # 没有就补上写回 .hdr if data ignore value not in meta: meta[data ignore value] 0 ds.SetMetadata(meta, ENVI) ds None # 关闭数据集触发头文件写回 print(已写入 data ignore value 0)这段代码做两件事先读 ENVI 头文件里的data ignore value字段确认有没有设没有就以 ENVI 元数据域的方式写回去。注意ds None那一行不能省GDAL 是在数据集关闭时才把头文件刷盘的不关就什么都不会写进去。参数上只有一个键名需要留意不同 GDAL 版本对 ENVI 域键名大小写的处理略有差异读不到的时候把meta整个打印出来看一眼实际键名再对。4. 水域掩膜与波段运算把整景影像收敛到水面像元预处理做完影像已经是正射的地表反射率但整景里绝大部分是陆地、建筑、道路真正关心的水面可能只占几个百分点。直接对整景做阈值分类陆地上总会有一些低反射率像元混进水体类里尤其是阴影、深色屋顶、湿润裸土。水域掩膜的作用就是先用矢量边界把分析范围锁死在水面附近再做指数运算误差来源一下子少一大半。4.1 Build Mask / Apply Mask矢量边界转掩膜的两个细节搜mask打开Build Mask输入选正射校正结果然后把研究区的水域 shp 载进来。输出一个 mask 文件本质上是 0/1 的字节型栅格。第一个细节是坐标系。shp 和影像必须在同一投影下否则掩膜和影像会整体错位。GF-1 正射产品常见的是 UTM 投影而随手拿到的河湖水系 shp 往往是地理坐标WGS84 经纬度直接叠上去看着像对得上实际上偏出去几百米掩膜一裁水面丢一半。做法是在 ArcGIS 或 QGIS 里先做一次投影转换把 shp 转到与影像一致的投影和基准面转换后叠到影像上抽查几个拐点确认位置吻合。第二个细节是边界缓冲区。严格按水涯线裁出来的掩膜会把近岸的混合像元一起切掉而黑臭水体最能说明问题的恰恰是排口附近那圈近岸水域。我一般会把 shp 先做 30~50 m 的外扩缓冲再生成掩膜保留一点岸带同时保证不会把大片陆地拉进来。缓冲区宽度按影像分辨率定16 m 分辨率下 2~3 个像元的缓冲比较合适。掩膜生成之后用Apply Mask输入选正射结果掩膜文件选刚生成的 mask输出就是裁剪后的水面影像。参数里Mask Value指的是保留的值通常填 1。输出结果的黑背景这次是真的无效值了因为掩膜已经把范围限定在水面。4.2 Band Math 写反演公式NDWI 与黑臭水体相对指标搜band打开Band Math把公式敲进去。水体提取用 NDWI(float(b2) - float(b4)) / (float(b2) float(b4))b2 是绿波段b4 是近红外。这个公式的物理逻辑很直白水体在绿波段有一定散射回波在近红外几乎全吸收两者相减再归一化水面的值明显为正植被为负建筑和裸土接近 0。float()强制转换是为了防止整型相减溢出虽然 ENVI 的波段运算对整型输入有自己的处理显式转换更保险。分母理论上不会为 0反射率不会同时为 0但掩膜边缘可能有残留的无效像元加个极小量更稳妥(float(b2) - float(b4)) / (float(b2) float(b4) 1e-6)如果 FLAASH 输出没有做归一化公式里的 b2、b4 都是 ×10000 后的整型比值本身不受影响因为分子分母同比例缩放会约掉。但一旦要写单波段的绝对阈值、或者把某个波段的反射率当特征输入回归模型就必须先除以 10000 转成真实反射率——这一步漏掉阈值会差四个数量级怎么调都不对。黑臭水体的反演没有像 NDWI 那样放之四海皆准的指数它本质上是水质参数溶解氧、氧化还原电位、氨氮、有机质的光学响应而这些参数并不直接对应某个波段。实际做法是在反射率空间里构造相对指标再用实测点位标定阈值。一个常用的思路是看红波段相对绿波段的抬升(float(b3) - float(b2)) / (float(b3) float(b2) 1e-6)黑臭水体往往悬浮物和有机质偏高红波段反射率相对抬升这个指标偏正清洁水体红绿差异小指标接近 0 或略负。但这只是个相对判据不能当绝对标准用。真正要做分级得在现场采样点对应的像元上把这个指标和实测黑臭等级拉一张散点图看分界在哪。没有实测数据的情况退一步的做法是取同期同区域已知清洁水面的指标均值和标准差用均值加两倍标准差当阈值下限至少保证同一批数据内部可比。还有一个反向指标值得一起看整体反射率水平。黑臭水体因为有机质溶解、水体发暗四个波段的反射率普遍偏低尤其是蓝绿波段。把蓝波段反射率和上面那个红绿指标组合成二维特征空间分群效果比单一指标干净得多。4.3 水华识别四波段条件下的分级做法与边界水华识别靠的是近红外波段的抬升。正常水体近红外反射率极低藻类聚集到水面形成膜状或条带状分布时近红外反射率显著上升NDVI 这类植被指数在水面上同样适用(float(b4) - float(b3)) / (float(b4) float(b3) 1e-6)算出 NDVI 之后按分位数或固定阈值分三级小于 0 是正常水体0 到 0.2 是可疑过渡区大于 0.2 算明显水华。阈值不要照抄不同季节、不同太阳角度下同一片水华区的 NDVI 会有偏移稳妥做法是看这一景的 NDVI 直方图在双峰之间的谷底位置定阈值保证同一批影像用的是同一套分界。这里必须把边界讲清楚四个波段的 WFV 反演不了叶绿素 a 浓度只能给出水华的相对等级和空间范围。定量反演叶绿素 a 需要红边波段或者特定波段组合WFV 不具备这个条件。另外水华和漂浮水生植被在四波段特征上高度相似都是近红外高反射区分要靠形态和时相——水华呈顺水流方向的条带状、随风向漂移、季节性强漂浮植被位置相对固定、边界更规整。分不清的时候宁可标成「疑似水华」也别直接写进结论。下面这段脚本把 NDWI、红绿指标和 NDVI 一次算完顺带统计各等级面积省掉在 ENVI 里反复点波段运算import numpy as np from osgeo import gdal ds gdal.Open(water_mask_result.dat) b2 ds.GetRasterBand(2).ReadAsArray().astype(np.float32) # 绿 b3 ds.GetRasterBand(3).ReadAsArray().astype(np.float32) # 红 b4 ds.GetRasterBand(4).ReadAsArray().astype(np.float32) # 近红外 # FLAASH 输出为反射率 ×10000先归一到 0~1 scale 10000.0 b2, b3, b4 b2 / scale, b3 / scale, b4 / scale ndwi (b2 - b4) / (b2 b4 1e-6) rg (b3 - b2) / (b3 b2 1e-6) # 黑臭相对指标需实测标定 ndvi (b4 - b3) / (b4 b3 1e-6) # 水华等级 pixel_area 16 * 16 / 1e6 # 单像元面积km² # 水华分级阈值按本景 NDVI 直方图谷底调整 bloom np.where(ndvi 0.2, 1, np.where(ndvi 0, 2, 3)) for lvl, name in [(1, 明显水华), (2, 过渡区), (3, 正常水体)]: area np.sum(bloom lvl) * pixel_area print(f{name}: {area:.3f} km²)代码里三个指数共用同一份反射率数组计算效率比在 ENVI 里分开跑三遍高。scale那一行是整套脚本的前提如果输入已经是 0~1 的浮点反射率把它改成 1.0如果忘了除ndvi会恒等于接近 0 的数分级结果全落在同一档。pixel_area按 16 m 分辨率算如果做过重采样这个系数要跟着改否则面积统计会整体偏。最后那个循环只是打面积真正出图还是回到 ArcGIS 里做栅格分类结果导成 tiff 就能直接拖进 ArcMap 或 ArcGIS Pro。5. 排查清单七类把反演结果做废的细节这条链跑通一次之后重复生产时真正花时间的不是操作是排查。下面这些是我在实际项目里反复遇到的按环节分两组每条都按「现象 → 原因 → 解决」记下来方便对号入座。5.1 辐射与大气校正环节的四条现象定标做完拉剖面数值量级跟 DN 差不多看不出变化。原因元数据里的增益偏移没被读进来或者 Calibration Type 选成了 Reflectance输出的是另一套归一化结果。解决打开元数据面板核对 Gain/Offset 是否非空重做定标并确认 Scale Factor 为 1输出后对比定标前后的最小值正常情况下辐亮度的最小值远小于 DN 最小值。现象FLAASH 跑完整景反射率明显偏低植被像元的近红外才 0.15 左右。原因Flight Time 填了北京时间太阳天顶角按早了 8 小时的位置算入射辐照度低估。解决把成像时间换算成 UTC 重填跨度大的项目建议在元数据表里直接加一列 UTC 时间避免每次现场换算。现象蓝波段反射率系统性偏高水体看着发紫指数图上浅水区被误判成高浊度。原因光谱响应文件选错相机四台相机的响应曲线在蓝端差异最大。解决查元数据里的相机号重新挂对应编号的 .sli 文件重跑大气校正。这个错误不会报错只能靠和实测反射率或者相邻景对比发现。现象Aerosol Retrieval 选了 2-Band (K-T)FLAASH 报错退出或者输出全图异常值。原因WFV 没有 2.1 μm 通道K-T 反演拿不到输入波段。解决改成 None用 Initial Visibility 手动给能见度初值气溶胶模型按下垫面选 Urban 或 Rural。5.2 掩膜、指数与出图环节的三条现象Apply Mask 之后输出全黑一个水面像元都没有。原因shp 与影像投影不一致掩膜整体偏出影像范围。解决先把 shp 投影转换到与影像一致再叠到影像上抽查拐点转换后重新 Build Mask。现象波段运算结果里出现大片极端负值或者 NaN。原因正射校正的黑背景 0 没有设成 Data Ignore Value参与到了分母运算里。解决在元数据里补上data ignore value 0重做波段运算已经算完的结果可以用脚本把头文件补上再做统计。现象水华范围比现场记录大出一圈湖岸边整片被划成水华。原因岸边挺水植被和湿生草本的 NDVI 同样很高掩膜外扩缓冲把岸带拉了进来。解决把掩膜缓冲宽度收窄到 1~2 个像元或者在分级后叠加一次形态学开运算去掉零碎斑块再人工核一遍岸线附近的分类结果。最后一条不算技术错误但影响很大不同时相的影像用了不同的分级阈值两期成果图放在一起对比颜色变化里混着阈值变化结论就不可信了。固定一套阈值或者固定一套分位数规则写进项目文档里后面换人接手也不会走样。6. 出图前的自检分级配色、面积统计与一次交叉验证反演结果导进 ArcGIS 之后第一件事不是配符号是先做分级。分类栅格用「已分类」渲染不要用自然间断——自然间断每次重算都会挪动断点两期图放一起颜色对不上。手动指定断点把 NDWI、红绿指标、NDVI 三套结果各自固定档位配色按语义走正常水体用蓝过渡区用浅黄黑臭或水华用红系递进。图例里把阈值写清楚别只写「高」「低」。图层分级依据档位建议出图注意水体范围NDWI0 为水面与矢量边界叠加核一遍黑臭等级红绿指标 蓝波段反射率三级阈值按实测标定标注采样点位置水华等级NDVI0 / 0~0.2 / 0.2注明「相对等级非叶绿素浓度」面积统计直接在栅格上做比转面快像元数乘像元面积结果和转面后几何计算的差异通常在千分之几做趋势分析够用。要做正式报表再走一次栅格转面、投影面积计算注意转面时关闭简化否则小斑块会被抹掉。交叉验证这一步很多人省掉我建议至少留一次把现场采样点按七三比例分成训练和验证用训练点定阈值验证点算混淆矩阵。水体提取的总体精度一般能到 90% 以上黑臭分级的精度会低不少能到 70% 就算可用。精度报出来比报一个好看的面积数字更有说服力也方便后面复盘。从那以后我每次交付这类成果图都会强制走一遍「定标量级核对 → 元数据 UTC 时间 → Data Ignore Value → 掩膜投影抽查」这四步不管流程多熟都不跳。这四步花不了十分钟但能挡掉八成的返工。希望帮到你。本文还有配套的精品资源点击获取