目录
高分二号处理流程
envi5.3的安装教程：
安装完ENVI5.3后，还需要安装envi app store，然后在app store中安装“中国国产卫星支持工具”，这样才能在envi里导入国产卫星图像。
保姆级教程：
全文根据此篇文章进行数据处理：
本文中的操作与表述大部分来自于上述文章，处理过程作为上述文章的补充。
其他参考：
打开.tif文件的方法（本文打开的都是.xml文件）
启动ENVI5.3，在菜单栏中，选择File > Open，弹出Open对话框，找到GF2数据⽂件夹所在位置，选中扩展名为.tiff的两个⽂件，点击打开。
GF2有多光谱和全色两个数据，MSS是多光谱的，PAN是全色的，多光谱的分辨率低（4m），全色的高（1m），需要把这两个数据融合，融合之前需要做定标等处理，获取经纬度。
以这个为例：
其他路径\2022.4.22\BaoTaQu\BaoTaQu_2022_DiZai\GF2_PMS1_E109.6_N36.2_20220214_L1A0006288992\GF2_PMS1_E109.6_N36.2_20220214_L1A0006288992-MSS1.xml
注意：路径中不要有中文，可能会报错（我的就报错了，无法生成.dat）
本文是以MSS1.xml为例，若为MSS2.xml，则和MSS相关的都将1替换成2即可
打开ENVI，使用国产卫星扩展工具打开MSS影像，启动File→Open As→China Satellites→GF2，选择MSS.xml文件打开；
在Toolbox中，Radiometric Correction→Radiometric Calibration，在File Selection中选择待处理影像，点击OK；
弹出Radiometric Calibration对话框，Calibration type确认为Radiance，单击Apply FLAASH Setting，设置输出路径与文件名（这里需要创建一个output文件夹，用于存放生成的数据文件，output/MSS1_Radiometric.dat），点击OK开始执行；
（1）辐射定标前和辐射标定后的波普廓线
（2）辐射定标前和辐射标定后的直观图像
(1)GF2的Sensor Altitude是631.000
(2)Ground Elevation平均高程需要对具体的图像进行计算。
平均高程计算过程：
File --> Open World Data --> Elevation(GMTED2010)（海拔）
得到 .jp2 图像
把要计算的.tif文件放在.jp2文件上面
可以看到tif图像在jp2图像的上方，如下图所示
选择ROI区域工具，画点（此区域用四个点即可）圈出tif图像区域。
点击右键，选择第一个选项“完成和接受多边形”
创建好区域，计算高程
得到1241m，则Ground Elevation=1241/1000=1.241km
也可以根据百度中查到的，海拔高度860.6～1525米，平均1193米，也可以按这个来，最好是计算。
注：计算完成后，可以将 .jp2图像remove掉，不然在导入生成好的大气校正图像时会提示 “···one or more····”这样的提示，不得不创建一个新的view。
在Toolbox中，双击Radiometric Correction→Atmospheric Correction Module→FLAASH Atmospheric Correction工具启动FLAASH模块；
参数解释：
(1) 设置输入与输出文件信息：
Input Radiance Image：输入辐射定标之后的数据，MSS1_Radiometric.dat；
Output Reflectance File：单击按钮选择反射率数据输出目录与文件名（output/MSS1_FLAASH.dat）如果只在后面的文本框中输入文件名，则保存路径将为Output Directory for FLAASH Files中的路径；
Output Directory for FLAASH Files：设置大气校正其他结果输出路径 output文件夹；
Rootname for FLAASH Files：设置大气校正其他输出结果的根文件名（这个我没设置）
(2) 设置传感器及图像信息：
ENVI5.3及以上版本能够对图像中心坐标和获取时间信息进行自动识别，所以只需要修改以下几点：
Sensor Type：传感器类型，这里选择Multispectral→UNKNOWN→MSI;
GF2的Sensor Altitude是631.000
Ground Elevation：成像区域平均高度，通过数据准备中，计算得到的Ground Elevation=1.241km
Pixel Size：4m；
(3) 大气模型和气溶胶模型：
Atmosphere model（大气模型）
根据数据经纬度与获取时间对应的大气模型进行选择：
本文实验的数据纬度为36°，日期为Feb（2月），故选取的是MLS（Mid-Latitude Summer），其他图像按照这个方法选择即可模型即可。
Aerosol Model
根据实际图像选择，本文例子为Rural
Aerosol Retrieval 气溶胶反演
第一种，选择 none。（本文选用的这种）
点击Multispectral Settings，在里面设置响应函数
Filter Function File 是GF2-PMS1的光谱响应函数gf2_pms1_mss.sli（GF2-PMS2选择gf2_pms2_mss.sli）；位于ENVI安装目录：*安装目录\ENVI53\resource\filterfuncs下，选择即可。
点击Fiiter Function File --> Open --> New file
第二种，选择
，需要设置Multispectral Settings--Kaufman --> Tanre Aerosol Retrieval
Advanced Settings
这里大部分都可以保持默认设置，但由于是多光谱数据，故将Modtran Resolution设置为15cm-1.
我的参数设置：
所有设置完成之后，点击Apply执行大气校正，完成后会得到反演的能见度和水汽柱含量；
得到的结果：
选择Display>Profiles>Spectral查看大气校正前后同一地物波谱曲线变化。
气溶胶反演选择的第一种，None，得到的 大气校正前后对比图，图片颜色有些许变化。
这个是刚刚大气校正后得到的：
点击File→Open打开大气校正后(或者原始的多光谱)的影像，View Metadata查看其元数据信息，可以看到ENVI很好地识别了数据的RPC信息；
有了RPC信息之后，就可以基于这些RPC信息进行正射校正；点击Toolbox→Geometric Correction→Orthorectification→RPC Orthorectification
Workflow，打开正射校正流程化工具；
在File Selection面板中，Input File选择经过大气校正的多光谱数据（MSS1_FLAASH.dat），DEM File会默认选择全球分辨率为900米的DEM数据，我们这里保持默认（如果有更高分辨率的DEM数据，可以替换此数据），点击Next；
在RPC Refinement面板中，有四个选项卡可以选择。
如果有实测的或从其他途径获取的控制点数据，可以在该面板中进行添加，添加后在Statistics选项卡中可以看到相应的误差统计信息；
1) 切换到Advanced选项卡，修改输出像元大小Output Pixel Size为4米，重采样方法Image Resampling选择三次卷积法，其他参数保持默认；
2) 切换到Export选项卡，选择输出文件格式，设置输出路径及文件名（MSS1_FLAASH_rpcortho.dat），点击Finish；
正射校正前后对比：
打开ENVI，使用国产卫星扩展工具打开MSS影像，启动File→Open As→China Satellites→GF2，选择PAN.xml文件打开；
在Toolbox中，Radiometric Correction→Radiometric Calibration，在File Selection中选择待处理影像，点击OK；
Calibration Type: Reflectance，全色影像定标为大气表观反射率；
Output Interleave: BIL;
Output Data Type：Uint；
Scale Factor：10000；
output/PAN1_Radiometric.dat
注：由于多光谱FLAASH大气校正的结果为扩大了10000倍的反射率数据，为了让融合图像效果好，需要将全色数据与多光谱数据的像元值变成一致。这里使用辐射定标工具将全色数据定标为大气表观反射率，并扩大10000倍。
辐射定标前和辐射标定后的直观图像
全色数据的正射校正操作与多光谱数据的正射校正完全相同，需要提醒的地方是GF2全色数据正射校正时输出像元大小需设置为1米，以便我们下面进行图像融合。
点击Toolbox→Geometric Correction→Orthorectification→RPC Orthorectification
Workflow，打开正射校正流程化工具；
在File Selection面板中，Input File选择经过辐射定标（因为本文的全色图没有进行大气校正）的全色数据（PAN1_Radiometric.dat），DEM File会默认选择全球分辨率为900米的DEM数据，我们这里保持默认（如果有更高分辨率的DEM数据，可以替换此数据），点击Next；
1) 切换到Advanced选项卡，修改输出像元大小Output Pixel Size为1米，重采样方法Image Resampling选择三次卷积法（Cubic Convolution)，其他参数保持默认；
2) 切换到Export选项卡，选择输出文件格式，设置输出路径及文件名（PAN1_Radiometric_rpcortho.dat），点击Finish；
正射校正前、后对比：
以上全色图的处理已完成。
（本次处理中没有进行几何配准，这部分没有处理）
图像融合之前，需要查看二者是否完全配准，如果没有完全配准，就需要对其进行配准，可以使用ENVI中的自动配准流程化工具，以全色数据为基准对多光谱数据进行配准；此工具的位置在：Toolbox > Geometric Correction > Registration > Image Registration Workflow
本次操作正射校正后的多光谱和全色数据配准的比较好（目前，大部分高分辨率数据正射校正后多光谱和全色数据配准的均比较好），所以我们这里不进行图像配准，直接进行图像融合；
点击在Toolbox→Extensions→NNDiffuse Pan Sharpening ；
Input Low Resolution Raster选择上一步正射校正后的多光谱数据；
Input High Resolution Raster选择上一步正射校正后的全色数据；
Output Raster：NNDiffusePanSharpening.dat应该是自己出来的，如需修改位置、名称可以进行修改，也可以将融合的数据改为.tiff格式的，NNDiffusePanSharpening.tiff；
其他参数保持默认；
点击OK运行；
注：NNDiffuse Pan Sharpening工具要求输入的多光谱和全色数据的空间分辨率是整数倍的（本例正射校正时分别将多光谱的全色的分辨率重采样为4米和1米，就是为了方便该工具的使用）。
浏览融合之后的影像与融合之前的多光谱影像，空间分辨率得到明显提升，颜色纹理也得到了比较好的保留。与全色融合后的光谱曲线整体升高。
对于图像变白问题，可以将背景值设置为0，有两种方式
（1）使用ENVI自带的工具
具体操作：
Toolbox > Extensions > Raster Processing Batch Tool > Data Ignore Value > Set Ignore Value[Zero]
（2）手动修改源数据
使用记事本等工具打开图像头文件，如下图所示。
在头文件中手动增加一行为data ignore value = 0（其中0为背景值，可以设置为其他值）。重新打开图像即可。
最终得到的图像保存：
此处保存的文件格式是.dat，可根据自己所需，保存成.tif或者其他格式都可以
处理过程中涉及到的文件名：
MSS1_Radiometric.dat
MSS1_FLAASH.dat
MSS1_FLAASH_rpcortho.dat
PAN1_Radiometric.dat
PAN1_Radiometric_rpcortho.dat
MSS2_Radiometric.dat
MSS2_FLAASH.dat
MSS2_FLAASH_rpcortho.dat
PAN2_Radiometric.dat
PAN2_Radiometric_rpcortho.dat
NNDiffusePanSharpening.tiff
