1. 课程导入与遥感载荷图像基础

遥感载荷图像预处理与校正，是连接“卫星/飞机拍到的原始数据”和“可用于定量分析、融合、解译的标准影像”之间的关键工程环节。本课程的目标不是让大家记住若干软件按钮，而是建立一条清晰的处理链路认知：拿到一景原始数据后，能判断它是什么载荷、什么级别、什么格式，存在哪些几何与辐射偏差，应该按什么顺序施加哪类校正，以及如何用客观指标判断校正是否达标。

一、遥感载荷的主要类型与成像特点

遥感载荷可按成像机理分为几大类，它们决定了后续预处理的侧重点完全不同。

• 光学推扫式载荷：如 Landsat OLI、Sentinel-2 MSI、高分系列多光谱相机。依靠线阵CCD/CMOS沿轨道推扫成像，逐行拼接成二维影像。其几何误差主要来自平台姿态抖动、地球自转、地形起伏，辐射误差主要来自传感器响应不一致与大气散射。
• 光机扫描载荷：如早期TM、MODIS。通过旋转扫描镜逐像元采集，存在扫描畸变和扫描方向与飞行方向采样率不一致的问题。
• 合成孔径雷达（SAR）：主动微波成像，具有相干斑噪声、斜距投影、叠掩与阴影等特有几何现象，预处理以辐射定标、斑点滤波、地理编码为主。
• 高光谱成像仪：在光谱维细分上百个波段，波段间配准（smile、keystone）和辐射定标精度要求极高。
• 激光雷达与热红外：前者输出点云与强度，后者需发射率与温度反演，校正逻辑与可见光差异显著。

理解载荷类型，本质上是理解“误差从哪来”。同一套几何校正流程，对推扫式影像和SAR影像的参数设置、控制点选取策略完全不同。

二、从原始数据到标准产品的整体流程

尽管载荷各异，主流光学遥感影像的预处理与校正通常遵循一条相对稳定的链路，可概括为：辐射校正 → 几何校正 → 图像增强与质量提升 → 产品分级输出。需要强调的是，顺序并非绝对，例如大气校正有时放在几何校正之后，以便在统一地理网格上匹配大气参数；而正射校正前往往先做辐射定标，避免重采样引入辐射误差。

下面用一张信号链与数据流结合的示意图，展示从原始DN值到标准产品的关键节点及其输入输出关系。

三、关键术语与数据格式

在进入具体算法前，必须统一几个高频术语的含义，否则后续参数设置容易混淆。

• DN值（Digital Number）：传感器记录的原始无量纲整数，受增益、偏移和量化位数影响，不能直接跨传感器比较。
• 辐亮度（Radiance）：单位面积、单位立体角、单位波长上的辐射能量，单位常为 W/(m²·sr·μm)，是辐射定标后的物理量。
• 地表反射率（Surface Reflectance）：经大气校正后得到的、反映地物本身反射特性的无量纲比值，是定量遥感的基准。
• GCP（Ground Control Point）：具有已知地理坐标的地面控制点，用于建立影像坐标与地理坐标的映射关系。
• RMSE（Root Mean Square Error）：几何校正中衡量控制点残差的均方根误差，通常要求小于1个像元。
• 重采样：几何变换后像元位置改变，需通过最近邻、双线性或三次卷积重新赋值，不同方法对光谱保真度影响不同。

数据格式方面，常见的有 GeoTIFF（带地理标签，最通用）、HDF5（MODIS、高光谱常用，支持多波段与元数据分层）、NetCDF（气象与海洋遥感常用）、ENVI 格式（.hdr + 数据文件，科研处理常见）。选择格式时需关注：是否保留地理坐标、是否包含质量波段、是否支持多波段堆叠、元数据是否完整。例如 Sentinel-2 的 L1C 产品以 JP2 存储各波段，同时提供 XML 元数据描述定标系数与太阳角度，处理时需先解析元数据再逐波段读取。

四、本课程的学习路径

后续章节将沿着上述链路逐层展开：先讲辐射定标与大气校正的物理模型与实现，再讲几何校正与正射校正的控制点选取、变换模型与重采样策略，然后进入图像增强、融合、镶嵌与质量评价，最后结合典型载荷案例完成从原始数据到标准产品的完整实操。希望大家在学习过程中始终带着两个问题：这一步校正解决的是什么误差？我如何用数据判断它是否有效？

遥感图像预处理与校正既需要理解辐射传输与几何投影的物理基础，也需要掌握工程化的参数配置与质量检查方法。只有把“为什么做”和“怎么做、怎么验”结合起来，才能真正把原始数据转化为可信、可复现、可分析的遥感产品。