ArcGIS处理Landsat9数据实战：从数据加载到可见光合成

共计 2037 个字符，预计需要花费 6 分钟才能阅读完成。

1. 背景介绍：为什么选择 Landsat9 数据？

Landsat9 作为目前最新的陆地卫星，延续了 Landsat 系列的高质量遥感数据传统。它的 OLI- 2 传感器提供了 15 米全色波段和 30 米多光谱波段，特别适合进行土地利用、植被监测等分析。可见光合成（通常指 RGB 真彩色合成）是最基础也最直观的影像展示方式，能快速呈现地表的真实色彩分布。

2. 数据准备：从 USGS EarthExplorer 获取数据

1. 访问 USGS EarthExplorer 官网 并注册账号
2. 在搜索条件中选择：
3. 数据集：Landsat > Landsat Collection 2 Level-1 > Landsat 9 OLI/TIRS C2 L1
4. 时间范围：建议选择云量低于 10% 的影像
5. 下载时选择 ”Level-1 Product” 压缩包（约 1GB/ 景）
6. 解压后会得到包含多个波段的 TIFF 文件（文件名示例：LC09_L1TP_123045_20220314_20220316_02_T1_B2.TIF）

3. 核心处理流程

3.1 数据加载技巧

在 ArcGIS Pro 中推荐使用 Composite Bands 工具批量加载：

1. 打开 ArcGIS Pro，新建地图工程
2. 在 Geoprocessing 面板搜索 ”Composite Bands”
3. 按波段顺序添加文件（通常可见光波段为 B2 蓝、B3 绿、B4 红）
4. 设置输出位置和名称

图示：波段合成工具界面

3.2 波段组合原理

• 自然色合成（4-3-2）：最接近人眼观察效果
• 假彩色合成（5-4-3）：突出植被信息（植被显示为红色）
• 短波红外合成（7-5-3）：适合监测土壤水分

关键参数说明：

# ArcPy 实现波段合成的核心参数
composite_bands = CompositeBands(["B4.TIF", "B3.TIF", "B2.TIF"], "NaturalColor.tif")

3.3 色彩增强技巧

1. 右键点击图层 > Properties > Symbology
2. 调整 Stretch Type 为 ”Standard Deviation”
3. 设置 n 值（通常 2 - 3 效果最佳）
4. 勾选 ”Apply Gamma Stretch”（建议值 1.4-1.8）

图示：直方图拉伸参数设置

4. 完整自动化脚本

# Landsat9 可见光合成自动化脚本
import arcpy
from arcpy.sa import *

# 设置工作环境
arcpy.env.workspace = r"C:\Landsat9\LC09_123045"
arcpy.env.overwriteOutput = True

# 定义输入波段
blue_band = "LC09_L1TP_123045_20220314_B2.TIF"
green_band = "LC09_L1TP_123045_20220314_B3.TIF"
red_band = "LC09_L1TP_123045_20220314_B4.TIF"

# 执行波段合成
out_composite = arcpy.CompositeBands_management([red_band, green_band, blue_band], 
    "NaturalColor_Composite.tif"
)

# 色彩增强处理
out_raster = arcpy.ApplySymbologyFromLayer_management(
    out_composite, 
    "NaturalColor_Template.lyrx"
)

# 坐标系转换（可选）if arcpy.Describe(out_composite).spatialReference.name != "WGS_1984_UTM_Zone_50N":
    arcpy.ProjectRaster_management(
        out_composite,
        "NaturalColor_WGS84.tif",
        "WGS 1984 UTM Zone 50N"
    )

5. 常见问题解决方案

5.1 坐标系对齐

• 检查原始数据的坐标系（通常为 UTM）
• 使用 Project Raster 工具转换时选择正确的中央经线
• 建议保持 30 米原始分辨率不要重采样

5.2 数据缺失处理

1. 使用 Mosaic To New Raster 工具拼接相邻影像
2. 少量缺失可用 Con 工具进行插值：

   # 填补 NoData 区域示例
   filled = Con(IsNull("input.tif"), FocalStatistics("input.tif", "MEAN"), "input.tif")

5.3 色彩不均匀

• 使用 Color Balance 工具（需 Image Analyst 扩展）
• 或手动调整每个波段的 Gamma 值

6. 进阶应用方向

1. NDVI 计算：利用近红外（B5）和红光（B4）波段
2. 土地利用分类：结合可见光与短波红外波段
3. 变化检测：多时相影像对比

思考与练习

1. 尝试比较不同波段组合（如 5 -4- 3 与 7 -5-3）的视觉效果差异
2. 如何利用 Python 脚本实现批量处理多景 Landsat9 数据？
3. 当研究区域跨越两个 UTM 分区时，应该如何处理坐标系问题？

实践建议：先用小区域测试处理流程，确认效果后再处理整景数据。记得定期保存工程文件！