可视化多光谱卫星图像
您将设置 ArcGIS Pro 工程，了解与光谱分辨率相关的一些基本概念，并开始探索德国勃兰登堡地区的卫星影像。
设置工程
首先，您将下载含本教程所有数据的工程，然后在 ArcGIS Pro 中将其打开。
- 下载 Brandenburg_spectral_resolution.zip 文件，并在计算机上找到下载的文件。
注：
大多数 Web 浏览器默认将文件下载到计算机的 Downloads 文件夹中。
- 右键单击 Brandenburg_spectral_resolution.zip 文件，然后将其提取到计算机上的某个位置（例如 C: 盘上的某个文件夹）。
- 打开提取的 Brandenburg_spectral_resolution 文件夹。 双击 Brandenburg_spectral_resolution.aprx 在 ArcGIS Pro 中打开该工程。
- 如果出现提示，请使用 ArcGIS 账户登录。
注：
如果您没有 ArcGIS Pro 的访问权限或者 ArcGIS 组织账户，请参阅软件访问权限选项。
工程随即打开。
其中包含您将在本教程中使用的多个地图。 目前显示了第一张地图：光谱波段。 该地图以德国勃兰登堡州柏林以南的一个地区为中心。 目前，其中只包含默认的世界地形图底图。
了解 EM 光谱与光谱分辨率
在开始探索勃兰登堡地区的卫星影像之前，您将学习一些理解光谱分辨率所必需的概念。
电磁光谱
电磁 (EM) 光谱由一系列波长构成。 人类视觉系统通过红/绿/蓝光感受器感知可见光谱。 光电传感器（如卫星/航空/无人机）可捕获可见光及近红外、短波红外等非可见光谱。
光谱波段
影像传感器捕获的这些波长部分称为光谱波段。 典型波段包括蓝色、绿色、红色、近红外和短波红外。 每个光谱波段均存储为单个栅格（或像素格网）。 将这些波段组合在一起将形成一个完整图像。 以下逻辑示意图显示了在 EM 光谱中捕获并存储为 3 个单独的栅格的 3 个光谱波段。
光谱分辨率
光谱分辨率指传感器区分不同波长的能力。 能够捕捉更多光谱波段的传感器可以生成光谱分辨率更高的图像。 通常，当传感器捕获更多波段时，这些波段也会更窄，其中包含更精确的信息。 根据图像的波段数量，图像主要分为三种类型，按光谱分辨率由低到高依次为：
- RGB（代表红色、绿色、蓝色）- 3 个波段
- 多光谱 - 通常介于 4 到 13 个波段之间
- 高光谱 - 数百甚至数千个非常窄的波段
下图显示了 (1) RGB、(2) 多光谱和 (3) 高光谱图像的样式化制图表达。
例如，手持相机通常捕捉 RGB 波段以生成传统彩色照片。 许多地球观测影像传感器为多光谱类型。 一些先进的地球观测影像传感器为高光谱类型。
高光谱分辨率图像蕴含更丰富的信息，可揭示所观测景观的许多关键信息。 例如，实现树种精准识别或植被病害早期诊断。
本教程后续将聚焦多光谱影像。 您将探索三类卫星传感器图像：Sentinel-2、PlanetScope 和 Landsat-8。 您将了解这些图像的光谱分辨率及光谱波段使用方法。
注：
虽然高光谱影像超出本教程的范围，但是您可以在 ArcGIS 中的高光谱影像文档页面上了解有关该主题的详细信息，或者参阅使用 AVIRIS 高光谱图像的地图橡树文章中的高光谱影像准备和分析示例。
检查 Sentinel-2 多光谱影像
现在，您将开始探索 Sentinel-2 图像。 Sentinel-2 图像具有 13 个光谱波段。 一部分是人眼可见波段（蓝色、绿色和红色），另一部分是人眼不可见波段（如沿海气溶胶、红边、近红外和短波红外）。 以下逻辑示意图显示了 13 个波段在 EM 光谱上的位置，波长介于 400 纳米至 2400 纳米之间。
此处列出了这些波段（包括编号与名称）：
- 波段 1 - 沿海气溶胶
- 波段 2 - 蓝色
- 波段 3 - 绿色
- 波段 4 - 红色
- 波段 5 - 植被红边
- 波段 6 - 植被红边
- 波段 7 - 植被红边
- 波段 8 - 近红外
- 波段 8A - 近红外窄波
- 波段 9 - 水蒸气
- 波段 10 - 短波红外 - 卷云，用于检测卷云
- 波段 11 - 短波红外
- 波段 12 - 短波红外
注：
Sentinel-2 是由欧洲航天局负责的一项卫星任务， 于 2015 年发射，所生成影像的光谱分辨率为 13 个光谱波段，其中几个波段的空间分辨率为 10 米。 这些图像几乎覆盖整个地球的陆地，每个地点的图像至少每五天即拍摄一遍。 Sentinel-2 影像可以免费获取，通过哥白尼数据空间生态系统即可下载。
您将查看工程随附的 Sentinel-2 图像，并标识其光谱波段。
- 单击功能区上的视图选项卡。 在窗口组中，单击目录窗格。
- 在目录窗格中，展开 Folders、Brandenburg_spectral_resolution 和 Imagery。
Imagery 文件夹包含三个图像。 现在，您将使用 Sentinel_2_2024_08_13.tif。
- 展开 Sentinel_2_2024_08_13.tif 并观察其中包含的光谱波段。
对于此图像，这些波段命名为 B + 波段编号。 经检查可知，此图像包含除波段 10 - 卷云（此波段仅用于云探测）之外的所有 Sentinel-2 波段。 因此，存在 12 个波段。
可视化单个光谱波段
您将可视化其中两个 Sentinel-2 光谱波段并对其进行比较。 您还将了解反射率的概念。 首先，您将向地图添加红色 (B4) 波段。
- 右键单击 B4 并选择添加至当前地图。
红色波段将出现在地图上，以灰色调显示，范围从白色到黑色。
注：
原始 Sentinel-2 图像较大，经裁剪处理后缩小至本教程所需的研究范围。
为了更好地理解您所看到的现象，了解反射率将非常有用。 特定波长范围的太阳光抵达地表后，部分被吸收，部分反射回太空。 影像传感器将捕获反射回太空的部分，如下图所示。
图示分别显示了 (1) 太阳光，(2) 被吸收的光，(3) 反射并被传感器捕获的光。 各光谱波段被反射的光量因地表物质理化属性（植被、土壤、岩石和水体等）而异。 例如，植被中的叶绿素负责光合作用，它强烈吸收蓝光和红光，但反射绿光，并且更强烈地反射近红外光。 传感器将捕获成像区域内不同波段反射光的反射率值。
- 观察地图上显示的红色波段。
在该波段中，强烈反射红色波长范围内光线的区域具有最高的反射率值，呈现白色和浅灰色。 典型示例为建筑区，例如图像中上方的 H 形机场。 吸收红色波长范围内大部分光的区域反射率值最低，呈现黑色和深灰色。 典型示例为森林和水体。 现在，您将向地图添加近红外 (B8) 波段。
- 在目录窗格中，右键单击 B8，然后选择添加至当前地图。
近红外波段出现在地图上，同样以灰色调显示。 但是，其图像与红色波段完全不同。 反射率值最高的要素是草地和农田（白色调）。 反射率值最低的要素是水体（黑色调）。
您将使用卷帘工具比较这两个波段。
- 在内容窗格中，确认选择 Sentinel_2_2024_08_13.tif_B8。
- 在功能区上，单击栅格图层选项卡。 在比较组中，单击卷帘。
- 在地图上，从上向下拖动地图，剥离 Sentinel_2_2024_08_13.tif_B8 图层，显示其下方的 Sentinel_2_2024_08_13.tif_B4 图层。 观察到两个图层之间的差异。
光会根据波长范围的不同，以不同的强度从材料表面反射。 因此，光谱波段高亮显示人眼无法看到的不同要素和现象。
- 完成探索后，请单击功能区上的地图选项卡。 在导航组中，单击浏览按钮以退出卷帘模式。
可视化图像合成
当您将整个图像及其所有光谱波段一次性添加到地图中时，多光谱影像的分析效能将得以最大化释放。 接下来您将执行此操作，并学习如何通过组合不同的光谱波段来形成图像合成。
- 在目录窗格中，右键单击 Sentinel_2_2024_08_13.tif，然后选择添加至当前地图。
注：
可能存在多种不同的影像文件格式。 本例中的图像由单个 TIFF 文件组成，该文件封装了所有 12 个光谱波段。 有时，将以单独的 TIFF 文件提供每个光谱波段，而元数据文件（例如 MTL.txt、MTL.xml 或 MTD_MSILxx.xml）包含用于正确显示图像的信息。 对于这类格式，通过右键单击元数据文件并选择添加至当前地图，可以向地图添加图像。
图像出现在内容窗格和地图上。
所有光谱波段均可用。 但是，受限于人眼感知机制（三色视觉），无法同时可视化所有光谱波段。 通过三波段合成来生成彩色图像，称为图像合成。
注：
有关人眼感光机制的更多信息，请参阅光线折射与融合文章。
图像通过红绿蓝 (RGB) 通道进行显示，可任选三个光谱波段集以映射至对应通道。 工作原理如下图所示：
图像合成创建方法：(1) 从多光谱图像中选择任何三个波段进行显示；(2) 按所需顺序将它们分别分配给红色、绿色和蓝色通道；(3) 获得合成图像。 目前，地图上的图像默认通过红色通道、绿色通道和蓝色通道分别显示红色 (B4) 波段、绿色 (B3) 波段和蓝色 (B2) 波段。 这种波段组合（称为自然色）近似于景观在人眼中的呈现方式。 您将尝试一些其他波段组合，但首先，您将调整图像的整体外观：您将增加其亮度，因为其目前有点暗。
- 在内容窗格中，确认选择 Sentinel_2_2024_08_13.tif 图像。
图层的图例指示当前的波段组合。
- 在功能区上，单击栅格图层选项卡。 在增强组中，对于图层亮度，键入 20 并按下 Enter 键。
- 在内容窗格中，右键单击 Sentinel_2_2024_08_13.tif 图像并选择符号系统。
- 在符号系统窗格中，对于主符号系统，确认选择 RGB。 确认红色通道、绿色通道和蓝色通道当前按照预期分别显示光谱波段 B4（红色）、B3（绿色）和 B2（蓝色）。
接下来，您将显示由 B8（近红外）、B4（红色）和 B3（绿色）波段组成的彩色红外组合。
- 对于红色，展开下拉列表。 在包含 12 个 Sentinel-2 反射率波段的列表中，选择 B8 波段。
- 对于绿色，选择 B4。 对于蓝色，选择 B3。
在地图上，更新后的图像以亮红色显示植被，以蓝色或棕色显示建筑区或裸露地表，以深蓝色显示水体。
当显示红色、绿色和蓝色以外的波段时，景观会呈现异常色调，这称为假彩色。 这是一种强大的技术，能够有效帮助人眼可视化通常不可见的波长范围。 彩色红外波段组合对植被突显和健康监测具有显著作用。 接下来，您将尝试另一种通常名为“农业”的波段组合，其构成为 B11（短波红外 1）、B8（近红外）和 B2（蓝色）。
- 在符号系统窗格中，对于红色，选择 B11；对于绿色，选择 B8；对于蓝色，选择 B2。
此波段组合是通用性极强的波段组合之一，可清晰区分多种不同的土地覆被类型：植被显示为亮绿色、水体显示为深蓝色、建筑区显示为粉色、裸露地表显示为浅橙色。
您将切换回自然色组合。
- 在符号系统窗格中，构建 B4、B3 和 B2 组合。
部分要素（如湖泊及周边植被）在自然色组合中区分度不足，但在农业组合下清晰可辨。
湖泊及周边区域使用自然色波段组合（左）与农业组合（右）时的呈现效果。 您已体验自然色、彩色红外和农业波段组合，实际还可应用更多组合，例如用于突出地质构造的地质组合（B12、B11 和 B2）或用于海岸带研究的测深组合（B4、B3 和 B1）。
到目前为止，您已经学习了多个重要概念：EM 波谱、光谱波段、光谱分辨率、不同类型的影像（RGB、多光谱和高光谱）、图像合成和常见的波段组合，其中一些为伪彩色。 您还初步探索了 Sentinel-2 多光谱影像及其可视化操作，并通过多种波段组合突出显示了景观的不同要素。
了解光谱特征
现在，您将以交互方式探索光谱波段变化，并了解光谱特征和光谱剖面图。 然后，您将比较两个不同光谱分辨率的图像。
以交互方式探索光谱波段变化
为了熟悉所有光谱波段反射率值的变化，您需要使用图像信息工具，以提供像素级别的交互式信息。
- 在内容窗格中，确认选择 Sentinel_2_2024_08_13.tif 图像并以自然色波段组合（B4、B3 和 B2）进行显示。
- 在功能区的影像选项卡的工具组中，单击影像信息。
图像信息窗格随即出现。
- 在地图上，将鼠标指向一块亮绿色的农田，上面布满健康的植被。
在图像信息窗格中，会出现一个图形以显示该特定像素位置上每个波段的反射率值。 对于这块农田，近红外 (NIR) 波段的反射率值非常高，而红色波段（以红色符号表示）的反射率值非常低，这是富含叶绿素植被的典型特征，正如之前所解释的那样。 这种类型的图表被称为光谱剖面图。
- 在地图上，将鼠标指向不同的土地覆被，例如裸露地表（米黄色或浅棕色）、森林（深绿色）和建筑区（白色或浅灰色）。 以交互方式观察反射率值如何变化。
例如，对于裸露地表，红色波段反射率值相对较高，而 NIR 波段反射率值则低于农田的情况。 两个短波红外 (SWIR) 波段的反射率值也较高。
- 观察图像中代表农田的多个像素。 相比之下，观察代表裸露地表的多个像素。
可以注意到，每种土地覆被类型在图表上似乎总会产生一条相似且可识别的曲线。 这是因为不同材料在 EM 波谱的不同波长范围内往往具有独特的反射率值模式。 这些可识别的模式被称为光谱特征，可以根据材料与光线的相互作用方式，将其描述为材料的指纹。 借助光谱特征，可以区分不同的土地覆被类型（草地、森林、水体、建筑区等）。 同理，染病作物或稀疏森林会呈现区别于健康作物或茂密森林的典型光谱特征。 大多数影像分析技术利用这些可预测的模式来检测有关景观的有用信息。
检查光谱剖面图
接下来，您将使用为您准备的光谱剖面图，更详细地比较不同土地覆被类型的光谱特征。 您将切换到工程的第二个地图。
- 单击地图上方的光谱剖面图选项卡。
此地图包含您一直在探索的 Sentinel-2 图像，但其中已添加光谱剖面图。
- 在内容窗格的图表下方，右键单击光谱剖面图 – Sentinel-2，然后选择打开。
随后会出现“光谱剖面图”窗格，其中显示光谱剖面图 – Sentinel-2图形。
此光谱剖面图包含地图上 5 个像素的反射率值曲线：森林、水体、建筑区、草地和裸露地表。 x 轴列出了 Sentinel-2 波段，y 轴表示传感器捕获的反射率。
您可以在地图上看见相应的点。
同样，每种土地覆被类型在图形上均呈现其自身的特定曲线，现在您可以更详细地进行观察。 可以通过以下方式识别草地：红光波段 (B4) 的反射率值非常低，NIR 波段 (B8) 的反射率值非常高，而 SWIR 波段（B11 和 B12）的反射率值相对较低。 相比之下，裸露地表的反射率值从 B1 到 B12 稳步增加，而水体在所有波段的反射率值都非常低。
注：
由于红边波长和 NIR 波长对植被监测非常重要，因此 Sentinel-2 图像在这些范围内有多个波段。 包括 B5、B6、B7（红边波段）、B8（主 NIR 波段）和 8A（窄幅 NIR 波段）。 这些波段提供丰富的农业与环境研究专用信息。
接下来，您将向图形中添加更多的点。 首先，您将清理图形显示内容。
- 在图表属性窗格中的光谱剖面图下，取消选中森林、水体和建筑区。
图形中仅保留草地和裸露地表的曲线。
- 在图表属性窗格中的定义感兴趣区域下，单击点工具。
鼠标指针切换为十字准星形态。
- 在地图上单击选定草地/农田（鲜绿色区域）。
地图上新增一个点，图形中也新增了该特定像素的光谱剖面图曲线。
- 按照类似的操作新增一个裸露地表点（米黄色）。
在图形上，新的草地和裸露地表点的曲线应该与之前的曲线非常相似，由此证实了草地和裸露地表这两种土地覆被类型各自都有典型的光谱特征。
注：
颜色是随机分配的，在您的图形中可能会有所不同。
- 可选择新增其他土地覆被类型（森林、水体、建筑区）的点，并与图形中的原始曲线进行比较。
- 操作完成后关闭“光谱剖面图”窗格。
注：
如果想要针对您自己的影像从头创建光谱剖面图，请在内容窗格中右键单击图像，然后单击创建图表并选择光谱剖面图。 深入了解光谱剖面图选项。
如需了解影像分析技术如何利用光谱特征来检测有关景观的有用信息，请尝试以下教程：
- 利用卫星影像评估玉米田的冰雹损失（光谱指数与变化检测）
- 利用卫星影像评估火灾后迹地（波段组合与光谱指数）
- 依据光谱影像计算不可渗透表面（监督分类）
- 执行土地覆被分类以测量湖泊收缩面积（非监督分类）
- 利用 GeoAI 提取高分辨率土地覆被（深度学习）
比较不同光谱分辨率的图像
接下来，您将比较两个不同光谱分辨率的卫星图像。 您将切换到工程中的第三个地图。
- 单击地图上方的比较图像选项卡。
此地图包含您一直在探索的 Sentinel-2 图像，以及新图像 PlanetScope_2024_08_13.tif。 此图像是由地球成像公司 Planet Labs 制作的分析即用型 PlanetScope 卫星图像。 该图像采集于 2024 年 8 月 13 日（与 Sentinel-2 图像同日），且空间范围匹配。
注：
分析即用型 PlanetScope 图像由 Planet Labs 提供。 PlanetScope 是一个由数百颗卫星组成的卫星系统，从 2014 年开始部署，所生成影像的分辨率为每像素 3 米。 这些图像几乎覆盖整个地球的陆地，每个地点的图像几乎每天即可拍摄一遍。
您将核查此图像的光谱波段组成。
- 在内容窗格中，右键单击 PlanetScope_2024_08_13.tif 图像并选择符号系统。
- 在符号系统窗格中，对于红色，展开下拉列表。
其中提供四个光谱波段：蓝色、绿色、红色和 NIR。
与 12 个波段的 Sentinel-2 图像相比，PlanetScope 图像的光谱分辨率较低。 例如，它不包含任何 SWIR 波段。 目前，它使用自然色波段组合（红色、绿色、蓝色）进行显示，与 Sentinel-2 图像一样。
- 在内容窗格中，通过打开和关闭 PlanetScope_2024_08_13.tif 图像来比较两个图像。
在自然色波段组合下，两个图像呈现高度一致的目视效果。 然而，由于 PlanetScope 图像只有四个波段，因此可能的波段组合比 Sentinel-2 图像少。 除了自然色（红色、绿色、蓝色）之外，其他主要的波段组合为彩色红外（NIR、红色、绿色）。 您将切换至彩色红外。
- 在符号系统窗格中，将红色通道设置为 NIR、绿色通道设置为红色、蓝色通道设置为绿色。
地图上的 PlanetScope 图像已更新为彩色红外。 如前所述，该组合对于植被健康研究来说很实用。
受限于蓝色、绿色、红色和 NIR 波段，无法实现农业、地质或测深等其他波段组合。 您将切换回自然色。
- 在符号系统窗格中，切换回自然色（红色、绿色、蓝色）。
现在，您将比较这两个图像的光谱剖面图。
- 在内容窗格的 PlanetScope_2024_08_13.tif 下方，右键单击光谱剖面图 – PlanetScope，然后选择打开。
- 打开光谱剖面图 - Sentinel-2 图表。
两个图形将并排显示。
- 将光谱剖面图 - Sentinel-2 选项卡拖动至右侧停靠目标。
注：
拖动窗格时 - 由蓝色阴影表示 - 停靠目标将显示在表视图中央。 每个目标均代表一个区域，您可以将窗格放置在这些区域中。
两个图形现在并排显示。
- 如有必要，请调整图形窗格的大小，使其宽度大致相等。
- 观察这两个图形的不同之处。
为了便于比较，切记 PlanetScope 波段对应于以下四个 Sentinel-2 波段：
- 蓝色 — B2
- 绿色 — B3
- 红色 — B4
- NIR — B8
注：
这两个图像的处理方法略有不同，因此 y 轴上的值存在差异。 但是，两者的相对值仍然可以用于比较。
两个图形呈现地图上相同五个像素的反射率值曲线。 但是，由于光谱分辨率较低，PlanetScope 图像的曲线更简化，包含的信息少于 Sentinel-2 图像。 这意味着，它无法支持同样多的分析工作流。 例如，无法实现依赖 SWIR 或红边波段的分析工作流。
但是，使用高光谱分辨率影像与低光谱分辨率影像各有利弊，具体如下表所示：
高光谱分辨率影像 低光谱分辨率影像 - 支持更多波段组合
- 支持更复杂的分析
- 允许对材料、植被种类等进行更细微的区分
- 可能会占用更少的存储空间
- 可能具有更高的空间分辨率（即，显示地面上的更多细节）
- 可能具有更高的时间分辨率（即，更短的重新访问周期）
例如，PlanetScope 的空间分辨率比 Sentinel-2 高：每个像素表示地面上 3 × 3 平方米（而非 10 × 10 平方米）的区域。 它还具有更高的时间分辨率：每个位置几乎每天都会被重新访问，而不是大约每五天一次。
选择高光谱分辨率还是低光谱分辨率的影像取决于预期用途。 此外，也可以将这两种类型相互结合使用。 例如，您可以使用高光谱分辨率的影像每隔几个月执行一次更复杂的分析，同时使用低光谱分辨率的影像进行更频繁、更快速的检查。
- 关闭两个光谱剖面图。
在此部分教程中，您了解了光谱特征和光谱剖面图。 您以交互方式探索了光谱波段变化，详细检查了光谱剖面图，并比较了不同光谱分辨率的两个图像。
更改影像的光谱分辨率
在您收到多光谱影像后，需要了解如何收集有关其波段的信息。 还需要了解如何变换光谱分辨率，即更改其波段数。 您将了解如何使用卫星 Landsat-8 影像执行该操作。
浏览 Landsat 8 影像
首先，您需要熟悉 Landsat 8 影像。 您将切换至工程的第四张地图。
- 在地图上单击提取波段选项卡。
提取波段地图包含 Landsat_8_2024_08_31.tif，即于 2024 年 8 月 31 日拍摄的 Landsat-8 影像。 该影像将裁剪到与向前影像相同的范围，当前它以自然色显示。
注：
Landsat 8 是 USGS 和 NASA 于 2013 年发射的卫星任务。 其所生成的多光谱影像包括 11 个光谱波段，其中，大部分波段的空间分辨率为 30 米。 这些影像覆盖整个地球的陆地，每个地点的影像每 16 天（或每 8 天，如果结合使用 Landsat 9 影像）即可拍摄一遍。 Landsat 是运行时间最长的卫星影像获取项目，提供了超过五十年的连续地球观测数据。
Landsat 影像可以免费获取。 了解如何下载您自己的 Landsat 影像。
下面是 Landsat 8 的光谱波段列表：
- 波段 1 - 沿海气溶胶
- 波段 2 - 蓝色
- 波段 3 - 绿色
- 波段 4 - 红色
- 波段 5 - 近红外 (NIR)
- 波段 6 - 短波红外 (SWIR) 1
- 波段 7 - 短波红外 (SWIR) 2
- 波段 8 - 全色（覆盖大多数可见光范围的大波段）
- 波段 9 - 卷云（用于检测卷云）
- 波段 10 - 热红外 1（测量表面温度）
- 波段 11 - 热红外 2（测量表面温度）
注：
了解有关 Landsat 8 波段的详细信息
下图显示了 Landsat 8 波段在 EM 光谱中相对于 Sentinel-2 和 PlanetScope 的位置。
尽管 Sentinel-2 的总波段数高于 Landsat 8，包括红色边缘和近红外区域中的多个波段，但是 Landsat 8 的优点之一是它具有可测量表面温度的热红外波段。
在您收到或下载影像时，必须收集有关其波段的信息。 要实现该目的，通常需要阅读有关传感器的一些文档以及在 ArcGIS Pro 中检查您的影像。 要执行后者，其中一种方式是查看图层属性窗口。
- 右键单击 Landsat_8_2024_08_31.tif，然后选择属性。
- 在图层属性窗口中，单击源。 展开栅格信息，然后识别波段数行。
此 Landsat 8 影像具有 7 个波段。
- 展开波段元数据。
在此 Landsat 8 影像中，全部 11 个波段不可用，因为仅包括被视为核心反射率波段的 7 个波段（sr_band1 至 sr_band7）。 分别为沿海气溶胶、蓝色、绿色、红色、NIR、SWIR 1 和 SWIR 2。
注：
图层属性窗口包含有关影像的宝贵信息。 有关其详细信息，请参阅栅格数据集属性页面。
您现在学习了两种收集有关影像波段数量的信息的方式：通过符号系统窗格和图层属性窗口。
- 关闭图层属性窗口。
更改波段数
有时，您可能想要减少多光谱影像的波段数。 例如，如果您知道您将执行只需特定波段的分析，则消除其他波段可节省磁盘空间。 如果您的目的是分析大量多光谱影像，这一点尤其有用。 您希望使用的分析工具还可能只需要以特定顺序组织的特定波段。
注：
例如，使用深度学习从影像提取信息时，GeoAI 预训练模型通常需要类似于训练数据的输入影像。 这通常是以红色、绿色和蓝色顺序组织的 3 波段影像。 有关详细信息，请参阅使用深度学习预训练模型检测物体教程。
接下来，您将了解如何自行执行该更改。 首先，在 7 波段 Landsat 影像中，确定您只需要以下五个波段：sr_band2（蓝色）、sr_band3（绿色）、sr_band4（红色）、sr_band5 (NIR) 和 sr_band7 (SWIR 1)。 您将使用提取波段栅格函数和导出栅格工具创建仅包含这五个波段的影像。
- 单击功能区上的影像选项卡。 在分析组中，单击栅格函数按钮。
- 在栅格函数窗格的搜索框中，输入提取波段。 单击提取波段函数。
- 设置以下提取波段参数：
- 对于栅格，选择 Landsat_8_2024_08_31.tif。
- 对于方法，选择波段名称。
- 对于组合，删除当前文本。
- 展开波段下拉列表。 选择 sr_band2、sr_band3、sr_band4、sr_band5 和 sr_band7。
组合字段中填充了这五个波段名称。
- 单击新建图层。
名为 Extract Bands_Landsat_8_2024_08_31.tif 的新图层将在内容窗格中显示。 您将检查以确定结果是否与预期相同。
注：
在地图上，新图层呈现蓝色色调，这是由于默认波段组合造成的。 您将在工作流的后续部分中修复此问题。
- 在内容窗格的 Extract Bands_Landsat_8_2024_08_31.tif 下，右键单击红色符号。
随即显示影像中的可用波段列表。
与预期一样，列出了五个波段（sr_band2、sr_band3、sr_band4、sr_band5 和 sr_band7）。
栅格函数创建的图层将在内存中动态计算。 这样大大缩短了处理时间，但是在磁盘上不可以。 在当前情况下，您希望将生成的图层作为 TIFF 文件保留在计算机上。 您将使用导出栅格来执行此操作。
- 右键单击 Extract Bands_ Landsat_8_2024_08_31.tif，指向数据，然后选择导出栅格。
- 在输出栅格窗格中，对于输出栅格数据集，单击浏览按钮。
- 在输出位置窗口中，浏览至 Folders > Brandenburg_spectral_resolution > Imagery。 对于名称，输入 Landsat_8_2024_08_31_5bands.tif。 单击保存。
- 在导出栅格窗格中，接受所有其他参数的默认值。 单击导出。
几分钟之后，新影像将添加到地图中。
- 在内容窗格的 Landsat_8_2024_08_31_5bands.tif 下，右键单击红色符号，然后确认列出了五个预期波段。
目前，按默认升序将波段分配给 RGB 通道：
- 红色通道 - sr_band2 或蓝色波段
- 绿色通道 - sr_band3 或绿色波段
- 蓝色通道 - sr_band4 或红色波段
此顺序尤其有用并且会导致影像的总体色调为蓝色。 而您将组成自然色波段组合（sr_band4、sr_band3、sr_band2）。
- 在内容窗格中，右键单击红色符号，然后选择 sr_band4。
- 右键单击蓝色符号，然后选择 sr_band2。
影像将更新为自然色组合。 蓝色色调将消失，裸土区域将以更自然的棕色和米黄色色调显示。 或者，您还可以根据需要切换到其他波段组合，例如彩色红外（sr_band5、sr_band4、sr_band3）或农业（sr_band7、sr_band5、sr_band2），从而以更好的方式浏览影像。
注：
有时，您可能需要影像以单独文件集的方式传送，一个文件对应一个光谱波段。 此时，一个选项是使用波段合成工具将这些文件收集到由多个波段组成的单一 TIFF 文件中，类似于之前在本教程中使用的影像。
检查您的理解情况
或者，尝试回答以下有关之前在本教程中学到的关键概念的问题。 只需自己组织语言。 您会如何向其他人介绍这些概念？ 如果您不确定，请向上返回教程，以查看相关说明。
- 什么是光谱波段？
- 什么是光谱分辨率？
- 什么是多光谱影像？ 可生成多光谱影像的卫星传感器有哪些？请列举一些示例。
- 常见波段组合有哪些？请列举一些示例。 每个组合的优点有哪些？
- 光谱剖面图代表什么？
进一步
或者，让自己挑战更多活动，继续进行学习。
- 为 Landsat 影像生成光谱剖面图。 它与之前在教程中看到的其他两张图相比如何？
- 创建包含 Sentinel-2 和 Landsat 影像的地图，然后使用农业波段组合呈现这两个影像。 比较两个图层：您是否可以在这两个影像之间发现已收割的一些田地？ 您是否可以发现植被似乎已增长的一些田地？
- 使用 Sentinel-2 或 Landsat 影像，为位于区域中不同水体的采样点创建光谱剖面图。 您是否可以找到绿色波段值较高（表示存在藻类）的水体？ 您认为泥水（即混合了泥土的水）对光谱剖面图有哪些影响？
- 查看介绍不同类型的多光谱影像分析的一些教程：
- 利用卫星影像评估玉米田的冰雹损失（光谱指数与变化检测）
- 利用卫星影像评估火灾后迹地（波段组合与光谱指数）
- 依据光谱影像计算不可渗透表面（监督分类）
- 执行土地覆被分类以测量湖泊收缩面积（非监督分类）
- 利用 GeoAI 提取高分辨率土地覆被（深度学习）
在本教程中，您熟悉了光谱分辨率、光谱波段、多光谱影像、反射率、图像合成、波段组合、光谱特征和光谱剖面图概念。 您使用了各种波段组合可视化卫星影像。 您浏览了光谱剖面图并比较了光谱分辨率不同的影像。 最后，您了解了如何更改影像中的光谱波段数量以随时用于更加复杂的分析。
有关类似的更多教程，请参阅我们不断增加的系列探索影像分辨率。
