ENVI：辐射定标是不能跳的第一步：DN 值转辐射亮度，Rad = gain×DN + offset

一、为什么辐射定标不能跳：从DN值的"原罪"说起

打开任何一幅原始遥感影像，你看到的数值范围通常在0到255（8bit）或0到65535（16bit）之间。这些整数就是DN值。它记录的是传感器探测器在积分时间内累积的电荷经模数转换后的结果，本质上是一个无量纲的计数。问题在于：同一个地物，在不同传感器、不同成像时间、不同增益设置下，DN值可以完全不同。换句话说，DN值只对"这一台传感器这一次成像"负责，不具备跨平台、跨时相的可比性。

这就是DN值的"原罪"——它把物理世界的辐射信息压缩成了一个相对量。如果你直接拿DN值去做植被指数、做地表温度反演、做变化检测，得到的结果在物理上是站不住脚的。举个直观的例子：Landsat 8 OLI的Band 4（红波段）在2013年发射初期的增益设置与2020年之后存在差异，同一块农田的DN值可能相差数百，但地物本身并没有发生那么大的变化。不定标，你根本无法判断这种差异来自传感器还是地表。

笔者认为，辐射定标在遥感处理链条中的地位，类似于测量学中的"零点校准"。没有零点校准的测量数据，无论后续算法多精妙，都是在流沙上盖楼。很多初学者习惯性地跳过定标直接做大气校正或指数计算，这在教学演示中或许能跑通流程，但一旦进入定量应用——比如叶面积指数反演、水体叶绿素浓度估算、地表反照率产品生成——误差会被逐级放大，最终结果可能偏离真值数倍。

核心判断：辐射定标不是预处理流程里的"可选项"，而是定量遥感的合法性来源。跳过它，你得到的只是"好看的图片"；做了它，你才拥有"可计算的数据"。

从遥感数据处理的标准链路来看，完整的定量化流程通常是：辐射定标 → 大气校正 → 几何校正 → 定量反演。辐射定标排在最前面，不是随意安排的。大气校正模型（如6S、MODTRAN、FLAASH）的输入必须是辐射亮度或表观反射率，而不是DN值；几何校正虽然可以在DN域进行，但重采样会引入辐射值的插值误差，因此工程上更推荐先定标再几何处理。这条链路的顺序，本身就是物理逻辑的体现。

1.1 定标与"未定标"的量化差距

为了直观说明差距，这里引用一个基于公开参数的模拟计算（模拟数据，非实测）。假设Landsat 8 OLI Band 4的辐射定标系数为 gain = 0.0124 W/(m²·sr·μm)/DN，offset = -62.5（该量级参考USGS L8 OLI辐射定标参数文件，实际值随版本更新）。若某像元DN = 8000，则辐射亮度约为 0.0124×8000 - 62.5 ≈ 36.7 W/(m²·sr·μm)。如果跳过定标，直接用DN=8000参与后续计算，与真实辐射亮度之间差了整整一个量纲和数量级。这种差距在归一化植被指数（NDVI）计算中会被部分抵消（因为NDVI是比值），但在需要绝对辐射量的场景（如能量平衡、热辐射）中则是致命的。

1.2 一个被忽视的事实：定标系数本身也在变

很多教程把定标系数当成固定常量，这是过时的做法。现代卫星传感器普遍配备星上定标器（如Landsat 8/9的Solar Diffuser、Sentinel-2的Diffuser），会定期更新定标系数。以Landsat 8 OLI为例，USGS会不定期发布更新的辐射定标参数文件（CPF），不同版本之间Band的gain值可能有千分之几到百分之几的差异。这意味着：用旧系数处理新数据，或者用错版本的系数，都会引入系统性偏差。工程上必须养成"先查元数据、再取系数"的习惯。

二、物理基础：辐射亮度、辐照度与传感器响应

要真正理解 Rad = gain×DN + offset，必须先搞清楚辐射亮度和辐照度这两个物理量。它们不是一回事，混用是初学者最常见的错误之一。

2.1 辐射亮度（Radiance）

辐射亮度 L 描述的是"单位投影面积、单位立体角内的辐射通量"，单位是 W/(m²·sr·μm)。它是有方向性的，取决于观测几何。传感器入瞳处接收到的就是来自地表的辐射亮度。可以这样理解：辐射亮度回答的是"从某个方向看过去，这个面有多亮"。

2.2 辐照度（Irradiance）

辐照度 E 描述的是"单位面积上接收到的辐射通量"，单位是 W/m²。它没有方向性（或者说对半球积分）。太阳常数、大气顶太阳辐照度都属于这一类。在反射率定标中，正是用辐照度把辐射亮度归一化，得到无量纲的表观反射率。

2.3 传感器响应模型

传感器探测器把入瞳辐射亮度转换为电信号，再经模数转换变成DN。在理想线性响应假设下，这个过程的数学表达就是：

L = gain × DN + offset

其中 L 是辐射亮度，gain 是增益（也叫定标系数、辐射定标增益），offset 是偏置。这个式子看起来简单，但它背后隐含了几个假设：响应是线性的、暗电流已扣除、探测器未饱和、无异常像元。实际工程中，这些假设都需要逐一验证。

本文评述：线性模型是工程上的"最大公约数"。它足够简单、参数可标定、误差可控。但严格来说，CCD/CMOS探测器的响应在接近饱和区会呈现非线性，部分传感器在低端也存在非线性。因此高端定量应用会采用分段线性或多项式定标模型。不过对于绝大多数中等分辨率光学遥感数据，线性模型的精度已经足够。

三、线性定标模型解剖：gain与offset从哪来

gain和offset不是凭空出现的数字，它们来自传感器研制和在轨运行阶段的标定实验。理解它们的来源，才能理解为什么不同数据源的定标参数形式不同。

3.1 实验室定标：定标系数的"出生地"

卫星发射前，传感器会在实验室里用积分球、黑体等标准辐射源进行定标。积分球提供已知辐射亮度的均匀光源，通过改变光源强度，记录对应的DN输出，再用最小二乘拟合出gain和offset。这个过程通常在多个温度点、多个辐亮度级别下重复，以覆盖传感器的动态范围。实验室定标给出的是"出厂系数"，精度高，但无法反映发射振动、太空环境变化带来的响应漂移。

3.2 星上定标：在轨响应的"体检"

为了监测响应漂移，现代传感器普遍搭载星上定标器。Landsat 8/9 OLI使用太阳漫反射板（Solar Diffuser），定期将已知反射特性的漫反射板引入光路，获取其DN值，从而反推响应变化。Sentinel-2 MSI则使用漫射器（Diffuser）进行定标。星上定标的好处是频次高、可长期监测，缺点是漫反射板本身也会老化，需要地面数据辅助校正。

3.3 场地定标：用地球表面当"标准板"

场地定标（vicarious calibration）是在卫星过境时，在地面同步测量地表反射率和大气参数，再通过辐射传输模型推算入瞳辐射亮度，与卫星DN值比对，反推定标系数。中国敦煌辐射校正场、美国Railroad Valley场都是著名的定标场。场地定标能反映真实观测条件下的综合响应，但受天气、同步性影响大，成本高。

笔者认为，三种定标方式构成了一个"实验室—星上—场地"的三角验证体系。任何单一方式都有盲区：实验室定标无法反映在轨漂移，星上定标依赖定标器自身稳定性，场地定标受限于时空同步。只有三者交叉比对，才能给出可信的定标系数。这也是为什么USGS、ESA会持续发布定标系数更新——定标是一个动态维护的过程，不是一劳永逸的。

3.4 绝对定标与相对定标

绝对定标（absolute radiometric calibration）给出的是DN到绝对辐射亮度的转换关系，也就是本文讨论的 Rad = gain×DN + offset。相对定标（relative radiometric calibration）则关注探测器像元之间的响应一致性，消除条带、拼接缝等非均匀性。两者关系是：相对定标是绝对定标的前提，如果像元间响应都不一致，绝对定标就无从谈起。工程上，很多传感器数据在发布前已经完成了相对定标（如Landsat的L1产品），用户拿到手后主要做绝对定标。

四、传感器标定链路：从光子到DN再到辐射亮度

把定标放到完整的信号链路里看，会更清楚每一步在做什么。下面这张表梳理了从入瞳辐射到最终辐射亮度产品的关键环节。

环节	输入	输出	关键操作
入瞳辐射	地表辐射+大气程辐射	连续光谱辐射	光学系统聚焦、分光
光电转换	分光后辐射	模拟电信号	探测器响应、暗电流扣除
模数转换	模拟电信号	DN值	量化、增益设置
相对定标	原始DN	均匀化DN	像元响应归一化、去条带
绝对定标	均匀化DN	辐射亮度	Rad = gain×DN + offset

这张表揭示了一个常被忽略的事实：用户拿到的L1级产品，通常已经完成了相对定标，但绝对定标往往需要用户自己执行（或者产品本身提供了辐射亮度波段）。以Landsat 8/9 L1产品为例，它同时提供DN波段和辐射亮度/反射率产品（如L1TP中的SR产品需额外申请），而ENVI打开原始DN后需要手动执行辐射定标。Sentinel-2 L1C则直接提供TOA反射率，定标已内置。

五、ENVI实操全流程：一步步把DN变成辐射亮度

理论讲完，进入工程落地。下面以ENVI 5.6/6.x为例，给出从打开数据到输出辐射亮度产品的完整步骤。整个过程的核心就是找到正确的定标系数，并把它应用到每个波段。

5.1 准备工作：确认数据级别与元数据

第一步不是打开ENVI，而是打开数据的元数据文件。以Landsat 8/9为例，元数据在 MTL.txt 文件中，关键字段包括：

• RADIANCE_MULT_BAND_x：对应gain（乘性系数）
• RADIANCE_ADD_BAND_x：对应offset（加性系数）
• REFLECTANCE_MULT_BAND_x / REFLECTANCE_ADD_BAND_x：反射率定标系数
• SUN_ELEVATION：太阳高度角，用于反射率计算
• DATE_ACQUIRED / SCENE_CENTER_TIME：成像时间，用于日地距离校正

这里要特别注意：不同版本的Landsat数据，元数据字段名可能略有差异。Collection 1和Collection 2的系数就不同，Collection 2对辐射定标做了重新处理，系数更精确。用错版本会导致系统性偏差。

5.2 ENVI辐射定标工具操作

ENVI提供了两种路径：一是使用通用工具 Radiometric Calibration，二是针对特定传感器的定标工具。推荐使用后者，因为它能自动读取元数据中的系数。

路径：Toolbox → Radiometric Correction → Radiometric Calibration

打开后，选择输入文件，ENVI会自动识别传感器类型。在参数面板中，关键设置包括：

• Calibration Type：选择 Radiance（辐射亮度）或 Reflectance（反射率）。本文聚焦Radiance。
• Output Interleave：建议BSQ或BIL，便于后续处理。
• Scale Factor：ENVI默认可能对输出做缩放，需确认是否关闭，避免引入额外误差。
• Apply FLASSH Settings：如果后续要做FLAASH大气校正，勾选此项可自动设置单位。

点击OK后，ENVI会输出一个辐射亮度文件，单位通常是 W/(m²·sr·μm) 或 μW/(cm²·sr·nm)，取决于传感器。务必在元数据中确认单位，否则后续大气校正会出错。

5.3 手动定标：当自动工具不适用时

对于没有内置定标工具的传感器，或者需要自定义系数时，可以用Band Math手动实现。假设gain和offset已知，表达式为：

(b1 * gain) + offset

在ENVI的Band Math中，把gain和offset替换为具体数值即可。注意数据类型：如果DN是整型，乘法可能溢出，建议先转换为浮点型（float）。这一步看似简单，但溢出是新手最常踩的坑之一。

5.4 验证定标结果

定标完成后，不要急着往下走，先做三件事验证：

1. 检查数值范围：辐射亮度值应在合理区间。以Landsat 8 OLI可见光波段为例，典型地表辐射亮度在10~100 W/(m²·sr·μm)量级。如果出现负值或异常大值，说明系数或数据类型有问题。
2. 对比直方图：定标前后直方图形状应相似，只是横轴量纲变了。如果形状剧变，可能是offset符号搞反了。
3. 抽样验证：选几个已知地物（如深水、裸土），用辐射传输模型估算理论辐射亮度，与定标结果比对。

六、主流数据定标参数实战

不同数据源的定标参数形式差异很大，下面梳理几种常用数据的具体做法。

6.1 Landsat 8/9 OLI

Landsat 8/9的辐射定标系数在MTL文件中以 RADIANCE_MULT_BAND_x 和 RADIANCE_ADD_BAND_x 给出。以Collection 2为例，Band 4（红）的典型系数约为 MULT=0.0124，ADD=-62.5（具体值随数据版本变化，请以实际MTL为准）。计算公式：

L = MULT × DN + ADD

注意Collection 2的系数与Collection 1不同，且Collection 2对DN做了重新量化，处理时不能混用。USGS官方文档（Landsat 8-9 Collection 2 Level 1 Data Format Control Book）是权威参考。

6.2 Sentinel-2 MSI

Sentinel-2 L1C产品直接提供TOA反射率，定标已内置，用户通常不需要手动定标。但如果拿到的是L0或L1A原始数据，则需要用元数据中的定标参数。Sentinel-2的定标参数在元数据XML中，形式为 RADIOMETRIC_OFFSET 和 RADIOMETRIC_GAIN。ESA的Sentinel-2产品规范（S2-PDGS-MPC）是权威来源。

6.3 国产高分系列

GF-1/GF-2等国产数据的定标参数通常随数据提供，形式可能是绝对定标系数（单位 W/(m²·sr·μm)/DN）或相对定标系数。中国资源卫星应用中心会定期发布定标参数更新。需要注意的是，国产数据的定标系数版本管理不如Landsat规范，工程上要保留系数来源记录。

6.4 定标参数对照表

数据源	系数位置	单位	注意事项
Landsat 8/9 C2	MTL.txt	W/(m²·sr·μm)	C1/C2系数不可混用
Sentinel-2 L1C	内置	无量纲反射率	通常无需手动定标
GF-1 WFV	随数据提供	W/(m²·sr·μm)/DN	注意版本更新
MODIS L1B	HDF元数据	W/(m²·sr·μm)	含反射率与辐射亮度

七、误差传递与不确定性：定标系数错一点会怎样

定标系数不是精确到无限的，它本身带有不确定度。理解误差如何传递，才能判断定标结果是否可信。

7.1 定标不确定度的来源

• 标准源不确定度：实验室积分球、黑体的标定精度，通常在1%~3%。
• 星上定标器老化：漫反射板长期暴露在紫外线下会退化，引入随时间增长的偏差。
• 温度漂移：探测器响应随温度变化，星上定标器温度与观测时温度不一致会引入误差。
• 偏振敏感性：部分传感器对偏振光响应不同，而地表反射光具有偏振特性。
• 杂散光：光学系统内部的杂散光会污染信号，尤其在亮暗对比强烈的场景。

综合来看，主流光学传感器的绝对辐射定标不确定度在3%~5%量级（参考CEOS WGCV相关报告）。这个数字听起来不大，但在NDVI、叶绿素反演等对辐射差异敏感的应用中，3%的辐射误差可能被放大到10%以上的参数误差。

7.2 误差传递的数学表达

对于线性模型 L = g×DN + o，假设g和o的不确定度分别为 σ_g 和 σ_o，DN的不确定度为 σ_DN，则L的不确定度为：

σ_L² = (DN × σ_g)² + σ_o² + (g × σ_DN)²

当DN较大时，第一项主导；当DN接近0时，offset的不确定度主导。这解释了一个现象：暗目标（如水体）的定标相对误差通常比亮目标大，因为offset误差在低DN区占比更高。

本文评述：定标误差不是"可以忽略的小量"。在定量遥感中，误差预算（error budget）是必须做的功课。一个成熟的定量应用，应该能说清楚每个环节贡献了多少误差，定标环节占多少。如果连定标系数的不确定度都不知道，那后续的反演精度就无从谈起。

7.3 交叉验证：用另一颗卫星检验定标结果

交叉定标（cross calibration）是检验定标结果的有效手段。选取两颗卫星过境时间接近、观测几何相似的影像，对同一均匀地物（如沙漠、大水体）比较辐射亮度。如果差异在各自不确定度范围内，说明定标一致；如果系统性偏离，则至少有一颗卫星的定标有问题。Landsat 8与Sentinel-2的交叉定标研究已有多篇公开文献，结果显示两者在可见光-近红外波段的辐射亮度一致性通常在5%以内。

八、常见坑与工程避坑指南

这一节汇总工程实践中最容易出问题的地方，每一条都来自真实的踩坑经验。

8.1 系数版本混用

最常见也最隐蔽的坑。Landsat Collection 1和Collection 2的定标系数不同，如果拿C1的系数处理C2数据，会引入系统性偏差。解决方案：建立数据-系数对应表，处理前核对数据版本。

8.2 单位不统一

不同传感器的辐射亮度单位可能是 W/(m²·sr·μm) 或 μW/(cm²·sr·nm)，两者相差一个换算因子。如果后续大气校正模型要求的单位与输入不符，结果会差几个数量级。解决方案：在定标输出时明确标注单位，并在下游处理前统一。

8.3 数据类型溢出

DN通常是16位无符号整型，乘以gain（浮点）后如果仍用整型存储，会截断小数甚至溢出。解决方案：定标前将数据转为浮点型，输出也用浮点型。

8.4 忽略太阳高度角与日地距离

如果目标是反射率而非辐射亮度，必须考虑太阳高度角和日地距离校正。忽略这两项，反射率会有明显偏差。ENVI的定标工具会自动读取元数据中的太阳高度角，但手动计算时容易遗漏。

8.5 对"已定标"产品的误解

有些产品标注"已辐射定标"，但实际提供的是表观反射率而非辐射亮度。如果下游需要辐射亮度，还需要反算。解决方案：仔细阅读产品说明，确认输出物理量。

九、前沿趋势：AI定标、交叉定标与在轨自主定标

辐射定标不是一门"古老而静止"的技术，近三年出现了不少新方向。

9.1 基于深度学习的定标系数预测

传统定标依赖物理模型和标准源，而深度学习可以从大量历史数据中学习DN与辐射亮度之间的映射关系，甚至预测定标系数的漂移趋势。2022年以来，已有研究用LSTM、Transformer等模型对传感器响应进行时序建模，实现定标系数的短期预测。这类方法的优势是能捕捉非线性漂移，劣势是缺乏物理可解释性，且依赖高质量训练数据。

笔者认为，AI定标短期内不会取代物理定标，但会成为"辅助诊断"工具。它的价值在于发现异常、预警漂移，而不是直接给出定标系数。物理定标提供基准，AI提供监测，两者互补。

9.2 全球自主定标网络

CEOS（地球观测卫星委员会）推动的RadCalNet网络，提供全球多个定标场的自动化观测数据，支持卫星传感器的持续定标验证。RadCalNet站点（如中国的敦煌站、美国的Railroad Valley站）以固定频次发布地表反射率和大气参数，卫星过境时可直接比对。这大大降低了场地定标的门槛。

9.3 在轨自主定标与智能传感器

新一代传感器开始集成更智能的定标能力。例如，部分高光谱传感器具备在轨实时监测响应变化并自动调整增益的能力。这种"自主定标"减少了地面干预，但对星上计算资源和算法可靠性提出了更高要求。

9.4 定标与大气校正的联合优化

传统流程是"先定标、后大气校正"，两者独立。近年有研究尝试联合优化，把定标系数和大气参数放在同一个反演框架里求解。这样做的好处是能利用大气校正的约束反过来改进定标，但计算复杂度大幅上升。目前仍处于研究阶段，工程应用尚不成熟。

十、结论与工程建议

回到文章的核心命题：辐射定标为什么不能跳？因为它完成了从"传感器计数"到"物理量"的跨越。没有这一步，后续所有定量分析都失去物理基础。

给工程实践者的几条建议：

1. 先查元数据，再动手。定标系数、单位、版本，这三样确认清楚再打开ENVI。
2. 保留定标记录。用了哪个版本的系数、什么时间处理的，都要记录。定量应用的可追溯性和结果本身一样重要。
3. 做误差预算。知道定标环节贡献了多少不确定度，才能判断最终结果的可信区间。
4. 交叉验证。有条件的话，用另一颗卫星或地面实测数据验证定标结果。
5. 关注系数更新。定标系数是动态维护的，定期检查官方发布的最新版本。

辐射定标看似只是套一个线性公式，但它背后是传感器物理、辐射传输、误差理论的综合。把这一步做扎实，后面的定量遥感才有根基。Rad = gain×DN + offset 这个式子很短，但它连接的是数字世界和物理世界。

主要参考文献

拓展资源：ENVI官方辐射定标教程可参考 NV5 Geospatial文档；Landsat定标参数下载见 USGS官网；Sentinel-2产品规范见 Copernicus数据空间。