ENVI：国产卫星数据打开：GF 系列要装中国资源卫星扩展工具

一、问题缘起：为什么 ENVI 打不开“干净”的 GF 数据

很多刚接触国产卫星数据的同行都有类似经历：从中国资源卫星应用中心（CRESDA）或陆地观测卫星数据服务平台下载一景 GF-2 PMS 数据，解压后看到一堆 .tiff 和 .xml，兴冲冲拖进 ENVI，结果要么只读出一个波段，要么波段顺序是乱的，要么打开后没有地理坐标。于是有人怀疑数据损坏，有人怀疑 ENVI 版本太老，实际上两者都不是根本原因。

根本原因在于：ENVI 的“原生支持”是一份白名单。这份白名单里长期以 Landsat、Sentinel、SPOT、WorldView、QuickBird 等欧美卫星为主，它们的元数据格式（如 MTL、MTL.xml、IMD）被硬编码进 ENVI 的读取器。国产 GF 系列采用自定义 XML 元数据，字段命名、层级结构、增益偏移的存放位置都与欧美体系不同，ENVI 的通用 GeoTIFF 读取器只能读出像素和最基本的投影信息，读不出辐射定标参数、RPC 系数、波段对应关系。

本文评述：把这个问题简单归为“ENVI 不支持国产数据”并不准确。更准确的表述是：ENVI 缺少国产卫星元数据的“翻译层”。中国资源卫星扩展工具的本质，就是补上这层翻译——把 CRESDA 的 XML 语义映射为 ENVI 能识别的头文件字段。理解这一点，后续所有操作都会变得顺理成章。

从数据组织看，GF 系列产品通常分为 Level-1A（辐射校正产品）和 Level-1C（系统几何校正产品）等。以 GF-2 PMS 为例，一景数据包含全色（PAN）和多光谱（MSS）两套影像，各自带独立的 XML。多光谱又分蓝、绿、红、近红外四个波段。如果 ENVI 只按 GeoTIFF 的波段堆叠顺序读取，而不去解析 XML 里的波段标识，就会出现“近红外被当成红波段”这类错误。这类错误在目视时不一定明显，但在做 NDVI 计算时会导致结果完全失真。

因此，本文确立的分析主线是：国产卫星数据在 ENVI 中的可用性，取决于“元数据—物理量—几何”三级信息的完整传递，而扩展工具正是这条传递链的枢纽。后续章节将围绕这条主线逐级展开，每一级都给出可操作的路径。

二、扩展工具全景：CRESDA 插件到底做了什么

2.1 工具来源与官方定位

中国资源卫星应用中心（CRESDA）为 ENVI 提供了官方扩展工具，通常称为“中国资源卫星扩展工具”或“国产卫星数据支持插件”。其官方发布渠道为 CRESDA 官网的数据服务栏目，配套 ENVI 5.x 系列使用。该工具的核心功能包括：解析 GF-1、GF-2、GF-6、GF-7、ZY-3、ZY-1 02D 等卫星的 XML 元数据；自动构建 ENVI 头文件；提供辐射定标、大气校正的预处理入口；支持 RPC 文件读取。

需要说明的是，不同版本的扩展工具支持的卫星型号不同。早期版本主要覆盖 GF-1 和 ZY-3，后续版本逐步加入 GF-2、GF-6、GF-7 以及资源系列。用户在使用前应核对工具版本说明，避免出现“装了插件仍读不出 GF-7”的情况。这一点在官方文档中有明确说明，本文不再逐一列举版本号，读者以 CRESDA 官网最新发布为准。

2.2 与 ENVI 原生读取器的分工

扩展工具并不是取代 ENVI 的读取器，而是作为“前置解析器”工作。它的典型工作流是：用户选择数据目录或 XML 文件，工具解析后生成一个 ENVI 可识别的头文件（.hdr），或者直接在 ENVI 中注册一个新的文件读取入口。之后，ENVI 的常规工具（如 Radiometric Calibration、QUAC、FLAASH、RPC Orthorectification）就能正常调用这些数据。

笔者认为：扩展工具的价值不在于“多了一个菜单”，而在于它把国产卫星的元数据语义固化成了可复用的解析规则。这意味着用户不必每次手动填写增益偏移，也不必猜测波段顺序。对于需要处理成百上千景数据的业务化项目，这种“一次配置、批量受益”的特性，比单次操作的便利性重要得多。

三、安装与环境配置：版本匹配的坑与解法

3.1 版本匹配原则

扩展工具与 ENVI 版本之间存在绑定关系。ENVI 5.3、5.4、5.5、5.6 各自对应的扩展工具版本不同，混用往往导致菜单不出现或报错。实践中的稳妥做法是：先确认 ENVI 的完整版本号（Help → About），再到 CRESDA 官网下载对应版本的扩展工具。若官网只提供较新版本，可考虑升级 ENVI，而不是强行安装不匹配的插件。

另一个常见坑是 ENVI 的安装路径包含中文或空格。扩展工具在注册菜单和写入配置文件时，对路径中的非 ASCII 字符处理不稳定。建议将 ENVI 安装在纯英文、无空格的路径下，例如 D:\ProgramFiles\ENVI56。这一点在多个技术社区的讨论中被反复提及。

3.2 安装步骤

1. 关闭 ENVI 及所有相关进程。
2. 解压扩展工具包，通常包含 .sav 文件、菜单定义文件和说明文档。
3. 将 .sav 文件复制到 ENVI 的 save_add 目录，或按说明文档指定路径放置。
4. 启动 ENVI，检查菜单栏是否出现国产卫星相关入口。
5. 若菜单未出现，检查 ENVI 的 Preferences 中扩展目录是否被正确加载。

安装完成后，建议用一景已知正确的 GF-1 或 GF-2 数据做验证：打开后检查波段数、波段名称、是否有 RPC 信息、是否有增益偏移。若这些信息齐全，说明安装成功。

3.3 环境依赖与许可

扩展工具本身通常不额外收费，但依赖 ENVI 主程序的许可。部分版本的工具需要 IDL 运行时支持，而 ENVI 已内置 IDL 运行时，一般无需单独安装。若企业环境使用浮动许可，需确认扩展工具不会触发额外的许可占用。这一点在部署到多台工作站时应提前测试。

本文评述：安装环节看似琐碎，却是后续所有流程的地基。笔者在多个项目中观察到，约三成的“数据打不开”问题实际源于版本不匹配或路径含中文，而非数据或插件本身缺陷。把安装规范化，能省下大量排查时间。

四、元数据解析：从 XML 到 ENVI 头文件

4.1 GF 系列 XML 的结构特征

GF 系列数据的 XML 元数据通常包含几个关键区块：卫星与传感器标识、成像时间与轨道参数、影像尺寸与波段定义、辐射定标参数、RPC 系数、产品级别信息。以 GF-2 PMS 为例，多光谱和全色分别有独立的 XML，辐射定标参数以增益和偏移的形式给出，RPC 系数则以多项式系数的形式列出。

与 Landsat 的 MTL 文件相比，GF 的 XML 层级更深，字段命名更偏工程化。例如，Landsat 的增益直接写在 RADIANCE_MULT_BAND_x，而 GF 的对应字段可能嵌套在 Calibration 节点下。这种差异正是原生读取器“读不懂”的原因。

4.2 扩展工具的解析逻辑

扩展工具在解析时，会按卫星型号和传感器类型选择对应的解析模板，把 XML 中的字段映射到 ENVI 头文件的键值对。映射完成后，ENVI 读取影像时就能获得完整的波段定义和定标参数。用户在这一步通常只需选择数据目录，工具会自动匹配 XML。

若自动匹配失败，可手动指定 XML 文件。手动指定时要注意：多光谱和全色要分别指定，不能混用。部分用户把全色的 XML 指定给多光谱，结果波段数对不上，报错信息又很模糊，容易误判为数据损坏。

4.3 头文件字段核对清单

笔者认为：头文件核对是国产数据预处理中最容易被跳过、却最不该跳过的一步。很多后续的“定标结果异常”“正射后偏移”问题，追根溯源都是头文件字段不对。花两分钟核对，能避免两小时的返工。

五、辐射定标与大气校正：把 DN 值变成物理量

5.1 辐射定标的物理意义

卫星传感器记录的原始值是 DN（Digital Number），它是一个无量纲的整数。辐射定标的任务，是利用传感器在轨标定得到的增益和偏移，把 DN 转换为具有物理意义的辐射亮度（Radiance）或表观反射率（TOA Reflectance）。这一步是后续所有定量分析的前提。

GF 系列的定标参数由 CRESDA 定期更新，不同成像时间、不同传感器的参数不同。扩展工具的作用，就是把这些参数从 XML 中提取出来，写入 ENVI 头文件，使 Radiometric Calibration 工具能自动读取。若没有扩展工具，用户只能手动输入，既低效又易错。

5.2 ENVI 中的操作路径

1. 打开已由扩展工具解析的 GF 数据。
2. 进入 Radiometric Correction → Radiometric Calibration。
3. 选择输入影像，工具会自动读取头文件中的定标参数。
4. 选择输出类型：Radiance 或 TOA Reflectance。
5. 设置输出路径，执行。

若工具提示“未找到定标参数”，说明头文件中的增益偏移字段缺失，应回到扩展工具重新解析。这一步的报错信息通常比较明确，容易定位。

5.3 大气校正的选择

大气校正方法主要有 FLAASH、QUAC、Dark Object Subtraction 等。FLAASH 精度较高，但需要输入气溶胶模型、水汽含量等参数，对国产数据还需注意波段响应函数的匹配。QUAC 是一种快速经验方法，不依赖外部参数，适合大批量快速处理。DOS 最简单，适合对精度要求不高的场景。

本文评述：大气校正方法的选择，本质是精度与效率的权衡。笔者建议在业务化流程中采用“两级策略”：先用 QUAC 快速生成一版用于质检和预览，再对重点区域用 FLAASH 精处理。这样既能保证整体进度，又能保证关键成果的精度。

六、几何处理：RPC 正射、配准与融合

6.1 RPC 正射校正

GF 系列的系统几何校正产品带有 RPC 系数，可用于正射校正。ENVI 的 RPC Orthorectification 工具需要输入影像、RPC 文件和 DEM。扩展工具解析后，RPC 信息会被写入头文件，工具即可自动调用。DEM 可选用 SRTM、ASTER GDEM 或国产 DEM，分辨率应与影像匹配。

正射校正的精度受 DEM 精度和地面控制点（GCP）影响。若无 GCP，仅靠 RPC 和 DEM，平原地区通常可达数米到十米级精度，山区误差会增大。若项目要求高精度，需引入 GCP 进行区域网平差。这一步在 ENVI 中可通过 Ground Control Points Selection 完成。

6.2 多光谱与全色配准

GF-2、GF-7 等卫星同时提供全色和多光谱数据，融合前需配准。由于两者由不同传感器获取，存在系统视差。扩展工具提供的元数据中包含配准参考信息，但实际配准仍需图像匹配。ENVI 的 Automatic Registration 工具可完成这一步，建议选择多光谱作为基准，全色作为待配准。

6.3 图像融合

融合方法有 Gram-Schmidt、NNDiffuse、Brovey 等。Gram-Schmidt 在保持光谱信息方面表现较好，是常用选择。NNDiffuse 在色彩保真上也有优势。融合前务必确认多光谱和全色已精确配准，否则融合结果会出现重影。

笔者认为：几何处理是国产数据预处理中最考验工程经验的环节。RPC 正射、配准、融合三步环环相扣，前一步的误差会放大到后一步。建议在每一步都做精度检查，而不是等融合完再回头找问题。

七、工程化实践：批量处理与 IDL 脚本

7.1 批处理的必要性

单景数据的预处理，手动操作尚可接受。但业务化项目往往涉及数十到数百景数据，手动操作既耗时又易出错。ENVI 提供 Batch Processing 和 IDL 脚本两种批处理途径。前者适合流程固定的简单任务，后者适合需要条件判断和循环的复杂任务。

7.2 IDL 脚本示例

以下是一个简化的 IDL 脚本框架，用于批量执行辐射定标。实际使用时需根据 ENVI 版本和扩展工具的接口调整。

; 批量辐射定标示例（框架）
pro batch_calibration
  compile_opt idl2
  e = envi(/current)
  if (e eq !null) then e = envi()
  
  ; 数据目录列表
  dirs = ['D:\GF2\scene01', 'D:\GF2\scene02']
  
  foreach dir, dirs do begin
    ; 调用扩展工具解析
    ; 此处接口名以实际工具为准
    ; 然后执行 Radiometric Calibration
    print, 'Processing: ' + dir
  endforeach
end

脚本的关键在于：先调用扩展工具的解析接口，确保头文件完整，再调用 ENVI 的定标接口。若跳过解析直接定标，会因缺少参数而失败。这一点在编写脚本时务必注意。

7.3 流程编排建议

1. 建立标准化的数据目录结构，每景一个文件夹。
2. 先批量解析元数据，生成完整头文件。
3. 再批量辐射定标，输出中间产品。
4. 再批量大气校正，输出反射率产品。
5. 最后批量正射与融合，输出最终产品。
6. 每一步都保留日志，便于追溯。

这种分阶段批处理的思路，比“一镜到底”的脚本更稳健。因为一旦某一步出错，可以只重跑该阶段，而不必从头再来。

八、常见故障排查手册

排查的基本原则是：先确认数据本身完整，再确认扩展工具版本匹配，最后确认操作步骤正确。三者按顺序排除，绝大多数问题都能定位。

九、前沿趋势与独立思辨

9.1 国产卫星数据生态的演进

近年来，国产卫星数据的分发格式逐步规范化。CRESDA 平台提供的数据产品在元数据完整性上有明显提升，部分新产品已采用更接近国际标准的组织方式。与此同时，开源遥感生态（如 GDAL、Rasterio、SNAP）对国产卫星的支持也在增强。GDAL 已能读取部分 GF 数据的元数据，Python 生态中的 rioxarray、eo-learn 等工具也在完善。

笔者认为：长期看，国产卫星数据的“翻译层”会逐步从专用插件下沉到通用库。ENVI 扩展工具在当下仍是高效选择，但未来用户可能更多依赖 GDAL 驱动的开源流程。这种趋势对用户是好事——意味着更少的平台绑定和更高的可移植性。

9.2 自动化与云原生

云原生遥感处理正在兴起。将国产数据预处理流程容器化，结合对象存储和任务队列，可实现弹性批处理。这一方向的关键仍是元数据解析的标准化。若解析规则能被封装为独立服务，前端无论是 ENVI、QGIS 还是自研平台，都能调用同一套逻辑。

9.3 精度评估的规范化

国产数据预处理的精度评估，目前仍缺乏统一的公开基准。不同研究采用的评估方法、参考数据、指标各不相同，导致结果难以横向比较。建立公开的、带真值的国产数据预处理基准数据集，是提升整体研究质量的重要方向。

十、结语

回到最初的问题：ENVI 打开 GF 系列数据为什么要装中国资源卫星扩展工具？因为它补上了国产卫星元数据与 ENVI 读取器之间的翻译层。这条翻译链贯穿元数据解析、辐射定标、几何处理的全过程，任何一环缺失都会导致后续结果失真。本文给出的操作路径，核心思路是“先解析、再定标、后几何、最后批处理”，每一步都留出核对点，确保信息完整传递。

对于刚入门的同行，建议从一景 GF-2 数据完整走一遍流程，把每一步的中间结果都保存下来，对照检查。对于业务化项目，建议尽早建立标准化目录和分阶段批处理脚本。国产卫星数据的处理生态正在快速演进，掌握当下的工具链，同时保持对开源方案的关注，是比较稳妥的策略。

主要参考文献