正文如下：
一、先搞清楚：预处理在消灭哪四类误差
刚拿到的卫星影像，看起来是一张灰暗的图，直接拿来解译会出问题。原因是原始数据里混着四类误差，预处理的任务就是逐类消掉它们。
第一类是辐射误差，来自传感器响应、增益偏置、太阳高度角与成像几何。它让同一块地在不同日期亮度不同，让阴影区与向阳区无法比较。第二类是大气误差，来自气溶胶散射与水汽吸收，它把地表信号糊上一层“雾”，让植被指数整体偏低。第三类是几何误差，来自卫星姿态、地球曲率、地形起伏，它让影像上的位置与实际位置对不上，山区尤其明显。第四类是光谱与分辨率误差，多光谱波段偏粗，细节不够，需要与全色波段融合。
预处理的本质，是把“传感器看到的”还原成“地面是什么”。四类误差对应四组工序，顺序错了会互相污染。比如先融合再做大面积匀色，会把融合引入的光谱偏差一起放大；先做大气校正再几何校正，重采样又会破坏刚算好的反射率一致性。
二、辐射定标：把 DN 值换成有物理意义的辐亮度
原始影像里每个像元存的是DN 值，一个没有单位的整数。它只对这台传感器、这一档增益有意义，换一颗星、换一景，同样的 DN 可能对应完全不同的能量。辐射定标就是把 DN 值乘以增益、加上偏置，换算成辐亮度，单位是瓦每平方米每球面度每微米这一类物理量。
这一步看着简单，坑在三个地方。其一是定标系数要用对应成像时间的版本，传感器会老化，系数会更新，用错版本等于白算。其二是绝对定标与相对定标的区别，有些数据产品已经做过相对辐射校正，再乘一遍增益就重复了。其三是坏像元与饱和像元，云顶、水面镜面反射、雪面都会让像元饱和，定标之后依然是无效值，需要在后续步骤里掩膜掉。
定标之后还要做一件事：太阳高度角校正。同一景影像里，太阳高度角随纬度变化，高纬度地区的像元接收到的入射能量偏低，不做归一化，南北两端的同类地物亮度就对不上。
三、大气校正：从辐亮度到地表反射率
辐亮度里仍然混着大气的贡献。太阳光穿过大气时，一部分被气溶胶散射成“程辐射”直接进入传感器，一部分被水汽与臭氧吸收，还有一部分在地表与大气之间多次反射。大气校正的目标，是把这些贡献剥掉，得到地表反射率。
工程上有三条路径。辐射传输模型精度最高，输入气溶胶光学厚度、水汽含量、观测几何、高程，逐波段计算大气透过率与程辐射，代价是参数多、计算慢。暗像元法假设影像里存在反射率很低的浓密植被或清洁水体，用它们反推气溶胶，速度快，但在干旱区或缺水体的场景里假设不成立。相对大气校正用同一景内的统计关系做归一化，只保证影像内部一致，不追求绝对反射率。
选哪条路，取决于用途。要做跨时间、跨区域的定量比较，必须走绝对校正；只做单景内的分类与目视判读，相对校正就够。这里最常见的误区是：拿没做大气校正的影像算植被指数，然后解释为什么两块地的数值差了一截——差值里很大一部分是气溶胶，不是作物。
四、几何精校正与正射：让像元落到正确的位置
几何处理分两级。几何粗校正用卫星星历与姿态参数做系统级改正，把影像从传感器坐标转到地理坐标，结果是“大致对得上”，平原地区误差可以接受，山区会明显偏移。
几何精校正在此之上引入地面控制点，用多项式或严格成像模型拟合残差，把位置误差压下去。控制点要选在影像上清晰、地面上稳定、不随时间变化的地物：道路交叉口、水库坝顶、永久建筑角点。控制点分布要均匀，全挤在一角，校正模型在另一角会失控。
正射校正解决的是地形引起的投影差。卫星侧视成像时，山顶向传感器方向偏移、山脚向反方向偏移，不做正射，山坡上的地块会“长错地方”。正射需要数字高程模型做逐像元投影改正，高程数据越粗，山区残差越大。
对农业应用来说，几何精度直接决定面积统计的可靠性。地块边界偏移一个像元，几万亩的量算下来就是几百亩的差。所以正射之后一定要做残差检查：拿独立控制点验证，看中误差是否在项目允许范围内，超了就补控制点重跑。
五、影像融合：全色与多光谱怎么合
多数高分辨率卫星同时提供全色波段与多光谱波段：全色空间分辨率高但只有一个宽波段，多光谱波段多但分辨率粗。影像融合就是把全色的空间细节注入多光谱，得到既清晰又有颜色的产品。
主流思路分两类。成分替换类把多光谱变换到一个成分空间，用全色替换其中的空间成分再反变换，速度快、细节强，但容易让颜色偏移，植被区尤其明显，绿波段被压、红波段被抬，看起来“发灰”。多分辨率分析类把全色分解成不同尺度的高频细节，按波段特性分别注入，光谱保真度更好，代价是计算量大、参数敏感。
评价融合效果要看两个指标：空间细节是否真的提升了，光谱是否还被保住了。前者靠目视与边缘锐度，后者靠融合前后同类地物的光谱曲线对比。只追求看起来清楚，把光谱搞乱，后面的分类与指数全都要受影响。
实操上还有一个顺序问题：融合放在大气校正之前还是之后，取决于算法是否改变波段间的物理关系。成分替换类会改动光谱，宜先融合再校正；多分辨率分析类保光谱较好，可以先校正再融合。选错顺序，光谱偏差会被归因到大气参数上，越调越乱。
六、匀色与镶嵌：多景拼成一张能用的底图
一个项目往往要覆盖十几景、几十景影像，成像日期不同、太阳角度不同、大气条件不同，直接拼起来会有明显的“补丁感”。匀色就是把这些差异压平：以某一景为参考，其余景做直方图匹配或回归调整，让同类地物在不同景里亮度接近。
匀色的难点是不能把真实差异一起抹掉。洪水前后的水体差异、收割前后的地表差异是真实信号，匀色做得太狠会连同这些一起抹平。稳妥的做法是分层处理：先用大范围统计量做整体匹配，再对局部异常区做人工检查，确认是成像差异还是地物变化。
镶嵌要解决接边问题。接边线应尽量走在自然地物边界上，避开地块中央；重叠区要做羽化过渡，避免出现硬边。镶嵌之后还要检查接缝两侧的同名地物是否连续，出现“断垄”“错行”，说明几何还有残差。
匀色还有一个容易被忽略的副作用：它会改变地表反射率的绝对值。如果后续要做定量反演，匀色只能在相对意义上做，或者保留一套未匀色的反射率产品作为定量分析的输入，两套产品并存，各用各的场景。
七、顺序怎么排：三条常见流水线
流程没有唯一解，但有三种成熟排法。
第一种是先几何后辐射：正射校正、融合、大气校正、匀色镶嵌。适合以目视判读与制图为主的项目，几何优先，保证底图位置准。缺点是重采样次数多，光谱被反复插值。
第二种是先辐射后几何：辐射定标、大气校正、正射校正、融合、匀色。适合以定量反演为主的项目，保证反射率在重采样前就算准。缺点是大面积大气校正计算量大。
第三种是分步并行：几何链与辐射链各自跑到中间产品，最后在融合环节汇合。工程上最常用，因为可以并行计算、分段质检，出错时只重跑一段。
顺序的选择标准是：哪一类误差会影响下游判断，就先处理哪一类。不要为了流程好看而固定顺序。
还有一条实践中的折中：把最贵的一步放在最后。大气校正计算量大，如果几何校正后发现控制点不够、需要重跑，先做大气校正就白算了。先跑几何链、确认位置无误，再投入辐射链的算力，是省时间的一种排法。
八、质检清单：出图前必须过的六道关
第一道，云与云影掩膜是否完整，薄云有没有漏掉。第二道，无效值与饱和像元是否标记，边界有没有黑边。第三道，几何残差是否在允许范围内，山区与平原分开统计。第四道，光谱一致性，同类地物在不同景、不同位置的反射率是否接近。第五道，融合前后光谱偏差是否可接受。第六道，接边与镶嵌有没有明显痕迹。
这六道关都过了，才算一张正射影像底图。预处理不是把软件跑一遍，而是把每一道工序的结果拿证据验一遍。省掉质检，问题会留到解译环节，那时候再回头查，成本要高得多。
结语
卫星遥感影像预处理流程，本质是把原始数据里的辐射、大气、几何、光谱四类误差依次剥离，让像元既有正确的位置，又有可比的值。辐射定标给出物理量纲，大气校正还原地表反射率，几何精校正与正射把位置钉准，影像融合补上细节，匀色镶嵌把多景拼成一张底图。
流程的价值不在于步骤多，而在于每一步都可复现、可质检。把顺序想清楚、把证据留下来，底图才敢拿去做面积统计与定损结论；否则再高的分辨率，也只是看起来清楚而已。
时维遥感——遥感+AI，让农业更智慧
