ENVI5.6中如何计算并查看影像覆盖区域的平均高程值？

Question

在ENVI 5.6中计算影像覆盖区域的平均高程值时，常见问题为：**用户误将光学影像直接用于高程统计，而未加载或配准对应数字高程模型（DEM）**。ENVI本身不内置全球DEM，需预先导入如SRTM、ASTER GDEM或本地DEM数据，并确保其与目标影像具有相同地理坐标系、投影和空间分辨率（建议重采样对齐）。若直接对RGB影像执行“Statistics → Z Profile”或“Region of Interest (ROI) Statistics”，结果仅为DN值均值，非真实高程。此外，使用“Basic Tools → Statistics → Compute Statistics for ROIs”前，必须先在DEM波段上绘制ROI；若ROI跨边界或含NoData值，平均值易失真，需勾选“Mask NoData Values”并验证统计范围。部分用户还忽略垂直基准（如EGM96 vs WGS84椭球高），导致结果偏差达数十米。正确流程应为：配准DEM→定义ROI→在DEM上执行ROI统计→读取“Mean”字段。

Answer 1

```html

一、认知层：明确高程≠光学影像DN值——基础概念纠偏

在ENVI 5.6中，用户常将多光谱/RGB影像的像素值（DN值）误认为物理高程。需明确：光学影像记录的是地物反射辐射强度，而高程是三维空间Z轴坐标，二者物理量纲与数据源完全独立。ENVI不内置全球DEM，所有高程统计必须依赖外部导入的栅格型DEM（如SRTM v3 1-arcsec、ASTER GDEM v3、TanDEM-X或本地LiDAR DEM）。直接对Band 1–3执行Statistics → Z Profile仅输出DN均值（典型范围0–255或0–65535），与海拔无任何数学或地理关联。

二、数据层：DEM与影像的空间一致性是统计前提

高程统计有效性的核心在于“空间对齐三要素”：坐标系（Coordinate System）、投影（Projection）和分辨率（Resolution）。常见错误包括：使用WGS84地理坐标系的SRTM DEM与UTM投影的Sentinel-2影像直接叠加；或未重采样导致10 m影像与30 m SRTM存在2×2像元错位。推荐操作流程：

• 用Basic Tools → Resize Data统一空间分辨率（建议以DEM为基准重采样影像，或反之）
• 通过Map → Convert Map Projection强制匹配投影参数（含中央经线、椭球体、东/北偏移）
• 验证对齐精度：叠加显示DEM与影像边缘，启用Zoom → Toggle Pixel Location比对同名点行列号

三、操作层：ROI必须绑定至DEM波段——关键交互逻辑

ENVI 5.6中ROI具有“波段绑定”属性。若在光学影像上绘制ROI后切换至DEM波段执行统计，该ROI默认不自动迁移——必须显式执行ROI Tool → ROI → Bind to Band → Select DEM Layer。否则Basic Tools → Statistics → Compute Statistics for ROIs将报错或返回空结果。下表对比正确与错误绑定方式：

操作步骤	正确做法	错误做法
ROI创建时机	先加载DEM，再打开ROI Tool绘制	先在RGB影像上画ROI，再加载DEM
波段绑定	ROI Tool中右键ROI → “Bind to Band” → 选择DEM波段	未执行绑定，依赖默认波段（常为首个光学波段）
NoData处理	统计对话框勾选“Mask NoData Values”，并确认DEM的NoData值（如-9999或0）已正确定义	忽略NoData掩膜，导致海洋/云区参与计算，拉低均值

四、精度层：垂直基准差异可致系统性偏差＞30米

全球主流DEM采用不同垂直基准：SRTM官方产品基于EGM96大地水准面（正高），ASTER GDEM v3采用EGM2008，而部分国产DEM或GPS设备默认输出WGS84椭球高。ENVI本身不自动转换垂直基准——若用户将EGM96高程与WGS84椭球高混用，中纬度地区偏差可达25–40米（如北京地区EGM96与WGS84差约-31.5 m）。解决方案：

• 查阅DEM元数据明确Vertical Datum字段
• 使用GMT或GDAL工具进行基准转换：gdalwarp -s_srs "+proj=longlat +datum=WGS84 +vunits=m" -t_srs "+proj=longlat +datum=WGS84 +geoidgrids=egm96_15.gtx" input.tif output.tif
• 在ENVI中通过File → Edit Header → Edit Attributes → Vertical Datum手动标注（仅作记录，不触发转换）

五、验证层：闭环校验流程与典型异常诊断

完成统计后，必须执行交叉验证。以下为推荐验证链：

1. 导出ROI为Shapefile → 在QGIS中叠加真实地形等高线（如USGS Topo Maps）目视检查覆盖完整性
2. 提取DEM子集（Basic Tools → Subset Data via ROIs）→ 用Plot → 2D Plot → Histogram观察高程分布形态（应呈单峰或双峰，非均匀平坦）
3. 对比相同ROI在不同DEM源下的均值：SRTM vs ASTER GDEM vs Copernicus EU-DEM，差异＞5 m需排查配准误差

六、工程化实践：自动化脚本保障流程可复现

针对批量处理场景，推荐使用ENVI Classic IDL脚本固化流程。以下为关键逻辑片段（可保存为calc_dem_mean.pro）：

; 1. 加载并配准DEM
dem = envi_open_file('srtm_30m.kea')
envi_doit, 'envi_match_raster_pro', $
  in_files=[image_fid], in_bands=[0], $
  match_file=dem_fid, $
  resample_method=1, $ ; 双线性插值
  out_name='aligned_img.dat'

; 2. 创建ROI并绑定至DEM
roi_id = envi_roi_create(/polygon, name='StudyArea')
envi_roi_bind_to_band, roi_id, dem_fid

; 3. 统计并屏蔽NoData
stats = envi_doit('envi_stats_rois_doit', $
  fid=dem_fid, roi_id=roi_id, $
  mask_nodata=1, nodata_value=-9999, $
  r_fid=r_fid, r_pos=r_pos)
print, 'Mean Elevation (m): ', stats.mean[0]

七、可视化层：高程统计结果的空间表达增强

单纯数值均值缺乏空间语境。建议导出统计结果后，在ENVI中构建三维分析视图：

• 用Layer Manager → Right-click DEM → Load as 3D Surface生成TIN表面
• 叠加ROI矢量（File → Open Vector → ROI_Shape.shp），设置填充色映射高程均值
• 启用Tools → Extensions → ENVI LiDAR（若已授权）进行坡度/曲率辅助解释

八、流程图：端到端标准化工作流（Mermaid）

graph TD A[获取原始光学影像] --> B[下载匹配DEM
SRTM/ASTER/Copernicus] B --> C{空间一致性检查} C -->|坐标系/投影/分辨率不一致| D[ENVI重投影+重采样] C -->|一致| E[加载DEM至ENVI] D --> E E --> F[在DEM波段上绘制ROI] F --> G[勾选Mask NoData Values] G --> H[Compute Statistics for ROIs] H --> I[读取Output Table中Mean字段] I --> J[导出CSV+叠加验证]

```