高光谱遥感数据的改正暗目标大气校正方法研究

854, 884, 2042 nm.
图2 三种地物表观反射率
(ⅳ) 改进的暗目标气溶胶估算方法. 气溶胶散 射作用是造成大气效应的重要因素之一, 设法消除 大气中的气溶胶影响是大气校正的一个重要环节. 由于气溶胶分布时空变异较大, 只依靠单个点的测 量数据对整景影像进行校正明显精度不够. 暗目标 方法估算气溶胶参数最关键的一步是确定暗目标在 可见光波段的地表反射率. 近红外波段与可见光波 段反射率的相关关系一般由经验或实测数据获得, 不 同 的 植 被 状 况 下 会 有 所 变 化 . Kaufman 等 [16] 、 Ouaidrari 等[17]、Liang 等[13]分别给出了 3 个通道之间 的反射率线性经验关系. 因此, 针对不同的区域、不 同的植被类型, 采用暗目标方法时首先需要建立可 靠的近红外波段与可见光波段地表反射率相关关系.
* E-mail: zhaoxianghappy@
1654
中国科学 D 辑 地球科学
第 37 卷
省兖州市, 位于北纬 35°10′~35°40′、东经 116°30′~ 116°59′之间, 该区地势平坦, 大面积成片地种植冬小 麦.
研究使用的高光谱数据为美国 NASA 新千年计 划的第一颗卫星 EO-1 上搭载的 Hyperion 高光谱数据. Hyperion 传感器是第一台星载高光谱图谱测量仪, 该 高光谱数据共有 242 谱段, 光谱范围为 400~2500 nm, 光谱分辨率达到 10 nm, 地面分辨率为 30 m[9]. 本研 究采用的是 2005 年 5 月 7 日过境的一级产品, 幅宽 7.7 km, 长 42 km, 太阳天顶角 28°, 太阳方位角 127°.
1 数据与方法
1.1 研究区与数据 本文进行大气订正实验的研究区地强化处山东
收稿日期: 2006-11-21; 接受日期: 2007-07-27 国家重点基础研究发展计划(编号: 2007CB714403)、国家自然科学基金(批准号: 40571107, 40771150)和高新研究与发展项目(批推号: 2005AA133011-3)资助
f (λi ,σ ) 为 高 斯 函 数 , λi 为 波 长 , λc 为 中 心 波 长 ,
第 12 期
赵祥等: 高光谱遥感数据的改正暗目标大气校正方法研究
1655
FWHM 为半高宽.
(ⅱ) 建立查找表. 基于辐射传输理论, 假设目
标为均一、朗伯地表时, 大气上界传感器接受到的辐
亮度可表示为[13]:
APDA 比值, 水汽含量, 大气程辐射.
LUT3: 地表反射率查找表. 用于计算每个波段
每个像元的地表反射率. 查找表项包括波段号, 能见
度, 水汽含量、L0, S, TFd/π. (ⅲ) 暗目标选取. 大气校正中气溶胶光学厚
度的计算常采用暗目标法进行计算. Kaufman 等[14]建
议选择森林作为暗目标, Teillet 等[15]归纳出浓密植
区间为 0.2~4.2 以 0.2 g/m2 递变. 共建立了以下 3 个查
找表:
LUT1: 能见度查找表. 用于暗目标方法查找红、
蓝两个波段对应气溶胶光学厚度相关的能见度参数.
查找表内容包括各种能见度, 水汽含量, 地表反射率,
表观辐亮度.
LUT2: 水汽含量查找表. 用于基于 APDA 方法
查找大气柱水汽含量. 查找表项包括各能见度,
被、清洁的水体或阴影区域可选作暗目标. 由于本研
究区以大片浓密小麦地为主, 其在可见光波段冠层
反射率均低于 0.04, 同步实验时对小麦测量了多个冠
层波谱, 可以建立其多个波段之间的比例关系, 而水
体由于受到面积、污染状况及同步波谱测量等因素的
影响难以建立相应的比例关系, 所以本研究将选择
小麦地作为暗目标对象, 求取气溶胶光学厚度.
随着高光谱影像应用的普及, 对高光谱影像进 行大气校正已成为遥感研究的热点之一. 由于气溶 胶与水汽含量空间分布不均一, 比较实用的方法应 是直接从影像获取气溶胶与水汽含量. ATREM 模型 (ATmosphere REMoval program, ATREM)较早用于高 光谱数据大气校正[4], 当大气辐射传输模型产生新的 研究成果后, ATREM 已逐步被高精度的高光谱数据 大气校正模型 HATCH[5] (High-accuracy Atmospheric
在卫星过境时, 同步进行了地面小麦波谱测量, 并用太阳光度计测量了大气气溶胶光学厚度及大气 柱水汽含量. 同步实验选了 5 个 5 km×5 km 大的样区, 为了能准确地从图像上找到对应的纯净像元, 每个 大样区内选取一个大小约为 500 m×500 m 小麦地, 选 择不同的 5 个样点进行地面波谱测量.
1.2 大气校正流程与算法
已有的一些研究表明迭代的方法进行大气订正 可以使结果更加可靠[10~12], 因此, 本文将采用迭代的 方法对 Hyperion 数据进行大气校正. 大气校正前, 首 先基于大气辐射校正模型 MODTRAN4.0 建立 3 个查 找表: 能见度查找表 LUT1、水汽查找表 LUT2, 地表 反射率查找表 LUT3. 图 1显示了大气校正的流程, 具体大气校正步骤大致分为以下几步:
(ⅰ) 数据预处理. 对 Hyperion 数据大气校正前 须首先对其进行必要的预处理. 首先需将 DN 值转为
图1 大气校正流程
表观辐亮度及表观反射率. Hyperion 共有 242 个波段, 前 70 个波段位于可见光、近红外波段(VNIR), 其余波 段位于短波红外波段(SWIR). VNIR 波段比例因子为 40, SWIR 波段比例因子为 80, 因此, 可以通过(1)式 把 DN 值转为表观幅亮度值, 并可以通过(2)式计算出 各波段的表观反演率.
⎨ ⎪⎩ ARVI
=
Band53 + Band53 −
Band12 − Band12 +
2 × Band 31 2 × Band31
>
0.5,
(6)
式中, Bandi (i=12, 31, 50, 53, 189) 表示 Hyperion 数
据第 i 个波段表观反射率, 中心波长分别是: 467, 660,
首先, 根据野外实测的小麦冠层反射率, 建立起 近红外与红、蓝波段反射率的回归关系, 同时结合野 外实验调查, 提取纯净小麦地的像元波谱, 对影像进 行暗目标选取. 其次, 对全景影像设定一个初始能见 度 与 水 汽 含 量 估 计 值 : VIS0, WV0, 我 们 设 定 VIS0=15, WV0=1.5. 采用 VIS0 及 WV0 计算出近红外 波段地表反射率, 然后根据近红外波段与红、蓝波段 已建立的地表反射率关系估算暗目标像元红、蓝波段 地表反射率. 最后使用能见度查找表, 根据地表反射 及表观辐亮度查找得到能见度并插值为 VIS1, 最终 使用迭代计算得到的能见度与水汽含量值, 根据地 表反射率查找表得到每个像元的地表真实反射率. 以上是本文大气订正的主要几个步骤, 计算结果表 明, 通过两次迭代计算的结果已经比较稳定. 下面将 对几个主要步骤详细论述.
数, 通常可以使用高斯函数进行模拟. 使用各个波段
的半高宽 FWHM(Full Width Half maximum)和中心波
长, 通过(3)式即可以进行光谱响应函数模拟.
f (λi ,σ ) = exp(−(λi − λc )2 /(2δ 2 )),
Hale Waihona Puke (3)其中,σ = FWHM ,
(4)
2 2 ⋅ ln 2
Correction for Hyperspectral Data) 取代. 这些模型虽 然可以对水汽及其它吸收气体进行高精度地估算, 但是却假设整景影像气溶胶水平均一[5]. 为了能从高 光谱影像直接获得气溶胶与水汽含量, Liang 等[6~8]将 不受区域或季节限制的聚类匹配方法进行扩展使之 适用于高光谱数据的大气校正, 但是这种方法需要 设定清洁区的气溶胶含量. 为此, 本文的主要目标是 对常规暗目标方法进行改正使之适用于高光谱数据, 可以定量地从高光谱影像同时估算出气溶胶与水汽 含量, 最终实现对高光谱影像的大气校正.
暗目标选取结果将会直接影响到大气订正的精
度, 本文采用表观反射率与植被指数进行综合选择.
Kaufman 等[14]首先采用归一化植被指数(Normalized
Difference Vegetation Index, NDVI)进行暗目标确认,
由于 NDVI 对气溶胶的变化较为敏感, 我们采用对大
气不敏感的大气耐抗植被指数 (Atmospherically Re-
sistant Vegetation Index, ARVI)进行辅助选择. 通过地
面调查得到地物类别在影像中的精确位置, 从影像
提取出小麦、水体、居民 3 类纯净像元表观反射率(见
图 2), 经过分析后确定按照公式(6)暗目标选取方式:
⎧⎪Band189 < 0.04 和 Band50 > 0.4,
MODTRAN4.0 建立大气订正查找表. 针对研究区的
位置与季节特点, 气溶胶模型选择乡村型气溶胶, 中
纬度夏季气候类型, 同时设定相应的各种观测几何
参数. 构建查找表时, 能见度变化区间为 2~50 km,
其中 10 km 以下时以 0.25 km 递变, 10~20 km 时以 0.5
km 递变, 另外设置 25, 50 km; 大气柱水汽含量变化
College Park, MD20742, USA)
摘要 高光谱遥感数据常用的大气校正方法均侧重于去除水汽及其他吸收气体的影响, 主要 研究了从高光谱影像同时去除气溶胶与水汽影响的方法. 由于高光谱遥感数据波段众多, 常规暗 目标方法一直难以适用于高光谱遥感数据的大气校正. 通过选取小麦作为新的暗目标对象, 着重 讨论了使用多波段线性回归与插值的方法对常规暗目标方法进行改正使之充分利用高光谱的众 多波段特性, 从而把改进的暗目标方法扩展应用于高光谱遥感数据的大气校正. 为了同时去除大 气中水汽的影响, 大气校正全过程采用了循环迭代的算法. 以山东济宁地区 EO-1 卫星搭载的 Hyperion 高光谱数据为应用实例, 通过使用 MODTRAN 建立的查找表直接从影像估算出气溶胶 与水汽含量, 实现了对该数据的大气校正. 大气校正的结果表明, 改正暗目标大气校正算法可以 有效地对高光谱遥感数据进行大气校正.
采用vis0及wv0计算出近红外波段地表反射率然后根据近红外波段与红蓝波段已建立的地表反射率关系估算暗目标像元红蓝波段地表反最后使用能见度查找表根据地表反射及表观辐亮度查找得到能见度并插值为vis1最终使用迭代计算得到的能见度与水汽含量值根据地表反射率查找表得到每个像元的地表真实反射率
中国科学 D 辑: 地球科学 2007 年 第 37 卷 第 12 期: 1653~1659

《中国科学》杂志社
SCIENCE IN CHINA PRESS
高光谱遥感数据的改正暗目标大气校正方法研究
赵 祥①②* 梁顺林③ 刘素红① 王锦地① 秦 军① 厉 青① 李小文①
(① 北京师范大学地理学与遥感科学学院, 遥感科学国家重点实验室, 环境遥感与数字城市北京市重点实验室, 北京 100875; ② 中国资源卫星应用中心 北京 100073; ③ Department of Geography, 2181 Lefrak Hall, University of Maryland,
Lλ = DN / S (VNIR : S = 40; SWIR : S = 80), (1)
ρλ
=
πLλ d 2 ESUNλ cosθs
,
(2)
ρλ为波段λ的表观反射率, Lλ为波段λ的光谱幅亮度, d
代表日地距离, ESUNλ是波段λ处的大气上界太阳光
谱辐照度, θs 是太阳天顶角.
进行大气校正时, 需要各个波段的光谱响应函
关键词 改正暗目标 高光谱 大气校正 遥感 Hyperion
大气校正是高光谱遥感数据地表参数定量反演 的一个必备环节. 在卫星遥感成像过程中, 大气的分 子、气溶胶的散射以及臭氧、水汽等气体的吸收[1]均 可以削弱传感器接收到的信号[2], 其中以气溶胶、水 汽的影响最为严重[3], 因此, 设法去除气溶胶与水汽 的影响成为高光谱遥感数据大气校正的一个主要研 究内容.
Lm
=
L0
+ρ 1− sρ
⋅ TFd π
.
(5)
这里, L0 表示零地表反射时大气引起的程辐射, T 表 示地表到传感器的透过率, s 为大气球形反照率, ρ为
地表目标反射率, Fd 地表下行通量. 根据(5)式, 给定 传感器接收到的辐亮度 L, 并且通过辐射传输模型模
拟计算出 L0, s 及 TFd/π即可以计算出地表反射率. 本研究设定下垫面为均一、朗伯地表, 采用