基于中分辨率成像光谱仪数据的洋面云检测新方法的研究

合集下载

卫星遥感数据在海洋渔业中的应用

卫星遥感数据在海洋渔业中的应用作者：吴越黄洪亮刘健等来源：《江苏农业科学》2014年第06期摘要：随着卫星遥感技术的发展，卫星遥感数据在海洋渔业领域中已得到广泛的应用，卫星遥感数据类型有很多种，每一种数据有不同的应用对象。

根据收集到的文献资料，对几种主要的海洋渔业遥感数据的特点进行概括和总结，描述它们主要的应用对象，并根据南极海域的气候特征，讨论适合南极磷虾渔业环境监测的卫星遥感数据，为今后南极磷虾渔业的遥感技术研究提供了理论基础。

关键词：海洋渔业；卫星遥感数据；南极磷虾中图分类号： S127文献标志码： A文章编号：1002-1302（2014）06-0223-03收稿日期：2013-10-10基金项目：公益性行业（农业）科研专项（编号：201203018）；南北极环境综合考察与评估专项（编号：CHINARE 2012/2016-01-06）；南极海洋生物资源开发利用专项；国家“863”计划（编号：2012AA092304）。

作者简介：吴越（1987—），男，江苏泰兴人，硕士，研究实习员，从事渔业遥感的研究。

E-mail：wu.yue1006@。

通信作者：黄洪亮，研究员，从事捕捞技术与渔业工程的研究。

E-mail：ecshhl@。

海洋是海洋生物生存和活动的场所，海洋环境与海洋生物的生存息息相关，每一个环境参数的变化，都会引起海洋生物的分布、洄游、移动、集群的变化[1]，很多学者通过研究海水温度、叶绿素a浓度及海冰等环境因子的变动，来掌握海洋经济鱼类及其他海产生物的分布、洄游、移动、集群的变化，为海洋渔业资源开发、评估及管理提供必要的科学资料[2-6]。

因此，在海洋渔业的开发和管理中需要实时、同步、高效地掌握海洋环境要素的变化，而传统的实测海洋数据的方法无法满足该要求。

卫星遥感技术能够实现对地表信息长时间、大范围、高精度的同步监测，因此在渔场分布、渔业环境监测等研究中得到了越来越多的应用，但是随着科技的发展，星载的卫星传感器越来越多，所获得的数据类型也变得繁多。

211133096_基于FY-3_MERSI多光谱通道的霾判识研究

doi:10.11676/qxxb2023.20220079气象学报基于FY-3 MERSI多光谱通道的霾判识研究*高玲1 张兴赢1 吴荣华1 张碧辉2GAO Ling1 ZHANG Xingying1 WU Ronghua1 ZHANG Bihui21. 国家卫星气象中心（国家空间天气监测预警中心）/中国遥感卫星辐射测量和定标重点开放实验室/许健民气象卫星创新中心，北京，1000812. 国家气象中心，北京，1000811. National Satellite Meteorological Centre（National Space Weather Monitoring and Early Warning Centre），Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites，Innovation Centre for FengYun Meteorological Satellite （FYSIC），Beijing 100081，China2. National Meteorological Centre，Beijing 100081，China2022-06-09收稿，2022-08-30改回.高玲，张兴赢，吴荣华，张碧辉. 2023. 基于FY-3 MERSI多光谱通道的霾判识研究. 气象学报，81（2）：340-352Gao Ling， Zhang Xingying， Wu Ronghua， Zhang Bihui. 2023. Haze detection based on combined information from multi-spectral channels of FY-3/MERSI. Acta Meteorologica Sinica， 81（2）:340-352Abstract Affected by high anthropogenic emissions and adverse weather conditions, heavy haze events over large areas and long durations occur frequently in the autumn and winter in China. To overcome the disadvantage of discrete ground-based observations on large scale monitoring, this study uses satellites to realize rapid and automatic haze detection based on combination of multi-channel information that shows different scatter and emission characteristics of cloud, ice, snow, haze, dark and bright surface under different wavelengths. Through the correction of air molecular scattering in haze detection, the misjudgment under large-angle conditions in the previous work is effectively eliminated. It also greatly reduces the variation range of threshold, which is very helpful for automatic haze detection. The haze detection method proposed in this study has been applied to MEdium-Resolution Spectral Imager-Ⅱ (MERSI-Ⅱ) of Fengyun-3D (FY-3D) from October 2020 to February 2021, and the spatial distribution of haze identification region is consistent with that of gray areas on true color images. The validation has been done using ground-based meteorological observations of haze weather and environmental observations of PM2.5 concentrations over 75 μg/m3. The validation results show that the consistency between the haze identification results of FY-3D and observations of ground meteorological stations is 91.1%, and the consistency between the haze identification results of FY-3D and observations of ground environmental stations is 85.6%. As haze observations by meteorological stations depend on the extinction of the atmosphere while satellites observations also rely on this physical characteristics, it is reasonable that the two are more consistent.Key words Haze region，Rayleigh scatter，Aerosol，Fengyun-3，MEdium-Resolution Spectral Imager摘要受高人为排放和不利天气条件共同作用，中国秋、冬季霾事件频发，具有影响范围大、程度重、持续时间长的特点。

基于MERSI和MODIS数据的2种监督分类方法比较研究

基于ＭＥＲＳＩ和ＭＯＤＩＳ数据的２种监督分类方法比较研究摘要在VC++6.0环境下实现2种监督分类方法，即最小距离法和最大似然法对250m MERSI和MODIS数据进行分类，并对分类结果进行分析。

通过分析可看出，将250m分辨率数据增加到5通道的MERSI数据在2种分类方法下分类效果都要好于MODIS数据。

关键词MERSI数据a；MODIS数据；分类；精度检验风云三号气象卫星是我国首颗新一代极轨气象卫星，它在获取地球大气环境方面具有三维、全球、全天候、定量、高精度资料等特点。

其携带的中分辨率成像光谱仪MERSI具有20个通道，其中19个处于可见光、近红外和短波红外波段，它的通道设置基本上与美国EOS中装载的MODIS一致，所不同的是减掉了1.240μm、1.375μm两个通道，增加了1个0.94μm水汽吸收通道。

MERSI星下点分辨率为250m，通道增加到5个通道，其余通道为1 000m，而MODIS 250m 空间分辨率只有两通道数据[1]。

目前对于MERSI数据的分类研究较少，针对MODIS进行了一些分类研究。

例如，徐晓桃等选取3种方法即最大似然法、人工神经网络法和决策树法对7通道MODIS数据进行分类，得出决策树分类精度最高达82.13%的结论[2]。

刘勇洪等人使用最大似然法、Parzen窗、CART决策树等5种方法，使用MODIS数据对华北地区土地覆盖类型进行分类，并通过不同训练样本数量的选取对各方法之间的差异进行了很好的比较[3]。

本试验设置2种监督分类方法即最小距离法和最大似然法对MERSI 5通道250m分辨率数据进行分类，将分类结果与MODIS 250m通道数据在2种分类方法下得到的分类结果进行比较，测试在相同条件下两者在不同分类方法下的分类效果。

1 试验区选择为比较方便，两幅图像均由2008年8月16日的数据合成，使用WGS84椭球体，投影方式采用横轴麦卡托投影，有效像元尺度250m，影像大小为200行×200列。

【国家自然科学基金】_中分辨率成像光谱仪(modis)_基金支持热词逐年推荐_【万方软件创新助手】_20140803

推荐指数 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
科研热词中分辨率成像光谱仪 modis 雷达干涉测量遥感反演遥感反射率观测分析聚类积雪检测气溶胶光学厚度模糊c均值数据产品数值模拟支持向量机悬浮泥沙浓度山东半岛暴雪天顶湿延迟大气改正土地覆盖制图产品全球定位系统云检测 pm10 meris igbp土地覆盖分类系统
推荐指数 4 3 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 3பைடு நூலகம் 32 33 34
推荐指数 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
53 modissun-photometeraerosol optical 1 depthdeep blue
2013年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

光谱共焦成像原理

光谱共焦成像原理光谱共焦成像（Spectral Confocal Imaging）是一种高分辨率的全息显微成像技术，可以通过获取目标材料的荧光光谱信息，实现样品的分子级别定位和化学组成分析。

下面将介绍光谱共焦成像的原理及其在科学研究和生物医学领域的应用。

光谱共焦成像的原理是基于光谱特性和共焦成像原理的结合。

在共焦显微镜中，通过光源的激发，显微镜可以将样品中激发的荧光信号集中到一个点上进行观察和记录。

而光谱共焦成像则在此基础上添加了光谱仪的功能，可以根据不同波长的荧光光谱信息对样品进行分析。

光谱共焦成像主要由以下几个组成部分构成：激光器、透镜系统、光谱仪和探测器。

首先，激光器产生经过准直、聚焦和偏转后的高亮度激光束。

然后，激光束通过透镜系统，将其聚焦到样品表面。

样品表面的荧光会被激发，并从样品表面向后散射。

聚焦的荧光信号被物镜再次聚焦到狭缝上，通过光谱仪进行光谱分离。

光谱仪是光谱共焦成像系统的关键组件，其作用是将荧光信号分解成不同波长的光谱。

光谱仪通常由光栅和光电探测器组成。

光栅通过光的衍射原理，将入射的光分解成不同波长的光谱，并通过光电探测器接收和记录。

光电探测器通常是一个高灵敏度的光电二极管，可以将光信号转换成电信号。

使用光谱共焦成像技术可以获得样品的荧光光谱信息，进而对样品进行分析。

常见的荧光分析包括：荧光发射光谱分析、荧光激发光谱分析和荧光时序扫描分析。

荧光发射光谱分析是通过激发样品产生的荧光，记录其发射的光谱分布。

不同分子或荧光染料在不同波长下的发射光谱特性不同，可以通过光谱仪测量记录发射光谱数据，从而获得样品的化学成分和结构信息。

荧光激发光谱分析是通过记录不同波长下样品的激发光谱分布。

不同波长的激发光可以激发样品中不同的分子或荧光染料，从而获得不同的激发光谱特性。

荧光时序扫描分析是通过记录样品在不同时间点上的荧光信号分布。

通过对样品的反应动力学过程进行时序扫描，可以研究样品的动态变化和反应速率等相关信息。

成像光谱仪

成像光谱仪成像光谱仪是一种重要的仪器，用于分析物体的光谱特征。

它将物体反射、辐射或透射的光通过光学系统进行收集和分析，从而得到物体的光谱图像。

成像光谱仪的出现极大地推动了光学领域的发展，并在许多领域得到了广泛的应用。

成像光谱仪的工作原理是利用光的分光特性和光的成像特性相结合。

它利用光具有不同波长的特点，将物体反射、辐射或透射的光分解成不同波长的光信号，然后通过光学系统将这些光信号成像在感光面上，最后得到物体的光谱图像。

成像光谱仪的光学系统通常由光学透镜、光栅、光纤等组成，光谱成像采用的是分光成像技术。

成像光谱仪的应用十分广泛，尤其在遥感、地质勘探、农业生态、环境监测等领域被广泛使用。

在遥感中，成像光谱仪可以获取地表的光谱信息，对地表特性进行分析和研究，如土地覆盖、植被状况、水质等。

在地质勘探中，成像光谱仪可以探测地下物体的光谱反射和发射特性，为地下矿藏的检测和勘探提供了有效的手段。

在农业生态中，成像光谱仪可以对植物的光合作用进行监测，评估植物的生长状态和营养状况，为农业生产提供科学依据。

在环境监测中，成像光谱仪可以对环境中的污染物进行监测和分析，为环境保护和治理提供参考。

成像光谱仪的优势主要在于其高精度、高灵敏度和高分辨率等特点。

通过成像光谱仪，可以实现高精度的光谱分析和成像，以及对物体的光谱特性进行精确的定量和定性分析。

其高灵敏度能够对微弱光信号进行捕捉和分析，对于光纤光源、低强度光源等的探测具有较好的效果。

同时，成像光谱仪的高分辨率可以实现对物体的高清晰度成像，提供更精确的光谱信息。

然而，成像光谱仪也存在一些挑战和限制。

首先，成像光谱仪在数据处理和解析方面需要强大的计算能力和高效的算法支持。

其次，成像光谱仪的制造和维护成本较高，需要专业的技术人才进行操作和维修。

此外，成像光谱仪的使用环境对其性能和稳定性也有一定要求，特殊的工作环境可能会对仪器的准确性和精度产生一定影响。

总的来说，成像光谱仪是一种非常重要的仪器，能够在许多领域为科学研究和应用提供有力支持。

SRTP结题报告

西南交通大学第五期大学生科研训练计划（SRTP）遥感与气象观测数据耦合的地表干旱状态监测结题报告2010年4月至2011年4月目录目录_______________________________________________________________ 11绪论 ____________________________________________________________ 21. 1项目背景 _________________________________________________________________ 21. 2项目介绍 _________________________________________________________________ 31. 3 开源库GDAL与HDF文件格式介绍________________________________________ 42数据源及GDAL库的配置 __________________________________________ 72. 1 数据源__________________________________________________________________ 72. 2 GDAL库的配置 ___________________________________________________________ 93数据处理原理及实现 _____________________________________________ 103. 1 遥感数据处理___________________________________________________________ 103.2 气象数据处理与降水空间插值法比较 _____________________________________ 203. 3 指数耦合 _______________________________________________________________ 263. 4 程序设计 _______________________________________________________________ 27 4实验结果分析 ___________________________________________________ 27 5不足与期望 _____________________________________________________ 30 6项目感想 _______________________________________________________ 31参考文献__________________________________________________________ 32附录1 程序主要源代码 ______________________________________________ 341绪论1.1项目背景我国是一个旱灾非常严重的国家，旱灾给农业、农村和农民造成了巨大的损失。

光学实验室简介研究光学成像与光谱分析技术

光学实验室简介研究光学成像与光谱分析技术光学实验室简介光学实验室是一个致力于研究光学成像与光谱分析技术的科研机构。

我们的实验室拥有先进的仪器设备和专业的研究团队，致力于推动光学领域的创新与发展。

一、实验室设备光学实验室拥有一系列先进的仪器设备，包括光学显微镜、光谱仪、激光器、干涉仪等。

这些设备能够帮助我们进行高精度的光学成像和光谱分析实验，为研究提供重要的数据支持。

光学显微镜是实验室中最常用的设备之一。

它能够通过聚焦和放大光线，使我们能够观察微观物体的细节和结构。

光学显微镜广泛应用于生物学、材料科学和纳米技术等领域的研究中。

光谱仪是另一个重要的设备。

它能够将光线分解成不同波长的光谱，并通过检测光谱的强度、频率等参数，来研究物质的组成和性质。

光谱仪在化学分析、生物医学和环境科学等领域都有广泛的应用。

激光器是光学实验室中的关键设备之一。

它产生的高强度、单色性好的激光光束，可用于光学成像、激光切割和光谱分析等方面。

激光器在光通信、医学治疗和材料加工等领域有着广泛的应用前景。

干涉仪是一种测量光波相位差的仪器，其利用光的干涉现象来研究光的性质。

干涉仪在光学成像、光学计量和光学检测等方面有着重要的应用，能够提供精确的测量结果。

二、研究方向本实验室的研究主要集中在光学成像与光谱分析技术领域。

我们利用先进的仪器设备和研究方法，开展以下研究方向：1. 高分辨率光学成像技术：利用光学显微镜和激光扫描成像技术，研究微观结构和生物细胞的高分辨率成像方法，并探索应用于生物医学和纳米技术领域的潜在应用。

2. 光谱分析与材料表征：应用光谱仪和干涉仪等设备，研究物质的光谱特性和表面形貌，通过光谱分析提取有关物质组成、纯度和结构的信息，为纳米材料、药物研发等领域提供技术支持。

3. 激光技术与光学探测：利用激光器和干涉仪等设备，研究激光在光学传感、光学计量和光学通信等方面的应用，探索激光技术在环境监测、无损检测和光纤通信等领域的新应用。

基于光谱分析的MODIS云检测算法研究

第!"卷第#期$""#年#月武汉大学学报!信息科学版%&’()*+,-)./0.1’2()*+’.3,+&.,&’1456).7.+8&2-+*9:’;<!"=’<#>)9$""#收稿日期"$""#?"$?@!#文章编号"@A B @?C C A "$$""#%"#?"F !#?"F 文献标志码"D基于光谱分析的.U :)3云检测算法研究李!微@!方圣辉@!佃袁勇@!郭建星@$@!武汉大学遥感信息工程学院&武汉市珞喻路@$E 号&F !""B E%摘!要"总结了云’雪’植被’沙漠’水体等目标的光谱特性以及云和不同目标间的光谱差异&结合>J K 03影像的波段范围&提出了一种对不同下垫面通用的多光谱云检测算法&试验证明了算法的有效性#关键词">J K 03(云检测(光谱分析中图法分类号"G $!B <!!!在利用航天遥感手段获取地球空间信息的过程中&云是光信号传播的严重障碍&在很大程度上影响遥感信息获取的质量&从而降低了数据的利用率#目前除合成孔径雷达传感器能穿透云层获取地表信息外&其他传感器均未能彻底解决影像数据的云覆盖问题#因此云给影像处理带来许多困难&使得影像识别’分类难以保证精度&有时甚至无法进行#为了提高遥感影像数据的利用率和精度&剔除遥感影像上的有云像元是十分必要的&因此云检测已经成为非常活跃的研究领域#随着!A 个波段的成像光谱仪$>J K 03%的问世&>J K 03高光谱分辨率的特点为云检测与处理提供了更为有利的条件)@*#目前对>J K 03数据的多光谱云检测&一般根据不同的下垫面$一般陆地’海洋’雪+冰’沙漠和高原%和不同种类的云$高’中’低云和直展云%采用不同的检测算法)$*#当前成熟的>J K 03数据的多光谱云检测算法主要可分为基于可见光反射率’基于近红外反射率和基于热红外通道亮温及亮温差的算法#目前&>J K 03数据的多光谱云检测算法的研究已有很多成果)!!@@*&而且部分算法已经趋于成熟并投入生产实践当中#但是还没有一种多光谱云检测算法能完全检测到各种不同类型的云&一些算法往往只在某些特定情况下适用#本文立足于研究一种对不同的下垫面均通用的多光谱云检测算法&分析总结了云’雪’植被’沙漠’水体等目标的光谱特性以及云和不同目标间的光谱差异#根据>J K 03影像的波段范围和云与不同下垫面的光谱差异最大化&笔者提出了多光谱云检测算法&即将可见光@通道$"<A B /(%’中红外A 通道$@<A F /(%和中红外$A 通道$@<!C/(%相组合&进行不同下垫面上的云检测&效果理想#!!反射光谱特性分析不同目标间存在着反射光谱的差异&因此可以将地物和云的光谱特性作为云检测波段选择的依据&寻求检测云的最佳波段组合#!<!!云的反射光谱特性一般的云层在各个波长对太阳光的散射较为均匀&因此云在可见光和近红外波段均具有较高的反射率&但云的光谱反射率随波长的增加而缓慢减小#位于高层云系的冰云$即卷云等%和雪在光谱特征上很相似&仅根据二者的光谱特性不容易将其区分#在@<!C /(中红外通道内&由于水汽的强烈吸收使得地面’中低云的辐射很难到达传感器&地面的反射率几乎为"&而属于高云系的卷云)@$*湿度小&反射率很大#!<"!植物的反射光谱特性由于植物均进行光合作用&所以各类绿色植物具有很相似的反射光谱特性$%59’*等&@E C E %&其光谱曲线虽有一定的变化范围&并呈一定宽度的光谱带&但总的,峰谷-形态变化是基本相似的&如图@所示#万方数据武汉大学学报!信息科学版$""#年#月图@!不同地物的反射光谱特性曲线M+P<@!H6&R&1;&,*+8&3O&,*25(N528&I+.&’1K+11&2&.*%2’5./3521),&在可见光谱段内"叶的反射和透射很低#在以"<F#/(为中心的蓝波段及以"<A B/(为中心的红波段"叶绿素强烈吸收辐射能$’E"i%而成为吸收谷#在这两个吸收谷之间$"<#F/(附近%吸收较少"形成绿色反射峰$@"i!$"i%#在近红外谱段内$"<B F!@<!/(%"叶的反射及透射相近$各占入射能的F"i!#"i%"而吸收能量却很低$)#i%#在"<B F/(附近"反射率急剧增加#在中红外谱段内$@<!!$<#/(%"植物的入射能基本上均吸收或反射"透射极少#由于叶子细胞间及内部的水分含量"绿色植物的光谱反射率受到以@<F/(&@<E/(&$<B/(为中心的水吸收带的控制而呈跌落状态的衰减曲线#其中@<F /(和@<E/(的两个吸收带是影响叶子中红外波段光谱响应的主要谱带#!<#!土壤的反射光谱特性土壤对所有入射能均吸收或反射"无透射#如图@所示"自然状态下的土地表面的反射曲线的’峰谷(变化较弱"没有明显的峰值和谷值#总的看来"地表的反射率一般都是随着波长的增加而增加)@!*"并且此趋势在可见光和近红外波段尤为明显#在云检测研究领域中"根据图像及土壤本身的光谱特点"将土壤分为沙漠和一般陆地两类#沙漠的含水量&有机质含量均明显少于一般土地"而且沙漠的颗粒很小"呈粉粒状"表面平滑"因此沙漠的反射率明显高于一般陆地"在橙色"<A/(附近有个峰值"最高可达A"i以上#!<$!水体的反射光谱特性对水体来说"水的光谱特征主要由水本身的物质组成所决定#!!在可见光波段"<A/(之前"水的吸收少"反射率较低"大量透射#水体可见光反射率约为#i左右"对于清水"在蓝?绿光波段反射率为F i !#i"而"<A/(以下的红光部分反射率降到$i!!i#在近红外&中红外谱段内"水体的吸收率很强"几乎吸收全部的入射能量"因此在红外波段的反射能量很小"反射率几乎为零"如图@所示#!<%!雪的反射光谱特性由图@的光谱曲线可以看出"雪的反射光谱与太阳光谱最相似"雪的光谱反射率随波长变化而变化$K’W+&2"@E C E%#在可见光谱段内"冰雪有微弱的吸收而强烈的前向散射"因而反射率较高$C"i以上%)@F*#随着波长的增加"雪的反射率逐渐降低"在@<##!@<B#/(的近红外波段上"积雪由于吸收太阳辐射"使得雪的反射率很小)@#*#在长波红外区$!!@F/(%"冰雪高度吸收"故雪的反射率很低#!<S!云与其他地物间的光谱差异根据>J K03数据的光谱通道区分"再参考不同地物的光谱曲线图$如图@所示%"发现>J? K03数据的@通道$"<A B/(%和A通道$@<A F /(%处的光谱曲线可以很好地区分雪和其他地物#云在可见光范围内的反射率接近于@"在近红外&中红外波段范围内的反射率随波长的增加而缓慢下降"因此>J K03数据的@通道反射率与A通道反射率的差值大于"+一般陆地和沙漠在红光波段内的反射率均小于@<A F/(谱段的反射率"因此二通道反射率的差值小于"+水体在红外谱段内的反射率几乎为""因此二通道的差值大于""但水体的反射率很小"远远小于云在可见光和红外范围内的反射率+雪在可见光范围内的反射率与云的反射率相当"但其在红外部分的反射率却远小于云的反射率"因此二通道的差值将大于云的差值#由此通过设置适当的阈值将很容易区分云和其他地物#但卷云和雪的光谱特性很相似"使得很容易将卷云误识别为雪#>J K03传感器的$A通道$@<!C/(%是专门用于检测卷云的"因此用此通道作为判据区分雪和云#图$绘制了不同地物及云在>J K03数据的@通道&A通道和$A通道影像上的光谱响应曲线"其验证了通道@&A&$A相结合可以很好地将云&雪&裸露地表&植被和水体区分开"获得较好的云检测结果#A!F万方数据!第!"卷第#期李!微等!基于光谱分析的>J K 03云检测算法研究图$!云与不同地物的反射光谱响应曲线M +P <$!H 6&R &1;&,*+8&3O &,*25(R &-O ’.-&N 528&I +.&’1N ;’5/)./K +11&2&.*%2’5./3521),&"!多光谱云检测算法本文提出的多光谱云检测算法"借鉴了植被指数的定义来检测出在不同下垫面上空的云#本算法选择通道@$"<A A /(%&通道A $@<A F /(%和通道$A $@<!C /(%三个波段数据进行云检测#归一化处理用来消除大气辐射及仪器的影响"以便更好地突出云的信息"得到最佳云的检测影像#基本运算如下!:);5&%01$@%&01$A %01$@%$01$A %式中"01$+%为通道+影像上目标的反射率值#!!本文云检测判据如下!+1$01$$A %’*@%该像元为云覆盖’&;-&+1$*$):);5&)*!dd 01$@%’*F %!!该像元为云覆盖’&;-&!该像元未由云覆盖#根据本文的分析"云在可见光波段$"<A A /(%具有高反射率"而在近红外波段$@<A F /(%的反射率低于可见光波段的反射率"但植被和裸露地表的反射率却远远高于可见光波段的反射率"所以植被&裸露地表$包括沙漠%的:);5&值小于零"而云的:);5&值大于零"因此植被&裸露地表$包括沙漠%和云区分的阈值*$j "#在@<A F /(的近红外波段上"云和雪的反射率有较大的差异"在这一光谱范围内"云反射来自太阳的辐射"而积雪吸收太阳辐射"使得雪的反射率远小于云的反射率"因此雪的:);5&值较大"且大于F "i ($)"因此*!j "<F #由于冰云与雪的光谱特性比较相似"使得冰云的:);5&值也大于"<F #为了解决这个问题"本文选择>J K 03的@<!C /(通道检测出漏检的冰云$卷云%#由于地面的辐射很难到达传感器"使得地物在影像上反映出的反射率几乎为""而冰云的反射率很高"均大于@"i "所以设置*@j "<@#由于水体的:);5&值约为零"容易与云混淆"但水体的反射率很低"一般均小于$"i "所以通过设置可见光波段反射率阈值*F j "<$"可将水体去除#本文以上阈值是依据不同地物在三个波段范围内的光谱特性$即反射率的差异%"并结合大量>J K 03影像的目视观察而最终选取的#!!试验证明"根据上述判据"本算法可有效地检测不同下垫面的云##!试验结果为了验证本算法对下垫面的通用性"本文选用多个地区&不同时相的>J K 03数据进行试验"其中包括了沙漠&雪&植被和水体等多种下垫面#本文选取三幅代表性影像"下垫面分别含有沙漠&雪&植被&土壤和水"如图!!图##通过目视判读可以看出$如图!所示%"本算法可以检测出沙漠上空的云"特别是反射率较低的薄云"达到预期检测效果#图!!>J K 03@&F &!波段彩色合成的塔克拉玛干沙漠区域的影像M +P <!!0()P&’1>J K 03@&F &!+.*6&H )Z ;+()Z ).K &-&2*!!图F 检测结果说明"该算法对于植被覆盖和土壤区域的影像也可以满足目视判读的精度要求#图#中将两幅影像比较"可以看出"本算法可将云和雪&湖水等其他地物区分开#$!结!语从试验结果可以看到"云和陆地的分界线特别清晰"并消除了云阴影的影响"检测效果理想#本文提出的云检测算法具有以下优势#@%本算法简单&有效地将云和不同下垫面区分开"特别是雪地&沙漠#B!F 万方数据武汉大学学报!信息科学版$""#年#月图F!E月份>J K03@"F"!波段甘肃合成影像图#!!月份>J K03@"A"$A波段青海合成影像M+P<F!H6&3&O*<0()P&’1>J K03@"F"!+.%).-5!!!M+P<#!H6&>)2<0()P&’1>J K03@"A"$A+.‘+.P6)+!!$#本文提出的算法判据主观因素较小$对不同时相"不同地区的>J K03影像均适用%!#毋需影像预处理操作$保留影像的原始信息以备用户根据需要进行处理$简单可行%F#归一化处理$既突出了云的信息$又部分消除了太阳高度角"卫星扫描角及大气程辐射的影响%在今后的研究中$还需要进一步改进云检测算法$考虑外界因素对于阈值选取的影响和关系$并验证光谱特性在其他高光谱传感器的适用性%参!考!文!献@!宋小宁$赵英时<>J K03图像的云检测及分析<中国图像图形学报$$""!$E&E#’@"B E!@"C!$!刘玉洁$杨忠东<>J K03遥感信息处理原理与算法<北京’科学出版社$$""@!!%)’XN$\).P G$I+R R<K&*&,*+’.’1V+P6N;’5/-+.G’;)2R&P+’.-K52+.P*6&K)9*+(&7-+.P*6&>J?K03@<!B#/(N6)..&;<0S S S H2).-<’.%&’-,+&.,& )./R&(’*&3&.-+.P$$""!&F@#’F B F!F C@F!%)’XN<N+225-N;’5/K&*&,*+’.12’(D+2U’2.&0()?P+.P3O&,*2’(&*&2K)*)7-+.P*6&@<!C((4)*&2:)?O’2X)./<%&’O69-+,);R&-&)2,6I&**&2-$@E E!$$"&F#’!"@!!"F#!%)’X N$%&’*W D M V<N;’5/D2&)K&*&2(+.)*+’.12’(D:0R03K)*)7-+.P4)*&2:)O’2N6)..&;-=&)2 @/(<Y<%&’<R&-<$@E E@&E A#’$C#B!$C A FA!49;+&KG$>&.W&;4G<H^’\&)2-’1N;’5/N’8&2 3*)*+-*+,-7-+.P:D3<Y<N;+(<D O O;<>&*&’2<$@E C E &$#’!C"!!E$B!H,6+-’.]K$V)2/9]R<H62&-6’;/M5.,*+’.1’2 D5*’()*&/N;’5/D.);9-+-’1%;’U);>&*&’2’;’P+,);!3)*&;;+*&0()P&29<0.*<Y<R&(<3&.-<$@E E#&@A#’!A A#!!A C"C!3’/&.X Y$X2&*6&2*’.MG<7O O&2H2’O’-O6&2+,R&;)?*+8&V5(+/+*912’(*6&%S J3A<B/(N6)..&;’>&*6?’/)./N;+()*’;’P91’2Y5;9@E C B<Y<%&’<R&-<$@E E!&E C#’@AA A E!@AA C CE!45h$X)*&-YY$]6);-)33<D N;+()*’;’P9’1*6&4)*&2:)O’2X)./X2+P6*.&--H&(O&2)*52&1’2=J D DJ O&2)*+’.);3)*&;;+*&<Y<N;+(<$@E E!&B#’@$C$!@!""@"!D,Z&2().3D<%;’U);3)*&;;+*&J U-&28)*+’.’1=&P)?*+8&X2+P6*.&--H&(O&2)*52&K+11&2&.,&X&*^&&.@@ )./A<B/(<Y<D*(’-O6&2&3,+&.,&<@E E A$&#$#’F$F A!F$A!@@!孙家扌丙<遥感原理与应用<武汉’武汉大学出版社$ $""!@$!盛裴轩$毛节泰$李建国$等<大气物理学<北京’北京大学出版社$$""!@!!付培健$王世红$林有恒<大气环流模式中地面参数化的发展<地球科学进展$@E E E&@#’F F!#"@F!浦瑞良$宫!鹏<高光谱遥感及其应用<北京’高等教育出版社$$"""@#!殷青军$杨英莲$徐维新<=J D D卫星资料云雪识别方法的研究<高原气象$$""$$$@&##’#$A!#$C@A!袁玉江$胡列群<塔克拉玛干沙漠腹地冬季地面反射光谱特征初探<中国沙漠$@E E E$@E&@#’$!!$B@B!赵!峰<农牧交错区沙化地监测与评估技术研究’(学位论文)<北京’中国林业科学研究院$$""!@C!王!珂$沈掌泉$王人潮<植物营养胁迫与光谱特性<国土资源遥感$@E E E$@#&!#’E!@F第一作者简介’李微$硕士生%现从事遥感图像处理研究%S?()+;’T+)’^&+^&+＿C"#A’@A!<,’(&下转第F F!页#C!F万方数据万方数据基于光谱分析的MODIS云检测算法研究作者：李微，方圣辉，佃袁勇，郭建星， LI Wei， FANG Shenghui， DIAN Yuanyong，GUO Jianxing作者单位：武汉大学遥感信息工程学院,武汉市珞喻路129号,430079刊名：武汉大学学报（信息科学版）英文刊名：GEOMATICS AND INFORMATION SCIENCE OF WUHAN UNIVERSITY年，卷(期)：2005,30(5)被引用次数：9次1.宋小宁.赵英时MODIS图像的云检测及分析[期刊论文]-中国图象图形学报 2003(09)2.刘玉洁.杨忠东MODIS遥感信息处理原理与算法 20013.Gao B C.Yang P.Li R R Detection of High Clouds in Polar Regions During the Daytime Using the MODIS 1.375 μm Channel 2003(41)4.Gao B C Cirrus Cloud Detection from Airborne Imaging Spectrometer Data Using the 1.38 mm Water Vapor Band 1993(04)5.Gao B C.Geotz A F H Cloud Area Determination from AVIRIS Data Using Water Vapor Channels Near 1 μm 19916.Wylie D P.Menzel W P Two Years of Cloud Cover Statistics Using VAS 19897.Tchison K D.Hardy K R Threshold Function for Automated Cloud Analysis of Global Meteorological Satellite Imagery 1995(16)8.Soden B J.Bretherton F P Upper Tropospheric Relative Humidity from the GEOS 6.7 μm Channel: Method and Climatology for July 1987 19939.Wu X.Bates J J.Khalsa S S A Climatology of the Water Vapor Band Brightness Temperature for NOAA Operational Satellite 1993(07)10.Ackerman S A Global Satellite Observation of Negative Brightness Temperature Difference Between 11 and 6.7 μm 1996(52)11.孙家扌丙遥感原理与应用 200312.盛裴轩.毛节泰.李建国大气物理学 200313.付培健.王世红.林有恒大气环流模式中地面参数化的发展[期刊论文]-地球科学进展 1999(01)14.浦瑞良.宫鹏高光谱遥感及其应用 200015.殷青军.杨英莲.徐维新NOAA卫星资料云雪识别方法的研究[期刊论文]-高原气象 2002(05)16.袁玉江.胡列群塔克拉玛干沙漠腹地冬季地面反射光谱特征初探 1999(01)17.赵峰农牧交错区沙化地监测与评估技术研究 200318.王珂.沈掌泉.王人潮植物营养胁迫与光谱特性[期刊论文]-国土资源遥感 1999(03)1.陈鹏.张荣.刘政凯遥感图像云图识别中的特征提取[期刊论文]-中国科学技术大学学报 2009(5)2.佃袁勇.刘刚.周志翔.王鹏程基于Spot影像的武汉市绿色信息自动提取[期刊论文]-东北林业大学学报2008(3)3.刘志刚.李元祥.王昌雨一种改进的基于最大似然法的MODIS云分类算法[期刊论文]-计算机研究与发展2007(z2)4.刘志刚.李元祥.黄峰基于动态聚类的MODIS云检测算法[期刊论文]-遥感信息 2007(4)5.郭童英.尤红建一种基于小波融合的多时相遥感图像去云方法[期刊论文]-测绘通报 2007(3)6.刘三超.柳钦火.高懋芳利用Terra和Aqua双星MODIS数据协同研究沙尘暴[期刊论文]-武汉大学学报（信息科学版） 2006(12)7.何全军.曹静.黄江.吴志军基于多光谱综合的MODIS数据云检测研究[期刊论文]-国土资源遥感 2006(3)8.杨铁利.何全军MODIS数据的云检测处理[期刊论文]-鞍山科技大学学报 2006(2)9.莫伟华基于EOS/MODIS卫星数据的洪涝灾害遥感监测应用技术研究[学位论文]硕士 2006本文链接：/Periodical_whchkjdxxb200505014.aspx。

成像光谱技术

成像光谱技术原理与应用1.概述成像光谱技术（Imaging Spectroscopy）是一种结合了光学成像和光谱分析的高级遥感技术。

它利用光学成像仪器和光谱仪器，可以在每个像素点上获取连续的光谱信息，从而实现高光谱分辨率和空间分辨率的数据获取。

2.技术原理成像光谱技术的原理是通过将入射光分散成不同波长的光谱，并在每个波长上进行成像。

这一过程通常通过使用光栅、多晶棱镜或迷宫棱镜等光学元件来实现。

成像光谱仪器中的探测器可以记录每个像素点上的光谱信息，从而构建出完整的光谱数据。

3.数据获取与处理成像光谱技术的数据获取主要涉及成像仪器的选择和操作流程。

选择合适的成像光谱仪器可以根据需求确定光谱范围和光谱分辨率。

在数据处理方面，常见的处理步骤包括辐射校正、大气校正和光谱重构。

这些处理步骤旨在消除数据中的噪声和误差，使得光谱数据更加准确和可靠。

4.研究领域与应用成像光谱技术在各个领域都具有广泛的研究和应用价值。

以下是一些典型领域的应用案例：●农业与林业：利用成像光谱技术可以实时监测农作物和森林的健康状况。

通过分析作物或植被的光谱特征，可以进行病害检测、营养评估和水分监测等。

●环境与气候：成像光谱技术可以用于监测水体质量、土壤污染、大气组成和空气质量等环境因素。

通过分析光谱数据，可以评估环境的健康状况和变化趋势。

●地质勘探：成像光谱技术在地质勘探中发挥重要作用。

它可以用于矿产资源勘探，如检测地下矿产的分布和含量。

此外，成像光谱技术还可用于研究地质构造、地表变化和土地利用。

●城市规划与建筑：成像光谱技术可以帮助城市规划和建筑评估。

通过分析城市绿化覆盖、土地利用和建筑材料的光谱特征，可以提供科学依据和决策支持。

5.应用案例表格关于成像光谱技术的详细介绍，包括技术原理、数据获取与处理以及各个领域的研究和应用。

通过配合应用案例表格，读者可以更加清楚地了解成像光谱技术在不同领域中的具体应用情况。

请注意，表格中提供的应用案例只是示例，实际应用情况和案例会更加丰富和多样。

光谱分辨率的测试方法

光谱分辨率的测试方法光谱分辨率是描述光谱仪性能的一个重要指标。

它是指仪器能够分辨出两个波长相差的最小值，通常用焦耳/米（cm-1）表示。

光谱分辨率的高低直接影响到光谱数据的准确性和有效性。

因此，如何测试光谱分辨率成为光谱仪器使用中的重要问题。

目前，针对光谱分辨率的测试，主要有以下三种方法：评估法、直接法和点扫描法。

评估法是光谱分辨率测试的一种比较常见的方法。

它基于吸收线或发射线的宽度，通过求全宽度半最大值（FWHM）计算得到光谱分辨率。

这种方法的优点是简单易行，测试速度快。

但是它的缺点是不能直接反映光谱仪的光学设计和性能，因为吸收线或发射线的宽度是受到多种因素的影响的。

直接法是一种通过调整狭缝宽度来测量光谱分辨率的方法。

它的基本思想是利用狭缝宽度对分辨率的影响进行定量计算。

通过测量峰的高度和宽度，可以得到较为精确的光谱分辨率数值。

但是，直接法需要反复调节狭缝宽度，操作比较繁琐。

此外，由于狭缝宽度过小会使信噪比降低，过大会使光谱分辨率下降，因此狭缝宽度的设定是需要技巧的。

点扫描法是通过在样品上不断扫描的方法，绘制出光谱图像的方法。

该方法不仅可以测量样品的光谱，还可以测量更广泛的波长范围。

该方法的优点是可以得到较为准确的光谱信息，并且不需要手动调整仪器参数。

但是，点扫描法测试需要较长时间，且可能会引入仪器漂移等不确定性因素。

综上所述，对于不同的应用场景需要选择不同的测试方法。

评估法需求操作简单快捷，适用于一般的光谱分辨率测试需求；直接法可以得到较为准确、且可重复的结果，适用于精度较高的测试需求；点扫描法可以得到较为全面的光谱数据，并且不受测试时间和仪器参数的影响，适用于试样光谱数据的收集和研究。

无论采用何种方法，测试前需要先检查光路、光谱仪和采集设备的性能，以确保测试精度和可靠性。

未来，随着科学技术的不断发展，光谱仪器的测试方法也将进一步发展。

多项技术将会被应用到光谱仪器测试中，例如亚像素线性度测试、时间分辨率测试等。

考虑地物时空异质性的云下中分辨率成像光谱仪(MODIS)波段反射率恢复

考虑地物时空异质性的云下中分辨率成像光谱仪(MODIS)波段反射率恢复高博;宫辉力;周珂;王天星【摘要】云是光学遥感影像解译及地表参数定量反演的主要障碍,破坏了遥感产品的时空连续性;而随着遥感技术的推广和应用,大量的遥感参数产品已经被用于各个领域,比如卫生领域的疾病监控、地质灾害领域的滑坡监测以及城市雨洪预警等等;云导致的遥感数据质量下降与各领域对遥感数据质量要求的不断增加构成了不断激化的矛盾.针对这一矛盾,结合当前关于云消除研究的现状;提出了一个具有物理机制的云像元反演算法.该算法在计算过程中考虑了地表在不同入射、观测方向上的二向反射分布函数(BRDF),并引入时空权重因子实现对时空异质性的考虑;这些使该算法能够保证在各种情况下均具有良好的整体精度,从而保证该算法能够胜任定量遥感领域的研究需求.应用该算法,在黑河中游地区展开实验,反演结果与中分辨率成像光谱仪(MODIS)多个波段的数据对比均展现出较好精度.其中,整体均方根误差RMSE达到0.012,整体均方根误差百分比RMSE％为8.8％,整体相关系数平方R2达到0.98,与对比算法相比较具有极大的提升;这表明该算法理论基础扎实,并具有较好的实用性.【期刊名称】《科学技术与工程》【年(卷),期】2016(016)035【总页数】9页(P6-14)【关键词】云;中分辨率成像光谱仪;时空权重因子;二向反射分布函数【作者】高博;宫辉力;周珂;王天星【作者单位】首都师范大学水资源安全北京实验室,北京100048;首都师范大学资源环境与旅游学院,北京100048;首都师范大学三维信息获取与应用教育部重点实验室,北京100048;首都师范大学水资源安全北京实验室,北京100048;首都师范大学资源环境与旅游学院,北京100048;首都师范大学三维信息获取与应用教育部重点实验室,北京100048;河南大学计算机与信息工程学院,开封475004;中国科学院遥感与数字地球研究所,北京100101【正文语种】中文【中图分类】P237;TP751.1研究表明,TM卫星数据被云影响的比例占总数据的30%以上；类似的情况也大量存在于中分辨率成像光谱仪 (MODIS)、先进甚高分辨率辐射仪(AVHRR)、HJ-1A/B CCD等不同类型的光学传感器的观测数据中[1—3]。

光谱成像技术在海域目标探测中的应用

１引言
在现代战争中，信息对抗已经成为决定战争胜负的关键，而基于航空平台获取军事信息具有时效性强，侦查范围广等特点，是重要的侦察手段之一。在诸多航空平台的信息获取技术中，高光谱成像技术可在获取目标二维图像信息的基础上，同时获取目标的一维光谱信息，能够反映出被观测对象的外形影像以及理化特征，从而达到对目标的探测与识别。利用高光谱成像技术对地、对海进行侦察将获取更丰富的目标信息，极大地提高了航空侦察能力，相对于其他侦察方式具有一定的优越性。
图１ＡＩＳ系统工作原理示意图Ｆｉｇ．１ＷｏｒｋｉｎｇｐｒｉｎｃｉｐｌｅｄｉａｇｒａｍｏｆＡＩＳｓｙｓｔｅｍ
制。而第二代成像光谱仪ＡＩＳ２，则将３２元探测器拓展到６４像元，数据得以扩展，但其获取的高光谱影像宽度仍然非常有限，难以满足应用需求。
２０世纪８０年代，美国加州理工学院喷气推进实验室的学者们研制了摆扫式（Ｗｈｉｓｋｂｒｏｏｍ）光谱成像仪ＡＶＩＲＩＳ［２］，其光机结构及机载平台如图２所示，其采用线阵探测器加光机扫描的工作方式，该仪器进一步扩大了空间覆盖范围。在０４～２５μｍ的光谱范围内可获取２２４个波段的光谱信息，空间分辨率为２０ｍ，穿轨方向的像元数达到了６００，是目前最常用的机载光谱仪之一。
３．中国科学院大学，北京１０００４９）
摘要：近年来，随着光谱成像技术的发展，机载成像光谱仪在海域军事目标的侦察中得到了新的应用。基于此，本文首先从高光谱成像仪的基本原理及特性出发，介绍了高光谱成像仪在海洋军事目标探测方面的应用现状。其次，分别从水面目标探测和水下目标探测两方面综合分析了光谱成像技术在海域目标探测中的应用。对于海面目标探测，多项关键技术获得突破，但当前算法仍然难以解决实时性问题；对于水下目标探测，本文主要以水下潜艇探测为例探讨了利用高光谱成像仪对水下目标进行探测的关键技术及相关可行性方案。分析可知，光谱成像技术用于海洋军事探测从技术上具有可行性且前景广阔，但仍需解决相关算法的效率及精度等关键问题，这对推动光谱成像技术在海域目标探测中的应用具有重要意义。关键词：光谱成像；目标探测；水下目标；高光谱中图分类号：Ｅ９３３．４文献标识码：Ａｄｏｉ：１０．３７８８／ＣＯ．２０１７１００６．０７０８

中分辨率成像光谱仪(MODIS)数据在地学中的应用前景

末发射。
１ＴＲＲＡ卫星介绍Ｅ
ＴＲＥＲＡ卫星主要用于观测云、溶胶、气辐射平衡，并研究陆地表面特性。卫星下行过赤道地方时为１：０此时对于全球陆地而言云覆盖最小，陆地观测最有利）因此又称为０３（对，
ｒｄｏｔｒ用于全球植被图及表面反照率、ａｉｍｅｅ）大气烟雾、被特性和地形及云的高度测量等。植（）进星载热辐射与反射测量仪一ＡＳＲ（ｄａｃｄｓａｅｏｎｔｅｍａｍｉｓｎａｄｒ— ４先ＴＥａｖｎｅｐｃｂｒｈｒｌｓｉｎｅｅｏｆｃｉｎｒｄｏｔｒ￣为气候学、利学、ｌｔａｉｍｅｅ）ｅｏ水生物学和地理学研究提供从可见光到热红外的高分辨率的陆地表面、和云的图像。三个子系统空间分辨率分别为１３９水５ｍ、０ｍ、０ｍ。（）５
维普资讯
第２１卷
第２期
世
界
地
质
Ｖ０．１Ｎｏ２１２．
２００２年６月
Ｗ０ｍ
ＧＥＯＬ０Ｇ．Ｙ
Ｊｎ２０ｕ０２
中分辨率成像光谱仪（ＯＤＩ）ＭＳ数据在地学中的应用前景
曲辉，陈圣波
（吉林大学地球探测与信息技术学院，吉林长春１０２）３０６
摘要：中分辨率成像光谱仪（ＭＯＤＩ）Ｓ具有高效的数据存储格式（Ｆ）信息丰富、据获取快和覆盖ＨＤ、数范围广等特点，其在对地实时监测等方面有较大的应用价值。ＭＯＳ数据对于开展自然灾害、境监使ＤＩ环测研究具有重要意义，地质资源勘查，在植被、土地监测等方面具有广泛的应用前景。

神舟3 号飞船中分辨率成像光谱仪场地替代定标新方法研究

神舟3号飞船中分辨率成像光谱仪场地替代定标新方法研究胡秀清1,2，刘京晶2，邱康睦2，范天锡2，张玉香2，戎志国2，张立军21. 中国科学院遥感应用研究所，北京1001012. 中国气象局中国遥感卫星辐射测量和定标重点开发重点实验室，国家卫星气象中心，北京100081摘要神舟3号飞船（SZ-3）搭载的中分辨率成像光谱仪(CMODIS)是我国下一代对地环境卫星遥感器的试验仪器，能获取地气系统30个可见光-近红外通道观测数据，这些高光谱数据应用，特别是定量遥感产品反演受到辐射定标的严重制约。

文章在传统的在轨遥感器场地辐射校正基础上，提出了星地准同步观测场地辐射校正新方法，在缺少足够地面同步观测数据情况下，实现了CMODIS场地辐射校正，并达到了预期辐射校正精度要求。

同时基于敦煌场地反射率光谱光滑的特点，利用EOS/MODIS大气订正后的通道反射比进行光谱内插，开展一种新的交叉定标方法试验。

文章针对SZ-3/CMODIS数据，用此两种方法独立进行场地替代定标，试验结果能够相互验证，表明这两种定标方法切实可行，定标精度可靠，为我国下一代环境气象卫星传感器在轨辐射定标提供了新的定标方法和技术。

关键词中分辨率成像光谱仪；场地辐射校正；星地准同步观测；交叉定标中图分类号：V472.2 文献标识码： A DOI：10.3964/j.issn.1000-0593(2009)05-1153-07引言神舟3号飞船搭载的中分辨率成像光谱仪（SZ-3/CMODIS）是我国新一代地球环境遥感卫星的试验仪器。

2002年3月25日神舟3号飞船进入太空，中分辨率成像光谱仪在3月底开始对地观测，9月底完成全部在轨试验观测任务。

神舟3号飞船中分辨率成像光谱仪具体技术参数见表1，它运行在(343±5)km高空，星下点地面分辨率为500 m，重复覆盖周期为2 d，轨道测量覆盖宽度为650～700 km, 有34个波段，波长范围在0.4～12.5 μm，在可见光近红外波段有30个探测通道，通道宽度全部为20 nm，通道位置差不多均匀排列。

基于MODIS数据的全球SST反演

基于MODIS数据的全球SST反演海表面温度（SST）是海洋-大气系统中的一个重要物理量。

所以，提供高精度的海表面温度，对了解全球气候变化及其他各种海洋科学工作有重要意义。

卫星遥感提供了获得海表面温度的有效可行方法。

MODIS具有强大的海洋信息探测功能，其存储和分发格式为HDF，可以通过交互式语言IDL编程，实现利用MODIS数据进行全球SST反演。

标签：海表面温度；MODIS；反演；IDL0 前言卫星SST观测的目的是为了了解区域和全球的气候变化，使人们能认识大范围的洋流变化。

这些观测是非常重要的。

首先，3m内的上层水体具有大致相同的热容量，上层10m的海水质量与覆盖其上的水柱的大致相同，海洋上层具有调节全球气候系统的能力，而SST与海洋上层的热存储成比例。

第二，大气的水汽和热通量的时间分布是海表面温度的函数。

第三，海表面温度的梯度分布与流系、涡、气流和上升流区域有关，这些过程在SST图像上是可以看到的。

随着人们认识的提高和卫星探测技术的发展，卫星海表面温度反演方法也在不断的发展。

目前，反演方法主要归为两大类：一类是利用与卫星同步的浮标回归得到海表面温度反演系数，另一类是利用大气辐射传递模式模拟计算从海面到卫星高度处的辐射传输，获得海表面温度反演系数。

本次实验中的SST反演算法属于第一类，即采用的参数由实测数据回归分析而来。

1 MODIS介绍中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer）-MODIS是Terra和Aqua卫星上搭载的主要传感器之一，两颗星相互配合每1-2天可重复观测整个地球表面，得到36个波段的观测数据，这些数据将有助于我们深入理解全球陆地、海洋和低层大气内的动态变化过程，因此，MODIS在发展有效的、全球性的用于预测全球变化的地球系统相互作用模型中起着重要的作用，其精确的预测将有助于决策者制定与环境保护相关的重大决策。