高光谱遥感数据的大气校正
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
火星高光谱遥感大气校正方法
火 星是离 地球 最 近的行 星 ， 人类 空 间探 测 的 是
吸收 与散 射 的影 响 ， 了得 到火 星 地表 的相 对反 射 为 率或 发射 率 光谱 曲线 ， 必须 对获 取 的高光 谱 数 据进 行 大气 校 正 ， 可 能 反 演 地 表 反 射 率 或 发 射 率 光 尽 谱， 以利 于地 物 的光 谱 分 类 和 矿 物 岩 石 识 别 研 究 。
据 中火 星地 表 发射 辐 射 与 大 气 贡 献 的 方法 主要 有 两 种 ， 种 是 辐 射 传 输算 法 （ａｉｔｅｔ ｎｆ ｌ ． 一 ｒｄａｖ ｒ ｓ ｒａ ｏ ｉ ａ ｅ ｇ ｒｈ ， ｉ ｍ） 另一种 是解 混算 法 （ ｅｏｖｌｉｎａ ｏｉ ｍ） ｔ ｄｃｎｏ ｔ ｌ ｒｈ ｕｏ ｇ ｔ
第 ３ 卷 第 ３期 １ ２０ ０ ８年 ９月
东 华 理 工 大 学 学 报 （自然 科学 版 ）
Ｊ ＯＵＲ ＮＡＬ ＯＦ Ｅ Ｔ Ｃ ＮＡ Ｉ Ｔ Ｔ ＴＥ ＯＦ Ｔ ＣＨＮＯＬ ＧＹ ＡＳ ＨＩ ＮＳ Ｉ Ｕ Ｅ Ｏ
Ｖｏ ． Ｎｏ ３ １ ３１ ．
ＳＤ ０ ８ ｅ ．２ ０
（ ｍｉ ｔ １ ， ０ ０；Ｂ ｎ ｅｄｅ ａ． ０ ０ ０ ３ Ｓ ｔ ｅ ａ． ２ ０ ｈ ａｆ ｌ ｔ １ ，２ ０ ，２ ０ ， ｉ
物 制 图光谱 仪 ” Ｏ Ｇ 于 ２ ０ 成 功 飞抵火 星 （ ＭＥ Ａ） ０ ４年 轨道 。２ ０ 美 国 Ｎ Ｓ ０ ５年 Ａ Ａ发 射 “ 星 勘查 轨 道 器 ” 火 （ ｒ Ｒ ｃｎ ａ ｓｎｅＯｂｔ ） Ｍａｓ ｅｏｎｉ ａｃ ｒｉｒ 携带 “ 型勘 查 成像 ｓ ｅ 小
（ ｏ ｅｅ ａ． ２ ０ ；Ｍ ｓ ｎ ｔ １ ． ０ ５ 。 Ｃ ｍｂ ｔ １ ， ０ ５ ｕｔ ｄｅ ａ． ２ ０ ） ａ
基于MODTRAN的高光谱快速大气校正方法
基于MODTRAN的高光谱快速大气校正方法作者：郭飞来源：《现代电子技术》2015年第10期摘要：高光谱遥感成像过程中一般会受大气成分的影响，为了利用高光谱数据进行有效的地物识别，这些影响必须消除。
详细介绍大气校正的一个过程：首先采用大气预处理微分吸收法（APDA）和暗像元法，通过并行调用MODTRAN先后建立水汽和能见度的查找表，从而计算出图像中水汽含量和能见度，并利用得出的这些参数建立反射率查找表，最终对高光谱图像进行逐像元校正。
该过程结合辐射传输模型法和基于图像信息的校正方法的优点，不需要实时的大气参数也能进行绝对大气校正。
同时，加入并行处理使运行速度显著提高。
通过对校正后的数据进行对比分析，结果表明校正后的光谱曲线与地面实物和其他软件校正后的光谱特征相吻合，该方法能够满足大气辐射校正的基本要求。
关键词：大气校正； MODTRAN； APDA；暗像元法中图分类号： TN911⁃34 文献标识码： A 文章编号： 1004⁃373X（2015）10⁃0023⁃050 引言20世纪80年代初期成像光谱（高光谱）技术的出现，使光学遥感进入了崭新的阶段。
高光谱遥感能在电磁波谱的可见光和红外区域，获取许多非常窄的光谱图像数据，为每个像元提供数十至数百个窄波段（一般小于10 nm）的光谱信息，产生一条完整而连续的光谱曲线，以便于识别出地物特征，具有波段多、光谱分辨率高、图谱合一等特点。
大气校正是遥感信息定量化过程中不可缺少的环节。
在高光谱图像的拍摄过程中，由于大气的存在，进入大气的太阳辐射会发生反射、折射、吸收、散射[1]，其中对传感器接受影响较大的是吸收和散射。
由于大气的吸收和散射，使得进入到传感器中的信号减弱[2]。
同时，大气的散射光也有一部分直接或经过背景地物反射进入到传感器时却又使得原型号增强了。
为了消除这些因素的影响，必须对高光谱数据进行大气辐射校正。
目前大气校正的方法主要有基于图像特征的经验线性法、相对校正方法和基于物理的辐射传输模型法[3]。
遥感图像的大气校正
大气校正
原理：
大气校正的目的是消除大气和光照等因素对地物反射的影响，本次试验采用简单的黑暗像元法。
黑暗像元法是一种古老、简单的经典大气校正方法。
它的基本原理是在假设待校正的遥感图像上存在黑暗像元、地表朗伯面反射和大气性质均一，并忽略大气多次散射辐照作用和邻近像元漫反射作用的前提下，反射率很小（近似0）的黑暗像元由于大气的影响，使得这些像元的反射率相对增加，可以认为这部分增加的反射率是由于大气影响产生的。
这样，将其他像元减去这些黑暗像元的像元值，就能减少大气（主要是大气散射）对整幅影像的影响，达到大气校正的目的。
步骤：
1.打开待校正的图像文件：
2.主菜单中选择Basic Tools---Preprocessing----General Purpose Utilities---Dark Parameters对话框，如下图所示：
3.在Dark Subtract Input File对话框中选择带校正的图像：单机OK。
4.在Dark Subtraction Parameters对话框中选择黑暗像素值，选择波段最小值（Band Minimum），然后选择输出路径，点击OK。
如下图所示：
5.重新打开新的窗口，显示校正过的图像：。
热红外高光谱遥感大气校正方法研究资料
-1.3691 -1.7726 -1.8433 -2.0291 -1.9759 -1.8994 -1.9783 -2.0260 -2.1879 -1.9198 -2.2883 -2.2779 -2.0985 -1.5296 -2.1790 -2.1057 -2.2976 -2.6836 -3.2150 -3.4507 -3.3170 -3.6548 -3.6786 -3.8024 -4.1122 -3.8666 -4.1106 -4.1250 -4.4418 -4.0521 -4.0067 -4.4272
可以认为是常数。因此，在局地范围内， LS 、 LW 波段辐射亮度满足方程 3.8 所示线性关
系。当 LS 对应一个强大气吸收峰，其毗邻通道 LW 位于该吸收峰外时，参数 Tr 、 Pd 的值 将强烈依赖于水汽、大气温度等大气状态信息。因此，可以构建其与大气透过率和路径辐 射波谱的有效经验关系（式 3.9）。式中 y() 为大气透过率或路径辐射， cij () 为随波长变
11.0113μm）、29（中央波长 11.1208μm）作为 LS 和 LW 通道（图 3.2）。
本文研究使用 Modtran4.0 模拟的大气波谱库来重塑针对 TASI 数据的经验关系。根据 TASI 数据获取地理位置及气象状况，通过设置水汽、温度等参数等级获得不同大气状态 下的大气波谱参数。在具体的操作过程中，本文根据大气有效温度的不同将获得的大气波
（3.3）
从 L() 中去除 () 和 Lp () 的影响得到 Ls () 的过程即为大气校正。因此，大气校正 的关键就在于获取这些大气参数。
3.1 基于热红外高光谱遥感数据的大气校正方法
由于受大气吸收、辐射等因素影响，热红外遥感数据蕴含了一定程度的大气信息。特 别是热红外高光谱遥感数据由于高波谱分辨率的技术优势使其承载了更加细腻的大气“指 纹”信息，为定量反演大气参数提供了可能。本文结合 TASI 数据及部分仿真热红外遥感 数据研究了 AAC 算法与 ISAC 算法针对 TASI 数据的性能。
envi高光谱数据处理流程
envi高光谱数据处理流程
envi高光谱数据处理流程是一种非常常用的数据处理方法，主要应用于高光谱遥感数据处理。
其主要流程包括：数据预处理、光谱反射率计算、特征提取与分类等几个步骤。
1、数据预处理：数据预处理包括数据校正、波长校准及大气校正等过程。
其中，数据校正主要是将数据进行去背景、去噪、去影响等处理。
波长校准是将采集到的数据进行波长校准，保证数据的准确性。
大气校正是将采集的数据进行大气校正，降低大气对数据的影响。
2、光谱反射率计算：光谱反射率计算是将采集到的数据进行转换，得到地表反射率信息。
这个过程主要通过将采集到的数据进行比对处理，计算出地表反射率。
3、特征提取：特征提取是将采集到的数据进行特征分析，得到地物分类信息。
这个过程主要通过对采集到的数据进行分析，计算出每个波段的特征，然后根据这些特征进行分类。
4、分类：分类是将采集到的数据进行分类，识别出地表不同的类别。
这个过程主要通过将采集到的数据进行分析，然后根据不同的特征进行分类，最终得到地表不同的类别。
总之，envi高光谱数据处理流程是一个比较全面、细致的数据处理方法，可以有效地对高光谱遥感数据进行处理，得到准确的地表信息。
- 1 -。
高光谱影像辐射定标和大气校正
高光谱影像辐射定标和大气校正
高光谱影像辐射定标是将采集到的高光谱数据转化为辐射能量数据的过程。
高光谱影像采集到的是不同波长范围内的能量强度，但不能直接获得具体的辐射能量值。
辐射定标的目的是将采集到的能量强度值转化为真实的辐射能量值，通常采用辐射标准物质通过定标装置进行校准。
大气校正是校正高光谱影像中由于大气散射和吸收引起的能量损失。
大气校正的目的是消除大气对高光谱数据的影响，使得反映地物表面真实辐射能量的信息能够更加准确地提取出来。
通常使用大气模型和辐射传输模型进行校正，将影像中的每个像元的能量值乘以大气校正系数，从而获得校正后的辐射能量数据。
高光谱影像辐射定标和大气校正是高光谱遥感数据处理中非常重要的步骤，能够提高数据的精度和准确性，为后续的遥感应用和地物信息提取提供可靠的基础。
基于FLAASH的高光谱遥感数据大气校正应用
０ 前言
由于传 感 器接 收 到 的是 太 阳辐 射 通 过 大气 以 折射 、 射 、 收 、 散 吸 反射 等 形 式入 射 到 物体 表 面 ， 再 返射 回传感器的辐射信息， 因此在遥感影像 中， 既 包括了地表辐射信息 ， 也包括了大气辐射信息。为
Ｃ Ｒ。作 者在 本文 仅对 Ｆ Ａ Ｓ Ｏ Ｌ Ａ Ｈ方 法进 行 了探 讨 。
ＬＮ ｖＲ＝Ｄ ／ ０； Ｎ４
２ ３ ２ 波 段 剔 除 ．．
ＬｗＲ Ｎ ８ ｓＩ ＝Ｄ ／ ０
（） ３
不 同 的水 汽 柱含 量 ， 而便 于计 算 。
在大气校正参数获取后 ， 根据方程 （ ） １ 中逐个 波段像元计算地表平均反射率。此时， 利用空 间平
均辐 射 度 ， 忽略 “ 临近 像 元 效应 ” 得 出如 下 近 似 方 ， 程 （ ）并 估 算 出空 间平 均反 射率 Ｐ ２ ，
（． １成都理工大学
２ 成都 理 工大 学 ．
摘
地球科 学学院， 四川 成都 ６０５ ； １０９
６０５ ） １０９
信 息工 程 学院 ， 地球 探 测与 信 息技 术教 育部 重 点 实验 室 ， 四川 成都
要 ：星载传 感器接 收到 的 电磁 波 ， 经大 气吸 收和 散 射 的影 响 。 高光谱 分辨 率 遥 感影 像 具 必
第３ 卷 第４ ２ 期
物探化探 计算技术
２１ 年７月 ００
文章编 号 ：１０— １４ （０ ０ ０ —Ｏ４ —０ ０ Ｆ Ａ Ｓ 的高 光 谱 遥 感 数 据 大 气 校 正应 用 ＬＡＨ
吴 彬 ２ 苗 放２ ， ，叶成名２ 黄舒寒懋２ 毕晓佳２ ， ，
（ ） 以提取 影像 中定标 目标 的纯 像元 。 ３难 基于辐射传输模型的大气校正方法 ， 主要是根 据 ＭＯ Ｔ Ａ ４＋和 ６ ＤＲＮ ｓ等模 型发 展 起来 的 ， 中最 其
大气校正的方法
大气校正的方法
大气校正是指通过计算和分析遥感影像的大气影响，来修正遥感影像的像素值，以获得更准确的地表覆盖信息和遥感数据。
大气校正的方法主要有以下几种:
1. 统计学方法：该方法利用野外光谱测量数据来建立模型，并通过计算遥感影像的光谱特征和野外光谱数据的相关性来校正大气影响。
2. 辐射传递方程计算法：该方法通过建立辐射传递方程来计算遥感影像的大气影响，从而获得更准确的遥感数据。
3. 波段对比法：该方法利用不同波段之间的差异来识别大气影响，并通过计算不同波段之间的差异来校正大气影响。
4. 基于 MODTRAN 的高光谱快速大气校正方法：该方法利用MODTRAN 模型来计算大气影响，并通过建立水汽和能见度的查找表来校正大气影响。
5. 机载高光谱遥感图像大气校正方法：该方法通过分析机载高光谱遥感图像的大气影响，来修正遥感图像的像素值，以获得更准确的地表覆盖信息和遥感数据。
不同的方法有不同的假设和优缺点，选择合适的大气校正方法需要考虑多种因素，如数据质量、计算效率、精度和成本等。
EO-1Hyperion高光谱数据FLAASH模块大气纠正及评价
２１ ０ １年 １ ２月
测 绘 与 空 间地 理 信 息
Ｇ ＯＭＡＴ Ｃ ＆ Ｓ ＡＴ Ａ ＮＦ ＭＡＴ Ｏ Ｔ ＨＮＯ ＯＧ Ｅ ＩＳ Ｐ Ｉ Ｌ ｌ ＯＲ Ｉ Ｎ ＥＣ Ｌ Ｙ
Ｖ０ ． ４。 ｏ ６ １３ Ｎ ． Ｄ ｅ ，２ １ ｅ． ０１
Ｅ 一１ ｐ ｒ ｎ高 光 谱 据 Ｆ Ａ Ｈ 模块 Ｏ Ｈｙ ｅｉ ｏ 数 Ｌ ＡＳ 大 气 纠正 及 评 价
Ｏ 引 言
太 阳辐 射在 真空 中传 播 时几 乎 不 受 大气 的 影 响 。然 而， 当它 与 地球 大气 交 互作 用 时 ， 发生 选择 性 散射 和 吸 会 收， 对 于 定 量 研 究 和 分 类 精 度 造 成 很 大 的 影 响。 这 Ｆ Ａ Ｓ 是 目前 精度 最高 的大气 辐射 校正 模 型 ， Ｌ ＡＨ 能有 效 地 消 除大 气 和光 照 等 因素 对地 物 反 射 的 影 响 ， 得 地 物 较 获 为 准确 的反射 率 。本文对 新 疆 地 区 Ｅ Ｏ一１Ｈ ｐｒ ｎ 光 ｙｅ ｏ 高 ｉ 谱 数据 通过 Ｆ Ａ Ｓ 模 块 进 行 大 气 校 正 ， 后 续 的 进 一 Ｌ ＡＨ 为 步研 究 提供 支持 。
周 清 ，祝 民强
（ 东华理工大学 江西省数字国土重点实验室 ， 西 抚 州 ３４０ ） 江 ４００
摘
要： 由于受到大 气的影响 ， 传感 器接收 到 的辐 射信 息不能真 实地反 映地 表反射 光谱信 息 ， 因此 ， 遥感影像 从
中去除大气的影响 ， 即进行 大气校 正， 高光谱遥 感数据 处理 中极 为重要 的环 节。文章介绍 了 Ｅ 是 Ｏ一１ｙｅ ｏ ｈｐｒ ｎ高 ｉ
关键词 ： 高光谱 遥感影像 ； 大气校正 ；Ｌ Ａ Ｈ； ｙｅ ｏ 数据 Ｆ Ａ Ｓ Ｈ ｐｒ ｎ ｉ
envi辐射定标和大气校正步骤
envi辐射定标和大气校正步骤对于envi辐射定标和大气校正步骤来说，准确的操作流程至关重要。
首先，我们需要明确辐射定标和大气校正的的概念和目的。
辐射定标是指将数字图像或遥感数据转换成辐射亮度或反射率的物理单位。
辐射定标的目的是获得一个相对于时间和地点稳定的反射率值，使得不同场景下的遥感数据可以进行比较。
然后，进行大气校正是为了消除大气影响，从而提取出地物表面的真实反射率或辐射亮度。
大气校正可以有效减少大气光散射和吸收对遥感图像的影响，提高图像的质量。
以下是envi辐射定标和大气校正的步骤：1. 数据获取：首先，需要获取原始遥感数据，包括多光谱或高光谱图像。
2. 辐射定标：对于多光谱或高光谱数据，需要根据仪器的辐亮度标定系数，将原始数字值转换为辐射亮度。
这通常涉及到使用辐射标定面或辐射源对仪器进行校准。
3. 大气校正：接下来，需要进行大气校正。
大气校正的方法有多种，最常用的是大气逐像元校正（ATCOR）模型和大气点标定（ACD）方法。
这些方法通过考虑大气散射、吸收和大气廓线等参数，来推算出地表反射率。
4. 反射率计算：校正后的数据可以通过将辐射亮度或辐射率除以太阳辐照度，得到表面的反射率。
这样，我们就可以比较不同场景下的遥感数据了。
5. 结果分析和应用：最后，对校正后的图像进行分析和应用。
可以进行分类、目标识别、监测等操作，以获得我们所需的信息。
总而言之，envi辐射定标和大气校正步骤是遥感数据处理中的关键过程，它们可以提高数据的准确性和可比性。
正确执行这些步骤可以使我们从遥感图像中获取更多有价值的信息，从而促进环境监测、资源管理和地理研究等领域的发展。
遥感数据大气校正ENVI
在最初的遥感学习中，我总是分不清传感器定标、辐射定标、辐射校正、大气校正这几个概念的区别与联系。
而且在不同的资料中，各个名词的解释又不一样。
例如：定标是将传感器所得的测量值变换为绝对亮度或变换为与地表反射率、表面温度等物理量有关的相对值的处理过程（赵英时等《遥感应用分析原理与方法》）遥感器定标就是建立遥感器每个探测器输出值与该探测器对应的实际地物辐射亮度之间的定量关系；建立遥感传感器的数字量化输出值DN与其所对应的视场中辐射亮度值之间的定量关系（陈述彭）。
辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程（梁顺林《定量遥感》，2009）其实，简单来说，辐射定标就是将记录的原始DN值转换为大气外层表面反射率，目的是消除传感器本身产生的误差，有多种方法：实验室定标、星上定标、场地定标。
公式1就是将初始的DN值转换为辐射亮度，其中Lb是值辐射亮度值，单位是：W/cm2.μm.sr（瓦特/平方厘米.微米.球面度），Gain和Bias是增益和偏移，单位和辐射亮度值相同，可以看出，辐射亮度和DN值是线性关系。
公式二是将辐射亮度值转换为大气表观反射率，式中：Lλ为辐射亮度值，d为天文单位的日地距离，ESU Nλ为太阳表观辐射率均值，θs是以度为单位的太阳高度角。
不过总的来说，这部分的工作基本上不需要用户自己做，相关的系数都包含在数据的头文件或者元数据中了。
例如用Env i打开Modis数据，就是反射率（大气外层表观反射率），辐射亮度以及发射率三个数据类型（见dsbin：传感器定标http://bbs.esri /ESRI/viewthread.php?tid=56191）。
大气校正就是将辐射亮度或者表观反射率转换为地表实际反射率，目的是消除大气散射、吸收、反射引起的误差。
主要分为两种类型：统计型和物理型。
统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，详细请参照玉妮小居新浪博客：辐射校正的统计模型/s/blog_5f4afe870100da1w. html。
高光谱遥感数据的改正暗目标大气校正方法研究
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]:
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
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,
高光谱遥感定标和校正
实验报告班级：遥感科学与技术2013级1班姓名：文凤平学号：2013043009 一．实验名称定标和大气校正二．实验目的用FLAASH工具完成影像的大气校正，熟悉其校正含义及参数的意义。
三．实验数据四．实验内容与结果分析（实验主要内容，软件操作的主要过程截图及实验结果截图）（1）TM影像定标—FLAASH大气校正，结果分析，查看校正前后影像光谱曲线变化1.加载多光谱中需要进行大气校正的图像，Basic Tools->Preprocessing->Calibration Utilities->Landsat Calibration在弹出来的对话框中加载TM图像；2.Basic Tools->Convert Data(BSQ,BIL,BIP)在对话框中选择定标后的图像，然后再Convert File Parameters窗口中作如下选择：Output Interleave选择BIP，Convert In Place选择Yes，点击ok按钮即可；3.Spectral->FLAASH在弹出的对话框中的Input Radiance Image中加载定标且转换过格式的多光谱图像在弹出的对话框中设置如下：点击在右下角的按钮加载多光谱文件夹中TXT记事本即可得到所有的FLAASH参数设置：4.点击左下角的Apply按钮即可运行大气校正的操作，将校正后和校正前的图像进行link对比并查看两者的光谱曲线图像（在主窗口中右键->Z Profile（Spectrum））；左图为校正前右图为校正后（2）AVIRIS数据（已定标）—FLAASH大气校正，结果分析，查看校正前后影像光谱曲线变化1.加载高光谱文件夹中需要进行大气校正的图像，Spectral->FLAASH在弹出的对话框中的Input Radiance Image中加载定标且转换过格式的多光谱图像在弹出的对话框中设置如下：点击在右下角的按钮加载多光谱文件夹中TXT记事本即可得到所有的FLAASH参数设置：点击对话框下面按钮，设置如下：点击右下角按钮设置如下：2.点击左下角的Apply按钮即可运行大气校正的操作，将校正后和校正前的图像进行link对比并查看两者的光谱曲线图像（在主窗口中右键->Z Profile（Spectrum））；。
Hyperion高光谱遥感数据大气校正方法
Hyperion高光谱遥感数据大气校正方法张秋爽;祝民强;刘碧洪【摘要】由于受到大气的影响,传感器接收到的辐射信息不能真实地反映地表反射光谱信息,因此,从遥感影像中去除大气的影响,即进行大气校正,是高光谱遥感数据处理中极为重要的环节;通过应用大气校正模块FLAASH,研究选择了合适的大气模式、水汽含量、气溶胶模型、波谱分辨率和多散射模型等参数,对内蒙东胜地区Hyperion高光谱遥感影像进行大气校正;比较了校正前后典型地物的光谱曲线,并将它们与实验审典型地物光谱曲线进行对比,大气校正后得到的光谱曲线和实验室得到的光谱曲线具有较好的一致性,达到了去除大气影响的目的,同时校正成的水汽分布也表明校正效果良好.【期刊名称】《计算机测量与控制》【年(卷),期】2010(018)001【总页数】3页(P220-222)【关键词】高光谱;大气校正;FLAASH;Hyperion【作者】张秋爽;祝民强;刘碧洪【作者单位】东华理工大学,江西省数字国土重点实验室,江西,抚州,344000;东华理工大学,江西省数字国土重点实验室,江西,抚州,344000;东华理工大学,江西省数字国土重点实验室,江西,抚州,344000【正文语种】中文【中图分类】TP790 引言高光谱遥感技术是20世纪 80年代迅速发展起来的一种全新的遥感技术。
由于其可以为每个地面像元提供数百个波段的光谱信息,使其能更有效地对物质进行识别和分类,因此高光谱遥感技术在海洋遥感、植被研究和地质调查等领域都有良好的应用前景,尤其在军事应用方面已经得到了各国的重视[1]。
大气校正是遥感影像辐射校正的主要内容,是获得地表真实反射率必不可少的一步,对定量遥感尤为重要。
随着定量遥感技术迅速发展,遥感图像大气校正方法的研究越来越受到重视[2]。
目前国内外已提出了不少的大气校正模型,主要有：辐射传输模型法、黑暗像元法、不变目标法和直方图匹配法等。
在诸多的大气校正方法中,校正精度较高的方法是辐射传输模型法。
高光谱与高分辨率遥感——定标与大气辐射校正
成都信息工程学院Chengdu University of Information Technology高光谱与高分辨率遥感实验报告实验名称：定标和基于FLAASH的多分/高分影像大气辐射校正指导老师：***学生姓名：***学号：**********1 实验名称：定标和基于FLAASH的多分/高分影像大气辐射校正2 实验目的熟悉定标过程和用FLAASH工具完成影像的大气校正，熟悉其校正含义及参数的意义。
3数据介绍：多光谱数据LandsatTM_JasperRidge_hrf.fst（未定标）和高光谱数据JasperRidge98av.img以及信息文件JasperRidge98av_template.txt、AVIRIS_1998_scale.txt、JasperRidgeTM_template.txt4实验步骤4.1高光谱影像的大气校正4.1.1打开Spectral—FLAASH打开FLAASH大气校正工具，设置的参数用到了JasperRidge98av_template.txt（Restore中加载）、AVIRIS_1998_scale.txt文件，结果如下：点击Apply4.1.2产生的有关水汽的数据：4.1.3大气校正前、后的图像：前后4.2多光谱数据定标4.2.1打开多光谱TM数据，之后选择BasicTools—Preprocessing—Calibration—Landsat TM，然后选择打开的数据，定标类型为Radiance辐射率，输出定标后的结果所示：4.2.2 然后BasicTools—Convert Data，输入定标的数据，得到bip文件：4.2.3打开Spectral—FLAASH打开FLAASH大气校正工具，输入的为bip文件，第二次输入LandsatTM_JasperRidge_hrf.fst，Restore输入JasperRidgeTM_template.txt文件，Apply。
基于高光谱遥感影像的大气纠正_用AVIRIS数据评价大气纠正模块FLAASH
39 4 遥 感 技 术 与 应 用 第 20 卷
同时 提 供 对 整 幅 影 像 的 能 见 度 的 计 算。 此 外, 射后的散射光, 直接向上通过大气进入传感器的一
FLAA SH 能够生成卷云与薄云的分类影像, 对光谱 部分辐照度〔4〕。 Θ和 Θe 的区别主要来自于大气散射
度)、气溶胶类型和大气水汽柱含量。 由于目前气溶 胶反演算法多是基于影像中的特殊目标, 如水体或
下是可行的, 但在有薄雾或地物存在强烈对比的条 件下会导致在短波范围内大气纠正结果的明显误
浓密植被等暗体目标, 在 FLAA SH 中也延用了暗目 标法, 一景影像最终能获取一个平均的能见度数据; 另一方面, FLAA SH 中大气水汽柱含量的反演算法 是基于水汽吸收的光谱特征, 采用了波段比值法, 因 此水汽含量的计算在 FLAA SH 中是逐像元进行的。 第二步, 大气参数获取之后, 通过求解大气辐射传输
进行平滑, 消除噪声〔3〕。
引起的“邻近像元效应”。 在大多数的大气辐射校正
2. 1 大气纠正的基本流程
模 块, 如 A CO RN 、HA TCH、A TR EM 中, 一 般 设
FLAA SH 中大气纠正主要分 3 步。 第一步, 从 Θ= Θe, 在校正的结果中忽略了“邻近像元效应”, 这
影像中取大气参数, 包括能见度 (气溶胶光学厚 种校正方法在地物类型均一而且能见度较高的条件
具有一定难度, 但可以认为它们与临近波段的T (Κ1) 和 Θ(Κ1) 近似相等, 由此, 可以选择两个或多个光谱 通道, 用不同通道的反射率之比来消除散射和地表 反射率的影响, 从而分离出水汽信息〔5, 6〕。 2. 4. 2 气溶胶光学厚度的获取
如下所述: 在入射与反射的路径上, 大气对各种波长的辐
陆地高光谱遥感数据的大气校正算法分析
㊀第３４卷第４期㊀青岛大学学报(工程技术版)㊀V o l ．３４N o ．４㊀２０１９年１１月J O U R N A LO F Q I N G D A OU N I V E R S I T Y (E &T )N o v ．２０１９文章编号:１００６９７９８(２０１９)０４００９４０４;D O I :１０．１３３０６/j．１００６９７９８．２０１９．０４．０２０陆地高光谱遥感数据的大气校正算法分析付海龙１,刘永海２(１．青岛大学人事处,山东青岛２６６０７１;２．北部战区海军参谋部作战勤务保障大队,山东青岛２６６０７０)摘要:针对大气散射㊁气溶胶散射和太阳反射等因素影响,使传感器接收到的数据与地表反射的数据不一致,造成遥感图像失真的问题,本文为了将高光谱成像数据用于陆地表面的定量遥感,必须消除大气影响,对所获得的信息进行大气校正.通过运用辐射传输模型法对遥感数据进行大气校正,并采用经验法与辐射传输模型法相结合的混合方法进行大气校正.研究结果表明,将A T R E M 和现场光谱测量相结合,可以在与校准点不同的海拔上改善大气校正,地面校准消除了与传感器伪影和辐射传输模型相关的残留误差.该研究可以使遥感图像准确地获得地表信息.关键词:大气校正;光谱;遥感;辐射传输模型中图分类号:P ４０７;T P ７２２．４㊀㊀文献标识码:A收稿日期:２０１９０５１２;修回日期:２０１９０７２３作者简介:付海龙(１９８３),男,硕士,主要研究方向为核能科学与工程.E m a i l :Q D P Y G L ＠１６３．C OM㊀㊀自２０世纪６０年代以来,遥感技术作为一门探测技术逐渐发展起来,该技术是通过卫星遥感获取地表的辐射信息,从而达到对地物进行监测的目的.遥感技术具有监测准确㊁快速等特点,在环境㊁水利㊁农林业等方面广泛应用.由于受大气散射㊁气溶胶散射和太阳反射等影响,地表发射的辐射信息在传输到传感器的过程中,其强度㊁波谱㊁空间分布等发生变化,使遥感器获得的数据与地表反射的数据不一致,遥感图像出现失真.因此,为了获得准确反应地表信息的遥感图像,必须对所获得的信息进行大气校正.大气校正的目的是消除大气和光照等大气因素对地表反射信息的影响㊁大气中氧气㊁二氧化碳㊁水蒸气和臭氧等对地物反射的影响㊁以及大气分子和气溶胶散射的影响.多数情况下,大气校正同时也是反演地物真实反射率的过程,如果数据未经校正,有可能丢失这些重要成分反射率差别微小的信息.遥感图像的大气校正方法有很多,按校正结果,可分为绝对大气校正方法和相对大气校正方法两种.常用的大气校正方法有不变目标法㊁直方图匹配法㊁暗元目标法和辐射传输模型法等.权维俊等人[１]利用L a n d s a t 卫星影像对地表覆被类型区分进行了研究;郑秋萍等人[２]通过大气校正对热岛效应进行了研究;刘朝顺等人[３]基于６S 模型对L a n d s a tE T M＋的可见光到中红外波段的反射率进行了大气校正.自２０世纪８０年代中期以来,大气校正算法已经从先前的经验线法和平场域法演变为基于严格的辐射传递模型方法.因此,本文主要对陆地高光谱遥感数据的大气校正算法进行研究,给出了陆地辐射传输模型方法,并研究了经验法与辐射传输模型方法相结合的混合方法.该研究对准确获得地表信息的遥感图像具有实际意义.１㊀陆地辐射传输模拟方法由于表面反射率反演经验方法的局限性,１９８７年,F ．H．G．A l e x a n d e r 研究了一种使用辐射传输模型的大气校正技术.随着大气去除算法(a t m o s p h e r i c r e m o v a l a l g o r i t h m s ,A T R E M )[４]的发展,大气校正技术很快得到实现,它利用理论建模技术,从高光谱成像数据中获取陆地表面反射光谱,模拟大气气体和气溶胶的吸收和散射效应.１．１㊀大气效应和辐射传输公式太阳表面传感器路径上的太阳辐射受大气气体和气溶胶的吸收和散射影响,为了从成像光谱仪数据中导出表面反射光谱,需要对这些效应进行精确建模.在约３０种大气中,只有水蒸汽(H ２O ),二氧化碳(C O ２),臭氧(O ３),一氧化二氮(N ２O ),一氧化碳(C O ),甲烷(C H ４),氧气(O ２)和二氧化氮(N O ２)这８种气体的波长在０ ４~２ ５μm 的范围内,光谱分辨率在１~２０n m 之间,在成像光谱仪数据中产生可观察的吸收特征.８种气体模拟大气透射光谱如图１所示.该路径设定太阳天顶角为５０ʎ,在最低点观察海平面表面和大气顶部的传感器,给出每种气体的典型用量,每处的水平尺度相同,垂直尺度不同.在采样间隔为１n m ,光谱分辨率为５n m 的条件下,对㊀第４期㊀㊀付海龙,等:陆地高光谱遥感数据的大气校正算法分析图１㊀８种气体模拟大气透射光谱光谱进行模拟.由图１可以看出,波长大约在０ ４~２ ５μm 之间,光谱区域的一半受到大气中水蒸汽的吸收,而其它７种气体的吸收效应通常位于更窄的波长间隔内.大气气态分子和气溶胶散射太阳,辐射在０ ４~０ ７μm 之间的短波长区域受到分子散射(瑞利散射)的强烈影响.随着波长(λ－４)的增加,其效应迅速下降.气溶胶散射效应随着波长的增加而减小,但是速率较慢.用卫星成像光谱仪测量的辐射率包括大气路径辐射率(由瑞利和气溶胶散射产生)和地面反射太阳辐射率,这些辐射通常被转换成表观反射率[４５].表观反射率是大气和地表系统反射率的量度.表观反射率为ρ∗o b s (λ,θ,ϕ,θ０,ϕ０)＝πL o b s (λ,θ,ϕ,θ０,ϕ０)/[μ０F ０(λ)](１)式中,θ０为太阳天顶角;ϕ０为太阳方位角;θ为传感器天顶角;ϕ为传感器方位角;λ为波长;L o b s 为卫星测得的辐射亮度;F ０为当天顶角等于零时太阳顶部太阳光通量;μ０为太阳天顶角的余弦.根据D．T a n r e 等人[５]的研究,假设曲面为朗伯表面(L a m b e r t i a n ),当忽略邻接效应时,表观反射率可近似为ρ∗o b s (λ,θ,ϕ,θ０,ϕ０)＝[ρ∗a t m (λ,θ,θ０,ϕ０)＋t d (λ,θ０)t u (λ,θ)ρ(λ)/(１－s (λ)ρ(λ))]T g (λ,θ,θ０)(２)式中,ρ为路径反射率;t d 为向下散射透射率;t u 为向上散射透射率;s 为大气球面;T g 为太阳表面传感器路径中的总气体透过率.由式(２)可知,将大气散射和气体吸收过程视为２个独立过程,两者间的耦合效应被忽略.在真实大气中,散射和吸收过程同时发生.在大气气体吸收较弱的区域和散射效应较小的区域,耦合效应较小.表面反射率ρ为ρ＝(ρ∗o b s /T g －ρ∗a t m )/[t d t u ＋s (ρ∗o b s /T g －ρ∗a t m )](３)通过使用辐射传输模型模拟大气的T g ,ρ∗a t m ,t d ,t u 和s ,反射率ρ(假设为水平朗伯表面)可以从测量的辐射率L o b s 中,通过计算方程(１)和(３)得到.由L ．G u a n t e r 等人[６７]的部分案例研究可知,在气溶胶吸收和散射效应建模的成像数据中,可反演出气溶胶模型和光学深度.１．２㊀大气去除算法(A T R E M )A T R E M 从A V I R I S 收集的成像光谱数据中获取表面反射光谱,不需要对反射光谱进行现场测量.由于水汽在空间内是可变的,因此利用信道比率技术[４],从波长为０ ９４μm 和１ １４μm 的水蒸汽吸收波段,根据图像逐步推导出综合水汽量.采用窄带谱模型[８]和得到的水汽值,模拟波长为０ ４~２ ５μm 的完整太阳光谱区域内的水汽透射谱,类似地,在０ ４~２ ５μm 区域中的二氧化碳(C O ２),臭氧(O ３),一氧化二氮(N ２O ),一氧化碳(C O ),甲烷(C H ４)和氧气(O ２)是基于太阳和观测几何模拟,大气分子和气溶胶造成的散射效应通过５S 计算机编码模拟.为模拟气溶胶效应,用户需选择气溶胶模型和表面能见度,并根据测得的辐射度与大气层上方太阳辐照度的比值,得到表观反射率.表面反射率利用模拟大气气体透过率㊁模拟分子和气溶胶散射数据从表观反射率得到.A T R E M 编码的标准输出包括水汽图像和表面反射率数据立方体(空间成像的两维和光谱信息的一维).由于在反演过程中假设为水平朗伯表面,表面反射率ρ被称为缩放表面反射[８],缩放表面反射率与绝对表面反射率的乘法因子不同,后者与表面斜率和表面双向反射特性有关.从A v i r i s 数据中获取的地表反射率如图２所示.由图２可以看出,在２ １~２ ４μm 光谱区的矿物吸收谱带,尤其是２ ２μm 附近的特征高岭石双峰吸收特征,在大气校正后得到恢复.A T R E M 的发展标志着成像光谱学发生了巨大进步,使大型陆地遥感界将成像光谱仪的数据转换为地面反射,用于各种应用,并使高光谱研究活动得到显著加速.２０世纪９０年代末和２１世纪初,A T R E M 代码用逐线大气透过率模型[９]和H I T R A N ２０００直线数据库[１０１１]代替谱带模型进行升级.５S 计算机代码被更新的６S 代码替代,用于模拟大气散射效应.在０ ４~０ ８μm 的光谱区增加了模拟大气中N O ２吸收效应的模块.该算法需要具有用于N O ２列数量的输入(通常约５ˑ１０１５个分子/c m ２).更新的A T R E M 算法可以改进表面反射率的推导,特别是在具有大气气体吸收特征的光谱区域.５９青岛大学学报(工程技术版)第３４卷图２㊀从A V I R I S数据中获取的地表反射率２㊀经验法与辐射传输模型方法的混合法将辐射模型和经验方法结合,推导来自高光谱成像数据的地表反射[１２１３].由于用辐射传输模型获得的表面反射光谱,经常包含残留的大气吸收和散射效应,还可能包含由于辐射测量和光谱校准中的误差而造成的伪影,尽管模型随着时间而改善,但它们还没有达到将所有伪影都小于传感器噪声的水平.而高光谱方法[１４]是从A V I R I S数据中推导实验室质量表面反射光谱,其校准地点在单个地面,是将A T R E M和现场光谱测量相结合,可以在与校准点不同的海拔上改善大气校正,地面校准消除了与传感器伪影和辐射传输模型相关的残留误差.３㊀结束语本文研究了高光谱图像数据大气校正的辐射传输模型方法,并介绍了将辐射传输模型方法与经验方法相结合的混合方法.辐射传输模型方法已经足够成熟,可用于高光谱成像数据的常规处理.使用内置平滑模块算法的用户,应注意在其反演的表面反射光谱中,存在人工宽吸收特征的可能性.混合方法允许从成像光谱仪数据中推导类实验室反射光谱.运用辐射传输模型法对遥感数据进行大气校正,并将经验法与辐射传输模型法相结合,使大气校正结果更为准确,但基于大气校正算法的辐射传输模型还有深入讨论和改进的空间.参考文献:[１]㊀权维俊,郭文利,叶彩华,等．基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法[J]．南京气象学院学报,２００７,３０(５):６１０６１６．[２]㊀郑秋萍,刘红年,陈燕．城市化发展与气象环境影响的观测与分析研究[J]．气象科学,２００９,２９(２):２１４２１９．[３]㊀刘朝顺,高炜,高志强,等．基于E TM＋遥感影像反演不同土地利用类型地表温度的研究[J]．南京气象学院学报,２００８,３１(４):５０３５１０．[４]㊀G a oBC,H e i d e b r e c h tKB,G o e t zAF H．D e r i v a t i o no f s c a l e d s u r f a c e r e f l e c t a n c e s f r o m A V I R I Sd a t a[J]．R e m o t eS e n s i n g o fE n v i r o n m e n t,１９９３,４４(２/３):１６５１７８．[５]㊀T a n r eD,D e u z e J,H e r m a nM,e t a l．S e c o n d s i m u l a t i o n o f t h e s a t e l l i t e s i g n a l i n t h e s o l a r s p e c t r u mＧ６S c o d e[J]．I E E ET r a n s a cＧt i o n s o nG e o s c i e n c e a n dR e m o t eS e n s i n g,１９９７,３５(３):６７５６８６．[６]㊀G u a n t e rL,A l o n s oL,M o r e n o J．A m e t h o d f o r t h e s u r f a c e r e f l e c t a n c e r e t r i e v a l f r o mP R O B A/C H R I Sd a t a o v e r l a n d:a p p l i c aＧt i o n t oE S AS P A R Cc a m p a i g n s[J]．I E E ET r a n s a c t i o n s o nG e o s c i e n c e a n dR e m o t eS e n s i n g,２００５,４３(１２):２９０８２９１７．[７]㊀K a u f m a nYJ,W a l dA,R e m e rL A,e t a l．T h eMO D I S２ １Ｇμmc h a n n e lＧc o r r e l a t i o nw i t hv i s i b l e r e f l e c t a n c e f o ru s e i nr e m o t e s e n s i n g o f a e r o s o l[J]．I E E ET r a n s a c t i o n s o nG e o s c i e n c e a n dR e m o t eS e n s i n g,１９９７,３５(５):１２８６１２９８．[８]㊀M a l k m u sW．R a n d o ml o r e n t z b a n dm o d e l w i t h e x p o n e n t i a lＧt a i l e dS l i n e i n t e n s i t y d i s t r i b u t i o n f u n c t i o n[J]．J o u r n a l o f t h eO p t i c a l S o c i e t y A m e r i c a,１９６７,５７(３):３２３３２９．[９]㊀G a oBC,D a v i sC O．D e v e l o p m e n t o f a l i n eＧb yＧl i n eＧb a s e da t m o s p h e r e r e m o v a l a l g o r i t h mf o r a i r b o r n e a n ds p a c e b o r n e i m a g i n g s p e c t r o m e t e r s[J]．S P I EP r o c e e d i n g s,１９９７,３１１８,１３２１４１．[１０]㊀R o t h m a nLS,J a c q u e m a r tD,B a r b eA,e t a l．T h eH I T R A N２００４m o l e c u l a r s p e c t r o s c o p i c d a t a b a s e[J]．J o u r n a l o fQ u a n t i t aＧt i v eS p e c t r o s c o p y a n dR a d i a t i v eT r a n s f e r,２００５,９６(２):１３９２０４．[１１]㊀R o t h m a nLS,B a r b eA,B e n n e rD C,e t a l．T h eH I T R A N m o l e c u l a r s p e c t r o s c o p i cd a t a b a s e:e d i t i o no f２０００i n c l u d i n g u pＧd a te s t h r o u g h２００１[J]．J o u r n a l o fQ u a n t i t a t i v eS p e c t r o s c o p y a n dR a d i a t i v eT r a n sf e r,２００３,８２(１/４):５４４．[１２]㊀B o a r d m a nJ W．P o s tＧA T R E M p o l i s h i n g o fA V I R I Sa p p a r e n t r e f l e c t a n c ed a t au s i n g E F F O R T:Al e s s o n i na c c u r a c y v e r s u s p r e c i s i o n[C]ʊS u mm a r i e so f t h eS e v e n t hJ P L A i r b o r n eE a r t hS c i e n c e W o r k s h o p．P a s a d e n a,C A,U S A:J P L P u b l i c a t i o n,６９㊀第４期㊀㊀付海龙,等:陆地高光谱遥感数据的大气校正算法分析７９１９９８:９７１２１．[１３]㊀G o e t zAF,B o a r d m a nJ W,K i n d e lBC,e t a l．A t m o s p h e r i c c o r r e c t i o n s:o nd e r i v i n g s u r f a c e r e f l e c t a n c e f r o m h y p e r s p e c t r a li m a g e r s[J]．S P I EP r o c e e d i n g s,１９９７,３１１８:１４２２．[１４]㊀C l a r kR N,S w a y z eG A,H e i d e b r e c h tK,e t a l．C a l i b r a t i o no f s u r f a c e r e f l e c t a n c eo f t e r r e s t r i a l i m a g i n g s p e c t r o m e t r y d a t a:c o m p a r i s o no fm e t h od s[C]ʊS u mm a r ie s of t h e５t hA n n u a l J P LA i r b o r n eE a r t hS c i e n c eW o r k s h o p J P LP u b l i c a t i o n．P a s a d e n a,C A:１９９５:４１４２．AR e s e a r c hA b o u tA t m o s p h e r i cC o r r e c t i o nA l g o r i t h mf o rL a n dH y p e r s p e c t r a lR e m o t e S e n s i n g D a t aF U H a i l o n g１,L I U Y o n g h a i２(１．H u m a nR e s o u r c e sD e p a r t m e n t,Q i n g d a oU n i v e r s i t y,Q i n g d a o２６６０７１,C h i n a;２．C o m b a t S e r v i c eS u p p o r tT e a mo fN a v a l S t a f f o fN o r t h e r nT h e a t e r,Q i n g d a o２６６０７０,C h i n a)A b s t r a c t:I nv i e wo f t h e i n f l u e n c e o f a t m o s p h e r i c s c a t t e r i n g,a e r o s o l s c a t t e r i n g,s o l a r r e f l e c t i o na n do t h e r f a cＧt o r s,t h e d a t a r e c e i v e db y t h e s e n s o r a r en o t c o n s i s t e n tw i t h t h e d a t a r e f l e c t e d f r o mt h e g r o u n d s u r f a c e,r e s u lＧt i n g i n t h ed i s t o r t i o no f r e m o t e s e n s i n g i m a g e．I no r d e r t ou s eh y p e r s p e c t r a l i m a g i n g d a t a f o r q u a n t i t a t i v e r eＧm o t e s e n s i n g o f t h e l a n ds u r f a c e,t h ea t m o s p h e r i c i m p a c tm u s tb ee l i m i n a t e d,a n dt h eo b t a i n e di n f o r m a t i o n m u s t b e a t m o s p h e r i c c o r r e c t e d．W eu s e r a d i a t i v e t r a n s f e rm o d e lm e t h o d t oc a l i b r a t e t h e r e m o t e s e n s i n g d a t a, a n du s e t h em i x e dm e t h o d o f e m p i r i c a lm e t h o d a n d r a d i a t i v e t r a n s f e rm o d e lm e t h o d t o c a l i b r a t e t h e a t m o s p h e r e．T h e r e s u l t s s h o wt h a t t h e c o m b i n a t i o n o fA T R E Ma n d f i e l d s p e c t r a lm e a s u r e m e n t c a n i m p r o v e t h e a t m o s p h e r i c c o r r e c t i o n a t d i f f e r e n t a l t i t u d e s f r o mt h e c a l i b r a t i o n p o i n t,a n d t h e g r o u n d c a l i b r a t i o n c a n e l i m i n a t e t h e r e s i d u a l e r r o r s r e l a t e d t o s e n s o r a r t i f a c t s a n d r a d i a t i o n t r a n s f e rm o d e l s．T h i s r e s e a r c hc a nm a k e t h e r e m o t e s e n s i n g i mＧa g e g e t t h e s u r f a c e i n f o r m a t i o na c c u r a t e l y．K e y w o r d s:a t m o s p h e r i c c o r r e c t i o n;s p e c t r u m;r e m o t e s e n s i n g;r a d i a t i o n t r a n s f e rm o d e l(上接第８３页)S t r u c t u r a lD e s i g no fC u t t i n g a n dS e p a r a t i n g E q u i p m e n t f o rE l e c t r i cB l a n k e t E q u i p m e n tZ HA N G H o n g x i a n g,T O N G H e t i n g,MU B a o t i a n(S c h o o l o fE l e c t r o m e c h a n i cE n g i n e e r i n g,Q i n g d a oU n i v e r s i t y,Q i n g d a o２６６０７１,C h i n a)A b s t r a c t:I n o r d e r t o i m p r o v e t h e a u t o m a t i o n l e v e l a n d p r o d u c t i o n e f f i c i e n c y o f e l e c t r i c b l a n k e t p r o d u c t i o n,t h i s p a p e r d e s i g n s t h e s t r u c t u r e o f c u t t i n g a n d s e p a r a t i n g e q u i p m e n t i n t h e a u t o m a t i c p r o d u c t i o n l i n e o f e l e c t r i c b l a nＧk e t b a s e d o nC r e om o d e l i n g s o f t w a r e．T h e s t r u c t u r e a n d p r i n c i p l e o f c u t t i n g a n d s e p a r a t i n g e q u i p m e n t i n t h e a uＧt o m a t i c p r o d u c t i o n l i n e o f e l e c t r i c b l a n k e t a r e g i v e n．I n o r d e r t o e n s u r e t h e c o r r e s p o n d i n g f u n c t i o n s o f e a c h p a r t o f t h em e c h a n i s m,t h e p n e u m a t i c c o n t r o l c i r c u i t o f p o s i t i o n i n g d e v i c e,c l a m p i n g d e v i c e,l i f t i n g d e v i c e a n d s e p aＧr a t i n g d e v i c e i s d e s i g n e d a n d s t u d i e d．T h e r e s u l t s s h o wt h a t t h e d e s i g n s o l v e s t h e p r o b l e mo f a u t o m a t i c c u t t i n g a n d s e p a r a t i n g o f e l e c t r i cb l a n k e t i n p r o d u c t i o n l i n e,a n d l i n k s t h ec u t t i n g a n ds e p a r a t i n g e q u i p m e n tw i t ht h e f r o n t a n db a c ka u t o m a t i o nu n i t s t o f o r ma c o m p l e t e a u t o m a t i o n p r o d u c t i o n l i n e．T h e r e s e a r c hh a s i m p r o v e d t h e a c c u r a c y o f p r o d u c t i o n,s a v e d p r o d u c t i o n t i m e,r e d u c e d l a b o r c o s t s,a n d i m p r o v e d p r o d u c t i o n e f f i c i e n c y．I t p r oＧv i d e s p r a c t i c a l a p p l i c a t i o n v a l u e f o r s t r u c t u r a l o p t i m i z a t i o n a n d a u t o m a t i o n l e v e l i m p r o v e m e n t o f e l e c t r i c b l a n k e t a u t o m a t i o n p r o d u c t i o n l i n e．K e y w o r d s:a u t o m a t e d p r o d u c t i o no f e l e c t r i c b l a n k e t;c u t t i n g;s e p a r a t e;p n e u m a t i c l o o p c o n t r o l。
高光谱遥感数据的大气校正
实验二高光谱遥感数据的大气校正--GIS0901 赵建平 2009303200901一. 基本概念:a)大气散射辐射在传播过程中遇到小微粒而使传播方向改变，并向各个方向散开，称为散射。
大气散射是电磁波同大气分子或气溶胶等发生相互作用，使入射能量以一定规律在各方向重新分布的现象。
其实质是大气分子或气溶胶等粒子在入射电磁波的作用下产生电偶极子或多极子振荡，并以此为中心向四周辐射出与入射波频率相同的子波，即散射波。
散射波能量的分布同入射波的波长、强度以及粒子的大小、形状和折射率有关。
b)大气吸收和地面遥感可以利用的主要大气窗口对遥感传感器而言，只有选择透过率高的波段才对观测有意义。
电磁波通过大气层较少被反射、吸收和散射的那些透射率高的波段成为大气窗口。
通常把太阳光透过大气层时透过率较高的光谱段称为大气窗口。
大气窗口的光谱段主要有: 微波波段（即0.8~2.5cm），由于微波穿云透雾能力强，这一区间可以用于全天候观测，而且是主动遥感方式。
远红外波段（即8~14μm），主要通透来自地物热辐射的能量，适用于夜间成像。
中红外波段（即3.5~5.5μm），该波段除了反射外，地面物体也可以自身发射热辐射能量。
近、中红外波段（即1.5~1.8μm和2.0~3.5μm），是白天日照条件好时扫描成像的常用波段。
紫外、可见光和近红外波段（即0.3~1.3μm）这一波段是摄影成像的最佳波段，也是许多卫星传感器扫描成像的常用波段。
c)天空为什么是蓝色的？太阳升起和落下时天空为什么是红色或橘红色？我们所看到的蓝天是因为空气分子和其他微粒对入射的太阳光进行选择性散射的结果。
当微粒的直径小于可见光波长时，散射强度和波长的4次方成反比，不同波长的光被散射的比例不同。
当太阳光进入大气后，空气分子和微粒(尘埃、水滴、冰晶等)会将太阳光向四周散射。
组成太阳光的红、橙、黄、绿、蓝、靛、紫7种光中，红光波长最长，紫光波长最短。
波长比较长的红光透射性最大，大部分能够直接透过大气中的微粒射向地面。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验二高光谱遥感数据的大气校正
--GIS0901 赵建平 2009303200901
一. 基本概念:
a)大气散射
辐射在传播过程中遇到小微粒而使传播方向改变，并向各个方向散开，称为散射。
大气散射是电磁波同大气分子或气溶
胶等发生相互作用，使入射能量以一定规律在各方向重新分布
的现象。
其实质是大气分子或气溶胶等粒子在入射电磁波的作
用下产生电偶极子或多极子振荡，并以此为中心向四周辐射出
与入射波频率相同的子波，即散射波。
散射波能量的分布同入
射波的波长、强度以及粒子的大小、形状和折射率有关。
b)大气吸收和地面遥感可以利用的主要大气窗口
对遥感传感器而言，只有选择透过率高的波段才对观测有意义。
电磁波通过大气层较少被反射、吸收和散射的那些透射
率高的波段成为大气窗口。
通常把太阳光透过大气层时透过率
较高的光谱段称为大气窗口。
大气窗口的光谱段主要有: 微波波段（即0.8~2.5cm），由于微波穿云透雾能力强，这一区间可以用于全天候观测，而且是主动遥感方式。
远红外波段（即8~14μm），主要通透来自地物热辐射的能量，适用于夜间成像。
中红外波段（即3.5~5.5μm），该波段除了反射外，地面物体也可以自身发射热辐射能量。
近、中红外波段（即1.5~1.8μm和2.0~3.5μm），是白天
日照条件好时扫描成像的常用波段。
紫外、可见光和近红外波段（即0.3~1.3μm）这一波段是摄影成像的最佳波段，也是许多卫星传感器扫描成像的常用波段。
c)天空为什么是蓝色的？太阳升起和落下时天空为什么是红色
或橘红色？
我们所看到的蓝天是因为空气分子和其他微粒对入射的太阳光进行选择性散射的结果。
当微粒的直径小于可见光波长时，散射强度和波长的4次方成反比，不同波长的光被散射的比例不同。
当太阳光进入大气后，空气分子和微粒(尘埃、水滴、冰晶等)会将太阳光向四周散射。
组成太阳光的红、橙、黄、绿、蓝、靛、紫7种光中，红光波长最长，紫光波长最短。
波长比较长的红光透射性最大，大部分能够直接透过大气中的微粒射向地面。
而波长较短的蓝、靛、紫等色光，很容易被大气中的微粒散射。
因此晴天天空是蔚蓝的。
当太阳将要落山时，太阳光穿透大气层到达观察者所经过的路程要比中午时长得多，更多的光被散射和反射，所以光线也没有中午时明亮。
因为在到达所观察的地方，波长较短的光——蓝色和紫色的光几乎已经散射殆尽，只剩下橙色和红色的光，所以随着太阳慢慢落下，天空看起来也从橙色变成红色。
同样道理，当太阳升起的时候，也是橙色或者红色的。
d)为什么要进行大气校正？
进入大气的太阳辐射会发生反射、折射、吸收、散射和透射，其中对传感器接收影响较大的是吸收和散射。
大气校正可以消除大气中水分、二氧化碳、甲烷、臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响，从而反演地物真实反射率。
二．对比分析DOS和FLAASH的处理结果。
图一.AVIRIS影像FLAASH处理结果图二. AVIRIS影像DOS处理结果从图像上，我们可以发现针对同一幅AVIRIS影像，FLAASH处理结果比DOS处理结果影像整体偏亮，这一点通过观察下面的反射率也可以加也印证。
图三. AVIRIS影像FLAASH处理光谱曲线图四. AVIRIS影像DOS处理光谱曲线从两幅影像处理结果上，我们不仅可以发现FLAASH处理结果的光谱反射率总体比DOS处理结果偏高，而且可以发现在0~700nm范围内FLAASH处理结果的光谱反射率远远高于后者。