HJ红外相机光谱响应函数
基于HJ卫星IRS遥感数据的农作物秸秆火点提取模式研究
收稿日期：2010－10－08；修订日期：2010－12－23基金项目：全球变化研究国家重大研究计划课题（2010CB951503）和973前期专项课题（2010CB434801）资助。
作者简介：王玲（1986－），女，江苏泰州人，博士研究生，主要研究方向为高光谱遥感和大气环境遥感。
E-mail ：wl8394722@126．com ①彭光雄．环境小卫星HJ 林火探测试验．http ：//sciencenet．cn /m /user_content．aspx ？id =251818．基于HJ 卫星IRS 遥感数据的农作物秸秆火点提取模式研究王玲，田庆久，包颖（南京大学国际地球系统科学研究所，江苏南京210093）摘要：根据农作物收割前后的HJ －1B 卫星红外相机（IRS ）遥感数据特征，提出农作物秸秆焚烧火点提取模式：利用IRS 波段3（3．78μm ）与波段4（11．36μm ）结合两种经典火点探测算法首先提取出所有类型的地面火点；再利用收割前后的IRS 波段2（1．72μm ）与波段1（0．9μm ）建立农作物秸秆地判定依据，从而从所有类型的地面火点中识别出秸秆火点。
结合10月6日、10月21日的HJ －1B IRS 影像，对10月21日江苏省农作物收割时期的秸秆火点进行提取实验，并与对应的MODIS 探测结果进行相关分析，相关系数R 2为0．685，验证了研究方法的合理性。
关键词：遥感；农作物；秸秆焚烧；HJ ；IRS中图分类号：TP79文献标识码：A文章编号：1000－0690（2011）06－0661－07随着农业收割机械化的发展，农民常常普遍采用焚烧的方式处理农作物收割后残留秸秆。
这虽然是一种即快速又经济的处理方式，但在燃烧过程中会产生大量的CO 、氮氧化物和多环芳烃等有害气体及可吸入颗粒物［1，2］，不仅造成大气环境质量的显著下降，直接影响当地居民的身体健康，而且可能干扰城市地面交通和航班的正常运营［3］。
基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演
第49卷第1期2021年1月河海大学学报(自然科学版)Journal of Hohai University(Natural Sciences)Vol.49No.1Jan.2021DOI :10.3876/j.issn.10001980.2021.01.008 基金项目:国家重点研发计划(2018YFC0407903);国家自然科学基金青年科学基金(41701487);国家自然科学基金(42071346);中央高校基本科研业务费专项(2019B02714)作者简介:潘鑫(1989 ),男,副教授,博士,主要从事定量遥感研究㊂E⁃mail:px1013@通信作者:杨英宝,教授㊂E⁃mail:yyb@引用本文:潘鑫,杨子,杨英宝,等.基于高分六号卫星遥感影像的太湖叶绿素a 质量浓度反演[J].河海大学学报(自然科学版),2021,49(1):50⁃56.PAN Xin,YANG Zi,YANG Yingbao,et al.Mass concentration inversion analysis of chlorophyll a in Taihu Lake based on GF⁃6satellite data [J].Journal of Hohai University(Natural Sciences),2021,49(1):50⁃56.基于高分六号卫星遥感影像的太湖叶绿素a 质量浓度反演潘 鑫,杨 子,杨英宝,孙怡璇,孙浦韬,李藤藤(河海大学地球科学与工程学院,江苏南京 211100)摘要:针对太湖叶绿素a 浓度反演大多采用低中分辨率遥感数据,缺少基于高分辨率遥感数据研究的现状,采用高分六号卫星遥感影像,运用波段比值模型㊁归一化差异叶绿素指数(NDCI )模型和三波段模型定量反演了太湖蓝藻的叶绿素a 质量浓度,并采用2018年10月28日㊁2019年4月6日和2019年6月3日的高分六号卫星遥感影像对3种模型的反演精度进行了验证㊂结果表明,采用NDCI 模型的平均相对误差㊁均方根误差和平均绝对误差最小,NDCI 模型具有更好的精度和稳定性,更适合高分六号卫星遥感影像在太湖叶绿素a 质量浓度反演方面的应用㊂关键词:叶绿素a 质量浓度;高分六号卫星;遥感反演方法:太湖中图分类号:P237 文献标志码:A 文章编号:10001980(2021)01005007Mass concentration inversion analysis of chlorophyll a in Taihu Lake based on GF⁃6satellite dataPAN Xin ,YANG Zi ,YANG Yingbao ,SUN Yixuan ,SUN Putao ,LI Tengteng (School of Earth Science and Engineering ,Hohai University ,Nanjing 211100,China )Abstract :Low resolution satellite imageries are mostly used in the mass concentration inversion analysis of chlorophyll a in Taihu Lake,with insufficient high resolution satellite images.Based on the GF⁃6satellite data,this study quantitatively retrieved the mass concentration of chlorophyll a in Taihu Lake with the band ratio (TBR)model,the normalized difference index of chlorophyll (NDCI)model and the three⁃band semi⁃analysis(TBS)model.The inversion accuracy of the three models was verified by using the GF⁃6satellite image data on October 28,2018,April 6,2019,and June 3,2019.The results show that the average relative error,root mean square error and mean absolute error of the NDCI model are the minimum.Therefore,the NDCI model has better accuracy and stability,and is more suitable for the application of GF⁃6satellite in the inversion of chlorophyll a mass concentration in Taihu Lake.Key words :mass concentration of chlorophyll a;GF⁃6satellite;remote⁃sensing inversion method;Taihu Lake目前国内外使用较多的叶绿素a 浓度反演模型主要有3种:经验模型㊁生物光学模型以及半经验/半分析模型,3种模型各有其优势及局限性㊂祝令亚[1]以太湖为研究区,采用MODIS 数据,用波段组合算法建立了叶绿素a 浓度的反演模型㊂温新龙等[2]以太湖为例,基于环境一号卫星CCD 数据,利用波段组合算法,发现基于CCD 数据第4波段与第3波段反射率比值的二次模型具有良好的叶绿素a 浓度反演效果㊂朱利等[3]基于环境一号卫星多光谱数据,建立了分地区季节经验模型反演叶绿素a 浓度㊂李旭文等[4]基于Landsat TM 数据和地表实测数据建立了经验模型,并对梅梁湖区蓝藻生物量进行了估算,证明叶绿素a 浓度和DVI(差异植被指数)的相关性较高㊂李素菊等[5]基于波段比值(the band ratio,TBR)模型及一阶微分模型进行了巢湖流域浮游植物叶绿素含量和反射率光谱特征关系的研究㊂李铜基等[6]基于数理统计方法,结合实测数据,建立了以色素质量浓度0.7mg /m 3为分界点时地表反射率与叶绿素a 浓度的关系㊂段洪涛15第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演等[7]以查干湖区域为研究区,基于叶绿素荧光峰(700nm)和叶绿素吸收峰(670nm)的反射率比值与叶绿素a 浓度的对数关系建立了使用高光谱数据的经验回归模型㊂刘忠华[8]基于单波段叶绿素a浓度模型对太湖流域西部进行了研究,表明叶绿素a浓度在712nm波长处与地表反射率的相关性最强㊂关于单波段模型, Rundquist等[9]基于对大量实测数据的研究,认为叶绿素a浓度在690nm波长处与地表反射率的相关性较高㊂赵碧云等[10]基于不同波段反射率与叶绿素a浓度的相关性建立了针对TM遥感数据的叶绿素a水质反演模型,并研究了滇池流域的水质,证明TBR模型可以消除部分大气对反演结果的影响,一定程度提高了反演精度㊂上述研究表明,经验模型局部反演精度较高,且模型构建方法简单,但实测数据的质量对其反演结果影响较大,在不同空间和时间尺度的适用性不强㊂在叶绿素a浓度的生物光学模型研究中,Gordon等[11]提出了具有代表性的生物光学模型基本公式,但该模型中的各部分参数定量表征复杂;李云梅等[12]等建立了基于模拟数据的生物光学模型,并且成功进行了太湖流域的叶绿素a浓度反演;Lee等[13]提出了QAA(quasi⁃analytical algorithm),主要应用于二类水体叶绿素a浓度的估算㊂Li等[14]则提出了叶绿素a浓度反演分析IIMIW模型㊂生物光学模型的参数受到水体组成成分的影响较大,在时间和空间尺度上的普适性同样有待提高㊂Dall’Olmo等[15]提出了基于半经验/半分析模型的三波段(three band semi⁃analysis,TBS)模型,Le等[16]研究表明,近红外波段吸收系数受浑浊水域悬浮物浓度的影响,须引入第4个波段以消除悬浮物浓度造成的影响,并将三波段算法发展成为四波段模型㊂黄昌春等[17]利用具有较大时空差异性的水体组分和光学特性数据集对现有叶绿素a浓度的半分析模型和生物光学模型进行了检验,三㊁四波段模型总体反演精度高㊂徐祎凡等[18]以太湖为研究区,利用TBS算法构建了基于地球静止海洋彩色成像仪数据(GOCI)的太湖叶绿素a浓度反演模型㊂Zhang等[19]在研究中指出,季节变化会引起水体组分变化,导致算法具有局限性,提出了一种软分类方法对常用的半分析模型进行了实验,通过分类来提高反演精度㊂目前叶绿素a浓度遥感反演大多基于中低分辨率遥感数据,精度有待提高㊂本文采用我国首颗具有红边波段的高分六号(GF⁃6)卫星遥感影像进行了太湖流域叶绿素a质量浓度反演研究,并进行了不同反演模型的精度分析,以寻求基于高分六号卫星遥感影像反演叶绿素a质量浓度的最佳模型㊂1 叶绿素a质量浓度反演方法简介本文选用基于经验模型和半经验/半分析模型进行叶绿素a质量浓度的反演㊂基于经验模型的叶绿素a质量浓度反演模型有TBR模型和归一化差异叶绿素指数(normalized differential chlorophyll index,NDCI)模型,基于半经验/半分析模型的叶绿素a质量浓度反演模型有TBS模型,3种模型计算公式分别为(1)ρ(Chl⁃a)=A+B R a Rbρ(Chl⁃a)=A+B R c-R dR c+R d(2)(R-1e-R-1f)R g∝ρ(Chl⁃a)(3)式中:ρ(Chl⁃a) 叶绿素a质量浓度;A㊁B 常数;R a㊁R b㊁R c㊁R d㊁R e㊁R f㊁R g 参与计算的遥感反射率㊂为了评价叶绿素a质量浓度反演模型的精度,采用平均值偏差(DMC)㊁标准差偏差(DSD)㊁平均绝对误差(AE)㊁平均相对误差(MRE)㊁均方根误差(RMSE)为精度评价指标㊂2 研究区概况和研究数据2.1 研究区概况太湖流域的地理位置为30°55′40″N~31°32′58″N㊁119°52′32″E~120°36′10″E,属于亚热带季风气候区,降水充足,年平均降水量1177mm,多年平均天然年径流量160.1亿m3㊂太湖流域的地形特点为四周高㊁中间低㊁西部高㊁沿海的东部地区低㊂太湖流域河网密布,湖泊众多,总面积大于0.5km2的湖泊共计189个,其中太湖富营养化最严重的地区是梅梁湾[20]㊂这些湖泊可以调节河川径流,同时具有灌溉等多种功能,丰富的湖泊资源成为太湖流域社会经济发展的基础条件㊂太湖是太湖流域内面积最大的湖泊,是我国第二大淡水湖,面积2338km2,多年平均蓄水量44.28亿m3㊂2.2 研究数据2.2.1 高分六号卫星遥感影像高分六号卫星是我国高分专项系列中发射的第一颗具有红边波段的国产卫星[21],于2018年6月2日在酒河海大学学报(自然科学版)第49卷泉卫星发射中心成功发射并入轨运行,属于太阳同步卫星,其轨道高度为645km㊂高分六号卫星搭载了2台全色多光谱相机㊁4台多光谱相机,有8个波段,空间分辨率为16m㊂相对于高分系列的其他卫星,高分六号卫星新增了4个波段,其中有2个红边波段㊁1个紫光波段和1个黄光波段㊂红边波段更有利于利用植物的 陡坡效应”,可以有效地监测植被信息,适合于环境监测以及植被监测,在水体富营养程度方面的监测还有待研究㊂本文采用的遥感数据是高分六号卫星宽幅传感器获取的太湖地区2018年10月28日㊁2019年4月6日和2019年6月3日的3幅影像,图像像素大小为16m×16m,为经过预处理的L1A 级数据㊂高分六号卫星遥感影像的预处理主要包括传感器校正和大气校正两个过程㊂传感器校正又被称作辐射定标过程,其目的主要是消除传感器自身在遥感影像中造成的误差,这一步只是得到比较准确的大气顶层的辐射亮度,因为地表反射的太阳辐射在经过大气传输后仍然会有所改变,因此还需要进行大气校正㊂经过大气校正后的反射率误差很小,可用于叶绿素a 质量浓度的反演㊂2.2.2 实测数据实测数据包括1期24个采样点的叶绿素a 质量浓度和实测水面光谱反射率,以及5个自动监测站的3期叶绿素a 质量浓度数据㊂24个采样点的采样日期为2018年4月25 26日;3期自动监测站的采样日期分别为2018年10月28日㊁2019年4月6日和2019年6月3日,监测站分别为大雷山㊁漫山㊁西山西㊁焦山和漾西岗㊂实测的样点数据被分成两个部分:第一部分使用具有实测水面光谱反射率以及叶绿素a 质量浓度的采样点数据,用来建立叶绿素a 质量浓度计算模型,称为建模数据,共计24个;第二部分使用不具备实测水面光谱反射率,只包含叶绿素a 质量浓度的样点数据,用来检验模型的反演精度,称为检验数据,共计15个㊂a.叶绿素a 质量浓度测定㊂采用分光光度法在实验室中测定,对采集的水样使用GF /C 滤膜过滤,将抽滤水样的体积记为V 1㊂然后将滤膜放到冰箱中冷冻,48h 后取出,再用热乙醇萃取,后在岛津UV2401分光光度计上测定665nm 和750nm 处吸光度,并计算2个吸光度的差A 1,再加入稀盐酸酸化测定酸化后的提取液在665nm 和750nm 处的吸光度差A 2,提取液的最终定容体积记为V 2,根据下式换算得到叶绿素a 质量浓度:ρ(Chl⁃a)=27.9(A 1-A 2)V 2V 1(4)图1 太湖水体实测反射率光谱曲线Fig.1 Measured reflectance spectral curve of Taihu Lake water b.水体光谱采集㊂采用ASDHandHeld2便携式地物光谱仪采集太湖清洁水体和蓝藻水华水面光谱㊂光谱范围为350~1075nm,光谱分辨率为1nm㊂光谱采集过程中仪器距离水面约1m,采用倾斜测量的方式进行[22],获得的实测水面反射率光谱曲线见图1㊂3 反演模型的构建与精度评价3.1 高分六号卫星的波段模拟实测反射率采样当天没有高分六号卫星过境,所以只能进行波段模拟,通过模拟波段反射率来建立卫星反射率和叶绿素a 质量浓度之间的相关关系㊂高分六号卫星传感器有8个波段,波段范围为450~890nm,在对高分六号卫星进行叶绿素a 敏感波段分析的过程中,无法直接用实测遥感反射率(R rs )与高分六号卫星遥感反射率(R GF ⁃6)进行替换㊂因此,需要根据高分六号卫星的光谱响应函数,先对实测遥感反射率做波段等效,波段等效计算公式为R mea2=∑910nm λ=450nm R rs λf λ∑910nm λ=450nm f λ(5)式中:λ 波长;R rs λ 波长λ处的遥感反射率;f λ 波长λ处的高分六号卫星的光谱响应函数;25第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演图2 高分六号卫星光谱响应函数曲线Fig.2 Spectral response function curve of GF⁃6satellite 图3 高分六号卫星模拟波段反射率Fig.3 Simulated band reflectance ofGF⁃6satellite 450nm㊁910nm 高分六号卫星最短㊁最长波长㊂高分六号卫星的光谱响应函数如图2所示(图中B1~B8分别表示高分六号卫星的8个波段)㊂根据高分六号卫星的光谱响应函数建立的实测数据等效波段反射率如3所示㊂与图1太湖水体的实测反射率光谱曲线进行比较,高分六号卫星在550nm 与700nm 附近出现反射率的峰值,其对应的波段为B2与B5,实测反射率的峰值出现在560nm 以及710nm附近,分别处于B2波段和B5波段的范围内㊂高分六号卫星在660nm 处出现反射率吸收峰,对应的波段为B3波段,实测反射率的吸收峰出现在670nm 附近,处于B3波段范围内,可见,高分六号卫星模拟波段的反射率特征和实测波段的反射率特征一致,可以替代实测数据反射率进行敏感波段的选择㊂3.2 反演模型构建3.2.1 TBR 模型采用24组实测叶绿素a 质量浓度数据和对应采样点的光谱数据来选择TBR 模型最佳波段,将卫星波段范围内每个等效波段的反射率分别除以其余所有等效波段的反射率,用得到的比值与叶绿素a 质量浓度计算相关系数,取相关性最大的2个波段作为最佳波段,求得高分六号卫星的最佳波段为B2(波段1)和B5(波段2)㊂高分六号卫星的TBR 指数与叶绿素a 质量浓度的关系见图4(图中TBR 指数表示高分六号卫星第2波段和第5波段反射率的比值)㊂3.2.2 NDCI 模型NDCI 模型最佳波段选择方法同TBR 模型,得到高分六号卫星的最佳波段为B2(波段1)和B5(波段2)㊂高分六号卫星的NDCI 指数与叶绿素a 质量浓度的关系见图5(图中NDCI 指数表示高分六号卫星第2波段和第5波段反射率之差除以二者之和)㊂3.2.3 TBS 模型采用24组实测的叶绿素a 质量浓度数据和对应采样点的光谱数据来选择TBS 模型最佳波段,按照最优波段选择的方法,将实测的水面光谱反射率替换成高分六号卫星的模拟波段,求得高分六号卫星的最佳波段为B3(波段1)㊁B6(波段2)和B2(波段3)㊂高分六号卫星TBS 指数与叶绿素a 质量浓度的关系如图6所示㊂图4 高分六号卫星TBR 指数与叶绿素a 质量浓度的关系Fig.4 Relation between TBR index and chlorophyll a mass concentration ofGF⁃6satellite 图6 高分六号卫星TBS 指数与叶绿素a 质量浓度的关系Fig.6 Relation diagram of TBS index and chlorophyll a concentration of GF⁃6satellite 图5 高分六号卫星NDCI 指数与叶绿素a 质量浓度的关系Fig.5 Relation diagram of NDCI indexand chlorophyll a mass concentration of GF⁃6satellite TBS 指数计算公式为35河海大学学报(自然科学版)第49卷I TBS =1εB3-1ε()B6εB2(6)式中:I TBS TBS 指数值;εB2㊁εB3㊁εB6 高分六号卫星第2㊁3㊁6波段的反射率㊂3.3 反演结果的定性比较选取2019年4月6日高分六号卫星遥感影像,采用3种模型来进行太湖叶绿素a 质量浓度的反演,影像的假彩色合成和3种模型提取的叶绿素a 质量浓度分布如图7所示㊂从图7可以看出,太湖中叶绿素a 质量浓度较高的区域一般分布在南部沿岸区㊁竺山湖与西部沿岸区的交界处和东太湖㊂其中NDCI 模型和TBR 模型叶绿素a 质量浓度反演的结果比较相似,而在南部沿海岸区TBS 模型反演的高质量浓度叶绿素a 的量要比NDCI 模型和TBR 模型多㊂图7 太湖叶绿素a 质量浓度的分布(单位:mg /m 3)Fig.7 Distribution of chlorophyll a mass concentration in Taihu Lake (units :mg /m 3)3.4 高分六号卫星和MODIS 遥感影像反演结果对比表1 高分六号卫星与MODIS 遥感影像反演精度对比Table 1 Inversion precision comparison between GF⁃6satellite and MODIS data 遥感影像模型DMC /%DSD /%AE /(mg㊃m -3)MRE /%RMSE /(mg㊃m -3)GF⁃6TBR 44.0020.11 2.5123.37 3.68NDCI35.2144.92 2.4522.27 2.99MODIS TBR 84.2061.78 6.4084.00 6.47NDCI 69.8165.30 4.0952.41 4.50 基于MODIS 的2019年4月6日的遥感影像,采用TBR㊁NDCI 模型进行太湖叶绿素a 质量浓度的反演,继而与高分六号卫星的反演结果进行对比,结果见表1和图8㊂从图8可以看出,MODIS 遥感影像反演的叶绿素a 质量浓度整体偏低㊂从表1可以看出,MODIS 遥感影像反演的叶绿素a 质量浓度的DMC㊁DSD㊁AE㊁MRE㊁RMSE均要大于高分六号卫星遥感影像的反演值,因此采用高分六号卫星遥感影像反演叶绿素a 质量浓度是可靠的㊂图8 高分六号卫星与MODIS 遥感影像反演结果对比(单位:mg /m 3)Fig.8 Comparison of inversion results between GF⁃6satellite and MODIS Data (units :mg /m 3)表2 高分六号卫星遥感影像反演叶绿素a 质量浓度的精度Table 2 Inversion accuracy of chlorophyll a massconcentration from GF⁃6satellite image模型DMC /%DSD /%AE /(mg㊃m -3)MRE /%RMSE /(mg㊃m -3)TBR 14.1843.37 4.8038.168.00NDCI 5.1943.86 4.6435.287.47TBS 4.2743.57 6.0967.997.853.5 反演模型精度评价未参与建模的样点数(检验数据)有15个,去除影像因薄云影响的5个数据,实际参与检验的数据为10个㊂采用3幅高分六号卫星遥感影像对3种反演模型进行精度评价,结果见表2㊂由表2可见,TBS 模型的DMC 为4.27%,效果最好,NDCI 模型的DMC 为5.19%,略低于TBS45第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演模型,TBR模型的DMC为14.18%,说明TBR模型反演的叶绿素a质量浓度的平均值与实测的叶绿素a质量浓度的平均值误差较大㊂DSD则是TBR模型较好,TBS模型次之,NDCI模型最差,3种模型的DSD均在43%~44%范围内,相差不到1%,说明3种模型反演结果的分布较为接近㊂TBR㊁NDCI㊁TBS模型的MRE 分别为38.16%㊁35.28%和67.99%,说明TBR模型和NDCI模型的反演结果较好,TBS模型反演效果较差㊂表3为高分六号卫星3幅验证遥感影像反演结果的AE和MRE平均绝对误差统计表㊂可以看出,在3种模型中,验证样点最大MRE为86.76%,出现在TBS模型采用2019年6月3日卫星遥感影像的反演结果中;最小MRE为22.27%,出现在NDCI模型采用2019年4月6日卫星遥感影像的反演结果中㊂表3 3幅高分六号卫星遥感影像反演结果的AE和MRETable3 Statistical table of AE and MRE of three GF⁃6satellite images遥感影像日期AE/(mg㊃m-3)MRE/%TBR模型NDCI模型TBS模型TBR模型NDCI模型TBS模型2018年10月28日 2.86 2.79 3.7641.8339.2056.59 2019年4月6日 2.51 2.45 4.3523.3722.2760.64 2019年6月3日 6.02 5.677.1749.3044.3586.76综合3幅遥感影像反演的平均结果来看,最大MRE和最大AE均出现在TBS模型中,最小MRE和最小AE出现在NDCI模型中㊂TBS模型的MRE均超过了50%,反演结果较差㊂TBS模型对太湖地区的叶绿素a 质量浓度预测值偏高,可能是太湖地区复杂的水质情况导致TBS模型的精度较差㊂对2019年6月3日的卫星遥感影像反演结果进行分析,3种模型的MRE均超过了40%,AE均超过5mg/m3,NDCI模型的结果比其他两个模型效果稍好,但也较为一般㊂这可能因为实测叶绿素a质量浓度数据都低于15mg/m3的限制,所以本文建立的模型可能更适用于叶绿素a低质量浓度的反演㊂对于2018年10月28的卫星遥感影像,TBR和NDCI模型的MRE小于TBS模型㊂对2019年4月6日的卫星遥感影像,TBR与NDCI模型反演结果的MRE 接近,反演结果较为可靠㊂4 结 论a.TBR模型与NDCI模型的最佳波段为第2波段和第5波段,TBS模型的最佳波段为第2波段㊁第3波段和第6波段㊂b.3种模型中,NDCI模型的MRE㊁AE和RMSE均最小,基于高分六号卫星第2波段和第5波段构建的NDCI模型比其他模型具有更好的精度和稳定性,更适用于高分六号卫星遥感影像在太湖叶绿素a质量浓度反演方面的应用㊂参考文献:[1]祝令亚.湖泊水质遥感监测与评价方法研究[D].北京:中国科学院遥感应用研究所,2006.[2]温新龙,景元书,李亚春,等.基于环境一号卫星数据的太湖叶绿素a浓度反演[J].环境科学与技术,2014,37(10):149⁃153.(WEN Xinlong,JING Yuanshu,LI Yachun,et al.Quantitative estimation of chlorophyll⁃a concentration in Lake Taihu based on HJ⁃1satellite images[J].Environmental Science&Technology,2014,37(10):149⁃153.(in Chinese)) [3]朱利,姚延娟,吴传庆.基于环境一号卫星的内陆水体水质多光谱遥感监测[J].地理与地理信息科学,2010,26(2):81⁃84.(ZHU Li,YAO Yanjuan,WU Chuanqing.Remote sensing monitoring on water quality of interior water body based on the HJ⁃1satellite multi⁃spectral data[J].Geography and Geo⁃Information Science,2010,26(2):81⁃84.(in Chinese))[4]李旭文,季耿善,杨静.太湖梅梁湖湾蓝藻生物量遥感估算[J].国土资源遥感,1995(2):23⁃28.(LI Xuwen,JI Gengshan,YANG Jing.Estimating cyanophyta biomass standing crops in Meiliang Gulf of Lake Taihu by satellite remote sensing[J].Remote Sensing for Land&Resources,1995(2):23⁃28.(in Chinese))[5]李素菊,吴倩,王学军,等.巢湖浮游植物叶绿素含量与反射光谱特征的关系[J].湖泊科学,2002(3):228⁃234.(LISuju,WU Qian,WANG Xuejun,et al.Relationship between chlorophyll content and reflectance spectral characteristics of phytoplankton in Chaohu Lake[J].Journal of Lake Sciences,2002(3):228⁃234.(in Chinese))[6]李铜基,陈清莲,朱建华,等.黄东海秋季色素经验算法研究[J].海洋技术,2004(4):113⁃116.(LI Tongji,CHENQinglian,ZHU Jianhua,et al.Chlorophyll empirical algorithm of Yellow Sea and the East China Sea in autumn[J].Marine Technology,2004(4):113⁃116.(in Chinese))5565河海大学学报(自然科学版)第49卷[7]段洪涛,张柏,宋开山,等.查干湖叶绿素a浓度高光谱定量模型研究[J].环境科学,2006(3):3503⁃3507.(DUANHongtao,ZHANG Bai,SONG Kaishan,et al.Hyperspectral remote sensing of chlorophyll⁃a in the Chagan Lake,China[J].Environmental Science,2006(3):3503⁃3507.(in Chinese))[8]刘忠华.基于高分数据的太湖重点污染入湖河流叶绿素a浓度遥感反演[D].南京:南京师范大学,2012.[9]RUNDQUIST D C,HAN L,SCHALLES J F,et al.Remote measurement of algal chlorophyll in surface waters:the case for thefirst derivative of reflectance near690nm[J].Photogrammetric Engineering and Remote Sensing,1996,62(2):195⁃200. [10]赵碧云,贺彬,朱云燕,等.滇池水体中叶绿素a含量的遥感定量模型[J].云南环境科学,2001(3):1⁃3.(ZHAO Biyun,HE Bin,ZHU Yunyan,et al.Study on the remote sensing model for chlorophyll⁃a in Dianchi Lake[J].Yunnan Environmental Science,2001(3):1⁃3.(in Chinese))[11]GORDON H R,BROWN J W,BROWN O B,et al.A semianalytic radiance model of ocean color[J].Journal of GeophysicalResearch Atmospheres,1988,93(10):10909⁃10924.[12]李云梅,黄家柱,韦玉春,等.用分析模型方法反演水体叶绿素的浓度[J].遥感学报,2006(2):169⁃175.(LI Yunmei,HUANG Jiazhu,WEI Yuchun,et al.Inversing chlorophyll concentration of Taihu Lake by analytic model[J].Journal of Remote Sensing,2006(2):169⁃175.(in Chinese))[13]LEE Z,CARDER K L,ARNONE R A.Deriving inherent optical properties fromwater color:a multiband quasi⁃analytical algorithmfor optically deep waters[J].Applied Optics,2002,41(27):5755⁃5772.[14]LI L,SONG K,LI Y,et al.An inversion model forderiving inherent optical properties of inland waters:establishment,validationandapplication[J].Remote Sensing of Environment,2013,135(4):150⁃166.[15]DALL’OLMO G,GITELSON A A.Effect of bio⁃optical parameter variability on the remote estimation of chlorophyll⁃aconcentration in turbid productive waters:experimental results[J].Applied Optics,2005,44(3):412⁃22.[16]LE Chengfeng,LI Yunmei,ZHA Yong,et al.A four⁃band semi⁃analytical model for estimating chlorophyll a in highly turbidlakes:the case of Taihu Lake,China[J].Remote Sensing of Environment,2009,113(6):1175⁃1182.[17]黄昌春,李云梅,徐良将,等.内陆水体叶绿素反演模型普适性及其影响因素研究[J].环境科学,2013,34(2):525⁃531.(HUANG Changchun,LI Yunmei,XU Liangjiang,et al.Study on influencing factors and universality of chlorophyll⁃a retrieval model in inland water body[J].Environmental Science,2013,34(2):525⁃531.(in Chinese))[18]徐祎凡,陈黎明,陈炼钢,等.基于GOCI数据的暴雨后太湖水体叶绿素a浓度遥感反演研究[J].水利水电技术,2020,51(10):151⁃158.(XU Yifan,CHEN Liming,CHEN Liangang,et al.High temporal resolution remote monitoring of chlorophyll aconcentration change after rainstorm based on GOCI data in Lake Taihu[J].Water Resources and Hydropower Engineering, 2020,51(10):151⁃158.(in Chinese))[19]ZHANG F,LI J,SEHN Q,et al.Algorithms and chemes for chlorophyll⁃a estimation by remote sensing and optical classificationfor turbid lake Taihu,China[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2015,8(1):350⁃364.[20]马孟枭.基于MODIS影像的太湖蓝藻水华面积高精度计算方法及应用[D].南京:南京大学,2014.[21]王旭. 长征”二号丁运载火箭成功发射 高分”六号卫星[J].中国航天,2018(6):14.(WANG Xu.Long March2DINGcarrier rocket successfully launched GF⁃6satellite[J].China Aerospace Science and Technology,2018(6):14.(in Chinese)) [22]唐军武,田国良,汪小勇,等.水体光谱测量与分析Ⅰ:水面以上测量法[J].遥感学报,2004(1):37⁃44.(TANG Junwu,TIAN Guoliang,WANG Xiaoyong,et al.The mechods of water spectra measurement and analysisⅠ:above water measurement [J].Journal of Remote Sensing,2004(1):37⁃44.(in Chinese))(收稿日期:20201106 编辑:熊水斌)。
红外相机指标
红外相机指标
红外相机的关键性能指标主要包括分辨率、热灵敏度（NETD）、光谱响应、空间分辨率和触发速度等。
具体如下：
1. 面阵规格（分辨率）：这指的是红外探测器成像后有效像素点的数量。
分辨率越高，探测器能够识别更小的目标和更远的距离，从而提高目标物体的可识别度。
2. 热灵敏度（NETD）：噪声等效温差是衡量红外探测器系统性能的重要指标之一。
它与总体大气透过率、探测器性能参数等因素有关，反映了探测器对温度差异的敏感程度。
3. 光谱响应：红外探测器对不同波长的入射辐射的响应能力。
大多数红外探测器能够测量特定大气窗口波段内的红外线辐射。
4. 空间分辨率：指热像仪观测时对目标空间形状的分辨能力。
空间分辨率越高，能够提供更清晰的目标轮廓和细节。
5. 触发速度：红外相机的触发速度反映了其捕捉瞬间动作和变化的能力。
触发速度越快，越能准确记录快速发生的事件。
6. 稳定性和耐用性：红外相机的稳定性和耐用性是评估其可靠性的重要指标。
稳定性好的相机能够保证拍摄的稳定性和持久性，而耐用性好的相机能够在各种环境和条件下长时间使用。
7. 售后服务: 选择红外相机时，考虑厂商提供的售后服务也很重要，良好的售后服务可以确保设备在使用过程中的问题得到及时解决。
综上所述，在选择红外相机时，应根据具体的应用需求和环境条件，综合考虑上述性能指标，选择合适的产品。
-》基于HJ_1_CCD数据的地表反射率反演与验证
第３ １卷，第２期 光谱学与光谱分析Ｖｏｌ．３１，Ｎｏ．２，ｐｐ５１６－５２０２ ０ １ １年２月 Ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ Ｆｅｂｒｕａｒｙ，２０１１ 基于ＨＪ－１－ＣＣＤ数据的地表反射率反演与验证李莘莘１，陈良富１，陶金花１，２，韩 冬１，王中挺３，贺宝华１１．中国科学院遥感应用研究所遥感科学国家重点实验室，北京 １００１０１２．大气边界层物理与大气化学国家重点实验室，北京 １０００２９３．环境保护部卫星环境应用中心，北京 １０００９４摘 要 环境一号卫星ＣＣＤ相机（ＨＪ－１－ＣＣＤ）３０ｍ的空间分辨率在地物识别中具有潜在优势，然而由于缺少短波红外通道，利用暗像元法反演地表反射率较为困难。
基于北京与珠三角地区的地物光谱试验，获得暗像元的植被指数与红、蓝波段反射率比值，构建基于辐射传输模型的大气校正算法。
为了验证算法精度，将北京地区卫星反演值与实测的草坪、水体、沥青、水泥等光谱数据，以及居民区、建筑物等模拟数据进行对比分析，表明红、蓝波段反演的相对误差分别控制在３８．７％和３７．２％以内。
通过与ＭＯＤＩＳ地表反射率标准产品对比，当反射率较小时红、蓝波段的相关性Ｒ２分别达到０．８０９ ４和０．７２３ ９；环境星ＣＣＤ数据能有效减弱混合像元影响，对水泥、建筑物等亮目标的反演精度高于ＭＯＤＩＳ产品。
关键词 ＨＪ－１－ＣＣＤ；ＭＯＤＩＳ；地表反射率；光谱分析中图分类号：ＴＰ７９ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１１）０２－０５１６－０５ 收稿日期：２０１０－０４－１６，修订日期：２０１０－０７－１８ 基金项目：国家（８６３计划）重大项目（２００６ＡＡ０６Ａ３０３），中国科学院知识创新工程重大项目（ｋｚｃｘ１－ｙｗ－０６－０１）和国家科技支撑计划项目（２００８ＢＡＣ３４Ｂ０４－１）资助 作者简介：李莘莘，１９８２年生，中国科学院遥感应用研究所博士生 ｅ－ｍａｉｌ：ｌｉｓｈｅｎｓｈｅｎ＠１２６．ｃｏｍ引 言 地表反射率代表某一波段在一定方向上地表对太阳辐射的反射能力，它是反演很多地表参数的重要变量，对于研究地气间辐射能量平衡、地物识别和分类、水分与气候模型等具有十分重要的意义［１，２］。
Landsat8和HJ-1B海面温度监测可靠性和一致性研究
Landsat8和HJ-1B海面温度监测可靠性和一致性研究石海岗;张春雷;张建永;梁春利【摘要】根据2013-11-15过境的Landsat8 TIRS和HJ-1B IRS热红外遥感数据,分别采用辐射传输方程法和单窗算法对田湾核电基地附近海域温度分布情况进行遥感监测,利用海面实测的数据验证监测结果的可靠性,并分析了监测结果的一致性.结果表明,Landsat8 TIRS和HJ-1B IRS的海面温度监测结果是可靠的,海面温度范围在数值和空间分布上具有较高一致性.因此,将Landsat8与HJ-1B相互补充,在海温监测方面具有较大的应用前景.【期刊名称】《地理空间信息》【年(卷),期】2017(015)011【总页数】5页(P67-70,87)【关键词】Landsat8;HJ-1B;温度反演;一致性;遥感监测【作者】石海岗;张春雷;张建永;梁春利【作者单位】核工业航测遥感中心,河北石家庄 050002;核工业航测遥感中心,河北石家庄 050002;核工业航测遥感中心,河北石家庄 050002;核工业航测遥感中心,河北石家庄 050002【正文语种】中文【中图分类】P237随着核电站的增加，核电机组排放的温排水对周围水域环境造成的热影响越来越受到人们重视。
温排水一方面改变了排水口附近海域的流场，另一方面会引起局部水域的温度升高，并对受纳水体的理化性质、水生生物和生态环境产生影响[1-2]，因此监测核电站的温排水对水环境的生态平衡有着重要意义[3]。
目前，因其同步性、周期性、经济性，热红外遥感技术已成为海温监测的一种有效调查手段[4-5]。
热红外遥感数据常用的数据源包括Landsat系列卫星（5/7/8）和环境卫星（HJ-1B）。
国内外学者针对这些数据提出了一系列的地表温度反演算法，如单通道法[6]、单窗口法[7]、分裂窗法和多通道法[8]等。
这些反演算法已被广泛应用于海温监测中[9-14]，但目前罕有研究Landsat8 TIRS和HJ-1B IRS两类传感器在海表温度反演方面一致性的文章。
利用傅里叶变换测量红外焦平面器件响应光谱
利用傅里叶变换测量红外焦平面器件响应光谱王溪;林春;林加木;赖嘉毅;丁瑞军;何力【摘要】利用傅里叶变换测量光谱的方法具有大通量、高信噪比的优势，在红外测试领域具有重要的应用价值。
利用步进扫描和时间分辨的方法，可以同步傅里叶变换红外光谱仪动镜移动和焦平面器件的输出，获得高质量的干涉图，从而计算得到器件的响应光谱。
在本系统测量范围400～10000 cm －1内，所得光谱的分辨率可以达到4 cm －1。
%The Fourier Transform Infrared (FTIR)Spectrometer has the advantages of high flux and high signal-to-noise ratio.With the help of step scan and the time resolution functions of the spectrometer,FTIR system can be applied to characterize the photo-response spectrum of the infrared focal plane arrays.The response spectra of all the pixels can be measured at once.In the whole spectrum range of 400 ~10000 cm -1 ,the spectral resolution can reach 4cm -1 .【期刊名称】《激光与红外》【年(卷),期】2016(000)002【总页数】4页(P200-203)【关键词】傅里叶变换红外光谱;红外焦平面探测器;步进扫描【作者】王溪;林春;林加木;赖嘉毅;丁瑞军;何力【作者单位】中国科学院上海技术物理所红外成像材料与器件重点实验室，上海200083; 中国科学院大学，北京 100049;中国科学院上海技术物理所红外成像材料与器件重点实验室，上海 200083;中国科学院上海技术物理所红外成像材料与器件重点实验室，上海 200083;哈尔滨工业大学，黑龙江哈尔滨 150001;中国科学院上海技术物理所红外成像材料与器件重点实验室，上海 200083;中国科学院上海技术物理所红外成像材料与器件重点实验室，上海 200083【正文语种】中文【中图分类】TN214随着红外探测领域的高速发展,红外焦平面探测器(FPA)向着更宽的探测范围[1],更高的测量能力发展,这对光谱测试提出了更高的要求。
基于HJ-1B数据的作物根系土壤水分遥感监测
基于HJ-1B数据的作物根系土壤水分遥感监测陈亮;姚保顺;何厚军;张波【摘要】针对作物生长期不同土层田间耗水发生变化的特点,在对植被供水指数(VSWI)和归一化水体指数(ND-WI)构建原理进行分析的基础上,综合VSWI和NDWI构建了作物根系土壤水分监测指数(CRM),采用HJ-1B数据计算VSWI、NDWI、CRM等指数,基于不同指数分别建立土壤水分监测模型并对反演结果进行对比分析.结果表明:与单一指数模型相比,综合VSWI和NDWI的作物根系土壤水分监测指数与实测土壤水分的相关性更高,相关系数达0.6以上;降雨后浅层土壤含水量增高时,作物根系土壤水分监测指数反演精度提高更为明显,可减轻降雨对土壤水分监测的影响.【期刊名称】《华北水利水电学院学报》【年(卷),期】2016(037)003【总页数】5页(P27-31)【关键词】根系土壤水分;遥感监测;作物;HJ-1B;VSWI;NDWI【作者】陈亮;姚保顺;何厚军;张波【作者单位】黄河水利委员会信息中心,河南郑州450004;黄河水利委员会信息中心,河南郑州450004;黄河水利委员会信息中心,河南郑州450004;黄河水利委员会信息中心,河南郑州450004【正文语种】中文【中图分类】TV93;TP79旱灾是我国农业生产的最大威胁,波及范围广、历时长,每年直接经济损失达(4～7)亿元,占我国农业自然灾害损失的近60%[1]。
土壤水分是地表和大气界面的重要状态参数,直接影响地表的热量平衡和水量平衡,与干旱关系密切[2-3]。
土壤水分监测是墒情监测的主要内容,对农田水分管理、作物旱情分析和水资源调配具有重要意义。
随着全球对地观测技术的迅猛发展,土壤水分(或干旱)遥感监测技术取得了大量的研究成果,发展出多种土壤水分(或干旱)遥感监测模型,建立了数十个遥感监测指数,并得到了成功应用[4]。
常用干旱监测指数包括:归一化植被指数(Normalized Difference Vegetation Index,NDVI)、距平植被指数(Anomaly Vegetation Index,AVI)、植被状况指数(Vegetation Condition Index,VCI)、增强的植被指数(Enhanced Vegetation Index,EVI)、归一化水分指数(Normalized Difference Water Index,NDWI)、垂直干旱指数(Perpendicular Drought Index,PDI)、修正的垂直干旱指数(Modified Perpendicular Drought Index,MPDI)、半干旱区水分指数(Semi-arid Water Index,SAWI)、表观热惯量、温度状况指数(Temperture Condition Index,TCI)、植被健康指数(Vegetation Health Index,VHI)、植被供水指数(Vegetation Supply Water Index,VSWI)、温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)、条件植被温度指数(Vegetation Temperature Condition Index,VTCI)、作物缺水指数(Crop Water Stress Index,CWSI)、微波集成干旱指数(Microwave Integrated Drought Index,MIDI)等[5-6]。
光谱库 光谱响应函数 植被光谱计算
在植被科学和遥感领域，光谱库和光谱响应函数是非常重要的概念和工具。
通过对植被的光谱响应函数进行计算和分析，可以帮助科研人员更深入地理解植被的生理和生态特性，为植被监测、生长模拟和环境保护提供重要的数据支持。
一、光谱库的构建光谱库是指由各种不同类型植被的光谱数据组成的数据库，其中包含了植被在不同波段、不同光照条件下的反射、吸收和辐射特性。
光谱库的构建需要通过遥感技术获取大量的植被光谱数据，并对这些数据进行整理、存储和分析，以建立起完整而全面的植被光谱数据库。
光谱库的建立对于理解不同植被类型的光谱特征、光合作用过程、生长发育状态等具有重要意义。
在遥感监测和环境遥感应用中，光谱库也是进行植被分类、生境评价和植被监测的重要数据基础。
二、光谱响应函数的计算光谱响应函数是指植被对不同波长光线的反射、吸收和辐射特性对光线的响应函数。
通过对植被光谱响应函数的计算，可以揭示植被在不同光谱范围内的特异性，进而探讨植被的光学特性和光合作用机制。
在光谱响应函数的计算过程中，需要考虑植被的生理生化特性、叶片结构和光合作用过程对光谱特性的影响。
通过光谱响应函数的计算和分析，可以深入了解不同植被类型在光谱特性上的差异性，为植被光谱数据的解释和应用提供科学依据。
三、植被光谱计算的意义植被光谱计算是指利用遥感技术和光谱分析方法对植被反射、吸收和辐射特性进行计算和模拟。
通过植被光谱计算，可以获取植被在不同光谱范围内的光学特性和光合作用参数，为植被监测和环境保护提供重要的科学数据支持。
植被光谱计算的意义在于揭示植被的光学特性、光合作用效率和生理状态，为植被健康监测、生长模拟和环境状况评估提供科学依据。
通过植被光谱计算，可以深入理解植被与环境之间的相互作用关系，为生态环境保护和植被资源管理提供科学支撑。
四、个人观点和理解从光谱库、光谱响应函数和植被光谱计算这一系列的植被光谱分析工作来看，我认为这些工作不仅是对植被光谱特性的深入了解，更是为植被生态系统的监测和管理提供科学数据支持的重要基础。
HJ1星CCD相机多点法交叉定标研究
HJ1星CCD相机多点法交叉定标研究福建师范大学硕士学位论文HJ-1星CCD相机多点法交叉定标研究姓名：汪左申请学位级别：硕士专业：地图学与地理信息系统指导教师：李虎201106摘要中I—一’JI叫再-卫星传感器的绝对辐射定标是遥感数据定量化应用的前提和基础。
为了提高I-IJ．1星CCD相机的数据质量、利用率及其定量化应用的水平，需要对HJ-1星CCD 相机进行高精度高时效的绝对辐射定标。
针对目前HJ．1星CCD相机辐射定标方法单一、缺乏可信的在轨定标系数偏移量的研究现状，。
本文开展了HJ．1星CCD相机的多点法交叉定标技术研究。
具体研究内容包括以下三个方面：(1)改进了交叉定标公式，改进后的公式将光谱匹配因子定义为目标传感器与标准传感器归一化表观反射率之比，使得交叉定标公式更加简洁和实用。
然后概括了交叉定标的具体操作流程。
(2)分析了交叉定标的不确定性来源与大小，并在此基础上讨论了交叉定标中利用非实测数据替代实测数据的各种替代措施的可行性。
通过分析，得出：海拔设置、大气参量设置、历史地表光谱替代等因素对光谱匹配因子的影响很小(水汽含量设置对近红外波段光谱匹配因子的影响稍大)；同类型地物光谱替代需要考虑地物的实际类型；地表二向反射特性对光谱匹配因子的影响很大。
另外，本文发现了一致的观测几何下光谱匹配因子不确定性最小的性质，这一发现为高精度交叉定标提供了另一种可能性。
(3)进行了HJ．1星CCD相机的多点法交叉定标，得到了在轨定标系数(包括增益和偏移量)，并通过表观产品的真实性检验证明了多点法交叉定标结果的可靠性。
关键词：交叉定标；多点法；不确定性分析；HJ．1 CCD福建师范大学汪左硕士学位论文E|nlll IIllIlll l III II I llYI 998728AbstractAbsolute radiometric calibration of satellite is the foundation of quantitative application of Remote Sensing data．In order to improve the quality,utilization ratio and the quantitative application level of HJ·I／CCD Sensors data,it is needed to calibrate for HJ-1／CCD Sensors with hi罟h precision and frequency．For the current H3-1／CCD Sensors researchstatus of the single cahloration method end the lack of credxlole calibration coefficientoffset,this paper carried out the research on multi-site crom-calibration of KI-I／CCD Sensors．Specific research includes the following three aspects：1)The improved cross-calibration formulas-in which spectra matching factor isdefined as the ratio of normalized apparent rIenec切nce of target sellsor and s似mdard$ernsor-a∞derived with a more concise and practical form．And then generalize thespecific operation procedures of cross-calibration．2)The sources and size of=oss-calibration w呦刚：a嘶we犯analyzed,and the feasibility of various alternatives used non-measured data jn cross—cabb碉：ti叩processWaS discussed．1胁ough the analysis，these conclusions a坞：the删尬四tain锣of spectramatching factor caused by elevation setting,atmospheric parameter settin易substitutionof history surfaco邓IeI珀眦for synchronous measurement surfac冶spectrum,and otherfactors is small(the uncertainty on the iie锄r infzared channels caused by water vapor setting is slightly larger)；the actual孵of 8Ul"facA{feature is needed to be cormideredwhen the synchronous measurement surfago specumn replaced by a same type汕-facospectrum；and the uncertainty of spectra matching factor caused by surface bidirectional reflectance characteristics is删．In addition,the uncertainty of spectra matching factorunder the same observation geometry is the minimum；the found of this nature p∞、，id贸another possibility for hlgh-precision cross—calibration．3)The multi-site cross—calibration of HJ-I／CCD Sensors was carried out in thispaper,and the in-orbit calibration coefficients(including the gain and o氆seO—whichwere proved to be reliable by validation ofapparent products-Was obtained．Keywords：cross-calibration；multi-site；uncertainty analysis；町一l CCDHI福建师范大学汪左硕士学位论文IV中文文摘中文文摘2009年9月6日HJ星座的成功发射，在轨运行已有两年有余，至今已为我国及周边地区提供了大量具有高空间分辨率、高时间分辨率、高光谱分辨率和宽覆盖的遥感影像数据，为我国环境监测保护与减灾防灾提供了数据基础。
红外辐射测量系统外场标定方法及飞行目标亮度反演方法
红外辐射测量系统外场标定方法及飞行目标亮度反演方法禄晓飞;盛捷;赵慧【摘要】对于外场红外辐射特性测量设备，标定建立了输出灰度和输入能量之间的对应关系。
通过构建中心红外系统外场标定体系，分析了直接扩展源标定、间接扩展源标定、小面元黑体近距离成像标定的能量传递过程、标定试验过程以及3种标定方法得到的系统响应度和系统底灰度的物理含义，指出了它们的相同和不同之处，进行了一致性分析。
给出了采用标定数据计算飞行目标亮度的方法并提出了中距离外场红外辐射测量实验方法，对大气透过率软件和标定方法进行验证。
%For outdoor infrared device, the calibration process establishes the relationship between input energy and output gray. This paper constructs the outdoor calibration system of infrared device, analyzes the energy transporting process of calibration by collimator, calibration by near blackbody, calibration by overlap blackbody, and demonstrates the process of calibration. By analyzing the physical meaning of calibration parameters, this paper points out the same aspects and different aspects of system response,based on which the method of computing luminance of aircraft is proposed. Also this paper proposes the method of measuring blackbody with middle range, which can be applied to validate the atmospheric transmittance and method of calibration.【期刊名称】《红外技术》【年(卷),期】2015(000)002【总页数】7页(P154-160)【关键词】外场标定;平行光管;小面源黑体;幅亮度;大气透过率【作者】禄晓飞;盛捷;赵慧【作者单位】酒泉卫星发射中心，甘肃酒泉 732750;酒泉卫星发射中心，甘肃酒泉 732750;酒泉卫星发射中心，甘肃酒泉 732750【正文语种】中文【中图分类】TN216随着反导武器技术的快速发展，飞行器突防性能越来越受到重视，对飞行器突防性能综合评估的要求也越来越高[1]。
环境卫星HJ1A超光谱成像仪在轨辐射定标及光谱响应函数敏感性分析
谱成像仪 缺乏各通道光谱响应 函数这 一问题 ， 传统 的反射率 基法 予 以改进 ，提 出一 种不使 用光 谱响应 函 对 数 的场地定标 方法 。 利用敦煌 场地 ２ ０ 年 ８ ０９ 月定标 实验数据 ，实现 超光谱成像 仪在 轨辐射定 标 。通过构 建 不 同形状 的光谱 响应函数 ， 分析 光谱 响应 函数形状对最终辐射定 标结果产生的误差 。结果表 明，利用新提 出 的场地定标方 法可以实现超光谱成像仪绝对辐 射定标 ，除水汽 和氧气 吸收通 道外 ，光 谱响应 函数对 定标结
环境卫星 Ｈ １ Ｊ Ａ超 光 谱成 像 仪 在 轨 辐射 定 标及 光谱 响应 函数敏 感 性 分 析
高海亮 。 顾行发 ¨ ， ～， 余 涛 。 李小英 。 巩 慧Ｌ ～， ， ， 李家 国 ～， 朱光辉
１ ．中国科学 院遥感应用研究所遥感科学 国家重点实验室 ，北京 ２ ．中国科学 院研究生 院，北京
轨辐射定标［ 。结果表 明 ， 地定 标方 法可 以得到 卫星 在 ９ 场 轨运行期间 的各传感器绝 对辐射定标系数 ，在一定 程度上 满
足 定 量 化 遥 感 的需 求 。
同其他卫星 的多光谱传感 器相 比， 光谱成像 仪的一个 超 特 点是 光谱分辨率非 常高 ， 且在成像过程 中需要进行 傅 里叶 变换 ， 导致在卫 星发射 前无法测量得到超光 谱成像仪 各通道
中图 分 类 号 ： ７ ２４ ＴＰ ２ ．
际相关 专家的认可 ， 该方 法 已经成为卫 星在 轨期 间必 然采用
引 言
环 境 卫 星 ＨＪ Ａ 是 我 国 环 境 减 灾 系 列 卫 星 的 第 一 颗 星 ， １
的定 标 方 法 之 一 ，成 功 对 Ｌ ｎ ｓｔＴＭ／ ＴＭ ＋，ＭＯ Ｓ ａ ｄａ Ｅ ＤＩ ， ＡＳ Ｅ Ｔ Ｒ，ＭＩＲ，Ｓ ＯＴ和 Ｓ ａ Ｆ Ｓ Ｐ ｅＷｉＳ等多 颗卫星 实现 在轨 辐 射定标 ］ 。国内从 上个 世 纪末 开始 ，建 立 了敦 煌 和青海 湖 两个 国家级 辐射 校正场 ， 分别对 可见近红外卫 星及热红外 卫 星开 展 在 轨 定 标 实 验 ，经 过 １ ０多 年 的 发 展 ，对 我 国 的
光谱响应函数和辐射定标系数的区别
光谱响应函数和辐射定标系数的区别光谱响应函数和辐射定标系数是用于计量光学测量和数据处理的两个关键参数。
它们在光谱分析、辐射计量以及光学仪器的研究和应用中起到非常重要的作用。
虽然它们都与光学测量相关，但它们具有不同的作用和原理。
在本文中，我们将详细探讨光谱响应函数和辐射定标系数的区别和应用。
1. 光谱响应函数光谱响应函数是一种用于描述光学系统的相对响应的函数。
它通常是一个与波长有关的函数，用于表示光学系统对不同波长的光的响应程度。
光谱响应函数可以描述光学系统在整个可见光谱范围内的响应特性。
通常，它由光学系统中的感光元件的响应曲线和滤光器的透过率曲线的乘积给出。
光谱响应函数可以用于研究光学系统的成像质量、颜色测量、光谱分析以及光学传感器等领域。
在实际应用中，我们通常会使用一个标准光源，如白光源或标准光谱辐射源，辅以光电二极管或光谱仪等测量设备，来获得光谱响应函数。
通过测量不同波长下的光谱响应，我们可以得到光学系统的响应特性，并进行光谱数据的校正和处理。
2. 辐射定标系数辐射定标系数是一种用于将光学测量的辐射值与实际辐射值相互关联的参数。
它是光学辐射计的核心参数之一，通常用于辐射计的校准和辐射测量。
辐射定标系数可以理解为光学系统中的一个比例因子，将测量到的辐射值转化为实际光辐射强度或能流密度。
辐射定标系数的计算通常需要使用辐射标准或标定源进行。
标定源通常是经过精确校准的光源或辐射源，它们具有已知的辐射强度或能流密度。
通过使用标定源和测量设备，可以根据测量值和标定值之间的比值得到辐射定标系数。
辐射定标系数的应用范围非常广泛，涉及到许多领域，例如光学传感器、光学通信、红外辐射测量、成像系统等。
在这些应用中，辐射定标系数可以用于将测量到的辐射信号转化为标准辐射强度或能流密度，从而实现精确的辐射测量和数据处理。
3. 区别和应用光谱响应函数和辐射定标系数在光学测量中起着互补的作用。
它们的区别主要体现在两个方面：3.1 原理和定义光谱响应函数描述了光学系统对不同波长光的响应程度，它是一个相对的描述。
环境卫星（HJ）数据辐射定标与大气校正
响应函数值。
DNij = TiRijIj DNij 是波段j中像元i的灰度值， Ti 是指像元i处表征表面变化的地貌因子，对确定的像元所 有 波 段 都 相 同 , Rij 是 波 段 j 中 像 元 i 的 反 射 率 ， Ij 是 波 段 j 的 光 照 因 子 。 如 果 假 设 DNi. 表示像元i的所有波段的几何平均值， DN.j 表示波段j对所有像元的几何平均值， DN.. 表 示 所 有 像 元 在 所 有 波 段 的 数 据 的 几 何 均 值 ， 则 DN.j / DN .. 表 示 DNij / DNi. 对一个波段中所有像元的几何平均值：
2 HJ-CCD-A 星影像辐射定标和大气校正实例
2.1 环境卫星（HJ）数据介绍
环境与灾害监测预报小卫星星座 A、B 星(HJ-1A/1B 星)于 2008 年 9 月 6 日成功发射， HJ-1-A 星搭载了 CCD 相机和超光谱成像仪（HSI），HJ-1-B 星搭载了 CCD 相机和红外相机 （IRS）。星座 CCD 相机的重访周期为 2 天，解决了中分辨率遥感影像获取周期短的问题。 该星座的主要任务是对自然灾害、生态破坏、环境污染进行大范围、全天候、全天时的动态 监测，结合地面应用系统对灾害和生态环境的发展变化趋势进行预测，对灾情和环境质量进 行快速和科学评估，提高灾害和环境信息的观测、采集、传送和处理能力，为紧急救援、灾 后救助及恢复重建和环境保护工作提供科学依据。环境卫星高度是 650km。环境卫星图像包 含 4 个波段：0.43-0.52um，0.52-0.6um，0.63-0.69um，0.76-0.9um，空间分辨率均为 30m。
二、高光谱遥感成像机理与成像光谱仪
CCD SPECTRUM
Δ L : 光程差 [mm]
WAVELENGTH [nm]
29
干
涉
仪
2.6 成像光谱仪的光谱成像方式
（2）干涉型成像光谱仪(Fourier Imaging Interferometer)
M 1 '
迈 克 尔
G1
M 2 G2
M 1
相干辐射在探测器上产生的光强Ι(δ)为：
2.4 高光谱遥感成像关键技术
遥感器的光谱响应与下列因素有关: （1）能量流(Energy Flux),指从地面反射或辐射进入探测器的能量总和。 （2）平台高度，对于给定的地面分辨单元来说，进入仪器的能量与平台高 度成反比。 （3）光谱分辨率，光谱通道越宽，即光谱分辨率越低，探测器接收的信号 越强。 （4）瞬时视场角（IFOV），探测器元件（Element）的物理尺寸和扫描光 学系统的焦距决定了IFOV，而IFOV越小，其光谱响应也越弱。 （5）探测器凝视时间（Dwell Time），探测器的瞬时视场角扫过地面分辨 单元的时间称为凝视时间，其大小为行扫描时间与每行像元数的比值。凝 视时间越长，进入探测器的能量越多，光谱响应也就越强。 21
2.2 高光谱遥感成像特点
成像光谱仪：
与地面光谱辐射计相比，成
像光谱仪不是在“点”上的光谱测
量，而是在连续空间上进行光谱
测量，因此它是光谱成像的；
与传统多光谱遥感相比，其
HJ-1-B红外相机遥感成像模拟研究的开题报告
HJ-1-B红外相机遥感成像模拟研究的开题报告
题目：HJ-1-B红外相机遥感成像模拟研究
摘要：
HJ-1-B卫星作为我国遥感卫星系统中的重要一员，被广泛应用于地球环境监测、资源
调查与管理、灾害监测预警等领域。
其中，红外相机是其重要的技术装备之一，具有
测温、分析目标地表热辐射等功能。
本文将针对HJ-1-B红外相机进行模拟研究，对其遥感成像过程进行模拟分析，以实现对红外相机获取的数据进行处理与分析的目的。
首先，本文将对其成像原理进行分析，并基于该原理构建模拟模型，模拟各种气象条
件下相机传感器对目标的探测和获取。
其次，本文将借助相关软件和方法，对模拟数
据进行处理和分析，以获取各种目标的热辐射数据，进而实现对该目标的识别和分类，并进行相应的应用研究。
最后，本文将通过实验验证模拟方法和模型的可行性和准确性，为HJ-1-B红外相机的遥感成像提供基础性理论和技术支持。
关键词：HJ-1-B卫星，红外相机，遥感成像，模拟研究，数据处理，应用研究。
光谱响应函数法
光谱响应函数法光谱响应函数法是一种广泛应用于光学检测和光谱分析的方法。
本文将详细介绍光谱响应函数法的相关内容，包括定义、性质、测量、应用、仪器设备、光学原理、误差分析和扩展技术等方面。
一、定义与性质光谱响应函数法是一种通过测量光谱响应函数来分析物质的光学特性的方法。
光谱响应函数描述了光电器件对不同波长光的响应程度，通常用相对值表示。
该方法具有以下性质：1.光谱响应函数是波长的函数，表示光电器件对不同波长光的响应。
2.光谱响应函数具有非线性，即波长与响应之间并非简单的线性关系。
3.光谱响应函数的测量需要使用特定的光学仪器和设备。
4.光谱响应函数可以用于分析物质的光学特性，如吸收、反射、透射等。
二、光谱响应函数的测量测量光谱响应函数需要使用一些常用的光电器件和测量原理。
下面将介绍一些常用的测量方法：1.使用光电倍增管（PMT）或光子计数器等光电器件测量光谱响应函数。
这些器件可以检测不同波长的光，并输出相应的电信号。
通过测量电信号与输入光的波长之间的关系，可以获得光谱响应函数。
2.采用单色仪法测量光谱响应函数。
该方法使用单色仪将宽带光分解成不同波长的单色光，并分别测量每个单色光的响应。
通过数据处理和分析，可以得到光谱响应函数。
3.利用光谱辐射计或光谱仪等光学仪器测量光谱响应函数。
这些仪器可以测量物体在不同波长下的辐射亮度或反射率等光学特性，从而得到光谱响应函数。
三、光谱响应函数的应用光谱响应函数法具有广泛的应用领域，包括光探测与成像、光捕捉、光信号处理等方面。
下面将介绍几个具体的应用实例：1.光探测与成像：利用光谱响应函数法可以实现对不同波长光的探测和成像。
例如，在医学诊断中，通过测量人体组织在不同波长下的透射或反射光谱，可以对病变部位进行精确的诊断。
2.光捕捉：利用光谱响应函数法可以实现高效的光捕捉和利用。
例如，在太阳能电池中，通过优化光谱响应函数，可以提高太阳能电池的转换效率。
3.光信号处理：利用光谱响应函数法可以实现对光信号的快速、高效处理。
光谱响应函数
光谱响应函数
无论是多光谱遥感器，还是高光谱遥感器，每个波段都有一定的波长响应宽度。
是不是在该波长宽度范围内的入射辐亮度都完整的被遥感器接收并记录呢？
答案是：NO!
为什么不呢？
其实遥感器的一个波段也滤波器类似。
理论上决定了不可能出现矩形的滤波函数。
滤波函数一般都是单峰函数。
这个滤波函数就相当于遥感器的光谱响应函数。
通俗的讲：遥感器的光谱响应函数是波长的函数，是遥感器在每个波长处接收的辐亮度与入射的辐亮度的比值。