基于FLAASH的Hyperion高光谱影像大气校正

遥感影像的大气校正是定量遥感研究的前提。文章对利用ENVI 软件的FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)进行EO-1 Hyperion高光谱影像的大气校正能力进行了评价。黑河流域甘肃张掖研究区的Hyperion高光谱影像的获取时间是2007年9月10日,卫星过境前后准实时获取41个样区的野外实测数据,包括冠层波谱和生化含量以及GPS定位数据。首先利用Landsat-7 ETM+影像对Hyperion高光谱影像进行了几何校正,然后将Hyperion的DN值转化为辐射亮度和表观反射率,并利用FLAASH对Hyperion影像进行大气校正。比较了研究区四种典型地物(玉米、水体、荒漠和建筑物)的辐射亮度、表观反射率以及FLAASH大气校正后的反射率,并与玉米ASD野外反射波谱利用高斯滤波函数重采样到Hyperion相应波段后进行了比较。结果表明,FLAASH大气校正很有效,两种方法获得的反射波谱相吻合,相关系数达0.987。     

Sentinel-2卫星影像的大气校正方法

Sentinel-2卫星是全球环境与安全监测系统"哥白尼计划"中的第二颗卫星,其影像具有高时空分辨率,是未来遥感应用的重要数据源。采用大气校正简化模型(SMAC)、6S模型和Sen2cor方法对Sentinel-2卫星影像进行大气校正,将上层大气表观反射率转换为地表反射率,并结合实测地物的光谱数据进行分析。Sentinel-2卫星影像经过大气校正后,影像光谱曲线与地面实测光谱曲线的变化趋势一致,具有较高的拟合度。三种模型大气校正的结果具有较强的相关性和较高的精度,其中Sen2cor方法精度最高,决定系数(R2)为0.8196,均方根误差(Ermse)为0.0388,其次为6S模型和SMAC。从归一化植被指数(NDVI)的分析可以看出,SMAC计算的NDVI值与实测值的相关性最高,R2为0.6389,Ermse为0.093,其次为6S模型和Sen2cor方法。结果表明这三种方法的大气校正精度较高,Sentinel-2卫星影像经过校正后影像质量明显得到提高,增加了可用性。     

基于辐射传输模型的环境一号卫星CCD相机的水体大气校正方法研究

水体大气校正问题是开展我国环境一号卫星水色遥感定量化应用的关键。针对环境卫星CCD相机的特点,以水气耦合的辐射传输模型构建大气校正参数查找表,研究以地面气象数据辅助的逐像元水体大气校正方法,实现水体离水反射率和遥感反射比的反演。以现场测量数据和MODIS数据为参考进行水体大气校正效果验证,研究发现CCD相机的反演结果在蓝、绿波段的精度较高而红、近红的反演结果系统偏大。研究结果还表明气溶胶模型是影响水体大气校正精度的重要因素。     

基于辐射传输优化模型的二类水体大气校正

遥感影像的大气校正是水色参数反演的前提。以太湖为研究区,采用6S大气辐射传输模型以及近红外波段离水反射率模型相结合的方法。通过神经网络模拟大气辐射传输过程,并利用中分辨率成像光谱仪(MERIS)754、779、865、885nm 4个近红外波段进行光谱优化,求算550nm处气溶胶光学厚度等变量。通过外推,实现可见光波段的大气校正。将2007年11月11日、20日、21日,2008年11月20日MERIS Level 1p影像以及野外实测水体遥感反射率数据集用于精度验证,结果表明,该方法能够较好地反演水体遥感反射率光谱,校正后的13个波段的平均相对误差大多分布在20%~40%之间。与6S以及Beam 4.9软件自带的大气校正方法相比,具有较高的校正精度和较强的稳定性,在太湖有较好的适用性。     

HJ-1A/1B卫星CCD影像水环境遥感大气校正方法评价研究——以鄱阳湖为例

HJ-1A/1B卫星CCD传感器具有较高的空间、时间分辨率,在内陆湖泊水质遥感定量监测方面有很大潜力,大气校正是制约其应用的关键问题之一。以我国第一大淡水湖——鄱阳湖为研究区域,结合2009年、2011年两次现场实测数据对FLAASH,6S,COST和QUAC四种大气校正结果进行对比分析,并探讨各种大气校正算法对悬浮泥沙浓度反演精度的影响。结果表明:(1)HJ-1A/1B卫星CCD的第1波段在水环境遥感应用时,建议进行重新定标;第2和3波段四种大气校正结果精度相对较高,其中,FLAASH,6S和COST三种大气校正算法精度都较高,QUAC精度偏低,建议在可能的情况下对该算法进行有针对性的改进;(2)FLAASH,6S,COST和QUAC四种大气校正算法第2和3波段比值结果与实测数据吻合度最好,平均相对误差分别为8.2%,9.5%,7.6%和11.6%,因此建议在鄱阳湖水域尽量采用第2和3波段比值作为反演因子;(3)以四种大气校正结果为基础,与悬浮泥沙浓度直接建模,结果发现,四种模型反演精度均比用实测遥感反射率与实测悬浮泥沙浓度建立的模型反演结果要高,FLAASH,6S和COST三种算法反演所得悬浮泥沙浓度精度都较高,平均相对误差分别为:10.0%,10.2%和8.0%;QUAC略差,平均相对误差为18.6%。建议在泥沙浓度反演时采用大气校正结果与悬浮泥沙浓度直接建模,可以有效降低利用实测光谱数据建模引起的大气校正误差的累积效应;(4)在精度要求不是特别高的前提下,四种大气校正算法都可以采用,但综合算法复杂程度、精度、稳定性等多种因素,在辅助信息不全的情况下,COST大气校正算法更值得推荐。     

航空偏振遥感数据反演陆地上空气溶胶光学厚度

在陆地上空气溶胶遥感中,地表多样性会导致地表反射率计算误差增加,降低地气解耦精度,进而影响气溶胶反演精度。多角度、多光谱和偏振观测数据的引入有利于解决地气解耦精度和气溶胶参数的提取精度受限的问题。基于多角度偏振辐射计(AMPR)航空多光谱遥感数据,结合气溶胶散射和地表偏振反射规律,提出了在1 640 nm波段对AMPR观测偏振反射率进行连续大气辐射校正,实现地气解耦的方法。在此基础上,构建了陆地上空气溶胶偏振反演算法。运算过程中使用665和865 nm波段观测数据进行气溶胶参数提取,使用1 640 nm波段观测数据结合提取的气溶胶参数进行大气偏振辐射校正,重新获取地表偏振反射率。在反演过程中引入迭代,逐步逼近大气与地表真实辐射值,实现地气解耦,并利用查找表的方法实现气溶胶光学厚度反演。通过AMPR在京津唐地区5个架次的航空观测实验数据对反演算法进行了验证,结果与地基CE318观测数据一致性较好,在气溶胶光学厚度小于0.5的情况下,反演平均误差为约0.03。     

基于五种大气校正的多时相森林碳储量遥感反演研究

大气校正已广泛应用于区域生态植被的动态监测,但是不同校正方法和模型对遥感影像光谱和森林碳储量估算结果的影响不得而知,同时这种差异在多时相遥感监测与应用时经常被忽略。以多期Landsat影像为数据源,借助植被指数MNDVI和野外实地调查的马尾松林样方数据,进行马尾松林碳储量反演。然后采用几种常用的大气校正算法：6S,FLAASH(fast line-sight atmospheric),IACM(illumination and atmospheric)和QUAC(quick atmospheric correction),并结合地面同步实测的光谱数据,以评估其对马尾松冠层光谱曲线、植被指数以及林分碳储量估算的影响;同时从遥感动态监测角度出发,分析了相对大气校正(pseudo-invariant feature, PIF)对多时相影像植被指数与碳储量反演结果的校正效果。结果表明,经大气校正后的影像波段反射率与实测光谱结果较为接近,其中近红外和短波红外波段光谱反射率明显上升,同时可见光波段减弱,NDVI(normalized difference vegetation index)增加明显。不同大气校正模型对研究区马尾松林碳储量的遥感反演结果影响较大,其中IACM与6S模型分别具有较高的精度和较低的误差。此外,经过PIF校正后不同时相影像的NDVI相对偏差降低了85.16%,同时马尾松林碳储量反演模型精度得到明显提升,表明辐射归一化处理对于多时相遥感影像的应用十分必要。研究发现ICAM与PIF的大气校正模型组合可较好纠正大气效应,适用于多时相遥感数据的森林碳储量反演与监测研究。     

浑浊二类水体的高分四号卫星大气校正效果分析

高分四号卫星是我国首颗高空间分辨率地球静止卫星,在浑浊二类水体的遥感定量监测方面应用潜力很大。为评价高分四号多光谱数据经大气校正后水体反射率的精度,以太湖为研究区,使用同步MODIS数据辅助的Gordon单次散射改进算法,对2016年7月21日和2016年8月17日两景高分四号多光谱数据进行大气校正,并通过与地面同步实测光谱数据、以及地球静止水色卫星GOCI数据大气校正结果的协同比对,验证高分四号多光谱数据的大气校正效果,为该卫星产品的水色遥感应用提供借鉴和参考。结果表明,红光B4波段校正精度最高,平均绝对误差(MAPE)为10.71%;绿光B3波段校正精度次高,MAPE为13.21%;近红外B5波段校正精度次低,MAPE为33.06%;蓝光B2波段校正精度最低,MAPE为53.55%。其中B3,B4和B5波段校正精度高于GOCI,主要原因在于高分四号的空间分辨率远高于GOCI,混合像元导致的精度误差相对较小,充分显示了高分四号作为一颗高空间分辨率地球静止卫星在水色遥感方面的优势;而B2波段低于GOCI,表明高分四号的蓝光波段尚有改进空间,今后有必要对该波段进行重新定标等处理;在未得到有效处理的情况下,水色遥感应用应尽量避开该波段。总体而言,高分四号多光谱数据校正精度较高,可以较好的应用于内陆二类浑浊水体的定量遥感监测。     

基于表观光谱反演黄东海水体固有光学量研究

水色遥感反演算法中半分析模型的建立需要已知水体同有光学量,文章基于现场实测数据建立了由遥感反射率反演同有光学量模型.对2003年春季黄东海航次所测数据进行了介绍,详细阐述了遥感反射率、颗粒物后向散射和吸收系数的测量方法.基于生物光学模型,利用单纯形优化算法由遥感反射率来反演水体同有光学量,并将反演结果与实测数据进行了比...     

Landsat-8的舟山近岸海域总悬浮物遥感反演与时空变异研究

总悬浮物(TSM)是海洋水质和水环境评价的主要参数之一。舟山海域位于杭州湾边缘,泥沙含量多,总悬浮物长期处于高浓度状态,其分布与动态变化对近岸水质、水循环以及该区域的渔业、旅游业都有较大影响。Landsat-8卫星影像作为一种应用广泛、空间分辨率高、便于获取的光学信息,可以为舟山海域的TSM观测提供有力的技术手段。利用舟山近岸海域实测TSM吸收系数a_p(440)和水面光谱,开发了基于Landsat-8反演TSM的最优模型,发现基于近红外和蓝色波段比B5/B2的S-函数和线性函数模型反演精度较好,相对于线性模型,S-函数具有更强的鲁棒性,该模型形式为a_p=3.72/(0.009+e-5.249B5/B2),克服了常用函数模型（如线性、对数、指数函数）应用于实际卫星影像时出现光谱幅度范围受限的困难。海岸带内陆复杂水体水色遥感的另一难点是大气校正,以往的研究往往只采用某种大气校正模型,但该模型不一定适合研究水域,从而使得校正结果并不一定是最优的。在本研究中,验证比较了FLAASH,6S和ACOLITE三种大气校正方法面向Landsat-8水色反演的校正结果,发现ACOLITE方法获取的光谱形状最准确,误差最小,特别在蓝色波段,明显好于FLAASH和6S方法。将最优模型应用于舟山近岸海域2013到2018年的10幅Landsat-8图像。实测数据和反演结果显示：舟山近岸海域的TSM吸收系数a_p(440)的变化范围在1.64～417.04 m-1,均值118.47 m-1,TSM吸收占水体总吸收的90%以上,该海域实测的水面光谱形状呈现典型的河口海岸带复杂浑浊水体的光谱特征,很多光谱曲线具有双峰特征,遥感反射率幅值较大,特别是红色、近红外波段,由于受河口高浓度TSM的影响,遥感反射率高于远海较清洁的海水;衢山、洋山、宁波等近岸区域的TSM浓度明显高于东极、嵊泗等远海区域,随河口羽化区呈现由高到低的梯度变化,在近岸区域分布复杂,外海区域分布较为均匀。在时间分布上具有冬季浓度远高于夏季的特点,其中12月最高,最大值为413.32 m-1,8月最低,最小值为3.69 m-1,5月、10月期间也有TSM的局部峰值。这些TSM时空变异特征表明舟山海域悬浮物的分布和变化一方面受地形、海流、潮汐、季风、台风等自然环境因素的影响,另一方面也受如海运、港口建设、海岛旅游等人类活动的较大影响。     

面向地质应用的航空高光谱CASI‐SASI数据大气校正方法对比研究

蚀变信息提取是高光谱遥感地质应用的重要内容。基于特殊吸收峰的蚀变矿物提取是蚀变信息提取的重要手段。由于大气的吸收和散射作用,为了获得更为真实的地物反射光谱,必须进行大气校正。目前,国内外针对大气校正的对比研究主要集中在大气校正前后图像的质量改善、地物分类效果的提升以及校正图像像元光谱与实际地物光谱的相关关系等方面,而对不同校正方法获得的像元光谱与实际光谱吸收峰位的对应情况则很少讨论,这对于依赖吸收峰特征进行蚀变矿物提取的地质遥感极为不利。利用CASI-SASI航空高光谱成像系统,采集了甘肃龙首山地区的航空高光谱遥感数据,并运用ASD光谱仪,对该地区实际地物光谱进行了测量。以此为基础,开展了FLAASH、快速大气校正（QUAC）、经验线（EMPL）等方法大气校正结果的对比研究。通过对比分析,发现FLAASH,QUAC和EMPL均能在一定程度上消除大气的影响,改善航空高光谱遥感的图像质量,但EMPL方法得到的反射率与实际反射率相关性最好。此外,运用人工目视方法开展了实际地物反射光谱的吸收峰位与不同校正方法得到的对应像元反射光谱的吸收峰位的对比研究,发现不同校正方法得到的像元光谱的吸收峰位与实际峰位均存在不同程度的差异,虽然EMPL对吸收峰位的保留效果最好,但依然有“漏峰”的现象。据此,提出运用多种大气校正方法开展综合研究,以提高不同类型的蚀变带定位准确度。     

基于果蝇-鲍威尔优化的航空高光谱影像大气校正方法

航空高光谱的大气校正是进行高光谱定量反演的基础,但通过空地同步对比分析航空高光谱大气校正的研究较少,论文主要研究了Hyspex高光谱遥感数据不同的大气校正方法。在现有的几种大气校正方法的基础上,提出了一种大气校正的新方法：首先,采用果蝇-鲍威尔优化算法反演光谱的性能参数(中心波长和半波高度的偏移量),对光谱重定标。然后在光谱重定标的基础上,采用MODTRAN模型对Hyspex高光谱数据进行大气校正,得到地表反射率数据。利用同步采集的五种典型地物的地面实测ASD数据将提出的新方法与现有的几种大气校正方法(快速大气校正、经验线性法大气校正、基于6S模型的大气校正、基于FLAASH模型的大气校正、基于MODTRAN模型的大气校正)的大气校正结果进行对比分析,并采用决定系数(R2)和均方根误差(RMSE)来比较各种大气校正方法的精度。结果表明：提出的果蝇-鲍威尔优化MODTRAN模型的大气校正结果最好,决定系数在80%以上,均方根误差在15%以内;基于MODTRAN模型、FLAASH模型、6S模型的方法的校正结果稍次于本文提出的新方法,结果比较稳定,决定系数在70%以上,均方根误差在20%左右;快速大气校正与经验线性法的校正结果不稳定。可以得出结论：本文提出的果蝇-鲍威尔优化算法有效可行,可以精确的反演出中心波长和半波高度的偏移量,其大气校正的精度优于现有的多种大气校正方法。     

面向浑浊水体叶绿素a浓度遥感反演的光谱基线校正

根据浑浊水体中悬浮物的光学性质,提出使用线性基线校正方法来削弱水体光谱中的悬浮泥沙贡献。线性基线定义为450和750 nm的反射率值连线,基线校正为光谱反射率减去基线。2010年3月和2011年4月太湖梅梁湾水体的实测数据验证结果表明,光谱线性基线校正可以较好的提高叶绿素a浓度的反演精度,改进反演模型的诊断性。3月数据建立的波段比值反演模型中,校正前模型RMSE为4.11 mg·m-3,基线校正后模型RMSE为3.58 mg·m-3,同时,基线校正后模型残差的方差齐性和正态分布均有明显的改善。4月模型有类似结果,数据校正后的模型具有更小的误差。在没有水华发生的浑浊水体中,线性基线校正可以作为提高水体叶绿素a浓度反演精度的光谱数据处理方法。     

胶州湾海域Landsat8/OLI数据处理中多种大气校正方法的评价

海洋水色遥感研究中,精确的水体遥感反射比R_rs(λ)光谱数据是应用海洋光学卫星数据反演海洋生物地球物理参数的关键。实际工作中,遥感反射比是根据遥感仪器接收到的辐亮度经大气吸收和散射校正、太阳距离以及太阳高度角校正后计算出来的。因此对卫星传感器数据进行大气校正是我们得到精确的水体遥感反射比光谱数据的关键因素之一,也是海洋水色遥感研究中的一个重要问题。胶州湾是黄海西部的一个半封闭海湾,是北温带海湾生态系统的重要代表,该海域内规划了大范围的海洋牧场养殖区域,水体生物光学性质复杂。Landsat是美国NASA的陆地卫星计划,最初是为了观测陆地而研发,但是其高空间分辨率(30 m)的优势在海洋遥感监测中表现突出,使得其成为卫星遥感监测河流、湖泊、内陆环湾等水体不可忽略的数据源之一。基于QA(quality assurance) Score光谱质量评价体系对Landsat8/OLI数据处理中五种大气校正算法在胶州湾海域的大气校正结果进行了评价分析。五种大气校正算法分别是NASA(National Aeronautics and Space Administration)标准近红外大气校正算法(Seadas采用为默认大气校正算法,记为Seadas Default);Acolite 默认大气校正算法—暗光谱拟合算法（dark spectrum fitting,记为Acolite DSF）;以及Acolite指数外推算法（exponential extrapolation）,根据算法中所使用波段的不同,分别记为Acolite SWIR, Acolite Red/NIR, Acolite NIR/SWIR。分析结果表明在胶州湾海域Seadas Default的大气校正算法得到的R_rs(λ)数据QA得分为1的概率（83.95%）要远大于Acolite DSF（49.66%）,Acolite SWIR（4.13%）,Acolite Red/NIR（7.25%）,Acolite NIR/SWIR（1.38%）四种大气校正算法。Acolite DSF大气校正算法优于Acolite SWIR,Acolite Red/NIR,Acolite NIR/SWIR。应用MODIS/Aqua卫星数据对Seadas Default大气校正算法和Acolite DSF大气校正算法处理Landsat8/OLI卫星数据得到的R_rs(λ)在443,483,561和655 nm的数据进行了对比分析,结果表明在各个波段的Seadas Default算法所得的大气校正结果都要优于Acolite DSF算法。据此,建议在胶州湾及其附近海域应用Landsat8/OLI数据进行遥感应用研究时以NASA标准近红外大气校正算法为首选。     

基于Hyperion高光谱数据的温带森林不同冠层结构的光谱特征分析

冠层是植被进行生态过程的主要层次,森林冠层结构影响冠层生化组分的遥感反演,因此对其光谱特征的分析有助于提高冠层生化组分反演的精度。以长白山温带阔叶红松林为研究对象,利用Hyperion高光谱数据提取不同林冠反射率,运用连续统去除和光谱一阶微分法进行光谱变换,定量分析森林冠层的光谱特征。通过计算样方阔叶树种优势度(BFDI),以及一系列光谱指数(NIR,NDVI,EVI,NDNI,SPRI*NDVI和SPRI*EVI),探讨冠层结构组成对其光谱特征及光谱指数的影响。结果表明：(1)相比阔叶林冠层,针阔混交林、美人松林和樟子松林冠层光谱的红边有左移趋势,斜率明显下降,蓝边、黄边斜率特征也相应减弱,近红外波段反射率明显下降,可见光波段的归一化反射率有上升趋势,表明不同林冠,尤其针叶林与阔叶林林冠之间的光谱特征差异明显。(2)BFDI对冠层NIR反射率和三边斜率有明显的影响,与光谱指数显著相关(P<0.01),表明BFDI影响森林光谱指数。BFDI与NDVI,EVI,SPRI*EVI,NIR,SPRI*NDVI,NDNI的R2分别达到0.90,0.83,0.83,0.81,0.68,0.59,揭示了BFDI对于冠层绿度、叶面积指数、植被生产力以及冠层叶氮浓度等植被参数存在一定影响。研究表明,利用星载高光谱数据结合地面样方调查可以很好地阐明林冠结构组成对于光谱特征的影响,也对优化植被冠层生化组分和森林生态系统生产力的遥感反演具有借鉴意义。     

水质参数遥感反演光谱特征构建与敏感性分析

水质遥感监测是遥感的重要应用方向之一,作为传统水体采样化验的辅助手段,具有快速、大面积、无接触的技术优点。然而,目前内陆河湖水环境监测常用的遥感传感器大多是针对陆地观测或海洋水色观测而设计的,其性能指标的设计和设置并未考虑到内陆水体特性,限制了水质遥感定量监测的应用。针对这一问题,提出了一种基于变异系数和噪声占比指数的水质参数反演光谱特征构建方法,并通过光谱仿真模拟实验,研究光谱分辨率、信噪比以及辐射分辨率对典型水质参数反演模型的影响。选择上海市三项典型水质参数溶解氧（DO）、总磷（TP）和氨氮（NH₃-N）为研究对象,分别构建了水质参数反演光谱特征及相应遥感反演模型,然后开展光谱仿真模拟实验,定义了敏感度S和水质敏感微分指数CI,进行敏感性分析。最终从模型反演准确度和稳定性两个方面来评价仪器参数对水质参数遥感反演模型的影响。结果表明：光谱特征构建方法能有效确定水质参数反演特征波段。光谱分辨率对比值型的水质参数反演模型的影响较小,而信噪比和辐射分辨率对模型影响较大,随着信噪比和辐射分辨率的增加,水质参数模型精度和稳定性都有一定提升。综合仪器指标敏感性分析,可知当信噪比优于56 dB,辐射分辨率不低于9 bit,光谱分辨率适宜,能够较好地应用于内陆河湖水质遥感监测。该研究不仅可以为面向内陆河湖水质监测的传感器的研制提供参考和借鉴,还能为水资源监管部门进行水质遥感监测提供技术支持,有利于加快水环境智能化监测体系的构建。