基于FLAASH模型的Worldview3大气校正

图1 研究区WV3 B8(R),B4(G),B3(B)假彩色合成影像

Fig.1 False color image composed of WV3 B8(R),B4(G),B3(B)in study area

2 研究方法

根据数字地球公司提供的WV3辐射定标参数(表2),首先分别对获取的WV3数据各波段进行辐射定标,把传感器记录的DN值转换成表观反射率,并将其转换为BIL格式供大气校正使用,然后利用数字地球公司提供的光谱数据,构建WV3光谱响应函数,最后根据文件中自带的卫星运行参数,输入FLAASH模型进行大气校正。

表2 WV3影像数据辐射定标相关参数

Tab.2 Parameters of radiometric calibration for WV3 image

序号	波段名	增益	偏差	中心波长/nm	波段宽度/nm
1	Coast Blue	0.298 559 38	-7.07	425.00	50
2	Blue	0.305 176 06	-4.253	480.00	60
3	Green	0.199 247 59	-2.633	545.00	70
4	Yellow	0.172 458 2	-2.074	605.00	40
5	Red	0.241 242 09	-1.807	660.00	60
6	Red Edge	0.164 408 7	-2.633	725.00	40
7	NIR1	0.165 111 91	-3.406	832.50	125
8	NIR2	0.122 808 61	-2.258	950.00	180
9	SWIR1	0.012 376 451	-3.295	1 210.00	30
10	SWIR2	0.006 776 925	-1.496	1 570.00	40
11	SWIR3	0.006 506 7	-1.385	1 660.00	40
12	SWIR4	0.005 493 318	-1.009	1 730.00	40
13	SWIR5	0.002 801 196	-0.356	2 165.00	40
14	SWIR6	0.002 815 416	-0.353	2 205.00	40
15	SWIR7	0.002 442 118	-0.252	2 260.00	50
16	SWIR8	0.001 791 85	-0.167	2 330.00	70

新窗口打开| 下载CSV

本次FLAASH大气校正利用ENVI5.3软件完成,主要分3步: ①获取研究区相关大气参数,包括能见度、气溶胶类型和大气水汽含量; ②通过求解大气辐射传输方程来获取反射率数据,具体原理详见文献[4,16]; ③进一步消除校正过程中存留的噪声。

根据获取的研究区WV3影像数据时相和地理位置,在FLAASH大气校正模块中选取中纬度夏季(mid-latitude summer,MLS)和乡村气溶胶; 使用2016年8月11日当地气象站能见度数据,即大气校正中采用的能见度数据为40 km。

由于ASD实测光谱和WV3谱段不同,为了更好地对比校正效果,根据GPS定位的研究区采样点,把典型地物——盐碱地和闪长岩的实测波谱重采样到WV3对应的波段。重采样公式为:

(1)

ρ = \overset{n}{\sum_{λ = 1}} [β (λ) ρ (λ)] / \overset{n}{\sum_{λ = 1}} β (λ)

式中: ρ和ρ(λ)分别代表重采样后对应WV3图像的波段反射率和ASD波谱反射率; β(λ)代表不同波段对应的光谱响应函数的权重值。通过重采样,光谱能量在不同波段范围内被重新分配,以便于对比。

3 大气校正结果与分析

3.1 大气校正结果

大气校正结果采用WV3 B8(R)B4(G)B3(B)假彩色合成,如图2所示。从图2可以看出,大气校正后的图像整体更清晰,说明本次大气校正减小了大气的影响,有效地提高了图像质量。以研究区的盐碱地为例,在大气校正前,影像光谱斜率较大,在黄光波段显示出异常的高值,经过大气校正后,在可见光—近红外波段,异常数值被校正,说明大气散射光入射对地表反射的增强已经被校正; 同时选择了以纬线40°43'48.13″N做一横剖面(图2中蓝色线),这一剖面基本横穿调查区的大部分地物,对比大气校正前后B4,B5和B6波段的影像光谱,认为大气校正后整个光谱曲线显示出相对平缓的变化(图3),大气校正前,B4波段(即黄光波段)DN值在B4,B5,B6这3个波段中是最高的,经过FLAASH大气校正后黄光波段的高值被校正,证明本次大气校正对高反射率地表进行了校正。

图2

图2 FLAASH大气校正前后对比

Fig.2 Comparison image before and after FLAASH atmospheric correction

图3

图3 FLAASH大气校正前后影像横切剖面光谱对比

Fig.3 Transverse section spectral comparison images before and after FLAASH atmospheric correction

3.2 实测典型地区ASD反射率与WV3大气校正后反射率比较

盐碱地和闪长岩是研究区的典型地物,其影像特征和野外照片如图4所示,盐碱地呈明显的白色色调,影纹光滑,地形地貌平坦,相对闪长岩来说,其位于低洼地带; 闪长岩呈灰黑色色调,影纹相对粗糙,见少量树枝状水系干沟,呈山丘状地形地貌。

图4

图4 研究区闪长岩、盐碱地WV3高分影像和野外照片

Fig.4 WV3 image and field photos of diorite and saline-alkali soil in research area

图5的实测盐碱地光谱曲线显示了盐碱地的关键光谱特征,即在350~800 nm的可见光—近红外波段范围内光谱曲线斜率大,形成高反射,在1 400 nm和1 900 nm附近显示了明显的吸收特征,在1 439 nm吸收深度达0.039,在1 950 nm附近吸收深度达0.24,同时盐碱地实测光谱整体反射率较高,基本都在0.8以上。闪长岩在400~700 nm存在弱吸收特征,分析由Fe³⁺引起,在1 100 nm附近存在宽而强的吸收谱带,分析由Fe²⁺引起^[17],在2 204 nm和2 300 nm附近存在强吸收谱带,吸收深度达0.017,分析由OH^-引起。

图5

DOI:10.7522/j.issn.1000-0534.2012.00107 Magsci [本文引用: 1]

图5 盐碱地和闪长岩ASD光谱曲线与WV3大气校正后光谱曲线对比

Fig.5 Comparison of saline-alkali soil and diorite ASD spectra and WV3 reflectance after FLAASH

经过FLAASH大气校正后,盐碱地影像光谱反射率明显较实测低,均在0.6以下。分析主要是由于在波长较短的蓝绿光波段,瑞利散射使影像暗地物相对变亮,亮地物相对变暗,而盐碱地是研究区的亮地物,所以经大气校正后变暗,反射率相对降低。在可见光—近红外波段基本都是高反射的特征,但在832.5 nm附近出现了明显的吸收特征,在短波红外波段1 200~1 600 nm附近呈现出了宽缓的吸收特征,在2 260nm附近呈现出了明显的吸收特征,可能和盐碱地中含有的石灰质土中的C $O_{3}^{2 -}$ 离子有关。由此可见,尽管反射率数值存在差别,但2种方法获得的盐碱地波谱曲线特征较吻合,经计算,相关系数达到0.75。闪长岩光谱反射率和室内实测光谱反射率相差不大,在可见光—近红外波段,基本呈现高反射特征,但在832.5 nm附近出现了明显的吸收特征,在短波红外波段1 200~1 600 nm附近呈现出了宽缓的吸收特征,但总体反射率呈上升趋势,在1 730~2 165 nm附近呈现出高反射特征。分析可见,2种方法获得的闪长岩波谱曲线吻合较好,相关系数达到0.80。

4 结论

具有较高空间和较高光谱分辨率的WV3数据在定量获取地物信息方面具有较大的潜力,而大气校正是遥感定量化研究的前提。本文应用FLAASH模型对WV3影像数据进行了大气校正,并通过校正结果与实测光谱的对比分析,有效验证了大气校正的效果,得出如下结论:

1)WV3影像经FLAASH大气校正后,盐碱地的反射率比实测反射率降低,分析与盐碱地本身特征有关,其属于高亮地物,经大气校正后,由于瑞利散射作用,导致亮目标相对变暗。闪长岩的反射率与实测基本相当,在可见光—近红外波段呈现高反射特征,在832.5 nm附近呈现明显的吸收谷,在短波红外波段1 200~1 600 nm附近呈现宽缓的吸收特征,且反射率呈上升趋势,在1 730~2 165 nm附近呈现出高反射特征。

2)经FLAASH大气校正后,研究区典型地物——盐碱地、闪长岩WV3影像波谱与ASD重采样的地物波谱吻合度较高,相关系数分别为0.75和0.8,表明利用FLAASH模型对研究区的WV3数据进行大气校正是行之有效的。

3)本研究采用实测数据对新疆罗布泊地区的WV3数据大气校正效果进行评价,研究结果证明,本次大气校正方法切实可行。同时,本研究采用的大气校正方法不受地域限制,该方法对于开拓WV3数据在定量遥感研究方面具有实用意义。

志谢: 在地物光谱测试和野外样品采集过程中,得到中国自然资源航空物探遥感中心董新丰和中国地质大学(北京)王博的帮助,再此一并表示感谢!

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

刘伟刚, 郭铌, 李耀辉 , 等.

基于FLAASH模型的FY-3A/MERSI数据大气校正研究

[J]. 高原气象, 2013,32(4):1140-1147.

在星载传感器成像获取地表信息过程中，常常会受大气影响而引起影像失真，导致地表真实信息不能被准确表达，对遥感影像进行大气校正可消弱这种影响。本文以粮食主产区——河南省为研究区域，采用FLAASH模型对晴空天气下FY-3A/MERSI数据（分辨率为1 km）进行大气校正。结果表明，大气校正后：（1）短波红外反射率总体变化不大（+4.1%），第6波段反射率以减小为主（-1.5%），第7波段反射率为增加（+9.6%）；（2）在可见光各波段，反射率普遍降低，各波段变化均值为-82.7%。其中, 红光反射率变化最小（第13、 14波段分别变化了-23%和-19%，平均为-21%），绿光反射率变化稍大（第11、 12波段分别变化了-75%和-50%，平均为-63%），蓝光反射率变化最大（第8~10波段分别变化了-196%、 -122%和-94%，平均为-137%）。而且大气校正后，可见光波段的反射率变幅普遍增大，不同地物在可见光波段的对比度也增加。（3）近红外各波段反射率平均增加了46.2%。除第19波段反射率减小（-54%）外，其余各波段反射率均有不同程度的增加。第15~18和第20波段反射率分别增加了28%、 4%、 41%、 252%和6%。（4）NDVI指数平均增大了35%，植被信息凸显； NDWI指数变化不大，仅减小了8.7%。

Liu W

, Guo

, Li Y

, et al.

Variation of FY-3A/MERSI data after atmospheric correction based on flash model

[J]. Plateau Meteorology, 2013,32(4):1140-1147.

[2]

曾群, 赵越, 田礼乔 , 等.

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

[J]. 光谱学与光谱分析, 2013,33(5):1320-1326.

URL [本文引用: 1]

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。

Zeng

, Zhao

, Tian L

, et al.

Evaluation on the atmospheric correction methods for water color remote sensing by using HJ-1A/1B CCD image:Taking Poyang Lake in China as a case

[J]. Spectroscopy and Spectral Analysis, 2013,33(5):1320-1326.

[3]

Lantzanakis

, Mitraka

, Chrysoulakis

Comparison of Physically and Image Based Atmospheric Correction Methods for Sentinel-2 Satellite Imagery

[C].Switzerland: Springer International Publishing, 2017: 255-261.

[4]

亓雪勇, 田庆久 .

光学遥感大气校正进展

[J]. 国土资源遥感, 2005,17(4):1-6.doi: 10.6046/gtzyyg.2005.04.01.

大气校正是光学遥感信息定量化研究中必不可少的一步，将各种大气校正方法归纳为基于图像特征的相对校正法、基于地面线性回归模型法、基于大气辐射传输模型法和复合模型法4类，详细分析了每一类方法的优缺点、适用范围或影响因素，并对大气校正的未来发展做了几点思考。

Qi X

, Tian Q

The advances in the study of atmospheric correction for optical remote sensing

[J]. Remote Sensing for Land and Resources, 2005,17(4):1-6.doi: 10.6046/gtzyyg.2005.04.01.

[5]

赵英时

. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003.

Zhao Y

The Principle and Method of Analysis of Remote Sensing Application[M]. Beijing: Science Press, 2003.

[6]

Wang

, Xia

, Wang

, et al.

Atmospheric correction methods for GF-1 WFV1 data in hazy weather

[J]. Journal of the Indian Society of Remote Sensing, 2018,46(3):355-366.

[7]

Sun Y

, Tian S

, Di B

Extracting mineral alteration information using WorldView-3 data

[J]. Geoscience Frontiers, 2017,8(5):1051-1062.

[本文引用: 2]

[8]

张川, 刘少峰, 刘衍宏 , 等.

基于辐射传输模型的Hyperion光谱重建应用评价

[J]. 国土资源遥感, 2010,22(2):30-34.doi: 10.6046/gtzyyg.2010.02.07.

光谱重建是高光谱数据定量分析的前提，大气校正是光谱重建的关键环节。对于缺少地面同步测量的高光谱数据，大气辐射传输模型是最可行的大气校正方法。应用当前流行的大气辐射传输模型MODTRAN 4.0和6S，分别对试验区EO-1 Hyperion高光谱数据进行大气校正和光谱重建。通过对植被、粘土矿及水体3类地物光谱重建结果的对比分析，并利用统计方法计算光谱重建精度，评价大气辐射传输模型校正的效果和模型的适用性。最后，通过FLAASH模型的试验体现了高光谱数据大气校正集成化处理的优越性。

Zhang

, Liu S

, Liu Y

, et al.

The application and evaluation of spectral reconstruction of Hyperion based on radiative transfer model

[J]. Remote Sensing for Land and Resources, 2010,22(2):30-34.doi: 10.6046/gtzyyg.2010.02.07.

[9]

陈建珍, 何超, 岳彩荣 .

基于FLAASH模块的高级陆地成像仪图像的大气校正

[J]. 浙江农林大学学报, 2011,28(4):590-596.

FLAASH（fast line-of-sight atmospheric analysis of spectral hypercubes）大气校正模块被越来越多地应用到遥感图像大气校正中，但是ENVI（the environment for visualizing images）中没有预先设定有新谱传感器的参数，因此限制了FLAASH模块的使用范围。采用FLAASH模块对ENVI中没有预设的高级陆地成像仪传感器所拍摄的图像进行大气校正，初步探讨了FLAASH模块对未知多光谱传感器图像的大气校正。通过比较大气校正前后典型地物的光谱曲线和归一化植被指数（NDVI，normalized difference vegetation index），表明FLAASH模块能够有效地减少大气对ALI图像的影响。图5表2参20

Chen J

, He

, Yue C

Atmospheric correction of an advance land imager(ALI) image based on the FLAASH module

[J]. Journal of Zhejiang A&F University, 2011,28(4):590-596.

[10]

陈析璆

基于多源遥感数据的蚀变信息提取与应用——以内蒙古狼山西段为例

[D].北京:中国地质大学( 北京), 2009.

Chen X

Application of Alteration Based on Multi-Source Remote Sensing Imagery-Take the Western Langshan Area,Inner Mongolia for Example

[D].Beijing: China University of Geosciences ( Beijing), 2009.

[11]

童庆禧, 张兵, 张立福 .

中国高光谱遥感的前沿进展

[J]. 遥感学报, 2016,20(5):689-707.

Tong Q

, Zhang

, Zhang L

Current progress of hyperspectral remote sensing in China

[J]. Journal of Remote Sensing, 2016,20(5):689-707.

[12]

Asadzadeh

, De Souza Filho C

Investigating the capability of WorldView-3 superspectral data for direct hydrocarbon detection

[J]. Remote Sensing of Environment, 2016,173:162-173.

[本文引用: 2]

[13]

祝晓坤

基于深度学习的WorldView-3城市目标分类应用研究

[J].测绘通报,2017(s2):40-43.

Zhu X

Research on Deep Learning Algorithm Application in Urban Classification with WorldView-3 Remote Sensing Images

[J].Bulletin of Surveying and Mapping,2017(s2):40-43.

[14]

王楠, 汪桂生, 张震 .

高分遥感影像下的大通废弃煤矿区生态修复林淹水胁迫灾情信息提取

[J].测绘通报,2018(7):13-17,47.

Wang

, Wang G

, Zhang

Monitoring of waterlogging stress disaster of ecological restoration forest using high resolution remote sensing data in the Datong abandoned coal mine

[J].Bulletin of Surveying and Mapping,2018(7):13-17,47.

[15]

, Tian S

, Ge

, et al.

Assessment of WorldView-3 data for lithological mapping

[J]. Remote Sensing, 2017,9(11):1132.

[16]

Adler-golden S

, Matthew M

, Lernstein L

Atmospheric correction for short-wave spectral imagery based on MODTRAN4

[C].SPIE Proceeding,Imaging Spectrometry V, 1999,3753.

[17]

陈圣波, 于亚凤, 杨金中 , 等.

基于实测光谱指数法的ASTER遥感数据岩性信息提取

[J]. 吉林大学学报(地球科学版), 2016,46(3):938-944.

Chen S

, Yu Y

, Yang J

, et al.

Lithologic information extraction from ASTER remote sensing data based on spectral ratio method

[J]. Journal of Jilin University (Earth Science Edition), 2016,46(3):938-944.