引用本文
杜鑫, 陈雪洋, 蒙继华, 张飞飞, 张淼, 吴炳方. 基于6S模型的环境星CCD数据大气校正[J]. 国土资源遥感, 2010,22(2): 22-25
DU Xin, CHEN Xue-yang, MENG Ji-hua, ZHANG Fei-fei, ZHANG Miao, WU Bing-fang. Atmospheric Correction of HJ-1 CCD Data Based on 6S Model[J]. REMOTE SENSING FOR LAND & RESOURCES,2010,22(2): 22-25  
Permissions
Copyright©2010, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
基于6S模型的环境星CCD数据大气校正
杜鑫1,3, 陈雪洋1,2, 蒙继华1, 张飞飞1, 张淼1,3, 吴炳方1
1.中国科学院遥感应用研究所,北京 100101
2.中南大学信息物理工程学院,长沙 410083
3.中国科学院研究生院,北京 100039

第一作者简介: 杜鑫(1982-),男,中国科学院遥感应用研究所博士生,主要从事农业与生态环境遥感研究。

收稿日期: 2009-09-14
基金: HJ-1卫星数据应用研究专题“HJ-1叶面积指数及光合有效辐射系数标准产品研究”(编号: 2009A01A1000)、“植被指数标准产品”(编号: 2009A01A0900)和耕地保育与持续高效现代农业试点工程(编号: KSCX1-YW-09-01)共同资助
摘要

应用6S辐射传输模型建立查找表,对环境与减灾小卫星CCD数据进行大气校正。结果表明: 校正后的图像更加清晰,对比度增强; 与实测光谱对比,处理后的环境星数据可以更真实地反映地物反射特征,消除了NDVI信号在大气传输过程中的衰减效应,更好地复原了地表植被覆盖的真实状况。通过讨论,提出对于HJ-1-A的CCD数据,可以考虑通过同星搭载的高光谱传感器进行气溶胶光学厚度反演; 对于HJ-1-B的CCD数据,可以采用对比方法反演气溶胶光学厚度,进而作为模型的输入来提高大气校正精度,以及考虑地表二向性反射现象来提高大气校正精度。

关键词: 环境星; CCD; 6S; 大气校正
中图分类号:TP751 文献标志码:A 文章编号:1001-070X(2010)02-0022-04
Atmospheric Correction of HJ-1 CCD Data Based on 6S Model
DU Xin1,3, CHEN Xue-yang1,2, MENG Ji-hua1, ZHANG Fei-fei1, ZHANG Miao1,3, WU Bing-fang1
1. Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China
2. Central South University,Changsha 410083, China
3.University of Chinese Academy of Science, Beijing 100039, China
Abstract

This paper examined the atmospheric correction of HJ-1 CCD data using an approach of look-up table created from 6S model to acquire land surface reflectance. The result shows that the image after the correction is much better than the original one, indicating that the attenuation of NDVI can be rectified to improve the application of HJ-1 CCD data for remote sensing of vegetation. Aerosol optical depth is required for the correction. In order to ensure the precision of the correction, the authors suggest that the required aerosol optical depth can be retrieved from the hyper-spectral data on the same platform as the HJ-1-A data. As for the HJ-1-B data, the aerosol optical depth can be estimated by using the contrast reduction method with consideration of the land surface BRDF.

Keyword: HJ-1; CCD; 6S; Atmospheric correction
0 引言

环境一号卫星(HJ-1)是我国最新发射的对地观测准太阳同步卫星, 主要用于对生态破坏、环境污染和灾害进行动态监测。HJ-1-A/B两颗卫星上分别搭载了宽覆盖多光谱CCD相机, 可以形成对监测区域的大范围、中尺度的覆盖监测。4个波段的光谱设置基本延续了美国Landsat、法国SPOT及中巴资源卫星CBERS等系列卫星数据的光谱范围, 能够满足绝大多数业务化遥感应用对光谱信息的需求[1]。

随着定量遥感的逐步发展, 以及监测资源环境和气候变化等方面的需要, 使得基于遥感数据的地表物理参量反演方法的研究越来越受重视[2]。而要获得地表的准确信息, 就必须在遥感数据的应用过程中尽量消除大气影响, 大气辐射校正的目的就是将获取的遥感数据定标后的天顶反射率转换为能够反映地物真实信息的地表反射率。目前针对不同遥感数据的大气校正已经开展了大量研究[3, 4, 5, 6, 7, 8], 并取得了很好的效果。对我国新发射的环境卫星也需要开展相应的研究。

6S(Second Simulation of Satellite Signal in the Solar Spectrum)辐射传输模型[9]考虑了气体吸收、分子和气溶胶散射, 在太阳— 地物— 传感器的光线传输路径中, 对光线受大气的影响进行了不同的描述, 其中包括7种大气模式和3种用户自定义大气模式、8种气溶胶模式和4种用户自定义气溶胶模式。本文首先对HJ-1卫星的CCD数据进行辐射校正, 并计算大气顶部反射率; 然后基于6S模型进行地表真实反射率的反演。

1 研究区概况与数据获取
1.1 研究区概况

研究区为禹城市, 位于山东省西北部、徒骇河中游, 东经116° 23'~116° 45', 北纬36° 40'~37° 12'之间, 海拔高度20 m。属典型的冲积平原地区, 地势平缓。气候上属于暖温带半湿润季风气候区, 光热资源丰富, 雨热同期, 利于农业生产; 年平均温度13℃, 年降水量593 mm, 多集中在6、7、8月; 土壤以潮土和盐化潮土为主。

1.2 环境卫星数据

研究所使用的数据为中国资源卫星中心提供的HJ-1-A-CCD2数据, 成像时间为2009年4月10日, 轨道号为453/72。HJ-1卫星CCD传感器具体参数见表1。

表1 HJ-1 CCD数据参数设置 Tab.1 Parameters of HJ-1 CCD data

对获取的数据进行了辐射校正和几何精纠正等预处理。辐射校正利用中国资源卫星中心公布的环境减灾星座A/B星各载荷在轨绝对辐射定标系数将图像DN值转换为辐亮度; 几何精纠正则使用ERDAS遥感图像处理软件, 以1:100 000万土地利用图为参考图像, 纠正后的几何误差小于1个像元。根据实际需要, 在对图像完成辐射校正和几何精纠正之后, 从中确定并截取子影像进行处理。

1.3 地面观测光谱数据

使用美国ASD公司FieldSpec Pro VNIR2 500野外光谱辐射仪测定地表植被冠层反射光谱, 其有效波段范围为350~2 500 nm, 在350~1 000 nm谱段分辨率为3 nm, 在1 000~2 500 nm谱段分辨率为10 nm, 光谱波段间隔为l nm, 探头全视场角(FOV)为25° 。在卫星过境时, 同步进行了地面小麦波谱测量。为了能准确地从图像上找到对应的纯净像元, 选取8个大小约为30 m× 30 m的小麦种植地块, 选择不同的6个样点进行地面波谱测量。

光谱数据采集于2009年4月12~14日, 正值冬小麦拔节期与孕穗期之间。

2 原理与方法

假设陆地表面为均匀朗伯体、大气垂直均匀变化的条件下, 卫星传感器所接受的大气层顶表观反射率可表示为

ρ TOA(μ s, μ v, φ )=ρ o(μ s, μ v, φ )+T(μ s)T(μ v)ρ s(μ s, μ v, φ )/[1-ρ s(μ s, μ v, φ )S](1)

式中, ρ TOA是大气层顶表观反射率; ρ o是大气的路径辐射项等效反射率; ρ s为地表二向反射率; μ v=cosθ v, μ s=cosθ s, θ v和θ s分别为观测天顶角与太阳天顶角; φ 为太阳与传感器之间的相对方位角; S为大气下界的半球反射率; T(μ s)和T(μ v)分别为向下和向上整层大气透过率(直射和漫射)。

S、T(μ s)和T(μ v)取决于单次散射比ω 0、气溶胶光学厚度τ 和气溶胶散射相函数P。将式(1)转化为

ρ s(μ s, μ v, φ )=[ρ TOA(μ s, μ v, φ )-ρ 0(μ s, μ v, φ )]/[T(μ s)T(μ v)+ρ TOA(μ s, μ v, φ )S-ρ 0(μ s, μ v, φ )S](2)

S、ρ 0、T(μ s)、T(μ v)为进行大气校正时所需要的4个参数。由于T(μ s)和T(μ v)在式中总是以乘积形式出现, 因此将T(μ s)T(μ v)作为一个参数考虑。故进行大气校正可利用式(2), 输入S、ρ 0、T(μ s)及T(μ v)等参数以及需要进行大气校正的大气层顶表观反射率ρ TOA, 经计算可得经过大气校正的地表反射率ρ s。

根据研究区所处的地理位置以及图像的获取时间, 可以确定应该选择的大气气溶胶模式分别为中纬度夏季大气模式和大陆型气溶胶模式。确定了气溶胶模式也就确定了单次散射比ω 0和气溶胶散射相函数P。气溶胶总含量值则由550 nm波长的气溶胶光学厚度描述, 分别考虑10个气溶胶光学厚度值(τ =0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0), 7个太阳天顶角(θ s=10° 、20° 、30° 、40° 、50° 、60° 、70° ), 7个观测天顶角(θ v = 10° 、20° 、30° 、40° 、50° 、60° 、70° ), 19个太阳入射与传感器观测方位角差(φ =0° 、10° 、20° 、30° 、40° 、50° 、60° 、70° 、80° 、90° 、100° 、110° 、120° 、130° 、140° 、150° 、160° 、170° 、180° )和3个地面反射率(ρ s = 0.01、0.50、0.99)来模拟计算大气层顶表观反射率ρ TOA。将对应的地表反射率和大气层顶表观反射率代入式(2), 即可建立一个关于变量S、ρ 0和T(μ s)T(μ v)的三元方程组; 解方程组, 求出一组大气参数值。重复上述过程, 就可建立大气参数查找表, 进而完成遥感影像的大气校正(图1)。

图1 大气校正方法流程图Fig.1 Flowchart of atmospheric correction method

3 结果与分析

为直观说明大气校正后的效果, 利用上述模型对禹城地区5月份获取的HJ-1影像进行大气校正。从图2中可以看出, 校正后的图像较原图像更加清晰, 对比度明显增强。

图2 大气校正前(左)后(右)HJ-1 CCD彩色合成图像Fig.2 Color composition of HJ-1 CCD original image (left) and image after atmospheric correction (right)

根据实地测得的冬小麦冠层反射率, 选择的验证点为开阔大面积纯净区域, 测得反射率一致性较好。图3显示了所测4个验证点的冬小麦冠层反射率以及对应的冬小麦田块像元在大气校正前后反射率的对比。

图3 HJ-1 CCD与地面实测反射率Fig.3 Reflectance of HJ-1 CCD and field measurement

从对比结果可以发现, 经过大气校正后, HJ-1 CCD可见光波段(第1~3波段)的反射率, 较大气校正前的结果有所降低; 对于近红外波段(第4波段)的反射率, 大气校正后的结果大于校正前的。并且经过大气校正后的HJ-1 CCD反射率数据与地面实测数据更加接近, 更能反应地表的真实状况。

表2给出了4个验证点的实测冬小麦冠层反射率平均值和大气校正前后图像反射率平均值的对比。可以看出, 经过本文方法处理后的HJ-1 CCD数据的反射率与实测光谱反射率的差距明显缩小, 可以更真实地反映地物反射特征。

表2 HJ-1 CCD数据大气校正前后与实测反射率对比 Tab.2 Contrast among HJ-1 CCD data before and after atmospheric correction and field measured data

植被指数作为遥感的基本地表参数, 为监测全球植被覆盖变化提供了大量的信息。一般在新的传感器运转之后, 植被指数是否能够延续历史数据会受到普遍关注。因此, 我们对大气校正后的NDVI的影像进行了分析。沿一条直线随机取81个点进行分析, 其中包括不同的地表覆盖类型(如图4所示), 大气校正使NDVI值有所增加, 最大可增加0.19, 主要是因为大气校正后红光波段反射率降低, 而近红外波段反射率增加。这种现象的产生是由于光在大气传播过程中受气溶胶、水气、空气分子等因素的影响, 使彼此之间的对比度降低, 造成了NDVI信号的衰减, 而大气校正的过程正好弥补了这种衰减。这个趋势与张杰等[7]的研究结果基本一致。

图4 大气校正前后NDVI的变化Fig.4 The difference between original NDVI and NDVI after atmospheric correction

4 结论与展望

(1)通过建立大气校正参数查找表, 实现了对HJ-1 CCD遥感影像数据快速有效的大气校正处理。

(2)使用地面观测光谱结合HJ-1 CCD光谱响应函数模拟环境卫星波段地面反射率, 对大气校正前后的环境卫星光谱反射率进行对比的结果表明, 大气校正后的HJ-1 CCD反射率数据可以更真实地反映地物的反射特征。

(3)大气校正消除了NDVI在大气传输过程中的衰减效应, 更好地复原了地表植被覆盖的真实状况。

(4)最理想的大气校正方法应该不借助野外实地测量数据、气象观测数据或其他传感器遥感数据等, 直接通过同一传感器的遥感影像信息完成, 比如Kaufman[10]等用于MODIS大气校正的暗目标法。本次研究采用了同一天过境的Terra-MODIS数据反演得到的气溶胶光学厚度[11]作为模型的输入, 由于成像时间的差异, 对校正结果有一定的影响。在下一步研究中, 对于HJ-1-A的CCD数据, 可以考虑通过同星搭载的高光谱传感器进行气溶胶光学厚度的反演[11]作为模型的输入来提高大气校正结果的精度; 对于HJ-1-B的CCD数据, 可以采用对比方法[12]来反演气溶胶光学厚度。

(5)本文将地表近似为朗伯面进行大气校正, 忽略了地物的二向特性, 会使大气校正结果产生误差。在今后工作中, 需要运用二向反射模型(BRDF)对大气校正结果进行订正, 以获得更加准确的接近地表真实反射率的校正结果。

致谢: 感谢中国资源卫星中心提供了HJ-1-A/B CCD数据。

The authors have declared that no competing interests exist.

参考文献
[1] 李传荣, 贾媛媛, 胡坚, 等. HJ-1光学卫星遥感应用前景分析[J]. 国土资源遥感, 2008(3): 1-3. [本文引用:1]
[2] 田庆久, 郑兰芳, 童庆禧. 基于遥感影像的大气辐射校正和反射率反演方法[J]. 应用气象学报, 1998, 9(4): 456-461. [本文引用:1]
[3] Liang S L, Fang H L, Chen M Z. Atmospheric Correction of Land sat ETM+ Land Surface Imagery-Part I: Methods[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(11): 2490-2498. [本文引用:1]
[4] Liang S L, Fang H L, Chen M Z. Atmospheric Correction of Land sat ETM+ Land Surface Imagery-Part II: Validation and Applications[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(12): 2736-2746. [本文引用:1]
[5] 阮建武, 邢立新. 遥感数字图像的大气辐射校正应用研究[J]. 遥感技术与应用, 2004, 19(3): 206-208. [本文引用:1]
[6] 朱长明, 杨辽, 陈生, 等. 基于ATCOR2模型的CBERS-02数据大气校正[J]. 遥感技术与应用, 2008, 23(5): 565-570. [本文引用:1]
[7] 张杰, 王介民, 郭铌. 应用6S模式对EOS-MODIS可见光到中红外波段的大气订正[J]. 应用气象学报, 2004, 15(6): 651-657. [本文引用:2]
[8] 张玉贵. 以气象记录为辅助数据的TM影像大气校正方法[J]. 国土资源遥感, 1994(4): 54-62. [本文引用:1]
[9] Vermote E F, Tanré D, Deuze J L, et al. Second Simulation of the Satellite Signal in the Solar Spectrum: An Overview[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(3): 675-686. [本文引用:1]
[10] Kaufman Y J, Wald A E, Remer L A, et al. The MODIS 2. 1-μm Channel - Correlation with Visible Reflectance for Use in Remote Sensing of Aerosol[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(5): 1286-1298. [本文引用:1]
[11] 孙林, 柳钦火, 陈良福, 等. 环境与减灾小卫星高光谱成像仪陆地气溶胶光学厚度反演[J]. 遥感学报, 2006, 10(5): 770-776. [本文引用:2]
[12] Tanré D, Deschamps P Y, Devaux C, et al. Estimation of Saharan Aerosol Optical Thickness from Blurring Effects in Thematic Mapper Data[J]. Journal of Geophysical Research, 1988, 93: 15955-15964. [本文引用:1]