基于辐射传输模型的Hyperion光谱重建应用评价

引用本文

张川, 刘少峰, 刘衍宏, 裴晓寅. 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
ZHANG Chuan, LIU Shao-feng, LIU Yan-hong, PEI Xiao-yin. The Application and Evaluation of Spectral Reconstruction of Hyperion Based on Radiative Transfer Model[J]. REMOTE SENSING FOR LAND & RESOURCES,2010,22(2): 30-34 复制到剪切板

Permissions

《国土资源遥感》编辑部

基于辐射传输模型的Hyperion光谱重建应用评价

张川^1,^2,³, 刘少峰^1,^2,³, 刘衍宏^1,^2,³, 裴晓寅^1,^2,³

1.中国地质大学(北京)地质过程与矿产资源国家重点实验室,北京 100083

2.中国地质大学(北京)地球科学与资源学院,北京 100083

3.中国地质大学(北京)岩石圈构造、深部过程及探测技术教育部重点实验室,北京 100083

第一作者简介: 张川(1985-),男,硕士研究生,主要从事高光谱遥感数据处理与应用、资源与环境遥感及遥感地质方面的研究。

收稿日期: 2009-08-22

基金: 中国地质调查局项目(编号: 1212010816033-02)、高等学校学科创新引智计划(批准号: B07011)项目共同资助

摘要

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。

关键词: 高光谱; 光谱重建; 大气校正; 辐射传输模型; MODTRAN 4.0; 6S模型

中图分类号:TP751 文献标志码:A 文章编号:1001-070X(2010)02-0030-05

The Application and Evaluation of Spectral Reconstruction of Hyperion Based on Radiative Transfer Model

ZHANG Chuan^1,^2,³, LIU Shao-feng^1,^2,³, LIU Yan-hong^1,^2,³, PEI Xiao-yin^1,^2,³

1. State Key Laboratory of Geological Processes and Mineral Resources, China University of Geosciences, Beijing 100083, China

2. Faculty of Geosciences and Resources, China University of Geosciences, Beijing 100083, China

3. Key Laboratory of Lithosphere Tectonics and Lithoprobing Technology of Ministry of Education, China University of Geosciences, Beijing 100083, China

Abstract

Spectral reconstruction is a prerequisite for quantitative analysis of hyperspectral data, and atmospheric correction is the key step to spectral reconstruction. The atmospheric radiative transfer model is the most feasible method for hyperspectral data without simultaneous measurement of the ground. In this paper, the prevalent atmospheric radiative transfer models MODTRAN4.0 and 6S were used respectively for atmospheric correction and spectral reconstruction of EO-1’s Hyperion hyperspectral data in the study areas. Then the results of the correction using the atmospheric radiative transfer model and the applicability of the model were evaluated by comparing three types of reconstructed spectra respectively from vegetation, clay mineral and water and by calculating accuracy of spectral reconstruction using the statistical method. The superiority of integrated processing is reflected in the end by the application of FLAASH model.

Keyword: Hyperspectral; Spectral reconstruction; Atmospheric correction; Radiative transfer model; MDOTRAN 4.0; 6S Model

Show Figures

0 引言

高光谱遥感是遥感的前沿技术之一。与传统的多光谱遥感相比, 高光谱遥感的显著特点是: 对于每个图像像元, 在光谱维能够形成完整而连续的光谱曲线, 进而能够更为精细地反映像元地物的光谱特征。因此, 运用高光谱遥感技术可以进行更为精细的地物识别和分类^[1]。像元光谱特征的准确性是利用高光谱数据进行地物识别的关键和前提条件, 光谱重建的精度决定了高光谱数据的应用效果, 而光谱重建的关键技术是大气校正。国内外研究表明^[2], 大气校正方法大致分为基于图像特征的相对校正法、基于地面线性回归模型校正法和基于大气辐射传输模型校正法3类, 而大气辐射传输模型校正法是目前高光谱数据大气校正的常用方法。从20世纪80年代开始, 国外一些学者就开始从事这方面的研究, 已经发展了一系列大气辐射传输模型和相应软件^{[3, 4]}, 但是在各模型对高光谱数据大气校正应用效果的评价方面罕有涉及。纵观各类大气辐射传输模型和软件, LOWTRAN~MODTRAN系列和5S~6S系列是最基本的两类模型。本文分别基于MODTRAN 4.0和6S模型对星载高光谱Hyperion数据进行大气校正和光谱重建, 通过对比植被、粘土矿及水体3类地物像元的重建光谱和重建精度, 评价它们的应用效果和适用性。

1 数据源及大气校正前处理

本研究使用的是Hyperion L1R级辐射定标产品。两个试验区地理位置分别在江西省赣州市中部和东部。试验区Hyperion数据指标如表1所示。

表1 试验区Hyperion数据指标 Tab.1 Index of Hyperion in study areas

大气校正前, 首先去除Hyperion数据集中未经过定标的波段和波长在1.4 μ m和1.9 μ m附近的水气吸收波段, 然后针对USGS对VNIR和SWIR波段所采用过的40和80增益(对DN值进行补偿和改进, 并将数据以整型进行存储), 对VNIR和SWIR数据集分别除以40和80, 将其转化为传感器入瞳辐射值^{[5, 6]}。

坏线和条带是Hyperion图像上经常出现的噪声, 本研究只对明显的坏线和严重的条纹进行平滑处理。图1是第57波段处理前后影像。

	Figure Option View Download New Window
	图1 Hyperion第57波段图像去坏线前(左)后(右)对比Fig.1 Contrast between before(letf)and after(right)the removal of bad lines of 57 band

2 大气校正和反射率反演

大气校正是光谱重建的核心, 基于电磁波在大气中的辐射传输原理建立起来的大气辐射传输模型是理论上精度最高的大气校正方法。在目前的各类模型中, MODTRAN 4.0和6S是最具代表性的, 也是使用最为广泛的两个大气辐射传输模型。

2.1 MODTRAN 4.0和6S模型的比较分析

MODTARN(Moderate Resolution Transmission)是美国空军地球物理实验室(AFGL)开发的大气辐射传输模型, 该模型继承了LOWTRAN模型的代码, 并做了适当改进, 目前常用的是MODTRAN 4.0版本^[7]; 6S(Second Simulation of the Satellite Signal in the Solar Spectrum)模型是法国大气光学实验室Eric Vemote在5S模式的基础上开发出来的大气辐射传输模型^[8]。

从模型的辐射传输方程来看, 在地表条件假设前提相同的情况下, 两者的形式基本一致。式(1)为MODTRAN 4.0在均一朗伯面条件下的辐射传输方程(辐射亮度形式), 即

L(μ _v)=L₀(μ _v)+T(μ _v)F_d $\begin{matrix} \frac{ρ}{1 - Sρ} \end{matrix}$ (1)

式中, L(μ _v)为传感器接收的辐射亮度; L₀(μ _v)为路径辐射, 即程辐射; F_d为太阳下行总辐射; T(μ _v)为传感器和目标之间的透过率; ρ 为目标的地表反射率; S为大气半球反照率。

式(2)为同样条件下6S模型的辐射传输方程(反射率形式), 即

ρ _T(θ _s, θ _v, φ _s, φ _v)=T_g(θ _s, θ _v)[ρ _R+a+T(θ _s)T(θ _v) $\begin{matrix} \frac{ρ}{1 - Sρ} \end{matrix}$ ] (2)

式中, ρ 为地表反射率; ρ _T(θ _s, θ _v, φ _s, φ _v)为传感器测得的表观反射率; θ _s为太阳天顶角; θ _v为太阳方位角; φ _s为传感器天顶角; φ _v为传感器方位角; T_g(θ _s, θ _v)为大气透过率; T(θ _s)为太阳— 目标大气路径透过率; T(θ _v)为目标— 传感器大气路径透过率; ρ _R+a为分子散射和气溶胶散射所构成的路径辐射反射率; S为大气半球反照率。

2.1.1 共同特点

(1)两个模型包括了透过率计算、多次散射处理和几何路径计算等。

(2)都是以大气和地表条件作为输入参数, 主要输入参数相同。

(3)计算过程中均考虑了水平、垂直、倾斜向上和向下传输等各种复杂的几何关系, 在计算大气倾斜路径及沿着传输路径衰减量时, 都考虑了大气折射和地球的曲率。

(4)大气模型均可以根据理论计算或实测资料, 模型中均包括了具有代表性的大气和气溶胶的模式, 用户可以直接使用标准模式, 也可以自定义大气模式。

(5)在计算地表反射率时, 为了描述地表的均一性和朗伯状态, 都引入了点扩散函数(PSF)与双向反射率分布函数(BRDF)模型。

2.1.2 主要区别

(1)处理谱段范围不同。MODTRAN 4.0的处理谱段范围是0.20 μ m到无穷, 而6S的处理谱段范围是0.25~4.0 μ m。

(2)MODTRAN 4.0可以对云、雨进行处理, 而6S模型没有考虑云、雨的影响。

(3)两者都利用了HITRAN数据库中的基本分子常数, 却采取了各不相同的处置方法把这些常数换算成透过率和辐射度, 因此, 导致两者在理论上具有不同的精确性。

(4)MODTRAN 4.0运行基于Windows平台, 6S模型基于DOS平台, 前者更容易操作。

(5)MODTRAN 4.0的计算过程是正向的, 即由地表反射率→ 传感器入瞳辐射; 6S的计算是反演的过程, 即由传感器入瞳辐射→ 地表反射率。

2.2 大气校正方法试验

由于二向反射核驱动模型参数的不确定性, 本文选用朗伯体反射。为了后续的光谱重建评价, 两种模型采用的输入参数类型基本一致。根据现有资料, 以第37波段为例, 两个试验区的参数设置如表2所示。

表2 试验区基本参数设置 Tab.2 Parameters of atmospheric correction in study areas

两种模型的大气校正根据各自的处理顺序逐波段进行计算, 172个Hyperion数据波段处理完毕后, 通过打包处理, 得到试验区的光谱重建数据集。

3 光谱重建结果评价

针对研究区地物类型, 在校正后的Hyperion图像上选取3类地物(植被、粘土、水体)像元反射率曲线进行评价。评价方法是将具有特征光谱的像元反射光谱特征吸收谷波长位置与地面更高光谱分辨率的光谱仪实测同点地物进行特征吸收谷对比, 分析其吸收波长位置的偏移量, 以及偏移量相对于高光谱成像仪光谱分辨率的大小与光谱带宽而言, 是否在一个合理的光谱区间, 如果二者完全吻合, 则图像光谱代表了实际地物的光谱特征^[9]。

3.1 试验区地物光谱重建评价

为了验证大气校正的效果, 利用式(3)计算校正前的表观反射率^[10], 即

ρ _T= $\begin{matrix} \frac{π L_{入} D^{2}}{ESU N_{λ} \cos θ_{v}} \end{matrix}$ (3)

式中, ρ _T为表观反射率; L_入为传感器入瞳辐射亮度; D为日地之间距离(天文单位); ESUN_λ为大气层顶的平均太阳光谱辐照度(与波长有关); θ _v为太阳的天顶角。

针对植被, 采用USGS标准植被光谱曲线作为光谱重建的评价基准; 针对研究区露头发育的粘土矿, 为了突出地域性, 采集了27个样本, 利用ASD光谱辐射仪(光谱分辨率3~10 nm)进行光谱测试, 用得到的反射率曲线作为粘土矿像元的评价基准。对于试验区光谱重建数据集, 由于同类像元之间也存在光谱差异, 故在光谱重建后的Hyperion图像上寻找面积较大且较均一的植被和粘土矿地区, 提取平均光谱作为光谱重建的评价对象。

按照评价方法进行逐个吸收谷对比评价, 如图2所示。

	Figure Option View Download New Window
	图2 植被、粘土矿重建光谱Fig.2 Spectra of vegetation and clay after spectral reconstruction

可以看出, MODTRAN 4.0和6S模型均能将表观反射率转换到地面反射率, 反演的植被、粘土矿反射率与USGS曲线的主要光谱特征基本吻合; 通过图2(b)、(c)和(d)的比较, 粘土矿包含的主要矿物高岭石、蒙脱石在2 165 nm和2 205 nm左右的双吸收特征在两个模型反演结果中均得到较好体现, 两个模型反演的粘土矿反射率在950 nm和1 130 nm附近均出现些异常特征, 6S模型反演的异常特征更为明显。总体上看, MODTRAN 4.0模型的粘土矿反演效果略优于6S模型的; 在植被的反射率反演方面, 两个模型的效果差别不大。

水体的反射率很低, 反射特征基本上都是由水中的其他物质造成的。如图3所示, 两种模型反演的水体反射率曲线整体上较为接近, 基本符合水体的反射特征。

	Figure Option View Download New Window
	图3 水体重建光谱Fig.3 Spectra of water after spectral reconstruction

3.2 精度计算

为了反映两种方法的精度, 利用PPI纯净像元指数法分别从两种模型的结果图像上提取植被像元50个、粘土矿像元25个, 根据相同的规则检验光谱曲线的正确性、曲线整体形态的一致性, 每个特征吸收位置的偏移在10 nm以内。结合ENVI平台的匹配滤波方法计算各像元的匹配权重, 逐像元计算得出两种模型重建光谱的相似度分布(表3)。

表3 光谱重建像元相似度分布 Tab.3 Index of similarity of spectra after spectral reconstruction

从表3可以看出, 基于MODTRAN 4.0模型的粘土矿光谱重建精度略优于6S模型的, 而6S模型在植被光谱重建精度上略优。

3.3 改进型高光谱大气校正软件的光谱重建效果(以FLAASH为例)

使用MODTRAN 4.0和6S模型对高光谱数据进行大气校正是一个复杂的过程, 尤其是需要逐波段进行计算和反演, 对于数据量巨大的高光谱数据来说, 是一项庞大的工程。因此, 基于高光谱数据的特点, 发展高效的、能够集成化处理的大气校正软件, 有利于高光谱遥感应用的发展。

FLAASH(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)是由美国光谱科技公司(Spectral Sciences Inc)和空气动力研究实验室(Air Force Research Laboratory)共同研制和开发的, 它基于MODTRAN 4.0辐射传输模型的代码, 能对400~2 500 nm波长范围内的遥感影像进行大气校正^[11]。FLAASH模型考虑了邻近效应的计算, 基于高光谱数据的特点, 分别采用波段比值法和暗目标法的原理, 引入了水气去除模型和气溶胶去除模型^[12]。针对高光谱数据, 设置参数(类似MODTRAN 4.0和6S)之后, 可以进行全谱段的集成运算, 得到大气校正结果。本文利用FLAASH模型对试验区Hyperion数据进行大气校正和光谱重建的结果如图4所示。

	Figure Option View Download New Window
	图4 基于FLAASH模型的重建光谱Fig.4 Spectra after spectral reconstruction based on FLAASH model

可以看出, FLAASH模型的光谱重建效果不亚于MODTRAN 4.0和6S模型的校正效果, 甚至更优, 而且, FLAASH模型只需要运行一次就可得到Hyperion数据的全谱段大气校正结果。

4 结论

(1)对于缺少地面同步光谱测量的高光谱数据, 大气辐射传输模型是最为可行的大气校正方法。通过对研究区Hyperion数据分别基于MODTRAN 4.0和6S模型的光谱重建, 结合3大类地物像元光谱曲线的反演结果, 说明大气辐射传输模型法能够比较有效地完成高光谱数据的大气校正和光谱重建, 得到地物真实反射率, 为高光谱数据下一步的定量应用打下基础。

(2)MODTRAN 4.0和6S模型都是优秀且成熟的大气校正模型, 从对高光谱Hyperion数据的应用效果来看, 对不同地物类型的处理效果各有千秋, 在实际应用中可适当结合使用, 以达到更好的效果。由于高光谱数据波段很多, 处理效率也是重要的因素之一, FLAASH模型等针对高光谱数据改进的大气校正处理软件能够在保障处理精度的前提下, 大大提高处理效率, 代表了高光谱数据大气校正处理的发展趋势。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	浦瑞良, 宫鹏. 高光谱遥感及其应用[M]. 北京: 高等教育出版社, 2000. [本文引用:1]
[2]	亓雪勇, 田庆久. 光学遥感大气校正研究进展[J]. 国土资源遥感, 2005(4): 1-5. [本文引用:1]
[3]	郑伟, 曾志远. 遥感图像大气校正方法综述[J]. 遥感信息, 2004(4): 66-70. [本文引用:1]
[4]	何立明, 王桥, 李小文, 等. 光学遥感大气订正方法与软件应用分析[J]. 地球信息科学, 2006(2): 110-115. [本文引用:1]
[5]	谭炳香, 李增元, 陈尔学, 等. EO-1 Hyperion高光谱数据的预处理[J]. 遥感信息, 2005(6): 36-41. [本文引用:1]
[6]	Bisun Datt, Tim R McVicar, Tom G Van Noel, et al. Preprocessing EO-1 Hyperion Hyperspectral Data to Support the Application of Agricultural Indexes[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(6): 1246-1259. [本文引用:1]
[7]	Berk A, et al. MODTRAN 4 Radiative Transfer Modeling for Atmospheric Correction[C/OL]. Process of SPIE, Optical Spectroscopic Techniques and Instrumentation for Atmospheric and Space Research, 1999. http://www.spectral.com/sr116.pdf. [本文引用:1]
[8]	Vermote E, et al. Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: An Overview[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35: 675-686 [本文引用:1]
[9]	甘甫平, 张宗贵, 王润生, 等. 光谱重建与光谱真实性检验中地物光谱的作用[J]. 国土资源遥感, 2005(1): 12-16. [本文引用:1]
[10]	池宏康, 周广胜, 等. 表观反射率及其在植被遥感中的应用[J]. 植物生态学报, 2005, 29(1): 74-80. [本文引用:1]
[11]	Research System Inc. FLAASH User’s Guide[S]. ENVI FLAASH Version 1. 0. [s. l. ]: [s. n. ], 2001: 8-40. [本文引用:1]
[12]	宋晓宇, 王纪华, 刘良云, 等. 基于高光谱遥感影像的大气校正: 用AVIRIS数据评价大气校正模块FLAASH[J]. 遥感技术与应用, 2005, 20(4): 393-398. [本文引用:1]

2000

0.0

浦瑞良, 宫鹏. 高光谱遥感及其应用[M]. 北京: 高等教育出版社, 2000.

Use of traditional statistical techniques is often limited by shortage of observation samples and difference in data measurement scales. Neural network techniques have been extensively explored in many fields for prediction and classification as an alternative to statistical methods. In this paper, a feed forward neural network algorithm for predicting hardwood yield is introduced and evaluated. In addition, we report a data transformation method developed for converting qualitative variable data to quantitative data for use in multiple regression when relatively few samples are available for building prediction models. The method that converts qualitative data into quantitative data is helpful to improve hardwood yield prediction accuracy by multiple linear regression models. In this study, the best prediction results using the neural network technique are obtained.

应用传统统计技术常会因样本小和测量数据不符某种分布而受到限制。本文评价一种前馈型神经网络算法以预测落叶阔叶林产量。另外,还介绍一种由定性变为定量的数据变换方法,以用相对小的样本建立多元回归预测模型。数据变换方法有助于改善多元回归模型的预测效果。在本实验的条件下,研究结果表明神经网络技术能够产生最好的预测效果.

... 因此,运用高光谱遥感技术可以进行更为精细的地物识别和分类^[1] ...

2005

0.0

亓雪勇, 田庆久. 光学遥感大气校正研究进展[J]. 国土资源遥感, 2005(4): 1-5.

It is indicated that atmospheric correction for optical remote sensing is absolutely necessary for quantitative remote sensing. The atmospheric correction methods can be grouped into four types, namely, relative correction based on image information, linear regression based on ground spectra, radiative transfer models and composite models. Their advantages and disadvantages as well as their adaptability or effective factors are analyzed in this paper. Some thoughts on the future development of atmospheric correction for optical remote sensing are also put forward in the end of this paper.

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。

... 国内外研究表明^[2],大气校正方法大致分为基于图像特征的相对校正法、基于地面线性回归模型校正法和基于大气辐射传输模型校正法3类,而大气辐射传输模型校正法是目前高光谱数据大气校正的常用方法 ...

2004

0.0

郑伟, 曾志远. 遥感图像大气校正方法综述[J]. 遥感信息, 2004(4): 66-70.

对目前常用的大气校正方法作了较详细的介绍,包括辐射传输模型法、黑暗像元法、不变目标法、直方图匹配法等8种方法.分析了各种方法的优缺点,以及它们各自的适用范围,并对各种方法在国内外应用的情况作了概括.

... 从20世纪80年代开始,国外一些学者就开始从事这方面的研究,已经发展了一系列大气辐射传输模型和相应软件^[3,4],但是在各模型对高光谱数据大气校正应用效果的评价方面罕有涉及 ...

2006

0.0

何立明, 王桥, 李小文, 等. 光学遥感大气订正方法与软件应用分析[J]. 地球信息科学, 2006(2): 110-115.

本文首先介绍了常见的若干大气订正方法,对于海色遥感,高光谱遥感,机载图像、多角度图像,考虑其特殊性,并介绍了其大气订正的新进展;接着分析了几个当前发行的大气订正软件或者模块;最后,我们提出了大气订正中存在的问题和发展方向。

2005

0.0

谭炳香, 李增元, 陈尔学, 等. EO-1 Hyperion高光谱数据的预处理[J]. 遥感信息, 2005(6): 36-41.

针对EO-1 Hyperion高光谱遥感数据的特点,在图像质量检查的基础上,对Hyperion图像进行了未定标和受水汽影响波段的去除、坏线修复、条纹去除、Smile效应降低、大气纠正等预处理,获得了较好质量的图像,为图像的进一步分析和实际应用提供了保障.结果表明图像大气纠正后光谱优化处理能进一步提高图像的质量.

... m附近的水气吸收波段,然后针对USGS对VNIR和SWIR波段所采用过的40和80增益(对DN值进行补偿和改进,并将数据以整型进行存储),对VNIR和SWIR数据集分别除以40和80,将其转化为传感器入瞳辐射值^[5,6] ...

2003

0.0

1999

0.0

... 0版本^[7] ...

1997

0.0

... 6S(Second Simulation of the Satellite Signal in the Solar Spectrum)模型是法国大气光学实验室Eric Vemote在5S模式的基础上开发出来的大气辐射传输模型^[8] ...

2005

0.0

甘甫平, 张宗贵, 王润生, 等. 光谱重建与光谱真实性检验中地物光谱的作用[J]. 国土资源遥感, 2005(1): 12-16.

The main roles of spectra in pre-processing of hyperspectral imaging data were studied for the spectral reconstruction and validation based on aero HyMap data in Eastern Tianshan Mountain. The spectra of both muscovite and kaolinite in the area were used to smooth the noise and pseudo-spectral features or enhance some spectral features in the processing of atmospheric correction. Furthermore, in order to ensure the spectral realities and reliabilities of hyperspectral imaging data, the authors used spectra of muscovite and calcite to validate the spectral features of hyperspectral imaging data on the basis of above processing.

将地物光谱与高光谱重建、影像光谱真实性检验相结合，重点阐述地物光谱在高光谱数据预处理中的主要作用。以新疆东天山航空HyMap数据为例，在光谱重建过程中导入数据区特征地物（白云母和高岭石）光谱，以对利用大气模型校正的视反射率影像光谱进行平滑、去“伪”或增强处理。进一步利用2种矿物的特征光谱评价重建光谱的真实性，从数据源头确保高光谱遥感数据光谱特性的准确与可靠。

... 评价方法是将具有特征光谱的像元反射光谱特征吸收谷波长位置与地面更高光谱分辨率的光谱仪实测同点地物进行特征吸收谷对比,分析其吸收波长位置的偏移量,以及偏移量相对于高光谱成像仪光谱分辨率的大小与光谱带宽而言,是否在一个合理的光谱区间,如果二者完全吻合,则图像光谱代表了实际地物的光谱特征^[9] ...

2005

0.0

池宏康, 周广胜, 等. 表观反射率及其在植被遥感中的应用[J]. 植物生态学报, 2005, 29(1): 74-80.

Remote sensing of vegetation is developing into a highly quantitative science. However, some concepts and terms related to quantitative remote sensing are confusing for novices of this field. The goal of this paper is to clarify fuzzy concepts and promiscuous terms and to introduce methods about data processing of remote sensing information. First, concepts about radiometric correction, radiometric calibration, atmospheric correction and the differences and relationships between them were discussed. In optical remote sensing, radiometric correction includes radiometric calibration and atmospheric correction. The aim of radiometric calibration is to eliminate the errors in the sensors of the satellite, and the aim of atmospheric correction is to eliminate the effects of atmospheric interference on satellite data. In general, the first step is radiometric calibration and then atmospheric correction. Apparent reflectance is one of the results of radiometric calibration and is a very important physical variable in processing remote sensing data. The definition of apparent reflectance can be indicated with a formula. The calculation of apparent reflectance was explained step-by-step using examples with Landsat-5 and Landsat-7 satellite images. A case study was presented in order to show the importance of apparent reflectance in the calculation of NDVI (Normalized difference vegetation index). Finally, its applications in vegetation remote sensing were listed and discussed.

由于植被遥感应用定量化和监测等的需求，光学遥感数据的辐射校正更加受到重视。该文论述了辐射校正，辐射定标和大气校正的概念以及它们之间的区别及关系。特别对辐射定标的结果之一，大气层顶表观反射率，简称表观反射率(Apparent reflectance)的定义、概念、计算和它在植被遥感中的应用等方面，进行了详细的论述。

... 1 试验区地物光谱重建评价为了验证大气校正的效果,利用式(3)计算校正前的表观反射率^[10],即 ...

2001

0.0

... 0辐射传输模型的代码,能对400~2 500 nm波长范围内的遥感影像进行大气校正^[11] ...

2005

0.0

宋晓宇, 王纪华, 刘良云, 等. 基于高光谱遥感影像的大气校正: 用AVIRIS数据评价大气校正模块FLAASH[J]. 遥感技术与应用, 2005, 20(4): 393-398.

With its combination of good spatial and spectral resolution, visible to near infrared spectral maging from aircraft or spacecraft is a highly valuable technology for remote sensing of the earth' s surface. In practice, it is desirable to eliminate atmospheric effects on the imagery, a process known as atmospheric correction or atmospheric compensation. At present, there are many atmospheric correction software packages for imagery atmospheric correction, such as ATREM(Atmospheric REMoval program), ACORN(Atmospheric CORrection Now) and FLAASH(Fast Line of Sight Atmospheric Analysis of Spectral ypercubes). In this paper, the latest version of FLAASHatmosphere correction code derives its physicsbased algorithm from the MODTRAN4 radiative transfer code was introduced.and some comparisons of ith FLAASH-processed AVIRIS data, including results obtained using different processing options wereshowed. A preliminary evaluation to FLAASHalgorithm was done in this paper and the result showed thatthe new automated spectral recalibration algorithm, which has been incorporated into FLAASH, is an extremely valuable addition. It improve the quality of the output reflectance cube for measured radiance datacontaining wavelength calibration errors and it also can be used as a tool to measure varying wavelengthshifts in corss-track spatial dimension of an image, such are found in data from the AVIRIS sensor.

高光谱遥感影像由于集中了高光谱分辨率和高空间分辨率的优点,在对地观测中具有不可替代的优势。实际应用当中,往往需要从遥感影像获取地物的地表反射率信息,这就要求首先从影像中去除大气的影响,即进行大气纠正及补偿。目前,对遥感影像进行大气纠正的算法有很多,详细介绍了基于遥感影像自身信息的大气纠正模块FLAASH(Fast Line of Sight Atmospheric Analysis f Spectral Hypercubes)所涉及的算法,并利用该模块对AVIRIS航空遥感影像进行了大气纠正, 对不同的结果进行了分析对比,从而对该算法进行了初步的评价。

... FLAASH模型考虑了邻近效应的计算,基于高光谱数据的特点,分别采用波段比值法和暗目标法的原理,引入了水气去除模型和气溶胶去除模型^[12] ...