WorldView-3衛(wèi)星影像大氣校正方法應(yīng)用對(duì)比研究

田青林，秦凱，陳雪嬌，余長(zhǎng)發(fā)

（核工業(yè)北京地質(zhì)研究院遙感信息與圖像分析技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，北京 100029）

衛(wèi)星傳感器接收到的信號(hào)是太陽(yáng)輻射與大氣、地物復(fù)雜作用的結(jié)果，經(jīng)歷了太陽(yáng)-大氣-地物目標(biāo)-大氣-傳感器的過(guò)程。期間會(huì)受到大氣分子、氣溶膠的散射作用以及臭氧、水汽的吸收等因素影響。為了消除或減少大氣和光照等因素影響，獲取地物真實(shí)的反射率信息，需要開(kāi)展遙感影像的大氣輻射校正。國(guó)內(nèi)外學(xué)者提出了多種大氣校正方法，主要為基于影像特征的校正方法、基于地面測(cè)量的線性回歸方法和基于輻射傳輸模型的校正方法［1］，其中 比 較 常 見(jiàn) 的 有MODTRAN、6S、FLAASH、QUAC、ATCOR等［2-5］。

WorldView-3（WV-3）衛(wèi)星是目前空間分辨率最高的商業(yè)遙感衛(wèi)星，不僅包含0.31 m空間分辨率的全色和8個(gè)1.2 m空間分辨率的可見(jiàn)光-近紅外波段，還額外提供8個(gè)3.7 m空間分辨率的短波紅外波段，優(yōu)于當(dāng)前主流的Landsat-8和ASTER等多光譜數(shù)據(jù)，應(yīng)用潛力巨大［6-10］。然而，目前針對(duì)WV-3數(shù)據(jù)評(píng)價(jià)不同大氣校正模型的效果及適用性的對(duì)比研究較少。

筆 者 采 用FLAASH、QUAC和ATCOR 3種模型對(duì)WV-3影像的16個(gè)波段進(jìn)行大氣校正，并對(duì)校正前后影像的目視效果、評(píng)價(jià)指標(biāo)、典型地物光譜曲線和分類精度進(jìn)行對(duì)比分析，以評(píng)估3種大氣校正模型的實(shí)際校正效果。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

研究區(qū)位于廣東省深圳市中西部，平均海拔100 m左右，總面積約25 km2。研究區(qū)主要包括城市及周邊地區(qū)，濱臨南海，地勢(shì)較為平坦，屬于低山丘陵地貌，分布有植被、水體等地物類型。

1.2 數(shù)據(jù)源

WV-3是美國(guó)DigitalGlobal公司于2014年8月13日發(fā)射的第四代高分辨率多光譜商業(yè)衛(wèi)星，在繼承WorldView-2的8個(gè)多光譜波段基礎(chǔ)上，額外增加了8個(gè)短波紅外波段，是首個(gè)擁有16個(gè)高分辨率光譜波段的商業(yè)衛(wèi)星［10-11］。本研究使用WV-3衛(wèi)星獲取的16波段影像，波長(zhǎng)和空間分辨率參數(shù)如表1所示。成像時(shí)間為2015年10月18日03：06：07，數(shù) 據(jù) 級(jí) 別 為L(zhǎng)2A，已經(jīng)過(guò)系統(tǒng)輻射定標(biāo)和幾何校正。

表1 WV-3衛(wèi)星參數(shù)Table 1 Parameters of WV-3 satellite

2 大氣校正方法

2.1 FLAASH模型

FLAASH大氣校正模型結(jié)合了MODTRAN4+模型并進(jìn)行了修改，通過(guò)對(duì)輻射定標(biāo)后的影像進(jìn)行大氣校正，適用于可見(jiàn)光至短波紅外波長(zhǎng)范圍，能夠一定程度消除大氣作用對(duì)地表反射率的影響，獲得較高的地物反射率 精 度［12-13］。FLAASH模型假設(shè)地表為 標(biāo) 準(zhǔn)

式中：L—傳感器接收到的單個(gè)像元光譜輻射亮度；Lα—大氣程輻射；ρ—像元的地表反射率；ρe—像元及周?chē)裨钠骄乇矸瓷渎?；S—大氣半球反照率；A和B—由大氣條件及下墊面幾何條件所決定的系數(shù)，同地表反射率無(wú)關(guān)。

用于本次試驗(yàn)的FLAASH大氣校正模型參數(shù)大部分可從影像數(shù)據(jù)頭文件中獲取，具體參數(shù)設(shè)置見(jiàn)表2。平面朗伯體，傳感器接收的像元光譜輻射亮度可以通過(guò)公式（1）計(jì)算［14-15］：

表2 FLAASH大氣校正模型參數(shù)Table 2 Parameters of FLAASH atmosphere correction

2.2 QUAC模型

QUAC模型是以暗目標(biāo)探測(cè)方法為依據(jù)，不需要額外的配套信息，而是自動(dòng)從影像內(nèi)收集不同地物的波譜信息以獲取大氣補(bǔ)償參數(shù)和經(jīng)驗(yàn)值，實(shí)現(xiàn)快速大氣校正，理想情況下其計(jì)算結(jié)果絕對(duì)精度近似FLAASH或者其他基于輻射傳輸模型的±15%［16］。本次試驗(yàn)中QUAC模型參數(shù)設(shè)置中傳感器類型選擇Unknown，其他參數(shù)選擇默認(rèn)設(shè)置。

2.3 ATCOR模型

ATCOR模型包含兩種模式，一種是ATCOR2/3模式，適用于衛(wèi)星遙感影像的大氣校正，另一種是ATCOR4模式，適用于航空遙感影像的大氣校正。本次研究使用的ATCOR2模型，已集成于PCI、ERDAS等圖像處理軟件中，其算法核心是以MODTRAN4程序計(jì)算輻射傳輸方程的數(shù)據(jù)庫(kù)，通過(guò)輸入傳感器的幾何條件、光譜特征及成像時(shí)氣溶膠等參數(shù)，以插值方式計(jì)算查找表，從而實(shí)現(xiàn)快速準(zhǔn)確的大氣校正［17］。

用于本次試驗(yàn)的ATCOR大氣校正模型參數(shù)大部分可從影像數(shù)據(jù)頭文件中獲取，具體參數(shù)設(shè)置見(jiàn)表3。

表3 ATCOR大氣校正模型參數(shù)Table 3 Parameters of ATCOR atmosphere correction

3 大氣校正效果評(píng)價(jià)

3.1 目視效果

不同大氣校正模型處理前后的WV-3 Band5（R）、Band3（G）、Band2（B）真彩色圖像如圖1所示。通過(guò)對(duì)比可以看出，相較于原始影像，3種模型校正后的圖像在視覺(jué)效果上變化明顯，圖1a由于大氣的影響削弱了地物的明暗差異，對(duì)比度較低，影像整體偏暗；圖1b-d校正后的結(jié)果色調(diào)更明亮，紋理更清晰，對(duì)比度增強(qiáng)，影像質(zhì)量得到明顯改善，說(shuō)明大氣校正在一定程度上去除了氣溶膠、水汽等因素的影響。相比而言，F(xiàn)LAASH和ATCOR的校正效果要優(yōu)于QUAC，影像整體信息更豐富。

圖1 3種模型大氣校正前后影像對(duì)比Fig.1 Comparison image before and after atmospheric correction of three models

3.2 評(píng)價(jià)指標(biāo)

為了定量評(píng)價(jià)大氣校正前后影像的質(zhì)量，運(yùn)用MATLAB軟件計(jì)算校正前后影像的信息熵和平均梯度指標(biāo)，結(jié)果如表4所示。

表4 大氣校正前后影像評(píng)價(jià)指標(biāo)對(duì)比Table 4 Evaluation indexes of images before and after atmospheric correction

信息熵是反映影像所包含信息量豐富程度的重要指標(biāo)，其值越大，表示影像所含信息量越多，影像質(zhì)量越好。從表4可以看出，3種模型校正后影像的信息熵均高于原始影像，其中ATCOR表現(xiàn)最佳，F(xiàn)LAASH次之，QUAC模型效果最差。這是由于大氣影響使得不同地物間的特征差異減弱，但經(jīng)大氣校正后，這些特征信息得到增強(qiáng)，影像信息變得更豐富，特征也更明顯。

平均梯度可以用來(lái)表達(dá)圖像中微小細(xì)節(jié)的反差，其值越大，表示影像越清晰，層次越豐富。由表4可知，3種模型校正后影像的平均梯度相較原始影像均有所增加，說(shuō)明經(jīng)過(guò)大氣校正后的影像更為清晰，層次感得到增強(qiáng)，且FLAASH和ATCOR校正后影像的整體質(zhì)量?jī)?yōu)于QUAC模型。

3.3 地物光譜

為了驗(yàn)證不同大氣校正模型對(duì)地物反射率反演的效果，在校正后的影像中選取植被和海水2種典型地物的像元光譜，并與USGS波譜庫(kù)中相應(yīng)地物的參考反射率光譜進(jìn)行比較。此外，由于USGS波譜庫(kù)中地物光譜與WV-3譜段不同，為了更好地對(duì)比大氣校正效果，將波譜庫(kù)中2種地物光譜重采樣至WV-3對(duì)應(yīng)的波段，結(jié)果如圖2、3所示。

圖2 植被USGS光譜與WV-3大氣校正后光譜曲線對(duì)比Fig.2 Comparison of vegetation spectra of USGS with spectra of WV-3 image after atmospheric correction

圖2a中USGS植被光譜曲線顯示了植被在可見(jiàn)光-近紅外到短波紅外范圍內(nèi)的典型光譜特征。其中，550 nm附近有一個(gè)小的反射峰，680 nm附近存在一個(gè)明顯的吸收谷，這主要是植物葉片中色素強(qiáng)吸收的原因；在700～780 nm之間是一個(gè)陡坡，反射率急劇增加，被稱為植被的反射率紅邊；在970、1 200 nm附近存在弱吸收谷，1 400、1 900 nm附近存在強(qiáng)吸收谷，而1 670、2 200 nm附近分別有一個(gè)明顯的反射峰，這種情況主要是植物葉片中含有水分的緣故。

由圖2（b、c、d）可以看出，3種模型獲得的植被光譜曲線與USGS波譜庫(kù)中植被光譜曲線特征吻合較好，550、1 670、2 200 nm附近的反射峰，以及680、1 400 nm附近的吸收谷均在校正后的WV-3波段中反映出來(lái)，且FLAASH、QUAC和ATCOR模型校正結(jié)果與USGS植被光譜的相關(guān)系數(shù)分別為0.992、0.861和0.927，F(xiàn)LAASH和ATCOR模型表現(xiàn)更佳，相關(guān)系數(shù)達(dá)到0.9以上。

圖3a中USGS海水光譜曲線顯示在可見(jiàn)光范圍內(nèi)，隨著波長(zhǎng)不斷增大，海水的反射率迅速減小，在650 nm之后幾乎為零。

由圖3（b、c、d）可以看出，3種模型獲得的海水光譜曲線與USGS波譜庫(kù)中海水光譜曲線特征相對(duì)吻合，整體反射率變化趨勢(shì)在校正后的WV-3波段中反映出來(lái)，且FLAASH、QUAC和ATCOR模型校正結(jié)果與USGS海水光譜的相關(guān)系數(shù)分別為0.825、0.754和0.953，ATCOR模型表現(xiàn)最好，F(xiàn)LAASH模型次之，QUAC模型最差。

圖3 海水USGS光譜與WV-3大氣校正后光譜曲線對(duì)比Fig.3 Comparison of seawater spectra of USGS with spectra of WV-3 image after atmospheric correction

3.4 分類精度

將上述重采樣后的USGS植被、水體光譜分別作為參考光譜，利用光譜角算法對(duì)大氣校正影像進(jìn)行監(jiān)督分類，其中植被分類閾值為0.35，水體分類閾值為0.15。為了評(píng)價(jià)不同大氣校正模型對(duì)地物分類精度的影響，利用人工解譯的方法在影像中選取一定數(shù)量的植被和水體驗(yàn)證樣本，與獲得的分類結(jié)果進(jìn)行比較，實(shí)現(xiàn)精度評(píng)價(jià)。表5給出了FLAASH、QUAC及ATCOR模型大氣校正影像的分類精度評(píng)價(jià)結(jié)果，圖4為對(duì)應(yīng)的分類結(jié)果圖。從表中可以看出，ATCOR模型的大氣校正效果最優(yōu)，植被、水體等地物分類精度最高，F(xiàn)LAASH模型次之，QUAC模型分類精度最差，進(jìn)一步反映了不同大氣校正模型的應(yīng)用效果。

圖4 不同模型大氣校正影像分類效果圖Fig.4 Classification images by different atmospheric correction models

表5 不同模型大氣校正影像分類精度Table 5 Classification accuracy of images by different atmospheric correction models

4 結(jié)論

1）通過(guò)信息熵、平均梯度分析，F(xiàn)LAASH和ATCOR模型對(duì)清晰度等各項(xiàng)指標(biāo)的提升效果優(yōu)于QUAC模型。

2）在反射率反演方面，ATCOR模型的校正結(jié)果與USGS重采樣的相應(yīng)地物光譜吻合度較高，相關(guān)系數(shù)達(dá)到0.9以上，略好于FLAASH模型。

3）從地物分類效果分析，ATCOR校正結(jié)果得到更高分類精度，植被、水體等地物的分類效果最好。

在后續(xù)研究中，可以分析不同大氣校正參數(shù)對(duì)結(jié)果精度的影響，并結(jié)合地物實(shí)測(cè)反射率光譜進(jìn)行評(píng)價(jià)驗(yàn)證。