高分一號多光譜影像6S大氣校正研究

商子健，金建文，許振峰,李 鶴

(1.沈陽市勘察測繪研究院有限公司,遼寧 沈陽 110004；2.遼寧工程技術大學 測繪與地理科學學院，遼寧 阜新 123000)

0 引言

高分一號(GF-1)衛(wèi)星是中國高分辨率對地觀測系統(tǒng)的第一顆衛(wèi)星，于2013年4月26日在酒泉衛(wèi)星發(fā)射中心發(fā)射，具有空間分辨率高、重訪周期短、覆蓋寬等特點。GF-1衛(wèi)星搭載有2臺多光譜相機，多光譜空間分辨率為8 m，有藍、綠、紅和近紅外4個波段，具有周期為4天的重訪能力[1]。為我國國土、農業(yè)、環(huán)保等部門提供高效、連續(xù)、穩(wěn)定的空間觀測服務，在自然災害評估、生態(tài)環(huán)境監(jiān)測、城市和交通管理等領域發(fā)揮重要作用。

遙感成像時，大氣對遙感器入瞳信號的貢獻可超過80%[2],使其獲取的遙感信號不能反映地物的真實信息。因此，為了獲取地物的真實反射率數(shù)據(jù)，需要對遙感影像進行大氣校正，消除大氣分子、氣溶膠等大氣組分造成的吸收和瑞利散射影像[3]。目前，大氣校正的方法主要有基于圖像本身的暗像元法、基于地面的線性經(jīng)驗模型法、基于大氣同步校正儀的大氣校正和基于輻射傳輸模型法等4種方法[4-6]?；趫D像本身的暗像元法要求影像具有反演大氣參數(shù)的短波紅外波段[7-8]?；诘孛娴木€性經(jīng)驗模型法需要知道地物真實的光譜信息[9]，這2種方法在缺少輔助數(shù)據(jù)情況下，難以開展GF-1影像的大氣校正。基于大氣同步校正儀的大氣校正要求衛(wèi)星上搭載同步的大氣校正，而我國GF-1衛(wèi)星缺少大氣校正儀，因此基于大氣同步校正儀的大氣校正方法也不適應GF-1影像大氣校正?；谳椛鋫鬏斈Ｐ偷拇髿庑Ｕ▽儆谖锢砟Ｐ头椒ǎ褂媚Ｐ吞峁┑哪M大氣參數(shù)可以進行GF-1影像的大氣校正。6S輻射傳輸模型配置了典型大氣模式、氣溶膠類型模式和常用的傳感器的光譜響應函數(shù)，實用性較強，廣泛應用于光學影像的大氣校正。因此，本文使用6S輻射傳輸模型進行GF-1影像進行大氣校正研究。

針對輔助數(shù)據(jù)不足和GF-1衛(wèi)星缺少反演大氣參數(shù)的短波紅外波段，以及無法使用基于大氣同步校正儀的GF-1大氣校正等問題，本文基于6S輻射傳輸模型，設計并實現(xiàn)了適合GF-1衛(wèi)星數(shù)據(jù)大氣校正算法與程序，并用天津城區(qū)和山區(qū)兩景影像做算法驗證。由于沒有實測光譜數(shù)據(jù)，本文選用商業(yè)軟件ENVI提供的FLAASH大氣校正結果驗證了算法的大氣校正效果。

1 研究方法

1.1 算法介紹

本文基于6S模型獲取大氣頂輻亮度轉化為地表反射率的相關參數(shù)，根據(jù)轉化參數(shù)計算每景影像的地表反射率。算法以GF-1星8 m分辨率多光譜數(shù)據(jù)，其波段設置如表1所示。

表1 GF-1多光譜影像波段設置Tab.1 Band setting of GF-1 multispectral image 單位：nm

元數(shù)據(jù)及傳感器公開參數(shù)為輸入?yún)?shù)，無需其他輔助數(shù)據(jù)。

基于6S模型GF-1影像大氣校正示意如圖1所示，主要包括輻射定標、6S參數(shù)設置和6S大氣校正3部分。其中，DEM是全球0.01°空間分辨率高程數(shù)據(jù)；GF-1輻射定標數(shù)據(jù)從中國資源衛(wèi)星應用中心官網(wǎng)下載；2.5 nm光譜重采樣函數(shù)由中國資源衛(wèi)星應用中心提供的GF-1光譜響應函數(shù)重采樣得到。

圖1 6S模型GF-1影像大氣校正示意Fig.1 Atmospheric correction process of 6S model GF-1 image

1.2 輻射定標

在用6S模型對影像大氣校正前，采用式(1)對影像進行絕對輻射定標：

Lλ=Gain×DN，

(1)

式中，Lλ為波段的表觀輻射亮度(W·m-2·sr-1·μm-1)；Gain為增益；DN為原始影像像元的灰度值。式(1)中的增益系數(shù)在影像的頭文件中可以獲得。

1.3 表觀反射率計算

表觀反射率也稱大氣頂層反射率，表示衛(wèi)星傳感器接收的光譜輻亮度與大氣頂層太陽輻亮度的比值[10]。利用式(2)可將表觀輻亮度轉換為表觀反射率：

(2)

式中，d為日地距離校正因子；ESUNλ為中心波長為λ的大氣上界太陽光譜輻照度(W·m-2·μm-1)，其值可根據(jù)GF-1多光譜影像的光譜響應函數(shù)與大氣上界太陽光譜輻照度，通過式(3)積分得到：

(3)

式中，Eλ為大氣上界太陽光譜輻照度；fλ為光譜響應函數(shù)；λ1,λ2為光譜響應函數(shù)的起始和終止波長。

GF-1多光譜影像各波段的大氣上界太陽光譜輻照度值如表2所示，θ為太陽天頂角,由GF-1頭文件得到。

表2 GF-1多光譜影像大氣上界太陽光譜輻照度Tab.2 Upper atmospheric solar spectral irradiance of GF-1 multispectral image 單位：W·m-2·μm-1

1.4 6S參數(shù)設置及大氣校正

本文對6S原始模型添加了GF-1衛(wèi)星支持，并編譯為可執(zhí)行文件，用Python語言編寫代碼，自動調用6S程序逐波段計算大氣校正系數(shù)，得到校正后的地表反射率。整個校正過程中，程序自動讀取GF-1原始影像及元數(shù)據(jù)，用戶只需確定影像的能見度或氣溶膠厚度，即可進行地表反射率自動化計算。主要步驟如下：

① 6S模型參數(shù)設置：利用幾何參數(shù)(太陽天頂角和方位角、衛(wèi)星天頂角和方位角、傳感器高度、成像時間、全球0.01°空間分辨率的高程數(shù)據(jù)、2.5 nm光譜重采樣響應函數(shù))和大氣參數(shù)(大氣模式、氣溶膠類型)配置6S輸入文件；

② 調用6S程序，得到GF-1影像各波段的大氣校正系數(shù)xa、xb、xc；

③ 利用6S模型提供的式(4)和式(5)計算得到校正后地表反射率[11]：

y=xa·Lλ-xb，

(4)

(5)

2 實驗結果與分析

調用6S程序后，所得到GF-1影像各波段大氣校正系數(shù)的統(tǒng)計結果如表3所示。

表3 GF-1衛(wèi)星多光譜影像6S大氣校正輸出參數(shù)Tab.3 Output parameters of 6S atmospheric correction for GF-1 multispectral imagery

2.1 地物光譜對比分析

本文選取天津2017年2月27日城區(qū)和2016年4月9日山區(qū)的GF-1星8 m分辨率的多光譜數(shù)據(jù)進行算法實驗，并用ENVI軟件中FLAASH大氣校正結果作為對比。圖2，圖3分別是天津城區(qū)和山區(qū)大氣校正前后真彩色合成效果圖。對比發(fā)現(xiàn)，經(jīng)過本文算法大氣校正后，圖像的清晰度、對比度明顯提升。

(a)城區(qū)

(a)城區(qū)

大氣校正后，目視選擇城區(qū)水體、水泥地和山區(qū)植被、裸地等每種典型地物的20個純像元，計算其平均反射率，以定量比較大氣校正前后的結果[12-13]。典型地物大氣校正前后反射率對比如表4所示。

表4 典型地物大氣校正前后反射率對比Tab.4 Reflectance comparison of typical surface features before and after atmospheric correction

由表4可以看出，本文算法在藍、綠、紅波段大氣校正后，除了裸地在紅波段校正后反射率反而增大，其余地物校正后反射率都小于校正前；在近紅外波段，除了水體校正后的反射率減小，其余地物在校正后的反射率都有所增加。所以，本文算法較好的去除了大氣的影響，使各地物的反射率趨于正常值，消除了在藍、綠、紅波段氣溶膠散射對地表反射的增強，有效校正了在近紅外波段水汽對地表反射率的削弱。

水體大氣校正、水泥地大氣校正、植被大氣校正和裸地大氣校正前后反射率變化分別如圖4～圖7所示。

(a)校正前

(a)校正前

(a)校正前

(a)校正前

從圖4～圖7可以看出，經(jīng)過本文算法大氣校正后，4種典型地物的光譜曲線均符合其光譜特性，并與FLAASH大氣校正模型具有良好的一致性，表明本文算法在城區(qū)和山區(qū)影像大氣校正中具有一定的普適性。

2.2 大氣校正對NDVI的影響分析

植被指數(shù)是植被定量遙感中常用的參數(shù)，通常是由2個或2個以上的波段計算得到。歸一化植被指數(shù)(NDVI)能夠有效檢驗大氣校正的效果[14-15]。本文選用NDVI作為指標，對大氣校正前后影像的NDVI值變化進行分析，其計算式如下：

(6)

式中，ρnir，ρred分別為近紅外和紅外波段的反射率。

選取天津城區(qū)水體、水泥地和山區(qū)植被、裸地等典型地物提取植被指數(shù)信息[16]。經(jīng)式(6)計算得到典型地物大氣校正前后NDVI的變化趨勢，如圖8所示。

圖8 大氣校正前后典型地物NDVI的變化Fig.8 Changes of NDVI of typical ground objects before and after atmospheric correction

由圖8可以看出，本文算法很好地校正了大氣對地物NDVI的降低，且與FLAASH模型大氣校正后地物的NDVI值變化趨勢一致，說明本文大氣校正算法在城區(qū)和山區(qū)都能較好的去除大氣影像，還原地物的NDVI值。其中，植被NDVI增幅最大，從校正前的0.079 1增加到校正后的0.252 1(見表4)。大氣校正前后NDVI統(tǒng)計如表5所示。

表5 大氣校正前后NDVI統(tǒng)計表Tab.5 NDVI statistics before and after atmospheric correction

由表5可以看出，本文大氣校正后的NDVI的均值和標準差都大于校正前，即校正后影像目視效果更佳，更有利于進一步進行植被遙感的定量化研究。

2.3 大氣校正效率分析

在內存64 GB、CPU主頻2.10 GHz、磁盤剩余空間200 GB的運行環(huán)境下，F(xiàn)LAASH在參數(shù)配置完畢后運行總耗時252 s，而本文方法總耗時118 s，單景影像的處理效率提高了53%。因此，本文算法較FLAASH相比，提高了大氣校正效率。

3 結束語

本文基于6S輻射傳輸模型，設計并實現(xiàn)了適合GF-1 衛(wèi)星數(shù)據(jù)大氣校正算法與程序，并以FLAASH大氣校正結果作為參考，對校正結果進行了驗證，得出結論：① 通過典型地物校正前后的反射率和NDVI比較表明，本文算法較好的還原了水體、水泥地、植被和裸地等地物類型的光譜曲線，增加了地表的NDVI值，并與FLAASH校正結果趨勢具有較好的一致性；② 本文大氣校正算法基于6S輻射傳輸模型，校正過程自動化，效率高，為GF-1影像的業(yè)務化大氣校正提供了參考；③ 由于沒有地物真實反射率數(shù)據(jù)，無法對校正的結果進一步定量分析，下一步需要增加地面實測數(shù)據(jù)對校正結果進一步分析；其次，本文假設地表均一，同時選取550 nm氣溶膠光學厚度，這可能導致更大的大氣校正誤差，下一步研究需要考慮非均一地表帶來的臨近像元效應的影響以及氣溶膠光學厚度的準確獲取，來進一步提升大氣校正效果。