基于衛(wèi)星影像的彩鋼板建筑光譜測試與分析

洪衛(wèi)麗 楊樹文,2,3, * 蘇航 付昱凱 張乃心

基于衛(wèi)星影像的彩鋼板建筑光譜測試與分析

洪衛(wèi)麗1楊樹文1,2,3, *蘇航1付昱凱1張乃心1

（1 蘭州交通大學(xué)測繪與地理信息學(xué)院，蘭州 730070）（2 地理國情監(jiān)測技術(shù)應(yīng)用國家地方聯(lián)合工程研究中心，蘭州 730070）（3 甘肅省地理國情監(jiān)測工程實驗室，蘭州 730070）

大氣輻射傳輸會引起衛(wèi)星傳感器獲取的信息與實際信息存在出入，進而導(dǎo)致彩鋼板建筑信息提取的不準確。據(jù)此，文章以蘭州市安寧區(qū)為例，利用地物光譜儀和衛(wèi)星影像獲取典型彩鋼板光譜數(shù)據(jù)，確定彩鋼板反射率影響因素，結(jié)合影響因素測試彩鋼板反射率并分析光譜特征。然后將實測光譜數(shù)據(jù)分別與影像經(jīng)FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）模型和6S（Second Simulation of the Satellite Signal in the Solar Spectrum）模型大氣校正后的光譜信息進行光譜匹配，以確定適合不同顏色彩鋼板光譜數(shù)據(jù)的大氣校正方法。結(jié)果表明，彩鋼板光譜反射率曲線均能反映彩鋼板表面顏色特性；FLAASH大氣校正更能反映藍、紅彩鋼板建筑的真實反射率；6S模型 大氣校正更能反映白色彩鋼板建筑的真實反射率。本研究將為后續(xù)彩鋼板建筑信息自動解譯提供技術(shù)支持。

光譜學(xué) 彩鋼板建筑 光譜測試 大氣校正 地物光譜儀 遙感應(yīng)用

0 引言

彩鋼板建筑作為城市臨時性建筑，其分布情況給消防安全、城市熱環(huán)境及城市化過程中棚戶區(qū)改造等問題帶來一系列考驗。因此，準確提取彩鋼板建筑信息對彩鋼板建筑與城市發(fā)展關(guān)系研究具有重要意義。而不同顏色彩鋼板建筑所特有的光譜特征作為彩鋼板區(qū)別于一般建筑的重要依據(jù)對彩鋼板提取工作意義重大。光譜測試為傳感器的波段選擇和評價提供了依據(jù)，可建立地面、航空和航天遙感數(shù)據(jù)間的聯(lián)系，由于彩鋼板建筑其獨特的材質(zhì)和涂色導(dǎo)致其光譜反射存在差異，從而影響彩鋼板建筑遙感提取的精度。遙感影像在獲取過程中受到大氣吸收與散射等影響，使得獲取的數(shù)據(jù)與實測地物光譜數(shù)據(jù)存在出入，故需大氣校正來消除或減少大氣分子和氣溶膠的散射和吸收對地物反射率的影響[1]。因此，解決彩鋼板建筑信息提取的關(guān)鍵在于對彩鋼板建筑光譜特性及大氣校正方法的研究。

在光譜實測驗證研究中，相關(guān)學(xué)者做了大量富有成效的工作。在光譜測試方面，研究人員對彩鋼材料光譜反射進行了實驗室分析，并且利用實測光譜數(shù)據(jù)與影像光譜數(shù)據(jù)結(jié)合的方法對地物進行分類。梁壬鳳在實驗室內(nèi)獲取彩鋼材料的高光譜反射數(shù)據(jù)，分析了顏色、波段、角度等因素對反射率光譜的影響程度[2]；王麗在測量地物光譜的基礎(chǔ)上，將實測光譜數(shù)據(jù)與高分影像數(shù)據(jù)相結(jié)合，測量植被冠層光譜與準同步“高分一號”（GF-1）衛(wèi)星數(shù)據(jù)，利用實測光譜數(shù)據(jù)與GF-1衛(wèi)星數(shù)據(jù)進行地物分類[3]。在影像大氣校正方面，相關(guān)研究人員利用6S（Second Simulation of the Satellite Signal in the Solar Spectrum）模型對高分數(shù)據(jù)進行大氣校正，并與FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes，F(xiàn)LAASH）大氣校正結(jié)果進行比較。劉佳等開發(fā)的6S模型能對GF-1衛(wèi)星數(shù)據(jù)進行批處理，并將6S結(jié)果與FLAASH模塊結(jié)果進行對比[4]；曹紅業(yè)等利用6S大氣輻射傳輸模型建立大氣校正系數(shù)查找表，實現(xiàn)對“高分二號”（GF-2）衛(wèi)星影像數(shù)據(jù)快速有效的大氣校正[5]。上述研究多是在理想條件下獲取彩鋼材料光譜數(shù)據(jù)，并未考慮大氣等外在條件，且針對彩鋼板建筑光譜測試與分析方面的研究明顯不足。

由此，本文通過美國SVC（Spectra Vista Corporation）公司生產(chǎn)的HR-512i便攜式地物光譜儀測得采樣點實測光譜數(shù)據(jù)，以確定彩鋼板反射率的影響因素，并對所測數(shù)據(jù)進行系列處理，得到實測光譜反射率數(shù)據(jù)。通過對數(shù)據(jù)進行光譜特征分析，對研究區(qū)實測光譜數(shù)據(jù)與GF-2衛(wèi)星遙感影像光譜數(shù)據(jù)進行光譜匹配，確定適合彩鋼板建筑的大氣校正方法，為后續(xù)不同顏色彩鋼板提取研究奠定基礎(chǔ)，為各城市彩鋼板建筑時空演化、彩鋼板建筑群火災(zāi)風(fēng)險評估與消防站點空間優(yōu)化等問題的研究提供數(shù)據(jù)支持。

1 實驗數(shù)據(jù)

在研究區(qū)內(nèi)廣泛分布不同涂色的彩鋼板建筑，其主要涂色為藍、紅和白三種。因此，為研究彩鋼板建筑實測光譜值和衛(wèi)星影像光譜之間的關(guān)系，主要選取了兩個方面的數(shù)據(jù)，一是GF-2衛(wèi)星影像，二是實測光譜值。

選取GF-2衛(wèi)星全色/多光譜相機（Panchromatic Multispectral Spectro Radiometer，PMS）影像，成像時間為2017年8月4日，太陽天頂角為22.263 1°，影像的空間分辨率為1 m（全色）和4 m（多光譜）。研究區(qū)為甘肅省蘭州市安寧區(qū)，測定實驗也在此區(qū)域進行，研究區(qū)影像及實測區(qū)域如圖1所示。由于衛(wèi)星傳感器在成像過程中會產(chǎn)生輻射畸變，因此在實驗前必須對影像進行輻射校正，為將輻射亮度或者表觀反射率轉(zhuǎn)換為地表實際反射率，需對影像進行大氣校正。彩鋼板聚集區(qū)域主要分為居民區(qū)與工業(yè)區(qū)，兩區(qū)域部分影像如圖2所示。

圖1 研究區(qū)及實測區(qū)

圖2 GF-2衛(wèi)星影像

圖3 實測數(shù)據(jù)點位選取

非成像高光譜數(shù)據(jù)采用SVC公司生產(chǎn)的HR-512i便攜式地物光譜儀測得。光譜探測范圍為350～1 050 nm，光譜分辨率分別為3.2 nm、9.5 nm和6.5 nm，光譜采樣間隔分別為1.5 nm、3.8 nm和2.5 nm。彩鋼板建筑光譜測定選用2017年生產(chǎn)的藍、紅、白三種不同顏色的實驗材料。為測定彩鋼涂層厚度、彩鋼板屋頂角度、彩鋼板朝向等因素對反射率的影響，分別設(shè)定涂層厚度為0.3 mm和0.4 mm，實施彩鋼板與地面水平、15°夾角，及東南西北四個朝向的對比實驗。光譜測試選擇在天氣晴朗、無風(fēng)或風(fēng)速較小時進行，時間為10:00～14:00（太陽高度角>45°）測定，測量時光譜儀視場角為25°，傳感器探頭垂直向下，距彩鋼板垂直高度約0.5 m，實驗時間為2021年7月17日—28日。

因彩鋼板表面并不水平，每隔20 cm會有上寬3 cm、下寬4 cm、高3 cm的梯形凸起，故針對彩鋼板表面特殊構(gòu)造，每個實驗中對每個目標選取4個測點，每個測點讀取5個數(shù)據(jù)，取其均值，以降低噪聲干擾和隨機性。點位選取如圖3所示。

2 實驗流程

本實驗主要分為實測光譜數(shù)據(jù)處理、影像光譜數(shù)據(jù)采集和光譜匹配三部分。

首先，對實測數(shù)據(jù)進行系列預(yù)處理，得到實測光譜，分析光譜特性；然后對影像分別進行FLAASH大氣校正和6S模型大氣校正，再將全色影像與經(jīng)兩種模型大氣校正后的多光譜影像進行融合，以提高影像分辨率；在眾多影像融合方法中，GF-2衛(wèi)星全色與多光譜影像經(jīng)超球體色彩空間變換（Hyperspherical Color Space Resolution Merge, HCS）融合后光譜扭曲度最小，即光譜保持度最高[6-7]，故本文選取HCS變換對GF-2衛(wèi)星全色與多光譜進行融合。最后獲取兩種大氣校正后彩鋼板光譜數(shù)據(jù)；再將影像光譜數(shù)據(jù)與實測光譜進行光譜匹配，對比匹配結(jié)果。具體流程如圖4所示。

圖4 實驗流程

3 數(shù)據(jù)分析方法

3.1 大氣校正處理

影像中的反射率信息為表觀反射率信息，為得到真實的地表反射率信息需進行輻射定標與大氣校正。輻射定標是建立輻射亮度之間的定量關(guān)系[8]，大氣校正可以消除大氣散射、吸收和反射引起的誤差[9]。

選取不同大氣校正方法對影像進行預(yù)處理，對比處理后的彩鋼板光譜數(shù)據(jù)，以獲得適用于不同顏色彩鋼板預(yù)處理方法。大氣校正方法可分為經(jīng)驗線型法、物理模型法和半經(jīng)驗物理模型法[10]，其中，物理模型法即基于大氣輻射傳輸模型法因有明確的物理意義，精度高等特點被廣泛使用，主要包括FLAASH模型、6S模型、ACTOR（A Spatially-Adaptive Fast Atmospheric Correction）模型等，本文選取FLAASH模型和6S模型進行處理。

1）FLAASH大氣校正。采用中等光譜分辨率大氣透過率及輻射傳輸算法和計算模型（Moderate Spectral Resolution Atmospheric Transmittance Algorithm and Computer Model 4.0，MODTRAN4）輻射傳輸模型代碼，可計算出大氣散射后反射率和大氣球面反射率等數(shù)據(jù)[11]，對高光譜、多光譜數(shù)據(jù)及航空影像進行糾正，有效消除光照和大氣等引起的誤差，以獲取準確的地物反射率和地表溫度等信息。校正的波長范圍為0.4～3 μm。

2）6S輻射傳輸模型。6S輻射傳輸模型在太陽輻射能量經(jīng)過大氣傳輸至地面和地物反射能量經(jīng)過大氣傳輸至衛(wèi)星傳感器整個過程中，假設(shè)大氣情況為無云，綜合考慮水汽、氧氣(O2)、臭氧(O3)、二氧化碳(CO2)等的吸收情況、氣溶膠散射及分子散射、雙向反射率和非均一地面等問題，進而模擬傳感器在太陽反射波段的信號，校正的波長范圍為0.25～4.0 μm[12]。在模型中輸入的參數(shù)包括幾何參數(shù)、氣溶膠參數(shù)、大氣模式等，幾何參數(shù)包括太陽觀測幾何（太陽天頂角、太陽方位角）、衛(wèi)星觀測幾何（衛(wèi)星天頂角、衛(wèi)星方位角、傳感器高度）、地面高程等，幾何參數(shù)可從GF-2衛(wèi)星影像文件的XML文件中獲取；氣溶膠模式包括海洋型、沙漠型、都市型、大陸型等，基于研究區(qū)地理位置選取的氣溶膠模式為大陸型氣溶膠模式；大氣模式包括熱帶、中緯度夏、中緯度冬、近極地夏及近極地冬等多種模式，根據(jù)影像成像時間，本文選取的大氣模式為中緯度夏；6S模型內(nèi)置光譜響應(yīng)函數(shù)不包括GF-2衛(wèi)星光譜響應(yīng)函數(shù)，故將GF-2衛(wèi)星光譜響應(yīng)函數(shù)添加至6S模型內(nèi)，為使程序直接調(diào)用，需將原始光譜響應(yīng)函數(shù)重采樣為2.5 nm分辨率[13]。

FLAASH大氣校正的MODTRAN解決傳輸過程中的正向問題，即依據(jù)地表反射率，得出大氣層頂輻射；進行大氣糾正時，將大氣傳輸參數(shù)代入傳輸公式，得到校正后的反射率。6S輻射傳輸模型解決傳輸過程中的反向問題，即依據(jù)大氣層頂輻射，計算地表反射率；大氣糾正過程中，輸入表觀反射率，后直接生成校正后反射率。

3.2 實測光譜數(shù)據(jù)處理

為了減小原始數(shù)據(jù)的誤差，保證光譜數(shù)據(jù)的有效性，對野外采集的光譜數(shù)據(jù)進行預(yù)處理，主要包括：剔除錯誤數(shù)據(jù)、平滑操作[14]、求每組彩鋼板點光譜數(shù)據(jù)平均值、對平均值進行插值、計算反射率等。

由于GF-2衛(wèi)星影像數(shù)據(jù)為多光譜數(shù)據(jù)，只有4個波段，導(dǎo)致其反射率曲線顯示為折線，而實測數(shù)據(jù)為高光譜數(shù)據(jù)，其光譜曲線為連續(xù)平滑的曲線。為提高兩組數(shù)據(jù)匹配效率，需將兩組數(shù)據(jù)轉(zhuǎn)換到同一尺度下，目前廣泛使用的方法有兩種，分別為實測光譜數(shù)據(jù)依照遙感影像波段劃分求各波長范圍內(nèi)均值和結(jié)合影像光譜響應(yīng)函數(shù)將實測數(shù)據(jù)轉(zhuǎn)換為衛(wèi)星波段反射率。因利用光譜響應(yīng)函數(shù)模擬的多光譜數(shù)據(jù)考慮了傳感器在每個波長接收的輻射亮度與入射輻射亮度的比值[15]，而波段均值模擬的多光譜數(shù)據(jù)并沒有考慮此因素，故本文實測光譜數(shù)據(jù)采用光譜響應(yīng)函數(shù)模擬的多光譜數(shù)據(jù)。

不同波長響應(yīng)強度在每個波段范圍內(nèi)有差異，傳感器獲取數(shù)據(jù)時，每個波段對應(yīng)的光譜響應(yīng)范圍內(nèi)所有的能量并不是全部被接收，而是按照一定的波譜響應(yīng)率接收。通過光譜響應(yīng)函數(shù)連接多光譜數(shù)據(jù)與衛(wèi)星波段反射率[16]，GF-2光譜響應(yīng)函數(shù)如圖5所示，波段反射率的轉(zhuǎn)換公式為

式中 為模擬衛(wèi)星的波段反射；為地面彩鋼板光譜反射率；表示波長，、表示起止波長；為傳感器的光譜響應(yīng)函數(shù)，波段包括藍、綠、紅、近紅外等，為了使實測反射率和模擬的反射率光譜分辨率相一致，對光譜響應(yīng)函數(shù)做線性插值處理，使光譜數(shù)據(jù)的分辨率為1 nm。

3.3 光譜匹配

光譜匹配是對實測光譜數(shù)據(jù)和影像地物光譜進行匹配或地物光譜與參考光譜數(shù)據(jù)庫進行比較，求得兩組數(shù)據(jù)間的相似性或差異性，以達到識別的目的[17]。彩鋼板建筑存在特殊的光譜特性，對彩鋼板實測數(shù)據(jù)與影像數(shù)據(jù)進行光譜匹配可確定不同預(yù)處理方法對各色彩鋼板建筑光譜信息的還原程度。應(yīng)用于多光譜數(shù)據(jù)匹配典型方法主要有光譜角度匹配和光譜信息散度匹配[18]，兩種方法分別從形狀與整體角度對光譜信息進行比較。

4 結(jié)果與分析

4.1 實測光譜影響因素分析

為驗證彩鋼涂層厚度對彩鋼板反射率影響，實驗在彩鋼板水平狀態(tài)下分別選取彩鋼涂層厚度為0.3 mm和0.4 mm測定反射率結(jié)果，繪制同一點不同厚度彩鋼板反射率對比圖，如圖6所示。彩鋼板建筑頂層坡度一般為1°～30°，實驗選取角度為0°與15°驗證彩鋼板坡度對反射率影響，繪制同一點不同坡度彩鋼板反射率對比圖，結(jié)果如圖7所示。每個彩鋼板選取4個點位，為驗證點位對彩鋼板反射率的影響，選取傾斜角度為0°，繪制各顏色不同點位彩鋼板反射率對比圖，結(jié)果如圖8所示。為驗證彩鋼板不同朝向?qū)Ψ瓷渎视绊懀瑢嶒炦x取0.4 mm紅色彩鋼板測定其不同朝向?qū)?yīng)反射率，結(jié)果如圖9所示。

圖6 不同彩鋼涂層厚度反射率對比

圖7 彩鋼板不同角度反射率對比

圖8 彩鋼板不同點位反射率對比

圖9 彩鋼板不同朝向反射率對比

進一步分析發(fā)現(xiàn)，由圖6可知不同厚度彩鋼涂層兩條曲線基本重合，對多組數(shù)據(jù)進行t檢驗結(jié)果發(fā)現(xiàn)兩組數(shù)據(jù)間均無顯著差異，彩鋼板厚度對反射率并無顯著影響，故本研究均采用厚度為0.4 mm彩鋼板進行實驗。由圖7可知，傾斜度數(shù)為15°時反射率比0°時反射率整體偏高，因此，后續(xù)研究將分為0°與15°分別進行。由圖8可知，彩鋼板不同點位對應(yīng)不同反射率，因?qū)嶒炄诤虾笥跋穹直媛蕿? m，對于彩鋼板凸起無法識別，故對于4個點位數(shù)據(jù)取平均，作為彩鋼板表面反射數(shù)據(jù)。由圖9可知，對于彩鋼板朝向問題，因現(xiàn)實中房屋朝向并不一定按正方向，故將方位進行劃分，將西北至東北方向房屋按北向計算，東北至東南向房屋按東向計算，東南至西南向房屋按南向計算，其余按西向劃分。

因彩鋼板聚集的居民區(qū)與工業(yè)區(qū)兩區(qū)域中彩鋼板面積與朝向有明顯的區(qū)別，故方位因素研究時將實驗區(qū)分為兩個區(qū)域，對于研究區(qū)進行實地勘測，得到東南西北四個朝向彩鋼板比例，居民區(qū)為3︰4︰2︰1，工業(yè)區(qū)為4︰1︰4︰1，故需對實驗區(qū)反射率數(shù)據(jù)進行加權(quán)處理。

4.2 光譜特征分析

由對彩鋼板反射率影響因素分析，對原始光譜數(shù)據(jù)進行方位加權(quán)及點位、角度平均后，得到角度為0°時藍、紅、白彩鋼板光譜曲線結(jié)果，如圖10所示；角度為15°時各顏色彩鋼板光譜曲線結(jié)果如圖11所示。進一步分析可知，不同顏色彩鋼板反射率與變化趨勢均不同，在可見光范圍內(nèi)各色彩鋼板反射率與對應(yīng)顏色光譜變化趨勢一致，反映了彩鋼板表面的顏色特性，藍色彩鋼板在藍色波段反射率最高，紅色彩鋼板在紅色波段反射率最高，白色彩鋼板反射率在各波段反射率均處較高水平；在近紅外波段各色彩鋼板光譜反射率曲線變化趨勢趨于一致，由此可見在近紅外波段可體現(xiàn)出彩鋼板表面的特性。

圖10 加權(quán)前后0°彩鋼板光譜反射率曲線

圖11 加權(quán)前后15°彩鋼板光譜反射率曲線

對比圖10和圖11可知，同色不同角度彩鋼板建筑光譜曲線變化趨勢整體一致，但角度為15°時彩鋼板反射率整體比水平時反射率高36.82%。三種彩鋼板在波長340～1 050 nm間均出現(xiàn)2個不同的反射峰，藍色彩鋼板反射率隨波長增加呈現(xiàn)升高–下降–升高–下降趨勢，在463 nm與890 nm處出現(xiàn)反射峰，463 nm處為極大值，15°角時反射率達66.32%，水平時達31.75%；紅色彩鋼板反射率隨波長增加呈現(xiàn)下降–急劇升高–下降趨勢，在382 nm與647 nm處出現(xiàn)反射峰，647 nm處為極大值，15°角時反射率達71.27%，水平時達51.62%；白色彩鋼板反射率隨波長增加呈現(xiàn)急劇升高–緩慢下降趨勢，在429 nm與525 nm處出現(xiàn)反射峰，429 nm處為極大值，15°角時反射率達80.93%，水平時達71.57%。由于居民區(qū)彩鋼板反射率與工業(yè)區(qū)反射率數(shù)據(jù)整體趨勢并無明顯差異，后續(xù)分析將以居民區(qū)數(shù)據(jù)為例進行說明。

4.3 光譜匹配結(jié)果分析

將GF-2衛(wèi)星影像分別基于FLAASH模型與6S模型進行大氣校正，對預(yù)處理后的影像分別提取不同顏色彩鋼板反射率數(shù)據(jù)；基于光譜響應(yīng)函數(shù)對實測光譜數(shù)據(jù)進行光譜模擬，居民區(qū)反射率數(shù)據(jù)如表1所示。

表1 居民區(qū)反射率數(shù)據(jù)

Tab.1 Reflectance data of residential areas 單位：%

依據(jù)表1反射率數(shù)據(jù)繪制出彩鋼板多光譜反射率曲線如圖12所示。結(jié)合圖10和圖11可知影像中白色彩鋼板反射率隨波長增加呈上升趨勢，而實測數(shù)據(jù)顯示白色彩鋼板反射率隨波長增加呈下降趨勢；藍色彩鋼板在藍色和近紅外波段影像反射率與實測反射率一致，在綠、紅波段影像反射率比實測反射率高；紅色彩鋼板在紅色和近紅外波段影像反射率與實測反射率一致，在藍、綠波段影像反射率比實測反射率高20%。這表明對于彩鋼板建筑，預(yù)處理后影像對于彩鋼板信息的表達在同色波段與近紅外波段更接近真實值，而在其他兩個波段反射率要高于實際值。

圖12 居民區(qū)多光譜反射率

將兩種大氣校正模型預(yù)處理后的彩鋼板反射率數(shù)據(jù)分別與實測數(shù)據(jù)進行光譜匹配，結(jié)果如表2和 表3所示（最優(yōu)匹配結(jié)果如加粗數(shù)值所示）：居民區(qū)與工業(yè)區(qū)光譜匹配結(jié)果一致，實測彩鋼板角度為0°時光譜匹配值與SID值均小于實測彩鋼板角度為15°的值，由此表明影像數(shù)據(jù)反映的是彩鋼板建筑屋頂水平時的反射率；彩鋼板角度固定時，藍色與紅色彩鋼板FLAASH模型的值與SID均小于6S模型的值，白色彩鋼板6S模型的值與SID均小于FLAASH模型的值；由此，F(xiàn)LAASH模型大氣校正方法更能反映藍、紅彩鋼板建筑的真實反射率，6S模型大氣校正方法更能反映白色彩鋼板建筑的真實反射率，整體6S模型反射率高于FLAASH模型反射率。在后續(xù)彩鋼板建筑提取研究中，針對不同顏色彩鋼板，可根據(jù)本文研究結(jié)果在預(yù)處理階段分別選擇適合該顏色的大氣校正方法，從而更準確還原彩鋼板光譜特征。

表2 居民區(qū)光譜匹配結(jié)果

Tab.2 Spectrum matching results in residential areas

表3 工業(yè)區(qū)光譜匹配結(jié)果

Tab.3 Spectral matching results of industrial zone

5 結(jié)論

利用SVC地物光譜儀測得三色彩鋼板在不同條件下的反射率數(shù)據(jù)，并進行光譜測試，再與利用FLAASH模型和6S模型大氣校正后的影像彩鋼板數(shù)據(jù)分別進行光譜匹配，確定適合彩鋼板建筑的大氣校正方法。結(jié)果表明：三種顏色彩鋼板光譜反射率曲線均能反映彩鋼板表面的顏色特性，居民區(qū)彩鋼板反射率與工業(yè)區(qū)彩鋼板反射率數(shù)據(jù)整體趨勢與反射率值并無明顯差異。在各影響因素中，彩鋼涂層厚度對彩鋼板反射率無明顯影響，彩鋼板角度、點位、朝向等因素對彩鋼板反射率均有影響，且彩鋼板呈15°時反射率比0°時反射率整體偏高。對于彩鋼板建筑，預(yù)處理后的影像對于彩鋼板反射率信息的表達在同色波段與近紅外波段更接近真實值，而在其他兩個波段反射率要高于實際值，且FLAASH模型大氣校正方法更能反映藍、紅彩鋼板建筑的真實反射率，6S模型大氣校正方法更能反映白色彩鋼板建筑的真實反射率。

[1] 袁金國, 牛錚, 王錫平. 基于FLAASH的Hyperion高光譜影像大氣校正[J]. 光譜學(xué)與光譜分析, 2009, 29(5): 1181-1185. YUAN Jinguo, NIU Zheng, Wang Xiping. Atmospheric Correction of Hyperion Hyperspectral Images Based on FLAASH[J]. Spectroscopy and Spectral Analysis, 2009, 29(5): 1181-1185. (in Chinese)

[2] 梁壬鳳. 彩鋼材料的光譜特性及影響因子分析[D]. 長春: 東北師范大學(xué), 2012: 14-23. Liang Renfeng. Spectral Characteristics and Impact Factor Analysis of the Color Steel Materials [D]. Changchun: Northeast Normal University, 2012: 14-23. (in Chinese)

[3] 王麗. 基于光譜分析的GF-1典型地物提取研究[D]. 西安: 長安大學(xué), 2017: 15-50. Wang Li. Typical Ground Object Extraction of GF-1 Image Based on Spectral Analysis[D]. Xi 'an: Chang 'an University, 2017: 15-50. (in Chinese)

[4] 劉佳, 王利民, 楊玲波, 等. 基于6S模型的GF-1衛(wèi)星影像大氣校正及效果[J]. 農(nóng)業(yè)工程學(xué)報, 2015, 31(19): 159-168. Liu Jia, WANG Limin, YANG Lingbo, et al. GF-1 Satellite Image Atmospheric Correction Based on 6S Model and Its Effect[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(19): 159-168. (in Chinese)

[5] 曹紅業(yè), 張?zhí)炱? 基于輻射傳輸模型的高分二號影像大氣校正方法研究[J]. 紅外技術(shù), 2020, 42(6): 534-541. CAO Hongye, ZHANG Tianqi. Atmospheric Correction Algorithm for GF-2 Image Based on a Radiative Transfer Model[J]. Infrared Technology, 2020, 42(6): 534-541. (in Chinese)

[6] 孫攀, 董玉森, 陳偉濤, 等. 高分二號衛(wèi)星影像融合及質(zhì)量評價[J]. 國土資源遙感, 2016, 28(4): 108-113. SUN Pan, DONG Yusen, CHEN Weitao, et al. Research on Fusion of GF-2 Imagery and Quality Evaluation[J]. Remote Sensing for Land & Resources, 2016, 28(4): 108-113. (in Chinese)

[7] 陳業(yè)培, 孫開敏, 白婷, 等. 高分二號影像融合方法質(zhì)量評價[J]. 測繪科學(xué), 2017, 42(11): 35-40. CHEN Yepei, SUN Kaimin, BAI Ting, et al. Quality Assessment on Image Fusion Methods for GF-2 Data[J]. Science of Surveying and Mapping, 2017, 42(11): 35-40. (in Chinese)

[8] 程春梅, 韋玉春, 李淵, 等. 太湖水體GF-1/WFV影像的6S逐像元大氣校正[J]. 遙感技術(shù)與應(yīng)用, 2020, 35(1): 141-152. CHENG Chunmei, WEI Yuchun, LI Yuan, et al. Atmospheric Correction of GF-1/WFV Imagein Taihu Lake Based on the 6S Model Pixel by Pixel[J]. Remote Sensing Technology and Application, 2020, 35(1): 141-152. (in Chinese)

[9] 童慶禧, 張兵, 張立福. 中國高光譜遙感的前沿進展[J]. 遙感學(xué)報, 2016, 20(5): 689-707. TONG Qinxi, ZHANG Bing, ZHANG Lifu. Current Progress of Hyperspectral Remote Sensing in China[J]. Journal of Remote Sensing, 2016, 20(5): 689-707. (in Chinese)

[10] 蘇偉, 張明政, 蔣坤萍, 等. Sentinel-2衛(wèi)星影像的大氣校正方法[J]. 光學(xué)學(xué)報, 2018, 38(1): 322-331. SU Wei, ZHANG Mingzhen, JIANG Kunping, et al. Atmospheric Correction Method for Sentinel-2 Satellite Imagery[J]. Acta Optica Sinica, 2018, 38(1): 322-331. (in Chinese)

[11] 譚偉, 王鈺, 何紅艷, 等. 常用大氣校正模型對圖像清晰度提升的對比分析[J]. 航天返回與遙感, 2017, 38(5): 96-105. TAN Wei, WANG Yu, HE Hongyan, et al. Comparison of Improving Image Definition with Common-used Atmospheric Correction Models[J]. Spacecraft Recovery & Remote Sensing, 2017, 38(5): 96-105. (in Chinese)

[12] 劉梓欽, 趙世湖, 裴亮, 等. GF-5衛(wèi)星高光譜數(shù)據(jù)大氣校正反射率精度評價[J]. 遙感信息, 2021, 36(3): 93-98. LIU Ziqin, ZHAO Shihu, PEI Liang, et al. Precision Evaluation on Atmospheric Correction Reflectance of GF-5 Satellite Hyperspectral Data[J]. Remote Sensing Information, 2021, 36(3): 93-98. (in Chinese)

[13] 胡新凱, 高海亮, 程天海. 基于光譜匹配的大氣校正方法[J]. 光學(xué)學(xué)報, 2019, 39(8): 27-36. HU Xinkai, GAO Hailiang, CHENG Tianhai. Atmospheric Correction Method Based on Spectral Matching[J]. Acta Optica Sinica, 2019, 39(8): 27-36. (in Chinese)

[14] 王延倉, 顧曉鶴, 朱金山, 等. 利用反射光譜及模擬多光譜數(shù)據(jù)定量反演北方潮土有機質(zhì)含量[J]. 光譜學(xué)與光譜分析, 2014, 34(1): 201-206. WANG Yancang, GU Xiaohe, ZHU Jinshan, et al. Inversion of Organic Matter Content of the North Fluvo-Aquic Based on Hyperspectral and Multi-Spectra[J]. Spectroscopy and Spectral Analysis, 2014, 34(1): 201-206. (in Chinese)

[15] 郭云開, 曹小燕, 謝瓊, 等. 模擬多光譜的土壤重金屬含量反演研究初探[J]. 測繪工程, 2015, 24(12): 7-11, 16. GUO Yunkai, CAO Xiaoyan, XIE Qiong, et al. Primary Research on the Inversion Model of Soil Heavy Metal Based on Simulated Multi-Spectral Data[J]. Engineering of Surveying and Mapping, 2015, 24(12): 7-11, 16. (in Chinese)

[16] 靳寧, 張東彥, 李振海, 等. 基于多光譜衛(wèi)星模擬波段反射率的冬小麥水分狀況評估[J]. 農(nóng)業(yè)機械學(xué)報, 2020, 51(11): 243-252. JIN Ning, ZHANG Dongyan, LI Zhenhai, et al. Evaluation of Water Status of Winter Wheat Based on Simulated Reflectance of Multispectral Satellites[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(11): 243-252. (in Chinese)

[17] 梅安新. 遙感導(dǎo)論[M]. 北京: 高等教育出版社, 2001. MEI Anxin. Introduction to Remote Sensing[M]. Beijing: Higher Education Press, 2001. (in Chinese)

[18] 劉萬軍, 楊秀紅, 曲海成, 等. 基于光譜信息散度與光譜角匹配的高光譜解混算法[J]. 計算機應(yīng)用, 2015, 35(3): 844-848. LIU Wanjun, YANG Xiuhong, QU Haicheng, et al. Hyperspectral Unmixing Algorithm Based on Spectral Information Divergence and Spectral Angle Matching[J]. Journal of Computer Applications, 2015, 35(3): 844-848. (in Chinese)

[19] KRUSE F A, LEFKOFF A B, BOARDMAN J W, et al. The Spectral Image Processing System (SIPS)—Interactive Visualization and Analysis of Imaging Spectrometer Data[J]. Remote Sensing of Environment, 1993, 44(2-3): 145-163.

[20] 許衛(wèi)東, 尹球, 匡定波. 地物光譜匹配模型比較研究[J]. 紅外與毫米波學(xué)報, 2005(4): 296-300. XU Weidong, YIN Qiu, KUANG Dingbo. Comparison of Different Spectral Match Models[J]. Journal of Infrared and Millimeter Waves, 2005(4): 296-300. (in Chinese)

[21] 程娟, 肖青, 聞建光, 等. 地物波譜數(shù)據(jù)庫應(yīng)用方法及遙感應(yīng)用現(xiàn)狀[J]. 遙感技術(shù)與應(yīng)用, 2020, 35(2): 267-286. CHENG Juan, XIAO Qing, WEN Jianguang, et al. Review of Methods and Remote Sensing Cases Using Spectral Library[J]. Remote Sensing Technology and Application, 2020, 35(2): 267-286. (in Chinese)

[22] 韓海輝, 王藝霖, 任廣利, 等. 幾種高光譜分析法在蝕變礦物信息提取中的對比分析——以北山老金廠為例[J]. 西北地質(zhì), 2020, 53(4): 223-234. HAN Haihui, WANG Yilin, REN Guangli, et al. A Comparative Analysis of Several Hyperspectral Methods in the Extraction of Altered Minerals: A Case Study of Laojinchang in Beishan Area[J]. Northwestern Geology, 2020, 53(4): 223-234. (in Chinese)

Spectral Testing and Analysis of Color Steel Plate Building Based on Satellite Image

HONG Weili1YANG Shuwen1,2,3,*SU Hang1FU Yukai1ZHANG Naixin1

（1 Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China）（2 National-local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China）（3 Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China）

Atmospheric radiation transmission may cause discrepancies between the satellite sensors information and the actual information, which will result in inaccurate information extraction of color steel plate buildings. In this paper, taking Anning district of Lanzhou as an example, we used the ground object spectrometer and satellite image to obtain the spectral data of typical color steel plate to determine the influencing factors of color steel plate reflectance, and we tested color steel plate reflectance and analyzed the spectral characteristics combined with the influencing factors. Then spectral matching was made between the measured spectral data and the spectral information of the image after atmospheric correction by FLAASH model and 6S model, so as to determine the atmospheric correction method suitable for spectral data of color steel plates of different colors. The results show that the spectral reflectance curve of color steel plate can reflect the color characteristics of color steel plate surface. FLAASH atmospheric correction can better reflect the real reflectance of blue and red steel plate buildings, and 6S model atmospheric correction can better reflect the real reflectance of white steel plate buildings. This study can provide technical support for the automatic interpretation of color steel plate building information.

spectroscopy; color steel plate building; spectral testing; atmospheric correction; ground object spectrometer; application of remote sensing

O433

A

1009-8518(2023)04-0113-12

10.3969/j.issn.1009-8518.2023.04.012

2022-05-04

國家自然科學(xué)基金（42161069）；蘭州交通大學(xué)優(yōu)秀平臺支持（201806）

洪衛(wèi)麗, 楊樹文, 蘇航, 等. 基于衛(wèi)星影像的彩鋼板建筑光譜測試與分析[J]. 航天返回與遙感, 2023, 44(4): 113-124.

HONG Weili, YANG Shuwen, SU Hang, et al. Spectral Testing and Analysis of Color Steel Plate Building Based on Satellite Image[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(4): 113-124. (in Chinese)

洪衛(wèi)麗，女，1997年生，2019年獲蘭州交通大學(xué)遙感科學(xué)與技術(shù)專業(yè)學(xué)士學(xué)位，現(xiàn)在蘭州交通大學(xué)測繪科學(xué)與技術(shù)專業(yè)攻讀碩士學(xué)位。主要研究方向為遙感影像處理。E-mail：2457468998@qq.com。

楊樹文，男，1975年生，2011年獲中國地質(zhì)大學(xué)（武漢）資源與環(huán)境遙感專業(yè)博士學(xué)位，教授。主要研究方向為城市遙感及其遙感信息自動化處理等。E-mail：yangshuwen@mail.lzjtu.cn。

（編輯：陳艷霞）