基于改進(jìn)黑暗像元法的環(huán)境一號(hào)CCD數(shù)據(jù)海岸帶區(qū)域大氣校正研究＊

李 微，郭錫杰，劉 遠(yuǎn)，2，李媛媛，牟 蒙，劉長(zhǎng)發(fā)，2

（1.大連海洋大學(xué) 海洋科技與環(huán)境學(xué)院，遼寧 大連116023；2.遼寧省高校近岸帶海洋環(huán)境科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室，遼寧 大連116023）

環(huán)境一號(hào)（HJ－1）衛(wèi)星是我國(guó)自主研發(fā)的專門用于環(huán)境與災(zāi)害監(jiān)測(cè)的新型衛(wèi)星，具有高時(shí)間分辨率、高空間分辨率和覆蓋范圍廣等優(yōu)勢(shì)，其不僅為環(huán)境與減災(zāi)業(yè)務(wù)運(yùn)行系統(tǒng)提供重要保障，還成為很多部門日常業(yè)務(wù)的重要數(shù)據(jù)源。由于受大氣的影響，衛(wèi)星數(shù)據(jù)不能真實(shí)地反映地物的情況，制約了利用衛(wèi)星數(shù)據(jù)進(jìn)行地面參數(shù)反演和地面監(jiān)測(cè)的應(yīng)用。因此，對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行高精度的大氣校正是十分必要的，大氣校正的精度決定了后續(xù)遙感衛(wèi)星數(shù)據(jù)地面參數(shù)反演的精度。

目前，針對(duì)衛(wèi)星遙感數(shù)據(jù)的大氣校正算法分為2類：1）基于輻射傳輸原理建立起來(lái)的大氣校正輻射傳輸模型，該算法精度較高，包括6S模型、MODTRAN模型、FLAASH模型等，但該類算法模型計(jì)算量大，需要很多不易獲得的地面同步參數(shù)；2）不需要大氣和地面的實(shí)測(cè)數(shù)據(jù)的黑暗像元法，該方法主要通過(guò)衛(wèi)星數(shù)據(jù)本身的信息就可完成，校正精度能滿足一般的遙感預(yù)處理和研究，應(yīng)用于只有衛(wèi)星遙感數(shù)據(jù)，而缺乏必要大氣和地面參數(shù)數(shù)據(jù)的情況。

近幾年，一些學(xué)者針對(duì)HJ－1衛(wèi)星CCD數(shù)據(jù)的大氣校正算法進(jìn)行了研究。金鑫等［1］利用HJ－1A衛(wèi)星CCD數(shù)據(jù)提出一種基于輻射傳輸模型的大氣校正方法，對(duì)太湖水域大氣校正結(jié)果較好。孫長(zhǎng)奎等［2］利用查找表方法來(lái)實(shí)現(xiàn)HJ－1ACCD數(shù)據(jù)的大氣校正，得到了研究區(qū)域的高空間分辨率的地表反射率數(shù)據(jù)。方莉等［3］運(yùn)用像元純凈指數(shù)來(lái)提取CCD數(shù)據(jù)上的純像元，并由 HJ－1A星和B星的多時(shí)相CCD觀測(cè)數(shù)據(jù)結(jié)合地表雙向反射率模型，確定了純像元的地表反射特性，進(jìn)而較大程度地提高了HJ－1ACCD數(shù)據(jù)的精度。同時(shí)，部分學(xué)者也深入研究了適用于HJ－1衛(wèi)星的黑暗像元大氣校正算法。針對(duì)HJ－1ACCD數(shù)據(jù)，王中挺等［4］將密集植被作為暗像元，提出一種基于密集植被的暗目標(biāo)法，利用輻射傳輸模型構(gòu)建查找表，獲取可見(jiàn)光范圍的地物反射率進(jìn)而求算氣溶膠光學(xué)厚度。劉其悅［5］以HJ－1ACCD數(shù)據(jù)為例，深入探討了基于輻射傳輸模型大氣校正和基于黑暗像元法的大氣校正在不同下墊面條件下應(yīng)用的可行性，發(fā)現(xiàn)不同氣候和土地類型對(duì)模型的選擇有較大影響。綜上所述，不同專家學(xué)者針對(duì)特定區(qū)域利用HJ－1CCD數(shù)據(jù)分別進(jìn)行了不同大氣校正算法的研究，但針對(duì)海岸帶區(qū)域的研究尚不多見(jiàn)。

因此，本文以海岸帶為研究區(qū)域，針對(duì)HJ－1CCD數(shù)據(jù)，提出了一種改進(jìn)的黑暗像元大氣校正算法。筆者以雙臺(tái)子河口區(qū)域?yàn)槔?，利用黑暗像元法大氣校正的原理，首先結(jié)合歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）和改進(jìn)的歸一化差異水體指數(shù)（Improved Normal Differential Water Index，INDWI）確定初始黑暗像元區(qū)域，再利用區(qū)域增長(zhǎng)法對(duì)該區(qū)域進(jìn)行優(yōu)化并確定最終黑暗像元，然后計(jì)算大氣的影響因素程輻射，進(jìn)而去除該影響獲得大氣校正后的地表反射率R。最后，將該算法與真實(shí)地物光譜以及ENVI軟件下的Dark－subtract模塊和FLAASH大氣校正模塊的校正結(jié)果進(jìn)行對(duì)比分析。

1 研究區(qū)域概況

我國(guó)海域面積大，海岸帶長(zhǎng)，近海岸帶有著豐富的自然資源以及生物多樣性，因此海岸帶的監(jiān)測(cè)和保護(hù)顯得尤為重要。近海岸區(qū)域存在大量水體，而且有的區(qū)域存在濃密的植被，如紅樹林、蘆葦或翅堿蓬等，另外，部分區(qū)域還會(huì)存在小島陰影，而水體、濃密的植被以及陰影在衛(wèi)星遙感數(shù)據(jù)上都是理想的黑暗像元。

本文以遼寧雙臺(tái)子河口為研究區(qū)域，該區(qū)域位于遼寧省盤錦市境內(nèi)雙臺(tái)子河口國(guó)家級(jí)自然保護(hù)區(qū)河口濕地，雙臺(tái)子河入?？?，是中國(guó)高緯度地區(qū)面積最大的濱海濕地。該地地貌為沖海積平原，海岸帶地勢(shì)低洼且平坦，同時(shí)分布著大面積的蘆葦沼澤區(qū)、翅堿蓬灘涂和淺海海域，海岸帶較長(zhǎng)。因此該區(qū)域存在大片水體和濃密的植被，這為黑暗像元的選取提供了條件。

2 大氣校正過(guò)程

遙感成像過(guò)程中，由于大氣的影響遙感影像存在一定的輻射量失真現(xiàn)象，降低了遙感數(shù)據(jù)的精度，因此獲得衛(wèi)星遙感數(shù)據(jù)后必須進(jìn)行大氣校正。大氣校正的目的是消除大氣和光照等因素對(duì)地物反射率的影響，以獲得地物的真實(shí)反射率。

2.1 輻射定標(biāo)

大氣校正前，為了建立遙感傳感器的數(shù)字量化輸出值DN與其所對(duì)應(yīng)視場(chǎng)中輻射亮度值之間的定量關(guān)系，首先需要對(duì)數(shù)據(jù)進(jìn)行輻射定標(biāo)，將DN值轉(zhuǎn)化為表觀輻射度L。本文采用中國(guó)資源衛(wèi)星應(yīng)用中心2013－02－28公布的方法和定標(biāo)系數(shù)（表1）對(duì)HJ－1衛(wèi)星進(jìn)行輻射定標(biāo)［6］，其公式如下：

式中，A為定標(biāo)系數(shù)增益，單位為DN／（W·m－2·sr－1·μm－1）；L0為定標(biāo)系數(shù)偏移量，單位為 W·m－2·sr－1·μm－1。

表1 HJ－1衛(wèi)星CCD數(shù)據(jù)的定標(biāo)系數(shù)Table 1 Radiometric calibration coefficient of HJ－1CCD data

2.2 大氣校正

本文提出的算法有如下假定：1）待校正區(qū)域存在黑暗像元；2）地表為朗伯面反射和大氣性質(zhì)均一；3）大氣多次散射輻照作用和鄰近像元漫反射作用可以忽略。因此反射率小的黑暗像元在大氣的影響下，反射率會(huì)相對(duì)增加［7］。

地表反射率R可通過(guò)式（2）計(jì)算：

式中，L為真實(shí)地物輻亮度，可由公式（1）得到；LP為程輻射，E0為大氣層外太陽(yáng)光譜輻照度，參見(jiàn)表1；ED為天空光漫射到地表面的光譜輻照度，可利用Moran［8］的方法，即用πLP估算；θ為太陽(yáng)天頂角；φ為傳感器天頂角，均可由遙感圖像頭文件中獲??；Tθ和Tφ為大氣透過(guò)率，從可見(jiàn)光到短波紅外過(guò)程中，當(dāng)θ，φ小于70°時(shí)，圖像受到大氣散射和弱吸收的影響，大氣透過(guò)率Tθ和Tφ可由以下兩式估算［9］：

式中，τ為光學(xué)厚度，針對(duì)近海岸帶大氣環(huán)境，依據(jù)Kaufman［10］提出的簡(jiǎn)化計(jì)算方法，利用式（5）估計(jì)得出τ：

式中，λ為波長(zhǎng)，單位為μm。

由上可知，去除大氣的影響獲得真實(shí)的地表反射率，關(guān)鍵就是獲得程輻射，該值可以通過(guò)黑暗像元值來(lái)確定。因此準(zhǔn)確、快速地提取黑暗像元值是黑暗像元法大氣校正的核心內(nèi)容。本文提出的改進(jìn)黑暗像元大氣校正算法具體步驟如下。

2.2.1 初始黑暗像元區(qū)域的確定

筆者利用歸一化植被指數(shù)（NDVI）、改進(jìn)的歸一化差異水體指數(shù)（INDWI）對(duì)初始黑暗像元區(qū)域進(jìn)行提取。

1）濃密植被備選區(qū)域確定

利用歸一化植被指數(shù)來(lái)確定植被備選區(qū)域。NDVI是植被生長(zhǎng)狀態(tài)及植被覆蓋的最佳指示因子，NDVI值越大，植被覆蓋或長(zhǎng)勢(shì)越好。NDVI表達(dá)式如下：

式中，Lband4和Lband3分別為HJ－1CCD數(shù)據(jù)的近紅外波段和紅光波段的表觀輻射度，其計(jì)算公式參見(jiàn)式（1）。

研究區(qū)域沒(méi)有濃密的林地，但是存在成片、長(zhǎng)勢(shì)茂密的葦田和生長(zhǎng)密集的翅堿蓬群落。通過(guò)大量試驗(yàn)最終確定，當(dāng)NDVI＞0.5時(shí)可以提取出濃密的蘆葦和翅堿蓬，并將其作為黑暗像元的備選區(qū)域。

2）純凈水體區(qū)域確定

通常認(rèn)為，純凈的水體可以作為黑暗像元。但近岸水體中含有大量泥沙以及葉綠素，屬于二類水體，因此如何提取到純凈水體是研究重點(diǎn)。相關(guān)研究證明，采用歸一化的比值指數(shù)運(yùn)算可以最大程度地抑制植被、城市和山地等造成的噪聲，從而達(dá)到突出水體信息的目的［11］。本文通過(guò)研究提出了改進(jìn)的歸一化差異水體指數(shù)（INDWI）組合，計(jì)算公式如下：

式中，Lband1，Lband3和Lband4分別為HJ－1CCD數(shù)據(jù)的藍(lán)波段、紅波段和近紅外波段的表觀輻射度，其計(jì)算公式參見(jiàn)式（1）。

通過(guò)大量試驗(yàn)最終確定，當(dāng)INDWI1＞0.1且INDWI2＞0.2時(shí)即可認(rèn)為提取到較純凈的水體，作為黑暗像元的備選區(qū)域。

2.2.2 黑暗像元區(qū)域優(yōu)化與提取

區(qū)域增長(zhǎng)法的基本思想是將具有相似性質(zhì)的像元整合成為一個(gè)區(qū)域。本文利用區(qū)域增長(zhǎng)法對(duì)黑暗像元區(qū)域進(jìn)行優(yōu)化提取，具體算法參見(jiàn)李微等［12］。具體實(shí)現(xiàn)過(guò)程如下：1）確定初始黑暗像元生長(zhǎng)點(diǎn)：即將黑暗像元備選區(qū)域中第一個(gè)使LP大于零的非零像元值所對(duì)應(yīng)的像元作為生長(zhǎng)點(diǎn)，可以是一個(gè)或者多個(gè)生長(zhǎng)點(diǎn)；2）確定生長(zhǎng)規(guī)則：將每個(gè)生長(zhǎng)點(diǎn)8鄰域中值和標(biāo)準(zhǔn)差以及整幅圖像平均值作為特征值，可降低隨機(jī)噪聲的影響，避免中值過(guò)大的情況；3）進(jìn)行多閾值區(qū)域增長(zhǎng)：采用8鄰域增長(zhǎng)，當(dāng)符合生長(zhǎng)規(guī)則時(shí)，將其作為新的生長(zhǎng)點(diǎn)并更新中值和標(biāo)準(zhǔn)差，直至無(wú)法生長(zhǎng)為止。如果區(qū)域生長(zhǎng)范圍過(guò)小，則認(rèn)定原生長(zhǎng)點(diǎn)是噪聲點(diǎn)，同時(shí)為了節(jié)省運(yùn)算時(shí)間，當(dāng)區(qū)域增長(zhǎng)范圍過(guò)大時(shí)終止運(yùn)算，并將該范圍作為黑暗像元區(qū)。

統(tǒng)計(jì)每一個(gè)波段所有增長(zhǎng)區(qū)域的像素平均值和增長(zhǎng)區(qū)域個(gè)數(shù)，將所有增長(zhǎng)區(qū)域像素平均值相加，除以增長(zhǎng)區(qū)域個(gè)數(shù)，即獲得黑暗像元值DW′。

2.2.3 程輻射LP的計(jì)算

由于程輻射的影響，在傳感器上黑暗像元反射率很小但并不為零，由此可以計(jì)算出程輻射。一些研究學(xué)者例如 Kaufman等［13］假設(shè)黑暗像元的反射率為（0.02±0.01），還有一些學(xué)者［8，14］假設(shè)黑暗像元的反射率為0.01。本文結(jié)合研究區(qū)域現(xiàn)狀，假設(shè)黑暗像元具有1%的地表反射率，因此程輻射LP計(jì)算方法如下：

式中，L′為黑暗像元區(qū)域的輻亮度，計(jì)算公式如式（1）所示。將程輻射LP帶入到式（2）中，即可得到真實(shí)的地表反射率R。

3 大氣校正結(jié)果與分析

本文利用成像日期為2013－09－01的HJ－1ACCD2級(jí)數(shù)據(jù)為例，驗(yàn)證算法的有效性。研究區(qū)域原始數(shù)據(jù)真彩色合成影像顏色較暗，圖1為2%線性拉伸后研究區(qū)域真彩色合成影像，由圖可見(jiàn)圖像對(duì)比度差。

圖1 2013－09－01研究區(qū)域 HJ－1ACCD 3，2，1波段真彩色合成影像Fig.1 True color composite image of HJ－1ACCD with bands 3，2and 1in study area on September 1，2013

現(xiàn)以該數(shù)據(jù)的第三波段為例說(shuō)明黑暗像元區(qū)域優(yōu)化提取的過(guò)程（圖2）。其中：圖2a為利用NDVI和INDWI確定的黑暗像元備選區(qū)域，圖中白色表示黑暗像元備選區(qū)域；圖2b為第三波段數(shù)據(jù)初始黑暗像元生長(zhǎng)點(diǎn)的位置，用紅色標(biāo)示；圖2c為區(qū)域增長(zhǎng)優(yōu)化后黑暗像元最終分布圖，用紅色標(biāo)示。

圖2 黑暗像元區(qū)域提取過(guò)程圖Fig.2 The schematic drawing of extracted dark pixel areas

圖3為3種大氣校正算法校正后的真彩色合成圖方法，其中圖3a和3b分別為ENVI軟件下的黑暗像元法（Dark－Subtract）和FLAASH方法的校正結(jié)果，圖3c為改進(jìn)的黑暗像元大氣校正算法（IMDS）的校正結(jié)果。三者與圖1對(duì)比可見(jiàn)圖像對(duì)比度均明顯提高，其中，IMDS方法目視效果更好。

圖3 大氣校正以后3，2，1波段合成真彩色影像圖Fig.3 The true color image with bands 3，2，1after atmospheric correction

為了驗(yàn)證和定量評(píng)價(jià)改進(jìn)的黑暗像元大氣校正算法，本文對(duì)不同大氣校正方法校正前后的研究區(qū)域內(nèi)4種典型地物（蘆葦、翅堿蓬、水體和灘涂）光譜曲線以及地面實(shí)測(cè)光譜進(jìn)行分析對(duì)比，實(shí)測(cè)光譜利用美國(guó)ASD地物光譜儀測(cè)得的光譜，按照CCD波段帶寬取平均得到，如圖4所示。從圖中可以看出，相比大氣校正前，IMDS、Dark－Subtract法和FLAASH法在一定程度上均可以消除大氣的影響，相同地物的光譜曲線趨勢(shì)大致相同，并且相比FLAASH方法，IMDS方法與地面實(shí)測(cè)值更接近，效果較好。

由圖4a可知，IMDS和FLAASH法得到的蘆葦光譜曲線在綠光波段（0.55μm）有一小反射峰，紅光波段（0.68μm）有一光合作用吸收谷［15］，曲線趨勢(shì)相近，而Dark－subtract法在綠光波段沒(méi)有出現(xiàn)明顯的反射峰，效果較差；影像獲取時(shí)值9月，翅堿蓬群落呈現(xiàn)紫紅色，從圖4b可見(jiàn)，3種方法獲得光譜曲線在紅光波段反射率都較高，在綠光波段也沒(méi)有出現(xiàn)反射峰［16］，但I(xiàn)MDS與FLAASH法更接近；圖4c為大氣校正前后水體的光譜曲線，由圖中可見(jiàn)，IMDS和FLAASH法得到水體光譜曲線在綠光波段出現(xiàn)小的反射峰，之后反射率逐漸下降［17］，Dark－subtract法沒(méi)有出現(xiàn)明顯的反射峰；圖4d中IMDS和FLAASH法得到的土壤的光譜曲線均優(yōu)于Dark－subtract法?？偟膩?lái)說(shuō)，IMDS更接近基于輻射傳輸模型的FLAASH法，與真實(shí)地物實(shí)測(cè)光譜特征擬合較好，精度較高。

圖4 不同方法大氣校正前后典型地物光譜與實(shí)測(cè)光譜值對(duì)比Fig.4 Comparison between in situ－measured spectra and satellite－derived ones by different atmospheric correction methods

地物反射率的正常范圍為0～1，而大氣校正后會(huì)出現(xiàn)負(fù)值，我們利用“數(shù)據(jù)可利用率”表示非負(fù)值像元個(gè)數(shù)所占的比例。IMDS與FLAASH法對(duì)HJ－1CCD數(shù)據(jù)可利用率對(duì)比見(jiàn)表2。由表2可知，IMDS能有效的改善這種現(xiàn)象，提高了HJ－1CCD數(shù)據(jù)的可利用率。

表2 大氣校正后IMDS與FLAASH數(shù)據(jù)可利用率（%）對(duì)比Table 2 The usable percentage（%）comparison between IMDS and FLAASH after atmospheric correction

本文在計(jì)算大氣透過(guò)率時(shí)，IMDS算法只是考慮了大氣分子的衰減（式（5）），沒(méi)有考慮氣溶膠的衰減作用；在估算地表下行天空光輻照度時(shí)，也只假設(shè)了天空光為完全漫射光，沒(méi)有考慮天空光存在顯著的各向異性。這是該算法的不足之處，也是今后需要改進(jìn)的重點(diǎn)。

4 結(jié)論

本文基于黑暗像元大氣校正模型，針對(duì)海岸帶的地表狀況，提出了一種改進(jìn)的黑暗像元大氣校正模型。首先結(jié)合歸一化植被指數(shù)（NDVI）、改進(jìn)的歸一化差異水體指數(shù)（INDWI）來(lái)確定黑暗像元，同時(shí)利用區(qū)域增長(zhǎng)法對(duì)黑暗像元區(qū)域進(jìn)行優(yōu)化，計(jì)算出程輻射，實(shí)現(xiàn)了大氣校正過(guò)程。結(jié)果表明，IMDS得到地物反射率曲線相近，與真實(shí)地物光譜特征擬合較好，且進(jìn)行大氣校正之后的圖像地物邊緣清晰度明顯增強(qiáng)，圖像亮度增加，圖像對(duì)比度較高，目視效果好。同時(shí)與FLAASH法相比，IMDS能改善FLAASH法校正過(guò)程中出現(xiàn)負(fù)值的現(xiàn)象，可以有效的保證了HJ－1CCD數(shù)據(jù)的可利用率。

致謝：文中HJ－1A數(shù)據(jù)來(lái)源于國(guó)家環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心（http：∥www.secmep.cn），在此表示感謝！

（References）：

［1］JIN X，LI Y M，WANG Q，et al.Atmospheric correction of satellite HJ－1CCD image based on aerosol distribution in Lake Taihu［J］.Journal of Lake Sciences，2010，22（4）：504－512.金鑫，李云梅，王橋，等.基于太湖氣溶膠類型分區(qū)的環(huán)境一號(hào)衛(wèi)星 CCD大氣校正［J］.湖泊科學(xué)，2010，22（4）：504－512.

［2］SUN C K，SUN L，MA S F，et al.Atmospheric correction method based on HJ－1CCD data［J］.Journal of Remote Sensing，2012，16（4）：831－836.孫長(zhǎng)奎，孫林，麻盛芳，等.HJ－1CCD數(shù)據(jù)大氣校正方法研究［J］.遙感學(xué)報(bào)，2012，16（4）：831－836.

［3］FANG L，YU T，GU X F，et al.Aerosol retrieval and atmospheric correction of HJ－1CCD data over Beijing［J］.Journal of Remote Sensing，2013，17（1）：158－164.方莉，余濤，顧行發(fā)，等.北京地區(qū) HJ－1衛(wèi)星CCD數(shù)據(jù)的氣溶膠反演及在大氣校正中的應(yīng)用［J］.遙感學(xué)報(bào)，2013，17（1）：158－164.

［4］WANG Z T，LI Q，TAO J H，et al.Monitoring of aerosol optical depth over land surface using CCD camera on HJ－1satellite［J］.China Environmental Science，2009，29（9）：902－907.王中挺，厲青，陶金花，等.環(huán)境一號(hào)衛(wèi)星 CCD 相機(jī)應(yīng)用于陸地氣溶膠的監(jiān)測(cè)［J］.中國(guó)環(huán)境科學(xué)，2009，29（9）：902－907.

［5］LIU Q Y.The atmospheric correction for visible－neainfrared region of HJ－1constellation data［D］.Henan：Henan Polytechnic University，2010.劉其悅.基于環(huán)境星數(shù)據(jù)可見(jiàn)光－近紅外波段的大氣校正方法研究［D］.河南：河南理工大學(xué)，2010.

［6］Chinese Center for Resources Satellite Data and Application.HJ－1AB，ZY－3and 02Cabsolute radiometric calibration coefficient in 2013.［EB／OL］.［2013－09－17］.http：∥www.cresda.com／n16／n1115／n1522／n2103／index.html.中國(guó)資源衛(wèi)星應(yīng)用中心.2013年 HJ－1AB，ZY－3和02C絕對(duì)輻射定標(biāo)系數(shù)［EB／OL］.［2013－09－17］.http：∥www.cresda.com／n16／n1115／n1522／n2103／index.html.

［7］DENG S B.ENVI RS image processing methods［M］.Beijing：Science Press，2010.鄧書斌.ENVI遙感圖像處理方法［M］.北京：科學(xué)出版社，2010.

［8］MORAN M S，JACKSON R D，SLATER P.Evaluation of simplified procedures for retrieval of land surface reflectance factors from satellite sensor output［J］.Remote Sensing of Environment，1992，41（2）：169－184.

［9］ZHENG W，ZENG Z Y.Dark－object methods for atmospheric correction of remote sensing image［J］.Remote Sensing for Land ＆ Resources，2005，63（3）：8－11.鄭偉，曾志遠(yuǎn).遙感圖像大氣校正的黑暗像元法［J］.國(guó)土資源遙感，2005，63（3）：8－11.

［10］KAUFMAN Y J，WALD A E，REMER L A，et al.The MODIS 2.1μm channel－correlation with visible reflectance for use in remote sensing of aerosol［J］.IEEE Transactions on Geoscience and Remote Sensing，1997，35（5）：1286－1296.

［11］XU H Q.A study on information extraction of water body with the modified normalized difference water index（MNDWI）［J］.Journal of Remote Sensing，2005，9（5）：589－595.徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)（GNDWI）提取水體信息的研究［J］.遙感學(xué)報(bào)，2005，9（5）：589－595.

［12］LI W，TIAN Y，LIU Y，et al.The algorithm to extract automatically dark objects in coastal zone based on region growing［J］.Journal of Dalian Ocean University，2013，28（5）：502－505.李微，田彥，劉遠(yuǎn)，等.基于區(qū)域增長(zhǎng)的海岸帶黑暗像元自動(dòng)提取算法研究［J］.大連海洋大學(xué)學(xué)報(bào)，2013，28（5）：502－505.

［13］KAUFMAN Y J，SENDRA C.Algorithm for automatic atmospheric corrections to visible and near－IR satellite imagery［J］.International Journal of Remote Sensing，1988，9（8）：1357－1381.

［14］CHAVEZ Jr P S.Image－based atmospheric correction revisited and improved［J］.Photogrammetric Engineering and Remote Sensing，1996，62：1025－1035.

［15］MEI A X，PENG W L，QIN Q M，et al.An introduction to remote sensing［M］.Beijing：High Education Press，2001.梅安新，彭望琭，秦其明，等.遙感導(dǎo)論［M］.北京：高等教育出版社，2001.

［16］WU T，ZHAO D Z，KANG J C，et al.Research on remote sensing inversion biomass method based on the Suaeda Salsa＇s Measured Spectrum［J］.Spectroscopy and Spectral Analysis，2010，30（5）：1336－1341.吳濤，趙冬至，康建成，等.基于現(xiàn)場(chǎng)光譜的翅堿蓬生物量遙感反演方法研究［J］.光譜學(xué)與光譜分析，2010，30（5）：1336－1341.

［17］ZHANG Y，ZHANG Y，WANG J J.Correlations between the spectral reflectance of water mass containing suspended sediments and the concentration and particle size of the suspended sediments［J］.Advances in Marine Science，2008，26（3）：340－346.張蕓，張鷹，王晶晶.懸沙水體光譜反射率與質(zhì)量濃度、粒徑的相關(guān)關(guān)系［J］.海洋科學(xué)進(jìn)展，2008，26（3）：340－346.