基于輻射傳輸模型的高分二號影像大氣校正方法研究

曹紅業(yè)，張?zhí)炱?/p>

基于輻射傳輸模型的高分二號影像大氣校正方法研究

曹紅業(yè)1，張?zhí)炱?

（1. 長安大學 地質工程與測繪學院，陜西 西安 710061；2. 西南科技大學 環(huán)境與資源學院，四川 綿陽 621010）

高分二號衛(wèi)星的成功發(fā)射，標志著我國遙感衛(wèi)星進入了亞米級高空間分辨率時代，遙感影像在定量反演，地物識別和變化分析等領域將有重要作用。大氣校正的精度是影響其定量化應用的重要因素。由于高分二號遙感數據缺乏短波紅外波段，無法采用暗像元法進行大氣校正。提出一種基于輻射傳輸模型的高分二號影像大氣校正方法，利用6S（second simulation of the satellite signal in the solar spectrum）輻射傳輸模型建立大氣校正系數查找表，利用同步MODIS影像數據結合改進后的暗像元方法反演氣溶膠光學厚度，確定大氣校正系數，消除高分二號影像大氣分子和氣溶膠等的吸收和散射的影響，實現GF-2數據的大氣校正。選取地表平坦均一的敦煌輻射校正場作為實驗區(qū)，通過同步的實測數據對校正結果進行精度評價，并且比較大氣校正前后歸一化植被指數NDVI。結果表明：最小相對誤差僅為0.9%，大氣校正之后影像數據更真實地反映了地物的反射特性；大氣校正后的NDVI大大增強了植被信息反差，突出了GF-2衛(wèi)星傳感器的植被信息區(qū)分能力。

輻射傳輸模型；GF-2影像；大氣校正；查找表；氣溶膠光學厚度；6S

0 引言

2014年8月19日“高分二號”（GF-2）衛(wèi)星發(fā)射成功，標志著我國遙感衛(wèi)星進入亞米級高空間分辨時代[1]。該衛(wèi)星的成功發(fā)射，為我國土地利用動態(tài)監(jiān)測、礦產資源調查、城鄉(xiāng)規(guī)劃監(jiān)測評價、交通路網規(guī)劃、森林資源調查、荒漠化監(jiān)測等諸多方面應用提供了新的數據源。如表1所示，融合后的GF-2衛(wèi)星空間分辨率優(yōu)于1m，共有藍、綠、紅和近紅外4個多光譜波段，成像幅寬為45km，具有±35°的側擺角，可以實現69d內對全球的觀測覆蓋，以及5d內對地球表面任意區(qū)域的重復觀測。

電磁波在傳播過程中受到大氣分子和氣溶膠等大氣成分的吸收和散射的影響，使傳感器獲得的電磁信號中帶有一定的非目標地物信息，傳感器接收到的地物信息不能真實地反應地表，嚴重影響其定量化應用，這就需要對該過程進行大氣校正，消除非目標地物信息，獲得真實的地表反射率信息[2-3]。因此大氣校正是GF-2影像數據地表參數定量反演的一個必備環(huán)節(jié)。

目前，大氣校正的方法主要有基于圖像特征模型、地表實測線性回歸模型法和輻射傳輸模型法3種[4-6]。其中輻射傳輸法是利用復雜的輻射傳輸原理建立起來的一種方法，利用輻射傳輸模型反演地物反射率可以較合理地描述大氣散射、吸收等過程。自1972年Turner與Spencer通過模擬大氣-地表系統(tǒng)來評估大氣影響[7]，成為最早的大氣輻射傳輸模型之一，在諸多大氣校正方法中具有高精度和高普適性。

GF-2衛(wèi)星數據業(yè)務化應用要求基于遙感影像來反演大氣參數，進而完成整個大氣校正過程。一些傳感器專門設置了用于反演大氣參數的波段，如MODIS設置了15和16波段用于反演氣溶膠[8]，17，18和19波段用于反演大氣水汽含量等[9]。但高分二號影像沒有設置用于反演大氣參數的波段，給高分二號影像的大氣校正帶來了很大的困難。

本文提出一種基于同步MODIS數據輔助的高分二號多光譜數據的大氣校正算法。使用MODIS同步數據反演氣溶膠光學厚度，并建立高分二號影像大氣校正系數查找表，對高分二號影像進行大氣校正。在對一景高分二號影像進行大氣校正后，從典型地物光譜數據、歸一化植被指數（normalized difference vegetation index, NDVI）兩方面，探討了GF-2影像大氣校正的效果。

1 大氣校正原理

由于GF-2衛(wèi)星CCD相機屬于典型的4波段傳感器，相機所設置的4個波段均處于大氣窗口，水汽、臭氧等氣體的影響較小，可忽略不計。假設陸地表面是均勻朗伯表面，大氣垂直均勻變化的條件下，傳感器接收到的表觀輻亮度為如(1)式：

表1 高分二號衛(wèi)星有效荷載技術指標

大氣校正過程可以分為如下3步：

①利用暗像元法獲取氣溶膠光學厚度[11]；

1.1 數據預處理

1.1.1 GF-2輻射定標

根據傳感器各波段輻射定標系數將DN值轉換為表觀輻亮度，即傳感器入瞳處的輻射亮度值，輻射定標公式為：

＝Gain×DN＋Offset (3)

式中：為傳感器輻射亮度值；Gain和Offset分別為影像絕對定標系數增益和偏移，數據源自中國資源衛(wèi)星應用中心網站（www.cresda.com）。高分二號衛(wèi)星影像各波段2015年絕對輻射定標系數如表2所示（GF-2的Offset值全部為零）。

表2 2015年GF-2 PMS輻射定標系數

1.1.2 GF-2影像表觀反射率計算

在上述表觀輻射亮度計算基礎上，根據如下計算公式得到大氣層頂表觀反射率：

式中：為日地距離校正因子，如表3所示，計算時可對表中的數值進行插值獲得；為表觀輻亮度；s為太陽天頂角。

ESUN是大氣上界太陽光輻照度，通過GF-2影像光譜響應函數（如圖1所示）和太陽光譜輻照度數據根據式(5)積分計算，GF-2影像光譜響應函數可在中國資源衛(wèi)星應用中心網站獲取，太陽光譜輻照度數據采用張璐等人[12]推薦的Wehrli數據，如圖2所示。ESUN計算公式如下：

式中：()為波長處的大氣層外太陽光譜輻照度；()為波長處的光譜響應函數；1和2為積分波段范圍的上下限波長。

1.2 計算氣溶膠光學厚度

表3 日地距離

Table 3 Solar-earth distance

圖2 Wehrli太陽光譜輻照度

利用2.1mm通道和1.2mm通道的表觀反射率可以準確地估算出紅藍通道的地表反射率，利用6S模型計算不同大氣氣溶膠模式和觀測條件下，氣溶膠光學厚度a(red)和a(blue)和大氣半球反射率，大氣程輻射a和大氣吸收構成的輻射透過率等大氣校正系數之間的關系，據此建立氣溶膠光學厚度查找表，其中與實際表觀反射率相等或最相近的模擬表觀反射率對應下的氣溶膠光學厚度即為最終結果，可以求得紅藍波段氣溶膠光學厚度a(red)和a(blue)。

1.3 構建大氣校正系數查找表

利用6S輻射傳輸模型，在輸入參數中設置多個不同的衛(wèi)星觀測幾何、太陽觀測幾何、衛(wèi)星天頂角、大氣模式、氣溶膠光學厚度、地面高度等變量。其中，衛(wèi)星觀測幾何、太陽觀測幾何、地面高度等參數從GF-2影像對應的元數據文件中獲??；大氣模式包括熱帶（Tropical, T）、中緯度夏季（Mid-latitude Summer, WLS）、中緯度冬季（Mid-latitude Winter, MLW）、近極地冬季（Subarctic Winter, SAW），近極地夏季（Subarctic Summer, SAS）等幾種大氣模式，根據GF-2影像的成像時間及緯度決定。由于6S模型本身并未附帶GF-2傳感器的光譜響應函數，因此，需要將其光譜響應函數重采樣為2.5nm分辨率，輸入到6S模型中。

由于研究區(qū)域地物反射率均低于0.6，為了便于建立查找表，本文假設3個地表反射率為0，0.2，0.5，選定了大氣模式后，從GF-2影像元文件中讀取太陽天頂角、太陽方位角、衛(wèi)星天頂角、衛(wèi)星方位角4個角度數據，輸入1.2節(jié)求解的氣溶膠光學厚度，連續(xù)運行6S程序3次，得到其3個模擬表觀反射率分別為0.0t，0.2t，0.5t，將結果代入公式(6)中，得到一個關于大氣程輻射項a，大氣吸收構成的輻射透過率，大氣半球反射率的三元一次方程組，求解該方程組，得到如下用模擬表觀反射率為參數表示的解：

通過設置上述參數，建立一個關于輻射傳輸方程中的大氣程輻射項a、大氣吸收構成的輻射透過率、大氣半球反射率、太陽天頂角s、衛(wèi)星天頂角v、太陽方位角和衛(wèi)星方位角的7維查找表，其他值在它們之間進行線性插值。

1.4 基于查找表的GF-2大氣校正

基于MODIS數據反演得到的氣溶膠光學厚度，結合大氣校正查找表逐像元插值，計算出對應的大氣校正系數，進而計算出地表反射率。大氣校正流程如圖3所示。

圖3 高分二號影像大氣校正流程圖

對MODIS進行去“蝴蝶”效應，幾何校正，輻射定標等預處理工作[16-18]，使用IDL語言編程調用6S Fortran程序，建立氣溶膠光學厚度查找表，使用改進后的暗像元法逐像元反演氣溶膠光學厚度[19-24]；利用6S模型，建立7維大氣校正查找表，確定大氣校正系數；利用該大氣校正系數，將GF-2表觀反射率轉換為地表反射率。

2 結果與討論

2.1 大氣校正對地物光譜對比分析

本試驗區(qū)選擇敦煌輻射定標場，位于扇形沖積面上，地域開闊，地表平坦且均勻，植被覆蓋少，可認為是均勻朗伯表面，如圖4所示。選取2015年8月23日敦煌地區(qū)一景GF-2影像和同步過境的MODIS影像進行大氣校正，并將反演的表觀反射率、地面反射率與地面實測數據進行對比。

衛(wèi)星觀測信號的響應依賴于衛(wèi)星波段的光譜響應函數，而地面觀測的高光譜反射率數據是連續(xù)的（如圖5(a)）。為此，將光譜儀測量獲得的高光譜反射率數據進行積分，轉換為衛(wèi)星波段的等效反射率（如圖5(b)）。轉換模型如下：

式中：Req為衛(wèi)星波段等效測量反射率；R(l)為光譜儀測量獲得的高光譜反射率；f(l)為衛(wèi)星波段光譜響應函數。

將4個實測點位置對于影像的表觀輻亮度值使用上述模型反演得到的表觀反射率、地表反射率和實測數據進行對比，對比結果如圖6所示。

如圖所示，從對比結果可以發(fā)現，GF-2表觀反射率數據，經過大氣校正之后得到其地表反射率，藍波段降低，紅和紅外波段明顯提高，經過大氣校正后，影像上地物反射率與地面實測反射率的吻合程度較高，可以更真實地反映地物反射特征。

表4列出了4個驗證點的實測地表反射率和大氣校正前后反射率的對比，并且對大氣校正前后反射率與實測地表反射率求取相對誤差。從表中不難發(fā)現，校正前最大相對誤差為S3藍波段，高達42.4%，經過大氣校正，相對誤差減小至13.2%，且最小相對誤差為S1的綠波段，僅為0.9%。與大氣校正前反射率相對誤差對比，大氣校正之后反射率與實測數據之間的差距明顯縮小，大氣校正效果明顯。

2.2 大氣校正對NDVI的影響

在遙感應用領域，植被指數已廣泛用來定性和定量評價植被覆蓋及其生長活力。植被指數有明顯的地域性和時效性，受植被本身、環(huán)境、大氣等條件的影響，NDVI可以用來檢驗大氣校正的效果。為了驗證GF-2數據大氣校正的效果，對校正前后的歸一化植被指數NDVI進行比較。NDVI計算公式如下：

(a) 實測反射率(a) Measured reflectance (b) GF2傳感器波段等效后的反射率(b) Equivalent reflectance of GF2 sensor

圖6 高分二號影像大氣校正前后反射率比較：圖(a)～(d)分別代表S1～S4四個點反射率

式中：nir和red分別表示近紅外和紅波段的反射率。

選取遙感圖像中的植被、水體和戈壁3種地物的反射率，根據上述公式，計算得到3種地物的NDVI，如圖7所示。3種地物的NDVI在大氣校正前后發(fā)生了變化，尤其是植被的NDVI增幅最大，可以看出大氣校正增大了NDVI提取植被信息的能力，經過大氣校正處理，可以有利于區(qū)分植被與其他地物之間的差異。

3 結論與展望

本文利用6S大氣輻射傳輸模型建立的7維查找表，結合MODIS表觀反射率數據，使用改進后的暗像元法反演氣溶膠光學厚度；依據輻射傳輸模型，建立大氣校正系數查找表，實現對GF-2影像數據快速有效地大氣校正。得到如下結論：

對比大氣校正前后反射率變化，并使用地面實測數據對大氣校正結果進行精度評價，最大相對誤差12.566%，最小相對誤差僅為0.931%。與大氣校正前反射率相對誤差對比，大氣校正之后反射率與實測數據之間的差距明顯縮小，大氣校正之后的反射率數據更真實地反映了地物的反射特性。

表4 高分二號影像大氣校正前后反射率比較

aMR: Measured reflectance; BAC: Before atmospheric correction; AAC: After atmospheric correction; REBAC: Relative error before atmospheric correction; REAAC: Relative error after atmospheric correction.

圖7 大氣校正前后典型地物NDVI

GF-2衛(wèi)星經過大氣校正后，水體、戈壁和植被的NDVI均有變化；大氣校正后的NDVI大大增強了植被信息反差，突出了GF-2衛(wèi)星植被信息區(qū)分能力。

本研究區(qū)域地域開闊，地表平坦且均勻，假設其為均勻朗伯表面，沒有考慮地物的二向反射特性。在今后研究中，將考慮二向反射模型（bi-direction reflectance distribution function，BRDF），臨近像元（周圍環(huán)境的反射）和交叉輻射項對結果的影響，提高結果的精度，使得該方法可以用于表面更加復雜的區(qū)域。

[1] 王忠武, 劉順喜, 戴建旺, 等. “高分二號”衛(wèi)星多光譜與全色影像配準策略[J].航天返回與遙感, 2015, 36(4): 48-53.

WANG Zhongwu, LIU Shunxi, DAI Jianwang, et al. Registration strategy for GF-2 satellite multispectral and panchromatic images[J]., 2015, 36(4): 48-53.

[2] 李瑋, 康曉光, 陳雷. 一種MODIS遙感圖像大氣校正的快速算法[J]. 信號處理, 2007, 23(5): 751-754.

LI Wei, KANG Xiaoguang, CHEN Lei. A fast atmospheric correction algorithm for MODIS remote sensing images[J]., 2007, 23(5): 751-754.

[3] 阿布都瓦斯提, 秦其明, 朱黎江. 基于6S模型的可見光、近紅外遙感數據的大氣校正[J]. 北京大學學報, 2004, 40(4): 611-618.

Ghulam A, QIN Qiming, ZHU Lijiang. 6S model based atmospheric correction of visible and near-infrared data and sensitivity analysis[J]., 2004, 40(4): 611-618.

[4] Kaufman Y J, Remer L. Detection of forest using mid-IR reflectance: an application for aerosol studies[J]., 1994, 32(3): 672-684.

[5] 亓雪勇, 田慶久. 光學遙感大氣校正研究進展[J]. 國土資源遙感, 2005, 25(4): 1-6.

QI Xueyong, TIAN Qingjiu. The advances in the study of atmospheric correction for optical remote sensing[J]., 2005, 25(4): 1-6.

[6] 劉兆亮, 麻金繼. 基于MODIS數據反演高反射率地區(qū)氣溶膠光學厚度的方法研究[J]. 大氣與環(huán)境光學學報, 2012, 7(5): 358-363.

LIU Zhaoliang, MA Jinji. Retrieval of aerosol optical thickness over bright surface areas using MODIS data[J]., 2012, 7(5): 358-363.

[7] Turner R E, Spencer M M. Atmospheric Model for Correction of Spacecraft Data[Z/OL]//2002:https://ui.adsabs. harvard.edu/abs/ 1972 rse..conf..895T/abstract.

[8] Gordon H R. Atmospheric correction of ocean color imagery in the earth observing system era[J]., 1997, 102(D14): 17081-17106.

[9] 趙秀娟, 陳長和, 張武, 等. 利用MODIS資料反演蘭州地區(qū)氣溶膠光學厚度[J]. 高原氣象, 2005, 24(1): 97-103.

ZHAO Xiujuan, CHEN Changhe, ZHANG Wu, et al. 2005. Retrieval of aerosol optical depth over Lanzhou area using MODIS data[J]., 24(1): 97-103.

[10] 李慶利, 薛永祺, 王建宇, 等. PHI高光譜圖像的大氣校正算法[J]. 紅外與毫米波學報, 2006, 25(4): 316-320.

LI Qingli, XUE Yongqi, WANG Jianyu, et al. Atmospheric correction of PHI hyper spectral imagery[J]., 2006, 25(4): 316-320.

[11] 彭光雄, 何宇華, 李京, 等. 中巴地球資源02星 CCD圖像交叉定標與大氣校正研究[J]. 紅外與毫米波學報, 2007, 26(1):22-26.

PENG Guangxiong, HE Yuhua, LI Jing, et al. Study on CBERS-2’s CCD image cross calibration and atmospheric correction[J]., 2007, 26(1): 22-26.

[12] 張璐, 施潤和, 徐永明, 等. 國產遙感傳感器大氣層外波段平均太陽光譜輻照度計算[J]. 地球信息科學, 2014, 16(4): 624-627.

ZHANG Lu, SHI Runhe, XU Yongming, et al. Calculation of mean solar exoatmospheric irradiance of several sensors onboard of Chinese domestic remote sensing satellites[J]., 2014, 16(4): 624-627.

[13] Kaufman Yoram J, Andrew E Wald, Lorraine A Remer, et al. The MODIS 2.1mm channel-correlation with visible reflectance for use in remote sensing of aerosol[J]., 1997, 35(5):1286-1298.

[14] Robert H, Wayne L, Don L, et al. Cosmic ray and hot pixel removal from STIS CCD images[J]., 1997: 120-126.

[15] Anders ?ngstr?m. The parameters of atmospheric turbidity[J].1964, 16(1): 64-76.

[16] 郭廣猛. 關于MODIS衛(wèi)星數據的幾何校正方法[J]. 遙感信息, 2002(3): 26-28.

GUO Guangmeng. Geometric calibration of MODIS[J]., 2002(3): 26-28.

[17] 張怡, 何政偉, 薛東劍. MODIS數據預處理方法[J]. 地理空間信息, 2013, 11(3): 49-50.

ZHANG Yi, HE Zhengwei, XUE Dongjian. The pretreatment method of MODIS data[J]., 2013, 11(3): 49-50.

[18] 杜啟勝, 劉志平, 王新生, 等. 基于ENVI的MODIS數據預處理方法[J]. 地理空間信息, 2009, 7(4): 98-100.

DU Qisheng, LIU Zhiping, WANG Xinsheng, et al. Method for MODIS data pre-processing based on ENVI[J]., 2009, 7(4): 98-100.

[19] 范嬌, 郭寶峰, 何宏昌. 基于MODIS數據的杭州地區(qū)氣溶膠光學厚度反演[J]. 光學學報, 2015, 35(1): 1001-1009.

FAN J, GUO Baofeng, HE Hongchang. Retrieval of aerosol optical thickness with MODIS data over Hangzhou[J]., 2015, 35(1): 1001-1009.

[20] 王玲, 田慶久, 李珊珊. 利用MODIS資料反演杭州市500m分辨率氣溶膠光學厚度[J]. 遙感信息, 2010 (3): 50-54.

WANG Ling, TIAN Qingjiu, LI Shanshan. Retrieval of 500m spatial resolution aerosol optical thickness with MODIS data over Hangzhou[J]., 2010(3): 50-54.

[21] 任佳, 王振會, 孫林, 等. 基于MODIS數據反演江浙皖地區(qū)氣溶膠光學厚度[J]. 環(huán)境科學與技術, 2010, 33(8): 167-171.

REN Jia, WANG Zhenhui, SUN Lin, et al. Retrieval of aerosol optical depth over Jiangsu-Zhejiang-Anhui areas using MODIS data[J]., 2010, 33(8): 167-171.

[22] 趙志強, 李愛農, 邊金虎, 等. 基于改進暗目標法山區(qū)HJ CCD影像氣溶膠光學厚度反演[J]. 光譜學與光譜分析, 2015, 35(6): 1479-1487.

ZHAO Zhiqiang, LI Ainong, BIAN Jinhu, et al. An improved DDV method to retrieve AOT for HJ CCD image in typical mountainous areas[J]., 2015, 35(6): 1479-1487.

[23] 李微, 郭錫杰, 劉遠, 等. 基于改進黑暗像元法的環(huán)境一號CCD數據海岸帶區(qū)域大氣校正研究[J]. 海洋科學進展, 2015, 33(4): 484-491.

LI Wei, GUO Xijie, LIU Yuan, et al. Improved dark-objects atmospheric correction algorithm for coastal regions based on HJ-1 CCD data[J]., 2015, 33(4): 484-491.

[24] 鄭偉, 曾志遠. 遙感圖像大氣校正的黑暗像元法[J]. 國土資源遙感, 2005(1): 8-11.

ZHENG Wei, ZENG Zhiuan. Dark-object methods for atmospheric correction of remote sensing image[J]., 2005(1): 8-11.

Atmospheric Correction Algorithm for GF-2 Image Based On a Radiative Transfer Model

CAO Hongye1，ZHANG Tianqi2

(1.,,710061,; 2.,,621010,)

The successful launch of the GF-2 satellite indicates that China's remote sensing satellites have entered the era of high spatial resolution of the sub-meter level. Remote sensing images will play an important role in quantitative inversion, ground object recognition, and change analysis. The accuracy of its atmospheric correction is an important factor that affects its quantitative application. Due to the lack of a short-wave infrared band in GF-2, it is impossible to use a dark pixel method for atmospheric correction. A method of atmospheric correction for the GF-2 image based on a radiation transfer model is proposed. The atmospheric correction coefficient lookup table is established by using 6S (Second Simulation of the Satellite Signal in the Solar Spectrum) radiation transfer model. The aerosol optical thickness (AOT) is retrieved by combining synchronous MODIS image data with an improved dark pixel method. The atmospheric correction parameters are determined to eliminate the influence of absorption and scattering of atmospheric molecules and aerosols in the GF-2 image and to achieve atmospheric correction of GF-2 data. Dunhuang radiation correction field with a flat and uniform surface is selected as the experimental area. The accuracy of the correction results is evaluated by synchronous measured data, and the normalized difference vegetation index (NDVI) before and after atmospheric correction is compared. The results show that the minimum relative error is only 0.9%. The image data after atmospheric correction can accurately reflect the reflection characteristics of ground objects. NDVI after atmospheric correction greatly enhances the contrast of vegetation information and highlights the ability of vegetation information discrimination of the GF-2 satellite sensor.

radiation transfer model, GF-2 image, atmospheric correction, look-up table, aerosol optical depth(AOD), 6S

TP751

A

1001-8891(2020)06-0534-08

2019-07-17；

2019-09-19.

曹紅業(yè)（1989-），男，河南鞏義人，博士研究生，主要從事定量遙感方面的研究。E-mail：hong1233718@126.com。