陆地高光谱遥感数据的大气校正算法分析

付海龙 刘永海

摘要：针对大气散射、气溶胶散射和太阳反射等因素影响，使传感器接收到的数据与地表反射的数据不一致，造成遥感图像失真的问题，本文为了将高光谱成像数据用于陆地表面的定量遥感，必须消除大气影响，对所获得的信息进行大气校正。通过运用辐射传输模型法对遥感数据进行大气校正，并采用经验法与辐射传输模型法相结合的混合方法进行大气校正。研究结果表明，将ATREM和现场光谱测量相结合，可以在与校准点不同的海拔上改善大气校正，地面校准消除了与传感器伪影和辐射传输模型相关的残留误差。该研究可以使遥感图像准确地获得地表信息。

关键词：大气校正; 光谱; 遥感; 辐射传输模型

自20世纪60年代以来，遥感技术作为一门探测技术逐渐发展起来，该技术是通过卫星遥感获取地表的辐射信息，从而达到对地物进行监测的目的。遥感技术具有监测准确、快速等特点，在环境、水利、农林业等方面广泛应用。由于受大氣散射、气溶胶散射和太阳反射等影响，地表发射的辐射信息在传输到传感器的过程中，其强度、波谱、空间分布等发生变化，使遥感器获得的数据与地表反射的数据不一致，遥感图像出现失真。因此，为了获得准确反应地表信息的遥感图像，必须对所获得的信息进行大气校正。大气校正的目的是消除大气和光照等大气因素对地表反射信息的影响、大气中氧气、二氧化碳、水蒸气和臭氧等对地物反射的影响、以及大气分子和气溶胶散射的影响。多数情况下，大气校正同时也是反演地物真实反射率的过程，如果数据未经校正，有可能丢失这些重要成分反射率差别微小的信息。遥感图像的大气校正方法有很多，按校正结果，可分为绝对大气校正方法和相对大气校正方法两种。常用的大气校正方法有不变目标法、直方图匹配法、暗元目标法和辐射传输模型法等。权维俊等人＼[1＼]利用Landsat卫星影像对地表覆被类型区分进行了研究;郑秋萍等人＼[2＼]通过大气校正对热岛效应进行了研究;刘朝顺等人＼[3＼]基于6S模型对Landsat ETM+的可见光到中红外波段的反射率进行了大气校正。自20世纪80年代中期以来，大气校正算法已经从先前的经验线法和平场域法演变为基于严格的辐射传递模型方法。因此，本文主要对陆地高光谱遥感数据的大气校正算法进行研究，给出了陆地辐射传输模型方法，并研究了经验法与辐射传输模型方法相结合的混合方法。该研究对准确获得地表信息的遥感图像具有实际意义。

1 陆地辐射传输模拟方法

由于表面反射率反演经验方法的局限性，1987年，F.H.G.Alexander研究了一种使用辐射传输模型的大气校正技术。随着大气去除算法（atmospheric removal algorithms，ATREM）＼[4＼]的发展，大气校正技术很快得到实现，它利用理论建模技术，从高光谱成像数据中获取陆地表面反射光谱，模拟大气气体和气溶胶的吸收和散射效应。

1.1 大气效应和辐射传输公式

太阳表面传感器路径上的太阳辐射受大气气体和气溶胶的吸收和散射影响，为了从成像光谱仪数据中导出表面反射光谱，需要对这些效应进行精确建模。在约30种大气中，只有水蒸汽（H2O），二氧化碳（CO2），臭氧（O3），一氧化二氮（N2O），一氧化碳（CO），甲烷（CH4），氧气（O2）和二氧化氮（NO2）这8种气体的波长在0.4～2.5 μm的范围内，光谱分辨率在1～20 nm之间，在成像光谱仪数据中产生可观察的吸收特征。8种气体模拟大气透射光谱如图1所示。该路径设定太阳天顶角为50°，在最低点观察海平面表面和大气顶部的传感器，给出每种气体的典型用量，每处的水平尺度相同，垂直尺度不同。在采样间隔为1 nm，光谱分辨率为5 nm的条件下，对光谱进行模拟。

由图1可以看出，波长大约在0.4～2.5 μm之间，光谱区域的一半受到大气中水蒸汽的吸收，而其它7种气体的吸收效应通常位于更窄的波长间隔内。大气气态分子和气溶胶散射太阳，辐射在0.4～0.7 μm之间的短波长区域受到分子散射（瑞利散射）的强烈影响。随着波长（λ-4）的增加，其效应迅速下降。气溶胶散射效应随着波长的增加而减小，但是速率较慢。

1.2 大气去除算法（ATREM）

ATREM从AVIRIS收集的成像光谱数据中获取表面反射光谱，不需要对反射光谱进行现场测量。由于水汽在空间内是可变的，因此利用信道比率技术＼[4＼]，从波长为0.94 μm和1.14 μm的水蒸汽吸收波段，根据图像逐步推导出综合水汽量。采用窄带谱模型＼[8＼]和得到的水汽值，模拟波长为0.4～2.5 μm的完整太阳光谱区域内的水汽透射谱，类似地，在0.4～2.5 μm区域中的二氧化碳（CO2），臭氧（O3），一氧化二氮（N2O），一氧化碳（CO），甲烷（CH4）和氧气（O2）是基于太阳和观测几何模拟，大气分子和气溶胶造成的散射效应通过5S计算机编码模拟。为模拟气溶胶效应，用户需选择气溶胶模型和表面能见度，并根据测得的辐射度与大气层上方太阳辐照度的比值，得到表观反射率。表面反射率利用模拟大气气体透过率、模拟分子和气溶胶散射数据从表观反射率得到。

ATREM编码的标准输出包括水汽图像和表面反射率数据立方体（空间成像的两维和光谱信息的一维）。由于在反演过程中假设为水平朗伯表面，表面反射率ρ被称为缩放表面反射＼[8＼]，缩放表面反射率与绝对表面反射率的乘法因子不同，后者与表面斜率和表面双向反射特性有关。从Aviris数据中获取的地表反射率如图2所示。

由图2可以看出，在2.1～2.4 μm光谱区的矿物吸收谱带，尤其是2.2 μm附近的特征高岭石双峰吸收特征，在大气校正后得到恢复。

ATREM的发展标志着成像光谱学发生了巨大进步，使大型陆地遥感界将成像光谱仪的数据转换为地面反射，用于各种应用，并使高光谱研究活动得到显著加速。20世纪90年代末和21世纪初，ATREM代码用逐线大气透过率模型＼[9＼]和HITRAN2000直线数据库＼[10-11＼]代替谱带模型进行升级。5S计算机代码被更新的6S代码替代，用于模拟大气散射效应。在0.4～0.8 μm的光谱区增加了模拟大气中NO2吸收效应的模块。该算法需要具有用于NO2列数量的输入（通常约5×1015个分子/cm2）。更新的ATREM算法可以改进表面反射率的推导，特别是在具有大气气体吸收特征的光谱区域。

2 经验法与辐射传输模型方法的混合法

将辐射模型和经验方法结合，推导来自高光谱成像数据的地表反射＼[12-13＼]。由于用辐射传输模型获得的表面反射光谱，经常包含残留的大气吸收和散射效应，还可能包含由于辐射测量和光谱校准中的误差而造成的伪影，尽管模型随着时间而改善，但它们还没有达到将所有伪影都小于传感器噪声的水平。而高光谱方法＼[14＼]是从AVIRIS数据中推导实验室质量表面反射光谱，其校准地点在单个地面，是将ATREM和现场光谱测量相结合，可以在与校准点不同的海拔上改善大气校正，地面校准消除了与传感器伪影和辐射传输模型相关的残留误差。

3 结束语

本文研究了高光谱图像数据大气校正的辐射传输模型方法，并介绍了将辐射传输模型方法与经验方法相结合的混合方法。辐射传输模型方法已经足够成熟，可用于高光谱成像数据的常规处理。使用内置平滑模块算法的用户，应注意在其反演的表面反射光谱中，存在人工宽吸收特征的可能性。混合方法允许从成像光谱仪数据中推导类实验室反射光谱。运用辐射传輸模型法对遥感数据进行大气校正，并将经验法与辐射传输模型法相结合，使大气校正结果更为准确，但基于大气校正算法的辐射传输模型还有深入讨论和改进的空间。

参考文献：

[1] 权维俊， 郭文利， 叶彩华， 等. 基于 TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法[J] . 南京气象学院学报， 2007， 30（5）： 610-616.

[2] 郑秋萍， 刘红年， 陈燕. 城市化发展与气象环境影响的观测与分析研究[J]. 气象科学， 2009， 29（2）： 214-219.

[3] 刘朝顺， 高炜， 高志强， 等. 基于 ETM+遥感影像反演不同土地利用类型地表温度的研究[J]. 南京气象学院学报， 2008， 31（4）： 503-510.

[4] Gao B C， Heidebrecht K B， Goetz A F H. Derivation of scaled surface reflectances from AVIRIS data[J]. Remote Sensing of Environment， 1993， 44（2/3）： 165-178.

[5] Tanre D， Deuze J， Herman M， et al. Second simulation of the satellite signal in the solar spectrum6S code[J]. IEEE Transactions on Geoscience and Remote Sensing， 1997， 35（3）： 675-686.

[6] Guanter L， Alonso L， Moreno J. A method for the surface reflectance retrieval from PROBA/CHRIS data over land： application to ESA SPARC campaigns[J]. IEEE Transactions on Geoscience and Remote Sensing， 2005， 43（12）： 2908-2917.

[7] Kaufman Y J， Wald A， Remer L A， et al. The MODIS 2.1μm channelcorrelation with visible reflectance for use in remote sensing of aerosol[J]. IEEE Transactions on Geoscience and Remote Sensing， 1997， 35（5）： 1286-1298.

[8] Malkmus W. Random lorentz band model with exponentialtailed S line intensity distribution function[J]. Journal of the Optical Society America， 1967， 57（3）： 323-329.

[9] Gao B C， Davis C O. Development of a linebylinebased atmosphere removal algorithm for airborne and spaceborne imaging spectrometers[J]. SPIE Proceedings， 1997， 3118， 132-141.

[10] Rothman L S， Jacquemart D， Barbe A， et al. The HITRAN 2004 molecular spectroscopic database[J]. Journal of Quantitative Spectroscopy and Radiative Transfer， 2005， 96（2）： 139-204.

[11] Rothman L S， Barbe A， Benner D C， et al. The HITRAN molecular spectroscopic database： edition of 2000 including updates through 2001[J]. Journal of Quantitative Spectroscopy and Radiative Transfer， 2003， 82（1/4）： 5-44.

[12] Boardman J W. PostATREM polishing of AVIRIS apparent reflectance data using EFFORT： A lesson in accuracy versus precision[C]∥Summaries of the Seventh JPL Airborne Earth Science Workshop. Pasadena， CA， USA： JPL Publication， 1998： 97-121.

[13] Goetz A F， Boardman J W， Kindel B C， et al. Atmospheric corrections： on deriving surface reflectance from hyperspectral imagers[J]. SPIE Proceedings， 1997， 3118： 14-22.

[14] Clark R N， Swayze G A， Heidebrecht K， et al. Calibration of surface reflectance of terrestrial imaging spectrometry data： comparison of methods[C]∥Summaries of the 5th Annual JPL Airborne Earth Science Workshop JPL Publication. Pasadena， CA： 1995： 41-42.