基于FLAASH的多光谱影像大气校正应用研究
遥瘩信息■感匝用２００８．１基于ＦＬＡＡＳＨ的多光谱影像大气校正应用研究
郝建亭，杨武年，李玉霞，郝建园
（成都理工大学遥感与ＧＩＳ研究所，成都６１００５９）
摘要：受大气吸收与散射影响，遥感器得到的测量值与目标物的真实值闻存在误差，给反演地表反射率／反照率和地表温度等关键参数带来较大误差，影响了图像分析的精度。选择ＡｓＴＥＲ多光谱数据，利用ＦＬＡＡＳＨ模块进行大气辐射校正和反射率反演。对校正前后的反射辐射和归一化植被指数（ＮＤⅥ）的变化进行了对比研究，并利用校正前后的ＮＤⅥ反演植被盏度。研究表明，大气校正后图像计算的植被盖度显著提高。
关键词：大气校正｝ＦＬＡＡＳＨ；多光谱影像；ＡＳＴＥＲ数据
中图分类号：ＴＰ７５１文献标识码：Ａ文章编号：ｌｏｏＯ一３１７７（２００８）９５一００７８一０４
１引言
由于空中遥感器在获取信息过程中受到大气分子、气溶胶和云粒子等大气成份吸收与散射的影响，使其获取的遥感信息中带有一定的非目标地物的成像信息，数据预处理的精度达不到定量分析的要求。消除这些大气影响的处理，从而获取精确的地面反射率信息是遥感定量分析的关键，也是进行遥感影像预处理的一个重要环节。
就太阳反射光谱区的遥感数据而言，大气辐射校正和反射率反演方法研究的目的就是将这些卫星遥感定标后的表观辐亮度转换为反映地物真实信息的地表反射率［１］。本文利用ＥＮＶＩ软件的ＦＬＡＡＳＨ大气校正模块，研究基于遥感影像的大气辐射校正实现方法，消除大气透过率、天空光向下漫射等因素对图像质量的影响，来改善影像质量，提高信息提取的精度。
２大气校正方法概述
目前，大气校正方法大致可以归纳为基于图像特征的相对校正法、基于地面线性回归模型法、基于大气辐射传输模型法和复合模型法４种口］。
其中应用比较广泛的是基于地面线性回归模型法，首先假设地面目标的反射率与遥感器探测的信号之间具有线性关系，通过获取遥感影像上特定地物的灰度值及其成像时相应的地面目标反射光谱的测量值，建立两者之间的线性回归方程式，在此基础上对整幅遥感影像进行辐射校正。此方法数学和物理意义明确，计算简单，但必须以大量野外光谱测量为前提，因此成本较高，对野外工作依赖性强，且对地面定标点的要求比较严格［３］。
在诸多的大气校正方法中校正精度高的方法是辐射传输模型法。辐射传输模型法是利用电磁波在大气中的辐射传输原理建立起来的模型对遥感图像进行大气校正的方法。其算法在原理上与地面线性回归模型基本相同，差异在于不同的假设条件和适用的范围。因此产生很多可选择的大气校正模型，应用广泛的就有近３０个。基于大气辐射传输模型的大气校正技术发展有多种模块，如ＡＴＲＥＭ、ＡＴ—ＣＯＲ、ＡＣＯＲＮ、ＨＡＴＣＨ、ＦＬＡＡＳＨ等‘引。
最理想的大气辐射校正和反射率反演方法是仅通过遥感影像信息，而不需要野外场地测量等辅助数据．并且能够适用于历史数据和很偏远的研究区。因此，本文选用基于大气传输模型的ＦＬＡＡＳＨ模块对研究区进行大气校正。
３利用ＦＬＡＡＳＨ进行大气校正
３．１ＦＬＡＡＳＨ模块简介
ＦＬＡＡＳＨ（Ｆａｓｔｌｉｎｅ＿ｏｆ＿ｆｉｇｈｔａｔｍｏｓｐｈｅ“ｃａｎａｌ—ｙｓｉｓｏｆｓｐｅｃｔｒａｌｈｙｐｅｒｃｕｂｅｓ）是ＳｐｅｃｔｒａｌｓｃｉｅｎｃｅｓＩｎｃ．（ＳＳＩ）、Ｕ．Ｓ．Ａｉｒｆｏｒｃｅｒｅｓｅａｒｃｈｌａｂｏｒａｔｏｒｙ（ＡＦＲＬ）和Ｓｐｅｃｔｒａｌｉｎｆｏｒｍａｔｉｏｎｔｅｃｈｎｏｌｏｇｙａｐｐｌｉ—ｃａｔｉｏｎｃｅｎｔｅｒ（ＳＩＴＡＣ）联合开发的大气订正软件【引。ＦＬＡＡＳＨ采用ＭＯＤＴＲＡＮ４＋辐射传输模型的代码，是目前精度最高的大气辐射校正模型。基于像素级的校正，可校正由于漫反射引起的连带
收藕日期：ｚ００７—０４—１３修订日期：２００７—０５—３０
作者简介：郝建亭（１９８２～），女，硕士研究生，研究方向：“３Ｓ”信息技术及应用。爵ｍ枷：Ｅ—ｍａｉｌ．ｈａｏ．ｊｔ＠１６３．ｃｏｍ７８
万方数据
叠感应用适意信息
效应，包含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑。ＦＬＡＡＳＨ可对Ｌａｎｄｓａｔ，ＳＰＯＴ，ＡＶＨＲＲ，ＡＳＴＥＲ，ＭＯＤＩＳ，ＭＥＲＩＳ，ＡＡＴＳＲ，ＩＲＳ等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校正分析，能有效消除大气和光照等因素对地物反射的影响，获得地物较为准确的反射率和辐射率、地表温度等真实物理模型参数。
３．２ＦＬＡＡＳＨ模块中的辐射传输方程［６］
ＦＬＡＡＳＨ模块中大气校正基于太阳波谱范围内（不包含热辐射）地表非均匀、朗伯面的模型。Ｌ—ｆ等１＋ｆ器卜㈤其中：Ｌ为遥感器接收的总辐射；ＩＤ为像元的反射率；以为周围区域的平均反射率；Ｓ为大气向下的半球反照率｝Ｌ。为大气程辐射；Ａ、Ｂ是依赖于大气（透过率）和几何状况的的系数。（１）式右边第一项表示像元反射直接进人遥感器的部分；第二项为地表像元的反射经大气的散射进入传感器的部分［５］。公式中几个相关的参数可以由ＭＯＤＴＲＡＮ模拟得到。』Ｄ和以的区别主要来自于大气散射引起的“邻近像元效应”。ＦＬＡＡＳＨ中利用大气点扩散函数（Ｐｏｉｎｔ－ＳｐｒｅａｄＦｕｎｃｔｉｏｎ）对邻近像元效应进行了纠正。可以通过以下方程估算Ｂ：
Ｌ。≈Ｊ半等＋Ｌ。１（２）
ｌ‘ｈ。Ｊ
Ｌ。给定像素及其周围像素的空间平均值，可以通过原始影像进行计算。
３．３大气参数获取
ＦＬＡＡＳＨ模块大气校正首先要从影像中获取大气参数，包括气溶胶光学厚度、气溶胶类型和大气水汽柱含量。目前有许多反演大气水汽含量的算法，最准确但也最为耗时的是集成在ＨＡＴＣＨ模块中的平滑优化法（ＳｍｏｏｔｈｎｅｓｓｏｐｔｉｍｉｚａｔｉｏｎＡｐ—ｐｒｏａｃｈ）。ＦＬＡＡＳＨ中采用波段比值法进行水汽柱含量的反演，即用１１３０ｎｍ处的水汽吸收波段及其邻近的非水汽吸收波段的比值来获取大气水汽柱含量，实际运算中用ＭＯＤＴＲＡＮ４生成了一个查找表来对每个像元进行水汽含量的反演。ＦＬＡＡＳＨ模块中气溶胶光学厚度的反演采用暗目标法，利用６６０ｎｍ和２１００ｎｍ处的反射率估算气溶胶量。暗目标法是由Ｋａｕｆｍａｕ提出，由于２１００ｎｍ波长比大部分气溶胶微粒的直径要大，故该波段受气溶胶影响可以忽略；在大量的试验中，他发现２１００ｎｍ的植被反射率与６６０ｎｍ植被反射率之间存在稳定的关系，因此可以直接利用２１００ｎｍ的植被反射率来获取６６０ｎｍ处的植被反射率Ｈ］。气溶胶的影响会使得实际获得的植被反射率与理论反射率存在一定差异，ＦＬＡＡＳＨ模块中正是利用了这个差异来反演气溶胶的光学厚度值。
ＭＯＤＴＲＡＮ模型通过计算ｃｏｌｕｍｎｗａｔｅｒｖａ—ｐｏｒ的量来计算Ａ，Ｂ，Ｓ和Ｌ。。Ｃｏｌｕｍｎｗａｔｅｒｖａ—ｐｏｒ是未知而且在不同的场景下是不相同的，运行几次不同水蒸气数量的ＭＯＤＴＲＡＮ模型，构成一个查找表，每个像素从该表获得水蒸气的量来计算Ａ，Ｂ，Ｓ和Ｌ。。
３．４利用辐射传输方程求解
由ＭＯＤＴＲＡＮ模拟得到大气相关参数，影像的反射率就可以直接逐个像元进行计算。步骤如下：
首先忽略影像邻近像元效应的影响，利用（２）式计算像元的空间平均反射率以。
获取邻近像元反射率。ＦＬＡＡＳＨ模块中用一个径向距离的近似指数函数代替大气点扩散函数进行邻近像元反射率的计算。
求得邻近像元反射率后，将遥感器接收的辐射亮度和ＭＯＤＴＲＡＮ４模拟的大气校正参数代入（１）式可求得地物真实反射率ＩＤ。
４应用实例
本文对四川毛儿盖地区２００３年１１月２日的ＡＳＴＥＲ多光谱数据进行了大气校正，研究区范围为东经１０３。２０’～１０３。４０’，北纬３２。００’～３２。３０７。选择ＡＳＴＥＲ数据的可见光、近红外９个波段进行校正。根据研究区状况和影像头文件可获得校正所需的影像中心经纬度、传感器类型、传感器高度、采集日期及时间、研究区高程、像元大小等参数。
ＭｏＤＴＲＡＮ４提供了六种大气模型和四种气溶胶模型供用户选择，根据研究区状况，本文选择中纬度夏季大气状况和乡村气溶胶模型。可见度依据天气状况选择，本文所用影像基本无云，成像质量好，设置可见度为４０ｋｍ。
４．１大气校正结果
从图１中可以看到校正前后的图像视觉效果和反射辐射亮度有明显变化，校正后的图像更加清楚。直方图加宽，这说明ＦＬＡＡＳＨ校正有效地去除了
７９
万方数据
遥感信息
■感应用
大气中气溶胶的影响，提高了图像质量。图２为大效应校正后ＮＤＶＩ明显增大，校正前后ＮＤＶＩ平均气校正前后的光谱曲线。
值为Ｏ．１５９９７４和０．３９４６３２，ＮＤＶＩ标准偏差为ｏ．１
０１８４９和０．１２６６１０。
４．２校正结果评价
（ａ）未经过校正（ｂ）经过ＦＬＡＡＳＨ大气校正
图１
ＦＬＡＡｓＨ大气校正前后ＡＳＴＥＲ图像可见光、
近红外波段假彩色合成图
（ａ）辐射率光谱曲线
（ｂ）反射率光谱曲线
白色为水体，红色为植被，绿色为裸土波长：（微米）
图２
ＡＳＴＥＲ影像不同地物ＦＬＡＡｓＨ大气纠正
结果比较，波谱分辨率为１５ｃｍ－１
图３校正前后ＮＤＶＩ直方图对比
为进一步评价和验证ＦＬＡＡＳＨ模型对ＡＳ—ＴＥＲ大气辐射校正的效果，对校正前后的ＮＤＶＩ进行统计分析（见图３）。水汽、气溶胶和大气点扩散
８０
由于大气校正结果的验证要求时间严格同步的地面实测光谱数据，而对历史影像数据难以获取符合要求的实测数据。利用卫星和航空遥感数据进行
的空间——时相研究表明，大气对植被指数有影响。
根据Ｐｉｔｔｓ等人的研究，大气吸收可减小近红外信息量的２０％以上，这就使反演精度降低。相对来说，
植被盖度的验证数据获取较为简单。利用校正前后影像反演植被盖度，可以间接反映大气校正的结果。
植被盖度是指植被冠层的垂直投影面积与土壤面积之比。本文采用１９９２年中科院地理所张仁华教授提出的植被覆盖度和植被指数的模型反演植被盖度‘７｜。
，
ＮＤＶＩ—ＮＤ、厂Ｉ。
…Ｊ
ＮＤＶｌ。ｊ—ＮＤｖＩ。
…
其中，ＮＤⅥ。和．ＮＤＶＪ，分别是纯植被与纯土
壤的植被指数。利用此模型进行反演植被覆盖度的
关键就是确定ＮＤＶｆ。和ＮＤⅥ，的值，它们决定了
模型的准确性。运用ＥＮＶｌ４．３的统计（Ｓｔａｔｉｓｔｉｃｓ）
功能可以较方便的提取ＮＤｙＪ。，和ＮＤⅥ。，这里我
们假定至少有５０个像元同时取得ＮＤＶＩ，，和ＮＤ—
ＶＪ，时，ＮＤⅥ。和ＮＤⅥ，才是有效值。通过统计
计算得出原始图像的ＮＤＶＪ。和ＮＤⅥ，分别等于
０．０００５２４和等于ｏ．４８３６８２；大气校正后的图像
ＮＤⅥ，，和ＮＤＶ，：分别等于Ｏ．００１４１１和等于ｏ．７
３６６６２。总体上比较来看，ＮＤ、厂Ｉ大的地区厂也较大，二者有很好的一致性。图４为大气校正前后的植被盖度反演图像。
图４大气校正前后的植被盖度反演图像
经ＡＲｃＧＩｓ软件统计分析，大气校正前ＡＳ—
ＴＥＲ遥感图像植被覆盖度在Ｏ～５０％的面积占
万方数据
■蕙应用遥摩信息
８１．２３％，５０％～８５％的面积占１８．２９％，８５％～遥感数据质量下降，严重影响了遥感的参数化反演１００％的面积占ｏ．４８％，整个毛儿盖地区植被平均精度，大气校正已被认为是定量遥感的关键。覆盖度为３１．８％。大气校正后ＡＳＴＥＲ遥感图像ＦＬＡＡＳＨ大气校正的结果显示，利用该算法可以较。植被覆盖度在Ｏ～５０％的面积占４５．５６％，５０％～。为准确的从图像中获取地表反射率信息。对于能见８５％的面积占５２．３１％，８５％～ｌｏｏ％的面积占２．度为中等到清晰，大气水汽柱含量为低到中等的大１３％。整个毛儿盖地区植被平均覆盖度为５３．气条件下，进行天底点垂直观测获取的影像，２２％。经过大气校正后，由于消除了大气对图像质ＦＬＡＡＳＨ能够反演得到更为精确的反射率信息。量的影响，使得植被指数增大，植被盖度也增大。将ＦＬＡＡＳＨ模块已被嵌入ＥＮＶＩ软件而被普遍使用。外业调查数据和校正前后两个植被盖度的估计值进＋当然，该方法也有进一步改进的地方，提高地形复杂行比较，实际样地植被盖度的平均值为６３．１８％，大的地区及复杂大气条件下的反演精度是今后研究的气校正后反演精度大为提高。方向。
５结束语。
由于气溶胶和大气中分子吸收的影响，使卫星
参考文献
１阮建武，邢立新．遥感数字图像的大气辐射校正应用研究［Ｊ］．遥感技术与应用，２００４，１９（３）：２０６～２０８．
２郑伟，曾志远．遥感图像大气校正方法综述［刀．遥感信息，２００４（４）：６６～６７．
３田庆久，郑兰芬，童庆禧．基于遥感影像的大气辐射校正和反射率反演方法［Ｊ］．应用气象学报，１９９８，９（４）ｔ４５６～４６１．
４ＭＷＭａｔｔｈｅｗ，ＳＭＡｄｌｅｒ－Ｃｏｌｄ∞，ＡＢｅｒｋ．ＧＦｅｌｄｅ，ＧＰＡｎｄｅｒｓｏｎ，ＤＧｏｆｏｄｅｓｔｚｋｙ，ＳＰａｓｗａｔｅｒｓ，ＭＳｈｉｐｐｅｒｔ．Ａｔｒｎｏｓ—ｐｈｅ—ｃｏＤｒｒｅｃｔｉｏｎｏｆｓｐｅｃｔｍｌｉｍａｇｅｒｙｌＥｙａｌｕａｔｉｏｎｏｆｔｈｅＦＬＡＡｓＨａｌｇｏ—ｔｈｍｗｉｔｈＡＶｍＩＳｄａｔａ［ｃ］．ＰｒｅｓｅｎｔｅｄａｔｓＰＩＥＰｒｏ—ｃｅｅｄｉＩｌｇ，ＡｌｇｏｒｉｔｈｍａｎｄＴｅｃｈ∞ｌｏｇｉ酷ｆｏｒＭｕｌｔｉｓｐｅｃｔｒａｌ，Ｈｙｐｅｒｓｐｅｃｔｒａｌ，粕ｄＵｌｔｒａｓｐｅｃｔｒａｌｈＩｌａｇｅｒｙⅨ。２００３．
５宋晓宇，王纪华，等．基于高光谱遥感影像的大气纠正：用ＡⅦｔＩｓ数据评价大气纠正模块ＦＬ从ｓＨ［Ｊ］．遥感技术与应用，２００５，２０（４）ｌ３９３～３９８．
６Ａｄｌｅｒ－Ｇｏｌｄ明ＳＭ，ＭａｔｔＩｌｅｗＭＷ，ＢｅｍｓｔｅｉｎＬＳ．Ａｔｍｏｓｐｈｅｒｉｃｃｏ＂ｅｃｔｉｏｎｆｏｆＳｈｏｒ卜ｗａｖｅｓｐｅｃｔｒａｌｉｍａｇｅｒｙｈｓｅｄｏｎＭｏＤＴＲＡＮ４［Ｃ］．ｓＰＩＥＰｒｏｃｅｅｄｉｎｇ，ＩｍａｇｉｎｇＳｐｅｃｔｆｏｍｅｔｒｙＶ，１９９９．３７５３．
７刘丹丹，等．土地利用现状更新调查中大气校正对反演植被盖度影响的研究［刀．黑龙江工程学院学报（自然科学版）．２００６。２０（２）：２３～２６．
ＡｔｍｏｓｐｈｅｒｉｃＣｏｒｒｅｃｔｉｏｎｏｆＭｕｌｔｉ－ｓｐｅｃｔｒａｌＩｍａｇｅｒｙＡＳＴＥＲ
ＨＡ０ＪｉａＩ卜ｔｉｎｇ，ＹＡＮＧＷｕ－ｌｌｉａｎ，ＬＩＹｌ卜】【ｉａ，ＨＡ０Ｊｉａｌ卜”ｍｎ
（ＲＳ＆ＧＩＳ，疗ｊｔｆ￡“ｔｅＤ，Ｃｈｅ７ｌｇｄ“Ｕｈｆ铀Ｂ，百ｆｔｙＤ，ｊ艮ｃ．ＩＩ开ｏＬＤｇｙ，Ｃ矗Ｐｎｇｄ“６１００５９）
Ａｂｓ蛔ｃｔ：Ｂｅ龃ｕｓｅｏｆｔｈｅａｂｓｏｒｂ蚰ｄｄｉｓｐｅ埽ｉｏｎｏｆａｔｍｏｓｐｈｅ地，ｔｈｅ地ｅ】【ｉｓｔｅ啪ｒＳｂｅｔｗｅｅｎｔｈｅｍ傀ｓｕｒｅｄａｎｄｔｒｕｅｔａｒｇｅｔ强ｌｕ伪．Ｉｔｂｅｃｏｍ船ｓｅｒｉｏｕｓｉｍｐｅｄｉｍｅｎｔｓｆｏｒｔｈｅｑｕａｎｔｉｔａｔｉｖｅ８髓ｌｙｓｉｓａｎｄｒｅｓｏｕｒｃｅｓａｎｄｅｎｖｉｒ０咖ｅｎｔｍ朗ｓｕｒ咖ｅｎｔｓ．
Ａｎｏｐｅｒａｔｉｏｍｌｍｅｔｈｏｄｏｆ∞ｒｒｅｃｔｉｎｇ“ｓｉｂｌｅａｎｄｎ阻ｒ－ｉｎｆｒａｒｅｄｄａｔａｆｏｒａｔｍｏｓｐｈｅｒｉｃｅｆｆｅｃｔｓｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｍｅｔｈｏｄ，ｗｌｌｉｃｈｉｓｂａｓｅｄｏｎＦＬＡＡＳＨ（ＦａｓｔｌｉＩｌｒｏｆ－ｆｉｇｈｔａｔｍｏｓｐｈｅｄｃａｎａｌｙｓｉｓｏｆｓｐｅｃｔｒ８ｌｈｙｐｅｒｃｕｂｅｓ），ｉｓｕｓｅｄｔ０ａｔｍｏｓｐｈｅｒｉｃｃｏｒｒｅｃｔｉｏｎｏｆＡＳＴＥＲ啊ｓｉｂｌｅ眦ｄｎ阻ｒ－ｉｎｆｒａｒｅｄ
ｂａｎｄｓ．Ｓｅｎｓｉｔｉｖｉｔｙａ１１ａｌｙｓｉｓｉ８ｃｏｎｄｕｃｔｅｄｂｙｃｏｍｐａｒｉｎｇｃｏｒｒｅｃｔｅｄａｎｄｕｎｃｏｒｒｅｃｔｅｄ北ｎｅｃｔａｎｃｅｄａｔａｉｎｃｌｕ—
ｎｏｍｍＩｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉＩｌｄｅｘ（ＮＤⅥ）．Ｔｈｅｒｅｓ魄ｒｃｈｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｐｒｅｃｉｓｉｏｎｗｉｌｌｂｅｉｍ—ｄｉｎｇｓｐｅｃｔｒａｌｂｒｉｇｈｔｎｅｓ８ａｎｄ
ＮＤⅥｉｓａｄｏｐｔｅｄ，ｗｈｉｃｈｉｓｃｏｕｎｔｅｄｔｈｒｏｕｇｈｔｌｌｅｉｍａｇｅｏｆａｔｍｏｓｐｈｅ始ｃｏｒｒｅｃｔｉｏｌＬ
ｐｒｏｖｅｄｉｆ
Ｋｅｙｗｏｒｄ嘧：ａ臼ｎｏｓｐｈｅｒｉｃｃｏｒｒｅｃｔｉｏｎ；ＦＬＡＡＳＨ；ｍＩＩｌｔｉ－ｓｐｅｃｔｍｌｉｍａｇｅｒｙｆＡＳＴＥＲｄａｔａ
８１ 万方数据
基于FLAASH的多光谱影像大气校正应用研究
作者：郝建亭， 杨武年， 李玉霞， 郝建园， HAO Jian-ting， YANG Wu-nian， LI Yu-xia，HAO Jian-yuan
作者单位：成都理工大学遥感与GIS研究所,成都,610059
刊名：
遥感信息
英文刊名：REMOTE SENSING INFORMATION
年，卷(期)：2008，""(1)
被引用次数：1次
参考文献(7条)
1.阮建武.邢立新遥感数字图像的大气辐射校正应用研究[期刊论文]-遥感技术与应用 2004(03)
2.郑伟.曾志远遥感图像大气校正方法综述[期刊论文]-遥感信息 2004(04)
3.田庆久.郑兰芬.童庆禧基于遥感影像的大气辐射校正和反射率反演方法 1998(04)
4.M W Matthew.S M Adler-Colden.A Berk.G Felde,G P Anderson,D Gorodestzky,S Paswaters,M Shippert Atmospheric correction of spectral imagery:Evaluation of the FLAASH algorithm with AVIRIS data 2003
5.宋晓宇.王纪华基于高光谱遥感影像的大气纠正:用AVIRIS数据评价大气纠正模块FLAASH[期刊论文]-遥感技术与应用 2005(04)
6.Adler-Golden S M.Matthew M W.Bernstein LS Atmospheric correction for Short-wave spectral imagery based on MODTRAN4 1999
7.刘丹丹土地利用现状更新调查中大气校正对反演植被盖度影响的研究[期刊论文]-黑龙江工程学院学报（自然科学版） 2006(02)
相似文献(10条)
1.期刊论文吴彬.苗放.叶成名.黄舒寒懋.毕晓佳基于FLAASH的高光谱遥感数据大气校正应用-物探化探计算技术2010,32(4)
星载传感器接收到的电磁波,必经大气吸收和散射的影响.高光谱分辨率遥感影像具有大量光谱信息,为了精确提取高光谱遥感信息,对大气校正是必不可少的.对于Hyperion遥感影像而言,其信噪比较低,在反演地表反射率过程中,此项工作尤为重要.基于FLAASH对Hyperion影像进行了大气校正,分析了不同地物校正前、后的光谱特征,与标准库对比后,取得了比较理想的校正效果.结果说明,通过大气辐射传输模型理论进行大气校正是可行的.
2.期刊论文袁金国.牛铮.王锡平.YUAN Jin-guo.NIU Zheng.WANG Xi-ping基于FLAASH的Hyperion高光谱影像大气校正-光谱学与光谱分析2009,29(5)
遥感影像的大气校正是定量遥感研究的前提.文章对利用ENVI软件的FLAASH(fast line-of-sightatmospheric ariaIysis of spectral hypercubes)进行EO-1 Hyperion高光谱影像的大气校正能力进行了评价.黑河流域甘肃张掖研究区的Hyperion高光谱影像的获取时间是2007年9月10日,卫星过境前后准实时获取41个样区的野外实测数据,包括冠层波谱和生化含量以及GPS定位数据.首先利用Landsat-7 ETM+影像对Hyperion高光谱影像进行了几何校正,然后将Hyperion的DN值转化为辐射亮度和表观反射率,并利用FLAASH对Hyperion影像进行大气校正.比较了研究区四种典型地物(玉米、水体、荒漠和建筑物)的辐射亮度、表观反射率以及FLAASH大气校正后的反射率,并与玉米ASD野外反射波谱利用高斯滤波函数重采样到Hyperion相应波段后进行了比较.结果表明,FLAASH大气校正很有效,两种方法获得的反射渡谱相吻合,相关系数达0.987.
3.学位论文温兴平基于多分类器组合的高光谱遥感数据分类技术研究2008
遥感技术产生于20世纪后半叶，经过几十年的发展，无论在理论、技术上均取得重大进展。高光谱遥感技术的出现是遥感领域的一项重大突破。高光谱影像在保留较高空间分辨率同时，光谱分辨率有极大的提高，这使得无论在描述同类地物的细节方面，还是识别不同类别地物的能力等方面都有大幅提高。高光谱数据最早应用于地质领域，1988年以后成功应用于生态、大气科学、农林业等领域。高光谱遥感数据有更多的波段，更高的波谱分辨率，使高光谱数据有更广泛的应用前景。
从高光谱遥感影像中提取信息的方法一般可分为两类：基于特征空间和基于光谱空间。基于特征空间的分类方法不需要对影像做精确的大气校正
，但由于高光谱遥感数据波段数多，在分类过程中会导致维数灾难和Hughes现象，常用的解决方法是增大训练区样本数量或对高维数据进行降维处理
，前者需要大量的训练区样本数据，这就需要投入更多的人力物力，因而在使用中受到一定限制：后者会造成部分信息丢失；且基于特征空间的分类方法难以解决混合像元分解的问题，使高光谱遥感数据不能得到充分的利用。基于光谱空间的分类方法在高光谱遥感数据中得到较成功的应用。光谱匹配技术是高光谱遥感影像分类方法中较为成熟的一类，它通过比较像元光谱与参考光谱的相似度对影像进行分类，不需要大量训练区样本数据，但需要影像做精确的大气校正。这类方法的研究基础是进行匹配的光谱都定标到表观反射率，辐射仪的暗电流和程辐射的影响都已经去除。但这只是理想情况
，实际研究中要完全去除暗电流和程辐射的影响是非常困难的，尤其当目标物反射率较低时，用光谱匹配技术来提取低反射率地物时会产生较大误差。文中针对两类方法的优缺点，进行了提高高光谱遥感影像分类精度的研究，一是提高单分类器的分类精度，这方面所做的工作是对影像进行较精确的大气校正和对端元光谱提取方法进行改进；二是对多分类器进行组合提高分类精确度，主要研究成果如下：
1、定量遥感需要对遥感影像进行大气校正，在大气校正过程中，去除邻近效应的影响是一个比较重要的环节。对邻近效应的移除依赖于对影响邻近效应的主要因子及影响机制的认识。文中利用MODTRAN模型对不同对比度目标物在不同条件下的邻近效应进行模拟，得出能见度对邻近效应的影响最大，其次是卫星天顶角，太阳高度角对邻近效应的影响最小；在能见度较高时，辐射率变化百分率曲线形状接近背景反射率曲线，但这种情况在能见度较低时并没有出现。在能见度较高时，随着波长增加，辐射率变化百分率逐渐减小，但在能见度较低时，这种关系没有出现。表明随着能见度减小，其对邻近效应的影响也呈现复杂化。文中研究了影响邻近效应的主要因子及影响机制，为消除邻近效应的影响提供了理论依据。
2、文中对高光谱遥感影像的大气校正方法进行了综述，用ATCOR2、ATCOR3和FLAASH大气校正模块对高光谱遥感影像进行大气校正，并对校正效果进行了比较，得出三种方法校正后光谱基本一致，FLAASH模块对光谱进行平滑处理，校正效果略好。由于研究区地形复杂，地面高程差值较大，ATCOR3模块未取得较好的校正效果。
3、较成熟的基于光谱空间的分类方法有SAM、SFF、MTMF等。基于光谱匹配的方法首先需要采集端元光谱，而后将端元光谱与像元光谱匹配进行信息提取。端元光谱通常通过三类方法获取:实验室光谱、野外采集光谱、从影像上直接获取。从影像上直接获取端元光谱简单易行，又可避免实验室与野外采集光谱与像元光谱匹配时存在的大气及尺度效应的影响，使用较为广泛，PPI方法是一种较常用的从影像上获取端元光谱方法。
4、文中对高维数据的空间特征进行了详细的阐述，随着维数增加，超立方体的体积集中在拐角和表壳，对角线几乎与所有坐标轴正交。随着维数增加，会出现维数灾难和Hughes现象，使分类所需样本数急剧增加。然而，随着维数增加，低维线性投影有正态分布或混合正态分布的趋势，这说明，高维数据进行降维处理后，用基于空间特征方法进行分类是可行的。
5、遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。文中基于云南省鹤庆县北衙的高光谱遥感数据用SAM方法对植被信息进行提取，参考光谱使用ASD光谱辐射仪在当地采集的植被光谱曲线。研究中对影响光谱辐射仪采集的主要因素采取了相应的措施，并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行SAM匹配提取出植被信息，经过与实地调查资料比较并计算总体精度和kappa系数，计算结果达到预期精度。
6、植被光谱中可见光部分的吸收谷主要由叶绿素强烈吸收引起，不同植被覆盖度下光谱吸收谷的深度和形状不同，因而可以通过比较光谱吸收谷的深度和形状来提取植被覆盖度。文中采用基于光谱吸收特征匹配的光谱特征拟合SFF方法从高光谱遥感影像中提取植被覆盖度，参考光谱采用ASD光谱仪在影像覆盖地区采集的植被光谱，通过将参考光谱与像元光谱连续统去除处理后进行SFF匹配，完成植被覆盖度的提取，最后生成植被覆盖度图。研究结果与植被指数、光谱夹角映射方法及实际调查资料之间存在较高一致性。
7、光谱匹配方法已成功应用于高光谱影像分类，但由于大气影响，这种方法从高光谱影像上提取低反射率地物信息较为困难。文中提出一种基于光谱聚类的低反射率地物信息提取方法，首先用PPI技术从影像中采集端元光谱，并计算影像像元光谱与所有端元光谱的光谱夹角，将像元归属于与端元光谱夹角最小的一类:然后用K-Mean对端元光谱进行聚类；最后根据聚类结果将同类端元光谱对应的类进行合并处理并将分类结果投影输出。将结果与原始影像及实地调查资料进行比较，二者基本一致。这种方法人工干预少，提取结果较为客观，可以作为一种高光谱遥感影像非监督分类方法。
8、在模式识别分类系统中，最终的目标是得到尽可能好的分类识别性能。为了实现这一目标，传统的做法是对于目标问题分别采用不同的分类方法处理，然后选择一个最好的分类器为最终的解决方案。但随着目标复杂度的增加以及新的算法的开发，人们发现尽管各分类器性能有所差异，但被不同分类器错分的样本并不完全重合。即对于某个分类器错分的样本，用其它分类器有可能得到正确的类别标签，即不同分类器对于分类的模式有着互补信息。如果只选择性能最优的分类器作为最终的解决方案，那么其它分类器中一些有价值的信息就被丢弃了。伴随着分类模式识别问题日益复杂，人们开始尝试研究不同分类器的分类互补信息是否能被充分利用，进而提出了组合分类的思想。针对各种高光谱影像分类方法的优缺点，文中提出了一种基于决策树的多分类器组合方法，并将这种方法应用于高光谱遥感影像岩体信息提取。研究区为云南省中甸县格咱乡普朗斑岩型铜金矿区，该区含矿岩性多为闪长玢岩，研究中利用高光谱遥感影像对该区闪长玢岩体进行提取。首先用SAM、SFF和MTMF三种匹配滤波方法进行信息提取，为提高单个分类器的分类精度，研究中对影像进行了较精确的大气校正并提出一种利用多尺度切割与地质图结合的端元光谱提取方法，首先将多尺度切割区域与地质图相交
，而后对相交的区域用PPI方法提取端元光谱，这种方法提取出的端元光谱较纯；然后用基于决策树的多分类器组合方案对三种方法提取的结果进行组合，并生成组合分类器提取结果；最后，将多分类器组合方法及单个分类器提取结果与地质图进行比较，得出多分类器组合结果明显优于单个分类器。SAM、SFF和MTMF三种匹配滤波方法对比，SFF对混合像元的分解能力较好。针对现有的高光谱影像分类方法，为提高分类精度，研究中进行了两方面的尝试，一方面提高单分类器方法的分类精度，另一方面是对多分类器进行组合提高分类精确度。前者研究中采用的方法是对影像进行较精确的大气校正和采集较纯的端元光谱，文中对多种大气校正的方法进行了综述，并对几种常见的大气校正模块进行了对比，并提出一种用多尺度切割与地质图结合的端元光谱提取方法，这种方法可以得到较纯的端元光谱。后者研究中尝试了基于光谱聚类的低反射率地物信息提取方法和基于决策树的多个分类器组合方法，结果与实地调查及地质资料比较，得出这种两种多分类器组合方法是有效的。
4.期刊论文罗彩莲.陈杰.乐通潮.LUO Cai-Lian.CHEN Jie.LE Tong-Chao基于FLAASH模型的Landsat ETM+卫星影
像大气校正-防护林科技2008,""(5)
主要介绍FLAASH大气校正原理及算法,并运用FLAASH大气校正模型对美国旧金山地区ETM+卫星影像进行大气校正,再对校正前后的影像进行地物光谱曲线分析和NDVI分析评价.研究表明,ETM+卫星影像经FLAASH大气校正后,较好地消除了大气影响.
5.学位论文董晶晶高光谱遥感反演植被生化组分研究2009
植被约占地球陆地表面积的70％，是陆地生态系统的基本组成成分。植被体内所含的叶绿素、水分、蛋白质、木质素和纤维素等组分统称为生化组分，它们都直接或间接地参与生物地球化学循环，在生态系统的物质和能量循环中发挥着重要作用，是评价植物生产力、养分亏缺、枯枝落叶分解率和碳氮养分分布等的重要因子。遥感技术为获取多时相、大尺度的生化信息提供了极大方便，尤其是高光谱影像丰富的光谱信息使定量估算植被生化参数成为可能。利用高光谱遥感数据实现对植被生化组分的监测，是生态学、农学、全球变化等科学研究以及精准农业等应用行业的迫切需求。
本文以使用高光谱影像进行植被生化参数提取为目标，利用经验半经验方法、辐射传输模型反演等方法，进行了以水分和叶绿素为主的植物生化参数提取的研究。论文从实验的设计开始，依次从叶片、冠层、高光谱遥感影像层次实现了参数的提取。第一章对研究的原理、背景和国内外进展进行了综述。第二章重点介绍了利用高光谱进行植物生化组分提取的星地同步实验，包括实验的设计、野外样本的采集、光谱测量和遥感影像的获取等。第三章到第五章依次论述了从叶片、冠层和遥感影像这三个层次的生化组分的提取，分析了尺度效应可能对反演造成的影响。这部分分析使用的方法涉及经验半经验方法和物理模型反演方法。第六章是对全文进行了概括和总结。
论文的主要研究成果和结论如下：
1.在相关项目的支持下成功开展了星地同步实验，获得了丰富的生化组分数据、实测光谱数据以及高光谱遥感影像数据。为后续的研究分析提供了数据保障，体现了论文的实验特色。
2.对遥感影像进行了几何校正和辐射校正处理。大气校正使用了亮暗目标法(经验线性大气校正法)、6S和FLAASH模型。根据波谱响应函数，利用ASD实测的野外波谱模拟了影像的冠层光谱，以此为基础分析了影像大气校正的效果。结果表明6S和FLAASH大气校正效果较好，而亮暗目标法具有较大的局限性，即对亮暗目标物的选择要求较高，在实际操作中不容易获得满足条件的地物。
3.利用经验半经验方法、物理模型反演方法进行了叶片层次的生化组分含
量提取。经验半经验方法主要采用逐步回归、偏最小二乘、构建光谱指数等来构建叶片反射率反演生化组分含量的模型，在研究区获得了较好的结果。物理模型反演方法主要是基于对叶片模型PROSPECT的反演来进行的。使用物理模型反演法，首先分析了各参数对叶片反射率光谱的影响、模型对各参数的敏感性，然后实现了叶片叶绿素含量和水分含量的提取。基于物理模型的反演具有明确的物理学意义，因此具有推广价值。 4.利用经验半经验方法、物理模型反演方法对冠层层次的生化组分含量进行了提取。使用野外ASD实测的冠层光谱进行了冠层光谱和生化组分含量的相关性分析，比较了冠层光谱反射率导数、波深、光谱指数等方法。物理模型反演方法选择耦合叶片模型PROSPECT和冠层模型SAILH进行冠层光谱的模拟，在此的基础上，分析了叶片生化组分含量、叶面积指数(LM)、平均叶倾角(ALA)等参数对冠层反射率的影响。在模拟冠层光谱的基础上进行了叶绿素含量反演模型的构建，并使用野外实测数据进行验证。结果表明反演的叶绿素含量与实测值相关性较好，但估测值普遍低于实测的叶绿素含量，RMSE达到12μg/cm2。
5.在前面两部分研究的基础上，将耦合模型PROSAIL模拟的冠层反射率重采样到相关遥感影像设置的波段上，分别使用Hyperion和CHRIS影像进行了植被叶绿素含量的估算。结果表明，使用卫星影像数据进行估测的效果略差，通常估测值略低于实验的实测值。分析原因，大气对遥感卫星影像的影响最为重要。因此，影像的大气校正非常关键，对估测精度影响较大。
6.引入MODIS的三种几何分辨率影像，探讨了尺度变化对冠层光谱的影响。以实测数据为基础模拟了冠层反射率，并重采样到遥感影像设置的光谱波段上。Hyperion的几何分辨率为30m，在实验样区中提取的冠层反射率与模型值拟合较好。但在部分波段Hyperion对地无光谱特性不够敏感，例如
700nm左右。MODIS影像在250m分辨率下，模型计算值和影像提取值匹配的最好，500m分辨率下效果稍差，而在1000m分辨率下，大部分实验样区在影像上对应的象元DN值没有明显差别，即不同样区的象元灰度值相同，这与实际情况不符。分析原因是在较低分辨率下，很多象元并非纯象元，说明地表异质性对影像的影响很大，是利用影像反演生化组分必须考虑的问题。
关键词：生化组分，高光谱遥感，Hyperion，Chris，大气校正，物理模型反演
6.期刊论文罗慧芬.苗放.叶成名.王秋玲.吴彬.李假广基于FLAASH模型的ASTER卫星影像大气校正-安徽农业科学
2009,37(17)
主要介绍了FLAASH大气校正模型的主要原理及算法,并运用FLAASH大气校正模型对泸沽湖地区的ASTER卫星影像进行大气校正,对校正前后的影像进行对比分析.研究表明,ASTER卫星影像经过FLAASH大气校正后,较好地消除了大气影响.
7.学位论文周健遥感图像地物反射率反演2008
卫星遥感成像的过程中，地面反射的电磁波在目标一大气一遥感器之间的传播途径中，受到大气的吸收、散射以及透射的影响，遥感图像记录的反射率与地物的实际反射率相差甚远，典型情况下，来自地物反射辐射贡献在450nm波段占50％，在850nm波段占80％，导致地物图像模糊不清，光谱失真<'[1]>。用反演模型恢复地物反射率，从而除去大气干扰提高图像质量是最常用的方法，也是效果最好的方法。
由于大气干扰，遥感器的测量值与地物实际反射光谱辐射值不一致，接收到的地物信息不能真实地反映地物的特性，同时由于大气的作用使得遥感器接收到的电磁信息复杂，因而遥感图像也变得复杂。因此，遥感信息在利用之前，必须对这些干扰因素进行剔除。反射率是地物本质属性之一，是描述遥感信息的基本数据，是遥感信息应用的基础，是构建遥感模型不可缺少的基本参量，因此要对被测地物做出准确判断，反射率具有重要的意义。随着定量遥感技术迅速发展，遥感信息在进行土地利用和土地覆盖变化监测、全球资源环境分析、气候变化监测等方面应用越来越多，遥感图像地物反射率反演的研究越来越受到重视，并具有重大意义。
全文共分为五章。第一章：简单介绍了目前国内外在反射率反演方向的进展，阐述了本文的主要内容和研究意义，并说明了本文运行环境以及研究方法和本文研究的技术路线。第二章：讲述了地物反射率、地物反射波谱，并介绍了几种典型地物的反射波谱，为以后的研究奠定了基础。第三章：介绍了反射率反演的基础即大气作用，概括说明到达地面目标的太阳辐射和传感器所获得的辐射，并说明邻近效用的影响，同时介绍了目前反射率反演方法，重点推导了本研究所采用的反射率反演方程。第四章：根据第三章所推导的反射率反演方程对ETM+图像的前三个波段进行了反射率反演的试验，并与FLAASH模型反演后的图像进行对比评价，经过检验，在ETM1波段，精度达到15％，ETM2、3波段精度达到10％，验证了反演方法的可行性和准确性。第五章：论文的结论和讨论部分，提出了论文存在的问题和未来的展望。
8.学位论文李琴SPOT5卫星遥感影像土地利用变化监测方法研究2009
土地资源是人类赖以生存和发展的基础。随着我国经济的发展，城乡建设用地与耕地变化这一环境问题变得越来越突出，利用遥感技术及时准确监测土地利用的变化是合理解决这一问题的重要环节。
本文研究以SPOT5卫星遥感数据为数据源的土地利用变化遥感监测。通过开展土地利用变化遥感监测技术和方法研究，对比分析多种遥感处理方法
，主要从遥感影像预处理技术、变化信息发现和变化信息提取这些方面，从而探索适合SPOT5遥感影像土地利用变化监测的方法，完善遥感监测技术流程。
在PCI软件环境下进行影像几何纠正处理：基于FLAASH模块实现SPOT5影像的大气校正；在MATLAB、PCI、ENVI软件环境下实现影像的代数运算法、交叉融合法、主成分分析法、分类后比较法及小波变换等多种遥感影像土地利用变化信息自动发现实验；采用OTSU法确定最件分割阈值，实现变化信息的自动提取，以及利用PHOTOSHOP软件的魔棒、扩大选择、选择相似等工具，人机交互式地实现彩色图像的分割。对土地利用变化遥感监测过程中的几何纠正方式与精度、数据融合方法、图像增强方法、变化信息发现和提取方法等方面进行比较讨论。通过对监测结果的精度分析，评价了选用土地利用变化遥感监测方法的合理性。
研究结果显示：（1）利用FLAASH模块对遥感影像进行大气校正，可有效地去除大气影响，从而恢复遥感影像中地物目标的本来面目。（2）基于线性回归分析法的相对辐射校正，能够很大程度地保留了与原影像的相关性，从而保证后续图像变化监测结果精度。（3）利用严密模型和GPS实测控制点实现SPOT5影像的几何纠正，其结果满足很好的几何精度要求。（4）通过实验发现直接交叉融合、差值交叉融合、差比值交叉融合、主成分分析法和小波变换法土地利用变化监测的准确率较高，且操作简单、兼顾多种变化信息等特点。（5）基于阈值的图像分割，算法实现简单，实际应用广泛，用OTSU法确定最佳阈值，图像分割结果能达到较高的精度。（6）利用PHOTOSHOP软件分割彩色图像，实现变化信息的彩色提取，有利于后续对变化图斑的归类处理。
9.会议论文王正海基于波谱匹配的Hyperion数据大气校正方法比较研究2009
遥感影像的图像反射率转换是高光谱遥感地、空对比的前提和关键。本文针对EO-1卫星Hyperion高光谱遥感数据特点和研究区的地形环境特征，分别选择对数残差模型、线性回归经验模型、基于MODTRAN4模型的Flaash和基于DEM数据的ACORN-3不同大气校正方法对研究区Hyperion数据进行地面反射率重建。从波谱匹配、识别的目的出发，通过计算不同方法校正后影像像元的波谱曲线与实测地面波谱曲线的匹配程度来分析不同大气校正方法的校正效果。对比上述不同方法大气校正结果，可看出：利用基于影像特征的校正模型方法计算简便，不需要额外的数据。能在一定程度上相对校正照度和大气吸收的影响。但校正效果受地域影响较大，且容易对光谱形成平化效应或出现人为的光谱假象。地面线性回归经验模型最大的特点是简单、易实现。方法物理意义明确，能对大气、照度和仪器噪声等影响作综合校正，重建的效果一般较好。但需要在数据获取时进行地而同步或准同步波谱测试，校正效果对定标点的依赖性较强。而且，在校正方程所作用的范围内，特别是在山区，大气的吸收、散射和邻域效应一般都不均匀。因而对定标点要求苛刻，一般选取比较困难。定标点的选择不好，校正误差较大。基于大气辐射传输理论的模型方法建立在辐射传输方程的基础上，利用理论公式进行大气校正。传输模型反演方法理论基础严密，计算精度高，但需要测量和输入大气光学厚度、水蒸气含量、温度、气压、人气分布状况等多种大气环境参量。随着不同大气环境模型的建立，大气校正模块逐步完善，利用基于大气辐射传输理论的模型方法进行大气校正将越来越简便、使用、精确。该方法相对直接对比反射率的绝对值大小的方法合理、可行。
10.期刊论文田丰.杨苏明.王润生.TIAN feng.YANG Suming.WANG Runssheng EO-1Hyperion高光谱数据FLAASH模块
大气纠正-新疆地质2010,28(1)
EO-1Hyperion高光谱遥感影像在实际应用中,需对图像进行大气纠正及补偿等预处理,以便获得较好质量的图像,为进一步分析和应用提供保障.笔者运用FLAASH大气校正模型对中国云南香格里拉地区的Hyperion卫星影像进行大气校正,利用图像MNF转换法对光谱曲线进行去噪平滑优化,再对校正前后影像进行遥感影像和典型地物光谱曲线对比分析.结果表明,影像经FLAASH大气校正和MNF平滑后,较好地消除了大气影响和Hyperion高光谱遥感图像的光谱噪声.
引证文献(1条)
1.张建平.王崇倡利用TM图像反演翁牛特旗地表温度[期刊论文]-水资源与水工程学报 2009(4)
本文链接：https://www.360docs.net/doc/002965035.html,/Periodical_ygxx200801015.aspx
授权使用：中国地质大学(zgdzdx)，授权号：2be6cf88-1102-4ccd-9a26-9e1000ae484e
下载时间：2010年10月15日
大气校正方法说明
利用MODTRAN 进行大气校正的方法说明 一． 大气校正公式、原理以及所需参数 大气是介于传感器和地球表层之间由多种气体和气溶胶组成的介质层，电磁波在地物和传感器之间传输时，必然受到大气的影响。遥感对地观测时，要想得到目标的真实信息，大气校正是不可回避的。由卫星传感器获取的表观反射率ρ* 可由下式表出： '()(,,)(,,)(())1v s s v s v a s v s v t t v d t T S e t τμθρθθφφρθθφφρρθρ-*-=-++- (1) 式中： s θ：太阳天顶角 ， s φ：太阳方位角 ，v θ ：传感器天顶角，v φ ：传感器方位角， t ρ：目标反射率，(,,)a s v s v ρθθφφ-：大气的路径辐射项等效反射率， τ：大气的光学厚度， S ：大气的半球反照率，' ()v d t θ：散射透过率，cos()v v μθ=。 通过MODTRAN4对大气辐射传输进行模拟，求得大气校正所需参数，将所求的大气校正参数和传感器获得的表观反射率一并代入大气辐射传输公式 (1)，便可计算出目标的真实反射率t ρ，从而完成大气校正的任务。 在实际的工作中，我们可以用下面的公式： 0()()()1t v v d v t L L F T S ρμμμρ=+ - (2) 是传感器接收到的辐射亮度，0()v L μ是路径辐射项，d F ＝ 式中：s μ0F ()s T μ是太阳下行总辐射(0F 是大气层顶的太阳辐照度)， ()v T μ=v e τμ-+'()v d t θ是传感器和目标之间的透过率（v e τμ-是直射透过率，' ()v d t θ是散射透过率）。在已知的观测条件（太阳和传感器的几何参数，大气廓线，地表反射率等）下，设定一组t ρ值以及相应的传感器高度，通过MODTRAN4模拟得到一组辐射亮度()v L μ，代入方程(2)，再经过简单的代数运算就可以求出大气校正所需的参数（路径辐射项、透过率、大气半球反照率和太阳下行总辐射）。地表反射率和相应传感器高度设置见表1：(地面高程时候传感器不受大气影响,L0项去掉；()v T μ＝1表示完全透过) 表1 地表反射率和相应的传感器高度参数设置 由(2)式，可以解出t ρ， ()v L μ
高光谱数据处理基本流程
高光谱数据处理基本流 程 The document was finally revised on 2021
高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库
ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理：
landsat遥感影像地表温度反演教程(大气校正法)
基于辐射传输方程的Landsat数据地表温度反演教程一、数据准备 Landsa 8遥感影像数据一景，本教程以市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标
地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射 定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration。在File Selection对话框 中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset 选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。
因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings，如下图。 注意与热红外数据辐射定标是的差 别，设置后Scale factor值为0.1。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候；
FLASSH大气校正的过程
Flaash大气校正（IRSP6-08.3.24） 大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率和辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧对地物反射的影响，消除大气分子和气溶胶散射的影响。FLAASH 可以处理任何高光谱数据、卫星数据和航空数据(860nm/1135nm)，这些数据是由HyMAP、AVIRIS、CASI、HY DICE、HYPERION(EO-1)AISA、HARP、DAIS、Probe-1、TRWIS-3、SINDRI、MIVIS、OrbView-4、NEMO等传感器获得的。FLAASH还可以校正垂直成像数据和侧视成像数据。 Flaash大气校正使用了MODTRAN 4+ 辐射传输模型的代码，基于像素级的校正，校正由于漫反射引起的连带效应，包含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑。 FLAASH可对Landsat, SPOT, AVHRR, ASTER, MODIS, MERIS, AATSR, IRS等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校正分析。能有效消除大气和光照等因素对地物反射的影响，获得地物较为准确的反射率和辐射率、地表温度等真实物理模型参数。 校正过程 点击envi——Basic Tools －Preprocessing －Calibration Utilities －FLAASH Spectral －FLAASH.或者点击envi-spectral- FLAASH 1、输入数据必须是辐射校正后的数据，对辐射校正数据转成BIL或BIP格式（Basic Tool s ——Convert Data）； 2、对输入数据进行头文件编辑，主要是对波长wavelenth（即每一波段的波长中心值）和波长 宽度fwhm（每一波段的波长范围）的编辑。不是高光谱数据可以不对fwhm进行编辑。（e nvi——file——Edit Envi Header） 3、输入数据后，弹出如下对话框 共有两种选择，如果输入影像不同波段有不同的转换因子，那选择第一种，反之第二种。 我用的是irs影像所有波段都为同一因子，所以选用第二种，因子的值根据输入数据的单位与envi标准 单位的转换尺度。 Radiance Scale Factors是一个单位转换因子，如果你的radiance（光谱灵敏度）是标准单位w/m2 *um *rad ，而flaash要求输入的是uw/cm2*sr*nm，则该因子为10。 1m=103mm=106μm=109nm=1012pm(皮米) 1w=103mw=106μw 1兆瓦=106瓦
遥感数字图像处理要点
遥感数字图像处理-要点 1．概论 遥感、遥感过程 遥感图像、遥感数字图像、遥感图像的数据量 遥感图像的数字化、采样和量化 通用遥感数据格式（BSQ、BIL、BIP） 遥感图像的模型：多光谱空间 遥感图像的信息内容： 遥感数字图像处理、遥感数字图像处理的内容 遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？ 多光谱空间中，像元点的坐标值的含义是什么？ 与通用图像处理技术比较，遥感数字图像处理有何特点？ 遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征 均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义 波段散点图概念及分析 主要遥感图像的统计特征量的意义 两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理 图像增强：概念、方法 空间域增强、频率域增强
3.1辐射增强：概念、实现原理 直方图修正，线性变换、分段线性变换算法原理 直方图均衡化、直方图匹配的应用 3.2空间增强 邻域、邻域运算、模板、模板运算 空间增强的概念 平滑（均值滤波、中值滤波）原理、特点、应用 锐化、边缘增强概念 方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点 ?计算图像经过下列操作后，其中心象元的值： –3×3中值滤波 –采用3×3平滑图像的减平滑边缘增强 –域值为2的3×1平滑模板 –Sobel边缘检测 –Roberts边缘检测 –模板 3.3频率域处理 高频和低频的意义 图像的傅里叶频谱 频率域增强的一般过程 频率域低通滤波 频率域高通滤波 同态滤波的应用
遥感卫星影像辐射校正和大气校正的方法
北京揽宇方圆信息技术有限公司 遥感卫星影像辐射校正和大气校正的方法 辐射校正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。 利用传感器观测目标的反射或辐射能量时，所得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值叫做辐射误差。辐射误差造成了遥感图像的失真，影响遥感图像的判读和解译，因此，必须进行消除或减弱。需要指出的是，导致遥感图像辐射量失真的因素很多，除了由遥感器灵敏度特性引起的畸变之外，还有视场角、太阳角、地形起伏以及大气吸收、散射等的强烈影响。 遥感图像辐射校正主要包括三个方面：（1）传感器的灵敏度特性引起的辐射误差，如光学镜头的非均匀性引起的边缘减光现象、光电变换系统的灵敏度特性引起的辐射畸变等；（2）光照条件差异引起的辐射误差，如太阳高度角的不同引起的辐射畸变校正、地面倾斜、起伏引起的辐射畸变校正等；（3）大气散射和吸收引起的辐射误差改正。 辐射校正的目的主要包括：1、尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声等引起的传感器的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异；2、尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作奠定基础。 辐射校正分为辐射定标和大气校正两部分。 辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。
大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。 辐射校正流程图 1.4.3.2影像辐射校正方法 辐射定标主要分为两种类型：统计型和物理型。统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，另一方面，物理模型遵循遥感系统的物理规律，它们也可以建立因果关系。如果初始的模型不好，通过加入新的知识和信息就可以知道应该在哪部分改进模型。但是建立和学习这些物理模型的过程漫长而曲折。模型是对现实的抽象；所以一个逼真的模型可能非常复杂，包含大量的变量。例如6s模型，Mortran等。 用于大气辐射传输校正的模型主要有5S模型、6S模型、LOWTRAN模型、MODTRAN模型、ACORN模型、FLAASH模型和ATCOR模型。 1、ACORN模型 一种基于图像自身的大气校正软件，可以实现图像辐射值到表观地表反射率的转换，其工作波长范围是350-2500nm。在目前的大气校正程序一般都把地表假定为水平朗伯体,这主要是因为我们一般很难获取地表的充足信息以完成地形校正,因此大气校正的结果称为拉伸的地表反射率,又称表观反射率,在地形信息已知的情况下,可以将表观反射率转为地表反射率。
大气校正问题心得
九月份学习报告 报告人：fairy郑 学习内容介绍： 九月份主要对论文中存在的问题进行了修正以及对论文中不足的部分进行了改善。 一．首先：对环境小卫星HJ_1A的HIS数据进行了深入的了解。 二．其次：对envi软件在处理环境小卫星的HJ_1A的HIS数据的FALSSH大气校正从原理到实际操作有更加清晰的认识。 三．最后：对环境小卫星的HJ_1A的HIS数据的FALSSH大气校正的处理结果进行分析，并且根据此次实验对论文中的错误进行修正。 一．对环境小卫星HJ_1A的HIS数据的了解。 HSI 数据为资源卫星中心提供的辐亮度产品, 影像已经过系统级几何校正与表观辐亮度标定, 但前20 几个波段具有较为明显的噪声和条带效应。由此可知：环境小卫星HJ_1A的HIS数据是经过辐射定标的数据。 由辐亮度数据可以直接用公式求算出地物的表观反射率曲线 下图即为表观反射率曲线，即为原始数据的光谱曲线： 由上图可以得出在760 nm 与820 nm 附近存在两个明显的波谷, 这是由于760 nm 处为氧气吸收带,820 nm 处为水汽吸收带。说明直接由H SI 的辐亮度产品获得的表观反射率含有较多的大气影响。若直接基于表观反射率开展遥感应用, 难以体现地物的真实物理特性, 从而影响其后遥感应用的准确性。
二．在envi软件中进行大气校正的步骤 第一步：由于envi软件不能打开HJ_1A的HIS的h5格式的图像，所以下载了HDF5 这个扩展模块，这个扩展模块不用自己安装，直接将copy到“save_add”目录下，默认为C:\Program Files\ITT\IDL##\products\envi##\save_add\。 要使用这个这个功能时：按照File→Open Extenral File→HJ-1→HIS就可以打开h5格式的图像，同时还可以读取下载图像的原始信息。如下图 第二步：将图像格式转换为bip格式，
基于6S模型TM遥感影像大气校正
毕业论文 题目：基于6S模型的TM遥感影像大气校正 研究--以张掖地区为例 学院：地理与环境科学学院 专业：地理信息系统 毕业年限：2011年 学生姓名：秦麟 学号：200775000126 指导教师：李净
基于6S模型的TM遥感影像大气校正研究--以张掖地区为例 秦麟 摘要：受大气吸收与散射的影响，电磁波在大气--目标物--遥感器途径传输过程中发生失真，造成目标地物反射辐射能量到达遥感器时被衰减。给计算地表反照率、反射率和地表温度等关键参数带来较大的误差。本文以张掖地区Landsat TM热红外波的遥感图像数据为例，通过利用6S大气辐射传输模型进行大气校正，并在窄波段反照率与宽波段反照率之间存在线性关系的前提下，反演该地区的地表反照率。 关键词：6S模型；大气校正；地表反照率 6S Model Based Atmospheric Correction of Remote Sensing Image in zhangye QIN Lin Abstract : Due to the distortions and noises caused by the presence of the atmosphere on the Sun-target-Sensor path, the space-based and airborne remote sensing information in the solar spectral range do not directly characterize the surface objects. It becomes serious impediments for the quantitative analysis and measurement of resources and environment. This paper discussed the atmospheric correction with 6S model (Second Simulation of Satellite Signal in the Solar Spectrum), reversing surface albedos under the linear relationship between narrow band albedos and broadband albedos in the remote sensing image in zhangye city. Key words: 6S model; atmospheric correction; surface albedo.
大气校正问题心得
大气校正问题心得-标准化文件发布号：（9556-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
九月份学习报告 报告人：fairy郑 学习内容介绍： 九月份主要对论文中存在的问题进行了修正以及对论文中不足的部分进行了改善。 一．首先：对环境小卫星HJ_1A的HIS数据进行了深入的了解。 二．其次：对envi软件在处理环境小卫星的HJ_1A的HIS数据的FALSSH大气校正从原理到实际操作有更加清晰的认识。 三．最后：对环境小卫星的HJ_1A的HIS数据的FALSSH大气校正的处理结果进行分析，并且根据此次实验对论文中的错误进行修正。 一．对环境小卫星HJ_1A的HIS数据的了解。 HSI 数据为资源卫星中心提供的辐亮度产品, 影像已经过系统级几何校正与表观辐亮度标定, 但前20 几个波段具有较为明显的噪声和条带效应。由此可知：环境小卫星HJ_1A的HIS数据是经过辐射定标的数据。 由辐亮度数据可以直接用公式求算出地物的表观反射率曲线 下图即为表观反射率曲线，即为原始数据的光谱曲线： 由上图可以得出在760 nm 与820 nm 附近存在两个明显的波谷, 这是由于760 nm 处为氧气吸收带,820 nm 处为水汽吸收带。说明直接由H SI 的辐亮度产品获得的表观反射率含有较多的大气影响。若直接基于表观反射率开展遥感应用, 难以体现地物的真实物理特性, 从而影响其后遥感应用的准确性。 二．在envi软件中进行大气校正的步骤 第一步：由于envi软件不能打开HJ_1A的HIS的h5格式的图像，所以下载了HDF5 这个扩展模块，这个扩展模块不用自己安装，直接将copy到“save_add”目录下，默认为C:\Program Files\ITT\IDL##\products\envi##\save_add\。 要使用这个这个功能时：按照File→Open Extenral File→HJ-1→HIS就可以打开h5
FLAASH大气校正参数设置
1.3.2FLAASH其它参数的设置 （1）图像中心点坐标 可以从相应的HDF文件中找到，也可以从屏幕上直接读取影像的中心坐标，对反演结果影响不大。当影像位于西半球时，经度为负值； （2）传感器类型 当选择传感器类型时，模块会选择相应的类型的传感器波段响应函数，同时系统一般会自动设置传感器的高度和图像的空间分辨率； （3）海拔高度 海拔高度为研究区的平均海拔； （4）数据获取日期和卫星过境时间 卫星过境时间为格林尼治时间，可以从相应的HDF文件中找到； （5）大气模型 模块提供热带、中纬度夏季、中纬度冬季、极地夏季、极地冬季和美国标准大气模型，研究者根据数据获取时间选择相应的大气模型； （6）水气反演 大多数多光谱数据不推荐反演水汽含量； （7）气溶胶模型 可供选择的气溶胶模型有无气溶胶、城市气溶胶、乡村气溶胶、海洋气溶和对流层气溶胶模型。当能见度大于40Km时，气溶胶类型选择对反演没有太多影响，一般情况下利用ASTER 数据不做气胶反演； 在高级设置中，①Modtran 分辨率（Modtran resolution）：一般设置成5cm-1；②反射率输出的时尺度系数，默认尺度系数是10000，可以使用默认的尺度系数。若使用默认的尺度系数，大气校正后得到反射率图像的数值域为：0-10000。其余参数使用默认值。 大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率和辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧对地物反射的影响，消除大气分子和气溶胶散射的影响。FLAASH 可以处理任何高光谱数据、卫星数据和航空数据(860nm/1135nm)，这些数据是由HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO-1)AISA、HARP、DAIS、Probe-1、TRWIS-3、SINDRI、MIVIS、OrbView-4、NEMO等传感器获得的。FLAASH还可以校正垂直成像数据和侧视成像数据。
高光谱图像分类
《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 35 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月
一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。
landsat遥感影像地温度反演教程大气校正法
基于辐射传输方程的Landsat数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 标识日期采集时间中心经度中心纬度LC81280402016208LGN00 2016/7/26 3:26:56 106.11288 30.30647 …………………………注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。 二、地表温度反演的总体流程 三、具体步骤 1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。
（1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration。在File Selection对话框 中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset 选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。 （2）多光谱数据辐射定标 选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings， 如下图。
注意与热红外数据辐射定标是的差 别，设置后Scale factor值为0.1。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取；
FLAASH大气校正软件使用说明
FLAASH 大气校正软件使用须知 胡顺石 hufrank@https://www.360docs.net/doc/002965035.html, （中国科学院遥感应用研究所） 1 输入数据要求 1．波段范围：卫星图像400—2500nm ，航空图像860—1135nm ； 2．数据类型：必须是浮点型、4位有符号整型、2位无符号整型； 3．影像存储格式：输入影像必须是BIL 或BIP 格式； 4．影像单位：输入影像的单位必须是2/()W cm nm sr μ??，如果单位不一致，先转换成所需要的单位。可以指定为每个波段指定一个缩放因子，这需要一个文本文件，文本文件中包含每个波段对应的缩放因子；也可以为整幅影像的所有波段指定相同的缩放因子， 5．水汽获取：如果要获取图像水汽含量，传感器具有1050~1210nm ，770~870nm 或者870~1020nm 范围内的通道，并且这些通道必须具有至少15nm 的光谱分辨率； 6．气溶胶获取：如果要获取图像气溶胶含量，传感器必须具有660nm 和2100nm 附近的通道，这些通道主要是用于获取“黑暗像元”，条件为0.662.1 2.1 (0.1)&&(0.45)ρρρ≤≈，如果输入图像中还具有800nm 和420nm 附近的通道，可以用于消除阴影和水体，条件为 0.880.42 1.0ρρ≤； 7．输入波长信息：对于FLAASH 暂时没有的传感器类型：如果是高光谱数据，需要波长、FWHM 信息，这些信息可以在头文件中，也可以建立一个ASCII 文件进行存储；如果是多光谱数据，由要输入光谱响应函数，这需要在“Multispectral Settings ”中进行设置。 2 多光谱设置 1．对于大部分多光谱数据而言，由于其不具备水汽反演通道，并且光谱分辨率没有达到15nm ，水汽反演功能是不能设置的； 2．气溶胶反演，如下图所示。这些参数用于确定黑暗像元，用于气溶胶反演；
大气校正(ENVI)
大气校正（ENVI） 大气校正是定量遥感中重要的组成部分。本专题包括以下容： 大气校正概述 ENVI中的大气校正功能 1大气校正概述 大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1 大气层对成像的影响示意图 很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他 途径获取的影像是否做过大气校正。 通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太的辐射情况，那么就需要做大气校正。我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校
正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的 意义是一样的。 目前，遥感图像的大气校正方法很多。这些校正方法按照校正后的 结果可以分为2种： 绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。 相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。 常见的绝对大气校正方法有： 基于辐射传输模型 MORTRAN模型 LOWTRAN模型 ATCOR模型 6S模型等 基于简化辐射传输模型的黑暗像元法 基于统计学模型的反射率反演； 相对大气校正常见的是： 基于统计的不变目标法 直方图匹配法等。 既然有怎么多的方法，那么又存在方法选择问题。这里有一个总结供 参考： 1、如果是精细定量研究，那么选择基于基于辐射传输模型的大
遥感影像变化检测
遥感影像变化检测报告 学院： 专业： 指导老师： 小组成员： 2013年5月
1、遥感影像变化检测的概念 遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据 来确定和分析地表变化。它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。 由此可知，遥感影像变化检测是从不同时期的遥感图像中，定量地分析和确定地物变化的特征和过程。它涉及到变化的类型、分布状况及变化信息的描述，即需要确定变化前后的地物类型、界限和分析变化的属性。变化检测的研究对象为地物，包括自然地物和人造地物，其中人造地物在军事上常被称为目标。描述地物的特性包括：空间分布特性、波谱反射与辐射特性、时相变化特性。遥感影像的变化检测在土地覆盖变化监测、环境变迁动态监测、自然灾害监测、违章建筑物查处、军事目标打击效果分析以及国土资源调查等方面拥有广泛的应用价值和商业价值。 变化检测通常包括以下4个方面的内容： (1)判断是否发生了变化，即确定研究区域内地物是否发生了变化； (2)标定变化发生的区域，即确定在何处发生了变化，将变化像元与未变化像元区分开来； (3)鉴别变化的性质，给出在每个变化像元上所发生变化的类型，即确定变化前后该像元处的地物类型； (4)评估变化的时间和空间分布模式。 其中，前两个方面是变化检测所要解决的基本问题，而后两个方面则根据应用要求决定是否需要做。 2、遥感影像变化检测的三个层次 遥感图像分析过程中通常包括数据层处理、特征层处理和目标层处理三个过程。依据这三个层次划分，可将变化检测分为：像元级变化检测、特征级变化检测和目标级变化检测。 (1)像元级变化检测是指直接在采集的原始图像上进行变化检测。尽管基于像元的变化检测有它一定的局限性，但由于它是基于最原始的图像数据，能更多地保留图像原有的真实感，提供其它变化检测层次所不能提供的细微信息，因而目前绝大多数的变化检测方法都是像元级变化检测。 (2)特征级变化检测是采用一定的算法先从原始图像中提取特征信息，如边缘、形状、轮廓、纹理等，然后对这些特征信息进行综合分析与变化检测。由于特征级的变化检测对特征进行关联处理，把特征分类成有意义的组合，因而它对特征属性的判断具有更高的可信度和准确性。但它不是基于原始数据而是特征，所以在特征提取过程中不可避免地会出现信息的部分丢失，难以提供细微信息。 (3)目标级变化检测主要检测某些特定对象(比如道路、房屋等具有明确含义的目标)，是在图像理解和图像识别的基础上进行的变化检测，它是一种基于目标模型的高层分析方法。 变化检测的三个层次在实现上各有优缺点，在具体的变化检测中究竟检测到哪个层次是根据任务的需要确定的。像元级的变化检测保持了尽可能多的原始信息，具有特征级和目标级层次上所不具备的细节信息，但像元级变化检测仅考虑像素属性的变化，而未考虑其空间等特征属性的变化；特征级变化检测不仅考虑到空间形状的变化，而且还要考虑特征属性的变化，但特征级的变化检测依赖于特征提取的结果，但特征提取本身比较困难；目标级的变化检测最大的优点是它接近用户的需求，检测的结果可直接应用，但它的不足之处在于目标提取的困难性。
高光谱数据处理基本流程
高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（ImagingSpectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库 ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱
来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理： 纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最“纯”的像元。（通常基于MNF变换结果来进行）
envi遥感图像处理之大气纠正
大气校正说明文档 步骤一：辐射定标 本实验采用的是绝对辐射定标，直接建立遥感影像DN 值与接收到的能量的 之间的关系。 建立关系所采用的公式是：offset DN gain L += * 其中，λ λ λ λ λ λ min max min max min max DN DN L L e fullDNrang L L gain --= -= ， λ min L offset = Lmax λ和Lmin λ通过参看遥感影像的头文件进行确定。fullDNrange 取的是 255。 具体操作如下： 1） 打开遥感影像文件及其头文件 2） 根据头文件信息计算gain 和offset 的值 3） 在envi 的Basic Tools 中打开 Band Math 像，将本步骤采用的公式 写入band math 中，计算出L 。
至此，就完成了遥感影像的辐射定标过程。 步骤二：未进行大气校正所得到的反射率 本步骤讲述如何从经过辐射定标的遥感影像直接生成地物的反射率的影像，制作该影像的目的是为了与后面经过大气校正后的影像进行对比。 本步骤所采用的公式是：))cos(*/(**2 θπρESUN d L = 其中，L 是由上步所算出来的，d 指的是实际的日地距离，单位是天文距离，ESUN 指的是太阳平均辐射强度，θ为太阳天顶角。 d 值可以由观测时间查阅相关资料获得。ESUN 值也可以由相关资料获取。 θ可以从头文件中获得。 具体操作如下： 1） 查阅相关资料，确定参数θ、d 、ESUN
2）在envi的Basic Tools中打开Band Math像，将本步骤采 用的公式写入band math中 3）确定变量b2为上步所算的L，并由此计算出未进行大气校正的反射率。 由此，我们就得到了未经大气校正的反射率。 步骤三：进行大气校正，得到地物反射率 由于大气的影响，会使得遥感影像的反射率发生较大的变化，为了得到地表
flaash大气校正
课程名称：定量遥感 专业名称遥感科学与技术 班级 学号 姓名 实验名称 FLAASH 大气校正 【实验名称】FLAASH大气校正 【实验目的】了解用ENVI进行FLAASH大气校正的流程，明白各步骤的意义 【实验内容】 准备ASTER数据 1.打开ENVI主菜单，选择File-Open External File – EOS-ASTER 2.选择AST_L1A.hdf打开 配准数据 3.从ENVI主菜单中选择Map- Georeference ASTER- Georeference Data 点击列表中第一个文件，这个文件有三个波段，波段范围从0.556 μm 到0.807 μm ，点击OK
4.在新弹出的投影列表中选择Geographic Lat/Lon，点击OK 5.在参数对话框中，点击将输出结果存为文件，文件名为vnir_georef. 选择一个文件夹，点击OK 6.重复以上3-5步，选择波段范围为1.656到2.4的AST_L1A的文件，在参数对话框中，输入输出文件名为swir_georef，这样vnir和swir波段就出现在波段列表中了 合并VNIR 和SWIR数据 7.在ENVI主菜单中选择Basic Tools Layer Stacking,弹出Layer Stacking Parameters 对话框 8.点击Import File，选择vnir_georef，点击OK，再次点击Import File，选择swir_georef，点击OK，确保vnir_georef是在上面的文件 9．确定Inclusive按钮被选择 10.确定Output Map Projection是Geographic Lat/Lon. 11．其余选项不变，选择输出文件夹，文件名为aster_vnir_swir，点击OK 转换格式 12.在ENVI主菜单中选择Basic Tools Convert Data (BSQ, BIL, BIP) ，选择合成VNIR/SWIR数据aster_vnir_swir，点击OK 13.选择BIL并且保证Convert In Place 为N0，选择输出文件夹，文件名为aster_BIL，ASTER 数据就被转换成FLAASH可以接受的格式。 FLAASH参数设置 14.在ENVI主菜单中，选择Spectral FLAASH，出现FLAASH大气校正输入参数菜单 15.点击Input Radiance Image，出现FLAASH输入文件菜单，选择aster_BIL，点击OK 16.选择Use single scale factor for all bands ，在Single scale factor 后输入10，点击OK 17.点击Output Reflectance File 并选择一个输出文件夹，自定义一个输出名称，点击Output Directory for FLAASH Files 并选择一个输出文件夹 场景和传感器信息 18.在传感器类型中选择Multispectral ASTER，传感器高度变为705千米，像元大小输入15米，地面高程舒服2.537. 19.在主菜单中选择Basic Tools Preprocessing Data-Specific Utilities View HDF Global Attributes. 选择AST_L1A.hdf，打开，将文件保存为ASCII文件，用记事本打本 20.查找‘SCENECENTER‘，可以查看到纬度latitude和经度longitude,点击DD<->DMS，输入longitude-105.637035 latitude 38.290529 21.查找‘SINGLEDATETIME‘，得到飞行时间为2000.06.01,18.16.51, 选择大气模型 22.在Atmospheric Model下拉菜单中选择U.S standard 选择气溶胶模型 23.Aerosol Model中选择Rural.Aerosol Retrieval中选择None 运行FLAASH 24，点击Apply，得到结果