五种TM影像大气校正模型在植被遥感中的应用

五种T M 影像大气校正模型在植被遥感中的应用3宋巍巍　管东生33(中山大学环境科学与工程学院,广州510275)摘　要　基于2005年7月18日广州市东北部和惠州市北部的T M 影像,以表观反射率模型为参照,从植被反射率光谱、地物反射率统计特征、规一化植被指数三方面对4种黑体减法模型和6S 模型在植被遥感中的应用进行了评价.结果表明:黑体减法模型DOS4获得了精度较高的植被反射率,其地物反射率与规一化植被指数的信息量最大,适用于研究区的植被遥感研究.对于不同区域的植被遥感研究需要进行具体的比较分析,才能选择到合适的大气校正模型.关键词　大气校正　黑体减法模型　6S 模型　植被遥感文章编号　1001-9332(2008)04-0769-06　中图分类号　Q948;TP751　文献标识码　A Appli ca ti on of f i ve a t m ospher i c correcti on m odels for Lands a t T M da t a i n veget a ti on re m ote sen si n g .S ONGW ei 2wei,G UAN Dong 2sheng (School of Environm ental Science and Engineering,Sun Yat 2sen U niversity,Guangzhou 510275,China ).2Chin .J.A ppl .Ecol .,2008,19(4):769-774.Abstract:Based on the Landsat T M i m age of northeast Guangzhou City and north Huizhou City on July 18,2005,and compared with apparent reflectance model,five at m os pheric correcti on models including four dark object subtracti on models and 6S model were evaluated fr om the as pects of vege 2tati on reflectance,surface reflectance,and nor malized difference vegetati on index (NDV I ).The results showed that the dark object subtracti on model DOS4p r oduced the highest accurate vegetati on reflectance,and had the largest infor mati on l oads f or surface reflectance and NDV I,being the best for the at m os pheric correcti on in the study areas .It was necessary t o analyze and t o co mpare different models t o find out an app r op riate model f or at m os pheric correcti on in the study of other areas .Key words:at m os pheric correcti on;dark object subtracti on model;6S model;vegetati on re mote sensing .3国家“985”工程科技创新平台资助项目(105203200400006).33通讯作者.E 2mail:eesgds@mail .sysu .edu .cn 2007201229收稿,2008201223接受. 卫星遥感在大面积的数据收集与生态环境变化监测中起着重要作用[1-3],其在植被研究中的应用越来越广泛[4-6].太阳2地表2卫星传感器之间的辐射传输受到大气散射与吸收的影响,大气校正不仅对影像灰度值与地表反射率之间的转化具有重要意义,而且对不同时间、空间影像数据之间的反射率配准也极为重要.因此在利用遥感影像进行定量分析时需进行大气校正[7],以获得真实的植被反射光谱信息.大气校正模型主要分为相对校正模型和绝对辐射校正模型两类[8].前者缺乏明晰的物理意义,不适用于植被遥感研究,后者有明晰的物理意义,可分为物理校正模型(如6S 模型[7]等)和基于影像的校正模型[如表观反射率(apparent reflectance,AR )模型[9]、黑体减法(dark object subtracti on,DOS )模型[10]等],适用于植被遥感研究.不同的绝对辐射校正模型获得的植被反射光谱不同[11],因此,选用相对合适的大气校正模型对植被遥感研究具有重要意义.目前,有关多种大气校正模型在植被遥感中的比较研究较少.Lu 等[11]利用2种T M 影像辐射标定方法,研究了AR 、DOS 及COST 等大气校正模型在亚马逊热带雨林的应用[12],结果表明,基于影像获取时间进行辐射标定[13]的COST 模型最适合于该区植被遥感的研究.但他们使用的3种大气校正模型是基于影像的校正模型,缺少物理校正模型,且由于Landsat 25T M 的长期运行可导致传感器老化,而该研究中的辐射标定方法不能用于2003年5月5日后获取的T M 影像.Chander 等[14]通过研究确定了新的T M 影像辐射标定方法.本文在新的T M 影像辐射标定方法下,对比分析了4种DOS 模型和6S应用生态学报　2008年4月　第19卷　第4期 Chinese Journal of App lied Ecol ogy,Ap r .2008,19(4):769-774模型在植被遥感中的应用,旨在提高植被遥感研究的精度,为植被遥感的大气校正模型的选择提供研究思路.1　研究地区与研究方法111　自然概况DOS模型应用前提是研究区大气状况相同[15],因此根据遥感影像获取时的大气状况分布特征,选择广州市东北部与惠州市北部(23°06′38″—23°51′39″N,113°42′42″—114°31′30″E)作为本文的研究区.该区属南亚热带季风气候区,区域内多为山区,主要由九连山脉与罗浮山脉组成,山体呈东北2西南走向,最高海拔1210m,地带性植被为南亚热带季风常绿阔叶林.112　数据来源研究区的遥感数据来自2005年7月18日摄录的轨道号为122/044的Landsat T M影像,整景影像面积为34225km2,覆盖了广东省珠三角大部分地区,是经过辐射校正和系统几何校正处理的产品.113　研究方法11311大气校正模型　为去除大气对辐射传输的影响,5种大气校正模型(DOS1、DOS2、DOS3、DOS4和6S模型)基于不同假设建立了影像表观反射亮度值与地物反射率的关系方程.但影像原始信息一般为灰度值(digital number,DN),因此在大气校正前,需对影像进行辐射标定,即DN与表观反射亮度值之间的转化计算[14].L sat=G・DN m in+B(1)式中:Lsat为表观反射亮度值;G和B分别是传感器的增益与偏移.1)DOS模型:DOS模型是基于以下假设建立:大气对辐射传输的影响是常数;被校正区域程辐射相同;地物表面为朗伯面;影像中具有因大气散射被卫星获取的黑体像元[15].地物反射率计算公式为:ρ=π(Lsat-L p)T v(E0co s(θz)T z+E down)(2)式中:ρ为地物反射率;Lp 为程辐射;Tv为地物到传感器的大气透过率;Edown为向下的大气散射辐照度;Eco s(θz)T z为太阳直射辐照度,E0为大气层外的太阳常数,E=ESUN/D2,ESUN为大气顶层的平均太阳光谱辐射,D为日地距离,单位是天文单位; T z为太阳到地物的大气透过率;θz为太阳天顶角.由于黑体像元受大气散射影响[16],一般假设黑体像元具有1%的地表反射率,所以大气程辐射计算公式为:L p=G・DN m in+B-0101[E0cos(θz)T z+E down]T v/π(3)式中,DNm in为遥感影像中的黑体像元值.因影像各波段直方图的最小像元值一般是影像边缘像元值,是一种噪声值,所以最小像元值不能作为影像的黑体像元值.本文把出现在影像内的最小像元值确定为黑体像元值,以降低选择黑体像元的主观性.根据Tz、Tv和Edown的不同假设,DOS模型可分为DOS1、DOS2、DOS3、DOS44类,其相关的参数设置见表1.表1　4种DO S模型的参数设置Tab.1　Param eters for the four DO S m odels模型ModelT v T z E do wnDOS1110DOS2130DOS3e-τ/cos(θv)e-τ/cos(θz)Rayleigh(6S) DOS4e-τ/cos(θv)e-τ/cos(θz)πL p3已有辐射传输模型中相对应波段的大气透过率的平均值Default values which were the average for each s pectral band derived fr om radiate transfer code.T v:地物到传感器的大气透过率A t m os pheric trans m it2 tance al ong the path fr om the gr ound surface t o the sens or;T z:太阳到地物的大气透过率A t m os pheric trans m ittance al ong the path fr om the sun t o the gr ound surface;E down:向下的大气散射辐照度Downwelling dif2 fuse irradiance.下同The sa me bel ow. DOS1假设无大气传输损失与向下大气散射辐射,透过率Tz、Tv为1,Edown为0[9];DOS2也被称为COST模型,T M1～T M4波段的T z为相应波段的辐射传输模型大气透过率平均值,T M5、T M7波段Tz 设为1;DOS3假设无气溶胶散射对Tz、Tv的影响,其光学厚度计算公式[17]为:τλ=01008569λ-4(1+ 010113λ-2+0100013λ-4).式中:τλ是光学厚度;λ是波长(μm),采用6S模型将550nm处气溶胶的光学厚度设为0估算Edown[7];DOS4考虑了气溶胶对T z、T v的影响,假设天空辐射各向同性[18],太阳辐照度损失为4πLp,T z计算公式为:Tz=e-τ/cos(θz)=1-4πL pE0cos(θz),将该式与式(3)联合可求出其大气光学厚度:τ=-cos(θz)×[1-{4π[G・DN m in+B-0101(E0cos(θz)Tz +E do wn)T v/π]}/E0cos(θz)](4)式中,Edown为πLp.计算大气光学厚度τ前T z、T v未知,因此先设置Tz、Tv为1计算τ,然后将新的Tz、Tv 计算结果代入公式,重复计算4～5次直到τ稳定.研究区4种DOS模型参数值见表2.077 应　用　生　态　学　报 19卷表2　研究区4种DO S模型参数值Tab.2　Param eter for the four DO S m odels i n the study area波段Band波谱范围Spectral range(μm)DOS1T z T v E do wnDOS2T z T v E downDOS3T z T v E do wnDOS4T z T v E do wnT M10145～0152110017010018357018499141128016876017121136166 T M20152～016011001781001905101913672102401770301789384171 T M30163～016911001851001950101954734145701858701871044135 T M40176～01901100191100197990198188198401874701885726123 T M51155～117511011001998701998801116110T M72108～213511011001999601999601014110 2)6S模型:6S模型利用卫星过境时大气同步气象参数进行校正[8],其基本计算公式为:L sat=T g Lp +ρFdT v T zπ(1-sρ)(5)式中:Tg为大气分子、水汽等吸收影响下的大气透过率;Tz=e-τ/cos(θz)+t d(θz),e-τ/cos(θz)是太阳到地物大气透过率,td(θz)是大气向下散射透射率;T v= e-τcos(θv)+t d(θv),e-τ/cos(θv)是地物到传感器大气透过率,td(θv)是地物周围环境经大气散射后大气向上散射透过率;s为大气球面反射率.本文利用查找表获得研究区相关大气气象参数.11312模型验证　采用AR模型[19]为参照,与DOS1、DOS2、DOS3、DOS4和6S模型进行对比.虽然AR模型未消除大气对辐射传输的影响,无法获得植被的真实反射率,但通过与5种大气校正模型对比分析,可了解大气校正模型的校正效果与校正后植被反射率变化.其大气层顶表观反射率的ρAR计算公式为:ρAR =πLsatE0cos(θz)(6)114　数据处理利用SPSS1210软件对数据进行统计分析,采用Excel软件作图.2　结果与分析211　植被反射率茂密成熟森林在空间与时间上可认为具有稳定的反射率[11],根据研究区植被与归一化植被指数空间分布情况选定多个茂密成熟森林,将它们的反射率平均值作为植被各波段反射率.由图1可以看出,在可见光T M1～T M3波段,因AR模型忽略了大气散射影响,所以其植被反射率偏高;DOS和6S模型通过对太阳天顶角、日地距离、太阳辐射亮度和大气散射进行校正,在可见光波段获得了较为理想的植被反射率.经DOS与6S模型校正后的T M1和T M3图1　研究区的森林反射率F i g.1　Forest reflectance in the study area.波段的反射率较低,在T M2波段有个小的反射峰,说明经大气校正后的植被在可见光波段的反射率变化与植被的光合作用现象吻合.在近红外T M4波段,DOS4和6S模型降低了大气传输损失对该波段植被反射率的影响,获取的反射率高于其他模型;DOS2与AR模型获取的反射率相近,说明DOS2模型中T M4的Tz经验值在研究区不适用,不能有效降低大气对植被T M4波段的影响;DOS1和DOS3模型T M4波段的大气透过率分别为1和接近于1,说明其几乎没有校正大气吸收对T M4波段反射率的影响,导致其在该波段的反射率小于AR模型.在中红外T M5和T M7波段,DOS1模型假设无大气传输损失,DOS2模型大气透过率默认值为1, DOS3模型假设无气溶胶影响,DOS4模型在中红外波段获得的大气程辐射为负值,因此4种DOS模型的Tz、Tv、为1或接近1,基本没有校正大气对中红外波段反射率的影响,获得的反射率与AR模型结果相同.只有6S模型降低了大气造成的辐射传输损失对T M5和T M7波段的影响.212　地物反射率由表3可以看出,在T M1～T M4波段,DOS4模型获得的反射率数值区间和标准方差最大,含有最1774期 宋巍巍等:五种T M影像大气校正模型在植被遥感中的应用 表3　不同大气校正模型各波段的地物反射率Tab.3　Surface reflect ance of var i ous bands i n d i fferen t correcti on m odels(%)波段Band 模型Model地物反射率Surface reflectance最小值M ini m um最大值Maxi m um平均值±标准差Mean±S DT M1AR71723418011150±1190a DOS10137271444110±1190dDOS20110381775140±2170cDOS30119351085100±2150cdDOS4-0115491496170±3150b6S1103341446100±2150bc T M2AR4173691989160±2160a DOS1-0111651144170±2160dDOS2-0142831245180±3130cDOS3-0128741975130±3100cdDOS4-0171991846180±4100b6S1102781327120±3120b T M3AR2156591477170±3110a DOS1-0141561514180±3110cDOS2-0166661305140±3170bcDOS3-0152601635100±3140cDOS4-0182721555180±4100b6S0151661166140±3180b T M4AR21747416823160±5120b DOS101117210521100±5120cDOS201027910723100±5170bDOS301097411221160±5130cDOS4-01118918326100±615a6S11678319526130±6100a T M5AR01184911713190±4140b DOS101184911713190±4140bDOS201184911713190±4140bDOS301184912613190±4140bDOS401184911713190±4140b6S-01145711116100±5110a T M7AR0120711597110±3180b DOS10120711597110±3180bDOS20120711597110±3180bDOS30120711637110±3180bDOS40120711597110±3180b6S0110841928130±4150a 数据后不同小写字母表示模型间差异显著(P<0105)Values f oll owed by different s mall letters meant significant difference at0105level.下同The sa me bel ow.大信息量;DOS1和AR模型在各波段的反射率数值区间与标准方差相同,2种模型获得的地物反射率含有相同信息量,主要区别是前者去除了大气程辐射,降低了植被反射率;在T M5和T M7波段,6S模型获得的反射率含有最大信息量.大气传输对影像具有多方面的影响并直接改变了地表反射率,而去除大气传输影响会有效提高影像的信息量与质量,影像在植被遥感中的应用精度也会随之提高[11]. 213　规一化植被指数规一化植被指数(NDV I)是植被生长状态和植图2　研究区森林的NDV I值F i g.2　Forest NDV I in the study area.不同小写字母表示不同计算方式间差异显著(P<0105)Values marked by different s mall letters meant significant difference at0105level.被盖度的最佳指示因子,与植被分布密度呈线性相关,是监测区域或全球植被和生态环境变化的有效指标,对植被遥感的研究具有重要意义[20].由于已有的一些研究直接使用DN计算NDV I,所以本文对以DN和6种模型计算出的研究区茂密成熟森林的NDV I进行对比分析,并比较了不同方法获得的研究区NDV I信息量的大小.经AR模型校正后,影像研究区茂密成熟森林的NDV I明显增加(P<0105),比DN的计算结果增加了16186%(图2).经DOS和6S模型校正后的NDV I显著增加(P<0105),比AR的计算结果增加了15127%～18195%,比DN的计算结果增加了37192%～44117%.这5种大气校正模型的NDV I最大差异仅为0104,相应变化率也只有5154%,说明这些大气校正模型对茂密成熟森林NDV I的影响较小.DN和AR模型获得的研究区NDV I含有近似的信息量(表4).5种大气校正模型则不同程度提升了研究区NDV I信息量,4种DOS模型对NDV I信息量的提升较大,其中DOS4模型的NDV I信息量最大.对比表3和表4说明T M3、T M4波段信息量较大的大气校正模型获得的NDV I信息量不一定大,因表4　研究区的NDV I统计值Tab.4　NDV I st a tisti ca l va lues i n the study area模型Model最小值M ini m um最大值Maxi m um平均值±标准差Mean±S DDN-014501740141±0117cAR-013901800150±0117b DOS1-015801930163±0120a DOS2-016801930161±0121a DOS3-016601950162±0121a DOS4-017201980163±0121a6S-013901890161±0119a277 应　用　生　态　学　报 19卷此不能以单波段信息量来判定NDV I等多波段综合指标的信息量大小.3　结 语虽然物理校正模型的大气校正精度较高,但是同步气象数据的难获取限制了其广泛应用,而DOS 模型克服了此限制,且可操作性和直观性较强[21].本文的研究进一步体现了DOS模型的上述优点.相对AR模型,4种DOS模型和6S模型都获得了较高精度的植被反射率.DOS2模型虽然在部分区域的大气校正中获得较好效果[11-12,22],但模型T M4波段大气透过率经验取值不适用于本文研究区;DOS4和6S模型对研究区T M影像的大气传输影响进行了较好的校正,获得的植被反射率精度相对最高,其中DOS4模型获得的信息量最大,6S模型则因利用查找表确定模型参数使校正结果存在主观性与不确定性.相对AR模型和DN的计算结果,4种DOS模型和6S模型获得的成熟森林NDV I显著增加,且其值间的相差较小,其中DOS4的NDV I信息量最大.综上所述,DOS4模型相对适用于研究区植被遥感的研究.DOS模型应用的前提条件是研究区的大气状况相同,即黑体像元程辐射代表整个区的程辐射,而在实际研究中,研究区往往难以满足此条件.对于大气状况组成相对简单的区域,可根据大气状况分块利用DOS模型进行大气校正,最后进行拼接,对于大气状况组成较为复杂的区域,如北京、广州等大城市,分块校正则不可行.大城市是植被遥感的重点研究区,如何对这些区域进行有效的大气校正是作者正在进行的研究,目前已验证在其它大气状况较为复杂区域取得较好大气校正效果的部分模型[23-24]不适于广州等大气状况复杂的城市,因此如何对于大气状况组成复杂的区域(主要是大城市)进行有效的大气校正需要进一步深入研究.参考文献[1]　W ang Q(王　桥),Yang Y2P(杨一鹏),Huang J2Z(黄家柱),et al.Envir omental Re mote Sensing.Bei2jing:Science Press,2005(in Chinese)[2]　Cheng Q(程　乾),W u X2J(吴秀菊).Landscapepattern change and its driving f orces in Xixi Nati onalW etland Park since1993.Chinese Journal of A ppliedEcology(应用生态学报),2006,17(9):1677-1682(in Chinese)[3]　V ignol o A,Pochettino A,Cicer one D.W ater quality as2sess ment using re mote sensing techniques:MedranoCreek,A rgentina.Journal of Environm ental M anage2m ent,2006,81(4):429-433[4]　Lu D.The potential and challenge of remote sensing2based bi omass esti m ati on.International Journal of Re2m ote Sensing,2006,27(7):1297-1328[5]　M a M2D(马明东),J iang H(江　洪),L iu S2R(刘世荣),et al.The p reli m inary analysis of f orest ecosys2te m site index using re mote sensed data.A cta EcologicaS inica(生态学报),2006,26(9):2810-2816(inChinese)[6]　Cheng Q(程　乾).Esti m ati on models of rice LA I andchl or ophyll content based on MOD09.Chinese Journal ofA pplied Ecology(应用生态学报),2006,17(8):1453-1458(in Chinese)[7]　Ver mote E,Tanre D,Deuze JL,et al.Second si m ula2ti on of the satellite signal in the s olar s pectru m,6S:Anoverview.IEEE T ransactions on Geoscience and Re m oteSensing,1997,35(3):675-686[8]　Thome K,Markha m B,Barker J,et al.Radi ometriccalibrati on of Landsat.Photogramm etric Engineeringand Re m ote Sensing,1997,63(7):835-858[9]　Chavez PS J r.Radi ometric calibrati on of Landsat The2matic Mapper multis pectral i m ages.Photogramm etricEngineering and R e m ote Sensing,1989,55(10):1285-1294[10]M ilt on EJ.Teaching at m os pheric correcti on using as p readsheet.Photogramm etric Engineering and Re m oteSensing,1994,60(6):751-754[11]　Lu D,M ausel P,B r ondizi o E,et al.A ssess ment of at2mos pheric correcti on methods f or Landsat T M data app li2cable t o Amazon basin LBA research.InternationalJournal of Re m ote Sensing,2002,23(13):2651-2671 [12]　Chavez PS J r.I m age2based at m os pheric correcti ons re2visited and i m p r oved.Photogramm etric Engineering andRe m ote Sensing,1996,62(9):1025-1036[13]　Teillet P M,Fedosejevs G.On the dark target app r oacht o at m os pheric correcti on of re motely sensed data.Cana2dian Journal of Re m ote Sensing,1995,21(4):374-387[14]　Chander G,Markha m B.Revised Landsat25T M radi o2metric calibrati on p r ocedures and postcalibrati on dyna m2ic ranges.IEEE Transactions on Geoscience and Re m oteSensing,2003,41(11):675-686[15]　Kauf man YJ,Sendra C.A lgorith m for aut omatic at m os2pheric correcti ons t o visible and near2I R satellite i m age2ry.International Journal of R e m ote Sensing,1988,9(8):1357-13813774期 宋巍巍等:五种T M影像大气校正模型在植被遥感中的应用 [16]　Chavez PS J r.An i m p r oved dark2object subtracti on tech2nique f or at m os pheric scattering correcti on of multi s pec2tral data.R e m ote Sensing of Environm ent,1988,24(5):459-479[17]　Kauf man YJ.The at m os pheric effect on re mote sensingand its correcti on//A srar G,ed.Theory and App lica2ti on of Op tical Re mote Sensing.Ne w York:W iley,1989[18]　Moran M S,Jacks on RD,Slater P N,et al.Evaluati on ofsi m p lified p r ocedures f or retrieval of land surface reflec2tance fact ors fr om satellite sens or out put.R e m ote Sens2ing of Environm ent,1992,41(2):169-184[19]　Chi H2K(池宏康),Zhou G2S(周广胜),Xu Z2Z(许振柱),et al.Apparent reflectance and its app licati onin vegetati on re mote sensing.A cta Phytoecologica S inica(植物生态学报),2005,29(1):74-80(in Chinese) [20]　Zhao Y2S(赵英时).Princi p le and M ethods of Re moteSensing App licati on Analysis.Beijing:Science Press,2003(in Chinese)[21]　GilabertMA,Conese C,Maselli F.An at m os pheric cor2recti on method f or the aut omatic retrieval of surface re2flectance fr om T M i m ages.International Journal of Re2m ote Sensing,1994,15(10):2065-2086[22]　L i Y2H(李玉环),W ang J(王　静),LüC2Y(吕春燕),et al.Retrieve of earth reflecti on base on the re2mote sensing data of T M/ET M.Journal of ShandongA gricultural U niversity(山东农业大学学报),2005,36(4):545-551(in Chinese)[23]　L iang S L,Fang HL,Chen MZ,et al.A t m os pheric cor2recti on of Landsat ET M+land surface i m agery-Part I:M ethods.IEEE T ransactions on Geoscience and Re m oteSensing,2001,39(11):2490-2498[24]　Ka wata Y,Fukui H,Take mata K.Retrieval of aer os olop tical thickness using band correlati on method and at2mos pheric correcti on f or Landsat27/ET M+i m age data.IEEE International Geoscience and R e m ote Sensing Sym2posium,2003,4:2173-2175作者简介　宋巍巍,男,1981年生,博士研究生.主要从事空间信息技术在生态环境中的应用研究,发表论文3篇.E2 mail:best patrick2008@责任编辑　杨　弘477 应　用　生　态　学　报 19卷。