基于遥感图像大气校正的意义与发展
大气校正实验报告
一、实验背景遥感技术作为获取地球表面信息的重要手段，广泛应用于地质、农业、环境、城市规划等领域。
然而，由于大气对太阳辐射的吸收、散射和反射作用，遥感图像中的地物反射率信息受到一定程度的影响。
为了消除大气影响，提高遥感图像的精度和应用价值，大气校正技术应运而生。
本文将针对大气校正实验进行详细报告。
二、实验目的1. 理解大气校正的原理和方法；2. 掌握大气校正实验的操作流程；3. 评估大气校正对遥感图像质量的影响。
三、实验原理大气校正的目的是消除大气对遥感图像的影响，恢复地物真实反射率。
主要原理如下：1. 辐射传输模型：根据遥感成像过程中太阳辐射、大气和地物之间的相互作用，建立辐射传输模型，描述太阳辐射、大气和地物之间的能量传递过程。
2. 大气校正算法：通过分析遥感图像和同步观测的大气参数数据，建立大气校正模型，消除大气影响，恢复地物真实反射率。
3. 大气校正方法：主要包括单窗算法、双窗算法、大气校正模型等。
四、实验数据与工具1. 实验数据：选取Landsat 8卫星的OLI传感器获取的遥感图像作为实验数据。
2. 实验工具：ENVI软件，MODTRAN模型，FLAASH大气校正模型。
五、实验步骤1. 辐射定标：将原始遥感图像进行辐射定标，使其具有物理意义。
2. 大气校正：利用FLAASH大气校正模型对辐射定标后的遥感图像进行大气校正。
3. 结果分析：对比校正前后的遥感图像，分析大气校正对图像质量的影响。
六、实验结果与分析1. 辐射定标对原始遥感图像进行辐射定标，得到具有物理意义的图像数据。
2. 大气校正利用FLAASH大气校正模型对辐射定标后的遥感图像进行大气校正，得到校正后的遥感图像。
3. 结果分析（1）目视效果对比通过目视对比校正前后的遥感图像，可以看出大气校正后的图像清晰度更高，地物信息更丰富。
（2）定量分析通过统计分析校正前后遥感图像的地物反射率，可以发现大气校正后的遥感图像地物反射率更加接近真实值。
大气校正新方法
大气校正新方法全文共四篇示例，供读者参考第一篇示例：大气校正是遥感图像处理中至关重要的一步，它可以消除大气和云层等因素对图像的影响，使得遥感图像更加清晰和准确。
传统的大气校正方法主要是基于辐射传输模型，但是这些方法往往需要大量的参数和计算，且在实际应用中存在一定的局限性。
近年来，随着深度学习等技术的发展，一些新的大气校正方法也被提出，取得了一定的突破与进展。
一种新的大气校正方法是基于卷积神经网络（CNN）的深度学习方法。
在这种方法中，CNN可以学习到图像中的大气扰动模式，从而实现自动的大气校正。
这种方法不需要复杂的辐射传输模型，而是直接从数据中学习大气校正的规律，因此更加简单和高效。
随着深度学习技术的不断进步，这种方法在大气校正的效果上也逐渐得到了提升，成为了一种很有潜力的大气校正方法。
另一种新的大气校正方法是基于光学压缩成像（OCI）的技术。
OCI 是一种利用金属光栅的亚波长结构实现高空间频率成像的技术，可以在不同波长的图像之间进行线性变换，从而实现对大气干扰的校正。
这种方法不仅能够准确地去除大气扰动，还可以提高图像的空间分辨率，进一步提高遥感图像的质量。
除了以上所述的方法，还有一些其他新的大气校正方法值得关注。
比如基于深度学习与光学压缩成像相结合的方法，可以将两种技术的优势相结合，实现更加精准和高效的大气校正；基于超分辨率技术的大气校正方法，可以通过对图像进行超分辨率处理，进一步提高遥感图像的质量和分辨率。
随着科学技术的不断进步，大气校正方法也在不断创新和发展。
新的大气校正方法不仅可以更加高效地去除大气扰动，还可以提高遥感图像的质量和分辨率，为遥感图像处理和应用提供了更加丰富和多样的选择。
希望未来能够有更多的研究者投入到大气校正方法的研究中，为遥感技术的发展贡献一份力量。
【这里可以根据实际情况适当增加细节和案例分析，使文章更加丰富和具体】。
第二篇示例：大气校正是遥感影像处理的一个重要环节，可以有效减少大气因素对影像质量的影响，提高遥感数据的可用性。
大气校正原理(一)
大气校正原理(一)大气校正原理什么是大气校正？大气校正是遥感影像处理中的一个重要步骤，旨在从原始遥感影像中消除大气扰动和地形效应，获取更为准确的地表信息。
大气校正一般分为两种方法：基于模型的大气校正和基于图像的大气校正。
基于模型的大气校正基于模型的大气校正方法是通过建立大气光学模型，对遥感影像进行校正。
这种方法需要对大气成分、光线传输过程等进行参数化，然后与遥感影像数据进行结合，进行校正处理。
代表性算法有S6、DOS、MODTRAN等。
基于图像的大气校正基于图像的大气校正方法则是通过图像自身特征进行大气校正。
这种方法不需要大气模型和参数，只需利用遥感影像中的地物信息，对不同波段的光谱特征进行研究，进行校正处理。
代表性算法有NBR、ATCOR、FLAASH等。
大气校正的意义大气校正是遥感影像处理前的必要步骤，它能够减少遥感影像中大气扰动和地形效应的影响，提高遥感影像在地球科学和资源环境管理中的应用价值，如土地利用、城市规划、资源管理等方面。
同时，大气校正还是其他遥感处理的前提，例如植被指数、水体监测等。
结语大气校正是遥感影像处理中不可或缺的重要步骤，它能够提高遥感数据的精度和准确性，为生态环境保护、资源管理等提供了有力支撑。
基于模型和基于图像的大气校正方法各有优缺点，应视具体情况而定。
在未来，大气校正方法的研究和改进还有很大的空间和挑战，我们需要不断开拓创新，探索更为有效的大气校正方法。
大气校正的应用大气校正是遥感技术应用中的一个重要环节，下面列举一些大气校正在地球科学和资源环境管理等领域的具体应用：土地利用大气校正可以减轻影像中大气、地形等因素的影响，获取更为准确的土地利用信息，可以帮助决策者更好地理解土地利用动态，制定科学合理的土地资源管理政策。
例如在土地利用监测中，大气校正可用于获取土地覆盖类型、植被生长状态等信息。
城市规划大气校正还可以用于城市规划和建设中，例如分析城市内部的植被覆盖率等，帮助决策者更好地规划城市建设，最终提升城市生态环境。
大气校正的作用
大气校正的作用
大气校正是指通过对图像获取的原始数据进行处理，消除大气影响，使得图像更加真实、清晰的技术手段。
大气校正主要是针对遥感数据、卫星影像等进行的，具有以下作用：
1. 提高图像的可视性和质量。
大气校正可以去除图像中大气影响，消除大气散射和吸收对图像的影响，提高图像的清晰度和质量。
2. 更准确的遥感信息提取。
在遥感领域中，大气校正是进行各种遥感信息提取的前提条件。
大气校正可以消除大气影响导致的数据偏差，提高遥感数据的准确性和可靠性，使得遥感信息提取更加准确。
3. 有利于环境监测和资源调查。
大气校正可以消除大气散射、云层遮挡等因素对遥感数据的影响，使地表特征更加清晰、准确，有利于环境监测和资源调查。
4. 促进遥感应用的发展。
随着遥感技术的不断发展和应用，大气校正技术的应用也越来越广泛。
大气校正技术可以提高遥感数据的质量和可靠性，进一步促进遥感应用的发展和推广。
总之，大气校正在遥感领域中具有重要的作用，可以提高遥感数据的质量和可靠性，促进遥感应用的发展和推广。
- 1 -。
大气校正
10、多光谱数据参数设置
(1) 单击Multispectral Settings，打开多光谱设置面板； (2) K-T 反 演 选 择 默 认 模 式 ： D e f a u l t s - > O v e r - L a n d Retrieval standard（600:2100），自动选择对应的波段； (3) 其他参数选择默认。
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阳光的辐射情况， 那么就需要做大气校正。
二、辐射定标
通常遥感数字图像给出的是像元 DN 值。利用 DN 值, 只能进行同景图像内部的相对比较。全球资源和环境变化 研究要求遥感技术能够提供长时相、多区域、多种传感器 的遥感数据。只有将图像 DN 值转换成对应像元的辐射亮 度值, 才能对不同地点、不同时间和不同类型传感器获取 的遥感数据进行定量比较与应用 , 以满足全球资源和环境 变化研究的需要, 而这个转换过程就称为辐射定标。
得到了温度为T的黑体在热红外波段的辐射亮度值。
4、反演地表温度
在获取温度为TS的黑体在热红外波段的辐射亮度后，根据普朗克公式的反函 数，求得地表真实温度TS： TS = K2/ln(K1/ B(TS)+ 1) 对于ETM+，K1 =666.09W/(m2·sr·μm)，K2 =1282.71K。 利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入： （1282.71）/alog（666.09/b1 +1）-273 b1：温度为T的黑体在热红外波段的辐射亮度值。 得到真实的地表温度值，单位是摄氏度。
基于6s的Sentinel影像大气校正研究
基于6s的Sentinel影像大气校正研究摘要：Sentinel影像的高分辨率和海量数据为应用提供了广阔的空间。
然而，由于大气散射和吸收对遥感图像质量的影响，遥感图像在实际应用中经常受到大气干扰。
基于此，该文提出了一种基于Python的Sentinel影像大气校正方法。
首先，采用6S模型对大气参数进行反演，然后对影像进行辐射校正。
校正后影像光谱曲线与地面实测光谱曲线的变化趋势一致,具有较高的拟合度。
模型大气校正的结果具有较强的相关性和较高的精度。
实验结果表明，该方法能够有效地降低Sentinel影像的大气干扰，提高遥感图像的质量和信度。
关键词：Sentinel影像，大气校正，6S模型，Python1.引言Sentinel影像的高分辨率、广覆盖范围和丰富的信息量使其成为遥感领域的研究热点[1]。
然而，由于大气散射和吸收对遥感图像质量的影响，Sentinel影像在实际应用中经常受到大气干扰。
因此，在Sentinel影像的处理过程中，如何减少大气干扰，提高图像的质量和信度成为了一个重要的问题和挑战。
遥感影像大气校正是一种重要的遥感数据处理方法[2]，主要用于去除由大气介质对遥感图像所产生的影响。
这些影响包括大气散射、吸收和反射等，会导致遥感影像中的亮度和色彩变化，从而对遥感数据的定量分析和应用造成不利影响。
因此，通过大气校正，可以使遥感数据更加准确，从而提高数据的应用价值。
目前，常见的遥感影像大气校正方法主要包括：6S模型法、DOS模型法、MODIS气溶胶算法和FLAASH方法等[3]。
其中，6S模型法是最为广泛应用的一种方法[5]，主要基于一个称为“6S（Second Simulation of the Satellite Signal in the Solar Spectrum）”的大气辐射传输模型，并结合遥感数据进行模拟计算和校正。
此外，也有基于深度学习和卷积神经网络等技术的遥感影像大气校正方法[4]。
遥感图像处理中大气校正方法综述
遥感图像处理中大气校正方法综述作者：廖吉庆章开灵来源：《科学与财富》2013年第03期摘要：本文就遥感图像处理中大气校正的一些方法进行论述，综合总结了遥感图像处理大气校正方法。
大气校正的方法主要有辐射传输模型、黑暗像元法、不变目标法、参考值大气校正法和大气阻抗植被指数法等。
关键词：遥感图像大气校正方法卫星遥感图像的大气校正，一直是遥感定量化研究的主难点之一。
近些年来，随着定量遥感技术迅速发展，特别利用多传感器、多时相遥感数据进行土地利用和土地覆盖化监测、全球资源环境分析、气候变化监测等的需要，使得感图像大气校正方法的研究越来越受到重视。
一、辐射传输模型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（Radiative transfer models）。
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。
国内很多研究者对辐射传输模型大气校正方法也作了很多研究工作。
秦益等人提出了基于辐射传输模型理论的AVHRR图像大气校正方案，并研制了软件系统。
李先华等人在讨论逐点计算遥感图像像元的大气程辐射值和大气透过率的方法和原理的基础上，提出了一个适合非均匀大气的、包括大气程辐射和大气透过率等修正内容的遥感图像广义大气校正模型。
张玉贵对TURNER模型进行改进，并对TM 图像进行了大气校正。
胡宝新等人提出了BRDF一大气订正环的大气校正方法。
这种方法首先用6S模型作基于朗伯体的大气校正，并通过一系列在不同成像几何条件的订正结果，在BRDF模型库中找到一种最能描述这些数据的模型，最后根据反演的模型参数进行基于BRDF的大气校正。
龙飞等人利用连续数天的多角度NOAA卫星数据，采用Rahman地表二向反射模型和基于地面BRDF反射率的大气校正方法反复迭代提出了多个角度大气校正后的图像。
二、黑暗像元法最理想的大气辐射校正和反射率反演方法应该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域。
基于遥感图像大气校正的意义与发展
科 技 创 新
基于遥感 图像 大气校正 的意义 ｇ ． １ － ￣学院 ，湖北 武 汉 ４ ３ ０ ０ ０ ０ ）
摘 要： 随 着 多光 谱 、 多 时相 传 感 器 的发 展 ， 定 量遥 感 也 获 得 了很 好 的发 展 契 机 。 虽 然对 于影 像 分 类 、 变 化检 测 的情 况 不 需要 进 行 大 气校 正 ， 但 大 气校 正 作 为光 学遥 感信 息定 量化 研 究 中必 不 可 少的 一 步 ， 已受到 越 来越 多的 重视 。近 年 来 ， 传 统 的 大 气校 正 方 法也在不断改进 ， 越 来越 多的大气校正模型将更多的大气参数纳入定量分析范围， 以提 高大气校正的精度和适用性 。
性。
输 模型法 及复合模 型法 。 基 于图像特 征的相对 校正 法主要 是在无 地面 同步测 量时使 用 。此 方法不需地面光谱及大气环境参数测量，可直接从图像特征出发反演 反 射 率 。如 ： Ｋ ａ ｕ ｆ ｍ ａ ｎ的 暗 目标 法 ， Ｋ ｒ ｕ ｓ ｅ的 内在平 均相 对反 演 率模 型 Ｉ Ａ Ｒ Ｒ 。平面场模型 Ｆ Ｆ 在Ｉ Ａ Ｒ Ｒ基础上发展起来， 要求像幅内存在具有 非吸收特征的一定面积的地理平台单元， 并求出单元中像元平均光谱 ， 再每一个像元光谱除以平均光谱值来重建 ，克服了 Ｉ Ａ Ｒ Ｒ中存在的假 反射峰牦点， 计算量小。但平台选取有人为影响， 对地区有先验知识 ， 在 地形起 伏大 区域也 不易 选择 平 台 ； Ｇ ｒ ｅ ｅ ｎ 与Ｃ ｒ ａ ｉ ｇ 提出 的对数 参差 修 正 模型 Ｌ Ｒ Ｃ对太 阳辐射衰 减 、 大气影 响及地形 因子偏差 都有消 除。 基 于地 面线性 回归 模型法 相对 较简单 ， 主要利 用线性 回归方 程 （ 特 定物灰度值及成像时对应地面 目标反射光谱测量值 ） ， 但需要大量野外 光谱测量为前提 ， 成本高， 对野外工作依赖强， 对地面定标点要求严格。 基于大气辐射传输模型法主要是基于不同的大气辐射传输方程而 构建的， 比如 Ｌ Ｏ Ｗｒ Ｒ Ａ Ｎ模型和 ５ ｓ 模型。其中 Ｌ Ｏ ＷＴ Ｒ Ａ Ｎ ７ 增加多次 散射计算及新 的带模式 、 臭氧和央企在紫外波段的吸收参数 ， 考虑连续 吸收、 分子 、 气溶胶、 云、 雨的散射和吸收、 地球曲率及折射对路径及总吸 收物质含 量计算 的影响 。 目前应用较 广泛 的有 ＭＯ Ｄ Ｔ Ｒ Ａ Ｎ模型 和 ６ ｓ 模 型。６ ｓ 模型的结果主要受到了大气参数获取、 地表特ｌ 生 假设、 大气辐射 传输理论 的选择 和精度 的影响 。 而 大气参数 随机性 和非均匀 分布 ， 也 对 精确探 测和估算 的造成 了困难 。总体而言 ， 在研 究 中为 了能尽量 真实地 还原 大气条 件 ，但 地表模 拟越真 实意 味着要将 尽可 能多 的参￣ ｔ Ｃ ｘｆ ￣ 列 入考虑范围， 这也增加 了建模和计算难度 ， 从而导致问题难度越大。这 也是 目 前 大部分模 型所 面临的最 大挑战 。 传统 的大气订 正方法 是在卫 星过境 时在 地面 同步测量 实验 区 的大
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于遥感图像大气校正的意义与发展随着多光谱、多时相传感器的发展，定量遥感也获得了很好的发展契机。
虽然对于影像分类、变化检测的情况不需要进行大气校正，但大气校正作为光学遥感信息定量化研究中必不可少的一步，已受到越来越多的重视。
近年来，传统的大气校正方法也在不断改进，越来越多的大气校正模型将更多的大气参数纳入定量分析范围，以提高大气校正的精度和适用性。
标签：大气校正；定量遥感；模型引言随着近年来定量遥感的迅速发展，尤其是越来越多地将多传感器、多时相遥感数据利用于土地利用分析、土地覆盖变化监测、全球资源环境分析、气候变化监测等领域，遥感图像大气校正方法的研究越来越受到重视。
大气是影响遥感定量分析与应用的重要因素，因此消除大气效应、卫星姿态角和太阳高度角等因素对结果的影响也成为了决定定量遥感分析精度的重要前提。
尤其是近年来高光谱技术的发展，极大地提高了高光谱影像的分辨率。
因此，对参数更为详细的描述方法及适用性更强的大气校正方法必不可少。
1 大气校正的意义大气校正广泛应用于定量遥感中。
为了实现反演模型的时空扩展，大气校正的精度直接决定了后续定量分析的精度。
定量反演的目的是获取地球信息，精确识别地物，尤其是在生物特性方面具有广泛的应用，比如水体特性分析及生物指数分析。
定量遥感在海洋湖泊、水体污染程度、水体生物量组成等方面有着广泛的应用。
在水体特征研究中，大气的衰弱作用使得卫星遥感信号不能正确表现自然水体的表观光学特性和内在光学特性，对水体样本层次的变化不敏感。
尤其在蓝绿波段，大气对光谱数据的污染最为严重。
此外，被动遥感信号从大气顶层出发，经两次大气散射和吸收及地面目标反射才被记录，所以大气条件对信号污染作用使传感器接收到的辐射信息存在较大误差，定量分析与处理过程中需剔除。
比如环境卫星的CCD图像数据具有较高空间分辨率、时间分辨率和较宽的刈幅。
在接受到的辐射信息中，有90%属于大气信号，而能反映水体生物光学信号的仅占5%～15%。
定量遥感在林业方面也有这广泛的应用，比如从植被中提取生物量、叶面积指数、叶绿素、树冠郁闭百分比等。
在对植被指数进行分析时，太阳光照角度和观测视角以及大气、云的条件的变化都很大，因此得到的是大气上界的双向反射率信息（也称表现反射率）。
此外，大气中水蒸气和气溶胶对辐射的散射和吸收有较大影響。
因此，如何分离地气耦合效应，得到准确的地面反射率信息是卫星遥缚中基础但极为重要的工作。
归一化植被指数NDVI及ARVI等可部分校正大气程辐射和因大气路径长度不同而产生的变形差异。
NDVI也确能显著减小大气的影响作用，但在植被稀少或已被破坏的地区还是能够引起50%甚至更大的误差。
而其他的VI指数，如全球环境检测指数（GEMI），虽然能够避开大气校正的过程，但对于稀疏或中密度植被覆盖也不适用。
当然，在某些情况下，可省略大气校正过程。
通常情况下，当训练数据来自所研究的影像（或合成影像），而不需要进行多时相、多地点交叉对比分析的时候，通常不需要进行大气校正。
比如针对单时相的遥感数据进行分类，如采用最大似然法时，只要用于分类的训练数据在大体上具有一致性，比如整幅影像受到云层的影响较低，大部分区域的大气条件类似，影像质量精度受大气校正影响较小时，可以不进行大气校正。
此外，在针对多时相影像变化监测的过程中，可以将两个时相的所有波段数据放在一起利用变化检测算法确定变化类别，无大气校正的必要性。
尽管光学遥感大气校正方面的成果很多，各种模型层出不穷，但没有一个是可普遍应用的。
因为大气条件具有很大的复杂性，每一个区域的大气条件都可能完全一样，但在利用模型进行参数设置的时候只能采用一种模式统一处理。
此外，影响大气校正的参数非常多，一般情况下同步准确获取这些参数的难度也很大，而太过复杂的在计算时也会增加复杂性，因此，在对遥感影像进行大气校正时，要根据研究目的、要求以及研究区的特点，选择适当的大气校正方法。
2 大气校正的方法根据理论基础与所需辅助信息来源，可以将大气校正方法分为：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及复合模型法。
基于图像特征的相对校正法主要是在无地面同步测量时使用。
此方法不需地面光谱及大气环境参数测量，可直接从图像特征出发反演反射率。
如：Kaufman 的暗目标法，Kruse的内在平均相对反演率模型IARR。
平面场模型FF在IARR 基础上发展起来，要求像幅内存在具有非吸收特征的一定面积的地理平台单元，并求出单元中像元平均光谱，再每一个像元光谱除以平均光谱值来重建，克服了IARR中存在的假反射峰特点，计算量小。
但平台选取有人为影响，对地区有先验知识，在地形起伏大区域也不易选择平台；Green与Craig提出的对数参差修正模型LRC对太阳辐射衰减、大气影响及地形因子偏差都有消除。
基于地面线性回归模型法相对较简单，主要利用线性回归方程（特定物灰度值及成像时对应地面目标反射光谱测量值），但需要大量野外光谱测量为前提，成本高，对野外工作依赖强，对地面定标点要求严格。
基于大气辐射传输模型法主要是基于不同的大气辐射传输方程而构建的，比如LOWTRAN模型和5S模型。
其中LOWTRAN7增加多次散射计算及新的带模式、臭氧和央企在紫外波段的吸收参数，考虑连续吸收、分子、气溶胶、云、雨的散射和吸收、地球曲率及折射对路径及总吸收物质含量计算的影响。
目前应用较广泛的有MODTRAN模型和6S模型。
6S模型的结果主要受到了大气参数获取、地表特性假设、大气辐射传输理论的选择和精度的影响。
而大气参数随机性和非均匀分布，也对精确探测和估算的造成了困难。
总体而言，在研究中为了能尽量真实地还原大气条件，但地表模拟越真实意味着要将尽可能多的参数条件列入考虑范围，这也增加了建模和计算难度，从而导致问题难度越大。
这也是目前大部分模型所面临的最大挑战。
传统的大气订正方法是在卫星过境时在地面同步测量实验区的大气参数，然后利用大气辐射传输模型对卫星数据进行大气订正。
这种方法只适用于少量的实验区，无法用于大量卫星数据的处理。
近年来出現的复合模型法将各种模型进行了综合，弥补了单一方法校正的不足。
比如周立国等人提出的以暗像元为核心的Gordon算法，结合清洁水体像元在绿光波段气溶胶散射稳定的特性，对环境-1A卫星CCD水体图像进行大气校正，提高了绿光至红光波段的校正精度及两个波段占总信号的比重。
而且该算法在技术思路上借助了MODIS数据获取气溶胶估算因子的特点，计算了各波段的气溶胶散射，去除了大气中气溶胶与气体散射的影响，提高了信噪比。
彭妮娜等人提出了基于同步MODIS图像的水体像元反演出混浊水域上空气溶胶光学特性，借助6S辐射传输模型，并考虑临近像元效应，利用反演出的气溶胶光学特性对卫星海岸带图像进行大气校正的方法。
通过对QuickBird.2卫星图像和CBERS-02卫星图像进行大气订正，消除了遥感图像中的非目标地物成像信息，取得了一定的效果；在此基础上又考虑了目标所在背景的贡献，消除邻近像元的交叉辐射影响，从而更好地还原了地表的真实面目。
3 结束语本文介绍了大气校正的适用范围以及主要的模型分类及今年发展现状。
随着定量遥感及传感器技术的迅速发展，传统的大气校正方法已不足以满足高光谱、高分辨率的遥感数据分析。
由于大气条件的复杂性，建立一个具有大范围适用性的校正模型仍然是今后研究的方向。
今后的大气校正模型也将在基于影响自身的大气参数反演、复杂地表条件下校正、交叉辐射影响考虑等方面继续发展。
随着计算机水平的提高，未来对于海量数据的获取与处理也将实现。
相信随着定量遥感的快速发展，大气校正问题上也将会有更好的成果出现。
参考文献[1]亓雪勇，田庆久. 光学遥感大气校正研究进展[J].国土资源遥感，2005.[2]郑伟，曾志远. 遥感图像大气校正方法综述[J].遥感信息，2004.[3]陈晓玲，赵红梅，田礼乔. 环境遥感模型与应用[M].武汉：武汉大学出版社，2008.[4]黄世杰，李娜，赵慧洁，等. 基于辐射传输模型高光谱数据大气校正及[A].第二届全国国土资源遥感技术应用交流会，2006.[5]彭妮娜，易维宁，方勇华. 利用MODIS数据进行海岸带卫星图像大气校正[J].大气与环境光学学报，2007.[6]TIAN Liqiao，CHEN Xiaoling，ZHANG Tinglu，GONG Wei，CHEN Liqiong，LU Jianzhong，ZHAO Xi，ZHANG Wei，YU Zhifeng. Atmospheric correction of ocean color imagery over turbid coastal waters using active and passive remote sensing Chinese Journal of Oceanology and Limnology V01.27 No.1，P.124-128，2009.[7]Nutchanart Sriwongsitanon. Influence of atmospheric correction and number of sampling points on the accuracy of water assessment using remote sensing application Journal of Hydrology 2011.[8]周立国，马蔚，顾万花，等. 基于清洁水体像元法的环境-1A卫星CCD 水体图像大气校正[J].光谱学与光谱分析，2011.[9]Steven Vanonckelen. The effect of atmospheric and topographic correction methods on land cover classification accuracy[M] International Journal of Applied Earth Observation and Geoinformation，2013.[10]詹万志，苟尚培，范伟. 大气校正对几种MODIS植被指数影响分析[C].中国气象学会2006年年会论文集，2006.[11]郑求根，权文婷. 基于暗像元的Hyperion高光谱影像大气校正[J].光谱学与光谱分析2010.[12]徐元柳，王润生，刘圣伟，等. 基于Modtran的高光谱遥感影像大气校正[C].第16届全国遥感技求学术空流台论文集，2007.作者简介：黄琳，武汉大学遥感信息工程学院，2010级本科生，武汉大学信息学部。