基于高程或气溶胶厚度与6S模型校正参数回归方程的遥感图像大气校正模型

为了消除影像中的大气影响,反演地表真实反射率,需要进行大气校正。6S是通用的大气校正模型之一,但是对于覆盖面积较广、下垫面较复杂的影像,若用平均的气溶胶厚度和高程参数来对影像进行校正,将出现较大误差。提出了建立一种基于6S模型,以高程或气溶胶厚度为参数的大气校正模型与方法,并以广州Landsat ETM+为例,对校正前后的反射率直方图、NDVI灰度直方图以及各类地物的光谱特征进行分析。结果证明了该方法简单实用,校正精度高,可直接用于该地区相似气候条件下影像的大气校正,对类似的研究有借鉴意义。&     

基于高程或气溶胶厚度与6S模型校正参数回归方程的遥感图像大气校正模型

为了消除影像中的大气影响,反演地表真实反射率,需要进行大气校正。6S是通用的大气校正模型之一,但是对于覆盖面积较广、下垫面较复杂的影像,若用平均的气溶胶厚度和高程参数来对影像进行校正,将出现较大误差。提出了建立一种基于6S模型,以高程或气溶胶厚度为参数的大气校正模型与方法,并以广州LandsatETM＋为例,对校正前后的反射率直方图、NDVI灰度直方图以及各类地物的光谱特征进行分析。结果证明了该方法简单实用,校正精度高,可直接用于该地区相似气候条件下影像的大气校正,对类似的研究有借鉴意义。     

太湖水体GF-1/WFV影像的6S逐像元大气校正

水体光谱信息微弱,常用的基于辐射传输模型的大气校正方法在水体中校正精度较差。基于覆盖太湖水体的2016年4月29日的高分一号宽幅相机影像（GF-1/WFV）和同步的实测光谱数据,对6S辐射传输模型的输入参数进行敏感性分析,逐像元计算观测几何,使用分区气溶胶类型、分区暗像元和Spline插值确定的气溶胶光学厚度（Aerosol Optical Depth,AOD）进行6S逐像元大气校正。实验结果表明:气溶胶模式对6S大气校正结果的影响最大,与FLAASH方法相比,逐像元计算观测几何和气溶胶参数的校正方法对大气校正精度有改进作用,4个波段的平均相对误差分别降低了1.84%、7.78%、4.79%和17%。结合精确大气参数输入的6S逐像元大气校正方法可以改进水体表面遥感反射率的大气校正精度。     

考虑AOD差异的高分一号卫星宽视场相机大气校正

针对当前对高分卫星宽视场相机大气校正不够准确的问题,提出了一种考虑气溶胶时空变化差异的大气校正方法.对比了6 S和6 SV对气溶胶变化反应的敏感性,发现6 SV对WFV相机模拟效果更好.此外,利用6 SV辐射传输模型采用气溶胶均值和逐像元2种方式对GF-1卫星WFV相机进行了大气校正实验,并模拟计算了气溶胶误差对WFV...     

GF-5卫星高光谱数据大气校正反射率精度评价

反射率是高光谱遥感数据应用的基础,直接关系到高光谱应用效能和质量。目前,对国产GF-5卫星高光谱数据的精确大气校正反射率精度评价方法尚未有全面深入的研究,这严重制约了国产高光谱遥感数据的高质量应用。针对此问题,综合采用6S模型和FLAASH模块,选取了三个实验区的三种典型地物及外业光谱数据,采用三种定量化指标进行大气校正,得出了以下结论:三种地物大气校正反射率与实测反射率曲线特征基本一致,黑土地的大气校正反射率光谱最优,水体由于反射率数值较低,大气校正反射率光谱稍差;可见光近红外波段大气校正效果优于短波红外波段;6S模型大气校正结果略优于FLAASH模块,更适用于GF-5卫星高光谱影像。     

武汉地区环境卫星气溶胶光学厚度反演

针对难以及时、准确掌握中部地区气溶胶污染状况的问题,选用适用于城市等亮地表区域的结构函数法,结合环境一号A/B卫星CCD影像数据,开展武汉及周边地区气溶胶光学厚度反演研究。首先对卫星遥感数据进行预处理,然后根据结构函数法的原理和模型,选择了合适的结构函数公式、窗口范围和距离值。通过选取研究时间范围内的"清洁日",在原始影像预处理的基础上使用归一化植被指数剔除水体影响,实现环境一号卫星CCD影像的武汉地区气溶胶光学厚度反演。通过CE318实测数据、湖北省环保厅的大气污染数据、MODIS产品检验结果,对反演结果进行了对比验证,从精度、准确度、空间分布和时间分布趋势等方面验证了模型反演的可靠性。     

利用地物光谱仪测算大气气溶胶光学厚度方法

气溶胶光学厚度是进行大气校正的重要参数，本文提出了一种通过地物光谱仪测量太阳辐射来测算气溶胶光学厚度的方法。并将测算结果与6S大气辐射传输模型的模拟结果进行比较，详细分析了误差来源。研究表明该方法是一种实用有效的方法，可用于遥感数据大气校正及大气气溶胶光学厚度的估算。     

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响,使得传感器接收到的辐射信号既包含了地物的信息,同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度,需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法,该方法由6S辐射传输模型生成查找表,其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素,这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表,对于Landsat-8 OLI传感器具有很高的通用性,通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后,采用目视解译、统计分析将校正结果与SEVI做对比分析,比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。     

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响,使得传感器接收到的辐射信号既包含了地物的信息,同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度,需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法,该方法由6S辐射传输模型生成查找表,其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素,这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表,对于Landsat-8 OLI传感器具有很高的通用性,通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后,采用目视解译、统计分析将校正结果与SEVI做对比分析,比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。     

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响，使得传感器接收到的辐射信号既包含了地物的信息，同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度，需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法，该方法由6S辐射传输模型生成查找表，其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素，这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表，对于Landsat-8 OLI传感器具有很高的通用性，通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后，采用目视解译、统计分析将校正结果与SEVI做对比分析，比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。     

基于MODIS的大气因素对蓝藻水华信息提取的影响

本文利用MODIS提供的两种影像产品和代表大气条件的气溶胶产品,运用单波段(NIR)和比值植被指数(NIR/G)两种方法分别提取太湖蓝藻信息.在阐述气溶胶的光学厚度对遥感影像影响的基础上,定量分析了气溶胶光学厚度对两种方法提取蓝藻水华面积的净变化值和选取阈值的影响程度.研究结果表明,运用单波段和比值植被指数两种方法提取太湖蓝藻水华面积差异与气溶胶光学厚度的相关性,固定阈值情况下的相关性高于自选阈值中的对应值.两种指数中大气校正前的阈值与气溶胶光学厚度的相关性都要高于大气校正后两者的相关性.这说明大气会对阈值的设定产生一定的影响,进而影响蓝藻信息提取精度.因此,定量分析气溶胶光学厚度对监测蓝藻是至关重要的.     

Hyperion高光谱遥感数据大气校正方法

由于受到大气的影响,传感器接收到的辐射信息不能真实地反映地表反射光谱信息,因此,从遥感影像中去除大气的影响,即进行大气校正,是高光谱遥感数据处理中极为重要的环节;通过应用大气校正模块FLAASH,研究选择了合适的大气模式、水汽含量、气溶胶模型、波谱分辨率和多散射模型等参数,对内蒙东胜地区Hyperion高光谱遥感影像进行大气校正;比较了校正前后典型地物的光谱曲线,并将它们与实验室典型地物光谱曲线进行对比,大气校正后得到的光谱曲线和实验室得到的光谱曲线具有较好的一致性,达到了去除大气影响的目的,同时校正生成的水汽分布也表明校正效果良好。     

Landsat-8 OLI与Sentinel-2 MSI山区遥感影像辐射一致性研究

受影像获取时间、大气条件、观测角度、传感器波段设置以及山地地形等因素的影响,山区多源、多时相光学遥感卫星影像间的辐射不一致问题较为突出。以Landsat-8 OLI与Sentinel-2 MSI为例探究山地多源遥感影像间的辐射一致性,旨在为多源影像在山区的协同应用提供理论支持。选取同期OLI和MSI影像,进行大气校正、BRDF校正、光谱通道校正以及影像间的辐射一致性分析,并研究地形对辐射一致性的影响。结果表明:(1)未经校正的Landsat-8 OLI-L1T与Sentinel-2 MSI-L1C反射率影像间的辐射一致性较高(各波段R2均大于0.9);(2)经过6S大气校正、C因子法BRDF校正,影像间辐射一致性进一步提高(如蓝波段反射率RMSD依次减小22%、10%),但光谱通道校正后一致性并未显著增强;(3)地形效应导致了影像阴坡、阳坡辐射一致性水平的较大差异(如BRDF校正后SWIR波段阳坡的反射率平均绝对差为0.010、RMSD为0.006 6,阴坡平均绝对差为0.005、RMSD为0.004 3),且阳坡辐射差异随坡度增大而增大,阴坡则相反。因此,在进行多源遥感影像协同之前,需要进行有效的大气校正、BRDF校正以及光谱通道校正。另外,针对山地遥感影像还应开展地形辐射校正以进一步提高影像间的辐射一致性。     

不同大气校正方法对中小湖泊蓝藻遥感动态监测的影响

环境小卫星可实现中小湖泊蓝藻动态监测,但不同大气校正方法对于相同影像的处理结果有很大差异。研究利用多种大气校正方法对环境小卫星影像进行辐射校正处理,利用多个感兴趣区的全局和局部特征以及多个统计量对处理结果进行分析,比较其在蓝藻动态监测中的作用。基于多光谱植被指数计算蓝藻生物量的思路,分析了影像经不同大气校正算法处理后,其归一化植被指数的差异性来源及其对蓝藻生物量计算结果的影响。结果表明:蓝藻动态监测的定量描述会因大气校正算法不同而不一致,进而对几种大气校正算法在蓝藻生物量监测和定量分析中所产生的不确定性进行了比较分析,并对各算法的有效利用提出了建议。     

卫星遥感影像数据的地形影响校正

地形影响校正是遥感影像辐射校正的主要内容，是获得地表真实反射率的必不可少的一步。本文提出的方法中，将6S大气校正模型与数字高程模型（DEM）结合起来，计算出水平地面上接收到的直接辐射与漫射辐射，并采用一个简单公式将其转化到地形坡面上，从而实现了对地面的辐射能量校正，同时，6S模型对卫片还进行了大气改正，可输出卫片在大气层底部的辐射亮度与反射率；然后将基于坡面的反射率换算到其在水平面上的对应值，即实现了对反射率的地形影响校正。在我们所实施的“滇金丝猴保护项目”的植被研究中，应用本方法对梅里雪山区域的ETM＋影像进行了校正，大大减小了地形对遥感数据的附加影响。     

基于随机森林的高分辨率 PM2.5 遥感反演 ——以广东省为例

细颗粒物(PM2.5)监测是大气污染治理的重要手段,受限于地面观测点的数量,从遥感反演 PM2.5 是常规地面观测的有效补充,是当前的研究热点。通常遥感反演 PM2.5 的思路是先反演大气气溶胶光学厚度,然后基于统计关系由大气气溶胶光学厚度反演 PM2.5。该方法容易造成误差传递,从而 导致反演模型的不稳定。该文提出了一种基于随机森林算法(一种机器学习算法)的 PM2.5 遥感反演方法,直接建立中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像与地 面实测 PM2.5 的关系,可以避免传统反演 PM2.5 时先反演大气气溶胶光学厚度带来的误差,最终得到精度更高的 PM2.5 反演结果。该方法先用随机森林算法对 MODIS 影像和经过克里金插值后的地面监测站PM2.5 数据进行训练和测试;然后,根据测试的均方根误差从多个模型中选取最优(均方根误差最小)的模型;最后,将此模型用于整幅 MODIS 影像,得到整个区域的 PM2.5 反演结果。实验选取了广东省 四个季节多幅 MODIS 影像数据进行验证,并通过决定系数和均方根误差两个表现指标进行对比和分析,验证了所提算法的优越性。     

遥感数字图像的大气辐射校正应用研究

卫星遥感数字图像成像过程中，由于电磁波受大气作用造成数据质量下降，影响遥感信息的提取及精度。介绍了大气辐射校正的一般原理和PCI软件ATCOR2模块的算法，研究了基于该模块的遥感数字图像大气辐射校正实现方法。根据研究区实际情况，选用1976年美国标准大气乡村气溶胶大气参数，对一景Landsat TM影像进行校正处理。对比处理前后图像和直方图，可知该方法增强了图像清晰度，提高了视觉效果，有利于遥感信息提取和专题解译。     

基于波谱匹配的Hyperion数据大气校正方法对比研究

遥感影像数据的大气校正是高光谱遥感地空对比、信息提取的前提和关键,如何根据不同数据、不同研究区、不同研究目的选择合适的大气校正方法是高光谱遥感应用研究的重点和难点。针对EO\|1卫星Hyperion高光谱遥感数据特点和研究区地形环境特征,分别选择线性回归经验模型、基于MODTRAN4模型的FLAASH和基于DEM数据的ACORN\|3模型不同大气校正方法对研究区Hyperion数据进行大气校正。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分析不同大气校正方法的校正效果。     

TM遥感影像的地形辐射校正研究

从地面所接收到的太阳直接辐射、天空散射辐射和临近地形反射附加的辐射三个方面分析计算地面每个像元的太阳总辐射,并在此基础上建立地表真实反射率恢复模型,实现对地形的辐射校正。在算法实现上,采用交互式数据语言（Interactive Data Language,IDL）,结合6S大气校正模型和数字高程模型（DEM）进行编程实现。利用北京山区的TM遥感影像所做的实验表明该方法能有效地消除卫星影像中地形的影响,为影像的后续处理提供更真实的信息。     

资源一号02D高光谱数据大气校正及应用北大核心CSCD

针对高光谱数据大气校正耗时长和查找表构建不准确等问题,提出基于MODTRAN辐射传输模型实时创建大气校正参数查找表的方法,并应用于水体叶绿素浓度反演。首先,基于高光谱数据实时构建大气校正参数查找表;其次,根据循环迭代反演得到水汽含量和气溶胶光学厚度对查找表插值得到各个波段的大气校正参数,从而完成所有波段数据的大气校正;最后,选择植被、土壤和水体3类典型地物精度分析,并基于反演水体的叶绿素a浓度验证大气校正精度的可靠性。实验结果表明:该方法明显优于6S、FLAASH等大气校正方法;在运行效率上,在多线程并行加速后,运行效率提升了2~4倍;基于水体反射率数据反演水体叶绿素a浓度,反演模型预测集验证中ρ为0.804 7,RMSE为1.8。