CN101477197A - 用于林地复杂场景高光谱遥感数据的仿真方法 - Google Patents
用于林地复杂场景高光谱遥感数据的仿真方法 Download PDFInfo
- Publication number
- CN101477197A CN101477197A CNA2009100713578A CN200910071357A CN101477197A CN 101477197 A CN101477197 A CN 101477197A CN A2009100713578 A CNA2009100713578 A CN A2009100713578A CN 200910071357 A CN200910071357 A CN 200910071357A CN 101477197 A CN101477197 A CN 101477197A
- Authority
- CN
- China
- Prior art keywords
- tau
- energy
- emulation
- remote sensing
- sensing data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Image Processing (AREA)
- Image Input (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
用于林地复杂场景高光谱遥感数据的仿真方法。本发明涉及高光谱遥感数据仿真的技术领域。它解决了现有的高光谱遥感数据仿真方法没能考虑地物的高度因素而不适用于林地附近存在高大建筑物情况下的高光谱遥感数据仿真的问题,步骤如下:一、设定仿真参数,并输入仿真中用到的光谱库地物反射率参考曲线;二、将欲仿真得到的高光谱遥感数据分解为太阳辐射直接被目标象元反射的能量、建筑物反射的太阳辐射被目标象元再次反射的能量、天空散射辐射被目标象元反射的能量、程辐射和临近效应,并按照步骤一中仿真参数分别进行仿真;三、将步骤二中获得的仿真结果组合得到最终的仿真数据。利用该方法为高光谱遥感数据后处理的研究提供经济且高质量的仿真数据。
Description
技术领域
本发明涉及的是高光谱遥感数据仿真的技术领域。
背景技术
高光谱遥感技术是将常规遥感成像技术与光谱技术相结合产生的新型光学遥感技术,它的出现大大拓宽了光学遥感的应用领域。高光谱遥感可以在对目标地物的空间特征成像的同时,获取每个像元近乎连续的窄波段光谱信息。这样就可以既获得地面目标的空间特征,又获得其丰富的光谱信息,进而定性定量地对被测对象进行物理分析和识别,从而使基于特征光谱信息的目标地物遥感识别成为可能。这使得高光谱遥感技术在矿质调查、水环境、生态、大气等领域都具有无法估量的作用。
正是由于高光谱遥感系统所具有的这些其他遥感手段所没有的卓越特性,其一问世就引起世界各国研究者的广泛关注。目前高光谱遥感系统核心部件——成像光谱仪的研制已经达到了相当高的水平。然而由于高光谱遥感的运行成本过高,导致现有高光谱遥感数据的质量和数量难以满足数据处理研究的要求,造成高光谱数据的处理技术显得相对滞后。因此,通过对光谱成像系统进行研究,对其建立仿真模型并获取仿真数据,是一种值得深入研究的方法。
目前已有的高光谱遥感仿真数据获取方法按照对地表情况的假设可分为四大类,基于均一、郎伯面地表的高光谱遥感数据仿真方法,基于均一、非郎伯面地表的高光谱遥感数据仿真方法和基于非均一、郎伯面地表的高光谱遥感数据仿真方法,以及基于非均一、非郎伯面地表的高光谱遥感数据仿真方法。以上所提到的均一性是指在传感器分辨率所对应的地表分辨单元内仅有一类地物,郎伯面则是指完全的漫反射面。
对于建筑物附近的人造林地这种的场景,单个象元中包含树木和土壤两种地物,所以不符合均一性假设;同时,作为树木,其不同能量入射方向和观察方向的双向反射率并不相同,也不满足郎伯面的假设。故对于建筑物附近的人造林地这种的情况只能采用基于非均一、非郎伯面地表的高光谱遥感数据仿真方法。现有该类方法非常少,2003年Verhoef等人提出了一种通过将PROSPECT模型、GeoSAIL模型和四流地表-大气辐射传输模型相耦合仿真植被地表高光谱遥感数据的方法,但该方法没能考虑地物的高度因素,亦不适用于林地附近存在高大建筑物情况下的高光谱遥感数据仿真。
发明内容
本发明为了解决现有的高光谱遥感数据仿真方法没能考虑地物的高度因素而不适用于林地附近存在高大建筑物情况下的高光谱遥感数据仿真的问题,而提出了一种用于林地复杂场景高光谱遥感数据的仿真方法。
本发明的步骤如下:
步骤一:设定仿真参数,并输入仿真中用到的光谱库地物反射率参考曲线;
步骤二:将欲仿真得到的高光谱遥感数据分解为太阳辐射直接被目标象元反射的能量、建筑物反射的太阳辐射被目标象元再次反射的能量、天空散射辐射被目标象元反射的能量、程辐射和临近效应五个部分,并按照步骤一中设定的仿真参数分别进行仿真;
步骤三:将步骤二中获得的仿真结果组合得到最终的仿真数据。
本方法用于林地复杂场景高光谱遥感数据的仿真,它全面考虑了地表混合象元反射率的非均一性、非郎伯性,以及大气程辐射、临近效应和建筑物二次入射等作用,考虑了地物的高度影响,能够更好的近似高光谱遥感的真实情况。利用该方法可以方便的为高光谱遥感数据后处理方法的研究提供经济且高质量的仿真数据。
附图说明
图1是本发明方法的流程图;图2是场景几何关系示意图,①是天空散射辐射被目标象元反射的能量、②是临近效应、③太阳辐射直接被目标象元反射的能量、④建筑物反射的太阳辐射被目标象元再次反射的能量、⑤程辐射;图3是四流地表-大气辐射传输模型示意图,图中A层是大气顶层、B层是大气层、C层是地表,各符号下标s表示传输方向为太阳下行辐射传输方向,下标o表示传感器上行辐射传输方向,上标-表示散射传输下行方向,上标+表示散射传输上行方向,括号中t表示高度处于大气顶层,b表示高度处于地表大气底层;图4是四流交叉影响示意图,圆弧部分表明该部分接受外界的能量,矩形部分标志表明该部分向外界传输能量,各箭头表示的能量流动;图5是建筑物反射的太阳辐射能量被目标象元再次反射的几何关系示意图。
具体实施方式
具体实施方式一:结合图1说明本实施方式,本实施方式的步骤如下:
步骤一:设定仿真参数,并输入仿真中用到的光谱库地物反射率参考曲线;
步骤二:将欲仿真得到的高光谱遥感数据分解为太阳辐射直接被目标象元反射的能量、建筑物反射的太阳辐射被目标象元再次反射的能量、天空散射辐射被目标象元反射的能量、程辐射和临近效应五个部分,并按照步骤一中设定的仿真参数分别进行仿真;
步骤三:将步骤二中获得的仿真结果组合得到最终的仿真数据。
具体实施方式二:本实施方式与具体实施方式一不同点在于步骤一中的仿真参数划分为两组,分别为:地表场景参数和大气场景参数;
地表场景参数为地面场景大小、分辨单元大小(GSD)、各单元地物分类、树木类型、树木平均高度、树木冠层尺寸、植株密度和建筑物高度;其中树木冠层尺寸简化为一个椭球体,其大小有长轴和短轴确定。
大气场景参数为太阳入射方向的天顶角、太阳入射方向的方向角、传感器观测方向的天顶角、传感器观测方向的方向角、MODTRAN参数、光谱范围和光谱分辨率。
其它步骤与具体实施方式一相同。
具体实施方式三:结合图2至图5说明本实施方式,本实施方式与具体实施方式一不同点在于步骤二,步骤二是全面考虑各种因素对于高光谱遥感数据获取的影响,如图2是将高光谱遥感数据划分为太阳辐射直接被目标象元反射的能量建筑物反射的太阳辐射被目标象元再次反射的能量天空散射辐射被目标象元反射的能量程辐射Lλ,sky和临近效应Lλ,adjacent五个部分。于是总辐射也就是仿真得到的最终数据传感器处辐照能量Lλ,sensor便可由公式(1)表示:
接下来分别仿真以上五个部分。
如图3和图4采取了四流地表-大气辐射传输模型表示地表反射率均为0、0.5、1三种情况下传感器处辐照能量Lλ,sensor与太阳入射到大气顶层的辐照能量Es o的关系,如公式(2)
其中等号右边第一项表示程辐射,第二项表示临近效应,第三项表示天空散射辐射被目标象元反射的能量,第四项表示太阳辐射直接被目标象元反射的能量。其中τss,τoo,ρso,ρdd,τsd,τdo6个参数描述大气的状况;rso,rdo,rdd,rsd4个参数描述地表象元的反射率。
由于大气情况不取决于地物分类,故通过MODTRAN仿真得到获取地表所有象元反射率均为0、0.5或者1三种情况下的高光谱遥感数据,再利用仿真得到高光谱遥感数据反推描述大气状况的6个参数τss,τoo,ρso,ρdd,τsd,τdo,最后再把参数τss,τoo,ρso,ρdd,τsd,τdo应用到复杂情况下林地高光谱遥感数据的仿真中。
通过公式(2)得到如下公式:
其中LPATH表示程辐射与邻近效应能量的和,LGSUN表示被目标反射的太阳直接入射的能量,LGTOT表示被目标反射的天空的散射入射的能量;通过推导得到公式(6)
τss=exp(-b/cosθs)
τoo=exp(-b/cosθo)
τssτoo=exp[-b(1/cosθs+1/cosθo)]=GSUN100×π/(Es ocosθs)
ρso=PATH0×π/(Es ocosθs)(6)
公式中,b是消光系数;通过MODTRAN仿真获得的PATH0,PATH50,PATH100分别表示地表所有象元反射率均为0,0.5,1三种情况下对应的程辐射与邻近效应能量的和;GSUN0,GSUN50,GSUN100分别表示地表所有象元反射率均为0,0.5,1三种情况下对应的被目标反射的太阳直接入射的能量;GTOT0,GTOT50,GTOT100分别表示地表所有象元反射率均为0,0.5,1三种情况下对应的被目标反射的天空的散射入射的能量;
所述的地表象元反射率的4个参数rso,rdo,rdd,rsd计算方法如下:
公式中,μo为传感器观测方向的天顶角的余弦值,μi为散射入射方向的天顶角的余弦值,μs为太阳入射方向的天顶角的余弦值,μv为散射观察方向的天顶角的余弦值,为传感器观测方向的方向角,为散射入射方向的方向角,为太阳入射方向的方向角,为散射观察方向的方向角,ρ′为双向反射率由光谱库直接提供。
求得的6个描述大气的状况τss,τoo,ρso,ρdd,τsd,τdo的参数和4个描述地表象元的反射率的rso,rdo,rdd,rsd参数后便通过公式(8)计算求得 Lλ,adjacent,Lλ,sky
公式(2)中为建筑物反射的太阳辐射被目标象元再次反射的能量。
为计算将建筑简化为一个如图5所示的一个侧面垂直于地面且表面为郎伯面的立方体。这样对于目标象元(x,y),侧面上的微小的面元ds就可以看成一个点光源,整个侧面对于目标象元(x,y)的作用可以看成所有面元作用的累加,公式如下:
公式中,是目标像元的方向性反射率,其入射方向为墙壁的二次入射方向,观察方向是传感器方向,目标像元的方向性反射率由光谱库直接查询获得;是墙壁的方向性反射率;x,x0,n,y0,y,m是空间坐标参数,见图5。其它步骤与具体实施方式一相同。
本发明内容不仅限于上述各实施方式的内容,其中一个或几个具体实施方式的组合同样也可以实现发明的目的。
Claims (7)
1、用于林地复杂场景高光谱遥感数据的仿真方法,其特征在于它的步骤如下:
步骤一:设定仿真参数,并输入仿真中用到的光谱库地物反射率参考曲线;
步骤二:将欲仿真得到的高光谱遥感数据分解为太阳辐射直接被目标象元反射的能量、建筑物反射的太阳辐射被目标象元再次反射的能量、天空散射辐射被目标象元反射的能量、程辐射和临近效应五个部分,并按照步骤一中设定的仿真参数分别进行仿真;
步骤三:将步骤二中获得的仿真结果组合得到最终的仿真数据。
2、根据权利要求1所述的用于林地复杂场景高光谱遥感数据的仿真方法,其特征在于步骤一中的仿真参数划分为两组,分别为:地表场景参数和大气场景参数;
地表场景参数为地面场景大小、分辨单元大小、各单元地物分类、树木类型、树木平均高度、树木冠层尺寸、植株密度和建筑物高度;其中树木冠层尺寸简化为一个椭球体,其大小有长轴和短轴确定;
大气场景参数为太阳入射方向的天顶角、太阳入射方向的方向角、传感器观测方向的天顶角、传感器观测方向的方向角、MODTRAN参数、光谱范围和光谱分辨率。
4、根据权利要求1所述的用于林地复杂场景高光谱遥感数据的仿真方法,其特征在于步骤二中的高光谱遥感数据仿真中是采用了四流地表-大气辐射传输模型表示地表反射率均为0、0.5、1三种情况下传感器处辐照能量Lλ,sensor与太阳入射到大气顶层的辐照能量Es o的关系,如公式(2)
其中等号右边第一项表示程辐射,第二项表示临近效应,第三项表示天空散射辐射被目标象元反射的能量,第四项表示太阳辐射直接被目标象元反射的能量;其中τss,τoo,ρso,ρdd,τsd,τdo6个参数描述大气的状况;rso,rdo,rdd,rsd4个参数描述地表象元的反射率,θs为太阳入射方向的天顶角。
5、根据权利要求4所述的用于林地复杂场景高光谱遥感数据的仿真方法,其特征在于大气的状况的6个参数τss,τoo,ρso,ρdd,τsd,τdo,通过公式(2)得到如下公式:
其中LPATH表示程辐射与邻近效应能量的和,LGSUN表示被目标反射的太阳直接入射的能量,LGTOT表示被目标反射的天空的散射入射的能量;通过推导得到公式(6)
τss=exp(-b/cosθs)
τoo=exp(-b/cosθo)
τssτoo=exp[-b(1/cosθs+1/cosθo)]=GSUN100×π/(Es ocosθs)
ρso=PATH0×π/(Es ocosθs) (6)
公式中,b是消光系数;通过MODTRAN仿真获得的PATH0,PATH50,PATH100分别表示地表所有象元反射率均为0,0.5,1三种情况下对应的程辐射与邻近效应能量的和;GSUN0,GSUN50,GSUN100分别表示地表所有象元反射率均为0,0.5,1三种情况下对应的被目标反射的太阳直接入射的能量;GTOT0,GTOT50,GTOT100分别表示地表所有象元反射率均为0,0.5,1三种情况下对应的被目标反射的天空的散射入射的能量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100713578A CN101477197B (zh) | 2009-01-24 | 2009-01-24 | 用于林地复杂场景高光谱遥感数据的仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100713578A CN101477197B (zh) | 2009-01-24 | 2009-01-24 | 用于林地复杂场景高光谱遥感数据的仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101477197A true CN101477197A (zh) | 2009-07-08 |
CN101477197B CN101477197B (zh) | 2011-12-21 |
Family
ID=40837943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100713578A Expired - Fee Related CN101477197B (zh) | 2009-01-24 | 2009-01-24 | 用于林地复杂场景高光谱遥感数据的仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101477197B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435318A (zh) * | 2011-09-16 | 2012-05-02 | 哈尔滨工业大学 | 考虑天空光对地表反射影响的偏振遥感数据仿真方法 |
CN103699543A (zh) * | 2012-09-28 | 2014-04-02 | 南京理工大学 | 基于遥感图像地物分类的信息可视化方法 |
CN104217128A (zh) * | 2014-09-19 | 2014-12-17 | 北京空间机电研究所 | 一种起伏地形下卫星侧摆成像大气邻近效应模拟方法 |
CN107491758A (zh) * | 2017-08-18 | 2017-12-19 | 南京林业大学 | 长江流域水体信息提取及其空间编码方法 |
CN107545082A (zh) * | 2016-06-27 | 2018-01-05 | 中国科学院沈阳自动化研究所 | 一种高光谱仿真中的辐射影响计算方法 |
CN108197376A (zh) * | 2017-12-28 | 2018-06-22 | 中铁二局集团有限公司 | 一种基于bim的临时建筑设计及建模方法和系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9218690B2 (en) * | 2012-08-29 | 2015-12-22 | Ge Aviation Systems, Llc | Method for simulating hyperspectral imagery |
CN104699953B (zh) * | 2015-01-29 | 2017-08-22 | 北京航空航天大学 | 一种湿地水生植被几何光学模型 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4742387B2 (ja) * | 2006-04-20 | 2011-08-10 | 独立行政法人海洋研究開発機構 | シミュレーション方法、シミュレーションプログラムおよびシミュレーション装置 |
CN100514085C (zh) * | 2007-10-16 | 2009-07-15 | 哈尔滨工业大学 | 高光谱图像的空间-光谱信息协同提高分辨率的方法 |
-
2009
- 2009-01-24 CN CN2009100713578A patent/CN101477197B/zh not_active Expired - Fee Related
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435318A (zh) * | 2011-09-16 | 2012-05-02 | 哈尔滨工业大学 | 考虑天空光对地表反射影响的偏振遥感数据仿真方法 |
CN102435318B (zh) * | 2011-09-16 | 2013-06-12 | 哈尔滨工业大学 | 考虑天空光对地表反射影响的偏振遥感数据仿真方法 |
CN103699543A (zh) * | 2012-09-28 | 2014-04-02 | 南京理工大学 | 基于遥感图像地物分类的信息可视化方法 |
CN104217128A (zh) * | 2014-09-19 | 2014-12-17 | 北京空间机电研究所 | 一种起伏地形下卫星侧摆成像大气邻近效应模拟方法 |
CN104217128B (zh) * | 2014-09-19 | 2017-07-07 | 北京空间机电研究所 | 一种起伏地形下卫星侧摆成像大气邻近效应模拟方法 |
CN107545082A (zh) * | 2016-06-27 | 2018-01-05 | 中国科学院沈阳自动化研究所 | 一种高光谱仿真中的辐射影响计算方法 |
CN107545082B (zh) * | 2016-06-27 | 2019-10-11 | 中国科学院沈阳自动化研究所 | 一种高光谱仿真中的辐射影响计算方法 |
CN107491758A (zh) * | 2017-08-18 | 2017-12-19 | 南京林业大学 | 长江流域水体信息提取及其空间编码方法 |
CN107491758B (zh) * | 2017-08-18 | 2020-10-09 | 南京林业大学 | 长江流域水体信息提取及其空间编码方法 |
CN108197376A (zh) * | 2017-12-28 | 2018-06-22 | 中铁二局集团有限公司 | 一种基于bim的临时建筑设计及建模方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101477197B (zh) | 2011-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101477197B (zh) | 用于林地复杂场景高光谱遥感数据的仿真方法 | |
Thompson et al. | Explicitly-coupled cloud physics and radiation parameterizations and subsequent evaluation in WRF high-resolution convective forecasts | |
McDonald et al. | Investigation of the utility of spectral vegetation indices for determining information on coniferous forests | |
Metzger et al. | Spatially explicit regionalization of airborne flux measurements using environmental response functions | |
Song et al. | The spatial manifestation of forest succession in optical imagery: The potential of multiresolution imagery | |
CN107389036A (zh) | 一种结合无人机影像的大空间尺度植被覆盖度计算方法 | |
Hill et al. | Characterizing vegetation cover in global savannas with an annual foliage clumping index derived from the MODIS BRDF product | |
CN106407656A (zh) | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 | |
CN102034337B (zh) | 草原雪灾遥感监测与灾情评估系统及方法 | |
CN103942420A (zh) | 一种建筑物尺度的太阳能快速估算方法 | |
CN102636779B (zh) | 一种基于重采样回归分析的亚像素积雪覆盖率提取方法 | |
CN108319923A (zh) | 一种云阴影识别方法及系统 | |
CN106228130B (zh) | 基于模糊自编码网络的遥感影像云检测方法 | |
CN103984862A (zh) | 一种多元遥感信息协同的积雪参数反演方法 | |
CN101339613B (zh) | 一种遥感图像背景噪声减弱方法 | |
CN102163264B (zh) | 一种高光谱数据质量与应用能力的评价方法 | |
CN102103076A (zh) | 地表反照率反演方法及系统 | |
Villard et al. | Forest biomass from radar remote sensing | |
Senf et al. | Satellite-based characterization of convective growth and glaciation and its relationship to precipitation formation over central Europe | |
CN109269641A (zh) | 一种用于天绘一号卫星的多传感器协同辐射定标方法 | |
Udina et al. | A modeling study of a trapped lee-wave event over the Pyrénées | |
CN110632032A (zh) | 一种基于地表反射率库的沙尘暴监测方法 | |
CN110261341A (zh) | 一种基于静止气象卫星数据的火山灰云检测方法及系统 | |
CN103927454A (zh) | 一种基于环境卫星的灰霾污染监测方法 | |
CN103413289B (zh) | 矿区图像处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111221 Termination date: 20130124 |