CN103558190B - 基于绿光波段的内陆浑浊水体多光谱数据大气校正方法 - Google Patents

Abstract

本发明公开了一种基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，它涉及遥感技术领域。其校正方法步骤：A：对内陆水体的多光谱影像数据进行预处理；B：对同步获取的MODIS L1B影像进行预处理；C：对所述经过预处理的影像数据，提取清洁像元(暗像元)；D：针对所述MODIS数据清洁像元，利用SWIR波段组合计算大气校正因子；E：结合模拟数据库及大量实验观测数据，计算与多光谱波段匹配的清洁水体绿光波段离水反射率；F：根据D所述计算出的大气校正因子，以及E的离水反射率，推算各波段气溶胶散射；G：根据F所述计算的气溶胶散射，完成多光谱影像数据的大气校正。本发明提高了针对内陆浑浊水体的多光谱遥感数据的大气校正精度。

Description

基于绿光波段的内陆浑浊水体多光谱数据大气校正方法

技术领域

本发明涉及的是遥感技术领域，具体涉及一种基于绿光波段的内陆浑浊水体多光谱数据大气校正方法。

背景技术

遥感技术是水环境监测和评价的重要技术手段。由于多光谱遥感数据往往具有空间分辨率高的特点，因此是内陆水环境遥感监测的重要数据源，但是，多光谱数据通常仅包含红、绿、蓝和近红外四个波段(如Landsat的TM传感器数据、SPOT卫星数据、我国的环境一号卫星CCD数据等)，波段较宽，并且缺少专门的大气校正波段，使得其大气校正精度不高，制约了其在水环境遥感监测中的应用。目前对该类数据的大气校正，主要采用6S等辐射传输模型，或黑暗像元法等，但是，辐射传输模型法需要输入大量的同步实测参数如气溶胶类型、能见度等，而这些参数又往往难以获取；此外，对于内陆浑浊水体，黑暗像元法往往产生过校正的现象，导致出现许多负值。因此，针对内陆浑浊水体的特点，建立一种快速有效的大气校正方法，是提高多光谱遥感数据的适用性，推动遥感技术发展的重要环节。

发明内容

针对现有技术上存在的不足，本发明目的是在于提供一种基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，针对内陆浑浊水体，确定其适宜的离水反射率背景值，克服通常大气校正中假设近红外波段离水反射为0的缺陷，避免出现过校正现象，提高多光谱遥感数据的大气校正精度。

为了实现上述目的，本发明是通过如下的技术方案来实现：基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其校正方法步骤：A：对内陆水体的多光谱影像数据进行预处理；

B：对同步获取的MODIS L1B影像进行预处理；

C：对所述经过预处理的影像数据，提取清洁像元(暗像元)；

D：针对所述MODIS数据清洁像元，利用SWIR波段组合计算大气校正因子；

E：结合模拟数据库及大量实验观测数据，计算与多光谱波段匹配的清洁水体绿光波段离水反射率；

F：根据D所述计算出的大气校正因子，以及E的离水反射率，推算各波段气溶胶散射；

G：根据F所述计算的气溶胶散射，完成多光谱影像数据的大气校正。

优选地，所述步骤A具体包括步骤：

A1：获取所需进行大气校正的多光谱遥感影像，从中提取内陆水体水域的影像数据；

A2：利用所获取数据的定标参数(通常由传感器发射方提供)，对原始影像数据进行辐射定标和几何纠正。

优选地，所述步骤B具体包括步骤：

B1：获取与多光谱数据同步的MODIS L1B数据，从中提取内陆水域的影像数据；

B2：对MODIS影像进行几何校正、辐射校正以及“蝴蝶结效应(Bowtie)”纠正。

优选地，所述步骤C中，对MODIS数据，以1240nm、1640nm波段辐亮度选取低值像元做为暗像元，暗像元尽量均匀分布于图像中。

优选地，所述步骤D中，针对所述清洁像元，利用短波红外波段计算大气校正参数ε值，具体计算方法如下：

$\begin{array}{c}\mathrm{\ϵ}({\mathrm{\λ}}_{\mathrm{SWIR}1},{\mathrm{\λ}}_{\mathrm{SWIR}2})=\frac{{\mathrm{\ρ}}_A\left({\mathrm{\λ}}_{\mathrm{SWIR}1}\right)}{{\mathrm{\ρ}}_A\left({\mathrm{\λ}}_{\mathrm{SWIR}2}\right)}\\ =\frac{L_A\left({\mathrm{\λ}}_{\mathrm{SWIR}1}\right)/F_0\left({\mathrm{\λ}}_{\mathrm{SWIR}1}\right)}{L_A\left({\mathrm{\λ}}_{\mathrm{SWIR}2}\right)/F_0\left({\mathrm{\λ}}_{\mathrm{SWIR}2}\right)}=\exp \left[C({\mathrm{\λ}}_{\mathrm{SWIR}2}-{\mathrm{\λ}}_{\mathrm{SWIR}1})\right]\end{array}---\left(1\right)$

其中，SWIR1及SWIR2为短波红外波段，F0是大气上界辐照度，LA为经瑞利散射校正的辐亮度值。

优选地，所述步骤D中，计算所有清洁像元的ε，并取其均值作为研究水域的大气校正参数，以减小以单一像元计算值代表整个区域带来的误差。

优选地，所述步骤E中，需要估计内陆浑浊水体中相对清洁像元在绿光波段的背景离水辐亮度值。具体包括以下步骤：

E1：根据大量地面实验观测，建立水体叶绿素浓度、悬浮物浓度、水面遥感反射率数据库；

E2：利用水体辐射传输模型，建立水体叶绿素、悬浮物浓度、水面遥感反射率查找表；

E3：结合E1与E2所建数据表，遴选绿光波段遥感反射率值低于0.03，悬浮物浓度低于20mg／l，叶绿素浓度低于20ug／l的数据，取其反射率均值为绿光波段背景值。

优选地，所述步骤F中，结合所述E中计算的绿光波段背景值，计算多光谱遥感影像绿光波段的气溶胶散射，并利用所述D中计算的大气校正因子，推算各波段气溶胶散射。

优选地，所述步骤G中，用所述A中预处理后的影像，结合所述F计算的气溶胶散射，针对逐像元，完成多光谱影像数据的大气校正。

本发明的大气校正方法，利用内陆水体在绿光波段反射率相对稳定的特点，计算大气气溶胶散射，该方法克服通常大气校正中假设近红外波段离水反射为0的缺陷，避免出现过校正现象；利用绿光波段推算气溶胶散射，提高了可见光波段气溶胶散射的估算精度，从而提高了多光谱遥感数据的大气校正精度。

附图说明

下面结合附图和具体实施方式来详细说明本发明；

图1为本发明实施例所述的基于氧气和水汽吸收波段进行多光谱影像大气校正的方法流程图；

图2为2007年11月11日、2008年11月20日、2009年4月25日3景遥感影像大气校正的效果对比图，图中利用了与3景影像过境时间相差不超过2小时的6个地面样点数据进行对比。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参照图1，本具体实施方式采用以下技术方案：基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其校正方法步骤：A：对内陆水体的多光谱影像数据进行预处理；

B：对同步获取的MODIS L1B影像进行预处理；

C：对所述经过预处理的影像数据，提取清洁像元(暗像元)；

D：针对所述MODIS数据清洁像元，利用SWIR波段组合计算大气校正因子；

E：结合模拟数据库及大量实验观测数据，计算与多光谱波段匹配的清洁水体绿光波段离水反射率；

F：根据D所述计算出的大气校正因子，以及E的离水反射率，推算各波段气溶胶散射；

G：根据F所述计算的气溶胶散射，完成多光谱影像数据的大气校正。

实施例：本实施例以太湖作为内陆水体的示例，以环境一号卫星CCD数据及同步获取的MODIS数据作为多光谱遥感影像的示例，详细说明利用所述方法进行内陆水体大气校正的过程。图1是本发明实施例所述的基于绿光波段的内陆浑浊水体多光谱影像大气校正的方法流程图，如图1所述，所述方法包括步骤：

A：通过网站获取了2009年4月17日、21日、25日三天的环境卫星CCD影像数据，并对数据进行预处理，包括：太湖水域提取、几何校正、辐射定标包括：太湖水域提取、几何校正、辐射定标；

B：通过网站获取了2009年4月17日、21日、25日三天的MODIS L1B1km分辨率影像数据，并对数据进行预处理，包括：太湖水域提取、辐射校正以及“蝴蝶结效应”纠正；

C：对所述经过预处理的MODIS影像数据，提取清洁像元(暗像元)。以1240nm、1640nm波段辐亮度为依据，对所有像元排序，选取排序在5％以下的像元做为暗像元提取清洁像元(暗像元)；

D：针对所述MODIS数据清洁像元，利用SWIR波段组合计算大气校正因子ε值，具体计算方法如下：

$\begin{array}{c}\mathrm{\ϵ}({\mathrm{\λ}}_{\mathrm{SWIR}1},{\mathrm{\λ}}_{\mathrm{SWIR}2})=\frac{{\mathrm{\ρ}}_A\left({\mathrm{\λ}}_{\mathrm{SWIR}1}\right)}{{\mathrm{\ρ}}_A\left({\mathrm{\λ}}_{\mathrm{SWIR}2}\right)}\\ =\frac{L_A\left({\mathrm{\λ}}_{\mathrm{SWIR}1}\right)/F_0\left({\mathrm{\λ}}_{\mathrm{SWIR}1}\right)}{L_A\left({\mathrm{\λ}}_{\mathrm{SWIR}2}\right)/F_0\left({\mathrm{\λ}}_{\mathrm{SWIR}2}\right)}=\exp \left[C({\mathrm{\λ}}_{\mathrm{SWIR}2}-{\mathrm{\λ}}_{\mathrm{SWIR}1})\right]\end{array}$

其中，SWIR1为1240nm波段，SWIR2为1640nm波段，F₀是大气上界辐照度，L_A为影像数据经瑞利散射校正的辐亮度值。本示例计算了124个清洁像元的ε值，对其求均值，以减小以单一像元计算值代表整个区域带来的误差。

E：估算与多光谱波段匹配的清洁水体绿光波段离水反射率。本示例中，结合模拟数据库及大量实验观测数据，确定太湖清洁水体绿光波段离水反射率。其中，模拟数据库利用国际上通用的Hydrolight辐射传输模型建立，初始值采用实验观测值，数据库包含了水面遥感反射率，叶绿素、悬浮物浓度，共计2万条数据。以叶绿素浓度<20ug／L，TSM浓度<16mg／L为标准，估算出太湖清洁水体绿光波段离水反射背景值为0.02。

F：根据D所述计算出的大气校正因子，以及E所述估算的离水反射率，推算各波段气溶胶散射。利用CCD影像实测的绿光波段L_A值，减除E所述估算的背景值，并带入D所述的公式中，计算CCD影像各波段的气溶胶散射。

G：根据F所述计算的气溶胶散射，将A所述与处理后的CCD数据，逐像元减除气溶胶散射，完成多光谱影像数据的大气校正。

本发明实施例所述基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，利用与环境一号卫星同步获取的MODIS数据，结合其位于1240nm和1640nm的短波红外波段，选取清洁像元并计算大气校正参数；利用环境一号卫星CCD数据的绿光波段，估算该波段气溶胶散射，并外推计算各多光谱波段的大气气溶胶散射，进而对整景影像进行大气校正，得到水面遥感反射率数据。将该方法应用于2009年4月17日、21日、25日的环境一号卫星CCD影像，与地面准同步实测样点相比，其数据拟合结果如图2所示，结果表明，基于清洁水体绿波段稳定性的改进方法校正后的值在蓝绿光波段并未出现负值情况，较之通常所用的方法有较大改善，且与实测光谱较接近，误差较小，说明该改进算法对气溶胶在蓝绿光波段高估现象有较好的纠正。该发明为提高内陆水体多光谱数据的大气校正精度，提供了一种技术方法，此方法的推广，将促进遥感技术在水环境监测中的应用。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其特征在于，其校正方法步骤：(A)：对内陆水体的多光谱影像数据进行预处理；

(B)：对同步获取的MODIS L1B影像进行预处理；

(C)：对所述经过预处理的影像数据，提取暗像元；

(D)：针对所述MODIS数据暗像元，利用SWIR波段组合计算大气校正因子；

(E)：结合模拟数据库及大量实验观测数据，计算与多光谱波段匹配的清洁水体绿光波段离水反射率；

(F)：根据(D)所述计算出的大气校正因子，以及(E)的离水反射率，推算各波段气溶胶散射；

(G)：根据(F)所述计算的气溶胶散射，完成多光谱影像数据的大气校正；

所述步骤(E)中，需要估计内陆浑浊水体中相对暗像元在绿光波段的背景离水辐亮度值，具体包括以下步骤：

(E1)：根据大量地面实验观测，建立水体叶绿素浓度、悬浮物浓度、水面遥感反射率数据库；

(E2)：利用水体辐射传输模型，建立水体叶绿素浓度、悬浮物浓度、水面遥感反射率查找表；

(E3)：结合(E1)与(E2)所建数据表，遴选绿光波段遥感反射率值低于0.03，悬浮物浓度低于20mg/l，叶绿素浓度低于20ug/l的数据，取其反射率均值为绿光波段背景值。

2.根据权利要求1所述的基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其特征在于，所述步骤(A)具体包括步骤：

(A1)：获取所需进行大气校正的多光谱遥感影像，从中提取内陆水体水域的影像数据；

(A2)：利用所获取数据的定标参数，对原始影像数据进行辐射定标和几何纠正。

3.根据权利要求1所述的基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其特征在于，所述步骤(B)具体包括步骤：

(B1)：获取与多光谱数据同步的MODIS L1B数据，从中提取内陆水域的影像数据；

(B2)：对MODIS影像进行几何校正、辐射校正以及“蝴蝶结效应”纠正。

4.根据权利要求1所述的基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其特征在于，所述步骤(C)中，对MODIS数据，以1240nm、1640nm波段辐亮度选取低值像元做为暗像元，暗像元尽量均匀分布于图像中。

5.根据权利要求1所述的基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其特征在于，所述步骤(D)中，针对所述暗像元，利用短波红外波段计算大气校正因子ε值，具体计算方法如下：

$\begin{array}{c}\mathrm{\&epsiv;}=({\mathrm{\&lambda;}}_{SWIR1},{\mathrm{\&lambda;}}_{SWIR2})=\frac{{\mathrm{\&rho;}}_A\left({\mathrm{\&lambda;}}_{SWIR1}\right)}{{\mathrm{\&rho;}}_A\left({\mathrm{\&lambda;}}_{SWIR2}\right)}\\ =\frac{L_A\left({\mathrm{\&lambda;}}_{SWIR1}\right)/F_0\left({\mathrm{\&lambda;}}_{SWIR1}\right)}{L_A\left({\mathrm{\&lambda;}}_{SWIR2}\right)/F_0\left({\mathrm{\&lambda;}}_{SWIR2}\right)}=\exp \&lsqb;C({\mathrm{\&lambda;}}_{SWIR2}-{\mathrm{\&lambda;}}_{SWIR1})\&rsqb;\end{array}---\left(1\right)$

其中，SWIR1及SWIR2为短波红外波段，F₀是大气上界辐照度，L_A为经瑞利散射校正的辐亮度值，ρ_A为密度，C为常量。

6.根据权利要求1所述的基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其特征在于，所述步骤(D)中，计算所有暗像元的ε，并取其均值作为研究水域的大气校正因子，以减小以单一像元计算值代表整个区域带来的误差。

7.根据权利要求1所述的基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其特征在于，所述步骤(F)中，结合所述(E)中计算的绿光波段背景值，计算与多光谱波段匹配的清洁水体绿光波段离水反射率，并利用所述(D)中计算的大气校正因子，推算各波段气溶胶散射。

8.根据权利要求1所述的基于绿光波段的内陆浑浊水体多光谱数据大气校正方法，其特征在于，所述步骤(G)中，用所述(A)中预处理后的影像，结合所述(F)计算的气溶胶散射，针对逐像元，完成多光谱影像数据的大气校正。