CN104483663B - 一种高光谱遥感影像大气纠正方法及系统 - Google Patents
一种高光谱遥感影像大气纠正方法及系统 Download PDFInfo
- Publication number
- CN104483663B CN104483663B CN201410827642.9A CN201410827642A CN104483663B CN 104483663 B CN104483663 B CN 104483663B CN 201410827642 A CN201410827642 A CN 201410827642A CN 104483663 B CN104483663 B CN 104483663B
- Authority
- CN
- China
- Prior art keywords
- aerosol
- water vapor
- vapor content
- mode
- optical thickness
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000000443 aerosol Substances 0.000 claims abstract description 259
- 230000003287 optical effect Effects 0.000 claims abstract description 96
- 238000002310 reflectometry Methods 0.000 claims abstract description 74
- 239000005427 atmospheric aerosol Substances 0.000 claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 256
- 230000005540 biological transmission Effects 0.000 claims description 59
- 230000005855 radiation Effects 0.000 claims description 48
- 238000010521 absorption reaction Methods 0.000 claims description 36
- 238000002834 transmittance Methods 0.000 claims description 25
- 239000000428 dust Substances 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 239000004071 soot Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 3
- 241001062009 Indigofera Species 0.000 abstract 1
- 239000003245 coal Substances 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 102000006463 Talin Human genes 0.000 description 1
- 108010083809 Talin Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- -1 i.e. Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高光谱遥感影像大气校正方法及系统,包括步骤:步骤1,根据卫星信号获得暗目标蓝波段和红波段的地表反射率和观测表观反射率;步骤2,基于卫星信号反演气溶胶模式;步骤3,基于卫星信号和当前大气气溶胶模式反演水汽含量;步骤4,采用反演获得的当前大气气溶胶模式和当前水汽含量对遥感影像进行大气校正。本发明针对不同区域的特点建立相适应的气溶胶模式,在大气校正前先反演气溶胶模式,从而提高大气纠正的准确性;本发明综合考虑了水汽含量与气溶胶间的相互影响,对气溶胶光学厚度与水汽含量进行协同反演,可进一步消除气溶胶光学厚度与水汽含量间的相互影响。
Description
技术领域
本发明属于大气环境遥感技术领域,尤其涉及一种高光谱遥感影像大气校正方法及系统,适用于EO-1卫星Hyperion传感器。
背景技术
大气中气溶胶和水汽是影响航空与航天遥感影像数据质量的重要的因素之一 [1-4],大气纠正的目的就是为了消除大气中各种成分对遥感信号的影响,还原真实的地表辐射信息。大气状况瞬息万变,很难同步测量卫星过境时大气的参数,而如果能直接从遥感信息中反演出大气信息,就能更好的进行大气纠正。大气中O3、O2、CO2、NO2、CH4等气体含量相对稳定,只有气溶胶、水汽含量变动较大,大气纠正的关键在于估算气溶胶模式、气溶胶含量与水汽含量。
目前大气纠正的方法较多,有基于图像特征的相对订正法、基于地面线形回归模型法、大气辐射传输模型法和复合模型法[1-10]。其中大气辐射传输模型法通过模拟太阳辐射信号通过大气后,与地表相互作用后回到传感器的信号,能较精确的描述水汽、气溶胶的作用,因此被广泛的应用在各种遥感图像的大气纠正中。但是,现阶段基于大气辐射传输模型的大气纠正算法对气溶胶和水汽含量是分开进行反演。一般先利用水汽吸收波段估算水汽含量,在消除水汽影响后再考虑气溶胶的反演;而且在考虑气溶胶的影响时,假设了气溶胶为单一模式,未考虑气溶胶模式的差异问题。但在实际中,气溶胶类型或模式是变化的,气溶胶模式的选择是最大的误差源。现有成果中可以发现大陆型、城镇型气溶胶模式,在蓝色、红色波段反射率最大差别可达到13%[4]。
相关文献:
[1]徐永明,覃志豪,陈爱军.基于查找表的MODIS逐像元大气校正方法研究[J].武汉大学学报(信息科学版),2010,35(8):959-962.
[2]赵祥,梁顺林,刘素红,王锦地,秦军,厉青,李小文。高光谱遥感数据的改正暗目标大气校正方法研究中国科学D辑:地球科学2007,37(12):1653-1659.
[3]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,2010,30(10):2710-2713.
[4]胡方超,王振会,张兵,李俊生。遥感试验数据确定大气气溶胶类型的方法研究.中国激光2009,36(2):312-317.
[5]唐洪钊,晏磊,李成才等。.基于MODIS高分辨率气溶胶反演的ETM+影像大气校正[J].地理与地理信息科学,2010,26(4):12-15.
[6]袁金国,牛铮,王锡平.基于FLAASH的Hyperion高光谱影像大气校正[J].光谱学与光谱分析,2009,29(5):1181-1185.
[7]Liang S,Fang H.An improved atmospheric correction algorithm for hyperspectral remotely sensed imagery.Geoscience and Remote Sensing Letters,IEEE.2004;1(2):112–117.
[8]Liang S,Fang H,Chen M.Atmospheric correction of Landsat ETM+land surface imagery.I.Methods.Geoscience and Remote Sensing,IEEE Transactions on.2001;39(11):2490–2498.
[9]Liang S,Fang H,Morisette JT,Chen M,Shuey CJ,Walthall CL,et al.Atmospheric correction of Landsat ETM+land surface imagery.II.Validation andapplications.Geoscience and Remote Sensing,IEEE Transactions on.2002;40(12):2736–2746.
[10]方莉,余涛,顾行发,王舒鹏,高军,刘其悦。北京地区HJ-1卫星CCD数据的气溶胶反演及在大气校正中的应用。遥感学报,2013,17(1):151-164.
[11]Levy R C,Remer L A,Mattoo S,et al.Second-generation operational algorithm:Retrieval of aerosol properties over land from inversion of moderate resolution imaging spectroradiometer spectral reflectance[J].Journal of Geophysical Research,2007(b)112:D13211.
[12]Kaufman Y J,Gao B C.Remote sensing of water vapor in the near IR from EOS/MODIS[J].IEEE Trans.Geosci.Remote Sensing,1992,30:871-884.
发明内容
针对现有技术存在的不足,本发明提供了一种综合考虑水汽含量与气溶胶间相互影响、且能针对区域特点建立相适应的气溶胶模式的高光谱遥感影像大气校正方法。
为解决上述技术问题,本发明采用如下的技术方案:
一、高光谱遥感影像大气校正方法,包括步骤:
步骤1,根据卫星信号获得暗目标蓝波段和红波段的地表反射率和观测表观反射率;
步骤2,基于卫星信号反演气溶胶模式,具体为:
2.1选择多种与卫星信号对应区域实际情况相符的气溶胶类型,并按不同体积比将各气溶胶类型进行组合获得一系列气溶胶模式;
2.2在各气溶胶模式下,基于6S辐射传输模型创建由大气参数和气溶胶模式的对应关系构成的气溶胶模式查找表;
2.3采用分辨率成像光谱仪获得与卫星信号同时段的气溶胶光学厚度与水汽含量,基于气溶胶模式查找表获得上述气溶胶光学厚度与水汽含量下各气溶胶模式对应的其他大气参数;根据暗目标蓝波段和红波段的地表反射率和对应的大气参数计算各气溶胶模式下暗目标蓝波段和红波段的理论表观反射率,以观测表观反射率和理论表观反射率差距最小的气溶胶模式为当前大气气溶胶模式;
步骤3,基于卫星信号和当前大气气溶胶模式反演水汽含量,具体为:
3.1在当前大气气溶胶模式下,基于6S辐射传输模型和观测几何参数创建由大气参数与地表反射率、表观反射率的对应关系构成的水汽含量反演查找表;
3.2采用三通道水汽含量反演法获得卫星信号对应的水汽透过率;
3.3基于6S辐射传输模型获得水汽含量与水汽透过率的关系模型,根据卫星信号对应的水汽透过率获得卫星信号对应的当前水汽含量;
步骤4,采用反演获得的当前大气气溶胶模式和当前水汽含量对遥感影像进行大气校正。
子步骤2.1中所述的选择多种与卫星信号对应区域实际情况相符的气溶胶类型,是从6S辐射传输模型定义的气溶胶类型中选择,6S辐射传输模型定义的气溶胶类型包括沙尘型气溶胶、海洋型气溶胶、水溶型气溶胶和煤烟型气溶胶。
子步骤2.3中所述的观测表观反射率和理论表观反射率差距 其中,和分别为暗目标的红波段和蓝波段的理论表观反射率,ρr和ρb分别为暗目标的红波段和蓝波段的观测表观反射率。
子步骤3.2中所述的采用三通道水汽含量反演法获得卫星信号对应的水汽透过率,具体为:
根据一个水汽强吸收波段和两个分别位于水汽强吸收波段前后的水汽弱吸收波段对应的观测表观反射率和大气程辐射计算卫星信号对应的水汽透过率T(H2O)):
其中,λ1和λ2分别表示位于水汽强吸收波段前后的水汽弱吸收波段波长,λ3表示水汽强吸收波段波长;ρTOA(1)、ρTOA(2)、ρTOA(3)分别为水汽强吸收波段1和位于水汽强吸收波段前后的水汽弱吸收波段2、3对应的观测表观反射率;ρpath(1)、ρpath(2)、ρpath(3)分别为水汽强吸收波段1和位于水汽强吸收波段前后的水汽弱吸收波段2、3对应的大气程辐射,即大气参数,根据卫星信号的观测表观反射率和地表反射率即可从水汽含量反演查找表中获得对应的大气程辐射。
子步骤3.3中所述的基于6S辐射传输模型获得水汽含量与水汽透过率的关系模型,具体为:
在当前大气气溶胶模式下,采用子步骤3.2的方法计算不同气溶胶光学厚度与水汽含量下的水汽透过率,在不同气溶胶光学厚度下对水汽含量和水汽透过率进行拟合,获得水汽含量与水汽透过率的关系模型。
上述高光谱遥感影像大气校正方法,还包括循环迭代反演气溶胶模式和水汽含量的步骤,具体为:
(1)根据当前气溶胶厚度τi,采用权利要求1步骤3所述方法计算当前大气气溶胶模式下卫星信号对应的当前水汽含量WVi,气溶胶厚度初始值从设定的气溶胶光学厚度区间取值;
(2)根据暗目标蓝波段和红波段的地表反射率和观测表观反射率以及当前水汽含量WVi,采用水汽含量反演查找表得到对应的气溶胶光学厚度τi+1,基于气溶胶光学厚度τi+1采用步骤(1)方法获得气溶胶光学厚度τi+1对应的水汽含量WVi+1;
(3)将气溶胶光学厚度τi和τi+1作差,同时将水汽含量WVi和WVi+1作差,判断气溶胶光学厚度和水汽含量的差值是否均在设定范围内;若均在设定范围内,执行步骤(4);否则,以气溶胶光学厚度τi+1为当前气溶胶厚度τi,以水汽含量WVi+1为当前水汽含量值WVi,循环执行步骤(1)~(2);
(4)以当前气溶胶厚度τi和当前水汽含量值WVi对遥感影像进行大气校正。
二、一种高光谱遥感影像大气校正系统,包括:
第一模块,用来根据卫星信号获得暗目标蓝波段和红波段的地表反射率和观测表观反射率;
第二模块,用来基于卫星信号反演气溶胶模式,所述的第二模块进一步包括子模块:
气溶胶模式确定模块,用来选择多种与卫星信号对应区域实际情况相符的气溶胶类型,并按不同体积比将各气溶胶类型进行组合获得一系列气溶胶模式;
气溶胶模式查找表构建模块,用来在各气溶胶模式下,基于6S辐射传输模型创建由大气参数和气溶胶模式的对应关系构成的气溶胶模式查找表;
气溶胶模式反演模块,用来采用分辨率成像光谱仪获得与卫星信号同时段的气溶胶光学厚度与水汽含量,基于气溶胶模式查找表获得上述气溶胶光学厚度与水汽含量下各气溶胶模式对应的其他大气参数;根据暗目标蓝波段和红波段的地表反射率和对应的大气参数计算各气溶胶模式下暗目标蓝波段和红波段的理论表观反射率,以观测表观反射率和理论表观反射率差距最小的气溶胶模式为当前大气气溶胶模式;
第三模块,用来基于卫星信号和当前大气气溶胶模式反演水汽含量,所述的第三模块进一步包括子模块:
水汽含量反演查找表构建模块,用来在当前大气气溶胶模式下,基于6S辐射传输模型和观测几何参数创建由大气参数与地表反射率、表观反射率的对应关系构成的水汽含量反演查找表;
水汽透过率获得模块,用来采用三通道水汽含量反演法获得卫星信号对应的水汽透过率;
水汽含量反演模块,用来基于6S辐射传输模型获得水汽含量与水汽透过率的关系模型,根据卫星信号对应的水汽透过率获得卫星信号对应的当前水汽含量;
第四模块,用来采用反演获得的当前大气气溶胶模式和当前水汽含量对遥感影像进行大气校正。
上述高光谱遥感影像大气校正系统,还包括第五模块,本模块进一步包括子模块:
第一水汽含量反演模块,用来根据当前气溶胶厚度τi,采用第三模块计算当前大气气溶胶模式下卫星信号对应的当前水汽含量WVi,气溶胶厚度初始值从设定的气溶胶光学厚度区间取值;
第二水汽含量反演模块,用来根据暗目标蓝波段和红波段的地表反射率和观测表观反射率以及当前水汽含量WVi,采用水汽含量反演查找表得到对应的气溶胶光学厚度τi+1,基于气溶胶光学厚度τi+1采用第一水汽含量反演模块获得气溶胶光学厚度τi+1对应的水汽含量WVi+1;
判定模块,用来将气溶胶光学厚度τi和τi+1作差,同时将水汽含量WVi和WVi+1作差,判断气溶胶光学厚度和水汽含量的差值是否均在设定范围内;若均在设定范围内,转至第四模块;否则,以气溶胶光学厚度τi+1为当前气溶胶厚度τi,以水汽含量WVi+1为当前水汽含量值WVi,转至第一水汽含量反演模块。
与现有技术相比,本发明具有如下特点:
(1)现有的大气纠正方法中气溶胶模式仅利用大气传输方程中固有的气溶胶模式(如城镇型气溶胶模式、乡村型气溶胶模式等),本发明考虑了不同区域气溶胶模式的差异,针对不同区域的特点建立相适应的气溶胶模式,在大气校正前先反演气溶胶模式,从而提高大气纠正的准确性。
(2)现有的基于大气辐射传输模型的大气纠正方法中对气溶胶和水汽含量是独立进行反演的,本发明则综合考虑了水汽含量与气溶胶间的相互影响,对气溶胶光学厚度与水汽含量进行协同反演,可进一步消除气溶胶光学厚度与水汽含量间的相互影响。
(3)采用循环迭代方式协同反演气溶胶光学厚度与水汽含量,可进一步获得稳定、可靠的气溶胶光学厚度与水汽含量参数。
附图说明
图1为本发明方法的具体流程示意图。
具体实施方式
根据6S辐射传输理论,卫星接收到的辐射信号包含大气直接散射的部分、地表目标的反射部分和地表目标周围背景的反射部分。假设地表为朗伯面,卫星入瞳处信号,即表观反射率ρTOA可描述为:
式(1)中,ρTOA表示传感器接收的单个像元的表观反射率;
Tg(O3,O2,CO2,NO2,CH4)为气体分子引起的大气透过率;ρR+A为大气瑞利散射和分子散射引起的大气程辐射;TR+A为瑞利散射和气溶胶引起的大气透过率;
Tg(H2O)为水汽引起的大气透过率,即水汽透过率;S为大气半球反射率;ρs为像元的地表反射率。上述所有变量值都与波长相关。
由表观反射率ρTOA反演地表反射率ρs,首先需要估算Tg(O3,O2,CO2,NO2,CH4)、ρR+A、TR+A、Tg(H2O)、S。将Tg(O3,O2,CO2,NO2,CH4)
和ρR+A归纳为变量ρpath,将Tg(O3,O2,CO2,NO2,CH4)、Tg(H2O)、TR+A归纳为变量T,公式(1)可简化为:
式(2)中,ρpath是与大气廓线、气溶胶模式与气溶胶光学厚度有关的变量,T是与水汽含量WV、气溶胶模式与气溶胶光学厚度有关的变量,S是与大气廓线、气溶胶模式与气溶胶光学厚度有关的变量。
当给定大气廓线、气溶胶模式、水汽含量和气溶胶光学厚度时,利用6S辐射传输模型即可计算ρpath、T和S,具体为:给定三个地表反射率值ρs,例如,ρs=(0.0,0.5,0.8),采用6S辐射传输模型运行三次,可获得三个对应的表观反射率值ρTOA;将三个表观反射率值ρTOA与对应的地表反射率值ρs代入公式(2),即可求得ρpath、T和S;进而在给定表观反射率或地表反射率后,可得到对应的地表反射率或表观反射率。因此,本发明大气纠正的问题转化为:在已知表观反射率的情况下,求解大气廓线、气溶胶模式、水汽含量和AOT参数,亦即求解ρpath、T和S。大气廓线可根据遥感数据获取时间以及所在地区,选择6S辐射传输模型中已有的大气廓线数据。因此,水汽含量、气溶胶模式及气溶胶光学厚度是大气纠正中需反演的参数。
基于上述理论,本具体实施方式以6S辐射传输模型构建查找表,并基于估算气溶胶模式,采用循环迭代方式协同反演气溶胶光学厚度(aerosol optical thickness,AOT)与水汽含量,流程见图1。本发明方法主要步骤包括:获取观测表观反射率,确定暗目标及其蓝波段(波长0.486μm)、红波段(波长0.66μm)的地表反射率,气溶胶模式反演,生成查找表,水汽含量反演和循环迭代反演大气参数。
下面将结合图1进一步说明本发明方法的具体实施方式,步骤如下:
步骤一、获取观测表观反射率。
将Hyperion卫星数据信号转化为表观反射率ρλ:
式(3)中,ρλ为波段λ的表观反射率,即观测表观反射率;d代表日地归一化距离,Eλ表示波段λ下大气上界太阳光福照度,θ是太阳天顶角;Lλ为波段λ的 光谱辐亮度,Lλ=DN/K,DN表示星影像上各像元灰度值,K是定标系数,近红外波段的定标系数为40,短波红外的定标系数为80。
步骤二、确定暗目标及其蓝波段、红波段的地表反射率。
2.1暗目标的确定。
计算NDVI(Normalized Difference Vegetation Index,归一化植被指数):
式(4)中,ρNIR、ρred分别为近红外波段和红波段处的表观反射率。
NDVI大于0.4的像元为绿色植被,即暗目标区域。
2.2确定暗目标红波段的地表反射率和蓝波段的地表反射率
暗目标区域红波段、蓝波段的地表反射率可用2.12μm波段的地表反射率表示,具体公式如下:
其中,
yint0.66/2.12=-0.00025Θ+0.003 (8)
slope0..48/0.66=0.49 (9)
yint0.48/0.66=0.005 (10)
公式中:
其中,ρ1.24和ρ2.12分别为1.24μm和2.12μm波段处的表观反射率,地表反射率可认为与表观反射率ρ2.12相等;Θ表示散射角,θ0、θ、分别为太阳天顶角、传感器观测天顶角以及太阳与传感器间相对方位角。
步骤三、气溶胶模式反演。
3.1确定气溶胶模式。
基于6S辐射传输模型中定义的四种类型的气溶胶:沙尘型(Dust-Like,D.L.)、海洋型(Oceanic,O.C.)、水溶型(water-soluble,W.S.)、煤烟型(soot,S.O),根据当地实际情况,从上述四种类型的气溶胶中选择多种气溶胶类型并按不同体积比进行组合,构建一系列气溶胶模式,所述的气溶胶模式包括气溶胶类型及各气溶胶类型对应的体积比。
例如,根据武汉所处的地理位置等情况,假设武汉市城区气溶胶由沙尘型、水溶型和煤烟型三种类型气溶胶构成,三种类型气溶胶的体积比之和等于1。将[0,1]均分为10等级,获得沙尘型气溶胶和煤烟型气溶胶的体积比:沙尘型气溶胶体积比分别为0.0、0.1、0.2、…、1.0;煤烟型气溶胶体积比分别0.0、0.1、0.2、…、1.0,水溶型气溶胶体积比根据沙尘型气溶胶和煤烟型气溶胶的体积比计算得到。通过排列组合可构建121种不同的气溶胶模式。
3.2构建气溶胶模式反演查找表。
给定气溶胶光学厚度及水汽含量,分别在各气溶胶模式下,给定三个地表反射率值,采用6S辐射传输模型运行三次,可得到三个表观反射率值,将三个表观反射率与对应的地表反射率值代入公式(2),即可求得ρpath、T和S,这样即可构建气溶胶模式反演查找表,该气溶胶模式反演查找表包括气溶胶光学厚度、水汽含量、气溶胶模式与ρpath、T、S的对应关系。给定气溶胶模式及相应的气溶胶光学厚度、水汽含量,即可从气溶胶模式反演查找表中获得对应的ρpath、T和S。
3.3气溶胶模式反演。
利用与Hyperion数据同一天的MODIS(中分辨率成像光谱仪)的气溶胶光学 厚度产品与水汽含量产品,结合气溶胶模式反演查找表,反演气溶胶模式。具体为:
(1)获得Hyperion数据中暗目标红波段和蓝波段的地表反射率及观测表观反射率,地表反射率采用步骤二中方法获得,观测表观反射率ρr、ρb采用步骤一中方法获得。
(2)根据MODIS(中分辨率成像光谱仪)的气溶胶光学厚度与水汽含量,基于该气溶胶光学厚度和水汽含量,查找气溶胶模式反演查找表获得不同气溶胶模式对应的ρpath、T和S。根据公式(2)和暗目标红波段和蓝波段的地表反射率,获取各气溶胶模式下暗目标的红波段和蓝波段的理论表观反射率假设Hyperion影像观测到的红波段和蓝波段的表观反射率为ρr、ρb,使ε值最小的气溶胶模式即当前大气气溶胶模式,见公式(14):
步骤四、水汽含量反演。
在近红外通道,当忽略地表反照率s的影响,将其他吸收特性与瑞利散射、气溶胶特性融合在一起考虑,辐射传输方程(2)可简化为:
ρTOA=Tρs+ρpath (15)
式(15)中,T为大气中水汽透过率T(H2O)与其他成分的综合透过率Tz的乘积。
水汽透过率T(H2O)可表示为水汽含量的关系式[12],其模型如下:
式(16)中,ω是水汽含量;α、β是常量参数,可利用6S辐射传输模型获得。因此,当获得水汽透过率T(H2O)后,即可根据公式(16)获得水汽含量。
水汽含量反演的关键是:(1)计算不同水汽含量下的大气程辐射ρpath;(2)根据Hyperion影像选择合适的波段计算水汽透过率T(H2O);(3)利用6S辐射传输模型,根据选择的Hyperion影像波段,建立水汽透过率与水汽含量的关系模 型,即获得公式(16)中常量参数α和β;(4)根据水汽透过率与水汽含量的关系模型获得Hyperion影像的水汽含量。
4.1确定不同水汽含量对应的大气程辐射ρpath。
在当前大气气溶胶模式下,通过构建水汽含量反演查找表,从而建立不同水汽含量下的ρpath。水汽含量反演查找表的构建过程如下:
确定研究区域的当前大气气溶胶模式后,利用6S辐射传输模型,根据相应的观测几何参数建立水汽含量、气溶胶光学厚度与ρpath、T、S间对应关系查找表,即水汽含量反演查找表。构建水汽含量反演查找表时,水汽含量从0.2到4.2g/cm2,以0.2g/cm2递增,气溶胶光学厚度区间为[0.05,5.0],气溶胶光学厚度小于2时以0.2递增,大于等于2时以0.5递增。
针对Hyperion影像,在给定的观测几何参数下,对各气溶胶光学厚度和水汽含量值,假定三个地表反射率值,6S辐射传输模型运行三次,可得到三个表观反射率。将三个表观反射率值及对应的地表反射率值代入公式(2),即求得ρpath、T和S。水汽含量反演查找表可表示为:在当前大气气溶胶模式下,水汽含量、气溶胶光学厚度、ρpath、T、S与地表反射率、表观反射率的关系表。这样,对于气溶胶光学厚度和水汽含量、地表反射率、表观反射率这三组变量,只要知道了其中两组变量,便可通过查找水汽含量反演查找表获得第三组变量。
4.2获取水汽透过率T(H2O)。
现有的水汽含量反演中,均忽略式(15)中的ρpath项,同时认为0.85μm~1.25μm波段间,地表反射率满足线性关系,且水汽以外窗口的大气透过率为1,将大气透过率表现为两波段或三波段的比值,进而利用水汽含量反演查找表求得水汽含量。而实际中,由于气溶胶光学厚度和气溶胶模式等影响,ρpath并不为0,且水汽以外窗口的大气透过率也不是1,因此,现有的水汽含量反演方法存在一定误差。
本发明基于现有的水汽含量反演方法,考虑了气溶胶的影响因素,对三通道水汽含量反演法进行改进。三通道水汽含量反演法需要一个水汽强吸收波段和两个位于水汽强吸收波段前后的水汽弱吸收波段。大气中水汽的强吸收表现在940nm 与1140nm波段,因此,针对Hyperion高光谱的卫星数据,本发明选择Hyperion第80(942.73nm)波段为水汽吸收波段,选择第110(1245.36nm)、52(874.53nm)水汽弱吸收波段,采用三波段比值模型,构建T(H2O)计算公式,如下:
式(17)中,ρTOA表示波段对应的观测表观反射率,ρTOA(80)、ρTOA(52)、ρTOA(110)分别为第80波段、第110波段和第52波段对应的观测表观反射率;ρpath表示波段对应的大气程辐射,从水汽含量反演查找表中获得,ρpath(80)、ρpath(52)、ρpath(110)分别表示第80波段、第110波段和第52波段对应的大气程辐射;C1为0.82,C2为0.18。
4.3建立水汽含量与水汽透过率T(H2O)的关系模型。
在当前大气气溶胶模式下,根据卫星数据确定水汽强吸收波段和水汽弱吸收波段,利用6S辐射传输模型,计算不同气溶胶光学厚度与不同水汽含量下水汽强吸收波段和水汽弱吸收波段对应的观测表观反射率,气溶胶光学厚度区间为[0.05,5.0],气溶胶光学厚度小于2时以0.2递增,大于2时以0.5递增;水汽含量从0.2g/cm2到4.2g/cm2,以0.2g/cm2递增。然后,根据公式(17)计算水汽透过率T(H2O),在不同的气溶胶光学厚度下,基于公式(16)将水汽透过率与水汽含量进行拟合获得α值和β值,从而获得各气溶胶光学厚度下的水汽含量与水汽透过率的关系模型。
4.4基于水汽含量与水汽透过率T(H2O)的关系模型获得Hyperion影像对应的水汽含量。
根据当前气溶胶光学厚度值获得对应的水汽含量与水汽透过率T(H2O)的关系模型,本具体实施中采用插值法来确定当前气溶胶厚度值对应的α值和β值。基于步骤4.2中方法获得Hyperion影像对应的水汽透过率T(H2O),将水汽透过率 T(H2O)代入当前气溶胶光学厚度值对应的水汽含量与水汽透过率的关系模型,获得Hyperion影像对应的水汽含量。
步骤五,循环迭代反演大气参数。
采用步骤三确定研究区域的当前大气气溶胶模式,步骤四中利用6S辐射传输模型构建水汽含量反演查找表,采用步骤二确定高光谱影像数据中暗目标并估算蓝波段和红波段的地表反射率,基于上述前提,采用循环迭代方式反演气溶胶光学厚度与水汽含量以进一步提高反演精度,具体过程如下:
6.1根据当前气溶胶厚度τi,采用步骤四方法计算当前大气气溶胶模式下卫星信号对应的当前水汽含量WVi。气溶胶厚度初始值τ0从设定的气溶胶光学厚度区间[0.05,5.0]中取值,一般令气溶胶厚度初始值τ0=0.05。
6.2根据暗目标蓝波段和红波段的地表反射率和观测表观反射率以及当前水汽含量WVi,采用水汽含量反演查找表,得到气溶胶光学厚度τi+1,基于气溶胶光学厚度τi+1,采用步骤6.1方法获得气溶胶光学厚度τi+1对应的水汽含量WVi+1;
6.3将气溶胶光学厚度τi和τi+1作差,同时将水汽含量WVi和WVi+1作差,如果气溶胶光学厚度和水汽含量的差值均在设定范围内,执行步骤6.4;否则,以气溶胶光学厚度τi+1为当前气溶胶厚度τi,以水汽含量WVi+1为当前水汽含量值WVi,循环执行步骤6.1~6.2;
6.4以当前气溶胶厚度τi和当前水汽含量值WVi计算各像素的地表反射率,实现遥感影像的大气校正。
Claims (8)
1.一种高光谱遥感影像大气校正方法,其特征在于,包括步骤:
步骤1,根据卫星信号获得暗目标蓝波段和红波段的地表反射率和观测表观反射率;
步骤2,基于卫星信号反演气溶胶模式,具体为:
2.1选择多种与卫星信号对应区域实际情况相符的气溶胶类型,并按不同体积比将各气溶胶类型进行组合获得一系列气溶胶模式;
2.2给定气溶胶光学厚度及水汽含量,分别在各气溶胶模式下,给定三个地表反射率值,采用6S辐射传输模型运行三次,得到三个表观反射率值,将三个表观反射率与对应的地表反射率值代入求得ρpath、T和S,这样即构建气溶胶模式反演查找表,该气溶胶模式反演查找表包括气溶胶光学厚度、水汽含量、气溶胶模式与ρpath、T、S的对应关系;其中,ρTOA表示传感器接收的单个像元的表观反射率,ρs为像元的地表反射率,ρpath是与大气廓线、气溶胶模式与气溶胶光学厚度有关的变量,T是与水汽含量WV、气溶胶模式与气溶胶光学厚度有关的变量,S是与大气廓线、气溶胶模式与气溶胶光学厚度有关的变量;
2.3采用分辨率成像光谱仪获得与卫星信号同时段的气溶胶光学厚度与水汽含量,基于气溶胶模式查找表获得上述气溶胶光学厚度与水汽含量下各气溶胶模式对应的ρpath、T和S;根据暗目标蓝波段和红波段的地表反射率和对应的ρpath、T和S计算各气溶胶模式下暗目标蓝波段和红波段的理论表观反射率,以观测表观反射率和理论表观反射率差距最小的气溶胶模式为当前大气气溶胶模式;
步骤3,基于卫星信号和当前大气气溶胶模式反演水汽含量,具体为:
3.1确定研究区域的当前大气气溶胶模式后,利用6S辐射传输模型,根据相应的观测几何参数建立水汽含量、气溶胶光学厚度与ρpath、T、S间对应关系查找表,即水汽含量反演查找表;
3.2采用三通道水汽含量反演法获得卫星信号对应的水汽透过率;
3.3基于6S辐射传输模型获得水汽含量与水汽透过率的关系模型,根据卫星信号对应的水汽透过率获得卫星信号对应的当前水汽含量;
步骤4,采用反演获得的当前大气气溶胶模式和当前水汽含量对遥感影像进行大气校正。
2.如权利要求1所述的高光谱遥感影像大气校正方法,其特征在于:
子步骤2.1中所述的选择多种与卫星信号对应区域实际情况相符的气溶胶类型,是从6S辐射传输模型定义的气溶胶类型中选择,6S辐射传输模型定义的气溶胶类型包括沙尘型气溶胶、海洋型气溶胶、水溶型气溶胶和煤烟型气溶胶。
3.如权利要求1所述的高光谱遥感影像大气校正方法,其特征在于:
子步骤2.3中所述的观测表观反射率和理论表观反射率差距其中,和分别为暗目标的红波段和蓝波段的理论表观反射率,ρr和ρb分别为暗目标的红波段和蓝波段的观测表观反射率。
4.如权利要求1所述的高光谱遥感影像大气校正方法,其特征在于:
子步骤3.2中所述的采用三通道水汽含量反演法获得卫星信号对应的水汽透过率,具体为:
根据一个水汽强吸收波段和两个分别位于水汽强吸收波段前后的水汽弱吸收波段对应的观测表观反射率和大气程辐射计算卫星信号对应的水汽透过率T(H2O)):
其中,λ1和λ2分别表示位于水汽强吸收波段前后的水汽弱吸收波段波长,λ3表示水汽强吸收波段波长;ρTOA(1)、ρTOA(2)、ρTOA(3)分别为水汽强吸收波段1和位于水汽强吸收波段前后的水汽弱吸收波段2、3对应的观测表观反射率;ρpath(1)、ρpath(2)、ρpath(3)分别为水汽强吸收波段1和位于水汽强吸收波段前后的水汽弱吸收波段2、3对应的大气程辐射,根据卫星信号的观测表观反射率和地表反射率即可从水汽含量反演查找表中获得对应的大气程辐射。
5.如权利要求1所述的高光谱遥感影像大气校正方法,其特征在于:
子步骤3.3中所述的基于6S辐射传输模型获得水汽含量与水汽透过率的关系模型,具体为:
在当前大气气溶胶模式下,采用子步骤3.2的方法计算不同气溶胶光学厚度与水汽含量下的水汽透过率,在不同气溶胶光学厚度下对水汽含量和水汽透过率进行拟合,获得水汽含量与水汽透过率的关系模型。
6.如权利要求1所述的高光谱遥感影像大气校正方法,其特征在于:
还包括循环迭代反演气溶胶模式和水汽含量的步骤,具体为:
(1)根据当前气溶胶厚度τi,采用权利要求1步骤3所述方法计算当前大气气溶胶模式下卫星信号对应的当前水汽含量WVi,气溶胶厚度初始值从设定的气溶胶光学厚度区间取值;
(2)根据暗目标蓝波段和红波段的地表反射率和观测表观反射率以及当前水汽含量WVi,采用水汽含量反演查找表得到对应的气溶胶光学厚度τi+1,基于气溶胶光学厚度τi+1采用步骤(1)方法获得气溶胶光学厚度τi+1对应的水汽含量WVi+1;
(3)将气溶胶光学厚度τi和τi+1作差,同时将水汽含量WVi和WVi+1作差,判断气溶胶光学厚度和水汽含量的差值是否均在设定范围内;若均在设定范围内,执行步骤(4);否则,以气溶胶光学厚度τi+1为当前气溶胶厚度τi,以水汽含量WVi+1为当前水汽含量值WVi,循环执行步骤(1)~(2);
(4)以当前气溶胶厚度τi和当前水汽含量值WVi对遥感影像进行大气校正。
7.一种高光谱遥感影像大气校正系统,其特征在于,包括:
第一模块,用来根据卫星信号获得暗目标蓝波段和红波段的地表反射率和观测表观反射率;
第二模块,用来基于卫星信号反演气溶胶模式,所述的第二模块进一步包括子模块:
气溶胶模式确定模块,用来选择多种与卫星信号对应区域实际情况相符的气溶胶类型,并按不同体积比将各气溶胶类型进行组合获得一系列气溶胶模式;
气溶胶模式查找表构建模块,用来给定气溶胶光学厚度及水汽含量,分别在各气溶胶模式下,给定三个地表反射率值,采用6S辐射传输模型运行三次,得到三个表观反射率值,将三个表观反射率与对应的地表反射率值代入求得ρpath、T和S,这样即构建气溶胶模式反演查找表,该气溶胶模式反演查找表包括气溶胶光学厚度、水汽含量、气溶胶模式与ρpath、T、S的对应关系;其中,ρTOA表示传感器接收的单个像元的表观反射率,ρs为像元的地表反射率,ρpath是与大气廓线、气溶胶模式与气溶胶光学厚度有关的变量,T是与水汽含量WV、气溶胶模式与气溶胶光学厚度有关的变量,S是与大气廓线、气溶胶模式与气溶胶光学厚度有关的变量;
气溶胶模式反演模块,用来采用分辨率成像光谱仪获得与卫星信号同时段的气溶胶光学厚度与水汽含量,基于气溶胶模式查找表获得上述气溶胶光学厚度与水汽含量下各气溶胶模式对应的ρpath、T和S;根据暗目标蓝波段和红波段的地表反射率和对应的ρpath、T和S计算各气溶胶模式下暗目标蓝波段和红波段的理论表观反射率,以观测表观反射率和理论表观反射率差距最小的气溶胶模式为当前大气气溶胶模式;
第三模块,用来基于卫星信号和当前大气气溶胶模式反演水汽含量,所述的第三模块进一步包括子模块:
水汽含量反演查找表构建模块,用来确定研究区域的当前大气气溶胶模式后,利用6S辐射传输模型,根据相应的观测几何参数建立水汽含量、气溶胶光学厚度与ρpath、T、S间对应关系查找表,即水汽含量反演查找表;
水汽透过率获得模块,用来采用三通道水汽含量反演法获得卫星信号对应的水汽透过率;
水汽含量反演模块,用来基于6S辐射传输模型获得水汽含量与水汽透过率的关系模型,根据卫星信号对应的水汽透过率获得卫星信号对应的当前水汽含量;
第四模块,用来采用反演获得的当前大气气溶胶模式和当前水汽含量对遥感影像进行大气校正。
8.如权利要求7所述的高光谱遥感影像大气校正系统,其特征在于:
还包括第五模块,本模块进一步包括子模块:
第一水汽含量反演模块,用来根据当前气溶胶厚度τi,采用第三模块计算当前大气气溶胶模式下卫星信号对应的当前水汽含量WVi,气溶胶厚度初始值从设定的气溶胶光学厚度区间取值;
第二水汽含量反演模块,用来根据暗目标蓝波段和红波段的地表反射率和观测表观反射率以及当前水汽含量WVi,采用水汽含量反演查找表得到对应的气溶胶光学厚度τi+1,基于气溶胶光学厚度τi+1采用第一水汽含量反演模块获得气溶胶光学厚度τi+1对应的水汽含量WVi+1;
判定模块,用来将气溶胶光学厚度τi和τi+1作差,同时将水汽含量WVi和WVi+1作差,判断气溶胶光学厚度和水汽含量的差值是否均在设定范围内;若均在设定范围内,转至第四模块;否则,以气溶胶光学厚度τi+1为当前气溶胶厚度τi,以水汽含量WVi+1为当前水汽含量值WVi,转至第一水汽含量反演模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410827642.9A CN104483663B (zh) | 2014-12-25 | 2014-12-25 | 一种高光谱遥感影像大气纠正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410827642.9A CN104483663B (zh) | 2014-12-25 | 2014-12-25 | 一种高光谱遥感影像大气纠正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104483663A CN104483663A (zh) | 2015-04-01 |
CN104483663B true CN104483663B (zh) | 2017-01-04 |
Family
ID=52758228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410827642.9A Expired - Fee Related CN104483663B (zh) | 2014-12-25 | 2014-12-25 | 一种高光谱遥感影像大气纠正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104483663B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446307B (zh) * | 2015-08-05 | 2020-01-14 | 中国科学院遥感与数字地球研究所 | 基于气溶胶地基数据的aod垂直订正效果评价方法及系统 |
CN105487083B (zh) * | 2015-12-01 | 2017-11-21 | 中国科学院上海技术物理研究所 | 一种多光谱影像气溶胶像元气溶胶厚度的检测与提取方法 |
US9851287B2 (en) | 2016-03-03 | 2017-12-26 | International Business Machines Corporation | Size distribution determination of aerosols using hyperspectral image technology and analytics |
CN106339990B (zh) * | 2016-08-13 | 2018-11-20 | 东北师范大学 | 卫星遥感图像大气校正的光谱分析方法 |
CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 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 |
CN110674127A (zh) * | 2019-11-14 | 2020-01-10 | 湖南国天电子科技有限公司 | 一种基于深度学习的海洋沉积物测试系统及方法 |
CN111795936B (zh) * | 2020-08-03 | 2021-11-12 | 长安大学 | 一种基于查找表的多光谱遥感影像大气校正系统、方法及存储介质 |
CN113066057B (zh) * | 2021-03-17 | 2023-04-14 | 云南电网有限责任公司电力科学研究院 | 一种气溶胶光学厚度监测方法 |
CN113340819B (zh) * | 2021-06-07 | 2021-12-10 | 珠江水利委员会珠江水利科学研究院 | 基于影像自身统计特征的水体大气校正方法、系统及存储介质 |
CN114296061B (zh) * | 2021-12-30 | 2024-04-09 | 中国科学院长春光学精密机械与物理研究所 | 基于多元变量检测和不同辐射传输模型的交叉定标方法 |
CN114943142B (zh) * | 2022-04-29 | 2023-11-28 | 中国科学院空天信息创新研究院 | 高光谱地表反射率和大气参数一体化反演方法及装置 |
CN114646616B (zh) * | 2022-05-23 | 2022-10-14 | 自然资源部第二海洋研究所 | 一种用于二类水体的大气校正方法 |
CN115099159B (zh) * | 2022-07-20 | 2023-03-07 | 武汉大学 | 基于神经网络且顾及地表差异的modis水汽反演方法 |
CN115630256B (zh) * | 2022-12-07 | 2023-07-07 | 自然资源部第二海洋研究所 | 基于暗像元假定的多角度偏振水色卫星大气校正方法 |
CN116148189B (zh) * | 2023-04-14 | 2023-07-21 | 自然资源部第二海洋研究所 | 一种基于被动偏振卫星数据的气溶胶层高获取方法 |
CN117392363B (zh) * | 2023-12-12 | 2024-03-29 | 广东省海洋发展规划研究中心 | 一种陆海遥感图像分区校正方法、系统、设备及介质 |
CN117436286B (zh) * | 2023-12-20 | 2024-03-26 | 中国科学院合肥物质科学研究院 | 气溶胶和水汽反演、航空遥感图像校正方法、装置、设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6909815B2 (en) * | 2003-01-31 | 2005-06-21 | Spectral Sciences, Inc. | Method for performing automated in-scene based atmospheric compensation for multi-and hyperspectral imaging sensors in the solar reflective spectral region |
CN102628940B (zh) * | 2012-04-20 | 2014-04-16 | 中国科学院遥感应用研究所 | 一种遥感图像大气订正方法 |
CN102955154B (zh) * | 2012-10-16 | 2014-04-16 | 中国科学院遥感应用研究所 | 一种高分辨率遥感数据大气校正方法 |
-
2014
- 2014-12-25 CN CN201410827642.9A patent/CN104483663B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104483663A (zh) | 2015-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104483663B (zh) | 一种高光谱遥感影像大气纠正方法及系统 | |
Vermote et al. | Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product | |
Thompson et al. | Retrieval of atmospheric parameters and surface reflectance from visible and shortwave infrared imaging spectroscopy data | |
Thompson et al. | Atmospheric correction for global mapping spectroscopy: ATREM advances for the HyspIRI preparatory campaign | |
Hulley et al. | High spatial resolution imaging of methane and other trace gases with the airborne Hyperspectral Thermal Emission Spectrometer (HyTES) | |
Pahlevan et al. | On-orbit radiometric characterization of OLI (Landsat-8) for applications in aquatic remote sensing | |
CN112051222A (zh) | 一种基于高分卫星影像的河湖水质监测方法 | |
CN108896188B (zh) | 一种共口径高轨遥感卫星红外通道大气校正方法 | |
CN106778516B (zh) | 一种利用中国风云三号卫星遥感数据确定地表温度的方法及装置 | |
Sun et al. | Aerosol optical depth retrieval by HJ-1/CCD supported by MODIS surface reflectance data | |
CN109974665B (zh) | 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统 | |
Gao et al. | A review of atmospheric correction techniques for hyperspectral remote sensing of land surfaces and ocean color | |
Zhang et al. | Using EO-1 Hyperion to Simulate HyspIRI Products for a Coniferous Forest: The Fraction of PAR Absorbed by Chlorophyll $(\hbox {fAPAR} _ {\rm chl}) $ and Leaf Water Content (LWC) | |
CN104279967A (zh) | 基于高光谱图像的气溶胶光学厚度反演方法 | |
CN109635249A (zh) | 水体浊度反演模型建立方法、水体浊度检测方法及装置 | |
CN105183989A (zh) | 一种Landsat8卫星数据地表反射率反演方法 | |
Li et al. | Performances of atmospheric correction processors for sentinel-2 MSI imagery over typical lakes across China | |
CN110009584B (zh) | 基于参考光谱匹配的多光谱遥感影像大气校正系统及方法 | |
Chen et al. | An atmospheric correction algorithm for Landsat/TM imagery basing on inverse distance spatial interpolation algorithm: A case study in Taihu Lake | |
Ye et al. | Improving atmospheric CO2 retrieval based on the collaborative use of Greenhouse gases Monitoring Instrument and Directional Polarimetric Camera sensors on Chinese hyperspectral satellite GF5-02 | |
Wang et al. | Retrieval of aerosol optical depth for Chongqing using the HJ-1 satellite data | |
CN105259145A (zh) | 一种同时遥感岛礁水下地形和地物的方法 | |
Liu et al. | Estimation of total suspended matter in the Zhujiang (Pearl) River estuary from Hyperion imagery | |
CN109738372A (zh) | 一种航空高光谱岩矿探测多元数据处理方法 | |
Schläpfer et al. | Atmospheric correction of imaging spectroscopy data using shadow-based quantification of aerosol scattering effects |
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: 20170104 Termination date: 20181225 |