CN106017678A - 一种热红外高光谱遥感数据在轨光谱定标方法 - Google Patents

Abstract

本发明公开一种热红外高光谱遥感数据在轨光谱定标方法，方法步骤如下：(1)将热红外高光谱遥感数据获取时的大气参数、成像参数输入MODTRAN大气辐射传输模拟软件得到模拟的1nm超高分辨率入瞳辐射亮度光谱；(2)以实验室光谱定标获得的中心波长λ_i和FWHM△λ_i为初始值，不断调整中心波长(λ_i+δλ_i)和FWHM(△λ_i+δ△λ_i)对超高分辨率入瞳辐射亮度光谱进行卷积运算，得到模拟的传感器入瞳辐射亮度光谱；(3)选择模拟的大气吸收波段及其附近入瞳辐射亮度光谱与传感器获取的辐射亮度光谱，对二者进行NODD变换，比较NODD变换得到的归一化光学厚度微分光谱，通过最优化算法得到中心波长和FWHM最优的变化量δλ_i和δ△λ_i，最终得到最优的中心波长和FWHM。本发明的方法具有准确性好，速度快，易操作特点。

Description

一种热红外高光谱遥感数据在轨光谱定标方法

技术领域

本发明涉涉及对地观测技术领域，特别是涉及一种以大气吸收波段11.73μm为参考波段，对热红外高光谱遥感数据进行在轨光谱定标方法。

背景技术

传感器成像环境变化所导致的光电器件变形、机械振动所导致的光电元件错位以及光电元件本身的日久老化使得传感器每个波段的中心波长和半高全宽(Full width athalf maximum，FWHM)随成像环境变化会发生较大的系统性漂移。因此，实验室光谱定标所获取的中心波长和半高全宽并不能完全代表航空遥感数据获取时传感器的中心波长和半高全宽。尤其是传感器各个波段的中心波长极容易受到光电器件变形和机械振动的影响而产生偏移，进而影响发射率和温度的反演精度。尤其是在大气吸收波段附近的发射率反演精度，它很容易受到中心波长偏移的影响。

目前，对于高光谱遥感数据的光谱定标研究主要集中于基于场景的可见光、近红外和短波红外谱段的高光谱遥感数据光谱定标。基于场景的光谱定标原理主要是假设传感器的光谱响应函数(Spectral response function，SRF)为高斯函数，比较模拟数据与原始数据在氧气吸收波段(760nm)、水汽吸收波段(940nm，1140nm)和二氧化碳吸收波段(2060nm)及其附近光谱的差异，并调整模拟数据的中心波长和FWHM，直至二者差异最小，最终得到准确的中心波长和FWHM。按照最终的目标不同，这些光谱定标方法可以分为三类，一是在对比过程中，假设SRF和FWHM不变(使用实验室定标结果)，只求正确的中心波长；二是假设SRF为高斯函数，同时改变中心波长和FWHM，最终求得正确的中心波长和FWHM；三是假设中心波长和FWHM改变很小，选择不同类型的SRF得到模拟光谱，并与原始数据比较，最终求得最优的SRF。除了直接比较模拟数据与原始数据之外，也有学者提出通过调整中心波长和FWHM，计算大气辐射传输方程中的参数，并反演反射率，直至所反演的反射率曲线中尖峰消失，得到正确的中心波长和FWHM。。有学者尝试分别用8-13μm内21个水汽吸收波段对SEBASS(Spatially enhanced broadband array spectrograph system)热红外(7.3-13.6μm，128波段)高光谱成像仪获取的航空热红外高光谱遥感数据进行了光谱定标，光谱定标所用大气模拟程序为FASCODE。光谱定标结果显示，采用基于场景的光谱定标方法对中心波长的变化更敏感，对FWHM的变化相对不敏感，SEBASS数据的中心波长偏移在±0.5个波段宽度内。总体来说，由于热红外高光谱传感器较少，实际获取的数据也较少，导致了对于热红外高光谱遥感数据的光谱定标的关注相对较少，还没有实用化的在轨光谱定标技术。随着对地观测对热红外高光谱数据的迫切需求，也必将需要实用化的热红外高光谱遥感数据在轨光谱定标技术。

发明内容

针对现有的技术空白和缺点，本发明所要解决的技术问题是提供一种准确性好，速度快，易操作的热红外高光谱数据在轨定标方法。

为了解决上述技术问题，本发明提供的一种热红外高光谱遥感数据在轨光谱定标方法，其特点是，光谱定标方法的步骤如下：

1)将热红外高光谱遥感数据获取时的大气参数、成像参数输入MODTRAN5.3大气辐射传输模拟软件得到模拟的1nm超高分辨率入瞳辐射亮度光谱。输入的大气参数主要有大气模型、水汽含量、气溶胶模型、气象视距等。输入的成像参数主要有传感器高度、观测天顶角、观测方位角、地表高程、地表反射率(ρ_s)、地表温度(T_s)等。一般对于热红外遥感来说，输出的1nm分辨率的辐射亮度光谱所覆盖谱段范围为7.0-14.0μm；

2)以实验室光谱定标获得的中心波长λ_i和FWHMΔλ_i为初始值，不断调整中心波长(λ_i+δλ_i)和FWHM(Full width at half maximum，FWHM)(Δλ_i+δΔλ_i)对超高分辨率入瞳辐射亮度光谱进行卷积运算，得到模拟的传感器入瞳辐射亮度光谱。模拟的入瞳辐射亮度计算方法为：

$L_i({\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)=\frac{\∫F\left(\mathrm{\λ}\right)S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)d\mathrm{\λ}}{\∫S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)d\mathrm{\λ}}$

其中，L_i(δλ_i,δΔλ_i)为波段i的入瞳辐射亮度；F(λ)为超高分辨率辐射亮度光谱；S_i(λ,λ_i,Δλ_i,δλ_i,δΔλ_i)为波段i的光谱响应函数，S_i(λ,λ_i,Δλ_i,δλ_i,δΔλ_i)的计算方法为：

$S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)=\exp \[-\frac{{(\mathrm{\λ}-{\mathrm{\λ}}_i-{\mathrm{\δ\λ}}_i)}^2}{{({\mathrm{\Δ\λ}}_i+{\mathrm{\δ\Δ\λ}}_i)}^2/\ln 16}\]$

其中，λ为波长,λ_i为一般设置为实验室内光谱定标得到的中心波长；△λ_i一般设置为实验室内光谱定标得到的FWHM。

3)选择模拟的大气吸收波段(11.73μm)及其附近入瞳辐射亮度光谱与传感器获取的辐射亮度光谱，对二者进行NODD(Normalized optical depth derivative)变换。NODD变换主要包括，(1)对辐射亮度光谱(测量和模拟入瞳)取负对数；(2)计算取负对数光谱后的求导，得到微分光谱；(3)对微分光谱做标准正太分布变换，得到所谓的归一化光学厚度微分光谱(NODD光谱)。最优解用Powell算法进行搜索。用于衡量模拟数据的NODD光谱和测量数据到的NODD光谱的代价函数为：

f＝(1-γ)SD+γSA

$SD=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{(R_i-R_i^o)}^2$

$SA=\frac{\mathrm{\π}}{2}\arccos \[\frac{\underset{i=1}{\overset{n}{\Σ}}{R}_i{R}_i^o}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(R_i\right)}^2\underset{i=1}{\overset{n}{\Σ}}{\left(R_i^o\right)}^2}}\]$

其中，f为代价函数；R_i为模拟数据变换得到的NODD光谱；为测量数据变换得到的NODD光谱；SD(Spectral distance)为R_i与的欧氏距离；SA为R_i与之间的光谱角。比较NODD变换得到的归一化光学厚度微分光谱(NODD光谱)，通过最优化算法得到中心波长和FWHM最优的变化量δλ_i和δΔλ_i，最终得到最优的中心波长和FWHM。

进一步的，所述步骤1)中模拟超高分辨率入瞳辐射亮度光谱分辨率为1nm，地表发射率设置为0.90。

进一步的，所述步骤3)中所选择的大气吸收波段为11.73μm。

附图说明

图1为热红外高光谱数据在轨光谱定标技术流程。

图2为热红外高光谱数据中心波长偏移。

图3为热红外高光谱数据FWHM变化。

图4为光谱定标前后辐射亮度曲线。

具体实施方式

以下对本发明的实施例做了进一步详细描述，但本实施例并不限于本发明，凡是采用本发明的相似方法及其相似变化，均应列入本发明的保护范围。

1)选择待光谱定标的航空热红外高光谱数据，将热红外高光谱遥感数据获取时的大气参数、成像参数输入MODTRAN大气辐射传输模拟软件得到模拟的1nm超高分辨率入瞳辐射亮度光谱。输入的大气参数主要有大气模型、水汽含量、气溶胶模型、气象视距等。输入的成像参数主要有传感器高度、观测天顶角、观测方位角、地表高程、地表反射率(ρ_s)、地表温度(T_s)等。一般对于热红外遥感来说，输出的1nm分辨率的辐射亮度光谱所覆盖谱段范围为7.0-14.0μm。数据覆盖谱段范围为8.0-12.5μm，共181个波段，光谱采样间隔为25nm，FWHM在50nm左右。热红外高成像光谱仪为推扫式成像光谱仪，扫描行共计320个探测单元，视场角为14°。所获取数据空间分辨率为2m，飞行高度为2000m。成像时间为2015年6月6日，成像地点位于122°19'15"，29°55'17"附近。

2)以实验室光谱定标获得的中心波长λ_i和FWHMΔλ_i为初始值，不断调整中心波长(λ_i+δλ_i)和FWHM(Full width at half maximum，FWHM)(Δλ_i+δΔλ_i)对超高分辨率入瞳辐射亮度光谱进行卷积运算，得到模拟的传感器入瞳辐射亮度光谱。模拟的入瞳辐射亮度计算方法为

$L_i({\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)=\frac{\∫F\left(\mathrm{\λ}\right)S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)d\mathrm{\λ}}{\∫S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)d\mathrm{\λ}}$

其中，L_i(δλ_i,δΔλ_i)为波段i的入瞳辐射亮度；F(λ)为超高分辨率辐射亮度光谱；S_i(λ,λ_i,Δλ_i,δλ_i,δΔλ_i)为波段i的光谱响应函数，S_i(λ,λ_i,Δλ_i,δλ_i,δΔλ_i)的计算方法为

$S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)=\exp \[-\frac{{(\mathrm{\λ}-{\mathrm{\λ}}_i-{\mathrm{\δ\λ}}_i)}^2}{{({\mathrm{\Δ\λ}}_i+{\mathrm{\δ\Δ\λ}}_i)}^2/\ln 16}\]$

其中，λ_i为一般设置为实验室内光谱定标得到的中心波长；△λ_i一般设置为实验室内光谱定标得到的FWHM。

3)选择模拟的大气吸收波段(11.73μm)及其附近入瞳辐射亮度光谱与传感器获取的辐射亮度光谱，对二者进行NODD(Normalized optical depth derivative)变换。NODD变换主要包括，(1)对辐射亮度光谱(测量和模拟入瞳)取负对数；(2)计算取负对数光谱后的求导，得到微分光谱；(3)对微分光谱做标准正太分布变换，得到所谓的归一化光学厚度微分光谱(NODD光谱)。最优解用Powell算法进行搜索。用于衡量模拟数据的NODD光谱和测量数据到的NODD光谱的代价函数为

f＝(1-γ)SD+γSA

$SD=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{(R_i-R_i^o)}^2$

$SA=\frac{\mathrm{\π}}{2}\arccos \[\frac{\underset{i=1}{\overset{n}{\Σ}}{R}_i{R}_i^o}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(R_i\right)}^2\underset{i=1}{\overset{n}{\Σ}}{\left(R_i^o\right)}^2}}\]$

其中，f为代价函数；R_i为模拟数据变换得到的NODD光谱；为测量数据变换得到的NODD光谱；SD(Spectral distance)为R_i与的欧氏距离；SA为R_i与之间的光谱角。比较NODD变换得到的归一化光学厚度微分光谱(NODD光谱)，通过最优化算法得到中心波长和FWHM最优的变化量δλ_i和δΔλ_i，最终得到最优的中心波长和FWHM。图2为热红外高光谱数据中心波长偏移估算结果。图3为热红外高光谱数据FWHM变化估算结果。图4为光谱定标前后辐射亮度曲线，定标后的数据的主要峰和谷与模拟数据峰和谷的位置基本吻合。

Claims (1)

1.一种热红外高光谱遥感数据在轨光谱定标方法，其特征在于包括如下步骤：

1)将热红外高光谱遥感数据获取时的大气参数、成像参数输入MODTRAN 5.3大气辐射传输模拟软件得到模拟的1nm超高分辨率入瞳辐射亮度光谱；输入的大气参数有大气模型、水汽含量、气溶胶模型、气象视距，输入的成像参数有传感器高度、观测天顶角、观测方位角、地表高程、地表反射率ρ_s、地表温度T_s，其中，地表反射率ρ_s设置为0.90；输出的1nm分辨率的辐射亮度光谱所覆盖谱段范围为7.0-14.0μm；

2)以实验室光谱定标获得的中心波长λ_i和FWHM△λ_i为初始值，不断调整中心波长(λ_i+δλ_i)和FWHM(△λ_i+δ△λ_i)对超高分辨率入瞳辐射亮度光谱进行卷积运算，得到模拟的传感器入瞳辐射亮度光谱，模拟的入瞳辐射亮度计算方法为：

$L_i({\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)=\frac{\∫F\left(\mathrm{\λ}\right)S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)d\mathrm{\λ}}{S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)d\mathrm{\λ}}$

其中，L_i(δλ_i,δ△λ_i)为波段i的入瞳辐射亮度；F(λ)为超高分辨率辐射亮度光谱；S_i(λ,λ_i,△λ_i,δλ_i,δ△λ_i)为波段i的光谱响应函数，S_i(λ,λ_i,△λ_i,δλ_i,δ△λ_i)的计算方法为：

$S_i(\mathrm{\λ},{\mathrm{\λ}}_i,{\mathrm{\Δ\λ}}_i,{\mathrm{\δ\λ}}_i,{\mathrm{\δ\Δ\λ}}_i)=\exp \[-\frac{{(\mathrm{\λ}-{\mathrm{\λ}}_i-{\mathrm{\δ\λ}}_i)}^2}{{({\mathrm{\Δ\λ}}_i+{\mathrm{\δ\Δ\λ}}_i)}^2/\ln 16}\]$

其中，λ为波长；

3)选择模拟的大气吸收波段11.73μm及其附近入瞳辐射亮度光谱与传感器获取的辐射亮度光谱，对二者进行NODD变换，NODD变换主要包括，(1)对测量和模拟入瞳的辐射亮度光谱取负对数；(2)计算取负对数光谱后的求导，得到微分光谱；(3)对微分光谱做标准正太分布变换，得到所谓的归一化光学厚度微分光谱；最优解用Powell算法进行搜索，用于衡量模拟数据的NODD光谱和测量数据到的NODD光谱的代价函数为：

f＝(1-γ)SD+γSA

$SD=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{(R_i-R_i^o)}^2$

$SA=\frac{\mathrm{\π}}{2}arccos\[\frac{\underset{i=1}{\overset{n}{\Σ}}{R}_i{R}_i^o}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(R_i\right)}^2\underset{i=1}{\overset{n}{\Σ}}{\left(R_i^o\right)}^2}}\]$

其中，f为代价函数；R_i为模拟数据变换得到的NODD光谱；为测量数据变换得到的NODD光谱；SD为R_i与的欧氏距离；SA为R_i与之间的光谱角；比较NODD变换得到的归一化光学厚度微分光谱，通过最优化算法得到中心波长和FWHM最优的变化量δλ_i和δ△λ_i，最终得到最优的中心波长和FWHM。