CN109325973B - 一种城市河网区水体大气校正方法 - Google Patents
一种城市河网区水体大气校正方法 Download PDFInfo
- Publication number
- CN109325973B CN109325973B CN201811374030.3A CN201811374030A CN109325973B CN 109325973 B CN109325973 B CN 109325973B CN 201811374030 A CN201811374030 A CN 201811374030A CN 109325973 B CN109325973 B CN 109325973B
- Authority
- CN
- China
- Prior art keywords
- radiance
- aerosol
- water
- water body
- atmospheric
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/507—Depth or shape recovery from shading
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种城市河网区水体大气校正方法,步骤是:对遥感数据进行预处理,获得辐射亮度图像;尽可能多的选取图像上位于阴影区的水体像元作为暗像元,统计所有选中的暗像元在各个波段的最小值;优化求解成像时的气溶胶浑浊度系数及波长指数,计算各个波段的气溶胶光学厚度;用原始辐射亮度图像各个波段减去阴影像元辐亮度,再根据气溶胶光学厚度计算各个波段大气上行透过率,进而得到水体的离水辐亮度。将离水辐亮度转换为遥感反射率或者离水反射率,完成水体大气校正。本发明解决了城市河网区难以找到清深水体作为暗像元的问题,能够通过城市河网区周边常见的建筑、桥梁阴影实现城市河网区Ⅱ类浑浊水体的大气校正。
Description
技术领域
本发明属于遥感技术领域,涉及一种基于高分辨率遥感数据对城市河网区水体进行大气校正的方法。
背景技术
水质遥感技术可以快速地获取大范围的水质信息,被越来越多地运用到水环境监测中。水体相较于陆地上的植被、土壤、建筑物而言,属于低反射地物,可见光波段的反射率一般在2%-5%之间。而卫星传感器在大气顶层接收到的水体信号一般能达到8%-10%,甚至以上。大气散射对于水体的光谱信息造成了很大的干扰,影响了水质参数的遥感提取。因此,对于水质遥感技术而言,大气校正的精度决定了水质反演的精度。
常用的水体大气校正技术以清深水体作为暗像元,通过假设暗像元在红外波段的离水辐射为0,则其红外波段的信号全部为大气散射贡献,以此推算其他波段的气溶胶散射实现大气校正。由于Ⅱ类水体的水体较浑浊,在红外波段的反射率不为0,因此在运用此方法进行水体校正时,反射率经常出现负值,即过校正的情况。也有一些学者提出了针对Ⅱ类浑浊水体的大气校正方法,认为浑浊水体在短波红外波段可视为暗像元,但是这类方法对于只覆盖可见光和近红外波段的卫星并不适用。还有一些方法利用清深水体估算气溶胶参数将其传递给临近的浑浊水体,这个方法需要影像图幅范围内存在典型的清深水体像元,较难应用到城市区域。
高分辨率遥感影像成图精细,可有效观测到城市河道水质变化。但是高分数据的幅宽一般较窄(50km左右),加之城市河网区水质大多受到一定程度的污染,图幅范围内难以找到清深水体开展大气校正,阻碍了遥感技术在城市水质监测的应用。因此,需要一种适用于城市河网区的高分遥感数据水体大气校正方法。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种城市河网区水体大气校正方法。该方法解决了城市河网区难以找到清深水体作为暗像元的问题,能够通过城市河网区周边常见的建筑、桥梁阴影实现城市河网区Ⅱ类浑浊水体的大气校正。
本发明的目的通过以下的技术方案实现:一种城市河网区水体大气校正方法,包括以下步骤:
A、对遥感数据进行预处理,获得辐射亮度图像。
B、尽可能多的选取图像上位于阴影区的水体像元作为暗像元。统计所有选中的暗像元在各个波段的最小值,认为该最小值等于天空光在水表形成的漫反射和大气散射辐亮度之和。
C、利用步骤B中所得各个波段的水体阴影辐亮度最小值,优化求解成像时的气溶胶浑浊度系数及波长指数,由此推算各个波段的气溶胶光学厚度。
D、用原始辐射亮度图像各个波段减去步骤B中所得阴影像元辐亮度,再根据步骤C得到的气溶胶光学厚度计算各个波段大气上行透过率,进而得到水体的离水辐亮度。
E、将离水辐亮度根据需求转换为遥感反射率或者离水反射率,完成水体大气校正。
优选地,所述步骤A具体包括:
A1:获取卫星数据的辐射定标参数:国产卫星数据定标参数每年都有变化,一般在中国资源卫星应用中心官网(URL:http://www.cresda.com/CN/)公布;国外数据定标参数一般从头文件中读取。
A2:对遥感数据进行预处理:根据卫星数据公布的辐射定标方法及定标参数,对原始数据进行辐射定标,获得辐射亮度图像L(λ)。
对于水体像元而言:
L(λ)=Lw(λ)T↑(λ)+rLsky(λ)T↑(λ)+Lg(λ)+Lap(λ)+Lrp(λ) (1)
式中,λ为卫星传感器各通道的中心波长,单位μm;Lw(λ)是进入水体被水体散射回来的离水辐亮度,包含了水质信息;T↑为沿着观测方向的大气上行透过率;rLsky(λ)T↑(λ)为天空光被水面反射后被卫星观测到的辐亮度,不包含水体信息,其中Lsky(λ)为天空光辐亮度,r为气-水界面反射率;Lg(λ)为水面对太阳直射光的镜面反射,传感器成像时的观测天顶角和太阳天顶角一般不等,认为可避开水面对太阳光的镜面反射,该项为0;Lap(λ)为气溶胶散射形成的大气程辐射;Lrp(λ)为大气瑞利散射形成的大气程辐射。因此,在忽略水体镜面反射时,卫星传感器接收水体总的辐亮度L(λ)为:
L(λ)=Lw(λ)T↑(λ)+rLsky(λ)T↑(λ)+Lap(λ)+Lrp(λ) (2)
优选地,所述步骤B具体包括:
B1:尽可能多的选取图像上位于阴影区的水体像元,包括建筑物、桥梁等在水中形成的阴影,将其作为暗像元。
B2:统计选中的暗像元辐亮度在各个波段的最小值Lshd(λ)(一般而言,在大气情况相同的情况下,暗像元的反射率应当近似相等。但是由于周围环境光、混合像元、传感器辐射误差等原因,选中的暗像元反射率存在些许的差异。此处取最小值是为了避免出现过校正的情况),认为该值等于天空光在水表形成的漫反射和大气散射辐亮度之和,即:
Lshd(λ)=rLsky(λ)T↑(λ)+Lap(λ)+Lrp(λ) (3)
优选地,所述步骤C具体包括:
C2:计算大气瑞利散射形成的程辐射辐亮度值:
Pr(Θ)为瑞利散射相函数,Θ为散射角,其中:
τr(λ)=0.008524λ-4(1+0.0113λ-2+0.00013λ-4) (8)
τr(λ)为大气分子光学厚度,τoz(λ)为臭氧层光学厚度。
C3:利用各个波段的水体阴影辐亮度最小值Lshd(λ)计算气溶胶光学厚度τa(λ),具体求解过程如下:
首先,气溶胶散射形成的程辐射辐亮度值可依据式(10)表示为:
其中:ω0为气溶胶单次散射反照率(single scattering albedo,即散射比,散射能量与衰减总能量的比值),Pa(Θ)为气溶胶散射相函数。
ω0可表示为:
ω0=PER×1.00+(1-PER)×0.90 (11)
式中,系数1.00和0.90分别对应没有气溶胶吸收的理想瑞利大气环境和有着较多气溶胶吸收的雾霾大气环境;PER(the percentage of molecular atmosphere)为大气分子比例,可定义为:
PER=(λ-α-λ-0.8)/(λ-4.08-λ-0.8) (12)
式中,α为气溶胶波长指数,与气溶胶平均半径有关,平均半径越小,其值越小。气溶胶散射相函数Pa(Θ)可表示为:
Pa(Θ)=PER×Pr(Θ)+PER×P′a(Θ) (13)
式中,P′a(Θ)=[af(Θ,g1)+(1-a)f(Θ,g2)]。其中,f(Θ,g)为Henyey-Greenstein解析相函数(式14),a、g1、g2为非对称参数。
根据气溶胶类型按照表1取值(Sasithorn,1983):
其次:天空光漫射到地面的辐照度Esky(λ)可表示为:
Ca为气溶胶散射光下行部分与总能量的比例。假设天空光下行辐射各项同向性,则
τa(λ)=βλ-α (18)
式中,α同式12,为气溶胶波长指数;β为混浊度系数,表征了整层大气中气溶胶的数量。
然后:大气上行透过率T↑(λ)可根据比尔定律表示为:
其中,τ(λ)为大气整层光学厚度,可写为:
τ(λ)=τa(λ)+τr(λ)+τoz(λ) (20)
最后:将式4、10、17、19代入式3可知,Lshd(λ)是气溶胶波长指数α、混浊度系数β、气溶胶散射光下行比例Ca的函数:
Lshd(λ)=F(α,β,Ca)+Lrp(λ) (21)
常用高分辨率卫星遥感影像一般包括蓝光、绿光、红光、近红外四个波段,对应上述3个未知参数,可构成一个非线性最小二乘问题。同时,为降低非线性系统求解过程中带来的异常解,这里对未知参数α、β、Ca设置上下限,分别为[0.2,4]、[0.008,1.5]、[0.5,1]。其中,气溶胶波长指数α的上限4对应气溶胶以细粒子为主的情况,下限0.2对应较为灰霾的天气状况;其余2个参数的上限、下限则分别对应气溶胶浓度较高和天气晴朗的状况。故此,以α、β、Ca为未知数x,构造目标函数f(x)(式22),形成带边界的非线性优化问题(式23)进行求解。
f(x)=F(α,β,Ca)+Lrp(λ)-Lshd(λ) (22)
优选地,所述步骤D具体包括:
D1:成像时天气晴朗,认为待校正水域入射天空光辐亮度Lsky(λ)一致,用原始辐射亮度图像各个波段L(λ)减去步骤B中统计的Lshd(λ),根据式2、式3可得:
L(λ)-Lshd(λ)=Lw(λ)T↑(λ) (24)
D2:根据步骤C中所得的气溶胶光学厚度,带入(19)式求得大气上行透过率T↑(λ),进而得到离水辐亮度Lw(λ):
优选地,所述步骤E具体包括:
E1:根据遥感反射率的定义,若需要获取水体遥感反射率Rrs(λ),则根据下式计算完成大气校正:
其中,天空漫射光Esky(λ)可参考公式(15);T↓(λ)为大气下行透过率,根据下式计算:
T↓(λ)=e-τ(λ)/cosθ (28)
E2:根据行星反射率R的计算公式:
其中,卫星传感器接收的水体总辐亮度L(λ)参考公式(2)可知,仅Lw(λ)包含水体组份信息。因此,若需要获取水体离水反射率Rw(λ),则根据下式计算完成大气校正:
本发明与现有技术相比,具有如下优点和有益效果:
本发明的大气校正方法,它不需要同步的大气、地物标准反射率等外部参数的输入,也不需要借助其他遥感数据,仅仅基于图像本身就可以实现大气校正。而且水体阴影像元的选取简单易行,没有针对于不同图像的阈值判定。尤其对于图幅范围内无法找到清深水体时,本发明提供了一个新的解决办法,避免了内陆浑浊水体经常出现的过校正现象。
附图说明
图1是本发明方法的流程图。
图2是传感器接收的水体信号组成示意图。
图3是传感器接收到的位于阴影区的水体信号组成示意图。
图4(a)-(d)是针对实例1所述图像,选取4个测量点,在每个测量点处本专利的方法与实测光谱数据、未校正影像数据、FLAASH大气校正、QUAC大气校正结果进行对比的效果图。
图5(a)-(h)是针对实例2所述2景图像,每景选取4个测量点,在每个测量点处本专利的方法与实测光谱数据、未校正影像数据、FLAASH大气校正、QUAC大气校正结果进行对比的效果图。
图6(a)-(d)是针对实例3所述图像,选取4个测量点,在每个测量点处本专利的方法与实测光谱数据、未校正影像数据、FLAASH大气校正、QUAC大气校正结果进行对比的效果图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
本实施例提供了一种适用于城市河网区的高分辨率遥感数据水体大气校正方法。由于城市河网区周边高层建筑或桥梁投射到水体形成的阴影不受到太阳直射光照射,可以认为水体阴影区的辐亮度最小值不包含出水辐射部分,即该类像元的离水辐射为0。本发明以其为暗像元,计算成像时的气溶胶参数,对图像上的所有水体像元进行大气校正。
本实施例以广州作为城市河网区的示例,以高分1号窄幅数据、高分2号数据、SPOT7作为示例,详细说明利用本发明方法进行水体大气校正的过程。根据图1所示的方法流程图,方法包括步骤:
1:购得研究区2017年12月19日的高分1号窄幅遥感影像,并从中国资源卫星应用中心官网上查询对应辐射定标参数。
2:对原始数据进行辐射定标,获得辐射亮度图像,记辐亮度L(λ)。
3:尽可能多的选取图像上由高层建筑、桥梁等造成的水体阴影区像元。该步骤可以通过ArcGIS软件,用面状矢量把图像中的水体阴影区勾画出来。
4:统计所有选中的阴影像元辐亮度在各个波段的最小值Lshd(λ)。该步骤可以通过ArcGIS软件的统计功能,利用勾画出来的阴影区矢量图层对图像辐射亮度L(λ)进行最小值统计。
6:计算大气瑞利散射形成的程辐射辐亮度值Lrp(λ)(式1~式6):
Pr(Θ)为瑞利散射相函数,Θ为散射角,其中:
τr(λ)=0.008524λ-4(1+0.0113λ-2+0.00013λ-4) (5)
τr(λ)为大气分子光学厚度,τoz(λ)为臭氧层光学厚度。
7:按以下步骤构建有边界的非线性优化方程组求解气溶胶光学厚度τa(λ)。
首先,气溶胶散射形成的程辐射辐亮度值可依据式(7)表示为:
其中:ω0为气溶胶单次散射反照率,Pa(Θ)为气溶胶散射相函数。ω0可表示为:
ω0=PER×1.00+(1-PER)×0.90 (8)
式中,系数1.00和0.90分别对应没有气溶胶吸收的理想瑞利大气环境和有着较多气溶胶吸收的雾霾大气环境;PER为大气分子比例,可定义为:
PER=(λ-α-λ-0.8)/(λ-4.08-λ-0.8) (9)
式中,α为气溶胶波长指数,与气溶胶平均半径有关,平均半径越小,其值越小。气溶胶散射相函数Pa(Θ)可表示为:
Pa(Θ)=PER×Pr(Θ)+PER×P′a(Θ) (10)
式中,P′a(Θ)=[af(Θ,g1)+(1-a)f(Θ,g2)]。其中,f(Θ,g)为
Henyey-Greenstein解析相函数,a、g1、g2为非对称参数,计算f(Θ,g):
根据影像成像时的天气状况,本实施例选择按表1的“小颗粒气溶胶”类型对这三个参数取值。
表1气溶胶相函数非对称参数的取值
序号 | 气溶胶类型 | g<sub>1</sub> | g<sub>2</sub> | α | 适用情况 |
1 | 瑞利散射气溶胶 | 0.3162 | -0.3162 | 0.5 | 瑞利散射 |
2 | 小颗粒气溶胶 | 0.7281 | -0.7638 | 0.9752 | 小颗粒气溶胶<sup>*</sup> |
3 | 大颗粒气溶胶 | 0.8838 | -0.7490 | 0.978 | 大颗粒气溶胶 |
4 | 海洋性气溶胶 | 0.7559 | -0.1720 | 0.978 | 海岸带气溶胶<sup>*</sup> |
*对应能见度较高的晴朗天气
其次,天空光漫射到地面的辐照度Esky(λ)可表示为:
Ca为气溶胶散射光下行部分与总能量的比例。假设天空光下行辐射各项同向性,则
τa(λ)=βλ-α (15)
式中,α同式9,为气溶胶波长指数;β为混浊度系数,表征了整层大气中气溶胶的数量。
然后,大气上行透过率T↑(λ)可根据比尔定律表示为:
其中,τ(λ)为大气整层光学厚度,可写为:
τ(λ)=τa(λ)+τr(λ)+τoz(λ) (17)
最后:将式1、7、14、16代入式3可知,Lshd(λ)是气溶胶波长指数α、混浊度系数β、气溶胶散射光下行比例Ca的函数:
Lshd(λ)=F(α,β,Ca)+Lrp(λ) (18)
参考示例区相关文献,对未知参数α、β、Ca设置上下限,分别为[0.2,4]、[0.008,1.5]、[0.5,1]。故此,以α、β、Ca为未知数x,构造目标函数f(x)(式19),形成带边界的非线性优化问题(式20)进行求解。
f(x)=F(α,β,Ca)+Lrp(λ)-Lshd(λ) (19)
lowerBound、upperBound为设置的未知数的上限和下限值。
8:根据求解的气溶胶波长指数α和混浊度系数β,由式15~17计算大气上行透过率T↑(λ)。
9:根据式19计算离水辐亮度Lw(λ):
10:根据遥感反射率的定义,若需要获取水体遥感反射率Rrs(λ),则根据下式计算完成大气校正:
其中,天空漫射光Esky(λ)可参考公式12;T↓(λ)为大气下行透过率,根据下式计算:
T↓(λ)=e-τ(λ)/cosθ (23)
11:若需要获取水体离水反射率Rw(λ),则根据下式计算完成大气校正:
本发明具体给出3个实例,来显示本发明水体大气校正方法相较于现有方法的优越性。
参见图4,将该方法应用于2017年12月19日高分1号窄幅遥感影像,从中选取4个测量点,与地面准同步实测样点相比,水体大气校正结果如图4(a)-(d)所示。结果表明,相对于基于MODTRAN的FLAASH大气校正模块、基于经验光谱库的QUAC大气校正方法,经该方法和FLAASH校正后的水体波谱形状较为正常,且该方法在红光、近红外波段更接近实测光谱。
参见图5,将该方法应用于2017年12月3日、2017年12月8日高分2号遥感影像,从中选取8个测量点。与地面准同步实测样点相比,水体大气校正结果如图5(a)-(h)所示。结果表明,相对于基于MODTRAN的FLAASH大气校正模块、基于经验光谱库的QUAC大气校正方法,经该方法和FLAASH校正后的水体波谱形状较为正常,两者在蓝光、绿光波段无明显差异,但该方法在红光、近红外波段的量值更接近实测光谱,且就红光-红外波段区间而言更接近实测光谱形状。
参见图6,将该方法应用于2017年12月29日SPOT7遥感影像,从中选取4个测量点。与地面准同步实测样点相比,水体大气校正结果如图6(a)-(d)所示。结果表明,经过该方法、基于MODTRAN的FLAASH大气校正模块、以及基于经验光谱库的QUAC大气校正方法校正后的水体波谱形状均较为正常,三者在绿光波段无明显差异,较接近实测光谱;在蓝光波段校正效果不一,均略高于实测光谱;但该方法在红光、近红外波段量值更接近实测光谱,且就绿光-红光-红外波段区间而言更接近实测光谱形状。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种城市河网区水体大气校正方法,其特征在于,包括以下步骤:
A、对遥感数据进行预处理,获得辐射亮度图像;具体为:
A1:获取卫星数据的辐射定标参数;
A2:对遥感数据进行预处理:根据卫星数据公布的辐射定标方法及定标参数,对原始数据进行辐射定标,获得辐射亮度图像;
B、选取图像上位于阴影区的水体像元作为暗像元,统计所有选中的暗像元在各个波段的最小值,认为该最小值等于天空光在水表形成的漫反射和大气散射辐亮度之和;
C、利用步骤B中所得各个波段的水体阴影辐亮度最小值,求解成像时的气溶胶浑浊度系数及波长指数,由此推算各个波段的气溶胶光学厚度;具体为:
C1:从遥感数据的头文件中读取成像时的太阳天顶角、卫星观测天顶角,太阳方位角、卫星方位角及大气层外太阳辐照度;
C2:计算大气瑞利散射形成的程辐射辐亮度值;
C3:利用各个波段的水体阴影辐亮度最小值计算气溶胶光学厚度;
D、用原始辐射亮度图像各个波段减去步骤B中所得阴影像元辐亮度,再根据步骤C得到的气溶胶光学厚度计算各个波段大气上行透过率,进而得到水体的离水辐亮度;
E、将离水辐亮度根据需求转换为遥感反射率或者离水反射率,完成水体大气校正。
2.根据权利要求1所述的城市河网区水体大气校正方法,其特征在于,所述辐射亮度图像L(λ)计算如下:
L(λ)=Lw(λ)T↑(λ)+rLsky(λ)T↑(λ)+Lap(λ)+Lrp(λ);
式中,λ为卫星传感器各通道的中心波长;Lw(λ)是进入水体被水体散射回来的离水辐亮度,包含了水质信息;T↑为沿着观测方向的大气上行透过率;rLsky(λ)T↑(λ)为天空光被水面反射后被卫星观测到的辐亮度,不包含水体信息,其中Lsky(λ)为天空光辐亮度,r为气-水界面反射率;Lap(λ)为气溶胶散射形成的大气程辐射;Lrp(λ)为大气瑞利散射形成的大气程辐射。
3.根据权利要求2所述的城市河网区水体大气校正方法,其特征在于,所述步骤B具体包括:
B1:选取辐射亮度图像上位于阴影区的水体像元作为暗像元;
B2:统计选中的暗像元辐亮度在各个波段的最小值Lshd(λ),认为该值等于天空光在水表形成的漫反射和大气散射辐亮度之和,即:
Lshd(λ)=rLsky(λ)T↑(λ)+Lap(λ)+Lrp(λ)。
4.根据权利要求3所述的城市河网区水体大气校正方法,其特征在于,所述步骤C具体包括:
C2:计算大气瑞利散射形成的程辐射辐亮度值:
Pr(Θ)为瑞利散射相函数,Θ为散射角,其中:
τr(λ)=0.008524λ-4(1+0.0113λ-2+0.00013λ-4)
其中,τr(λ)为大气分子光学厚度,τoz(λ)为臭氧层光学厚度;
C3:利用各个波段的水体阴影辐亮度最小值Lshd(λ)计算气溶胶光学厚度τa(λ),具体求解过程如下:
首先,气溶胶散射形成的程辐射辐亮度值表示为:
其中:ω0为气溶胶单次散射反照率,Pa(Θ)为气溶胶散射相函数,PER为大气分子比例,定义为:
PER=(λ-α-λ-0.8)/(λ-4.08-λ-0.8)
式中,α为气溶胶波长指数;气溶胶散射相函数Pa(Θ)表示为:
Pa(Θ)=PER×Pr(Θ)+PER×P′a(Θ)
式中,P′a(Θ)=[af(Θ,g1)+(1-a)f(Θ,g2)],其中,f(Θ,g)为Henyey-Greenstein解析相函数,a、g1、g2为非对称参数;
其次:天空光漫射到地面的辐照度Esky(λ)表示为:
Ca为气溶胶散射光下行部分与总能量的比例;假设天空光下行辐射各项同向性,则
气溶胶光学厚度表示为:
τa(λ)=βλ-α
式中,α为气溶胶波长指数;β为混浊度系数,表征了整层大气中气溶胶的数量;
然后:大气上行透过率T↑(λ)可根据比尔定律表示为:
其中,τ(λ)为大气整层光学厚度,为:
τ(λ)=τa(λ)+τr(λ)+τoz(λ)
最后,将上述各个参数的表示形式代入Lshd(λ)=rLsky(λ)T↑(λ)+Lap(λ)+Lrp(λ)中,得到Lshd(λ)是气溶胶波长指数α、混浊度系数β、气溶胶散射光下行比例Ca的函数,表示形式如下:
Lshd(λ)=F(α,β,Ca)+Lrp(λ)
以α、β、Ca为未知数x,构造目标函数f(x),形成带边界的非线性优化问题进行求解:
f(x)=F(α,β,Ca)+Lrp(λ)-Lshd(λ)
通过上述目标函数得到最优的气溶胶光学厚度τa(λ),lowerBound、upperBound为设置的未知数的上限和下限值。
5.根据权利要求4所述的城市河网区水体大气校正方法,其特征在于,在进行优化问题求解时,对未知参数α、β、Ca设置上下限,分别为[0.2,4]、[0.008,1.5]、[0.5,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811374030.3A CN109325973B (zh) | 2018-11-19 | 2018-11-19 | 一种城市河网区水体大气校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811374030.3A CN109325973B (zh) | 2018-11-19 | 2018-11-19 | 一种城市河网区水体大气校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109325973A CN109325973A (zh) | 2019-02-12 |
CN109325973B true CN109325973B (zh) | 2020-11-24 |
Family
ID=65258081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811374030.3A Active CN109325973B (zh) | 2018-11-19 | 2018-11-19 | 一种城市河网区水体大气校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325973B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748444B (zh) * | 2020-12-30 | 2023-04-07 | 中国科学院空天信息创新研究院 | 一种无中红外通道传感器的气溶胶光学厚度反演方法 |
CN112929564B (zh) * | 2021-01-21 | 2022-05-06 | 中国科学院空天信息创新研究院 | 离水反射率的获取方法、系统、装置、设备及存储介质 |
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 |
CN114414503B (zh) * | 2022-01-10 | 2024-05-07 | 武汉华信联创技术工程有限公司 | 潜在气体排放源检测方法、装置、设备及可读存储介质 |
CN114841879B (zh) * | 2022-04-24 | 2023-06-20 | 中国科学院空天信息创新研究院 | 一种水体大气校正方法和系统 |
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 |
CN116879237B (zh) * | 2023-09-04 | 2023-12-12 | 自然资源部第二海洋研究所 | 一种近海浑浊水体的大气校正方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855494A (zh) * | 2012-08-20 | 2013-01-02 | 中国测绘科学研究院 | 一种卫星遥感影像的水体提取方法及装置 |
CN102955154A (zh) * | 2012-10-16 | 2013-03-06 | 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 |
CN106650812A (zh) * | 2016-12-27 | 2017-05-10 | 辽宁工程技术大学 | 一种卫星遥感影像的城市水体提取方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7593835B2 (en) * | 2001-04-20 | 2009-09-22 | Spectral Sciences, Inc. | Reformulated atmospheric band model method for modeling atmospheric propagation at arbitrarily fine spectral resolution and expanded capabilities. |
CN101963664B (zh) * | 2010-09-28 | 2013-03-20 | 中国科学院东北地理与农业生态研究所 | 基于水陆地物分类信息的微波遥感混合像元分解方法 |
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 |
US9076206B2 (en) * | 2013-03-12 | 2015-07-07 | Uurmi Systems Private Limited | Methods and systems for correcting distortions in multimedia content |
CN103499815A (zh) * | 2013-09-10 | 2014-01-08 | 李云梅 | 一种基于氧气和水汽吸收波段的内陆水体大气校正方法 |
US9449244B2 (en) * | 2013-12-11 | 2016-09-20 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of National Defense | Methods for in-scene atmospheric compensation by endmember matching |
CN105809140B (zh) * | 2016-03-18 | 2019-07-05 | 华南农业大学 | 一种基于遥感模型的地表水体信息的提取方法及其装置 |
-
2018
- 2018-11-19 CN CN201811374030.3A patent/CN109325973B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855494A (zh) * | 2012-08-20 | 2013-01-02 | 中国测绘科学研究院 | 一种卫星遥感影像的水体提取方法及装置 |
CN102955154A (zh) * | 2012-10-16 | 2013-03-06 | 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 |
CN106650812A (zh) * | 2016-12-27 | 2017-05-10 | 辽宁工程技术大学 | 一种卫星遥感影像的城市水体提取方法 |
Non-Patent Citations (2)
Title |
---|
An Operational Radiometric Landsat Preprocessing Framework for Large-Area Time Series Applications;David Frantz et al.;《IEEE Transactions on Geoscience and Remote Sensing ( Volume: 54 , Issue: 7 , July 2016 )》;IEEE;20160307;第3928-3943页 * |
利用氧气和水汽吸收波段暗像元假设的MERIS影像二类水体大气校正方法;檀静 等;《遥感学报》;20130725;第768-787页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109325973A (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325973B (zh) | 一种城市河网区水体大气校正方法 | |
CN110006463B (zh) | 一种光学遥感卫星的在轨绝对辐射定标方法及系统 | |
CN111795936B (zh) | 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 | |
CN102901516B (zh) | 一种基于绝对辐射定标的多光谱影像辐射校正方法 | |
CN109300133B (zh) | 一种城市河网区水体提取方法 | |
CN100362319C (zh) | 航空高光谱遥感反演边界层气溶胶光学厚度的检测方法 | |
Slater | Radiometric considerations in remote sensing | |
CN109974854B (zh) | 一种框幅式fpi高光谱图像的辐射校正方法 | |
CN102539336A (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
CN111553922B (zh) | 一种卫星遥感影像自动云检测方法 | |
CN103499815A (zh) | 一种基于氧气和水汽吸收波段的内陆水体大气校正方法 | |
CN116519557B (zh) | 一种气溶胶光学厚度反演方法 | |
CN111191380B (zh) | 一种基于地基光谱仪测量数据的大气气溶胶光学厚度估算方法和装置 | |
CN113970376A (zh) | 一种基于海洋区域再分析资料的卫星红外载荷定标方法 | |
CN111198162B (zh) | 一种城区表面反射率遥感反演方法 | |
CN110632032A (zh) | 一种基于地表反射率库的沙尘暴监测方法 | |
Blum et al. | Measurement of diffuse and plane of array irradiance by a combination of a pyranometer and an all-sky imager | |
CN102901563B (zh) | 一种同时确定地表窄波段和宽波段比辐射率的方法及装置 | |
CN116822141A (zh) | 利用卫星微光遥感反演夜间大气气溶胶光学厚度的方法 | |
CN113340819B (zh) | 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 | |
CN113218874A (zh) | 一种基于遥感影像获取地表目标物反射率方法及系统 | |
CN110702228B (zh) | 一种航空高光谱影像的边缘辐射校正方法 | |
CN105205789B (zh) | 一种消除水域遥感数据镜面反射影响的方法 | |
CN114596234B (zh) | 一种复杂山地的ndvi地形阴影效应校正方法 | |
CN113740263B (zh) | 一种气溶胶光学厚度反演方法及大气颗粒物遥感反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |