CN112748444B - 一种无中红外通道传感器的气溶胶光学厚度反演方法 - Google Patents

一种无中红外通道传感器的气溶胶光学厚度反演方法 Download PDF

Info

Publication number
CN112748444B
CN112748444B CN202011603654.5A CN202011603654A CN112748444B CN 112748444 B CN112748444 B CN 112748444B CN 202011603654 A CN202011603654 A CN 202011603654A CN 112748444 B CN112748444 B CN 112748444B
Authority
CN
China
Prior art keywords
pixel
aerosol
optical thickness
inversion
reflectivity
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
Application number
CN202011603654.5A
Other languages
English (en)
Other versions
CN112748444A (zh
Inventor
王颖
程天海
顾行发
余涛
郭红
师帅一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Research Institute Of Space Information (langfang) Of China Science
Zhongke Xingtong Langfang Information Technology Co ltd
Aerospace Information Research Institute of CAS
Original Assignee
Research Institute Of Space Information (langfang) Of China Science
Zhongke Xingtong Langfang Information Technology Co ltd
Aerospace Information Research Institute of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Research Institute Of Space Information (langfang) Of China Science, Zhongke Xingtong Langfang Information Technology Co ltd, Aerospace Information Research Institute of CAS filed Critical Research Institute Of Space Information (langfang) Of China Science
Priority to CN202011603654.5A priority Critical patent/CN112748444B/zh
Publication of CN112748444A publication Critical patent/CN112748444A/zh
Application granted granted Critical
Publication of CN112748444B publication Critical patent/CN112748444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/90—Lidar systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • 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
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Image Processing (AREA)

Abstract

一种无中红外通道传感器的气溶胶光学厚度反演方法，包括对预设时间段内预设区域的无中红外通道传感器卫星影像进行预处理，得到处理后的影像数据；根据处理后的影像数据确定预设时间段内各像元红光波段的天顶反射率序列和近红外波段的天顶反射率序列；将预设时间段内各像元的天顶反射率比值最低的日期作为晴朗日；去除各像元晴朗日影像数据的背景气溶胶光学厚度和瑞利散射，得到各像元的晴朗日地表反射率比值；根据各像元晴朗日地表反射率比值确定各像元反演日地表反射率比值；基于气溶胶光学厚度反演算法和查找表，根据各像元反演日地表反射率比值确定各像元550nm波段的气溶胶光学厚度，可有效地降低地表双向特性的影响，提高气溶胶光学厚度反演准确性。

Description

一种无中红外通道传感器的气溶胶光学厚度反演方法
技术领域
本发明涉及气溶胶领域，特别涉及一种无中红外通道传感器的气溶胶光学厚度反演方法。
背景技术
气溶胶光学厚度反演需要准确的地表反射率信息估计，0.01的地表反射率估计误差可以引起0.1的气溶胶光学厚度反演误差。目前，对地表反射率的估计方法大多可归类为多光谱经验函数法、多时相影像估计法、多角度影像估计法、与气溶胶性质协同反演方法等。其中应用最为广泛和成功的当属暗目标(Dark Target)方法。该方法基于植被密集的暗目标在红、蓝和中红外三个通道上的地表反射率存在一定的先验关系的前提假设，对气溶胶光学厚度进行了反演，成功应用于MODIS和VIIRS等传感器的官方算法。但是对于没有设置中红外通道的传感器，如HJ/CCD、NOAA/AVHRR、FY-2/VISSR，就无法应用暗目标方法。
为了获取地表反射率信息，对于没有设置中红外通道的传感器，有学者利用类似暗目标的方法建立不同波段间的地表反射率先验关系(Mei et al.2014)。另有学者利用同一地区的多时相影像数据，通过选择出晴朗日，并假设晴朗日与反演日的地表反射率不变，利用两天的天顶反射率差异反演气溶胶光学厚度(Fraser et al.1984；Kaufman etal.1990)。欧洲的学者在此基础上进一步考虑了多时相内卫星观测姿态对地表反射率估计的影响(Hauser et al.2005；Riffler et al.2010)。
多时相内不仅卫星观测姿态变化剧烈，太阳天顶角也因为卫星的变相(phasingrunning)和轨道漂移(orbit drift)而产生变化，从而导致查找晴朗日的时间窗口内的地表双向特性对气溶胶光学厚度影响很大，现有技术无法避免地表双向特性对气溶胶光学厚度反演的影响。
发明内容
(一)发明目的
本发明的目的是提供一种无中红外通道传感器的气溶胶光学厚度反演方法，可以有效地降低地表双向特性的影响，提高气溶胶光学厚度反演准确性。
(二)技术方案
为解决上述问题，本申请的第一方面无中红外通道传感器的气溶胶光学厚度反演方法，包括：
对预设时间段内预设区域的无中红外通道传感器卫星影像进行预处理，得到处理后的影像数据；
根据处理后的影像数据确定所述预设时间段内各像元红光波段的天顶反射率序列和近红外波段的天顶反射率序列；
将预设时间段内各像元的天顶反射率比值最低的日期作为晴朗日，其中所述天顶反射率比值为同一日红光波段的天顶反射率除以近红外波段的天顶反射率；
去除各像元晴朗日影像数据的背景气溶胶光学厚度和瑞利散射，得到各像元的晴朗日地表反射率比值，所述晴朗日地表反射率比值为晴朗日红光波段的地表反射率除以近红外波段的地表反射率；
根据各像元晴朗日地表反射率比值确定各像元反演日地表反射率比值；
基于气溶胶光学厚度反演算法和查找表，根据各像元反演日地表反射率比值确定各像元550nm波段的气溶胶光学厚度。
具体地，所述预处理包括定标，去除云、海洋、冰雪像元，气体吸收校正，以及残留云像元和云阴影像元滤除，所述残留云像元和云阴影像元滤除包括：
当红光波段天顶反射率介于(0，0.25)时，以n×n像元块为单位，根据红光波段天顶反射率大小，对像元块内的像元进行排序；
基于像元块内像元的总数量，去除红光波段天顶反射率最高的45～55％的像元及红光波段天顶反射率最低的15～25％的像元，其中，n为8～12的整数。
具体地，所述基于气溶胶光学厚度反演算法和查找表，根据各像元反演日地表反射率比值确定各像元550nm波段的气溶胶光学厚度，包括：
建立介于预设范围内的一组550nm波段气溶胶光学厚度初始值，基于气溶胶模型先验知识集和6SV建立各模型对应的查找表，所述查找表中包括预设气溶胶光学厚度与各波段地表反射率的对应关系；
基于各模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的红光波段的地表反射率和近红外波段的地表反射率，并得到各像元与气溶胶模型一一对应的多组地表反射率比值；
基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元550nm波段的气溶胶光学厚度。
具体地，所述基于各模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的红光波段的地表反射率和近红外波段的地表反射率，具体包括：
以m×m像元块为单位，假设像元块内气溶胶模型不变，分别采用所述气溶胶模型先验知识集中的各气溶胶模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的红光波段的地表反射率和近红外波段的地表反射率，其中，m为8～12。
具体地，所述基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元550nm波段的气溶胶光学厚度，具体包括：
基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元在各气溶胶模型下550nm波段的气溶胶光学厚度；根据各所述像元块中插值确定的550nm波段的气溶胶光学厚度有效数据个数及确定的地表反射率比值与反演日地表反射率比值的差值大小确定像元块内每个像元对应的550nm波段的气溶胶光学厚度，其中，有效数据个数是指550nm波段的气溶胶光学厚度在预设范围内的数据个数。
具体地，所述预设时间段为24～38天；所述反演日为所述预设时间段的中间日。
具体地，所述红光波段为630nm波段，所述近红外波段为850nm波段。
具体地，所述预设范围为[0.05，5]，一组包含15～50个550nm波段气溶胶光学厚度初始值。
具体地，所述预设区域为东亚地区。
具体地，所述无中红外通道传感器为HJ/CCD传感器、NOAA/AVHRR传感器或FY-2/VISSR传感器。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果：
本发明提供的无中红外通道传感器的气溶胶光学厚度反演方法，通过将预设时间段内天顶反射率比值最低的天作为晴朗日，根据晴朗日地表反射率比值确定反演日地表反射率比值，由于红光波段与近红外波段具有相似的地表反射的方向效应，因此使用两个波段的地表反射率比值可以有效地降低地表双向特性的影响，提高气溶胶光学厚度反演准确性。
本发明提供的气溶胶光学厚度反演算法，无需预先建立不同波段间的地表反射率先验关系和在不同条件时的校正系数，操作较为简单，结果精度较高。
附图说明
图1为本发明提供的一种无中红外通道传感器的气溶胶光学厚度反演方法流程图；
图2为本发明一具体实施例提供的预处理流程图；
图3为本发明一具体实施例提供的反演方法流程图；
图4为本发明一具体实施例提供的气溶胶光学厚度分布图；
图5为本发明一具体实施例提供的地表反射率结果对比图；
图6为本发明一具体实施例提供的气溶胶光学装置厚度对比验证图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
参见图1，本发明提供一种无中红外通道传感器的气溶胶光学厚度反演方法，包括：
步骤101：对预设时间段内预设区域的无中红外通道传感器卫星影像进行预处理，得到处理后的影像数据；
其中，所述预处理可以包括定标，去除云、海洋、冰雪像元，气体吸收校正，以及残留云像元和云阴影像元滤除等预处理；所述定标是指将卫星观测DN值转换为影像中各初始像元的天顶反射率，可以采用通用定标方法，本发明不做限定；可根据常规云、海洋、冰雪像元识别方法进行像元识别并按常规方法去除，本发明不做限定；气体吸收校正是指去除近红外通道中水汽和臭氧吸收的影响，可通过MODIS官方算法进行，本发明不做限定。
步骤102：根据处理后的影像数据确定所述预设时间段内各像元630nm波段的天顶反射率序列和850nm波段的天顶反射率序列；
本发明实施例中，红光波段均为630nm波段，近红外波段为850nm波段，在其他实施例中也可以选择其他红光波段和近红外波段，本发明不做限定。
具体地，影像数据中DN值可得到天顶辐亮度，根据天顶辐亮度和定标系数即可确定天顶反射率；
所述天顶反射率序列包含同一像元在该预设时间段内不同时间的天顶反射率，例如预设时间段为31天，则所述天顶反射率序列包含同一像元在31天内的每一天的天顶反射率。
步骤103：将预设时间段内各像元的天顶反射率比值最低的日期作为晴朗日，其中所述天顶反射率比值为同一日630nm波段的天顶反射率除以850nm波段的天顶反射率；
步骤104：去除各像元晴朗日影像数据的背景气溶胶光学厚度和瑞利散射，得到各像元的晴朗日地表反射率比值，所述晴朗日地表反射率比值为晴朗日630nm波段的地表反射率除以850nm波段的地表反射率；
其中，可根据查找表方法去除各像元晴朗日影像数据的背景气溶胶光学厚度和瑞利散射；根据查找表插值计算即可得到各像元的晴朗日地表反射率，从而得到地表反射率比值。
步骤105：根据各像元晴朗日地表反射率比值确定各像元反演日地表反射率比值；
具体地，本发明优选将各像元晴朗日地表反射率比值作为各像元反演日地表反射率比值。
步骤106：基于气溶胶光学厚度反演算法和查找表，根据各像元反演日地表反射率比值确定各像元550nm波段的气溶胶光学厚度。
具体地，本发明实施例中所述气溶胶光学厚度反演算法优选插值法。
在一具体实施例中，所述预处理包括定标，去除云、海洋、冰雪像元，气体吸收校正，以及残留云像元和云阴影像元滤除，所述残留云像元和云阴影像元滤除包括：
当630nm波段天顶反射率介于(0，0.25)时，以n×n像元块为单位，根据630nm波段天顶反射率大小，对像元块内的像元进行排序；
基于像元块内像元的总数量，去除630nm波段天顶反射率最高的50％的像元及630nm波段天顶反射率最低的20％的像元，其中，n为8～12的整数。
该方法可有效去除残留云像元和云阴影像元，确保云和云阴影像元被滤除，不影响反演结果精度。
步骤106所述的基于气溶胶光学厚度反演算法和查找表，根据各像元反演日地表反射率比值确定各像元550nm波段的气溶胶光学厚度，具体包括：
步骤106a：建立介于预设范围内的一组550nm波段气溶胶光学厚度初始值，基于气溶胶模型先验知识集和6SV建立各模型对应的查找表，所述查找表中包括预设气溶胶光学厚度与各波段地表反射率的对应关系；
其中，6SV是指Second Simulation of a Satellite Signal in the SolarSpectrum-Vector软件，基于该软件，根据气溶胶模型、波长、太阳天顶角、卫星天顶角、相对观测角、地表反射率、气溶胶光学厚度建立对应关系，即可得到查找表，查找表的具体建立方法为现有技术，本发明不做限定。
步骤106b:基于各模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的630nm波段的地表反射率和850nm波段的地表反射率，并得到各像元与气溶胶模型一一对应的多组地表反射率比值；具体地，假设共有5个气溶胶模型，对各像元而言，步骤106b最终得到5组地表反射率比值，若建立的一组550nm波段气溶胶光学厚度初始值数量为20个，则每组中包含20个地表反射率比值。
步骤106c：基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元550nm波段的气溶胶光学厚度。
具体地，所述基于各模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的630nm波段的地表反射率和850nm波段的地表反射率，具体包括：
以m×m像元块为单位，假设像元块内气溶胶模型不变，分别采用所述气溶胶模型先验知识集中的各气溶胶模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的630nm波段的地表反射率和850nm波段的地表反射率，其中，m为8～12。
具体地，所述基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元550nm波段的气溶胶光学厚度，具体包括：
基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元在各气溶胶模型下的550nm波段的气溶胶光学厚度；
根据各所述像元块中插值确定的550nm波段的气溶胶光学厚度有效数据个数及确定的地表反射率比值与反演日地表反射率比值的差值大小确定像元块内每个像元对应的550nm波段的气溶胶光学厚度，其中，有效数据个数是指550nm波段的气溶胶光学厚度在预设范围内的数据个数。具体地，有效数据个数最多者且地表反射率比值差值最小者为优选结果，次之为有效数据个数最多且地表反射率比值差值较小者。
具体地，所述预设时间段为24～38天。
具体地，所述反演日为所述预设时间段的中间日。
具体地，所述预设范围为[0.05，5]，一组包含15～50个550nm波段气溶胶光学厚度初始值。
具体地，所述预设区域为东亚地区。
具体地，所述无中红外通道传感器为HJ/CCD传感器、NOAA/AVHRR传感器或FY-2/VISSR传感器。
参见图2和3，以下为本发明的一个具体实施例：
采用2008年7月-2010年6月NOAA/AVHRR传感器提供的影像数据反演气溶胶光学厚度，具体方法包括：
步骤一：数据预处理
参见图2，预处理方法包括：根据AVHRR 630nm和850nm波段的天顶辐亮度进行定标，确定AVHRR 630nm和850nm的天顶反射率，判断是否有云、海洋和冰雪像元，若是则去除云、海洋和冰雪像元，若否则利用H2O和O3柱含量产品进行气体吸收校正，当630nm波段的天顶反射率介于(0，0.25)时对残留云和云阴影像元的滤除，具体包括：当630nm波段的天顶反射率介于(0，0.25)时，去除最高50％和最低20％的像元。然后得到630nm和850nm波段的时间序列天顶反射率数据。
步骤二：估计晴朗日的地表反射率
将31天内天顶反射率比值(630nm波段除以850nm波段)最低的天作为晴朗日。选择该比值可以有效降低地表双向特性的影响。然后去除晴朗日的背景气溶胶光学厚度和瑞利散射，获得晴朗日的地表反射率比值。假设这段时间内地表双向特性不变，即可得到反演日的地表反射率比值。
步骤三：反演气溶胶光学厚度
对于东亚地区(-18°N-54°N，110°E-136°E)，以10×10像元块为单位，假设像元块内气溶胶模型不变。气溶胶模型选用东亚地区的气溶胶模型先验知识集。然后对于每个像元块中的每种气溶胶模型，采用如下步骤反演气溶胶光学厚度时空分布。建立介于[0.05，5]的一组20个气溶胶光学厚度初始值，利用基于6SV建立的与气溶胶模型一一对应的查找表，如表1所示，通过线性插值得到各像元在每个气溶胶模型下、每个550nm气溶胶光学厚度初始值对应的630nm和850nm波段的地表反射率。从而得到各像元在同一模型下的一组地表反射率比值。基于这组比值及其对应的气溶胶光学厚度初始值，根据步骤二获取的反演日地表反射率比值，插值获得各像元在各气溶胶模型下对应的550nm波段的气溶胶光学厚度。最终根据像元块内的有效结果个数最多的气溶胶模型和地表反射率比值反演值与输入值(即反演日地表反射率比值)的最小差异确定每个像元的气溶胶光学厚度反演值，最终得到该区域2008年7月-2010年6月气溶胶光学厚度分布图，如图4所示。
表1基于6SV建立的查找表
Figure BDA0002872214400000101
其中：表1中气溶胶光学厚度为查找表中的设定值，地表反射率为查找表中的设定值。
对本实施例提供的反演方法准确性进行验证：
1、地表反射率对比
对比方法：
将本实施例反演的各像元的地表反射率与MODIS反演的地表反射率进行对比，对比结果参见图5，图5为对比散点图，表明反演的地表反射率与MODIS地表反射率产品相比，相关系数为0.76，均方根误差为0.031，结果精度较高。
2、气溶胶光学厚度对比验证
对比方法：
将本实施例得到的各像元的气溶胶光学厚度与AERONET全球自动观测网关测到的同时期、同地区的气溶胶光学厚度进行对比验证，对比结果参见图6，图6为表明反演的气溶胶光学厚度与地基AERONET观测相比，线性拟合方程为y＝0.068+0.88x，拟合的截距较小，斜率为0.88，相关系数R为0.88，均方根误差为0.15。反演结果精度较高，表明了算法的可信度。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (9)

1.一种无中红外通道传感器的气溶胶光学厚度反演方法，其特征在于，包括：
对预设时间段内预设区域的无中红外通道传感器卫星影像进行预处理，得到处理后的影像数据；
根据处理后的影像数据确定所述预设时间段内各像元红光波段的天顶反射率序列和近红外波段的天顶反射率序列；
将预设时间段内各像元的天顶反射率比值最低的日期作为晴朗日，其中所述天顶反射率比值为同一日红光波段的天顶反射率除以近红外波段的天顶反射率；
去除各像元晴朗日影像数据的背景气溶胶光学厚度和瑞利散射，得到各像元的晴朗日地表反射率比值，所述晴朗日地表反射率比值为晴朗日红光波段的地表反射率除以近红外波段的地表反射率；
根据各像元晴朗日地表反射率比值确定各像元反演日地表反射率比值；
基于气溶胶光学厚度反演算法和查找表，根据各像元反演日地表反射率比值确定各像元550nm波段的气溶胶光学厚度；
所述基于气溶胶光学厚度反演算法和查找表，根据各像元反演日地表反射率比值确定各像元550nm波段的气溶胶光学厚度，包括：
建立介于预设范围内的一组550nm波段气溶胶光学厚度初始值，基于气溶胶模型先验知识集和6SV建立各模型对应的查找表，所述查找表中包括预设气溶胶光学厚度与各波段地表反射率的对应关系；
基于各模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的红光波段的地表反射率和近红外波段的地表反射率，并得到各像元与气溶胶模型一一对应的多组地表反射率比值；
基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元550nm波段的气溶胶光学厚度。
2.根据权利要求1所述的反演方法，其特征在于，所述预处理包括定标，去除云、海洋、冰雪像元，气体吸收校正，以及残留云像元和云阴影像元滤除，所述残留云像元和云阴影像元滤除包括：
当红光波段天顶反射率介于(0，0.25)时，以n×n像元块为单位，根据红光波段天顶反射率大小，对像元块内的像元进行排序；
基于像元块内像元的总数量，去除红光波段天顶反射率最高的45～55％的像元及红光波段天顶反射率最低的15～25％的像元，其中，n为8～12的整数。
3.根据权利要求1所述的反演方法，其特征在于，所述基于各模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的红光波段的地表反射率和近红外波段的地表反射率，具体包括：
以m×m像元块为单位，假设像元块内气溶胶模型不变，分别采用所述气溶胶模型先验知识集中的各气溶胶模型对应的查找表，根据建立的所述一组550nm波段气溶胶光学厚度初始值，通过线性插值得到反演日影像数据内各像元在每个气溶胶模型下、每个气溶胶光学厚度初始值对应的红光波段的地表反射率和近红外波段的地表反射率，其中，m为8～12。
4.根据权利要求3所述的反演方法，其特征在于，所述基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元550nm波段的气溶胶光学厚度，具体包括：
基于建立的所述一组550nm波段气溶胶光学厚度初始值，根据各像元与气溶胶模型一一对应的多组地表反射率比值及各像元反演日地表反射率比值，插值确定各像元在各气溶胶模型下550nm波段的气溶胶光学厚度；根据各所述像元块中插值确定的550nm波段的气溶胶光学厚度有效数据个数及确定的地表反射率比值与反演日地表反射率比值的差值大小确定像元块内每个像元对应的550nm波段的气溶胶光学厚度，其中，有效数据个数是指550nm波段的气溶胶光学厚度在预设范围内的数据个数。
5.根据权利要求1所述的反演方法，其特征在于，所述预设时间段为24～38天；所述反演日为所述预设时间段的中间日。
6.根据权利要求1所述的反演方法，其特征在于，所述红光波段为630nm波段，所述近红外波段为850nm波段。
7.根据权利要求1所述的反演方法，其特征在于，所述预设范围为[0.05，5]，一组包含15～50个550nm波段气溶胶光学厚度初始值。
8.根据权利要求1所述的反演方法，其特征在于，所述预设区域为东亚地区。
9.根据权利要求1所述的反演方法，其特征在于，所述无中红外通道传感器为HJ/CCD传感器、NOAA/AVHRR传感器或FY-2/VISSR传感器。
CN202011603654.5A 2020-12-30 2020-12-30 一种无中红外通道传感器的气溶胶光学厚度反演方法 Active CN112748444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011603654.5A CN112748444B (zh) 2020-12-30 2020-12-30 一种无中红外通道传感器的气溶胶光学厚度反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011603654.5A CN112748444B (zh) 2020-12-30 2020-12-30 一种无中红外通道传感器的气溶胶光学厚度反演方法

Publications (2)

Publication Number Publication Date
CN112748444A CN112748444A (zh) 2021-05-04
CN112748444B true CN112748444B (zh) 2023-04-07

Family

ID=75647156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011603654.5A Active CN112748444B (zh) 2020-12-30 2020-12-30 一种无中红外通道传感器的气溶胶光学厚度反演方法

Country Status (1)

Country Link
CN (1) CN112748444B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102338871A (zh) * 2010-07-22 2012-02-01 曹春香 地表反射率计算方法和装置
CN102628940A (zh) * 2012-04-20 2012-08-08 中国科学院遥感应用研究所 一种遥感图像大气订正方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101598543B (zh) * 2009-07-29 2011-01-19 中国科学院对地观测与数字地球科学中心 一种实用的遥感影像大气校正方法
CN102636143B (zh) * 2012-04-20 2014-11-19 中国科学院遥感应用研究所 一种气溶胶光学厚度遥感反演方法
CN104569952B (zh) * 2013-10-24 2017-02-15 中国科学院遥感与数字地球研究所 无中红外通道传感器的气溶胶光学厚度时空分布反演方法
CN103927455B (zh) * 2014-04-24 2017-01-18 中国科学院遥感与数字地球研究所 基于高分一号卫星的陆地气溶胶光学性质反演方法
CN105674901B (zh) * 2016-04-08 2017-12-26 电子科技大学 基于统计学分段的大气气溶胶反演方法
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
US10650498B2 (en) * 2018-08-02 2020-05-12 Nec Corporation System, method, and non-transitory, computer-readable medium containing instructions for image processing
CN109325973B (zh) * 2018-11-19 2020-11-24 珠江水利委员会珠江水利科学研究院 一种城市河网区水体大气校正方法
CN110186823B (zh) * 2019-06-26 2020-06-16 中国科学院遥感与数字地球研究所 一种气溶胶光学厚度反演方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102338871A (zh) * 2010-07-22 2012-02-01 曹春香 地表反射率计算方法和装置
CN102628940A (zh) * 2012-04-20 2012-08-08 中国科学院遥感应用研究所 一种遥感图像大气订正方法

Also Published As

Publication number Publication date
CN112748444A (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
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
CN111832518B (zh) 基于时空融合的tsa遥感影像土地利用方法
CN111024618A (zh) 基于遥感影像的水质健康监测方法、装置及存储介质
CN110186822B (zh) 一种气溶胶光学厚度遥感反演方法
US20100008595A1 (en) Automated atmospheric characterization of remotely sensed multi-spectral imagery
CN104502999A (zh) 一种基于静止卫星多通道数据的昼夜云检测方法与装置
CN113239830A (zh) 一种基于全尺度特征融合的遥感图像云检测方法
JP2019537151A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN111104888A (zh) Aviris高分辨率数据支持的云检测算法自动生成技术
CN114627087B (zh) 一种多时相卫星遥感图像的地物变化自动检测方法及系统
CN105913023A (zh) 基于多光谱图像和sar图像的黄河冰凌协同检测方法
CN112013822A (zh) 基于改进gwr模型的多光谱遥感水深反演方法
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
US7480052B1 (en) Opaque cloud detection
CN109945969B (zh) 基于气象卫星观测确定地球辐射收支的方法以及装置
CN108198178B (zh) 大气程辐射值的确定方法和装置
CN111489299A (zh) 一种多光谱遥感卫星影像的去雾方法
CN112748444B (zh) 一种无中红外通道传感器的气溶胶光学厚度反演方法
CN108399363B (zh) 一种基于偏振图像的云检测方法
CN104616253B (zh) 一种利用独立成分分析技术的光学遥感图像薄云去除方法
Kao et al. Determination of shallow water depth using optical satellite images
CN114792322A (zh) 一种检测山地国产高分辨率卫星影像云与云阴影的方法
CN114296061A (zh) 基于多元变量检测和不同辐射传输模型的交叉定标方法
Sartika et al. Determining the Precision of Spectral Patterns Arising from Atmospheric Correction Utilizing MODTRAN-FLAASH and 6S Approaches on High-Resolution SPOT-6 Imagery
CN105137019A (zh) 一种纠正卫星遥感数据辐射误差的方法

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