CN112924391A - 基于遥感大数据的fy-4a/agri交叉辐射定标方法 - Google Patents

Abstract

本发明涉及一种基于遥感大数据的FY‑4A/AGRI交叉辐射定标方法，属于交叉辐射定标领域，本发明基于DCC为目标，以辐射性能稳定的Aqua/MODIS的红波段为参考，对FY4A的可见光通道的辐射性能进行评估，利用ADM角度分布模型对BRDF效应进行纠正，利用DCC光谱对FY4E的可见光通道和MODIS的可见光波段进行光谱匹配，采用相对偏差、总衰减率和年平均衰减率等评价指标，通过对DCC目标的日均值进行统计，对其辐射性能在长时间序列上的表现(包括衰减量及衰减趋势)进行了定量描述，使用遥感大数据对海量遥感数据进行分析，弥补传统定标数据量不大的问题。本发明DCC方法能够很好的应用于FY4A的可见光辐射定标中。

Description

基于遥感大数据的FY-4A/AGRI交叉辐射定标方法

技术领域

本发明属于交叉辐射定标领域，涉及一种基于遥感大数据的FY-4A/AGRI交叉辐射定标方法。

背景技术

风云4A卫星(FY-4A)于2016年12月11日发射，是中国第二代地球静止轨道气象卫星系列(FY-4)的第一颗卫星，旨在继续执行风云2(FY-4)的任务-2)，第一代对地静止气象卫星系列。FY-4A主要用于1)收集地表和云层的多光谱和高精度定量观测数据；2)观察大气温湿度参数的垂直结构；3)通过雷电成像观测获得雷电分布图；4)监视空间环境并提供观测数据，以进行业务空间天气预报和研究，例如广播和恶劣天气预警；5)自动收集各种地球环境参数。FY-4A数据可用于海洋，农业，林业，水利，环境，空间科学等领域的各种应用。高级对地静止辐射成像仪(AGRI)是一种多通道辐射成像仪，是FY-4A机载的主要有效载荷之一。FY-4A/AGRI在技术上具有精确设计的双镜结构，能够在二维上进行精确而灵活的传感，并且具有分钟级的快速扇区扫描功能。可以在14个波段(包括6个可见/近红外波段，2个中波红外波段，2个水蒸气波段和4个长波红外波段)上进行频繁的地球成像。长期观察高质量图像数据是遥感定量应用的前提。此外，良好的辐射性能是获得高质量数据的必要条件。与其他在轨卫星有效载荷一样，FY-4A/AGRI在发射后由于空间环境变化和仪器部件丢失而不可避免地会衰减，尽管发射前已经进行了精确的实验室校准。因此，通常使用常规且可靠的在轨校准器来跟踪和评估在轨卫星有效载荷的辐射性能，例如Terra和Aqua上的中等分辨率成像光谱仪(MODIS)，机上可运行地面成像仪(OLI)Sentinel-2上的Landsat-8，多光谱仪器(MSI)等。对于FY-4A/AGRI，板载黑体可用于红外波段的高频校准。但是，没有用于VNIR波段的机载校准系统，替代校准程序是必不可少的，例如现场校准或交叉校准。替代校准程序的准确性对数据的应用有很大影响。因此，在定量应用之前，必须对FY-4A/ AGRI辐射测量性能进行全面评估并进行交叉辐射定标。

传感器的定标主要通过两种方式，基于实测数据的评估和交叉定标。基于实测数据的评估需要地面同步测量地表和大气参数，所能得到参考数据有限，且需要投入大量的人力与物力等成本。交叉定标需要选取辐射性能稳定的参考传感器，将参考传感器模拟的辐亮度为参考值，通过与待定标传感器辐亮度的比较进行辐射性能评估。包括基于场地的评估和同步星下点观测方法评估。后者通过严格限制观测几何与过境时间的方法虽然规避了定标场对定标结果的影响，但导致可用的影像大大减少，限制了对卫星传感器在长时间序列上的持续定标和性能监测。前者放宽了对传感器观测几何与过境时间的限制，大大提高了辐射性能评估的频次，是最常用也是研究最多的评估方式，但需要同时考虑定标场的大气条件(水汽、气溶胶等)和BRDF效应等因素，增加了定标结果的不确定性，且目前的地面定标场多集中在中低纬度地区，而静止卫星在中纬度地区的观测角度较大，这会影响到辐射性能定标的精度。

风云四号卫星(FY-4)于2016年12月11日发射，2018年3月14日投入民用，目前还未有公开的论文资料对FY-4卫星的辐射精度进行系统性的评估及定标。

发明内容

有鉴于此，本发明的目的在于提供一种基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，以反射率高、稳定、朗伯体特性良好且受到天气条件影响比较小的深对流云(DeepConvective Cloud,DCC)作为定标目标，以辐射性能稳定的Aqua/MODIS为参考，收集全部FY4A的可见光通道自公开数据以来的辐射性能遥感数据，通过大数据处理进行精确的辐射定标，对其性能衰减及趋势进行了定量描述，并对定标结果进行验证。

为达到上述目的，本发明提供如下技术方案：

一种基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，包括以下步骤：

S1：采集FY4A卫星可见光通道的原始影像数据；

S2：对所述原始影像数据进行裁剪；

S3：构建数据金字塔，对海量遥感数据进行批量化分析及处理；

S4：选用FY4A卫星的热带区域进行深对流云DCC的目标选取；

S5：对DCC目标的反射率进行BRDF校正，根据影像的角度信息利用二向反射因子将反射率归一化到某一固定的太阳天顶角；

S6：通过将待评估的FY4A卫星传感器与MODIS传感器进行光谱匹配来减少光谱响应差异对辐射性能的影响；

S7：定量评估FY4A可见光通道的辐射性能，包括FY4A与MODIS的相对偏差、趋势线斜率、总衰减率、年平均衰减率以及稳定性指标。

进一步，步骤S3中，构建数据金字塔，对海量遥感数据进行批量化分析及处理；

在构建数据金字塔时，以经纬度作为数据下标，取一个2*2的数组左上角元素作为组成下一层的一个瓦片，这样，在形成下一层时，总体数据规模缩小为原来的1/2*2，同时每个数据的单位长度为原来的2*2倍；重复以上过程，知道最终形成一个2*2大小的金字塔顶层瓦片。当对数据进行显示操作时，不需要读取全部原始数，只需选择合适分辨率的数据进行数据操作，这样可以减少数据的I/O操作和网络间的数据传输。

进一步，步骤S4中，选择了FY-4A/AGRI的红外波段12

和MODIS 的波段31

来提取DCC目标。

在数据选取时，对DCC的观测角度及经纬度做了以下限制：经度限制为卫星工作位置的±20°(例如，FY-4A/AGRI位于赤道上方104.7°E，则DCC目标的位置为控制在85°E 和125°E之间)。

进一步，步骤S4中，将观察到的天顶角(VZs)限制为40°以减弱大视角引起的影响，以及3*3像素的标准偏差VNIR通道中的温度小于3％，红外通道中的亮度温度标准偏差小于1K，用于避免薄云和云边缘的影响，提高DCC目标识别的准确性，以及消除噪音干扰。

进一步，步骤S5中，BRDF利用角度分布模型(Angular Distribution Model，ADM)，通过各向异性因子把观测辐亮度转化为大气顶层(Top Of Atmosphere，TOA)的辐射通量，公式如下：

其中，F为地球大气层单位面积内发射或散射的TOA辐射通量；I为辐亮度；θ_o为太阳天顶角；θ为观测天顶角；φ为相对方位角；R代表角度分布模型。

进一步，步骤S6中，FY4A卫星的待评估传感器和MODIS传感器可见光通道的光谱响应函数存在差异，通过光谱匹配来减少光谱响应差异对辐射性能评估的影响，具体包括：

根据下式计算待评估的FY4A卫星传感器与MODIS传感器的光谱校正因子(spectral band adjust factor，SBAF)：

其中λ为波长；λ₁～λ₂是FY4A的光谱范围；λ₃～λ₄是MODIS的光谱范围；f_us(λ)和f_MODIS(λ)分别是FY4A和MODIS的光谱响应函数；ρ_λ是DCC目标的归一化的光谱反射率；

通过下式得到光谱匹配后的FY4A的TOA反射率ρ_FY4A：

ρ_FY4A＝SBAF*ρ_MODIS

其中ρ_MoDIS代表MODIS在可见光波段的TOA反射率。

进一步，步骤S7中，所述相对偏差指FY4A的TOA反射率相对于以MODIS的历年平均反射率的偏差程度，FY4A的相对偏差用以下公式计算：

其中，f_FY4A为FY4A每天反射率的拟合线，M_modis为MODIS的平均反射率，m_n为参与评估的最后一天；

所述总衰减率D_all用于展现评估传感器在一段时间内辐射性能的总体衰减程度，计算公式为：

其中，f为TOA反射率的拟合线，m₁为第1天，m_n为最后一天，f(m₁)和f(m_n)分别为时间序列上根据拟合线拟合的第1天和最后一天的TOA反射率；

所述年平均衰减D_year率的计算公式为：

D_year＝(D_all/(m_n-m₁))*365

所述稳定性指标表示散点与拟合趋势线之间的离散程度，稳定性指数越大，表示真实辐射值与拟合线的偏差越大，反之亦然，计算公式为：

其中，n为参与评估的天数，R(m_i)为第i天的平均DCC反射率，f(m_i)为拟合线上的该天反射率值。

本发明的有益效果在于：本发明辐射性能评估的结果为FY4A可见光通道的在全球变化检测中的定量应用提供了依据，为FY4A和MODIS的协同应用提供了参考，同时结果表明，DCC方法能够很好的应用于FY4A的可见光辐射定标中。此外，本发明流程同样适用于其他卫星传感器可见光通道的辐射性能评估。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1(a)为FY4A可见光波段影像，图1(b)为DCC目标提取结果；

图2为DCC目标的光谱反射率曲线；

图3为数据金字塔构建示意图；

图4为本发明所述方法的总体流程示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图4所示，本发明提供一种基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，以反射率高、稳定、朗伯体特性良好且受到天气条件影响比较小的深对流云(DeepConvective Cloud， DCC)为目标，以辐射性能稳定的Aqua/MODIS为参考，对FY4A的可见光通道自公开数据以来的辐射性能遥感数据，通过大数据处理进行精确的辐射定标，对其性能衰减及趋势进行了定量描述，并对定标结果进行验证。

近年来，很多学者都对卫星的辐射性能评估进行了一些研究，包括基于不同传感器的交叉评估(极轨卫星和极轨卫星之间、极轨卫星和静止卫星之间、静止卫星和静止卫星之间)和基于稳定目标的评估，如利比亚沙漠定标场、南极的Dome C定标场、月球]等。静止气象卫星在赤道上空的地球同步轨道上工作，现有的稳定目标(除月球)多位于中纬度和高纬度地区，卫星观测角度过大，影响辐射性能评估的精度；而对月球目标观测的数据又很难获取。深对流云(Deep Convective Cloud，DCC)是一些冷亮的目标体，具有高反射率、反射率稳定、朗伯特性良好等特点且受到天气条件的影响较小，非常适合作为辐射定标的目标；利用DCC目标可以对任意已有数据的时间段进行定标。许多研究人使用DCC目标对卫星传感器的辐射性能进行评估和标定。DCC目标还可以用作伪不变目标，以验证卫星辐射校准方法的准确性。

搭载在地球观测系统(Earth Observation System，EOS)Terra和Aqua卫星上的MODIS传感器已经在轨运行了20年，为全球变化监测提供了长期的数据。MODIS传感器使用像太阳漫反射板和漫射板稳定性监测器以及光谱辐射定标装置等高精度校准器追踪可见光与远红外波段的光谱响应漂移和在轨波段带宽变化，此外，MODIS还通过定期的对月观测来提高定标精度。因此，MODIS传感器的定标精度误差保持在2％左右，常用于评价其他传感器的辐射性能，并作为交叉定标中的参考传感器对其他传感器进行标定。而且Aqua卫星的MODIS传感器比Terra卫星的更稳定^]；在这里，本发明选择Aqua/MODIS数据作为参考数据来评估FY4A 可见光通道的辐射性能。包括以下步骤：

S1：采集FY4A卫星可见光通道的原始影像数据；

S2：对所述原始影像数据进行裁剪；

S3：构建数据金字塔，对海量遥感数据进行批量化分析及处理；

如图3所示，金字塔的最低层是分辨率最高的，也就是原始图像，数据量最大；随着层数的增加，其分辨率逐渐降低，数据量也按比例减少。每一层影像金字塔都有其分辨率，当在前端进行图像的放大、缩小、漫游时，后台需计算出执行该操作后所需的影像分辨率及在当前视图范围内会显示的地理坐标范围，再根据这个分辨率去和已经建好的影像金字塔分辨率匹配，选择适合的分辨率的瓦片遥感数据，将其从后台取出来显示给用户。

采用金字塔模型存储数据的优点是，当对数据进行显示操作时，不需要读取全部原始数，只需选择合适分辨率的数据进行数据操作，这样可以减少数据的I/O操作和网络间的数据传输。

对一幅2ⁿ*2ⁿ的遥感影像进行金字塔内瓦片数据构建的过程是从原始影像数据开始，按照倍率是4进行逐级采样，接着将得到的遥感数据设定为2^m*2^m后，再进行倍率是4的逐级采样，由此得到的遥感影像的层数记为L，则L的数学公式可表示为:

L＝n－m+1，n≥m，

采用上面的方法进行分层后，可以计算求出瓦片的数量T为:

在此基础上，可以推得计算瓦片数据的存储空

间比单独存储原图像所超出的百分比的数学公式如下所示:

分析后可知，通过金字塔的构建后，数据存储所用的空间会比单独存储原数据多出三分之一，将每层数据叠加存储，最终形成金字塔形状的数据格式。以经纬度和分辨率作为条件，可以快速得到指定区域内，不同分辨率的数据。

假设遥感影像的原始单位长度为r0，遥感影像的金字塔的构造最多级数可以根据原始影像的大小LD和数据单位长度进行计算。设金字塔的级数为N，金字塔级数满足的条件如下所示:

遥感影像金字塔的构建中，要对原始遥感影像数据进行重采样。一种典型的方法就是将 2×2的矩阵转化成一个数。假设存在某一层的遥感影像，对于第l级的单位长度rl，运算时可用到如下公式:

r_l＝r₀×2^N-l

假设latitude和longitude分别代表某点的经度和纬度，则该点所在的level级的瓦片编码的运算可写作如下数学形式:

其中，

表示向下取整。

S4：选用FY4A卫星的热带区域进行深对流云DCC的目标选取；

DCC目标具有平坦的反射光谱和良好的朗伯特性。它可以用作辐射性能评估的参考目标。主要原因如下：1)DCC是一个明亮的目标，主要分布在赤道附近，并随太阳季节性移动，可以很好的反射阳光；2)由于DCC目标处于对流层的顶部，水蒸气和气溶胶对其造成的影响比较小；3)DCC目标在可见光波段具有很高的信噪比，且在倾斜观察下具有各向同性的特点。作为赤道上方最冷的目标，可以通过设置红外亮度温度的阈值来识别DCC。

本发明选取FY4A的红外12通道(10.3～11.3um)和MODIS的第31波段(10.78～11.28um) 的亮温小于205K的阈值来提取DCC目标，此外，为了尽可能减少观测几何带来的影响，在数据选取时，对DCC的观测角度及经纬度做了以下限制：1)经度限制在卫星运行位置的±20°之内(如由于FY4A位于赤道上空104.7°E，则在85°E～125°E之间选取选取DCC目标)；2)太阳天顶角(Solar ZenithAngle，SZ)和观测天顶角(Viewing ZenithAngle，VZ)限制在40°以内。另外，为了避免薄云和云边缘的影响，提高DCC目标识别的准确性，排除个别异常点对数据的干扰，本发明分别对相邻3*3像素的反射率进行了计算；选取可见光通道的反射率标准偏差小于3％、并且红外通道的亮度温度的标准偏差小于1K的3*3像素的中心像素为DCC目标。以2018年3月24日的一景FY4A影像为例，DCC目标的提取结果如下图1(a)-(b)所示。

S5：对DCC目标的反射率进行BRDF校正，根据影像的角度信息利用二向反射因子将反射率归一化到某一固定的太阳天顶角；

为了降低观测角度对辐射性能评估结果的影响，需要对DCC目标的反射率进行BRDF (Bidirectional Reflectance Distribution Function)校正，根据影像的角度信息利用二向反射因子将反射率归一化到某一固定的太阳天顶角。本发明使用的BRDF模型是利用CERES/TRMM 观测数据得到的云光学厚度大于50的厚冰云校正模型，即角度分布模型(Angular Distribution Model，ADM)，该模型通过各向异性因子把观测辐亮度转化为大气顶层(Top OfAtmosphere， TOA)的辐射通量，表达式如下：

其中，F为地球大气层单位面积内发射或散射的TOA辐射通量；I为辐亮度；θ_o为太阳天顶角；θ为观测天顶角；φ为相对方位角；R代表角度分布模型，完整的角度分布模型可以从NASA获得。

S6：通过将待评估的FY4A卫星传感器与MODIS传感器进行光谱匹配来减少光谱响应差异对辐射性能的影响；

待评估传感器FY4A和MODIS传感器可见光通道的光谱响应函数(SpectralResponse Function，SRF)存在差异，通过光谱匹配来减少光谱响应差异对辐射性能评估的影响。

在辐射性能比较中，即使两个传感器之间微小的差异也会影响评价结果，所以必须做光谱匹配。二者的光谱校正因子(spectral band adjust factor，SBAF)可以根据下式计算出来：

其中λ为波长；λ₁～λ₂是FY4A的光谱范围；λ₃～λ₄是MODIS的光谱范围；f_us(λ)和f_MODIS(λ)分别是FY4A和MODIS的光谱响应函数；ρ_λ是DCC目标的归一化的光谱反射率如图2所示，由NASA的DavidR.Doelling提供。

经过计算，FY4A可见光通道与MODIS可见光通道的光谱校正因子为1.034626，利用公式ρ_FY4A＝SBAF*ρ_MODIS，ρ_MODIS代表MODIS在可见光波段的TOA反射率，就可得到光谱匹配后的FY4A的TOA反射率ρ_FY4A。

S7：为了更好的评估长时间序列上的FY4A可见光通道的辐射性能，对自公开数据以来的DCC进行统计。定量评估FY4A可见光通道的辐射性能，包括FY4A与MODIS的相对偏差、趋势线斜率、总衰减率、年平均衰减率以及稳定性指标。

各指标的含义和计算方法如下：

(1)相对偏差(Relative_bias)

相对偏差指FY4A的TOA反射率相对于以MODIS的3年平均反射率的偏差程度。FY4A的相对偏差可用以下公式计算：

其中，f_FY4A为FY4A每天反射率的拟合线，M_modis为MODIS的平均反射率，m_n为参与评估的最后一天(2020年6月30日)。

(2)D_all(总衰减率)和D_year(年平均衰减率)

总衰减率可以展现评估传感器在一段时间内辐射性能的总体衰减程度，计算公式为：

其中，f为TOA反射率的拟合线，m₁为第1天(2018年3月14日)，m_n为最后一天(2020年7月14日)，f(m₁)和f(m_n)分别为时间序列上根据拟合线拟合的第1天和最后一天的TOA 反射率。

年平均衰减D_year率的计算公式为：

D_year＝(D_all/(m_n-m₁))*365

(3)稳定性指标(σ)

稳定性指标表示散点与拟合趋势线之间的离散程度，稳定性指数越大，表示真实辐射值与拟合线的偏差越大，反之亦然。计算公式为：

其中，n为参与评估的天数，R(m_i)为第i天的平均DCC反射率，f(m_i)为拟合线上的该天反射率值。

根据本发明的方法，可以得出以下结论：

(1)尽管MODIS的辐射性能在3年内略有衰减，但衰减非常小。MODIS的DCC反射率拟合线在3年内的下降趋势非常弱。MODIS 3年总辐射性能的日平均值退化率为1.1285％，年平均退化率为0.495％。这也说明了MODIS稳定的性能，可以作为辐射评估中的参考传感器。

(2)FY4A辐射性能衰减明显。FY4A在3年间日平均值总的辐射性能衰减率为9.107％，年平均衰减率为3.9952％。能看到FY4A的反射率呈现下降的趋势，其辐射性能相比于MODIS 有着较为明显的波动性。

(3)FY4A的TOA反射率远远小于MODIS。MODIS的DCC像元均值在0.95左右，而FY4A的DCC像元均值在0.75左右。出现这种情况少部分原因，这是由二者的光谱响应函数差异引起的。MODIS的波段范围在620-670nm之间，中心波长为659nm；而FY4A的波段范围为 550-750nm之间。在可见光波段，大气对辐射的影响主要由散射引起，但当波长更长时，散射对辐射的影响减少，大气吸收对辐射的影响增加，导致TOA反射率降低。主要原因则是风云系列卫星可见光通道自身的业务定标系数问题，利用星下点观测(SNO)方法对MODIS 和FY2D、FY2E、FY2F的辐射性能评估结果也表明其可见光通道反射率远低于MODIS，而经过交叉辐射定标后的通道反射率则与MODIS更加接近。这说明了定期对在轨的FY4A卫星可见光通道进行辐射定标是十分必要的。

(4)FY4A的TOA反射率与MODIS相比，波动明显。以日均值为统计单元，FY4A的稳定性指标为0.03674，均远远大于MODIS的0.01836。MODIS的TOA反射率在趋势线附近很小范围内波动，而FY4A在趋势线趋近的波动更加明显。这种波动具有一定的规律性(1月上升，4月下降，7月上升，10月下降)。出现这种现象的原因可能是由于卫星在每年的3-4 月中旬和9-10月中旬处于地影期，星上状态不稳定造成的。

为了完成FY4A与MODIS的对比验证，本发明选取巴丹吉林沙漠的数据，以FY4与MODIS的DCC反射率系数进行交叉定标，选取MODIS第一波段的数据作为参考，为了避免观测时间的不一致，选取MODIS数据的临近时刻与FY4相差小于30min；同时，为了尽可能减少定位误差、分辨率不同等问题，选取巴丹吉林沙漠一块指定平整区域(101°E-103° 42'E,39°36'N-41°12'N)计算每个像元点的TOA反射率后求其均值。这种方法反映出与 MODIS在相同时间序列辐射定标时的一致性程度。可以看出，FY4业务定标系数获得的反射率普遍低于MODIS，而经过了DCC定标矫正之后，与MODIS的系数差距明显减少，其变化趋势也与MODIS的基本一致。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，其特征在于：包括以下步骤：

S1：采集FY4A卫星可见光通道的原始影像数据；

S2：对所述原始影像数据进行裁剪；

S3：构建数据金字塔，对海量遥感数据进行批量化分析及处理；

S4：选用FY4A卫星的热带区域进行深对流云DCC的目标选取；

S5：对DCC目标的反射率进行BRDF校正，根据影像的角度信息利用二向反射因子将反射率归一化到某一固定的太阳天顶角；

S6：通过将待评估的FY4A卫星传感器与MODIS传感器进行光谱匹配来减少光谱响应差异对辐射性能的影响；

S7：定量评估FY4A可见光通道的辐射性能，包括FY4A与MODIS的相对偏差、趋势线斜率、总衰减率、年平均衰减率以及稳定性指标。

2.根据权利要求1所述的基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，其特征在于：步骤S3中，构建数据金字塔，对海量遥感数据进行批量化分析及处理；

在构建数据金字塔时，以经纬度作为数据下标，取一个2*2的数组左上角元素作为组成下一层的一个瓦片，在形成下一层时，总体数据规模缩小为原来的1/2*2，同时每个数据的单位长度为原来的2*2倍；重复以上过程，直到最终形成一个2*2大小的金字塔顶层瓦片；对数据进行显示操作时，选择合适分辨率的数据进行数据操作。

3.根据权利要求1所述的基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，其特征在于：步骤S4中，选择FY-4A/AGRI的红外波段12

和MODIS的波段31

来提取DCC目标；

在数据选取时，对DCC的观测角度及经纬度做了以下限制：经度限制为卫星工作位置的±20°。

4.根据权利要求3所述的基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，其特征在于：步骤S4中，将观察到的天顶角VZs限制为40°以减弱大视角引起的影响，以及3*3像素的标准偏差VNIR通道中的温度小于3％，红外通道中的亮度温度标准偏差小于1K。

5.根据权利要求1所述的基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，其特征在于：步骤S5中，BRDF利用角度分布模型，通过各向异性因子把观测辐亮度转化为大气顶层TOA的辐射通量，公式如下：

其中，F为地球大气层单位面积内发射或散射的TOA辐射通量；I为辐亮度；θ_o为太阳天顶角；θ为观测天顶角；φ为相对方位角；R代表角度分布模型。

6.根据权利要求1所述的基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，其特征在于：步骤S6中，FY4A卫星的待评估传感器和MODIS传感器可见光通道的光谱响应函数存在差异，通过光谱匹配来减少光谱响应差异对辐射性能评估的影响，具体包括：

根据下式计算待评估的FY4A卫星传感器与MODIS传感器的光谱校正因子SBAF：

其中λ为波长；λ₁～λ₂是FY4A的光谱范围；λ₃～λ₄是MODIS的光谱范围；f_us(λ)和f_MODIS(λ)分别是FY4A和MODIS的光谱响应函数；ρ_λ是DCC目标的归一化的光谱反射率；

通过下式得到光谱匹配后的FY4A的TOA反射率ρ_FY4A：

ρ_FY4A＝SBAF*ρ_MODIS

其中ρ_MODIS代表MODIS在可见光波段的TOA反射率。

7.根据权利要求1所述的基于遥感大数据的FY-4A/AGRI交叉辐射定标方法，其特征在于：步骤S7中，所述相对偏差指FY4A的TOA反射率相对于以MODIS的历年平均反射率的偏差程度，FY4A的相对偏差用以下公式计算：

其中，f_FY4A为FY4A每天反射率的拟合线，M_modis为MODIS的平均反射率，m_n为参与评估的最后一天；

所述总衰减率D_all用于展现评估传感器在一段时间内辐射性能的总体衰减程度，计算公式为：

其中，f为TOA反射率的拟合线，m₁为第1天，m_n为最后一天，f(m₁)和f(m_n)分别为时间序列上根据拟合线拟合的第1天和最后一天的TOA反射率；

所述年平均衰减D_year率的计算公式为：

D_year＝(D_all/(m_n-m₁))*365

所述稳定性指标表示散点与拟合趋势线之间的离散程度，稳定性指数越大，表示真实辐射值与拟合线的偏差越大，反之亦然，计算公式为：

其中，n为参与评估的天数，R(m_i)为第i天的平均DCC反射率，f(m_i)为拟合线上的该天反射率值。

Images