CN113340819A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113340819A CN113340819A CN202110631212.XA CN202110631212A CN113340819A CN 113340819 A CN113340819 A CN 113340819A CN 202110631212 A CN202110631212 A CN 202110631212A CN 113340819 A CN113340819 A CN 113340819A
- Authority
- CN
- China
- Prior art keywords
- water body
- radiation
- reflectivity
- atmospheric
- contribution
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- 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
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
-
- 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
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4785—Standardising light scatter apparatus; Standards therefor
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种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,方法包括:首先选取影像上位于阴影中的水体像元及临近非阴影水体像元、光学特征临近的云层像元、清洁水体像元,统计四种像元的辐射特征;基于四象元统计特征,利用辐射传输理论推导并计算大气辐射贡献、天空漫散射下行辐照度与总的下行辐照度比值;假设清洁水体绿波段反射率为一固定值,并推算云层反射率;最终通过云层反射率、辐射特征及大气辐射贡献与遥感反射率之间推导关系计算影像上每个像元的反射率,完成水体大气校正。本发明解决了高频次多时相影像数据常规大气校正可比性差,能够通过影像的自身统计特征实现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,具体涉及一种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。
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。
当前,有多种大气校正的方法,如6S模型、MORTRAN模型、FLAASH模型等,目前应用最为普遍的水色遥感大气校正方法主要是基于暗像元的Gordon算法,但上述所有大气校正模型对遥感影像的预处理,特别是辐射定标处理要求较高,计算过程及输入参数较为复杂,对于定标不稳及缺少定标的卫星、航空等遥感数据难以适用,并且对于短时间间隔高频成像的影像数据的校正结果可比性差。
随着国内遥感技术的发展,高分系列卫星遥感影像成图更快、更精细,特别是高分四号卫星作为我国首颗高空间分辨率地球静止卫星,可以实现特定区域凝视成像,获取目标区域大范围、高频次成像,但高分系列卫星作为陆地卫星的设计特点及部分卫星定标存在的问题,常规大气校正无法满足水色遥感的应用,阻碍了遥感技术在城市水质高频次监测的应用。因此,需要一种适用于定标存在问题的影像数据的水体大气校正方法。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种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,解决了定标存在问题无法开展常规水体大气校正或高频次高分影像常规水体大气校正结果可比性差的问题,能够通过影像自身统计特征值实现影像数据的水体大气校正。
为了达到上述目的,本发明采用以下技术方案:
本发明一方面提供了一种基于影像自身统计特征的水体大气校正方法,包括下述步骤:
选取空间临近的处于阴影区的水体像元和非阴影中的水体像元,同时选取云层像元和洁净水体像元,并统计四类不同像元的辐射特征;
基于辐射传输理论,利用临近的阴影区的水体像元及非阴影区的水体像元辐射特征,计算大气辐射的贡献;
基于辐射传输理论,利用成像位置及时间信息计算大气漫散射下行辐照度在总下行辐照度中的占比;
基于辐射传输理论,利用大气辐射贡献、云层辐射及反射率推导遥感反射率计算公式;
根据反射率计算公式,反推云层反射率值,认为云层反射率不随波长变化而变化,只有云层的辐射特征相关;
利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正;
通过对比计算得到的清洁水体的水体反射率,计算得到大气校正的残余误差。
作为优选的技术方案,所述选取空间临近的处于阴影区的水体像元和非阴影中的水体像元,同时选取云层像元和洁净水体像元,具体为:
选取位于阴影区的水体像元及临近的、光学特征一致的位于太阳直射中的非阴影区的水体像元,统计所选阴影区的水体像元和非阴影区的水体像元的统计数据,并计算其平均值作为其辐射特征值;
选取反射亮度一致的多处云层像元,统计计算其平均值作为其辐射特征值;
选取多处光学特征接近清洁水体的内陆湖库或者大洋水体像元,分别统计所选取的多处清洁水体像元的统计值,将绿波段有效最小值对应的像元作为清洁水体的辐射特征值。
作为优选的技术方案,所述计算大气辐射的贡献具体为:
影像像元辐射亮度Lt(λ)表达为:
Lt(λ)=La(λ)+t(λ)Lw(λ)
其中,Lt(λ)为卫星测得的辐射亮度;La(λ)为大气散射贡献及水表面太阳反射;t(λ)Lw(λ)为传输到传感器的离水辐射贡献,其中t(λ)为大气透射率;
位于非阴影区太阳直射水体像元光谱辐射传输推导:
Lt Sun(λ)=La Sun(λ)+t(λ)Ed(λ)Rrs(λ)
其中,Lt Sun(λ)为阴影外水体像元辐射亮度,包含了大气的散射贡献及地表反射的贡献,La Sun(λ)包括大气散射贡献及水表面太阳反射贡献,Ed(λ)包括来自太阳及大气的综合下行辐射贡献,t(λ)为大气透过率,Rrs(λ)为物体表面反射率;
位于阴影区的水体像元光谱辐射传输推导:
Lt Sdw(λ)=La Sdw(λ)+t(λ)Ed Sky(λ)Rrs(λ)
其中,Lt Sdw(λ)为阴影区的水体像元辐射亮度,同样包含了大气的散射贡献及地表反射的贡献,由于该像元处于阴影中,无太阳直射光,因此,La Sdw(λ)只包括了大气散射的贡献,无水表面太阳反射贡献;Ed sky(λ)表示大气下行辐射贡献;
推导大气散射贡献La(λ):
为了求解参量La(λ),所选取的水体像元对具有相同的大气散射贡献,则La Sun(λ)=La sdw(λ)=La(λ),即忽略水表面太阳反射贡献,La(λ)的贡献仅来自于大气,因此得出:
作为优选的技术方案,所述利用成像位置及时间信息计算大气漫散射下行辐照度在总下行辐照度中的占比,具体为:
利用6S模型计算大气漫散射下行辐照度在总下行辐照度中的占比。
作为优选的技术方案,所述利用大气辐射贡献、云层辐射及反射率推导遥感反射率计算公式,具体为:
假设影像覆盖范围区域大气贡献一致,云大气顶层辐射亮度为:
Lt Cld(λ)=La(λ)+t(λ)Ed(λ)ρ
则:
其中,ρ为所选云层的表面反射率,与Lt Cld(λ)相关,不随波长变化而变化;
根据卫星测得的辐射表达式,推导遥感反射率:
根据云大气顶层辐射亮度,则:
作为优选的技术方案,所述根据反射率计算公式,反推云层反射率值,具体为:
根据影像上所选取一清洁水体像元,假设550nm其反射率Rrs(550)为0.002sr-1,根据遥感反射率表达式,反推ρ值,其它影像数据ρ值可以通过对比Lt Cld(λ)获取。
作为优选的技术方案,所述利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正,具体为:
计算影像遥感反射率完成水体大气校正:
作为优选的技术方案,所述计算得到大气校正的残余误差,具体为:
清洁水体在近红外波段具有强吸收效果,反射率接近0,假设清洁水体810-840nm水体反射为0,通过对比所选取清洁水体像元在810-840nm水体反射率Rrs clw(810-840nm)计算得到大气校正残余误差:
Δ=Rrs clw(810-840nm)-0
则,最终计算得到的遥感反射率为:
Rrs fn(λ)=Rrs(λ)-Δ
其中Rrs fn(λ)为经过残余误差校正后的反射率,Rrs(λ)为经过步骤F得到的反射率,Δ为大气校正残余误差,假设其大小与波长无关,为一固定值。
本发明另一方面提供了一种基于影像自身统计特征的水体大气校正系统,应用于所述的基于影像自身统计特征的水体大气校正方法,其特征在于,包括像元选取模块、大气辐射计算模块、辐照度计算模块、遥感反射率计算模块、云层反射率计算模块、大气校正模块以及残余误差计算模块;
所述像元选取模块,用于选取空间临近的处于阴影区的水体像元和非阴影中的水体像元,同时选取云层像元和洁净水体像元,并统计四类不同像元的辐射特征;
所述大气辐射计算模块,用于基于辐射传输理论,利用临近的阴影区的水体像元及非阴影区的水体像元辐射特征,计算大气辐射的贡献;
所述辐照度计算模块,用于基于辐射传输理论,利用成像位置及时间信息计算大气漫散射下行辐照度在总下行辐照度中的占比;
所述遥感反射率计算模块,用于基于辐射传输理论,利用大气辐射贡献、云层辐射及反射率推导遥感反射率计算公式;
所述云层反射率计算模块,用于根据反射率计算公式,反推云层反射率值,认为云层反射率不随波长变化而变化,只有云层的辐射特征相关;
所述大气校正模块,用于利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正;
通过对比计算得到的清洁水体的水体反射率,计算得到大气校正的残余误差。
本发明又一方面提供了一种计算机可读存储介质,存储有程序,所述程序被处理器执行时,实现所述的基于影像自身统计特征的水体大气校正方法。
本发明与现有技术相比,具有如下优点和有益效果:
本发明的水体大气校正方法,不需要预先对影像数据开展辐射定标等预处理,也不需要大气状态等外部参数的输入,也不需要借助其他遥感数据,仅基于图像本身统计特征及相关辐射传输理论就可以实现大气校正。尤其对于实时定标参数无法及时获取或定标参数难以确定的卫星遥感及无人机数据航空数据,例如高分四号卫星及高光谱无人机航空影像,本发明提供了一个新的解决办法,有效解决了由于定标参数难以确定等导致的影像大气校正难以开展的问题,另外,对于高频次连续拍摄(时间间隔小时级)的遥感影像,本发明在多期影像大气校正可比对性方面具有较好的优势,能够很好的体现出目标地物(如流动水体)在时间尺度上的光谱特征变化。
附图说明
图1是本发明基于影像自身统计特征的水体大气校正方法的流程图。
图2(a)-图2(c)分别是1号点、2号点和3号点基于本发明的高分四号卫星大气校正与野外实测点位实测光谱及常规基于ENVI的QUAC大气校正之间的校正效果对比分析;
图3是本发明基于影像自身统计特征的水体大气校正系统的方框图;
图4是本发明实施例的存储介质的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,本实施例基于影像自身统计特征的水体大气校正方法,包括下述步骤:
A、选取图像上位于阴影区的水体像元及临近的水体光学特征尽可能接近一致的位于太阳直射下的水体像元;同时选取图像上光学特征接近一致的多处云层像元;选取影像上较为清洁的内陆湖库或大洋水体像元,统计所有选中的四类不同像元的的平均值,统计四种类型像元的辐射特征。
进一步的,所述步骤A具体包括:
A1:选取位于阴影中的水体像元及临近的、光学特征尽可能接近一致的位于太阳直射中的水体像元,为了尽可能保证光学特征的一致性,选取像元应避开水色变化较为明显的区域及阴影边界区域,尽量选取水色较均一,空间临近的区域,通过在ENVI中绘制感兴趣区域,并统计所选两类水体像元感兴趣区域的统计数据,并计算其平均值作为其辐射特征值;
A2:选取反射亮度接近一致的多处云层像元,在ENVI中绘制感兴趣区域,统计计算其平均值作为云层像元辐射特征值;
A3:尽可能的选取多处光学特征接近清洁水体的内陆湖库或者大洋水体像元,内陆湖泊清洁水体的选取要结合先验知识、影像水色、像元DN值大小尽可能选取接近清洁水体的像元,大洋水体尽可能选取外海清洁像元,清洁水体像元的选取应尽量避开水面船只、避免薄云、阴影、陆地岸线的影响,在ENVI中绘制感兴趣区域,分别统计所选取的多处清洁水体像元的统计值,将绿波段有效最小值对应的像元作为清洁水体的辐射特征值;
B、基于辐射传输理论,利用临近的阴影区及非阴影区的两类水体像元辐射特征,计算大气辐射的贡献。
进一步的,所述步骤B包括:
B1:影像像元辐射亮度Lt(λ)可以表达为:
Lt(λ)=La(λ)+t(λ)Lw(λ)
其中,Lt(λ)为卫星测得的辐射亮度;La(λ)为大气散射贡献及水表面太阳反射(太阳耀斑sun_glint);t(λ)Lw(λ)为传输到传感器的离水辐射贡献,其中t(λ)为大气透射率。
B2:位于阴影外太阳直射水体像元光谱辐射传输推导:
Lt Sun(λ)=La Sun(λ)+t(λ)Ed(λ)Rrs(λ)
其中,Lt sun(λ)为阴影外水体像元辐射亮度,包含了大气的散射贡献及地表反射(太阳直射反射及大气下行散射反射)的贡献,La Sun(λ)包括大气散射贡献及水表面太阳反射(耀斑)贡献,Ed(λ)包括来自太阳及大气的综合下行辐射贡献,t(λ)为大气透过率,Rrs(λ)为物体表面反射率。
B3:位于阴影内水体像元光谱辐射传输推导:
Lt Sdw(λ)=La Sdw(λ)+t(λ)Ed Sky(λ)Rrs(λ)
其中,Lt Sdw(λ)为阴影内水体像元辐射亮度,同样包含了大气的散射贡献及地表反射(无太阳直射反射,仅包含大气下行散射反射)的贡献,由于该像元处于阴影中,无太阳直射光,因此,La Sdw(λ)只包括了大气散射的贡献(同La Sun(λ)中的大气散射贡献值),无水表面太阳反射(耀斑)贡献;Ed Sky(λ)表示大气下行辐射贡献。
B4:推导大气散射贡献La(λ):
为了求解参量La(λ),所选取的水体像元对具有相同的大气散射贡献,则La Sun(λ)=La Sdw(λ)=La(λ),即忽略水表面太阳反射(无太阳耀斑)贡献,La(λ)的贡献仅来自于大气,因此可以得出:
C、基于辐射传输理论,利用成像位置及时间信息计算大气漫散射下行辐照度在总下行辐照度中的占比。
进一步的,所述步骤C具体包括:
C2:利用6S模型计算大气漫散射下行辐照度在总下行辐照度中的占比。
D、基于辐射传输理论,利用大气辐射贡献、云层辐射及反射率推导遥感反射率计算公式。
步骤D主要包括:
D1:假设影像覆盖范围区域大气贡献近乎一致,云大气顶层辐射亮度为:
Lt Cld(λ)=La(λ)+t(λ)Ed(λ)ρ
则:
其中,ρ为所选云层的表面反射率,与Lt Cld(λ)相关,不随波长变化而变化。
D2:根据B1卫星测的辐射表达式,推导遥感反射率:
根据D1,则:
E、假设所选清洁水体像元在绿波段的反射率接近0.002sr-1,根据步骤D中推导的反射率计算公式,反推云层反射率值,认为云层反射率不随波长变化而变化,只有云层的辐射特征相关。
进一步的,所述步骤E具体包括:
E1:根据影像上所选取一清洁水体像元,假设550nm其反射率Rrs(550)为0.002sr-1,根据D2遥感反射率表达式,反推ρ值,其它影像数据ρ值可以通过对比Lt Cld(λ)获取。
F、根据步骤D公式,利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正。
进一步的,所述步骤F中,计算影像遥感反射率完成水体大气校正:
G、假设所选取清洁水体810-840nm水体反射为0,通过对比计算得到的清洁水体的Rrs(810-840nm),计算得到大气校正的残余误差。
进一步的,所述步骤G中,大气校正残余误差的计算方法是:
清洁水体在近红外波段具有强吸收效果,反射率接近0,假设清洁水体810-840nm水体反射为0,通过对比通过7步骤F中计算得到的所选取清洁水体像元在810-840nm水体反射率Rrs clw(810-840nm)计算得到大气校正残余误差:
Δ=Rrs clw(810-840nm)-0
则,最终计算得到的遥感反射率为:
Rrs fn(λ)=Rrs(λ)-Δ
其中Rrs fn(λ)为经过残余误差校正后的反射率,Rrs(λ)为经过步骤F得到的反射率,Δ为大气校正残余误差,假设其大小与波长无关,为一固定值。
在另一个实施例中,以珠江河口区域的水体大气校正为例,遥感卫星数据以高分四号(以下简称GF4)影像数据为例,开展基于本发明方法的大气校正。
1.本实施例定制购买了覆盖珠江河口区域的四景GF4影像数据,分别为10:00/12:00/14:00/16:10成像;
2.与GF4号成像时刻利用地物光谱仪同步开展水面光谱测量,获取了10:02/12:00/14:01/16:11四个同步实测光谱,16:11实测光谱测量过程由于光线有有变化,导致该点实测光谱数据质量不满足要求,剩余10:02/12:00/14:01三个时间的有效实测光谱;
3.对获取的GF4影像几何校正,使得坐标参考及空间位置与实测点位相一致;
4.选取图像上位于阴影区的水体像元及临近的水体光学特征尽可能接近一致的位于太阳直射下的水体像元;同时选取图像上光学特征接近一致的多处云层像元;选取影像上较为清洁的内陆湖库或大洋水体像元,统计所有选中的四类不同像元的的平均值,统计四种类型像元的辐射特征;
5.基于辐射传输理论,利用下式(1)计算大气辐射的贡献;
6.基于辐射传输理论,利用6S模型根据影像头文件包含成像几何参数及日期等计算大气漫散射下行辐照度在总下行辐照度中的占比;
7.假设所选清洁水体像元在绿波段的反射率接近0.002sr-1,利用式(2),反推云层反射率值,认为云层反射率不随波长变化而变化,只有云层的辐射特征相关。
8.根据式(2),利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正。
9.假设所选取清洁水体810-840nm水体反射为0,通过对比计算得到的清洁水体的Rrs(810-840nm),计算得到大气校正的残余误差。
Δ=Rrs clw(810-840nm)-0 (3)
利用下式计算得到的遥感反射率为:
Rrs fn(λ)=Rrs(λ)-Δ (4)
其中Rrs fn(λ)为经过残余误差校正后的反射率。
本实施例具体给出3个时刻大气校正实例,本实施选取了分别为2019年12月28日10:02/12:00/14:01成像的三景历史GF4号影像数据的大气校正,显示本发明水体大气校正方法相较于现有方法的优越性。
参见表1,将该方法应用于2019年12月28日GF4遥感影像,从中选取3个地面准同步测量点,表1为点位编号、地面光谱采集时间及影像成像时间,与地面准同步实测样点相比,水体大气校正结果如图2(a)-图2(c)所示。
表1
点号 | 1# | 2# | 3# |
光谱采集时间 | 10:02 | 12:00 | 14:01 |
影像成像时间 | 10:00 | 12:00 | 14:00 |
结果表明,由于辐射定标参数随着GF4积分时间变化而变化,导致辐射定标不稳定,无法基于MODTRAN的FLAASH大气校正模块进行大气校正算法,相对于基于经验光谱库的QUAC大气校正方法,经该方法校正后的水体波谱形状较为正常,且反射率大小较为接近实测光谱。
如图3所示,在另一个实施例中,提供了一种基于影像自身统计特征的水体大气校正系统,该系统包括像元选取模块、大气辐射计算模块、辐照度计算模块、遥感反射率计算模块、云层反射率计算模块、大气校正模块以及残余误差计算模块;
所述像元选取模块,用于选取空间临近的处于阴影区的水体像元和非阴影中的水体像元,同时选取云层像元和洁净水体像元,并统计四类不同像元的辐射特征;
所述大气辐射计算模块,用于基于辐射传输理论,利用临近的阴影区的水体像元及非阴影区的水体像元辐射特征,计算大气辐射的贡献;
所述辐照度计算模块,用于基于辐射传输理论,利用成像位置及时间信息计算大气漫散射下行辐照度在总下行辐照度中的占比;
所述遥感反射率计算模块,用于基于辐射传输理论,利用大气辐射贡献、云层辐射及反射率推导遥感反射率计算公式;
所述云层反射率计算模块,用于根据反射率计算公式,反推云层反射率值,认为云层反射率不随波长变化而变化,只有云层的辐射特征相关;
所述大气校正模块,用于利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正;
通过对比计算得到的清洁水体的水体反射率,计算得到大气校正的残余误差。
在此需要说明的是,上述实施例提供的系统仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,该系统是应用于上述实施例的基于影像自身统计特征的大气校正方法。
如图3所示,在本申请的另一个实施例中,还提供了一种计算机可读存储介质,存储有程序,所述程序被处理器执行时,执行基于影像自身统计特征的水体大气校正方法,具体为:
选取空间临近的处于阴影区的水体像元和非阴影中的水体像元,同时选取云层像元和洁净水体像元,并统计四类不同像元的辐射特征;
基于辐射传输理论,利用临近的阴影区的水体像元及非阴影区的水体像元辐射特征,计算大气辐射的贡献;
基于辐射传输理论,利用成像位置及时间信息计算大气漫散射下行辐照度在总下行辐照度中的占比;
基于辐射传输理论,利用大气辐射贡献、云层辐射及反射率推导遥感反射率计算公式;
根据反射率计算公式,反推云层反射率值,认为云层反射率不随波长变化而变化,只有云层的辐射特征相关;
利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正;
通过对比计算得到的清洁水体的水体反射率,计算得到大气校正的残余误差。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
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。
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 (10)
1.基于影像自身统计特征的水体大气校正方法,其特征在于,包括下述步骤:
选取空间临近的处于阴影区的水体像元和非阴影中的水体像元,同时选取云层像元和洁净水体像元,并统计四类不同像元的辐射特征;
基于辐射传输理论,利用临近的阴影区的水体像元及非阴影区的水体像元辐射特征,计算大气辐射的贡献;
基于辐射传输理论,利用成像位置及时间信息计算大气漫散射下行辐照度在总下行辐照度中的占比;
基于辐射传输理论,利用大气辐射贡献、云层辐射及反射率推导遥感反射率计算公式;
根据反射率计算公式,反推云层反射率值,认为云层反射率不随波长变化而变化,只有云层的辐射特征相关;
利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正;
通过对比计算得到的清洁水体的水体反射率,计算得到大气校正的残余误差。
2.根据权利要求1所述基于影像自身统计特征的水体大气校正方法,其特征在于,所述选取空间临近的处于阴影区的水体像元和非阴影中的水体像元,同时选取云层像元和洁净水体像元,具体为:
选取位于阴影区的水体像元及临近的、光学特征一致的位于太阳直射中的非阴影区的水体像元,统计所选阴影区的水体像元和非阴影区的水体像元的统计数据,并计算其平均值作为其辐射特征值;
选取反射亮度一致的多处云层像元,统计计算其平均值作为其辐射特征值;
选取多处光学特征接近清洁水体的内陆湖库或者大洋水体像元,分别统计所选取的多处清洁水体像元的统计值,将绿波段有效最小值对应的像元作为清洁水体的辐射特征值。
3.根据权利要求1所述基于影像自身统计特征的水体大气校正方法,其特征在于,所述计算大气辐射的贡献具体为:
影像像元辐射亮度Lt(λ)表达为:
Lt(λ)=La(λ)+t(λ)Lw(λ)
其中,Lt(λ)为卫星测得的辐射亮度;La(λ)为大气散射贡献及水表面太阳反射;t(λ)Lw(λ)为传输到传感器的离水辐射贡献,其中t(λ)为大气透射率;
位于非阴影区太阳直射水体像元光谱辐射传输推导:
Lt Sun(λ)=La Sun(λ)+t(λ)Ed(λ)Rrs(λ)
其中,Lt Sun(λ)为阴影外水体像元辐射亮度,包含了大气的散射贡献及地表反射的贡献,La Sun(λ)包括大气散射贡献及水表面太阳反射贡献,Ed(λ)包括来自太阳及大气的综合下行辐射贡献,t(λ)为大气透过率,Rrs(λ)为物体表面反射率;
位于阴影区的水体像元光谱辐射传输推导:
Lt Sdw(λ)=La Sdw(λ)+t(λ)Ed Sky(λ)Rrs(λ)
其中,Lt Sdw(λ)为阴影区的水体像元辐射亮度,同样包含了大气的散射贡献及地表反射的贡献,由于该像元处于阴影中,无太阳直射光,因此,La Sdw(λ)只包括了大气散射的贡献,无水表面太阳反射贡献;Ed Sky(λ)表示大气下行辐射贡献;
推导大气散射贡献La(λ):
为了求解参量La(λ),所选取的水体像元对具有相同的大气散射贡献,则La Sun(λ)=La Sdw(λ)=La(λ),即忽略水表面太阳反射贡献,La(λ)的贡献仅来自于大气,因此得出:
6.根据权利要求5所述基于影像自身统计特征的水体大气校正方法,其特征在于,所述根据反射率计算公式,反推云层反射率值,具体为:
根据影像上所选取一清洁水体像元,假设550nm其反射率Rrs(550)为0.002sr-1,根据遥感反射率表达式,反推ρ值,其它影像数据ρ值可以通过对比Lt Cld(λ)获取。
8.根据权利要求4所述的基于影像自身统计特征的水体大气校正方法,其特征在于,所述计算得到大气校正的残余误差,具体为:
清洁水体在近红外波段具有强吸收效果,反射率接近0,假设清洁水体810-840nm水体反射为0,通过对比所选取清洁水体像元在810-840nm水体反射率Rrs clw(810-840nm)计算得到大气校正残余误差:
Δ=Rrs clw(810-840nm)-0
则,最终计算得到的遥感反射率为:
Rrs fn(λ)=Rrs(λ)-Δ
其中Rrs fn(λ)为经过残余误差校正后的反射率,Rrs(λ)为经过步骤F得到的反射率,Δ为大气校正残余误差,假设其大小与波长无关,为一固定值。
9.基于影像自身统计特征的水体大气校正系统,其特征在于,应用于权利要求1-8中任一项所述的基于影像自身统计特征的水体大气校正方法,其特征在于,包括像元选取模块、大气辐射计算模块、辐照度计算模块、遥感反射率计算模块、云层反射率计算模块、大气校正模块以及残余误差计算模块;
所述像元选取模块,用于选取空间临近的处于阴影区的水体像元和非阴影中的水体像元,同时选取云层像元和洁净水体像元,并统计四类不同像元的辐射特征;
所述大气辐射计算模块,用于基于辐射传输理论,利用临近的阴影区的水体像元及非阴影区的水体像元辐射特征,计算大气辐射的贡献;
所述辐照度计算模块,用于基于辐射传输理论,利用成像位置及时间信息计算大气漫散射下行辐照度在总下行辐照度中的占比;
所述遥感反射率计算模块,用于基于辐射传输理论,利用大气辐射贡献、云层辐射及反射率推导遥感反射率计算公式;
所述云层反射率计算模块,用于根据反射率计算公式,反推云层反射率值,认为云层反射率不随波长变化而变化,只有云层的辐射特征相关;
所述大气校正模块,用于利用大气辐射贡献、云层辐射及反射率计算影像每个像元的反射率,完成大气校正;
通过对比计算得到的清洁水体的水体反射率,计算得到大气校正的残余误差。
10.一种计算机可读存储介质,存储有程序,其特征在于:所述程序被处理器执行时,实现权利要求1-8任一项所述的基于影像自身统计特征的水体大气校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110631212.XA CN113340819B (zh) | 2021-06-07 | 2021-06-07 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110631212.XA CN113340819B (zh) | 2021-06-07 | 2021-06-07 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113340819A true CN113340819A (zh) | 2021-09-03 |
CN113340819B CN113340819B (zh) | 2021-12-10 |
Family
ID=77474545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110631212.XA Active CN113340819B (zh) | 2021-06-07 | 2021-06-07 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113340819B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114544452A (zh) * | 2022-04-25 | 2022-05-27 | 自然资源部第二海洋研究所 | 一种多角度偏振水色遥感器卫星大气校正方法 |
CN114841879A (zh) * | 2022-04-24 | 2022-08-02 | 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 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101598543A (zh) * | 2009-07-29 | 2009-12-09 | 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 |
CN102778675A (zh) * | 2012-04-28 | 2012-11-14 | 中国测绘科学研究院 | 一种卫星遥感影像大气校正方法及其模块 |
CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
CN104156567A (zh) * | 2014-07-23 | 2014-11-19 | 中国科学院遥感与数字地球研究所 | 一种耦合卫星遥感影像大气校正和地形校正过程的地表反射率获取技术 |
CN104483663A (zh) * | 2014-12-25 | 2015-04-01 | 武汉大学 | 一种高光谱遥感影像大气纠正方法及系统 |
CN105183989A (zh) * | 2015-09-08 | 2015-12-23 | 中国科学院遥感与数字地球研究所 | 一种Landsat8卫星数据地表反射率反演方法 |
WO2016142651A1 (en) * | 2015-03-06 | 2016-09-15 | Bae Systems Plc | Method and apparatus for processing spectral images |
CN106339990A (zh) * | 2016-08-13 | 2017-01-18 | 东北师范大学 | 卫星遥感图像大气校正的光谱分析方法 |
CN106950177A (zh) * | 2016-11-16 | 2017-07-14 | 中国科学院遥感与数字地球研究所 | 一种gf‑4卫星遥感影像的水体提取方法 |
CN109325973A (zh) * | 2018-11-19 | 2019-02-12 | 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 |
KR20190076523A (ko) * | 2017-12-22 | 2019-07-02 | 한국해양과학기술원 | 대기 에어로졸입자에 의한 광 산란 반사도 보정 장치 및 방법 |
CN110987821A (zh) * | 2019-11-12 | 2020-04-10 | 中国科学院西安光学精密机械研究所 | 一种高光谱快速大气校正参数化方法 |
CN111339989A (zh) * | 2020-03-12 | 2020-06-26 | 北京观澜智图科技有限公司 | 一种水体提取方法、装置、设备及存储介质 |
CN111415309A (zh) * | 2020-03-19 | 2020-07-14 | 中国矿业大学(北京) | 一种基于最小反射率法的高分辨率遥感影像大气校正方法 |
CN111795936A (zh) * | 2020-08-03 | 2020-10-20 | 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 |
CN111861934A (zh) * | 2020-07-29 | 2020-10-30 | 贵阳欧比特宇航科技有限公司 | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 |
-
2021
- 2021-06-07 CN CN202110631212.XA patent/CN113340819B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101598543A (zh) * | 2009-07-29 | 2009-12-09 | 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 |
CN102778675A (zh) * | 2012-04-28 | 2012-11-14 | 中国测绘科学研究院 | 一种卫星遥感影像大气校正方法及其模块 |
CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
CN104156567A (zh) * | 2014-07-23 | 2014-11-19 | 中国科学院遥感与数字地球研究所 | 一种耦合卫星遥感影像大气校正和地形校正过程的地表反射率获取技术 |
CN104483663A (zh) * | 2014-12-25 | 2015-04-01 | 武汉大学 | 一种高光谱遥感影像大气纠正方法及系统 |
WO2016142651A1 (en) * | 2015-03-06 | 2016-09-15 | Bae Systems Plc | Method and apparatus for processing spectral images |
CN105183989A (zh) * | 2015-09-08 | 2015-12-23 | 中国科学院遥感与数字地球研究所 | 一种Landsat8卫星数据地表反射率反演方法 |
CN106339990A (zh) * | 2016-08-13 | 2017-01-18 | 东北师范大学 | 卫星遥感图像大气校正的光谱分析方法 |
CN106950177A (zh) * | 2016-11-16 | 2017-07-14 | 中国科学院遥感与数字地球研究所 | 一种gf‑4卫星遥感影像的水体提取方法 |
KR20190076523A (ko) * | 2017-12-22 | 2019-07-02 | 한국해양과학기술원 | 대기 에어로졸입자에 의한 광 산란 반사도 보정 장치 및 방법 |
CN109325973A (zh) * | 2018-11-19 | 2019-02-12 | 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 |
CN110987821A (zh) * | 2019-11-12 | 2020-04-10 | 中国科学院西安光学精密机械研究所 | 一种高光谱快速大气校正参数化方法 |
CN111339989A (zh) * | 2020-03-12 | 2020-06-26 | 北京观澜智图科技有限公司 | 一种水体提取方法、装置、设备及存储介质 |
CN111415309A (zh) * | 2020-03-19 | 2020-07-14 | 中国矿业大学(北京) | 一种基于最小反射率法的高分辨率遥感影像大气校正方法 |
CN111861934A (zh) * | 2020-07-29 | 2020-10-30 | 贵阳欧比特宇航科技有限公司 | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 |
CN111795936A (zh) * | 2020-08-03 | 2020-10-20 | 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 |
Non-Patent Citations (2)
Title |
---|
HOWARD R. GORDON: ""Atmospheric correction of ocean color imagery in the Earth Observing System era"", 《JOURNAL OF GEOPHYSICAL RESEARCH》 * |
谭伟 等: ""常用大气校正模型对图像清晰度提升的对比分析"", 《航天返回与遥感》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841879A (zh) * | 2022-04-24 | 2022-08-02 | 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 |
CN114544452A (zh) * | 2022-04-25 | 2022-05-27 | 自然资源部第二海洋研究所 | 一种多角度偏振水色遥感器卫星大气校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113340819B (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN102565778B (zh) | 一种自动提取伪不变特征的遥感图像相对辐射校正方法 | |
US8073279B2 (en) | Automated atmospheric characterization of remotely sensed multi-spectral imagery | |
CN109101894A (zh) | 一种地表类型数据支持的遥感图像云阴影检测方法 | |
CN108256186B (zh) | 一种在线计算查找表的逐像元大气校正方法 | |
CN111832518B (zh) | 基于时空融合的tsa遥感影像土地利用方法 | |
CN110987821B (zh) | 一种高光谱快速大气校正参数化方法 | |
CN103712955B (zh) | 一种基于神经网络二次优化的二类水体大气校正方法 | |
CN109325973B (zh) | 一种城市河网区水体大气校正方法 | |
CN112285710B (zh) | 一种多源遥感水库蓄水量估算方法与装置 | |
CN109934788B (zh) | 一种基于标准遥感图像的遥感图像缺失数据修复方法 | |
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 | |
CN110388986B (zh) | 基于tasi数据的土地表面温度反演方法 | |
CN113379759A (zh) | 一种光学遥感卫星影像水体自动提取方法 | |
CN109300133B (zh) | 一种城市河网区水体提取方法 | |
CN114564767A (zh) | 一种基于太阳-云-卫星观测几何的云下地表温度估算方法 | |
CN114113001A (zh) | 一种气溶胶光学厚度反演方法 | |
CN111415309A (zh) | 一种基于最小反射率法的高分辨率遥感影像大气校正方法 | |
CN101329173A (zh) | 一种浑浊水体大气校正方法 | |
CN116295285A (zh) | 基于区域自适应的浅海水深遥感反演方法 | |
CN110782429B (zh) | 一种基于星载遥感相机的成像质量评估方法 | |
CN115187481A (zh) | 一种机载推扫式高光谱影像辐射扰动校正方法 | |
CN110702228B (zh) | 一种航空高光谱影像的边缘辐射校正方法 | |
Guo et al. | an expanded three band model to monitor inland optically complex water using Geostationary Ocean Color Imager (GOCI) | |
CN105259145A (zh) | 一种同时遥感岛礁水下地形和地物的方法 |
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 |