CN115630256A - 基于暗像元假定的多角度偏振水色卫星大气校正方法 - Google Patents
基于暗像元假定的多角度偏振水色卫星大气校正方法 Download PDFInfo
- Publication number
- CN115630256A CN115630256A CN202211563361.8A CN202211563361A CN115630256A CN 115630256 A CN115630256 A CN 115630256A CN 202211563361 A CN202211563361 A CN 202211563361A CN 115630256 A CN115630256 A CN 115630256A
- Authority
- CN
- China
- Prior art keywords
- radiation
- vector
- satellite
- parameters
- stokes
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012937 correction Methods 0.000 title claims abstract description 28
- 230000005855 radiation Effects 0.000 claims abstract description 144
- 239000000443 aerosol Substances 0.000 claims abstract description 45
- 230000010287 polarization Effects 0.000 claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 238000002834 transmittance Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000005865 ionizing radiation Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000010954 inorganic particle Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000000790 scattering method Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于暗像元假定的多角度偏振水色卫星大气校正方法,包括:基于获取的观测参数构建前向辐射传输模型;在设置的先验条件约束下,基于前向辐射传输模型对卫星数据进行非线性优化;基于优化结果得到反演参数;基于反演参数拟合得到气溶胶参数,并基于反演参数在大气漫射透过率查找表中进行查表得到海面处的离水辐射及其Stokes分量;基于气溶胶参数、海面处的离水辐射及其Stokes分量校正卫星大气。达到同时获得气溶胶参数以及矢量离水辐射信号中偏振分量值的目的。
Description
技术领域
本发明属于遥感图像处理技术领域,尤其是涉及一种基于暗像元假定的多角度偏振水色卫星大气校正方法。
背景技术
偏振水色遥感数据对于监测海洋和大气环境的光学特性以及研究海洋和大气耦合的矢量辐射传输规律具有重要意义。一些海况和海洋组分参数已经被证实可以通过偏振遥感数据反演得到,例如海面风速、非藻类粒子浓度等。同时,偏振辐射对大气中粒子的物理特性极为敏感,例如气溶胶复折射指数、粒径谱分布等。因此,结合海洋和大气耦合条件下的矢量辐射传输模型和偏振卫星传感器在大气顶测量的偏振信号,通过合适的优化方法,在理论上可以反演获得离水辐射偏振分量信号和气溶胶特征参数。
为了从偏振卫星数中获得离水辐射偏振分量的信息,一般有两种大气校正的方式。传统的方法是在不反演气溶胶参数的情况下,通过海水在几个特定波段(例如近紫外波段、近红外波段)的近似全吸收特性(也可称为“暗像元”假定)获得特定波段下的仅包含大气程辐射的信号,然后根据波段比值关系计算出可见光波段的大气程辐射,进而与大气顶的总辐射信号作差获得标量离水辐射信号。该方法在开阔海域已得到成功应用,同时在此基础上开发的类似算法可以用来部分解决吸收性气溶胶以及近岸水域“暗像元”假定无法成立的问题。另一种思路是联合反演优化算法,该算法可以得到气溶胶参数和离水辐射信号。现有技术中的反演算法均只能获取标量离水辐射信号,无法反演获得偏振离水辐射信号,这在海洋水色领域是一个重大的缺失。
综上所述现有技术存在以下缺陷:
1. 现有的针对多角度偏振水色遥感数据的大气校正算法均无法反演获得矢量离水辐射信号中的偏振分量值。现有的大气校正算法,反演的最终量基本都是标量离水辐射信号、水色组分或者气溶胶参数值,不包含离水辐射信号中的偏振分量值。
2. 现有的针对偏振水色遥感数据的大气校正算法,反演气溶胶参数步骤耗时过长。现有的大气校正算法,反演的气溶胶参数目标量包含气溶胶复折射指数(实部、虚部)、粒径谱分布(标准差、半径均值)、光学厚度共5个参数,利用非线性优化算法来反演5个参数耗时过长,同时偏振卫星数据具有多方向观测值(PARASOL最多有15个观测方向),每个方向都需要进行非线性优化拟合,这进一步增加了算法耗时。
发明内容
针对现有技术中存在的问题,本发明提供了一种基于暗像元假定的多角度偏振水色卫星大气校正方法,至少部分的解决现有技术中不包含离水辐射信号中的偏振分量值问题。
第一方面,本公开实施例提供了一种基于暗像元假定的多角度偏振水色卫星大气校正方法,包括:
基于获取的观测参数构建前向辐射传输模型;
在设置的先验条件约束下,基于前向辐射传输模型对卫星数据进行非线性优化;
基于优化结果得到反演参数;
基于反演参数拟合得到气溶胶参数,并基于反演参数在大气漫射透过率查找表中进行查表得到海面处的离水辐射及其Stokes分量;
基于气溶胶参数、海面处的离水辐射及其Stokes分量校正卫星大气。
可选的,所述基于获取的观测参数构建前向辐射传输模型,包括:
根据获取的观测参数模拟矢量辐射强度值。
可选的,所述根据获取的观测参数模拟矢量辐射强度值,包括:
根据获取的观测参数和设置模型参数在近红波段暗像元假定条件下进行耦合矢量辐射传输模拟得到模拟矢量辐射强度值,将模拟矢量辐射强度值作为模拟卫星观测量。
可选的,基于前向辐射传输模型对卫星数据进行非线性优化的步骤之前,包括对卫星数据进行处理,对卫星数据进行处理包括:
耦合海洋大气系统的矢量辐射场由 Stokes 矢量表示为:
其中,I表示总辐亮度,即水色传感器所接收到的辐射强度,Q指的是水平或垂直方向上的线偏振分量,U表示 方向上的线偏振分量,V表示椭圆偏振分量,Ex和Ey分别为电矢量在所选坐标系中沿X、Y方向的分量,δ为两振动分量的相位差;
由偏振卫星在大气顶所接受到的辐射场表示为:
其中,Lt是大气顶处的总矢量辐射,Lr是由分子散射贡献的矢量辐射;La是由包括气溶胶及瑞利散射相互作用的气溶胶散射/吸收贡献的矢量辐射值;Lg是由太阳耀斑贡献的矢量辐射值;Lwc是由表面白沫贡献的矢量辐射值;Lw是在大气层底部和海面之上的矢量离水辐射值;t和T分别表示大气层底部和海面之上矢量辐射的大气漫射和直射透过率, λ表示偏振卫星接收光谱信号的波段;
将大气顶处的Stokes矢量归一化到地外太阳辐照度的值表示为:
可选的,设置的先验条件约束,包括设置非线性优化算法代价函数。
可选的,设置非线性优化算法代价函数,包括:
可选的,基于优化结果得到反演参数,包括:
对最优和次优参数下的计算结果进行加权拟和;
加权拟和公式如下:
可选的,矢量离水辐射的Stokes分量包括Iw,Qw和Uw。
可选的,基于反演参数在大气漫射透过率查找表中进行查表得到海面处的离水辐射及其Stokes分量的计算公式为:
分别表示矢量离水辐射的Stokes分量的大气漫射透过率值,为TOA处的矢量离水辐射的Stokes的I分量,为BOA处的矢量离水辐射的Stokes的I分量,为TOA处的矢量离水辐射的Stokes的Q分量,为BOA处的矢量离水辐射的Stokes的Q分量,为TOA处的矢量离水辐射的Stokes的U分量,为BOA处的矢量离水辐射的Stokes的U分量。
本发明提供的基于暗像元假定的多角度偏振水色卫星大气校正方法,基于反演参数在大气漫射透过率查找表中进行查表得到海面处的离水辐射及其Stokes分量,Stokes分量及偏振分量值。从而达到同时获得气溶胶参数以及矢量离水辐射信号中偏振分量值的目的。
附图说明
通过结合附图对本公开示例性实施例进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施例中,相同的参考标号通常代表相同部件。
图1为本公开实施例提供的基于暗像元假定的多角度偏振水色卫星大气校正方法的流程图;
图2为本公开实施例提供的前向辐射传输模型框架原理框图;
图3为基于PARASOL偏振数据反演获得的偏振离水辐射Stokes分量示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
应当明确,以下通过特定的具体实例说明本公开的实施方式,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公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开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,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,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。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图示中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本实施例中的简称解释如下:
PACNIR:the Polarized ocean-Atmospheric Correction algorithm in NIR,基于近红波段暗像元假定的偏振海洋大气联合反演算法;
TOA:为大气顶;
BOA:为大气层底部和海面之上;
AOD:为气溶胶光学厚度。
本实施例的基于暗像元假定的多角度偏振水色卫星大气校正方法采用基于近红波段暗像元假定的偏振海洋大气联合反演算法,即PACNIR算法。
如图1所示,本实施例公开了一种基于暗像元假定的多角度偏振水色卫星大气校正方法,包括:
基于获取的观测参数构建前向辐射传输模型;
在设置的先验条件约束下,基于前向辐射传输模型对卫星数据进行非线性优化;
基于优化结果得到反演参数;
基于反演参数拟合得到气溶胶参数,并基于反演参数在大气漫射透过率查找表中进行查表得到海面处的离水辐射及其Stokes分量;
基于气溶胶参数、海面处的离水辐射及其Stokes分量校正卫星大气。
可选的,所述基于获取的观测参数构建前向辐射传输模型,包括:
根据获取的观测参数模拟矢量辐射强度值。
可选的,所述根据获取的观测参数模拟矢量辐射强度值,包括:
根据获取的观测参数和设置模型参数在近红波段暗像元假定条件下进行耦合矢量辐射传输模拟得到模拟矢量辐射强度值,将模拟矢量辐射强度值作为模拟卫星观测量。
可选的,基于前向辐射传输模型对卫星数据进行非线性优化的步骤之前,包括对卫星数据进行处理,对卫星数据进行处理包括:
耦合海洋大气系统的矢量辐射场可以由 Stokes 矢量表示为:
其中,I表示总辐亮度,即水色传感器所接收到的辐射强度,Q指的是水平或垂直方向上的线偏振分量,U表示 方向上的线偏振分量,V表示椭圆偏振分量,一般来说,在海气系统中V分量可忽略不计。Ex和Ey分别为电矢量在所选坐标系中沿X、Y方向的分量,δ为两振动分量的相位差;式中表示对时间的平均。
由偏振卫星在大气顶所接受到的辐射场可以表示为:
其中,Lt是大气顶处的总矢量辐射,Lr是由分子散射贡献的矢量辐射;La是由包括气溶胶及瑞利散射相互作用的气溶胶散射/吸收贡献的矢量辐射值;Lg是由太阳耀斑贡献的矢量辐射值;Lwc是由表面白沫贡献的矢量辐射值;Lw是在大气层底部和海面之上的矢量离水辐射值;t和T分别表示大气层底部和海面之上矢量辐射的大气漫射和直射透过率, λ表示偏振卫星接收光谱信号的波段;
将大气顶处的Stokes矢量归一化到地外太阳辐照度的值可以表示为:
可选的,设置的先验条件约束,包括设置非线性优化算法代价函数。
可选的,设置非线性优化算法代价函数,包括:
气溶胶参数数值反演步骤
本实施例中针对多角度偏振卫星数据的数值反演步骤主要采用the moderateBrute算法 (mBA) 与the Nelder-Mead simple算法 (NMsA) 相结合的方式来优化代价函数值。在数值反演模块中,mBA被设计为遍历预定的气溶胶模式 (AM) 查找表,可以视为搜索遍历法。"moderate" 表示它只遍历AM,而不是具体的气溶胶微物理参数,例如复折射指数、气溶胶粒径分布半径等。由于本实施例主要针对开阔大洋,因此AM查找表中仅包含对流层气溶胶类型和海洋气溶胶类型,空气相对湿度 (RH) 的百分比在50 %和98 % (步长为 2%)以内。在mBA的每次计算时,AM将成为一个确定的变量,气溶胶光学厚度 (AOD) 将利用NMsA进一步确定。NMsA算法是基于单纯性的概念构造解的迭代优化策略。对于 N 维的优化问题,初始构造一个 N+1 维的单纯形,计算单纯形顶点的函数值,然后分析比较顶点函数值,构造新的顶点和单纯形,直至达到收敛条件。NMsA算法步骤可以简单表示如下:
对于 n 维最小化问题:
利用 Nelder-Mead 算法搜索最小值的方法如下:
步骤1:初始化:初始化 n+1 个点 x1,...,xn+1 ,作为 n-SIMPLEX 的顶点。
步骤2: 排序(Order):根据 f(x) 值对顶点进行重排序, f(x1)≤f(x2)≤...≤f(xn+1) ;检查是否截止;截止条件可以选择点的方差作为标准,选择一定的 tolerance 作为界限。
步骤4:反射(Reflection):计算反射点 xr=xo+ρ(xo−xn+1) ;如果 f(xr) 优于 f(xn) 但是差于 f(x1) ,i.e. f(x1)≤f(xr)≤f(xn) ,则用 xr 替换 xn+1 构建新的 n-SIMPLEX ,继续步骤2;
因为 xn+1 是当前最差的点,因此有可能在 xn+1 和 xo 的反向延长线上找到一个优于 xn+1 的点。
步骤5: 扩展(Expansion):如果反射点是最优点,i.e. f(xr) < f(x1) ,则计算扩展点 xe = xo + γ(xr−xo) ;如果扩展点优于反射点,i.e. f(xe) < f(xr) ,将 xn+1替换为 xe ,然后继续 STEP-2;否则,将 xn+1 替换为 xr ,然后继续步骤2;
因为 xr 是当前最优点,因此有可能在 xr 和 xo 之间找到一个更好的点。
步骤6: 收缩(Contraction):如果 f(xn)<f(xr)<f(xn+1) ,计算收缩点 xc=xo+α(xr−xo) 。如果 f(xc)≤f(xn+1) ,则将 xn+1 替换为 xc ,然后继续 STEP-3;否则,进入步骤7。如果 f(xr)≥f(xn+1) ,计算内收缩点 xcc=xo+α(xn+1−xo) 。如果内收缩点优于最差点,则用内收缩点 xcc 替代最差点;否则,进入步骤7;
如果反射点差于第二差点但是优于最差点,希望能够在单纯形中找到一个更好的点;如果反射点差于最差点,我们希望能够在最差点和重心之间找到一个更好的点。
步骤7: 回退(Shrink):将除了当前最优点以外的点全部用 xi:=x1+σ(xi−x1) 替换掉,然后继续步骤2;
如果从重心向最差的点收缩后,点依然变差,保留最优点作为收缩中心,将所有的点向最优点收缩;
以上算法中, ρ,γ,α,σ 分别为反射、扩展、收缩、回退系数,取值一般为 ρ=1,γ=2,α=1/2,σ=1/2 。
因此,NMsA不会计算辐射传输方程的梯度,而计算梯度在辐射传输模拟过程中将会花费了大量的时间,因此与其他基于函数梯度的非线性优化算法相比,计算时间更短。最终得到两组气溶胶参数,分别为最优和次优匹配参数组合。最终的归一化离水辐射量将是相应成本函数的加权拟和:
前向辐射传输模型参数设置
本实施例中使用的前向辐射传输模型如图2所示。可以使用多种支持耦合矢量辐射传输模拟的模型,例如OSOAA、PCOART-SA模型。本实施例以OSOAA 为例模拟BOA和TOA处的归一化矢量辐射亮度。OSOAA使用平面平行层假设和逐次散射方法处理海洋-大气耦合矢量辐射传输。此外,利用Shettle & Fenn气溶胶模型模拟了对流层和海洋性气溶胶模型,这两个模型已经考虑了空气相对湿度、气溶胶粒径分布和复折射指数。
由于离水贡献的总反射率和偏振反射率在紫外和近红外波段均趋近于0,因此本实施例设定海洋在近红外波段完全吸收(),即暗像元。同时,太阳耀斑贡献的辐亮度约定俗成被排除在大气校正流程之外 ()。此外,通过预先计算的瑞利散射查找表可以很容易地获得分子散射贡献的辐亮度 ()。在上述先验计算的基础上,通过近红波段的气溶胶参数唯一确定TOA处的总矢量辐射亮度(),然后利用PACNIR的气溶胶参数反演方法,将模拟的TOA矢量辐射亮度与偏振卫星观测值拟合确定气溶胶参数。
矢量离水辐射偏振大气漫射透过率 (T I,T Q,T U) 查找表构建
对于BOA的偏振遥感,可以利用相应的大气漫透射率 (T I,T Q, T U),根据校正后的TOA处的离水辐射,反演得到BOA处的离水辐射及其Stokes分量( I w, Q w, U w)。Stokes分量一共有四个,分别为 I、 Q、 U 和V,V的数值基本可以小到忽略,所以本身死回来不予考虑。Iw, Qw, Uw分别表示矢量离水辐射值的Stokes分量 I、Q、U。w表示 water-leaving,也就是离水。对于T I, T Q, T U的计算,名义上可以定义如下:
分别表示矢量离水辐射的Stokes分量的大气漫射透过率值,为TOA处的矢量离水辐射的Stokes的I分量,为BOA处的矢量离水辐射的Stokes的I分量,为TOA处的矢量离水辐射的Stokes的Q分量,为BOA处的矢量离水辐射的Stokes的Q分量,为TOA处的矢量离水辐射的Stokes的U分量,为BOA处的矢量离水辐射的Stokes的U分量。
根据上式,可以提前计算获得开阔大洋处的大气漫射透过率查找表 (T I,T Q,T U)。
本实施例共有4个关键组成部分,分别为:
(1)非线性优化算法代价函数(χ 2)设置;
(2)气溶胶参数数值反演步骤;
(3)前向辐射传输模型参数设置;
(4)矢量离水辐射偏振大气漫射透过率 (T I,T Q,T U) 查找表构建。
本实施例由于气溶胶模式以及偏振透过率查找表均是提前计算好的,因此算法需要做的工作仅是输入开阔大洋的多角度偏振卫星数据,经过5 min左右的运算即可获取目标点处的偏振离水辐射强度值以及气溶胶模式和光学厚度值参数。
本实施例技术方案具有以下效果:
1.利用多角度偏振卫星数据,结合本算法可以反演获得目标海域矢量离水辐射信号中的偏振分量值。
2. 利用多角度偏振卫星数据,结合本算法,可以将反演气溶胶参数耗时从超过1小时缩短到5分钟左右。
在一个具体的应用场景中,通过上述的PACNIR算法可以直接获取目标海域上空的气溶胶模式及光学厚度值,此外该算法的直接产品之一,可反映空气质量。
另一个产品为反演获得的归一化偏振离水辐射强度值nI w, nQ w, nU w,此产品可以进一步计算获得水色组分参数。例如,可利用在起偏角 (Brewster角) 计算得到的nI w,nQ w, nU w进一步获得线偏振度,并进一步获得水体中无机颗粒物浓度(IPM):
可反映水体浑浊度。
如图3所示, (a) 、(b) 和(c)分别为nI w、nQ w和 nU w 三个分量采用本实施例PACNIR算法、利用OSOAA辐射传输模拟以及基于Glob Colour Chla数据计算的对比结果。nI w、nQ w和nU w的计算结果均基于490 nm波段,该波段包含了丰富的水色分量信息。RMSE表示均方根误差、ME表示平均绝对误差。对比通过PACNIR算法获得的离水辐射偏振分量与通过Chla直接计算获得的离水辐射偏振分量的差异,可以发现RMSE与MAE均控制在10-4,基于Chla进行OSOAA辐射传输模拟获得的结果的对比,可以发现ME控制在10-3,同时海面离水辐射偏振分量的变化趋势得到了较好的反演。本实施例算法针对偏振离水分量的大气校正效果较好。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
在本公开中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序,本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
另外,如在此使用的,在以“至少一个”开始的项的列举中使用的“或”指示分离的列举,以便例如“A、B或C的至少一个”的列举意味着A或B或C,或AB或AC或BC,或ABC(即A和B和C)。此外,措辞“示例的”不意味着描述的例子是优选的或者比其他例子更好。
还需要指出的是,在本公开的系统和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的各种改变、替换和更改。此外,本公开的权利要求的范围不限于以上所述的处理、机器、制造、事件的组成、手段、方法和动作的具体方面。可以利用与在此所述的相应方面进行基本相同的功能或者实现基本相同的结果的当前存在的或者稍后要开发的处理、机器、制造、事件的组成、手段、方法或动作。因而,所附权利要求包括在其范围内的这样的处理、机器、制造、事件的组成、手段、方法或动作。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种基于暗像元假定的多角度偏振水色卫星大气校正方法,其特征在于,包括:
基于获取的观测参数构建前向辐射传输模型;
在设置的先验条件约束下,基于前向辐射传输模型对卫星数据进行非线性优化;
基于优化结果得到反演参数;
基于反演参数拟合得到气溶胶参数,并基于反演参数在大气漫射透过率查找表中进行查表得到海面处的离水辐射及其Stokes分量;
基于气溶胶参数、海面处的离水辐射及其Stokes分量校正卫星大气。
2.根据权利要求1所述的基于暗像元假定的多角度偏振水色卫星大气校正方法,其特征在于,所述基于获取的观测参数构建前向辐射传输模型,包括:
根据获取的观测参数模拟矢量辐射强度值。
3.根据权利要求2所述的基于暗像元假定的多角度偏振水色卫星大气校正方法,其特征在于,所述根据获取的观测参数模拟矢量辐射强度值,包括:
根据获取的观测参数和设置模型参数在近红波段暗像元假定条件下进行耦合矢量辐射传输模拟得到模拟矢量辐射强度值,将模拟矢量辐射强度值作为模拟卫星观测量。
4.根据权利要求3所述的基于暗像元假定的多角度偏振水色卫星大气校正方法,其特征在于,基于前向辐射传输模型对卫星数据进行非线性优化的步骤之前,包括对卫星数据进行处理,对卫星数据进行处理包括:
耦合海洋大气系统的矢量辐射场由 Stokes 矢量表示为:
其中,I表示总辐亮度,即水色传感器所接收到的辐射强度,Q指的是水平或垂直方向上的线偏振分量,U表示 方向上的线偏振分量,V表示椭圆偏振分量,Ex和Ey分别为电矢量在所选坐标系中沿X、Y方向的分量,δ为两振动分量的相位差;
由偏振卫星在大气顶所接受到的辐射场表示为:
其中,Lt是大气顶处的总矢量辐射,Lr是由分子散射贡献的矢量辐射;La是由包括气溶胶及瑞利散射相互作用的气溶胶散射/吸收贡献的矢量辐射值;Lg是由太阳耀斑贡献的矢量辐射值;Lwc是由表面白沫贡献的矢量辐射值;Lw是在大气层底部和海面之上的矢量离水辐射值;t和T分别表示大气层底部和海面之上矢量辐射的大气漫射和直射透过率, λ 表示偏振卫星接收光谱信号的波段;
将大气顶处的Stokes矢量归一化到地外太阳辐照度的值表示为:
5.根据权利要求4述的基于暗像元假定的多角度偏振水色卫星大气校正方法,其特征在于,设置的先验条件约束,包括设置非线性优化算法代价函数。
9.根据权利要求8的基于暗像元假定的多角度偏振水色卫星大气校正方法,其特征在于, 矢量离水辐射的Stokes分量包括Iw,Qw和Uw。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211563361.8A CN115630256B (zh) | 2022-12-07 | 2022-12-07 | 基于暗像元假定的多角度偏振水色卫星大气校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211563361.8A CN115630256B (zh) | 2022-12-07 | 2022-12-07 | 基于暗像元假定的多角度偏振水色卫星大气校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115630256A true CN115630256A (zh) | 2023-01-20 |
CN115630256B CN115630256B (zh) | 2023-07-07 |
Family
ID=84909676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211563361.8A Active CN115630256B (zh) | 2022-12-07 | 2022-12-07 | 基于暗像元假定的多角度偏振水色卫星大气校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115630256B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116148189A (zh) * | 2023-04-14 | 2023-05-23 | 自然资源部第二海洋研究所 | 一种基于被动偏振卫星数据的气溶胶层高获取方法 |
CN116222580A (zh) * | 2023-05-09 | 2023-06-06 | 北京航空航天大学 | 一种基于跨介质折射干扰补偿修正的水下偏振定向方法 |
CN117313564A (zh) * | 2023-11-30 | 2023-12-29 | 自然资源部第二海洋研究所 | 反演海洋-大气光学参数的方法、装置及存储介质 |
CN118211427A (zh) * | 2024-05-20 | 2024-06-18 | 中国海洋大学 | 一种针对强太阳耀斑下卫星遥感数据的大气校正方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060064279A1 (en) * | 2004-09-17 | 2006-03-23 | Eric Baum | Algorithm for retrieval of ocean surface temperature, wind speed and wind direction from remote microwave radiometric measurements |
US7558673B1 (en) * | 2006-03-03 | 2009-07-07 | Itt Manufacturing Enterprises, Inc. | Method and system for determining atmospheric profiles using a physical retrieval algorithm |
CN102998667A (zh) * | 2012-12-03 | 2013-03-27 | 北京航空航天大学 | 一种基于偏振遥感探测的波浪水面太阳耀光剥离方法 |
US20130147659A1 (en) * | 2011-10-24 | 2013-06-13 | Korea Meteorological Administration | System for detecting sea-surface wind, using satellite observation, and a method for detecting sea-surface wind |
US20140270332A1 (en) * | 2013-03-15 | 2014-09-18 | Digitalglobe, Inc. | Atmospheric compensation in satellite imagery |
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 |
CN111753439A (zh) * | 2020-07-09 | 2020-10-09 | 中国科学院空天信息创新研究院 | 一种国产多角度偏振卫星传感器的气溶胶光学厚度反演方法 |
US20210148811A1 (en) * | 2019-11-15 | 2021-05-20 | Montana State University | Systems and methods for detecting thermodynamic phase of clouds with optical polarization |
AU2021106083A4 (en) * | 2021-08-20 | 2021-10-28 | Institute Of Agricultural Resources And Regional Planning, Chinese Academy Of Agricultural Sciences | Method for retrieving atmospheric water vapor content based on deep learning and remote sensing data |
CN114219994A (zh) * | 2021-12-16 | 2022-03-22 | 中国科学院微小卫星创新研究院 | 一种基于空海协同观测的海洋光学卫星辐射定标方法 |
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 |
CN114624257A (zh) * | 2022-05-12 | 2022-06-14 | 自然资源部第二海洋研究所 | 一种基于海面泡沫发射率的卫星观测数据修正方法 |
-
2022
- 2022-12-07 CN CN202211563361.8A patent/CN115630256B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060064279A1 (en) * | 2004-09-17 | 2006-03-23 | Eric Baum | Algorithm for retrieval of ocean surface temperature, wind speed and wind direction from remote microwave radiometric measurements |
US7558673B1 (en) * | 2006-03-03 | 2009-07-07 | Itt Manufacturing Enterprises, Inc. | Method and system for determining atmospheric profiles using a physical retrieval algorithm |
US20130147659A1 (en) * | 2011-10-24 | 2013-06-13 | Korea Meteorological Administration | System for detecting sea-surface wind, using satellite observation, and a method for detecting sea-surface wind |
CN102998667A (zh) * | 2012-12-03 | 2013-03-27 | 北京航空航天大学 | 一种基于偏振遥感探测的波浪水面太阳耀光剥离方法 |
US20140270332A1 (en) * | 2013-03-15 | 2014-09-18 | Digitalglobe, Inc. | Atmospheric compensation in satellite imagery |
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 |
US20210148811A1 (en) * | 2019-11-15 | 2021-05-20 | Montana State University | Systems and methods for detecting thermodynamic phase of clouds with optical polarization |
CN111753439A (zh) * | 2020-07-09 | 2020-10-09 | 中国科学院空天信息创新研究院 | 一种国产多角度偏振卫星传感器的气溶胶光学厚度反演方法 |
AU2021106083A4 (en) * | 2021-08-20 | 2021-10-28 | Institute Of Agricultural Resources And Regional Planning, Chinese Academy Of Agricultural Sciences | Method for retrieving atmospheric water vapor content based on deep learning and remote sensing data |
CN114219994A (zh) * | 2021-12-16 | 2022-03-22 | 中国科学院微小卫星创新研究院 | 一种基于空海协同观测的海洋光学卫星辐射定标方法 |
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 |
CN114624257A (zh) * | 2022-05-12 | 2022-06-14 | 自然资源部第二海洋研究所 | 一种基于海面泡沫发射率的卫星观测数据修正方法 |
Non-Patent Citations (7)
Title |
---|
LIGNANG CHENG等: "Numerical simulation in remote-sensing reflectance of suspended sediment water" * |
XIANQIANG HE等: "A Practical Method for On-Orbit Estimation of Polarization Response of Satellite Ocean Color Sensor" * |
何贤强;潘德炉;白雁;朱乾坤;龚芳;: "气溶胶散射对海洋水色遥感辐射偏振校正的影响" * |
孙贤明;王海华;申晋;万隆;: "海洋背景下气溶胶的偏振光散射特性研究" * |
葛邦宇;杨磊库;陈兴峰;李正强;梅笑冬;刘李;: "暗目标法的Himawari-8静止卫星数据气溶胶反演" * |
陈兴峰;顾行发;程天海;李正强;余涛;谢东海;: "真实海洋表面的太阳耀光偏振辐射特性仿真与分析" * |
陈军;付军;孙记红;: "几何校正对暗像元算法及离水辐亮度反演精度的影响:以太湖为例" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116148189A (zh) * | 2023-04-14 | 2023-05-23 | 自然资源部第二海洋研究所 | 一种基于被动偏振卫星数据的气溶胶层高获取方法 |
CN116222580A (zh) * | 2023-05-09 | 2023-06-06 | 北京航空航天大学 | 一种基于跨介质折射干扰补偿修正的水下偏振定向方法 |
CN117313564A (zh) * | 2023-11-30 | 2023-12-29 | 自然资源部第二海洋研究所 | 反演海洋-大气光学参数的方法、装置及存储介质 |
CN117313564B (zh) * | 2023-11-30 | 2024-04-12 | 自然资源部第二海洋研究所 | 反演海洋-大气光学参数的方法、装置及存储介质 |
CN118211427A (zh) * | 2024-05-20 | 2024-06-18 | 中国海洋大学 | 一种针对强太阳耀斑下卫星遥感数据的大气校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115630256B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115630256A (zh) | 基于暗像元假定的多角度偏振水色卫星大气校正方法 | |
Kervella et al. | The dust disk and companion of the nearby AGB star L2 Puppis-SPHERE/ZIMPOL polarimetric imaging at visible wavelengths | |
Loew et al. | Do we (need to) care about canopy radiation schemes in DGVMs? Caveats and potential impacts | |
CN109387487A (zh) | 卷云条件下短波红外高光谱数据大气甲烷快速反演方法 | |
Pan et al. | An improved spectral optimization algorithm for atmospheric correction over turbid coastal waters: A case study from the Changjiang (Yangtze) estuary and the adjacent coast | |
CN114544452B (zh) | 一种多角度偏振水色遥感器卫星大气校正方法 | |
CN113706406B (zh) | 基于特征空间多分类对抗机制的红外可见光图像融合方法 | |
CN104483663A (zh) | 一种高光谱遥感影像大气纠正方法及系统 | |
CN109657081A (zh) | 高光谱卫星遥感数据的分布式处理方法、系统及介质 | |
Li et al. | Single image-based scene visibility estimation | |
Bailey et al. | Correcting infrared spectra for atmospheric transmission | |
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 | |
Gao et al. | Simultaneous retrieval of aerosol and ocean properties from PACE HARP2 with uncertainty assessment using cascading neural network radiative transfer models | |
Shi et al. | Multi-layer solar radiative transfer considering the vertical variation of inherent microphysical properties of clouds | |
CN114019082A (zh) | 一种土壤有机质含量监测方法和系统 | |
CN116148189B (zh) | 一种基于被动偏振卫星数据的气溶胶层高获取方法 | |
CN114494501B (zh) | 一种水体叶绿素a的重构方法及装置 | |
CN116256316A (zh) | 环境减灾高光谱卫星的瑞利散射查找表构建及查找方法 | |
Pan et al. | Retrieve leaf area index from HJ-CCD image based on support vector regression and physical model | |
Rodriguez et al. | Pola4All: survey of polarimetric applications and an open-source toolkit to analyze polarization | |
Lipscy et al. | Radio photosphere and mass-loss envelope of VY canis majoris | |
CN111489420B (zh) | 一种多光谱遥感卫星影像的雾霾分量模拟方法 | |
Hu et al. | Fast outdoor hazy image dehazing based on saturation and brightness | |
Howell et al. | Neural net algorithm for target ID trained on simulated data | |
CN113495060B (zh) | 一种通道间辐射基准传递方法及装置 |
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 |