佃袁勇，方圣輝，徐永榮

(1．華中農(nóng)業(yè)大學(xué)園藝林學(xué)學(xué)院，武漢 430070;2．武漢大學(xué)遙感信息工程學(xué)院，武漢 430079)

0 引言

大氣中的氣溶膠和水汽是影響航空與航天遙感圖像數(shù)據(jù)質(zhì)量的重要因素之一［1－5］。大氣校正的目的就是要消除大氣中各種成分對(duì)遙感信號(hào)的影響，還原真實(shí)的地表輻射信息。大氣的狀況瞬息萬(wàn)變，很難同步測(cè)量衛(wèi)星過境時(shí)大氣的參數(shù);而如果能直接從遙感信息中反演出大氣信息，就能更好地進(jìn)行大氣校正。大氣中的 O3，O2，CO2，NO2和 CH4等含量相對(duì)穩(wěn)定，只有氣溶膠和水汽含量變動(dòng)較大，因而大氣校正的關(guān)鍵就在于估算氣溶膠模式、氣溶膠光學(xué)厚度(aerosol optical thickness，AOT)與水汽含量(water vapor content，WV)［3－9］。目前大氣校正方法主要有基于圖像特征的相對(duì)訂正法、基于地面線性回歸模型法、大氣輻射傳輸模型法和復(fù)合模型法等［7－17］。其中，大氣輻射傳輸模型法模擬太陽(yáng)輻射信號(hào)通過大氣并與地表相互作用后回到傳感器的信號(hào)，能較精確地描述水汽和氣溶膠的作用［8－12］，因此被廣泛應(yīng)用于遙感圖像的大氣校正。但現(xiàn)階段基于大氣輻射傳輸模型的大氣校正算法對(duì)AOT和WV是分開進(jìn)行反演的——先利用水汽吸收波段估算 WV［18－20］，在消除水汽影響后再考慮 AOT 的反演;而且在考慮氣溶膠的影響時(shí)，假設(shè)氣溶膠為單一的模式，沒有考慮氣溶膠模式的差異問題。但實(shí)際中氣溶膠模式是變化的，對(duì)氣溶膠模式的選擇是最大的誤差源［3－5，10，21］?，F(xiàn)有研究成果表明，大陸型和城鎮(zhèn)型氣溶膠模式在藍(lán)波段和紅波段的反射率最大差別可達(dá)到 13%［22－24］。

本文在前人研究基礎(chǔ)上，提出了一種協(xié)同反演AOT與WV的高光譜遙感圖像大氣校正算法。該算法以6S輻射傳輸模型［25］(Version 4．1)構(gòu)建查找表，在估算氣溶膠模式的基礎(chǔ)上，采用循環(huán)迭代方式協(xié)同反演AOT與WV;并以EO－1衛(wèi)星Hyperion高光譜圖像為例，驗(yàn)證該算法的有效性。

1 實(shí)驗(yàn)數(shù)據(jù)

以武漢市Hyperion高光譜數(shù)據(jù)為數(shù)據(jù)源，驗(yàn)證本文提出的大氣校正算法。Hyperion是地球觀測(cè)衛(wèi)星EO－1上搭載的高光譜傳感器，共有242個(gè)波段(其中44個(gè)波段沒有定標(biāo)，有效波段只有198個(gè));其中第8—57波段采用可見光的定標(biāo)系數(shù)，第77—224波段采用短波紅外的定標(biāo)系數(shù);空間分辨率為30 m，光譜分辨率為10 nm。本文使用的數(shù)據(jù)是2004年4月2日上午10:40經(jīng)過武漢市上空獲取的Hyperion衛(wèi)星數(shù)據(jù)(行列號(hào)為123/39)。

Hyperion數(shù)據(jù)信號(hào)轉(zhuǎn)化為表觀反射率的公式為

式中:ρλ為λ波段的表觀反射率;L為光譜輻亮度;d為日地歸一化距離;E為大氣上界太陽(yáng)光輻照度;θ為太陽(yáng)天頂角;DN為圖像像元值;S為定標(biāo)系數(shù)，對(duì)于可見光波段，S=40;對(duì)于短波紅外波段，S=80。

鑒于沒有地面同步實(shí)測(cè)數(shù)據(jù)可供對(duì)比，本文選擇與EO－1衛(wèi)星Hyperion準(zhǔn)同步過境的TERRA衛(wèi)星MODIS的AOT與WV產(chǎn)品，用于評(píng)估本文提出的反演算法。由于MODIS的AOT產(chǎn)品的分辨率為10 km，WV產(chǎn)品的分辨率為1 km(選擇由近紅外波段反演的WV產(chǎn)品)，其分辨率遠(yuǎn)小于Hyperion高光譜圖像的分辨率;因此，本文根據(jù)MODIS產(chǎn)品提供的經(jīng)緯度坐標(biāo)，選取在Hyperion圖像范圍內(nèi)的AOT和WV的均值作為驗(yàn)證數(shù)據(jù)(表1)。

表1 Hyperion圖像范圍內(nèi)從MODIS產(chǎn)品中提取的AOT與WV數(shù)據(jù)Tab．1 AOT and WV data extracted from MODIS products in Hyperion imange extent

2 研究方法

根據(jù)6S輻射傳輸理論，衛(wèi)星接收到的輻射信號(hào)包含大氣直接散射、地表目標(biāo)反射和地表目標(biāo)周圍背景反射部分。假設(shè)地表為朗伯面，則衛(wèi)星入瞳處信號(hào)(即表觀反射率)ρTOA為

式中:ρTOA為傳感器接收到的單個(gè)像元的反射率;Tg(O3，O2，CO2，NO2，CH4)為 氣 體 分 子 引 起 的 大 氣 透 過 率;ρR+A為大氣瑞利和分子散射;TR+A為瑞利散射和氣溶膠引起的大氣透過率;Tg(H2O)為水汽引起的大氣透過率;S為大氣半球反射率;ρs為像元地表反射率。所有的變量均與波長(zhǎng)相關(guān)。

由ρTOA反演地表反射率ρs的過程需要首先估算大氣參數(shù)，即 Tg(O3，O2，CO2，NO2，CH4)，ρR+A，S，TR+A和T g(H2O)。將 Tg(O3、O2，CO2，NO2，CH4)和 ρR+A歸納為一個(gè)變量 ρpath，將 T g(O3、O2，CO2，NO2，CH4)，T g(H2O)和 T R+A歸納為一個(gè)變量T，則式(2)可簡(jiǎn)化為

式中:ρpath，T和 S分別為與大氣廓線，水汽含量(WV)和氣溶膠模式、氣溶膠光學(xué)厚度(τ)有關(guān)的變量。當(dāng)給定大氣廓線、氣溶膠模式、WV和τ時(shí)，利用6S模型即可計(jì)算ρpath，T和S這3個(gè)變量;進(jìn)而在給定星上反射率后，即可得到地表反射率。于是大氣校正的問題轉(zhuǎn)化為:在已知星上反射率的情況下，求解大氣廓線、氣溶膠模式、WV和AOT參數(shù)，亦即求解ρpath，T和S。其中，大氣廓線可根據(jù)遙感數(shù)據(jù)獲取時(shí)間以及所在地區(qū)，選擇6S模型中已有的廓線數(shù)據(jù)。因此，WV、氣溶膠模式和AOT是大氣校正需要反演的3個(gè)參數(shù)。本文提出了一種基于AOT和WV協(xié)同反演的大氣校正算法，該算法的流程如圖1所示。

圖1 大氣校正算法流程圖Fig．1 Flow chart of atmospheric correction algorithm

算法的關(guān)鍵步驟包括氣溶膠模式反演、查找表生成、WV反演以及暗目標(biāo)和藍(lán)波段(0．48μm)及紅波段(0．66μm)地表反射率確定等。

2．1 反演氣溶膠模式

以6S模型中定義的4種類型的氣溶膠(即沙塵類型(dust－like，DL)、海洋型(oceanic，OC)、水溶型(water－soluble，WS)和煤煙類(soot，SO))為基礎(chǔ)，將這4種類型氣溶膠按一定比例組合，建立不同的氣溶膠模式;結(jié)合MODIS提供的AOT與星上反射率數(shù)據(jù)，反演氣溶膠模式。根據(jù)武漢市所處的地理位置和環(huán)境等情況，武漢市城區(qū)氣溶膠的組成在城市型氣溶膠(體積比為沙塵型占17%，水溶型占61%，煤煙類占22%)和大陸型氣溶膠(體積比為沙塵型占70%，水溶型占29%，煤煙類占1%)之間，因3種組分之和應(yīng)等于100%，故3個(gè)變量并不是互相獨(dú)立的。首先把沙塵型和煙塵型組分各分為10個(gè)等級(jí)，水溶型組分可根據(jù)前兩者含量計(jì)算得到;然后根據(jù)MODIS提供的AOT，利用這100種氣溶膠模式，根據(jù)查找表分別反演地面暗目標(biāo)在紅波段和藍(lán)波段的星上反射率和。假定550 nm處的光學(xué)厚度為τ，衛(wèi)星觀測(cè)的表觀反射率在紅波段和藍(lán)波段分別為ρR和ρB，當(dāng)滿足條件時(shí)(式中ε為表觀反射率的誤差允許范圍)，得到的氣溶膠模式就是當(dāng)前大氣的氣溶膠模式。

2．2 反演水汽含量

在近紅外通道，當(dāng)忽略地表反照率的影響，將其他的吸收特性與瑞利、氣溶膠特性融合在一起考慮時(shí)，則輻射傳輸方程(2)可簡(jiǎn)化為

式中:T為大氣中水汽含量導(dǎo)致的透過率T(H2O)與其他成分的綜合透過率Tz的乘積;ρs為地表反射率值。

而水汽通道的透過率可以表示為與水汽含量的關(guān)系［18］，其模型為

式中:ω為水汽含量;α和β為常量參數(shù)。

利用6S和MODTRAN等模型可以很好地建立透過率與水汽含量的關(guān)系，因此求解的關(guān)鍵是如何求透過率?，F(xiàn)有的水汽反演算法中，將式(5)中的ρpath項(xiàng)忽略掉，同時(shí)認(rèn)為在0．85～1．25 μm 之間的地面反射率滿足線性關(guān)系［18］，且水汽以外窗口的大氣透過率為1;將大氣透過率表達(dá)為2個(gè)波段或3個(gè)波段的比值，進(jìn)而利用水汽查找表求得水汽含量［19］。而在實(shí)際過程中，由于受氣溶膠的厚度和類型等影響，ρpath并不為0，且水汽以外窗口的大氣透過率也不是1，因此利用該算法反演的水汽含量存在一定誤差。

本文在以上研究基礎(chǔ)上，考慮了氣溶膠的影響因素，對(duì)3個(gè)波段的水汽反演算法進(jìn)行了改進(jìn)。針對(duì)Hyperion高光譜的衛(wèi)星數(shù)據(jù)中940 nm和1 140 nm處水汽吸收帶具有的多個(gè)波段，根據(jù)趙祥等［7］的建議，選擇Hyperion第80波段(942．73 nm)為水汽吸收波段，選擇第52波段(874．53 nm)和第110波段(1 245．36 nm)為水汽弱吸收波段;采用上述3個(gè)波段比值模型，具體構(gòu)建水汽透過率T(H2O)的計(jì)算公式，即

式中:ρTOA(80)，ρTOA(52)和 ρTOA(110)分別為 Hyperion 第80，52 和110 波段的星上反射率;ρpath(80)，ρpath(52)和ρpath(110)分別為Hyperion第80，52和110波段的大氣程輻射;C1=0．82;C2=0．18。

2．3 生成查找表

在確定研究區(qū)域的大氣氣溶膠模式后，利用6S模型，根據(jù)相應(yīng)的觀測(cè)幾何參數(shù)，可以建立WV，τ與ρpath，T，S之間對(duì)應(yīng)關(guān)系的查找表。在構(gòu)建查表時(shí)，WV 的變化范圍在 0．2 ～4．2 g/cm2，以0．2 g/cm2遞增;τ的變化區(qū)間在0．05～5．0，其中 τ＜2時(shí)以0．2遞增，τ＞2時(shí)以0．5遞增。針對(duì)Hyperion圖像，在給定的觀測(cè)幾何參數(shù)下，對(duì)每一個(gè)τ和WV值，假定3 個(gè)地表反射率值(ρs=0．0，0．5，0．8)，用 6S 模型進(jìn)行運(yùn)算，可得到3個(gè)星上反射率。將3組對(duì)應(yīng)的地表反射率和星上反射率代入式(3)，即可求得ρpath，T和S。查找表即可表示為WV和τ與地表反射率和星上反射率的關(guān)系表。這樣，對(duì)于大氣參數(shù)(AOT和WV)、地表反射率和星上反射率這3組變量，只要知道了其中2組，便可以推導(dǎo)出第3組變量。

2．4 確定暗目標(biāo)

在高光譜圖像大氣校正中，圖像中的暗目標(biāo)能用于探測(cè)AOT［5］。對(duì)于綠色植被、黑色土壤等暗目標(biāo)區(qū)域在紅波段(0．66μm)和藍(lán)波段(0．48μm)的地表反射率，根據(jù)Levy等［5］的建議，在暗目標(biāo)地區(qū)，紅波段)與藍(lán)波段)地表反射率與2．12 μm處的暗目標(biāo)反射率)之間的關(guān)系可以表示為NDVISWIR和散射角Θ的函數(shù)，其函數(shù)關(guān)系為

其中，

式(10)—(11)中:

式(15)—(16)中:ρ1．24和 ρ2．12分別為 1．24 μm 和2．12μm處的星上反射率;θ0為太陽(yáng)天頂角;θ為傳感器觀測(cè)天頂角;φ為太陽(yáng)與傳感器間相對(duì)方位角。

本文在確定暗目標(biāo)及紅波段和藍(lán)波段的地表反射率時(shí)，直接采用了上述方法。

2．5 過程循環(huán)迭代反演

在確定了研究區(qū)域氣溶膠模式并利用6S模型建立了查找表后，采取2．4節(jié)中的方法，利用高光譜圖像數(shù)據(jù)確定暗目標(biāo)，估算藍(lán)波段和紅波段的地表反射率;然后采用循環(huán)迭代的方式反演AOT與WV。具體過程如下:

1)給定初始光學(xué)厚度τ0，利用2．2節(jié)中的方法計(jì)算水汽含量初值WV0。

2)根據(jù)暗目標(biāo)的星上反射率及估算的地表反射率(見2．4節(jié))，利用已經(jīng)建立的查找表(見2．3節(jié))，得到氣溶膠光學(xué)厚度τi。

3)根據(jù)τi，結(jié)合2．2節(jié)中水汽含量反演方法，重新計(jì)算水汽含量值WVi。

4)更新當(dāng)前氣溶膠光學(xué)厚度τi+1及水汽含量值WVi+1。

5)比較2次獲得的AOT及WV值，如果2次的差值在誤差允許范圍內(nèi)，則進(jìn)入步驟6);否則，返回步驟2)。

6)輸出WV與AOT，并計(jì)算每個(gè)像元的地表反射率。

3 結(jié)果與分析

3．1 氣溶膠模式反演結(jié)果

以同一天獲取的MODIS原始數(shù)據(jù)及氣溶膠產(chǎn)品，獲得研究區(qū)域的紅波段和綠波段地表反射率、星上反射率以及相對(duì)應(yīng)的AOT。利用氣溶膠模式反演算法，反演得到武漢市的氣溶膠模式為:沙塵型所占比例為17%，水溶型所占比例為82%，煤煙類所占比例為1%;此時(shí)式(4)中的ε為0．004。該氣溶膠模式介于大陸型和城市型氣溶膠之間，與武漢市的地理?xiàng)l件和環(huán)境(濕度較大，沙塵、煤煙較少)比較相符。

3．2 AOT和WV的驗(yàn)證與比較

利用暗目標(biāo)確定方法，在整個(gè)研究區(qū)范圍內(nèi)共確定2 196個(gè)暗目標(biāo)像元;根據(jù)這些暗目標(biāo)像元的地表反射率與星上反射率數(shù)據(jù)，采用本文提出的算法反演大氣參數(shù)。為比較不同算法的反演效果，利用ENVI軟件中FLAASH大氣校正模塊對(duì)同一Hyperion高光譜圖像進(jìn)行大氣校正，以比較用FLAASH反演的AOT和WV與本文算法反演的結(jié)果。同時(shí)，以同一天獲取的MODIS的AOT和WV產(chǎn)品值為標(biāo)準(zhǔn)值(因沒有當(dāng)天的地面實(shí)測(cè)數(shù)據(jù)，故無(wú)法與地面數(shù)據(jù)對(duì)比)計(jì)算相對(duì)誤差，其結(jié)果如表2所示。

表2 AOT與WV反演結(jié)果Tab．2 Inversion results of AOT and WV

從表2可以看出，與MODIS的值相比本文方法對(duì)WV的反演精度，相對(duì)誤差在3．0% ～37．6%之間，平均相對(duì)誤差20．3%，精度略高于FLAASH算法的反演結(jié)果;對(duì)AOT的反演精度，相對(duì)誤差在5．3% ～35．5%，平均相對(duì)誤差 11．8%，精度略低于FLAASH算法的反演結(jié)果。

3．3 大氣校正前后光譜反射率比較

圖2顯示了大氣校正前、后的效果，其中圖2(a)為大氣校正前的Hyperion高光譜圖像，圖2(b)與(c)分別為FLAASH算法與本文算法的大氣校正結(jié)果。

圖2 大氣校正前后效果對(duì)比Fig．2 Comparsion between results before and after atmospheric correction

圖3顯示了大氣校正前、后Hyperion高光譜圖像 中典型植被、水體和水泥路面光譜反射率差異。

圖3 大氣校正前后典型地物的光譜反射率Fig．3 Spectrum reflectance of typical objects before and after of atmospheric correction

對(duì)比圖3中大氣校正前、后的效果可以看出，氣溶膠對(duì)可見光波段(400～700 nm)，特別是對(duì)藍(lán)波段影響較大;水汽的影響主要在近紅外波段，特別是在820 nm，940 nm和1 135 nm附近。經(jīng)過大氣校正后，可基本消除氣溶膠及水汽的影響。對(duì)比本文算法與FLAASH算法大氣校正后典型地物的光譜反射率曲線可以看出，植被的反射率相差最大為0．09，水體的反射率相差最大為0．07，水泥路面反射率相差最大為0．05，表明本文算法的大氣校正效果與FLAASH算法的相當(dāng)。

3．4 循環(huán)迭代效果比較

本文采用循環(huán)迭代的思路協(xié)同反演AOT與WV，對(duì)整個(gè)研究區(qū)域內(nèi)的2 196個(gè)暗目標(biāo)像元計(jì)算了相鄰2次迭代的誤差。圖4顯示了迭代次數(shù)與相鄰2次迭代的AOT和WV的平均誤差關(guān)系。

圖4 反演AOT和WV的迭代次數(shù)與相鄰2次迭代誤差的關(guān)系Fig．4 Relationship between iteration times and adjacent two iterative error in retrieval AOT and WV

從圖4可知，隨著迭代次數(shù)的增加，相鄰2次迭代的誤差逐漸減小，一般迭代3～4次即可收斂，此時(shí)AOT和WV的誤差均＜0．05。但是，每個(gè)像元都要循環(huán)迭代3～4次，會(huì)增大數(shù)據(jù)處理的運(yùn)算量。

4 結(jié)論

1)大氣校正是高光譜圖像定量反演地表參數(shù)的前提。本文提出了一種協(xié)同反演大氣氣溶膠光學(xué)厚度(AOT)與水汽含量(WV)的方法，充分利用高光譜數(shù)據(jù)本身的光譜特點(diǎn)，在同時(shí)考慮氣溶膠模式、AOT和WV這3個(gè)因素的綜合影響基礎(chǔ)上，采用循環(huán)迭代的思想，基于6S輻射傳輸模型，反演大氣參數(shù)及地表反射率，彌補(bǔ)了現(xiàn)有反演算法中沒有同時(shí)考慮AOT與WV的不足。

2)從對(duì)武漢市Hyperion高光譜圖像大氣校正的效果來(lái)看，本文提出的算法能較好地校正大氣中氣溶膠與水汽對(duì)高光譜圖像的影響，且反演過程中所有的輸入均來(lái)自圖像數(shù)據(jù)本身或6S輻射傳輸模型，無(wú)需輸入額外的參數(shù)。

由于本文提出的算法采用了循環(huán)迭代的思路，運(yùn)算量較大，增加了大氣校正的時(shí)間。同時(shí)，因缺少地面的實(shí)地驗(yàn)證數(shù)據(jù)，僅將本文方法的大氣校正結(jié)果與FLAASH大氣校正結(jié)果和MODIS數(shù)據(jù)產(chǎn)品進(jìn)行了對(duì)比。在今后的工作中，需要進(jìn)一步優(yōu)化算法，提高算法的效率，并進(jìn)行同步的地面驗(yàn)證工作。

［1］ Barducci A，Guzzi D，Marcoionni P，et al．Algorithm for the retrieval of columnar water vapor from hyper spectral remotely sensed data［J］．Applied Optics，2004，43(29):5552－5563．

［2］ Li BG，Yuan H S，F(xiàn)eng N，etal．Comparing MODIS and AERONET aerosol optical depth over China［J］．International Journal of Remote Sensing，2009，30(24):6519－6529．

［3］ Levy R C，Remer L A，Dubovik O．Global aerosol optical properties and application to moderate resolution imaging spectroradiometer aerosol retrieval over land［J］．Journal of Geophysical Research:Atmospheres，2007，112(D13):D13210．

［4］ 夏 雙，阮仁宗，張 月，等．氣溶膠光學(xué)厚度對(duì)藍(lán)藻水華信息提取的影響［J］．國(guó)土資源遙感，2013，25(1):33－38．doi:10．6046/gtzyyg．2013．01．06．Xia S，Ruan R Z，Zhang Y，et al．Effects of aerosol optical thickness on extracting cyanbacteria bloom［J］．Remote Sensing for Land and Resources，2013，25(1):33－38．doi:10．6046/gtzyyg．2013．01．06．

［5］ Levy R C，Remer L A，Mattoo S，et al．Second－generation operational algorithm:Retrieval of aerosol properties over land from inversion of moderate resolution imaging spectroradiometer spectral reflectance［J］．Journal of Geophysical Research:Atmospheres，2007，112(D13):D13211．

［6］ Remer L A，Kaufman Y J，TanréD，et al．The MODIS aerosol algorithm，products，and validation［J］．Journal of the Atmospheric Sciences，2005，62(4):947－973．

［7］ 徐永明，覃志豪，陳愛軍．基于查找表的MODIS逐像元大氣校正方法研究［J］．武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2010，35(8):959－962．Xu Y M，Qin ZH，Chen A J．A pixel－by－pixel atmospheric correction algorithm for MODIS data based on look－up table［J］．Geomatics and Information Science of Wuhan University，2010，35(8):959－962．

［8］ 趙 祥，梁順林，劉素紅，等．高光譜遙感數(shù)據(jù)的改正暗目標(biāo)大氣校正方法研究［J］．中國(guó)科學(xué):地球科學(xué)，2007，37(12):1653－1659．Zhao X，Liang S L，Liu SH，et al．Atmospheric correction with Hyperspectral image data based on modified dark object method［J］．Scientia Sinica Terrae，2007，37(12):1653－1659．

［9］ 鄭求根，權(quán)文婷．基于暗像元的Hyperion高光譜影像大氣校正［J］．光譜學(xué)與光譜分析，2010，30(10):2710－2713．Zheng Q G，Quan W T．Application of dark pixels atmospheric correction algorithm to Hyperion imageries［J］．Transactions of Spectroscopy and Spectral Analysis，2010，30(10):2710－2713．

［10］ 胡方超，王振會(huì)，張 兵，等．遙感試驗(yàn)數(shù)據(jù)確定大氣氣溶膠類型的方法研究［J］．中國(guó)激光，2009，36(2):312－317．Hu FC，Wang ZH，Zhang B，et al．Study on method for determining atmospheric aerosol type using remote sensing experimental data［J］．Chinese Journal of Lasers，2009，36(2):312－317．

［11］ 唐洪釗，晏 磊，李成才，等．基于MODIS高分辨率氣溶膠反演的ETM+影像大氣校正［J］．地理與地理信息科學(xué)，2010，26(4):12－15．Tang H Z，Yan L，Li C C，et al．Atmospheric correction for ETM+imagery based on high resolution aerosol optical depth retrieved from MODIS data［J］．Transactions of Geography and Geo－Information Science，2010，26(4):12－15．

［12］ 袁金國(guó)，牛 錚，王錫平．基于FLAASH的Hyperion高光譜影像大氣校正［J］．光譜學(xué)與光譜分析，2009，29(5):1181－1185．Yuan JG，Niu Z，Wang X P．Atmospheric correction of Hyperion hyper spectral image based on FLAASH［J］．Transactions of Spectroscopy and Spectral Analysis，2009，29(5):1181－1185．

［13］ Liang SL，F(xiàn)ang H L．An improved atmospheric correction algorithm for hyper spectral remotely sensed imagery［J］．Geoscience and Remote Sensing Letters，IEEE，2004，1(2):112－117．

［14］ 程 晨，陳 健，李鑫慧．基于TM圖像的南京市氣溶膠光學(xué)厚度反演［J］．國(guó)土資源遙感，2013，25(3):90－96．doi:10．6046/gtzyyg.2013．03．16．Cheng C，Chen J，Li X H．Retrieving aerosol optical depth over Nanjing City based on TM image［J］．Remote Sensing for Land and Resources，2013，25(3):90－96．doi:10．6046/gtzyyg．2013．03．16．

［15］ 楊 磊，潘志強(qiáng)，傅俏燕，等．資源三號(hào)衛(wèi)星多光譜數(shù)據(jù)的大氣校正研究［J］．光譜學(xué)與光譜分析，2013，33(7):1903－1907．Yang L，Pan ZQ，F(xiàn)u Q Y，etal．Research on the atmospheric correction for ZY－3MUX image［J］．Spectroscopy and Spectral Analysis，2013，33(7):1903－1907．

［16］ 方 莉，余 濤，顧行發(fā)，等．北京地區(qū)HJ－1衛(wèi)星CCD數(shù)據(jù)的氣溶膠反演及在大氣校正中的應(yīng)用［J］．遙感學(xué)報(bào)，2013，17(1):151－164．Fang L，Yu T，Gu X F，et al．Aerosol retrieval and atmospheric correction of HJ－1 CCD data over Beijing［J］．Journal of Remote Sensing，2013，17(1):151－164．

［17］ 楊貴軍，黃文江，劉三超，等．環(huán)境減災(zāi)衛(wèi)星高光譜數(shù)據(jù)大氣校正模型及驗(yàn)證［J］．北京大學(xué)學(xué)報(bào):自然科學(xué)版，2010，46(5):821－828．Yang G J，HuangW J，Liu SC，etal．Research on modeling and validating of atmospheric correction for HJ－1A hyper spectral imager data［J］．Transactions of Peking University:Natural Science Edition，2010，46(5):821－828．

［18］ Kaufman Y J，Gao BC．Remote sensing of water vapor in the near IR from EOS/MODIS［J］．IEEE Transactions on Geoscience and Remote Sensing，1992，30(5):871－884．

［19］ Gao B C，Kaufman Y J．Water vapor retrievals using moderate resolution imaging spectroradiometer(MODIS)near－infrared channels［J］．Journal of Geophysical Research:Atmospheres，2003，108(D13):4389．

［20］ 姜立鵬，覃志豪，謝 雯．針對(duì)MODIS近紅外數(shù)據(jù)反演大氣水汽含量研究［J］．國(guó)土資源遙感，2006，18(3):5－9．doi:10．6046/gtzyyg．2006．03．02．Jiang L P，Qin ZH，XieW．Retrieving atmospheric water vapor from MODIS near infrared data［J］．Remote Sensing for Land and Resources，2006，18(3):5－9．doi:10．6046/gtzyyg．2006．03．02．

［21］ 周春艷，柳欽火，唐 勇．MODIS氣溶膠C004、C005產(chǎn)品的對(duì)比分析及其在中國(guó)北方地區(qū)的適用性評(píng)價(jià)［J］．遙感學(xué)報(bào)，2009，13(5):863－872．Zhou C Y，Liu Q H，Tang Y．Comparison between MODIS aerosol product C004 and C005 and evaluation of their applicability in the north of China［J］．Transactions of Journal of Remote Sensing，2009，13(5):863－872．

［22］ 佃袁勇．高光譜數(shù)據(jù)反演植被信息的研究［D］．武漢:武漢大學(xué)，2011．Dian Y Y．Inversion Vegetation Information Based on Hyper spectral Remote Sensing Data［D］．Wuhan:Wuhan University，2011．

［23］ Laurent V CE，VerhoefW，Clevers JG PW，etal．Estimating forest variables from top－of－atmosphere radiance satellite measurements using coupled radiative transfer models［J］．Remote Sensing of Environment，2011，115(4):1043－1052．

［24］ 陳新芳，陳鏡明，安樹青，等．不同大氣校正方法對(duì)森林葉面積指數(shù)遙感估算影響的比較［J］．生態(tài)學(xué)雜志，2006，25(7):769－773．Chen X F，Chen JM，An SQ，et al．Comparison of different atmospheric correction models in their effects on Landsat TM estimation of forest leaf area index［J］．Chinese Journal of Ecology，2006，25(7):769－773．

［25］ Vermote E F，TanréD，DeuzéJL，et al．Second simulation of the satellite signal in the solar spectrum，6S:An overview［J］．IEEE Transactions on Geoscience and Remote Sensing，1997，35(3):675－686．