曹紅業(yè)，張?zhí)炱?/p>

基于輻射傳輸模型的高分二號(hào)影像大氣校正方法研究

曹紅業(yè)1，張?zhí)炱?

（1. 長(zhǎng)安大學(xué) 地質(zhì)工程與測(cè)繪學(xué)院，陜西 西安 710061；2. 西南科技大學(xué) 環(huán)境與資源學(xué)院，四川 綿陽 621010）

高分二號(hào)衛(wèi)星的成功發(fā)射，標(biāo)志著我國(guó)遙感衛(wèi)星進(jìn)入了亞米級(jí)高空間分辨率時(shí)代，遙感影像在定量反演，地物識(shí)別和變化分析等領(lǐng)域?qū)⒂兄匾饔谩４髿庑Ｕ木仁怯绊懫涠炕瘧?yīng)用的重要因素。由于高分二號(hào)遙感數(shù)據(jù)缺乏短波紅外波段，無法采用暗像元法進(jìn)行大氣校正。提出一種基于輻射傳輸模型的高分二號(hào)影像大氣校正方法，利用6S（second simulation of the satellite signal in the solar spectrum）輻射傳輸模型建立大氣校正系數(shù)查找表，利用同步MODIS影像數(shù)據(jù)結(jié)合改進(jìn)后的暗像元方法反演氣溶膠光學(xué)厚度，確定大氣校正系數(shù)，消除高分二號(hào)影像大氣分子和氣溶膠等的吸收和散射的影響，實(shí)現(xiàn)GF-2數(shù)據(jù)的大氣校正。選取地表平坦均一的敦煌輻射校正場(chǎng)作為實(shí)驗(yàn)區(qū)，通過同步的實(shí)測(cè)數(shù)據(jù)對(duì)校正結(jié)果進(jìn)行精度評(píng)價(jià)，并且比較大氣校正前后歸一化植被指數(shù)NDVI。結(jié)果表明：最小相對(duì)誤差僅為0.9%，大氣校正之后影像數(shù)據(jù)更真實(shí)地反映了地物的反射特性；大氣校正后的NDVI大大增強(qiáng)了植被信息反差，突出了GF-2衛(wèi)星傳感器的植被信息區(qū)分能力。

輻射傳輸模型；GF-2影像；大氣校正；查找表；氣溶膠光學(xué)厚度；6S

0 引言

2014年8月19日“高分二號(hào)”（GF-2）衛(wèi)星發(fā)射成功，標(biāo)志著我國(guó)遙感衛(wèi)星進(jìn)入亞米級(jí)高空間分辨時(shí)代[1]。該衛(wèi)星的成功發(fā)射，為我國(guó)土地利用動(dòng)態(tài)監(jiān)測(cè)、礦產(chǎn)資源調(diào)查、城鄉(xiāng)規(guī)劃監(jiān)測(cè)評(píng)價(jià)、交通路網(wǎng)規(guī)劃、森林資源調(diào)查、荒漠化監(jiān)測(cè)等諸多方面應(yīng)用提供了新的數(shù)據(jù)源。如表1所示，融合后的GF-2衛(wèi)星空間分辨率優(yōu)于1m，共有藍(lán)、綠、紅和近紅外4個(gè)多光譜波段，成像幅寬為45km，具有±35°的側(cè)擺角，可以實(shí)現(xiàn)69d內(nèi)對(duì)全球的觀測(cè)覆蓋，以及5d內(nèi)對(duì)地球表面任意區(qū)域的重復(fù)觀測(cè)。

電磁波在傳播過程中受到大氣分子和氣溶膠等大氣成分的吸收和散射的影響，使傳感器獲得的電磁信號(hào)中帶有一定的非目標(biāo)地物信息，傳感器接收到的地物信息不能真實(shí)地反應(yīng)地表，嚴(yán)重影響其定量化應(yīng)用，這就需要對(duì)該過程進(jìn)行大氣校正，消除非目標(biāo)地物信息，獲得真實(shí)的地表反射率信息[2-3]。因此大氣校正是GF-2影像數(shù)據(jù)地表參數(shù)定量反演的一個(gè)必備環(huán)節(jié)。

目前，大氣校正的方法主要有基于圖像特征模型、地表實(shí)測(cè)線性回歸模型法和輻射傳輸模型法3種[4-6]。其中輻射傳輸法是利用復(fù)雜的輻射傳輸原理建立起來的一種方法，利用輻射傳輸模型反演地物反射率可以較合理地描述大氣散射、吸收等過程。自1972年Turner與Spencer通過模擬大氣-地表系統(tǒng)來評(píng)估大氣影響[7]，成為最早的大氣輻射傳輸模型之一，在諸多大氣校正方法中具有高精度和高普適性。

GF-2衛(wèi)星數(shù)據(jù)業(yè)務(wù)化應(yīng)用要求基于遙感影像來反演大氣參數(shù)，進(jìn)而完成整個(gè)大氣校正過程。一些傳感器專門設(shè)置了用于反演大氣參數(shù)的波段，如MODIS設(shè)置了15和16波段用于反演氣溶膠[8]，17，18和19波段用于反演大氣水汽含量等[9]。但高分二號(hào)影像沒有設(shè)置用于反演大氣參數(shù)的波段，給高分二號(hào)影像的大氣校正帶來了很大的困難。

本文提出一種基于同步MODIS數(shù)據(jù)輔助的高分二號(hào)多光譜數(shù)據(jù)的大氣校正算法。使用MODIS同步數(shù)據(jù)反演氣溶膠光學(xué)厚度，并建立高分二號(hào)影像大氣校正系數(shù)查找表，對(duì)高分二號(hào)影像進(jìn)行大氣校正。在對(duì)一景高分二號(hào)影像進(jìn)行大氣校正后，從典型地物光譜數(shù)據(jù)、歸一化植被指數(shù)（normalized difference vegetation index, NDVI）兩方面，探討了GF-2影像大氣校正的效果。

1 大氣校正原理

由于GF-2衛(wèi)星CCD相機(jī)屬于典型的4波段傳感器，相機(jī)所設(shè)置的4個(gè)波段均處于大氣窗口，水汽、臭氧等氣體的影響較小，可忽略不計(jì)。假設(shè)陸地表面是均勻朗伯表面，大氣垂直均勻變化的條件下，傳感器接收到的表觀輻亮度為如(1)式：

表1 高分二號(hào)衛(wèi)星有效荷載技術(shù)指標(biāo)

大氣校正過程可以分為如下3步：

①利用暗像元法獲取氣溶膠光學(xué)厚度[11]；

1.1 數(shù)據(jù)預(yù)處理

1.1.1 GF-2輻射定標(biāo)

根據(jù)傳感器各波段輻射定標(biāo)系數(shù)將DN值轉(zhuǎn)換為表觀輻亮度，即傳感器入瞳處的輻射亮度值，輻射定標(biāo)公式為：

＝Gain×DN＋Offset (3)

式中：為傳感器輻射亮度值；Gain和Offset分別為影像絕對(duì)定標(biāo)系數(shù)增益和偏移，數(shù)據(jù)源自中國(guó)資源衛(wèi)星應(yīng)用中心網(wǎng)站（www.cresda.com）。高分二號(hào)衛(wèi)星影像各波段2015年絕對(duì)輻射定標(biāo)系數(shù)如表2所示（GF-2的Offset值全部為零）。

表2 2015年GF-2 PMS輻射定標(biāo)系數(shù)

1.1.2 GF-2影像表觀反射率計(jì)算

在上述表觀輻射亮度計(jì)算基礎(chǔ)上，根據(jù)如下計(jì)算公式得到大氣層頂表觀反射率：

式中：為日地距離校正因子，如表3所示，計(jì)算時(shí)可對(duì)表中的數(shù)值進(jìn)行插值獲得；為表觀輻亮度；s為太陽天頂角。

ESUN是大氣上界太陽光輻照度，通過GF-2影像光譜響應(yīng)函數(shù)（如圖1所示）和太陽光譜輻照度數(shù)據(jù)根據(jù)式(5)積分計(jì)算，GF-2影像光譜響應(yīng)函數(shù)可在中國(guó)資源衛(wèi)星應(yīng)用中心網(wǎng)站獲取，太陽光譜輻照度數(shù)據(jù)采用張璐等人[12]推薦的Wehrli數(shù)據(jù)，如圖2所示。ESUN計(jì)算公式如下：

式中：()為波長(zhǎng)處的大氣層外太陽光譜輻照度；()為波長(zhǎng)處的光譜響應(yīng)函數(shù)；1和2為積分波段范圍的上下限波長(zhǎng)。

1.2 計(jì)算氣溶膠光學(xué)厚度

表3 日地距離

Table 3 Solar-earth distance

圖2 Wehrli太陽光譜輻照度

利用2.1mm通道和1.2mm通道的表觀反射率可以準(zhǔn)確地估算出紅藍(lán)通道的地表反射率，利用6S模型計(jì)算不同大氣氣溶膠模式和觀測(cè)條件下，氣溶膠光學(xué)厚度a(red)和a(blue)和大氣半球反射率，大氣程輻射a和大氣吸收構(gòu)成的輻射透過率等大氣校正系數(shù)之間的關(guān)系，據(jù)此建立氣溶膠光學(xué)厚度查找表，其中與實(shí)際表觀反射率相等或最相近的模擬表觀反射率對(duì)應(yīng)下的氣溶膠光學(xué)厚度即為最終結(jié)果，可以求得紅藍(lán)波段氣溶膠光學(xué)厚度a(red)和a(blue)。

1.3 構(gòu)建大氣校正系數(shù)查找表

利用6S輻射傳輸模型，在輸入?yún)?shù)中設(shè)置多個(gè)不同的衛(wèi)星觀測(cè)幾何、太陽觀測(cè)幾何、衛(wèi)星天頂角、大氣模式、氣溶膠光學(xué)厚度、地面高度等變量。其中，衛(wèi)星觀測(cè)幾何、太陽觀測(cè)幾何、地面高度等參數(shù)從GF-2影像對(duì)應(yīng)的元數(shù)據(jù)文件中獲取；大氣模式包括熱帶（Tropical, T）、中緯度夏季（Mid-latitude Summer, WLS）、中緯度冬季（Mid-latitude Winter, MLW）、近極地冬季（Subarctic Winter, SAW），近極地夏季（Subarctic Summer, SAS）等幾種大氣模式，根據(jù)GF-2影像的成像時(shí)間及緯度決定。由于6S模型本身并未附帶GF-2傳感器的光譜響應(yīng)函數(shù)，因此，需要將其光譜響應(yīng)函數(shù)重采樣為2.5nm分辨率，輸入到6S模型中。

由于研究區(qū)域地物反射率均低于0.6，為了便于建立查找表，本文假設(shè)3個(gè)地表反射率為0，0.2，0.5，選定了大氣模式后，從GF-2影像元文件中讀取太陽天頂角、太陽方位角、衛(wèi)星天頂角、衛(wèi)星方位角4個(gè)角度數(shù)據(jù)，輸入1.2節(jié)求解的氣溶膠光學(xué)厚度，連續(xù)運(yùn)行6S程序3次，得到其3個(gè)模擬表觀反射率分別為0.0t，0.2t，0.5t，將結(jié)果代入公式(6)中，得到一個(gè)關(guān)于大氣程輻射項(xiàng)a，大氣吸收構(gòu)成的輻射透過率，大氣半球反射率的三元一次方程組，求解該方程組，得到如下用模擬表觀反射率為參數(shù)表示的解：

通過設(shè)置上述參數(shù)，建立一個(gè)關(guān)于輻射傳輸方程中的大氣程輻射項(xiàng)a、大氣吸收構(gòu)成的輻射透過率、大氣半球反射率、太陽天頂角s、衛(wèi)星天頂角v、太陽方位角和衛(wèi)星方位角的7維查找表，其他值在它們之間進(jìn)行線性插值。

1.4 基于查找表的GF-2大氣校正

基于MODIS數(shù)據(jù)反演得到的氣溶膠光學(xué)厚度，結(jié)合大氣校正查找表逐像元插值，計(jì)算出對(duì)應(yīng)的大氣校正系數(shù)，進(jìn)而計(jì)算出地表反射率。大氣校正流程如圖3所示。

圖3 高分二號(hào)影像大氣校正流程圖

對(duì)MODIS進(jìn)行去“蝴蝶”效應(yīng)，幾何校正，輻射定標(biāo)等預(yù)處理工作[16-18]，使用IDL語言編程調(diào)用6S Fortran程序，建立氣溶膠光學(xué)厚度查找表，使用改進(jìn)后的暗像元法逐像元反演氣溶膠光學(xué)厚度[19-24]；利用6S模型，建立7維大氣校正查找表，確定大氣校正系數(shù)；利用該大氣校正系數(shù)，將GF-2表觀反射率轉(zhuǎn)換為地表反射率。

2 結(jié)果與討論

2.1 大氣校正對(duì)地物光譜對(duì)比分析

本試驗(yàn)區(qū)選擇敦煌輻射定標(biāo)場(chǎng)，位于扇形沖積面上，地域開闊，地表平坦且均勻，植被覆蓋少，可認(rèn)為是均勻朗伯表面，如圖4所示。選取2015年8月23日敦煌地區(qū)一景GF-2影像和同步過境的MODIS影像進(jìn)行大氣校正，并將反演的表觀反射率、地面反射率與地面實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比。

衛(wèi)星觀測(cè)信號(hào)的響應(yīng)依賴于衛(wèi)星波段的光譜響應(yīng)函數(shù)，而地面觀測(cè)的高光譜反射率數(shù)據(jù)是連續(xù)的（如圖5(a)）。為此，將光譜儀測(cè)量獲得的高光譜反射率數(shù)據(jù)進(jìn)行積分，轉(zhuǎn)換為衛(wèi)星波段的等效反射率（如圖5(b)）。轉(zhuǎn)換模型如下：

式中：Req為衛(wèi)星波段等效測(cè)量反射率；R(l)為光譜儀測(cè)量獲得的高光譜反射率；f(l)為衛(wèi)星波段光譜響應(yīng)函數(shù)。

將4個(gè)實(shí)測(cè)點(diǎn)位置對(duì)于影像的表觀輻亮度值使用上述模型反演得到的表觀反射率、地表反射率和實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，對(duì)比結(jié)果如圖6所示。

如圖所示，從對(duì)比結(jié)果可以發(fā)現(xiàn)，GF-2表觀反射率數(shù)據(jù)，經(jīng)過大氣校正之后得到其地表反射率，藍(lán)波段降低，紅和紅外波段明顯提高，經(jīng)過大氣校正后，影像上地物反射率與地面實(shí)測(cè)反射率的吻合程度較高，可以更真實(shí)地反映地物反射特征。

表4列出了4個(gè)驗(yàn)證點(diǎn)的實(shí)測(cè)地表反射率和大氣校正前后反射率的對(duì)比，并且對(duì)大氣校正前后反射率與實(shí)測(cè)地表反射率求取相對(duì)誤差。從表中不難發(fā)現(xiàn)，校正前最大相對(duì)誤差為S3藍(lán)波段，高達(dá)42.4%，經(jīng)過大氣校正，相對(duì)誤差減小至13.2%，且最小相對(duì)誤差為S1的綠波段，僅為0.9%。與大氣校正前反射率相對(duì)誤差對(duì)比，大氣校正之后反射率與實(shí)測(cè)數(shù)據(jù)之間的差距明顯縮小，大氣校正效果明顯。

2.2 大氣校正對(duì)NDVI的影響

在遙感應(yīng)用領(lǐng)域，植被指數(shù)已廣泛用來定性和定量評(píng)價(jià)植被覆蓋及其生長(zhǎng)活力。植被指數(shù)有明顯的地域性和時(shí)效性，受植被本身、環(huán)境、大氣等條件的影響，NDVI可以用來檢驗(yàn)大氣校正的效果。為了驗(yàn)證GF-2數(shù)據(jù)大氣校正的效果，對(duì)校正前后的歸一化植被指數(shù)NDVI進(jìn)行比較。NDVI計(jì)算公式如下：

(a) 實(shí)測(cè)反射率(a) Measured reflectance (b) GF2傳感器波段等效后的反射率(b) Equivalent reflectance of GF2 sensor

圖6 高分二號(hào)影像大氣校正前后反射率比較：圖(a)～(d)分別代表S1～S4四個(gè)點(diǎn)反射率

式中：nir和red分別表示近紅外和紅波段的反射率。

選取遙感圖像中的植被、水體和戈壁3種地物的反射率，根據(jù)上述公式，計(jì)算得到3種地物的NDVI，如圖7所示。3種地物的NDVI在大氣校正前后發(fā)生了變化，尤其是植被的NDVI增幅最大，可以看出大氣校正增大了NDVI提取植被信息的能力，經(jīng)過大氣校正處理，可以有利于區(qū)分植被與其他地物之間的差異。

3 結(jié)論與展望

本文利用6S大氣輻射傳輸模型建立的7維查找表，結(jié)合MODIS表觀反射率數(shù)據(jù)，使用改進(jìn)后的暗像元法反演氣溶膠光學(xué)厚度；依據(jù)輻射傳輸模型，建立大氣校正系數(shù)查找表，實(shí)現(xiàn)對(duì)GF-2影像數(shù)據(jù)快速有效地大氣校正。得到如下結(jié)論：

對(duì)比大氣校正前后反射率變化，并使用地面實(shí)測(cè)數(shù)據(jù)對(duì)大氣校正結(jié)果進(jìn)行精度評(píng)價(jià)，最大相對(duì)誤差12.566%，最小相對(duì)誤差僅為0.931%。與大氣校正前反射率相對(duì)誤差對(duì)比，大氣校正之后反射率與實(shí)測(cè)數(shù)據(jù)之間的差距明顯縮小，大氣校正之后的反射率數(shù)據(jù)更真實(shí)地反映了地物的反射特性。

表4 高分二號(hào)影像大氣校正前后反射率比較

aMR: Measured reflectance; BAC: Before atmospheric correction; AAC: After atmospheric correction; REBAC: Relative error before atmospheric correction; REAAC: Relative error after atmospheric correction.

圖7 大氣校正前后典型地物NDVI

GF-2衛(wèi)星經(jīng)過大氣校正后，水體、戈壁和植被的NDVI均有變化；大氣校正后的NDVI大大增強(qiáng)了植被信息反差，突出了GF-2衛(wèi)星植被信息區(qū)分能力。

本研究區(qū)域地域開闊，地表平坦且均勻，假設(shè)其為均勻朗伯表面，沒有考慮地物的二向反射特性。在今后研究中，將考慮二向反射模型（bi-direction reflectance distribution function，BRDF），臨近像元（周圍環(huán)境的反射）和交叉輻射項(xiàng)對(duì)結(jié)果的影響，提高結(jié)果的精度，使得該方法可以用于表面更加復(fù)雜的區(qū)域。

[1] 王忠武, 劉順喜, 戴建旺, 等. “高分二號(hào)”衛(wèi)星多光譜與全色影像配準(zhǔn)策略[J].航天返回與遙感, 2015, 36(4): 48-53.

WANG Zhongwu, LIU Shunxi, DAI Jianwang, et al. Registration strategy for GF-2 satellite multispectral and panchromatic images[J]., 2015, 36(4): 48-53.

[2] 李瑋, 康曉光, 陳雷. 一種MODIS遙感圖像大氣校正的快速算法[J]. 信號(hào)處理, 2007, 23(5): 751-754.

LI Wei, KANG Xiaoguang, CHEN Lei. A fast atmospheric correction algorithm for MODIS remote sensing images[J]., 2007, 23(5): 751-754.

[3] 阿布都瓦斯提, 秦其明, 朱黎江. 基于6S模型的可見光、近紅外遙感數(shù)據(jù)的大氣校正[J]. 北京大學(xué)學(xué)報(bào), 2004, 40(4): 611-618.

Ghulam A, QIN Qiming, ZHU Lijiang. 6S model based atmospheric correction of visible and near-infrared data and sensitivity analysis[J]., 2004, 40(4): 611-618.

[4] Kaufman Y J, Remer L. Detection of forest using mid-IR reflectance: an application for aerosol studies[J]., 1994, 32(3): 672-684.

[5] 亓雪勇, 田慶久. 光學(xué)遙感大氣校正研究進(jìn)展[J]. 國(guó)土資源遙感, 2005, 25(4): 1-6.

QI Xueyong, TIAN Qingjiu. The advances in the study of atmospheric correction for optical remote sensing[J]., 2005, 25(4): 1-6.

[6] 劉兆亮, 麻金繼. 基于MODIS數(shù)據(jù)反演高反射率地區(qū)氣溶膠光學(xué)厚度的方法研究[J]. 大氣與環(huán)境光學(xué)學(xué)報(bào), 2012, 7(5): 358-363.

LIU Zhaoliang, MA Jinji. Retrieval of aerosol optical thickness over bright surface areas using MODIS data[J]., 2012, 7(5): 358-363.

[7] Turner R E, Spencer M M. Atmospheric Model for Correction of Spacecraft Data[Z/OL]//2002:https://ui.adsabs. harvard.edu/abs/ 1972 rse..conf..895T/abstract.

[8] Gordon H R. Atmospheric correction of ocean color imagery in the earth observing system era[J]., 1997, 102(D14): 17081-17106.

[9] 趙秀娟, 陳長(zhǎng)和, 張武, 等. 利用MODIS資料反演蘭州地區(qū)氣溶膠光學(xué)厚度[J]. 高原氣象, 2005, 24(1): 97-103.

ZHAO Xiujuan, CHEN Changhe, ZHANG Wu, et al. 2005. Retrieval of aerosol optical depth over Lanzhou area using MODIS data[J]., 24(1): 97-103.

[10] 李慶利, 薛永祺, 王建宇, 等. PHI高光譜圖像的大氣校正算法[J]. 紅外與毫米波學(xué)報(bào), 2006, 25(4): 316-320.

LI Qingli, XUE Yongqi, WANG Jianyu, et al. Atmospheric correction of PHI hyper spectral imagery[J]., 2006, 25(4): 316-320.

[11] 彭光雄, 何宇華, 李京, 等. 中巴地球資源02星 CCD圖像交叉定標(biāo)與大氣校正研究[J]. 紅外與毫米波學(xué)報(bào), 2007, 26(1):22-26.

PENG Guangxiong, HE Yuhua, LI Jing, et al. Study on CBERS-2’s CCD image cross calibration and atmospheric correction[J]., 2007, 26(1): 22-26.

[12] 張璐, 施潤(rùn)和, 徐永明, 等. 國(guó)產(chǎn)遙感傳感器大氣層外波段平均太陽光譜輻照度計(jì)算[J]. 地球信息科學(xué), 2014, 16(4): 624-627.

ZHANG Lu, SHI Runhe, XU Yongming, et al. Calculation of mean solar exoatmospheric irradiance of several sensors onboard of Chinese domestic remote sensing satellites[J]., 2014, 16(4): 624-627.

[13] Kaufman Yoram J, Andrew E Wald, Lorraine A Remer, et al. The MODIS 2.1mm channel-correlation with visible reflectance for use in remote sensing of aerosol[J]., 1997, 35(5):1286-1298.

[14] Robert H, Wayne L, Don L, et al. Cosmic ray and hot pixel removal from STIS CCD images[J]., 1997: 120-126.

[15] Anders ?ngstr?m. The parameters of atmospheric turbidity[J].1964, 16(1): 64-76.

[16] 郭廣猛. 關(guān)于MODIS衛(wèi)星數(shù)據(jù)的幾何校正方法[J]. 遙感信息, 2002(3): 26-28.

GUO Guangmeng. Geometric calibration of MODIS[J]., 2002(3): 26-28.

[17] 張怡, 何政偉, 薛東劍. MODIS數(shù)據(jù)預(yù)處理方法[J]. 地理空間信息, 2013, 11(3): 49-50.

ZHANG Yi, HE Zhengwei, XUE Dongjian. The pretreatment method of MODIS data[J]., 2013, 11(3): 49-50.

[18] 杜啟勝, 劉志平, 王新生, 等. 基于ENVI的MODIS數(shù)據(jù)預(yù)處理方法[J]. 地理空間信息, 2009, 7(4): 98-100.

DU Qisheng, LIU Zhiping, WANG Xinsheng, et al. Method for MODIS data pre-processing based on ENVI[J]., 2009, 7(4): 98-100.

[19] 范嬌, 郭寶峰, 何宏昌. 基于MODIS數(shù)據(jù)的杭州地區(qū)氣溶膠光學(xué)厚度反演[J]. 光學(xué)學(xué)報(bào), 2015, 35(1): 1001-1009.

FAN J, GUO Baofeng, HE Hongchang. Retrieval of aerosol optical thickness with MODIS data over Hangzhou[J]., 2015, 35(1): 1001-1009.

[20] 王玲, 田慶久, 李珊珊. 利用MODIS資料反演杭州市500m分辨率氣溶膠光學(xué)厚度[J]. 遙感信息, 2010 (3): 50-54.

WANG Ling, TIAN Qingjiu, LI Shanshan. Retrieval of 500m spatial resolution aerosol optical thickness with MODIS data over Hangzhou[J]., 2010(3): 50-54.

[21] 任佳, 王振會(huì), 孫林, 等. 基于MODIS數(shù)據(jù)反演江浙皖地區(qū)氣溶膠光學(xué)厚度[J]. 環(huán)境科學(xué)與技術(shù), 2010, 33(8): 167-171.

REN Jia, WANG Zhenhui, SUN Lin, et al. Retrieval of aerosol optical depth over Jiangsu-Zhejiang-Anhui areas using MODIS data[J]., 2010, 33(8): 167-171.

[22] 趙志強(qiáng), 李愛農(nóng), 邊金虎, 等. 基于改進(jìn)暗目標(biāo)法山區(qū)HJ CCD影像氣溶膠光學(xué)厚度反演[J]. 光譜學(xué)與光譜分析, 2015, 35(6): 1479-1487.

ZHAO Zhiqiang, LI Ainong, BIAN Jinhu, et al. An improved DDV method to retrieve AOT for HJ CCD image in typical mountainous areas[J]., 2015, 35(6): 1479-1487.

[23] 李微, 郭錫杰, 劉遠(yuǎn), 等. 基于改進(jìn)黑暗像元法的環(huán)境一號(hào)CCD數(shù)據(jù)海岸帶區(qū)域大氣校正研究[J]. 海洋科學(xué)進(jìn)展, 2015, 33(4): 484-491.

LI Wei, GUO Xijie, LIU Yuan, et al. Improved dark-objects atmospheric correction algorithm for coastal regions based on HJ-1 CCD data[J]., 2015, 33(4): 484-491.

[24] 鄭偉, 曾志遠(yuǎn). 遙感圖像大氣校正的黑暗像元法[J]. 國(guó)土資源遙感, 2005(1): 8-11.

ZHENG Wei, ZENG Zhiuan. Dark-object methods for atmospheric correction of remote sensing image[J]., 2005(1): 8-11.

Atmospheric Correction Algorithm for GF-2 Image Based On a Radiative Transfer Model

CAO Hongye1，ZHANG Tianqi2

(1.,,710061,; 2.,,621010,)

The successful launch of the GF-2 satellite indicates that China's remote sensing satellites have entered the era of high spatial resolution of the sub-meter level. Remote sensing images will play an important role in quantitative inversion, ground object recognition, and change analysis. The accuracy of its atmospheric correction is an important factor that affects its quantitative application. Due to the lack of a short-wave infrared band in GF-2, it is impossible to use a dark pixel method for atmospheric correction. A method of atmospheric correction for the GF-2 image based on a radiation transfer model is proposed. The atmospheric correction coefficient lookup table is established by using 6S (Second Simulation of the Satellite Signal in the Solar Spectrum) radiation transfer model. The aerosol optical thickness (AOT) is retrieved by combining synchronous MODIS image data with an improved dark pixel method. The atmospheric correction parameters are determined to eliminate the influence of absorption and scattering of atmospheric molecules and aerosols in the GF-2 image and to achieve atmospheric correction of GF-2 data. Dunhuang radiation correction field with a flat and uniform surface is selected as the experimental area. The accuracy of the correction results is evaluated by synchronous measured data, and the normalized difference vegetation index (NDVI) before and after atmospheric correction is compared. The results show that the minimum relative error is only 0.9%. The image data after atmospheric correction can accurately reflect the reflection characteristics of ground objects. NDVI after atmospheric correction greatly enhances the contrast of vegetation information and highlights the ability of vegetation information discrimination of the GF-2 satellite sensor.

radiation transfer model, GF-2 image, atmospheric correction, look-up table, aerosol optical depth(AOD), 6S

TP751

A

1001-8891(2020)06-0534-08

2019-07-17；

2019-09-19.

曹紅業(yè)（1989-），男，河南鞏義人，博士研究生，主要從事定量遙感方面的研究。E-mail：hong1233718@126.com。