基于FLAASH模块的高级陆地成像仪图像的大气校正

陈建珍，何 超，岳彩荣

（1.西南林业大学 环境科学与工程系，云南 昆明 650224；2.西南林业大学 国有资产管理处，云南 昆明 650224；3.西南林业大学 资源学院，云南 昆明 650224）

高级陆地成像仪（advanced land imager，ALI）是美国国家航空航天局（NASA）新千年计划的第1颗对地观测卫星EO-1（Earth Observing-1）上搭载的传感器，于2000年11月21日发射升空。ALI的技术性能与Landsat 7上的ETM+（enhanced thematic mapper plus）相当，其目的是构成Landsat数据的连贯性，且在数据质量上有所提高。ALI共有10个波段无热红外波段，其中1个10 m分辨率的全色波段，6个30 m分辨率的多光谱波段与Landsat 7的1～5和7波段相似，比Landsat 7多3个30 m分辨率的多光谱波段[1]。随着遥感技术的不断发展，对地观测的遥感定量分析逐渐成为人们的研究热点。在遥感成像过程中，传感器接收到的辐射信息是经过大气作用后的辐射信息，它包括了地物辐射信息和大气辐射信息。为提高遥感定量分析的精度，对图像进行大气校正是必须的。大气校正主要是指消除或减弱传感器接收到的大气辐射信息，使传感器所接收到的地物辐射信息尽可能的接近真实情况。遥感图像大气校正的研究始于20世纪70年代，到目前已形成了多种校正方法，这些方法大致可以分为基于图像的校正方法、基于地面定标的经验回归方法和基于辐射传输理论的校正方法。基于图像的校正方法较简单，易实现，不需要输入大气参数，但要求已知或假设图像中某些像元的反射率值，以此来建立地物反射率与卫星观测值之间的关系，并将这种关系应用于全图，其不足之处在于难于定位和提取这些假设的像元[2-4]。基于地面定标的经验回归方法要求有实测的地物光谱数据[5]，对大范围和地形复杂的区域很难实现[4]。基于辐射传输理论的校正方法建立在电磁波在大气中辐射传输的原理之上，模型意义明显，校正精度高，缺点是需要输入的大气参数难于准确获取[2-4]。FLAASH（fast line-of-sight atmospheric analysis of spectral hypercubes）模块是目前常用的基于辐射传输理论的校正方法[6]。FLAASH是由美国空军实验室发起，由处于世界光学研究领先地位的光谱科学公司开发，现已集成在ENVI（the environment for visualizing images）软件中方便使用。它是一个基本的大气校正工具，可以校正的光谱范围为可见光到近红外、短波红外的范围，最大可到3μm。与其他许多大气校正程序的不同之处是它不是在预先计算好的模型数据库中插入辐射传输参数来得到校正结果，而是结合MODTRAN 4的辐射传输代码，针对每一景图像通过任意地选择 MODTRAN （moderate spectral resolution atmospheric transmittance algorithm and computer model）模型标准的大气和气溶胶类型，会有唯一的针对该图像的MODTRAN解决办法[7]。关于FLAASH模型详细的介绍可参见ENVI软件的帮助或用户手册。很多学者利用FLAASH模块对TM （thematic mapper）图像[8]、ASTER（advanced spaceborne thermal emission and reflection radiometer）图像[9-10]等多光谱图像和 AVIRIS （airborne visible／infrared imaging dpectrometer）图像[11-12]、 Hyperion 图像[13-14]等高光谱图像进行过大气校正研究，并且都取得了较好的结果。但是利用FLAASH模块对未知多光谱传感器图像进行大气校正的研究较少，此处所指的未知多光谱传感器图像是指ENVI中预先没有定义的多光谱传感器所拍摄的图像。因此，本研究以ALI图像9个多光谱波段的FLAASH大气校正为例，对未知多光谱传感器图像的FLAASH大气校正进行探讨。

1 研究方法

1.1 数据来源

使用的图像为云南省香格里拉地区的ALI图像，成像时间为2003年11月15日，从美国地质勘探局（United States Geological Survey， USGS）网站（http： //edcsns17.cr.usgs.gov/EarthExplorer/）下载， 轨道号132，行号40，图像格式为GEOTIFF，产品级别L1Gst，图像做过系统级的辐射校正和几何校正，也做了消除视差的正射校正[15]。

1.2 辐射定标

辐射定标是大气校正的基础步骤，目的是将标准化无量纲的DN（digital number）值转化为传感器接收到的光谱辐射值。L1级的图像辐射定标可按照公式（1）进行[16]。

式（1）中：Lλ是传感器接收到的光谱辐射值，Grescale是每个波段的增益值，Qcal是图像的DN值，Brescale是每个波段的偏移值。Chander等[16]2009研究发现ALI传感器运行得很好很稳定，其光谱响应衰减很小。因此可以用图像头文件中自带的辐射定标系数对各波段进行辐射定标。各波段的辐射定标系数参见表1。在ENVI中利用波段计算工具，按表1中的系数对9个波段分别进行辐射定标，并按波段按行交叉排列（BIL）或波段按像元交叉排列（BIP）合成标准的ENVI文件，再将各波段的中心波长加入图像头文件。按式（1）计算出的辐射定标结果的单位（W·m-2·sr-1·μm-1）是 FLAASH 模块辐射值默认单位（μW·cm-2·sr-1·nm-1）的 10 倍， 因此，在运行FLAASH模块前须进行换算。

表1 ALI多光谱图像各波段的中心波长和辐射定标系数Table1 Center wavelength and radiometric calibrated coefficient of each band of ALI multispectral image

1.3 光谱响应函数构建

由于ENVI中没有预先设有ALI图像的光谱响应函数，而FLAASH模块校正多光谱图像时光谱响应函数是必须的，因此需手动构建光谱响应函数。对于每一种传感器，在设计时都会有相应的光谱响应函数且是公开的，ALI图像的光谱响应函数可以从澳大利亚联邦科学与工业研究组织（Astronomers at Australia’s Commonwealth Scientific Research Organization， CSRIO）网站下载[17]。

根据下载的数据，在410～2560 nm范围内构建ALI图像的光谱响应函数。在EXCEL中，从410 nm开始以1 nm间隔构建各波段的响应值，在各波段没有涉及的光谱范围以0填充响应值，并转化为ACSII码文件，最后导入ENVI形成ALI图像的光谱响应函数，具体步骤可参见美国环境系统研究所公司（Environmental Systems Research Institute， Inc， ESRI）中国社区论坛[18]。 ENVI中是用光谱曲线来描述光谱响应函数的，构建好的光谱响应函数如图1所示。

图1 ALI图像光谱响应函数Figure1 Spectral response function of ALI image

1.4 FLAASH大气校正

FLAASH大气校正的关键步骤是获取和设置各项校正参数，多光谱图像FLAASH大气校正的参数设置分为基本设置、多光谱设置和高级设置3个部分。根据EO-1卫星和ALI传感器的技术参数设置传感器高度、像元大小。根据图像头文件设置图像景中心坐标、飞行日期和飞行时间等设置项。根据试验区数字高程模型（digital elevation model，DEM）设置地面海拔高度。根据用户手册或软件帮助设置其他设置项，其中二氧化碳混合比例在2001年接近370，为得到较好的校正结果需再加上20；FLAASH模块中初始能见度的计算与550 nm波长的消光系数有关，可按式（2）进行估算。

式（2）中：V是能见度，β是消光系数，由气溶胶光学厚度（AOD）除以气溶胶有效厚度层获得，这个有效厚度层大约是 2 km[7]。

获取图像成像时的AOD比较困难，试验中通过全球气溶胶自动测定网站（AERONET）获取香格里拉地区11月500 nm波长的平均气溶胶厚度大，约为0.7。500 nm与550 nm波长的气溶胶厚度相差不大[19]，可以用于估算能见度。对于试验用的ALI图像，FLAASH模块的具体输入参数见表2。

表2 ALI图像FLAASH模块输入参数Table2 Input parameter of FLAASH module for ALI image

2 结果与分析

2.1 大气校正结果

调入准备好的辐射定标文件，按上述参数设置完毕即可执行FLAASH大气校正。校正结果按ALI图像多光谱波段8/5/3进行彩色合成，如图2所示。从图2中可以看出：大气校正后的图像整体亮度提高，图像更清楚，说明大气校正有效的减小了大气的影响，提高了图像的质量。

图2 FLAASH大气校正前（左图，辐射定标图像）后（右图）对比Figure2 Comparison before（left， radiance calibrated image） and after FLAASH atmospheric correction（right）

2.2 校正前后地物光谱曲线对比

从校正前后的图像中对应地提取植被、水体和裸地等3种典型地物的光谱曲线，如图3所示。从图3中可以看出：经过大气校正后植被、水体和裸地3种地物的光谱曲线都得到还原，440 nm到480 nm的高反射得到了不同程度的校正。大气校正后植被光谱曲线呈现出了绿峰红谷的典型绿色植物的反射光谱曲线，在480 nm附近的吸收谷和550 nm附近的小反射峰也得到了还原。大气校正后440 nm到1500 nm水体的反射率小于校正前，与中国典型的水体光谱曲线基本吻合[20]。大气校正后440 nm到700 nm裸地的反射率小于校正前，700 nm后裸地反射率大于校正前，校正后裸地的光谱曲线与植被明显的区分开。可认为FLAASH模块有效的减小了大气对ALI图像的影响。

图3 大气校正前（左图）后（右图）典型地物光谱曲线Figure3 Reflectance spectrum of typical landcover before （left） and after atmospheric correction （right）

2.3 大气校正对归一化植被指数的影响

大气校正能够显著的改善植被指数[4]，因此，可以通过分析大气校正前后归一化植被指数（normalized difference vegetation index，NDVI）的变化情况来评价大气校正的效果。利用大气校正前后ALI图像的波段4和波段5，求算大气校正前后的NDVI，如图4所示。从图4中可以看出：裸地等非植被区比校正前更黑，而植被区变亮，图像对比度变大。FLAASH大气校正后使得山体阴阳坡两则的同类地物辐射值差异减小。另外，分析校正前后NDVI直方图（图5）可以看出：大气校正后NDVI的最大值和最小值比校正前明显增大，直方图整体右移。大气校正前NDVI峰值为0.494，平均值为0.417；大气校正后NDVI峰值为0.754，平均值为0.694，表明植被信息得到加强，NDVI得到改善。图像的标准差越大表明包括的信息量越多，大气校正前NDVI标准差为0.1397，大气校正后NDVI标准差为0.1410，表明大气校正虽然削弱了图像信息中的大气辐射信息，但图像包含的信息量并未减少，反而略有提高。可见经过FLAASH大气校正可以较好的减小了大气对ALI图像的影响。

图4 大气校正前（左图）后（右图）的NDVIFigure4 NDVI before （left） and after atmospheric correction （right）

3 结论与讨论

本研究以ALI图像为例，对未知多光谱传感器图像的FLAASH大气校正进行了探讨。以标准的光谱曲线为参考，对植被、水体和裸地等3种典型地物大气校正前后光谱曲线的分析，表明经过FLAASH大气校正后裸地与植被的光谱曲线比校正前易区分，地物的光谱曲线更接近标准的光谱曲线。通过大气校正前后NDVI的定性和定量评价，可以看出：FLAASH大气校正能够有效的减小大气对ALI图像的影响，可以用于ALI图像的大气校正。通过实验还可以说明FLAASH大气校正模块可以用于未知多光谱传感器遥感图像的大气校正，关键在于未知多光谱传感器光谱响应函数的构建。

图5 大气校正前（左图）后（右图）NDVI直方图Figure5 Histogram of NDVI before （left） and after atmospheric correction （right）

同时试验中也发现了一些问题，即经FLAASH大气校正后ALI图像上存在有反射率为负值的像元。据统计负反射率的像元主要出现在可见光波段图像上的山体阴影处，且蓝光波段最多，绿光波段次之，红光波段最少。出现这种现象的原因可能包括4个方面：①可能是由于FLAASH模块削弱了大气对可见光波段瑞利散射和无选择性散射形成的散射辐射对这部分像元的辐射贡献造成的，可以将其认为是FLAASH模块校正的误差，在精度要求不是很高的情况，可以考虑不启用领域校正。②可能是因为这部分像元受地形影响处于阴影区形成辐射强吸收区造成的，可以考虑在大气校正的同时进行地形校正。③可能是因为FLAASH模块运行时设置的气胶溶类型、大气参数不能完全模拟图像成像时的实际大气条件造成的；可以考虑用同时间的中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer，MODIS）遥感数据进行大气参数的反演提高校正精度。④可能是由于试验中使用的是每个波段的中心波长所对应的光谱响应值造成的，可以考虑用各波段的光谱响应函数进行加权平均后再进行FLAASH大气校正。针对以上原因造成的像元负反射率问题，笔者所提出的解决方法还有待进一步的验证。

[1]DEPARTMENT OF INTERIOR， U S.Sensors-Advanced Land Imager（ALI）[EB/OL].2010-06-16[2010-11-2].http：//edcsns17.cr.usgs.gov/eo1/ali.php.

[2]王岩.遥感定量反演的大气校正方法分析研究[D].哈尔滨：东北林业大学，2008.WANG Yan.Study on The Atmospheric Correction of Remote Sensing [D].Harbin： Northeast Forestry University，2008.

[3]郑伟，曾志远.遥感图像大气校正方法综述[J].遥感信息，2004（4）：66-70.ZHENG Wei， ZENG Zhiyuan.A review on methods of atmospheric correction for remote sensing images [J].Remote Sens Infor， 2004（4）： 66-70.

[4]范渭亮，杜华强，周国模，等.大气校正对毛竹林生物量遥感估算的影响[J].应用生态学报，2010，21（1）：1-8.FAN Weiliang， DU Huaqiang， ZHOU Guomo， et al.Effects of atmospheric calibration on remote sensing estimation of moso bamboo forest biomass [J].Chin J Appl Ecol， 2010， 21 （1）： 1-8.

[5]SMITH G M， MILTON E J.The use of empirical line method to calibrate remotely sensed data to reflectance [J].Int J Remote Sens， 1999， 20： 2653-2662.

[6]杨航，张霞，帅通，等.OMIS-II图像大气校正之FLAASH法与经验线性法的比较[J].测绘通报，2010（8）：4-6，10.YANG Hang， ZHANG Xia， SHUAI Tong， et al.Comparision of FLAASH and Empirical Line Approach for atmospheric correction of OMIS-II Imagery [J].Bull Surv Mapp， 2010（8）： 4-6， 10.

[7]ITT Visual Information Solutions.Atmospheric Correction Module： QUAC and FLAASH User’s Guide [EB/OL].2009[2010-11-02].http： //www.ittvis.com/portals/0/pdfs/envi/Flaash_Module.pdf.

[8]罗彩莲，陈杰，乐通潮.基于FLAASH模型的Landsat ETM+卫星影像大气校正[J].防护林科技，2008（5）：46-48，51.LUO Cailian， CHEN Jie， LE Tongchao.Atmospheric correction on Landsat ETM+satellite image based on FLAASH model[J].Prot For Sci Technol， 2008（5）： 46-48， 51.

[9]郝建亭，杨武年，李玉霞，等.基于FLAASH的多光谱影像大气校正应用研究[J].遥感信息，2008（1）：78-81.HAO Jianting， YANG Wunian， LI Yuxia， et al.Atmospheric correction of multi-spectral imagery ASTER [J].Remote Sens Infor， 2008（1）： 7-81.

[10]罗慧芬，苗放，叶成名.基于FLAASH模型的ASTER卫星影像大气校正[J].安徽农业科学，2009，37（17）：8100-8102，8133.LUO Huifen， MIAO Fang， YE Chengming.Atmospheric correction of ASTER satellite image based on FLAASH Model[J].J Anhui Agric Sci， 2009， 37 （17）： 8101-8102， 8133.

[11]MATTHEW M W， ADLER-GOLDEN S M， BERK A， et al.Atmospheric Correction of Spectral Imagery： Evaluation of the FLAASH Algorithm with AVIRIS Data[EB/OL].2003[2010-11-02].http：//www.spectral.com/pdf/sr192.pdf.

[12]宋晓宇，王纪华，刘良云.基于高光谱影像的大气校正：用AVIRIS数据评价大气纠正模块FLAASH[J].遥感技术与应用， 2005， 20（4）： 393-398.SONG Xiaoyu， WANG Jihua， LIU Liangyun.Atmospheric correct ion of hyper-spectral imagery： evaluation of the FLAASH algorithm with AVRIS data [J].Remote Sens Technol Appl， 2005， 20 （4）： 393-398.

[13]袁金国，牛峥，王锡平.基于FLAASH的Hyperion高光谱影像大气校正[J].光谱学与光谱分析，2009，29（5）：1181-1185.YUAN Jinguo， NIU Zheng， WANG Xiping.Atmospheric correction of hyperion hyperspectral image based on FLAASH [J].Spectrosc Spectral Anal， 2009， 29 （5）： 1181-1185.

[14]吴彬，苗放，叶成名.基于FLAASH的高光谱遥感数据大气校正应用[J].物探化探计算技术，2010，32（4）：442-446.WU Bin， MIAO Fang， YE Chengming.Atmopheric correction of hyperspectral remote sensing image based on FLAASH [J].Comput Technol Geophys Geochem Explor， 2010， 32 （4）： 442-446.

[15]DEPARTMENT OF INTERIOR U S， GEOLOGICAL SURVEY.Advanced Land Imager（ALI） level 1G （L1G） Product Output Files Data Format Control Book（DFCB）[MEB/OL].2010-06-16[2010-11-02].http： //edcsns17.cr.usgs.gov/eo1/index.php/documents/ali.

[16]CHANDER G， MARKHAM B L， HELDER D L.Summary of current radiometric calibration coefficients for Landsat MSS， TM， ETM+， and EO-1 ALI sensors [J].Remote Sens Environ， 2009， 113 （5）： 893-903.

[17]CSIRO.Spectral Response Functions[EB/OL].2001[2010-11-02].http：//www.eoc.csiro.au/hswww/oz_pi/specresp.htm.

[18]DSBIN.环境小卫星（资源卫星）的大气校正[EB/OL].2010-09-30[2010-11-02].http： //bbs.esrichina-bj.cn/ESRI/thread-77857-1-1.html.

[20]柴琳娜.我国典型地物标准波谱数据库[EB/OL].2010-10-06[2010-11-02].http：//wenku.baibu.com/view/7c5423d280ebb294dd88bc42.htm.