Hyperion影像的辐射处理方法

张 苗，蒋志荣,2

（1.甘肃农业大学 林学院，甘肃 兰州 730070；2.甘肃省农村发展研究院，甘肃 兰州 730070）

1 研究区和数据源

研究区为张掖及其周围绿洲区域。张掖位于甘肃河西走廊中部，面积42 400 km2，地处北纬38°43.7′～39°3.4′，东经 100°12.1′～100°43.6′。

本研究使用美国EO-1的Hyperion数据，数据产品是经过几何校正的Hyperion高光谱成像光谱仪Level 1Gst，文件类型是GeoTIFF波段交叉(BSQ)格式，WRS编号为133-33，采用UTM投影，WGS84坐标系。成像时间为2008-07-19 03:39:12 UTC，影像范围位于38°18’49.30”N～39°10’11.72”N,100°12’24.52”E～100°32’20.64”E 之间。

本研究所使用的土地利用现状数据来源于张掖地区国土资源局提供的2008年MapGIS格式的土地利用现状图，与遥感影像获取时间一致。

为了验证FLAASH大气校正的效果，本文采用网上下载的典型地物波谱曲线与大气校正后的影像曲线作对比。

2 数据预处理

2.1 Hyperion数据处理

1）Hyperion Tools。它是用来访问、修正和使用L1R、 L1G/L1T数据集的，其最基本的功能是把L1R HDF和L1G/L1T GeoTIFF数据集转换成包含波长、最大半波宽和坏波段信息的ENVI格式文件。本文利用Hyperion Tool 2.0生成了ENVI Mask Image 和 FLAASH Scale Factors文件，ENVI Mask Image文件是一个ENVI掩膜图像（1＝好数据，0＝坏数据）；FLAASH Scale Factors是进行大气校正需要的参数文件，以方便大气校正。

2）去除未定标及影像质量差波段。Hyperion数据共有242个波段，其中，辐射定标的波段为VNIR 8～57，SWIR 77～224，没有定标的波段为1～7、58～76、225～242，其波段值为0值[3,9]。由于VNIR 56～57与SWIR 77～78波段是重叠的，根据图像质量情况，SWIR 77～78的噪音比VNIR 56～57的大，所以本文选择保留VNIR 56～57，删除SWIR 77～78[9]。对高光谱Hyperion数据，受水汽影响较大的光谱范围1 356～1 417 nm、1 820～1 932 nm和大于2 395 nm，在这些波段中，极少包含地面信息[12]，受水汽影响的波段为：121～127、167～178和 224，共 20个波段。以上波段均是依据Hyperion Tool提取的Bad Bands Lists中已包含的。在对本景影像做逐波段检查之后，发现仍然存在一些模糊、条纹严重以及坏线严重的波段80～82、120、128～132、165～166、179～182、185～187、221～223，包含地面信息少，质量差，共21个波段，需把它们剔除。综合以上剔除处理，剩余8～57、79、83～119、133～164、183～184、188～220，共 155个波段供分析。

3）影像像元值转换成绝对辐射亮度值。Hyperion的L1产品数据集，以有符号的整型数据记录，数值范围为-32 767～+32 767。但是，实际上的地物辐射值很小，VNIR的最大辐射为750 W/m2/sr/μm，SWIR的为350 W/m2/sr/μm。因此，产品生成时，采用了扩大因子， VNIR和SWIR的因子系数分别为40和80[2,9,13]。本文利用Hyperion Tool 2.0直接生成FLAASH Scale Factors参数文件，在进行FLAASH大气校正的同时，对影像的像元值进行绝对辐射亮度转换，这样就避免了又一次的重采样。Hyperion Tools生成的比例因子是VNIR 400和SWIR 800。这是因为FLAASH Scale Factors不仅包括了扩大系数因子VNIR 40和SWIR 80，还同时包括了做FLAASH大气校正时的单位转换因子10.0[14,15]。

4）对影像进行掩膜处理并转换数据格式。由于数据是经过几何校正倾斜的，所以有很多黑背景，造成大气校正不能进行。本文利用Hyperion Tool 2.0产生的Mask Image图像对影像进行掩膜处理，抑制影像的黑色背景，为FLAASH大气校正作准备。由于FLAASH大气校正需要BIL/BIP存储格式，因此还需对处理后的数据在软件中作ENVI做格式转换。

2.2 土地利用数据处理

由于本文获取的土地利用现状数据是MapGIS格式，将获取的土地利用数据转换成WGS84地图投影并建立一个Shp文件提取林地、水体和裸岩区。

3 FLAASH大气校正

传感器接收的信息是太阳辐射通过大气以某种方式入射到物体表面，然后再反射回传感器的辐射信息，使得原始影像包含物体表面、大气以及太阳的信息，不能真实反映地表反射光谱信息[2,10]。为了了解某一物体表面的光谱属性，必须将它的反射信息从大气和太阳的信息中分离出来，这就是大气校正的目的。

FLAASH是用来从高光谱辐射亮度影像数据提取地物的波谱反射率的大气校正模拟工具，可精确弥补大气效应。它嵌入了MODTRAN4辐射传输代码，也包括邻近像元校正、计算影像的平均能见度和云分类图以及波谱平滑，可对高光谱和多光谱传感器数据进行校正。如果影像包含合适波长的波段，水汽和气溶胶也可以提取。而且，FLAASH能校正垂直和倾斜观测条件获取的影像。利用FLAASH进行影像大气校正时，对于大气模型参数，选择一种近似或稍大于标准水汽柱的MODTRAN模型大气。如果没有水汽信息，根据与水汽相关的已知地表气温或季节-纬度地表温度模型选择大气[11]。

通常获得准确的大气属性参数较困难,进行大气影响的去除及补偿时,相关大气参数均需已知。对于大多数遥感影像来说,要同步获取这些参数是非常困难的。FLAASH很好地结合了MODTRAN 4 的大气辐射传输编码。与其他大气纠正模型不同，FLAASH 并不是在预先计算好的模型数据库中加入辐射传输参数来进行大气校正,任何有关影像的标准MODTRAN 大气模型和气溶胶类型都可直接被选用,并进行地表反射率计算[12]。

本文的参数主要来自头文件和有利于大气校正的模型，输入文件是经过以上预处理得到的掩膜后图像。数据中心点坐标、传感器及数据获取信息，这些都可以在数据自带信息文件里获得。使用水汽去除模型，数据必须具有15 nm以上波谱分辨率，且至少覆盖以下波谱范围之一：1 050～1 210 nm(优先考虑)，770～870 nm，870～1 020 nm。对于大多传感器，水汽去除默认显示的是NO，因为大多数传感器没有适当的波段来补偿水汽的影响，Hyperion数据包含了这3波段范围，所以本文处理影像选择YES,并选取1 130 nm的水汽吸收波段及邻近的非水汽吸收波段比值来获取大气水汽柱含量[12,16]。Spectral Polishing(光谱打磨)是为了使波谱曲线更近似于真实地物的波谱曲线，对波谱曲线进行微调，选择Yes。FLAASH模型其他输入参数如下：

影像中心点：38°44’2.64”N 100°22’21.70”E ；传感器高度：705 km；地面高程：1.5 km；像元大小：30；飞行日期：2008-07-19；天顶角：174°33’22.32”；气溶胶模型：Rural；气溶胶高度：2.0 km；初始能见度：30 km；大气模型：MLS；飞行时间：03:39:12；方位角：15°。

4 大气校正结果及比较

4.1 FLAASH的波段纠正通道文本文件

Oxygen (altitude) ref=（32 333536）

Oxygen (altitude)abs=（34）

Waterchannels ref=（60 61 62 73 74 75）

Water channelsabs=（67 68）

Cirruschannels=（1）

KT upper=（130 131 132 133 134）

KT lower=（22 23 24 25）

AlternateWater ref=（35 36 43 44）

AlternateWater abs=（39 40）

经过大气校正计算的Visibility = 22.2620 km Average Water Amount = 0.3880 cm。

4.2 大气校正前后影像对比

图1 大气校正前后影像对比图

从图1可知,校正前后影像视觉效果和辐射亮度发生明显变化，经校正后的图像更加清晰，说明选择的FLAASH参数校正有效去除了大气中水汽和气溶胶的影响，提高了图像质量。

4.3 叠加提取

林地、水体和岩石矢量文件与大气校正后影像叠加提取如图2所示。

图2 林地、水体和岩石矢量文件与大气校正后影像叠加图

4.4 波谱特征比较

1）林地校正前、后与绿色植物标准波谱曲线特征对比及结果分析（见图3）。

图3 植被校正前、后和绿色植物的标准响应曲线的对比图

从校正前、后的林地波谱曲线特征可以看出，大气校正后的波谱曲线在0.4～0.55 μm和可见光近红外波段的地物反射率普遍降低了。这是由于可见光近红外波段受到瑞丽散射和气溶胶散射的影响, 使传感器接收到的辐射能量增强, 这一部分能量不是地物的反射能量，属于干扰信息[11]。从校正后的波谱曲线可以看出，它与典型健康植被标准曲线趋势基本一致。校正后的影像由于去除了水汽、气溶胶等大气干扰,且获取时间7月份正是植被生长旺盛期，所以表现出了典型的健康植被反射率曲线，这也说明FLAASH大气校正的精度很高。

2）水体校正前、后及水体标准的波谱曲线特征比对及结果分析（见图4）。

从大气校正前、后水体波谱曲线可以看出，校正后水体在0.45～1.1 μm范围内反射率整体下降。从校正后的水体波谱曲线和标准的水体波谱曲线对比可以看出，符合水体基本规律。水体的反射率总体上比较低，不超过10%，一般为4%～5%，反射主要在蓝绿光波段，并随着波长的增大而逐渐降低，到0.6 μm处约为2%～3%,过了0.75 μm，水体几乎为全吸收体。本文选取与标准曲线范围0.3～1.1 μm段作比对。校正后的水体波谱曲线与标准曲线基本一致，说明大气校正去除了水汽、气溶胶的干扰，这表明FLAASH大气校正的效果很好。

图4 水体校正前、后与水体标准曲线特征对比图

3）岩石校正前、后与岩石标准曲线特征的对比及结果分析（见图5）。

岩石无统一的波谱特征，依据矿物成分、含量、风化程度、含水量、颗粒大小、表面光滑程度、色泽等对波谱曲线产生形态影响。一般浅色岩石的反射率较高，深色岩石的反射率较低。从校正前、后的岩石波谱曲线可以看出，岩石在0.45～0.9 μm范围内反射率下降，在0.9～2.3 μm范围内反射率呈缓和增强趋势。尽管从单一光谱曲线不能判定岩石的组成及种类，但是从大气校正前、后的曲线和几种基本的岩石标准曲线对比中可以看出，其具有岩石相同的趋势特征，这说明FLAASH大气校正很好地消除了气溶胶和水汽等对波谱的影响，达到了大气校正的目的。

图5 岩石校正前、后与岩石标准曲线的对比图

[1]赵杰,曹静.高光谱遥感技术的分析与应用[J]. 黄河水利职业技术学院学报，2005，17(4):79

[2]梁继 ,王建.Hyperion 高光谱影像的分析与处理[J].冰川冻土，2009，31(2):753

[3]Beck R.EO-1 User Guide Version 2.3[EB/OL].http :/ /eo1.usgs.gov,2003

[4]Kruse F A. Improved Multispectral Mapping by Spectral Modeling with Hyperspectral Signatures [C]. SPIE Symposium on Defense & Security, 2007

[5]赵祥, 梁顺林, 刘素红,等.高光谱遥感数据的改正暗目标大气校正方法研究[J].中国科学(D辑):地球科学, 2007,37(12):1 653-1 659

[6]Kruse F A ,Boardman J W, Huntington J F, et al . Comparison of Airborne Hyperspectral Data and EO-1 Hyperion for Mineral Mapping [J].IEEE Transactions on Geoscience and Remote Sensing (TGARS),2003,41(6):1 388-1 400

[7]Pu Ruiliang, Gong Peng. Hyperspectral Remote Sensing and It’s Application [M].Beijing : Higher Education Press,2000

[8]王秀朋,张洪才,赵永强, 等. 基于投影寻踪的高光谱图像特征融合算法[J].计算机测量与控制, 2006 , 14 (11) : 1 539-1 541

[9]谭炳香, 李增元, 陈尔学,等.EO一1 Hyperion高光谱数据的预处理[J].遥感信息应用技术，2005(6):36-41

[10]张秋爽,祝民强,刘碧洪.Hyperion 高光谱遥感数据大气校正方法[J].计算机测量与控制, 2010 ,18(1)：79

[11]袁金国, 牛铮, 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)：l l81-1 185

[12]田丰,杨苏明,王润生.EO-1Hyperion高光谱数据FLAASH模块大气纠正[J].新疆地质,2010,28(1):627

[13]郑伟, 曾志远. 遥感图像大气校正方法综述[J].遥感信息,2004(4): 66-68

[14]ESRI中国社区.波普处理常识[EB/OL].http://bbs.esrichinabj.cn/ESRI/index.php

[15]北京师范大学遥感科学国家重点实验室.我国典型地物波谱数据库[DB/OL].http://spl.bnu.edu.cn/index.asp

[16]宋晓宇,王纪华, 刘良云,等. 基于高光谱遥感影像的大气纠正:用AVIRIS 数据评价大气纠正模块FLAASH [J].遥感技术与应用, 2005 , 8 (4) : 394-395

[17]梅安新, 彭望琭, 秦其明, 等 . 遥感导论[M]. 北京：高等教育出版社, 2001