结合光谱响应函数的Landsat－8影像大气校正研究

蒲莉莉，刘斌

（1.新疆大学资源与环境科学学院，乌鲁木齐830046；2.新疆测绘科学研究院，乌鲁木齐830001）

结合光谱响应函数的Landsat－8影像大气校正研究

蒲莉莉1，刘斌2

（1.新疆大学资源与环境科学学院，乌鲁木齐830046；2.新疆测绘科学研究院，乌鲁木齐830001）

针对受大气吸收与散射影响，遥感器得到的测量值与目标物的真实值间存在误差，给反演地表反射率／反照率和地表温度等关键参数带来较大误差，影响图像分析精度的问题，该文利用Landsat－8的光谱响应函数，对OLI多光谱数据进行大气辐射校正和反射率反演，对校正前后的地物光谱曲线和归一化植被指数（Normalized Difference Vegtation Index，NDVI）的变化进行了对比。研究表明：OLI大气校正后较好地恢复各类地物光谱的典型特征；大气校正后NDVI增幅明显；类似的基于光谱响应函数的FLAASH大气校正方法可以为其他的高级陆地成像仪等传感器校正提供依据。

Landsat－8；遥感图像处理；大气校正；光谱响应函数；FLAASH

1 引 言

大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据，用来消除大气中气体和物质对地物反射的影响，消除大气分子和气溶胶散射的影响，反演地物真实反射率的过程［1］。随着遥感技术的快速发展，对地观测定量反演参数增多，图像的大气校正要求逐渐提高，对不同传感器大气校正的方法也层出不穷。遥感影像大气校正大致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3种［2］。基于光谱响应函数的大气校正，是利用FLAASH大气校正模型来实现的，FLAASH大气校正是辐射传输理论模型中的应用较广泛的一种，可以校正0.400μm～2.500μm范围内的光谱数据，结合了MODTRAN4模型，与其他校正模型不同的地方是：不需要预先计算出辐射参数，大气类型和气溶胶反演参数可以直接选择，参与地表辐射校正计算。许多学者利用FLAASH大气校正模型对ASTER、Landsat ETM＋、SPOT等多光谱影像进行大气校正［3－6］，对AVIRIS、Hyperion等高光谱数据进行评价［7－8］，也有利用构建光谱响应函数的方法对高级陆地成像仪ALI进行大气校正［9］，校正结果比较理想。

2 研究区概况与数据特征

2.1 研究区概况

本实验数据采用的是新疆克拉玛依地区Landsat－8遥感影像数据，条带号为144／29，影像地理位置为：84.7235°N～87.7445°N，44.9505°E～47.0926°E，成像时间为2013年8月19日。图像中包含水体、林地、农田、城区、道路，高山等典型地物，云量0.1%，图像清晰。实验数据均来自于地理空间数据云网站，数据级别Level 1T，即经过系统辐射校正和几何校正数据产品。

2.2 OLI数据特征

Landsat－8卫星是由美国宇航局（NASA）和美国地质调查局（USGS）共同负责的项目卫星［10］，数据于2013年5月29日开始分发，目前已可以正常使用。Landsat－8的设计和特征与Landsat－7基本相同。Landsat－8卫星数据共11个光谱波段，8个30m空间分辨率的可见光－近红外波段，1个15m空间分辨率的全色波段，2个100m空间分辨率的热红外波段［11］。Landsat－8数据影像在延续Landsat－7卫星数据的基础上，增加了一个深蓝波段来监测近岸水体和气溶胶，增加了一个卷云波段用于云检测，增加了一个热红外波段使劈窗算法应用于Landsat－8数据成为可能。同时，对各波段波谱范围进行了微调，以去除水汽等因素的影响［12］。在此基础上，本文采用Landsat－8数据，以构建光谱响应函数为基础［13］，利用ENVI软件FLAASH集成模型，对该数据OLI波段进行校正。

3 校正方法

Landsat－8多光谱数据的预处理包括表观辐亮度、表观反射率计算和大气校正两方面。

3.1 表观辐亮度

辐射定标是将成像光谱仪输出的不同波段数字量化值（Digital Number，DN值）转化为各波段成像光谱仪入瞳处的光谱辐射亮度值。Landsat－8卫星数据的表观辐亮度计算公式为［13］：

式中，ρλ是大气顶层行星反射率（TOA planetary reflectance），θSE（sun elevation angle）太阳高度角，θSZ（solar zenith angle）太阳天顶角。Landsat－8影像数据在表观反射率反演方面与以往Landsat系列有较大的差异，减少儒略日、大气顶层太阳辐照度和日地距离参数计算，使反射率计算更加方便简单。

3.3 光谱响应函数构建

由于ENVI FLAASH工具无法读取Landsat－8数据头文件，因此无法获取Landsat－8图像的光谱响应函数，需要手动建立光谱响应函数，从USGS官网上下载数据，建立427nm～2355nm范围内的光谱响应函数。在EXCEL中，从427nm开始以1nm为间隔构建各波段的响应值，在没有涉及的光谱范围内以0作为响应值填充，并转换为ACSII码文件，最后导入ENVI中形成Landsat－8光谱响应函数，如图1所示。

式中，Lλ是大气层顶光谱辐射亮度（TOA spectral radiance），单位Watts／（m2·srad·μm）；ML是某一波段的乘法调整因子（Band－specific multiplicative rescaling factor），AL是某一波段的附加调整因子（Band－specific additive rescaling factor）；Qcal是原始影像某一波段的像元值（DN值）；λ为波段号。式（1）中的ML和AL两个参数均可在影像的头文件MTL.txt中找到。

3.2 表观反射率

表观反射率是辐射定标结果之一，也是大气顶层的反射率。Landsat－8卫星数据的表观反射率计算公式为［13］：

式中，ρλ′是未经太阳角度纠正的大气层顶光谱辐射亮度（TOA spectral radiance），Mρ是某一波段的乘法调整因子（Band－specific multiplicative rescaling factor），Aρ是某一波段的附加调整因子（Band－specific additive rescaling factor）；Qcal是原始影像某一波段的像元值（DN值）；λ为波段号。式（2）中的Mρ和Aρ都可以在影像的头文件中找到MTL.txt。

经过大气角度纠正的反射率公式为：

图1 Landsat－8OLI数据各波段光谱响应函数

3.4 大气校正

FLASSH大气校正的基础是Modtran模型，而Modtran模型源自于大气辐射传输方程，因此其大气校正效果较好。但FLASSH大气校正对于数据格式和波长有一定要求，所以需要对Landsat－8赋予各波段中心波长（表1）。然后进行因子转换，对进行辐射定标之后的数据和输入校正模型中的数据单位换算，输入转换因子10。其他大气校正中的各关键参数如表2所示。

表1 OIL各波段的中心波长

表2 FLAASH大气校正模型参数

4 精度验证

利用实测野外GPS测点数据进行几何精纠正，然后将Landsat－8的DN值转化为辐射亮度和表观反射率，建立Landsat－8光谱响应函数之后，在FLAASH校正模型中输入上述参数，执行FLAASH大气校正。对比校正前后的图像基本统计特征，结果表明：用于检测云量的波段亮度值为0；相同波段图像比较，大气校正后的图像明显比校正之前的图像亮度高，图像更加清晰，说明FLAASH大气校正有效减少大气对图像的影响；将校正前后的图像按7／6／4波段组合打开图像（图2），这种组合下水体和植被得到了增强，从图像上明显看出纠正之后的图像，图像整体变亮，山体，植被区域尤为明显，能更好地从图中目视识别出山体和植被纹理性质，说明FLAASH消除了大气气溶胶对图像近红外波段的辐亮度抑制的影响。

从校正前后的图像中分别提取植被（Vegetation）、水体（Water）、裸地（Bare land），道路（Road）等典型地物。在影像上每种地物平均提取50个像元，提取地物光谱曲线。大气校正之前的波段组合，将波段9卷云波段参与表达，将其置于5波段和6波段之间，以客观反映地物的光谱变化趋势。比较校正前后地物的波谱曲线（图3）：经过大气校正后植被，水体的光谱曲线都得到还原，0.440μm～0.480μm之间光谱曲线校正明显。大气校正之后城区，水体、植被在深蓝波段、蓝波段、绿波段、红波段的反射率均减少，其中以深蓝和蓝波段最为显著，主要由于大气散射和吸收引起的大气衰减造成的。理论上，可见光波段因大气瑞利散射和气溶胶散射引起传感器获取的地表辐射失真，造成随着波长增大反射率降低，在蓝波段散射最强。在红波段和近红波段，大气散射作用较小，而水汽吸收率大，校正后OIL第5波段近红外波段反射率应该上升，由于研究区为干旱区气候特点，使实际校正的结果与期望的校正结果恰恰相反。

图2 大气校正前（左）后（右）图像对比

图3 校正前（左）后（右）典型地物光谱曲线

研究发现［1－2］，大气吸收可减小近红外信息量的20%以上，使反演精度降低。大气校正能够显著地改善植被指数，因此，可通过分析校正前后图像植被指数对大气校正结果进行评估。选择样区，对校正前后的NDVI进行统计分析，从图4中可以看出：图像经过大气、气溶胶和大气扩散效益校正后NDVI明显增大，校正前NDVI最大值－0.237035，最小值0.614373，平均值为0.226548，标准差为0.192266，峰值0.0601；校正后NDVI最大值－0.618006，最小值0.905261，平均值为0.362375，标准差0.309957，峰值0.0809。结果表明，NDVI标准差增大，包括的信息量增多；直方图整体右移，最大最小值的绝对值增大，NDVI得到改善，植被信息得到加强；说明大气校正既削弱了图像信息中的大气辐射信息，又保留图像包含的信息量，使包含信息量在减少气溶胶等大气影响因素下得到提高。可见，大气校正可以较好地减小大气对Landsat－8图像的影响。

图4 校正前（左）后（右）NDVI曲线

5 结束语

本文以Landsat－8图像为基准，构建其光谱响应函数，对图像进行FLAASH大气校正研究。以标准地物波谱曲线为参考，对图像上的水体 、植被、裸地等典型地物对大气校正结果进行评估，结果表明：经过FLAASH大气校正后水体与植被的光谱曲线比校正前更接近标准地物波谱曲线；通过NDVI定性和定量评价，可以看出大气校正能够有效地减小大气对图像的影响；FLAASH大气校正模块可以用于多种多光谱传感器遥感图像的大气校正，关键在于对多光谱传感器光谱响应函数的构建。

同时实验中也发现：经过大气校正后的图像存在反射率为负数的情况。出现这种现象的原因可能在于：FLAASH模块气溶胶类型、大气参数等不能很好地模拟成像时间下的大气实际情况；也可能是实验中使用的中心波长所对应的光谱响应值造成的，后期可以参照加权平均的方法计算中心波长，近一步减少大气对地物反射率的影响。

［1］ 孙家抦.遥感原理与应用［M］.武汉：武汉大学出版社，2009：150－152.

［2］ 赵英时.遥感应用分析原理与方法［M］.北京：科学出版社，2003：2030.

［3］ 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.

［4］ 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.

［5］ 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，2008，23（1）：78－81.

［6］ 郭云开，曾繁.基于FLAASH与QUAC模型的SPOT5影像大气校正比较［J］.测绘通报，2012（11）：21－41.

［7］ 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.

［8］ 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.

［9］ 陈建珍，何超，岳彩荣.基于FLAASH模块的高级陆地成像仪图像的大气校正［J］.浙江农林大学学报，2011，28（4）：590－596.

［10］ USGS.Landsat missions［EB／OL］.http：／／landsat.usgs.gov／index.php，2013－03－10.

［11］ 张玉君.Landsat－8简介［J］.国土资源遥感，2013，25（1）：176－177.

［12］ 徐涵秋，唐菲.新一代Landsat系列卫星.Landsat－8遥感影像新增特征及其生态环境意义［J］.生态学报，2013，33（11）：3246－3257.

［13］ LDCM＿Bcorhure［EB／OL］.http：／／ldcm.nasa.gov／spacecraft＿instrument.html，2013－03－10.

Atmospheric Correction of Landsat－8Imagery Based on Spectral Response Function

PU Li－li1，LIU Bin2
（1.College of Resources and Environmental Sciences，Xinjiang University，Urumqi 830046；2.Xinjiang Academy of Surveying and Mapping，Urumqi 830001）

Affected by atmospheric absorption and scattering，there is an error between the true value and the measured value obtained from remote sensor.It caused a big deviation on inversing parameters，such as surface albedo and surface temperature and also affected the accuracy of the image.In order to solve these problems，atmospheric radiation and reflectance were retrieved from OLI multi－spectral data with Landsat－8spectral response function.Comparing the corrected spectral reflective curve and normalized difference vegetation index with the uncorrected one，we can see that this method has a better recovery of spectrum characteristics on various typical objects and NDVI index increases significantly after atmospheric correction of OLI image.This atmospheric correction method based on the FLAASH of spectral response function lays a foundation for calibration of other sensors such as the Advanced Land Imager.

Landsat－8；image preprocessing；atmospheric correction；spectral response function；FLAASH

10.3969／j.issn.1000－3177.2015.02.021

TP751

A

1000－3177（2015）138－0116－04

2014－03－13

2014－06－12

地理空间信息工程国家测绘地理信息局重点实验室开放研究基金资助项目（201313）。

蒲莉莉（1990～），女，在读研究生，研究方向为遥感监测、地理国情普查。

E－mail：xj＿pll＠163.com