基于改进Gordon算法的内陆水体大气校正研究

徐央杰，包颖，申佩佩

(宁波市测绘设计研究院，浙江 宁波 315042)

1 引 言

自20世纪70年代第一台水色卫星传感器CZCS投入使用至今，遥感技术在水质参数的定量反演研究中得到了很好的应用，并从光学性质简单的Ⅰ类水体逐渐发展到光学性质复杂的Ⅱ类水体[1]。由于传感器接收到的水体信息大约只占总信息的10%，大部分来自大气贡献，因此消除传感器接收总辐射中的大气干扰，实现影像大气校正，是水色定量遥感的关键之一[2，3]。

其中Ⅰ类水体主要为大洋水体，水质主要由浮游植物及其伴生物决定，较为简单和稳定，针对该类水体的大气校正算法较为成熟，且已在不同水色遥感数据中实现了业务化运行[2]。而近海岸和内陆等Ⅱ类水体，其光学性质除了受浮游植物及其伴生物的影响，还受到悬浮物(Total Suspended Matter：TSM)和有色可溶性有机物(Colored Dissolved Organic Matter：CDOM)的影响，光学组分复杂，针对Ⅰ类水体的大气校正算法不再适用于该类水体[4]。因此，目前许多专家学者针对Ⅱ类水体发展了不同大气校正算法，宋挺等[5]利用MODIS数据辅助的Gordon单次散射改进算法实现了高分四号浑浊Ⅱ类水体的大气校正，沈菊平等[6]利用神经网络算法实现了MERIS数据的Ⅱ类水体大气校正，檀静等[7]利用氧气和水汽吸收的暗像元实现浑浊Ⅱ类水体的大气校正，提高了MERIS数据的大气校正精度。

本文针对浑浊Ⅱ类水体，基于辐射传输模型展开大气校正算法研究。在Gordon大气校正的基础上，通过MODIS辅助数据，分区计算其他遥感影像各波段的气溶胶散射，获取水体离水反射率，并将算法应用于多源遥感影像中(如GOCI和HJ-1 CCD等)，最后对大气校正后的反射率精度进行验证分析，据此评价该算法在浑浊Ⅱ类水体中的应用潜力。

2 数据源与方法

2.1 数据源

(1)遥感影像

GOCI和HJ-1 CCD数据因其较高的时间分辨率或空间分辨率常被用于Ⅱ类水体水质参数的反演[8，9]。因此，本文选取与实测数据获取时间对应的太湖GOCI和HJ-1 CCD影像用于大气校正算法的研究和分析，对应数据获取时间分别为2011年9月4日、2011年12月24日及2012年5月5日。

其中GOCI数据(http：//kosc.kiost.ac/eng/p10/kosc_p11.html)是搭载在静止海洋水色卫星COMS(Communication，Ocean，Meteorological Satellite)上的传感器，于2010年6月27日在韩国发射。GOCI数据在 400 nm～900 nm范围内具有8个波段，空间分辨率为 500 m，时间分辨率为1小时(获取时间从8：28 a.m.至15：28 p.m.)，覆盖了我国部分东部沿海城市、部分东海和黄海等区域。HJ-1卫星(http：//www.cresda.com/site1/)于2008年9月6日在中国发射成功，其光学星由HJ-1 A和HJ-1 B组成，为太阳同步轨道卫星。HJ-1 A和HJ-1 B卫星均搭载了有相同原理的CCD相机，在 400 nm～900 nm内包含了4个波段，空间分辨率为 30 m，重访周期均为4天。

(2)实测光谱数据

分别于2011年9月4日、2011年12月24日及2012年5月5日展开太湖野外观测实验，获取不同时期太湖水表野外光谱。野外光谱测量采用美国ASD野外光谱辐射仪FieldSpecHandHeld(Analytical Devices，Inc.，Boulder，CO)实现，水体反射率光谱数据的测量采用“水面以上测量法”，以避开测量过程中船舶阴影及太阳耀斑等因素的影响[10，11]。

在测量过程中避免了白帽信号与太阳耀斑等信号后，水体离水辐亮度计算公式可简化为：

Lw=Lsw-rLsky

(1)

其中Lw为水体离水辐亮度，r表示气-水界面对天空光的反射比。在实际应用中，影响r的因素有很多，根据风速的差异，该值范围通常为0.022～0.028[12]。

因此，水体实测遥感反射率可通过离水辐亮度与水面总入射辐照度的比值获取，具体计算公式如下：

(2)

2.2 大气校正算法

Gordon大气校正的原理如式(3)所示，LW(λ)即为传感器接收到实际水体的辐射能量：

L(λ)=Lr(λ)+La(λ)+TLg(λ)+tLWC(λ)+tLW(λ)

(3)

式中，L(λ)为GOCI和HJ-1 CCD影像辐射校正后的辐亮度值，Lr(λ)为大气瑞利散射辐射亮度，La(λ)为气溶胶粒子散射辐射亮度，Lg(λ)为太阳耀斑辐射(当遥感影像没有突变值时，式中Lg(λ)可以忽略)，T为大气直射透射率，LWC(λ)为水面白帽辐射，t为大气漫射透过率，LW(λ)为所求的水体离水辐亮度。

图1 GOCI和HJ-1 CCD大气校正流程

因此，要获取影像的LW(λ)，只需计算白帽辐射、大气漫射透过率、瑞利散射及气溶胶散射即可。而在这些参数中，气溶胶散射是Ⅱ类水体大气校正中的重要参数，由于缺少同步观测的大气参数，目前学者们常利用MODIS作为辅助数据获取其他遥感影像各波段(包括GOCI和HJ-1 CCD)的气溶胶散射，从而达到大气校正的目的[13]。在此基础上，考虑到太湖不同区域气溶胶类型的差异[14]，本文也在Gordon大气校正基础上，利用MODIS气溶胶分区辅助方法，分别实现GOCI和HJ-1 CCD数据的大气校正，具体流程如图1所示。

(1)白帽辐射和大气漫射透过率

白帽辐射通常与风速W有关，其计算公式为[7]：

Lwc(λ)=ρwc(λ)F0cosθ0t0/π

(4)

式中，ρwc(λ)为白帽反射率，F0为大气外层太阳辐照，θ0为太阳天顶角，t0为太阳方向漫透射率，与瑞利光学厚度和臭氧光学厚度有关。其中本文的瑞利光学厚度可通过气压值求得，臭氧光学厚度通过MODIS臭氧含量产品计算获得。当W小于 4 m/s时，白帽辐射可忽略不计。此外，大气漫射透过率t通常由大气分子透过率、臭氧光学厚度及气溶胶等决定。

(2)瑞利散射计算

瑞利散射在传感器接收的总信号中所占比例较大，因此瑞利散射的精确计算对大气校正的结果有重要的影响。单次散射法为目前常用且计算简便的瑞利散射计算方法，公式如下[8]：

(5)

(3)MODIS数据辅助的分区气溶胶散射计算

由于受无锡、常州等地生产和居民生活的影响，太湖北部气溶胶和其他区域的气溶胶散射值有明显的差异[14]，因此本文在进行GOCI和HJ-1 CCD大气校正过程中，也借助MODIS辅助数据，利用气溶胶不同类型分区计算实现。

金鑫等[14]基于气溶胶分区大气校正算法是在短波红外大气校正算法基础上发展而来的。根据该算法的假设，可知λ1240和λ1640之间的气溶胶散射比为：

(6)

(7)

结合式(6)和式(7)，即可获取气溶胶类型参数n，并在此基础上计算各波段的气溶胶散射。

(8)

本研究分别将对应时期的GOCI、HJ-1 CCD和MODIS数据分为太湖北部区域和南部区域，首先计算不同区域MODIS数据在λ1240和λ1640波段的辐亮度均值，随后根据公式(6)和(7)分别计算出对应区域的气溶胶类型参数n，最后，在此基础上，根据式(8)分别计算GOCI数据和HJ-1 CCD数据的气溶胶散射值。

(4)离水辐亮度计算

根据上文获取的白帽辐射、瑞利散射及气溶胶散射等参数，水体的离水辐亮度计算公式为：

(9)

2.3 精度评价

为了验证本文大气校正算法的精度，分别将GOCI和HJ-1 CCD大气校正结果与实测数据进行对比分析，同时利用平均绝对误差(Mean Absolute Error：MAE)、均方根误差(The Root Mean Square Error：RMSE)及均方根百分比Root Mean Square of Percentage：RMSP)对结果进行评价。具体的评价公式为：

(10)

(11)

(12)

式中，Cmea，i为观测值，Cest，i为估算值，n为样本数。

3 结果分析

3.1 GOCI数据大气校正结果评价

由于GOCI数据时间分辨率为1小时，因此分别选取离影像获取时间最近的29个样本点用于结果的评价(该验证点为间隔各GOCI影像获取时间30分钟以内的采样点)。此外，为了减少几何校正带来的偏差，在与验证点获取时间对应的影像中，选取各样本点位置周围3×3窗口内的反射率中值作为GOCI影像的估算值。估算值和实测值结果示例如图2所示：

图2 GOCI数据大气校正结果

GOCI大气校正结果统计 表1

图2和表1为GOCI大气校正结果与准同步实测点之间的对比。从图2可知，各个时期GOCI影像大气校正结果与准同步光谱曲线变化趋势非常类似，并且在不同波段的反射率值也较为一致，说明该算法能较为完整地保存太湖水体光谱信息。同时，结合表1，可知大气校正后多数波段反射率值存在低估现象，并且不同时期各波段反射率的MAE及RMSP变化趋势也相同。在不同时期，大气校正后GOCI第2、3、5和6波段具有相对较高的MAE，2011～2012年间三个时期的平均MAE分别为12.16%、12.36%、13.57%及14.76%，平均RMSP分别为13.81%、13.44%、14.11%及16.03%；而大气校正后GOCI第1和第8波段的精度相对较低，三个时期的平均MAE分别为21.13%和28.27%，平均RMSP分别为24.89%和30.96%；根据目前常用的叶绿素a浓度等水质算法，GOCI第5、6和7波段常被用于结果的估算，其平均MAE均在20%以内。此外，2011～2012三个时期的平均RMSE数值较小，均稳定在 0.003 6～0.008 9之间。因此，该大气校正算法适用于GOCI数据大气校正，并且其结果能满足叶绿素a浓度等水质参数的估算。

3.2 HJ-1 CCD数据大气校正结果评价

HJ-1 CCD数据在对应的影像获取时间内只有一景影像，获取时间分别为2011年9月4日10点45分、2011年12月24日10点35分及2012年5月5日10点12分，因此分别选取影像获取时间附近的13个样本点(该验证点为间隔HJ-1 CCD数据1个小时以内的采样点)用于对结果评价。与GOCI影像算法相似，为了减少几何校正带来的偏差，在与验证点获取时间对应的影像中，选取各样本点位置周围3×3窗口内的反射率中值作为HJ-1 CCD影像的估算值。估算值和实测值部分结果如图3所示：

图3和表2为HJ-1 CCD大气校正结果与准同步实测点之间的对比。从图3可知，各个时期HJ-1 CCD影像大气校正结果与准同步光谱曲线变化趋势也相对较为类似，符合水体光谱特征。同时结合大气校正前后的精度评价参数(表2)，可知在不同时期，大气校正后HJ-1 CCD影像第3波段具有最高的精度，2011～2012年间三个时期的MAE及平均MAE分别为14.27%、17.69%、12.76%及14.49%，对应的RMSP分别为15.31%、18.48%、14.47%及15.83%；而波段4由于水体吸收强烈导致反射率值较小，微小的变化都会引起较大的MAE和RMSP，因此该波段的MAE和RMSP通常大于其他波段，该结果也与其他学者的研究结果类似[15]。此外，和GOCI大气校正结果类似，2011～2012三个时期的平均RMSE数值也较小，均稳定在0.005～0.009 6之间。综上可知，该大气校正算法也适用于HJ-1 CCD影像。

图3 HJ-1 CCD数据大气校正结果

HJ-1 CCD大气校正结果统计 表2

4 结 论

内陆水体和近海岸浑浊Ⅱ类水体光学性质复杂，反演获取的离水反射率值误差一般较高。本文使用基于MODIS辅助数据的Gordon改进大气校正算法对GOCI和HJ-1 CCD数据进行大气校正，并将结果与准同步实测光谱数据进行对比分析。

结果表明：GOCI影像大气校正结果与准同步光谱曲线变化趋势一致；同时，与准同步实测光谱对比，除去GOCI第1和第8波段，GOCI影像其余波段在2011～2012期间三期影像的平均MAE在20%以内，平均RMSP在25%以内；此外，各个波段的平均RMSE数值均较低。HJ-1 CCD影像大气校正结果也与准同步光谱曲线变化趋势一致；其在第3波段具有最高的精度，且所有波段的MAE均在30%内，所有数据的平均RMSE在0.005～0.008之间。总体而言，基于MODIS气溶胶分区的大气校正算法较为稳定，能满足GOCI影像和HJ-1 CCD影像应用于后续水质参数反演需求。