WorldView-3卫星影像大气校正方法应用对比研究

田青林，秦凯，陈雪娇，余长发

（核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室，北京 100029）

卫星传感器接收到的信号是太阳辐射与大气、地物复杂作用的结果，经历了太阳-大气-地物目标-大气-传感器的过程。期间会受到大气分子、气溶胶的散射作用以及臭氧、水汽的吸收等因素影响。为了消除或减少大气和光照等因素影响，获取地物真实的反射率信息，需要开展遥感影像的大气辐射校正。国内外学者提出了多种大气校正方法，主要为基于影像特征的校正方法、基于地面测量的线性回归方法和基于辐射传输模型的校正方法［1］，其中 比 较 常 见 的 有MODTRAN、6S、FLAASH、QUAC、ATCOR等［2-5］。

WorldView-3（WV-3）卫星是目前空间分辨率最高的商业遥感卫星，不仅包含0.31 m空间分辨率的全色和8个1.2 m空间分辨率的可见光-近红外波段，还额外提供8个3.7 m空间分辨率的短波红外波段，优于当前主流的Landsat-8和ASTER等多光谱数据，应用潜力巨大［6-10］。然而，目前针对WV-3数据评价不同大气校正模型的效果及适用性的对比研究较少。

笔 者 采 用FLAASH、QUAC和ATCOR 3种模型对WV-3影像的16个波段进行大气校正，并对校正前后影像的目视效果、评价指标、典型地物光谱曲线和分类精度进行对比分析，以评估3种大气校正模型的实际校正效果。

1 研究区概况及数据源

1.1 研究区概况

研究区位于广东省深圳市中西部，平均海拔100 m左右，总面积约25 km2。研究区主要包括城市及周边地区，滨临南海，地势较为平坦，属于低山丘陵地貌，分布有植被、水体等地物类型。

1.2 数据源

WV-3是美国DigitalGlobal公司于2014年8月13日发射的第四代高分辨率多光谱商业卫星，在继承WorldView-2的8个多光谱波段基础上，额外增加了8个短波红外波段，是首个拥有16个高分辨率光谱波段的商业卫星［10-11］。本研究使用WV-3卫星获取的16波段影像，波长和空间分辨率参数如表1所示。成像时间为2015年10月18日03：06：07，数 据 级 别 为L2A，已经过系统辐射定标和几何校正。

表1 WV-3卫星参数Table 1 Parameters of WV-3 satellite

2 大气校正方法

2.1 FLAASH模型

FLAASH大气校正模型结合了MODTRAN4+模型并进行了修改，通过对辐射定标后的影像进行大气校正，适用于可见光至短波红外波长范围，能够一定程度消除大气作用对地表反射率的影响，获得较高的地物反射率 精 度［12-13］。FLAASH模型假设地表为 标 准

式中：L—传感器接收到的单个像元光谱辐射亮度；Lα—大气程辐射；ρ—像元的地表反射率；ρe—像元及周围像元的平均地表反射率；S—大气半球反照率；A和B—由大气条件及下垫面几何条件所决定的系数，同地表反射率无关。

用于本次试验的FLAASH大气校正模型参数大部分可从影像数据头文件中获取，具体参数设置见表2。平面朗伯体，传感器接收的像元光谱辐射亮度可以通过公式（1）计算［14-15］：

表2 FLAASH大气校正模型参数Table 2 Parameters of FLAASH atmosphere correction

2.2 QUAC模型

QUAC模型是以暗目标探测方法为依据，不需要额外的配套信息，而是自动从影像内收集不同地物的波谱信息以获取大气补偿参数和经验值，实现快速大气校正，理想情况下其计算结果绝对精度近似FLAASH或者其他基于辐射传输模型的±15%［16］。本次试验中QUAC模型参数设置中传感器类型选择Unknown，其他参数选择默认设置。

2.3 ATCOR模型

ATCOR模型包含两种模式，一种是ATCOR2/3模式，适用于卫星遥感影像的大气校正，另一种是ATCOR4模式，适用于航空遥感影像的大气校正。本次研究使用的ATCOR2模型，已集成于PCI、ERDAS等图像处理软件中，其算法核心是以MODTRAN4程序计算辐射传输方程的数据库，通过输入传感器的几何条件、光谱特征及成像时气溶胶等参数，以插值方式计算查找表，从而实现快速准确的大气校正［17］。

用于本次试验的ATCOR大气校正模型参数大部分可从影像数据头文件中获取，具体参数设置见表3。

表3 ATCOR大气校正模型参数Table 3 Parameters of ATCOR atmosphere correction

3 大气校正效果评价

3.1 目视效果

不同大气校正模型处理前后的WV-3 Band5（R）、Band3（G）、Band2（B）真彩色图像如图1所示。通过对比可以看出，相较于原始影像，3种模型校正后的图像在视觉效果上变化明显，图1a由于大气的影响削弱了地物的明暗差异，对比度较低，影像整体偏暗；图1b-d校正后的结果色调更明亮，纹理更清晰，对比度增强，影像质量得到明显改善，说明大气校正在一定程度上去除了气溶胶、水汽等因素的影响。相比而言，FLAASH和ATCOR的校正效果要优于QUAC，影像整体信息更丰富。

图1 3种模型大气校正前后影像对比Fig.1 Comparison image before and after atmospheric correction of three models

3.2 评价指标

为了定量评价大气校正前后影像的质量，运用MATLAB软件计算校正前后影像的信息熵和平均梯度指标，结果如表4所示。

表4 大气校正前后影像评价指标对比Table 4 Evaluation indexes of images before and after atmospheric correction

信息熵是反映影像所包含信息量丰富程度的重要指标，其值越大，表示影像所含信息量越多，影像质量越好。从表4可以看出，3种模型校正后影像的信息熵均高于原始影像，其中ATCOR表现最佳，FLAASH次之，QUAC模型效果最差。这是由于大气影响使得不同地物间的特征差异减弱，但经大气校正后，这些特征信息得到增强，影像信息变得更丰富，特征也更明显。

平均梯度可以用来表达图像中微小细节的反差，其值越大，表示影像越清晰，层次越丰富。由表4可知，3种模型校正后影像的平均梯度相较原始影像均有所增加，说明经过大气校正后的影像更为清晰，层次感得到增强，且FLAASH和ATCOR校正后影像的整体质量优于QUAC模型。

3.3 地物光谱

为了验证不同大气校正模型对地物反射率反演的效果，在校正后的影像中选取植被和海水2种典型地物的像元光谱，并与USGS波谱库中相应地物的参考反射率光谱进行比较。此外，由于USGS波谱库中地物光谱与WV-3谱段不同，为了更好地对比大气校正效果，将波谱库中2种地物光谱重采样至WV-3对应的波段，结果如图2、3所示。

图2 植被USGS光谱与WV-3大气校正后光谱曲线对比Fig.2 Comparison of vegetation spectra of USGS with spectra of WV-3 image after atmospheric correction

图2a中USGS植被光谱曲线显示了植被在可见光-近红外到短波红外范围内的典型光谱特征。其中，550 nm附近有一个小的反射峰，680 nm附近存在一个明显的吸收谷，这主要是植物叶片中色素强吸收的原因；在700～780 nm之间是一个陡坡，反射率急剧增加，被称为植被的反射率红边；在970、1 200 nm附近存在弱吸收谷，1 400、1 900 nm附近存在强吸收谷，而1 670、2 200 nm附近分别有一个明显的反射峰，这种情况主要是植物叶片中含有水分的缘故。

由图2（b、c、d）可以看出，3种模型获得的植被光谱曲线与USGS波谱库中植被光谱曲线特征吻合较好，550、1 670、2 200 nm附近的反射峰，以及680、1 400 nm附近的吸收谷均在校正后的WV-3波段中反映出来，且FLAASH、QUAC和ATCOR模型校正结果与USGS植被光谱的相关系数分别为0.992、0.861和0.927，FLAASH和ATCOR模型表现更佳，相关系数达到0.9以上。

图3a中USGS海水光谱曲线显示在可见光范围内，随着波长不断增大，海水的反射率迅速减小，在650 nm之后几乎为零。

由图3（b、c、d）可以看出，3种模型获得的海水光谱曲线与USGS波谱库中海水光谱曲线特征相对吻合，整体反射率变化趋势在校正后的WV-3波段中反映出来，且FLAASH、QUAC和ATCOR模型校正结果与USGS海水光谱的相关系数分别为0.825、0.754和0.953，ATCOR模型表现最好，FLAASH模型次之，QUAC模型最差。

图3 海水USGS光谱与WV-3大气校正后光谱曲线对比Fig.3 Comparison of seawater spectra of USGS with spectra of WV-3 image after atmospheric correction

3.4 分类精度

将上述重采样后的USGS植被、水体光谱分别作为参考光谱，利用光谱角算法对大气校正影像进行监督分类，其中植被分类阈值为0.35，水体分类阈值为0.15。为了评价不同大气校正模型对地物分类精度的影响，利用人工解译的方法在影像中选取一定数量的植被和水体验证样本，与获得的分类结果进行比较，实现精度评价。表5给出了FLAASH、QUAC及ATCOR模型大气校正影像的分类精度评价结果，图4为对应的分类结果图。从表中可以看出，ATCOR模型的大气校正效果最优，植被、水体等地物分类精度最高，FLAASH模型次之，QUAC模型分类精度最差，进一步反映了不同大气校正模型的应用效果。

图4 不同模型大气校正影像分类效果图Fig.4 Classification images by different atmospheric correction models

表5 不同模型大气校正影像分类精度Table 5 Classification accuracy of images by different atmospheric correction models

4 结论

1）通过信息熵、平均梯度分析，FLAASH和ATCOR模型对清晰度等各项指标的提升效果优于QUAC模型。

2）在反射率反演方面，ATCOR模型的校正结果与USGS重采样的相应地物光谱吻合度较高，相关系数达到0.9以上，略好于FLAASH模型。

3）从地物分类效果分析，ATCOR校正结果得到更高分类精度，植被、水体等地物的分类效果最好。

在后续研究中，可以分析不同大气校正参数对结果精度的影响，并结合地物实测反射率光谱进行评价验证。