高分一号多光谱影像6S大气校正研究

商子健，金建文，许振峰,李 鹤

(1.沈阳市勘察测绘研究院有限公司,辽宁 沈阳 110004；2.辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000)

0 引言

高分一号(GF-1)卫星是中国高分辨率对地观测系统的第一颗卫星，于2013年4月26日在酒泉卫星发射中心发射，具有空间分辨率高、重访周期短、覆盖宽等特点。GF-1卫星搭载有2台多光谱相机，多光谱空间分辨率为8 m，有蓝、绿、红和近红外4个波段，具有周期为4天的重访能力[1]。为我国国土、农业、环保等部门提供高效、连续、稳定的空间观测服务，在自然灾害评估、生态环境监测、城市和交通管理等领域发挥重要作用。

遥感成像时，大气对遥感器入瞳信号的贡献可超过80%[2],使其获取的遥感信号不能反映地物的真实信息。因此，为了获取地物的真实反射率数据，需要对遥感影像进行大气校正，消除大气分子、气溶胶等大气组分造成的吸收和瑞利散射影像[3]。目前，大气校正的方法主要有基于图像本身的暗像元法、基于地面的线性经验模型法、基于大气同步校正仪的大气校正和基于辐射传输模型法等4种方法[4-6]。基于图像本身的暗像元法要求影像具有反演大气参数的短波红外波段[7-8]。基于地面的线性经验模型法需要知道地物真实的光谱信息[9]，这2种方法在缺少辅助数据情况下，难以开展GF-1影像的大气校正。基于大气同步校正仪的大气校正要求卫星上搭载同步的大气校正，而我国GF-1卫星缺少大气校正仪，因此基于大气同步校正仪的大气校正方法也不适应GF-1影像大气校正。基于辐射传输模型的大气校正法属于物理模型方法，使用模型提供的模拟大气参数可以进行GF-1影像的大气校正。6S辐射传输模型配置了典型大气模式、气溶胶类型模式和常用的传感器的光谱响应函数，实用性较强，广泛应用于光学影像的大气校正。因此，本文使用6S辐射传输模型进行GF-1影像进行大气校正研究。

针对辅助数据不足和GF-1卫星缺少反演大气参数的短波红外波段，以及无法使用基于大气同步校正仪的GF-1大气校正等问题，本文基于6S辐射传输模型，设计并实现了适合GF-1卫星数据大气校正算法与程序，并用天津城区和山区两景影像做算法验证。由于没有实测光谱数据，本文选用商业软件ENVI提供的FLAASH大气校正结果验证了算法的大气校正效果。

1 研究方法

1.1 算法介绍

本文基于6S模型获取大气顶辐亮度转化为地表反射率的相关参数，根据转化参数计算每景影像的地表反射率。算法以GF-1星8 m分辨率多光谱数据，其波段设置如表1所示。

表1 GF-1多光谱影像波段设置Tab.1 Band setting of GF-1 multispectral image 单位：nm

元数据及传感器公开参数为输入参数，无需其他辅助数据。

基于6S模型GF-1影像大气校正示意如图1所示，主要包括辐射定标、6S参数设置和6S大气校正3部分。其中，DEM是全球0.01°空间分辨率高程数据；GF-1辐射定标数据从中国资源卫星应用中心官网下载；2.5 nm光谱重采样函数由中国资源卫星应用中心提供的GF-1光谱响应函数重采样得到。

图1 6S模型GF-1影像大气校正示意Fig.1 Atmospheric correction process of 6S model GF-1 image

1.2 辐射定标

在用6S模型对影像大气校正前，采用式(1)对影像进行绝对辐射定标：

Lλ=Gain×DN，

(1)

式中，Lλ为波段的表观辐射亮度(W·m-2·sr-1·μm-1)；Gain为增益；DN为原始影像像元的灰度值。式(1)中的增益系数在影像的头文件中可以获得。

1.3 表观反射率计算

表观反射率也称大气顶层反射率，表示卫星传感器接收的光谱辐亮度与大气顶层太阳辐亮度的比值[10]。利用式(2)可将表观辐亮度转换为表观反射率：

(2)

式中，d为日地距离校正因子；ESUNλ为中心波长为λ的大气上界太阳光谱辐照度(W·m-2·μm-1)，其值可根据GF-1多光谱影像的光谱响应函数与大气上界太阳光谱辐照度，通过式(3)积分得到：

(3)

式中，Eλ为大气上界太阳光谱辐照度；fλ为光谱响应函数；λ1,λ2为光谱响应函数的起始和终止波长。

GF-1多光谱影像各波段的大气上界太阳光谱辐照度值如表2所示，θ为太阳天顶角,由GF-1头文件得到。

表2 GF-1多光谱影像大气上界太阳光谱辐照度Tab.2 Upper atmospheric solar spectral irradiance of GF-1 multispectral image 单位：W·m-2·μm-1

1.4 6S参数设置及大气校正

本文对6S原始模型添加了GF-1卫星支持，并编译为可执行文件，用Python语言编写代码，自动调用6S程序逐波段计算大气校正系数，得到校正后的地表反射率。整个校正过程中，程序自动读取GF-1原始影像及元数据，用户只需确定影像的能见度或气溶胶厚度，即可进行地表反射率自动化计算。主要步骤如下：

① 6S模型参数设置：利用几何参数(太阳天顶角和方位角、卫星天顶角和方位角、传感器高度、成像时间、全球0.01°空间分辨率的高程数据、2.5 nm光谱重采样响应函数)和大气参数(大气模式、气溶胶类型)配置6S输入文件；

② 调用6S程序，得到GF-1影像各波段的大气校正系数xa、xb、xc；

③ 利用6S模型提供的式(4)和式(5)计算得到校正后地表反射率[11]：

y=xa·Lλ-xb，

(4)

(5)

2 实验结果与分析

调用6S程序后，所得到GF-1影像各波段大气校正系数的统计结果如表3所示。

表3 GF-1卫星多光谱影像6S大气校正输出参数Tab.3 Output parameters of 6S atmospheric correction for GF-1 multispectral imagery

2.1 地物光谱对比分析

本文选取天津2017年2月27日城区和2016年4月9日山区的GF-1星8 m分辨率的多光谱数据进行算法实验，并用ENVI软件中FLAASH大气校正结果作为对比。图2，图3分别是天津城区和山区大气校正前后真彩色合成效果图。对比发现，经过本文算法大气校正后，图像的清晰度、对比度明显提升。

(a)城区

(a)城区

大气校正后，目视选择城区水体、水泥地和山区植被、裸地等每种典型地物的20个纯像元，计算其平均反射率，以定量比较大气校正前后的结果[12-13]。典型地物大气校正前后反射率对比如表4所示。

表4 典型地物大气校正前后反射率对比Tab.4 Reflectance comparison of typical surface features before and after atmospheric correction

由表4可以看出，本文算法在蓝、绿、红波段大气校正后，除了裸地在红波段校正后反射率反而增大，其余地物校正后反射率都小于校正前；在近红外波段，除了水体校正后的反射率减小，其余地物在校正后的反射率都有所增加。所以，本文算法较好的去除了大气的影响，使各地物的反射率趋于正常值，消除了在蓝、绿、红波段气溶胶散射对地表反射的增强，有效校正了在近红外波段水汽对地表反射率的削弱。

水体大气校正、水泥地大气校正、植被大气校正和裸地大气校正前后反射率变化分别如图4～图7所示。

(a)校正前

(a)校正前

(a)校正前

(a)校正前

从图4～图7可以看出，经过本文算法大气校正后，4种典型地物的光谱曲线均符合其光谱特性，并与FLAASH大气校正模型具有良好的一致性，表明本文算法在城区和山区影像大气校正中具有一定的普适性。

2.2 大气校正对NDVI的影响分析

植被指数是植被定量遥感中常用的参数，通常是由2个或2个以上的波段计算得到。归一化植被指数(NDVI)能够有效检验大气校正的效果[14-15]。本文选用NDVI作为指标，对大气校正前后影像的NDVI值变化进行分析，其计算式如下：

(6)

式中，ρnir，ρred分别为近红外和红外波段的反射率。

选取天津城区水体、水泥地和山区植被、裸地等典型地物提取植被指数信息[16]。经式(6)计算得到典型地物大气校正前后NDVI的变化趋势，如图8所示。

图8 大气校正前后典型地物NDVI的变化Fig.8 Changes of NDVI of typical ground objects before and after atmospheric correction

由图8可以看出，本文算法很好地校正了大气对地物NDVI的降低，且与FLAASH模型大气校正后地物的NDVI值变化趋势一致，说明本文大气校正算法在城区和山区都能较好的去除大气影像，还原地物的NDVI值。其中，植被NDVI增幅最大，从校正前的0.079 1增加到校正后的0.252 1(见表4)。大气校正前后NDVI统计如表5所示。

表5 大气校正前后NDVI统计表Tab.5 NDVI statistics before and after atmospheric correction

由表5可以看出，本文大气校正后的NDVI的均值和标准差都大于校正前，即校正后影像目视效果更佳，更有利于进一步进行植被遥感的定量化研究。

2.3 大气校正效率分析

在内存64 GB、CPU主频2.10 GHz、磁盘剩余空间200 GB的运行环境下，FLAASH在参数配置完毕后运行总耗时252 s，而本文方法总耗时118 s，单景影像的处理效率提高了53%。因此，本文算法较FLAASH相比，提高了大气校正效率。

3 结束语

本文基于6S辐射传输模型，设计并实现了适合GF-1 卫星数据大气校正算法与程序，并以FLAASH大气校正结果作为参考，对校正结果进行了验证，得出结论：① 通过典型地物校正前后的反射率和NDVI比较表明，本文算法较好的还原了水体、水泥地、植被和裸地等地物类型的光谱曲线，增加了地表的NDVI值，并与FLAASH校正结果趋势具有较好的一致性；② 本文大气校正算法基于6S辐射传输模型，校正过程自动化，效率高，为GF-1影像的业务化大气校正提供了参考；③ 由于没有地物真实反射率数据，无法对校正的结果进一步定量分析，下一步需要增加地面实测数据对校正结果进一步分析；其次，本文假设地表均一，同时选取550 nm气溶胶光学厚度，这可能导致更大的大气校正误差，下一步研究需要考虑非均一地表带来的临近像元效应的影响以及气溶胶光学厚度的准确获取，来进一步提升大气校正效果。