一种基于PIE-Engine的卫星遥感影像大气校正系统研究

摘要：该文概述了大气校正的基本内容和主要特点并剖析了其必要性，分别从背景技术、系统架构、业务流程、关键技术及具体实现5个层面，对一种时空遥感云平台（PIE-Engine）的卫星遥感影像大气校正系统进行了具体探讨，以供参考。

关键词：卫星遥感影像；大气校正；系统

doi：10.3969/J.ISSN.1672-7274.2024.10.002

中图分类号：TP 751 文献标志码：A 文章编码：1672-7274（2024）10-000-03

Research on a Satellite Remote Sensing Image Atmospheric Correction System Based on PIE Engine

Abstract： This article takes this as a starting point to outline the basic content and main characteristics of atmospheric correction， and analyzes its necessity. It discusses a satellite remote sensing image atmospheric correction system for a spatiotemporal remote sensing cloud platform （PIE Engine） from five aspects： background technology， system architecture， business process， key technology， and specific implementation， for reference.

Keywords： satellite remote sensing images; atmospheric correction; system

1 大气校正概述

地表反射率是反映和衡量地物真实光谱特性的关键指标，在自然资源调查中，可为土壤含水量、植被覆盖度等地表理化参数估算提供科学依据，大气校正作为获取它的一种方法，操作时工作人员一般通过消除卫星遥感影像中的辐射误差（由大气效应影响产生）实现。从校正流程看，为提高大气散射和透过率，既要充分考虑观测几何、气溶胶特性、大气成分等因素，又要采用适配的大气校正模型。从特点看，大气校正的专业性要求较高，实施期间对技术的依赖程度较高，并且十分强调基于遥感云平台的数据资源利用等[1]。

2 卫星遥感影像大气校正系统开发必要性

近几年，基于卫星遥感技术的自然资源调查实践中，应用了多种数字化技术和5G技术，通过将其中的算力和人的想象力、创新力进行多元融合，不仅从理论上深化了人们对遥感过程机理的探究，还在技术层面促进了基于模型的大气校正系统开发、设计及应用等。尤其在知识产权和技术成果转化方面，具有自主产权的时空遥感云服务平台（PIE-Engine）可以提供丰富的数据资源，为基于遥感云平台的大气校正系统设计与实现提供了有力支持。在此前提下，有必要进一步推进卫星遥感影像大气校正系统研究及开发。另外，太阳辐射和大气之间存在相互作用，在太阳直射、天空漫射、目标反射及程辐射过程中，大气会同时进行吸收、散射、反射、折射。此时，卫星传感器会接收其中辐射并影响卫星遥感影像质量，设计具备指定输入、灵活查询、高速率大气辐射传输模型等功能的大气校正系统，有助于减少工作人员的工作量，优化大气校正流程，提高其业务处理成效等[2]。

3 一种卫星遥感影像大气校正系统的

设计与实现

3.1 技术背景

首先，卫星遥感影像大气校正领域应用的经典模型主要有两种，一种是波谱科学研究所开发的FLAASH（Fast Line-of-Sight Atmospheric Analysis of Spectral Hypercubes）模型，适用波长范围可达到3 μm，在高光谱辐射能量影像反射率反演方面的应用优势比较显著。另一种是Eric Vemote改进5S模型形成的6S（Second Simulation of a Satellite Signal in the Solar Spectrum）模型，光谱积分步长是5S模型的1/2（即2.5 nm），不仅增加了对一氧化碳和一氧化二氮两种气体的吸收计算，还可以借助SOS（Successive Order of Scattering）方法完成对散射作用的精准计算等。

其次，谷歌地球引擎（Google Earth Engine，GEE）和我国自主研发的PIE-Engin等遥感云平台的出现，一方面能够集成不同时期的海量多源遥感卫星影像并对其进行分类存储，另一方面借助云端算法可实现相关影像数据快速处理的可视化呈现。尤其基于遥感云平台可搭建不同类型的大气校正系统，实现对大气散射和辐射传输过程的精准模拟与高效解析，并通过提升大气校正精度真正促进生成信息在自然资源调查和相关地理参数估算中的应用[3]。

3.2 系统架构

笔者通过查阅背景技术相关文献资料并与同行业人士开展技术交流，认为PIE-Engine具备丰富的数据资源和遥感算子，可以解决传统模式下遥感卫星影像大气校正质量不及预期、海量卫星遥感影像-本地服务器端存储不协调问题。同时，配套应用一些先进的行星光谱生成器（Planetary Spectrum Generator，PSG），可以更好地提升大气校正水平。在这种思路下，提出了一种基于PIE-Engine的大气校正系统，主要由平台层、数据层、技术支撑层、功能层、应用层构成。具体如图1所示。

3.3 业务流程

该系统涉及用户、管理员、服务器、Python解译器等若干构成要素，为保障整个系统的有序运行，工作人员设置了三大业务流程。具体而言，该系统业务包括图形用户界面部分、Web服务器部分及其他要素组成的部分。从图2中的流程设置看，通过Html/Css、Leaflet/Cesuim等前端Web GIS技术构成的图形用户界面可以与用户、管理员、Web服务器完成信息交互。以用户端为例，用户选择目标需求或提交资料数据到图形用户界面后，该界面可以浏览图形化结果或下载反演数据。以管理员端为例，在通过图形用户界面监控系统当前状态信息期间，可以在其界面更新维护大气参数查找表等服务器端资料。以Web服务器为例，主要收集来自FastAPI Web框架和互相连接的GIS服务器—数据服务器传输数据，并将其显示到图形用户界面之中，同时反馈界面中的数据等[4]。

进一步看，用户经浏览器把参数（如大气模型、过境时间、数据获取日期、目标海拔高度、传感器类型等）提交后，此类信息会通过“本地服务器接收信息→服务器响应用户请求→通过PIE-Engine使用信息”等流程被处理和获取。需要注意的是，在操作中使用“查找表”时，如果其中的参数（如地点、观测时间、影像等字段）被查询且查询目标找到匹配参数，此时平台会自动判定并确定在计算方面“是否运用查找表”。在这种情况下，需要区分两种情况下的查找情况，第一种情况是判定结果为“否”，此时需要借助PSG模型完成对相关参数的获取，即在模型中输入相关参数后，通过模型解析得到所查参数；第二种情况是判定结果为“是”，此时直接使用大气校正系统可以查询其中的6个参数。在辐射分量获取后，针对6个参数计算和查找表更新要求，可应用其中的“四流近似模型”完成相关运算。从以往的实践经验看，在“是”和“否”两种判定结果下，处理的对象存在差异，前者是沿太阳光线方向针对透过率、反射率、反照率等进行计算；后者是针对各种辐射分量进行解耦计算。最后，存储库中储存系统业务流程处理获取的卫星遥感影像相关的6个参数，并对数据链接进行提交，完成评价后再把处理结果以报表形式显示到客户界面[5]。

3.4 关键技术

（1）以存储与检索技术为例，该技术应用时以时空遥感云平台为支撑，主要通过PIE-Engine中设置的Python模块完成一系列操作，主要包括：影像检索；数据在线或远程访问；原始遥感影像传输；云端内置遥感影像存储等。在应用该技术时，工作人员可以充分利用其中的基础数据，并逐渐增强对此类数据的“嵌入”和“输入”及“存储”等。

（2）以前后端分离技术为例，它是在FastAPI技术支持下采用的一种大气校正关键技术。应用时，工作人员通常会选择OpenAPI标准，并在该标准下基于Web框架完成相关的Python开发等。需要注意的是，在该标准下进行操作时，需要充分利用配套的兼容模块和数据库或计算库，以保障整个开发的高效性。尤其在构建API过程中，涉及对大气校正系统的分离开发问题，工作人员应根据实际情况区分“前端开发”和“后端开发”并在同步开发过程中充分发挥该技术的优势。

（3）以大气校正参数求解模型为例，工作人员可以把“总辐射贡献”表示为“表观反射率”，然后基于“四流近似”理论应用该模型。操作时，假设地表反射率，将其用公式表示为

式中，、、、、、、分别代表表观反射率、大气的双向反射率（大气顶层）、大气的球面反照率（大气底层）、整层透过率（沿太阳走向方向传输到地表时的大气）、漫射透过率（半球到传感器观测方向）、漫透射率（太阳光线方向到半球）、直射透过率（地表到传感器观测方向）。在、、的条件下，借助PSG模型完成三组重复模拟，并求解6参数（、、、、、）。

（4）以GPS模型为例，主要通过“采集信息辐射→传输模拟辐射信息→GPS模型解耦信息→输出辐射值”等完成对传感器端辐射结果的模拟。需要注意的是，该模型在输出表观辐射亮度结果方面，不是对辐射分量的直接解析，而是在“1次原始模型（总辐射贡献）”和“4次模拟（辐射分量）”条件下完成分量解耦。为了保障模型应用成效，工作人员在应用中会根据实际情况配套应用商用模型MODTRAN4模型，并通过对比其解耦结果为输出结果的精准性提供保障。

（5）以自适应查找表技术为例，在卫星传感器、大气校正6参数等记录方面，应用基于查找表计算判定规则的大气校正查找表，可以根据设定的“阈值”分析“计算值”，并借助插值运算等实现对计算值的获取、校正、输出等。通常而言，当两种值出现差异较大的情况时，工作人员需要通过手动方式，调用大气校正参数求解模型完成计算等。

3.5 系统实现

该系统是一种基于PIE-Engine的大气校正系统，工作人员主要结合上述技术流程体系从硬件和软件方面实现对系统的搭建。首先，根据系统框架和业务流程中需要配置的硬件设备要求，进行市场调研和设备选型。其次，工作人员根据系统业务流程要求使用Python语言完成三大业务流程中各子系统的编程工作。例如，在系统操作界面程序设置完毕后，其中的“查询数据栏”主要包括“选择日期范围→确定纬度、经度→选择卫星影像、传感器→大气模式/气溶胶模式→丰度贡献→名称”和“地址注释→查询数据→开始/执行/中断操作”等，以及界面的“点位信息”、“可下载报表”等。

4 结束语

综上所述，大气校正构成内容丰富，校正流程复杂，在新时期自然资源调查实践中有必要依托技术赋能路径，开发一些适配性较高的卫星遥感影像大气校正系统。建议工作人员在当前阶段尽可能在经典大气校正模型基础上，按照“大平台+小系统”的基本框架，设计基于“遥感云计算平台”的实用系统，进而通过提高大气校正效果为自然资源调查工作赋能。■

参考文献

[1] 李万清．卫星遥感影像处理技术及应用实践[J]．科技创新与应用，2023，13（24）：189-192．

[2] 张泽瑞，范大昭，纪松，等．结合注意力机制的卫星遥感影像立体匹配[J]．时空信息学报，2024，31（1）：41-49．

[3] 薛佳．应用卫星遥感影像的内外业一体化地形图制作[J]．科学与信息化，2023，11（8）：62．

[4] 魏瑀皓，黄松，黄亚妮．基于改进YOLOv7的卫星遥感影像多尺度目标检测方法[J]．航天返回与遥感，2024，45（2）：153-162．

[5] 李娜，董新丰，王靖岚，等．面向地质应用的ZY-1 02D高光谱数据大气校正方法对比[J]．自然资源遥感，2023，35（4）：17-24．