黃河源區遙感數據的大氣校正及其效果分析

趙 凱，趙之重，徐劍波，宋立生，崔江鋒

（1.華南農業大學信息學院，廣東廣州510642；2.青海大學農牧學院，青海西寧430072）

黃河源區遙感數據的大氣校正及其效果分析

趙 凱1，趙之重2＊，徐劍波1，宋立生1，崔江鋒2

（1.華南農業大學信息學院，廣東廣州510642；2.青海大學農牧學院，青海西寧430072）

利用6S模型結合暗目標法確定TM過境時的最優氣象能見度，分別使用MODIS氣溶膠產品（MOD04）、最優氣象能見度作為TM的氣溶膠光學厚度，對黃河源區的Landsat TM數據進行大氣校正。以同步野外實測地面數據為標準，比較了兩種氣溶膠參數輸入方法的校正結果，并從光譜曲線、植被指數、草地生物量的估算三方面探討了大氣校正的效果，兩種氣溶膠參數輸入方法均可以對遙感圖像進行有效的大氣校正，消除因散射增加的輻射能量，同時補償因吸收而損失的輻射能量。經過大氣校正后的TM光譜更接近真實地表光譜，更有助于地物真實光譜信息的提取，同時對與該地區相似氣候條件下影像的大氣校正有借鑒意義。

大氣校正；Landsat TM；6S模型；植被指數；生物量

0 引言

遙感影像的大氣校正方法大致可以歸納為基于圖像特征的相對校正法、基于地面線性回歸模型法、基于大氣輻射傳輸模型法和復合模型法［1］，其中基于輻射傳輸模型的校正方法建立在電磁波在大氣中輻射傳輸的原理之上，模型物理意義明顯，校正精度高，普適性好，在近年得到了廣泛應用［2－4］。6S模型基于輻射傳輸理論，考慮了地形、氣象、光譜等多種參數的共同作用，適用于波長范圍為0.25～4.0μm的多光譜遙感數據大氣校正；在該模型中氣溶膠光學厚度參數對大氣校正結果的精度影響最大，而大氣校正最重要、最難的部分就是氣溶膠散射的校正［5］。獲取氣溶膠光學厚度最好的方法是利用太陽分光光度計實測獲得，但受區域范圍、地表復雜程度、測量樣點數以及歷史影像數據氣溶膠厚度不易獲取等因素的影響，限制了這種方法的廣泛應用［5］。楊貴軍等［6，7］嘗試將MODIS氣溶膠產品應用于大氣校正，楊靜學等［5，8］通過6S模型和地面暗目標建立查找表，估算出當天的MODIS氣溶膠光學厚度代替TM的氣溶膠光學厚度進行大氣校正。然而部分陸地區域由于太陽天頂角大于72°，NASA不提供這些區域的氣溶膠產品；同時MODIS與TM衛星過境時間也有差異，使用成像時間相差較大的MODIS氣溶膠光學厚度代替TM的氣溶膠光學厚度，必然會對校正結果有一定的影響。此外，6S模型也提供了通過氣象能見度計算氣溶膠光學厚度的方法，阿布都瓦斯提等［9，10］根據同步氣象資料輸入氣象能見度，確定大氣中氣溶膠的含量。但在無法獲得同步氣象資料時，通常只能根據天氣條件估算氣象能見度，這種方法產生的人為誤差較大，特別是對于歷史影像數據更是增加了估算難度。

黃河源區作為三江源自然保護區的典型代表，具有特殊的生境，由于該地區海拔較高，下墊面和大氣狀況相比低海拔地區有所差異，現有大氣校正模型是否適用于黃河源區的遙感數據大氣校正，目前鮮有文獻報道。本研究基于6S模型，利用地面暗目標確定TM過境時的最優氣象能見度；分別使用MODIS氣溶膠產品、最優氣象能見度作為TM的氣溶膠光學厚度對黃河源區的Landsat TM數據進行大氣校正。以同步野外實測地面數據作為標準，比較兩種氣溶膠參數輸入方法的校正結果，評價最優氣象能見度氣溶膠參數輸入方法的可行性。此外，從光譜曲線、植被指數、草地生物量的估算三方面分析大氣校正的效果，從而確定適合研究區遙感數據大氣校正的方法，以保證地表反射率衍生信息的精度、質量與可用性。

1 數據與模型

研究區瑪多縣位于青海省南部（33°50′～35°40′N，96°55′～99°20′E），是三江源自然保護區的典型區域，在西部大開發生態環境的治理保護中具有重要作用。全縣總面積25 253 km2，為高原草原地帶，屬高原大陸性半濕潤氣候，年均溫－2.1～5.3℃，年降水量247.8～484.8 mm。本研究使用的遙感數據為2011年8月8日Landsat TM影像，衛星過境時間11∶52，軌道號為134／36，對其進行了輻射校正、幾何糾正、輻射定標等預處理；選用MODIS氣溶膠產品（MOD04），衛星過境時間11∶30；在瑪多縣布設了2個樣地進行同步野外觀測，樣地1觀測時間11∶20－11∶50，樣地2觀測時間12∶40—13∶10。采用美國ASD公司的Field Spec Handheld便攜式野外地物光譜儀和標準漫反射板得到地物光譜曲線，然后利用ENVI軟件進行波譜重采樣，將其匹配到衛星傳感器相應的波段上。

6S模型建立在輻射傳輸理論基礎之上，描述了不同的遙感器、不同的地面狀況下太陽光在太陽—地面目標—遙感器整個傳輸路徑中所受大氣的影響［9］；該模型兼顧大氣分子散射與氣溶膠散射及其相互作用，采用連續散射方法求解輻射傳輸方程，假定下墊面是反射率為ρt的均勻朗伯面，根據遙感方程遙感器接收的表觀反射率ρ＊可表示為［11］：

表1 6S模型輸入參數Table 1 Input parameters of 6S model

2 氣溶膠光學厚度計算

6S模型使用氣溶膠的濃度表示大氣中氣溶膠的含量，用戶可以直接給定550 nm處的氣溶膠光學厚度值，也可以根據輸入的氣象能見度值（km）計算出氣溶膠在550 nm處的光學厚度。

2.1 MODIS氣溶膠光學厚度

MODIS標準數據產品中的氣溶膠產品（MOD04）主要是利用空間分辨率為250 m的1波段（620～670 nm）以及500 m的3波段（459～479 nm）、7波段（2 105～2 135 nm）3個波段的反射率，然后利用陸地上空AOD的暗目標算法作為MODIS反演氣溶膠的業務算法，為使用者提供了空間分辨率為10 km的AOD產品［12］。衛星過境時間相近時，MODIS氣溶膠光學厚度可代替TM過境時的氣溶膠光學厚度。根據MODIS氣溶膠產品得到地面同步觀測的2塊樣地在550 nm處的氣溶膠光學厚度值均為0.16。

2.2 最優氣象能見度計算

Kaufman等［13］從大量飛機試驗數據中發現濃密植被在2.1μm通道附近的表觀反射率與可見光波段的反射率有良好的比例關系，而陸地上有濃密植被覆蓋的地區在2.1μm衛星通道表觀反射率幾乎不受氣溶膠影響。因此，可以用2.1μm通道表觀反射率代替2.1μm通道地表反射率，確定可見光紅通道和藍通道地表反射率，公式如下：

本研究嘗試在6S模型中利用地面暗目標確定TM過境時的最優氣象能見度。先提取濃密植被像元，從中隨機選取20個作為地面暗目標，根據式（2）用TM第7波段的表觀反射率計算出地面暗目標在第1、3波段的反射率ρ0.47、ρ0.66。分別假設氣象能見度為10 km、15 km、20 km、25 km、30 km、35 km、40 km，利用6S模型計算出地面暗目標對應不同氣象能見度時第1、3波段的地表反射率，并與ρ0.47、ρ0.66比較，平均絕對誤差最小的一組地表反射率對應的氣象能見度為最優氣象能見度。

3 結果分析

3.1 大氣校正對地物光譜特征的影響

在缺少地面實測數據時，通常從校正前后影像的對比度、直方圖的范圍來評價校正效果。本研究采用同步野外實測地表反射率定量評價校正結果的精度，因光譜儀波譜范圍為325～1 075 nm，只能對TM前4個波段進行大氣校正的精度評價。如圖1所示，未經大氣校正的原始圖像的表觀反射率與實際地面測量值存在較大差異。經過大氣校正后，TM可見光波段（第1～3波段）的反射率有所降低，其中藍光波段（Band1）最為明顯，綠光波段（Band2）次之；而近紅外波段（Band4）的反射率有所升高。經過大氣校正后的反射率數據與地面實測數據更加接近，更能反映真實的地表狀況。

圖1 大氣校正前后地物光譜曲線變化Fig.1 The object spectral response curves before and after atmospheric correction

可見光波段在大氣窗口內的輻射失真現象主要由瑞利散射和氣溶膠的散射引起，隨著波長的增大逐漸減弱。其中對藍光波段的瑞利散射最強，散射常使可見光波段的亮度值增加；在近紅外波段大氣散射作用較小，而水汽吸收率大，從而降低近紅外像元亮度值。因此，經過大氣校正后，可見光波段反射輻射下降，并且藍光波段反射率減少最為明顯，而在近紅外波段反射率上升。說明本研究采用的方法可對大氣效應引起的輻射失真進行輻射校正，消除因散射增加的輻射能量，補償因吸收而損失的輻射能量。

大氣校正后反射率與同步野外實測地表反射率依然存在偏差，影響因素主要包括時間上非絕對同步、尺度效應、輻射傳輸模型采用近似計算、假設地表為朗伯體等；另外，野外實地測量時會存在人為因素帶來的誤差，如參考板放置不水平、測量時抖動等，同時地理位置、天氣條件也造成實測數據難以精確。樣地1觀測時間相比樣地2更接近TM衛星過境時間，因而在圖1中1—16號點的校正效果更好。

為比較兩種參數輸入方法的校正結果，采用平均絕對誤差（MAE）和均方根誤差（RMSE）進行評價，公式如下：

表2 大氣校正結果比較Table 2 Comparison of atmosphere correction results

從表2可以看出兩種參數輸入方法的校正結果相差不大，由于本研究使用的MODIS氣溶膠產品與TM衛星過境時間較為接近，因此，可以用MODIS氣溶膠光學厚度代替TM氣溶膠光學厚度。相比之下，使用最優氣象能見度的氣溶膠參數輸入方法進行大氣校正同樣能取得理想效果。因而，在沒有同步氣象資料且MODIS衛星過境時間與TM又相差較大時，可采用上述方法確定TM過境時的最優氣象能見度，對黃河源區遙感數據進行大氣校正。

3.2 大氣校正對NDVI的影響

在植被遙感中，植被指數NDVI應用最為廣泛，已有研究［9，15］表明，利用NDVI能檢測大氣校正的效果。NDVI的計算公式如下：

式中：DNNIR和DNR分別表示TM數據近紅外波段和紅波段的DN值和分別表示大氣校正前TM數據近紅外波段和紅波段的表觀反射率；ρNIR和ρR分別表示使用最優氣象能見度的氣溶膠參數輸入方法進行大氣校正后TM數據近紅外波段和紅波段的反射率。

從圖2可以看出，直接用DN值計算的NDVI值較小，減少了信息量，主要是大氣對紅與近紅外波段有不同的衰減系數，表現為大氣的吸收與散射使植被在紅波段增加了輻射，而在近紅外波段降低了輻射，從而使NDVI值減小［16］。大氣校正后紅光波段反射率降低，而近紅外波段反射率增加，使用經6S模型大氣校正后的反射率計算的NDVI值比表觀反射率計算的值大，與地表實測反射率計算的NDVI值更為接近。大氣效應會使NDVI發生變化，大氣校正前后NDVI變化會達到18%，這種變化會限制對植被的準確探測［17］；未經大氣校正計算的NDVI只能用于快速監測植被變化中［18］，因而，在NDVI的提取、應用研究中，需要考慮大氣效應的影響。

圖2 大氣校正對NDVI的影響Fig.2 Influence of atmospheric correction on NDVI

3.3 大氣校正對草地生物量估算的影響

毛留喜等［19－21］利用地面樣點實測的生物量結合相應月份遙感數據，計算得到與樣點對應的植被指數，建立生物量與植被指數之間的關系模型。大氣對植被指數有影響，大氣效應會使植被覆蓋度的反演精度降低［22］。因此，利用大氣校正前后的影像反演草地生物量，也可以間接反映大氣校正的效果。本研究使用6S模型對2009年7月17日TM數據進行了大氣校正，比較大氣校正前后的NDVI、EVI與地面樣點實測的生物量建立的模型的精度。生物量野外調查樣點布設在瑪多縣的11個三江源自然保護區生態監測站，在每個生態監測站樣區取6個大小1 m的樣方，調查時間為2009年7—8月。由表3可知，雖然大氣校正前后估算模型方程的變化不顯著，也可看出使用大氣校正后的植被指數建立的遙感估算模型精度更高一些，主要是因為大氣效應影響植被指數的計算結果，經過大氣校正后的植被指數更能反映真實的植被信息。

表3 大氣校正前后草地生物量估算模型Table 3 The estimation model of the grassland biomass before and after atmospheric correction

4 結論

本研究假設地面像元為均一、朗伯地表，使用6S模型對黃河源區瑪多縣的Landsat TM數據進行了大氣校正，結合同步野外實測地面光譜數據評價大氣校正的效果，可以得出以下結論：

大氣校正前后的衛星光譜反射率與ASD Field－Spec Handheld同步野外實測地面光譜數據比較表明，在可見光波段，校正后的反射率相對于表觀反射率呈現下降趨勢，在藍色波段尤為明顯；隨著波長的增加這種趨勢逐漸減緩，到近紅外波段時，相對于原圖像的表觀反射率有所升高。經6S模型大氣校正處理后的數據有效降低了大氣對電磁波傳輸過程中的影響和作用，可以更真實地反映地物反射特征，有助于地物真實光譜信息的提取及地物識別研究。在無法獲取到同步氣象資料且MODIS衛星過境時間又與TM相差較大時，可利用地面暗目標確定TM過境時的最優氣象能見度，將最優氣象能見度作為氣溶膠參數輸入6S模型以進行大氣校正。大氣效應對植被指數的計算結果有影響，在紅波段增加了輻射，而在近紅外波段降低了輻射，在植被指數的提取、應用研究中，需要考慮大氣效應對植被指數的影響，經過大氣校正后的植被指數更能反映真實植被信息，使用大氣校正后的植被指數估算草地生物量的精度更高。

［1］ 亓雪勇，田慶久.光學遙感大氣校正研究進展［J］.國土資源遙感，2005（4）：1－6.

［2］ 姚薇，李志軍，姚珙，等.Landsat衛星遙感影像的大氣校正方法研究［J］.大氣科學學報，2011，34（2）：251－256.

［3］ 鄭盛，趙祥，張顥，等.HJ－1衛星CCD數據的大氣校正及其效果分析［J］.遙感學報，2011，15（4）：709－721.

［4］ CALLIECO F，DELL′ACQUA F.A comparison between two radiative transfer models for atmospheric correction over a wide range of wavelengths［J］.International Journal of Remote Sensing，2011，32（5）：1357－1370.

［5］ 楊靜學，王云鵬，楊勇.基于高程或氣溶膠厚度與6S模型校正參數回歸方程的遙感圖像大氣校正模型［J］.遙感技術與應用，2009，4（3）：331－340.

［6］ 楊貴軍，黃文江，劉三超，等.環境減災衛星高光譜數據大氣校正模型及驗證［J］.北京大學學報（自然科學版），2010，46（5）：821－828.

［7］ TIAN L，LU J，CHEN X，et al.Atmospheric correction of HJ－1A／B CCD images over Chinese coastal waters using MODISTerra aerosol data［J］.Science China Technological Sciences，2010，53（S1）：191－195.

［8］ 唐洪釗，晏磊，李成才，等.基于MODIS高分辨率氣溶膠反演的ETM＋影像大氣校正［J］.地理與地理信息科學，2010，26（4）：12－15.

［9］ 阿布都瓦斯提·吾拉木，秦其明，朱黎江.基于6S模型的可見光、近紅外遙感數據的大氣校正［J］.北京大學學報（自然科學版），2004，40（4）：611－618.

［10］ 武永利，欒青，田國珍.基于6S模型的FY－3A／MERSI可見光到近紅外波段大氣校正［J］.應用生態學報，2011，22（6）：1537－1542.

［11］ VERMOTE E F，TANRE D，DEUZ J L，et al.The Second Simulation of the Satellite Signal in the Solar Spectrum（6S）User′s Guide［Z］.1997.

［12］ 孫娟，束炯，魯小琴，等.上海地區氣溶膠特征及MODIS氣溶膠產品在能見度中的應用［J］.環境污染與防治，2007，29（2）：127－131.

［13］ KAUFMAN Y J，WALD A E，REMER L A，et al.The MODIS 2.1μm channel－correlation with visible reflectance for use in remote sensing of aerosol［J］.IEEE Transactions on Geoscience and Remote Sensing，1997，35（5）：1286－1298.

［14］ 石鋒，沙晉明，張友水，等.基于高程分層方法的HJ－1B CCD2影像大氣校正［J］.遙感技術與應用，2011，26（6）：775－781.

［15］ 徐春燕，馮學智.TM圖像大氣校正及其對地物光譜響應特征的影響分析［J］.南京大學學報（自然科學版），2007，43（3）：309－317.

［16］ 趙英時.遙感應用分析原理與方法［M］.北京：科學出版社，2003.372－386.

［17］ HADJIMITSIS D G，PAPADAVID G，AGAPIOU A，et al.Atmospheric correction for satellite remotely sensed data intended for agricultural applications：Impact on vegetation indices［J］.Natural Hazards and Earth System Sciences，2010（10）：89－95.

［18］ TACHIIRI K.Calculating NDVI for NOAA／AVHRR data after atmospheric correction for extensive images using 6S code：A case study in the Marsabit District，Kenya［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2005，59：103－114.

［19］ 毛留喜，侯英雨，錢拴，等.牧草產量的遙感估算與載畜能力研究［J］.農業工程學報，2008，24（8）：147－151.

［20］ 崔霞，梁天剛，劉勇.基于MOD09GA產品的草地生物量遙感估算模型［J］.蘭州大學學報（自然科學版），2009，45（5）：79－87.

［21］ 方金，黃曉東，王瑋，等.青藏高原草地生物量遙感動態監測［J］.草業科學，2011，28（7）：1345－1351.

［22］ GU Z，ZENG Z，SHI X，et al.Assessing factors influencing vegetation coverage calculation with remote sensing imagery［J］.International Journal of Remote Sensing，2009，30（10）：2479－2489.

Abstract：This paper deals with a suitable atmospheric correction method based on Landsat TM image in the source region of the Yellow River，a method based on 6S radiation transfer code and dark object was used to determine the optimal meteorological visibility on sensing time，and the MODIS aerosol product（MOD04）and the optimal meteorological visibility were used to extract Aerosol Optical Thickness（AOT）values at 550 nm respectively in the atmosphere correction.Validation analysis was conducted by comparing the reflectance data corrected and uncorrected atmospherically，significant differences occurred between them.The values of the corrected reflectance of TM visible bands decreased obviously，whereas those of TM near－infrared band increased.The retrieved surface reflectance and vegetation index after atmospheric correction were evaluated against the groundbased reflectance measured by ASD Field Spec Handheld during Landsat TM satellite overpass，and it is shown that the curves of the figures are similar.Furthermore，the vegetation index after atmospheric correction used for estimating grassland biomass can achieve better results.That is to say both methods used in this paper to extract AOT values could carry out the radiation correction to radiation－induced distortion caused by atmospheric effects，which can eliminate the radiative energy increased by scattering and simultaneously compensate the radiative energy lost by absorption，the atmospheric corrected TM spectrum is closer to measured objects spectrum，so it is more conducive to extracting ground object spectrum information，This method also can be applied in the regions with similar climate conditions for references.

Key words：atmospheric correction；Landsat TM；6S model；vegetation index；biomass

Atmospheric Correction of Remote Sensing Images in the Source Region of the Yellow River and Analysis of Its Effect

ZHAO Kai1，ZHAO Zhi－zhong2，XU Jian－bo1，SONG Li－sheng1，CUI Jiang－feng2
（1.College of Informatics，South China Agricultural University，Guangzhou 510642；2.Agriculture and Animal Husbandry College，Qinghai University，Xining 430072，China）

P407.8

A

1672－0504（2012）04－0046－05

2011－12－27；

2012－03－14

國家自然科學基金項目（41061024）；青海省科學技術廳資助項目（2009－J－805）

趙凱（1989－），男，碩士研究生，研究方向為農業資源與環境信息系統。＊通訊作者E－mail：qd＿zzz＠163.com