基于TM影像的FLAASH模塊大氣糾正及評價

劉華堯，李舟，潘真，文思

(1.桂林理工大學測繪地理信息學院，廣西桂林541004； 2.廣州南方測繪儀器有限公司，廣東廣州 510665；3.桂林理工大學土木與建筑工程學院，廣西桂林 541004)

基于TM影像的FLAASH模塊大氣糾正及評價

劉華堯1?，李舟2，潘真3，文思1

(1.桂林理工大學測繪地理信息學院，廣西桂林541004； 2.廣州南方測繪儀器有限公司，廣東廣州 510665；3.桂林理工大學土木與建筑工程學院，廣西桂林 541004)

在高光譜遙感數據處理中，由于受到大氣的影響，傳感器接收到的輻射信息不能真實地反映地表反射光譜信息，因此對遙感影像進行大氣糾正去除其影響，是高光譜遙感數據處理中極為重要的環節。文章介紹了FLAASH模塊的基本原理和TM數據在進行大氣糾正時的參數設置，并用FLAASH模塊對豫西北區TM遙感影像進行大氣校正以及對處理結果進行了薄云糾正程度，光譜糾正情況和歸一化植被指數等的評價，并與ATCOR模型進行了對比。證明FLAASH模塊大氣糾正效果良好。

遙感影像；大氣糾正；FLAASH；TM數據

1 引 言

太陽輻射在真空中傳播時幾乎不受大氣的影響。然而當太陽輻射到達地面在進人傳感器以前，首先經過大氣層，在這個過程中會受到大氣中分子、氣溶膠和云粒子等大氣吸收與散射，這對于定量研究和分類精度造成很大的影響[1]。目前國內外使用的大氣糾正模型主要有CRORN、ACTOR、MODTRAN和FLAASH等[2]。FLAASH大氣糾正模型在國內應用較少，FLAASH是目前精度較高的大氣輻射糾正模型，能有效消除大氣和光照等因素對地物反射的影響，獲得地物較為準確的信息。本文對豫西北地區TM高光譜數據通過FLAASH模塊進行大氣糾正。

2 FLAASH模塊大氣糾正原理及算法

FLAASH是基于MODTRAN4模型的大氣糾正模塊，主要用于從高光譜遙感影像中還原出無大氣影響或受大氣影響較小的地物地表反射率，它糾正的波長范圍為0.4 um～3 um。與其他大氣糾正模型的計算方法不同，FLAASH直接與MODTRAN4的大氣輻射傳輸編碼相結合，而不采用模型數據庫中加入的輻射參數對大氣進行糾正，因此任何標準MODTRAN4大氣模型和氣溶膠類型都可以被直接選用，并計算處無大氣影響的地表反射率。FLAASH能夠生成薄云和卷云的分類影像，對光譜進行平滑，消除噪聲FLAASH大氣糾正基于太陽波譜范圍內(不包括熱輻射)標準的平面朗伯體在傳感器處接收到的單個像元光譜輻射亮度按式(1)進行計算[3]:

式中L為傳感器接收到的某個像元的輻射強度；ρ表示該像元的地表反射率；ρe為該像元及周邊像元的混合平均地表反射率；S為大氣的球面反射率；A，B是由大氣條件及地表下墊面幾何條件所決定的系數。La為太陽輻射經大氣散射后再由地表向上反射通過大氣進入接收傳感器單元的一部分輻照度。大氣散射會引起“鄰近像元效應”，而大多數的大氣輻射糾正模塊中一般假設ρ=ρe，這樣的糾正方式忽略了“鄰近像元效應”，這些模型在地物類型單一而且具有較高能見度的情況下是可行的，但在有薄云或地表反射對比強烈的條件下會導致在短波范圍內大氣糾正結果誤差較大。FLAASH是利用大氣點擴散函數進行空間均衡化處理對鄰近像元效應進行了糾正。在La、S、A、B、ρe已知的前提下，可以使用式(2)計算出像元的空間平均輻射率[4]。e

可以通過原始影像的基本參數計算得出。從而反演出影像的真實輻射率。在計算鄰近像元反射率時，傳感器接收到直接來自目標地物的光子的信號被分為經大氣散射后進入傳感器和經鄰近像元散射后進入傳感器兩部分即:

式中ρRA為大氣散射后直接進入傳感器的輻射率，ρ為地物真實反射率，TRA(us)為傳感器接收到的大氣向上散射透過率，eτ/uv為大氣向上散射透過率，td(uv)為大氣向上漫射透過率，〈ρe〉為鄰近像元反射率，由大氣點擴散函數與像元空間平均反射率的乘積在徑向距離上的二重積分運算獲取，表示為:

其中x，y表示鄰近像元到中心像元的幾何距離，在FLAASH中大氣點擴散函數fr(x，y)用一個徑向距離的近似指數函數代替。ρe(x，y)為像元的空間平均反射率。鄰近像元反射率獲取之后，即可推得式(5)從而得到地物真實反射率ρ。

3 TM數據影像處理和參數設置

3.1 TM影像數據預處理

本文使用的TM影像來自于1984年3月發射的Landsat5衛星，它的衛星高度為7.5 km，半主軸為7285.438 km，傾角98.2°，覆蓋周期為16天掃描寬度185 km，有7個波段。研究區位于河南省西北部，地理坐標為東經112°33′40″～113°38′42″，北緯34°48′55″～35°29′59″。東西長120 km，南北寬77 km。地勢北高南低，地形變化較大地貌類型多樣，總體上可以分為山地、丘陵、平原三部分。平原地區的平均海拔為80 m，丘陵海拔為200 m，山區平均海拔為1 400 m[5]。區域內植被種類分布多樣，使用TM影像時各種地物區分度高，符合實驗條件。

首先對影像數據進行波段疊加，將TM影像的多個波段數據集中為一個包含多光譜的文件。但是由于波段疊加，影像文件所包含的波段信息被清空，為了便于計算機分析，要將相關的信息(衛星類型、波段)進行重新輸入，依據TM衛星各波段波長分布重新輸入波長，為確保研究普遍適用性本文使用的TM影像各波段范圍的中間值。

完成波段參數修改后，影像顯示的是傳感器的感應值，而非輻射的絕對值，需要對影像進行反射輻射值的計算，本文根據影像數據的采集時間將參數設為2004年8月30日，太陽高度角:55.233 228進而進行輻射糾正。由于模塊中要求輻射能量的量綱是μW/(cm2·nm·sr)，而經輻射定標TM數據的量綱為W/(cm2·um·sr)相差10倍的關系，所以我們得到的輻射圖像還要進行尺度因子轉換。最后將得到的輻射文件轉換成FLAASH要求的輸入BIL或者BIP格式。

3.2 糾正參數設置

FLAASH模塊大氣糾正首先要對影像中的大氣參數，包括氣溶膠光學厚度、氣溶膠類型等參數進行設置。因為研究區域大致為于北緯34°地區，時間為8月，所以選擇MLS模型；因為傳感器沒有適當的波段來補償水汽的影響，所以水汽去除參數保持默認；氣溶膠模型選擇Urban；氣溶膠獲取選擇2-Band(K-T)；初始可見度值設置為30 km；光譜平滑選擇Yes；使用鄰域糾正；平滑操作的幅寬為9；Aerosol scale height定義為2 km；CO2mixing ratio定義390；Reuse MODTRAN Calculations選擇NO；Modtran Resolution選擇5 cm；Modtran Multiscatter Model選擇Scaled DISORT這個模型對波長小于1 000 nm的波段處理經度較高，其Streams值設為8；Output scale factor定義為10 000。由于本文影像中零背景比較單一所以tile size值設置為100 M。

4 大氣糾正應用及結果分析

本文選用采集時間為2004年8月30日的Landsat衛星TM影像為例進行FLAASH大氣糾正試驗，糾正結果如圖1、2所示。由圖可見糾正前后的圖像視覺清晰度有了明顯提高，經FLAASH大氣糾正后的TM影像對比度增強，圖像較糾正前更加清晰。根據影像不同位置的比較，發現經過糾正的山區和城鎮區域清晰度都有所提高。說明FLAASH有效去除了大氣中氣溶膠、水汽等大氣因素的影響。

圖1 糾正前后山區影像對比

圖2 糾正前后山區影像對比

為進一步對Landsat衛星TM影像的FLAASH大氣糾正結果進行驗證與評價，利用典型地物波譜曲線和歸一化植被指數(NDVI)對原始圖像與大氣糾正后的圖像進行對比分析。

(1)典型地物波譜曲線分析，在原始圖像和大氣糾正后的圖像中分別隨機選取同名點地物水體、植被和建筑3種典型地物進行光譜曲線分析(圖3)。由圖3可見，隨機選取的3種典型地物中在可見光波段原始圖像的反射率總體比經大氣糾正后圖像的反射率要高，這是因為原始圖像的反射率不是地物的真實反射率，它包含大氣中煙、塵埃、小水滴和氣溶膠等引起的瑞利散射、米氏散射和多次散射等作用，從而導致地物在可見光波段的反射率總體偏高，所以經大氣糾正后的各典型地物在該波段的反射率均比原始圖像反射率降低；而經大氣糾正后植被反射率在近紅外波段上升明顯，這是因為在近紅外波段對其的散射較小。因此從地物光譜分析的角度來看，證明FLAASH大氣糾正可以有效地去除Landsat衛星TM數據中大氣因素的影響。

圖3 糾正前后地物波譜曲線對比

(2)歸一化植被指數NDVI分析，NDVI是一種由遙感傳感器所接收的地物光譜信息推算而得的反映地表植被狀況的定量值。所以就可以利用歸一化植被指數分別分析原始圖像與大氣糾正后的圖像。NDVI的計算公式為[6]:

NDVI=(NIR-R)/(NIR+R)(6)

式中R和NIR分別為紅光和近紅外波段，分別是Landsat衛星TM數據的第3和第4波段。在糾正前后的兩幅影像中隨機選取水體、植被、建筑等同名點的歸一化植被指數(NDVI)值進行對比分析如表1所示。

糾正前后歸一化植被指數比較 表1

由表1可以得到3種地物經FLAASH大氣糾正后的NDVI值總體上比原始影像的NDVI值高。特別是植被地區，其糾正后的歸一化植被指數提高幅度較大，說明FLAASH大氣糾正模塊對于植被覆蓋較密的地區的TM影像的糾正效果更為明顯。

(3)與ATCOR糾正結果的對比分析，為了對校正結果進行評價以植被的地物反射曲線為例，從圖像中分別按FLAASH和ATCOR模型糾正后提取植被的反射率曲線進行對比。

圖4 FLAASH和ATCOR校正后植被的地物反射率曲線對比

圖4分別是采用FLAASH和ATCOR校正后的植被地物反射率曲線。由圖4分析FLAASH和ATCOR糾正都能夠較好地糾正植被的反射率光譜特征，可以去除絕大多數的大氣影響，但是由于FLAASH綜合考慮了大氣中的分子散射和氣溶膠散射的影響，在綠光波段FLAASH糾正后的反射率比ATCOR校正結果更接近真實反射率；紅外波段FLAASH較ATCOR也更為精確。將兩種方法的校正結果與真實結果進行誤差分析，在整個波譜范圍內FLAASH與真實反射率曲線的絕對誤差平均值在0.007 3～0.015之間，而ATCOR與真實反射率曲線的絕對誤差均值在0.003 8～0.063之間，這在一定程度上表明FLAASH糾正的結果更為穩定。

5 結 論

本文通過對豫西北地區的高光譜數據進行FLAASH大氣糾正及評價，結果表明，FLAASH能夠有效去除TM影像的大氣影響和糾正漫反射引起的領域效應，經糾正后的影像地表地物的影像清晰度有明顯提升。FLAASH能夠有效改善典型地物的光譜特征以及NDVI值，經糾正后的典型地物光譜特征和NDVI值都有明顯的提升。經與ATCOR模型進行對比，FLAASH也體現出了一定的優勢。由此可見，應用FLAASH模塊能較好地消除TM影像的大氣影響，從而更好地從高光譜遙感影像中獲取地物的地表反射率信息。

[1] 宋曉宇，王紀華，劉良云等.基于高光譜遙感影像的大氣糾正:用AVIRIS數據評價大氣糾正模塊FLAASH[J].遙感技術與應用，2005，20(4):393～398.

[2] Matthew MW，Adler-Golden SM，Berk A，etal.Atmospheric correction of spectral imagery:Evaluation of the FLAASH algorithm with AVIRIS data[J].Applied Imagery Patten Recognition Workshop，2002，31st:157～163.

[3] 何海艦.基于輻射傳輸模型的遙感圖像大氣校正方法研究[D].長春:東北師范大學，2006.

[4] Fallah-Adl H，JaJ，Liang S.Efficientalgorithms for estimating atmospheric parameters for surface reflectance retrieval[C]. 1996 International Conference on Parallel Processing，1996: 132～140.

[5] 中科學院數據庫國際科學數據服務中心LANDSAT5TM衛星數字產品[EB/OL].2012.

[6] 李苗苗，吳炳方，顏長珍.密云水庫上游植被覆蓋度的遙感估算[J].資源科學，2004，26(4):135～158.

FLAASH M odule Atmospheric Correction and Evaluation Based on TM Image

Liu Huayao1，Li Zhou2，Pan Zhen3，Wen Si1
(1.College of Geomatics and Geoinformation，Guilin University of Technology，Guilin 541004，China；2.Guanzhou South Surveying＆Mapping Instrument Co.，Ltd.Guangzhou 510665，China；3.College of Geomatics and Geoinformation，College of Civil Engineening and Architecture，Guilin 541004，China)

In hyper spectral remote sensing data processing，due to the influence of the atmosphere，the sensor can not receive the truly reflection spectrum information reflect form the surface.Therefore for remote sensing image for atmospheric correction to remove its influence is very important link in hyper spectral remote sensing data processing.This paper introduces the basic principle of FLAASH module and TM data parameter settings for atmospheric correction.This paper use FLAASH module to correct the TM remote sensing image ofwestern north of Henan，It dealwith the correct degree of cloud，spectrum correction and Normalized Difference Vegetation Index.The results show that FLAASH module atmospheric correction effect is good.

remote sensing image；atmospheric correction；FLAASH；TM data

1672-8262(2013)05-63-04

TP75

A

2012—12—13

劉華堯(1986—)，男，碩士研究生，研究方向為GIS基礎理論與應用方法。

廣西自然科學基金重點項目(2011GXNSFD018003)；廣西空間信息重點實驗室基金(1103108-03)。