結合光譜響應函數的Landsat－8影像大氣校正研究

蒲莉莉，劉斌

（1.新疆大學資源與環境科學學院，烏魯木齊830046；2.新疆測繪科學研究院，烏魯木齊830001）

結合光譜響應函數的Landsat－8影像大氣校正研究

蒲莉莉1，劉斌2

（1.新疆大學資源與環境科學學院，烏魯木齊830046；2.新疆測繪科學研究院，烏魯木齊830001）

針對受大氣吸收與散射影響，遙感器得到的測量值與目標物的真實值間存在誤差，給反演地表反射率／反照率和地表溫度等關鍵參數帶來較大誤差，影響圖像分析精度的問題，該文利用Landsat－8的光譜響應函數，對OLI多光譜數據進行大氣輻射校正和反射率反演，對校正前后的地物光譜曲線和歸一化植被指數（Normalized Difference Vegtation Index，NDVI）的變化進行了對比。研究表明：OLI大氣校正后較好地恢復各類地物光譜的典型特征；大氣校正后NDVI增幅明顯；類似的基于光譜響應函數的FLAASH大氣校正方法可以為其他的高級陸地成像儀等傳感器校正提供依據。

Landsat－8；遙感圖像處理；大氣校正；光譜響應函數；FLAASH

1 引 言

大氣校正的目的是消除大氣和光照等因素對地物反射的影響，廣義上講獲得地物反射率、輻射率或者地表溫度等真實物理模型參數；狹義上是獲取地物真實反射率數據，用來消除大氣中氣體和物質對地物反射的影響，消除大氣分子和氣溶膠散射的影響，反演地物真實反射率的過程［1］。隨著遙感技術的快速發展，對地觀測定量反演參數增多，圖像的大氣校正要求逐漸提高，對不同傳感器大氣校正的方法也層出不窮。遙感影像大氣校正大致分為基于圖像的校正方法，基于地面定標的經驗回歸方法和基于輻射傳輸理論的校正方法3種［2］。基于光譜響應函數的大氣校正，是利用FLAASH大氣校正模型來實現的，FLAASH大氣校正是輻射傳輸理論模型中的應用較廣泛的一種，可以校正0.400μm～2.500μm范圍內的光譜數據，結合了MODTRAN4模型，與其他校正模型不同的地方是：不需要預先計算出輻射參數，大氣類型和氣溶膠反演參數可以直接選擇，參與地表輻射校正計算。許多學者利用FLAASH大氣校正模型對ASTER、Landsat ETM＋、SPOT等多光譜影像進行大氣校正［3－6］，對AVIRIS、Hyperion等高光譜數據進行評價［7－8］，也有利用構建光譜響應函數的方法對高級陸地成像儀ALI進行大氣校正［9］，校正結果比較理想。

2 研究區概況與數據特征

2.1 研究區概況

本實驗數據采用的是新疆克拉瑪依地區Landsat－8遙感影像數據，條帶號為144／29，影像地理位置為：84.7235°N～87.7445°N，44.9505°E～47.0926°E，成像時間為2013年8月19日。圖像中包含水體、林地、農田、城區、道路，高山等典型地物，云量0.1%，圖像清晰。實驗數據均來自于地理空間數據云網站，數據級別Level 1T，即經過系統輻射校正和幾何校正數據產品。

2.2 OLI數據特征

Landsat－8衛星是由美國宇航局（NASA）和美國地質調查局（USGS）共同負責的項目衛星［10］，數據于2013年5月29日開始分發，目前已可以正常使用。Landsat－8的設計和特征與Landsat－7基本相同。Landsat－8衛星數據共11個光譜波段，8個30m空間分辨率的可見光－近紅外波段，1個15m空間分辨率的全色波段，2個100m空間分辨率的熱紅外波段［11］。Landsat－8數據影像在延續Landsat－7衛星數據的基礎上，增加了一個深藍波段來監測近岸水體和氣溶膠，增加了一個卷云波段用于云檢測，增加了一個熱紅外波段使劈窗算法應用于Landsat－8數據成為可能。同時，對各波段波譜范圍進行了微調，以去除水汽等因素的影響［12］。在此基礎上，本文采用Landsat－8數據，以構建光譜響應函數為基礎［13］，利用ENVI軟件FLAASH集成模型，對該數據OLI波段進行校正。

3 校正方法

Landsat－8多光譜數據的預處理包括表觀輻亮度、表觀反射率計算和大氣校正兩方面。

3.1 表觀輻亮度

輻射定標是將成像光譜儀輸出的不同波段數字量化值（Digital Number，DN值）轉化為各波段成像光譜儀入瞳處的光譜輻射亮度值。Landsat－8衛星數據的表觀輻亮度計算公式為［13］：

式中，ρλ是大氣頂層行星反射率（TOA planetary reflectance），θSE（sun elevation angle）太陽高度角，θSZ（solar zenith angle）太陽天頂角。Landsat－8影像數據在表觀反射率反演方面與以往Landsat系列有較大的差異，減少儒略日、大氣頂層太陽輻照度和日地距離參數計算，使反射率計算更加方便簡單。

3.3 光譜響應函數構建

由于ENVI FLAASH工具無法讀取Landsat－8數據頭文件，因此無法獲取Landsat－8圖像的光譜響應函數，需要手動建立光譜響應函數，從USGS官網上下載數據，建立427nm～2355nm范圍內的光譜響應函數。在EXCEL中，從427nm開始以1nm為間隔構建各波段的響應值，在沒有涉及的光譜范圍內以0作為響應值填充，并轉換為ACSII碼文件，最后導入ENVI中形成Landsat－8光譜響應函數，如圖1所示。

式中，Lλ是大氣層頂光譜輻射亮度（TOA spectral radiance），單位Watts／（m2·srad·μm）；ML是某一波段的乘法調整因子（Band－specific multiplicative rescaling factor），AL是某一波段的附加調整因子（Band－specific additive rescaling factor）；Qcal是原始影像某一波段的像元值（DN值）；λ為波段號。式（1）中的ML和AL兩個參數均可在影像的頭文件MTL.txt中找到。

3.2 表觀反射率

表觀反射率是輻射定標結果之一，也是大氣頂層的反射率。Landsat－8衛星數據的表觀反射率計算公式為［13］：

式中，ρλ′是未經太陽角度糾正的大氣層頂光譜輻射亮度（TOA spectral radiance），Mρ是某一波段的乘法調整因子（Band－specific multiplicative rescaling factor），Aρ是某一波段的附加調整因子（Band－specific additive rescaling factor）；Qcal是原始影像某一波段的像元值（DN值）；λ為波段號。式（2）中的Mρ和Aρ都可以在影像的頭文件中找到MTL.txt。

經過大氣角度糾正的反射率公式為：

圖1 Landsat－8OLI數據各波段光譜響應函數

3.4 大氣校正

FLASSH大氣校正的基礎是Modtran模型，而Modtran模型源自于大氣輻射傳輸方程，因此其大氣校正效果較好。但FLASSH大氣校正對于數據格式和波長有一定要求，所以需要對Landsat－8賦予各波段中心波長（表1）。然后進行因子轉換，對進行輻射定標之后的數據和輸入校正模型中的數據單位換算，輸入轉換因子10。其他大氣校正中的各關鍵參數如表2所示。

表1 OIL各波段的中心波長

表2 FLAASH大氣校正模型參數

4 精度驗證

利用實測野外GPS測點數據進行幾何精糾正，然后將Landsat－8的DN值轉化為輻射亮度和表觀反射率，建立Landsat－8光譜響應函數之后，在FLAASH校正模型中輸入上述參數，執行FLAASH大氣校正。對比校正前后的圖像基本統計特征，結果表明：用于檢測云量的波段亮度值為0；相同波段圖像比較，大氣校正后的圖像明顯比校正之前的圖像亮度高，圖像更加清晰，說明FLAASH大氣校正有效減少大氣對圖像的影響；將校正前后的圖像按7／6／4波段組合打開圖像（圖2），這種組合下水體和植被得到了增強，從圖像上明顯看出糾正之后的圖像，圖像整體變亮，山體，植被區域尤為明顯，能更好地從圖中目視識別出山體和植被紋理性質，說明FLAASH消除了大氣氣溶膠對圖像近紅外波段的輻亮度抑制的影響。

從校正前后的圖像中分別提取植被（Vegetation）、水體（Water）、裸地（Bare land），道路（Road）等典型地物。在影像上每種地物平均提取50個像元，提取地物光譜曲線。大氣校正之前的波段組合，將波段9卷云波段參與表達，將其置于5波段和6波段之間，以客觀反映地物的光譜變化趨勢。比較校正前后地物的波譜曲線（圖3）：經過大氣校正后植被，水體的光譜曲線都得到還原，0.440μm～0.480μm之間光譜曲線校正明顯。大氣校正之后城區，水體、植被在深藍波段、藍波段、綠波段、紅波段的反射率均減少，其中以深藍和藍波段最為顯著，主要由于大氣散射和吸收引起的大氣衰減造成的。理論上，可見光波段因大氣瑞利散射和氣溶膠散射引起傳感器獲取的地表輻射失真，造成隨著波長增大反射率降低，在藍波段散射最強。在紅波段和近紅波段，大氣散射作用較小，而水汽吸收率大，校正后OIL第5波段近紅外波段反射率應該上升，由于研究區為干旱區氣候特點，使實際校正的結果與期望的校正結果恰恰相反。

圖2 大氣校正前（左）后（右）圖像對比

圖3 校正前（左）后（右）典型地物光譜曲線

研究發現［1－2］，大氣吸收可減小近紅外信息量的20%以上，使反演精度降低。大氣校正能夠顯著地改善植被指數，因此，可通過分析校正前后圖像植被指數對大氣校正結果進行評估。選擇樣區，對校正前后的NDVI進行統計分析，從圖4中可以看出：圖像經過大氣、氣溶膠和大氣擴散效益校正后NDVI明顯增大，校正前NDVI最大值－0.237035，最小值0.614373，平均值為0.226548，標準差為0.192266，峰值0.0601；校正后NDVI最大值－0.618006，最小值0.905261，平均值為0.362375，標準差0.309957，峰值0.0809。結果表明，NDVI標準差增大，包括的信息量增多；直方圖整體右移，最大最小值的絕對值增大，NDVI得到改善，植被信息得到加強；說明大氣校正既削弱了圖像信息中的大氣輻射信息，又保留圖像包含的信息量，使包含信息量在減少氣溶膠等大氣影響因素下得到提高。可見，大氣校正可以較好地減小大氣對Landsat－8圖像的影響。

圖4 校正前（左）后（右）NDVI曲線

5 結束語

本文以Landsat－8圖像為基準，構建其光譜響應函數，對圖像進行FLAASH大氣校正研究。以標準地物波譜曲線為參考，對圖像上的水體 、植被、裸地等典型地物對大氣校正結果進行評估，結果表明：經過FLAASH大氣校正后水體與植被的光譜曲線比校正前更接近標準地物波譜曲線；通過NDVI定性和定量評價，可以看出大氣校正能夠有效地減小大氣對圖像的影響；FLAASH大氣校正模塊可以用于多種多光譜傳感器遙感圖像的大氣校正，關鍵在于對多光譜傳感器光譜響應函數的構建。

同時實驗中也發現：經過大氣校正后的圖像存在反射率為負數的情況。出現這種現象的原因可能在于：FLAASH模塊氣溶膠類型、大氣參數等不能很好地模擬成像時間下的大氣實際情況；也可能是實驗中使用的中心波長所對應的光譜響應值造成的，后期可以參照加權平均的方法計算中心波長，近一步減少大氣對地物反射率的影響。

［1］ 孫家抦.遙感原理與應用［M］.武漢：武漢大學出版社，2009：150－152.

［2］ 趙英時.遙感應用分析原理與方法［M］.北京：科學出版社，2003：2030.

［3］ 羅彩蓮，陳杰，樂通潮.基于FLAASH模型的Landsat ETM＋衛星影像大氣校正［J］.防護林科技，2008（5）：46－48，51.

［4］ 羅慧芬，苗放，葉成名.基于FLAASH模型的ASTER衛星影像大氣校正［J］.安徽農業科學，2009，37（17）：8100－8102，8133.

［5］ 郝建亭，楊武年，李玉霞，等.基于FLAASH的多光譜影像大氣校正應用研究［J］.遙感信息，2008，23（1）：78－81.

［6］ 郭云開，曾繁.基于FLAASH與QUAC模型的SPOT5影像大氣校正比較［J］.測繪通報，2012（11）：21－41.

［7］ 袁金國，牛崢，王錫平.基于FLAASH的Hyperion高光譜影像大氣校正［J］.光譜學與光譜分析，2009，29（5）：1181－1185.

［8］ 吳彬，苗放，葉成名.基于FLAASH的高光譜遙感數據大氣校正應用［J］.物探化探計算技術，2010，32（4）：442－446.

［9］ 陳建珍，何超，岳彩榮.基于FLAASH模塊的高級陸地成像儀圖像的大氣校正［J］.浙江農林大學學報，2011，28（4）：590－596.

［10］ USGS.Landsat missions［EB／OL］.http：／／landsat.usgs.gov／index.php，2013－03－10.

［11］ 張玉君.Landsat－8簡介［J］.國土資源遙感，2013，25（1）：176－177.

［12］ 徐涵秋，唐菲.新一代Landsat系列衛星.Landsat－8遙感影像新增特征及其生態環境意義［J］.生態學報，2013，33（11）：3246－3257.

［13］ LDCM＿Bcorhure［EB／OL］.http：／／ldcm.nasa.gov／spacecraft＿instrument.html，2013－03－10.

Atmospheric Correction of Landsat－8Imagery Based on Spectral Response Function

PU Li－li1，LIU Bin2
（1.College of Resources and Environmental Sciences，Xinjiang University，Urumqi 830046；2.Xinjiang Academy of Surveying and Mapping，Urumqi 830001）

Affected by atmospheric absorption and scattering，there is an error between the true value and the measured value obtained from remote sensor.It caused a big deviation on inversing parameters，such as surface albedo and surface temperature and also affected the accuracy of the image.In order to solve these problems，atmospheric radiation and reflectance were retrieved from OLI multi－spectral data with Landsat－8spectral response function.Comparing the corrected spectral reflective curve and normalized difference vegetation index with the uncorrected one，we can see that this method has a better recovery of spectrum characteristics on various typical objects and NDVI index increases significantly after atmospheric correction of OLI image.This atmospheric correction method based on the FLAASH of spectral response function lays a foundation for calibration of other sensors such as the Advanced Land Imager.

Landsat－8；image preprocessing；atmospheric correction；spectral response function；FLAASH

10.3969／j.issn.1000－3177.2015.02.021

TP751

A

1000－3177（2015）138－0116－04

2014－03－13

2014－06－12

地理空間信息工程國家測繪地理信息局重點實驗室開放研究基金資助項目（201313）。

蒲莉莉（1990～），女，在讀研究生，研究方向為遙感監測、地理國情普查。

E－mail：xj＿pll＠163.com