基于Acolite 模型的Landsat8 衛星影像大氣校正

孔譽霏，劉珊珊，王麗娜，諸葛瑞龍，呂春光

（1.臨沂大學資源環境學院，山東臨沂；2.山東建筑大學測繪地理信息學院，山東濟南）

引言

衛星遙感在時間分辨率、空間覆蓋范圍以及信息量等方面具有的優勢，使其在資源、環境和氣候變化等方面的監測和分析需求日益增加，已成為環境監測領域的重要技術手段[1]。然而，在衛星遙感成像過程中，由于大氣散射和吸收的影響，會改變傳感器接收到的地表反射輻射能量，極大地影響著遙感信息的提取和參數反演的精度[2-3]。因此，圍繞遙感數據的定標、大氣輻射校正以及地表物理量反演等方面的研究備受關注。特別是，如何有效地消除大氣影響的干擾，實現衛星影像大氣校正，已成為定量遙感不可回避的問題[4]。

Acolite 是一種在水色遙感領域應用廣泛的大氣校正模型[5]，可提供兩種大氣校正方案，一種是默認的“暗光譜擬合”算法，另一種則是“指數外推”算法[6]。同時，Acolite 的使用手冊中指出，Acolite 在更清澈的水域和陸地上也能取得相當大的成功。該模型所提供輸入參數設定并不局限于水體類型，同樣具備對其它地物進行表面反射率估算的潛力。然而，與該模型在水色遙感領域的應用相比，目前針對它在陸表方面的研究還比較局限。因此，圍繞Acolite 模型，開展陸地表面各地物類型地表反射率估算精度的研究具有重要的實際價值。

基于此，本文嘗試以臨沂市為研究區，分別利用Acolite 模型和FLAASH 模型對典型時間的Landsat8 OLI 衛星影像進行大氣校正。通過與FLAASH 模型和Landsat8 Collection2 表面反射率數據的比較，對采用Acolite 模型的大氣校正結果，從隨機點光譜取樣、地物類型光譜對比、相對偏差時間變化等方面進行精度評價，以期得到適用于臨沂市及周圍地區相關地物的大氣校正最優方案。

1 研究區及數據源

1.1 研究區概況

臨沂因臨沂河得名，地處中國華東地區、山東東南部、黃海西岸、長三角經濟圈與環渤海經濟圈結合點、東隴海國家級重點開發區域和魯南臨港產業帶。臨沂屬溫帶季風氣候，自北有沂蒙等山脈延伸控制著沂沭河上游流向，向南沖積出廣袤的臨郯蒼平原。經緯度范圍為北緯34°22′～36°13′，東經117°24′～119°11′之間，總面積17 191.2 km2，南北最大長距228 km，東西最大寬度161 km。詳見圖1。

圖1 研究區區位

1.2 遙感影像數據

Landsat8 OLI 傳感器包括9 個波段，空間分辨率為30 m。此次研究選取2020 年至2022 年期間，覆蓋臨沂市及周邊地區，云量較少的Landsat8 OLI 遙感影像。通過篩選共得到6 景影像，其成像日期分別為2020 年4 月15 日、2020 年10 月24 日、2021 年1 月12 日、2021 年10 月24 日、2022 年4 月21 日和2022年11 月15 日。關于Landsat8 OLI 影像的波段設置情況如表1 所示。

表1 OLI 波段介紹

1.3 土地利用數據

本研究使用的土地利用數據來源于2020 年的30m 全球地表覆蓋數據（GlobeLand30），由于臨沂市的區域位置位于兩幅地表覆蓋數據之中，需在ArcGIS 中對下載得到的土地利用數據進行鑲嵌處理、將土地利用數據裁剪為研究區邊界所定義的范圍，最終得到覆蓋研究區的土地利用數據。研究區包含耕地、林地、草地、濕地、水體、人造地表、裸地、海域八類地物。研究區地物類型如表2 所示[7]。

表2 研究區地物類型

1.4 表面反射率數據

本研究使用的Landsat8 Collection2 表面反射率，基于陸地表面反射率代碼(LaSRC)生成，來源于PIE-Engine 云計算平臺數據資源。為了得到反映各類地物整體平均值的地表雙向反射率數據，需對覆蓋研究區的土地利用數據設置波段定標系數，對于Landsat8 Collection2 表面反射率數據，可以使用USGS 官網提供的定標系數進行定標。

2 研究方法

2.1 數據預處理

在進行大氣校正前，需要先對原始影像進行輻射定標預處理。輻射定標就是將遙感影像的DN 值化為輻射亮度值或表面溫度等物理量的處理過程[8]。Acolite的預處理較為自動化，用戶只需在GUI 界面選擇參數，即可實現對原始數據的預處理。FLAASH 模型則可使用ENVI 5.6 軟件工具箱中的輻射定標工具對Landsat8 數據進行輻射定標預處理[9]。

2.2 大氣校正流程

在Acolite 模型界面輸入待處理的Landsat8 原始影像，利用“暗光譜擬合”算法和“指數外推”算法得到校正后的NetCDF 數據集。在ENVI 5.6 中加載NetCDF 數據集，通過GLT 變換創建數據的地理投影，在ArcGIS 中使用以表格顯示分區統計工具，得到Acolite 大氣校正后每個波段各類地物整體平均值的地表雙向反射率。FLAASH 是光學成像所-波譜科學研究所開發的大氣校正模塊[10-11]，該項技術適用于對波長在0.4～3 微米之間的影像進行大氣校正[12-13]。通過式（1）計算出每個像元的地表反射率[14]。

式中：所有參量均以單個像元計算，L 表示衛星傳感器接收到的總輻射；A 和B 是計算系數，ρ 為表面反射率；ρe為空間平均反射率；La是大氣程輻射；S 是入射光數量和反射光數量的比值[15]。

2.3 統計分析

分別對Acolite 和FLAASH 大氣校正后的數據從隨機點光譜取樣、地物類型光譜對比、相對偏差時間變化3 個方面進行精度驗證。對Acolite 大氣校正后的六副影像分別進行隨機采樣，初步檢驗Acolite 模型在不同波長范圍下四類地物的校正精度。采樣點類型通過目視解譯分為水體、耕地、城鎮、林地四類地物。采樣點位置信息如表3 所示，采樣點位置如圖2 所示。

表3 采樣點位置信息

圖2 采樣點位置

將Acolite 和FLAASH 大氣校正后每個波段各類地物整體平均值的反射率結果與公開的Landsat8 Collection2 表面反射率數據進行對比驗證。得到Aolite、FLAASH 與標準值這三者的各類地物類型光譜曲線，本次實驗選取的是2020 年4 月15 日的Landsat8 數據。

為了進一步研究Acolite 大氣校正方法在不同時序下各個波段的穩定情況，本實驗選取了六幅Landsat8影像，共7 個波段，將Landsat8 Collection2 表面反射率數據作為標準值，利用相對誤差（Acolite 校正值與實測值的擬合程度），評價Acolite 大氣校正后各個波段的校正結果。本文使用的相對誤差(Relative Error)計算公式如下。

3 結果和分析

3.1 隨機取樣光譜曲線比對

圖3 為隨機取樣得到的四種典型地物經Acolite大氣校正后的地物光譜曲線圖。從整體來看，不同時間下Acolite 大氣校正得到的地物光譜曲線形態基本一致，觀察圖3 可以發現2021 年1 月12 日耕地的光譜曲線呈現出平坦的特點，考慮是當時處于冬季，沒有植被覆蓋導致地表雙向反射率變化不大。

3.2 地物類型光譜曲線特征

圖4 為8 種典型地物經兩種大氣校正方法校正后反射率與實際Landsat8 Collection2 表面反射率對比圖。從整體來講，Acolite 方法大氣校正結果與實際數據相比整體光譜曲線趨勢相對一致，FLAASH 方法大氣校正結果相對實際數據整體偏高。Acolite 的校正精度明顯比FLAASH 理想，大氣校正后Landsat8 圖像的地表反射率與實際數據之間一致性較好。觀察圖4(d)、圖4(e)、圖4(h)可以直觀發現，FLAASH 方法在濕地、水體、海域三種地物的藍光波段都有抬高的現象，而在不可見光波段的光譜曲線變化趨勢與實際數據比較一致。經過研究發現，這是由于FLAASH 方法主要是針對陸地的基于輻射傳輸的大氣校正方法，校正方法采用的能見度和氣溶膠模型等參數值需要人為設定，對水體這類地物在藍波段的反射率過分高估，因此校正效果不太理想[16]。通過對比水體和海域兩張圖可以發現，雖然水體和海域兩種地物光譜曲線形態上比較一致，均符合水體這類地物的光譜曲線特征，但海水的地表反射率明顯高于水體。這是由于海水通常具有更高的反射率，而離岸水體或遠離海岸的水體反射率低。從圖4(a)、圖4(b)、圖4(c)、圖4(d)、圖4(g)可以發現，耕地、林地、草地、濕地、裸地這五種地物在整體波譜形態上均比較一致，在近紅外波段出現一個反射陡坡大概在865 nm 處，基本符合植被的光譜曲線特征。中紅外波段受植物含水量影響，吸收率大增，反射率大大下降。但由于土壤的含水量不同，植被覆蓋率不同等原因，導致五類地物的地表反射率高低存在差異。由圖4(f)可以發現，人造地表整體反射率相較于其他地物偏高僅次于耕地。

圖4 各類地物光譜曲線對比

3.3 誤差隨時間變化特征

如圖5 所示，Acolite 大氣校正相對誤差隨時間的變化趨勢。對比單波段的校正精度，Acolite 在561 nm波段和655 nm 波段表現最好，整體相對誤差分別為-12.82%和-8.49%。從地物類型的角度看，各類地物的校正精度都較好，相對誤差都在22%以下。其次是在865 nm 波段、1 609 nm 波段和2 201 nm 波段，除海域的校正效果較差外其他地物的相對誤差較穩定。Acolite 在443 nm 波段和483 nm 波段的整體校正效果最差，尤其是水體和海域這兩類地物的相對誤差波動程度較大，其他地物的相對誤差穩定性一般。從時間變化的角度看，水體和海域這兩類地物相對誤差隨時間變化較明顯，其他地物相對誤差的波動性比較穩定，結合選取的六幅影像的時間分析，考慮是溫度影響傳感器的精度，此問題有待進一步研究。

圖5 Acolite 大氣校正各波段相對誤差

4 結論

Landsat8 數據是目前遙感領域普遍應用的基礎數據，對Landsat8 數據進行大氣校正是我們得到精確的地表反射率數據的關鍵因素。本文基于Acolite 模型對Landsat8 數據進行大氣校正，并以FLAASH 大氣校正結果和公開的Landsat8 Collection2 表面反射率數據為參考，對校正結果進行了對比驗證。結果表明：

（1） Acolite 模型整體的大氣校正效果較好，效果明顯優于FLAASH 模型，且其地表雙向反射率光譜曲線與Landsat8 Collection2 表面反射率數據變化趨勢基本一致，誤差隨時間變化相對穩定，為今后研究各類地物的單波段反演運算提供了理論依據。FLAASH 模型大氣校正結果整體偏高，校正效果不理想。

（2） Acolite 模型操作方法相對簡便，校正過程更為自動化，不需要過多的人為干涉設定參數就能夠得到比較理想的校正結果。而FLAASH 模型在水體、濕地、海域這類地物的藍光波段，其地表雙向反射率光譜曲線出現抬高現象，與Landsat8 Collection2 表面反射率數據變化趨勢不太吻合。可能是由于FLAASH大氣校正設置參數時，能見度和氣溶膠類型等參數值不容易確定，存在較大的偏差，導致大氣校正結果不理想。在后續的研究中，還需要著重分析大氣校正參數對其結果的影響。