一种耦合卫星遥感影像大气校正和地形校正过程的地表反射率获取技术的制作方法
【专利摘要】一种耦合卫星遥感影像大气校正和地形校正过程的地表反射率获取技术，将遥感影像大气校正和地形校正过程有机地结合起来，实现卫星遥感影像地表反射率的有效反演。该方法基于遥感影像大气校正和地形校正的物理机制，是一种物理方法，具有普适性。
【专利说明】一种耦合卫星遥感影像大气校正和地形校正过程的地表反 射率获取技术
【技术领域】
[0001] 本发明涉及一种卫星遥感影像地表反射率获取的方法，能够应用在农业、林业、气 象、生态环境以及国防安全等行业部门。
【背景技术】
[0002] 卫星传感器在获取地表信息过程中会受到多种因素的干扰，从而造成卫星传感器 获取信息的失真，大气和地形影响是造成卫星传感器信息失真的最重要的两个因素。为了 从卫星遥感数据高精度地获取地表信息（地表反射率），必须消除或者减弱大气和地形因 素对卫星遥感数据的影响，这个过程分别称为大气校正和地形校正。
[0003] 随着定量遥感的发展，国内外研究者围绕遥感影像大气校正和地形校正开展了大 量工作，提出了不少大气校正和地形校正方法。卫星遥感影像大气校正的主要目的是减少 大气吸收和散射对卫星信号的影响。在大气校正方面，比较常用的方法包括：辐射传输模 型法、不变目标法、暗目标减法、直方图匹配法等。在山区，地表接收的辐射能量和传感器所 接收的信号要受到地形起伏的影响。表现在遥感图像上，阴坡上的像元接收到的入射辐照 度较弱、亮度值较低；与此相反，阳坡上的像元接收到的入射辐照度较强、亮度值较高，造成 "同物异谱"、"异物同谱"问题，这种光谱信息的失真，严重影响了山区遥感图像的信息提取 精度，成为山区遥感图像定量应用的一个障碍。针对地形效应问题，近年来陆续提出了一些 地形校正方法，比较常用的方法包括C模型、SCS模型、Minnaert模型等。
[0004] 目前关于遥感影像大气校正和地形校正方法的研究存在两个明显的问题：第一， 不少的大气校正和地形校正方法是经验性的，普适性差，例如常用的不变目标法、暗目标减 法以及C地形校正模型等；第二，大气校正和地形校正算法分别基于不同的理论基础，大气 校正算法大多基于大气辐射传输过程，而地形校正算法则基于太阳-地表-传感器三者的 几何关系，因此大气校正和地形校正算法分别独立开展研究，大气校正和地形校正被视为 两个独立的环节，在实际操作过程中，通常先进行大气校正，然后进行地形校正。然而在卫 星传感器获取地表信息过程中，大气影响和地形影响是交织在一起的，这种大气校正和地 形校正相互割裂的做法必然对地表信息的获取产生影响。本发明从大气校正和地形校正的 理论基础出发，将遥感影像大气校正和地形校正过程有机地结合起来，实现了卫星遥感影 像地表反射率的有效反演。该发明充分发挥了遥感数据面特征的优势，而且它基于遥感影 像大气校正和地形校正的物理机制，是一种物理方法，具有普适性，适用于所有的陆地卫星 遥感影像。
【发明内容】
[0005] 本发明的目的在于提供一种基于物理机制的卫星遥感影像地表反射率获取技术， 以克服现有方法的的不足，从而促进相关领域遥感应用的发展。
[0006] 为实现上述目的，本发明提出的方法包括以下步骤：
[0007] 第一步、对卫星影像进行几何校正；
[0008] 第二步、辐射定标，将影像像元亮度值转换为星上辐射亮度；
[0009] La = Gain · DN+Bias
[0010] LA为波段λ的星上辐射亮度，DN为波段λ的像元值，Gain和Bias分别为波段 λ的增益和偏置。
[0011] 第三步、获取大气程辐射
[0012] 将直方图中频数累加和等于总象素个数0. 01 %的像素 DN值作为暗目标像元值 DNmin，程辐射Lp的计算式变为：
[0013] Lp = Gain · DNmin+Bias
[0014] 第四步、根据陆地卫星遥感影像的经纬度和影像成像时间，获取同一地理范围、同 步过境的M0DIS气溶胶光学厚度（0. 47 μ m和0. 66 μ m)、总大气水蒸汽含量、地表气压和臭 氧浓度影像，并将各影像做几何校正，转换为和陆地卫星遥感影像一致的投影方式和分辨 率，且影像行列数一致。
[0015] 第五步、由总大气水蒸汽含量W计算大气水蒸汽光学厚度；
[0016]
【权利要求】
1. 一种耦合卫星遥感影像大气校正和地形校正过程的地表反射率获取技术，其步骤 为： 第一步、对卫星影像进行几何校正； 第二步、辐射定标，将影像像元亮度值转换为星上辐射亮度； Lx = Gain · DN+Bias LA为波段λ的星上辐射亮度，DN为波段λ的像元值，Gain和Bias分别为波段λ的 增益和偏置； 第三步、获取大气程辐射 将直方图中频数累加和等于总象素个数〇. 01 %的像素 DN值作为暗目标像元值DN^， 程辐射Lp的计算式变为： Lp = Gain · DNmin+Bias 第四步、根据陆地卫星遥感影像的经纬度和影像成像时间，获取同一地理范围、同步过 境的MODIS气溶胶光学厚度（0. 47 μ m和0. 66 μ m)、总大气水蒸汽含量、地表气压和臭氧浓 度影像，并将各影像做几何校正，转换为和陆地卫星遥感影像一致的投影方式和分辨率，且 影像行列数一致； 第五步、由总大气水蒸汽含量W计算大气水蒸汽光学厚度；
其中，tw是大气水蒸汽光学厚度，awA是水汽吸收系数，w是可降水汽，可降水汽 w与 总大气水蒸汽含量W在数值上相等，Μ是相对大气量； 第六步、计算臭氧吸收光学厚度 T。= C_e*A_e (入） τ。是臭氧吸收光学厚度，C_e为MODIS臭氧浓度（单位为Dobson)，A_e ( λ )为波段 入的臭氧吸收系数； 第七步、由M0DIS0. 47 μ m和0. 66 μ m的气溶胶光学厚度，利用下式计算波长指数（α ) 及大气浑浊度系数（β)
β = τaU !) λ / = τ a(X2) λ2α ^和 λ2分别为 0·47μπι和 0·66μπι，和 Ta(A2)分别为 0·47μπ^Ρ0·66μπι 的气溶胶光学厚度； 在得到α和β后，可以利用下式得到任意波长λ的气溶胶光学厚度τ3(λ): τ」λ) = β λ-3 其中，λ为波长（μ m)，τ3( λ)是该波长的气溶胶光学厚度； 第八步、计筧瑞利散射光学厚度：
其中，^为瑞利散射光学厚度，λ是影像各波段的中心波长，μ m;p为M0DIS的地表 气压产品； 第九步、计算太阳照射方向和传感器观测方向的大气透过率； Tz = exp (- τ /COS θ z) = exp {(- τ r- τ a- τ 〇- τ w) /cos Θ J Tv = exp (_ τ /cos Θ v) = exp {(- τ r- τ a- τ ?- τ w) /cos Θ v} 其中，!；和1；分别是太阳照射方向和传感器观测方向的大气透过率，τ是大气光学厚 度，92是太阳天顶角，θv是传感器观测天顶角，τ3、τ。和\分别是瑞利散射光学厚 度、气溶胶光学厚度、臭氧吸收光学厚度和大气水蒸汽光学厚度； 第十步、计算天空散射辐射 Ef = (Er+Ea) (3+cos(2S))/4 其中，Ef为天空散射辐射，民为瑞利散射分量，Ea为气溶胶散射分量，S为倾斜坡面的 坡度角；假定瑞利散射向下的比例是50%，与太阳天顶角无关；同时假定气溶胶散射向下 的比例是Fs，F s是太阳天顶角的函数，则民和Ea的表达式如下： Er = 0. 5 X E〇/d2cos Θ zexp {(- τ 〇- τ w) /cos θ J Taa (l~exp {(-〇. 95 τ r) /cos Θ J) Ea = E0/d2cos Θ zexp {(- τ。- τ w) /cos Θ z} Taaexp {(-1. 5 τ r) /cos Θ z} (1-Tas) Fs 其中，^是大气层外相应波长的太阳光谱辐照度，d是日地距离，02是太阳天顶角， τ。、τ w和^分别是臭氧吸收光学厚度、水汽吸收光学厚度和瑞利散射光学厚度，Taa和Tas 分别是气溶胶吸收透过率和气溶胶散射透过率，Fs是气溶胶散射向下分量的比例； 日地距离d2 (天文单位）按下式计算：
其中，dn是儒略日，即影像获取日期距离1月1日的天数； 第i^一步、计算地形反射福射； Es = 0. 5X (E〇cos Θ ZTZ+Er+Ea) X P meanX (1-cosS) 其中Es为坡面像元接收的周围地形的反射辐射，S为倾斜坡面的坡度角；P_n表示 相邻物体的平均反射率，取消除大气影响后的反射率影像的平均值来表示，具体计算式如 下：
第十二步、利用Dymond公式考虑地形对地表反射的影响，地表反射率的计算公式可以 表示为：
i和e分别为直射辐射在坡面上的入射角和出射角，ih和eh分别为直射辐射在水平面 上的入射角和出射角，入射角ih与太阳天顶角θ z相等，则cosih = cos θ z ; cos i = cos θζ cos S + sin θζ sin S cos(^? - A) S为倾斜坡面的坡度角，9为太阳方位角，A为倾斜坡面的坡向，Θ z为太阳天顶角； 假设卫星传感器是星下点观测，则eh = 0, c〇Seh = 1，且由几何关系可以推得：e = S， 则最终地表反射率的计算公式为：
第十三步、对地表反射率反演结果进行验证。
【文档编号】G06F19/00GK104156567SQ201410350434
【公开日】2014年11月19日 申请日期:2014年7月23日 优先权日:2014年7月23日
【发明者】张兆明, 何国金, 龙腾飞, 王猛猛 申请人:中国科学院遥感与数字地球研究所