利用MODIS数据和查找表的城区TM影像大气校正

影像大气校正精度的关键参数为气溶胶光学厚度,而城区大气条件复杂,对城区TM影像采用统一的大气参数进行大气校正,势必难以获得令人满意的校正精度。因此,本文提出了一种基于MODIS数据和查找表的大气校正算法,首先应用6S模型离线计算建立不同气溶胶光学厚度的大气校正系数查找表,然后基于MODIS数据反演气溶胶光学厚度,最后基于查找表和气溶胶光学厚度数据对长沙城区TM影像进行了逐像元大气校正。结果表明:基于查找表的校正算法与6S模型在线计算算法的校正精度接近,能够较好地进行大气校正;在水体区校正精度最高,而在城区校正精度相对较低。     

基于神经网络的二类水体大气校正

以MERIS高光谱影像为数据源,根据现有大气传输模型和大气校正方法,探索了适合于内陆湖泊二类水体的高光谱遥感影像大气校正方法。在6S辐射传输模型的基础上,构建了基于神经网络的二类水体大气校正算法。通过构建输入卫星辐亮度直接提取离水反射率的模型,无需同步气溶胶参数,即可实现大气校正。对2010年8月9日的MERIS影像进行大气校正,并将校正后的遥感反射率与准同步实测离水反射率进行对比分析,结果表明,大气校正过程有效去除了大气效应的影响,经过大气校正的13个波段的平均相对误差分布在10%～40%,得到了与实测值相近的水体遥感反射率。     

基于混合像元分解的水体遥感图像去云法

大型内陆水体的遥感图像中往往存在着不均匀薄云或者是气溶胶的影响，由于种种原因，传统的大气辐射校正算法无法消除这种不均匀影响，这就给遥感图像的大气校正带来了很大困难。由于水体属于低反射率地物，这种薄云或者气溶胶的不均匀性带来的误差，极大地降低了水体遥感图像的信噪比，进而影响水体信息遥感提取精度。根据部分太湖地区的遥感图像和地面实测数据，作者以一种新的思路来尝试解决这个问题。该方法充分考虑了水气环境的特点，把水体像元光谱看作水、污染物和气溶胶（薄云）等光谱的混和。基于混合像元模型，该方法有效地消除了薄云和气溶胶的影响，可使我们通过遥感手段更加精确地提取水质信息。     

利用氧气和水汽吸收波段暗像元假设的MERIS影像二类水体大气校正方法

摘 要:MERIS数据以其更为合理的水色波段设置和300m较高的空间分辨率,在内陆湖泊水环境遥感监测中有较大的应用潜力, 对其进行有效的大气校正则是水环境参数定量化反演的前提。以太湖为研究区, 研究基于氧气和水汽吸收波段的暗象元假设, 改进传统的近红外波段暗像元假设的大气校正方法。采用MERIS L2p数据辅助获取湖区气溶胶参数, 并利用2007年11月11日、2008年11月20日以及2009年4月25日三景MERIS影像进行方法验证。结果表明, 该方法能够快速、有效地完成MERIS影像的大气校正, 与地面准同步实测数据相比, 三次校正的RMSP都在25%以下; 与BEAM自带的二类水体大气校正算法、气溶胶厚度辅助的6S大气校正以及改进的暗象元算法进行精度比较, 表明该算法校正精度较高。由于该算法不需要同步实测气溶胶数据, 因此具有一定的适用性。     

一种协同反演气溶胶与水汽含量的高光谱图像大气校正算法

大气校正是高光谱图像定量反演地表参数的前提。为充分利用高光谱数据本身的光谱特点,提出了一种协同反演大气气溶胶光学厚度(aerosol optical thickness,AOT)与水汽含量(water vapor content,WV)的大气校正方法,在同时考虑了气溶胶模式、AOT和WV这3个因素的综合影响基础上,采用循环迭代的思想,基于6S辐射传输模型,反演大气参数及地表反射率,弥补了现有反演算法中没有同时考虑AOT与WV的不足;并以武汉市Hyperion高光谱图像为例,验证了该算法的有效性。从与FLAASH算法及MOIDS提供的AOT和WV产品对比来看,该算法能较好地校正气溶胶与水汽对高光谱图像的影响,且反演过程中所有的输入均来自图像数据本身或6S辐射传输模型,无需输入额外的参数。     

星载激光雷达气溶胶数据辅助的近岸浑浊水体大气校正研究

提出了一种星载激光雷达CALIOP气溶胶数据辅助的MODIS/Aqua水色数据大气校正方法,并在长江口及其邻近浑浊水体区域进行了实验。通过与实测光谱数据的对比分析说明,本文方法能在一定程度上避免如近红外波段离水辐亮度为零的假设的不合理性,摆脱对实测数据的依赖,有效地反演离水辐亮度,修复SeaDAS软件中短波红外-近红外联合大气校正算法中短波红外波段引起的产品的条带问题。     

基于辐射传输模型的Hyperion光谱重建应用评价

光谱重建是高光谱数据定量分析的前提,大气校正是光谱重建的关键环节。对于缺少地面同步测量的高光谱数据,大气辐射传输模型是最可行的大气校正方法。应用当前流行的大气辐射传输模型MODTRAN 4.0和6S,分别对试验区EO-1 Hyperion高光谱数据进行大气校正和光谱重建。通过对植被、粘土矿及水体3类地物光谱重建结果的对比分析,并利用统计方法计算光谱重建精度,评价大气辐射传输模型校正的效果和模型的适用性。最后,通过FLAASH模型的试验体现了高光谱数据大气校正集成化处理的优越性。     

杭州湾HJ CCD影像悬浮泥沙遥感定量反演

利用环境小卫星CCD(HJ CCD)影像对杭州湾悬浮泥沙浓度(SSC)进行了反演研究。通过对杭州湾水体遥感反射率(Rrs)与SSC进行相关性分析发现,在690nm和830nm左右出现显著的反射峰,分别位于HJ CCD影像的第3和第4波段范围内;大于700nm波长处的Rrs与SSC相关性较好。基于实测Rrs和SSC之间的相关关系,利用第4和第3波段比值作为遥感因子建立SSC反演模型,模型决定系数达到0.90。借鉴近红外-短波红外(NIR-SWIR)结合的大气校正方法反演出的准同步MODIS气溶胶数据,实现了HJ CCD影像的大气校正,第3、第4波段的大气校正结果相对误差分别为5.54%和6.97%。结果显示,HJ CCD影像反演的SSC相对误差为7.12%;杭州湾悬浮泥沙浓度要显著高于长江口,且内部差异明显。研究表明,通过适当的大气校正方法和反演算法,HJ CCD影像可用于杭州湾悬浮泥沙浓度的估计。     

NOAA－AVHRR图像大气影响校正方法研究及软件研制第一部分 原理和模型

大气影响是遥感定量化应用的主要障碍之一。本文首先分析了大气对遥感图像产生的各种影响并对影响程度进行了一般的阐述，然后在原理和方法上对典型的大气影响校正算法进行了总结。通过分析我们认为，为了校正遥感图像所受到的大气影响，定量地获取当时当地的大气条件是完成这一工作的必要条件，而且是非常重要的条件之一。为此，我们提出了利用ＮＯＡＡ星载垂直探测器资料即ＴＯＶＳ资料，结合使用气溶胶模型，通过大气辐射传输模型，建立地面辐射量与卫星测量值之间的关系，并完成了对ＮＯＡＡ－ＡＶＨＲＲ图像的大气影响校正。在此基础上对我们的模型和算法进行了详细论述。这一模型是一套适用于发展业务软件的校正模型，软件发展完善后将为ＮＯＡＡ－ＡＶＨＲＲ数据的定量化应用打下基础。     

一种基于阴影像元的光学遥感大气校正方法

提出一种基于6S模型 阴影像元的大气校正方法,适用于有阴影像元存在的高空间分辨率光学遥感影像。该方法从阴影像元与非阴影像元的信号差异估算气溶胶光学厚度,与暗目标方法相比,此方法避免地表反射率的假定难题。以北京市密云县的IKONOS影像对方法进行验证。在气溶胶光学厚度的估算上,该方法的估算结果与MODIS气溶胶产品基本一致,而且其结果的稳定性明显好于暗目标法。在大气校正的结果方面,针对各类地物,比较大气校正前后的光谱与同类典型实测地物光谱,结果说明大气校正能够大大恢复各类地物光谱的典型特征,这将有利于地物的识别。最后通过比较大气校正前后的NDVI发现,大气校正能够明显增大高植被覆盖区与低植被覆盖区NDVI的差别,使植被信息更加突出。