基于FLAASH模型的SPOT6卫星影像大气校正及评价

受大气吸收和散射影响,传感器接收到的辐射信息和地表真实反射信息之间存在误差,影响影像的分析精度。选择ORDOS矿区SPOT6卫星多光谱数据,对其进行辐射定标,采用FLAASH模型进行大气校正,对校正前后影像的视觉效果、典型地物反射率光谱曲线、归一化植被指数(NDVI)和植被覆盖度的变化进行对比分析。校正后影像的地物特征更明显、反射率差别较大,能较好还原地表真实信息;NDVI增幅较大,平均植被覆盖度有所提升,能还原较为准确的植被信息。结果表明,FLAASH模型可以有效消除大气影响,对SPOT6卫星影像有较好的校正作用。     

Sentinel-2A与Landsat 8O LI逐像元辐射归一化方法研究

考虑不同传感器光谱响应函数差异及不同地物类型反射率光谱的差异,提出了一种逐像元辐射归一化方法,并以2017年7月17日内蒙古达里诺尔湖地区准同步过境的Sentinel-2A及Landsat 8数据为例,对两类数据可见-近红外波段（VNIR）地表反射率结果进行归一化。首先采用Sen2cor方法及NASA官方提供大气校正算法,分别对Sentinel-2A及Landsat 8 OLI影像进行大气校正并重采样到同一空间分辨率;然后基于光谱库计算匹配因子并构建图像与光谱库之间的匹配转换模型,实现像元尺度上从Sentinel-2影像到Landsat 8影像地表反射率相似波段之间的转换。结果表明,经逐像元归一化的影像相比原始影像及经HLS光谱归一化的影像,与Landsat 8 VNIR波段的相关性明显提高,辐射一致性增强。该转换模型为多源中高分辨率遥感图像高精度辐射归一化提供了新思路。     

顾及空间与光谱差异的单幅遥感影像自适应云雾去除方法

光学遥感影像经常受到云雾的干扰而导致数据质量下降。在暗原色先验理论和云雾影像模型的基础上,提出了一种顾及空间和光谱差异的单幅遥感影像自适应云雾去除方法,较好地解决了传统暗原色先验在高亮地物校正过度和部分波段云雾校正不足的问题,有效地实现了影像云雾去除。首先通过高亮地物的光谱特征构建高亮地物判别指数,辅以密度分割对其进行提取分类,在此基础上引入自适应校正函数对该区域透射率进行修正;其次在对多幅云雾遥感影像实验分析的基础上,提出了符合大气散射机制的波段透射率校正系数,实现了波段间处理强度的自适应调整。实验结果表明,该方法能有效去除不同波段的云雾干扰,并避免高亮地物的过度校正,可取得较好的复原结果。     

辐射特征支持下的城市高分影像阴影校正

大量城市建筑使得高分影像中含有许多阴影区。这些阴影区在土地利用分类、植被绿度调查等遥感应用中会较大地影响结果精度,降低数据使用效率并增加研究成本。基于同一地物阴影区与临近非阴影区反射率相等这一辐射特征关系,通过建立辐射传输方程,发展了一种新的城市高分遥感影像阴影校正方法 RERB(Reflectance Equality Relationship Based Method)。利用RERB对不同城市(北京和荷兰Enschede)不同高分多光谱影像(Geo Eye-1和Quick Bird)进行阴影校正,并对比分析其与被广泛采用的均值方差变换法MVT(Mean and Variance Transformation)的校正结果,通过定性和定量精度评价发现:(1)RERB能很好地将城市阴影区影像视觉特征(颜色、纹理、色调等)信息恢复到与非阴影区同一水平上;(2)RERB恢复后的阴影区具有丰富的细节信息且在视觉上与临近非阴影区具有良好的一致性;(3)RERB恢复后的城市柏油路面和水泥路面阴影区辐射信息具有较低的误差,可见光-近红外波段的平均误差分别为7%和9%。同时RERB能较好地恢复城市阴影区植被波谱特征信息。     

高分五号卫星高光谱AHSI和多光谱VIMI传感器辐亮度数据的交互对比

高分五号卫星搭载的对地观测传感器有高光谱传感器(advanced hyperspectral imager, AHSI)和全谱段光谱传感器(visual and infrared multispectral imager, VIMI),但这两种传感器之间的光谱信号是否一致迄今鲜有报道。通过敦煌定标场和滕州地区的3对AHSI和VIMI同步影像对,对两种传感器的辐亮度数据之间的一致性进行了交互对比,并与同步的Landsat-8 OLI (operational land imager)辐亮度数据进行验证。结果发现,两种传感器的辐亮度数据之间存在一定的偏差,VIMI的辐亮度数据明显小于AHSI,其偏差率接近32%,二者的决定系数R2也只有0.817;在各个对应波段之间,红波段的差距最大,其偏差率超过40%。与Landsat-8OLI的验证表明,AHSI的辐亮度数据与OLI很接近,偏差率小于5%,但VIMI数据的偏差率则大于20%。鉴于VIMI和AHSI的辐亮度数据存在一定的差距,在现阶段如需同时应用两者数据,建议先对VIMI数据进行转换校正。利用敦煌试验区的模型进行数据转换,结果表明,VIMI辐亮度数据经转换后,可大幅度缩小与AHSI数据之间的差距,有利于二者的协同使用。     

北京市平原区2015年—2019年0.8 m地表反射率数据集

地表反射率产品作为最重要的定量遥感产品,是很多参量化遥感产品的基础数据源,可以被广泛应用于林业、农业、水资源、生态环境、城市环境等典型应用领域。对于米级高分辨率的遥感影像,国内外不提供反射率影像产品。目前主流的国产高分数据源大部分都是蓝、绿、红、近红4个波段的多光谱数据,缺少短波红外波段,难以满足陆地区域浓密植被算法或者清洁水体的短波红外信号近似看作零的假设条件,要完成精确大气校正、生产大范围的GF-2影像拼接的地表反射率产品,是一个挑战。为了更好的推广高分地表反射率的应用,本研究针对北京市平原区,运用全色和多光谱融合、几何精校正和相对辐射一致化算法,以Sentinel-2为参考影像,生成了一套几何精校正后的0.8 m地表反射率影像集。该数据集时间范围为2015年—2019年,每年一期,包含年度产品的覆盖情况及分布矢量,共计184景地表反射率影像,数据量总共为1.63 TB。     

GF-1星WFV相机的快速大气校正

高分一号卫星(GF-1)WFV相机是中国新型高分辨率传感器,为了更好地进行定量应用,需完成高精度大气校正,但需要解决数量大,辅助数据不足等关键问题。针对WFV相机构建了快速大气校正模型,(1)采用交叉定标方法借助Landsat 8数据完成辐射定标;(2)从WFV相机的辅助数据出发,计算得到太阳天顶角、观测天顶角等辅助信息;(3)考虑不同海拔大气分子散射的不同,完成基于海拔数据的分子散射校正;(4)采用深蓝算法,从第一波段(蓝光)反演得到气溶胶信息;(5)计算每个像元的大气校正参数,进而获取地表反射率,完成大气校正。在此基础上,利用IDL语言建立相应的大气校正模块,以过境华北地区的3景WFV数据为例进行大气校正实验。结果表明,模型能够快速完成大气校正,并能较好的去除大气分子与气溶胶影响,较好地还原植被、裸土等典型地表类型的光谱反射曲线,校正后的NDVI更好地反映了各地物的特征。     

顾及水陆差异的高分五号影像条带去除

高分五号搭载的可见光短波红外高光谱相机,能获取精细的地物光谱信息,具有十分广泛的应用前景。但高光谱卫星遥感数据往往无法避免条带噪声的干扰,进行条带去除是数据预处理中不可缺少的步骤。传统方法往往对地物的异质性与丰富的细节纹理考虑不足,导致条带不能被彻底地消除。为此,本文提出了一种顾及水陆差异的影像条带去除方法,采用水体与陆地区别统计的策略,解决条带噪声在异质区域的统计特征差异问题,并结合优化统计和一维变分滤波技术实现水陆区域参考统计特征的精确估计,最终基于矩匹配方法分别实现条带去除。实验结果表明:无论是真实实验还是模拟实验,本文提出的算法相较于传统条带去除算法,能更加稳健地去除数据条带噪声,还原地表真实辐射信息;在模拟实验中,本文算法处理结果的峰值信噪比(PSNR)达到46.58,且平均绝对误差(MAE)仅有11.56,均明显优于用于比较的3种传统算法,且算法执行效率也具备优势,能够更好地适用于高分五号大数据量的处理需求。     

地表水体影像的色密度比值及与综合污染指数的半定量关系

由于地表水体所受污染的类型和程度不同,共反射光谱特性也各不相同。这些光谱特性在可见光波段及近红外波段内的差异,将被如实地以色密度差异的形式记录在彩色航空像片上。本文着重研究了地表污染水体影像的反射色密度比值与水体综合污染指数之间的相关关系,并给出了二者之间的统计关系式,从而可直接利用彩色航空像片,对地表水体的综合污染程度进行半定量的测定。     

3维场景植被冠层多波段模拟研究进展

植被冠层辐射散射信号中蕴含了丰富的植被信息,通过构建植被冠层辐射散射模型,可以实现植被结构等生物物理参数的遥感定量反演。迄今为止,可见光/近红外、热红外、微波波段均已发展了大量的模型,这些模型在参数反演方面各具优势,但不同波段的模型又有其自身的局限性。跨波段的联合模拟可以实现模型间的优势互补,进而提高地表参数的反演精度,近年来已有学者专注于可见光/近红外与热红外模型,热红外与微波模型,主被动微波模型,以及可见光/近红外与微波模型的联合模拟和协同反演,但多是两两联合,且主要是基于经验模型或解析模型。基于3维场景的植被冠层辐射散射特性模拟模型可以细致刻画不同组分的结构和空间分布特征,对于由植被结构引起的多次散射和组分比例变化的考虑具有优势。本文主要介绍了3维模拟模型在可见光/近红外、热红外和微波波段,以及跨波段联合模拟方面的研究进展,从模型机理、场景统一、以及组分理化参数的统一的角度,探讨了构建多波段3维模拟系统的可行性,展望了多波段3维模拟模型的发展趋势。     

An effective thin cloud removal procedure for visible remote sensing images

Clouds are obstructions for land-surface observation, which result in the regional information being blurred or even lost. Thin clouds are transparent, and images of regions covered by thin clouds contain information about both the atmosphere and the ground. Therefore, thin cloud removal is a challenging task as the ground information is easily affected when the thin cloud removal is performed. An efficient and effective thin cloud removal method is proposed for visible remote sensing images in this paper, with the aim being to remove the thin clouds and also restore the ground information. Since thin cloud is considered as low-frequency information, the proposed method is based on the classic homomorphic filter and is executed in the frequency domain. The optimal cut-off frequency for each channel is determined semi-automatically. In order to preserve the clear pixels and ensure the high fidelity of the result, cloudy pixels are detected and handled separately. As a particular kind of low-frequency information, cloud-free water surfaces are specially treated and corrected. Since only cloudy pixels are involved in the calculation, the method is highly efficient and is suited for large remote sensing scenes. Scenes including different land-cover types were selected to validate the proposed method, and a comparison analysis with other methods was also performed. The experimental results confirm that the proposed method is effective in correcting thin cloud contaminated images while preserving the true spectral information.     

增强型多时相云检测

针对云检测在高亮度地表以及雪覆盖区域存在过度检测的问题,设计了一种不依赖热红外波段的增强型多时相云检测EMTCD(Enhanced Multiple Temporal Cloud Detection)算法。首先,利用云的光谱特征建立单时相云检测规则,并基于云、雪的光谱差异构建了增强型云指数ECI(Enhanced Cloud Index),改进了云、雪的区分能力;其次,以同一区域无云影像为参考,基于ECI指数构建了多时相云检测算法,较好地克服了单时相云检测中高亮度地表、雪和云容易混淆的问题,提高了云检测的精度;最后,选择两个典型区域的Landsat-8 OLI影像,对比分析了不同算法的云检测结果。实验结果表明:ECI指数能够有效区分云、雪,EMTCD方法的平均检测精度达到93.2%,高于Fmask(Function of mask)(81.85%)、MTCD(Multi-Temporal Cloud Detection)(66.14%)和Landsat-8地表反射率产品LaSRC(Landsat-8 Surface Reflectance Code)的云检测结果(86.3%)。因此,本文提出的EMTCD云检测算法能够有效地减少高亮度地表和雪的干扰,实现不依赖热红外波段的高精度云检测。     

基于多光谱综合的MODIS数据云检测研究

云检测是卫星遥感数据处理中不可缺少的工作。通过分析云在不同波段中的大气辐射特点，结合MODIS数据的光谱特性，提出 一种多光谱综合的云检测方法。该算法从可见光反射率、红外波段亮温值以及亮温差等方面综合考虑，逐步建立一个云检测掩模。通 过对不同时期不同背景的MODIS数据进行验证和对比分析，结果表明，该模型的云检测效果理想，尤其对可见光波段难以识别的薄卷 云也有很好效果，为有效利用MODIS数据以及进行更加精确的反演提供可靠依据。     

Spectral Overlap Correction Using Weighted Deconvolution for Improved Dark Object Technique for Correction of EO1-Hyperion Data

We present a critical modification to improved dark object technique for correcting hyperspectral data (EO1-Hyperion). The modification is required in improved dark object technique as the original method does not take into account overlap of spectral response functions of two adjacent bands of hyperspectral sensor. We used weighted deconvolution for correcting the original overlap affected path radiance correction propagation factors. Further, we compared the reduction in correction factors—in different conditions—because of the overlap. We calculated the path radiance for April 22 Hyperion image and compared it with other methods such as 6SV. We found noticeable difference in corrected and uncorrected path radiance propagation factors with “clear” to “very clear” atmospheric models. For the other models (“moderate”, “hazy”, “very hazy”), the difference is negligible and can be ignored and improved dark object technique can be applied without any overlap correction.     

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。     

Cloud classification in NOAA AVHRR imageries using spectral and textural features

Clouds contribute significantly to the formation of many of the natural hazards. Hence cloud mapping and its classification becomes a major component of the various physical models which are used for forecasting natural hazards. The problem of cloud data classification from NOAA AVHRR (advance very high resolution radiometer) satellite imagery using image transformation techniques is considered in this paper. The singular value decomposition (SVD) scheme is used to extract the salient spectral and textural features attributed to satellite snow and cloud data in visible and IR channels. The goals of this paper are to discriminate between clear sky and clouds in an 8 × 8 pixel array of 1.1 km AVHRR data. If clouds are present then classify them as low, medium or high range. This scheme can effectively segregate clouds and non-cloud features in the visible and IR bands of the imagery. It can also classify clouds as low, medium or high range with a success rate of 70–90%. Computer-based snow and cloud discrimination and automatic cloud classification system will help the forecaster in various climatological applications, viz., energy balance estimation, precipitation forecasting, landslide forecasting, weather forecasting and avalanche forecasting etc.     

利用云下阴影实现陆地上空气溶胶和地表反射率的同时反演—理论方法和模拟

卫星探测信号包含大气中分子和粒子的散射贡献以及地表反射的贡献,在陆地上空二者的贡献相当,并且陆地地表反射率在时间和空间上极度不均一,因此,很难区分二者的各自贡献从而定量提取大气气溶胶和地表反射率,陆地上空气溶胶的反演也一直是一个极具挑战性的课题.而高分辨率卫星资料如TM5的可见光通道能够很好地区分云和云下阴影,如果云是不透光的,在阴影上空,卫星信号仅包含大气散射贡献和地表漫反射贡献,而在邻近的非阴影区上空,卫星探测信号还包含地表直接反射的贡献,根据这个原理,利用辐射传输模式分析了阴影区和非阴影区上空卫星探测的辐射量差别与地表反射率和大气气溶胶的关系,提出一种利用云下阴影来同时提取阴影上空大气气溶胶和地表反射率的单波长反演方案,并对气溶胶单次散射反照率,散射相函数,测量精度以及地表反射率的不均一性进行了敏感性分析.     

Remote sensing of cirrus optical and microphysical properties from ground-based infrared radiometric Measurements-part I: a new retrieval method based on microwindow spectral signature

The surface radiance spectrum within the terrestrial infrared window (i.e., wavelengths between 8-12 /spl mu/m or wavenumbers between 833-1250 cm/sup -1/) is sensitive to the optical and microphysical properties of cirrus clouds. Numerous microwindows where atmospheric absorption is minimum exist in the spectral regions of 820-960 cm/sup -1/ and 1100-1240 cm/sup -1/. The minimum radiances at the microwindows in these two spectral regions can be fitted by using two linear lines. The slope of the fitting line for the spectral region of 820-960 cm/sup -1/ is sensitive to the effective size of ice crystals within cirrus clouds, whereas the intercept of the fitting line for the spectral region of 1100-1240 cm/sup -1/ is sensitive to the optical thickness of the clouds. Based on this spectral feature, a new retrieval method has been developed for simultaneously retrieving cirrus optical thickness and the effective particle size of ice crystals. Furthermore, the ice water path of cirrus clouds can be estimated from the retrieved values of cloud optical thickness and effective particle size.     

一种基于空间网格的地物要素点云提取方法

LiDAR点云的分类提取是点云数据处理中的首要步骤。为了提高复杂场景中点云数据分类提取方法的适用性,文中根据三维数学形态学思想,提出一种基于地物空间形状特征的点云提取方法。方法首先建立网格索引,划分网格空间,进行点云数据组织,然后根据地物在网格空间中的形状特征设计出四种参数可控的空间网格算子,最后结合点云反射强度信息自动提取特定地物点云。通过对复杂场景中的铁路地物要素LiDAR点云中建筑、电力杆线、铁路轨道的提取和郊区机载LiDAR点云中的地面与建筑屋顶的提取,验证提取算法的适用性,为点云分类提取功能模块的程序设计提供便捷方法。     

融合多光谱影像的高光谱影像厚云去除方法

云遮挡对高光谱影像的应用造成了不可忽视的影响。现有云去除方法通常利用时域近邻的同源影像提供辅助信息。然而,高光谱影像(如GF-5和EO-1高光谱影像)较低的时间分辨率导致同源辅助影像中可能存在较大的地物覆盖变化。时间分辨率更高的多光谱影像(如Landsat 8 OLI影像)能提供时间上更接近于高光谱云影像的辅助信息,从而减少地物覆被变化带来的影响。为应对高光谱和多光谱波段之间差异较大的问题,本文基于空谱随机森林(spatial-spectral-based random forest,SSRF)方法,提出一种利用多光谱影像(Landsat 8 OLI影像)对高光谱影像进行厚云去除的方法,将其简记为SSRF_M。SSRF_M较强的非线性拟合能力使其能够综合利用多光谱影像所有波段的有效数据对各个高光谱波段进行重建。本文使用GF-5和EO-1高光谱影像进行模拟云去除试验,视觉和定量评价结果均表明,与利用时间间隔更长的同源辅助影像的方法相比,本文方法能获得更高精度的云下信息重建结果。