由于大气吸收和散射, SPOT-7卫星影像的综合成像信息会掺杂一定的非目标地物信息, 给数据定量研究和精确分类应用带来很大干扰^[1]。如何消除SPOT-7影像中的大气干扰, 获取精确的地表反射率信息就变得尤为重要, 影像大气校正是SPOT-7卫星影像遥感定量化研究的前提与基础^[2-5]。针对不同遥感定量化研究目的, 目标地物的覆盖类型有所不同, 不同覆盖类型所受大气影响程度也各有不同, 其大气校正效果也有所差别^{[6 10]}。例如：基于快速大气校正(quick atmospheric correction, QUAC)模块的模型，基于大气校正模型(fast line-of-sight atmospheric analysis of spectral hypercubes, FLAASH), 通过归一化植被指数(normalized difference vegetation index, NDVI)的模型，基于QUAC模块校正后采用偏最小二乘回归法的模型。但总体上目前对于不同地物覆盖类型下SPOT-7影像校正效果的研究仍比较少。

辐射传输模型方法是目前最常用的卫星影像大气校正方法, 具有明确的物理含义, 计算精度高^[11], 其中以FLAASH和大气模型(second simulation of the satellite signal in the solar spectrum, 6S)为代表的辐射传输模型常用于高分辨率多光谱影像的大气校正。如SPOT系列中, Hu等^[12]的研究表明, FLAASH和6S均能很好地消除大气对SPOT-4影像的影响; 对于SPOT-5影像, FLAASH与6S和QUAC模型相比, 具有更好的校正作用^[13]; Rotta等^[14]研究了FLAASH模型对SPOT-6影像的大气校正效果。对其他高分辨率多光谱影像, 如GF-1卫星影像, 刘佳等^[15]采用6S和FLAASH模型对北京地区4个时相的影像进行大气校正效果研究, 两种模型校正后的各波段地表反射率和NDVI整体情况未有太大差异。

为此, 本文基于常用于高分辨率多光谱影像大气校正的FLAASH和6S两种辐射传输模型, 组织实施了同步观测试验, 利用地表反射率和植被指数, 分析和评价了大气校正对农作物、自然植被和硬地3种典型地物覆盖类型的校正效果, 研究了针对地物覆盖类型的SPOT-7大气校正方法。

1 实验区与数据源

实验区位于河南省登封市辖区, 在嵩山摄影测量与遥感定标场及其周边, 面积为30 km×30 km, 该区域海拔高度为100~1 500 m, 气候条件相对稳定, 具有多种自然地物类型, 样区易于辨识和选取, 作业方便, 有利于地面同步测量顺利进行。

SPOT-7卫星对实验区成像时间为2014-10-14, 影像分辨率为6 m, 包含蓝、绿、红、近红外4个波段, 影像经纬度范围为左上角(34.626 2°N, 112.937°E)、右下角(34.415 3°N, 113.250°E), 成像当日天气状况良好, 数据质量较高。将大气光学特性测量站点设置在实验区中心, 获得具有代表性的大气参数, 并根据实验区地物的特点和类型, 选取农作物、自然植被和硬地3种典型地物覆盖类型的样区共35处进行光谱测量。样区设置在植被均匀分布, 地物类型单一处, 尽量避免在样区内出现混合型地物, 以减小地表异质性对实验结果的影响。

2 地面同步测量与数据处理 2.1 大气光学特性测量与处理

本次实验采用全自动太阳光度计CE318进行大气光学特性的测量, 以获得实验期内同步大气参数。其测量值为可见光和近红外5个波段的辐射亮度, 具体波段包括1 020 nm、870 nm、670 nm、440 nm、937 nm。观测时段为8:30~17:00, 根据实时的天气情况和太阳光照变化, 测量时间间隔为5~10 min。

测量所得的辐射亮度通过粗差剔除和LangLey定标可用于反演相应波段的气溶胶光学厚度。在假设大气气溶胶满足Junge谱分布的条件下, 气溶胶的光学厚度τ(λ)和波长λ之间可用式(1)表示：

$ \tau \left( \lambda \right) = \beta \cdot {\lambda ^{ - \alpha }} $

(1)

式中，β是大气浑浊度系数；α是波长指数。利用式(1)计算波段550 nm处的气溶胶光学厚度, 用于6S大气校正。通过选择合适的测量波段(440 nm、670 nm、870 nm), 在式(1)基础上利用最小二乘法拟合得到β和α。得到拟合系数后, 可利用式(2)计算能见度V, 用于FLAASH大气校正^[16]。

$ \mathit{V} = 3.912/\beta $

(2)

2.2 地物样区光谱测量与处理

采用ASD FieldSpec 4光谱仪进行地物样区光谱的测量, 该仪器光谱采集范围为350~2 500 nm, 具体包括可见光、近红外和短波红外。为提高每个样区内反射率采样数据的均匀性和代表性, 根据SPOT-7影像的空间分辨率(6 m)将每处样区大小设为约30 m×30 m, 并在样区内按照3 m间隔均匀地进行密集采样, 每个样区布设100个采样点。每个采样点测量5条光谱数据, 并用手持GPS接收机记录该采样点的位置信息, 以便与影像上的样区位置对应。

对采样点5条光谱测量数据进行粗差剔除, 在此基础上平均得到每个采样点的反射率, 再根据样区地物的实际情况, 对样区采样点的反射率数据进行平均处理, 得到该样区的反射率实测数据。

3 大气校正方法 3.1 辐射定标及表观反射率计算

实验采用ENVI中的辐射定标模块对SPOT-7进行辐射定标, 将影像DN值转换成表观辐亮度值L(λ), 用于FLAASH大气校正, 定标公式为：

$ L\left( \lambda \right) = {\rm{Gain}} \cdot DN + {\rm{Offset}} $

(3)

式中，定标系数增益Gain和偏移量Offset可从影像辅助数据中获得, 具体数值如表 1所示。

在辐亮度基础上, 通过式(4)转换得到表观反射率数据ρ, 用于6S大气校正。

$ \rho = \frac{{\pi \cdot L \cdot {D^2}}}{{{\rm{ESUN}} \cdot \cos \theta }} $

(4)

式中，大气层顶的平均太阳光谱辐照度ESUN和太阳天顶角θ可由SPOT-7影像头文件获得；D为距离。

3.2 利用FLAASH进行大气校正

FLAASH适用于高光谱遥感数据和多光谱遥感数据的大气校正^[17], 能够精确补偿大气的影响, 适用的波长范围包括可见光至近红外及短波红外。与其他大气校正模型相比, FLAASH直接采用了modtran4中的辐射传输计算方法, 是基于像素级别的校正, 可校正由漫反射引起的连带效应, 同时还可调整由于人为抑制而导致的波谱平滑^[18]。

采用ENVI中的FLAASH校正模块, 输入SPOT-7辐亮度影像和校正参数, 得到校正后的反射率影像, 完成SPOT-7的FLAASH大气校正。具体校正参数如表 2所示, 可从影像辅助数据中获得传感器参数和成像参数, 根据实时大气光学特性测量数据, 获得大气模式、气溶胶模型和能见度等大气状况参数^{[19, 20]}。

3.3 利用6S进行大气校正

在假定无云大气情况下，6S模型考虑了水汽、O₃、O₂和CO₂的吸收, 气溶胶和分子的散射以及非均一地面和双向反射率的问题, 描述了不同情况下(不同地面条件和不同遥感器)太阳光在太阳-地物目标-遥感器的整个传输路径中所受到的大气影响, 多用于处理可见光、近红外数据。根据传感器角度、气溶胶浓度、大气条件、表观反射率或表观辐亮度等参数, 该模型可利用反向计算模式模拟地表反射率^[21]。

根据6S的需要, 输入相关的几何参数和大气条件参数等, 通过模型计算得到各个波段相应的校正系数x_a、x_b、x_c, 由式(5)、式(6)即可得到各波段6S校正地表反射率影像，具体校正参数如表 3所示。

$ \mathit{y} = {\mathit{x}_\mathit{a}} \cdot \mathit{x} - {x_b} $

(5)

$ {\rm{acr}} = y/\left( {1 + {x_c} \cdot y} \right) $

(6)

式中，x为输入的表观反射率数据；acr为校正后得到的地表反射率数据。

4 不同地物覆盖类型下反射率误差分析 4.1 自然植被类型

实验区中自然植被类型包括草地和灌丛, 相应样区的校正后影像反射率和地表实测反射率的比较结果见表 4。

对草地样区, 6S和FLAASH校正后的影像在蓝、绿、近红外波段, 反射率相对误差方面无明显差异, 蓝波段和近红外波段均在10%内, 绿波段均在20%内。对于灌丛样区, 在蓝、绿、近红外波段FLAASH校正效果更好, 对应波段校正后影像反射率相对误差依次为4%、12%、5%左右, 而在红波段, 与草地样区一样, 6S校正效果优于FLAASH, 相对误差控制在5%内。总体上对于自然植被类型, FLAASH校正效果优于6S, 建议采用FLAASH作为自然植被类型的大气校正方法。

4.2 农作物类型

实验区中农作物类型包括低矮作物(萝卜、红薯)和高杆作物(棉花)。对低矮作物区域如萝卜和红薯样区, 在蓝、绿、红、近红外4个波段, 6S校正后影像的反射率相对误差小于FLAASH情况, 6S校正整体效果优于FLAASH, 对萝卜样区在绿波段6S的优势最明显(相对误差6S约为5%，FLAASH约为31%), 对红薯样区在近红外波段6S的优势最明显(相对误差6S约为6%，FLAASH约为31%), 因而建议采用6S对低矮作物区域进行大气校正。对高杆作物区域如棉花样区, 在蓝、绿、近红外波段FLAASH校正效果更好, 尤其在绿波段上FLAASH优势更明显(相对误差FLAASH约为0.05%，6S约为29%), 总体上建议采用FLAASH对高杆作物区域进行大气校正。

对于自然植被和农作物类型地物, 从反射率角度, FLAASH模型总体上在蓝、绿波段的校正效果较好, 蓝、绿波段常用于植被地物的分类识别, 说明在SPOT-7影像的植被识别和分类应用中, FLAASH大气校正可具有一定效果; 而6S在红波段的校正效果较好, 红和近红外波段较常用于植被生长和健康状况监测, 因而在SPOT-7影像用于植被长势的监测等定量应用时6S是更合适的大气校正选择。

4.3 硬地类型

实验区中硬地类型包括裸土、水泥地、瓷砖和花岗岩, 相应样区的校正后影像反射率和地表实测反射率的比较结果如表 5所示。

对裸土、水泥地和瓷砖样区, 在蓝、绿、红波段FLAASH校正后的影像反射率相对误差小于6S模型, 其中对裸土样区FLAASH校正在红波段优势最明显(相对误差FLAASH约为9%，6S约为35%), 对水泥地和瓷砖样区FLAASH校正在蓝波段优势最明显(相对误差FLAASH约为8%，6S约为40%)。对裸土、水泥地和瓷砖样区而言, FLAASH模型的整体校正效果更好, 建议采用FLAASH模型对裸土、水泥地和瓷砖样区进行大气校正。

对花岗岩样区, 在蓝波段6S和FLAASH的校正效果无明显差异, 在绿、红、近红外波段, 6S校正后影像反射率相对误差更小, 控制在15%内, 而FLAASH则在30% ~ 40%之间, 整体上6S对花岗岩样区的校正效果优于FLAASH。

对硬地类型地物, 与自然植被和农作物类型地物相比, 从反射率角度, FLAASH不仅在蓝绿波段具有良好的校正效果, 在红波段也具有一定的校正作用, 但在近红外波段其表现差于6S, 总体上建议采用FLAASH对硬地类型地物样区影像进行大气校正。

5 不同地物覆盖类型下植被指数误差分析 5.1 自然植被类型

实验所用植被指数包括NDVI、NDVIg和比值植被指数(ration vegetation index, RVI)3种常用植被指数, 影像反射率计算所得植被指数和地面实测数据计算所得植被指数的比较结果如表 6所示。

在自然植被类型中, 从NDVI和NDVIg角度, 6S和FLAASH校正后植被指数相对误差没有明显差异, 均具有良好的校正效果, 校正后NDVI和NDVIg相对误差均可控制在10%内, NDVI常用于估量植被绿化程度和生物量以及评价植被的健康程度, 说明6S和FLAASH校正后的影像可以对地面植被状态进行高精度监测, 能准确表现植被的覆盖密度、生长状态和分布特征。从RVI角度, 对草地样区而言, 6S校正效果优于FLAASH, 6S校正后RVI相对误差可控制在6%内, 而FLAASH校正后RVI相对误差在17%左右。

5.2 农作物类型

在农作物类型中, 对萝卜样区和棉花样区, 从NDVI和RVI角度, FLAASH校正后植被指数相对误差比6S校正后稍小, 而从NDVIg角度6S的校正效果略好。对红薯样区, NDVI、NDVIg和RVI均表明FLAASH校正后对应植被指数相对误差更小。总体上, 3种植被指数表明FLAASH比6S校正效果更好, 说明FLAASH校正后的影像在农作物覆盖类型分类和农作物面积估算等方面精度更高^[27]。

6 结束语

本文基于地表反射率和植被指数精度, 在实测大气光学特性参数和地物样区反射率基础上, 分析和评价了FLAASH和6S在自然植被、农作物和硬地3种典型地物覆盖下的校正效果, 研究了针对地物覆盖类型的SPOT-7大气校正方法, 旨在为SPOT-7卫星影像遥感定量研究和应用时选择合适的大气校正方法提供思路和参考。

从反射率角度看, 对自然植被而言, FLAASH在蓝、绿、近红外波段校正效果更好；对农作物而言, 萝卜和红薯等低矮作物在4个波段上6S校正后整体效果优于FLAASH；棉花等高杆作物在蓝、绿、近红外波段FLAASH校正效果更好, 尤其在绿波段上优势更明显；对硬地而言, FLAASH模型不仅在蓝、绿波段具有良好的校正效果, 在红波段也具有一定的校正作用。

从植被指数角度, 在自然植被中, 6S和FLAASH校正后植被指数相对误差没有明显差异, 均具有良好的校正效果。在农作物地物中, 3种植被指数表明FLAASH比6S校正效果更好。

结合反射率和植被指数, 对自然植被、农作物中的高秆作物、硬地建议采用FLAASH进行大气校正；对农作物中的低矮作物, 建议采用6S进行大气校正。