田青林，秦凱，陳雪嬌，余長發(fā)

（核工業(yè)北京地質(zhì)研究院遙感信息與圖像分析技術(shù)國家級重點實驗室，北京 100029）

衛(wèi)星傳感器接收到的信號是太陽輻射與大氣、地物復(fù)雜作用的結(jié)果，經(jīng)歷了太陽-大氣-地物目標-大氣-傳感器的過程。期間會受到大氣分子、氣溶膠的散射作用以及臭氧、水汽的吸收等因素影響。為了消除或減少大氣和光照等因素影響，獲取地物真實的反射率信息，需要開展遙感影像的大氣輻射校正。國內(nèi)外學(xué)者提出了多種大氣校正方法，主要為基于影像特征的校正方法、基于地面測量的線性回歸方法和基于輻射傳輸模型的校正方法［1］，其中 比 較 常 見 的 有MODTRAN、6S、FLAASH、QUAC、ATCOR等［2-5］。

WorldView-3（WV-3）衛(wèi)星是目前空間分辨率最高的商業(yè)遙感衛(wèi)星，不僅包含0.31 m空間分辨率的全色和8個1.2 m空間分辨率的可見光-近紅外波段，還額外提供8個3.7 m空間分辨率的短波紅外波段，優(yōu)于當前主流的Landsat-8和ASTER等多光譜數(shù)據(jù)，應(yīng)用潛力巨大［6-10］。然而，目前針對WV-3數(shù)據(jù)評價不同大氣校正模型的效果及適用性的對比研究較少。

筆 者 采 用FLAASH、QUAC和ATCOR 3種模型對WV-3影像的16個波段進行大氣校正，并對校正前后影像的目視效果、評價指標、典型地物光譜曲線和分類精度進行對比分析，以評估3種大氣校正模型的實際校正效果。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

研究區(qū)位于廣東省深圳市中西部，平均海拔100 m左右，總面積約25 km2。研究區(qū)主要包括城市及周邊地區(qū)，濱臨南海，地勢較為平坦，屬于低山丘陵地貌，分布有植被、水體等地物類型。

1.2 數(shù)據(jù)源

WV-3是美國DigitalGlobal公司于2014年8月13日發(fā)射的第四代高分辨率多光譜商業(yè)衛(wèi)星，在繼承WorldView-2的8個多光譜波段基礎(chǔ)上，額外增加了8個短波紅外波段，是首個擁有16個高分辨率光譜波段的商業(yè)衛(wèi)星［10-11］。本研究使用WV-3衛(wèi)星獲取的16波段影像，波長和空間分辨率參數(shù)如表1所示。成像時間為2015年10月18日03：06：07，數(shù) 據(jù) 級 別 為L2A，已經(jīng)過系統(tǒng)輻射定標和幾何校正。

表1 WV-3衛(wèi)星參數(shù)Table 1 Parameters of WV-3 satellite

2 大氣校正方法

2.1 FLAASH模型

FLAASH大氣校正模型結(jié)合了MODTRAN4+模型并進行了修改，通過對輻射定標后的影像進行大氣校正，適用于可見光至短波紅外波長范圍，能夠一定程度消除大氣作用對地表反射率的影響，獲得較高的地物反射率 精 度［12-13］。FLAASH模型假設(shè)地表為 標 準

式中：L—傳感器接收到的單個像元光譜輻射亮度；Lα—大氣程輻射；ρ—像元的地表反射率；ρe—像元及周圍像元的平均地表反射率；S—大氣半球反照率；A和B—由大氣條件及下墊面幾何條件所決定的系數(shù)，同地表反射率無關(guān)。

用于本次試驗的FLAASH大氣校正模型參數(shù)大部分可從影像數(shù)據(jù)頭文件中獲取，具體參數(shù)設(shè)置見表2。平面朗伯體，傳感器接收的像元光譜輻射亮度可以通過公式（1）計算［14-15］：

表2 FLAASH大氣校正模型參數(shù)Table 2 Parameters of FLAASH atmosphere correction

2.2 QUAC模型

QUAC模型是以暗目標探測方法為依據(jù)，不需要額外的配套信息，而是自動從影像內(nèi)收集不同地物的波譜信息以獲取大氣補償參數(shù)和經(jīng)驗值，實現(xiàn)快速大氣校正，理想情況下其計算結(jié)果絕對精度近似FLAASH或者其他基于輻射傳輸模型的±15%［16］。本次試驗中QUAC模型參數(shù)設(shè)置中傳感器類型選擇Unknown，其他參數(shù)選擇默認設(shè)置。

2.3 ATCOR模型

ATCOR模型包含兩種模式，一種是ATCOR2/3模式，適用于衛(wèi)星遙感影像的大氣校正，另一種是ATCOR4模式，適用于航空遙感影像的大氣校正。本次研究使用的ATCOR2模型，已集成于PCI、ERDAS等圖像處理軟件中，其算法核心是以MODTRAN4程序計算輻射傳輸方程的數(shù)據(jù)庫，通過輸入傳感器的幾何條件、光譜特征及成像時氣溶膠等參數(shù)，以插值方式計算查找表，從而實現(xiàn)快速準確的大氣校正［17］。

用于本次試驗的ATCOR大氣校正模型參數(shù)大部分可從影像數(shù)據(jù)頭文件中獲取，具體參數(shù)設(shè)置見表3。

表3 ATCOR大氣校正模型參數(shù)Table 3 Parameters of ATCOR atmosphere correction

3 大氣校正效果評價

3.1 目視效果

不同大氣校正模型處理前后的WV-3 Band5（R）、Band3（G）、Band2（B）真彩色圖像如圖1所示。通過對比可以看出，相較于原始影像，3種模型校正后的圖像在視覺效果上變化明顯，圖1a由于大氣的影響削弱了地物的明暗差異，對比度較低，影像整體偏暗；圖1b-d校正后的結(jié)果色調(diào)更明亮，紋理更清晰，對比度增強，影像質(zhì)量得到明顯改善，說明大氣校正在一定程度上去除了氣溶膠、水汽等因素的影響。相比而言，F(xiàn)LAASH和ATCOR的校正效果要優(yōu)于QUAC，影像整體信息更豐富。

圖1 3種模型大氣校正前后影像對比Fig.1 Comparison image before and after atmospheric correction of three models

3.2 評價指標

為了定量評價大氣校正前后影像的質(zhì)量，運用MATLAB軟件計算校正前后影像的信息熵和平均梯度指標，結(jié)果如表4所示。

表4 大氣校正前后影像評價指標對比Table 4 Evaluation indexes of images before and after atmospheric correction

信息熵是反映影像所包含信息量豐富程度的重要指標，其值越大，表示影像所含信息量越多，影像質(zhì)量越好。從表4可以看出，3種模型校正后影像的信息熵均高于原始影像，其中ATCOR表現(xiàn)最佳，F(xiàn)LAASH次之，QUAC模型效果最差。這是由于大氣影響使得不同地物間的特征差異減弱，但經(jīng)大氣校正后，這些特征信息得到增強，影像信息變得更豐富，特征也更明顯。

平均梯度可以用來表達圖像中微小細節(jié)的反差，其值越大，表示影像越清晰，層次越豐富。由表4可知，3種模型校正后影像的平均梯度相較原始影像均有所增加，說明經(jīng)過大氣校正后的影像更為清晰，層次感得到增強，且FLAASH和ATCOR校正后影像的整體質(zhì)量優(yōu)于QUAC模型。

3.3 地物光譜

為了驗證不同大氣校正模型對地物反射率反演的效果，在校正后的影像中選取植被和海水2種典型地物的像元光譜，并與USGS波譜庫中相應(yīng)地物的參考反射率光譜進行比較。此外，由于USGS波譜庫中地物光譜與WV-3譜段不同，為了更好地對比大氣校正效果，將波譜庫中2種地物光譜重采樣至WV-3對應(yīng)的波段，結(jié)果如圖2、3所示。

圖2 植被USGS光譜與WV-3大氣校正后光譜曲線對比Fig.2 Comparison of vegetation spectra of USGS with spectra of WV-3 image after atmospheric correction

圖2a中USGS植被光譜曲線顯示了植被在可見光-近紅外到短波紅外范圍內(nèi)的典型光譜特征。其中，550 nm附近有一個小的反射峰，680 nm附近存在一個明顯的吸收谷，這主要是植物葉片中色素強吸收的原因；在700～780 nm之間是一個陡坡，反射率急劇增加，被稱為植被的反射率紅邊；在970、1 200 nm附近存在弱吸收谷，1 400、1 900 nm附近存在強吸收谷，而1 670、2 200 nm附近分別有一個明顯的反射峰，這種情況主要是植物葉片中含有水分的緣故。

由圖2（b、c、d）可以看出，3種模型獲得的植被光譜曲線與USGS波譜庫中植被光譜曲線特征吻合較好，550、1 670、2 200 nm附近的反射峰，以及680、1 400 nm附近的吸收谷均在校正后的WV-3波段中反映出來，且FLAASH、QUAC和ATCOR模型校正結(jié)果與USGS植被光譜的相關(guān)系數(shù)分別為0.992、0.861和0.927，F(xiàn)LAASH和ATCOR模型表現(xiàn)更佳，相關(guān)系數(shù)達到0.9以上。

圖3a中USGS海水光譜曲線顯示在可見光范圍內(nèi)，隨著波長不斷增大，海水的反射率迅速減小，在650 nm之后幾乎為零。

由圖3（b、c、d）可以看出，3種模型獲得的海水光譜曲線與USGS波譜庫中海水光譜曲線特征相對吻合，整體反射率變化趨勢在校正后的WV-3波段中反映出來，且FLAASH、QUAC和ATCOR模型校正結(jié)果與USGS海水光譜的相關(guān)系數(shù)分別為0.825、0.754和0.953，ATCOR模型表現(xiàn)最好，F(xiàn)LAASH模型次之，QUAC模型最差。

圖3 海水USGS光譜與WV-3大氣校正后光譜曲線對比Fig.3 Comparison of seawater spectra of USGS with spectra of WV-3 image after atmospheric correction

3.4 分類精度

將上述重采樣后的USGS植被、水體光譜分別作為參考光譜，利用光譜角算法對大氣校正影像進行監(jiān)督分類，其中植被分類閾值為0.35，水體分類閾值為0.15。為了評價不同大氣校正模型對地物分類精度的影響，利用人工解譯的方法在影像中選取一定數(shù)量的植被和水體驗證樣本，與獲得的分類結(jié)果進行比較，實現(xiàn)精度評價。表5給出了FLAASH、QUAC及ATCOR模型大氣校正影像的分類精度評價結(jié)果，圖4為對應(yīng)的分類結(jié)果圖。從表中可以看出，ATCOR模型的大氣校正效果最優(yōu)，植被、水體等地物分類精度最高，F(xiàn)LAASH模型次之，QUAC模型分類精度最差，進一步反映了不同大氣校正模型的應(yīng)用效果。

圖4 不同模型大氣校正影像分類效果圖Fig.4 Classification images by different atmospheric correction models

表5 不同模型大氣校正影像分類精度Table 5 Classification accuracy of images by different atmospheric correction models

4 結(jié)論

1）通過信息熵、平均梯度分析，F(xiàn)LAASH和ATCOR模型對清晰度等各項指標的提升效果優(yōu)于QUAC模型。

2）在反射率反演方面，ATCOR模型的校正結(jié)果與USGS重采樣的相應(yīng)地物光譜吻合度較高，相關(guān)系數(shù)達到0.9以上，略好于FLAASH模型。

3）從地物分類效果分析，ATCOR校正結(jié)果得到更高分類精度，植被、水體等地物的分類效果最好。

在后續(xù)研究中，可以分析不同大氣校正參數(shù)對結(jié)果精度的影響，并結(jié)合地物實測反射率光譜進行評價驗證。