高原气象

高原气象 >

2013 , Vol. 32 >Issue 4: 1140 - 1147

DOI: https://doi.org/10.7522/j.issn.1000-0534.2012.00107

论文

基于FLAASH模型的FY-3A/MERSI数据大气校正研究

  • 刘伟刚 ,
  • 郭铌 ,
  • 李耀辉 ,
  • 王钊 ,
  • 沙莎 ,
  • 韩晖 ,
  • 蔡迪花 ,
  • 吴秀平 ,
  • 蒋友严 ,
  • 王小平 ,
  • 王静 ,
  • 胡蝶
展开
  • 中国气象局兰州干旱气象研究所/甘肃省干旱气候变化与减灾重点实验室/中国气象局干旱气候变化与减灾重点开放实验室, 甘肃 兰州730020;陕西省农业遥感信息中心, 陕西 西安710015;3. 中国科学院国家科学图书馆兰州分馆/中国科学院资源环境科学信息中心, 甘肃 兰州730020

网络出版日期: 2013-08-28

收起

Variation of FY-3A/MERSI Data after Atmospheric Correction Based on FLAASH Model

Expand

Online published: 2013-08-28

Fold

摘要

在星载传感器成像获取地表信息过程中， 常常会受大气影响而引起影像失真， 导致地表真实信息不能被准确表达， 对遥感影像进行大气校正可消弱这种影响。本文以粮食主产区——河南省为研究区域， 采用FLAASH模型对晴空天气下FY-3A/MERSI数据（分辨率为1 km）进行大气校正。结果表明， 大气校正后： （1）短波红外反射率总体变化不大（+4.1%）， 第6波段反射率以减小为主（-1.5%）， 第7波段反射率为增加（+9.6%）； （2）在可见光各波段， 反射率普遍降低， 各波段变化均值为-82.7%。其中, 红光反射率变化最小（第13、 14波段分别变化了-23%和-19%， 平均为-21%）， 绿光反射率变化稍大（第11、 12波段分别变化了-75%和-50%， 平均为-63%）， 蓝光反射率变化最大（第8~10波段分别变化了-196%、 -122%和-94%， 平均为-137%）。而且大气校正后， 可见光波段的反射率变幅普遍增大， 不同地物在可见光波段的对比度也增加。（3）近红外各波段反射率平均增加了46.2%。除第19波段反射率减小（-54%）外， 其余各波段反射率均有不同程度的增加。第15~18和第20波段反射率分别增加了28%、 4%、 41%、 252%和6%。（4）NDVI指数平均增大了35%， 植被信息凸显； NDWI指数变化不大， 仅减小了8.7%。

关键词： FY-3A; MERSI; FLAASH; 大气校正

本文引用格式

刘伟刚 , 郭铌 , 李耀辉 , 王钊 , 沙莎 , 韩晖 , 蔡迪花 , 吴秀平 , 蒋友严 , 王小平 , 王静 , 胡蝶 . 基于FLAASH模型的FY-3A/MERSI数据大气校正研究[J]. 高原气象, 2013 , 32(4) : 1140 -1147 . DOI: 10.7522/j.issn.1000-0534.2012.00107

Abstract

Atmospheric correction is necessary to retrieve the real surface reflectance of the surface objects by removing the atmospheric effects induced by aerosol, solar radiation et al. In this paper, the FY-3A/MERSI data with a resolution of 1 km was selected and atmospheric correction was conducted based on the FLAASH model in Henan Province, China. Comparing with the data before the atmospheric correction, variations of the FY-3A/MERSI data are mainly as follows: (1) The reflectance of short-wave infrared band only increased by 4.1% and reflectance of the sixth band decreased by 1.5% while reflectance of the seventh band increased by 9.6%. (2) The reflectance of all visible bands decreased by -82.7% averagely. The reflectance of the red, green  and blue bands averagely decreased by 21%, 63% and 137%, respectively. After the atmospheric correction, reflectance variation amplitude increased and different objects could be distinguished more clearly by visible bands. (3) The reflectance of near-infrared band all increased with an average of 46.2%, except for the 19th band decreasing by 54%. Reflectance from band 15th to band 18th and 20th increased by 28%, 4%, 41%, 252% and 6%, respectively. (4) After the atmospheric correction, vegetation was highlighted with the value of NDVI increasing by 35%, Nevertheless the value of NDWI varied little, decreasing only by 8.7%.

Key words： FY-3A; MERSI; FLAASH; Atmospheric correcti

参考文献

[1]武永利, 栾青, 田国珍. 基于6S模型的FY-3A/MERSI可见光到近红外波段大气校正[J]. 应用生态学报, 2011, 22(6): 1537-1542.
[2]郑盛, 赵祥, 张颢, 等. HJ-1卫星CCD数据的大气校正及其效果分析[J]. 遥感学报, 2011, 15(4): 709-721.
[3]赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003: 309-336.
[4]Berk A, Bernstein L S, Anderson G P, et al. MODTRAN cloud and multiple scattering upgrades with application to AVIRIS[J]. Remote Sensing of Environment, 1998, 65: 367-375.
[5]吴北婴, 李卫, 陈洪滨, 等. 大气辐射传输实用算法[M]. 北京: 气象出版社, 1998: 6-7.
[6]Vermote E F, Tanre D, Deuze J L, et al. Second simulation of the satellite signal in the solar spectrum, 6S: An overview[C]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35: 675-686.
[7]杨静学, 王云鹏, 杨勇. 基于高程或气溶胶厚度与6S模型校正参数回归方程的遥感图像大气校正模型[J]. 遥感技术与应用, 2009, 24（3）: 331-340.
[8]ITT Visual Information Solutions. Atmospheric correction module: QUAK and FLAASH User’s Guide[DB/OL]. http://www.exelisvis.com/portals/0/pdfs/envi/Flaash_Module.pdf, 2013-06-06.
[9]文军, 王介民, 何激杰, 等. 辐射传输PCModWin程序及应用前景评述[J]. 遥感技术与应用, 1997, 12(4): 46-52.
[10]Matthew Michael W, Adler Golden Steven M, Berk Alexander. Status of atmospheric correction using a MODTRAN4-based algorithm[C]. SPIE Proceedings, Algorithms for multispectral, Hyperspectral and Ultraspectral Image VI, 4049, Orlando FL, 2000: 199-207.
[11]亓雪勇, 田庆久. 光学遥感大气校正研究进展[J]. 国土资源遥感, 2005, 66(4): 1-6.
[12]宋晓宇, 王纪华, 刘良云, 等. 基于高光谱遥感影像的大气纠正: 用AVIRIS数据评价大气纠正模块FIAASH[J]. 遥感技术与应用, 2005, 20(4): 393-398.
[13]Matthew M W, Adler-Golden S M, Berk A. et al. Atmospheric correction of spectral imagery: Evaluation of the FLAASH algorithm with AVIRIS data[C]. Applied Imagery Pattern Recognition Workshop, 2002, 31: 157-163.
[14]阮建武, 邢立新. 遥感数字图像的大气辐射校正应用研究[J]. 遥感技术与应用, 2004, 19(3): 206-208.
[15]孙家抦. 遥感原理与应用[M]. 武汉: 武汉大学出版社, 2003.
[16]Cooleya T, Anderson G P, Felde G W, et al. FLAASH, a MODTRAN4-based atmospheric correction algorithm, its application and validation. Proceeding of International Geoscience and Remote Sensing Symposium (IGARSS)[C]. IEEE, 2002: 1414-1418.
[17]刘玉洁, 杨忠东, 郭东华, 等. MODIS遥感信息处理方法与算法[M]. 北京: 科学出版社, 2001: 232-236.
[18]杨航, 张霞, 帅通, 等. OMIS-Ⅱ图像大气校正之FLAASH法与经验线性法的比较[J]. 测绘通报, 2010（8）: 4-6.
[19]陈建珍, 何超, 岳彩荣. 基于FLAASH模块的高级陆地成像仪图像的大气校正[J]. 浙江农林大学学报, 2011, 28(4): 590-596.
[20]郝建亭, 杨武年, 李玉霞, 等. 基于FLAASH的多光谱影响大气校正应用研究[J]. 遥感信息, 2008(1): 78-81.
[21]罗慧芬, 苗放, 叶成名, 等. 基于FLAASH模型的ASTER卫星影响大气校正[J]. 安徽农业科学, 2009, 37 （17）: 8101-8102.
[22]袁金国, 牛铮, 王锡平. 基于FLAASH的Hyperion高光谱影像大气校正[J]. 光谱学与光谱分析, 2009, 29(5): 1181-1185.
[23]陈爱军, 王非, 卞林根, 等. 青藏高原地区MODIS反照率两种反演结果差异的对比分析[J]. 高原气象, 2012, 31（6）: 1479-1487.
[24]王钊, 彭艳, 车慧正, 等. 近10年关中盆地MODIS气溶胶的时空变化特征[J]. 高原气象, 2013, 32（1）: 234-242.
[25]刘健. 利用卫星数据分析青藏高原云微物理特征[J]. 高原气象, 2013, 32（1）: 38-45.
[26]杨军, 董超华, 卢乃锰, 等. 中国新一代极轨气象卫星-风云三号[J]. 气象学报, 2009, 67(4): 501-509.
[27]韩秀珍, 吴朝阳, 郑伟, 等. 基于水面实测光谱的太湖蓝藻卫星遥感研究[J]. 应用气象学报, 2010, 21(6): 724-731.
[28]刘贵华, 余兴, 师春香, 等. FY-3A/VIRR反演云微物理特征及与TERRA/MODIS反演结果的比较[J]. 高原气象, 2011, 30（2）: 461-470.
[29]崔林丽, 杨引明, 游然, 等. FY-3A/MWHS数据在定量江水评估中的应用研究[J]. 高原气象, 2012, 31（5）: 1439-1445.
[30]李爽, 李国春. 应用FY-3A/MERSI数据反演土壤水分的研究[J]. 资源与环境科学, 2011, 10: 261-264.
[31]王慧, 李栋梁. 卫星遥感结合气象资料计算的西北干旱区地面感热特征分析[J]. 高原气象, 2012, 31(2): 312-321.
[32]姜秋富, 赵朝方. FY-3A/MERSI数据大气校正对海上溢油监测的改进[J]. 海洋湖沼通报, 2011, 4: 16-24.
[33]风云卫星遥感数据网. http://satellite.cma.gov.cn/portalsite/default.aspx[DB/OL]. 2013-06-06.
[34]冉有华, 李新, 卢玲. 四种常用的全球1 km土地覆盖数据中国区域的精度评价[J]. 冰川冻土, 2009, 31(3): 490-500.
[35]Ran Youhua, Li Xin, Lu Ling. Evaluation of four remote sensing based land cover products over China[J]. International Journal of Remote Sensing, 2010, 31(2): 391-401.
[36]Ran Youhua, Li Xin, Lu Ling, et al. Large-scale land cover mapping with the integration of multi-source information based on the Dempster Shafer theory[J]. International Journal of Geographical Information Science, 2012, doi:10.1080/13658816.2011.577745.
[37]石广玉. 大气辐射学[M]. 北京: 科学出版社, 2007: 110-111.
Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn