基于星载同步大气参数的多光谱卫星影像校正方法

徐玲玲, 熊 伟, 易维宁, 裘桢炜, 刘 晓, 崔文煜*

1. 中国科学技术大学, 安徽 合肥 230026

2. 中国科学院合肥物质科学研究院, 安徽 合肥 230031

引 言

对地遥感观测中, 由于大气的吸收、 反射和散射作用, 使得卫星传感器接收的能量除了地物目标的反射辐射, 还包括程辐射和交叉辐射[1]。 其中, 程辐射项主要指大气分子和气溶胶粒子散射的太阳辐射, 这一部分不包含任何地物信息[2]; 交叉辐射是由于大气散射作用, 导致背景地物产生的辐射进入了传感器视场, 产生邻近干扰贡献, 使得遥感图像的对比度降低、 地物边缘模糊[3]。 大气校正是遥感定量化的前提和基础, 对于高分辨率遥感影像而言, 大气校正的主要目的是消除或减少大气辐射影响以及邻近背景像元的干扰贡献, 反演得到真实地物反射率[2]。

对基于辐射传输计算的大气校正而言, 气溶胶大小和水汽柱含量对估算大气对太阳辐射的影响占有主要作用。 大气状态随时间和空间变化明显[4], 获取与卫星影像时空同步的大气参数至关重要。 地基设备, 如Aerosol Robotic Network (AERONET)[5], 作为获取同步大气参数的常用手段, 可以获取需要时刻的大气参数, 但是仅能代表观测点附近一定区域的大气状态, 难以用于大范围的空间分析[6]。 进一步地, 利用天基设备获取的卫星图像反演大气参数, 如Moderate-resolution Imaging Spectroradiometer(MODIS)[7]。 MODIS的10 km大气产品已经得到了广泛应用, 其精度有所保证。 为了解决大气参数和卫星图像时空匹配的问题, 可利用搭载在卫星平台的专用设备来探测大气信息, 获取与同平台其他传感器同步的大气参数。

2014年8月, 美国“数字地球”(DigitalGlobe)公司发射了WorldView-3卫星, 该卫星配置了一台专门用于大气探测的设备CAVIS(Clouds, Aerosols, water Vapor, Ice and Snow)[8]。 CAVIS覆盖了紫外到短波红外的波段, 分辨率接近30 m。 基于CAVIS得到的同步大气参数, 可以实现对WorldView-3高分辨率遥感影像的同步大气校正。

2020年7月3日, 我国的高分辨率多模综合成像卫星(简称高分多模卫星, GFDM)成功发射[9]。 卫星配置了我国首个民用同步大气校正仪(synchronization monitoring atmospheric corrector, SMAC), SMAC能获取与卫星主相机同一视场且时间同步的大气参数, 实现主相机光学遥感影像的同步大气校正, 反演得到接近地表真实值的反射率产品。

基于SMAC探测的同步大气参数, 本文提出了同步大气校正方法(synchronization atmospheric correction, Syn-AC)： 首先, 对SMAC原始数据进行处理得到SMAC的Level1产品, 再进行同步大气参数的反演, 最后, 基于6SV辐射传输模型和同步大气参数, 对GFDM卫星主相机的多光谱影像进行大气辐射影响的消除和邻近效应校正, 得到地表反射率。 为了验证Syn-AC的性能, 文章选取了包头和嵩山2个辐射定标场的多光谱影像进行同步大气校正试验, 然后对校正前后的图像质量进行分析和定量评价。 进一步地, 结合地面实测光谱数据, 对Syn-AC地表反射率图像中选定目标的平均地表反射率进行分析, 讨论同步大气校正方法的校正精度。 同时, 文章还讨论了Syn-Ac和FLAASH两种校正方法的性能。

1 卫星和传感器

1.1 高分多模卫星

高分多模卫星是2020年发射的我国第一颗亚米级分辨率的民用光学多光谱遥感科研卫星, 如图1(a)所示。 卫星搭载了4类有效载荷： 1台高分辨率光学相机、 1台20通道的大气同步校正仪、 1套数据传输设备和1套星间激光通信终端[10]。 表1为高分多模卫星及主相机参数。 卫星配置的高分辨相机, 覆盖了从可见光到近红外几乎全部波长, 包含1个全色波段和8个多光谱波段。

图1 (a)高分多模卫星; (b) SMAC[11]

表1 高分多模卫星参数

1.2 同步大气校正仪

为了获取高精度的遥感影像数据, 高分多模卫星配置了同步大气校正仪, 如图1(b), 用于获取与主相机时空同步的大气信息。 同步大气校正仪是中国科学院合肥物质科学研究院安徽光学精密仪器研究所自主研制, 仪器采用多光谱和偏振通道相结合的设计方案[10], 表2为同步大气校正仪主要参数信息。 SMAC覆盖了从可见光到短波红外(490～2 250 nm)太阳反射光谱的8个波段, 其中5个波段(490、 670、 870、 1 610和2 250 nm)具备偏振探测能力, 用于实现高精度的气溶胶反演[11]。 非偏通道中, 910 nm波段可用于反演水汽柱含量, 1 380 nm波段可用于卷云识别[11]。

表2 同步大气校正仪参数

为了实现各偏振通道的同步测量, SMAC采用分孔径探测方法[10]。 SMAC各个通道均采用了双像元探测模式, 单个像元的空间分辨率约为6.7 km。 如图2所示, 红色方框表示SMAC单个像元, SMAC每隔0.1 s探测一次, 沿着卫星飞行方向, 形成了2条探测轨迹。

图2 高分多模卫星主相机和SMAC的对地观测模式

2 同步大气校正方法

基于SMAC反演的同步大气参数, 文章提出了同步大气校正方法Syn-AC, 图3为方法流程示意图。 基于同步大气参数的大气校正方法主要分为三个部分： SMAC数据处理、 同步大气参数反演和高分辨率卫星遥感影像的大气校正。 第一步, 对SMAC的Level0原始数据进行处理, 将传感器的响应值转化为具有物理意义的表征量, 生成SMAC的Level1产品; 第二步, 基于SMAC-Level1数据, 对SMAC进行逐像元的云识别, 然后结合地表反射率先验知识, 进行气溶胶和水汽参数的反演, 生成SMAC的Level2产品; 第三步, 基于6SV辐射传输模型和同步大气参数(AOD和CWV), 对GFDM卫星主相机的Level1A多光谱影像进行大气辐射影响的消除和邻近效应校正, 生成主相机的Level2地表反射率产品。

图3 同步大气校正方法流程

2.1 SMAC数据处理

SMAC原始数据为探测器响应的灰度值(digital number, DN), 以帧格式按时间顺序存储, 每帧大小为930字节。 在进行大气参数反演之前, 有必要将灰度值转换为具有物理意义的特征量。 SMAC数据处理需要经过数据校验、 扣除本底、 偏振信息计算、 辐射信息计算、 几何信息解算和产品打包六个步骤。

首先, 对原始数据进行校验, 确保有效信息的保留, 然后根据定标配置文件从原始DN值中扣除本底得到有效信号。 接下来, 解算非偏通道的辐射信息, 将有效信号除以绝对响应度Aλ和增益系数Zλ得出辐亮度L(λ), 计算方法如式(1)

(1)

式(1)中,λ为波段, 辐亮度L(λ)单位为μW/cm2/nm/sr。

偏振信息的解算, 结合偏振方位角、 绝对响应度和相对透过率定标数据, 对偏振通道(490、 670、 870、 1 610和2 250 nm), 通过式(2)计算出目标斯托克斯参量[I,Q,U][12]

(2)

进一步可计算出偏振度Pλ, 计算方法如式(3)

(3)

SMAC几何信息的解算, 结合卫星业务化平台提供的相机辅助数据包, 解算得到传感器观测几何、 经纬度、 太阳观测天顶角、 方位角以及海陆标识和海拔高度。

最后, 产品打包形成与SMAC有效数据一一对应的Level1产品, 产品格式如表3所示。

表3 SMAC Level-1产品

2.2 同步大气参数反演

2.2.1 云识别

云对于大气参数的精确反演具有重要影响, 在从SMAC-Level1数据中反演气溶胶和水汽参数之前, 有必要识别并剔除云覆盖的像元[11]。 文章基于阈值判断的方法对SMAC进行逐像元云识别[11]。 首先, 利用SMAC的490 nm波段表观反射率(TOA)实现厚云判断[13]。 接着, 利用SMAC的1380 nm波段TOA值来进行卷云识别[13]。 在厚云和卷云识别的基础上, 引入归一化沙尘沙漠指数(normalized difference dust index, NDDI)[14]和归一化雪被指数(normalized difference snow index, NDSI)[15]分别进行沙漠亮地表和雪地亮地表上空的云识别。 因此, 满足式(4)—式(7)中的任意一种条件的像元都视为云像元[13-15]

(4)

(5)

(6)

(7)

2.2.2 气溶胶反演

对于大气校正仪遥感观测的表观偏振反射率, 地表和大气多次交互引起的偏振贡献非常小, 在经过大气的衰减作用后, 对传感器的偏振贡献基本可以忽略, 因此表观偏振反射率可以表示为[16]

(8)

基于最优化估计[17], 构建一个代价函数Jp

Jp(AOD,C, FMFV)=

(9)

式(9)中,m为偏振通道,d为偏振通道总数(d=5),Lsimu为模拟的归一化偏振辐亮度,Lmeas为实际观测的偏振辐亮度,C为BPDF模型中的参数, FMFV为选用的体积柱浓度和体积柱浓度细模态的占比。

因此, 在模拟5个偏振通道表观归一化偏振辐亮度过程中, 有三个未知参数(AOD,C, FMFV)。 理论上, 应该存在一组值(AOD,C, FMFV)使得根据式(9)计算得到的表观归一化偏振辐亮度Lsimu均与实际观测结果Lmeas相同。 但是, 由于观测误差、 模型误差等的存在, 我们取使价值函数Jp(AOD,C, FMFV)值最小的一组(AOD,C, FMFV)为最优参数, 对应的AOD即为反演结果。

2.2.3 水汽反演

基于经典的双通道比值法[18], 文章利用同步大气校正仪870和910 nm两个通道的探测数据进行水汽柱含量的反演。

假设地表为朗伯均匀类型, 则大气层顶表观反射率和地表反射率之间的关系可以定义为[19]

(10)

在910 nm近红外波段附近, 大气校正仪接收的辐射主要是地表反射的直接辐射, 大气程辐射的贡献可以近似忽略[11], 同时忽略地表反射率在该通道和邻近870 nm通道的变化, 则太阳-地表-传感器路径上的水汽吸收透过率T可以定义为[11]

(11)

进一步地, 通过经验公式计算得出水汽柱含量[20]

(12)

式(12)中,m=1/(cosθs)+1/(cosθv)。A、B和C为经验公式的拟合系数,A=0.194 6,B=0.520 2,C=28.11[11]。

最后, 对云识别、 气溶胶和水汽反演结果进行整合, 形成同步大气校正仪Level2产品。

2.3 高分辨率卫星遥感影像的大气校正

由于大气的散射作用, 卫星传感器接受的能量, 除了目标沿地面-传感器方向直接反射的辐射, 还包括两个部分： 大气散射(不与地面相互作用)的辐射, 以及周围背景地物散射进入传感器的辐射[2]。 高分辨率卫星遥感影像大气校正的主要目的就是减少大气和邻近效应的影响, 得到接近于真实值的地表反射率。

首先对遥感影像进行辐射校正, 将卫星高分辨率相机响应的灰度转化为大气层顶辐射亮度, 计算方法如式(13)

L(λ)=Gain·DN(λ)+Offset

(13)

式(13)中,λ为波段, Gain和Offset分别为定标斜率和截距, 本文采用的定标系数均来源于中国资源卫星应用中心。

对于高分辨率卫星遥感影像, 传感器接收的辐射包括目标周围背景像元的干扰贡献, 因此考虑邻近效应的影响, 入瞳处辐射亮度可以用式(14)表示

(14)

式(14)中,Lpath(λ)为大气程辐射项,T(θv)为大气在观测方向上的总透射率,Eg(0)为当前位置的太阳辐照度,S为大气半球反照率。

因此, 地表反射率(包含背景像元的辐射贡献)可以用式(15)表示

(15)

背景反射率ρBackground可以通过式(16)计算得到

(16)

式(16)中,ρ′(γ,η)为在(γ,η)位置的像元的反射率, Weight(γ,η,θv)为当前像元对目标像元的辐射贡献程度。 辐射贡献权重与大气状态(主要是气溶胶光学厚度)、 周围像元与目标像元的空间距离以及背景像元与目标像元的反射率差值等因素有关[21]。

最后, 文章采用漫射与直射透射率的比值作为邻近效应校正系数q[21], 得到去除背景像元干扰贡献的地表反射率ρt

ρt=ρ*+q(ρ*-ρBackground)

(17)

3 实验部分

3.1 实验研究区域与数据

基于SMAC反演的同步大气参数, 实验选取了高分多模卫星主相机多光谱影像进行同步大气校正试验。 实验研究区域为包头和嵩山辐射定标场, 每个研究区域分别选取了一幅多光谱影像, 影像参数见表4, 气溶胶模型为大陆型。

表4 卫星影像参数

为了验证同步大气校正方法的性能, 试验结合人工靶标地面实测光谱进行验证。 地面光谱测量采用了地物光谱仪ASD, 仪器光谱范围为400～1 600 nm, 采样间隔为1 nm。 测量实验中, 对每个目标连续采样3次, 取平均值作为目标光谱。 图4为包头和嵩山辐射定标场以及实验研究目标(红色数字标记)示意图, 包头辐射定标场选取白色、 灰色和黑色靶标为研究目标, 嵩山辐射定标场选取了白色和黑色靶标为研究目标。

图4 研究区域示意图

图5为高分多模卫星光谱响应函数, 利用卫星多光谱数据的光谱响应函数与地面实测光谱数据积分可得到波段反射率, 计算方法如式(18)

图5 高分多模卫星光谱响应函数

(18)

式(18)中,λ为波段,λ1=400 nm,λ2=1 040 nm。L(λ)为对应波段的光谱响应,ρfield为地面实测光谱,ρaverage为平均地面反射率。

大气参数作为辐射传输计算的重要输入, 其精度对于估算大气对太阳辐射的影响至关重要, 直接影响大气校正的精度。 因此, 在利用同步大气参数进行大气校正之前, 有必要对同步大气参数的精度进行验证, 将SMAC反演结果与地基站点数据进行对比。 表5所示为试验选用地基站点信息以及对比结果, 结果显示同步大气参数AOD的相对误差分别为1.82%和6.59%, CWV的相对误差分别为5.80%和3.78%, 同步大气参数可用于高分多模卫星影像的同步大气校正。

表5 同步大气参数与地基站点数据对比

3.2 方法

3.2.1 同步大气校正前后图像质量

大气对太阳辐射的吸收和散射导致遥感卫星影像的亮度和对比度降低, 使得图像视觉效果变模糊。 卫星传感器空间分辨率越高、 大气能见度越低, 大气散射效应引起的图像模糊效应更明显[22]。 大气校正能有效地去除大气辐射影响, 改善图像质量。 尤其在进行邻近效应校正后, 图像清晰度和对比度会得到有效提升[23-24]。 文章对同步大气校正前后影像的视觉效果进行对比, 并采用Robert平均清晰度(CLAR)、 平均对比度(CONT)和信息熵(ENTR)作为评价校正前后图像质量的指标。 CLAR用于评价图像的清晰度, 反映图像细节的变化, 可通过式(19)进行计算[23-24]。 清晰度越高, 图像质量和清晰度越高。 CONT是指图像轮廓与其他内容的灰度对比度, 图像越清晰, 对比度越高[22]。 CONT可以用式(20)计算。 ENTR用于测量图像信息, 纹理越丰富, 图像中包含的信息越多, 熵值越大。 可以用式(21)计算ENTR, 其中P(t)为图像中不同灰度等级的概率。

[f(i+1,j)-f(i,j+1)]2}

(19)

(20)

(21)

3.2.2 同步大气校正方法的校正精度

同步大气校正方法可实现大气影响的消除和邻近效应的校正, 得到接近真实值的目标地表反射率。 为了讨论同步大气校正方法的校正精度, 文章结合地面实测反射率, 对同步大气校正后研究目标的平均地表反射率进行分析。 同时, 计算了校正后平均地表反射率与地面实测反射率值之间的绝对误差(absolute error, AE)和相对误差(relative error, RE), 计算方法如式(22)和式(23)

AE=|校正后反射率-地面实测值|

(22)

(23)

4 结果与讨论

4.1 图像质量

图6为大气校正前后卫星真彩色图像(R、 G、 B分别对应波段3、 2、 1)视觉效果对比结果。 图6(a)和(b)为校正前原图像, 可以看出校正前地物细节不明显, 图像较模糊。 而同步大气校正后的图像[图6(c)和(d)], 纹理更丰富, 图像质量明显提升。

图6 卫星真彩色图像大气校正前和校正后视觉效果

进一步地, 对同步大气校正前后的图像, 分别计算各波段图像的清晰度、 对比度和信息熵, 结果如表6所示。 从表6可以看出, 经过同步大气校正后, 各波段图像的CLAR、 CONT和ENTR值都有明显提升。

表6 同步大气校正前后图像质量指标

4.2 校正精度

针对包头辐射定标场多光谱影像, 选取了白色、 灰色和黑色三种人工靶标进行校正精度分析。 如图7, 三种地物校正后的平均地表反射率和地面实测反射率对比结果。 可以看出, 经过同步大气校正后, 三个研究目标的平均地表反射率与地面实测值较吻合。

图7 包头辐射定标场人工靶标同步大气校正后地表反射率

根据式(20)和式(21)求出三种地物大气校正后地表反射率和地面实测反射率之间的绝对误差和相对误差, 见表7。 Syn-AC白色靶标校正后的平均地表反射率与实测反射率之间的绝对误差最大值为0.031 5, 相对误差不大于8%。 FLAASH白色靶标校正后的平均地表反射率与实测反射率之间的绝对误差最大值为0.039 8, 相对误差不大于9%。 对于灰色靶标, Syn-AC校正得到的平均反射率与实测反射率之间的绝对误差最大值为0.017 1, 最大相对误差在10%左右。 FLAASH白色靶标校正后的平均地表反射率与实测反射率之间的绝对误差最大值为0.031 8, 相对误差在30%左右。 对于黑色靶标, Syn-AC校正后的平均反射率与实测反射率之间的绝对误差最大值为0.024 7, FLAASH方法的绝对误差最大值为0.034 2(黑色靶标的地面实测反射率较低(接近零值), 很小的绝对误差会引起较大的相对误差)。

表7 包头辐射定标场人工靶标校正后反射率与地面实测反射率之间的绝对误差和相对误差

嵩山辐射定标场实验选取白色和黑色两种标称值的人工靶标进行分析, 图8为两种地物校正后的平均地表反射率和地面实测反射率。 图8中, 黑色曲线代表地物实测光谱, 白色和黑色靶标经过同步大气校正后, 平均地表反射率与地面实测值较接近。 FLAASH方法校正后的白色靶标平均反射率与地面实测值误差稍大, 而黑色靶标的校正后平均反射率与地面实测值较吻合。

图8 嵩山辐射定标场人工靶标同步大气校正后地表反射率

同样地, 根据式(20)和式(21)求出白色和黑色靶标大气校正后的地表反射率和地面实测反射率之间的绝对误差和相对误差, 见表8。 对于标称值为60%的白色靶标, Syn-AC校正后的平均地表反射率与实测反射率之间的绝对误差最大值为0.023 5, 最大相对误差为4.93%。 FLAASH方法校正得到的反射率图像中, 白色靶标的平均地表反射率与地面实测值之间的绝对误差最大值为0.091 3, 最大相对误差为18.64%。 对于标称值为5%的黑靶标, Syn-AC和FLAASH校正得到的平均地表反射率与实测反射率之间的绝对误差均小于0.03, 校正效果较好。

表8 嵩山辐射定标场人工靶标校正后反射率与地面实测反射率之间的绝对误差和相对误差

高精度大气参数对于基于辐射传输模型的大气校正和高空间分辨率光学遥感影像的定量化应用至关重要。 然而, 由于大气参数的时空变化, 传统的基于地面站点或其他卫星产品获取大气参数的方法难以保证大气参数与图像的时空匹配, 导致大气校正存在误差。 本文证明了利用卫星平台上的设备同步获取大气参数的解决方案是有效的。

为了验证Syn-AC方法的校正精度, 文章将同步大气校正后得到的目标平均反射率与地面实测值进行了对比, 并对FLAASH进行了同样的分析。 本文提出的Syn-AC方法和FLAASH均是基于辐射传输模型实现的。 在模型输入参数中, 除了大气参数的来源不同, 其他输入参数, 包括卫星成像参数、 大气模式和气溶胶模式都采用了同样的输入。 实验结果表明, 两种方法在校正精度上都有较好的性能。 但是, Syn-AC方法的校正结果更稳定。 这个结果的原因被认为是, FLAASH是基于图像光谱信息进行大气参数的估计, 而GFDM卫星主传感器的波段设置可能无法满足FLAASH反演大气参数的要求。 Syn-AC方法采用的大气参数是从SMAC数据中反演得到的, SMAC是专门用于探测大气信息的装置。 因此, Syn-AC的大部分反演值更接近于现场实测值, 表现更稳定。

由于研究区域卫星图像的获取需要提交成像计划表, 因此实验部分目标区域的图像数据是有限的。 对于目前的实验结果, 还需要更多的图像数据进行验证, 分析不同大气状态和下垫面的校正性能, 这将在我们以后的研究工作中逐步开展。

5 结 论

大气参数的精确获取对基于辐射传输模型的大气校正而言至关重要, 基于同步大气参数的同步大气校正方法可有效地提升校正的效果和精度。 基于SMAC数据反演的大气参数, 实验选取了2个辐射定标场的多光谱影像进行同步大气校正试验, 然后对校正前后的图像质量对比分析, 并结合地面实测光谱数据分析同步大气校正方法的性能。 结果表明, 高分多模卫星多光谱影像经同步大气校正后, 图像质量得到明显提升, 尤其是邻近效应校正后, 地物边缘更清晰, 纹理更丰富。 同步大气校正反演得到的地物反射率与地面实测反射率较吻合, 白色和灰色人工靶标校正结果的绝对误差最大为0.031 5(FLAASH为0.091 3)。 初步研究结果显示, 基于同步大气校正参数的大气校正方法有助于提升图像质量, 同步大气校正仪对进一步满足遥感应用高精度数据需求方面具有很大的潜力。