浑浊二类水体的高分四号卫星大气校正效果分析

引用本文

宋挺, 龚绍琦, 刘军志, 顾征帆, 石浚哲, 吴蔚. 浑浊二类水体的高分四号卫星大气校正效果分析[J]. 光谱学与光谱分析, 2018,38(4): 1191-1197.
SONG Ting, GONG Shao-qi, LIU Jun-zhi, GU Zheng-fan, SHI Jun-zhe, WU Wei. Performance Assessment of Atmospheric Correction for Multispectral Data of GF-4 on Inland Case Ⅱ Turbid Water[J]. Spectroscopy and Spectral Analysis, 2018,38(4): 1191-1197.
Doi:10.3964/j.issn.1000-0593(2018)04-1191-07 复制到剪切板

Permissions

《光谱学与光谱分析》期刊社所有

浑浊二类水体的高分四号卫星大气校正效果分析

宋挺^1,², 龚绍琦³, 刘军志^4,^5,^*, 顾征帆², 石浚哲², 吴蔚²

1. 南京信息工程大学环境科学与工程学院, 江苏南京 210044

2. 无锡市环境监测中心站, 江苏无锡 214121

3. 南京信息工程大学地理与遥感学院, 江苏南京 210044

4. 南京师范大学虚拟地理环境教育部重点实验室, 江苏南京 210023

5. 江苏省地理信息资源开发与利用协同创新中心, 江苏南京 210023

*通讯联系人 e-mail: liujunzhi@njnu.edu.cn

作者简介: 宋挺, 1982年生, 无锡市环境监测中心站工程师, 南京信息工程大学环境科学与工程学院研究生,e-mail: songting2211@163.com

收稿日期: 2016-12-22 接受日期: 2017-05-10

基金: 国家自然科学基金项目(41601413), 国家科技重大专项子课题(2012ZX07506-002), 江苏省自然科学基金项目(BK20150975)资助

摘要

高分四号卫星是我国首颗高空间分辨率地球静止卫星, 在浑浊二类水体的遥感定量监测方面应用潜力很大。为评价高分四号多光谱数据经大气校正后水体反射率的精度, 以太湖为研究区, 使用同步MODIS数据辅助的Gordon单次散射改进算法, 对2016年7月21日和2016年8月17日两景高分四号多光谱数据进行大气校正, 并通过与地面同步实测光谱数据、以及地球静止水色卫星GOCI数据大气校正结果的协同比对, 验证高分四号多光谱数据的大气校正效果, 为该卫星产品的水色遥感应用提供借鉴和参考。结果表明, 红光B4波段校正精度最高, 平均绝对误差(MAPE)为10.71%; 绿光B3波段校正精度次高, MAPE为13.21%; 近红外B5波段校正精度次低, MAPE为33.06%; 蓝光B2波段校正精度最低, MAPE为53.55%。其中B3, B4和B5波段校正精度高于GOCI, 主要原因在于高分四号的空间分辨率远高于GOCI, 混合像元导致的精度误差相对较小, 充分显示了高分四号作为一颗高空间分辨率地球静止卫星在水色遥感方面的优势; 而B2波段低于GOCI, 表明高分四号的蓝光波段尚有改进空间, 今后有必要对该波段进行重新定标等处理; 在未得到有效处理的情况下, 水色遥感应用应尽量避开该波段。总体而言, 高分四号多光谱数据校正精度较高, 可以较好的应用于内陆二类浑浊水体的定量遥感监测。

关键词: 高分四号; 大气校正; GOCI; 太湖

中图分类号:X52 文献标志码:A

Performance Assessment of Atmospheric Correction for Multispectral Data of GF-4 on Inland Case Ⅱ Turbid Water

SONG Ting^1,², GONG Shao-qi³, LIU Jun-zhi^4,^5,^*, GU Zheng-fan², SHI Jun-zhe², WU Wei²

1. School of Environmental Science and Engineering, Nanjing University of Information Science & Technology, Nanjing 210044, China;

2. Wuxi Environmental Monitoring Centre, Wuxi 214121, China

3. School of Geography and Remote Sensing, Nanjing University of Information Science & Technology, Nanjing 210044, China;

4. Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China

5. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China

Abstract

GF-4 satellite is the first geostationary satellite with high spatial resolution in China, which has great potential in the aspects of inland water monitoring. This paper takes the Taihu Lake as study area to evaluate the accuracy of GF-4 derived spectral reflectance after atmospheric correction, aiming to provide valuable information for the application of GF-4 data to water color remote sensing. The MODIS-aided improved Gordon atmospheric correction algorithm was used to conduct atmospheric correction for GF-4 images obtained on 2016-07-21 and 2016-08-17. In situ measurements of quasi-synchronous samples and atmospheric corrected GOCI (Geostationary Ocean Color Imager) data were used to validate the GF-4 derived spectral reflectance. The results show that the red-light B4 band had the highest accuracy with RMSE (Root Mean Square Error) of 1.25×10^-3 and MAPE (Mean Absolute Percentage Error) of 10.71%, the green-light B3 band had RMSE of 2.43×10^-3 and MAPE of 13.21%, and the near-infrared B5 band had RMSE of 1.95×10^-3 and MAPE of 33.06%. The blue-light B2 band had the worst accuracy with RMSE of 6.81×10^-3 and MAPE of 53.55%. The accuracy of B3, B4 and B5 bands of GF-4 were higher than those of GOCI. This is because that the spatial resolution of GF-4 is much higher than that of GOCI, so the errors caused by mixed pixel were relatively smaller, showing the advantage of GF-4 as a high-resolution geostationary satellite when used in water color remote sensing. The accuracy of B2 band of GF-4 was lower than that of GOCI, indicating the B2 band of GF-4 still has room for improvement. In the future, the B2 band should be corrected separately, and the usage of this band in water color remote sensing should be avoided if it is not corrected properly. Overall, the multispectral data of GF-4 has relatively high accuracy and can used to monitor the inland case II turbidwater. In order to improve the accuracy of GF-4 derived spectral reflectance, several researches should be conducted in the future. First, aerosol observation stations should be established to obtained long-term data needed by the multiple scattering algorithm forlocalaerosol. Second, the study area should be divided into several sub-regions in order to reduce the errors caused by the assumption that the air condition was the same for the whole study area. The third, the spatial resolution of GF-4 was 50 m, while the effective area of thespectrograph probe was only 1 m². Spectrum data should be collected at multiple points within one GF-4 pixel, so that the errors caused by scale mismatch can be reduced.

Keyword: GF-4 satellite; Atmospheric correction; GOCI; Taihu Lake

文章图片

引言

高分四号卫星是我国首颗高空间分辨率高轨地球静止卫星, 于2016年6月开始投入使用, 其轨道高度为3.6万km, 定位在东经105.6° 赤道上空^[1], 凝视着约三分之一的地球范围, 同时具备高空间分辨率和高时间分辨率。高分四号使用面阵凝视方式成像, 具有可见光近红外通道(PMS)和中红外通道(IRS), 幅宽优于400 km, 其中PMS设置有空间分辨率为50 m的全色和多光谱波段, IRS空间分辨率为400 m。传感器具体性能参数如表1所示。

表1 高分四号卫星参数 Table 1 Performance parameters of GF-4 satellite system

高分四号卫星的研制代表了我国地球静止卫星的顶级水平, 在国际上也处于领先地位^[2], 其载荷设计可为气象、环保、林业、水利和农业等领域提供数据支持。在水环境遥感方面, 高分四号对同一水域高频率的持续观测, 对研究水质反演以及蓝藻水华的动态变化均有重要价值。对于水色遥感来说, 由于受大气的影响, 卫星传感器接收的信号大部分来自大气分子的瑞利散射、气溶胶的米氏散射以及天空漫反射在水体表面的反射(菲涅尔反射), 在传感器接收的信号中水体信息比例小于10%^[3], 严重妨碍了水体真实光谱信息的获取。所以, 要准确评价高分四号卫星多光谱数据在水色遥感方面的应用潜力, 应首先通过大气校正去除瑞利散射和气溶胶散射。

当前有多种大气校正方法, 如6S模型、 MORTRAN模型、 LOWRAN模型和FLAASH模型等, 这些模型未充分考虑水色遥感的特点, 对水色遥感的适用性与普适性较差。目前应用最普遍的水色遥感大气校正方法是基于暗像元的Gordon算法。自Gordon等^[4]提出针对水色遥感的大气校正以来, 应用于一类水体的Gordon标准算法不断获得改进, 已成功运用于各类水色卫星的大气校正, 且误差一般低于5%^[4]。针对Gordon算法应用于二类浑浊水体的局限性已有学者进行相关改进^{[5, 6, 7]}, 李俊生^[8]等利用同步MODIS(moderate resolution imaging spectroradiometer)短波红外数据辅助CBERS数据进行内陆水体的大气校正, 并取得了较好效果。檀静^[9]等提取MODIS第5、第6波段辐射亮度, 从小到大排列10%的低值像元点作为暗像元点, 参与Gordon改进算法的大气校正, 精度得到了有效提升。金鑫等^[10]将太湖分区并分别计算各湖区的气溶胶散射值, 提高了环境一号卫星多光谱数据在太湖水域大气校正的精度。

高分四号卫星的辐射定标系数于2016年10月公布, 目前还没有针对该卫星在水色遥感领域, 特别是浑浊二类水体方面的大气校正研究, 迫切需要评价高分四号卫星数据在水色遥感方面的应用价值。本研究以太湖为研究区, 利用同步MODIS数据辅助高分四号多光谱数据进行大气校正, 并通过与地球静止水色卫星GOCI(geostationary ocean color imager)数据大气校正结果以及地面同步实测光谱数据的协同比对, 对高分四号多光谱数据经大气校后得到的反射率精度进行验证, 据此评价高分四号卫星多光谱数据在内陆二类浑浊水体水色遥感领域的应用潜力。

1 实验部分

1.1 数据

1.1.1 地面实测数据

太湖位于长江三角洲南部, 横跨江苏与浙江两省。太湖面积约2 338 km², 最大水深3 m, 平均水深仅为1.89 m, 属于典型的浑浊二类水体。 2016年7月21日与8月17日上午, 研究人员利用无锡市环境监测中心站夏季蓝藻预警巡视之机, 在太湖北部水域10个无水华样点进行了两次水体光谱数据采集, 取样地点如图1所示。采样仪器为ASD Field Spec Pro FR便携式地物光谱仪, 使用唐军武等人提出的针对二类浑浊水体的水面以上测量法^[11]。分别对标准灰板、水面和天空进行测量, 每次采集10条光谱, 进行遥感反射比计算前, 首先剔除异常值, 再计算剩余光谱值的平均, 最后使用平均处理后的数据计算遥感反射率。

	Figure Option View Download New Window
	图1 采样点位分布Fig.1 Spatial distribution of sampling points

遥感反射率的计算公式为

$R_{rs} = L_{w} / E_{d} (0^{+}) (1)$

式中, L_w为离水辐亮度, E_d(0⁺)为水面总入射辐照度。 L_w和E_d(0⁺)可以通过下列公式计算得到

$\begin{array}{l} L_{w} = L_{sw} - r \times L_{sky} (2) \\ E_{d} (0^{+}) = L_{p} \times π / ρ_{p} (3) \end{array}$

式中, L_sw为离水总辐射度, L_sky为天空漫反射光辐亮度; r为水气分界面对天空漫反射光的反射率, 根据经验^[11], 平静水面取值为0.022, 风速为5 m· s^-1左右时, r取0.025, 风速为10 m· s^-1左右时, r取0.026~0.028; L_p为标准灰板的辐亮度, ρ _p为标准灰板的反射率, 选用定标后反射率为24%~34%的灰板。

为更客观的评价遥感数据大气校正效果, 对地面实测光谱数据作如下处理, 从而得到遥感数据对应通道的等效反射率

$\begin{array}{l} L_{w i} = \frac{\int_{λ}^{1} f (λ) L_{w} (λ) d λ}{\int_{λ}^{1} f (λ) d λ} (4) \\ E_{d i} (0^{+}) = \frac{\int_{λ}^{1} f (λ) E_{d} (0^{+}) (λ) d λ}{\int_{λ}^{1} f (λ) d λ} (5) \\ R_{rs i} = \frac{L_{w i}}{E_{d i} (0^{+})} (6) \end{array}$

式中, λ ₁至λ ₂表示遥感数据对应波段区间, f(λ )为遥感数据各波段的光谱响应函数, L_w_i和E_d_i(0⁺)分别为模拟的遥感数据各波段的等效离水辐亮度和等效水面总入射辐照度。

1.1.2 遥感数据及预处理

1.1.2.1 高分四号影像及预处理

从中国资源卫星应用中心数据服务平台获取了2016年7月21日与2016年8月17日卫星成像时间与实测数据准同步的两景高分四号遥感影像。经几何精校正等相关处理后, 进行辐射定标将传感器接收到的DN值(digital number)转换为表观辐亮度, 在得到表观辐亮度的基础上, 通过式(7)得到行星反射率。

$ρ_{λ} = \frac{π L_{λ} d^{2}}{ESU N_{λ} \cos θ_{s}} (7)$

式(7)中, ρ _λ为波段λ 处行星反射率; L_λ为λ 处表观辐亮度; d²中的d为日地距离(天文单位); cosθ _s为太阳天顶角的余弦值, 相关太阳、卫星的天顶角和方位角信息, 可从高分四号元数据中获取; ESUN_λ为波长λ 处大气上层太阳辐照度, 通过中国资源卫星应用中心发布的高分四号PMI光谱响应函数, 以及WRC太阳光谱辐照度, 根据式(8)计算得出, 结果如表2所示。

$ESU N_{λ} = \frac{\int L_{λ} f (λ) d λ}{\int L_{λ} d λ} (8)$

表2 高分四号PMI各波段大气顶部的太阳辐照度值(W· m²· μ m) Table 2 Solar irradiance on the upper atmosphere for GF-4 PMI data(W· m²· μ m)

式(8)中, f(λ )为高分四号卫星光谱响应函数, L(λ )为太阳光谱辐照度。

1.1.2.2 GOCI影像及预处理

为更有效的评价高分四号多光谱数据大气校正后反射率的精度, 通过KOSC下载了与实测数据同步的GOCI L1B级数据进行辅助验证。地球静止气象卫星COMS(communication ocean and meteorological satellite)搭载的GOCI水色遥感传感器可获取8个波段的数据, 空间分辨率500 m, 时间分辨率1 h, 每天提供8点至15点8次观测数据, 实时监测包括太湖水域在内的2 500 km× 2 500 km的目标区域, 以满足高频次的水色参数动态变化的监测需求^[12]。 GOCI具体的波段参数见表3。

表3 GOCI波段及参数信息 Table 3 Bands and parameter of GOCI

GOCI的L1B级数据使用专用软件GDPS(GOCI data processing system)进行处理, 可直接获取表观辐亮度值。通过式(8), 得到GOCI各波段大气顶层太阳辐照度(表4)。

表4 GOCI各波段大气顶部的太阳辐照度值(W· m²· μ m) Table 4 Solar irradiance on the upper atmosphere for GOCI data(W· m²· μ m)

1.2 大气校正方法

使用同步MODIS短波红外波段进行辅助^[8], 在Gordon单次散射算法^[7]基础上改进的方法, 对高分四号多光谱和GOCI数据进行大气校正。在单次散射的前提下, 传感器接收到的辐射由以下几部分构成

$\begin{array}{l} L (λ_{i}) = L_{p} (λ_{i}) + T (λ_{i}) L_{g} (λ_{i}) + t (λ_{i}) L_{w} (λ_{i}) + \\ t (λ_{i}) L_{wc} (λ_{i}) + t (λ_{i}) L_{b} (λ_{i}) (9) \end{array}$

式(9)中, $L_{p} (λ_{i})$ 为大气程辐射, $L_{g} (λ_{i})$ 是太阳耀斑辐射, $L_{w} (λ_{i})$ 是离水辐射, $L_{wc} (λ_{i})$ 是水面白帽辐射, $L_{b} (λ_{i})$ 是经水底反射的辐射, 对二类水体来说, 通常可以忽略不计^[13]。 $T (λ_{i}) 和 t (λ_{i})$ 分别为各个波段的直射、漫射透过率。当从天顶观测获得的遥感影像数据没有出现突变值时, 太阳耀斑辐射可基本忽略^[8]。当风速不大时, 白帽辐射也可忽略。达到传感器的辐射可以简化为

$L (λ_{i}) = L_{p} (λ_{i}) + t (λ_{i}) L_{w} (λ_{i}) (10)$

大气漫射透过率t(λ _i)主要受大气分子散射、臭氧吸收以及气溶胶散射等因素的影响, 可按式(11)计算^[14]

$t (θ_{i}, λ_{i}) = \exp [- (τ_{r} (λ_{i}) / 2 + τ_{OZ} (λ_{i})) / \cos θ_{i}] (11)$

式(11)中, τ _r(λ _i)为大气分子瑞利散射垂直光学厚度; τ _OZ(λ _i)为臭氧垂直光学厚度; θ _i为太阳或者卫星天顶角。

大气程辐射L_p(λ _i)主要是由大气分子散射和大气中的悬浮气溶胶散射造成的, 又可分为瑞利散射辐射L_r(λ _i)和气溶胶散射辐射L_a(λ _i)。在Condon的业务化算法中瑞利散射的算法已经比较成熟。瑞利散射可写为

$\begin{array}{l} L_{r} (λ_{i}) = \frac{1}{4 π μ} (F_{0} (λ_{i}) T_{OZ} (λ_{i}) τ_{r} (λ_{i})) \cdot \\ [P_{r} (Ψ ↓) + (ρ (μ) + ρ (μ_{0})) P_{r} (Ψ ↑)] (12) \end{array}$

F₀(λ _i)为大气层外入射的太阳辐射中波长为λ _i的大气顶部太阳辐照度值, 随着日地距离的季节性变化而变化; T_OZ(λ )为臭氧吸收引起的透过率, 与臭氧光学厚度有关; τ _r(λ )为瑞利光学厚度, 与实测大气压力有关。 P_r(Ψ ↓ )和P_r(Ψ ↑ )分别为入射光和散射光的瑞利相位函数, 与太阳及卫星的天顶角、方位角有关; ρ 为菲涅耳反射率, 与水体折射率有关; μ ₀和μ 分别为太阳天顶角和卫星天顶角的余弦。

对于气溶胶散射辐射L_a(λ _i), 使用同步MODIS短波红外数据进行辅助估算。针对一类水体, Gordon假设MODIS近红外的15波段和16波段离水辐亮度近似为零。而太湖作为二类水体, 其光学特性受悬浮物和黄色物质影响很大, 导致其在近红外波段的离水辐亮度不为零。因此, 根据相关研究^[8], 使用离水辐亮度近似为零的MODIS第5(1 230~1 250 nm)和第6(1 628~1 652 nm)的短波红外波段进行辅助估算。

假设研究区内气溶胶类型没有变化, 因此气溶胶散射相位函数与单次散射反照率随波长也基本没有变化, 在只考虑单次气溶胶散射的情况下, 两个波长的单次散射反射率具有比例的关系, 即可定义一个大气校正参数ε 进行计算^[15], 表达式如下所示

$ε (λ_{i}, λ_{j}) = \frac{ρ_{as} (λ_{i})}{ρ_{as} (λ_{j})} = \frac{ω_{a} (λ_{i}) τ_{a} (λ_{i}) P_{a} (θ, θ_{0}, λ_{i})}{ω_{a} (λ_{j}) τ_{a} (λ_{j}) P_{a} (θ, θ_{0}, λ_{j})} (13)$

式中λ _i为短波波长, λ _j为长波波长, 选择离水辐亮度为0的波段计算ε 。 ω _a和τ _a分别为气溶胶单次散射反照率和气溶胶光学厚度。对于同一种气溶胶模型来说, ω _a可以认为是定值, 而单次散射相函数P_a是观测几何与波长λ 的函数。大量实测数据的统计研究发现, 单次散射相函数之比也可以看作常数^[16]。从而可简化为两个波长处气溶胶厚度之比, 根据大量气溶胶观测结果, 一个合理的假设是^[15]

$ε (λ_{i}, λ_{j}) = \frac{ρ_{as} (λ_{i})}{ρ_{as} (λ_{j})} = \frac{L_{a} (λ_{i}) / F'_{0} (λ_{i})}{L_{a} (λ_{j}) / F'_{0} (λ_{j})} = \frac{τ_{a} (λ_{i})}{τ_{a} (λ_{j})} = \exp [c (λ_{j} - λ_{i})] (14)$

其中, c即为气溶胶类型参数。 F'₀(λ )为经过臭氧吸收修正的大气顶层太阳辐照度, 与臭氧层光学厚度有关。

根据无锡市环境监测中心站对太湖水域长年的监测数据, 太湖东部水域悬浮物含量较低, 可认为是清洁水体, 并在该范围内取一定数量的清洁像元样本, 通过MODIS第5和第6短波红外波段的辅助, 假设L_w(λ _{1 240})≈ 0, L_w(λ _{1 640})≈ 0, L_r(λ _{1 240})和L_r(λ _{1 640})已计算获得, 且忽略太阳直射反射和白帽影响, 则

$\begin{array}{l} L_{a} (λ_{1240}) = L_{t} (λ_{1240}) - L_{r} (λ_{1240}) (15) \\ L_{a} (λ_{1640}) = L_{t} (λ_{1640}) - L_{r} (λ_{1640}) (16) \end{array}$

L_t(λ )可从MODIS影像上直接获取, L_r(λ )根据前述公式精确计算, 从而可以推算得到气溶胶参数c

$c = \ln \frac{L_{a} (λ_{1240}) / F'_{0} (λ_{1240})}{L_{a} (λ_{1640}) / F'_{0} (λ_{1640})} / (λ_{1640} - λ_{1240}) (17)$

将待求波段的等效波长和经臭氧修正的大气上层辐照度代入式(18), 从而获得各波段对应的气溶胶散射。

$L_{a} (λ_{i}) = L_{a} (λ_{1240}) ε (λ_{i}, λ_{1240}) F'_{0} (λ_{i}) / F'_{0} (λ_{1240}) (18)$

于是便可得到待校正影像各波段的离水辐亮度L_w(λ _i)

$L_{w} (λ_{i}) = \frac{L_{t} (λ_{i}) - L_{r} (λ_{i}) - L_{a} (λ_{i})}{t (λ_{i})} (19)$

其中, t(λ _i)为传感器方向的大气漫射透过率, 通过式(11)得到。进而得到各波段的遥感反射率

$R_{rs} (λ_{i}) = \frac{L_{w} (λ_{i})}{E_{d} (0^{+})} = \frac{L_{w} (λ_{i})}{F_{0} (λ_{i}) μ_{0} t_{0} (λ_{i})} (20)$

式中, E_d(0⁺)为水表面下行辐照度, t₀(λ _i)为太阳方向的大气漫射透过率。

2 结果与讨论

为检验高分四号多光谱数据经大气校正方法校正后在内陆二类水体的精度, 将高分四号多光谱数据校正结果与地面准同步实测反射率进行对比分析; 另外, 使用同种大气校正方法对与高分四号影像成像时间相近的GOCI数据进行校正, 并与高分四号的校正结果进行对比。

使用均方根误差(root mean square error, RMSE)和平均绝对误差(mean absolute percentage error, MAPE)衡量结果精度, 计算公式分别为

$\begin{array}{l} RMSE = \sqrt[]{\frac{\overset{n}{\sum_{i = 1}} (R_{imea} - R_{iest})^{2}}{n}} (21) \\ MAPE = \frac{\overset{n}{\sum_{i = 1}} |\frac{R_{imea} - R_{iest}}{R_{imea}}|}{n} \times 100 % (22) \end{array}$

式中, R_imea表示通过地面同步光谱实测数据经式(4)— 式(6)换算得到的与遥感数据各波段对应的等效离水反射率值, R_iest表示遥感数据经大气校正后得到的校正离水反射率值。

2.1 高分四号多光谱校正反射率与实测数据的比较

使用1.2小节中的大气校正方法, 对2016年7月21日和2016年8月17日的高分四号多光谱数据进行大气校正, 其中7月21日成像时间为15点17分, 8月17日成像时间为8点21分, 均为与地面实测准同步(时差3 h左右)。由于B1波段是全色波段, 一般不用于水色遥感反演, 因此仅评价高分四号多光谱数据的B2, B3, B4和B5波段。分别选取每日与成像时间最接近的两个样点的大气校正结果与实测反射率数据比较, 结果如图2所示。

	Figure Option View Download New Window
	图2 准同步实测样点大气校正结果Fig.2 Comparisons between GF-4 derived R_rs and in situ quasi-synchronous measurements

图2中, 从左至右的散点分别对应着高分四号B2, B3, B4和B5波段中心波长处大气校正后的反射率, 曲线则对应准同步实测光谱反射率。从图2可以看出, B3, B4和B5波段与实测值差距较小, 而B2波段有比较明显的差异。总体来说, 对于550~580 nm范围由于叶绿素和胡萝卜素对光能量的弱吸收和细胞的散射作用形成的反射峰、 670 nm附近叶绿素a对红光波段的强烈吸收导致的反射谷^[17]、以及810 nm附近由于纯水性质与悬浮物散射作用形成的反射峰, 高分四号多光谱数据的校正结果均能正确体现, 说明光谱信息总体保存较好。但685~715 nm光谱段出现的荧光峰在高分四号的谱段设置中却未能得到体现, 使得其在对叶绿素a的反演受限。

表5列出了2016年7月21日、 2016年8月17日准同步地面数据针对高分四号换算的等效反射率与两景高分四号多光谱影像各波段大气校正反射率的精度评价结果。总体而言, 红光B4波段校正精度最高, 误差达到10.71%; 绿光B3波段校正精度次高, 误差为13.21%; 近红外B5波段校正精度次低, 误差为33.06%, 这可能是因为近红外波段信号整体比较弱, 从而影响了校正精度; 蓝光B2波段校正精度最低, 误差达到53.55%, 一方面可能由于瑞利散射和气溶胶散射在蓝光波段最强烈, 导致水体信息占比很小, 较小的校正偏差就会造成较大误差, 另一方面可能与高分四号蓝光波段本身的辐射精度有关。

表5 高分四号多光谱数据校正结果精度评价 Table 5 Accuracy of GF-4 derived spectral reflectance after atmospheric correction

2.2 GOCI数据的辅助验证

两景GOCI数据均选用11点16分成像的影像, 与地面实测光谱数据基本同步。表6为同步地面数据针对GOCI换算的等效反射率与两景GOCI影像大气校正后得到的各波段反射率的精度评价结果。通过表3的GOCI波段和参数信息, 确定GOCI的B3波段为蓝波段, B4波段为绿波段, B5波段为红波段, B7波段为近红外波段。从表6可以看出, 7月21日GOCI的蓝光波段MAPE均值为14.11%, 8月17日为24.98%, 校正精度均显著高于高分四号, 一方面可能因为GOCI与地面实测的同步性略高于高分四号, 另一方面, 也可能是高分四号在蓝光波段的成像精度低于GOCI; 而在绿光、红光和近红外波段, GOCI的校正精度均低于高分四号, 这可能与高分四号空间分辨率高、混合像元影响较小有关。

表6 GOCI数据校正结果精度评价 Table 6 Accuracy of GOCI derived spectral reflectance after atmospheric correction

3 结论

大洋等一类水体的离水辐亮度相对误差一般要求小于5%, 而近岸和内陆二类水体由于光学特性比较复杂, 反演得到的离水辐亮度相对误差一般较高。使用MODIS短波红外辅助的Gordon单次散射改进算法对高分四号多光谱数据进行大气校正, 并通过地面同步实测光谱数据、辅以GOCI数据对校正得到的反射率结果进行精度评价。结果表明, 高分四号多光谱数据经大气校正后得到的反射率整体精度较高, 特别是在绿光、红光波段精度最高, 平均相对误差在10%左右, 显著高于GOCI影像的精度; 近红外波段精度稍差, 平均相对误差在30%左右, 但精度也高于GOCI影像, 这主要是由于高分四号的空间分辨率远高于GOCI, 混合像元导致的精度误差相对GOCI小, 充分显示了高分四号作为一颗高空间分辨率地球静止卫星在水色遥感方面的优势。但在蓝光波段, 高分四号的精度不太理想, 平均相对误差高于50%, 精度显著低于GOCI影像。今后有必要对该波段进行重新定标等处理, 在未得到有效处理的情况下, 水色遥感应用应尽量避开该波段。

为进一步提高高分四号大气校正后反射率的精度, 从而更好服务于二类浑浊水体的水色遥感, 今后有必要开展一些针对性工作: (1)在试验区建立气溶胶观测站, 获取研究区长期的气溶胶数据, 从而建立特定区域的气溶胶多次散射算法; (2)将研究区分块处理, 减少因假设整个研究区大气状况一致而带来的误差; (3)高分四号的空间分辨率为50 m, 而实测光谱探头的覆盖水面面积仅为1 m²左右, 故应在高分四号像元相对应的水面均匀测量多点的光谱, 以减少尺度不一致对精度评价的影响。

总体而言, 高分四号多光谱数据校正精度较高, 结合其高时间与高空间分辨率的优势, 可以较好应用于内陆二类浑浊水体的定量遥感监测。

The authors have declared that no competing interests exist.

参考文献

文献列表

[1]	WANG Zhong-ting, ZHANG Xu-huan, YUAN Shu-yun, et al(王中挺, 张玉环, 袁淑云, 等). Environment and Sustainable Development(环境与可持续发展), 2016, 5: 113. [本文引用:1]
[2]	FAN Yi-da, WU Wei(范一大, 吴　玮). Disaster Reduction in China(中国减灾), 2016, 2: 48. [本文引用:1]
[3]	Huot J P, Tait H, Rast M, et al. ESA Bulletin, 2001, 106: 58. [本文引用:1]
[4]	Gordon H R, Wang Menghua. Applied Optics, 1994, 33(3): 443. [本文引用:2]
[5]	ZHOU Li, LI Yun-mei, GUO Yu-long, et al(周莉, 李云梅, 郭宇龙, 等). Acta Optica Sinica(光学学报), 2014, 34(2): 020102. [本文引用:1]
[6]	CHEN Lei, DENG Ru-ru, HE Ying-qing, et al(陈蕾, 邓孺孺, 何颖清, 等). Acta Oceanological Sinica(海洋学报), 2012, 34(5): 183. [本文引用:1]
[7]	XIAO Yan-fang, ZHAO Wen-ji, ZHU Lin(肖艳芳, 赵文吉, 朱　琳). Marine Sciences(海洋科学), 2012, 36(8): 59. [本文引用:2]
[8]	LI Jun-sheng, ZHANG Bing, CHEN Zheng-chao, et al(李俊生, 张兵, 陈正超, 等). Science in China(E)(中国科学E辑), 2006, 36(S1): 141. [本文引用:4]
[9]	TAN Jing, LI Yun-mei, ZHAO Yun-lin, et al(檀静, 李云梅, 赵运林, 等). Journal of Remote Sensing(遥感学报), 2013, 17(4): 780. [本文引用:1]
[10]	JIN Xin, LI Yun-mei, WANG Qiao, et al(金鑫, 李云梅, 王桥, 等). Journal of Lake Science(湖泊科学), 2010, 22(4): 504. [本文引用:1]
[11]	TANG Jun-wu, TIAN Guo-liang, WANG Xiao-yong, et al(唐军武, 田国良, 汪小勇, 等). Journal of Remote Sensing(遥感学报), 2004, 8(1): 38. [本文引用:2]
[12]	BAO Ying, TIAN Qing-jiu, CHEN Hao, et al(包颖, 田庆久, 陈昊, 等). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2016, 36(8): 2562. [本文引用:1]
[13]	TANG Jun-wu, MA Chao-fei, NIU Sheng-li, et al(唐军武, 马超飞, 牛生丽, 等). Science in China(E)(中国科学E辑), 2005, 35(S1): 156. [本文引用:1]
[14]	Wang M H, Fran B A. IEEE Trans. Geosci. Remote Sen. , 2000, 38(1): 184. [本文引用:1]
[15]	Wang M, Gordon H R. Remote Sensing of Environment, 1994, 50(3): 231. [本文引用:2]
[16]	Gould R W, Arnone R A, Martinolich P M. Appl. Opt. , 1999, 38(12): 2377. [本文引用:1]
[17]	Yacobi Y Z, Gitelson A, Mayo A. Journal of Plankton Research, 1995, 17: 2155. [本文引用:1]

2016

0.0

... 赤道上空^[1], 凝视着约三分之一的地球范围, 同时具备高空间分辨率和高时间分辨率 ...

2016

0.0

... 高分四号卫星的研制代表了我国地球静止卫星的顶级水平, 在国际上也处于领先地位^[2], 其载荷设计可为气象、环保、林业、水利和农业等领域提供数据支持 ...

2001

0.0

... 对于水色遥感来说, 由于受大气的影响, 卫星传感器接收的信号大部分来自大气分子的瑞利散射、气溶胶的米氏散射以及天空漫反射在水体表面的反射(菲涅尔反射), 在传感器接收的信号中水体信息比例小于10%^[3], 严重妨碍了水体真实光谱信息的获取 ...

1994

0.0

... 自Gordon等^[4]提出针对水色遥感的大气校正以来, 应用于一类水体的Gordon标准算法不断获得改进, 已成功运用于各类水色卫星的大气校正, 且误差一般低于5%^[4] ...

2014

0.0

... 针对Gordon算法应用于二类浑浊水体的局限性已有学者进行相关改进^[5,6,7], 李俊生^[8]等利用同步MODIS(moderate resolution imaging spectroradiometer)短波红外数据辅助CBERS数据进行内陆水体的大气校正, 并取得了较好效果 ...

2012

0.0

2012

0.0

XIAO

Yan-fang

, ZHAO

Wen-ji

, ZHU

Lin

(肖艳芳, 赵文吉, 朱　琳). Marine Sciences(海洋科学), 2012, 36(8): 59.

On the basis of HJ-1 CCD image, remote sensing detection of suspended sediment concentration in estuary was carried out. A method using clean water nearby and the aerosol product relevant to the moderate resolution imaging spectroradiometer (MODIS) data was adopted to carry out the accurate atmospheric correction. The calculated water reflectance and the measured suspended sediment concentration was used to establish the quantitative retrieval model and get the spatial distribution for suspended sediment concentration in study area. The R 2 of this model was 0.849, the mean error was 33.0%, and the result was satisfactory. The study showed that HJ-1 CCD image could be applied to detect the suspended sediment concentration in estuary.

基于HJ-1 号小卫星CCD 数据, 开展近海水体悬浮物含量监测研究。采用邻近清洁水体和同日MODIS 气溶胶产品的方法对CCD 辐亮度数据进行较精准的大气校正; 利用得到的水体遥感反射率,结合地面准同步实测悬浮物含量数据建立悬浮物反演模型, 获得研究区悬浮物的空间分布。模型的相关系数 R 2 为0.849, 平均误差为33.0%, 反演结果较为理想。结果表明, HJ-1 号小卫星作为中国首个灾害监测小卫星星座, 能够实现定量反演近海水体的悬浮物含量, 对中国近海水体水质的监测和治理具有重要意义。

... 2 大气校正方法使用同步MODIS短波红外波段进行辅助^[8], 在Gordon单次散射算法^[7]基础上改进的方法, 对高分四号多光谱和GOCI数据进行大气校正 ...

2006

0.0

... 2 大气校正方法使用同步MODIS短波红外波段进行辅助^[8], 在Gordon单次散射算法^[7]基础上改进的方法, 对高分四号多光谱和GOCI数据进行大气校正 ...

... 当从天顶观测获得的遥感影像数据没有出现突变值时, 太阳耀斑辐射可基本忽略^[8] ...

... 因此, 根据相关研究^[8], 使用离水辐亮度近似为零的MODIS第5(1 230~1 250 nm)和第6(1 628~1 652 nm)的短波红外波段进行辅助估算 ...

2013

0.0

... 檀静^[9]等提取MODIS第5、第6波段辐射亮度, 从小到大排列10%的低值像元点作为暗像元点, 参与Gordon改进算法的大气校正, 精度得到了有效提升 ...

2010

0.0

... 金鑫等^[10]将太湖分区并分别计算各湖区的气溶胶散射值, 提高了环境一号卫星多光谱数据在太湖水域大气校正的精度 ...

2004

0.0

... 采样仪器为ASD Field Spec Pro FR便携式地物光谱仪, 使用唐军武等人提出的针对二类浑浊水体的水面以上测量法^[11] ...

... r为水气分界面对天空漫反射光的反射率, 根据经验^[11], 平静水面取值为0 ...

2016

0.0

... 2 500 km的目标区域, 以满足高频次的水色参数动态变化的监测需求^[12] ...

2005

0.0

... 式(9)中, Lp(λi)为大气程辐射, Lg(λi)是太阳耀斑辐射, Lw(λi)是离水辐射, Lwc(λi)是水面白帽辐射, Lb(λi)是经水底反射的辐射, 对二类水体来说, 通常可以忽略不计^[13] ...

2000

0.0

... _i)主要受大气分子散射、臭氧吸收以及气溶胶散射等因素的影响, 可按式(11)计算^[14] ...

1994

0.0

... 进行计算^[15], 表达式如下所示 ...

... 从而可简化为两个波长处气溶胶厚度之比, 根据大量气溶胶观测结果, 一个合理的假设是^[15] ...

1999

0.0

... 大量实测数据的统计研究发现, 单次散射相函数之比也可以看作常数^[16] ...

1995

0.0

... 总体来说, 对于550~580 nm范围由于叶绿素和胡萝卜素对光能量的弱吸收和细胞的散射作用形成的反射峰、 670 nm附近叶绿素a对红光波段的强烈吸收导致的反射谷^[17]、以及810 nm附近由于纯水性质与悬浮物散射作用形成的反射峰, 高分四号多光谱数据的校正结果均能正确体现, 说明光谱信息总体保存较好 ...