基于星載同步大氣參數的多光譜衛星影像校正方法

徐玲玲, 熊 偉, 易維寧, 裘楨煒, 劉 曉, 崔文煜*

1. 中國科學技術大學, 安徽 合肥 230026

2. 中國科學院合肥物質科學研究院, 安徽 合肥 230031

引 言

對地遙感觀測中, 由于大氣的吸收、 反射和散射作用, 使得衛星傳感器接收的能量除了地物目標的反射輻射, 還包括程輻射和交叉輻射[1]。 其中, 程輻射項主要指大氣分子和氣溶膠粒子散射的太陽輻射, 這一部分不包含任何地物信息[2]; 交叉輻射是由于大氣散射作用, 導致背景地物產生的輻射進入了傳感器視場, 產生鄰近干擾貢獻, 使得遙感圖像的對比度降低、 地物邊緣模糊[3]。 大氣校正是遙感定量化的前提和基礎, 對于高分辨率遙感影像而言, 大氣校正的主要目的是消除或減少大氣輻射影響以及鄰近背景像元的干擾貢獻, 反演得到真實地物反射率[2]。

對基于輻射傳輸計算的大氣校正而言, 氣溶膠大小和水汽柱含量對估算大氣對太陽輻射的影響占有主要作用。 大氣狀態隨時間和空間變化明顯[4], 獲取與衛星影像時空同步的大氣參數至關重要。 地基設備, 如Aerosol Robotic Network (AERONET)[5], 作為獲取同步大氣參數的常用手段, 可以獲取需要時刻的大氣參數, 但是僅能代表觀測點附近一定區域的大氣狀態, 難以用于大范圍的空間分析[6]。 進一步地, 利用天基設備獲取的衛星圖像反演大氣參數, 如Moderate-resolution Imaging Spectroradiometer(MODIS)[7]。 MODIS的10 km大氣產品已經得到了廣泛應用, 其精度有所保證。 為了解決大氣參數和衛星圖像時空匹配的問題, 可利用搭載在衛星平臺的專用設備來探測大氣信息, 獲取與同平臺其他傳感器同步的大氣參數。

2014年8月, 美國“數字地球”(DigitalGlobe)公司發射了WorldView-3衛星, 該衛星配置了一臺專門用于大氣探測的設備CAVIS(Clouds, Aerosols, water Vapor, Ice and Snow)[8]。 CAVIS覆蓋了紫外到短波紅外的波段, 分辨率接近30 m。 基于CAVIS得到的同步大氣參數, 可以實現對WorldView-3高分辨率遙感影像的同步大氣校正。

2020年7月3日, 我國的高分辨率多模綜合成像衛星(簡稱高分多模衛星, GFDM)成功發射[9]。 衛星配置了我國首個民用同步大氣校正儀(synchronization monitoring atmospheric corrector, SMAC), SMAC能獲取與衛星主相機同一視場且時間同步的大氣參數, 實現主相機光學遙感影像的同步大氣校正, 反演得到接近地表真實值的反射率產品。

基于SMAC探測的同步大氣參數, 本文提出了同步大氣校正方法(synchronization atmospheric correction, Syn-AC)： 首先, 對SMAC原始數據進行處理得到SMAC的Level1產品, 再進行同步大氣參數的反演, 最后, 基于6SV輻射傳輸模型和同步大氣參數, 對GFDM衛星主相機的多光譜影像進行大氣輻射影響的消除和鄰近效應校正, 得到地表反射率。 為了驗證Syn-AC的性能, 文章選取了包頭和嵩山2個輻射定標場的多光譜影像進行同步大氣校正試驗, 然后對校正前后的圖像質量進行分析和定量評價。 進一步地, 結合地面實測光譜數據, 對Syn-AC地表反射率圖像中選定目標的平均地表反射率進行分析, 討論同步大氣校正方法的校正精度。 同時, 文章還討論了Syn-Ac和FLAASH兩種校正方法的性能。

1 衛星和傳感器

1.1 高分多模衛星

高分多模衛星是2020年發射的我國第一顆亞米級分辨率的民用光學多光譜遙感科研衛星, 如圖1(a)所示。 衛星搭載了4類有效載荷： 1臺高分辨率光學相機、 1臺20通道的大氣同步校正儀、 1套數據傳輸設備和1套星間激光通信終端[10]。 表1為高分多模衛星及主相機參數。 衛星配置的高分辨相機, 覆蓋了從可見光到近紅外幾乎全部波長, 包含1個全色波段和8個多光譜波段。

圖1 (a)高分多模衛星; (b) SMAC[11]

表1 高分多模衛星參數

1.2 同步大氣校正儀

為了獲取高精度的遙感影像數據, 高分多模衛星配置了同步大氣校正儀, 如圖1(b), 用于獲取與主相機時空同步的大氣信息。 同步大氣校正儀是中國科學院合肥物質科學研究院安徽光學精密儀器研究所自主研制, 儀器采用多光譜和偏振通道相結合的設計方案[10], 表2為同步大氣校正儀主要參數信息。 SMAC覆蓋了從可見光到短波紅外(490～2 250 nm)太陽反射光譜的8個波段, 其中5個波段(490、 670、 870、 1 610和2 250 nm)具備偏振探測能力, 用于實現高精度的氣溶膠反演[11]。 非偏通道中, 910 nm波段可用于反演水汽柱含量, 1 380 nm波段可用于卷云識別[11]。

表2 同步大氣校正儀參數

為了實現各偏振通道的同步測量, SMAC采用分孔徑探測方法[10]。 SMAC各個通道均采用了雙像元探測模式, 單個像元的空間分辨率約為6.7 km。 如圖2所示, 紅色方框表示SMAC單個像元, SMAC每隔0.1 s探測一次, 沿著衛星飛行方向, 形成了2條探測軌跡。

圖2 高分多模衛星主相機和SMAC的對地觀測模式

2 同步大氣校正方法

基于SMAC反演的同步大氣參數, 文章提出了同步大氣校正方法Syn-AC, 圖3為方法流程示意圖。 基于同步大氣參數的大氣校正方法主要分為三個部分： SMAC數據處理、 同步大氣參數反演和高分辨率衛星遙感影像的大氣校正。 第一步, 對SMAC的Level0原始數據進行處理, 將傳感器的響應值轉化為具有物理意義的表征量, 生成SMAC的Level1產品; 第二步, 基于SMAC-Level1數據, 對SMAC進行逐像元的云識別, 然后結合地表反射率先驗知識, 進行氣溶膠和水汽參數的反演, 生成SMAC的Level2產品; 第三步, 基于6SV輻射傳輸模型和同步大氣參數(AOD和CWV), 對GFDM衛星主相機的Level1A多光譜影像進行大氣輻射影響的消除和鄰近效應校正, 生成主相機的Level2地表反射率產品。

圖3 同步大氣校正方法流程

2.1 SMAC數據處理

SMAC原始數據為探測器響應的灰度值(digital number, DN), 以幀格式按時間順序存儲, 每幀大小為930字節。 在進行大氣參數反演之前, 有必要將灰度值轉換為具有物理意義的特征量。 SMAC數據處理需要經過數據校驗、 扣除本底、 偏振信息計算、 輻射信息計算、 幾何信息解算和產品打包六個步驟。

首先, 對原始數據進行校驗, 確保有效信息的保留, 然后根據定標配置文件從原始DN值中扣除本底得到有效信號。 接下來, 解算非偏通道的輻射信息, 將有效信號除以絕對響應度Aλ和增益系數Zλ得出輻亮度L(λ), 計算方法如式(1)

(1)

式(1)中,λ為波段, 輻亮度L(λ)單位為μW/cm2/nm/sr。

偏振信息的解算, 結合偏振方位角、 絕對響應度和相對透過率定標數據, 對偏振通道(490、 670、 870、 1 610和2 250 nm), 通過式(2)計算出目標斯托克斯參量[I,Q,U][12]

(2)

進一步可計算出偏振度Pλ, 計算方法如式(3)

(3)

SMAC幾何信息的解算, 結合衛星業務化平臺提供的相機輔助數據包, 解算得到傳感器觀測幾何、 經緯度、 太陽觀測天頂角、 方位角以及海陸標識和海拔高度。

最后, 產品打包形成與SMAC有效數據一一對應的Level1產品, 產品格式如表3所示。

表3 SMAC Level-1產品

2.2 同步大氣參數反演

2.2.1 云識別

云對于大氣參數的精確反演具有重要影響, 在從SMAC-Level1數據中反演氣溶膠和水汽參數之前, 有必要識別并剔除云覆蓋的像元[11]。 文章基于閾值判斷的方法對SMAC進行逐像元云識別[11]。 首先, 利用SMAC的490 nm波段表觀反射率(TOA)實現厚云判斷[13]。 接著, 利用SMAC的1380 nm波段TOA值來進行卷云識別[13]。 在厚云和卷云識別的基礎上, 引入歸一化沙塵沙漠指數(normalized difference dust index, NDDI)[14]和歸一化雪被指數(normalized difference snow index, NDSI)[15]分別進行沙漠亮地表和雪地亮地表上空的云識別。 因此, 滿足式(4)—式(7)中的任意一種條件的像元都視為云像元[13-15]

(4)

(5)

(6)

(7)

2.2.2 氣溶膠反演

對于大氣校正儀遙感觀測的表觀偏振反射率, 地表和大氣多次交互引起的偏振貢獻非常小, 在經過大氣的衰減作用后, 對傳感器的偏振貢獻基本可以忽略, 因此表觀偏振反射率可以表示為[16]

(8)

基于最優化估計[17], 構建一個代價函數Jp

Jp(AOD,C, FMFV)=

(9)

式(9)中,m為偏振通道,d為偏振通道總數(d=5),Lsimu為模擬的歸一化偏振輻亮度,Lmeas為實際觀測的偏振輻亮度,C為BPDF模型中的參數, FMFV為選用的體積柱濃度和體積柱濃度細模態的占比。

因此, 在模擬5個偏振通道表觀歸一化偏振輻亮度過程中, 有三個未知參數(AOD,C, FMFV)。 理論上, 應該存在一組值(AOD,C, FMFV)使得根據式(9)計算得到的表觀歸一化偏振輻亮度Lsimu均與實際觀測結果Lmeas相同。 但是, 由于觀測誤差、 模型誤差等的存在, 我們取使價值函數Jp(AOD,C, FMFV)值最小的一組(AOD,C, FMFV)為最優參數, 對應的AOD即為反演結果。

2.2.3 水汽反演

基于經典的雙通道比值法[18], 文章利用同步大氣校正儀870和910 nm兩個通道的探測數據進行水汽柱含量的反演。

假設地表為朗伯均勻類型, 則大氣層頂表觀反射率和地表反射率之間的關系可以定義為[19]

(10)

在910 nm近紅外波段附近, 大氣校正儀接收的輻射主要是地表反射的直接輻射, 大氣程輻射的貢獻可以近似忽略[11], 同時忽略地表反射率在該通道和鄰近870 nm通道的變化, 則太陽-地表-傳感器路徑上的水汽吸收透過率T可以定義為[11]

(11)

進一步地, 通過經驗公式計算得出水汽柱含量[20]

(12)

式(12)中,m=1/(cosθs)+1/(cosθv)。A、B和C為經驗公式的擬合系數,A=0.194 6,B=0.520 2,C=28.11[11]。

最后, 對云識別、 氣溶膠和水汽反演結果進行整合, 形成同步大氣校正儀Level2產品。

2.3 高分辨率衛星遙感影像的大氣校正

由于大氣的散射作用, 衛星傳感器接受的能量, 除了目標沿地面-傳感器方向直接反射的輻射, 還包括兩個部分： 大氣散射(不與地面相互作用)的輻射, 以及周圍背景地物散射進入傳感器的輻射[2]。 高分辨率衛星遙感影像大氣校正的主要目的就是減少大氣和鄰近效應的影響, 得到接近于真實值的地表反射率。

首先對遙感影像進行輻射校正, 將衛星高分辨率相機響應的灰度轉化為大氣層頂輻射亮度, 計算方法如式(13)

L(λ)=Gain·DN(λ)+Offset

(13)

式(13)中,λ為波段, Gain和Offset分別為定標斜率和截距, 本文采用的定標系數均來源于中國資源衛星應用中心。

對于高分辨率衛星遙感影像, 傳感器接收的輻射包括目標周圍背景像元的干擾貢獻, 因此考慮鄰近效應的影響, 入瞳處輻射亮度可以用式(14)表示

(14)

式(14)中,Lpath(λ)為大氣程輻射項,T(θv)為大氣在觀測方向上的總透射率,Eg(0)為當前位置的太陽輻照度,S為大氣半球反照率。

因此, 地表反射率(包含背景像元的輻射貢獻)可以用式(15)表示

(15)

背景反射率ρBackground可以通過式(16)計算得到

(16)

式(16)中,ρ′(γ,η)為在(γ,η)位置的像元的反射率, Weight(γ,η,θv)為當前像元對目標像元的輻射貢獻程度。 輻射貢獻權重與大氣狀態(主要是氣溶膠光學厚度)、 周圍像元與目標像元的空間距離以及背景像元與目標像元的反射率差值等因素有關[21]。

最后, 文章采用漫射與直射透射率的比值作為鄰近效應校正系數q[21], 得到去除背景像元干擾貢獻的地表反射率ρt

ρt=ρ*+q(ρ*-ρBackground)

(17)

3 實驗部分

3.1 實驗研究區域與數據

基于SMAC反演的同步大氣參數, 實驗選取了高分多模衛星主相機多光譜影像進行同步大氣校正試驗。 實驗研究區域為包頭和嵩山輻射定標場, 每個研究區域分別選取了一幅多光譜影像, 影像參數見表4, 氣溶膠模型為大陸型。

表4 衛星影像參數

為了驗證同步大氣校正方法的性能, 試驗結合人工靶標地面實測光譜進行驗證。 地面光譜測量采用了地物光譜儀ASD, 儀器光譜范圍為400～1 600 nm, 采樣間隔為1 nm。 測量實驗中, 對每個目標連續采樣3次, 取平均值作為目標光譜。 圖4為包頭和嵩山輻射定標場以及實驗研究目標(紅色數字標記)示意圖, 包頭輻射定標場選取白色、 灰色和黑色靶標為研究目標, 嵩山輻射定標場選取了白色和黑色靶標為研究目標。

圖4 研究區域示意圖

圖5為高分多模衛星光譜響應函數, 利用衛星多光譜數據的光譜響應函數與地面實測光譜數據積分可得到波段反射率, 計算方法如式(18)

圖5 高分多模衛星光譜響應函數

(18)

式(18)中,λ為波段,λ1=400 nm,λ2=1 040 nm。L(λ)為對應波段的光譜響應,ρfield為地面實測光譜,ρaverage為平均地面反射率。

大氣參數作為輻射傳輸計算的重要輸入, 其精度對于估算大氣對太陽輻射的影響至關重要, 直接影響大氣校正的精度。 因此, 在利用同步大氣參數進行大氣校正之前, 有必要對同步大氣參數的精度進行驗證, 將SMAC反演結果與地基站點數據進行對比。 表5所示為試驗選用地基站點信息以及對比結果, 結果顯示同步大氣參數AOD的相對誤差分別為1.82%和6.59%, CWV的相對誤差分別為5.80%和3.78%, 同步大氣參數可用于高分多模衛星影像的同步大氣校正。

表5 同步大氣參數與地基站點數據對比

3.2 方法

3.2.1 同步大氣校正前后圖像質量

大氣對太陽輻射的吸收和散射導致遙感衛星影像的亮度和對比度降低, 使得圖像視覺效果變模糊。 衛星傳感器空間分辨率越高、 大氣能見度越低, 大氣散射效應引起的圖像模糊效應更明顯[22]。 大氣校正能有效地去除大氣輻射影響, 改善圖像質量。 尤其在進行鄰近效應校正后, 圖像清晰度和對比度會得到有效提升[23-24]。 文章對同步大氣校正前后影像的視覺效果進行對比, 并采用Robert平均清晰度(CLAR)、 平均對比度(CONT)和信息熵(ENTR)作為評價校正前后圖像質量的指標。 CLAR用于評價圖像的清晰度, 反映圖像細節的變化, 可通過式(19)進行計算[23-24]。 清晰度越高, 圖像質量和清晰度越高。 CONT是指圖像輪廓與其他內容的灰度對比度, 圖像越清晰, 對比度越高[22]。 CONT可以用式(20)計算。 ENTR用于測量圖像信息, 紋理越豐富, 圖像中包含的信息越多, 熵值越大。 可以用式(21)計算ENTR, 其中P(t)為圖像中不同灰度等級的概率。

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

(19)

(20)

(21)

3.2.2 同步大氣校正方法的校正精度

同步大氣校正方法可實現大氣影響的消除和鄰近效應的校正, 得到接近真實值的目標地表反射率。 為了討論同步大氣校正方法的校正精度, 文章結合地面實測反射率, 對同步大氣校正后研究目標的平均地表反射率進行分析。 同時, 計算了校正后平均地表反射率與地面實測反射率值之間的絕對誤差(absolute error, AE)和相對誤差(relative error, RE), 計算方法如式(22)和式(23)

AE=|校正后反射率-地面實測值|

(22)

(23)

4 結果與討論

4.1 圖像質量

圖6為大氣校正前后衛星真彩色圖像(R、 G、 B分別對應波段3、 2、 1)視覺效果對比結果。 圖6(a)和(b)為校正前原圖像, 可以看出校正前地物細節不明顯, 圖像較模糊。 而同步大氣校正后的圖像[圖6(c)和(d)], 紋理更豐富, 圖像質量明顯提升。

圖6 衛星真彩色圖像大氣校正前和校正后視覺效果

進一步地, 對同步大氣校正前后的圖像, 分別計算各波段圖像的清晰度、 對比度和信息熵, 結果如表6所示。 從表6可以看出, 經過同步大氣校正后, 各波段圖像的CLAR、 CONT和ENTR值都有明顯提升。

表6 同步大氣校正前后圖像質量指標

4.2 校正精度

針對包頭輻射定標場多光譜影像, 選取了白色、 灰色和黑色三種人工靶標進行校正精度分析。 如圖7, 三種地物校正后的平均地表反射率和地面實測反射率對比結果。 可以看出, 經過同步大氣校正后, 三個研究目標的平均地表反射率與地面實測值較吻合。

圖7 包頭輻射定標場人工靶標同步大氣校正后地表反射率

根據式(20)和式(21)求出三種地物大氣校正后地表反射率和地面實測反射率之間的絕對誤差和相對誤差, 見表7。 Syn-AC白色靶標校正后的平均地表反射率與實測反射率之間的絕對誤差最大值為0.031 5, 相對誤差不大于8%。 FLAASH白色靶標校正后的平均地表反射率與實測反射率之間的絕對誤差最大值為0.039 8, 相對誤差不大于9%。 對于灰色靶標, Syn-AC校正得到的平均反射率與實測反射率之間的絕對誤差最大值為0.017 1, 最大相對誤差在10%左右。 FLAASH白色靶標校正后的平均地表反射率與實測反射率之間的絕對誤差最大值為0.031 8, 相對誤差在30%左右。 對于黑色靶標, Syn-AC校正后的平均反射率與實測反射率之間的絕對誤差最大值為0.024 7, FLAASH方法的絕對誤差最大值為0.034 2(黑色靶標的地面實測反射率較低(接近零值), 很小的絕對誤差會引起較大的相對誤差)。

表7 包頭輻射定標場人工靶標校正后反射率與地面實測反射率之間的絕對誤差和相對誤差

嵩山輻射定標場實驗選取白色和黑色兩種標稱值的人工靶標進行分析, 圖8為兩種地物校正后的平均地表反射率和地面實測反射率。 圖8中, 黑色曲線代表地物實測光譜, 白色和黑色靶標經過同步大氣校正后, 平均地表反射率與地面實測值較接近。 FLAASH方法校正后的白色靶標平均反射率與地面實測值誤差稍大, 而黑色靶標的校正后平均反射率與地面實測值較吻合。

圖8 嵩山輻射定標場人工靶標同步大氣校正后地表反射率

同樣地, 根據式(20)和式(21)求出白色和黑色靶標大氣校正后的地表反射率和地面實測反射率之間的絕對誤差和相對誤差, 見表8。 對于標稱值為60%的白色靶標, Syn-AC校正后的平均地表反射率與實測反射率之間的絕對誤差最大值為0.023 5, 最大相對誤差為4.93%。 FLAASH方法校正得到的反射率圖像中, 白色靶標的平均地表反射率與地面實測值之間的絕對誤差最大值為0.091 3, 最大相對誤差為18.64%。 對于標稱值為5%的黑靶標, Syn-AC和FLAASH校正得到的平均地表反射率與實測反射率之間的絕對誤差均小于0.03, 校正效果較好。

表8 嵩山輻射定標場人工靶標校正后反射率與地面實測反射率之間的絕對誤差和相對誤差

高精度大氣參數對于基于輻射傳輸模型的大氣校正和高空間分辨率光學遙感影像的定量化應用至關重要。 然而, 由于大氣參數的時空變化, 傳統的基于地面站點或其他衛星產品獲取大氣參數的方法難以保證大氣參數與圖像的時空匹配, 導致大氣校正存在誤差。 本文證明了利用衛星平臺上的設備同步獲取大氣參數的解決方案是有效的。

為了驗證Syn-AC方法的校正精度, 文章將同步大氣校正后得到的目標平均反射率與地面實測值進行了對比, 并對FLAASH進行了同樣的分析。 本文提出的Syn-AC方法和FLAASH均是基于輻射傳輸模型實現的。 在模型輸入參數中, 除了大氣參數的來源不同, 其他輸入參數, 包括衛星成像參數、 大氣模式和氣溶膠模式都采用了同樣的輸入。 實驗結果表明, 兩種方法在校正精度上都有較好的性能。 但是, Syn-AC方法的校正結果更穩定。 這個結果的原因被認為是, FLAASH是基于圖像光譜信息進行大氣參數的估計, 而GFDM衛星主傳感器的波段設置可能無法滿足FLAASH反演大氣參數的要求。 Syn-AC方法采用的大氣參數是從SMAC數據中反演得到的, SMAC是專門用于探測大氣信息的裝置。 因此, Syn-AC的大部分反演值更接近于現場實測值, 表現更穩定。

由于研究區域衛星圖像的獲取需要提交成像計劃表, 因此實驗部分目標區域的圖像數據是有限的。 對于目前的實驗結果, 還需要更多的圖像數據進行驗證, 分析不同大氣狀態和下墊面的校正性能, 這將在我們以后的研究工作中逐步開展。

5 結 論

大氣參數的精確獲取對基于輻射傳輸模型的大氣校正而言至關重要, 基于同步大氣參數的同步大氣校正方法可有效地提升校正的效果和精度。 基于SMAC數據反演的大氣參數, 實驗選取了2個輻射定標場的多光譜影像進行同步大氣校正試驗, 然后對校正前后的圖像質量對比分析, 并結合地面實測光譜數據分析同步大氣校正方法的性能。 結果表明, 高分多模衛星多光譜影像經同步大氣校正后, 圖像質量得到明顯提升, 尤其是鄰近效應校正后, 地物邊緣更清晰, 紋理更豐富。 同步大氣校正反演得到的地物反射率與地面實測反射率較吻合, 白色和灰色人工靶標校正結果的絕對誤差最大為0.031 5(FLAASH為0.091 3)。 初步研究結果顯示, 基于同步大氣校正參數的大氣校正方法有助于提升圖像質量, 同步大氣校正儀對進一步滿足遙感應用高精度數據需求方面具有很大的潛力。