基于TM影像的FLAASH模块大气纠正及评价

刘华尧，李舟，潘真，文思

(1.桂林理工大学测绘地理信息学院，广西桂林541004； 2.广州南方测绘仪器有限公司，广东广州 510665；3.桂林理工大学土木与建筑工程学院，广西桂林 541004)

基于TM影像的FLAASH模块大气纠正及评价

刘华尧1∗，李舟2，潘真3，文思1

(1.桂林理工大学测绘地理信息学院，广西桂林541004； 2.广州南方测绘仪器有限公司，广东广州 510665；3.桂林理工大学土木与建筑工程学院，广西桂林 541004)

在高光谱遥感数据处理中，由于受到大气的影响，传感器接收到的辐射信息不能真实地反映地表反射光谱信息，因此对遥感影像进行大气纠正去除其影响，是高光谱遥感数据处理中极为重要的环节。文章介绍了FLAASH模块的基本原理和TM数据在进行大气纠正时的参数设置，并用FLAASH模块对豫西北区TM遥感影像进行大气校正以及对处理结果进行了薄云纠正程度，光谱纠正情况和归一化植被指数等的评价，并与ATCOR模型进行了对比。证明FLAASH模块大气纠正效果良好。

遥感影像；大气纠正；FLAASH；TM数据

1 引 言

太阳辐射在真空中传播时几乎不受大气的影响。然而当太阳辐射到达地面在进人传感器以前，首先经过大气层，在这个过程中会受到大气中分子、气溶胶和云粒子等大气吸收与散射，这对于定量研究和分类精度造成很大的影响[1]。目前国内外使用的大气纠正模型主要有CRORN、ACTOR、MODTRAN和FLAASH等[2]。FLAASH大气纠正模型在国内应用较少，FLAASH是目前精度较高的大气辐射纠正模型，能有效消除大气和光照等因素对地物反射的影响，获得地物较为准确的信息。本文对豫西北地区TM高光谱数据通过FLAASH模块进行大气纠正。

2 FLAASH模块大气纠正原理及算法

FLAASH是基于MODTRAN4模型的大气纠正模块，主要用于从高光谱遥感影像中还原出无大气影响或受大气影响较小的地物地表反射率，它纠正的波长范围为0.4 um～3 um。与其他大气纠正模型的计算方法不同，FLAASH直接与MODTRAN4的大气辐射传输编码相结合，而不采用模型数据库中加入的辐射参数对大气进行纠正，因此任何标准MODTRAN4大气模型和气溶胶类型都可以被直接选用，并计算处无大气影响的地表反射率。FLAASH能够生成薄云和卷云的分类影像，对光谱进行平滑，消除噪声FLAASH大气纠正基于太阳波谱范围内(不包括热辐射)标准的平面朗伯体在传感器处接收到的单个像元光谱辐射亮度按式(1)进行计算[3]:

式中L为传感器接收到的某个像元的辐射强度；ρ表示该像元的地表反射率；ρe为该像元及周边像元的混合平均地表反射率；S为大气的球面反射率；A，B是由大气条件及地表下垫面几何条件所决定的系数。La为太阳辐射经大气散射后再由地表向上反射通过大气进入接收传感器单元的一部分辐照度。大气散射会引起“邻近像元效应”，而大多数的大气辐射纠正模块中一般假设ρ=ρe，这样的纠正方式忽略了“邻近像元效应”，这些模型在地物类型单一而且具有较高能见度的情况下是可行的，但在有薄云或地表反射对比强烈的条件下会导致在短波范围内大气纠正结果误差较大。FLAASH是利用大气点扩散函数进行空间均衡化处理对邻近像元效应进行了纠正。在La、S、A、B、ρe已知的前提下，可以使用式(2)计算出像元的空间平均辐射率[4]。e

可以通过原始影像的基本参数计算得出。从而反演出影像的真实辐射率。在计算邻近像元反射率时，传感器接收到直接来自目标地物的光子的信号被分为经大气散射后进入传感器和经邻近像元散射后进入传感器两部分即:

式中ρRA为大气散射后直接进入传感器的辐射率，ρ为地物真实反射率，TRA(us)为传感器接收到的大气向上散射透过率，eτ/uv为大气向上散射透过率，td(uv)为大气向上漫射透过率，〈ρe〉为邻近像元反射率，由大气点扩散函数与像元空间平均反射率的乘积在径向距离上的二重积分运算获取，表示为:

其中x，y表示邻近像元到中心像元的几何距离，在FLAASH中大气点扩散函数fr(x，y)用一个径向距离的近似指数函数代替。ρe(x，y)为像元的空间平均反射率。邻近像元反射率获取之后，即可推得式(5)从而得到地物真实反射率ρ。

3 TM数据影像处理和参数设置

3.1 TM影像数据预处理

本文使用的TM影像来自于1984年3月发射的Landsat5卫星，它的卫星高度为7.5 km，半主轴为7285.438 km，倾角98.2°，覆盖周期为16天扫描宽度185 km，有7个波段。研究区位于河南省西北部，地理坐标为东经112°33′40″～113°38′42″，北纬34°48′55″～35°29′59″。东西长120 km，南北宽77 km。地势北高南低，地形变化较大地貌类型多样，总体上可以分为山地、丘陵、平原三部分。平原地区的平均海拔为80 m，丘陵海拔为200 m，山区平均海拔为1 400 m[5]。区域内植被种类分布多样，使用TM影像时各种地物区分度高，符合实验条件。

首先对影像数据进行波段叠加，将TM影像的多个波段数据集中为一个包含多光谱的文件。但是由于波段叠加，影像文件所包含的波段信息被清空，为了便于计算机分析，要将相关的信息(卫星类型、波段)进行重新输入，依据TM卫星各波段波长分布重新输入波长，为确保研究普遍适用性本文使用的TM影像各波段范围的中间值。

完成波段参数修改后，影像显示的是传感器的感应值，而非辐射的绝对值，需要对影像进行反射辐射值的计算，本文根据影像数据的采集时间将参数设为2004年8月30日，太阳高度角:55.233 228进而进行辐射纠正。由于模块中要求辐射能量的量纲是μW/(cm2·nm·sr)，而经辐射定标TM数据的量纲为W/(cm2·um·sr)相差10倍的关系，所以我们得到的辐射图像还要进行尺度因子转换。最后将得到的辐射文件转换成FLAASH要求的输入BIL或者BIP格式。

3.2 纠正参数设置

FLAASH模块大气纠正首先要对影像中的大气参数，包括气溶胶光学厚度、气溶胶类型等参数进行设置。因为研究区域大致为于北纬34°地区，时间为8月，所以选择MLS模型；因为传感器没有适当的波段来补偿水汽的影响，所以水汽去除参数保持默认；气溶胶模型选择Urban；气溶胶获取选择2-Band(K-T)；初始可见度值设置为30 km；光谱平滑选择Yes；使用邻域纠正；平滑操作的幅宽为9；Aerosol scale height定义为2 km；CO2mixing ratio定义390；Reuse MODTRAN Calculations选择NO；Modtran Resolution选择5 cm；Modtran Multiscatter Model选择Scaled DISORT这个模型对波长小于1 000 nm的波段处理经度较高，其Streams值设为8；Output scale factor定义为10 000。由于本文影像中零背景比较单一所以tile size值设置为100 M。

4 大气纠正应用及结果分析

本文选用采集时间为2004年8月30日的Landsat卫星TM影像为例进行FLAASH大气纠正试验，纠正结果如图1、2所示。由图可见纠正前后的图像视觉清晰度有了明显提高，经FLAASH大气纠正后的TM影像对比度增强，图像较纠正前更加清晰。根据影像不同位置的比较，发现经过纠正的山区和城镇区域清晰度都有所提高。说明FLAASH有效去除了大气中气溶胶、水汽等大气因素的影响。

图1 纠正前后山区影像对比

图2 纠正前后山区影像对比

为进一步对Landsat卫星TM影像的FLAASH大气纠正结果进行验证与评价，利用典型地物波谱曲线和归一化植被指数(NDVI)对原始图像与大气纠正后的图像进行对比分析。

(1)典型地物波谱曲线分析，在原始图像和大气纠正后的图像中分别随机选取同名点地物水体、植被和建筑3种典型地物进行光谱曲线分析(图3)。由图3可见，随机选取的3种典型地物中在可见光波段原始图像的反射率总体比经大气纠正后图像的反射率要高，这是因为原始图像的反射率不是地物的真实反射率，它包含大气中烟、尘埃、小水滴和气溶胶等引起的瑞利散射、米氏散射和多次散射等作用，从而导致地物在可见光波段的反射率总体偏高，所以经大气纠正后的各典型地物在该波段的反射率均比原始图像反射率降低；而经大气纠正后植被反射率在近红外波段上升明显，这是因为在近红外波段对其的散射较小。因此从地物光谱分析的角度来看，证明FLAASH大气纠正可以有效地去除Landsat卫星TM数据中大气因素的影响。

图3 纠正前后地物波谱曲线对比

(2)归一化植被指数NDVI分析，NDVI是一种由遥感传感器所接收的地物光谱信息推算而得的反映地表植被状况的定量值。所以就可以利用归一化植被指数分别分析原始图像与大气纠正后的图像。NDVI的计算公式为[6]:

NDVI=(NIR-R)/(NIR+R)(6)

式中R和NIR分别为红光和近红外波段，分别是Landsat卫星TM数据的第3和第4波段。在纠正前后的两幅影像中随机选取水体、植被、建筑等同名点的归一化植被指数(NDVI)值进行对比分析如表1所示。

纠正前后归一化植被指数比较 表1

由表1可以得到3种地物经FLAASH大气纠正后的NDVI值总体上比原始影像的NDVI值高。特别是植被地区，其纠正后的归一化植被指数提高幅度较大，说明FLAASH大气纠正模块对于植被覆盖较密的地区的TM影像的纠正效果更为明显。

(3)与ATCOR纠正结果的对比分析，为了对校正结果进行评价以植被的地物反射曲线为例，从图像中分别按FLAASH和ATCOR模型纠正后提取植被的反射率曲线进行对比。

图4 FLAASH和ATCOR校正后植被的地物反射率曲线对比

图4分别是采用FLAASH和ATCOR校正后的植被地物反射率曲线。由图4分析FLAASH和ATCOR纠正都能够较好地纠正植被的反射率光谱特征，可以去除绝大多数的大气影响，但是由于FLAASH综合考虑了大气中的分子散射和气溶胶散射的影响，在绿光波段FLAASH纠正后的反射率比ATCOR校正结果更接近真实反射率；红外波段FLAASH较ATCOR也更为精确。将两种方法的校正结果与真实结果进行误差分析，在整个波谱范围内FLAASH与真实反射率曲线的绝对误差平均值在0.007 3～0.015之间，而ATCOR与真实反射率曲线的绝对误差均值在0.003 8～0.063之间，这在一定程度上表明FLAASH纠正的结果更为稳定。

5 结 论

本文通过对豫西北地区的高光谱数据进行FLAASH大气纠正及评价，结果表明，FLAASH能够有效去除TM影像的大气影响和纠正漫反射引起的领域效应，经纠正后的影像地表地物的影像清晰度有明显提升。FLAASH能够有效改善典型地物的光谱特征以及NDVI值，经纠正后的典型地物光谱特征和NDVI值都有明显的提升。经与ATCOR模型进行对比，FLAASH也体现出了一定的优势。由此可见，应用FLAASH模块能较好地消除TM影像的大气影响，从而更好地从高光谱遥感影像中获取地物的地表反射率信息。

[1] 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FLAASH[J].遥感技术与应用，2005，20(4):393～398.

[2] Matthew MW，Adler-Golden SM，Berk A，etal.Atmospheric correction of spectral imagery:Evaluation of the FLAASH algorithm with AVIRIS data[J].Applied Imagery Patten Recognition Workshop，2002，31st:157～163.

[3] 何海舰.基于辐射传输模型的遥感图像大气校正方法研究[D].长春:东北师范大学，2006.

[4] Fallah-Adl H，JaJ，Liang S.Efficientalgorithms for estimating atmospheric parameters for surface reflectance retrieval[C]. 1996 International Conference on Parallel Processing，1996: 132～140.

[5] 中科学院数据库国际科学数据服务中心LANDSAT5TM卫星数字产品[EB/OL].2012.

[6] 李苗苗，吴炳方，颜长珍.密云水库上游植被覆盖度的遥感估算[J].资源科学，2004，26(4):135～158.

FLAASH M odule Atmospheric Correction and Evaluation Based on TM Image

Liu Huayao1，Li Zhou2，Pan Zhen3，Wen Si1
(1.College of Geomatics and Geoinformation，Guilin University of Technology，Guilin 541004，China；2.Guanzhou South Surveying＆Mapping Instrument Co.，Ltd.Guangzhou 510665，China；3.College of Geomatics and Geoinformation，College of Civil Engineening and Architecture，Guilin 541004，China)

In hyper spectral remote sensing data processing，due to the influence of the atmosphere，the sensor can not receive the truly reflection spectrum information reflect form the surface.Therefore for remote sensing image for atmospheric correction to remove its influence is very important link in hyper spectral remote sensing data processing.This paper introduces the basic principle of FLAASH module and TM data parameter settings for atmospheric correction.This paper use FLAASH module to correct the TM remote sensing image ofwestern north of Henan，It dealwith the correct degree of cloud，spectrum correction and Normalized Difference Vegetation Index.The results show that FLAASH module atmospheric correction effect is good.

remote sensing image；atmospheric correction；FLAASH；TM data

1672-8262(2013)05-63-04

TP75

A

2012—12—13

刘华尧(1986—)，男，硕士研究生，研究方向为GIS基础理论与应用方法。

广西自然科学基金重点项目(2011GXNSFD018003)；广西空间信息重点实验室基金(1103108-03)。