徐 言，姜琦剛

吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)院，長春 130026

?

基于6S模型的MODIS影像逐像元大氣校正及其應(yīng)用

徐 言，姜琦剛

吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)院，長春 130026

以獲取地物真實(shí)反射率為目的，介紹了逐像元大氣校正的方法。應(yīng)用6S模型逐像元綜合考慮太陽天頂角、傳感器天頂角、相對方位角、大氣氣溶膠厚度、觀測波段以及地表海拔這6個(gè)參數(shù)，生成查找表,統(tǒng)計(jì)分析各參數(shù)關(guān)于反射率的敏感度；并與以往單一參數(shù)校正的方法比較了校正的效果。結(jié)果表明,逐像元大氣校正算法更加接近地物的真實(shí)反射率。利用MODIS地表反射率產(chǎn)品對大氣校正的結(jié)果進(jìn)行驗(yàn)證，單一參數(shù)、逐像元大氣校正的相對誤差分別控制在26.9%和12.7%以內(nèi)；在以植被指數(shù)(NDVI)為例的后續(xù)遙感定量化反演過程中，逐像元比單一參數(shù)大氣校正方法計(jì)算的NDVI平均高出14.4%。

逐像元；6S；查找表；大氣校正

0 引言

遙感技術(shù)的應(yīng)用越來越廣泛，而隨著遙感應(yīng)用的定量化、精細(xì)化發(fā)展，越來越多的定量化遙感涉及到光學(xué)分析[1-5]。因傳感器獲得的信號是地面信號和大氣信號的疊加，大氣影響不僅造成成像傳感器圖像模糊、對比度下降、信噪比降低以及細(xì)節(jié)損失[6]，還使得遙感數(shù)據(jù)在后續(xù)的植被指數(shù)、地表溫度、葉綠素濃度等定量化反演中所獲得的結(jié)果嚴(yán)重偏離實(shí)際值[7];因此需要重視大氣對遙感數(shù)據(jù)的影響。

大氣校正是遙感輻射校正的重要步驟，是由遙感影像獲取反映地表真實(shí)反射率的一個(gè)必不可少的環(huán)節(jié)，對于定量遙感而言尤為重要[8-9]。這是由于傳感器在獲取信息過程中受到大氣分子、氣溶膠和云粒子等大氣成分吸收與散射的影響，使其獲取的遙感信息中帶有一定非目標(biāo)地物的成像信息，數(shù)據(jù)預(yù)處理的精度達(dá)不到定量分析的高度。一方面，大氣的吸收、散射作用削弱了地表反射能量，對圖像信號有衰減作用；另一方面，大氣程輻射對圖像信號有增加作用[10]。消除這些大氣影響的處理，稱為大氣校正[11]。

以往進(jìn)行大氣校正過程中，假設(shè)大氣條件均一，整幅影像僅使用一套參數(shù)進(jìn)行校正。但在實(shí)際情況下，衛(wèi)星觀測地面生成的影像每一個(gè)像元的大氣參數(shù)、觀測角度、海拔高度等參數(shù)均不相同，特別是在霧霾天氣的情況下，氣溶膠分布的不均勻更較為直觀地影響著衛(wèi)星影像大氣校正的結(jié)果。

因此綜合上述情況，筆者嘗試逐像元考慮各方面參數(shù)進(jìn)行大氣校正，選用MODIS(moderate-resolution imaging spectroradiometer)數(shù)據(jù)作為研究對象，基于6S輻射校正模型統(tǒng)計(jì)分析各個(gè)參數(shù)對反射率的敏感性，生成查找表，逐像元考慮大氣、角度、高程等參數(shù)進(jìn)行大氣校正，以提高大氣校正的精度。

1 6S模型原理

6S模型由Eric Vermote等人在5S(the simulation of the satellite signal in the solar speetrum radiative code)模型的基礎(chǔ)上進(jìn)行改進(jìn)，采用SOS(successive order of scattering)的散射計(jì)算方法，建立在輻射傳輸理論基礎(chǔ)之上，準(zhǔn)確模擬太陽--目標(biāo)物--傳感器路徑上的大氣影響，應(yīng)用范圍廣，受研究區(qū)特點(diǎn)及目標(biāo)類型等的影響較小，精度高，與LOWTRAN、MODTRAN等模型同為目前發(fā)展比較成熟的大氣訂正模型[12]。6S模型適用于0.25～4.00 μm波長范圍內(nèi)電磁波的大氣輻射傳輸?shù)哪M。利用該模型進(jìn)行大氣校正的工作流程是[13]：按順序?qū)缀螀?shù)、大氣模式、氣溶膠模式、可見度、海拔高度、觀測波段等參數(shù)輸入6S模型;通過計(jì)算模擬太陽輻射在大氣中的輻射狀況;給出大氣校正系數(shù)Xa、Xb和Xc[14]。

假設(shè)目標(biāo)表面為均勻朗伯體表面，不考慮氣體吸收，在6S模型中衛(wèi)星觀測的表觀反射率可用式(1)[15]表達(dá)：

(1)

式中：ρTOA為大氣表觀反射率；ρ0為大氣的路徑輻射項(xiàng)等效反射率；ρS為地表反射率；θs為太陽天頂角；θv為衛(wèi)星天頂角；φs為太陽方位角；φv為衛(wèi)星方位角；φs--φv代表相對方位角；S代表大氣球面反照率；T(θs)代表大氣下行透過率；T(θv) 代表上行輻射總透過率。

運(yùn)行6S輻射傳輸模型后，可得到大氣校正系數(shù)Xa、Xb、Xc，然后按式(2)計(jì)算得到地表反射率[16]：

(2)

其中：

(3)

式中:Y為中間變量;L為定標(biāo)后的輻射亮度值。

2 研究區(qū)概況

本文選用的MODIS遙感影像以安徽省為例，區(qū)域范圍為東經(jīng)114.9°--119.6°，北緯29.4°--34.6°，成像日期為2013年7月3日。

根據(jù)研究區(qū)遙感影像圖，6S模型的初始輸入?yún)?shù)見表1，同時(shí)假定地表具有均一的朗伯反射特性。其中，氣溶膠厚度利用MOD04氣溶膠產(chǎn)品得出，地面高程利用SRTM(shuttle radar topography mission)地形產(chǎn)品數(shù)據(jù)得出，二者均經(jīng)過投影、剪裁、重采樣、輻射定標(biāo)等預(yù)處理。

3 敏感性分析

對于處理大范圍遙感影像圖，參數(shù)一致的假設(shè)顯然是導(dǎo)致地表反射率校正誤差的原因[17]。因此通過對敏感性的分析，我們能更深層次地了解各種參數(shù)對大氣校正結(jié)果的影響程度，為大氣校正參數(shù)選取提供參考。根據(jù)6S模型模擬，影響大氣校正獲得地表反射率的參數(shù)包括幾何參數(shù)、目標(biāo)和傳感器的高程參數(shù)、大氣模式、氣溶膠模式以及光譜條件。因此，筆者選擇了太陽天頂角、傳感器天頂角、相對方位角、大氣氣溶膠厚度、觀測波段以及地表海拔這6個(gè)參數(shù)的變化來分析不同參數(shù)對大氣校正的影響。利用IDL語言線下調(diào)用6S輻射模型生成查找表，統(tǒng)計(jì)分析各參數(shù)關(guān)于地表反射率敏感度的優(yōu)劣(圖1)，各參數(shù)的取值范圍如下：太陽天頂角0°～70°，衛(wèi)星天頂角0°～80°，氣溶膠光學(xué)厚度0.00～1.95，海拔高程0.0～1.9 km。

表1 6S模型的初始輸入?yún)?shù)

據(jù)圖1分析，氣溶膠光學(xué)厚度對反射率的影響穩(wěn)定且明顯，氣溶膠厚度越大對反射率的敏感度也就越好(圖1a)。太陽天頂角在角度小于25°時(shí)，對地表反射率的影響不明顯，而太陽天頂角大于25°時(shí)，太陽天頂角對反射率的敏感度明顯增高，甚至高于氣溶膠光學(xué)厚度對于反射率的敏感度(圖1b)。衛(wèi)星天頂角在MODIS的波段3和波段4的敏感度明顯高于其他波段，隨著角度的增大反射率略有下降，衛(wèi)星天頂角整體敏感度不高(圖1c)。海拔高度對反射率的敏感度同樣較低，筆者僅計(jì)算了海拔高度在1.9 km以下的地表高程，海拔高度僅在MODIS的波段3和波段7對反射率有一定的影響，其他波段的敏感度幾乎可忽略不計(jì)(圖1d)。另外，筆者也注意到當(dāng)太陽天頂角變化較大時(shí)與變化較小時(shí)觀測的海拔高程對反射率的敏感度幾乎一致。而相對方位角對反射率的敏感度最差，相對方位角對應(yīng)的大氣校正系數(shù)僅Xb發(fā)生細(xì)微變化(圖1e)；根據(jù)公式(2)、(3)可得出相對方位角對反射率的影響幾乎可忽略。

對地表反射率影響敏感度較高的有氣溶膠光學(xué)厚度及太陽天頂角，而相對方位角敏感度最差。經(jīng)過針對上述各個(gè)參數(shù)的敏感性分析，我們在對某一景影像做大氣校正時(shí)，可以根據(jù)這景衛(wèi)星圖像的各參數(shù)情況，選擇性地忽視一些敏感度較低的參數(shù)，這樣在提高大氣校正效率的同時(shí)也一定程度地縮小了大氣校正的工作量，同時(shí)也擴(kuò)展了利用輻射傳輸模型進(jìn)行大氣校正的應(yīng)用。

4 查找表的建立和逐像元校正方法

筆者在對研究區(qū)做逐像元大氣校正時(shí)，考慮到因參數(shù)較多導(dǎo)致數(shù)據(jù)量偏大、耗時(shí)較多，因此針對研究區(qū)利用IDL語言調(diào)用6S輻射模型做查找表，利用6S模型離線計(jì)算不同太陽天頂角、衛(wèi)星天頂角、氣溶膠光學(xué)厚度以及地表海拔高程情況下的校正系數(shù)Xa、Xb、Xc，生成研究區(qū)上述各個(gè)參數(shù)范圍內(nèi)的大氣校正系數(shù)。由于大氣校正是逐像元分析而且又加入考慮了多個(gè)影響大氣反射率的參數(shù)，所以針對工作區(qū)做查找表的好處在于，輸入大氣校正參數(shù)的范圍被縮小，根據(jù)各參數(shù)范圍分別調(diào)整步長，這樣在縮小工作量的同時(shí)可以更加精細(xì)化地計(jì)算大氣校正的參數(shù)。

圖1 不同觀測波段上的氣溶膠光學(xué)厚度(a)、太陽天頂角(b)、衛(wèi)星天頂角(c)、海拔高程(d)及相對方位角(e)對反射率的敏感度Fig.1 AOD(a), solar zenith(b), sensor zenith(c), ground altitude(d) and relative azimuth(e) of the sensitivity to the reflectivity on different observation bands

本文研究區(qū)面積較小，研究區(qū)內(nèi)參數(shù)的范圍比較狹小，所以本文參數(shù)的取值范圍如下：太陽天頂角為0°～17°時(shí)步長設(shè)為3°，太陽天頂角為24°～60°時(shí)步長設(shè)為12°，共11個(gè)值；衛(wèi)星天頂角0°～75°以15°為步長，共6個(gè)值；氣溶膠光學(xué)厚度0～1.95，步長不規(guī)則，共11個(gè)值；地表海拔0～1.9 km，步長不規(guī)則，共9個(gè)值；以及MODIS的前7個(gè)波段。將上述參數(shù)組合代入6S輻射模型，得到不同參數(shù)下大氣校正系數(shù)的查找表。

逐像元大氣校正步驟：

1)根據(jù)遙感圖像的成像時(shí)間，獲取研究區(qū)那一時(shí)刻的大氣參數(shù)、角度信息以及高程數(shù)據(jù)，分別進(jìn)行投影、剪裁、重采樣等預(yù)處理，使得獲取的各類參數(shù)對應(yīng)于遙感影像信息。

2)利用獲取的研究區(qū)內(nèi)的各類參數(shù)信息，分別取均值作為輸入6S輻射模型的初始參數(shù)，得到6S輻射校正輸出表。

3)在輻射校正輸出表中確定需要參數(shù)的位置，根據(jù)研究區(qū)各參數(shù)范圍分別設(shè)計(jì)步長，并利用IDL編程循環(huán)調(diào)用6S輻射校正模型，以獲取不同參數(shù)不同組合的大氣校正系數(shù)查找表[14]。

4)對大氣校正系數(shù)查找表進(jìn)行線性插值，并根據(jù)研究區(qū)各像元的大氣、角度、高程等信息查詢查找表中對應(yīng)的大氣校正系數(shù)，根據(jù)像元對應(yīng)的大氣校正系數(shù)計(jì)算該像元處的地表反射率。

5 結(jié)果與驗(yàn)證

筆者將查找表逐像元大氣校正所得出的結(jié)果與統(tǒng)一參數(shù)大氣校正以及校正前的表觀反射率結(jié)果進(jìn)行了對比，采用人工目視解譯的方法隨機(jī)選取了陸地和水體做為典型地類分別獲取像元處的地表反射率，結(jié)果如圖2所示。由于氣溶膠及觀測角度等參數(shù)的不同，統(tǒng)一參數(shù)大氣校正與逐像元大氣校正的精度差值比較明顯。

a.陸地；b.水體；c.頻率。圖2 三種不同方法的校正結(jié)果在各觀測波段上的比較Fig.2 Comparison of the correction result of three method for each observation band

校正前衛(wèi)星定標(biāo)后得到的表觀反射率雖然消除了太陽天頂角、日地距離和太陽輻射量的差異，但是不能消除由大氣程輻射、瑞利散射和吸收帶來的影響[18]。這些影響造成的大氣衰減使得衛(wèi)星傳感器接收到的信號很大部分不是地面反射率的光譜信息，校正前后差值很大。地表反射率圖像中地物在可見光波段(波段1--4)反射率減小，其中藍(lán)光波段(波段3)的瑞利散射最強(qiáng)，反射率減小最為明顯，綠光(波段4)次之(圖2a、b)。

圖3 掃描線上各像元的氣溶膠光學(xué)厚度(a)、太陽天頂角(b)、衛(wèi)星天頂角(c)、海拔高程(d)、相對方位角(e)情況Fig.3 AOD(a), solar zenith(b), sensor zenith(c), ground altitude(d) and relative azimuth(e) of the pixels on the scan line

根據(jù)研究區(qū)校正前后反射率頻率變化圖(圖2c)可以看出,校正后的反射率峰值向低反射率方向移動(dòng)，整體上校正前的表觀反射率值大于校正后的反射率值。

圖4 第497行反射率(a)、植被指數(shù)(b)在三種大氣校正方法下的結(jié)果對比Fig.4 The 497 line reflectivity and vegetation index results were compared in three atmospheric correction methods

由于6S模型計(jì)算耗時(shí)太長，取研究區(qū)像元第497行來進(jìn)行驗(yàn)證。圖3給出了研究區(qū)第497行掃描線上自西向東各個(gè)像元的氣溶膠光學(xué)厚度、太陽天頂角、衛(wèi)星天頂角、海拔高程和相對方位角的情況，結(jié)合各參數(shù)對反射率的敏感度，對比校正前后反射率的變化情況。本文以紅光波段為例，根據(jù)掃描線上的像元參數(shù)進(jìn)行逐像元大氣校正，將校正結(jié)果與統(tǒng)一參數(shù)大氣校正以及表觀反射率的結(jié)果進(jìn)行對比(圖4a)。大氣校正削弱了大氣瑞利散射和氣溶膠散射所導(dǎo)致的紅光波段信號增強(qiáng)，而地形因素又使得校正后的反射率大于表觀反射率，校正后的反射率與實(shí)際情況更為接近。利用MODIS地表反射率產(chǎn)品對大氣校正的結(jié)果進(jìn)行驗(yàn)證，統(tǒng)一參數(shù)、逐像元大氣校正的相對誤差分別控制在26.9%和12.7%以內(nèi)。因此，對于影像范圍較大，或氣溶膠和地面高程分布不均勻的山區(qū)或者農(nóng)田等地逐像元大氣校正方法更具優(yōu)勢。

以植被指數(shù)為例證明大氣校正精度對后續(xù)遙感定量計(jì)算的影響程度[19](圖4b)。從圖4b可以看出，校正前后同一剖面(第497行)兩條NDVI曲線的分布和變化趨勢吻合，峰谷和峰值基本一致，逐像元比單一參數(shù)大氣校正方法計(jì)算的NDVI平均高出14.4%。究其原因，經(jīng)過大氣校正后，可見光的反射率降低，近紅外波段的反射率升高，兩波段的對比度增高，光在大氣傳播過程中所受到的衰減得到彌補(bǔ)，則影像的植被指數(shù)呈現(xiàn)增加的趨勢[18]。

6 結(jié)論

分析了6S模型中各種參數(shù)對反射率的敏感度，并詳細(xì)敘述了逐像元大氣校正方法。結(jié)論如下：

1)利用查找表逐像元大氣糾正的算法，根據(jù)各個(gè)像元的大氣狀況、觀測角度、地面高程等條件差異，綜合考慮了各種敏感度不同的參數(shù)，與以往常用的基于整景遙感影像獲取平均參數(shù)并進(jìn)行大氣校正的算法相比，逐像元大氣校正算法與實(shí)際情況較為接近，能夠更加精確地對遙感影像進(jìn)行大氣校正并獲取地物的真實(shí)反射率。

2)利用MODIS地表反射率產(chǎn)品對大氣校正的結(jié)果進(jìn)行驗(yàn)證，單一參數(shù)、逐像元大氣校正的相對誤差分別控制在26.9%和12.7%以內(nèi)；在以植被指數(shù)(NDVI)為例的后續(xù)遙感定量化反演過程中，逐像元比單一參數(shù)大氣校正方法計(jì)算的NDVI平均高出14.4%。

3)查找表的建立是大氣校正精度提高的關(guān)鍵，在一定范圍內(nèi)，參數(shù)的步長過長影響校正的精度，而步長過小則使得數(shù)據(jù)量過大，冗余數(shù)據(jù)較多。因此可以根據(jù)研究區(qū)情況設(shè)定參數(shù)的范圍，并分別設(shè)計(jì)各參數(shù)的步長，根據(jù)研究區(qū)來建立查找表，而不是固定用一套查找表。

4)經(jīng)過大氣校正后的植被指數(shù)整體上明顯提高，本文的逐像元大氣校正方法可以用于分析影像范圍較大，或氣溶膠和地面高程分布不均勻的山區(qū)或者農(nóng)田等地。

[1] Cairns B, Carlson B E, Ying R X, et al. Atmospheric Correction and Its Application to an Analysis of Hyperion Data[J]. IEEE Transactions on Geoscience & Remote Sense, 2003, 41(6):1232-1245.

[2] 杜鑫,陳雪洋,蒙繼華,等. 基于6S模型的環(huán)境星CCD數(shù)據(jù)大氣校正[J]. 國土資源遙感, 2010(2):22-25. Du Xin, Chen Xueyang, Meng Jihua, et al. Atmospheric Correction of HJ-1 CCD Data Based on 6S Model[J]. Remote Sensing for Land and Resources, 2010(2):22-25.

[3] Liang S L, Fang H L, Chen M Z, et al. Validating MODIS Land Surface Reflectance and Albedo Products: Methods and Preliminary Results[J]. Remote Sensing of Environment, 2002, 83(1): 149-162.

[4] 程偉,王黎明,田慶久.一種基于陰影像元的光學(xué)遙感大氣校正方法[J]. 測繪學(xué)報(bào)，2008,37(4):469-475. Cheng Wei, Wang Liming, Tian Qingjiu. A Method of Atmospheric Correction Based on Shadow-Pixel for Optical Satellite Data[J]. Acta Godaetica et Cartographica Sinica, 2008, 37(4):469-475.

[5] 申茜,張兵,李俊生，等.航天高光譜遙感器CHRIS的水體圖像大氣校正[J]. 測繪學(xué)報(bào)，2008,37(4):476-481. Shen Qian, Zhang Bing, Li Junsheng, et al. Atmospheric Correction for Waterbody Images Acquired by Spaceborne Hyperspectral Sensor CHRIS[J]. Acta Geodatetica et Cartographica Sinica, 2008, 37(4): 476-481.

[6] 王釗.6S輻射模型算法解析及在MODIS大氣校正中的應(yīng)用[J]. 陜西氣象,2006(5):34-37. Wang Zhao. 6S Radiation Model Parsing Algorithm and Its Application in the MODIS Atmospheric Correction[J]. Journal of Shaanxi Meteorology, 2006(5):34-37.

[7] 李衛(wèi)國，蔣楠，王紀(jì)華.基于薄云霧去除的ETM+影像大氣校正[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013, 29(增刊1)：82-88. Li Weiguo, Jiang Nan, Wang Jihua. Atmospheric Correction for ETM+ Image Based on Thin Cloud Removal[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(Sup.1): 82-88.

[8] Liang S L. Advanced Remote Sensing[M]. Oxford: Academic Press, 2012: 111-126.

[9] 王明常,王亞楠,陳圣波,等. 多角度高光譜CHRIS/Proba植被模式數(shù)據(jù)大氣校正[J]. 吉林大學(xué)學(xué)報(bào):地球科學(xué)版,2011,41(2):609-614. Wang Mingchang, Wang Yanan ,Chen Shengbo, et al. Atmospheric Correction Research on Vegetation Patterns of Multi-Angle Hyperspectral CHRIS/Proba Data[J]. Journal of Jilin University: Earth Science Edition, 2011,41(2):609-614.

[10] 劉其悅,余濤,方莉,等.基于6S模型的HJ-1/CCD影像逐像元大氣校正[J]. 黑龍江科技信息,2010(31):11. Liu Qiyue, Yu Tao, Fang Li, et al. Based on the 6S Model HJ-1/CCD Pixel by Pixel Atmospheric Correction[J]. Heilongjiang Science and Technology Information, 2010(31):11.

[11] 亓雪勇,田慶久.光學(xué)遙感大氣校正研究進(jìn)展[J]. 國土資源遙感,2005(4):1-6. Qi Xueyong, Tian Qingjiu. The Advances in the Study of Atmospheric Correction for Optical Remote Sensing[J]. Remote Sensing for Land & Resources, 2005(4):1-6.

[12] 阿布都瓦斯提·吾拉木,秦其明,朱黎江.基于6S模型的可見光、近紅外遙感數(shù)據(jù)的大氣校正[J]. 北京大學(xué)學(xué)報(bào)：自然科學(xué)版,2004,40(4):611-618. Ghulam A, Qin Qiming, Zhu Lijiang, et al. 6S Model Based Atmospheric Correction of Visible and Near-Infrared Data and Sensitivity Analysis[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2004, 40(4):611-618.

[13] 徐永明,覃志豪,陳愛軍.基于查找表的MODIS逐像元大氣校正方法研究[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2010，35(8)：959-962. Xu Yongming, Qin Zhihao, Chen Aijun, et al. A Pixel-by-Pixel Atmospheric Correction Algorithm for MODIS Data Based on Look-up Table[J]. Geomatics and Information Science of Wuhan University, 2010,35(8):959-962.

[14] 甘文霞,沈煥鋒,張良培,等.采用6S模型的多時(shí)相MODIS植被指數(shù)NDVI歸一化方法[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2014,39(3):300-304. Gan Wenxia, Shen Huanfeng, Zhang Liangpei, et al. Normalization of Multi-Temporal MODIS NDVI Based on 6S Radiative Transfer Model[J]. Geomatics and Information Science of Wuhan University, 2014,39(3):300-304.

[15] Vermote E F, Tanre D, Deuze J L, et al.The Se-cond Simulation of the Satellite Signal in the Solar Spectrum (6S) User’s Guide: Version 3[Z]. [S. l.]: NASA Godard Space Flight Center, 2006:5-16.

[16] 孫源,顧行發(fā),余濤,等.環(huán)境星CCD數(shù)據(jù)大氣校正研究[J]. 國土資源遙感，2010(4):6-9. Sun Yuan, Gu Xingfa, Yu Tao, et al. The Environmental Satellite Data Atmospheric Correction Research[J]. Remote Sensing for Land & Resources, 2010(4):6-9.

[17] 鄭文武,曾永年.利用MODIS數(shù)據(jù)和查找表的城區(qū)TM影像大氣校正[J]. 測繪科學(xué),2012,37(3):23-25. Zheng Wenwu, Zeng Yongnian. An Atmospheric Correction Algorithm for Urban Area TM Data Base on MODIS Data and Look-up Table[J]. Science of Surveying and Mapping, 2012, 37(3):23-25.

[18] 孫長奎,孫林,麻盛芳,等. HJ-1 CCD數(shù)據(jù)大氣校正方法研究[J]. 遙感學(xué)報(bào),2012,16(4):826-836. Sun Changkui, Sun Lin, Ma Shengfang, et al. Atmospheric Correction Method Based on HJ-1 CCD Data[J]. Journal of Remote Sensing, 2012, 16(4):826-836.

[19] Franch B, Vermote E F, Sobrino J A, et al. Analysis of Directional Effects on Atmospheric Correction[J]. Remote Sensing of Environment, 2013, 128(1):276-288.

A Pixel by Pixel Atmospheric Correction Algorithm and Its Application for MODIS Data Based on 6S Model

Xu Yan，Jiang Qigang

CollegeofGeoExplorationScienceandTechnology,JilinUniversity,Changchun130026,China

In order to obtain the real reflectance of earth objects, we introduced a new method to correct atmospheric parameters pixel by pixel. Considering with the six parameters, including solar zenith angle, sensor zenith angle, azimuth angle, aerosol optical depth, observation band, and surface elevation, we applied the 6S model pixel by pixel to generate a lookup table for analyzing the sensitivity of each parameter to reflectance; and compared the correction results with the ones by the old method using single parameter. The results show that the reflectance by 6S model pixel by pixel is much closer to the true reflectance of objects. By using the MODIS surface reflectance products, we verified the accuracy both of the 6S model pixel by pixel and the single parameter method, and found that their relative errors are 12.7% and 26.9% respectively. Taking vegetation index (NDVI) as an example for the subsequent quantitative remote sensing inversion, theNDVIby 6S pixel by pixel method is 14.4% higher than the single parameter atmospheric correction method.

pixel by pixel; 6S; lookup table; atmospheric correction

10.13278/j.cnki.jjuese.201505304.

2015-01-17

中國地質(zhì)調(diào)查局項(xiàng)目(1212010510613)

徐言(1987--)，女，博士研究生，主要從事GIS與遙感研究，E-mail:xuyanby@163.com

姜琦剛(1964--)，男，教授，博士生導(dǎo)師，主要從事GIS與遙感地學(xué)環(huán)境的研究，E-mail:jiangqigang_rs@163.com。

10.13278/j.cnki.jjuese.201505304

P407.8;TP751

A

徐言，姜琦剛. 基于6S模型的MODIS影像逐像元大氣校正及其應(yīng)用.吉林大學(xué)學(xué)報(bào):地球科學(xué)版,2015,45(5):1547-1553.

Xu Yan，Jiang Qigang. A Pixel by Pixel Atmospheric Correction Algorithm and Its Application for MODIS Data Based on 6S Model.Journal of Jilin University:Earth Science Edition,2015,45(5):1547-1553.doi:10.13278/j.cnki.jjuese.201505304.