呂思思，甘 淑，劉國徽

(昆明理工大學(xué) 國土資源工程學(xué)院，云南 昆明 650093)

基于FLAASH模型輸入?yún)?shù)的校正結(jié)果評(píng)價(jià)分析

呂思思，甘 淑，劉國徽

(昆明理工大學(xué) 國土資源工程學(xué)院，云南 昆明 650093)

以香格里拉地區(qū)的Landsat5 TM遙感圖像為例，對(duì)FLAASH模型在使用不同范圍、不同大氣模式、不同氣溶膠模式和不同二氧化碳濃度等輸入條件情況下分別進(jìn)行大氣校正實(shí)驗(yàn)，將校正結(jié)果進(jìn)行對(duì)比分析。結(jié)果表明：從校正后植被的反射光譜曲線來看，雖然FLAASH模型的這4個(gè)參數(shù)發(fā)生了變化，但其結(jié)果仍能在一定程度上減弱遙感影像所受到的大氣的影響。這4個(gè)參數(shù)的變化對(duì)FLAASH模型的校正結(jié)果有一定的影響，但敏感性不強(qiáng)。無氣溶膠模式的大氣校正，雖然在結(jié)果的異常值像元個(gè)數(shù)方面比有氣溶膠模式的表現(xiàn)要好，但是在進(jìn)行FLAASH大氣校正時(shí)，不建議選擇無氣溶膠模式。

FLAASH； 大氣校正； 敏感度

太陽輻射傳輸過程中，大氣中的氣體和氣溶膠與太陽輻射發(fā)生相互作用后，會(huì)造成太陽輻射的衰減。因此，大氣被認(rèn)為是造成遙感圖像輻射畸變的主要外部因素之一，在進(jìn)行遙感定量應(yīng)用時(shí)，需要考慮減弱或消除其對(duì)遙感圖像造成的影響。

衛(wèi)星遙感圖像的大氣校正，一直是遙感定量化研究的難點(diǎn)之一。近些年來，隨著定量遙感技術(shù)的迅速發(fā)展，以及利用多傳感器、多時(shí)相遙感數(shù)據(jù)進(jìn)行土地利用和土地覆蓋變化監(jiān)測、全球資源環(huán)境分析、氣候變化監(jiān)測等的需要，遙感圖像大氣校正研究越來越受到重視。

目前，遙感圖像的大氣校正方法很多，按照校正后的結(jié)果可以分為絕對(duì)大氣校正和相對(duì)大氣校正[1]，按照校正過程可分為間接大氣校正和直接大氣校正[2]。常見的絕對(duì)大氣校正的方法主要有輻射傳輸模型、黑暗像元法、不變目標(biāo)法、參考值大氣校正法和大氣阻抗植被指數(shù)法等[3]，其中，以輻射傳輸模型法校正精度較高。

輻射傳輸模型法是利用電磁波在大氣中的輻射傳輸原理建立起來的方法。這類方法的原理基本相同，差異在于假設(shè)條件和適用范圍不同。目前，應(yīng)用廣泛的大氣校正模型就有近30種，以6S、MODTRAN、LOWTRAN和ATCOR模型最為常用。

FLAASH模型是基于MODTRAN4模型的大氣糾正模塊，主要用于從高光譜遙感圖像中還原出無大氣影響或受大氣影響較小的地物地表反射率。與其他大氣糾正模型的計(jì)算方法不同，F(xiàn)LAASH模型直接與MODTRAN4模型的大氣輻射傳輸編碼相結(jié)合，而不采用模型數(shù)據(jù)庫中加入的輻射參數(shù)對(duì)大氣進(jìn)行糾正，因此任何標(biāo)準(zhǔn)MODTRAN4大氣模型和氣溶膠類型都可以被直接選用。此外，F(xiàn)LAASH模型還具有校正精度高、操作簡便和適用性強(qiáng)等優(yōu)點(diǎn)，被廣泛應(yīng)用于遙感圖像的大氣校正。劉瑜[4]介紹了FLAASH大氣校正模型的主要原理及算法，并通過實(shí)驗(yàn)證明，F(xiàn)LAASH模型能夠較好地消除大氣影響。吳彬等[5]基于FLAASH模型對(duì)Hyperion圖像進(jìn)行了大氣校正，分析了不同地物校正前后的光譜特征，通過與標(biāo)準(zhǔn)庫對(duì)比后，指出基于大氣輻射傳輸模型理論進(jìn)行大氣校正是可行的。趙國祥等[6]對(duì)FLAASH校正模型中參數(shù)的正確性與否對(duì)結(jié)果產(chǎn)生的影響進(jìn)行了研究。田豐等[7]對(duì)香格里拉地區(qū)的Hyperion衛(wèi)星影像進(jìn)行FLAASH大氣校正和MNF平滑后，較好地消除了大氣影響和Hyperion高光譜遙感圖像的光譜噪聲。綜上，F(xiàn)LAASH模型可用于減弱多種遙感圖像受到的大氣影響，但以往的研究在FLAASH模型輸入?yún)?shù)對(duì)結(jié)果敏感性的影響方面[8]較少涉足。

本研究以香格里拉地區(qū)的Landsat 5 TM遙感圖像為研究資料，進(jìn)行不同圖像范圍、不同氣溶膠、不同大氣模式和不同二氧化碳濃度條件下的大氣校正對(duì)比實(shí)驗(yàn)，通過對(duì)校正結(jié)果的植被反射波譜曲線、歸一化植被指數(shù)和異常值像元個(gè)數(shù)的對(duì)比，旨在分析不同輸入?yún)?shù)對(duì)FLAASH模型大氣校正結(jié)果的影響，以期為相關(guān)應(yīng)用研究提供參考。

1 材料與方法

1.1 研究區(qū)概況

香格里拉市是迪慶藏族自治州下轄市之一，位于云南省西北部，是滇、川、藏三省區(qū)交匯處，也是舉世聞名的“三江并流”風(fēng)景區(qū)腹地。香格里拉市地形總體西北高、東南低，最高點(diǎn)巴拉格宗海拔5 545 m，最低點(diǎn)洛吉吉函海拔1 503 m，海拔高差4 042 m，平均海拔3 280 m，地理坐標(biāo)為94°～102°E、27°～34°N，香格里拉市地處高海拔低緯度地帶，氣候隨海拔升高而變化，地貌按形態(tài)可分為山地、高原、盆地、河谷。

1.2 遙感數(shù)據(jù)概況

研究區(qū)的遙感數(shù)據(jù)是Landsat 5 TM影像，下載自美國地質(zhì)調(diào)查局網(wǎng)站，軌道號(hào)/行號(hào)131/41，產(chǎn)品級(jí)別L1T，空間分辨率30 m，坐標(biāo)系統(tǒng)WGS 84，投影方式UTM，投影帶47 N。

1.3 數(shù)據(jù)處理

首先，進(jìn)行輻射定標(biāo)。即將傳感器記錄的電壓或數(shù)字量化值(DN)轉(zhuǎn)換成絕對(duì)輻射亮度值(輻射率)[9]，或者轉(zhuǎn)換成與地表反射率等物理量有關(guān)的相對(duì)值。

然后，利用香格里拉市界的矢量數(shù)據(jù)對(duì)輻射定標(biāo)后的結(jié)果進(jìn)行裁剪，得出研究區(qū)圖像。

FLAASH大氣校正模塊對(duì)于數(shù)據(jù)文件的存儲(chǔ)格式要求為BIL或BIP格式，但上述計(jì)算結(jié)果的存儲(chǔ)方式為BSQ，因此，還需進(jìn)行波段存儲(chǔ)順序的轉(zhuǎn)化。

1.4 FLAASH模型參數(shù)設(shè)置

1.4.1 不同范圍大氣校正參數(shù)設(shè)置

原始圖像的FLAASH模型參數(shù)設(shè)置：影像中心點(diǎn)，27.41°N，100.77°E；傳感器高度，705 km；像元大小，30 m；飛行日期，2006-01-25；飛行時(shí)間，3 h 36 min 33 s；傳感器類型，Landsat TM5；大氣模型，中緯度夏季(Mid-Latitude Summer，MLS)；水汽反演，NO；氣溶膠類型，鄉(xiāng)村氣溶膠模式(Rural)；氣溶膠反演，2-Band(K-T)；氣溶膠反演設(shè)置，標(biāo)準(zhǔn)陸地上；CO2混合比例，390 ppm(注：ppm為系統(tǒng)設(shè)定單位，按國家標(biāo)準(zhǔn)單位應(yīng)為μL·L-1，下同)；MODTRAN分辨率，5 cm-1。

裁剪后圖像的FLAASH模型參數(shù)設(shè)置：影像中心點(diǎn)，27.61°N，100.012°E；傳感器高度，705 km；平均海拔，3.28 km；像元大小，30 m；飛行日期，2006-01-25；飛行時(shí)間，3 h 36 min 33 s；傳感器類型，Landsat TM5；大氣模型，MLS；水汽反演，NO；氣溶膠類型，Rural；氣溶膠反演，2-Band(K-T)；氣溶膠反演設(shè)置，標(biāo)準(zhǔn)陸地上；CO2混合比例，390 ppm；MODTRAN分辨率，5 cm-1。

1.4.2 不同大氣模式大氣校正參數(shù)設(shè)置

以原始圖像的FLAASH模型參數(shù)設(shè)置為依據(jù)，設(shè)定平均海拔3.28 km，進(jìn)行MLS大氣模式的校正。完成后，再改變大氣模式參數(shù)為亞極地冬季(Sub-Arctic Winter，SAW)、中緯度冬季(Mid-Latitude Winter，MLW)、美國標(biāo)準(zhǔn)(U.S. Standard，US)、亞極地夏季(Sub-Arctic Summer，SAS)和熱帶(Tropical，T)，分別進(jìn)行大氣校正。

1.4.3 不同氣溶膠模式大氣校正參數(shù)設(shè)置

以原始圖像的FLAASH模型參數(shù)設(shè)置為依據(jù)，設(shè)定平均海拔3.28 km，進(jìn)行Rural氣溶膠模式的校正。完成后，再改變氣溶膠模式參數(shù)為無氣溶膠(No Aerosol)、城市氣溶膠(Urban)、海事氣溶膠(Maritime)和對(duì)流層氣溶膠(Tropospheric)，分別進(jìn)行大氣校正。

1.4.4 不同二氧化碳濃度的大氣校正參數(shù)設(shè)置

以原始圖像的FLAASH模型參數(shù)設(shè)置為依據(jù)，設(shè)定平均海拔3.28 km，CO2混合比例300 ppm；進(jìn)行此條件下的校正。待其完成后，再改變二氧化碳濃度為360 ppm、420 ppm、480 ppm，分別進(jìn)行大氣校正。

2 結(jié)果與分析

2.1 不同范圍大氣校正結(jié)果與分析

2.1.1 植被反射波譜曲線分析

用ENVI分別打開原始圖像數(shù)據(jù)與大氣校正后的結(jié)果，將原始圖像與大氣校正后的結(jié)果進(jìn)行鏈接，并選取植被的反射光譜曲線進(jìn)行比較(圖1，表1)?？梢钥闯觯航?jīng)大氣糾正后植被反射率在綠光(0.55 μm附近)有一個(gè)小的反射峰，在紅光處(0.68 μm附近)有一吸收谷，這是光合作用吸收谷。在0.7～0.8 μm附近有很高的紅外反射峰，它和前面的綠光波峰、紅光波谷一起形成了植被光譜的特征。這說明FLAASH大氣糾正可以有效地減弱Landsat衛(wèi)星TM數(shù)據(jù)中大氣因素的影響。

圖1 不同范圍FLAASH大氣校正植被反射光譜

表1 不同范圍大氣校正后的植被反射率 %

對(duì)比未裁剪影像數(shù)據(jù)和裁剪影像數(shù)據(jù)植被反射波譜可以看出，兩者曲線相差不大(圖1)。兩種圖像范圍下各波段反射率平均值的差在0.07%～0.4%，表明FLAASH模型對(duì)景中心坐標(biāo)(不同圖像范圍)的敏感性并不表現(xiàn)出強(qiáng)依賴，但相比之下，景中心坐標(biāo)對(duì)TM4和TM5的影響大于其他波段。

2.1.2 歸一化植被指數(shù)(NDVI)分析

歸一化植被指數(shù)(NDVI)是一種由遙感傳感器所接收的地物光譜信息推算而得的反映地表植被狀況的定量值。經(jīng)過測算，校正后未裁剪影像數(shù)據(jù)、裁剪影像數(shù)據(jù)以及原始影像數(shù)據(jù)的NDVI值分別為0.639 6、0.691 4、0.383 1?？梢钥闯?，未裁剪影像數(shù)據(jù)、裁剪影像數(shù)據(jù)的NDVI平均值與原始影像相比都有改善，2種圖像范圍得到的NDVI平均值的差值為0.051 8，表明改變FLAASH模型圖像景中心坐標(biāo)對(duì)NDVI的影響不大，說明FLAASH模型校正結(jié)果對(duì)景中心坐標(biāo)的依賴性不強(qiáng)。

2.1.3 異常值像元分析

地表的反射率正常值在0～1，超過此范圍的像元值可看作是校正異常值，異常值像元的多少可以代表FLAASH模型對(duì)遙感圖像獲取時(shí)大氣狀況模擬的情況：異常值像元少的，說明校正效果好；異常值多的，說明校正效果不好。

為避免影像背景對(duì)異常值像元統(tǒng)計(jì)的影響，將背景進(jìn)行掩膜。在ENVI下分別打開大氣校正后的待掩膜的影像和掩膜所需的矢量數(shù)據(jù)，將矢量數(shù)據(jù)轉(zhuǎn)化為ROI，對(duì)影像做掩膜處理，提取異常值像元。從表2可以看出：未裁剪影像的異常值像元個(gè)數(shù)比裁剪影像的多，表明在進(jìn)行遙感圖像的FLAASH大氣校正時(shí)，直接對(duì)研究區(qū)的影像進(jìn)行校正的效果優(yōu)于對(duì)包含研究區(qū)的整景影像進(jìn)行校正。

表2 不同范圍大氣校正結(jié)果的異常值像元

2.2 不同大氣模式大氣校正結(jié)果與分析

2.2.1 植被反射波譜曲線分析

如圖2所示，相較于原始影像數(shù)據(jù)，大氣糾正后的植被光譜反射波譜曲線更符合植被光譜的特征，說明FLAASH大氣校正可以有效地減弱Landsat衛(wèi)星TM數(shù)據(jù)中大氣因素的影響。在FLAASH模型下采用不同大氣模式進(jìn)行校正后，各波段反射率的差值在0.05%～0.48%(表3)，表明FLAASH模型對(duì)不同大氣模式輸入?yún)?shù)的敏感性并不體現(xiàn)出強(qiáng)依賴。在各波段之中，相較而言，對(duì)TM4和TM5的影響大于其他波段。

表3 不同大氣模式大氣校正結(jié)果的植被反射率 %

注：SAW，亞季地冬季模式；MLW，中緯度冬季模式；SAS，亞季地夏季模式；MLS，中緯度夏季模式；T，熱帶模式；US，美國標(biāo)準(zhǔn)大氣模式。表4同。

2.2.2 歸一化植被指數(shù)分析

利用不同大氣模式校正的結(jié)果，計(jì)算NDVI值。SAW、MLW、SAS、MLS、T、US模式下，植被的NDVI平均值分別為0.680 2、0.678 0、0.663 1、0.660 7、0.653 1、0.680 2，原始影像數(shù)據(jù)的NDVI平均值為0.383 1。各大氣模式得到的NDVI平均值的差值為0.027 1，且與原始影像相比均有明顯的改善。相對(duì)來說，T模式下NDVI改善最小。

圖2 不同大氣模式FLAASH大氣校正植被反射光譜

2.2.3 異常值像元分析

由表4可以看出，SAS、MLS、US模式下的異常值像元數(shù)量較多，而T模式下的異常值像元數(shù)量最少，說明該模式下大氣校正效果最好。

2.3 不同氣溶膠模式大氣校正結(jié)果與分析

2.3.1 植被反射波譜曲線分析

如圖3所示，相較于原始影像數(shù)據(jù)，大氣糾正后的植被光譜反射波譜曲線更符合植被光譜的特征，說明FLAASH大氣校正可以有效地減弱Landsat衛(wèi)星TM數(shù)據(jù)中大氣因素的影響?？傮w來看，各氣溶膠模式(除無氣溶膠模式外)校正結(jié)果的植被反射光譜曲線相差不大。相較于其他模式，無氣溶膠模式校正的植被反射光譜曲線在TM1～3上的反射率比有氣溶膠模式的大，在TM4上的反射率略小，在TM5和TM7上相差不大(表5)。這可能是由于無氣溶膠模式不輸入氣溶膠，F(xiàn)LAASH模型在計(jì)算時(shí)不對(duì)溶膠引起的大氣散射作用進(jìn)行彌補(bǔ)而造成的。

表4 不同大氣模式校正結(jié)果的異常值像元

圖3 不同氣溶膠模式FLAASH大氣校正植被反射光譜

各模式下不同波段的反射率差值在0.02%～0.49%，表明FLAASH模型對(duì)不同氣溶膠模式輸入?yún)?shù)的敏感性并不體現(xiàn)出強(qiáng)依賴。對(duì)比各波段可以看出，各模式對(duì)TM4～5波段的影響大于其他波段。

2.3.2 歸一化植被指數(shù)分析

利用不同大氣模式校正的結(jié)果，計(jì)算NDVI值。鄉(xiāng)村氣溶膠模式、無氣溶膠模式、城市氣溶膠模式、海事氣溶膠模式、對(duì)流層氣溶膠模式下，植被的NDVI平均值分別為0.712 3、0.651 3、0.717 1、0.713 1、0.712 8，原始影像數(shù)據(jù)的植被NDVI平均值為0.383 1。各氣溶膠模式下NDVI平均值的差值為0.065 8，與原始影像數(shù)據(jù)相比都有明顯改善，但以無氣溶膠模式下的NDVI改善最小。

表5 不同氣溶膠模式大氣校正結(jié)果的植被反射率 %

2.3.3 異常值像元分析

由表6可以看出，無氣溶膠模式下校正結(jié)果的異常像元比有氣溶膠模式校正的少，這可能是因?yàn)闊o氣溶膠模式校正時(shí)，F(xiàn)LAASH模型不用考慮氣溶膠對(duì)太陽輻射的散射作用造成的影響。各氣溶膠模式(考慮氣溶膠的校正)校正結(jié)果中，鄉(xiāng)村氣溶膠模式下的異常值像元個(gè)數(shù)最少，說明其校正效果較優(yōu)。

表6 不同氣溶膠模式大氣校正結(jié)果的異常值像元

2.4 不同二氧化碳濃度大氣校正結(jié)果與分析

2.4.1 植被反射波譜曲線分析

如圖4所示，相較于原始影像數(shù)據(jù)，大氣糾正后的植被光譜反射波譜曲線更符合植被光譜的特征，說明FLAASH大氣校正可以有效地減弱Landsat衛(wèi)星TM數(shù)據(jù)中大氣因素的影響(圖4)。經(jīng)過不同二氧化碳濃度校正影像數(shù)據(jù)的植被反射波譜曲線相差不大。不同CO2濃度下，各個(gè)波段反射率平均值差值在0～0.04%(表7)，說明二氧化碳濃度對(duì)FLAASH模型大氣校正影響不大，F(xiàn)LAASH模型對(duì)不同二氧化碳濃度輸入?yún)?shù)的敏感性并不體現(xiàn)出強(qiáng)依賴。

圖4 不同二氧化碳濃度FLAASH大氣校正植被反射光譜

表7 不同氣溶膠模式大氣校正結(jié)果的植被反射率 %

注：ppm為系統(tǒng)設(shè)定單位，按國家標(biāo)準(zhǔn)單位應(yīng)為μL·L-1，表8同。

2.4.2 歸一化植被指數(shù)分析

利用不同大氣模式校正的結(jié)果，計(jì)算NDVI值。CO2濃度分別為300、360、420、480 ppm條件下，植被的NDVI平均值分別為0.727 6、0.727 9、0.729 1、0.729 1，原始影像數(shù)據(jù)的植被NDVI平均值為0.383 1。各氣溶膠模式下NDVI平均值的差值為0.001 5，與原始影像數(shù)據(jù)相比都有明顯改善，但以300 ppm下的NDVI改善最小。

2.4.3 異常值像元分析

由表8可以看出，二氧化碳濃度在300～420 ppm，異常值像元數(shù)相差不大(3.362%～3.369%)，但當(dāng)增加到480 ppm時(shí)，異常值像元比率為3.388%?？梢娫谶M(jìn)行遙感圖像的FLAASH大氣校正時(shí)，在二氧化碳濃度300～420 ppm條件下進(jìn)行校正的效果相對(duì)較好。

表8 不同氣溶膠模式大氣校正結(jié)果的異常值像元

3 小結(jié)與討論

本文對(duì)香格里拉地區(qū)的多光譜數(shù)據(jù)進(jìn)行FLAASH模型不同輸入?yún)?shù)的大氣校正對(duì)比實(shí)驗(yàn)，從不同范圍、不同大氣模式、不同氣溶膠模式和不同二氧化碳濃度4個(gè)方面分別進(jìn)行了對(duì)比分析，結(jié)果表明：1)從校正后植被的反射光譜曲線來看，雖然FLAASH模型的這4個(gè)參數(shù)發(fā)生了變化，但其結(jié)果均能在一定程度上減弱遙感影像受到的大氣的影響；2)這4個(gè)參數(shù)的變化對(duì)FLAASH模型的校正結(jié)果雖然有一定的影響，但是敏感性不強(qiáng)，這使得工程應(yīng)用時(shí)的易用性大大增強(qiáng)。

要指出的是，雖然無氣溶膠模式下的大氣校正結(jié)果異常值像元數(shù)比有氣溶膠模式下少，但是在進(jìn)行FLAASH大氣校正時(shí)，不建議選擇無氣溶膠模式。因?yàn)樵撃Ｊ脚c實(shí)際情況不符，會(huì)影響大氣校正的效果，但是影響不大。另外，本文的結(jié)論是在一景遙感影像基礎(chǔ)上得到的，得到的結(jié)果未必能真實(shí)地反映FLAASH模型校正結(jié)果對(duì)輸入?yún)?shù)的依賴性。雖然文中采用了一些定量的統(tǒng)計(jì)方法，對(duì)校正結(jié)果進(jìn)行評(píng)價(jià)，但是這些評(píng)價(jià)未涉及定量遙感方面。若能結(jié)合研究區(qū)大量的實(shí)際調(diào)查地表物理變量(森林蓄積量、生物量等)做更進(jìn)一步的分析，那么結(jié)論將更具說服力。

[1] LIANG S, FANG H, CHEN M. Atmospheric correction of Landsat ETM+land surface imagery. I. Methods[J]. IEEE Transactions on Geoscience & Remote Sensing, 2001, 39(11):2490-2498.

[2] KAUFMAN Y J, TANRé D. Strategy for direct and indirect methods for correcting the aerosol effect on remote sensing: From AVHRR to EOS-MODIS[J]. Remote Sensing of Environment, 1996, 55(1):65-79.

[3] 廖吉慶, 章開靈. 遙感圖像處理中大氣校正方法綜述[J]. 科學(xué)與財(cái)富, 2013(3):153.

[4] 劉瑜. 基于FLAASH模型的MODIS1B數(shù)據(jù)的大氣校正[J]. 測繪與空間地理信息, 2013, 36(3):47-49.

[5] 吳彬, 苗放, 葉成名, 等. 基于FLAASH的高光譜遙感數(shù)據(jù)大氣校正應(yīng)用[J]. 物探化探計(jì)算技術(shù), 2010, 32(4): 442-445.

[6] 趙國祥, 苗放. 高光譜影像FLAASH大氣校正模型參數(shù)影響與評(píng)價(jià)——以西藏山南為例[J]. 科技資訊, 2012(34):6-7.

[7] 田豐, 楊蘇明, 王潤生. EO-1Hyperion高光譜數(shù)據(jù)FLAASH模塊大氣糾正[J]. 新疆地質(zhì), 2010, 28(1):109-112.

[8] 楊校軍, 陳雨時(shí), 張曄, 等. FLAASH模型輸入?yún)?shù)對(duì)校正結(jié)果的影響[J]. 遙感信息, 2008 (6):32-37.

[9] 張玉環(huán). HJ1-CCD交叉輻射定標(biāo)[D]. 青島：山東科技大學(xué), 2011.

(責(zé)任編輯：高 峻)

2017-03-17

國家自然科學(xué)基金(41561083)；云南省自然科學(xué)基金重點(diǎn)項(xiàng)目(2015FA016)

呂思思(1992—)，女，云南宣威人，碩士研究生，主要研究遙感信息技術(shù)與應(yīng)用，E-mail：14787879254@126.com。

10.16178/j.issn.0528-9017.20170852

TP75

A

0528-9017(2017)08-1471-06

文獻(xiàn)著錄格式：呂思思，甘淑，劉國徽. 基于FLAASH模型輸入?yún)?shù)的校正結(jié)果評(píng)價(jià)分析[J].浙江農(nóng)業(yè)科學(xué)，2017，58(8)：1471-1476.