改进植被指数反演土壤水分原理分析

基于改进植被指数土壤水分遥感反演 蔡亮红 2017

简述：一篇相对比较标准的植被指数法反演SM(Soil moisture)的论文。思路大致如下，

1）首先选取landsat8影像（波段较多），通过研究表明近红外波段与SM具有相关性，近红外波段富含较多信息，且对于背景信息的影响较小，而相对的，NDVI存在红光饱和问题（土壤背景噪声在一定程度上破坏了NDVI的空间一致性） ，则可以通过在植被指数（VI）中加入短波红外波段（SWIR）进行改进。

2）在四个植被指数EVI、RVI、NDVI、DVI(私以为，此处也可以多选取几个不同的植被指数比如SAVI、NDWI、NDI等)中加入短红外波段，即为EEVI、ERVI、ENDVI、EDVI，然后计算两两之间的多重共线性即VIF，两两计算即是EVI与EEVI、DVI与EDVI等，根据相关性高且显著的原则，VIF小于10表示不存在多重共线性；

3）对于得到的8个植被指数进行GRA分析（灰色关联分析，详情见下文），筛选出关联性较高的三种用于最小二乘法建模，论文选取的是EEVI、ERVI、ENDVI，此三者作为自变量，SM为因变量建模，进行研究区内土壤水分的反演。

（个人复现实验结果表明，ENDVI、EDVI、ERVI为最相关的三个，或因研究区和数据源不同）

2、TIPS

1)已有的研究大多采用的是归一化 植被指数（NDVI）数据，但NDVI的红光饱和问题比 较严重，土壤背景噪声相当程度上破坏了 NDVI 的空间一致性;

2)光学影像的预处理过程一般为：辐射定标-大气校正-几何校正-正射校正（一般在ENVI里忽略了后者），高分一号影像的预处理过程（GF-1）:

此处附上知乎链接：envi5.3高分一号影像详细处理流程 - 知乎 (zhihu.com)

而在此论文中采取的预处理加入了两部操作，个人觉得是需要注意的：

“首先，将控制点数字化后做投影变换（横轴墨卡托投影）对遥感影像做几何校正，使校正误差小于 0.5 个像元，重采样方法为二次多项式模型。然后，通过3×3滤波处理消除微地形、地貌差异以及成像过程等在遥感影像上造成的噪声，再对影像进行辐射定标和大气校正后，获得近似地表真实反射率的影像。”

///***-.-***///

扫盲：

辐射定标、辐射校正、大气校正、正射校正等相关概念，作为遥感初学者，容易将这几个概念搞混。为了较好地理解这几个概念，先介绍一下相关的术语 terminology。

DN值（Digital Number ）：遥感影像像元亮度值，记录地物的灰度值。无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等相关。反映地物的辐射率；

地表反射率：地面反射辐射量与入射辐射量之比，表征地面对太阳辐射的吸收和反射能力。反射率越大，地面吸收太阳辐射越少；反射率越小，地面吸收太阳辐射越多；

表观反射率：表观反射率就是指大气层顶的反射率,辐射定标的结果之一，大气层顶表观反射率，简称表观反射率，又称视反射率。

行星反射率：从文献“一种实用大气校正方法及其在ＴＭ影像中的应用”中看到“卫星所观测的行星反射率（未经大气校正的反射率）”；在“基于地面耦合的TM影像的大气校正-以珠江口为例”一文有“该文应用1998年的LANDSAT5 TM影像,对原始数据进行定标、辐射校正,求得地物的行星反射率”。因此行星反射率就是表观反射率。英文表示：planetary albedo，

辐射校正VS. 辐射定标
辐射校正：Radiometric correction 一切与辐射相关的误差的校正。
目的：消除干扰，得到真实反射率的数据。 干扰主要有：传感器本身、大气、太阳高度角、地形等。
包括：辐射定标，大气纠正，地形对辐射的影响

辐射定标：Radiometric calibration 将记录的原始DN值转换为大气外层表面反射率（或称为辐射亮度值）。
目的：消除传感器本身的误差，确定传感器入口处的准确辐射值
方法：实验室定标、机上/星上定标、场地定标

不同的传感器，其辐射定标公式不同。L=gain*DN+Bias
在ENVI4.8中，定标模块：Basic Tools>Preprocessing>Calibration Utilities>模块
大气校正：Atmospheric correction 将辐射亮度或者表面反射率转换为地表实际反射率
目的：消除大气散射、吸收、反射引起的误差。
分类：统计型和物理型

目前，遥感图像的大气校正方法很多。这些校正方法按照校正后的结果可以分为2种：
绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。

1. 基于辐射传输模型 wMORTRAN模型 wLOWTRAN模型 wATCOR模型 w6S模型等

2.基于简化辐射传输模型的黑暗像元法3.基于统计学模型的反射率反演
相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。1. 基于统计的不变目标法2. 直方图匹配法等。

方法的选择问题，一般而言： 1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。 2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。 3、如果参数缺少，没办法了只能选择较简单的方法了。

在ENVI中，Basic tools-preprocessing-calibration utilities-FLAASH
几何校正VS. 正射校正
• 几何校正：纠正系统和非系统因素引起的几何畸变。

• 图像配准（Registration）：同一区域里一幅图像（基准图像）对另一幅图像校准，以使两幅图像中的同名像素配准。

• 图像纠正（Rectification）：借助一组控制点，对一幅图像进行地理坐标的校正。又叫地理参照（Geo-referencing）

• 图像地理编码（Geo-coding）：特殊的图像纠正方式，把图像矫正到一种统一标准的坐标系。

• 图像正射校正（Ortho-rectification）：借助于地形高程模型（DEM），对图像中每个像元进行地形的校正，使图像符合正射投影的要求。

几何校正：利用GCP纠正各种因素引起的几何变形，对影像进行地理坐标定位，获得真实坐标信息。主要包括：空间像元位置的变换和变换后像元亮度值的计算。

正射纠正：目的是消除地形的影响或是相机方位引起的变形等，生成平面正射影像的处理过程。
ENVI中进行正射校正的的条件：影像数据、需要参数PRC（rational polynomial coefficients）或RMS(replacement sensor model)、高程信息（DEM或平均高程）、地面控制点（可选），Geoid(影像数据获取地的大地水准面和平均海拔面的高程差)。
Map->Orthorectification

几何校正分为不同级别，正射校正可以说是几何校正的最高级别。我们一般所说的几何校正是消除因大气传输、传感器本身、地球曲率等因素造成的几何畸变，主要纠正或者赋予影像平面坐标。正射校正除了进行常规的几何校正的功能外，还要根据DEM来纠正影像因地形起伏而产生的畸变会给图像加上高程信息。
最后，流程顺序：辐射定标——大气校正——几何校正——正射校正

/***-.-***/