定量遥感实验一 大气校正

一、实验目的

大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率、辐射率、地表温度等正式物理模型参数，包括消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响，消除大气分子和气溶胶散射的影响，大气校正同时也是反演地物真实反射率的过程。

通过本次实验，希望可以掌握以下内容：

1. 初步了解目前主流的遥感图像处理软件ERDAS与ENVI的操作方法、主要模块以及重要的主要功能，通过反复练习学习，做到可以通过查阅网络资料等方式自主利用这些软件进行部分的遥感影像处理工作；
2. 了解掌握Landsat ETM遥感影像数据的基本特点、基本数据特征、处理方法以及数据获取的手段和来源，掌握Erdas遥感影像辐射信息获取的方式、主要手段以及分析方法；
3. 加深对遥感理论知识理解，掌握遥感大气校正方法，并深刻理解不同大气校正方法之间的差别与它们各自的原理与适用范围；
4. 通过实验练习可以利用不同方法自主处理遥感影像的大气校正步骤，并将实验结果利用Arcgis、ENVI等软件进行分析。

二、实验使用方法

1. 简化黑暗像元法大气校正
2. 快速大气校正
3. FLAASH大气校正

三、实验数据

1. LE71230392011231EDC00_RGF_21
2. 2011年8月19日Landsat ETM+影像

四、实验过程

（1）简化黑暗像元法大气校正

方法原理：

假定待校正的遥感图像上存在黑暗像元区域，且地表为朗伯面反射、大气性质均一，则反射率或辐照亮度很小的黑暗像元由于受到大气的影响，使得这些像元的亮度值相对增加；可以认为这一部分的增加亮度是由于大气的影响造成的。在此基础上，若将全图像所有像元的亮度值都减去这一数值，得到的结果即为减少了大气影响的校正结果图像。这一方法十分简单，且其所获得的校正精度可以满足一般的遥感研究与实际应用。

具体步骤：

1.在envi软件中进行任何操作之前，我们首先需要添加我们所需要处理的遥感影像，点击File—>Open Image File，即可选择我们需要的遥感影像：

2.由于黑暗像元法提出的时间较早方法较为古老，此我们可以直接利用envi软件中提供的功能进行大气校正，无需对遥感影像进行什么预处理。

在主菜单中，选择Basic Tools->Preprocessing->General Purpose Utilities-> Dark Subtract，在文件选择对话框中选择待校正图像文件，单击OK按钮，即可打开Dark Subtraction Parameters面板。

3. 在Dark Subtraction Parameters面板中，确定黑暗像素值包括三种方法可供我们选择：波段最小值(Band Minimum)；ROI的平均值(Region Of Interest)；自定义值（User Value），在此次实验中我们选择Band Minimum。

最后，在Output Result to中选择File以及相应的输出路径和文件名，单击OK执行操作，即可输出按照黑暗像元法大气校正后的图像。

 

4.按照上述步骤，依次对本次实验中的6个相同地区的不同波段的遥感影像做同样的黑暗像元法大气校正处理。

！！！特别注意：结合之后的实验过程我们可以知道，单个波段遥感影像是无法展开波谱曲线图的，为得到黑暗像元校正法后的遥感影像的波谱曲线图，我尝试了两种方法，第一种方法是将分别进行黑暗像元法的遥感影像进行合并，第二种方法是将波段合并后的遥感影像进行黑暗像元法大气校正，通过后续的实验结果与分析，我们认为第二种方法更优，因此在后续分析过程中所见到的结果，都是将波段合成后再进行黑暗像元法大气校正的结果。

（2）辐射定标与波段合成

方法原理：

辐射定标是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程，辐射定标参数一般存放在元数据文件中。如果我们想要学习利用envi大气校正扩展模块中的FLAASH 和 QUAC方法对多光谱和高光谱数据进行大气校正的过程，就必须首先进行对大气校正的准备工作——辐射定标。

具体步骤：

1. 在主菜单中，选择Basic Tools->Preprocessing-> Calibration Utilities- > Landsat Calibration，即可打开辐射定标参数设置框；

2.根据实验数据中的遥感影像元数据，设置相应参数，最后，在Output Result to中选择File以及相应的输出路径和文件名，单击OK执行操作，即可输出辐射定标后的图像。

 3．对六个不同波段的遥感影像都做以上处理，特别注意最后输出时的命名方式以免与之前大气校正结果弄混，同时注意Data Acquisition Band部分的波段是否调整为对应波段，否则实验结果将失败。

4. 在主菜单中，选择Basic Tools->Layer Stacking，打开参数框，在Input处输入我们需要进行合成的6个遥感影像，对这6个进行了辐射定标操作的遥感影像做波段合成操作。

Output Map Projection处本次实验中无需进行操作。

特别注意！！！在ENVI中选中的所有波段都是按照倒序排列的，合并的时候也是按照这个顺序来合并的，输出来的波段结果也是倒序的，如果想正序，那么就要在合并波段的时候把顺序正过来。

下图为调整顺序后结果：

单击OK执行操作，即可输出波段合成后的图像。

5.编辑头文件，在主菜单中，选择File->Edit ENVI Header，在打开的选择框中，选择我们已经进行了辐射定标且波段合成成功的结果，点击OK；

6.在弹出的编辑头文件参数框中，我们只需要点击更改Edit Attributes中的Wavelengths，如果是高光谱还必须有波段宽度（FWHM），但本次实验中不需要；

7.首先根据本遥感图像的中心波长将单位改为微米，其次根据实验中给出的数据将对应波段的遥感影像的中心波长更改为对应值，此步骤的目的是为了将软件为我们自动设置的中心波长改为遥感影像自身的波长，为后续的快速大气校正与FLAASH大气校正做铺垫；

8.设置完毕后，点击OK，即可结束对头文件编辑的操作，但特别注意！！！不能在此处对遥感影像进行数据转换，否则会导致实验结果错误。

9.在辐射定标与波段合成完成后，我们可以通过右键图像，选择Z Profile查看我们所感兴趣的区域的辐射波谱曲线（右图为例图）。

（3）快速大气校正

方法原理：

快速大气校正工具（简称QUAC）自动从图像上收集不同物质的波谱信息，获取经验值完成高光谱和多光谱的快速大气校正。它得到结果的精度近似FLAASH或者其他基于辐射传输模型的+/-15%。
具体步骤：

1.在主菜单中选择Basic Tools-> Preprocessing-> Calibration Utilities-> QUick Atmospheric Correction，在弹出的文件选择框中，选择我们已经辐射定标好的波段合成的成果，因为快速大气校正只能对单一波段进行；

2.选择好文件后弹出的快速大气校正参数没有什么需要我们调整的部分，唯一需要注意的就是传感器的选择，我们需要根据我们处理图像的实际情况选择对应的遥感卫星传感器。

3. 选择好文件输出路径后，单击OK执行操作，即可输出快速大气校正后的遥感影像。

（4）FLAASH大气校正

方法原理：

FLAASH大气校正的特点为支持传感器种类多；FLAASH采用了MODTRAN4+辐射传输模型，该算法精度高；通过影像像素光谱上的特征来估计大气的属性，不依赖遥感成像时同步测量的大气参数数据；可以有效地去除水蒸气/气溶胶散射效应，同时基于像素级的校正，矫正 目标像元和邻近像元交叉辐射的“邻近效应”；对由于人为抑止而导致波谱噪声进行光谱平滑处理。

具体步骤：

1.转换遥感卫星影像数据类型，在主菜单中选择Basic Tools-> Convert Data，将BSQ数据类型转换为BIL或BIP数据类型，但在此实验中我们使用BIL的数据类型；

2．在主菜单中选择Basic Tools-> Preprocessing-> Calibration Utilities-> FLAASH，打开FLAASH大气校正的参数表，正式开始FLAASH大气校正的步骤；

3.调整参数表中的相关参数：

将会跳出以下对话框，要求输入辐射率转换因子，我们选择第二个选项，并输入10；

接下来，根据提供的实验数据中的元数据，修改FLAASH大气校正参数表的相关参数，包括文件名称、中心经纬度、传感器高度、地面海拔、飞行日期与时间等；

4.在设置完以上参数后，试图点击Apply得到FLAASH大气校正结果，程序会提示你未对图像进行多光谱设置，因此，我们需要点击下图所示区域进行图像多光谱的设置：

点击弹出多光谱设置参数表，我们选择GUI中的Kaufman-Tanre Aerosol Retreieval，在此表中，除了更改波谱的上下界限，其余接受默认值。

在此次实验中，用气溶胶模型要求数据波段覆盖 660nm和 2100nm波谱，因此我们选择的上下界值为第7波段与第3波段。

5.在所有参数设置完毕后，点击Apply后耐心等待，FLAASH大气校正所需要的时间比其它大气校正所需要的时间要长，在最后弹出以下窗口，说明FLAASH大气校正成功。

（5）制作专题地图

为使进行大气校正的遥感影像结果得到更好的展示效果，将遥感影像导出为tif格式，并导入Arcgis制作专题地图。

1. 在主菜单中选择File-> Save File As-> TIFF将我们已经完成三种大气校正方法的遥感影像导出为tif格式；

2.打开Arcmap，在其中导入我们已大气校正好的遥感影像，并利用大一学年所学知识进行专题地图的制作。

 3.将大气校正的遥感影像导入ERDAS中进行无监督分类，首先选择主菜单中的File-> Save File As->ERDAS IMAGINE；

4.将文件导入ERDAS后，选择主菜单中的Raster-> Unsupervised-> Unsupervised Classification进行无监督分类，在跳出的参数设置框中，将分类类别改为6类；

即可等待分类结果：

 5.得到的分类结果由于没有图像数据，呈现的是图像为二值图像，此时需要我们为分类结果的图像进行颜色的自行赋值，赋值如下：

其中蓝色代表水体，绿色代表植被（包括草地、林地、农田等等），橙色代表人类聚集地（包括城市、农村）、白色代表云雾。

6.对快速大气校正结果与FLAASH大气校正结果都做如上处理，并同样导入Arcgis中制作出专题地图。

五、实验结果与分析

（1）实验结果对比与分析

在实验的最后，为得到更美观直接的大气校正结果图，我将快速大气校正与FLAASH大气校正的结果的六个波段利用Arcgis制作成了专题地图进行对比分析，同时利用ERDAS中的非监督分类功能，将两种大气校正结果的地物分为六类，并制作成专题地图进行对比与分析，以下是最终结果与分析内容。

分析： 大气校正的目的并不是去除遥感影像中遮挡地物的云雾，因此对于进行大气校正步骤的实验结果，凭借我们的肉眼往往是无法察觉其中的区别的，因为大气校正改变的是其中对应像元的反射率，想要分析不同大气校正方法，我们必须通过分析地物的波谱曲线才能做到； 但通过ERDAS对两种大气校正方法地物非监督分类的结果，我们依然可以判断出快速大气校正与FLAASH大气校正的一些区别，快速大气校正结果图像的边缘有着比FLAASH大气校正更严重的噪声，具体体现在遥感影像的右边缘部分，除此之外，FLAASH大气校正后判断的人类聚集区面积要小于快速大气校正。这种判断方法虽然不够严谨，但都是目前我们能通过分类结果观察出的两种方法的不同点。

（2）三种大气校正方法结果的波谱曲线与未校正结果对比分析​​​​​​

分析：

通过在相同地物不同方法下的波谱曲线图的对比，我们可以看出未经大气校正的结果与简化黑暗像元法大气校正结果十分类似，纵轴数值在60以下，而快速大气校正与FLAASH的波谱曲线图则与它们大不相同，纵轴数值都高达1000，这是由于后两种方法都对处理图像进行了辐射定标的操作，因此展现的是辐射率数据；

但由于不同大气校正方法所采取的单位也可能是不同，因此单纯的比较数值没有太大意义，因此我们需要更着重分析的是波谱曲线的变化趋势：由于黑暗像元法的原理，只是减去了一幅影像中最小像素值的数值，因此可以看出它与原波谱曲线并无太大差别，也未能达到很好的校正效果；

另外两种大气校正方法得到的结果的总体趋势与前两个基本保持不变，总体趋势都是降低，且在0.65波段都有一个极小值点，但在后续波段中，QUAC快速大气校正与FLAASH大气校正所得结果的曲线是向上凸，而未经大气校正的结果是向下凹，除此之外，QUAC快速大气校正所得结果数值也整体大于FLAASH大气校正所得结果；

虽然我们的实验数据无法让我们验证哪一种方法的大气校正结果更好，但根据原理分析与目前实验结果初步判断我们可以看出FLAASH大气校正的结果最为精细。

（3）不同地物波谱曲线对比分析

分析：

1.上左图所示为水体的波谱曲线图，可以明显看出，黑暗像元校正法与原波谱曲线在0.7的波段处没有峰值的出现，而经过快速和FLAASH大气校正的水体波谱曲线在0.7左右有一个极大值（同时也是最大值），随后波谱曲线持续快速的降低至0.9左右，然后再缓慢的降至为0，后两种情况与水体在蓝绿波段有极高的反射率，而在其它波段有着极高的吸收率（尤其是近红外波段处）的特性是一致的，其中FLAASH大气校正法的结果与水体反射率特性最为接近，可以判断FLAASH大气校正在水体的校正效果是很好的。

2.上右图所示为城市的波谱曲线图，该地物的波谱曲线非常明显的被分为两类，未大气校正的图像与黑暗像元法波谱曲线图像基本完全相同，基本呈现逐渐降低的趋势，而经过另外两种大气校正方法的波谱曲线则与前两者完全不同，总体趋势为反射率持续上升，而在0.6波长处有一个极小值（也是最小值），由于城市人类活动的影响，地物复杂，我们难以判断此处正确的地物光谱曲线特征，也无法很好的判断不同方法大气校正的结果精度。

分析：

1.上左图为植被的波谱曲线图，对于这样一个我们较为熟悉的地物来说，可以明显看出，未经过大气校正与黑暗像元法的光谱曲线很少展现了植被应有的光谱曲线特征，即大气校正的结果较差；而经过了快速大气校正与FLAASH大气校正的波谱曲线在0.6的波段处都有一个低谷，这体现了叶绿素在红光波段的吸收谷的特性，同时在0.7—0.9波段出现一个“陡坡”，这是植被在近红外波段反射的特性，与快速大气校正方法不同，FLAASH大气校正的结果在0.55波段处还有一个反射峰，这与叶绿素在绿光波段反射率较高的特性是相对应的，因此我们可以看出对于植被的波谱曲线，这三种方法中，FLAASH大气校正方法得到的结果与真实值最为相近，大气校正结果最好，但仍有许多植被的光谱特征未能被准确展示出来，例如近红外短波波段的高反射平台与中红外波段的三个水吸收带，因此我们可以得出，这三种方法对于植被的大气校正精度未能达到很好的效果。

2.上右图为云雾的波谱曲线图，云雾的光谱曲线与特征并不是我们重点关注的地物的，恰恰相反我们尽量避免云雾的出现，因为它会很大程度的影响我们对需要的地物的观察，但在这里它可以印证我们三种大气校正方法的特性，黑暗像元法得到的结果与原图像几乎没有改变，快速大气校正与FLAASH大气校正方法的图像则十分相近，但FLAASH的图像最为精细。

（4）最终结论

通过已知不同地物的光谱曲线特征，我们可以判断不同大气校正方法的校正精度以及对不同地物校正的效果如何，经过上述实验与分析我们可以得出结论：在实验的三种大气校正方法中，FLAASH大气校正的结果是最好的，黑暗像元法的校正效果几乎可以约等于0，快速大气校正方法得到的结果也有一定效果，但在任何地物上都要差于FLAASH方法；

对于不同地物的校正效果来说，水体的校正效果是最好的，其中一个原因可能是由于水体的波谱曲线特征是地物中较为简单不太复杂的一类，植被的校正效果在可见光波段较好，但在红外波段上植被的波谱曲线特征大部分都未被表现出来，而对于地物较为复杂的人类活动聚集区，我们很难判断大气校正的结果是否准确；

综上所述，我们可以得出：大气校正确实是我们进行遥感影像的光谱分析时不可或缺的一步，如果不进行大气校正这一步骤，我们许多地物准确的光谱曲线都不能被正确的展现出来，因此我们更应该熟练掌握大气校正的方法与原理。

六、补充

实验中常见问题 的 总结补充	在实验过程中，遇到程序报错、软件闪退、操作失败的问题是我们司空见惯的，但通过总结过往经验我们可以尽量避免未来再犯同样的错误。除去操作失误、软件问题、文件命名等问题外，我总结了以下两种在大气校正过程中，同学们很有可能遇到且十分影响大气校正结果的错误：
常见错误1：如右图所示，所有大气校正的结果都存在分层的现象
可能原因与解决方法	出现这种错误的可能原因有两种：1.在大气校正前，我们需要对各波段进行辐射定标操作，其中有一步需要我们更改操作遥感影像的波段，如果在此处忘记了更改，就会出现如上情况，因为这会导致我们在后续波段合成时不成功；2.在进行辐射定标时我们最后一步需要编辑合成波段的头文件，在这一步骤中我们只能更改各波段的中心波段参数，不能在此处修改遥感影像的数据类型，只能后续通过Convert功能更改数据类型，否则快速大气校正与FLAASH大气校正结果也会出现如上情况。

常见错误2：如右图所示，大气校正后的结果中地物的波谱曲线的横坐标是从大到小的顺序
可能原因与解决方法	出现这种错误的原因在于，在我们进行波段合成时，由于添加波段时的顺序，波段合成功能的自动排序是从大到小的，而我们希望我们最终结果的横坐标展示的是波段大小是从小到大来体现地物波谱曲线的特征，因此，如果我们未进行波段顺序的调整就会出现如上情况。

七、思考题

（1）遥感影像大气校正为什么要定标

受传感器的辐射分辨率、地物发射频率、大气透过率、散射率等因素的影响。我们拿到的需要进行大气校正的遥感影像中的数据，其实并不是地物准确的亮度值，它是一个无单位的非物理量，记录地物灰度值，即传感器得到的数字测量值，甚至对于相同的传感器来说，我们量化系统不同，其DN值也不同。

而辐射定标的定义：就是将传感器记录的电压或数据量化值（DN）转换为绝对辐射亮度值（辐射率）的过程，或者转换为与地表（表现）反射率、表面温度等物理量有关的相对值的处理过程。

只有进行了辐射定标的操作，我们才能消除传感器等因素带来的误差，获得传感器入口处地物的准确辐射值。

（2）遥感大气校正主要影响因素

根据实验过程与内容，总结主要影响我们大气校正的结果如下：

1. 选择的大气校正方法，就目前实验的大气校正方法中，从高到低校正结果精度的方法是FLAASH大气校正、快速大气校正与黑暗像元法大气校正，对应不同的遥感影像，我们应该使用不同的大气校正方法，除此之外，我们还有气溶胶模型、水汽反演模型等需要根据遥感影像相关参数进行选择，选择的方法与模型越准确越贴近遥感影像的特点，大气校正的结果精度就越高；
2. 遥感影像的传感器，由于进行辐射定标、波段合成等操作时，我们需要输入许多与获取遥感影像的传感器有关的参数，包括传感器高度、传感器获取图像时间、传感器类别等等，这些都会直接影响我们大气校正的结果，因此准确的传感器参数以及未老化的传感器获得的遥感影像的大气校正结果精度也会更高；
3. 遥感图像中的地物特性，在进行FLAASH大气校正的参数设置时，需要我们输入地物表面的平均海拔，同时地面的一些地物特征如反射率、下垫面特性等等也会影响大气校正结果，除此之外，还有拍摄时云雾的影响，因为云雾会直接遮挡住我们需要拍摄的地物，导致我们大气校正过后图像结果依然精度较低。