python大气校正_Sentinel-2卫星影像的大气校正方法

本文分析了Sentinel-2卫星影像使用SMAC、6S模型和Sen2cor三种大气校正方法的结果。研究发现,校正后光谱曲线与实测地物光谱趋势一致,但冬小麦和油菜地的Band 2误差较大。三种模型中,Sen2cor方法表现最佳,与实测数据决定系数R2最高,均方根误差最小。此外,SMAC的NDVI值与实测值的相关性最高。
摘要由CSDN通过智能技术生成

4 结果分析

为了初步分析三种大气校正方法的结果, 选取10 m分辨率(B2, B3, B4, B8)及20 m分辨率(B5, B6, B7, B8a)8个波段, 并选择冬小麦、裸土、水泥路和油菜地4种地物的像元实测值、大气上层表观反射率及三种模型的校正结果进行分析。其中冬小麦和油菜地为混合像元, 首先通过第2.2节的方法计算植被覆盖度, 得到混合像元中植被与土壤的比例, 并结合实测地物光谱计算出混合光谱, 结果如图4所示。

由图4可见, Sentinel-2卫星影像经过三种大气模型校正后, 其光谱曲线与实测地物的光谱曲线的变化趋势一致, 有较高的拟合度, 蓝波段Band 2经大气校正后相比于大气上层表观反射率TOA明显下降, 红边、近红外波段明显上升。在冬小麦和油菜地的光谱曲线中, Band 2的三种大气校正结果高于实测地物的反射率, 误差较大。Sen2cor方法与SMAC的误差约为0.04, 6S模型的误差约为0.06;

图4

Fig. 4

图4 各类地物大气校正前后的反射光谱曲线。(a)冬小麦; (b)油菜地; (c)裸土; (d)水泥路面Fig. 4 Reflectance spectral curves of different ground objects before and after atmospheric correction. (a) Winter wheat; (b) rape field; (c) bare soil; (d) cement pavement

Band 3~Band 5的大气校正结果与实测值拟合效果较好, 误差均小于0.02; 在大于705 nm的Band 6~Band 8a波段中, 实测地物的反射率高于三种大气校正结果, 误差范围为0.01~0.04。在土壤光谱曲线中, 大气校正结果相比于大气上层表观Band 2反射率明显下降, Band 4~Band 8a波段的反射率明显增加, Band 2的三种大气校正结果高于实测地物的反射率, 其余波段的实测地物反射率均高于三种大气校正

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值