基于Sentinel-2卫星数据的内陆湖泊水体大气校正

利用Acolite、FLAASH和C2RCC 3种大气校正算法,参考内陆湖泊历史实测遥感反射率数据,开展针对Sentinel-2卫星数据的内陆湖泊水体大气校正研究。试验结果表明:在数值方面,C2RCC校正结果和实测结果位于相同数量级,Acolite和FLAASH校正结果高估;在光谱曲线变化趋势方面,C2RCC校正结果与实测数据相近,Acolite和FLAASH校正结果存在异常,因而推荐使用C2RCC大气校正Sentinel-2的内陆水体数据;如果只考虑前5个波段,Acolite校正结果的曲线趋势与实测光谱接近,由于校正结果高估,推荐使用波段比值以消除数值高估。

基于Sentinel-2影像东北秋季典型湖泊大气校正方法适用性评价

本文利用6S(Second Simulation of a Satellite Signal in the Solar Spectrum)、Acolite DSF(Dark spectrum fitting)、C2RCC(Case 2 Regional Coast Color)、SeaDas(SeaWiFS Data Analysis System)、Sen2Cor(Sentinel 2 Correction)、Polymer(Polynomial based algorithm applied to MERIS)和iCOR(Image correction for atmospheric effects)7种大气校正算法,结合松花湖、月亮泡、小兴凯湖实测遥感反射率数据对“哨兵-2号”(Sentinel-2)数据进行大气校正研究,验证算法性能。整体校正结果显示,相较于实测遥感反射率,上述7种大气校正算法均在可见光波段(400~800 nm)呈现不同程度的低估。除C2RCC算法外,其余6种算法校正后的遥感反射率与实测光谱曲线变化趋势基本吻合,其中Sen2Cor算法与iCOR算法性能最佳,Polymer算法性能最差;在单波段校正精度对比中,Sen2Cor和iCOR算法几乎所有波段的均方根误差和平均绝对百分比误差都低于其余5种算法。Sen2Cor算法在560 nm、665 nm和705 nm处校正精度优于其余6种算法,iCOR算法在443 nm和740 nm处有良好的表现,在490 nm处6S算法校正精度最高,拥有最低的均方根误差(0.0059 sr^(−1))和平均绝对百分比误差(21.40%)。结果表明,这7种大气校正算法均可以在一定程度上去除大气影响,增加影像的可用性,Sen2Cor算法和iCOR算法更适用于本文所研究水体或相似水体。