联合统计信息与散射模型的GF-5 AHSI可见光影像薄云校正

针对高分五号可见短波红外高光谱相机AHSI (visible-shortwave infrared Advanced HyperSpectral Imager)可见光波段存在的薄云干扰,本文提出了一种联合统计信息与散射模型的校正方法。利用AHSI影像邻近波段间地表与云雾辐射的统计差异,实现对不同场景下相对薄云辐射RCR (Relative Cloud Radiance)的准确估计。基于此,根据不同波段的散射特性,分别利用分级暗目标统计和散射模型约束策略,获取可见光波段的绝对云辐射强度,最终实现影像校正。通过设置模拟与真实实验对方法的有效性和鲁棒性进行目视和定量检验。模拟实验中,可见光波段内的薄云干扰均可被有效地去除,校正结果与真实地表十分一致;此外,RMSE (RootMean-Square Error),MAE (Mean Absolute Error)和SA (Spectral Angle) 3个评价指标的值分别为1.9891,1.6822和0.4901,远小于对比方法。真实实验中,不同场景内的薄云可被有效抑制,在较为准确恢复降质地表信息的同时保持晴空区光谱特征;Q指数,SSIM (Structural Similarity Index)和UQI (Universal Quality Index)的计算结果优于对比方法。综上,本文提出方法可用于不同场景下高分五号AHSI影像可见光波段的薄云校正,可得到目视效果良好且光谱保真度高的校正结果。

星载GF-5 AHSI高光谱影像不同光谱波段土壤有机质含量预测精度比较

【目的】探讨星载高分五号(GF-5)高光谱影像不同光谱波段对SOM含量预测精度差异,明确有效光谱波段范围,以便提高SOM含量高光谱预测精度。【方法】该研究以黑龙江省建三江农垦区为研究区域,将GF-5可见短波红外高光谱相机(AHSI)获取的高光谱数据划分为可见光-近红外(VNIR)、短波红外(SWIR)和VNIR-SWIR 3种不同光谱波段,并将光谱反射率进行了9种光谱数学变换;分别采用多元逐步回归(MLSR)和偏最小二乘回归(PLSR)构建SOM含量预测模型,评价分析了3种不同光谱波段预测SOM含量的精度差异。【结果】在MLSR模型中,VNIR-SWIR的对数倒数一阶微分SOM含量预测精度相对较高,验证精度决定系数R^(2)_(val)为0.383,均方根误差RMSEP为5.009;在PLSR模型中,VNIR反射率的SOM含量预测精度较高,验证精度R^(2)_(val)为0.359,RMSEP为4.170。【结论】GF-5AHSI SOM含量预测精度较高的光谱波段为VNIR和VNIR-SWIR。卫星数据质量、研究区域自然条件、数据预处理过程、建模方法选择等因素共同影响SOM含量预测模型精度,通过技术和方法改进,GF-5数据预测SOM含量的潜力更大。