珠江口近岸水域实测光谱与Sentinel-2卫星影像光谱的对比分析

地面实测的水体高光谱数据与卫星影像上的多光谱数据都是水质反演与监测中的重要数据来源,二者之间存在光谱分辨率等差异,其关联性在一定程度上影响了水质反演的精度。为探究实测光谱与影像光谱之间的相关关系,文章以珠江口近岸水域为研究区,基于2020年与2021年间共计4轮同步实测的水体高光谱与哨兵2号影像数据,分别从光谱形态、反射率的角度对比分析不同大气校正算法的影像结果与实测数据之间的关系与差异。分别将等效反射率与Sen2cor(Sentinel-2 atmospheric correction)、C2RCC(Case-2 Regional/Coast Color)大气校正算法影像结果进行两两对比,得出以下结论:①Sen2cor大气校正算法在浑浊水体中表现更好,其影像光谱形态与实测光谱契合程度更高;②C2RCC大气校正算法在一般水体或非浑浊水体中的效果更好,其影像上的绝对反射率可以更好地还原水体的地面反射率。

Sentinel 2A影像去云下的丘陵地区植被覆盖度反演

光学遥感影像作为一种重要的数据源,被广泛应用于植被覆盖度反演,但南方丘陵地区常年多云雾,受云雾污染,像元质量下降。受丘陵地形的限制,地块破碎化严重,加之南方丘陵植被类型多,植被光谱变化较大,这些因素造成了植被覆盖度提取的准确度降低。为了提高丘陵地区植被覆盖度反演的精度,提出一种整合光学与SAR影像的反演框架。以Sentinel1A和Sentinel 2A影像作为遥感数据源,首先利用Sentinel 1A的光谱特征去除Sentinel 2A影像上的云像元,再使用光谱归一化减弱植被的光谱变化,在此基础上将扩展线性光谱混合模型用于反演植被覆盖度。结果表明:该框架能有效恢复云污染的像元,端元和影像归一化后,降低光谱异质性,反演丘陵地区植被覆盖度的精度较高,均方根误差为0.14,相关系数为0.95,接近地表植被覆盖的真实情况。

Sentinel-2卫星影像的大气校正方法

Sentinel-2卫星是全球环境与安全监测系统"哥白尼计划"中的第二颗卫星,其影像具有高时空分辨率,是未来遥感应用的重要数据源。采用大气校正简化模型(SMAC)、6S模型和Sen2cor方法对Sentinel-2卫星影像进行大气校正,将上层大气表观反射率转换为地表反射率,并结合实测地物的光谱数据进行分析。Sentinel-2卫星影像经过大气校正后,影像光谱曲线与地面实测光谱曲线的变化趋势一致,具有较高的拟合度。三种模型大气校正的结果具有较强的相关性和较高的精度,其中Sen2cor方法精度最高,决定系数(R2)为0.8196,均方根误差(Ermse)为0.0388,其次为6S模型和SMAC。从归一化植被指数(NDVI)的分析可以看出,SMAC计算的NDVI值与实测值的相关性最高,R2为0.6389,Ermse为0.093,其次为6S模型和Sen2cor方法。结果表明这三种方法的大气校正精度较高,Sentinel-2卫星影像经过校正后影像质量明显得到提高,增加了可用性。

基于Sentinel-2时序数据的山区积雪识别与面积变化

积雪是全球气候变化的重要指示器,也是中国西北干旱地区重要的淡水资源。卫星遥感由于具有大面积短周期重复观测等特点,已经成为积雪识别与面积变化监测的重要手段。与Landsat TM相比,Sentinel-2影像具有更高的辐射分辨率、光谱分辨率和空间分辨率以及更高的时间分辨率,成为积雪研究的重要数据源。然而,在中小尺度,高分辨率卫星辐射亮度值不仅受大气水汽、气溶胶等大气衰减,受地形遮蔽、坡度、坡向等地形因素的影响,同时也受地表二向反射分布函数(BRDF)影响,从而使得地表信息失真。本文以中国天山中段为研究区,选择2017年5月—2018年4月共20时相Sentinel-2影像,基于数字高程模型(DEM),利用山地辐射传输模型考虑地表BRDF特性基础上对其同步进行大气校正与地形校正预处理,然后综合利用归一化差值积雪指数(NDSI)以及积雪在绿波段、近红外波段的反射率阈值法精确提取积雪覆盖信息,有效剔除了水体、浓密植被、阴影和辐射亮度较低像元对积雪识别的影响。同时,结合历史天气资料,重点分析了1年内研究区积雪面积变化特征。本研究对积雪消融引起的地表反射率和能量平衡变化以及陆地生态环境等研究具有重要意义。