基于FLAASH和ATCOR2模型的Landsat ETM+影像大气校正比较

利用FLAASH和ATCOR2模型对漓江流域的Landsat ETM+数据进行大气校正,以GLS(Global Land Survey)获得的同步高质量地表反射率影像作为参考数据,从目视效果、典型地物光谱特征和波谱一致性三方面对两种模型的校正结果进行对比分析。研究表明,两种模型均可以对ETM+影像进行有效的大气校正,FLAASH模型的校正精度优于ATCOR2模型。

中巴地球资源02星CCD图像交叉定标与大气校正研究

利用LANDSAT-5的TM对CBERS-2的CCD 1-4波段进行交叉定标,得到了CCD 1-4波段的参考辐射定标系数,并对这组定标系数进行了验证.利用6S模型和同步气象资料,对CBERS-2的CCD数据,进行了大气校正和反射率反演.最后对CCD 1-4波段大气校正前后的反射率和归一化植被指数(NDVI)的变化进行了对比研究.发现大气校正后的CCD3和CCD4波段的地面反射率明显升高,大气校正后的CCD图像呈现出高植被覆盖区NDVI增大,低植被覆盖区NDVI减小的趋势.

GPT2模型用于SDCORS反演可降水汽精度评估

利用山东区域及邻近探空站,分析GPT2模型估算气象参数(气温和气压)的精度,并将GPT2模型应用于SDCORS反演可降水汽中,分析评估其精度。研究表明,GPT2模型估算气温和气压的偏差均值分别为-1.61℃和0.53Pa,标准差均值分别为2.84℃和4.42Pa,均方根误差均值分别为3.27℃和4.49Pa;GPT2模型估算的气象参数解算的SDCORS/PWV的偏差均值为1.22mm,标准差均值为3.05mm,均方根误差均值为3.46mm,较GPT模型精度高,可靠性强。对于未配备气象传感器的CORS站,基于GPT2模型估算气温和气压,有助于利用区域CORS反演可降水汽,有效实现对大气可降水量的监测与预报。

基于辐射传输模型的高分二号影像大气校正方法研究

高分二号卫星的成功发射,标志着我国遥感卫星进入了亚米级高空间分辨率时代,遥感影像在定量反演,地物识别和变化分析等领域将有重要作用。大气校正的精度是影响其定量化应用的重要因素。由于高分二号遥感数据缺乏短波红外波段,无法采用暗像元法进行大气校正。提出一种基于辐射传输模型的高分二号影像大气校正方法,利用6S(second simulation of the satellite signal in the solar spectrum)辐射传输模型建立大气校正系数查找表,利用同步MODIS影像数据结合改进后的暗像元方法反演气溶胶光学厚度,确定大气校正系数,消除高分二号影像大气分子和气溶胶等的吸收和散射的影响,实现GF-2数据的大气校正。选取地表平坦均一的敦煌辐射校正场作为实验区,通过同步的实测数据对校正结果进行精度评价,并且比较大气校正前后归一化植被指数NDVI。结果表明:最小相对误差仅为0.9%,大气校正之后影像数据更真实地反映了地物的反射特性;大气校正后的NDVI大大增强了植被信息反差,突出了GF-2卫星传感器的植被信息区分能力。

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。