论文部分内容阅读
大气辐射校正是定量遥感的基础性工作,大气校正效果的优劣直接决定后续定量遥感分类和参数反演的精度。大气辐射校正方法在过去的几十年里从经验线性法到平面场法到最近比较流行的基于辐射传输模型的方法,随着方法的改进精度也愈来愈高。基于辐射传输模型的大气校正方法的一般流程主要是采用两步法,首先通过相关波段反演出大气主要参数,如气溶胶光学厚度和大气垂直气柱含量等大气参数,然后利用大气辐射传输模型得到大气校正参数,进而实现大气校正。本文在研究和讨论了气溶胶光学厚度反演和垂直大气水汽含量反演的方法基础上,提出了一种新的大气辐射校正的方法,即基于图像光谱信息和神经网络的大气辐射校正方法。该方法应用大气辐射传输模型获取模拟数据并通过BP神经网络(Back Propagation Artificial Neural Network,BP-ANN)方法进行训练得到反演模型,通过观测的高光谱原始影像特定波段的星上表观反射率和反演模型,直接得到目标波段的大气校正参数,逐波段实现高光谱影像一体化的大气辐射校正。具体研究内容和结果如下:(1)论文研究了气溶胶光学厚度的反演原理并进行了方法比较。通过对DDV算法和V5.2算法的比较,可以看出,在浓密植被区域,DDV算法的精度是可信的,而在非浓密区域采用V5.2算法效果比较好。(2)推导了波段比值方法反演水汽含量的原理和条件。采用两通道比值法和三通道比值法分别对近红外区域的两个主要的水汽吸收通道进行了水汽的反演比较。对于水汽吸收波段的选择,采用940nm波段附近的三个波段和1124nm附近的三个波段,通过敏感性分析和水汽反演结果的比较验证,1124nm波段在两种方法下的反演结果最接近地基观测结果。从三幅影像的反演结果可以看出三通道比值方法优于两通道比值方法,与地面观测结果最接近,APDA方法和三通道比值法在暗像元区域精度相当。(3)提出一种新的大气辐射校正的方法。论文采用大气辐射传输模型获取模拟数据并通过BP-ANN方法进行训练得到反演模型,通过观测的高光谱原始影像的特定波段的表观反射率和反演模型,直接得到大气校正参数,实现高光谱影像进行一体化大气辐射校正。由于没有实测的地基数据,采用与流行的大气校正模块FLAASH和商用大气校正软件ATCOR得到的地物波谱信息做交叉比较,评价大气校正结果的合理性,通过模拟的Hyperion影像验证本文提出的方法并和FLAASH和ATCOR进行了比较。精度分析比较的结果显示了基于图像光谱信息和神经网络进行大气校正是可行的并且效果优于基于两步法的FLAASH模块和ATCOR软件的校正结果。