定量/高光谱遥感之——大气校正(二)

article/2025/10/12 5:02:00


2.6 FLAASH大气校正

FLAASH是基于MODTRAN4+辐射传输模型,MODTRAN模型是由进行大气校正算法研究的领先者SpectralSpectral Sciences, Inc和美国空军实验室(Air Force Research Laboratory)共同研发。Exelis VIS公司负责集成和GUI设计。

1.      FLAASH特点

l 支持传感器种类多,包括多光谱的ASTERAVHRRGeoEye-1IKONOSIRSLandsatMODISSeaWiFSSPOTQuickBirdRapidEye等,高光谱HyMAPAVIRISCASIHYDICEHYPERION(EO-1)AISA等。可以通过自定义波谱响应函数支持更多的传感器。工程化应用价值比较明显。

l FLAASH采用了MODTRAN4+辐射传输模型,该算法精度高。任何有关影像的标准MODTRAN大气模型和气溶胶类型都可以直接使用。

l 通过影像像素光谱上的特征来估计大气的属性,不依赖遥感成像时同步测量的大气参数数据。

l 可以有效地去除水蒸气/气溶胶散射效应,同时基于像素级的校正,矫正目标像元和邻近像元交叉辐射的“邻近效应”。

l 对由于人为抑止而导致波谱噪声进行光谱平滑处理。作为结果,除了真实地表反射率外,还可以得到整幅图像内的能见度、卷云与薄云的分类影像、水气含量数据。

2.      使用ENVI大气校正模块

ENVI大气校正模块的使用主要又以下7个方面组成:1、输入文件准备,2、基本参数设置,3、多光谱数据参数设置,4、高光谱数据参数设置,5、高级设置,6、输出文件,7、处理结果。下面介绍这7个方面内容。

(一) 输入文件准备

1)        支持传感器类型

高光谱包括:HyMAPAVIRISCASIHYDICEHYPERION(EO-1)AISA等;多光谱包括:ASTERAVHRRGeoEye-1IKONOSIRSLandsatMODISSeaWiFSSPOTQuickBirdRapidEye等,

航空:860nm-1135nm波长范围

2)        数据是经过定标后的辐射亮度(辐射率)数据,单位是:(μW/cm2*nm*sr)。

3)        数据带有中心波长(wavelenth)值,如果是高光谱还必须有波段宽度(FWHM,这两个参数都可以通过编辑头文件信息输入(Edit Header)。

4)        数据类型

支持四种数据类型:浮点型(floating)、长整型(long integer )、整型(integer)和无符号整型(unsigned int)。数据存储类型:ENVI标准栅格格式文件,且是BIP或者BIL

5)        波谱范围:flaash能够做的数据光谱范围是0.42500μm

(二) 基本参数设置

1)        输入文件及输出路径设置,如图6所示。

2)        传感器基本信息设置

选择传感器类型,成像中心点经纬度,成像时间,高度信息(成像区域和传感器飞行高度),传感器这些都可以在数据自带信息文件里获得,需要注意的是南半球和西半球要用负值。

 


6基本参数设置

3)        大气模型(Atmospheric Model

提供6种大气模型,如表2所示,可根据纬度和成像季节对照表3查找对应的大气模型。

 

Model Atmosphere

Water Vapor

(std atm-cm)

Water Vapor (g/cm2)

Surface Air Temperature

Sub-Arctic Winter (SAW)

518

0.42

-16 °C or 3 °F

Mid-Latitude Winter (MLW)

1060

0.85

-1 °C or 30 °F

U.S. Standard (US)

1762

1.42

15 °C or 59 °

Sub-Arctic Summer (SAS)

2589

2.08

14 °C or 57 °

Mid-Latitude Summer (MLS)

3636

2.92

21 °C or 70 °

Tropical (T)

5119

4.11

27 °C or 80 °

                                  2六种标准的大气模型

Latitude (°N)

Jan.

March

May

July

Sept.

Nov.

80

SAW

SAW

SAW

MLW

MLW

SAW

70

SAW

SAW

MLW

MLW

MLW

SAW

60

MLW

MLW

MLW

SAS

SAS

MLW

50

MLW

MLW

SAS

SAS

SAS

SAS

40

SAS

SAS

SAS

MLS

MLS

SAS

30

MLS

MLS

MLS

T

T

MLS

20

T

T

T

T

T

T

10

T

T

T

T

T

T

0

T

T

T

T

T

T

-10

T

T

T

T

T

T

-20

T

T

T

MLS

MLS

T

-30

MLS

MLS

MLS

MLS

MLS

MLS

-40

SAS

SAS

SAS

SAS

SAS

SAS

-50

SAS

SAS

SAS

MLW

MLW

SAS

-60

MLW

MLW

MLW

MLW

MLW

MLW

-70

MLW

MLW

MLW

MLW

MLW

MLW

-80

MLW

MLW

MLW

SAW

MLW

MLW

3数据经纬度与获取时间对应的大气模型

4)        水气反演Water Retrieval

水气反演设置,采用两种方式对水气进行反演:

a)        利用水气反演模型恢复影像中每个像元的水气量

使用水气反演模型,数据必须具有15nm以上波谱分辨率,且至少覆盖以下波谱范围之一:

l 1050-1210 nm (对应1135 nm)

l 870-1020 nm (对应940 nm)

l 770-870 nm (对应820 nm)

对于大多数多光谱传感器,水气反演默认显示的是NO,因为大多数传感器没有适当的波段来补偿水气的影响。

b)        单一的水气因数用于整体影像,默认是1

对于多光谱数据使用水气反演模型,可以在多光谱设置中手动设置水气波段

5)        气溶胶模型(Aerosol Model

a)        提供四种标准MODTRAN气溶胶模型

Rural(乡村)、Urban(城市)、Maritime(海洋)、Tropospheric(对流层,能见度在40km以上)

b)        两种气溶胶反演方法

2-BandK-T)方法(类似模糊减少法),如果没有找到适应的黑值(一般是阴影区或者水体),系统将采用能见度值来计算;所以即使选择了该选项也要给能见度。

选择None,采用能见度值参与气溶胶反演,能见度值大约参考值参见表4

天气条件

能见度

晴朗

40 to 100 km

中等雾、阴霾

20 to 30 km

厚雾、阴霾

15 km 或者更少

4天气条件与能见度对照表

6)        光谱打磨(高光谱) Spectral Polishing

对高光谱数据的光谱进行打磨处理,对波谱曲线进行微调,使波谱曲线更加近似于真实地物的波谱曲线。

7)        重新定标波长(Recalibratingthe Input Wavelengths

   各个波段的中心波长对大气校正结果影像比较大。

(三) 多光谱数据参数设置

   当基本设置里设置了水气反演以及气溶胶反演,相应的要在此设置相关参数(单击Multispectral Settings)。有两种设置方式:文件方式和图形方式,一般选择图形方式。

1)        水气反演模型参数

Water Retrieval

1135 nm

absorption

1117 - 1143 nm

reference upper wing

1184 - 1210 nm

reference lower wing

1050 - 1067 nm

940 nm

absorption

935 - 955 nm

reference upper wing

870 - 890 nm

reference lower wing

995 - 1020 nm

820 nm

absorption

810 - 830 nm

reference upper wing

850 - 870 nm

reference lower wing

770 - 790 nm

Aerosol Retrieval

KT upper

2100 - 2250 nm

KT lower

640 - 680 nm

Cloud Masking

cirrus clouds

1367 - 1383 nm

5推荐使用波长与波段对应关系

2)        气溶胶模型参数设置(用气溶胶模型要求数据波段覆盖660nm2100nm波谱),具体波段选择可以从表5所列中选择。

 


7多光谱数据参数设置

(四) 高光谱数据参数设置

3)        自动选择通道定义(推荐)

4)        设置通道定义

 


8高光谱设置

(五) 高级设置

 

9高级参数设置

在高级设置面板里可以设置以下几个参数:

1)        光谱定义文件:内置AVIRISHYMAPHYDICEHYPERIONCASIAISA

2)        气溶胶厚度系数:用于技术邻域效应范围。一般值为1~2km

3)        CO2混合比率:默认为390ppm

4)        使用领域纠正(Use Adjacency Correction)。

5)        使用以前的MODTRAN模型计算结果。

6)        设置MODTRAN模型的光谱分辨率(推荐值5 cm-1)

7)        设置MODTRAN多散射模型。

提供三种模型供选择IsaacsDISORTScaled DISORT。默认是Scaled DISORTstreams8,这种模型对于小于1000nm具有较高的精度;

8)        天顶角\方位角(针对非星下点传感器)。

9)        输出反射率缩放系数(Output Reflectance Scale Factor):为了降低结果储存空间,默认反射率乘于10000

(六) 输出文件

经过大气校正模块处理,可以得到以下结果:

l 表面反射率影像

l 水气含量数据

l 云图

l 日志文件

l FLAASH大气校正模板文件

(七) 处理结果

此模块的波谱还原精度高,使用大气校正模块进行大气校正,能高保真地恢复地物波谱信息。

 

10校正前后效果图

3.         常见问题

    1、如图11所示错误,为因为没有设置输出反射率文件名,解决方法是单击Output Reflectance File按钮,选择反射率数据输出目录及文件名。

 

 

2、在做modis数据时候,不能使用领域纠正(Use Adjacency Correction)。

3、当数据有地理坐标时候,像元大小要也参数中设置保持一致。如你tm数据是25米的,那么选择Landsat时候,像元大小默认是30米,这个时候如果改成25米会报错。

4、得到的结果有负值,这个不好解释,可以理解为误差或者其他因素。或者对太阳光强吸收区域,如水体。

更多错误详细参考:http://blog.sina.com.cn/s/blog_764b1e9d0100pvrk.html


http://chatgpt.dhexx.cn/article/FgLvaIPu.shtml

相关文章

什么情况下需要做大气校正之探讨

经常会遇到这样的问题:什么情况需要做大气校正产生?这个问题取决于传感器和应用目标,总的来说,如果要做光谱分析,那么大气校正是必须要做的。本文对于在什么情况下选择什么样的大气校正方法,给出了一些依据…

定量/高光谱遥感之——大气校正(一)

 大气校正是定量遥感中重要的组成部分。本专题包括以下内容: l 大气校正概述 l ENVI中的大气校正功能 1大气校正概述 大气校正的目的是消除大气和光照等因素对地物反射的影响,广义上讲是获得地物反射率、辐射率或者地表温度…

遥感图像预处理-大气校正

1.大气校正 遥感所利用的各种辐射能均要与地球大气层发生相互作用:或散射、或吸收,从而使能量衰减,并使光谱分布发生变化。大气的衰减作用对不同的波长的光是有选择性的,因而大气对不同波段的图像的影响是不同的。另外,太阳-目标…

ENVI执行几何校正+地形校正+大气校正

159011677591.几何校正 toolbox搜索RPC,选择RPC Orthorectification Workflow。 打开之后输入待校正的辐亮度数据,该数据的元数据中应该包含RPC参数,除此之外还需要输入DEM数据,可以选自带的DEM文件,也可以下载ASTERG…

实习一:6S大气校正

********************************************************************************************* 以下内容只用于记录平时上课实习的实习报告,以便将来查阅。 *********************************************************************************************…

ENVI53 辐射校正、大气校正、影像裁剪超详细教程

引言: 拿到一幅卫星影像后,我们第一件事应该做的就是进行辐射校正和大气校正,这两个校正是最基础的也是最重要的,这也是进行下一步图像处理的前提。 至于什么是辐射校正和大气校正,我想大家可以有一千种方法去弄明白。…

目标检测、谓词组合网络检测和显著性检测——day62 读论文: Multi-task Compositional Network for Visual Relationship Detection

视觉关系检测的多任务组合网络 Multi-task Compositional Network for Visual Relationship Detection1 Introduction2 Related Work3 The MCN(多任务组合网络)3.1 The Probabilistic Model of MCN3.2 The Architecture of MCN3.2.1 Object Detector3.2.…

【图像检测】基于Matlab实现图像显著性检测

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。 🍎个人主页:Matlab科研工作室 🍊个人信条:格物致知。 更多Matlab仿真内容点击👇 智能优化算法 …

图像显著性检测

今天看论文接触到一个新词—显著性检测,刚开始没想到是一个专业词汇,查了博客发现是一种极好的目标检测算法,可用于目标检测和定位,目标ROI区域粗分割,继而进行目标图像处理。 贴出原博客链接:OpenCV-pytho…

全局对比度的图像显著性检测算法

点击上方“小白学视觉”,选择加"星标"或“置顶” 重磅干货,第一时间送达本文转自:opencv学堂 显著性检测概念 显著性就是可以快速引起你注意的对象或者物体,在图像或者视频中显著性检测的结果往往是图像或者视频中对象&…

显著性检测- HC模型

1. 模型论文: Global Contrast based Salient Region detection. Ming-Ming Cheng, Niloy J. Mitra, Xiaolei Huang, Philip H. S. Torr, Shi-Min Hu. IEEE TPAMI, 2015 2. 实现代码 (1) 显著性检测公共头文件 #ifndef SALIENTCOMMON_H #define SALIENTCOMMON_…

基于深度学习的显著性检测用于遥感影像地物提取(U-2-NET)

GitHub地址链接:https://github.com/NathanUA/U-2-Net 这个显著性检测很好用,强烈推荐,建议二分类的任务都来试试,尤其对边缘细节要求比较高的任务。 下面的效果要不是第一张图预测有瑕疵,我都以为预测代码是把标签复制…

图像显著性目标检测

一、概述 1、定义 图像显著性检测(Saliency Detection,SD), 指通过智能算法模拟人的视觉系统特点,预测人类的视觉凝视点和眼动,提取图像中的显著区域(即人类感兴趣的区域),可以广泛用于目标识别、图像编辑以及图像检索等领域&am…

显著性检测——LC模型

1. 参考文献&#xff1a; Visual Attention Detection in Video Sequences Using Spatiotemporal Cues。 Yun Zhai and Mubarak Shah. Page 4-5 2. 模型实现 2.1 显著性检测公共头文件 #ifndef SALIENTCOMMON_H #define SALIENTCOMMON_H // std lib #include <iostream…

GrabCut算法、物体显著性检测

图割GraphCus算法。利用颜色、纹理等信息对GraphCut进行改进&#xff0c;形成效果更好的GrabCut算法。 对图像的目标物体和背景建立一个K维的全协方差高斯混合模型。 其中&#xff0c;单高斯模型的概率密度函数用公式表示为&#xff1a; 高斯混合模型可表示为n个单高斯模型的概…

显著性检测的评价指标代码

包括MAE、Pre、Rec、F-measure、Auc、CC、Nss MAE&#xff1a; 平均绝对误差MAE&#xff08;mean absolute error&#xff09;&#xff0c;范围[0,∞)&#xff0c;当预测值与真实值完全吻合时等于0&#xff0c;即完美模型&#xff1b;误差越大&#xff0c;该值越大。 Pre、Re…

2023年显著性检测论文及代码汇总

AAAI LeNo: Adversarial Robust Salient Object Detection Networks with Learnable Noise Abstacrt&#xff1a;目前很少有SOD模型对人类视觉注意力难以察觉的对抗性攻击具有鲁棒性。先前的鲁棒显著性ROSA对预分割的超像素进行重组&#xff0c;通过密集连接的条件随机场CRF对…

【显著性检测】Matlab实现Itti显著性检测

目录 理论知识代码步骤读取图像得到金字塔图像提取底层特征计算显著图显著图综合 运行结果展示 理论知识 显著性检测 是指按照人类的视觉注意机制&#xff0c;判断出图像中的显著区域&#xff0c;并为该区域分配较高的显著值&#xff0c;通常认为显著区域更有可能包含目标&…

Opencv之谱残差显著性检测

学习资料参考&#xff1a; 张平.《OpenCV算法精解&#xff1a;基于Python与C》.[Z].北京.电子工业出版社.2017. 前言 在使用谱残差进行显著性检测之前&#xff0c;我们需要理解两个概念&#xff0c;分别是幅度谱和相位谱。 幅度谱和相位谱是将图片进行傅里叶正向变换之后得到的…

显著性检测——GR模型

显著性检测——GR模型 1. Introduction2. Saliency Model2.1 Initial Saliency Map2.2 Saliency Map Refining With Graph Regularization 3. Experiments4. Conclusion参考文献 本人最近在做视觉显著性检测相关的工作&#xff0c;决定把自己的学习经历形成文字&#xff0c;希望…