WorldView-3衛星影像大氣校正方法應用對比研究

田青林，秦凱，陳雪嬌，余長發

（核工業北京地質研究院遙感信息與圖像分析技術國家級重點實驗室，北京 100029）

衛星傳感器接收到的信號是太陽輻射與大氣、地物復雜作用的結果，經歷了太陽-大氣-地物目標-大氣-傳感器的過程。期間會受到大氣分子、氣溶膠的散射作用以及臭氧、水汽的吸收等因素影響。為了消除或減少大氣和光照等因素影響，獲取地物真實的反射率信息，需要開展遙感影像的大氣輻射校正。國內外學者提出了多種大氣校正方法，主要為基于影像特征的校正方法、基于地面測量的線性回歸方法和基于輻射傳輸模型的校正方法［1］，其中 比 較 常 見 的 有MODTRAN、6S、FLAASH、QUAC、ATCOR等［2-5］。

WorldView-3（WV-3）衛星是目前空間分辨率最高的商業遙感衛星，不僅包含0.31 m空間分辨率的全色和8個1.2 m空間分辨率的可見光-近紅外波段，還額外提供8個3.7 m空間分辨率的短波紅外波段，優于當前主流的Landsat-8和ASTER等多光譜數據，應用潛力巨大［6-10］。然而，目前針對WV-3數據評價不同大氣校正模型的效果及適用性的對比研究較少。

筆 者 采 用FLAASH、QUAC和ATCOR 3種模型對WV-3影像的16個波段進行大氣校正，并對校正前后影像的目視效果、評價指標、典型地物光譜曲線和分類精度進行對比分析，以評估3種大氣校正模型的實際校正效果。

1 研究區概況及數據源

1.1 研究區概況

研究區位于廣東省深圳市中西部，平均海拔100 m左右，總面積約25 km2。研究區主要包括城市及周邊地區，濱臨南海，地勢較為平坦，屬于低山丘陵地貌，分布有植被、水體等地物類型。

1.2 數據源

WV-3是美國DigitalGlobal公司于2014年8月13日發射的第四代高分辨率多光譜商業衛星，在繼承WorldView-2的8個多光譜波段基礎上，額外增加了8個短波紅外波段，是首個擁有16個高分辨率光譜波段的商業衛星［10-11］。本研究使用WV-3衛星獲取的16波段影像，波長和空間分辨率參數如表1所示。成像時間為2015年10月18日03：06：07，數 據 級 別 為L2A，已經過系統輻射定標和幾何校正。

表1 WV-3衛星參數Table 1 Parameters of WV-3 satellite

2 大氣校正方法

2.1 FLAASH模型

FLAASH大氣校正模型結合了MODTRAN4+模型并進行了修改，通過對輻射定標后的影像進行大氣校正，適用于可見光至短波紅外波長范圍，能夠一定程度消除大氣作用對地表反射率的影響，獲得較高的地物反射率 精 度［12-13］。FLAASH模型假設地表為 標 準

式中：L—傳感器接收到的單個像元光譜輻射亮度；Lα—大氣程輻射；ρ—像元的地表反射率；ρe—像元及周圍像元的平均地表反射率；S—大氣半球反照率；A和B—由大氣條件及下墊面幾何條件所決定的系數，同地表反射率無關。

用于本次試驗的FLAASH大氣校正模型參數大部分可從影像數據頭文件中獲取，具體參數設置見表2。平面朗伯體，傳感器接收的像元光譜輻射亮度可以通過公式（1）計算［14-15］：

表2 FLAASH大氣校正模型參數Table 2 Parameters of FLAASH atmosphere correction

2.2 QUAC模型

QUAC模型是以暗目標探測方法為依據，不需要額外的配套信息，而是自動從影像內收集不同地物的波譜信息以獲取大氣補償參數和經驗值，實現快速大氣校正，理想情況下其計算結果絕對精度近似FLAASH或者其他基于輻射傳輸模型的±15%［16］。本次試驗中QUAC模型參數設置中傳感器類型選擇Unknown，其他參數選擇默認設置。

2.3 ATCOR模型

ATCOR模型包含兩種模式，一種是ATCOR2/3模式，適用于衛星遙感影像的大氣校正，另一種是ATCOR4模式，適用于航空遙感影像的大氣校正。本次研究使用的ATCOR2模型，已集成于PCI、ERDAS等圖像處理軟件中，其算法核心是以MODTRAN4程序計算輻射傳輸方程的數據庫，通過輸入傳感器的幾何條件、光譜特征及成像時氣溶膠等參數，以插值方式計算查找表，從而實現快速準確的大氣校正［17］。

用于本次試驗的ATCOR大氣校正模型參數大部分可從影像數據頭文件中獲取，具體參數設置見表3。

表3 ATCOR大氣校正模型參數Table 3 Parameters of ATCOR atmosphere correction

3 大氣校正效果評價

3.1 目視效果

不同大氣校正模型處理前后的WV-3 Band5（R）、Band3（G）、Band2（B）真彩色圖像如圖1所示。通過對比可以看出，相較于原始影像，3種模型校正后的圖像在視覺效果上變化明顯，圖1a由于大氣的影響削弱了地物的明暗差異，對比度較低，影像整體偏暗；圖1b-d校正后的結果色調更明亮，紋理更清晰，對比度增強，影像質量得到明顯改善，說明大氣校正在一定程度上去除了氣溶膠、水汽等因素的影響。相比而言，FLAASH和ATCOR的校正效果要優于QUAC，影像整體信息更豐富。

圖1 3種模型大氣校正前后影像對比Fig.1 Comparison image before and after atmospheric correction of three models

3.2 評價指標

為了定量評價大氣校正前后影像的質量，運用MATLAB軟件計算校正前后影像的信息熵和平均梯度指標，結果如表4所示。

表4 大氣校正前后影像評價指標對比Table 4 Evaluation indexes of images before and after atmospheric correction

信息熵是反映影像所包含信息量豐富程度的重要指標，其值越大，表示影像所含信息量越多，影像質量越好。從表4可以看出，3種模型校正后影像的信息熵均高于原始影像，其中ATCOR表現最佳，FLAASH次之，QUAC模型效果最差。這是由于大氣影響使得不同地物間的特征差異減弱，但經大氣校正后，這些特征信息得到增強，影像信息變得更豐富，特征也更明顯。

平均梯度可以用來表達圖像中微小細節的反差，其值越大，表示影像越清晰，層次越豐富。由表4可知，3種模型校正后影像的平均梯度相較原始影像均有所增加，說明經過大氣校正后的影像更為清晰，層次感得到增強，且FLAASH和ATCOR校正后影像的整體質量優于QUAC模型。

3.3 地物光譜

為了驗證不同大氣校正模型對地物反射率反演的效果，在校正后的影像中選取植被和海水2種典型地物的像元光譜，并與USGS波譜庫中相應地物的參考反射率光譜進行比較。此外，由于USGS波譜庫中地物光譜與WV-3譜段不同，為了更好地對比大氣校正效果，將波譜庫中2種地物光譜重采樣至WV-3對應的波段，結果如圖2、3所示。

圖2 植被USGS光譜與WV-3大氣校正后光譜曲線對比Fig.2 Comparison of vegetation spectra of USGS with spectra of WV-3 image after atmospheric correction

圖2a中USGS植被光譜曲線顯示了植被在可見光-近紅外到短波紅外范圍內的典型光譜特征。其中，550 nm附近有一個小的反射峰，680 nm附近存在一個明顯的吸收谷，這主要是植物葉片中色素強吸收的原因；在700～780 nm之間是一個陡坡，反射率急劇增加，被稱為植被的反射率紅邊；在970、1 200 nm附近存在弱吸收谷，1 400、1 900 nm附近存在強吸收谷，而1 670、2 200 nm附近分別有一個明顯的反射峰，這種情況主要是植物葉片中含有水分的緣故。

由圖2（b、c、d）可以看出，3種模型獲得的植被光譜曲線與USGS波譜庫中植被光譜曲線特征吻合較好，550、1 670、2 200 nm附近的反射峰，以及680、1 400 nm附近的吸收谷均在校正后的WV-3波段中反映出來，且FLAASH、QUAC和ATCOR模型校正結果與USGS植被光譜的相關系數分別為0.992、0.861和0.927，FLAASH和ATCOR模型表現更佳，相關系數達到0.9以上。

圖3a中USGS海水光譜曲線顯示在可見光范圍內，隨著波長不斷增大，海水的反射率迅速減小，在650 nm之后幾乎為零。

由圖3（b、c、d）可以看出，3種模型獲得的海水光譜曲線與USGS波譜庫中海水光譜曲線特征相對吻合，整體反射率變化趨勢在校正后的WV-3波段中反映出來，且FLAASH、QUAC和ATCOR模型校正結果與USGS海水光譜的相關系數分別為0.825、0.754和0.953，ATCOR模型表現最好，FLAASH模型次之，QUAC模型最差。

圖3 海水USGS光譜與WV-3大氣校正后光譜曲線對比Fig.3 Comparison of seawater spectra of USGS with spectra of WV-3 image after atmospheric correction

3.4 分類精度

將上述重采樣后的USGS植被、水體光譜分別作為參考光譜，利用光譜角算法對大氣校正影像進行監督分類，其中植被分類閾值為0.35，水體分類閾值為0.15。為了評價不同大氣校正模型對地物分類精度的影響，利用人工解譯的方法在影像中選取一定數量的植被和水體驗證樣本，與獲得的分類結果進行比較，實現精度評價。表5給出了FLAASH、QUAC及ATCOR模型大氣校正影像的分類精度評價結果，圖4為對應的分類結果圖。從表中可以看出，ATCOR模型的大氣校正效果最優，植被、水體等地物分類精度最高，FLAASH模型次之，QUAC模型分類精度最差，進一步反映了不同大氣校正模型的應用效果。

圖4 不同模型大氣校正影像分類效果圖Fig.4 Classification images by different atmospheric correction models

表5 不同模型大氣校正影像分類精度Table 5 Classification accuracy of images by different atmospheric correction models

4 結論

1）通過信息熵、平均梯度分析，FLAASH和ATCOR模型對清晰度等各項指標的提升效果優于QUAC模型。

2）在反射率反演方面，ATCOR模型的校正結果與USGS重采樣的相應地物光譜吻合度較高，相關系數達到0.9以上，略好于FLAASH模型。

3）從地物分類效果分析，ATCOR校正結果得到更高分類精度，植被、水體等地物的分類效果最好。

在后續研究中，可以分析不同大氣校正參數對結果精度的影響，并結合地物實測反射率光譜進行評價驗證。