全 文 ：基于 6S模型的 FY鄄3A / MERSI可见光到
近红外波段大气校正*
武永利**摇 栾摇 青摇 田国珍
(山西省气候中心, 太原 030006)
摘摇 要摇 基于山西省太原市及其周边区域气象台站观测数据,为 6S 模型提供所需的大气状
态参数,对晴空状况下 FY鄄3A / MERSI可见光到近红外波段(250 m 分辨率)数据进行大气校
正.结果表明:大气校正后,MERSI可见光到近红外波段数据范围加宽、反射率数据普遍增大,
波峰高移,各波段反射率的分布更趋平滑;校正后,反映植被状况的归一化植被指数的值域比
校正前增大、峰值变高,更接近实际情况;校正后彩色合成图显现出更丰富的地物信息,亮度
增大,层次变强,对比度增强,地物信息更接近实际.
关键词摇 MERSI摇 6S模型摇 大气校正摇 归一化植被指数
文章编号摇 1001-9332(2011)06-1537-06摇 中图分类号摇 P407. 8摇 文献标识码摇 A
Atmospheric correction of visible鄄infrared band FY鄄3A / MERSI data based on 6S model.
WU Yong鄄li, LUAN Qing, TIAN Guo鄄zhen (Shanxi Climate Center, Taiyuan 030006, China) .
鄄Chin. J. Appl. Ecol. ,2011,22(6): 1537-1542.
Abstract: Based on the observation data from the meteorological stations in Taiyuan City and its
surrounding areas of Shanxi Province, the atmosphere parameters for 6S model were supplied, and
the atmospheric correction of visible鄄infrared band (precision 250 meters) FY鄄3A / MERSI data was
conducted. After atmospheric correction, the range of visible鄄infrared band FY鄄3A / MERSI data was
widened, reflectivity increased, high peak was higher, and distribution histogram was smoother. In
the meantime, the threshold value of NDVI data reflecting vegetation condition increased, and its
high peak was higher, more close to the real data. Moreover, the color synthesis image of correction
data showed more abundant information, its brightness increased, contrast enhanced, and the infor鄄
mation reflected was more close to real.
Key words: MERSI; 6S model; atmospheric correction; NDVI.
*山西省科技攻关计划项目(041089)资助.
**通讯作者. E鄄mail: wu_yongli@ sina. com
2010鄄11鄄01 收稿,2011鄄03鄄14 接受.
摇 摇 大气校正是定量遥感中不可或缺的重要环节.
由于大气中气体分子的吸收和气溶胶粒子的散射作
用,卫星遥感器所接收到的信息为大气鄄陆地混合信
号,要获得地表的准确信息,有必要在遥感研究和应
用中尽量削弱大气的影响,以还原目标物的真实信
息,更加客观准确地反映研究区域地物特征.目前大
气校正方法主要有:不变目标法( invariable鄄object
methods) [1]、直方图匹配法(histogram matching meth鄄
od) [2]、黑暗目标法(dark object method) [3]、对比度
衰减法(contrast reduction methods) [4]以及基于辐射
传输的模型[如 LOWTRAN[5]、MODTRAN[6]、ATR鄄
EM[7]、6S(Second Simulation of the Satellite Signal in
the Solar Spectrum)模型[8]等].其中,6S模型建立在
辐射传输理论基础之上,综合了地形、气象、光谱等
多种参数,而且适用于多种卫星传感器的不同波段
范围,不受研究区特点及目标类型等的影响,在大气
辐射和遥感等学科应用广泛,而且在 MODIS 可见光
到近红外波段的大气校正中得到了较好应用[9-12] .
FY鄄3A是我国第 2 代极轨气象卫星,其上搭载
的中分辨率(250 m分辨率)成像光谱仪(MERSI)可
见光到近红外波段的通道数比美国 MODIS(2 个通
道数)增加了 3 个,光谱范围在 0郾 41 ~ 12郾 50 滋m.因
此,与目前已得到广泛应用的 MODIS 相比,MERSI
具有更加广阔的应用前景,可大大提升自然灾害与
生态环境的监测能力[13-15] . 对于 MERSI 数据定量
应 用 生 态 学 报摇 2011 年 6 月摇 第 22 卷摇 第 6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Jun. 2011,22(6): 1537-1542
化研究应充分考虑大气影响进行大气校正分析. 为
此,本文基于山西省太原市及周边区域(37郾 47毅—
38郾 44毅 N、111郾 51毅—113郾 15毅 E)卫星过境时刻的气
象台站观测数据,应用 6S 辐射传输模型对 FY鄄3A /
MERSI可见光到近红外波段(1 ~ 4 波段,250 m 分
辨率)数据进行大气校正,并对大气校正前后的反
射率、归一化植被指数(NDVI)以及卫星遥感影像进
行对比分析,旨在通过大气校正得到真实的地表反
射率数据,为定量遥感提供更科学的数据支持.
1摇 数据来源与研究方法
1郾 1摇 数据来源及预处理
FY鄄3A / MERSI传感器具有蓝、绿、红、近红外、
热红外 5 个通道(250 m 分辨率). 本研究使用可见
光和近红外波段的前 4 个通道的数据(表 1).
摇 摇 大气校正所用遥感数据来自山西省气候中心实
时接收处理后的 FY鄄3A / MERSI(250 m 分辨率) L1
级产品,数据包含定标和定位信息. 选取 2010 年 7
月 12 日 11:02(北京时间,下同)和 13 日 10:43 的
MERSI 1 ~ 4 通道数据.根据区域矢量图件对卫星数
据进行几何校正[16],将经过几何校正的 L1 产品进
行投影变换,得到研究区域等经纬度投影、分辨率为
0郾 0025毅的局地文件数据.
区域气象参数(地面水汽压、气温、湿度等)和
数字高程模型(DEM)数据分别来源于研究区域内
气象台站和 1 颐 5 万地理信息数据集.
1郾 2摇 大气校正
6S模型能够模拟无云条件下 0郾 25 ~ 4郾 00 滋m
的卫星信号,而 MERSI 可见光到近红外 1 ~ 4 通道
的波长正分布在此范围内,因此,6S 模式可对该数
据进行大气校正. 6S模式使用方法参见文献[8].采
用 6S模型对 MERSI 1 ~ 4 通道数据进行大气校正,
流程见图 1.
表 1摇 中分辨率成像光谱仪(MERSI)1 ~ 4 通道性能
Table 1摇 Capability of channels 1-4 of MERSI
波段
Band
中心波长
Central
wave length
(滋m)
光谱带宽
Band
width
(滋m)
空 间
分辨率
Resolution
(m)
噪声等效
反射率
Noise
equivalent
reflectivity
(% )
动态范围
Dynamic
range
(% )
1 0郾 47 0郾 05 250 0郾 45 100
2 0郾 55 0郾 05 250 0郾 40 100
3 0郾 65 0郾 05 250 0郾 30 100
4 0郾 87 0郾 05 250 0郾 30 100
图 1摇 6S模型的大气校正流程图
Fig. 1摇 Flow chart of atmosphere correction by using 6S model.
1郾 3摇 参数选取及计算
应用 6S模型进行大气校正时,需要输入卫星过
境时刻的几何参数、大气参数、遥感器参数和地物参
数等.
几何参数采用自定义参数,包括卫星过境时太
阳天顶角、方位角以及月、日等数据,这些数据都可
从 MERSI鄄L1 级产品数据中获取.
表征区域水汽含量的大气可降水量依据地面水
汽压经验关系式来计算. 利用地面水汽压计算大气
可降水量的经验关系式很多[17-19],其中,杨景梅
等[17]建立的大气可降水量与地面水汽压的关系模
型较符合实际,因此本研究利用该模型来计算大气
可降水量:
w = a0 + a1e (1)
式中:w 为整层大气可降水量( cm);e 为地面水汽
压;a0、a1 为经验系数,具体数值按照文献 [17]
确定.
大气校正所需的区域臭氧量参照 TOMS( total
ozone mapping spectrometer)网站(http: / / toms. gsfc.
nasa. gov / ),根据区域经纬度和日期查得.
大气校正还需要气溶胶模式和气溶胶浓度等参
数.本文采用基于 4 种基本成分(尘土类、海洋性、
水溶性、烟灰类)的气溶胶混合比模型,根据区域特
征采用中纬度夏季城市型气溶胶模型,采用 6S自带
的通过气象能见度计算气溶胶光学厚度的方法确定
气溶胶浓度.
分别选取研究区域内太原、尖草坪、小店、清徐、
阳曲、榆次 6 个气象站卫星过境时刻前后整点观测
的气象能见度和地面水汽压观测数据,采用两个时
8351 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
间内插的方式插值到卫星过境时刻,进而采用空间
插值方法插值到流程计算所需的时刻.
卫星传感器光谱参数根据 MERSI 1 ~ 4 通道的
波长范围输入,同时输入不同通道的光谱响应函数.
按照 6S模型计算要求,分别输入模型代码或参
数以及由卫星数据辐射定标得到的观测辐射亮度.
由观测辐射亮度到实际反射率的换算公式如下:
acr = y1 + xcy
, y = xaR + xb (2)
式中:R为卫星观测辐射亮度(w·m-2·sr-1·滋m-1);
xa、xb、xc 为模型计算得到的校正系数,分别表征大气
透过率倒数、大气散射和大气反射率;acr 为实际地
表反射率 .
按照 6S模型对图像进行逐像素校正,运算量较
大而且反映大气状况的参数(水汽、臭氧、AOD)也
难以达到要求,为此,本研究参照文献[20]的方法
在研究区域四周及中心等间隔选择 9 个点,针对研
究区域海拔最大和最小两个层次,分别计算得到各
点辐射校正模型系数,再按照下式结合区域高程数
据插值到各像素点:
xh =
xmax - xmin
hmax - hmin
h +
hmax
hmax - hmin
xmin -
hmin
hmax - hmin
xmax (3)
式中: xh、xmax、xmin 分别为在海拔高度 h、hmax、hmin 处
的大气校正系数; hmax、hmin 分别为研究区域海拔的
最大和最小值.
依据式(3)和海拔高度,通过插值和外推方法
计算每个像素的大气校正系数,可用于由辐射到实
际反射率的转换,从而得到每个像素的实际反射率,
最终实现大气校正.
2摇 结果与分析
2郾 1摇 大气校正前后光谱特征的变化
由图 2 可以看出,2010 年 7 月 12 日 FY鄄3A /
MERSI 1 ~ 4 通道的反射率分布在大气校正前后均
有较大变化,校正后各通道数据分布区间变宽、反射
率普遍增大.
FY鄄3A / MERSI第 1 波段中心波长为 0郾 47 滋m,
光谱带宽为 0郾 05 滋m,大致分布在蓝光波段. 校正
前,相似地物的像元个数和反射率分布比较集中,校
正后,反射率减小,相应的曲线波峰稍向左移,但校
正后反射率区间明显拉宽.第一波段为蓝光波段,大
气散射强烈,大气校正反映了这种影响,这与 Zheng
等[21]在北京以及北美地区的研究结果一致.
FY鄄3A / MERSI 第 2、3 波段中心波长分别为
0郾 55 和 0郾 65 滋m,光谱带宽均为 0郾 05 滋m,分别分布
图 2摇 大气校正前后 MERSI 1 ~ 4 通道反射率的分布
Fig. 2摇 MERSI channels 1鄄4 reflectance distribution before and after atmosphere correction (2010-07-12).
a)大气校正前 Before atmosphere correction; b)大气校正后 After atmosphere correction. 下同 The same below.
93516 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 武永利等: 基于 6S模型的 FY鄄3A / MERSI可见光到近红外波段大气校正摇 摇 摇 摇 摇 摇
在绿光、红光波段. 大气校正后,反射率波峰明显右
移、分布区间拉宽,植被区 2、3 波段的反射率分布有
所减小,而非植被区 2、3 波段反射率明显增加.原因
是光线在传输过程中,由于大气的作用,使绿色和红
色波段的信号加强,订正后在一定程度上减弱了大
气的作用,所以植被区绿光和红光波段反射率值有
所减小.
FY鄄3A / MERSI第 4 波段中心波长为 0郾 87 滋m,
处于近红外波段.大气校正后反射率整体右移、反射
率分布区间拉宽,植被区和非植被区的反射率均有
所增加.近红外信号由于散射和水汽吸收等大气衰
减作用而减弱,经过大气订正后削弱了这种衰减作
用而使近红外波段反射率有所增加.
2郾 2摇 大气校正前后归一化植被指数的变化
植被指数是遥感的基本地表参数,是反映区域
生态植被的一项重要指标[22-23] .本文采用归一化植
被指数(NDVI)分析大气校正前后相邻两个时相植
被的变化. NDVI的计算公式如下:
NDVI =
b4 - b3
b4 + b3
(4)
式中:b4、b3 分别为 FY鄄3A / MERSI第 4(波长 0郾 84 ~
0郾 89 滋m)、3 通道(波长 0郾 63 ~ 0郾 68 滋m)的地面反
射率.
由图 3可以看出,校正前 2010年 7月 12日和 13
日的 NDVI 分布范围分别为 0郾 14 ~ 0郾 62 和 0郾 20 ~
0郾 74,校正后 NDVI 的分布范围均为 0郾 29 ~ 0郾 90,可
见大气校正后 NDVI有增大趋势.由于相邻两天研究
区域植被生长情况变化不大,NDVI 值也应该非常
接近,因此校正后相邻两日的 NDVI 分布范围比校
正前更相近.
NDVI值衰减程度与大气中气溶胶含量有关,
大气越浑浊,衰减越大. 大气校正后,由于近红外波
段反射率增加明显,使植被指数增大,导致 NDVI 分
布波峰由校正前的 0郾 30 增至 0郾 55.
相邻两日 NDVI 在理论上不可能有较大变化,
通过大气校正后相邻两日NDVI的相关系数由校正
图 3摇 相邻日期大气校正前后的 NDVI
Fig. 3摇 NDVI in near date before and after atmosphere correction.
图 4摇 大气校正前后 MERSI 3 通道假彩色合成图
Fig. 4摇 MERSI channel images before and after atmosphere correction.
0451 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
前的 0郾 758 增至校正后的 0郾 918,更符合实际情况.
但校正后相邻日期的 NDVI 分布仍存在一定偏差,
其原因在于校正过程中所用气象站点密度不够,对
于区域大气参数的描述相对较粗,导致校正后 NDVI
仍然存在差距,有待于更精确的进一步研究.
2郾 3摇 大气校正前后图像特征的变化
由于大气校正使空气中水汽、臭氧、气溶胶粒子
等对各波段反射率的影响大大降低,真实反射率区
间变宽,导致光学特性有所差异的不同地物甚至相
同地物对应到更多不同的反射率值,所以校正后的
图像比校正前包含了更丰富的地物信息(图 4).
在大气中水汽等吸收气体吸收太阳辐射以及分
子、气溶胶散射等共同作用下,大气透明度降低,导
致卫星反演的目标地物反射率比实际低,且分布范
围比实际狭窄,造成图像中某些目标物比较模糊.经
过大气校正后,基本还原了真实地物的反射率,因而
图像的亮度、清晰度增加,层次更加丰富,能够识别
出更多的地物.
3摇 结摇 摇 论
由于大气对太阳辐射和地面反射辐射的散射和
吸收作用,使 MERSI 卫星遥感数据失真,合成的遥
感影像对比度、清晰度下降,有必要在应用 MERSI
数据进行定量遥感及生态遥感研究时进行大气校
正.应用 6S模型,结合地形、气象、光谱等多参数进
行模拟计算、大气校正,适用于 MERSI 数据的校正
应用.
本研究结果表明,应用 6S 模型对 MERSI 可见
光到近红外波段进行大气校正是可行的.应用 6S模
型对 MERSI可见光到近红外 1 ~ 4 通道数据进行大
气校正后,各波段数据范围加宽,蓝光波段反射率降
低,其他 3 个波段反射率都有所增大;蓝光波段波峰
向低值方向移动,其他 3 个波段波峰向高值方向移
动,各波段反射率和 NDVI分布更平滑,基本能够反
映地物的真实反射率. 大气校正后,NDVI 的值域比
校正前增大,峰值变高,校正后更接近实际情况. 校
正后 MERSI 3 通道彩色合成图表现出更丰富的地
物信息,亮度增大,层次变强,对比度增强,提高了植
被类型的可分性,能更真实地反映地物信息.
参考文献
[1]摇 Moran MS, Jackson RD, Slater PN, et al. Evaluation of
simplified procedures for retrieval of land surface reflec鄄
tance factors from satellite sensor output. Remote Sens鄄
ing of Environment, 1992, 41: 169-184
[2]摇 Richter R. A spatially adaptive fast atmospheric correc鄄
tion algorithm. International Journal of Remote Sensing,
1996, 17: 1201-1214
[3]摇 Kaufman YM, Sendra C. Algorithm for automatic atmos鄄
pheric correction to visible and near鄄infrared satellite im鄄
agery. International Journal of Remote Sensing, 1988,
9: 1357-1381
[4]摇 Tanre D, Legrand M. On the satellite retrieval of Saha鄄
ran dust optical thickness over land: Two different ap鄄
proaches. Journal of Geophysical Research, 1991, 96:
5221-5227
[5]摇 Wu B鄄Y (吴北婴), Li W (李摇 卫), Chen H鄄B (陈
洪滨). Practical Codes of Transmission Model of At鄄
mospheric Radiation. Beijing: China Meteorological
Press, 1998 (in Chinese)
[6]摇 Berk A, Bernstein LS, Anderson GP, et al. MODTRAN
cloud and multiple scattering upgrades with application
to AVIRIS. Remote Sensing of Environment, 1998, 65:
367-375
[7]摇 Gao B, GoetzA FH. Column atmospheric water vapor
and vegetation liquid water retrievals from airborne ima鄄
ging spectrometer data. Journal of Geophysical Research,
1990, 95: 3549 -3564
[8]摇 Vermote EF, Tanre D, Deuze JL, et al. Second simula鄄
tion of the satellite signal in the solar spectrum, 6S: An
overview. IEEE Transactions on Geoscience and Remote
Sensing, 1997, 35: 675-686
[9]摇 Vermote EF, Saleous NZ, Justice CO. Atmospheric cor鄄
rection of MODIS data in the visible to middle infrared:
First results. Remote Sensing of Environment, 2002,
83: 97-111
[10]摇 Ghulam A (阿布都瓦斯提·吾拉木), Qin Q鄄M (秦
其明), Zhu L鄄J (朱黎江). 6S model based atmos鄄
pheric correction of visible and near鄄infrared data and
sensitivity analysis. Acta Scientiarum Naturalium Uni鄄
versitatis Pekinensis (北京大学学报·自然科学版),
2004, 40(4): 611-618 (in Chinese)
[11]摇 Zhang J (张摇 杰), Wang J鄄M (王介民), Guo N (郭
铌). Atmospheric correction of visible to middle鄄
infrared of EOS / MODIS data over land surfaces by using
6S model. Journal of Applied Meteorological Science (应
用气象学报), 2004, 15(6): 651-657 (in Chinese)
[12]摇 Xu M (徐摇 萌), Yu F (郁摇 凡), Li Y鄄C (李亚春),
et al. Atmospheric correction data with 6S on the EOS /
MODIS. Journal of Nanjing University ( Natural Sci鄄
ences) (南京大学学报·自然科学版), 2006, 42
(6): 582-589 (in Chinese)
[13] 摇 Huang Y鄄L (黄永璘), Nong M鄄Q (农民强), Sun H
(孙 摇 涵). Flood disaster remote monitoring based on
14516 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 武永利等: 基于 6S模型的 FY鄄3A / MERSI可见光到近红外波段大气校正摇 摇 摇 摇 摇 摇
FY鄄3A / MERSI data. Journal of Meteorological Research
and Application (气象研究与应用), 2009, 30(2): 59
-61 (in Chinese)
[14]摇 Xiang D鄄H (向大享), Liu L鄄M (刘良明), Han T (韩
涛). Estimation of drought monitoring ability of FY鄄3A
MERSI data. Geomatics and Information Science of Wu鄄
han University (武汉大学学报·信息科学版), 2010,
35(3): 334-338 (in Chinese)
[15]摇 Sun L (孙摇 凌), Guo M鄄H (郭茂华), Li S鄄M (李三
妹), et al. Enteromorpha prolifera monitoring with FY鄄
3A MERSI around the sea area of Qingdao. Remote
Sensing Information (遥感信息), 2010 (1): 64 - 68
(in Chinese)
[16]摇 Hu X鄄Q (胡秀清), Zhang L鄄Y (张里阳), Zheng Z鄄J
(郑照军), et al. FY鄄3 multi鄄detector radiometric cali鄄
bration for infrared band of medium resolution spectral
imager. Optics and Precision Engineering (光学精密工
程), 2010, 18(9): 1972-1980 (in Chinese)
[17]摇 Yang J鄄M (杨景梅), Qiu J鄄H (邱金桓). The empiri鄄
cal expressions of the relation between precipitable water
and ground water vapor pressure for some areas in Chi鄄
na. Scientia Atmospherica Sinica (大气科学), 1996,
20(5): 620-626 (in Chinese)
[18]摇 Yang J鄄M (杨金梅), Qiu J鄄H (邱金桓). A method
for estimating precipitable water and effective water va鄄
por content from ground humidity parameters. Chinese
Journal of Atmospheric Sciences (大气科学), 2002, 26
(1): 9-22 (in Chinese)
[19]摇 Zhang X鄄W (张学文). A relationship between precipi鄄
table water and surface vapor pressure. Meteorological
Monthly (气象), 2004, 30(2): 9-11 (in Chinese)
[20] 摇 Tachiiri K. Calculating NDVI for NOAA / AVHRR data
after atmospheric correction for extensive images using
6S code: A case study in the Marsabit District, Kenya.
ISPRS Journal of Photogrammetry & Remote Sensing,
2005, 59: 103-114
[21]摇 Zheng T, Liang S, Wang K. Estimation of incident pho鄄
tosynthetically active radiation from GOES visible image鄄
ry. Journal of Applied Meteorology and Climatology,
2008, 47: 853-868
[22]摇 Fan W鄄L (范渭亮), Du H鄄Q (杜华强), Zhou G鄄M
(周国模), et al. Effects of atmospheric calibration on
remote sensing estimation of Moso bamboo forest bio鄄
mass. Chinese Journal of Applied Ecology (应用生态学
报), 2010, 21(1): 1-8 (in Chinese)
[23]摇 Song W鄄W (宋巍巍), Guan D鄄S (管东生). Applica鄄
tion of five atmospheric correction models for Landsat
TM data in vegetation remote sensing. Chinese Journal
of Applied Ecology (应用生态学报), 2008, 19(4):
769-774 (in Chinese)
作者简介摇 武永利,男,1965 年生,高级工程师.主要从事卫
星遥感处理、解译和分析以及 “3S冶技术应用开发研究.
E鄄mail: wu_yongli@ sina. com
责任编辑摇 杨摇 弘
2451 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷