高光谱遥感影像星地协同大气校正方法、系统及存储介质与流程

1.本发明涉及一种遥感影像大气校正领域，特别是关于一种在星地观测数据协同下的高光谱遥感影像星地协同大气校正方法、系统及存储介质。


背景技术：

2.遥感器测得的地面目标的总辐射亮度并不是地表真实反射能量的反映，其中包含了由大气吸收、散射等效应，尤其是散射作用造成的辐射能量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。大气校正是指根据大气状况对遥感图像测量值进行调整,以消除大气影响,进行大气较正。遥感影像特别是高光谱遥感影像，开展定量处理与应用的前提条件，就是必须进行大气校正处理。严格的说，将这些大气校正模型应用于具体某景和某时相的影像时，同样需要同步的传感器光谱剖面信息和大气状况特征值。即使是经过计划，大气状况特征值也是很难获取的。因为对大多数的历史卫星数据而言，已无法获知当时的大气信息。即使，对于大多数用于地面覆盖变化检测的卫星影像，精确提取折合表面反射率也难以实现。
3.遥感图像的大气校正方法很多。大气状况可以是标准的模式大气或地面实测资料,也可以是由图像本身进行反演的结果。间接大气校正指对一些遥感常用函数,如ndvi进行重新定义,形成新的函数形式,以减少对大气的依赖。这种方法不必知道大气各种参数。但是这些分类其实并没有明显的界限。辐射传输模型方法计算出来的反射率精度较高,但是可以看到这种方法计算量大,而且需要较多参数。比如大气中的水汽含量,臭氧含量以及空间分布，气溶胶光学特征等等。而在常规的大气校正中,这种测量很难实施。大气校正的关键是获得精确可靠的关于大气光学性质的各种参数,如大气光学厚度、相函数、单向散射反照率、气体吸收率等。而大气校正的困难就在于难于确定这些参数。如果测得的参数不正确直接影响计算的精度。所以这种方法的广泛应用也有一定限制。
4.最理想的遥感影像的大气校正方法是仅通过遥感影像信息,而不需要野外场地测量等辅助数据,并且能够适用于历史数据和很偏远的研究区域。研究者提出了一些不需要大气的和地面的实测数据,尤其不需要卫星同步观测数据的大气校正方法。黑暗像元法(dark
‑
object methods)。用黑暗像元法进行大气校正主要是依靠图像本身的信息,一些不能直接在图像上获得的信息,可在相应的前人研究成果的文献资料中找到。从应用黑暗像元法的假设条件和简化的大气校正模型中,可以看到黑暗像元法没有考虑大气的多次散射辐照作用、没有考虑像元间的多次散射影响、没有考虑地形差异的影响,同时图像中黑暗像元的确定也带有一定的主观性,这些都将会影响黑暗像元法的结果精度。不变目标法(invariable
‑
object methods)是假定图像上存在具有较稳定反射辐射特性的像元,并且可确定这些像元的地理意义,那么就称这些像元为不变目标,这些不变目标在不同时相的遥感图像上的反射率将存在一种线性关系。当确定了不变目标以及它们在不同时相遥感图像中反射率的这种线性关系,就可以对遥感图像进行大气校正。直方图匹配法(histogram matching methods)是指如果确定某个没有受到大气影响的区域和受到大气影响的区域的
反射率是相同的,并且可以确定出不受影响的区域,就可以利用它的直方图对受影响地区的直方图进行匹配处理。该方法的关键在于寻找2个具有相同反射率但受大气影响却相反的区域,而且它还假定气溶胶的空间分布是均匀的。因此如果能把范围较大的一景遥感图像分成很多小块,在分别用这种方法进行大气校正将取得更好的效果。
5.现有高光谱遥感影像大气校正方法中存在的如下问题：(1)单纯基于高光谱遥感影像进行大气状态参数反演，主要是基于经验模型，准确度难以与同步观测数据相比；(2)与高光谱遥感成像具备相同成像区域且时刻严格同步的大气状态参数观测难度极大，现有技术方法可操作性不高。


技术实现要素：

6.针对上述问题，本发明的目的是提供一种高光谱遥感影像星地协同大气校正方法、系统及存储介质，其能提高大气参数反演的精度和可靠性，提升大气校正处理的精度。
7.为实现上述目的，本发明采取以下技术方案：一种高光谱遥感影像星地协同大气校正方法，其包括：获取地面观测数据、卫星观测数据以及高光谱遥感影像数据；对地面观测数据进行地面观测数据协同处理，将地面观测数据与高光谱遥感影像准同步；将高光谱遥感影像数据和卫星观测数据进行卫星观测数据协同处理，生成卫星观测的大气状态参数数据；将协同处理后的地面观测数据和卫星观测的大气状态参数数据进行星地观测数据协同处理，生成同时具有卫星与地面近似同步观测的大气观测数据；基于大气观测数据对高光谱遥感影像数据进行大气校正，生成大气校正的地表反射率数据。
8.进一步，所述对地面观测数据进行地面观测数据协同处理，包括时间协同、空间协同和质量协同。
9.进一步，所述时间协同：根据地面观测数据获取的时间以及高光谱遥感影像的获取时间的差异，确定时间权重，经过重采样处理生成与高光谱遥感影像准同步的地面观测数据。
10.进一步，所述空间协同：通过地面观测站点位置与高光谱成像区域位置的空间关系，通过物理或者数学模拟进行拟合和重采样，生成与高光谱遥感影像具有相同成像范围的地面观测数据；
11.所述质量协同：对观测数据的质量进行处理，将观测数据按照若干等级划分，并设置各等级的质量权重。
12.进一步，所述将高光谱遥感影像数据和卫星观测数据进行卫星观测数据协同处理，包括：
13.对卫星观测的高光谱遥感影像，计算生成水汽含量、大气透过率及气溶胶光学厚度的大气状态数据；对卫星观测的偏振遥感器获取的偏振数据，计算生成大气透过率、气溶胶光学厚度的大气状态数据；对两种大气状态数据进行交叉比较，计算得到卫星观测的大气状态参数数据。
14.进一步，所述将协同处理后的地面观测数据和卫星观测的大气状态参数数据进行星地观测数据协同处理，包括：
15.在地面观测数据协同与卫星观测数据协同的基础上，使高光谱遥感成像同时具有卫星与地面近似同步观测的大气状态数据，通过加权平均模型，形成最优化的大气观测数
据。
16.进一步，所述基于大气观测数据对高光谱遥感影像数据进行大气校正，包括：
17.根据优化后的大气观测数据，计算生成大气参数；
18.根据大气参数，采用大气校正辐射传输模型或者经验模型，建立大气校正查找表，对高光谱遥感影像进行大气校正，生成大气校正数据。
19.一种高光谱遥感影像星地协同大气校正系统，其包括：数据获取模块、第一数据协同处理模块、第二数据协同处理模块、第三数据协同处理模块和校正模块；所述数据获取模块，用于获取地面观测数据、卫星观测数据以及高光谱遥感影像数据；所述第一数据协同处理模块，对地面观测数据进行地面观测数据协同处理，将地面观测数据与高光谱遥感影像准同步；所述第二数据协同处理模块，将高光谱遥感影像数据和卫星观测数据进行卫星观测数据协同处理，生成卫星观测的大气状态参数数据；所述第三数据协同处理模块，将协同处理后的地面观测数据和卫星观测的大气状态参数数据进行星地观测数据协同处理，生成同时具有卫星与地面近似同步观测的大气观测数据；所述校正模块，基于大气观测数据对高光谱遥感影像数据进行大气校正，生成大气校正数据。
20.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
21.一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
22.本发明由于采取以上技术方案，其具有以下优点：
23.1、本发明在现有大气校正方法流程中，增加了星地观测数据协同，综合利用了基于高光谱遥感影像反演大气参数、地对空大气观测以及空对地大气观测等方式的特点，提高多种观测方式方法综合有效利用的能力，提高大气参数反演的精度和可靠性，提升大气校正处理的精度。
24.2、本发明解决了地面观测数据难以应用于实际高光谱遥感影像大气校正处理的难题，通过时间协同、空间协同和质量协同，实现了地面离散观测数据与高光谱遥感影像成像的同步获取。
附图说明
25.图1是本发明一实施例中的校正方法流程示意图。
具体实施方式
26.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
27.在本发明的一实施例中，如图1所示，提供一种高光谱遥感影像星地协同大气校正方法，其包括以下步骤：
28.步骤1、获取地面观测数据、卫星观测数据以及高光谱遥感影像数据；
29.其中，地面观测数据是指地面端的大气观测数据，简称地面观测数据；卫星观测数据是指卫星端的大气观测数据，简称卫星观测数据。
30.步骤2、对地面观测数据进行地面观测数据协同处理，将地面观测数据与高光谱遥感影像准同步；
31.步骤3、将高光谱遥感影像数据和卫星观测数据进行卫星观测数据协同处理，生成卫星观测的大气状态参数数据；
32.步骤4、将协同处理后的地面观测数据和卫星观测的大气状态参数数据进行星地观测数据协同处理，生成同时具有卫星与地面近似同步观测的大气观测数据；
33.步骤5、基于大气观测数据对高光谱遥感影像数据进行大气校正，生成大气校正的地表反射率数据。
34.在一个优选的实施例中，步骤1中的地面观测数据和卫星观测数据分别为：
35.(1)地面观测数据包括：
36.采用地面的天空偏振观测仪、太阳光度计等传感器，对天空观测获取的大气透过率、反演气溶胶光学厚度、大气粒度谱函数以及相函数等数据；
37.地面气象观测站获取的空气湿度、大气能见度以及大气云量等数据：
38.全球气溶胶观测站网获取的全球大气气溶胶观测数据。
39.(2)卫星观测数据包括：采用卫星搭载的大气偏振观测仪、太阳光度计等传感器，对地观测获取的大气透过率、反演气溶胶光学厚度、大气粒度谱函数以及相函数等数据。
40.在一个优选的实施例中，步骤2中对地面观测数据进行地面观测数据协同处理，由于地面观测数据是由离散分布的地面观测站点，在离散的观测时刻获取的观测数据，需要通过地面观测数据协同处理实现地面观测数据与高光谱遥感影像的准同步，以实现地面观测数据在高光谱遥感影像大气校正处理中的适用性。
41.上述实施例中，地面观测数据协同处理包括时间协同、空间协同和质量协同。
42.其中，时间协同，是根据地面观测数据获取的时间以及高光谱遥感影像的获取时间的差异，通过时间参量插值方法确定时间权重w
t
，经过重采样处理生成与高光谱遥感影像准同步的地面观测数据。
43.时间权重w
t
为：
[0044][0045]
式中，t是卫星观测的时间，t1和t2是地面观测的时间(需要将t1和t2分别进行解释)。
[0046]
空间协同，是通过地面观测站点位置与高光谱成像区域位置的空间关系，通过物理或者数学模拟进行拟合和重采样，生成与高光谱遥感影像具有相同成像范围的地面观测数据。
[0047]
以距离加权模型为例，采用距离加权重采样算法进行遥感成像点位的大气状态参数计算。由于地面观测站点为非规则的离散数据点，逐步找出成像点与各观测站点的距离，根据距离的不同远近分别给予不同的权重系数，也就是各观测站点的观测值对成像点实际数值的相关度。随其距离的增大而缩小，反应再权重上，距离小的权重打，距离大的权重小。为了更加突出距离的影响，采用距离倒数的某次幂函数作为权重函数，如下：
[0048][0049][0050]
其中，w
d
为距离权重，(x
k
,y
k
,z
k
)为观测站点的位置坐标，(x
i
,y
i
,z
i
)为成像点的位置坐标，d
k
为距离值，α为权重计算的比例调整系数，e为权重计算的偏置调整系数。
[0051]
质量协同，是对观测数据的质量进行处理，按照观测规范和标准，将观测数据按照若干等级划分，例如1
‑2‑
3等级。根据预先获取的数据统计经验，设置各等级的质量权重w
q
，例如1等数据w
q
为1，2等数据w
q
为0.8，3等数据w
q
为0.6。
[0052]
由原始的观测数据质量q，根据时间权重w
t
、距离权重w
d
和质量权重w
q
，得到质量协同后的观测数据质量q
x
：
[0053]
q
x
＝w
t
×
w
d
×
w
q
×
q
[0054]
在一个优选的实施例中，步骤3中的将高光谱遥感影像数据和卫星观测数据进行卫星观测数据协同处理，具体为：
[0055]
对卫星观测的高光谱遥感影像，采用基于影像的大气参数反演方法，生成水汽含量、大气透过率及气溶胶光学厚度等大气状态数据；对卫星观测的偏振遥感器获取的偏振数据，采用偏振气溶胶相关性方法，生成大气透过率、气溶胶光学厚度等大气状态数据。对上述两种方法反演的大气状态数据进行交叉比较，计算得到卫星观测的大气状态参数数据，用于星地观测数据的协同。其中，计算可以采用例如加权平均算法等现有方法即可实现，在此不再赘述。
[0056]
在一个优选的实施例中，步骤4中的将协同处理后的地面观测数据和卫星观测的大气状态参数数据进行星地观测数据协同处理，具体为：
[0057]
在地面观测数据协同与卫星观测数据协同的基础上，使得高光谱遥感成像同时具有卫星与地面近似同步观测的大气状态数据，通过加权平均模型，形成最优化的大气观测数据。
[0058]
基于优化后的大气观测数据，采用现有的大气参数与观测数据的关联模型，计算生成大气参数，用于高光谱遥感影像的大气校正。
[0059]
在一个优选的实施例中，步骤5中的基于大气观测数据对高光谱遥感影像数据进行大气校正，具体为：
[0060]
基于大气参数，采用现有的大气校正辐射传输模型或者经验模型，建立大气校正查找表，对高光谱遥感影像进行大气校正，生成大气校正数据。
[0061]
在本发明的一实施例中，提供一种高光谱遥感影像星地协同大气校正系统，其包括数据获取模块、第一数据协同处理模块、第二数据协同处理模块、第三数据协同处理模块和校正模块；
[0062]
数据获取模块，用于获取地面观测数据、卫星观测数据以及高光谱遥感影像数据；
[0063]
第一数据协同处理模块，对地面观测数据进行地面观测数据协同处理，将地面观测数据与高光谱遥感影像准同步；
[0064]
第二数据协同处理模块，将高光谱遥感影像数据和卫星观测数据进行卫星观测数据协同处理，生成卫星观测的大气状态参数数据；
[0065]
第三数据协同处理模块，将协同处理后的地面观测数据和卫星观测的大气状态参数数据进行星地观测数据协同处理，生成同时具有卫星与地面近似同步观测的大气观测数据；
[0066]
校正模块，基于大气观测数据对高光谱遥感影像数据进行大气校正，生成大气校正数据。
[0067]
在本发明的一实施例中，提供一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令当由计算设备执行时，使得计算设备执行上述实施例中的任一方法。
[0068]
在本发明的一实施例中，提供一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为一个或多个处理器执行，一个或多个程序包括用于执行上述实施例中的任一方法的指令。
[0069]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0070]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0071]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0072]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。