太阳天顶角对反演高光谱地表反射率影响分析 下载: 1087次
1 引言
自场地自动化定标技术提出以来,国内外的科研人员就使用该技术对一系列的载荷进行在轨辐射定标,如亚利桑那大学基于RadCaTS(Radiometric Calibration Test Site)[1]、中国科学院合肥物质科学研究院安徽光学精密机械研究所基于敦煌辐射校正场[2]和中国科学院光电研究院基于国家高分辨遥感综合定标场在蓝、绿、红和近红外波段[3]均开展了自动化定标实验。实验结果表明,自动化定标的精度可以达到或优于人工定标,并能够解决人工值守测量成本大、频次低和频繁进出破坏场地等问题,为替代定标和互定标提供有力支持[4-5]。
将多光谱反射率反演为高光谱反射率是自动化定标流程中的重要一环,其直接影响最终的定标精度。由于多光谱仪器在可靠性、稳定性和野外适用性等方面均优于高光谱仪器,因此目前布设在野外定标场地进行长期自动化观测的仪器多为多光谱类仪器,并采用光谱反演法将其测量数据转换为实时的高光谱数据。首先选取高光谱反射率作为参考反射率,使用双向反射分布函数(BRDF)对其进行入射角的校正,然后与多光谱仪器的光谱响应函数进行卷积以得到波段响应值,最后通过响应值与实时多光谱数据之间的差异来校正参考反射率,从而得到实时的高光谱反射率,由此实现多光谱地表反射率的反演[3]。实际计算过程中,通过多条高光谱反射率来建立反射率库,从而衡量高光谱与多光谱的形状差异,对形状最相似的参考反射率进行校正,可以尽可能地消除由地表特性变化与太阳天顶角不同引起的误差[2]。
本文使用布设在敦煌辐射校正场的自动化仪器测量从2018年9月至2019年9月的数据,根据大气状况相似的洁净天气来筛选数据并计算地表反射率;以多光谱曲线相似度为指标,使用该数据分析各类太阳天顶角下多光谱的形状变化程度以及不同天顶角之间的形状变化程度;使用BRDF模型对校正后的不同太阳天顶角数据进行相似度分析。实验结果表明,BRDF模型对校正角度具有有效性。
2 研究方法
2.1 数据计算方法
自动化观测仪器由自动化场地辐射计(ATR)和高精度太阳辐射计(PSR)构成,其中ATR测量的数据用于计算地表辐射度,PSR测量的数据用于计算太阳辐射照度。实验过程中,使用布置在敦煌辐射校正场内的两台ATR和一台PSR获得的数据。ATR和PSR覆盖从可见光到短波红外8个波段,测量间隙均为3 min,仪器的关键参数如
表 1. 自动化仪器的关键参数
Table 1. Key parameters of automated instruments
|
为了确保测量过程中的大气条件适合定标,需要计算气溶胶光学厚度(AOD)并通过光学厚度值来筛选数据。假设气溶胶粒子遵循Junge分布,计算波长为550 nm的AOD为
式中:τ为AOD;λ为波长;β为Angstrom大气浑浊度系数;α为Angstrom波长指数。
以τ<0.3265为依据来筛选大气状况相似的洁净日期[6],使用辐射传输模型得到入射辐射照度,使用ATR计算地表辐射度,从而得到在垂直观测方向的地表反射率,具体流程如
使用地表辐射度与入射辐射照度来计算地表反射率,表达式为
式中: ρATR,i为ATR在i波段的地表反射率;Li为在i波段的地表辐射度;Ei为在i波段的总照度,计算公式为
式中:Ed,i为在i波段的直射辐照度;Ea,i为在i波段的大气散射辐照度;Ee,i为在i波段的环境辐照度。Ed,i、Ea,i和Ee,i均通过大气辐射传输模型中的6SV1.1代码[7-8]计算得到。
2.2 数据分析方法
经过计算得到结果数据的表示形式为数据元组,包括测量时间、测量地点、测量时的天顶角和方位角以及测量时的地表反射率。将反射率按照太阳天顶角分为30°±3°,40°±3°和80°±3° 6类。采用对数似然估计方法对每类天顶角下的8个波段进行正态分布估计,在95%的置信区间中计算6类数据各个波段的均值
采用轨迹相似度衡量算法计算多光谱反射率曲线的相似度,该算法使用曲线中的点来代替轨迹点。实验过程中采用基于面积划分的三角分割(TD)法[9],该方法有基于点的全局与局部匹配方法和基于曲线段的划分方法[10],通过轨迹的长度和轨迹所包围的面积来确定轨迹的相似度。实验过程中,使用曲线来代表轨迹。与传统方法相比,基于面积划分的TD法能够在保证相似度准确率的情况下减小计算的时间复杂度,在计算大批量数据的方面优势明显,并且该方法考虑波长尺度上的刻度问题,适用于各个波段之间的不均匀刻度。
基于面积划分的TD法计算曲线相似度的原理如
式中:S″(ak,bg+1,ak+1)为ak,bg+1和ak+1三点围成的三角形面积;S″(ak,bg,bg+1)为ak,bg和bg+1三点围成的三角形面积;d(ak,bg+1)为ak和bg+1两点之间的距离;d(ak+1,bg)为ak+1和bg两点之间的距离;k为LA上的点索引序号;g为LB上的点索引序号。最终计算两条折线的平均长度
影响光谱曲线形状变化的因素除了地表物质外,还有光源的入射角度。一般为了消除这种影响,使用BRDF模型对不同角度的数据进行校正[11],转换公式为
式中:ρ为地表反射率;θ为入射天顶角;ϑ为观测天顶角;φ为相对方位角;R(θ,ϑ,φ,λ)为方向反射比;下标1、2分别为校正前、后的参数。
实验使用的BRDF模型是由Roujean等[12]提出的,该模型为目前常用的半经验核驱动模型,构造形式为
式中:fiso、fvol和fgeo分别为各向同性散射核、体散射核和几何光学散射核的权重因数;Kvol为体散射核;Kgeo为几何光学散射核。Kvol和Kgeo的计算公式分别为
式中:ξ为散射相角,即入射方向与观测方向的夹角,计算公式为
3 结果与分析
3.1 太阳天顶角对多光谱形状相似度的影响
对计算得到的数据按照不同的太阳天顶角进行筛选,每组均约有1500条数据,其中2019年的有效数据占总有效数据的84%,结果如
采用对数似然估计方法在95%的置信区间中对反射率进行正态分布拟合,计算得到的
图 3. 2019年不同天顶角下的反射率。(a) 30°;(b) 40°;(c) 50°;(d) 60°;(e) 70°;(f) 80°
Fig. 3. Reflectance at different zenith angles in 2019. (a) 30°; (b) 40°; (c) 50°; (d) 60°; (e) 70°; (f) 80°
计算6类天顶角数据两两之间的相似度,每组均约有1×106条相似度数据,结果如
图 4. 6类天顶角的统计参数。 (a) ;(b)离群比;(c) 和
Fig. 4. Statistical parameters of zenith angle in 6 categories. (a) ; (b) outlier ratio; (c) and
表 2. 相似度的统计数据
Table 2. Similarity statistics
|
图 5. 相似度的统计结果。(a)单个情况;(b)组合情况
Fig. 5. Statistical results of similarity. (a) Single case; (b) combined case
从
自动化定标过程中,采用平移光谱曲线的方法会忽略其形状变化。相似度计算结果表明,如果参考光谱曲线或者测量点的太阳天顶角越大,则会给计算结果引入更多的形状误差;如果参考光谱曲线与当前测量点之间的太阳天顶角的差距越大,则也会给计算结果造成更大的形状误差。
3.2 BRDF模型校正不同角度下的光谱形状
为了分析BRDF模型对不同几何角度的校正作用,将角度为80°的数据使用BRDF模型校正为30°,模型参数在不同波长下的变化情况如
表 3. 校正前后的相似度统计数据
Table 3. Similarity statistics before and after correction
|
图 7. 不同情况下校正前后的相似度统计曲线。(a) 30°和80°;(b) 80°
Fig. 7. Similarity statistical curves before and after correction under different conditions. (a) 30° and 80° ; (b) 80°
4 结论
基于以上分析可以得到小天顶角下光谱形状的稳定性优于大天顶角,并且与太阳天顶角多光谱反射率曲线形状的差异更小,说明BRDF模型校正角度是有效的。对自动化定标流程中的光谱反演而言,尽量选择同一太阳天顶角下的高光谱作为参考光谱,当缺乏几何条件的光谱数据时,使用BRDF模型校正其他角度的光谱曲线形状。以上的分析虽然使用的数据样本很多,但时间跨度仅为一年,若对敦煌辐射校正场的地表反射率进行更长时间的分析,还需要时间积累;并且基于通道式仪器体现光谱形状的能力远不及连续谱数据,若能使用仪器自动化且高频次地得到连续谱数据,这对光谱形状变化程度的刻画更精准。
[1] Czapla-Myers JS. Automated ground-based methodology in support of vicarious calibration[D]. Arizona: University of Arizona, 2006.
[2] 张孟, 韦玮, 张艳娜, 等. Hyperion高光谱遥感器的在轨自动化定标[J]. 光学学报, 2019, 39(5): 0528002.
[3] 马志宏, 马灵玲, 刘耀开, 等. 通道式辐射计自动观测数据的反射率光谱拓展方法[J]. 光学学报, 2019, 39(7): 0728004.
[4] 李新, 郑小兵, 尹亚鹏. 场地自动化定标技术进展[J]. 大气与环境光学学报, 2014, 9(1): 17-21.
[5] 吕佳彦, 何明元, 陈林, 等. 基于敦煌辐射校正场的自动化辐射定标方法[J]. 光学学报, 2017, 37(8): 0801003.
[6] 王尧奇, 沈志宝, 季国良, 等. 兰州冬季的大气浑浊度[J]. 高原气象, 1982, 1(4): 84-91.
[9] 吕一可, 徐凯, 黄振强. 基于面积划分的轨迹相似性度量方法[J]. 计算机应用, 2020, 40(2): 578-583.
Lü Y K, Xu K, Huang Z Q. Trajectory similarity measurement method based on area division[J]. Journal of Computer Applications, 2020, 40(2): 578-583.
[10] 周星星, 吉根林, 张书亮. 时空轨迹相似性度量方法综述[J]. 地理信息世界, 2018, 25(4): 11-18.
[12] Roujean J L, Leroy M, Deschamps P Y. A bidirectional reflectance model of the Earth's surface for the correction of remote sensing data[J]. Journal of Geophysical Research: atmospheres, 1992, 97(D18): 20455-20468.
杜沈达, 张运杰, 韦玮, 黄冬, 李新, 郑小兵. 太阳天顶角对反演高光谱地表反射率影响分析[J]. 光学学报, 2021, 41(2): 0229001. Shenda Du, Yunjie Zhang, Wei Wei, Dong Huang, Xin Li, Xiaobing Zheng. Analysis of Influence of Solar Zenith Angle on Reconstruction of Hyperspectral Surface Reflectance[J]. Acta Optica Sinica, 2021, 41(2): 0229001.