基于遥感图像大气校正的意义与发展随着多光谱、多时相传感器的发展，定量遥感也获得了很好的发展契机。

虽然对于影像分类、变化检测的情况不需要进行大气校正，但大气校正作为光学遥感信息定量化研究中必不可少的一步，已受到越来越多的重视。

近年来，传统的大气校正方法也在不断改进，越来越多的大气校正模型将更多的大气参数纳入定量分析范围，以提高大气校正的精度和适用性。

标签：大气校正；定量遥感；模型引言随着近年来定量遥感的迅速发展，尤其是越来越多地将多传感器、多时相遥感数据利用于土地利用分析、土地覆盖变化监测、全球资源环境分析、气候变化监测等领域，遥感图像大气校正方法的研究越来越受到重视。

大气是影响遥感定量分析与应用的重要因素，因此消除大气效应、卫星姿态角和太阳高度角等因素对结果的影响也成为了决定定量遥感分析精度的重要前提。

尤其是近年来高光谱技术的发展，极大地提高了高光谱影像的分辨率。

因此，对参数更为详细的描述方法及适用性更强的大气校正方法必不可少。

1 大气校正的意义大气校正广泛应用于定量遥感中。

为了实现反演模型的时空扩展，大气校正的精度直接决定了后续定量分析的精度。

定量反演的目的是获取地球信息，精确识别地物，尤其是在生物特性方面具有广泛的应用，比如水体特性分析及生物指数分析。

定量遥感在海洋湖泊、水体污染程度、水体生物量组成等方面有着广泛的应用。

在水体特征研究中，大气的衰弱作用使得卫星遥感信号不能正确表现自然水体的表观光学特性和内在光学特性，对水体样本层次的变化不敏感。

尤其在蓝绿波段，大气对光谱数据的污染最为严重。

此外，被动遥感信号从大气顶层出发，经两次大气散射和吸收及地面目标反射才被记录，所以大气条件对信号污染作用使传感器接收到的辐射信息存在较大误差，定量分析与处理过程中需剔除。

比如环境卫星的CCD图像数据具有较高空间分辨率、时间分辨率和较宽的刈幅。

在接受到的辐射信息中，有90%属于大气信号，而能反映水体生物光学信号的仅占5%～15%。

定量遥感在林业方面也有这广泛的应用，比如从植被中提取生物量、叶面积指数、叶绿素、树冠郁闭百分比等。

在对植被指数进行分析时，太阳光照角度和观测视角以及大气、云的条件的变化都很大，因此得到的是大气上界的双向反射率信息（也称表现反射率）。

此外，大气中水蒸气和气溶胶对辐射的散射和吸收有较大影響。

因此，如何分离地气耦合效应，得到准确的地面反射率信息是卫星遥缚中基础但极为重要的工作。

归一化植被指数NDVI及ARVI等可部分校正大气程辐射和因大气路径长度不同而产生的变形差异。

NDVI也确能显著减小大气的影响作用，但在植被稀少或已被破坏的地区还是能够引起50%甚至更大的误差。

而其他的VI指数，如全球环境检测指数（GEMI），虽然能够避开大气校正的过程，但对于稀疏或中密度植被覆盖也不适用。

当然，在某些情况下，可省略大气校正过程。

通常情况下，当训练数据来自所研究的影像（或合成影像），而不需要进行多时相、多地点交叉对比分析的时候，通常不需要进行大气校正。

比如针对单时相的遥感数据进行分类，如采用最大似然法时，只要用于分类的训练数据在大体上具有一致性，比如整幅影像受到云层的影响较低，大部分区域的大气条件类似，影像质量精度受大气校正影响较小时，可以不进行大气校正。

此外，在针对多时相影像变化监测的过程中，可以将两个时相的所有波段数据放在一起利用变化检测算法确定变化类别，无大气校正的必要性。

尽管光学遥感大气校正方面的成果很多，各种模型层出不穷，但没有一个是可普遍应用的。

因为大气条件具有很大的复杂性，每一个区域的大气条件都可能完全一样，但在利用模型进行参数设置的时候只能采用一种模式统一处理。

此外，影响大气校正的参数非常多，一般情况下同步准确获取这些参数的难度也很大，而太过复杂的在计算时也会增加复杂性，因此，在对遥感影像进行大气校正时，要根据研究目的、要求以及研究区的特点，选择适当的大气校正方法。

2 大气校正的方法根据理论基础与所需辅助信息来源，可以将大气校正方法分为：基于图像特征的相对校正法、基于地面线性回归模型法、基于大气辐射传输模型法及复合模型法。

基于图像特征的相对校正法主要是在无地面同步测量时使用。

此方法不需地面光谱及大气环境参数测量，可直接从图像特征出发反演反射率。

如：Kaufman 的暗目标法，Kruse的内在平均相对反演率模型IARR。

平面场模型FF在IARR 基础上发展起来，要求像幅内存在具有非吸收特征的一定面积的地理平台单元，并求出单元中像元平均光谱，再每一个像元光谱除以平均光谱值来重建，克服了IARR中存在的假反射峰特点，计算量小。

但平台选取有人为影响，对地区有先验知识，在地形起伏大区域也不易选择平台；Green与Craig提出的对数参差修正模型LRC对太阳辐射衰减、大气影响及地形因子偏差都有消除。

基于地面线性回归模型法相对较简单，主要利用线性回归方程（特定物灰度值及成像时对应地面目标反射光谱测量值），但需要大量野外光谱测量为前提，成本高，对野外工作依赖强，对地面定标点要求严格。

基于大气辐射传输模型法主要是基于不同的大气辐射传输方程而构建的，比如LOWTRAN模型和5S模型。

其中LOWTRAN7增加多次散射计算及新的带模式、臭氧和央企在紫外波段的吸收参数，考虑连续吸收、分子、气溶胶、云、雨的散射和吸收、地球曲率及折射对路径及总吸收物质含量计算的影响。

目前应用较广泛的有MODTRAN模型和6S模型。

6S模型的结果主要受到了大气参数获取、地表特性假设、大气辐射传输理论的选择和精度的影响。

而大气参数随机性和非均匀分布，也对精确探测和估算的造成了困难。

总体而言，在研究中为了能尽量真实地还原大气条件，但地表模拟越真实意味着要将尽可能多的参数条件列入考虑范围，这也增加了建模和计算难度，从而导致问题难度越大。

这也是目前大部分模型所面临的最大挑战。

传统的大气订正方法是在卫星过境时在地面同步测量实验区的大气参数，然后利用大气辐射传输模型对卫星数据进行大气订正。

这种方法只适用于少量的实验区，无法用于大量卫星数据的处理。

近年来出現的复合模型法将各种模型进行了综合，弥补了单一方法校正的不足。

比如周立国等人提出的以暗像元为核心的Gordon算法，结合清洁水体像元在绿光波段气溶胶散射稳定的特性，对环境-1A卫星CCD水体图像进行大气校正，提高了绿光至红光波段的校正精度及两个波段占总信号的比重。

而且该算法在技术思路上借助了MODIS数据获取气溶胶估算因子的特点，计算了各波段的气溶胶散射，去除了大气中气溶胶与气体散射的影响，提高了信噪比。

彭妮娜等人提出了基于同步MODIS图像的水体像元反演出混浊水域上空气溶胶光学特性，借助6S辐射传输模型，并考虑临近像元效应，利用反演出的气溶胶光学特性对卫星海岸带图像进行大气校正的方法。

通过对QuickBird.2卫星图像和CBERS-02卫星图像进行大气订正，消除了遥感图像中的非目标地物成像信息，取得了一定的效果；在此基础上又考虑了目标所在背景的贡献，消除邻近像元的交叉辐射影响，从而更好地还原了地表的真实面目。

3 结束语本文介绍了大气校正的适用范围以及主要的模型分类及今年发展现状。

随着定量遥感及传感器技术的迅速发展，传统的大气校正方法已不足以满足高光谱、高分辨率的遥感数据分析。

由于大气条件的复杂性，建立一个具有大范围适用性的校正模型仍然是今后研究的方向。

今后的大气校正模型也将在基于影响自身的大气参数反演、复杂地表条件下校正、交叉辐射影响考虑等方面继续发展。

随着计算机水平的提高，未来对于海量数据的获取与处理也将实现。

相信随着定量遥感的快速发展，大气校正问题上也将会有更好的成果出现。

参考文献[1]亓雪勇，田庆久. 光学遥感大气校正研究进展[J].国土资源遥感，2005.[2]郑伟，曾志远. 遥感图像大气校正方法综述[J].遥感信息，2004.[3]陈晓玲，赵红梅，田礼乔. 环境遥感模型与应用[M].武汉：武汉大学出版社，2008.[4]黄世杰，李娜，赵慧洁，等. 基于辐射传输模型高光谱数据大气校正及[A].第二届全国国土资源遥感技术应用交流会，2006.[5]彭妮娜，易维宁，方勇华. 利用MODIS数据进行海岸带卫星图像大气校正[J].大气与环境光学学报，2007.[6]TIAN Liqiao，CHEN Xiaoling，ZHANG Tinglu，GONG Wei，CHEN Liqiong，LU Jianzhong，ZHAO Xi，ZHANG Wei，YU Zhifeng. Atmospheric correction of ocean color imagery over turbid coastal waters using active and passive remote sensing Chinese Journal of Oceanology and Limnology V01.27 No.1，P.124-128，2009.[7]Nutchanart Sriwongsitanon. Influence of atmospheric correction and number of sampling points on the accuracy of water assessment using remote sensing application Journal of Hydrology 2011.[8]周立国，马蔚，顾万花，等. 基于清洁水体像元法的环境-1A卫星CCD 水体图像大气校正[J].光谱学与光谱分析，2011.[9]Steven Vanonckelen. The effect of atmospheric and topographic correction methods on land cover classification accuracy[M] International Journal of Applied Earth Observation and Geoinformation，2013.[10]詹万志，苟尚培，范伟. 大气校正对几种MODIS植被指数影响分析[C].中国气象学会2006年年会论文集，2006.[11]郑求根，权文婷. 基于暗像元的Hyperion高光谱影像大气校正[J].光谱学与光谱分析2010.[12]徐元柳，王润生，刘圣伟，等. 基于Modtran的高光谱遥感影像大气校正[C].第16届全国遥感技求学术空流台论文集，2007.作者简介：黄琳，武汉大学遥感信息工程学院，2010级本科生，武汉大学信息学部。