中国科学E辑技术科学 2006, 36(增刊): 85~93 85航天成像光谱仪CHRIS辐射与光谱性能评价*张霞**张兵胡方超童庆禧(中国科学院遥感应用研究所遥感科学国家重点实验室, 北京 100101)摘要 CHRIS是欧空局于2001年10月成功发射的PROBA卫星上搭载的探索性高光谱遥感器, 它共有5种可选择的作业模式, 在可见光到近红外(0.4~1.05 µm)范围, 最多可以获取62个波段. 文中采用基于图像自身的大气校正方法(模型法ACORN和经验法), 在图像上选取最具代表性的植被和土壤光谱, 对CHRIS 这一新型的航天成像光谱仪进行了光谱与辐射性能评价. 计算显示, ACORN校正得到的玉米反射率在498~750 nm波长区间能够较好地表征植被的反射率光谱特征(如红边特征), 尤其是在对气溶胶敏感的蓝光部分比经验方法更有优势, 但是在750 nm之后就有很大偏差, 表明CHRIS在750 nm之后的波段存在光谱定标误差; 土壤光谱反射率在800 nm之后有递减的误差趋势, 表明CHRIS在部分波长区间还不能满足模型法大气校正的要求; ACORN反演得到的水汽含量分布图上存在的竖条纹, 则表明CHRIS的辐射定标性能的不足. CHRIS仪器作为欧空局第一个真正意义上的航天高光谱遥感器在光谱和辐射性能上仍有待改善.关键词CHRIS高光谱定标性能大气自校正为更好地理解地表的方向性反射特性, 欧空局(ESA)于2001年10月22日发射了PROBA-1(PROject for On Board Autonomy 1)小卫星, PROBA应用了星上自治示范技术, 适用于小区域的科学和应用任务[1]. 其上搭载有多角度紧密型高分辨率成像光谱仪CHRIS, 该光谱仪由Sira 技术公司研制, 可提供5个角度(0, ±36°, ±55°)的高光谱反射率数据, 从而为大气、陆地和海洋的二向性反射(BRDF)研究提供了宝贵的数据. 但是在CHRIS服务于科学应用之前, 有必要对其性能,收稿日期: 2005-11-16; 接受日期: 2006-04-10*国家自然科学基金项目(批准号: 40271085)和国家重点基础研究发展规划项目(批准号: 2002CB412506)资助** E-mail: zx_0101@86中国科学E辑技术科学第36卷特别是最能反映高光谱“图谱合一”的光谱与辐射定标性能进行有效评价.大气校正是恢复高光谱遥感图像的光谱辐射特性的有效手段, 因而也是评价图像的光谱辐射特性的前提和途径. 基于图像自身的大气校正方法是当前遥感数据处理自动化的必然要求, 对于海量航天高光谱数据而言尤显重要性. 大气校正可分为经验法和基于模型的方法(简称模型法): 经验法的特点是利用遥感图像上的反射率不随时间变化且近似为朗伯体的地物, 对图像进行大气和遥感器自身辐射定标不确定性的影响校正[2,3], 该方法的优点是不需要知道图像获取时的大气和几何条件, 简单易行, 缺点是大气校正的精度受限于图像上特征地物(如平场域)选择的可靠性, 且往往仅仅消除了大气程辐射的影响[4]; 模型法是目前比较精确的大气校正方法, 也是当前高光谱研究与应用的趋势[5], 其共同特点是基于辐射传输方程, 可以逐个像素地反演大气属性参数, 从而实现逐像素的大气校正. 目前流行的模型法为ATREM[6], ACORN[7]和FLAASH[8], 模型法的校正精度在很大程度上取决于所选择的辐射传输模型以及传感器的辐射与光谱定标性能[9~11]. 另外, 模型法的实现需要满足一定的假设和先验条件, 如对于水汽反演需要满足: (1) 遥感传感器经过绝对辐射标定; (2) 传感器含有0.94 µm(或1.14 µm)水汽吸收带以及左右两个非水汽吸收带, 因此对传感器提出了更高的要求.本文同时选择模型法和经验法对CHRIS图像进行基于自身的大气校正, 以对CHRIS的光谱与辐射性能给出合理评价.1 数据源1.1 Proba/CHRIS图像数据试验区位于北京昌平一带(116.44°E, 40.18°′N), 图像获取时间为2004年7月8日GMT 3:20, 是在CHRIS工作模式5条件下获取的, 该模式下图像包含一个水汽通道(波段31, 中心波长945.31 nm), 可用于水汽含量反演. 同时获取了试验区5个观测角度的图像, 本文仅对0°观测角度进行处理与分析. CHRIS图像的主要参数见表1.表1 CHRIS/PROBA 模式5的主要技术参数波长范围442.49~1025.30 nm, 波段数37个光谱分辨率<11 nm空间分辨率34 m图像面积13 km×13 km平台高度695 km观测角度(5个)+55°, 0°, −55°扫描方向N-S +36°, −36°: 扫描方向S-N定标地面与在轨定标混合方式飞行中的波长定标利用的是762 nm附近的大气氧气吸收波段图像物理单位µW/(m2·nm·sr)增刊 张霞等: 航天成像光谱仪CHRIS辐射与光谱性能评价871.2地面测量光谱数据收集到2004年7月6日昌平试验区内的地面测量光谱, 典型地物为玉米和土壤(裸土). 测量时间为北京时间11:40左右, 与图像获取准同步, 便于进行光谱比对. 光谱测量采用的仪器是ASD Fieldspec FR2500光谱仪, 其光谱范围为350~ 2500 nm, 采样间隔为1.4 nm(350~1000 nm区间)和2 nm(1000~2500 nm区间). 每个样本测量10次取平均作为最终光谱, 以避免随机噪声干扰. 图1为根据CHRIS 中心波长和半高全宽(FWHM)采样后的地面实测光谱.图1 地面实测光谱采样到与CHRIS波长设置相一致2方法2.1大气辐射校正程序ACORN(Atmospheric CORrection Now)ACORN 是由美国科罗拉多州ImSpec责任有限公司开发的一种基于图像自身的大气校正程序, 可以实现图像辐射值到地表表观反射率的转换, 工作的波长范围为350~2500 nm. 其理论和技术途径概括为: 利用Modtran 4辐射传输模型[12]模拟计算大气气体吸收以及分子和气溶胶的散射影响, 生成查找表, 应用快速精确的查找表技术和最小二乘拟合以及成像光谱图像的940 nm或1140 nm水汽吸收带, 可以逐像元地估算水汽含量. ACORN通过对辐射图像和MODTRAN模拟的辐射值(以气溶胶光学厚度为主要的拟合参数)进行非线性最小二乘光谱拟合, 可以估算图像获取时的能见度. 利用MODTRAN基于估算的水汽和气溶胶光学厚度以及高程输入值, 逐像元地计算双向辐射透过值和大气反射率, 进而根据辐射传输方程计算得到的给定大气条件下总上行光谱辐射, 得到地表表观反射率.ACORN还具有3种人为抑制噪声(AS)的功能, 其中AS1是用来校正高光谱数据集与光谱辐射转换计算之间的光谱定标不匹配现象; AS2是用来校正图像数据和大气辐射传输模型间存在的辐射定标不匹配现象; AS3则用于抑制1400~88中国科学E辑技术科学第36卷1900 nm的水汽吸收带的低辐射引起的噪声.2.2经验法为了便于比较与评价, 本文同时选择了经验法中常用的内部平均法和平场域法(或称伪不变特征法), 简要介绍如下:内部平均法(IARR): 是假定一幅图像内部的地物充分混杂, 整幅图像的平均光谱基本代表了大气影响下的太阳光谱信息. 因而, 把像元辐射光谱与整幅图像的平均辐射光谱的比值确定为相对反射率光谱.ρλ= Rλ/Fλ,式中, ρλ表示相对反射率, Rλ是像元辐射值, Fλ为全图像的平均辐射值.平场域法(FF): 是选择图像中一块面积大且亮度高而光谱响应曲线变化平缓区域(Flat field), 利用其平均光谱辐射值来模拟图像获取条件下的太阳光谱. 通过将每个像元的辐射值除以该平均光谱辐射值的比值作为地表反射率, 以此来消除大气的影响.ρλ= Rλ/Fλ,式中, ρλ表示相对反射率, Rλ是像元辐射值, Fλ为定标点(平场域)的平均辐射值. 3结果与分析本文选取ACORN 模式1.5进行大气校正试验, 利用CHRIS的940 nm波段进行水汽含量的估算. 模式1.5对定标后的高光谱数据利用水汽和液体水光谱拟合技术进行精确的大气校正, 增加了一个水汽程辐射拟合选项(简称PRF), 选择该项可以在水汽和液态水的光谱拟合过程中更好地调整程辐射参数, 从而在一定程度上改善水汽和液态水的反演结果. 将PRF选项和前面提到的AS选项组合, 进行校正结果评定. 同时与经验法的结果进行比对.图2为根据地面测量点从大气校正后的CHRIS图像上提取的同名地物光谱, 对照图1分析表明: 反演得到的反射率在498~750 nm波长区间能够表征植被(玉米)的反射率光谱特征, 与相应原始辐射光谱相比, 能够去除绝大多数的大气吸收特征. 但在750~805 nm之间的峰形与实测光谱差异较大, 这可能与CHRIS仪器本身在760 nm附近的氧气吸收带的光谱定标误差有关. 在805 nm以后与实测反射率曲线差异也很大, 主要是近红外的高反射率“平台”不明显, 反而呈急剧下降趋势, 940 nm附近的水汽吸收带也没有反映; 常见的土壤光谱反射率在<1140 nm波长范围内呈现单调增加的趋势, 而图2的土壤光谱反射率在800 nm之后递减, 事实上即便在土壤的野外测量光谱上940 nm的水汽吸收作用也并不明显(见图1). 究其原因可能在于两方面: 一是CHRIS仪器本身的定标精度, 另一方面也与ACORN5的反演误差有关.增刊 张霞等: 航天成像光谱仪CHRIS辐射与光谱性能评价89图2 ACORN模式1.5大气校正后提取的地物反射率光谱(a) 选择PRF, 不选AS; (b) PRF+AS1; (c) PRF+AS2; (d) PRF+AS12对比图2中各图不难发现, AS1能够有效地消除强吸收特征940 nm附近人为噪声(表现为一些尖峰), 但对760 nm的强吸收特征不起作用, 这可能与遥感器在此波长范围内的光谱定标误差有关; AS2则能够非常明显地抑制整个光谱范围内的一些小的仪器噪声, 使光谱变平滑; AS3主要作用于1400~1900 nm的水汽吸收带, 旨在抑制该部分的噪声, 但CHRIS没有涵盖此波长范围, 所以在本文中不作考虑. AS2的去噪平滑作用最明显, 因此有效去除图像数据和大气辐射传输模型间存在的辐射定标不匹配现象是图像反射率光谱去噪平滑的关键, 当然, 遥感器自身光谱与辐射定标的精度也直接制约着反射率转换的可靠性.图3为经过ACORN大气校正后的CHRIS图像和反演得到的水汽含量空间分布图. 研究表明, 各种设置条件下反演的水汽分布状况差异很小, 原因在于都是使用的940 nm水汽通道. 反演的水汽含量分布图上有明显的竖向条纹, 这是由CHRIS仪器的辐射定标不完善引起的.图4是将通常的经验方法IARR和FF应用于CHRIS图像上得到的同一采样点上的玉米和土壤反射率光谱, 可以看到, 两种方法得到的玉米反射率光谱在谱形上非常相似, FF方法得到的反射率更平滑些. 但它们一个明显错误就是蓝光短波部分反射率偏高, 甚至超过了550 nm绿光波段, 而ACORN校正结果(见图2)90中国科学E辑技术科学第36卷图3 经ACORN5大气校正后CHRIS图像立方体(左)及反演得到的水汽含量空间分布图(右)图4 IARR和FF方法得到的CHRIS反射率图像光谱由于在高光谱图像的短波波段大气校正方面重点考虑了气溶胶影响, 比经验学方法更精确. 在700 nm以后的波长, ACORN5反演结果与经验法相比, 光谱曲线不够平滑, 表明模型法相对经验学方法对仪器的噪声更加敏感; 从土壤光谱来看, 两种经验方法获得的结果差异很大, 特别是在<750 nm波长区域, IARR起伏变化剧烈, 而FF结果总体上要平缓得多, 呈平稳微小上升趋势, 这与土壤光谱反射率在<1140 nm波长范围呈单调递增趋势(图1)比较一致.为比较3种方法所得地物反射率光谱与图1所示地面实测光谱间谱形上的相增刊 张 霞等: 航天成像光谱仪CHRIS 辐射与光谱性能评价 91似性, 计算得出它们之间的相关系数R (表2), 并对可见光和近红外分别进行比较. 可以看到, 对玉米光谱而言, 在可见光范围ACORN 订正后的反射率光谱与实测光谱间的一致性最好, 但在近红外谱段相似性则低于经验方法; 对土壤光谱而言, 在可见光范围, ACORN 仍保持相似性最高, 但是在近红外波长范围, ACORN 和IARR 都与实测光谱呈负相关; 按植被特征进一步分段分析表明, ACORN 订正后的玉米反射率能够更好地体现植被在680~750 nm 的红边特征[13,14](R = 0.9889). 根据Miller 等人[13]方法计算得到的红边斜率(1.1721)与真值(0.8918)最接近, 而FF 方法和IARR 计算值则相差很远, 分别为2.1634和0.0294, 表明ACORN 订正结果能够更加客观地反映作物长势差异, 从而有利于提高植被生化参量遥感反演的精度. 然而, ACORN 不能很好地表征植被在近红外反射率“平台”(750~900 nm)和900~1100 nm 的水汽吸收特征, 特别是平台部分相关系数为−0.43221, 而FF 方法在近红外波段保持较高的相似性.表2 3种方法得到的地物反射率光谱与地面实测光谱间的相关系数(R )玉米 土壤 IARR FF ACORN 可见光(450~700 nm)0.38810.3001 0.9634 0.8481 0.8008 0.9366 近红外(700~1025 nm) 0.98380.9965 0.7153 −0.73220.9549 −0.5053为此, 本文将ACORN 校正结果与FF 相互取长补短, 即保留750 nm 之前的ACORN 校正光谱, 将750 nm 之后的FF 校正光谱做适当平移, 然后采用基于数据自身的经验平场反射率转换算法(EFFORT)对光谱做进一步平滑处理, 可以得到与真实光谱更加一致的光谱, 谱形的相似性和特征位置得到很好的保持. 修正后的玉米光谱见图5.图5 将ACORN 与FF 相结合修正后的玉米光谱与真实光谱比较92中国科学E辑技术科学第36卷4结论本研究利用流行的大气校正程序ACORN5.0对新型的航天成像光谱仪CHRIS图像数据进行大气校正, 并与经验法(内部平均法和平场域法)结果进行比较, 结果表明:(ⅰ) 基于CHRIS数据的940 nm附近光谱波段可以进行ACORN大气辐射校正, 可以逐像元获得水汽含量, 但是水汽分布图上的竖向条带表明, CHRIS的辐射定标性能还有待于提高.(ⅱ) CHRIS反演得到的玉米反射率在498~750 nm波长区间能够表征植被的反射率光谱特征, 尤其在短波蓝光范围ACORN与经验法相比更具优势, 红边特征参量的计算则表明ACORN有利于提高生化参量遥感反演的精度.(ⅲ) 与经验法相比, ACORN模型对高光谱图像的光谱与辐射定标精度更加敏感, 从而造成CHRIS植被光谱在750 nm之后波形波动, 表明在750 nm之后的CHRIS波段定标存在一定误差, 至少不能满足模型法大气校正的要求.(ⅳ) ACORN模型校正后CHRIS数据的土壤光谱反射率在800 nm之后的递减, 与常识和实测光谱相比有明显偏差, 进一步印证了光谱辐射定标能力对反演精度的影响.(ⅴ) FF方法精度虽然很大程度上依赖于图像上平场区域的准确性, 但相对而言确实对仪器的定标精度比较不敏感; 在本实验中, 将ACORN校正结果与FF 相互取长补短, 可以得到与真实光谱更加一致的光谱.总之, CHRIS仪器作为欧空局第一个真正意义上的航天高光谱遥感器在光谱和辐射性能上仍有待改善.参考文献1 Cutter M A, Johns L S, Lobb D R, et al. Flight experience of the compact high resolution imagingspectrometer (CHRIS). Proceeding of SPIE Conference on Imaging Spectrometry IX, 2003, 5159: 530—5362 Freemantle J R, Pu R, Miller J R. Calibration of Imaging Spectrometer Data to Reflectance UsingPseudo-Invariant Features. Proceedings of the Fifteenth Canadian Symposium on Remote Sensing. Toronto, Ontario, Canada, 1992. 452—4573 Stancalie G, Gastellu-Etchegorry J P. Correction of the atmospheric effects for the high resolution airbornespectrometric data. Proceedings of the First International Airborne Remote Sensing Conference and Exhibition. Strasbourg France, 1994. 1: 121—1304 田庆久, 郑兰芬, 童庆禧. 基于遥感影像的大气辐射校正和反射率反演方法. 应用气象学报, 1998,9(4): 456—4615 Orbert C. Atmospheric correction for CASI data using an atmospheric radiative transfer model. Can JRemote Sens, 1998, 24(2): 114—1276 Boardman J M. Post-ATREM Polishing of AVIRIS Apparent Reflectance Data Using EFFORT: A Lesson inAccuracy Versus Precision. Summaries of the Seventh JPL Airborne Earth Science Workshop, JPL增刊 张霞等: 航天成像光谱仪CHRIS辐射与光谱性能评价93Publication, 1998. 97—217 Staenz K, Secker J, Gao B, et al. Radiative transfer codes applied to hyperspectral data for the retrieval ofsurface reflectance. ISPRS J Photogramm Remote Sens, 2002, 57: 194—2038 Mattew M W, Adler-Golden S M, Berk A, et al. Atmospheric correction of spectral imagery: Evaluation ofthe FLAASH Algorithm with AVIRIS Data. SPIE Proceedings on Algorithms and Technologies for multispectral. Hyperspectral and Ultraspectral Imagery, 2003, 5093: 474—4829 Staenz K, Nadeau C, Neville R A, et al. Effect of Radiative Transfer Codes for Mineral Mapping UsingHyperspectral Data. Proceedings of the International Symposium on Physical Measurements and Signatures in Remote Sensing. CNES, Toulouse, Aussois, France, 2001. 9—1810 Staenz K, Williams D J, Fedosejevs G, et al. Surface Reflectance Retrieval from Imaging SpectrometerData Using three Atmospheric Codes. Proceedings of SPIE’s International Symposium on Recent Advances in Remote Sensing and Hyperspectral Remote Sensing. SPIE, Rome, Italy, 1994. 17—2811 Secker J, Staenz K, Gauthier R P, et al. Vicarious calibration of airborne hyperspectral sensors inoperational environments. Remote Sens Environ, 2001, 76(1): 81—9212 Berk A, Anderson G P, Acharya P K, et al. Modtran4 User’s Manual. Air Force Research Laboratory, 1999.105—12813 Miller J R, Hare E W, Wu J. Quantitative characterization of the vegetation red edge reflectance 1. aninverted-gaussian reflectance model. Int J Remote Sens, 1990, 11(10): 1755—177314 Haboudane D, Miller J R, Tremblay N, et al. Integrated narrow-band vegetation indices for prediction ofcrop chlorophyll content for application to precision agriculture. Remote Sens Environ, 2002, 81: 416—426。