文献总结 | RSE:考虑近红外非零反射的高光谱太阳耀光校正算法

文摘   2024-02-23 18:20   江苏  

点击上方湖泊遥感与智慧流域关注我们

研究背景
RESEARCH BACKGROUND
机载成像光谱仪是弥补卫星传感器无法提供足够空间或光谱分辨率影像的最经济方式。高光谱机载传感器可以获取高分辨的高光谱影像,在沿海水域的珊瑚礁栖息地和海草床监测等方面发挥着重要作用。
然而,机载遥感会受到波浪而引起的太阳耀光的严重影响。在水面不平坦的情况下,太阳直射辐射可能会在波浪的峰和坡上反射,导致所得到的离水反射率不包含有关水体自身和底栖特征的任何信息。因此,有必要识别和消除太阳耀光的影响,然而目前的太阳耀光校正算法多数无法应用在光学浅水区域。
研究方法
本研究利用AISA(Airborne Imaging Spectrometer for Applications)光谱仪,在2006年7月26日在爱沙尼亚西部群岛(波罗的海)进行了机载测量。当天风势较大,风速在7-12m/s之间,在图像的多个区域中出现了太阳耀光。该仪器具有25个光谱波段,中心波长如下:424、443、463、483、503、518、539、559、569、588、610、630、650、668、680、699、719、739、760、780、799、819、840、860和884nm。

太阳耀光校正:

除本文所提出的太阳耀光校正算法以外,还对Hochberg等人和Hedley等人提出的太阳耀光校正算法进行对比和验证。Hochberg等人的算法是基于在近红外波段离水信号为零的假设。基于近红外波段中最暗和最亮的像元计算相对耀光强度,并对各个可见波段中的绝对耀光强度进行缩放,通过从原始图像中减去相应的值来消除太阳耀光。Hedley等人通过选取遥感影像上大量像元,通过建立近红外波段与每个可见波段之间的线性关系,从而进行太阳耀光校正。

本研究基于在760nm处的遥感反射光谱中,如果不包含太阳耀光,则不存在光谱特征;和在760nm处的氧气吸收特征与该像元中的太阳耀光量成正比两个假设进行耀光校正。

氧气的吸收特征可以通过以下公式进行计算:

假设深水区没有太阳耀光的D值接近零,而具有最高D值(来自深水区域)的像元主要受太阳耀光影响。令所有负的D值(由噪声或水底信号所引起)等于零,并将结果除以最大D值,得到归一化的耀光分布图像Dnorm(x,y)。

通过从D接近零的最暗深水光谱中减去具有最高D值的深水光谱,得到耀光光谱G(λ)。通过从原始图像中减去耀光像元光谱的G(λ)和相对耀光强度分布图像Dnorm(x, y)的乘积来去除太阳耀光。
研究结果

图1 (A)真彩色影像;(B)采用Hochberg等人算法太阳耀光校正后影像;(C)使用Hedley等人算法太阳耀光校正后影像;(D)本研究提出的太阳耀光校正算法校正后影像。

从目视对比来看,所有三种太阳耀光校正算法对耀光影像均有不同程度的改善。

图2 三种不同的太阳耀光校正算法校正后的AISA影像反射光谱(样点选自2米水深处)

图2中所显示的光谱选自水深约2米区域的样点,该区域可以看到整个水底,因此近红外波段存在非零的离水反射信号。通过对比该样点的光谱图像可以得到,本研究提出的算法与Hedley等人提出的算法校正结果相似,而Hochberg等人的算法则存在明显的过度校正。

图3 三种不同的太阳耀光校正算法校正后的AISA影像反射光谱(样点选自15cm水深处)

图4 三种不同的太阳耀光校正算法校正后的AISA影像反射光谱(样点水深约50cm,存在浮叶植被)

在较浅的水域,三种不同算法获得的反射值之间存在较大的差异。图3说明了在水深约为15cm处区域的样点经过太阳耀光校正后的光谱图像。该区域水底覆盖有相对明亮的鹅卵石并带有一些绿藻。图4则是取自存在浮叶植被的区域。结果表明,Hedley等人和Hochberg等人的算法在上述两种水域的情况下都会存在过度校正,而本研究所提出的新的校正算法在这两种水域没有存在低估。

图5 三种不同太阳耀光校正算法的相对耀光强度分布。(A)本研究提出的新的校正算法校正后的Dnorm影像;(B) Hochberg等人算法生成的Dnorm影像;(C) Hedley等人算法校正后在819 nm处的影像;(D)由Hedley等人算法校正后在719 nm处的影像

图5显示了各种太阳耀光校正算法的相对耀光强度分布,白色区域为意味着更重的太阳耀光。如图5A和B所示,Hochberg等人的算法将图像中央小岛周围的浅水像元视为太阳耀光,而本研究提出的新的校正算法则不受水深的干扰。Hedley等人的算法不能产生类似于其他两种算法的耀光分布图像,而展示其在719和819nm处校正后的影像。在图5C和D中,明亮的区域比图5B更加广泛。然而,这并不意味着Hochberg等人的算法在浅水中的表现优于Hedley等人的算法。图5B和D中显示不同的参数,图5D中小岛周围的明亮区域表明存在过度校正,但可能很小。图5B中小岛周围的明亮区域表明存在严重的过度校正。

图6 浅水(25cm)且水底为沙质情况下的离水辐照度

图7 浅水(25cm)且水底为沙质情况下上行辐照度

本研究使用Hydrolight 5.0模型对不同水体光学特性和观测几何进行了模拟。图6和图7分别是在具有沙质水底的浅水(25cm)中,不同太阳天顶角下的离水辐照度(Lw)和上行辐照度(Lu)光谱图。从图6中可以看出,氧气吸收特征存在于离水辐照度光谱中,但该特征在大多数太阳天顶角下保持不变。上行辐照度光谱在太阳天顶角超过60°时,由于耀光影像而显著增加(图7),760 nm处的氧气吸收特征也随着更强的耀光影响而变得更强。

图8 离水辐照度(Lw)和上行辐照度(Lu)光谱中氧气吸收特征

图8说明了离水辐照度和上行辐照度光谱中氧气吸收特征的差异。在不同太阳天顶角下,离水辐照度光谱中吸收特征基本保持不变,而在太阳天顶角较大有更强太阳耀光时,上行辐照度迅速增加。

图9 三种不同算法去除白帽闪烁后的反射光谱

水面上存在的白帽现象会对使用单一近红外(NIR)波段回对太阳耀光校正进行一定程度的干扰。但本文所提出的新的太阳耀光校正算法并不会受到白帽的影响(图9)。
总结讨论

目前太阳耀光校正算法在光学浅水区域等复杂水域大都存在过度校正的情况,而本文提出了新的太阳耀光校正算法不仅可以在光学浅水区域等复杂水域具有良好的正效果外,还可以不受白帽的影响,充分弥补先前算法的不足。

✎ 编者注

以上总结仅代表个人对论文的理解,仅供研究参考所用,不用于商业用途。若上述理解内容有误,请以论文原文为主。未经同意,禁止转载。


原文链接 ↓
https://doi.org/10.1016/j.rse.2009.06.016

点击左下方 “阅读原文” 可下载论文原文。



团队介绍

湖泊遥感与智慧流域创新团队,主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作,并在流域尺度开展大数据智慧管理平台研究,保障湖泊水质安全。团队拥有博士和硕士导师4人(段洪涛,罗菊花,刘东,谭振宇),可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学(国科大南京学院联合培养)等招收博、硕士研究生,欢迎报考!同时,长期招收联合培养研究生,欢迎咨询!

联系人:段洪涛研究员,htduan@niglas.ac.cn

点击下方链接直接关注我们

科学前沿丨文献总结 | Geophysical Research Letters:利用卫星手段量化洪水造成的河流地貌效应研究
科学前沿丨文献总结 | SCI TOTAL ENVIRON:基于机器学习的多维河流水质遥感反演模型研究
科学前沿丨文献总结 | SCI TOTAL ENVIRON:泥沙类型和底层特性引起的光谱变化对浅水河流悬沙遥感的影响
科学前沿丨文献总结 | SCI TOTAL ENVIRON:鄱阳湖不同尺度缓冲区土地利用对水质影响研究
团队成果 | JAG:基于摄像头RGB图像的蓝藻水华动态实时监测算法研究
团队成果 | 湖泊草藻不同群落遥感自动识别算法研究取得进展
团队动态 | 段洪涛研究员连续4年入选全球前2%科学家榜单
团队动态段洪涛研究员再次入选全球前2%顶尖科学家榜单

湖泊遥感与智慧流域
围绕“湖泊遥感与智慧流域”方向,介绍学科方向前沿,分享团队研究成果和动态,提供论文下载和数据共享等服务。版权所有 @ NN TEAM联合创新团队(NIGLAS & NWU Innovation Team)
 最新文章