A. 遙感信息提取方法
一、ASTER遙感信息提取方法
（一）圖像預處理
本次研究所採用的ASTER數據產品等級是1B和3A01，數據已進行了感測器相關系數輻射校正。在進行幾何精校正過程中，校正控制點主要源於研究區於20世紀70年代完成的1∶100000地形圖，地形圖的精度不高，因此控制點的總平均誤差控制在2個像元內。
依據《ASTER礦物指數處理手冊》的數據處理程序進行暗像元糾正，以消除大氣散射對圖像的影響。依據直方圖找出各波段最小值的像元，像元的每個波段最小值代表或近似於大氣輻射的影響，減去最小值的像元即可。ASTER圖像經過暗像元處理後相當於進行了一次背景值濾波，使短波紅外區間的特徵更加明顯，有利於提取礦物指數，從而提取岩礦信息。
由於研究區下墊面影響因子復雜，必須要消除雲、雪和植被等下墊面復雜因素對基岩信息的干擾，掩膜圖像處理技術可以有效地扣除這些干擾信息。具體處理過程為：首先，在植被、雲及雪覆蓋的原始圖像上提取植被NDVI指數，製作NDVI指數圖像，然後做植被0-1掩膜，再進行雲和雪0-1掩膜，最後將植被掩膜與雲、雪掩膜圖像疊加，在此基礎上進行有用信息的進一步處理，製作掩膜圖像。掩膜圖像的效用有兩個方面，一是壓縮圖像處理樣本的統計空間，使有用的信息相對得到增強，二是排除干擾信息可能引起的假異常。
（二）岩石與礦物信息提取方法
可見光-近紅外波段區域對赤鐵礦、針鐵礦和黃鉀鐵礬等鐵氧化物敏感，而短波紅外波段可以探測粘土和層狀硅酸岩礦物的特徵吸收，實現更為詳細的礦物岩石識別。在熱紅外譜域，8～14μm是最佳大氣窗口，由於硅酸鹽岩在熱紅外區間隨著SiO2含量的減少，岩石寬緩的吸收帶向長波段方向系統位移，從而能夠探測SinOk、SO4、CO3、PO4等原子基團基頻振動及其微小變化，很容易識別硅酸鹽、硫酸鹽、碳酸鹽、氧化物、氫氧化物等礦物，使困擾遙感地質的岩石識別成為可能，大大拓寬了遙感岩礦識別的廣度與深度，從而彌補連續波段高光譜在熱紅外譜域的不足，使ASTER遙感技術成為岩礦識別的重要補充手段。
本次試驗採用的主要信息提取方法包括基於掩膜圖像的主成分分析、礦物指數和光譜角度填圖方法等。
對於所有ASTER數據，常規圖像均採用通道7、3、1（紅、綠、藍）假彩色合成，這種合成方案盡管植被的信息比較突出，但有利於後續使用者對照其他信息的圖件判別地質體的色調異常與來源於植被的干擾異常。在該類圖像中通常的規律是藍色調大多為碳酸鹽，紫色調的地質體二價鐵含量相對較高。主成分圖像通常採用4～9波段的主成分分析，依照試驗結果，選用不同的主成分，其中3、4、5等弱信息的主成分使用較多。
1.主成分分析
主成分分析是遙感地質最有效和最常用的圖像信息提取方法之一，它是將原始的遙感數據集變換成非常小且易於解譯的不相關變數，這些變數含有原始數據中大部分信息，通過正交變換去除多波段圖像中的相關信息，使新的組分圖像之間互不相關，各自包含不同的地物信息，這是一種重要的圖像增強方法。
在本次研究中，應用預處理後的掩膜圖像進行主成分分析，通過將原始圖像進行主成分變換，得到SWIR系統4到9波段的5個主成分的影像，將其中的PC3、PC4、PC5主成分分別置於綠、紅、藍影像層，生成主成分合成影像，並將該影像與高空間解析度的VNIR段影像進行融合，生成新的主成分彩色合成影像。與傳統的彩紅外合成影像相比，主成分合成影像色差可以識別更細微的岩性差別。
從圖9-6不難看出，對掩膜前後的圖像均採用相同的主成分組合方案，但掩膜後的主成分圖像細節更加突出，中三疊統鬧倉堅溝組（T2n）板岩（藍色調條帶）被突出了。
2.礦物指數法
ETM數據只能提供一些鐵錳成分異常和羥基蝕變礦物異常等一些籠統的信息，而ASTER的波段劃分更精細，能夠提供更為明確的礦物信息。常見礦物的特徵吸收帶集中在2～2.3μm之間（圖9-1），即在ASTER的5～9波段之間，而ASTER的第4波段盡管沒有特徵吸收存在，但它是地質體反射率統計差異最大的遙感窗口。目前，國際上流行的各類礦物指數方法很多，它們主要是基於上述這些礦物特徵吸收帶的波長位置及其與ASTER波段設置的關系，通過簡單的各類比值運算得來，如《ASTER礦物指數處理手冊》所收集的澳大利亞科工組織（CSIRO）和美國地質調查局等機構經常使用的一些礦物指數（圖9-7）。
圖9-6 溫泉水庫地區ASTER掩膜主成分分析圖像
（短波紅外4～9波段的4、3、5主成分合成圖像）
波段比值是一種經常被用來提取波譜信息的有效手段。根據代數運算的原理，當波段間差值相近但斜率不同時，反射波段與吸收波段的比值處理可增強各種岩性之間的波譜差異，抑制地形的影響，並顯示出動態的范圍。波段比值通常是在對大氣路徑輻射或由多光譜感測器產生的疊加偏移進行初步校正的基礎上，由兩個波段對應像元的亮度值之比或幾個波段組合的對應像元亮度值之比獲得。通常是選擇特定目標的最小或最大反射或輻射波段作為比值波段。一種地物在兩個波段上波譜輻射量的差別，常被稱為波譜曲線的坡度。不同地物在同一波段上坡度有大有小，有正有負。比值法就是增強不同地物以及岩石間的這種微小差別。因而，以岩礦的特徵光譜為基礎，選用適當的波段比值進行彩色合成，可增強岩性和蝕變帶信息，便於提取蝕變信息。
我們選取了20個各類礦物比值進行試驗應用，在圖像處理軟體中進行流程式的批量處理，再依據具體地質背景和圖像質量進行篩選，獲得了較好的應用效果。尤其對粘土類礦物的蝕變和層狀硅酸鹽礦物的岩性識別非常有效，對巴顏喀拉山群淺變質岩岩性劃分具有良好的應用效果。
所採用的各類遙感礦物指數擇要描述如下：
（1）波段12/波段13比值：基性度指數（BDI）。由澳大利亞科工組織Bierwith提出，BDI與岩石中的二氧化硅含量有很好的負相關，高亮度為基性成分高的地質體，低亮度為酸性地質體，可以很好反映地質體的基性程度。在東大灘銅礦區花崗岩體外接觸帶及前寒武紀變質岩區，BDI顯示出很好的異常及其與銅礦之間的關系。
（2）波段14/波段12比值：富石英岩類異常。異常效果良好，是硅化蝕變的重要依據。在昆侖山巴顏喀拉山群地層和溫泉水庫西部的下二疊統中普遍存在該指數的異常，表明均為一套高硅質的淺變質岩系。在卡巴紐爾多南部，沙地表現為高二氧化硅含量的正異常。此外，高山冰緣區土壤濕度存在垂直分帶現象，同樣會引起基性度指數或二氧化硅指數的假異常，這種異常往往沿等高線分布。
（3）波段13/波段14比值：碳酸鹽岩異常。該比值由於熱紅外14通道的雜訊較大，應用效果並不理想，僅在溫泉水庫和昆侖山一帶有較好的顯示。
（4）波段4/波段5比值：鐵礬土異常。Bierwith定義為鐵礬土，而Volesky定義為硅酸鹽蝕變。高濃度異常的大面積分布通常具有重要的找礦指示意義。
圖9-7 《ASTER礦物指數處理手冊》中常用礦物指數匯總
（5）波段5/波段3+波段1/波段2比值：二價鐵異常。該比值需要謹慎對待，尤其在高山區，雪在1波段的高反射常常引起假異常，需要結合常規合成圖像具體分析。
（6）波段4/波段2比值：鐵帽異常。試驗區圖像效果較差，尚未發現有意義的異常，但由於鐵帽在找礦中的重要意義，以及其負異常的突出特徵，保留這一指數是必要的。
（7）波段7/波段5比值：高嶺土礦物異常，該比值不確定性較強。溝谷中條帶狀分布的異常可能與表生作用下的風化高嶺土有關，大面積的團塊狀異常才具有內生蝕變礦物的意義。
（8）（波段4+波段6）/波段5比值：明礬石和高嶺土指數。在納赤台萬保溝群中大面積出現這種異常，但實地考察屬硅化大理岩異常。
（9）波段7/波段6比值：白雲母異常。白雲母在2.2μm附近的特徵吸收（ASTER第6波段）較強，實踐證明該指數較為敏感，對板岩類有良好的識別能力。
（10）（波段5×波段7）/（波段6×波段6）比值：粘土礦物蝕變異常。具有明確的找礦指示意義，在水泥廠東北部存在這種異常。
（11）（波段7+波段9）/波段8比值：碳酸鹽-綠泥石-綠簾石組合異常。主要分布在1∶5萬水泥廠幅東北部和溫泉水庫西部。可以與波段13/波段14比值圖像碳酸鹽異常對比，進一步區分碳酸鹽異常和綠泥石-綠簾石異常。
（12）波段5/波段6比值：多硅雲母異常。
（13）（波段5+波段7）/波段6比值：絹雲母-白雲母-伊利石組合異常。該組礦物高濃度異常具有明確的找礦指示意義，但大面積異常通常意味著變質岩區的片岩，如內蒙古狼山地區的大面積異常與該地區偉晶岩化、雲母片岩、板岩等區域變質或侵入接觸變質作用有關。在東昆侖試驗區也具有很好的效果，昆侖山巴顏喀拉山群和溫泉水庫西部的下二疊統均有大面積的該類礦物異常。
必須指出的是，實際信息提取過程中，白雲母和高嶺土異常經常在空間上相伴生，在昆侖山和1∶250000填圖區北部出現這種情況，很有可能僅僅是一種異常。在變質岩區有可能僅僅是白雲母，而非高嶺土。從圖9-1不難看出，高嶺石和白雲母的特徵吸收帶都出現在ASTER的第6通道，波長位置的細微差別有可能是ASTER礦物指數方法容易產生混淆的原因。在1∶50000填圖區東北部的異常也同樣出現類似狀況，綠簾石、綠泥石、角閃石和碳酸鹽均出現異常。實際上這種異常均出現在第8通道附近，這幾種礦物均存在較強的吸收帶。這種情況可能僅僅是碳酸鹽，但它們與典型的碳酸鹽（731為藍色調）又有明顯的區別。
盡管如此，礦物指數方法在實際應用中也存在一些問題，從典型礦物曲線和ASTER波段的對比中不難看出有可能出現幾種易混淆的礦物組：如高嶺土-白雲母和方解石-白雲石-綠簾石-綠泥石-角閃石等礦物組。因此，集中在第6和第8通道的異常僅僅說明具有顯著的某種礦物類的異常，而不能明確說明是何種礦物。在復雜條件下只能明確礦物類，可以在此基礎上進行野外驗證，從而確定礦物種類。
在熱紅外區間，岩石的二氧化硅含量與Si-O2振動強吸收帶的波長位置呈現反比的系統位移規律，這是ASTER識別硅酸鹽岩的基本依據。此外，碳酸鹽岩在ASTER的14波段的強吸收也是識別該岩類的基本依據，但14通道紅外輻射能量最弱，雜訊大，應用效果不理想。
3.光譜角度填圖方法
光譜角度填圖方法（SAM）是Boardman開發的一種演算法程序，一般用於超光譜圖像的監督分類。該方法給出一系列光譜記錄來逐一定義每個岩石類型，將每個像元看作n維圖像資料庫空間的一個向量，並計算與光譜資料庫中光譜數據記錄（參考光譜）之間的向量夾角。像元光譜與光譜記錄（參考光譜）的光譜角度相匹配，即可分類為該類岩石。SAM方法的優越性在於只考慮像元光譜與參考光譜的相似性，不考慮像元相對亮度的影響，這在一定程度上改善了陰影，或者土壤濕度的干擾，因為角度的匹配不考慮向量模的大小。
該方法應用的條件是圖像數據必須進行反射率反演，使像元的「視反射率」能夠與光譜資料庫中的參考光譜進行匹配。但實際應用中，由於大氣條件和圖像質量等各方面的原因，較難完成反射率反演這道科學程序，從而限制了該方法的實際應用。因為ASTER的數據質量不理想，參考光譜選用的是典型的像元光譜。
光譜角度填圖方法試驗區選在納赤台北部的東昆中斷裂帶附近的花崗岩內外接觸帶（圖9-8）。試驗中選取的典型岩類有5個，構成參考光譜資料庫。提取的像元光譜是1～9波段，依照這組波段曲線，它們的光譜角度最大差異的區間分布在4～9波段的近紅外-短波紅外譜段，因此將其作為SAM處理的6維向量空間，角度匹配的閾值為5度。從結果中能夠看出，SAM方法不僅可以克服花崗岩中不同亮度值對分類的影響，能夠進行陰影中的分類，而且能夠區分常規合成圖像中容易混淆的 白雲石（藍色）和高嶺土（黃色）。但萬保溝群中的部分岩性段被歸入花崗岩體（紅色），說明該方法還不能區分「同譜異質」的地質體。
圖9-8 納赤台北部ASTER數據4～9通道光譜角度填圖
上圖—光譜角度填圖結果；中圖—ASTER7、3、1常規合成圖像；下圖—基於像元的分類參考光譜
說明：橫軸為ASTER1-9波段；縱軸為像元視反射率。
二、IRS-P6遙感礦物指數試驗
IRS-P6在地質上的應用國內外少有報道，主要原因是它波段分布有限，尤其缺少短波紅外區間的設置，因此缺乏對羥基類地質體信息的識別能力（表9-7），但它的地面解析度高於ETM，在ETM數據缺乏或者質量不佳的情況下也不失為一種可以替代的數據資源。本次試驗也對其在地質填圖中的應用效果進行了比值指數的初步應用。
表9-7 IRS-P6和ETM的波段設置對比
在可見和近紅外區間，鐵的特徵吸收佔光譜的主導因素。依據常見鐵氧化礦物的吸收特徵，針對0.9μm附近三價鐵的寬緩吸收帶，波段2和波段3良好地反映了該處的吸收特徵。因此選用CH2/CH3作為三價鐵氧化礦物的指數。如果沒有鐵氧化礦物存在，吸收帶就不存在，這個比值將會是很低的。所使用幾個比值指數如下：三價鐵氧化礦物CH2/CH3；二價鐵或暗色岩系CH1/CH4平的特徵；碳酸鹽岩CH1/CH2，依據碳酸鹽岩一般缺乏鐵礦物，缺少鐵族礦物在近紫外區間很強的電子躍遷引起的吸收。
但在卡巴紐爾多南部局部地區，採用了4/3.2/3和1/2幾種比值組合，完全是針對該區廣泛分布的砂板岩，依據試驗效果的一種選擇。
IRS-P6的應用效果不如ETM，但應用上述比值合成的假彩色圖像在解譯應用中也能夠與ETM圖像取長補短。如溫泉水庫西部，IRS-P6有更加概括的岩性信息，而ETM由於短波紅外信息的加入，圖斑細碎，不宜於解譯成圖。
三、Hyperion遙感信息提取方法
由於高光譜遙感具有多個波段和高光譜解析度的特點，高光譜的窄波段可以有效地區別礦物的吸收特徵，利用各種礦物和岩石在電磁波譜上顯示的診斷性光譜特徵可以識別礦物，使礦物識別和區域地質制圖成為高光譜技術主要的應用領域之一。
為了實現研究區內岩礦高光譜遙感的識別和分類，並考慮到研究區復雜的地質、地貌、氣候和地表覆蓋等特點對所採用的遙感圖像的影響，在高光譜岩礦填圖中採用地面光譜和圖像光譜相結合的處理分析方法。
（一）岩石光譜測量
為了最大限度地滿足光譜測量精度的要求，在本次野外光譜測量中所採用的儀器為美國ASD公司的最新產品FieldSpec FR便捷式地物波譜儀（圖9-9），該儀器主要參數見表9-8。此儀器不僅具有攜帶方便、速度快、高信噪比、高可靠性、高重復性、操作簡單和軟體包功能強勁等特點，而且還可以進行實時測量和觀察輻射、輻射度、CIE顏色、反射和透射。
圖9-9 野外光譜採集
數據採集軟體採用的是美國ASD公司的FieldSpec FR數據採集分析軟體包，該軟體具有速度快、實時測量、操作界面簡單、靈敏度高和功能強大等優點，另外它所獲取的數據可以直接被ENVI軟體讀取，極大地促進了後期數據處理進程。
由於研究區域特殊地理位置和復雜的氣候條件，而且氣候多變，考慮到諸多不利因素對光譜採集質量的影響，我們於2008年7月進行了野外光譜數據採集，此時該地區的大氣、空氣濕度、風、光照和雲層覆蓋等條件適宜於野外光譜數據採集，而且採集到的數據和選用的遙感圖像數據時間匹配性好，滿足研究精度要求和填圖需要。
為了最大限度地滿足高光譜遙感礦物填圖的要求，採用了野外和室內測量相結合的測量方法。另外，在研究區域內還選擇了多個具有代表性的開闊地帶作為平場並進行了多次重復測量。
野外完成了包含花崗岩、變質岩、流紋岩、千枚岩、大理岩、板岩、頁岩、鐵礦石、銅礦石、金礦石、鉛礦石、鋅礦石等多達100多種不同類型以及同種類型不同狀態（如岩礦石的風化面、新鮮面等）的岩礦石的光譜數據室內和野外採集工作，並且經過系統編號整理建立了各種岩礦石與其光譜數據的對應表（圖9-10），為圖像解譯和填圖工作提供了較為完備的基礎數據。
表9-8 FieldSpec FR便捷式地物波譜儀相關參數
圖9-10 野外實測光譜資料庫
（二）礦物光譜測量
採用南京地質調查中心研發的BJKF-III型攜帶型近紅外礦物分析儀，對礦化樣品進行光譜曲線測量，得到典型蝕變礦物光譜曲線，其礦物包括方解石（圖9-11a）、高嶺石（圖9-11b）、綠泥石（圖9-11c）和孔雀石（圖9-11d）等。黃銅礦為銅的硫化物礦石，具有不透明礦物的典型特徵，遙感較難識別，而孔雀石存在二價銅離子引起的特徵吸收帶。
圖9-11 東大灘銅礦典型礦物光譜曲線圖
通過駝路溝鈷金礦床野外調查取樣，利用攜帶型近紅外礦物光譜儀對樣品進行光譜測量，進一步驗證了遙感圖像提取孔雀石和黃鉀鐵礬等礦物信息（圖9-12）。同時，在駝路溝礦區斷裂帶內還檢測出遙感圖像未能解譯出的石膏等礦物（圖9-12d）。
（三）數據預處理
Hyperion高光譜數據經過斑點去除、回波糾正、背景去除、輻射糾正、壞像元恢復以及圖像質量檢查等一系列處理過程，用戶拿到的數據應該不再有壞像元或條紋，但實際上卻仍然存在，在進行圖像應用之前，必須對圖像進行預處理，糾正不正常的像元。預處理主要包括去除未定標及受水汽影響的波段、絕對輻射值轉換、壞線修復及誤差條帶的去除、反射率定標和大氣校正等。
1.去除未定標及受水汽影響的波段
Hyperion數據的242個波段中，經過輻射定標的獨立波段實際上只有196個，但有些波段受水汽影響非常嚴重，無法應用，經去除處理後只有158個波段可用（表9-9）。
2.絕對輻射值轉換
Hyperion的L1產品數據集以有符號的整型數據記錄，數值范圍為-32767～+32767。但實際上地物的輻射值非常小，產品生成時對VNIR和SWIR波段都採用了擴大因子，系數分別為40和80。因此，需要把圖像的亮度值轉換為絕對輻射值，將VNIR和SWIR波段分別除以40和80，生成絕對輻射值圖像。
圖9-12 駝路溝鈷金礦典型礦物光譜曲線圖
表9-9 剔除和保留的波段
3.壞線修復及誤差條帶的去除
由於Hyperion感測器的個別通道存在壞的探測元，致使圖像存在著不正常數據，DN值為零或者非常小的稱為死像素列，即壞線。對壞線用相鄰行或列的平均值進行修復，壞線修復前與修復後效果見圖9-13。
Hyperion光譜儀採用推掃式的對地觀測方式，所以系統中CCD的排列方式垂直於航跡方向。由於不同行中的感測器對光譜響應值不同，在光譜入射時會導致在每個譜段上出現豎條紋，即列向條帶雜訊。條紋嚴重影響圖像的質量及實際應用，應用時需要對條紋雜訊進行去除處理。
本項目採用ENVI軟體中的傅里葉變換及聯合概率濾波平滑方法去除影像的條紋雜訊，並用MNF進行效果評價。修復效果見圖9-14。
圖9-13 VNIR第56波段壞線修復前後圖像
圖9-14 垂直條紋去除前後圖像對比
4.反射率定標
高光譜遙感數據定標的首要任務就是對成像光譜儀定標，將遙感器探測到的數據變換為絕對亮度或與地表反射率、表面溫度等物理量有關的相對值的處理過程。通過原始圖像提取的波譜曲線為太陽輻射與大氣輻射共同作用的結果，這些波譜剖面曲線都是相似的，表示的是輻射亮度曲線，而不是反射率波譜曲線。因此，需要將輻射亮度曲線轉換為反射率波譜曲線，以消除大氣吸收、散射、地形起伏及感測器本身誤差所帶來的各種失真對數據的影響，恢復地物光譜數據的原貌。將影像的輻射亮度值轉換成表觀反射率的過程，稱為反射率定標或地物光譜重建。
主要校正定標的方法有平場域定標、內部平均相對反射率定標以及經驗線性定標。本次研究針對星載高光譜數據，主要採用了基於大氣輻射傳輸理論的FLAASH定標模型，並進了分析總結，得到了比較好的應用效果。
5.大氣校正
遙感衛星感測器接收到的目標物反射及發射能量輻射在傳輸過程中需要通過大氣層，使高光譜遙感影像記錄的是包含地面反射光譜信息和大氣輻射傳輸效應引起的地面反射輻照度變化等綜合信息。大氣校正的目的是消除大氣和光照等因素對地物反射的影響，獲得地表的真實物理模型參數，如地物反射率、輻射率和地表溫度等。圖像是否需要進行大氣校正，主要取決於圖像的質量及用途。對於空間分布均勻的影像，如果只是用單時像的數據分類，由於大氣對分類的影響是一致的，就沒有必要進行大氣校正。對於空間分布不均勻的影像，如有些區域有霧或者下雨等現象，就有必要糾正大氣的影響。因此，將表示反射率亮度的原始遙感影像DN值數據轉換為反射率數據，對正確利用遙感數據進行定量分析及信息提取十分關鍵。由於本次研究利用實測地物光譜與美國USGS光譜庫標准光譜相結合的方法進行識別分類，所以需要進行大氣校正。
目前，基於大氣輻射傳輸理論的輻射校正模型主要包括：5S、6S、ATREM、MODTRAN、ACORN和FLAASH等。針對Hyperion高光譜數據的特點，本項目主要利用ENVI軟體中的FLAASH模塊進行大氣校正處理。
為了驗證FLAASH大氣校正的效果，分別使用了校正前後的雪、岩石及水體的混合波譜曲線進行對比見圖9-15，並採用野外實測波譜曲線與校正後的圖像的波譜曲線進行對比，總的效果較好。
圖9-15 大氣校正前後雪、岩石和水體的波譜曲線對比
6.幾何糾正
圖像預處理的最後一步工作為圖像的幾何糾正。本研究採用了1∶100000納赤台幅地形圖，應用二次多項式和雙線性內插重采樣方法，共選取了117個控制點，對高光譜數據進行了幾何精度校正。
（四）圖像鑲嵌與裁剪
本項目共定購東大灘地區5景Hyperion數據，其中KL2與KL3景在夏天獲取，KL4-KL6在冬天獲取，所以地物色調相差較大，進行鑲嵌時必須進行調色處理。由於Hyperion數據覆蓋面積寬7.7km，長85km，南北向覆蓋區域較長，應用時需做剪裁處理。經過鑲嵌與剪裁之後數據的覆蓋范圍見圖9-5。
（五）信息提取
經過去除未定標和受水汽影響的波段、進行絕對輻射值轉換、壞線及條紋修復、smile效應去除、大氣校正和幾何精度校正等過程，得到反射率數據。利用波譜分析工具Spectral Analyst進行波譜分析鑒別礦物，選擇美國地質調查局波譜庫，該庫包括近500種礦物波譜，波長范圍0.4～2.5μm。本次岩礦蝕變信息提取主要應用USGS波譜庫作為端元波譜，結合野外實測光譜曲線，應用純凈像原指數法（PPI）作為輔助方法提取端元波譜，最後利用光譜角（SAM）填圖法和波譜特徵擬合法（SFF）成圖。
本項目各類遙感圖像覆蓋面積達18850km2。除受風成黃土、植被、雪被、草甸土、陰影以及冰緣凍融作用所產生的碎屑坡積物等因素干擾不能有效提取信息外，其他地區均提取出大量岩石、構造和礦化蝕變信息。野外驗證表明，不同的遙感數據均可有效地提取地質信息，但是適用范圍和提取信息量存在差別。本項目選擇溫泉水庫地區和玉珠峰巴顏喀拉山群分布區進行ASTER遙感岩性填圖與納赤台地區Hyperion高光譜礦物填圖試驗，評價國內目前尚未普及、但極具應用前景的ASTER和Hyperion等遙感信息在岩性與礦物填圖中的應用潛力。
B. 為什麼一景影像不用進行大氣校正
摘要 即使遙感系統工作正常，獲取的數據仍然帶有輻射誤差。兩種最重要的環境衰減是1)由大氣散射和吸收引起的大氣衰減；2）地形衰減。然而，在所有的遙感應用中都進行大氣校正可能沒有必要。是否進行大氣校正，取決於問題本身、可以得到的遙感數據的類型的歷史與當前實測大氣信息的數據和遙感數據中提取生物物理信息所要求的精度。
C. 反射率反演
遙感器接收目標輻射或反射的電磁波所形成的遙感原始圖像與目標相比是失真的，這是因為在太陽-大氣-目標-大氣-遙感器的光線傳播路徑中，許多因素的影響造成接收的信號不能准確的反映地表物理特徵。這些因素歸結為以下幾個方面：
1）大氣內容物的影響。大氣主要由大氣分子和氣溶膠組成，這兩者的影響行為是不相同的。大氣分子瑞利散射、氣溶膠的Mie散射；大氣分子與氣溶膠的吸收及兩者的耦合作用。一方面，大氣的吸收導致消光，減少了輻射量，降低了圖像對比度，使圖像變得暗淡；另一方面，大氣散射導致的程輻射，增加了輻射量；
圖5.16 系統級幾何校正效果（660nm波段）
2）表面因素的貢獻。在一般的應用中，為了簡化計算，假定地表為朗伯體，反射與方向無關。事實上任何物體表面在物理特性與物質結構上都不是理想朗伯體，因此認為地面是朗伯體會帶來誤差，而當地表方向反射特性突出時，假設地面是朗伯體的大氣糾正方法精度受到限制。另一個因素是，由於大氣散射的存在，鄰近像元的反射光也會進入目標視場從而影響輻射量，即交叉輻射。
3）地形因素的影響。目標高度與坡向會對輻射造成影響。
4）太陽輻射光譜的影響。太陽本身是一個黑體，其光譜輻射按照普朗克定律有一定的形狀，這個因素在反射率反演中需要予以考慮。
由以上可知，大氣對光學遙感的影響是十分復雜的。為此，學者們嘗試著提出不同的大氣糾正模型來模擬大氣的影響。但是對於任一幅圖像，其對應的大氣數據幾乎是永遠變化的，且難以獲得，因而應用完整的模型糾正每個像元是不可能的。最早的大氣糾正方法是從圖像本身來估計大氣參數，反復運用大氣模擬模型進行糾正。結合地面實況數據進行大氣校正是另一種方法，其包括兩種類型：一種是通過地面測定大氣參數（如可見光近紅外的氣溶膠的密度及紅外區域的水汽濃度），再結合輻射傳輸方程作近似求解；另一種是測得地面目標物的反射率，再與圖像數據進行比較來消除大氣的影響。地面同步測量有助於提高精度，但是卻需要人力物力，且應用區域也有限。此外還有一些大氣糾正的方法。例如在同一平台上，除了安裝獲取目標圖像的遙感器以外，也安裝上專門測量大氣參數的遙感器，利用這些數據進行大氣校正。
綜上，大氣糾正具體演算法大致可歸納為基於圖像特徵的相對校正法、基於地面的線性回歸模型法、基於大氣輻射傳輸模型法和復合模型法這四種。
基於圖像特徵的相對校正法是在沒有條件進行地面同步測量的情況下，借用統計方法進行圖像相對反射率轉換。從理論上來講，基於圖像特徵的大氣校正方法都不需要進行實際地面光譜及大氣環境參數的測量，而是直接從圖像特徵本身出發消除大氣影響，進行反射率反演，基本屬於數據歸一化的范疇。精確的大氣校正需要精確的測量大氣參數和復雜的運算，這些在許多遙感應用中，往往很難滿足。並且，在某些應用中不一定需要絕對的輻射校正。此時，這種基於圖像的相對校正就能滿足其要求。輻射校正的統計模型主要有內部平均法、平場域法、對數殘差法等。
基於地面線性回歸經驗模型法是一個比較簡便的定標演算法，國內外已多次成功地利用該模型進行遙感定標實驗。它首先假設地面目標的反射率與遙感器探測的信號之間具有線性關系，通過獲取遙感影像上特定地物的灰度值及其成像時相應的地面目標反射光譜的測量值，建立兩者之間的線性回歸方程式，在此基礎上對整幅遙感影像進行輻射校正。該方法數學和物理意義明確，計算簡單，但必須以大量野外光譜測量為前提，因此成本較高，對野外工作依賴性強，且對地面定標點的要求比較嚴格。這種方法僅適用於地面實況數據特定的地區及時間。
大氣輻射傳輸模型能夠較合理地描述大氣散射、大氣吸收、發射等過程，且能產生連續光譜，避免光譜反演的較大誤差，因而得到了最廣泛的應用。在遙感實際應用中，大氣輻射傳輸模型需要進一步簡化，如：假定大氣是水平均勻的、假定地表是朗伯體、排除雲的存在、運用各種條件下的標准大氣模式及氣溶膠模式（由於長期試驗數據積累和理論研究歸納而成）等。不同的模型的假定也是有些區別的，比如6S是地表均勻、非朗伯體的模型而5S是地表均勻、朗伯體的模型。
5.5.1 原理與方法
基於圖像特徵的相對校正法主要有內部平均法、平場域法、對數殘差法等。
（1）內部平均法
假定一幅圖像內部的地物充分混雜，整幅圖像的平均光譜基本代表了大氣影響下的太陽光譜信息。因而，把圖像DN值與整幅圖像的平均輻射光譜值的比值確定為相對反射率光譜，即
ρλ ＝ Rλ /F （5.14）
式中：Rλ為像元在該波段的輻射值；Fλ為整幅圖像的平均輻射光譜值；ρλ為該像元的相對反射率。
（2）平場域法
平場域法是選擇圖像中一塊面積大且亮度高而光譜響應曲線變化平緩的區域，利用其平均光譜輻射值來模擬飛行時大氣條件下的太陽光譜。將每個像元的DN值與該平均光譜輻射值的比值作為地表反射率，以此來消除大氣的影響。
ρλ ＝ Rλ /Fλ （5.15）
式中：Rλ為像元在該波段的輻射值；Fλ為平場域的平均輻射光譜值；ρλ為該像元的相對反射率。
利用平場域消除大氣影響並建立反射率光譜圖像有兩個重要的假設條件：一個是平場域自身的平均光譜沒有明顯的吸收特徵；另一個是平場域輻射光譜主要反映的是當時大氣條件下的太陽光譜。
平場域模型已廣泛應用於遙感數據處理中，它是在內部平均法模型基礎上發展起來的，這種模型克服了內部平均法模型易受像幅內吸收特徵影響而出現假反射峰的弱點，而且計算量更小，其不足之處在於選取光譜地理平台單元時，會引入人為的誤差，而且需要對研究區內地物光譜有一定的先驗了解，當選取具有不同反射率等級的地理平台單元時，會引出不同處理結果。當研究區位於山區或其他地形起伏較大的復雜地區時，選擇地理平台單元較為困難。
（3）對數殘差法
對數殘差法的意義是為了消除光照及地形因子的影響。按照一定的規則調節每個像元值，使其在每一個被選定的波段上的值等於整個圖幅的最大值，然後對每一個波段減去其歸一化後的平均值。假設有
DNij ＝ TiRijIj （5.16）
式中：DNij為像元i的j波段的灰度值；Ti 為像元i處表徵表面變化的地貌因子，對確定的像元所有的波段該值都相同；Rij為像元i波段j的反射率；Ij為波段j的光照因子。
由表5.2我們可以看出，以上三種方法中，只有殘差圖像法是真正意義上的輻射校正。
表5.2 高光譜基於圖像特徵的相對校正法對各種影響輻射的物理因素的補償能力的比較
除上述基於圖像特徵的相對反射率校正外，還可基於大氣輻射傳輸理論的大氣糾正模型開展反射率校正工作。
5.5.2 實例分析
（1）基於6S的反射率反演模型對CHRIS數據進行反射率反演實例
歐空局（European Space Agency，簡稱ESA）的Proba（Project for On-Board Autonomy）衛星於2001年10月發射成功，是星上自主運行技術的示範，也是新的航天（包括硬、軟體）技術的成功範例，可用於測試地球觀測和空間環境儀器性能。有效載荷包括一台緊密型高解析度高光譜成像儀（CHRIS）和一台輻射測量感測器（SREM）及岩屑探測器（DEBIE）和寬視場角地球定位相機和恆星跟蹤器及陀螺儀。
經過一年的運行Proba已經完成了它的技術示範任務，它為科學界提供了前所未有的創新性的衛星高光譜多角度CHRIS數據。CHRIS圖像提供了可見/近紅外高空間、高光譜解析度的地表反射率數據，利用Proba的定位功能，可以得到試驗區五個觀測方向上的二向反射率數據（BRDF），五個角度的觀測幾何見圖5.17。CHRIS的主要參數見表5.3：
圖5.17 CHRIS/Proba圖像獲取幾何示意
C1～C5為相應的中心時間
表5.3 CHRIS/PROBA 的主要技術參數
CHRIS有五種工作模式，其中模式3和模式5是為陸地應用設計的，模式2則應用於水體，模式4應用於葉綠素反演與監測。模式3可獲取18個波段，相應圖像空間解析度為17m，不包含水汽通道；模式5可獲取37 個波段，空間解析度為34m，包含940nm的水汽通道，可用於水汽反演。圖5.18為模式5的每個掃描行的組成。
圖5.18 CHRIS模式5每掃描行像素組成
我們在本試驗中獲取的模式5觀測天頂角為0°的數據，相應的波段信息見表5.4。
表5.4 PROBA/CHRIS 工作模式5（mode5）對應的波長信息
續表
實驗所採用CHRIS數據其他信息描述：
獲取方式：MODE5；
波段數：37 個，波長范圍 442.49～1025.30nm，包括一個水汽通道（波段 31）：中心波長945.31 nm；
空間解析度：34 m；
圖像行列數：766列× 748行；
圖像數據類型：長整型；
圖像中心點經緯度：116°52′E，40°10′N（昌平一帶）；
圖像獲取時間：2004年7月8日，3：22（UTC時間）；
衛星平台高度：596 km；
圖像物理單位：μW/（m2 ·nm·sr）；
地面平均高程：200 m。
圖像處理：
1）去壞行處理，以相鄰兩行（每側各兩行）取平均，代替壞行。
2）根據反射率反演軟體的要求，即圖像為整型數據和圖像定標後輻射單位為W/（m2 ·μm·sr）將圖像單位μW/（m2·μm·sr）轉換為W/（m2·μm·sr），從量綱上來看，前者是後者的1/1000。因此根據原圖像的數據范圍，除以10取整得到整型數據（短整型），然後將所有波段的增益均設為0.01，將得到輻射單位為W/（m2·μm·sr）的整型圖像數據。
3）啟動反射率反演軟體，設置各項參量，運行程序。程序輸入參數界面如圖5.19所示。
圖5.19 CHRIS/Proba反射率反演輸入界面
4）由於感測器自身光譜與輻射定標的精度直接制約著反射率轉換的可靠性，為了有效去除圖像數據和大氣輻射傳輸模型間存在輻射定標不匹配現象需要進行圖像反射率光譜去噪平滑。
結果表明：反演得到的反射率在498～760 nm波長區間能夠表徵植被（玉米）的反射率光譜特徵，與圖5.20（c）相比，能夠去除絕大多數的大氣吸收特徵，但在760～805nm之間的峰形與標准植被光譜差異較大，這可能與CHRIS儀器本身在760 nm附近的氧氣吸收帶的光譜定標誤差有關。在805 nm以後與被標准植被反射率曲線差異也很大，主要是近紅外的高反射率「平台」不明顯，反而呈急劇下降趨勢，940 nm附近的水汽吸收帶也沒有反映；對於土壤光譜，眾所周知，常見的土壤光譜反射率在＜1140nm波長范圍內呈現單調增加的趨勢，而圖5.20（b）中的土壤光譜反射率在900nm之後遞減，這與常識相違背，而事實上即便在土壤的野外光譜測量上940 nm的水汽吸收作用也並不明顯。究其原因可能在於兩方面：一是CHRIS儀器本身的定標精度，另一方面也與反射率反演模型的校正誤差有關。
圖5.21是將通常的統計方法IRAA和FF應用於CHRIS圖像上得到的同樣采樣點上的植被和反射率光譜，可以看到，兩種方法得到的植被反射率光譜在譜形上非常相似，FF方法得到的反射率更平滑些，但二者在以500 nm為轉折，反射率先下降後增大，這與通常的植被在藍光波長范圍的單一上升趨勢不一致，與反射率反演結果相比，沒有760 nm的凸起變形，這從另一個側面反映了基於模型的反射率反演對定標要求更為苛刻；從土壤光譜來看，兩種統計方法獲得的結果差異很大，特別是在＜750 nm波長區域，IRAA起伏變化劇烈，而FF結果總體上要平緩得多，呈平穩微小上升趨勢，這與土壤光譜反射率在＜1140 nm呈單調遞增趨勢的常識相一致，雖然平場域法的有效性與「平場區域」的選擇恰當與否直接有關，但無疑在本試驗中平場域法得出的結果最切合實際。
圖5.20 CHRIS數據反射率反演結果
圖5.21 內部平均法（IRAA）和平場域法（FF）得到的CHRIS圖像反射率光譜
圖5.22 地面實測光譜采樣到與CHRIS波長設置相一致
為比較三種方法所得地物反射率光譜與地面實測光譜間譜形上的相似性，我們收集到2004年7月6日本試驗區內的地面測量光譜，典型地物為玉米和土壤（裸土）。測量時間為北京時間11：40左右，與圖像獲取准同步，便於與圖像光譜進行比對。光譜測量採用的儀器是ASD Fieldspec FR2500光譜儀，其光譜范圍為350～2500nm，采樣間隔為1.4nm（350～1000nm 區間）和2nm（1000～2500 nm區間）。每個樣本測量10 次取平均作為最終光譜，以避免隨機雜訊干擾。圖5.22 為根據CHRIS中心波長和半高全寬（FWHM）采樣後的光譜。
計算得出它們之間的相關性（表5.5），並對可見光和近紅外分別進行比較。可以看到，對玉米光譜而言，反射率反演演算法訂正後的反射率光譜與實測光譜間的一致性最好，特別是在可見光范圍的一致性遠遠高於經驗方法；對土壤光譜而言，在可見光范圍，基於反射率反演的仍保持相似性最高，但是在近紅外波長范圍，反射率反演和IRAA都與實測光譜呈負相關，基於模型反射率反演不能很好地表徵植被在近紅外反射率「平台」（750～900nm）和900～1100nm的水汽吸收特徵，特別是平台部分相關系數為-0.43221。相比之下只有FF方法在可見-近紅外波段都保持較高的相似性。也印證了上文的分析結論。
表5.5 三種方法得到的植被反射率光譜在可見光區域的相關性（R）
為此，將反射率反演糾正結果與FF相結合，即保留760 nm之前的反射率反演光譜，將760 nm之後的FF光譜做適當平移，然後採用經驗平場反射率轉換演算法（EFFORT）對光譜做進一步平滑處理，可以得到與真實光譜更加一致的光譜：譜形的相似性和特徵位置的保持。修正後的玉米光譜見圖5.23。
（2）基於MODTRAN的反射率反演模型對Hyperion數據進行反射率反演實例
啟動基於MODTRAN的反射率反演模型，其界面如圖5.24所示。
美國航天局（National Aeronautics and Space Administration，簡稱NASA）的EO-1（Earth Observing One）衛星於2000年11月發射成功，其上搭載的Hyperion高光譜成像儀目前已獲取了大量高質量的星載高光譜數據（表5.6）。
使用如圖5.25所示慶陽地區Hyperion數據進行反射率反演，提取裸土像元反射率光譜，並將其與ASD數據進行比較，如圖5.26 所示。由圖可見，在可見近紅外波段，兩光譜在波形及量值上相近，在短波紅外波段，反射率反演結果要略低於ASD採集的數據，這主要是因為氣溶膠數據不準確造成的。反射率反演的裸土反射率光譜與 ASD 採集的裸土反射率光譜之間的光譜相關系數達到0.9342。
圖5.23 與FF 相結合修正後的玉米光譜與真實光譜比較
圖5.24 基於MODTRAN的反射率反演模型界面
圖5.25 實驗所用Hyperion數據
表5.6 Hyperion/EO-1 的主要技術參數
圖5.26 反射率反演得到的反射率與ASD反射率比較
圖5.27 敦煌實驗場Hyperion數據
使用如圖5.27所示敦煌實驗場地區的Hyperion數據進行反射率反演，提取實驗場均一像元的反射率光譜，並將其與准同步的ASD數據進行比較，如圖5.28所示。由於該ASD數據在大於1800 nm的譜段雜訊非常大，所以只比較450～1800 nm之間的譜段。兩光譜在波形及量值上相近，反射率反演的反射率光譜與ASD採集的反射率光譜之間的光譜相關系數達到0.9516。
圖5.28 反射率反演得到的反射率與ASD反射率比較
D. 我想用modis數據反映河口的羽狀流，看了一些文章，上面講到用NIR-SWIR結合的大氣校正方法，但是不知道這方
你在esri中國社區也發過這個帖子吧，看這個怪熟悉的,近紅外的短紅外在水體上的反射是不同的，分別用近紅外和短紅外波段做大氣校正，然後做一些比較
E. 衛星遙感在海岸帶環境地質調查中的應用
黃文星1，2萬榮勝1，2
（1.廣州海洋地質調查局 廣州 510760；2.國土資源部海底礦產資源重點實驗室 廣州 510760）
第一作者簡介：黃文星（1985—），碩士，助理工程師，主要從事遙感地質和構造地貌研究，Email:[email protected]。
摘要 近幾十年來，隨著沿海經濟的發展，環境問題突出，海岸帶環境地質問題得到越來越多的重視。衛星遙感以其實時、快速、高效的特點在海岸帶環境地質調查中得到廣泛應用。這些應用包括海岸帶類型劃分、岸線提取、近岸水深探測以及近岸懸浮泥沙、海表溫度（SST）鹽度（SSS）、葉綠素濃度反演等環境地質內容。本文簡要介紹這些應用的主要原理方法和不足。
關鍵詞 衛星遙感 海岸帶 環境地質調查
1 前言
海岸帶是海陸交互作用的地帶，同時也是人類生存和發展的重要區域。由於自然環境的變化和人類活動的干擾，海岸帶地區環境地質問題日益突出，主要表現為海平面上升、海水倒灌、地面沉降、海岸侵蝕、風暴、赤潮等，因此，進行海岸帶環境地質調查具有重要意義。
衛星遙感是20世紀60年代發展起來的新技術，具有宏觀、快速、動態、綜合的特點。目前已經在海岸帶地質調查中廣泛應用——近岸水域地形地貌探測、海岸類型識別、岸線變遷歷史、灘塗演變過程、島礁分布、航道變遷、海面溫度分布、海水鹽度分布、海水懸移質及葉綠素分布、海流及波浪狀況等［1］。本文主要介紹海岸帶類型劃分、岸線提取、近岸水深探測以及近岸懸浮泥沙、海表溫度（SST）鹽度（SSS）、葉綠素濃度反演等的原理方法和存在問題。
2 海岸帶類型調查
海岸帶類型是海岸帶環境地質調查的基本內容之一。不同的海岸帶類型具有不同的物質組成、形態特徵和空間分布特點，一般可以通過衛星影像中的色調、形狀、紋理、陰影，以及與相關地物的空間配置關系進行識別。
砂質海岸表層砂體干出地表時，對可見光具有很強的反射作用，一般呈亮白色；靠近水體，隨著含水量的增加，對近紅外波段的反射強度快速減弱，呈暗色調；空間配置上，砂質海岸一般地形較為開闊平坦，往往分布在砂質來源豐富、侵蝕作用相對較弱的河口和海灣附近。泥質海岸主要的物質成分為淤泥和粉砂，一般含水量較高，對近紅外波段的反射較弱，影調偏暗，多分布於封閉海灣和潮灘。基岩海岸一般位於岬角位置，多為陸上山脈向海的延伸，與海分界截然，紋理色調與岩性、地貌和覆蓋的植被有關。
實際調查發現，不同海岸類型有相互交叉的情況。以海南文昌銅鼓嶺石頭公園附近的海灣為例（圖1），該區高潮位-中潮位間，表層砂質覆蓋；中潮位-低潮位，大量的基岩礁石出露，這為海岸帶類型的定性帶來很大的困難，進一步的精細劃分對遙感影像的解析度和時相（低潮位）提出了更高的要求。
圖1 海南文昌石頭公園附近的海灣
Fig.1 A bay near by the Stone Park in Hainan Province
3 岸線提取
岸線調查也是海岸帶環境地質調查的基本內容，通過解譯多個時相的岸線，可以研究岸線的變遷演化歷史，對分析海平面升降、港口淤積、航道淤塞等具有重要作用，同時也可以為區域經濟環境規劃提供參考。
一般情況下，在遙感影像中，海水和陸地的分界線是非常明顯的，這條線我們稱之為水邊線（圖1）。水邊線是動態變化的，隨著潮水漲落，與影像的獲取時間有關。而海岸線是多年平均大潮高潮所形成的海水與陸地分界的痕跡線。
基岩海岸和人工海岸，岸線陡直，在出圖精度容許的情況下，可以直接將水邊線作為岸線。砂質海岸和泥質海岸，海岸地勢平緩，延伸寬廣，水邊線與岸線往往有較大的偏差，一般不能直接將水邊線作為岸線。這種情況下，往往採用沙灘泥灘與陸生植被的分界線作為岸線（圖1）。在大型河口和三角洲附近，岸灘開闊，地物復雜，識別與陸生植被的分界難度較大，有學者［2］提出潮汐模型的方法進行岸線識別。其基本思路是：首先，提取同一地區多個時相的遙感影像的水邊線；然後通過潮汐模型或者當地實測的驗潮數據，推算出各個時相水邊線的高程值，並以此構建研究區海岸帶的地形數據；最後依據潮汐模型或者驗潮數據推算最大高潮線的位置，即岸線。當前潮汐模型方法面臨的主要問題是海岸帶的地形資料缺乏，影像數據不多，精度檢驗困難等。
為了提高遙感影像的解譯效率，近年來，有研究者嘗試進行岸線的自動識別。識別的演算法主要有閾值法、邊緣檢測運算元法、主動輪廓模型方法、面向對象法、馬爾科夫場方法等［3］，目前岸線自動識別技術尚處於探索階段。
4 近海水深調查
傳統上水深調查多依靠聲納回聲測量，然而，海岸帶附近水深較淺，波浪潮汐作用強烈，利用船舶進行聲納水深測量難度大，遙感是一個很好的補充手段。
當前應用衛星遙感進行水深調查，主要有兩種方法：微波遙感和光學遙感。
微波對海水的穿透能力非常有限，只能達到厘米級，不能直接探測海底地形，但海流與水下地形的相互作用會使海表產生起伏（海浪），而微波遙感對海浪形態的測量具有很好的效果，也就是說，微波遙感可以通過測量海浪形態來反推海底地形。這種方法在實際應用過程中受海流和海風的方向、速度的影響較為明顯［4］，並且探測的深度有限［5］。
可見光對水體具有一定的穿透力（10～30米），假如水體足夠清澈，太陽輻射可以到達淺水區底部，並反射回感測器，感測器接收的亮度信息中包含了水深信息。當前應用光學遙感進行水深反演的方法主要有三種［6，7］：一是純理論模型，主要依據遙感水深的原理和水體光譜特性進行理論計算，這種方法的主要問題是水體光學參數難以獲取，且計算過程復雜，目前難以推廣使用；二是數學統計模型，將實測的水深數據與遙感影像的灰度值進行統計分析，擬合出方程曲線，再外推計算水深值，這種方法簡單易行，但影像灰度值與水深的相關度不能保證，計算結果往往不理想；三是半經驗半理論模型，主要通過簡化理論模型結合統計數據進行模擬計算，這種方法集合了前兩種的優點，是目前使用較多的方法。
目前，光學遙感用於水深調查，在清澈水體已經取得一定的進展，對近岸渾濁水體還處在探索階段，其關鍵的技術難題在於如何減輕懸浮物質和底質（底泥）顏色對水深反演模型的影響［6］。
5 近岸水環境調查
近年來，隨著沿海社會經濟的發展，海岸帶環境問題愈加突出，海岸帶的地質調查也相應地增加了近岸水環境調查的內容［1］，如：近海懸浮泥沙調查、海表溫度（SST）、鹽度（SSS）和葉綠素濃度等，衛星遙感在這些項目的調查中同樣發揮著重要作用。
5.1 近岸海水懸浮泥沙遙感
水體中懸沙含量的時空分布是分析河口海岸的沖淤變化、估算河流入海物質通量和研究海洋沉積速率的重要參數。因此，對海水懸浮泥沙的調查具有重要意義。
目前，應用衛星遙感進行懸浮泥沙定量反演最為常用的是經驗模式——建立野外實測數據與遙感反射率或者歸一化離水輻射率之間的關系。常見的關系式有：線性關系、對數關系、Gordon關系、負指數關系等。其主要的依據是懸沙水體的波譜反射曲線具有如下特徵：一般情況下懸沙水體的反射率，隨著懸沙濃度的增大而增大；懸沙的波譜曲線有黃光波段和近紅外波段兩個反射峰［8］，在懸沙濃度較低時，第一個峰高於第二個峰，隨著懸沙濃度的增加，第二個峰增加，並最終略高於第一個峰［9］。
然而，懸沙水體的反射不只與懸沙的濃度有關，還與懸沙的顆粒大小、種類和形狀等有關，因此，上述構建的關系模式在推廣應用中往往有很大的局限性。研究更具有可操作性和普適性的水體懸沙遙感演算法，需要有更多的標定、檢驗和發展分析模型。
5.2 近岸海水表層溫度反演
目前在全球海水表層溫度（SST）調查中常用的數據源為AVHRR和MODIS，但是由於這兩個數據的空間解析度均為千米級，不能滿足大比例尺近岸海溫調查的要求。TM和ETM+的熱紅外波段具有較高空間分辨力（分別為120米和90米），在近海的海水表層溫度調查中得到廣泛應用，並取得不錯的效果［10-13］。
利用陸地衛星做海水表層溫度反演的難點主要在於大氣校正，因為TM和ETM+數據只有一個熱紅外波段，無法通過不同波段對大氣的吸收和發射率的差異來構建大氣校正方程，而同步實測的大氣輪廓線數據和輻射傳輸模型往往也缺乏。
5.3 近岸葉綠素濃度反演
葉綠素濃度可用於估算浮游植物的生物量和生產力，同時也是反映水體營養化程度的一個重要參數［14］。在開闊大洋的一類水體中，藍綠比值法取得較好的效果，應用較為成熟，而該方法並不適用於渾濁的近岸二類水體。目前在二類水體的葉綠素濃度調查中多採用熒光法。熒光法的原理是［15］：浮游植物在波長為400～700nm的太陽光激發下，可以在683nm波段附近產生紅光輻射，輻射強度與葉綠素濃度具有很強的相關性，並且大氣輻射和海水中的黃色物質與懸浮泥沙對該輻射峰的影響較小。通過量測680nm與660nm之間的輻射量，再進行反演即可得到葉綠素的濃度。
當前，熒光法主要存在三個問題［15］：一是葉綠素產生熒光的過程復雜多變，有待於生物學和生態學方面的進一步研究；二是葉綠素發射的熒光只佔葉綠素吸收能量的5%，當葉綠素濃度較低時，感測器難以探測；三是隨著葉綠素濃度的增加，葉綠素的熒光峰將發生「紅移」，而感測器的通道是固定的，這將影響熒光峰輻射量計算時的准確度。
5.4 近岸海水表層鹽度反演
對近岸鹽度變化進行監測是我們認識河口海岸生態環境，了解其物理過程的重要手段［16］。傳統上主要採用取水樣或者使用CTD來測量海水鹽度，但是這種方法野外工作量大，且無法同步獲取大面積海水表層鹽度數據。
目前主要應用微波遙感進行海水表層鹽度的反演，其原理是：海水鹽度的變化會改變海水的介電常數，進而改變微波輻射特性，通過微波輻射計量測海面的微波發射率，即可從輻射計的亮溫中反演出海水表面層鹽度（SST）。目前常用於海表鹽度反演的電磁波是以1.413GHz為中心的寬度為20MHz的波段，該波段主要的優點是，它屬於受國際條約保護的用於無線電天文學研究的波段，不存在人為信號干擾，並且使用該波段除大雨外，幾乎可以實現全天候的觀測［17］。問題在於目前衛星搭載的感測器空間解析度極低，無法滿足近岸觀測的要求。
6 結論和討論
遙感海岸帶環境地質調查，具有高效率、低成本的特點，目前已經得到廣泛應用。在一些領域，如海岸類型調查和岸線調查都已經比較成熟。難點在於近岸水體部分，水深調查、懸沙調查、溫度鹽度和葉綠素濃度反演，這幾個方面都還處於探索階段。面臨的最重大的技術瓶頸在於感測器。遙感近岸環境地質調查對感測器提出了苛刻的「三高」要求（高空間解析度、高波譜解析度和高時間解析度）。首先，海岸帶環境地質調查以岸線以外20公里的海區和岸線以內5公里的陸區作為核心調查區。因此，高的空間解析度尤為重要，傳統的海洋水色衛星，解析度多為公里級，難以達到1：10萬和更大比例尺海岸帶調查的制圖精度要求。其次，海岸帶環境地質調查的內容復雜多樣，包含了陸地和水體，水體又涉及淺表的溫度鹽度、懸浮的泥沙以及水下的地形地貌。要滿足這些需求，必須要有足夠高的波譜解析度，才能有效地去除干擾信息，獲得准確的波譜傳導模型。最後，海岸帶是岩石圈、生物圈、水圈和大氣圈強烈交互作用的區域，同時，還是人類的集中居住區，受人類改造強烈，環境變化快速。感測器沒有高的時間解析度，便無法准確把握海岸帶環境地質變化的規律。以目前的技術而言，建立一個低軌道的小衛星群，搭載高解析度（空間解析度和波譜解析度）感測器，是最有效的解決辦法。
參考文獻
［1］夏真，林進清，鄭志昌.2005.海岸帶海洋地質環境綜合調查方法［J］.地質通報.24（6）：570-575
［2］申家雙，翟京生，郭海濤.2009.海岸線提取技術研究［J］.海洋測繪.29（6）：74-77
［3］張明，蔣雪中，張俊儒，等.2008.遙感影像海岸線特徵提取研究進展［J］.人民黃河.30（6）：7-9
［4］范開國，傅斌，黃韋艮，等.2009.淺海水下地形的SAR遙感模擬研究［J］.海洋學研究.27（2）：79-83
［5］鄭宗生.2006.RS與GIS在海洋地質調查中的應用［J］.海洋地質動態.22（1）：27-33
［6］張鷹，張東，王艷姣，等.2008.含沙水體水深遙感方法的研究［J］.海洋學報（中文版）.30（1）：51-58
［7］陶菲.2007.經泥沙遙感參數校正的輻射沙洲水深遙感模型研究［D］.南京：南京師范大學
［8］李炎，李京.1999.基於海面—遙感器光譜反射率斜率傳遞現象的懸浮泥沙遙感演算法［J］.科學通報.44（17）：1892-1897
［9］劉芳.2005.南黃海及東海北部海域懸沙的遙感研究［D］.北京：中國科學院研究生院
［10］於傑，李永振，陳丕茂，等.2009.利用Landsat TM6數據反演大亞灣海水表層溫度［J］.國土資源遙感.（3）：24-29
［11］邢前國，陳楚群，施平.2007.利用Landsat數據反演近岸海水表層溫度的大氣校正演算法［J］.海洋學報（中文版）.29（3）：23-30
［12］Suga Y，Ogawa H，Ohno K，et al.2003.Detection of surface temperature from LANDSAT-7/ETM+［J］.Advanced Space Research.32（11）：2235-2240
［13］Thomas A，Byrne D，Weatherbee R.2002.Coastal sea surface temperature variability from Landsat infrared data［J］.Remote Sensing of Environment.81（2-3）：262-272
［14］李素菊，吳倩，王學軍，等.2002.巢湖浮游植物葉綠素含量與反射光譜特徵的關系［J］.湖泊科學.14（3）：228-234
［15］邢小罡，趙冬至，劉玉光，等.2007.葉綠素a 熒光遙感研究進展［J］.遙感學報.11（1）：137-144
［16］王永紅，M L Heron，Peter Ridd.2007.航空微波遙感觀測海水表層鹽度的研究進展［J］.海洋地質與第四紀地質.27（1）：139-145
［17］楊斌利.2010.用於海洋鹽度觀測的主被動聯合遙感器［J］.空間電子技術.（2）：49-54
The application of Satellite Remote Sensing to Geo-environment in Coastal Zones
Huang Wenxing1，2Wan Rongshen1，2
（1.Guangzhou Marine Geological Survey，Guangzhou，510760；2.Key Laboratory of Marine Mineral Reasources，MLR，Guangzhou，510760）
Abstract：In recent decades，as China's coastal economic development，coastal environmental geology problems are becoming increasingly concerned.Satellite Remote Sensing has features of rapid，real-time and high efficiency，which make it widely used in the coastal geo⁃environment survey.These applications include coastal zone Type Classification，coastline extraction，water⁃depth measurement in coastal zone，suspended sediment detection，sea surface temperature（SST），sea surface salinity（SSS），chlorophyll concentration detection and other environmental geology.This paper introces the principles and shortcomings of these methods.Key words：Satellite Remote Sensing；Coastal Zones；Geo⁃environment Survey
F. 用ENVI進行大氣校正
http://www.gisjc.com/a/ENVI/2010/0502/302.html
http://www.gisjc.com/a/ENVI/2010/0413/32.html
G. 什麼情況下需要做大氣校正
這要看你用衛星數據從事哪方面的工作了，如果是地物分類或者做地圖使用那完全沒必要做大氣校正，如果你是要通過反射情況提取水體信息那就要做大氣校正，比較詳細的說明可以看網路，的landsat8數據是1級產品，只做了輻射校正，所以具體看你是用來干什麼了
H. 大氣校正
遙感器接收目標輻射或反射的電磁波所形成的遙感原始圖像與目標相比是失真的，這是因為在太陽-大氣-目標-大氣-遙感器的光線傳播路徑中，許多因素的影響造成接收的信號不能准確的反映地表物理特徵。這些因素歸結為以下幾個方面：
（1）大氣內容物的影響
大氣主要由大氣分子和氣溶膠組成，這兩者的影響行為是不相同的。大氣分子瑞利散射、氣溶膠的Mie散射；大氣分子與氣溶膠的吸收及兩者的耦合作用。一方面，大氣的吸收導致消光，減少了輻射量，降低了圖像對比度，使圖像變得暗淡；另一方面，大氣散射導致的程輻射，增加了輻射量。
（2）表面因素的貢獻
在一般的應用中，為了簡化計算，假定地表為朗伯體，反射與方向無關。事實上任何錶面在物理特性與物質結構上都不是理想朗伯體，因此認為地面是朗伯體會帶來誤差，而當地表方向反射特性突出時，假設地面是朗伯體的大氣糾正方法精度受到限制。另一個因素是由於大氣散射的存在，鄰近像元的反射光也會進入目標視場從而影響輻射量，即交叉輻射。
（3）地形因素的影響
目標高度與坡向會對輻射造成影響。
（4）太陽輻射光譜的影響
太陽本身是一個黑體，其光譜輻射按照普朗克定律有一定的形狀，這個因素在反射率反演中需要予以考慮。
由以上可知，大氣對光學遙感的影響是十分復雜的。為此，學者們嘗試著提出不同的大氣糾正模型來模擬大氣的影響。但是對於任一幅圖像，其對應的大氣數據幾乎是永遠變化的，且難以獲得，因而應用完整的模型糾正每個像元是不可能的。最早的大氣糾正方法是從圖像本身來估計大氣參數，反復運用大氣模擬模型進行糾正。結合地面實況數據進行大氣校正是另一種方法，其包括兩種類型：一種是通過地面測定大氣參數（如可見光近紅外的氣溶膠的密度及紅外區域的水汽濃度），再結合輻射傳輸方程作近似求解；另一種是測得地面目標物的反射率，再與圖像數據進行比較來消除大氣的影響。地面同步測量有助於提高精度，但是卻需要人力物力，且應用區域也有限。此外還有一些大氣糾正的方法。例如在同一平台上，除了安裝獲取目標圖像的遙感器以外，也安裝上專門測量大氣參數的遙感器，利用這些數據進行大氣校正。
3.4.1 基於影像特徵的校正模型
基於圖像特徵的相對校正法是在沒有條件進行地面同步測量的情況下，借用統計方法進行圖像相對反射率轉換。從理論上來講，基於圖像特徵的大氣校正方法都不需要進行實際地面光譜及大氣環境參數的測量，而是直接從圖像特徵本身出發消除大氣影響，進行反射率反演，基本屬於數據歸一化的范疇。精確的大氣校正需要精確的測量大氣參數和復雜的運算，這些在許多遙感應用中，往往很難滿足。並且在某些應用中不一定需要絕對的輻射校正。此時，這種基於圖像的相對校正就能滿足其要求。
基於圖像特徵的相對校正法主要有內部平均法、平場域法、對數殘差法等。
（1）內部平均法
假定一幅圖像內部的地物充分混雜，整幅圖像的平均光譜基本代表了大氣影響下的太陽光譜信息。因而，把圖像DN值與整幅圖像的平均輻射光譜值的比值確定為相對反射率光譜，即
ρλ ＝ Rλ /Fλ （3.21）
式中：Rλ為像元在該波段的輻射值；Fλ為整幅圖像的平均輻射光譜值；ρλ為該像元的相對反射率。
（2）平場域法
平場域法是選擇圖像中一塊面積大且亮度高而光譜響應曲線變化平緩的區域，利用其平均光譜輻射值來模擬飛行時大氣條件下的太陽光譜。將每個像元的DN值與該平均光譜輻射值的比值作為地表反射率，以此來消除大氣的影響。
ρλ ＝ Rλ /Fλ （3.22）
式中：Rλ為像元在該波段的輻射值；Fλ為平場域的平均輻射光譜值；ρλ為該像元的相對反射率。
利用平場域消除大氣影響並建立反射率光譜圖像有兩個重要的假設條件：一個是平場域自身的平均光譜沒有明顯的吸收特徵；另一個是平場域輻射光譜主要反映的是當時大氣條件下的太陽光譜。
平場域模型已廣泛應用於遙感數據處理中，它是在內部平均法模型基礎上發展起來的，這種模型克服了內部平均法模型易受像幅內吸收特徵影響而出現假反射峰的弱點，而且計算量更小，其不足之處在於選取光譜地理平台單元時，會引入人為的誤差，而且需要對研究區內地物光譜有一定的先驗了解，當選取具有不同反射率等級的地理平台單元時，會引出不同處理結果。當研究區位於山區或其他地形起伏較大的復雜地區時，選擇地理平台單元較為困難。
（3）對數殘差法
對數殘差法的意義是為了消除光照及地形因子的影響。按照一定的規則調節每個像元值，使其在每一個被選定的波段上的值等於整個圖幅的最大值，然後對每一個波段減去其歸一化後的平均值。假設有：
DNij ＝ TiRijIj （3.23）
式中：DNij為像元i的j波段的灰度值；Ti 為像元i處表徵表面變化的地貌因子，對確定的像元所有的波段該值都相同；Rij為像元i波段j的反射率；Ij為波段j的光照因子。
由表3.12我們可以看出，以上三種方法中，只有殘差圖像法是真正意義上的輻射校正。
表3.12 高光譜基於圖像特徵的相對校正法對各種影響輻射的物理因素的補償能力比較
3.4.2 地面線性回歸經驗模型
基於地面線性回歸經驗模型法是一個比較簡便的定標演算法，國內外已多次成功地利用該模型進行遙感定標實驗。它首先假設地面目標的反射率與遙感器探測的信號之間具有線性關系，通過獲取遙感影像上特定地物的灰度值及其成像時相應的地面目標反射光譜的測量值，建立兩者之間的線性回歸方程式，在此基礎上對整幅遙感影像進行輻射校正。該方法數學和物理意義明確，計算簡單，但必須以大量野外光譜測量為前提，因此成本較高，對野外工作依賴性強，且對地面定標點的要求比較嚴格。這種方法僅適用於地面實況數據特定的地區及時間。
3.4.3 利用波段特性進行大氣校正
在利用衛星遙感中，有相當部分的大氣散射光未經過地物反射，通過大氣吸收後，直接進入感測器。我們叫這種輻射為程輻射。嚴格地說，程輻射的大小與像元位置有關，隨大氣條件、太陽照射方向和時間變化而變化，但因其變化量微小而忽略。可以認為，程輻射度在同一幅圖像的有限面積內是一個常數，其值的大小隻與波段有關。一般來說，程輻射度主要來自米氏散射，即散射主要發生在短波波段，其散射強度隨波長的增大而減小，到紅外波段基本接近於零。可以把近紅外波段作為無散射影響的標准圖像，通過對不同波段圖像的對比分析來計算大氣影響。根據這個原理主要有三種方法：單影像直方圖調整法、單影像回歸分析法和多時相影像歸一化分析法。
（1）單影像直方圖調整法
採用單影像直方圖調整方法的前提條件是在一幅影像中存在某種地物如深海水體、高山背陰處等，其輻亮度值或反射率接近於0，這時其圖像直方圖的最小值就應該為0，如果不為0，就認為是大氣散射導致的。
（2）單影像回歸分析法
假定某紅外波段，程輻射影響接近於零，設為波段a，現需要找到其他波段相應的亮度最小值，這個值一定比a波段的亮度最小值大一些，設為波段b。分別以a，b波段的像元亮度值為坐標，作二維光譜空間，兩個波段中對應像元在坐標系內用一個點表示。由於波段之間的相關性，通過回歸分析在眾多點中一定能找到一條直線與波段b的亮度Lb 軸相交，即用最小二乘法擬合出一條直線，回歸方程為
Lb ＝ KLa ＋ c （3.24）
式中：c為擬合的直線在Lb軸的截距；K為擬合直線的斜率。
高光譜遙感技術原理及礦產與能源勘查應用
高光譜遙感技術原理及礦產與能源勘查應用
式中：La為假定波段亮度最小值；
（3）多時相影像歸一化分析法
多時相影像歸一化首先要選取基準影像（設為b），然後對不同時相的所有其他影像的光譜特徵進行轉換，使它們具有與基準影像基本相同的輻射量級。多時相影像歸一化分析方法的一個重要步驟是選取偽不變特徵（Pseudo-Invariant Features，PIFs），也稱為輻射地面控制點。偽不變特徵具有如下特點：盡管某些變化是不可避免的，偽不變特徵的光譜特性應該隨時間變化很小，如深海水體、裸土。大屋頂或其他同質地物都是不錯的選擇；在一景影像中，偽不變特徵與其他地方的高程應該大致相同，山頂偽不變特徵在估計近海面大氣條件中的作用不大，因為大氣中的多數氣溶膠都出現在低於1000 m的大氣中；偽不變特徵包含的植被應盡可能少，由於環境脅迫和氣候周期的影響，植被光譜反射率會隨時間變化；偽不變特徵應該選在相對平坦的區域，使太陽高度角的逐日變化與所有歸一化目標的太陽光直射光束之間具有增加或減小的比例。
利用基準影像與其他時相影像的PIFs光譜特性之間的聯系進行回歸分析。該方法是假定時相b-1或b＋1的影像像元與基準影像b相同位置上的像元是線性相關的。這意味著，采樣像元的光譜反射特性在這一段時間內沒有發生變化，所以多時相影像回歸分析的關鍵是選取偽不變特徵。
地面覆蓋的遙感分類能力依賴於遙感亮度值（BV）和實際地表條件的穩定聯系。然而，太陽高度角、日地距離、各種不同感測器系統的探測器定標差異、大氣條件和太陽-目標感測器的幾何關系等因素會影響像元亮度值。影像歸一化減少了由非地表因素引起的像元亮度值變化，使不同時相的像元亮度值變化與地表條件的實際變化相聯系。歸一化處理使得從基準影像中得到的像元分類可用於其他的歸一化影像上。
3.4.4 大氣輻射傳輸模型理論方法
1972年，Turner與Spencer提出的通過模擬大氣-地表系統來評估大氣影響的方法，可作為最早的大氣輻射傳輸模型之一，當時研究的重點在於消除大氣對影像對比度的影響。20世紀80年代，許多學者對衛星影像的大氣校正研究做了大量工作，在模擬地-氣過程的能力上有了很大提高，發展了一系列輻射傳輸模型，例如我們熟知的LOWTRAN系列模型和5S模型。
自1990年以來，許多的輻射傳輸模型被用於大氣校正演算法中，涌現出一大批新的大氣校正模型，其中有的方法使用一些先進的數學演算法提高計算速度（如6S），試圖尋找精度與速度的最佳平衡點。
基於大氣輻射傳輸理論的大氣糾正模型主要考慮的問題有以下幾個方面：
1）構成大氣的氣體分子和氣溶膠的散射和吸收特性及兩者耦合效果的研究。其中，各模型主要考慮的是吸收及氣溶膠散射。大氣輻射傳輸模型中用到的大氣參數包括氣溫、氣壓、水汽含量、臭氧含量、能見度、水平氣象視距、灰塵顆粒度等，這些參數用於計算輻射傳輸方程中大氣的吸收透過率與散射透過率，以及氣溶膠光學厚度，因此輸入大氣參數的精度直接影響大氣校正的最終結果。同步實地觀測可以為大氣校正提供所需的大氣參數，但同步實地觀測需耗費大量人力物力，且對歷史數據無能為力。為此，6S和MODTRAN中提供了一系列既定參數供用戶選擇，這些參數是對大量觀測數據統計分析得到的，旨在模擬遙感器過境時的大氣狀況，但這與實際的大氣狀況存在差距。
2）地表特性的假設。高精度的大氣校正必須考慮地表非朗伯體特性。在6S中可以選擇均一非朗伯體模型。
3）模型中演算法的選擇。更精確的演算法往往會伴隨巨大的計算量，以往大氣糾正的過程中，學者往往會犧牲一定的精度來滿足計算速度的需求，現在隨著計算機科技的發展，越來越多的模型選擇了復雜而更精確的演算法來滿足高精度的需求。
在已有的模型中，最著名的輻射傳輸模型是MODTRAN和6S。分別是在對LOWTRAN與5S改進的基礎上發展而來。由於高光譜相機波段范圍是400～2500nm，擬分別採用6S 輻射傳輸模型和MODTRAN輻射傳輸模型進行大氣糾正。6S源代碼開放，可以很方便地進行修改和移植；MODTRAN可供自定義的參數多，均適合於相應的地表反射率反演系統開發。利用若干典型區域的長期地基觀測數據（如AERONET觀測站點所在區域），建立起局地氣溶膠模式和類型，結合6S和MODTRAN分別建立針對這些區域的大氣糾正模式。同時，在實驗驗證的基礎上對重點區域大氣輻射傳輸方程進行簡化，在不降低反演精度的前提下，減少運算次數，提高高光譜圖像在這些區域的地表反射率反演效率。
6S模型是1997年由Vermote和Tanre等人用Fortran語言編寫的適用於太陽反射波段（0.25～4μm）的大氣輻射傳輸模式。由於計算機水平和其他相關知識的發展，6S模型對5S模型提出了一系列的改進。主要改進如下：
1）在5S模型中，瑞利散射的大氣函數ρ，T，S被製成表，給使用帶來不便。在6S中，用滿足精度的解析表達式代替。
2）6S模型選用高精度的SOS模型代替原有方法處理分子和氣溶膠散射。SOS模型可以精確模擬機載遙感，並且提供處理非朗伯體（BRDF）臨近問題所需的輸入參數。
3）5S模型假定吸收作用與散射作用可以耦合，就像吸收粒子位於散射層的上面一樣。6S假設散射和吸收互不影響，主要考慮水汽吸收和氣溶膠散射的三種極端耦合情況：水汽吸收粒子覆在氣溶膠層之上；水汽吸收粒子在氣溶膠層之下；有一半水汽吸收粒子與氣溶膠輻射路徑混在一起。
4）5S中，氣體吸收傳輸用的是隨機波段模型。這個模型有兩個主要問題：首先，使用的是AFGL在1982年公布的大氣吸收線性參數，並沒有考慮太陽反射光譜段的一些其他吸收氣體；其次，採用20 cm-1的波段間隔（過大）模擬寬波段輻射計（如1000 cm-1）的吸收，這個較寬的波段間隔不適用於模擬更高光譜解析度（如100 cm-1）光譜儀器的吸收情況。在6S中，不僅考慮新的吸收分子種類的影響，並且氣體的吸收以10 cm-1的光譜間隔來計算。
5）為了兼顧計算效率，5S代碼僅模擬海平面上均勻朗伯體目標的反射率。在6S中，目標高程Zt 可作為一項輸入：可依據Zt 去除目標高度以下的大氣層，計算新的大氣廓線；由於Zt對主要分布在低層大氣中的H2 O產生很大的影響，故可根據Zt 重新計算H2 O含量，同理，可根據Zt 重新計算氣溶膠的含量；6S將光學厚度視為目標高度處壓強的比例函數，從而很高精度的計算了Zt 對分子光學厚度的影響。
6S模型定義了地表的反射率模型，包括均一地表和非均一地表兩種情況，在均一地表中又考慮了無方向性反射問題，在考慮方向性問題時用了九種不同的模型。利用較高精度的新模型解釋BRDF作用和臨近效應。
6）6S對5S資料庫的改進：
光譜積分步長達到了2.5nm（相比於原來的5nm）。
增加了新的吸收氣體（如CO2，N2O，CH4），6S模型用HITRAN資料庫以10cm-1解析度計算波段吸收參數。
IRC定義的四種基本氣溶膠微粒以更好的步長重新計算一次。
且6S中新加了5S中難以計算的氣溶膠模型（平流層型、沙漠型，以及生物燃燒產生的氣溶膠類型）。
6S給定了九種比較成熟的BRDF供用戶選擇，也可以自定義BRDF函數，作為參數輸入到6S，驗證研究反射率與地表BRDF的關系（表3.13 ，表3.14）。
表3.13 6S模型輸入參數
表3.14 6S模型輸出參數
LOWTRAN和MODTRAN模型是由美國空軍地球物理實驗室研製的大氣輻射模擬計算程序，在遙感領域被廣泛應用於圖像的大氣校正。
LOWTRAN是一個光譜解析度為20 cm-1的大氣輻射傳輸實用軟體，它提供了六種參考大氣模式的溫度、氣壓、密度的垂直廓線；水汽、臭氧、甲烷、一氧化碳、一氧化二氮的混合比垂直廓線；其他13種微量氣體的垂直廓線；城鄉大氣氣溶膠、霧、沙塵、火山噴發物、雲、雨的廓線；輻射參量（如消光系數、吸收系數、非對稱因子的光譜分布）及地外太陽光譜。它可以根據用戶的需要，設置水平、傾斜及垂直路徑，地對空、空對地等各種探測幾何形式，適用對象廣泛。LOWTRAN的基本演算法包括透過率計算方法，多次散射處理和幾何路徑計算。
（1）多次散射處理
LOWTRAN採用改進的累加法，自海平面開始向上直至大氣的上界，全面考慮整層大氣和地表、雲層的反射貢獻，逐層確定大氣分層每一界面上的綜合透過率、吸收率、反射率和輻射通量。再用得到的通量計算散射源函數，用二流近似解求輻射傳輸方程。
（2）透過率計算
該模型在單純計算透過率或僅考慮單次散射時，採用參數化經驗方法計算帶平均透過率，在計算多次散射時，採用k分布法。
（3）光線幾何路徑計算
考慮了地球曲率和大氣折射效應，將大氣看作球面分層，逐層考慮大氣折射效應。
MODTRAN模型可以計算0到50000 cm-1的大氣透過率和輻亮度，它在440 nm到無限大的波長范圍精度是2cm-1 ，在22680cm-1到50000cm-1紫外波（200～440nm）范圍的精度是20cm-1 ，在給定輻射傳輸驅動、氣溶膠和雲參數、光源與遙感器的幾何立體對和地面光譜信息的基礎上，根據輻射傳輸方程來計算大氣的透過率以及輻亮度。
開發MODTRAN是為了改進 LOWTRAN 的光譜解析度，MODTRAN 將光譜的半高全寬度（full width half maximum，FWHM）由LOWTRAN的20cm-1減少到2cm-1 ，目前的MODTRAN4.0它的光譜解析度已經達到2 cm-1 ，改進了瑞利散射和復折射系數的計算精度，增加了DISORT計算太陽散射貢獻的方位角相關選項，並將七種BRDF模型引進到模型中，使地表的參數化輸入成為可能。
MODTRAN以卡片的形式來進行參數設置，操作起來清晰簡潔，可以在文本格式下直接對其輸出輸入參數文件進行修改。
I. 實驗二十五 遙感水體信息提取
一、實驗目的
通過運用ENVI的「Basic Tools>Band Math」功能操作，從Landsat-5 TM 數據中提取水體特徵信息——歸一化差值水體指數NDWI.掌握遙感水體信息提取技術方法，增加對遙感水體信息提取原理的理解。
二、實驗內容
①歸一化差異水體指數計算公式分析；②運用ENVI的Band Math匹配功能對桂林市Landsat-5 TM遙感影像數據進行NDWI提取運算；③NDWI圖像分析。
三、實驗要求
①明白歸一化差值水體指數NDWI計算公式的構成及意義；②掌握歸一化差值水體指數NDWI計算的ENVI基本操作；③編寫實驗報告。
四、技術條件
①微型計算機；②桂林市Landsat-5 TM 遙感影像；③ENVI軟體；④ACDSee軟體（ver.4.0以上）。
五、實驗步驟
目前常用的水體信息提取方法主要有：單波段法、譜間關系法和歸一化差異水體指數法，本次實驗使用歸一化差異水體指數法對桂林市Landsat-5 TM 遙感影像進行水體信息提取。
歸一化差異水體指數（Normlaized Difference Water Index，簡寫為NDWI）：由於水體的反射從可見光到中紅外波段逐漸減弱，在近紅外和中紅外波長范圍內吸收性最強，幾乎無反射，因此用可見光波段和近紅外波段的反差構成的NDW I可以突出影像中的水體信息。另外，由於植被在近紅外波段的反射率一般最強，因此採用綠光波段與近紅外波段的比值可以最大限度地抑制植被的信息，從而達到突出水體信息的目的。其計算公式為
NDWI=（GREEN- NIR）/（GREEN +NIR） （25- 1）
式中：GREEN為綠光波段數據；NIR為近紅外波段數據。
歸一化差異水體指數要求從高精度的多光譜或者高光譜反射率數據中計算，未經大氣校正的輻射亮度或者量綱為一的DN值數據不適合計算水體指數，本次實驗選擇桂林市Landsat-5 TM 遙感影像，對歸一化差值水體指數進行計算，具體操作步驟如下。
（1）輻射校正。對桂林市Landsat-5 TM 遙感影像進行輻射校正，輻射校正方法參考本書實驗十九。
（2）歸一化差異水體指數（NDWI）。對於Landsat-5 TM遙感影像，TM2（0.52～0.60μm）為綠波段，TM4（0.76～0.96μm）為近紅外波段。運用ENVI軟體波段運算（Band Math）功能，將公式（25-1）變換為（TM2-TM4）/（TM2+TM4）進行NDWI計算，具體操作步驟如下：
1）在ENVI主菜單欄中選擇「File>Open lmage File」，出現文件目錄窗口，將經過輻射校正的桂林市Landsat-5 TM 遙感影像數據調入「Available Bands List」窗口。
2）根據公式（25-1），利用桂林市陸地衛星遙感數據TM2與TM4波段進行歸一化差異水體指數（NDWI）計算，在ENVI主菜單欄中選擇「Basic Tools>Band Math」命令，出現「Band Math」對話框，如圖25-1所示。
在「Band Math」對話框內的「Enter an expression」文本框中輸入變數名和所需要的數學運算符，變數名必須以字元「b」或「B」開頭，後面為5個以內的數字字元，如：（b2-b4）/（b2+b4）。
3）表達式輸入完成後，點擊【Add to List】按鈕，則輸入的表達式會自動顯示在「Band Math」對話框內「Previous Band Math Expressions」文本框中，確定無誤後點擊【OK】按鈕，出現「Variablesto Bands Pairings」對話框，如圖25-2所示。
圖25-1 波段運算對話框
圖25-2 變數與波段匹配對話框
在該對話框中的「Variables used in expression」欄中利用實際需要進行運算的波段替換表達式中的變數（如b2、b4等）。首先在「Variables used in expression」欄中點擊其要替換的變數，然後在「Available Bands List」欄中將需要進行運算的波段選中，即可完成替換。
4）在「Output Result to」中選擇結果輸出到文件（File）或內存（Memory）。如果選擇結果輸出到文件，則點擊【Choose】按鈕選擇輸出文件路徑。
5）完成上述步驟後，點擊【OK】按鈕，執行歸一化差異水體指數（NDWI）計算。水體信息提取結果如圖25-3所示。
圖25-3 桂林市Landaat-5 TM 遙感影像水體信息提取圖
六、實驗報告
（1）簡述實驗過程。
（2）回答問題：①利用歸一化差異水體指數提取水體信息受哪些因素的干擾？②提取水體遙感信息為何要進行輻射校正？
實驗報告格式見附錄一。