A. 遥感信息提取方法
一、ASTER遥感信息提取方法
（一）图像预处理
本次研究所采用的ASTER数据产品等级是1B和3A01，数据已进行了传感器相关系数辐射校正。在进行几何精校正过程中，校正控制点主要源于研究区于20世纪70年代完成的1∶100000地形图，地形图的精度不高，因此控制点的总平均误差控制在2个像元内。
依据《ASTER矿物指数处理手册》的数据处理程序进行暗像元纠正，以消除大气散射对图像的影响。依据直方图找出各波段最小值的像元，像元的每个波段最小值代表或近似于大气辐射的影响，减去最小值的像元即可。ASTER图像经过暗像元处理后相当于进行了一次背景值滤波，使短波红外区间的特征更加明显，有利于提取矿物指数，从而提取岩矿信息。
由于研究区下垫面影响因子复杂，必须要消除云、雪和植被等下垫面复杂因素对基岩信息的干扰，掩膜图像处理技术可以有效地扣除这些干扰信息。具体处理过程为：首先，在植被、云及雪覆盖的原始图像上提取植被NDVI指数，制作NDVI指数图像，然后做植被0-1掩膜，再进行云和雪0-1掩膜，最后将植被掩膜与云、雪掩膜图像叠加，在此基础上进行有用信息的进一步处理，制作掩膜图像。掩膜图像的效用有两个方面，一是压缩图像处理样本的统计空间，使有用的信息相对得到增强，二是排除干扰信息可能引起的假异常。
（二）岩石与矿物信息提取方法
可见光-近红外波段区域对赤铁矿、针铁矿和黄钾铁矾等铁氧化物敏感，而短波红外波段可以探测粘土和层状硅酸岩矿物的特征吸收，实现更为详细的矿物岩石识别。在热红外谱域，8～14μm是最佳大气窗口，由于硅酸盐岩在热红外区间随着SiO2含量的减少，岩石宽缓的吸收带向长波段方向系统位移，从而能够探测SinOk、SO4、CO3、PO4等原子基团基频振动及其微小变化，很容易识别硅酸盐、硫酸盐、碳酸盐、氧化物、氢氧化物等矿物，使困扰遥感地质的岩石识别成为可能，大大拓宽了遥感岩矿识别的广度与深度，从而弥补连续波段高光谱在热红外谱域的不足，使ASTER遥感技术成为岩矿识别的重要补充手段。
本次试验采用的主要信息提取方法包括基于掩膜图像的主成分分析、矿物指数和光谱角度填图方法等。
对于所有ASTER数据，常规图像均采用通道7、3、1（红、绿、蓝）假彩色合成，这种合成方案尽管植被的信息比较突出，但有利于后续使用者对照其他信息的图件判别地质体的色调异常与来源于植被的干扰异常。在该类图像中通常的规律是蓝色调大多为碳酸盐，紫色调的地质体二价铁含量相对较高。主成分图像通常采用4～9波段的主成分分析，依照试验结果，选用不同的主成分，其中3、4、5等弱信息的主成分使用较多。
1.主成分分析
主成分分析是遥感地质最有效和最常用的图像信息提取方法之一，它是将原始的遥感数据集变换成非常小且易于解译的不相关变量，这些变量含有原始数据中大部分信息，通过正交变换去除多波段图像中的相关信息，使新的组分图像之间互不相关，各自包含不同的地物信息，这是一种重要的图像增强方法。
在本次研究中，应用预处理后的掩膜图像进行主成分分析，通过将原始图像进行主成分变换，得到SWIR系统4到9波段的5个主成分的影像，将其中的PC3、PC4、PC5主成分分别置于绿、红、蓝影像层，生成主成分合成影像，并将该影像与高空间分辨率的VNIR段影像进行融合，生成新的主成分彩色合成影像。与传统的彩红外合成影像相比，主成分合成影像色差可以识别更细微的岩性差别。
从图9-6不难看出，对掩膜前后的图像均采用相同的主成分组合方案，但掩膜后的主成分图像细节更加突出，中三叠统闹仓坚沟组（T2n）板岩（蓝色调条带）被突出了。
2.矿物指数法
ETM数据只能提供一些铁锰成分异常和羟基蚀变矿物异常等一些笼统的信息，而ASTER的波段划分更精细，能够提供更为明确的矿物信息。常见矿物的特征吸收带集中在2～2.3μm之间（图9-1），即在ASTER的5～9波段之间，而ASTER的第4波段尽管没有特征吸收存在，但它是地质体反射率统计差异最大的遥感窗口。目前，国际上流行的各类矿物指数方法很多，它们主要是基于上述这些矿物特征吸收带的波长位置及其与ASTER波段设置的关系，通过简单的各类比值运算得来，如《ASTER矿物指数处理手册》所收集的澳大利亚科工组织（CSIRO）和美国地质调查局等机构经常使用的一些矿物指数（图9-7）。
图9-6 温泉水库地区ASTER掩膜主成分分析图像
（短波红外4～9波段的4、3、5主成分合成图像）
波段比值是一种经常被用来提取波谱信息的有效手段。根据代数运算的原理，当波段间差值相近但斜率不同时，反射波段与吸收波段的比值处理可增强各种岩性之间的波谱差异，抑制地形的影响，并显示出动态的范围。波段比值通常是在对大气路径辐射或由多光谱传感器产生的叠加偏移进行初步校正的基础上，由两个波段对应像元的亮度值之比或几个波段组合的对应像元亮度值之比获得。通常是选择特定目标的最小或最大反射或辐射波段作为比值波段。一种地物在两个波段上波谱辐射量的差别，常被称为波谱曲线的坡度。不同地物在同一波段上坡度有大有小，有正有负。比值法就是增强不同地物以及岩石间的这种微小差别。因而，以岩矿的特征光谱为基础，选用适当的波段比值进行彩色合成，可增强岩性和蚀变带信息，便于提取蚀变信息。
我们选取了20个各类矿物比值进行试验应用，在图像处理软件中进行流程式的批量处理，再依据具体地质背景和图像质量进行筛选，获得了较好的应用效果。尤其对粘土类矿物的蚀变和层状硅酸盐矿物的岩性识别非常有效，对巴颜喀拉山群浅变质岩岩性划分具有良好的应用效果。
所采用的各类遥感矿物指数择要描述如下：
（1）波段12/波段13比值：基性度指数（BDI）。由澳大利亚科工组织Bierwith提出，BDI与岩石中的二氧化硅含量有很好的负相关，高亮度为基性成分高的地质体，低亮度为酸性地质体，可以很好反映地质体的基性程度。在东大滩铜矿区花岗岩体外接触带及前寒武纪变质岩区，BDI显示出很好的异常及其与铜矿之间的关系。
（2）波段14/波段12比值：富石英岩类异常。异常效果良好，是硅化蚀变的重要依据。在昆仑山巴颜喀拉山群地层和温泉水库西部的下二叠统中普遍存在该指数的异常，表明均为一套高硅质的浅变质岩系。在卡巴纽尔多南部，沙地表现为高二氧化硅含量的正异常。此外，高山冰缘区土壤湿度存在垂直分带现象，同样会引起基性度指数或二氧化硅指数的假异常，这种异常往往沿等高线分布。
（3）波段13/波段14比值：碳酸盐岩异常。该比值由于热红外14通道的噪声较大，应用效果并不理想，仅在温泉水库和昆仑山一带有较好的显示。
（4）波段4/波段5比值：铁矾土异常。Bierwith定义为铁矾土，而Volesky定义为硅酸盐蚀变。高浓度异常的大面积分布通常具有重要的找矿指示意义。
图9-7 《ASTER矿物指数处理手册》中常用矿物指数汇总
（5）波段5/波段3+波段1/波段2比值：二价铁异常。该比值需要谨慎对待，尤其在高山区，雪在1波段的高反射常常引起假异常，需要结合常规合成图像具体分析。
（6）波段4/波段2比值：铁帽异常。试验区图像效果较差，尚未发现有意义的异常，但由于铁帽在找矿中的重要意义，以及其负异常的突出特征，保留这一指数是必要的。
（7）波段7/波段5比值：高岭土矿物异常，该比值不确定性较强。沟谷中条带状分布的异常可能与表生作用下的风化高岭土有关，大面积的团块状异常才具有内生蚀变矿物的意义。
（8）（波段4+波段6）/波段5比值：明矾石和高岭土指数。在纳赤台万保沟群中大面积出现这种异常，但实地考察属硅化大理岩异常。
（9）波段7/波段6比值：白云母异常。白云母在2.2μm附近的特征吸收（ASTER第6波段）较强，实践证明该指数较为敏感，对板岩类有良好的识别能力。
（10）（波段5×波段7）/（波段6×波段6）比值：粘土矿物蚀变异常。具有明确的找矿指示意义，在水泥厂东北部存在这种异常。
（11）（波段7+波段9）/波段8比值：碳酸盐-绿泥石-绿帘石组合异常。主要分布在1∶5万水泥厂幅东北部和温泉水库西部。可以与波段13/波段14比值图像碳酸盐异常对比，进一步区分碳酸盐异常和绿泥石-绿帘石异常。
（12）波段5/波段6比值：多硅云母异常。
（13）（波段5+波段7）/波段6比值：绢云母-白云母-伊利石组合异常。该组矿物高浓度异常具有明确的找矿指示意义，但大面积异常通常意味着变质岩区的片岩，如内蒙古狼山地区的大面积异常与该地区伟晶岩化、云母片岩、板岩等区域变质或侵入接触变质作用有关。在东昆仑试验区也具有很好的效果，昆仑山巴颜喀拉山群和温泉水库西部的下二叠统均有大面积的该类矿物异常。
必须指出的是，实际信息提取过程中，白云母和高岭土异常经常在空间上相伴生，在昆仑山和1∶250000填图区北部出现这种情况，很有可能仅仅是一种异常。在变质岩区有可能仅仅是白云母，而非高岭土。从图9-1不难看出，高岭石和白云母的特征吸收带都出现在ASTER的第6通道，波长位置的细微差别有可能是ASTER矿物指数方法容易产生混淆的原因。在1∶50000填图区东北部的异常也同样出现类似状况，绿帘石、绿泥石、角闪石和碳酸盐均出现异常。实际上这种异常均出现在第8通道附近，这几种矿物均存在较强的吸收带。这种情况可能仅仅是碳酸盐，但它们与典型的碳酸盐（731为蓝色调）又有明显的区别。
尽管如此，矿物指数方法在实际应用中也存在一些问题，从典型矿物曲线和ASTER波段的对比中不难看出有可能出现几种易混淆的矿物组：如高岭土-白云母和方解石-白云石-绿帘石-绿泥石-角闪石等矿物组。因此，集中在第6和第8通道的异常仅仅说明具有显着的某种矿物类的异常，而不能明确说明是何种矿物。在复杂条件下只能明确矿物类，可以在此基础上进行野外验证，从而确定矿物种类。
在热红外区间，岩石的二氧化硅含量与Si-O2振动强吸收带的波长位置呈现反比的系统位移规律，这是ASTER识别硅酸盐岩的基本依据。此外，碳酸盐岩在ASTER的14波段的强吸收也是识别该岩类的基本依据，但14通道红外辐射能量最弱，噪声大，应用效果不理想。
3.光谱角度填图方法
光谱角度填图方法（SAM）是Boardman开发的一种算法程序，一般用于超光谱图像的监督分类。该方法给出一系列光谱记录来逐一定义每个岩石类型，将每个像元看作n维图像数据库空间的一个向量，并计算与光谱数据库中光谱数据记录（参考光谱）之间的向量夹角。像元光谱与光谱记录（参考光谱）的光谱角度相匹配，即可分类为该类岩石。SAM方法的优越性在于只考虑像元光谱与参考光谱的相似性，不考虑像元相对亮度的影响，这在一定程度上改善了阴影，或者土壤湿度的干扰，因为角度的匹配不考虑向量模的大小。
该方法应用的条件是图像数据必须进行反射率反演，使像元的“视反射率”能够与光谱数据库中的参考光谱进行匹配。但实际应用中，由于大气条件和图像质量等各方面的原因，较难完成反射率反演这道科学程序，从而限制了该方法的实际应用。因为ASTER的数据质量不理想，参考光谱选用的是典型的像元光谱。
光谱角度填图方法试验区选在纳赤台北部的东昆中断裂带附近的花岗岩内外接触带（图9-8）。试验中选取的典型岩类有5个，构成参考光谱数据库。提取的像元光谱是1～9波段，依照这组波段曲线，它们的光谱角度最大差异的区间分布在4～9波段的近红外-短波红外谱段，因此将其作为SAM处理的6维向量空间，角度匹配的阈值为5度。从结果中能够看出，SAM方法不仅可以克服花岗岩中不同亮度值对分类的影响，能够进行阴影中的分类，而且能够区分常规合成图像中容易混淆的 白云石（蓝色）和高岭土（黄色）。但万保沟群中的部分岩性段被归入花岗岩体（红色），说明该方法还不能区分“同谱异质”的地质体。
图9-8 纳赤台北部ASTER数据4～9通道光谱角度填图
上图—光谱角度填图结果；中图—ASTER7、3、1常规合成图像；下图—基于像元的分类参考光谱
说明：横轴为ASTER1-9波段；纵轴为像元视反射率。
二、IRS-P6遥感矿物指数试验
IRS-P6在地质上的应用国内外少有报道，主要原因是它波段分布有限，尤其缺少短波红外区间的设置，因此缺乏对羟基类地质体信息的识别能力（表9-7），但它的地面分辨率高于ETM，在ETM数据缺乏或者质量不佳的情况下也不失为一种可以替代的数据资源。本次试验也对其在地质填图中的应用效果进行了比值指数的初步应用。
表9-7 IRS-P6和ETM的波段设置对比
在可见和近红外区间，铁的特征吸收占光谱的主导因素。依据常见铁氧化矿物的吸收特征，针对0.9μm附近三价铁的宽缓吸收带，波段2和波段3良好地反映了该处的吸收特征。因此选用CH2/CH3作为三价铁氧化矿物的指数。如果没有铁氧化矿物存在，吸收带就不存在，这个比值将会是很低的。所使用几个比值指数如下：三价铁氧化矿物CH2/CH3；二价铁或暗色岩系CH1/CH4平的特征；碳酸盐岩CH1/CH2，依据碳酸盐岩一般缺乏铁矿物，缺少铁族矿物在近紫外区间很强的电子跃迁引起的吸收。
但在卡巴纽尔多南部局部地区，采用了4/3.2/3和1/2几种比值组合，完全是针对该区广泛分布的砂板岩，依据试验效果的一种选择。
IRS-P6的应用效果不如ETM，但应用上述比值合成的假彩色图像在解译应用中也能够与ETM图像取长补短。如温泉水库西部，IRS-P6有更加概括的岩性信息，而ETM由于短波红外信息的加入，图斑细碎，不宜于解译成图。
三、Hyperion遥感信息提取方法
由于高光谱遥感具有多个波段和高光谱分辨率的特点，高光谱的窄波段可以有效地区别矿物的吸收特征，利用各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以识别矿物，使矿物识别和区域地质制图成为高光谱技术主要的应用领域之一。
为了实现研究区内岩矿高光谱遥感的识别和分类，并考虑到研究区复杂的地质、地貌、气候和地表覆盖等特点对所采用的遥感图像的影响，在高光谱岩矿填图中采用地面光谱和图像光谱相结合的处理分析方法。
（一）岩石光谱测量
为了最大限度地满足光谱测量精度的要求，在本次野外光谱测量中所采用的仪器为美国ASD公司的最新产品FieldSpec FR便捷式地物波谱仪（图9-9），该仪器主要参数见表9-8。此仪器不仅具有携带方便、速度快、高信噪比、高可靠性、高重复性、操作简单和软件包功能强劲等特点，而且还可以进行实时测量和观察辐射、辐射度、CIE颜色、反射和透射。
图9-9 野外光谱采集
数据采集软件采用的是美国ASD公司的FieldSpec FR数据采集分析软件包，该软件具有速度快、实时测量、操作界面简单、灵敏度高和功能强大等优点，另外它所获取的数据可以直接被ENVI软件读取，极大地促进了后期数据处理进程。
由于研究区域特殊地理位置和复杂的气候条件，而且气候多变，考虑到诸多不利因素对光谱采集质量的影响，我们于2008年7月进行了野外光谱数据采集，此时该地区的大气、空气湿度、风、光照和云层覆盖等条件适宜于野外光谱数据采集，而且采集到的数据和选用的遥感图像数据时间匹配性好，满足研究精度要求和填图需要。
为了最大限度地满足高光谱遥感矿物填图的要求，采用了野外和室内测量相结合的测量方法。另外，在研究区域内还选择了多个具有代表性的开阔地带作为平场并进行了多次重复测量。
野外完成了包含花岗岩、变质岩、流纹岩、千枚岩、大理岩、板岩、页岩、铁矿石、铜矿石、金矿石、铅矿石、锌矿石等多达100多种不同类型以及同种类型不同状态（如岩矿石的风化面、新鲜面等）的岩矿石的光谱数据室内和野外采集工作，并且经过系统编号整理建立了各种岩矿石与其光谱数据的对应表（图9-10），为图像解译和填图工作提供了较为完备的基础数据。
表9-8 FieldSpec FR便捷式地物波谱仪相关参数
图9-10 野外实测光谱数据库
（二）矿物光谱测量
采用南京地质调查中心研发的BJKF-III型便携式近红外矿物分析仪，对矿化样品进行光谱曲线测量，得到典型蚀变矿物光谱曲线，其矿物包括方解石（图9-11a）、高岭石（图9-11b）、绿泥石（图9-11c）和孔雀石（图9-11d）等。黄铜矿为铜的硫化物矿石，具有不透明矿物的典型特征，遥感较难识别，而孔雀石存在二价铜离子引起的特征吸收带。
图9-11 东大滩铜矿典型矿物光谱曲线图
通过驼路沟钴金矿床野外调查取样，利用便携式近红外矿物光谱仪对样品进行光谱测量，进一步验证了遥感图像提取孔雀石和黄钾铁矾等矿物信息（图9-12）。同时，在驼路沟矿区断裂带内还检测出遥感图像未能解译出的石膏等矿物（图9-12d）。
（三）数据预处理
Hyperion高光谱数据经过斑点去除、回波纠正、背景去除、辐射纠正、坏像元恢复以及图像质量检查等一系列处理过程，用户拿到的数据应该不再有坏像元或条纹，但实际上却仍然存在，在进行图像应用之前，必须对图像进行预处理，纠正不正常的像元。预处理主要包括去除未定标及受水汽影响的波段、绝对辐射值转换、坏线修复及误差条带的去除、反射率定标和大气校正等。
1.去除未定标及受水汽影响的波段
Hyperion数据的242个波段中，经过辐射定标的独立波段实际上只有196个，但有些波段受水汽影响非常严重，无法应用，经去除处理后只有158个波段可用（表9-9）。
2.绝对辐射值转换
Hyperion的L1产品数据集以有符号的整型数据记录，数值范围为-32767～+32767。但实际上地物的辐射值非常小，产品生成时对VNIR和SWIR波段都采用了扩大因子，系数分别为40和80。因此，需要把图像的亮度值转换为绝对辐射值，将VNIR和SWIR波段分别除以40和80，生成绝对辐射值图像。
图9-12 驼路沟钴金矿典型矿物光谱曲线图
表9-9 剔除和保留的波段
3.坏线修复及误差条带的去除
由于Hyperion传感器的个别通道存在坏的探测元，致使图像存在着不正常数据，DN值为零或者非常小的称为死像素列，即坏线。对坏线用相邻行或列的平均值进行修复，坏线修复前与修复后效果见图9-13。
Hyperion光谱仪采用推扫式的对地观测方式，所以系统中CCD的排列方式垂直于航迹方向。由于不同行中的传感器对光谱响应值不同，在光谱入射时会导致在每个谱段上出现竖条纹，即列向条带噪声。条纹严重影响图像的质量及实际应用，应用时需要对条纹噪声进行去除处理。
本项目采用ENVI软件中的傅里叶变换及联合概率滤波平滑方法去除影像的条纹噪声，并用MNF进行效果评价。修复效果见图9-14。
图9-13 VNIR第56波段坏线修复前后图像
图9-14 垂直条纹去除前后图像对比
4.反射率定标
高光谱遥感数据定标的首要任务就是对成像光谱仪定标，将遥感器探测到的数据变换为绝对亮度或与地表反射率、表面温度等物理量有关的相对值的处理过程。通过原始图像提取的波谱曲线为太阳辐射与大气辐射共同作用的结果，这些波谱剖面曲线都是相似的，表示的是辐射亮度曲线，而不是反射率波谱曲线。因此，需要将辐射亮度曲线转换为反射率波谱曲线，以消除大气吸收、散射、地形起伏及传感器本身误差所带来的各种失真对数据的影响，恢复地物光谱数据的原貌。将影像的辐射亮度值转换成表观反射率的过程，称为反射率定标或地物光谱重建。
主要校正定标的方法有平场域定标、内部平均相对反射率定标以及经验线性定标。本次研究针对星载高光谱数据，主要采用了基于大气辐射传输理论的FLAASH定标模型，并进了分析总结，得到了比较好的应用效果。
5.大气校正
遥感卫星传感器接收到的目标物反射及发射能量辐射在传输过程中需要通过大气层，使高光谱遥感影像记录的是包含地面反射光谱信息和大气辐射传输效应引起的地面反射辐照度变化等综合信息。大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地表的真实物理模型参数，如地物反射率、辐射率和地表温度等。图像是否需要进行大气校正，主要取决于图像的质量及用途。对于空间分布均匀的影像，如果只是用单时像的数据分类，由于大气对分类的影响是一致的，就没有必要进行大气校正。对于空间分布不均匀的影像，如有些区域有雾或者下雨等现象，就有必要纠正大气的影响。因此，将表示反射率亮度的原始遥感影像DN值数据转换为反射率数据，对正确利用遥感数据进行定量分析及信息提取十分关键。由于本次研究利用实测地物光谱与美国USGS光谱库标准光谱相结合的方法进行识别分类，所以需要进行大气校正。
目前，基于大气辐射传输理论的辐射校正模型主要包括：5S、6S、ATREM、MODTRAN、ACORN和FLAASH等。针对Hyperion高光谱数据的特点，本项目主要利用ENVI软件中的FLAASH模块进行大气校正处理。
为了验证FLAASH大气校正的效果，分别使用了校正前后的雪、岩石及水体的混合波谱曲线进行对比见图9-15，并采用野外实测波谱曲线与校正后的图像的波谱曲线进行对比，总的效果较好。
图9-15 大气校正前后雪、岩石和水体的波谱曲线对比
6.几何纠正
图像预处理的最后一步工作为图像的几何纠正。本研究采用了1∶100000纳赤台幅地形图，应用二次多项式和双线性内插重采样方法，共选取了117个控制点，对高光谱数据进行了几何精度校正。
（四）图像镶嵌与裁剪
本项目共定购东大滩地区5景Hyperion数据，其中KL2与KL3景在夏天获取，KL4-KL6在冬天获取，所以地物色调相差较大，进行镶嵌时必须进行调色处理。由于Hyperion数据覆盖面积宽7.7km，长85km，南北向覆盖区域较长，应用时需做剪裁处理。经过镶嵌与剪裁之后数据的覆盖范围见图9-5。
（五）信息提取
经过去除未定标和受水汽影响的波段、进行绝对辐射值转换、坏线及条纹修复、smile效应去除、大气校正和几何精度校正等过程，得到反射率数据。利用波谱分析工具Spectral Analyst进行波谱分析鉴别矿物，选择美国地质调查局波谱库，该库包括近500种矿物波谱，波长范围0.4～2.5μm。本次岩矿蚀变信息提取主要应用USGS波谱库作为端元波谱，结合野外实测光谱曲线，应用纯净像原指数法（PPI）作为辅助方法提取端元波谱，最后利用光谱角（SAM）填图法和波谱特征拟合法（SFF）成图。
本项目各类遥感图像覆盖面积达18850km2。除受风成黄土、植被、雪被、草甸土、阴影以及冰缘冻融作用所产生的碎屑坡积物等因素干扰不能有效提取信息外，其他地区均提取出大量岩石、构造和矿化蚀变信息。野外验证表明，不同的遥感数据均可有效地提取地质信息，但是适用范围和提取信息量存在差别。本项目选择温泉水库地区和玉珠峰巴颜喀拉山群分布区进行ASTER遥感岩性填图与纳赤台地区Hyperion高光谱矿物填图试验，评价国内目前尚未普及、但极具应用前景的ASTER和Hyperion等遥感信息在岩性与矿物填图中的应用潜力。
B. 为什么一景影像不用进行大气校正
摘要 即使遥感系统工作正常，获取的数据仍然带有辐射误差。两种最重要的环境衰减是1)由大气散射和吸收引起的大气衰减；2）地形衰减。然而，在所有的遥感应用中都进行大气校正可能没有必要。是否进行大气校正，取决于问题本身、可以得到的遥感数据的类型的历史与当前实测大气信息的数据和遥感数据中提取生物物理信息所要求的精度。
C. 反射率反演
遥感器接收目标辐射或反射的电磁波所形成的遥感原始图像与目标相比是失真的，这是因为在太阳-大气-目标-大气-遥感器的光线传播路径中，许多因素的影响造成接收的信号不能准确的反映地表物理特征。这些因素归结为以下几个方面：
1）大气内容物的影响。大气主要由大气分子和气溶胶组成，这两者的影响行为是不相同的。大气分子瑞利散射、气溶胶的Mie散射；大气分子与气溶胶的吸收及两者的耦合作用。一方面，大气的吸收导致消光，减少了辐射量，降低了图像对比度，使图像变得暗淡；另一方面，大气散射导致的程辐射，增加了辐射量；
图5.16 系统级几何校正效果（660nm波段）
2）表面因素的贡献。在一般的应用中，为了简化计算，假定地表为朗伯体，反射与方向无关。事实上任何物体表面在物理特性与物质结构上都不是理想朗伯体，因此认为地面是朗伯体会带来误差，而当地表方向反射特性突出时，假设地面是朗伯体的大气纠正方法精度受到限制。另一个因素是，由于大气散射的存在，邻近像元的反射光也会进入目标视场从而影响辐射量，即交叉辐射。
3）地形因素的影响。目标高度与坡向会对辐射造成影响。
4）太阳辐射光谱的影响。太阳本身是一个黑体，其光谱辐射按照普朗克定律有一定的形状，这个因素在反射率反演中需要予以考虑。
由以上可知，大气对光学遥感的影响是十分复杂的。为此，学者们尝试着提出不同的大气纠正模型来模拟大气的影响。但是对于任一幅图像，其对应的大气数据几乎是永远变化的，且难以获得，因而应用完整的模型纠正每个像元是不可能的。最早的大气纠正方法是从图像本身来估计大气参数，反复运用大气模拟模型进行纠正。结合地面实况数据进行大气校正是另一种方法，其包括两种类型：一种是通过地面测定大气参数（如可见光近红外的气溶胶的密度及红外区域的水汽浓度），再结合辐射传输方程作近似求解；另一种是测得地面目标物的反射率，再与图像数据进行比较来消除大气的影响。地面同步测量有助于提高精度，但是却需要人力物力，且应用区域也有限。此外还有一些大气纠正的方法。例如在同一平台上，除了安装获取目标图像的遥感器以外，也安装上专门测量大气参数的遥感器，利用这些数据进行大气校正。
综上，大气纠正具体算法大致可归纳为基于图像特征的相对校正法、基于地面的线性回归模型法、基于大气辐射传输模型法和复合模型法这四种。
基于图像特征的相对校正法是在没有条件进行地面同步测量的情况下，借用统计方法进行图像相对反射率转换。从理论上来讲，基于图像特征的大气校正方法都不需要进行实际地面光谱及大气环境参数的测量，而是直接从图像特征本身出发消除大气影响，进行反射率反演，基本属于数据归一化的范畴。精确的大气校正需要精确的测量大气参数和复杂的运算，这些在许多遥感应用中，往往很难满足。并且，在某些应用中不一定需要绝对的辐射校正。此时，这种基于图像的相对校正就能满足其要求。辐射校正的统计模型主要有内部平均法、平场域法、对数残差法等。
基于地面线性回归经验模型法是一个比较简便的定标算法，国内外已多次成功地利用该模型进行遥感定标实验。它首先假设地面目标的反射率与遥感器探测的信号之间具有线性关系，通过获取遥感影像上特定地物的灰度值及其成像时相应的地面目标反射光谱的测量值，建立两者之间的线性回归方程式，在此基础上对整幅遥感影像进行辐射校正。该方法数学和物理意义明确，计算简单，但必须以大量野外光谱测量为前提，因此成本较高，对野外工作依赖性强，且对地面定标点的要求比较严格。这种方法仅适用于地面实况数据特定的地区及时间。
大气辐射传输模型能够较合理地描述大气散射、大气吸收、发射等过程，且能产生连续光谱，避免光谱反演的较大误差，因而得到了最广泛的应用。在遥感实际应用中，大气辐射传输模型需要进一步简化，如：假定大气是水平均匀的、假定地表是朗伯体、排除云的存在、运用各种条件下的标准大气模式及气溶胶模式（由于长期试验数据积累和理论研究归纳而成）等。不同的模型的假定也是有些区别的，比如6S是地表均匀、非朗伯体的模型而5S是地表均匀、朗伯体的模型。
5.5.1 原理与方法
基于图像特征的相对校正法主要有内部平均法、平场域法、对数残差法等。
（1）内部平均法
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，把图像DN值与整幅图像的平均辐射光谱值的比值确定为相对反射率光谱，即
ρλ ＝ Rλ /F （5.14）
式中：Rλ为像元在该波段的辐射值；Fλ为整幅图像的平均辐射光谱值；ρλ为该像元的相对反射率。
（2）平场域法
平场域法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的区域，利用其平均光谱辐射值来模拟飞行时大气条件下的太阳光谱。将每个像元的DN值与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 （5.15）
式中：Rλ为像元在该波段的辐射值；Fλ为平场域的平均辐射光谱值；ρλ为该像元的相对反射率。
利用平场域消除大气影响并建立反射率光谱图像有两个重要的假设条件：一个是平场域自身的平均光谱没有明显的吸收特征；另一个是平场域辐射光谱主要反映的是当时大气条件下的太阳光谱。
平场域模型已广泛应用于遥感数据处理中，它是在内部平均法模型基础上发展起来的，这种模型克服了内部平均法模型易受像幅内吸收特征影响而出现假反射峰的弱点，而且计算量更小，其不足之处在于选取光谱地理平台单元时，会引入人为的误差，而且需要对研究区内地物光谱有一定的先验了解，当选取具有不同反射率等级的地理平台单元时，会引出不同处理结果。当研究区位于山区或其他地形起伏较大的复杂地区时，选择地理平台单元较为困难。
（3）对数残差法
对数残差法的意义是为了消除光照及地形因子的影响。按照一定的规则调节每个像元值，使其在每一个被选定的波段上的值等于整个图幅的最大值，然后对每一个波段减去其归一化后的平均值。假设有
DNij ＝ TiRijIj （5.16）
式中：DNij为像元i的j波段的灰度值；Ti 为像元i处表征表面变化的地貌因子，对确定的像元所有的波段该值都相同；Rij为像元i波段j的反射率；Ij为波段j的光照因子。
由表5.2我们可以看出，以上三种方法中，只有残差图像法是真正意义上的辐射校正。
表5.2 高光谱基于图像特征的相对校正法对各种影响辐射的物理因素的补偿能力的比较
除上述基于图像特征的相对反射率校正外，还可基于大气辐射传输理论的大气纠正模型开展反射率校正工作。
5.5.2 实例分析
（1）基于6S的反射率反演模型对CHRIS数据进行反射率反演实例
欧空局（European Space Agency，简称ESA）的Proba（Project for On-Board Autonomy）卫星于2001年10月发射成功，是星上自主运行技术的示范，也是新的航天（包括硬、软件）技术的成功范例，可用于测试地球观测和空间环境仪器性能。有效载荷包括一台紧密型高分辨率高光谱成像仪（CHRIS）和一台辐射测量传感器（SREM）及岩屑探测器（DEBIE）和宽视场角地球定位相机和恒星跟踪器及陀螺仪。
经过一年的运行Proba已经完成了它的技术示范任务，它为科学界提供了前所未有的创新性的卫星高光谱多角度CHRIS数据。CHRIS图像提供了可见/近红外高空间、高光谱分辨率的地表反射率数据，利用Proba的定位功能，可以得到试验区五个观测方向上的二向反射率数据（BRDF），五个角度的观测几何见图5.17。CHRIS的主要参数见表5.3：
图5.17 CHRIS/Proba图像获取几何示意
C1～C5为相应的中心时间
表5.3 CHRIS/PROBA 的主要技术参数
CHRIS有五种工作模式，其中模式3和模式5是为陆地应用设计的，模式2则应用于水体，模式4应用于叶绿素反演与监测。模式3可获取18个波段，相应图像空间分辨率为17m，不包含水汽通道；模式5可获取37 个波段，空间分辨率为34m，包含940nm的水汽通道，可用于水汽反演。图5.18为模式5的每个扫描行的组成。
图5.18 CHRIS模式5每扫描行像素组成
我们在本试验中获取的模式5观测天顶角为0°的数据，相应的波段信息见表5.4。
表5.4 PROBA/CHRIS 工作模式5（mode5）对应的波长信息
续表
实验所采用CHRIS数据其他信息描述：
获取方式：MODE5；
波段数：37 个，波长范围 442.49～1025.30nm，包括一个水汽通道（波段 31）：中心波长945.31 nm；
空间分辨率：34 m；
图像行列数：766列× 748行；
图像数据类型：长整型；
图像中心点经纬度：116°52′E，40°10′N（昌平一带）；
图像获取时间：2004年7月8日，3：22（UTC时间）；
卫星平台高度：596 km；
图像物理单位：μW/（m2 ·nm·sr）；
地面平均高程：200 m。
图像处理：
1）去坏行处理，以相邻两行（每侧各两行）取平均，代替坏行。
2）根据反射率反演软件的要求，即图像为整型数据和图像定标后辐射单位为W/（m2 ·μm·sr）将图像单位μW/（m2·μm·sr）转换为W/（m2·μm·sr），从量纲上来看，前者是后者的1/1000。因此根据原图像的数据范围，除以10取整得到整型数据（短整型），然后将所有波段的增益均设为0.01，将得到辐射单位为W/（m2·μm·sr）的整型图像数据。
3）启动反射率反演软件，设置各项参量，运行程序。程序输入参数界面如图5.19所示。
图5.19 CHRIS/Proba反射率反演输入界面
4）由于传感器自身光谱与辐射定标的精度直接制约着反射率转换的可靠性，为了有效去除图像数据和大气辐射传输模型间存在辐射定标不匹配现象需要进行图像反射率光谱去噪平滑。
结果表明：反演得到的反射率在498～760 nm波长区间能够表征植被（玉米）的反射率光谱特征，与图5.20（c）相比，能够去除绝大多数的大气吸收特征，但在760～805nm之间的峰形与标准植被光谱差异较大，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以后与被标准植被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；对于土壤光谱，众所周知，常见的土壤光谱反射率在＜1140nm波长范围内呈现单调增加的趋势，而图5.20（b）中的土壤光谱反射率在900nm之后递减，这与常识相违背，而事实上即便在土壤的野外光谱测量上940 nm的水汽吸收作用也并不明显。究其原因可能在于两方面：一是CHRIS仪器本身的定标精度，另一方面也与反射率反演模型的校正误差有关。
图5.21是将通常的统计方法IRAA和FF应用于CHRIS图像上得到的同样采样点上的植被和反射率光谱，可以看到，两种方法得到的植被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，但二者在以500 nm为转折，反射率先下降后增大，这与通常的植被在蓝光波长范围的单一上升趋势不一致，与反射率反演结果相比，没有760 nm的凸起变形，这从另一个侧面反映了基于模型的反射率反演对定标要求更为苛刻；从土壤光谱来看，两种统计方法获得的结果差异很大，特别是在＜750 nm波长区域，IRAA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呈单调递增趋势的常识相一致，虽然平场域法的有效性与“平场区域”的选择恰当与否直接有关，但无疑在本试验中平场域法得出的结果最切合实际。
图5.20 CHRIS数据反射率反演结果
图5.21 内部平均法（IRAA）和平场域法（FF）得到的CHRIS图像反射率光谱
图5.22 地面实测光谱采样到与CHRIS波长设置相一致
为比较三种方法所得地物反射率光谱与地面实测光谱间谱形上的相似性，我们收集到2004年7月6日本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，便于与图像光谱进行比对。光谱测量采用的仪器是ASD Fieldspec FR2500光谱仪，其光谱范围为350～2500nm，采样间隔为1.4nm（350～1000nm 区间）和2nm（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5.22 为根据CHRIS中心波长和半高全宽（FWHM）采样后的光谱。
计算得出它们之间的相关性（表5.5），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，反射率反算法订正后的反射率光谱与实测光谱间的一致性最好，特别是在可见光范围的一致性远远高于经验方法；对土壤光谱而言，在可见光范围，基于反射率反演的仍保持相似性最高，但是在近红外波长范围，反射率反演和IRAA都与实测光谱呈负相关，基于模型反射率反演不能很好地表征植被在近红外反射率“平台”（750～900nm）和900～1100nm的水汽吸收特征，特别是平台部分相关系数为-0.43221。相比之下只有FF方法在可见-近红外波段都保持较高的相似性。也印证了上文的分析结论。
表5.5 三种方法得到的植被反射率光谱在可见光区域的相关性（R）
为此，将反射率反演纠正结果与FF相结合，即保留760 nm之前的反射率反演光谱，将760 nm之后的FF光谱做适当平移，然后采用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的保持。修正后的玉米光谱见图5.23。
（2）基于MODTRAN的反射率反演模型对Hyperion数据进行反射率反演实例
启动基于MODTRAN的反射率反演模型，其界面如图5.24所示。
美国航天局（National Aeronautics and Space Administration，简称NASA）的EO-1（Earth Observing One）卫星于2000年11月发射成功，其上搭载的Hyperion高光谱成像仪目前已获取了大量高质量的星载高光谱数据（表5.6）。
使用如图5.25所示庆阳地区Hyperion数据进行反射率反演，提取裸土像元反射率光谱，并将其与ASD数据进行比较，如图5.26 所示。由图可见，在可见近红外波段，两光谱在波形及量值上相近，在短波红外波段，反射率反演结果要略低于ASD采集的数据，这主要是因为气溶胶数据不准确造成的。反射率反演的裸土反射率光谱与 ASD 采集的裸土反射率光谱之间的光谱相关系数达到0.9342。
图5.23 与FF 相结合修正后的玉米光谱与真实光谱比较
图5.24 基于MODTRAN的反射率反演模型界面
图5.25 实验所用Hyperion数据
表5.6 Hyperion/EO-1 的主要技术参数
图5.26 反射率反演得到的反射率与ASD反射率比较
图5.27 敦煌实验场Hyperion数据
使用如图5.27所示敦煌实验场地区的Hyperion数据进行反射率反演，提取实验场均一像元的反射率光谱，并将其与准同步的ASD数据进行比较，如图5.28所示。由于该ASD数据在大于1800 nm的谱段噪声非常大，所以只比较450～1800 nm之间的谱段。两光谱在波形及量值上相近，反射率反演的反射率光谱与ASD采集的反射率光谱之间的光谱相关系数达到0.9516。
图5.28 反射率反演得到的反射率与ASD反射率比较
D. 我想用modis数据反映河口的羽状流，看了一些文章，上面讲到用NIR-SWIR结合的大气校正方法，但是不知道这方
你在esri中国社区也发过这个帖子吧，看这个怪熟悉的,近红外的短红外在水体上的反射是不同的，分别用近红外和短红外波段做大气校正，然后做一些比较
E. 卫星遥感在海岸带环境地质调查中的应用
黄文星1，2万荣胜1，2
（1.广州海洋地质调查局 广州 510760；2.国土资源部海底矿产资源重点实验室 广州 510760）
第一作者简介：黄文星（1985—），硕士，助理工程师，主要从事遥感地质和构造地貌研究，Email:[email protected]。
摘要 近几十年来，随着沿海经济的发展，环境问题突出，海岸带环境地质问题得到越来越多的重视。卫星遥感以其实时、快速、高效的特点在海岸带环境地质调查中得到广泛应用。这些应用包括海岸带类型划分、岸线提取、近岸水深探测以及近岸悬浮泥沙、海表温度（SST）盐度（SSS）、叶绿素浓度反演等环境地质内容。本文简要介绍这些应用的主要原理方法和不足。
关键词 卫星遥感 海岸带 环境地质调查
1 前言
海岸带是海陆交互作用的地带，同时也是人类生存和发展的重要区域。由于自然环境的变化和人类活动的干扰，海岸带地区环境地质问题日益突出，主要表现为海平面上升、海水倒灌、地面沉降、海岸侵蚀、风暴、赤潮等，因此，进行海岸带环境地质调查具有重要意义。
卫星遥感是20世纪60年代发展起来的新技术，具有宏观、快速、动态、综合的特点。目前已经在海岸带地质调查中广泛应用——近岸水域地形地貌探测、海岸类型识别、岸线变迁历史、滩涂演变过程、岛礁分布、航道变迁、海面温度分布、海水盐度分布、海水悬移质及叶绿素分布、海流及波浪状况等［1］。本文主要介绍海岸带类型划分、岸线提取、近岸水深探测以及近岸悬浮泥沙、海表温度（SST）盐度（SSS）、叶绿素浓度反演等的原理方法和存在问题。
2 海岸带类型调查
海岸带类型是海岸带环境地质调查的基本内容之一。不同的海岸带类型具有不同的物质组成、形态特征和空间分布特点，一般可以通过卫星影像中的色调、形状、纹理、阴影，以及与相关地物的空间配置关系进行识别。
砂质海岸表层砂体干出地表时，对可见光具有很强的反射作用，一般呈亮白色；靠近水体，随着含水量的增加，对近红外波段的反射强度快速减弱，呈暗色调；空间配置上，砂质海岸一般地形较为开阔平坦，往往分布在砂质来源丰富、侵蚀作用相对较弱的河口和海湾附近。泥质海岸主要的物质成分为淤泥和粉砂，一般含水量较高，对近红外波段的反射较弱，影调偏暗，多分布于封闭海湾和潮滩。基岩海岸一般位于岬角位置，多为陆上山脉向海的延伸，与海分界截然，纹理色调与岩性、地貌和覆盖的植被有关。
实际调查发现，不同海岸类型有相互交叉的情况。以海南文昌铜鼓岭石头公园附近的海湾为例（图1），该区高潮位-中潮位间，表层砂质覆盖；中潮位-低潮位，大量的基岩礁石出露，这为海岸带类型的定性带来很大的困难，进一步的精细划分对遥感影像的分辨率和时相（低潮位）提出了更高的要求。
图1 海南文昌石头公园附近的海湾
Fig.1 A bay near by the Stone Park in Hainan Province
3 岸线提取
岸线调查也是海岸带环境地质调查的基本内容，通过解译多个时相的岸线，可以研究岸线的变迁演化历史，对分析海平面升降、港口淤积、航道淤塞等具有重要作用，同时也可以为区域经济环境规划提供参考。
一般情况下，在遥感影像中，海水和陆地的分界线是非常明显的，这条线我们称之为水边线（图1）。水边线是动态变化的，随着潮水涨落，与影像的获取时间有关。而海岸线是多年平均大潮高潮所形成的海水与陆地分界的痕迹线。
基岩海岸和人工海岸，岸线陡直，在出图精度容许的情况下，可以直接将水边线作为岸线。砂质海岸和泥质海岸，海岸地势平缓，延伸宽广，水边线与岸线往往有较大的偏差，一般不能直接将水边线作为岸线。这种情况下，往往采用沙滩泥滩与陆生植被的分界线作为岸线（图1）。在大型河口和三角洲附近，岸滩开阔，地物复杂，识别与陆生植被的分界难度较大，有学者［2］提出潮汐模型的方法进行岸线识别。其基本思路是：首先，提取同一地区多个时相的遥感影像的水边线；然后通过潮汐模型或者当地实测的验潮数据，推算出各个时相水边线的高程值，并以此构建研究区海岸带的地形数据；最后依据潮汐模型或者验潮数据推算最大高潮线的位置，即岸线。当前潮汐模型方法面临的主要问题是海岸带的地形资料缺乏，影像数据不多，精度检验困难等。
为了提高遥感影像的解译效率，近年来，有研究者尝试进行岸线的自动识别。识别的算法主要有阈值法、边缘检测算子法、主动轮廓模型方法、面向对象法、马尔科夫场方法等［3］，目前岸线自动识别技术尚处于探索阶段。
4 近海水深调查
传统上水深调查多依靠声纳回声测量，然而，海岸带附近水深较浅，波浪潮汐作用强烈，利用船舶进行声纳水深测量难度大，遥感是一个很好的补充手段。
当前应用卫星遥感进行水深调查，主要有两种方法：微波遥感和光学遥感。
微波对海水的穿透能力非常有限，只能达到厘米级，不能直接探测海底地形，但海流与水下地形的相互作用会使海表产生起伏（海浪），而微波遥感对海浪形态的测量具有很好的效果，也就是说，微波遥感可以通过测量海浪形态来反推海底地形。这种方法在实际应用过程中受海流和海风的方向、速度的影响较为明显［4］，并且探测的深度有限［5］。
可见光对水体具有一定的穿透力（10～30米），假如水体足够清澈，太阳辐射可以到达浅水区底部，并反射回传感器，传感器接收的亮度信息中包含了水深信息。当前应用光学遥感进行水深反演的方法主要有三种［6，7］：一是纯理论模型，主要依据遥感水深的原理和水体光谱特性进行理论计算，这种方法的主要问题是水体光学参数难以获取，且计算过程复杂，目前难以推广使用；二是数学统计模型，将实测的水深数据与遥感影像的灰度值进行统计分析，拟合出方程曲线，再外推计算水深值，这种方法简单易行，但影像灰度值与水深的相关度不能保证，计算结果往往不理想；三是半经验半理论模型，主要通过简化理论模型结合统计数据进行模拟计算，这种方法集合了前两种的优点，是目前使用较多的方法。
目前，光学遥感用于水深调查，在清澈水体已经取得一定的进展，对近岸浑浊水体还处在探索阶段，其关键的技术难题在于如何减轻悬浮物质和底质（底泥）颜色对水深反演模型的影响［6］。
5 近岸水环境调查
近年来，随着沿海社会经济的发展，海岸带环境问题愈加突出，海岸带的地质调查也相应地增加了近岸水环境调查的内容［1］，如：近海悬浮泥沙调查、海表温度（SST）、盐度（SSS）和叶绿素浓度等，卫星遥感在这些项目的调查中同样发挥着重要作用。
5.1 近岸海水悬浮泥沙遥感
水体中悬沙含量的时空分布是分析河口海岸的冲淤变化、估算河流入海物质通量和研究海洋沉积速率的重要参数。因此，对海水悬浮泥沙的调查具有重要意义。
目前，应用卫星遥感进行悬浮泥沙定量反演最为常用的是经验模式——建立野外实测数据与遥感反射率或者归一化离水辐射率之间的关系。常见的关系式有：线性关系、对数关系、Gordon关系、负指数关系等。其主要的依据是悬沙水体的波谱反射曲线具有如下特征：一般情况下悬沙水体的反射率，随着悬沙浓度的增大而增大；悬沙的波谱曲线有黄光波段和近红外波段两个反射峰［8］，在悬沙浓度较低时，第一个峰高于第二个峰，随着悬沙浓度的增加，第二个峰增加，并最终略高于第一个峰［9］。
然而，悬沙水体的反射不只与悬沙的浓度有关，还与悬沙的颗粒大小、种类和形状等有关，因此，上述构建的关系模式在推广应用中往往有很大的局限性。研究更具有可操作性和普适性的水体悬沙遥感算法，需要有更多的标定、检验和发展分析模型。
5.2 近岸海水表层温度反演
目前在全球海水表层温度（SST）调查中常用的数据源为AVHRR和MODIS，但是由于这两个数据的空间分辨率均为千米级，不能满足大比例尺近岸海温调查的要求。TM和ETM+的热红外波段具有较高空间分辨力（分别为120米和90米），在近海的海水表层温度调查中得到广泛应用，并取得不错的效果［10-13］。
利用陆地卫星做海水表层温度反演的难点主要在于大气校正，因为TM和ETM+数据只有一个热红外波段，无法通过不同波段对大气的吸收和发射率的差异来构建大气校正方程，而同步实测的大气轮廓线数据和辐射传输模型往往也缺乏。
5.3 近岸叶绿素浓度反演
叶绿素浓度可用于估算浮游植物的生物量和生产力，同时也是反映水体营养化程度的一个重要参数［14］。在开阔大洋的一类水体中，蓝绿比值法取得较好的效果，应用较为成熟，而该方法并不适用于浑浊的近岸二类水体。目前在二类水体的叶绿素浓度调查中多采用荧光法。荧光法的原理是［15］：浮游植物在波长为400～700nm的太阳光激发下，可以在683nm波段附近产生红光辐射，辐射强度与叶绿素浓度具有很强的相关性，并且大气辐射和海水中的黄色物质与悬浮泥沙对该辐射峰的影响较小。通过量测680nm与660nm之间的辐射量，再进行反演即可得到叶绿素的浓度。
当前，荧光法主要存在三个问题［15］：一是叶绿素产生荧光的过程复杂多变，有待于生物学和生态学方面的进一步研究；二是叶绿素发射的荧光只占叶绿素吸收能量的5%，当叶绿素浓度较低时，传感器难以探测；三是随着叶绿素浓度的增加，叶绿素的荧光峰将发生“红移”，而传感器的通道是固定的，这将影响荧光峰辐射量计算时的准确度。
5.4 近岸海水表层盐度反演
对近岸盐度变化进行监测是我们认识河口海岸生态环境，了解其物理过程的重要手段［16］。传统上主要采用取水样或者使用CTD来测量海水盐度，但是这种方法野外工作量大，且无法同步获取大面积海水表层盐度数据。
目前主要应用微波遥感进行海水表层盐度的反演，其原理是：海水盐度的变化会改变海水的介电常数，进而改变微波辐射特性，通过微波辐射计量测海面的微波发射率，即可从辐射计的亮温中反演出海水表面层盐度（SST）。目前常用于海表盐度反演的电磁波是以1.413GHz为中心的宽度为20MHz的波段，该波段主要的优点是，它属于受国际条约保护的用于无线电天文学研究的波段，不存在人为信号干扰，并且使用该波段除大雨外，几乎可以实现全天候的观测［17］。问题在于目前卫星搭载的传感器空间分辨率极低，无法满足近岸观测的要求。
6 结论和讨论
遥感海岸带环境地质调查，具有高效率、低成本的特点，目前已经得到广泛应用。在一些领域，如海岸类型调查和岸线调查都已经比较成熟。难点在于近岸水体部分，水深调查、悬沙调查、温度盐度和叶绿素浓度反演，这几个方面都还处于探索阶段。面临的最重大的技术瓶颈在于传感器。遥感近岸环境地质调查对传感器提出了苛刻的“三高”要求（高空间分辨率、高波谱分辨率和高时间分辨率）。首先，海岸带环境地质调查以岸线以外20公里的海区和岸线以内5公里的陆区作为核心调查区。因此，高的空间分辨率尤为重要，传统的海洋水色卫星，分辨率多为公里级，难以达到1：10万和更大比例尺海岸带调查的制图精度要求。其次，海岸带环境地质调查的内容复杂多样，包含了陆地和水体，水体又涉及浅表的温度盐度、悬浮的泥沙以及水下的地形地貌。要满足这些需求，必须要有足够高的波谱分辨率，才能有效地去除干扰信息，获得准确的波谱传导模型。最后，海岸带是岩石圈、生物圈、水圈和大气圈强烈交互作用的区域，同时，还是人类的集中居住区，受人类改造强烈，环境变化快速。传感器没有高的时间分辨率，便无法准确把握海岸带环境地质变化的规律。以目前的技术而言，建立一个低轨道的小卫星群，搭载高分辨率（空间分辨率和波谱分辨率）传感器，是最有效的解决办法。
参考文献
［1］夏真，林进清，郑志昌.2005.海岸带海洋地质环境综合调查方法［J］.地质通报.24（6）：570-575
［2］申家双，翟京生，郭海涛.2009.海岸线提取技术研究［J］.海洋测绘.29（6）：74-77
［3］张明，蒋雪中，张俊儒，等.2008.遥感影像海岸线特征提取研究进展［J］.人民黄河.30（6）：7-9
［4］范开国，傅斌，黄韦艮，等.2009.浅海水下地形的SAR遥感仿真研究［J］.海洋学研究.27（2）：79-83
［5］郑宗生.2006.RS与GIS在海洋地质调查中的应用［J］.海洋地质动态.22（1）：27-33
［6］张鹰，张东，王艳姣，等.2008.含沙水体水深遥感方法的研究［J］.海洋学报（中文版）.30（1）：51-58
［7］陶菲.2007.经泥沙遥感参数校正的辐射沙洲水深遥感模型研究［D］.南京：南京师范大学
［8］李炎，李京.1999.基于海面—遥感器光谱反射率斜率传递现象的悬浮泥沙遥感算法［J］.科学通报.44（17）：1892-1897
［9］刘芳.2005.南黄海及东海北部海域悬沙的遥感研究［D］.北京：中国科学院研究生院
［10］于杰，李永振，陈丕茂，等.2009.利用Landsat TM6数据反演大亚湾海水表层温度［J］.国土资源遥感.（3）：24-29
［11］邢前国，陈楚群，施平.2007.利用Landsat数据反演近岸海水表层温度的大气校正算法［J］.海洋学报（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，吴倩，王学军，等.2002.巢湖浮游植物叶绿素含量与反射光谱特征的关系［J］.湖泊科学.14（3）：228-234
［15］邢小罡，赵冬至，刘玉光，等.2007.叶绿素a 荧光遥感研究进展［J］.遥感学报.11（1）：137-144
［16］王永红，M L Heron，Peter Ridd.2007.航空微波遥感观测海水表层盐度的研究进展［J］.海洋地质与第四纪地质.27（1）：139-145
［17］杨斌利.2010.用于海洋盐度观测的主被动联合遥感器［J］.空间电子技术.（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进行大气校正
http://www.gisjc.com/a/ENVI/2010/0502/302.html
http://www.gisjc.com/a/ENVI/2010/0413/32.html
G. 什么情况下需要做大气校正
这要看你用卫星数据从事哪方面的工作了，如果是地物分类或者做地图使用那完全没必要做大气校正，如果你是要通过反射情况提取水体信息那就要做大气校正，比较详细的说明可以看网络，的landsat8数据是1级产品，只做了辐射校正，所以具体看你是用来干什么了
H. 大气校正
遥感器接收目标辐射或反射的电磁波所形成的遥感原始图像与目标相比是失真的，这是因为在太阳-大气-目标-大气-遥感器的光线传播路径中，许多因素的影响造成接收的信号不能准确的反映地表物理特征。这些因素归结为以下几个方面：
（1）大气内容物的影响
大气主要由大气分子和气溶胶组成，这两者的影响行为是不相同的。大气分子瑞利散射、气溶胶的Mie散射；大气分子与气溶胶的吸收及两者的耦合作用。一方面，大气的吸收导致消光，减少了辐射量，降低了图像对比度，使图像变得暗淡；另一方面，大气散射导致的程辐射，增加了辐射量。
（2）表面因素的贡献
在一般的应用中，为了简化计算，假定地表为朗伯体，反射与方向无关。事实上任何表面在物理特性与物质结构上都不是理想朗伯体，因此认为地面是朗伯体会带来误差，而当地表方向反射特性突出时，假设地面是朗伯体的大气纠正方法精度受到限制。另一个因素是由于大气散射的存在，邻近像元的反射光也会进入目标视场从而影响辐射量，即交叉辐射。
（3）地形因素的影响
目标高度与坡向会对辐射造成影响。
（4）太阳辐射光谱的影响
太阳本身是一个黑体，其光谱辐射按照普朗克定律有一定的形状，这个因素在反射率反演中需要予以考虑。
由以上可知，大气对光学遥感的影响是十分复杂的。为此，学者们尝试着提出不同的大气纠正模型来模拟大气的影响。但是对于任一幅图像，其对应的大气数据几乎是永远变化的，且难以获得，因而应用完整的模型纠正每个像元是不可能的。最早的大气纠正方法是从图像本身来估计大气参数，反复运用大气模拟模型进行纠正。结合地面实况数据进行大气校正是另一种方法，其包括两种类型：一种是通过地面测定大气参数（如可见光近红外的气溶胶的密度及红外区域的水汽浓度），再结合辐射传输方程作近似求解；另一种是测得地面目标物的反射率，再与图像数据进行比较来消除大气的影响。地面同步测量有助于提高精度，但是却需要人力物力，且应用区域也有限。此外还有一些大气纠正的方法。例如在同一平台上，除了安装获取目标图像的遥感器以外，也安装上专门测量大气参数的遥感器，利用这些数据进行大气校正。
3.4.1 基于影像特征的校正模型
基于图像特征的相对校正法是在没有条件进行地面同步测量的情况下，借用统计方法进行图像相对反射率转换。从理论上来讲，基于图像特征的大气校正方法都不需要进行实际地面光谱及大气环境参数的测量，而是直接从图像特征本身出发消除大气影响，进行反射率反演，基本属于数据归一化的范畴。精确的大气校正需要精确的测量大气参数和复杂的运算，这些在许多遥感应用中，往往很难满足。并且在某些应用中不一定需要绝对的辐射校正。此时，这种基于图像的相对校正就能满足其要求。
基于图像特征的相对校正法主要有内部平均法、平场域法、对数残差法等。
（1）内部平均法
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，把图像DN值与整幅图像的平均辐射光谱值的比值确定为相对反射率光谱，即
ρλ ＝ Rλ /Fλ （3.21）
式中：Rλ为像元在该波段的辐射值；Fλ为整幅图像的平均辐射光谱值；ρλ为该像元的相对反射率。
（2）平场域法
平场域法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的区域，利用其平均光谱辐射值来模拟飞行时大气条件下的太阳光谱。将每个像元的DN值与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 （3.22）
式中：Rλ为像元在该波段的辐射值；Fλ为平场域的平均辐射光谱值；ρλ为该像元的相对反射率。
利用平场域消除大气影响并建立反射率光谱图像有两个重要的假设条件：一个是平场域自身的平均光谱没有明显的吸收特征；另一个是平场域辐射光谱主要反映的是当时大气条件下的太阳光谱。
平场域模型已广泛应用于遥感数据处理中，它是在内部平均法模型基础上发展起来的，这种模型克服了内部平均法模型易受像幅内吸收特征影响而出现假反射峰的弱点，而且计算量更小，其不足之处在于选取光谱地理平台单元时，会引入人为的误差，而且需要对研究区内地物光谱有一定的先验了解，当选取具有不同反射率等级的地理平台单元时，会引出不同处理结果。当研究区位于山区或其他地形起伏较大的复杂地区时，选择地理平台单元较为困难。
（3）对数残差法
对数残差法的意义是为了消除光照及地形因子的影响。按照一定的规则调节每个像元值，使其在每一个被选定的波段上的值等于整个图幅的最大值，然后对每一个波段减去其归一化后的平均值。假设有：
DNij ＝ TiRijIj （3.23）
式中：DNij为像元i的j波段的灰度值；Ti 为像元i处表征表面变化的地貌因子，对确定的像元所有的波段该值都相同；Rij为像元i波段j的反射率；Ij为波段j的光照因子。
由表3.12我们可以看出，以上三种方法中，只有残差图像法是真正意义上的辐射校正。
表3.12 高光谱基于图像特征的相对校正法对各种影响辐射的物理因素的补偿能力比较
3.4.2 地面线性回归经验模型
基于地面线性回归经验模型法是一个比较简便的定标算法，国内外已多次成功地利用该模型进行遥感定标实验。它首先假设地面目标的反射率与遥感器探测的信号之间具有线性关系，通过获取遥感影像上特定地物的灰度值及其成像时相应的地面目标反射光谱的测量值，建立两者之间的线性回归方程式，在此基础上对整幅遥感影像进行辐射校正。该方法数学和物理意义明确，计算简单，但必须以大量野外光谱测量为前提，因此成本较高，对野外工作依赖性强，且对地面定标点的要求比较严格。这种方法仅适用于地面实况数据特定的地区及时间。
3.4.3 利用波段特性进行大气校正
在利用卫星遥感中，有相当部分的大气散射光未经过地物反射，通过大气吸收后，直接进入传感器。我们叫这种辐射为程辐射。严格地说，程辐射的大小与像元位置有关，随大气条件、太阳照射方向和时间变化而变化，但因其变化量微小而忽略。可以认为，程辐射度在同一幅图像的有限面积内是一个常数，其值的大小只与波段有关。一般来说，程辐射度主要来自米氏散射，即散射主要发生在短波波段，其散射强度随波长的增大而减小，到红外波段基本接近于零。可以把近红外波段作为无散射影响的标准图像，通过对不同波段图像的对比分析来计算大气影响。根据这个原理主要有三种方法：单影像直方图调整法、单影像回归分析法和多时相影像归一化分析法。
（1）单影像直方图调整法
采用单影像直方图调整方法的前提条件是在一幅影像中存在某种地物如深海水体、高山背阴处等，其辐亮度值或反射率接近于0，这时其图像直方图的最小值就应该为0，如果不为0，就认为是大气散射导致的。
（2）单影像回归分析法
假定某红外波段，程辐射影响接近于零，设为波段a，现需要找到其他波段相应的亮度最小值，这个值一定比a波段的亮度最小值大一些，设为波段b。分别以a，b波段的像元亮度值为坐标，作二维光谱空间，两个波段中对应像元在坐标系内用一个点表示。由于波段之间的相关性，通过回归分析在众多点中一定能找到一条直线与波段b的亮度Lb 轴相交，即用最小二乘法拟合出一条直线，回归方程为
Lb ＝ KLa ＋ c （3.24）
式中：c为拟合的直线在Lb轴的截距；K为拟合直线的斜率。
高光谱遥感技术原理及矿产与能源勘查应用
高光谱遥感技术原理及矿产与能源勘查应用
式中：La为假定波段亮度最小值；
（3）多时相影像归一化分析法
多时相影像归一化首先要选取基准影像（设为b），然后对不同时相的所有其他影像的光谱特征进行转换，使它们具有与基准影像基本相同的辐射量级。多时相影像归一化分析方法的一个重要步骤是选取伪不变特征（Pseudo-Invariant Features，PIFs），也称为辐射地面控制点。伪不变特征具有如下特点：尽管某些变化是不可避免的，伪不变特征的光谱特性应该随时间变化很小，如深海水体、裸土。大屋顶或其他同质地物都是不错的选择；在一景影像中，伪不变特征与其他地方的高程应该大致相同，山顶伪不变特征在估计近海面大气条件中的作用不大，因为大气中的多数气溶胶都出现在低于1000 m的大气中；伪不变特征包含的植被应尽可能少，由于环境胁迫和气候周期的影响，植被光谱反射率会随时间变化；伪不变特征应该选在相对平坦的区域，使太阳高度角的逐日变化与所有归一化目标的太阳光直射光束之间具有增加或减小的比例。
利用基准影像与其他时相影像的PIFs光谱特性之间的联系进行回归分析。该方法是假定时相b-1或b＋1的影像像元与基准影像b相同位置上的像元是线性相关的。这意味着，采样像元的光谱反射特性在这一段时间内没有发生变化，所以多时相影像回归分析的关键是选取伪不变特征。
地面覆盖的遥感分类能力依赖于遥感亮度值（BV）和实际地表条件的稳定联系。然而，太阳高度角、日地距离、各种不同传感器系统的探测器定标差异、大气条件和太阳-目标传感器的几何关系等因素会影响像元亮度值。影像归一化减少了由非地表因素引起的像元亮度值变化，使不同时相的像元亮度值变化与地表条件的实际变化相联系。归一化处理使得从基准影像中得到的像元分类可用于其他的归一化影像上。
3.4.4 大气辐射传输模型理论方法
1972年，Turner与Spencer提出的通过模拟大气-地表系统来评估大气影响的方法，可作为最早的大气辐射传输模型之一，当时研究的重点在于消除大气对影像对比度的影响。20世纪80年代，许多学者对卫星影像的大气校正研究做了大量工作，在模拟地-气过程的能力上有了很大提高，发展了一系列辐射传输模型，例如我们熟知的LOWTRAN系列模型和5S模型。
自1990年以来，许多的辐射传输模型被用于大气校正算法中，涌现出一大批新的大气校正模型，其中有的方法使用一些先进的数学算法提高计算速度（如6S），试图寻找精度与速度的最佳平衡点。
基于大气辐射传输理论的大气纠正模型主要考虑的问题有以下几个方面：
1）构成大气的气体分子和气溶胶的散射和吸收特性及两者耦合效果的研究。其中，各模型主要考虑的是吸收及气溶胶散射。大气辐射传输模型中用到的大气参数包括气温、气压、水汽含量、臭氧含量、能见度、水平气象视距、灰尘颗粒度等，这些参数用于计算辐射传输方程中大气的吸收透过率与散射透过率，以及气溶胶光学厚度，因此输入大气参数的精度直接影响大气校正的最终结果。同步实地观测可以为大气校正提供所需的大气参数，但同步实地观测需耗费大量人力物力，且对历史数据无能为力。为此，6S和MODTRAN中提供了一系列既定参数供用户选择，这些参数是对大量观测数据统计分析得到的，旨在模拟遥感器过境时的大气状况，但这与实际的大气状况存在差距。
2）地表特性的假设。高精度的大气校正必须考虑地表非朗伯体特性。在6S中可以选择均一非朗伯体模型。
3）模型中算法的选择。更精确的算法往往会伴随巨大的计算量，以往大气纠正的过程中，学者往往会牺牲一定的精度来满足计算速度的需求，现在随着计算机科技的发展，越来越多的模型选择了复杂而更精确的算法来满足高精度的需求。
在已有的模型中，最着名的辐射传输模型是MODTRAN和6S。分别是在对LOWTRAN与5S改进的基础上发展而来。由于高光谱相机波段范围是400～2500nm，拟分别采用6S 辐射传输模型和MODTRAN辐射传输模型进行大气纠正。6S源代码开放，可以很方便地进行修改和移植；MODTRAN可供自定义的参数多，均适合于相应的地表反射率反演系统开发。利用若干典型区域的长期地基观测数据（如AERONET观测站点所在区域），建立起局地气溶胶模式和类型，结合6S和MODTRAN分别建立针对这些区域的大气纠正模式。同时，在实验验证的基础上对重点区域大气辐射传输方程进行简化，在不降低反演精度的前提下，减少运算次数，提高高光谱图像在这些区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语言编写的适用于太阳反射波段（0.25～4μm）的大气辐射传输模式。由于计算机水平和其他相关知识的发展，6S模型对5S模型提出了一系列的改进。主要改进如下：
1）在5S模型中，瑞利散射的大气函数ρ，T，S被制成表，给使用带来不便。在6S中，用满足精度的解析表达式代替。
2）6S模型选用高精度的SOS模型代替原有方法处理分子和气溶胶散射。SOS模型可以精确模拟机载遥感，并且提供处理非朗伯体（BRDF）临近问题所需的输入参数。
3）5S模型假定吸收作用与散射作用可以耦合，就像吸收粒子位于散射层的上面一样。6S假设散射和吸收互不影响，主要考虑水汽吸收和气溶胶散射的三种极端耦合情况：水汽吸收粒子覆在气溶胶层之上；水汽吸收粒子在气溶胶层之下；有一半水汽吸收粒子与气溶胶辐射路径混在一起。
4）5S中，气体吸收传输用的是随机波段模型。这个模型有两个主要问题：首先，使用的是AFGL在1982年公布的大气吸收线性参数，并没有考虑太阳反射光谱段的一些其他吸收气体；其次，采用20 cm-1的波段间隔（过大）模拟宽波段辐射计（如1000 cm-1）的吸收，这个较宽的波段间隔不适用于模拟更高光谱分辨率（如100 cm-1）光谱仪器的吸收情况。在6S中，不仅考虑新的吸收分子种类的影响，并且气体的吸收以10 cm-1的光谱间隔来计算。
5）为了兼顾计算效率，5S代码仅模拟海平面上均匀朗伯体目标的反射率。在6S中，目标高程Zt 可作为一项输入：可依据Zt 去除目标高度以下的大气层，计算新的大气廓线；由于Zt对主要分布在低层大气中的H2 O产生很大的影响，故可根据Zt 重新计算H2 O含量，同理，可根据Zt 重新计算气溶胶的含量；6S将光学厚度视为目标高度处压强的比例函数，从而很高精度的计算了Zt 对分子光学厚度的影响。
6S模型定义了地表的反射率模型，包括均一地表和非均一地表两种情况，在均一地表中又考虑了无方向性反射问题，在考虑方向性问题时用了九种不同的模型。利用较高精度的新模型解释BRDF作用和临近效应。
6）6S对5S数据库的改进：
光谱积分步长达到了2.5nm（相比于原来的5nm）。
增加了新的吸收气体（如CO2，N2O，CH4），6S模型用HITRAN数据库以10cm-1分辨率计算波段吸收参数。
IRC定义的四种基本气溶胶微粒以更好的步长重新计算一次。
且6S中新加了5S中难以计算的气溶胶模型（平流层型、沙漠型，以及生物燃烧产生的气溶胶类型）。
6S给定了九种比较成熟的BRDF供用户选择，也可以自定义BRDF函数，作为参数输入到6S，验证研究反射率与地表BRDF的关系（表3.13 ，表3.14）。
表3.13 6S模型输入参数
表3.14 6S模型输出参数
LOWTRAN和MODTRAN模型是由美国空军地球物理实验室研制的大气辐射模拟计算程序，在遥感领域被广泛应用于图像的大气校正。
LOWTRAN是一个光谱分辨率为20 cm-1的大气辐射传输实用软件，它提供了六种参考大气模式的温度、气压、密度的垂直廓线；水汽、臭氧、甲烷、一氧化碳、一氧化二氮的混合比垂直廓线；其他13种微量气体的垂直廓线；城乡大气气溶胶、雾、沙尘、火山喷发物、云、雨的廓线；辐射参量（如消光系数、吸收系数、非对称因子的光谱分布）及地外太阳光谱。它可以根据用户的需要，设置水平、倾斜及垂直路径，地对空、空对地等各种探测几何形式，适用对象广泛。LOWTRAN的基本算法包括透过率计算方法，多次散射处理和几何路径计算。
（1）多次散射处理
LOWTRAN采用改进的累加法，自海平面开始向上直至大气的上界，全面考虑整层大气和地表、云层的反射贡献，逐层确定大气分层每一界面上的综合透过率、吸收率、反射率和辐射通量。再用得到的通量计算散射源函数，用二流近似解求辐射传输方程。
（2）透过率计算
该模型在单纯计算透过率或仅考虑单次散射时，采用参数化经验方法计算带平均透过率，在计算多次散射时，采用k分布法。
（3）光线几何路径计算
考虑了地球曲率和大气折射效应，将大气看作球面分层，逐层考虑大气折射效应。
MODTRAN模型可以计算0到50000 cm-1的大气透过率和辐亮度，它在440 nm到无限大的波长范围精度是2cm-1 ，在22680cm-1到50000cm-1紫外波（200～440nm）范围的精度是20cm-1 ，在给定辐射传输驱动、气溶胶和云参数、光源与遥感器的几何立体对和地面光谱信息的基础上，根据辐射传输方程来计算大气的透过率以及辐亮度。
开发MODTRAN是为了改进 LOWTRAN 的光谱分辨率，MODTRAN 将光谱的半高全宽度（full width half maximum，FWHM）由LOWTRAN的20cm-1减少到2cm-1 ，目前的MODTRAN4.0它的光谱分辨率已经达到2 cm-1 ，改进了瑞利散射和复折射系数的计算精度，增加了DISORT计算太阳散射贡献的方位角相关选项，并将七种BRDF模型引进到模型中，使地表的参数化输入成为可能。
MODTRAN以卡片的形式来进行参数设置，操作起来清晰简洁，可以在文本格式下直接对其输出输入参数文件进行修改。
I. 实验二十五 遥感水体信息提取
一、实验目的
通过运用ENVI的“Basic Tools>Band Math”功能操作，从Landsat-5 TM 数据中提取水体特征信息——归一化差值水体指数NDWI.掌握遥感水体信息提取技术方法，增加对遥感水体信息提取原理的理解。
二、实验内容
①归一化差异水体指数计算公式分析；②运用ENVI的Band Math匹配功能对桂林市Landsat-5 TM遥感影像数据进行NDWI提取运算；③NDWI图像分析。
三、实验要求
①明白归一化差值水体指数NDWI计算公式的构成及意义；②掌握归一化差值水体指数NDWI计算的ENVI基本操作；③编写实验报告。
四、技术条件
①微型计算机；②桂林市Landsat-5 TM 遥感影像；③ENVI软件；④ACDSee软件（ver.4.0以上）。
五、实验步骤
目前常用的水体信息提取方法主要有：单波段法、谱间关系法和归一化差异水体指数法，本次实验使用归一化差异水体指数法对桂林市Landsat-5 TM 遥感影像进行水体信息提取。
归一化差异水体指数（Normlaized Difference Water Index，简写为NDWI）：由于水体的反射从可见光到中红外波段逐渐减弱，在近红外和中红外波长范围内吸收性最强，几乎无反射，因此用可见光波段和近红外波段的反差构成的NDW I可以突出影像中的水体信息。另外，由于植被在近红外波段的反射率一般最强，因此采用绿光波段与近红外波段的比值可以最大限度地抑制植被的信息，从而达到突出水体信息的目的。其计算公式为
NDWI=（GREEN- NIR）/（GREEN +NIR） （25- 1）
式中：GREEN为绿光波段数据；NIR为近红外波段数据。
归一化差异水体指数要求从高精度的多光谱或者高光谱反射率数据中计算，未经大气校正的辐射亮度或者量纲为一的DN值数据不适合计算水体指数，本次实验选择桂林市Landsat-5 TM 遥感影像，对归一化差值水体指数进行计算，具体操作步骤如下。
（1）辐射校正。对桂林市Landsat-5 TM 遥感影像进行辐射校正，辐射校正方法参考本书实验十九。
（2）归一化差异水体指数（NDWI）。对于Landsat-5 TM遥感影像，TM2（0.52～0.60μm）为绿波段，TM4（0.76～0.96μm）为近红外波段。运用ENVI软件波段运算（Band Math）功能，将公式（25-1）变换为（TM2-TM4）/（TM2+TM4）进行NDWI计算，具体操作步骤如下：
1）在ENVI主菜单栏中选择“File>Open lmage File”，出现文件目录窗口，将经过辐射校正的桂林市Landsat-5 TM 遥感影像数据调入“Available Bands List”窗口。
2）根据公式（25-1），利用桂林市陆地卫星遥感数据TM2与TM4波段进行归一化差异水体指数（NDWI）计算，在ENVI主菜单栏中选择“Basic Tools>Band Math”命令，出现“Band Math”对话框，如图25-1所示。
在“Band Math”对话框内的“Enter an expression”文本框中输入变量名和所需要的数学运算符，变量名必须以字符“b”或“B”开头，后面为5个以内的数字字符，如：（b2-b4）/（b2+b4）。
3）表达式输入完成后，点击【Add to List】按钮，则输入的表达式会自动显示在“Band Math”对话框内“Previous Band Math Expressions”文本框中，确定无误后点击【OK】按钮，出现“Variablesto Bands Pairings”对话框，如图25-2所示。
图25-1 波段运算对话框
图25-2 变量与波段匹配对话框
在该对话框中的“Variables used in expression”栏中利用实际需要进行运算的波段替换表达式中的变量（如b2、b4等）。首先在“Variables used in expression”栏中点击其要替换的变量，然后在“Available Bands List”栏中将需要进行运算的波段选中，即可完成替换。
4）在“Output Result to”中选择结果输出到文件（File）或内存（Memory）。如果选择结果输出到文件，则点击【Choose】按钮选择输出文件路径。
5）完成上述步骤后，点击【OK】按钮，执行归一化差异水体指数（NDWI）计算。水体信息提取结果如图25-3所示。
图25-3 桂林市Landaat-5 TM 遥感影像水体信息提取图
六、实验报告
（1）简述实验过程。
（2）回答问题：①利用归一化差异水体指数提取水体信息受哪些因素的干扰？②提取水体遥感信息为何要进行辐射校正？
实验报告格式见附录一。