一种遥感数据大气校正方法技术

本发明专利技术提供一种遥感数据大气校正方法，涉及数据校正领域，包括：S1获取一组遥感数据及对应的元数据；S2计算遥感数据的归一化植被指数，得到第一分类集、第二分类集、第三分类集；S3根据元数据对第一分类集、第二分类集、第三分类集分别进行筛选，得到第一子集、第二子集、第三子集；S4根据元数据、大气辐射传输模型分别计算得到第一子集、第二子集、第三子集的AOD；S5利用时空扩展策略对第一子集、第二子集、第三子集的AOD分别进行扩展，得到整组遥感数据的AOD；S6对遥感数据按照AOD进行统一的大气校正，得到遥感数据的地表反射率。本发明专利技术提供的方法能极大提高AOD反演的精度，且不需大量的数据进行反演，降低了成本。降低了成本。降低了成本。

【技术实现步骤摘要】
一种遥感数据大气校正方法


[0001]本专利技术涉及数据校正领域，尤其涉及一种遥感数据大气校正方法。

技术介绍

[0002]大气中的气溶胶是地面和卫星传感器之间的中介物质，不可避免的对卫星遥感所获取的数据形成影响，随着气溶胶的增大，对所获取图像的质量影响也越大。为了充分利用卫星遥感所获取的地表信息，我们需要对图像中大气所引起的信息进行校正。自从二十世纪70年代以来，科学家们在遥感数据大气校正方面开展了大量的研究。现阶段，遥感数据大气校正主要分为两大类：基于遥感图像自身统计信息的大气校正方法和基于特定地表特征的大气校正方法；前一种方法实现简单、效率高，但一致性较差、精度较低；后一种方法需要反演大气中气溶胶和大气水汽信息，并且需要解算大气辐射传输模型，校正效果与大气气溶胶和大气水汽的反演精度相关，且效率较低。
[0003]基于遥感图像自身统计信息的大气校正方法利用清洁区域(只含背景气溶胶或者少量气溶胶的区域)和非清洁区域(含有气溶胶的区域)遥感图像直方图之间的差异进行统计分析，对非清洁区域图像进行校正。这类方法主要包括直方图匹配法、集束匹配法、缨帽变换法、烟雾最优化变换法等。其中烟雾最优化变换法已经被集成在ATCOR软件中，得到广泛应用。然而，这类方法首先需要图像具有多处相似的地表，并且这些相似地表具有较为清洁的大气，如果没有清洁区域则无法进行大气校正；同时，清洁区域需要人为选定，不具备自动化能力。
[0004]大气效应的精确校正，依赖AOD的精确反演。然而，可见光近红外波段的遥感图像是地面与大气高度耦合的信息，要想精确获取地表信息或者大气信息必须在其中一种信息已知的条件下，利用辐射传输方程求解得到另一种信息。对于遥感图像大气校正和对于地表信息的已知程度决定了大气校正的精确程度。国内外关于气溶胶遥感的研究，都对地表的状况做出了各种假设，反演了气溶胶信息来进行大气校正。但遥感数据量庞大，对所有的遥感数据均进行AOD反演后再进行大气校正将付出极大的人力物力。

技术实现思路

[0005]基于上述技术问题，本专利技术提供一种遥感数据大气校正方法，通过设定一种高效合理的筛选方式，选取适量的代表性数据，并通过适配的时空扩展策略进行模拟计算AOD，进而得到整组遥感数据的AOD，并利用AOD进行大气校正，本专利技术提供的方法能极大提高AOD反演的精度，且不需大量的数据进行反演，降低了成本。
[0006]为达到上述技术目的，本专利技术提供的一种遥感数据大气校正方法包括：
[0007]S1获取一组遥感数据及对应的元数据，并对遥感数据进行预处理；
[0008]S2计算遥感数据的归一化植被指数，设置两个阈值，根据两个阈值将遥感数据按照归一化植被指数进行归类，得到三个分类集，分别为第一分类集、第二分类集、第三分类集；
[0009]S3根据元数据对第一分类集、第二分类集、第三分类集分别进行筛选，得到第一子集、第二子集、第三子集；
[0010]S4根据元数据、大气辐射传输模型分别计算得到第一子集、第二子集、第三子集的AOD；
[0011]S5利用时空扩展策略对第一子集、第二子集、第三子集的AOD分别进行扩展，得到扩展AOD，根据扩展AOD和第一子集、第二子集、第三子集的AOD得到整组遥感数据的AOD；
[0012]S6利用大气辐射传输模型建立大气校正查找表，根据大气校正查找表对遥感数据按照AOD进行统一的大气校正，得到遥感数据的地表反射率。
[0013]于本专利技术一具体实施例中，步骤S1包括：
[0014]S11通过计算得到每个遥感数据各个像元的波段值；
[0015]S12获取历史遥感数据，利用长时间序列的历史遥感数据，构建含有蓝光波段的晴空背景场，根据含有蓝光波段的晴空背景场以及遥感数据的各个像元的蓝光波段反射率，计算得到云检测阈值；
[0016]S13利用云检测阈值对遥感数据进行云检测，剔除云及云阴影像元，得到预处理后的遥感数据。
[0017]于本专利技术一具体实施例中，步骤S2包括：
[0018]S21计算遥感数据的归一化植被指数，计算公式如下：
[0019][0020]其中，NDVI为归一化植被指数，NDVI值范围为[
‑
1,1]，ρ
NIR
为近红外波段值，ρ
RED
为红光波段的反射率；
[0021]S22设置第一阈值ρ1和第二阈值ρ2，第一阈值ρ1小于第二阈值ρ2，第一阈值ρ1和第二阈值ρ2将NDVI的值范围[
‑
1,1]划分为三个值段，分为第一值段[
‑
1,ρ1)、第二值段[ρ1,ρ2)、第三值段[ρ2,1]；
[0022]S23将遥感数据的NDVI的值与三个值段做比较：
[0023]若一个遥感数据的NDVI值落入第一值段的范围，则将该遥感数据归入第一分类集；
[0024]若一个遥感数据的NDVI值落入第二值段的范围，则将该遥感数据归入第二分类集；
[0025]若一个遥感数据的NDVI值落入第三值段的范围，则将该遥感数据归入第三分类集。
[0026]于本专利技术一具体实施例中，步骤S3包括：
[0027]S31从元数据中提取数据获取范围、数据获取日期，并将遥感数据按照云检测结果进行质量评定，得到遥感数据的质量分数；
[0028]S32将遥感数据按照数据获取日期按照从近到远的时间顺序进行排列，以月为节点进行分节，得到多组节段集；
[0029]S33将遥感数据按照数据获取范围按照预设的区划进行划分，以对预设的区划的覆盖度达到60％为基准，得到多组范围集；
[0030]S34将每组节段集和每组范围集均按照质量分数从高到低进行排序，以排序后的
节段集与排序后的范围集进行交叉筛选，得到筛选集；
[0031]S35将筛选集与第一分类集、第二分类集、第三分类集做比对：
[0032]若筛选集中的数据隶属于第一分类集，则将该数据归入第一子集；
[0033]若筛选集中的数据隶属于第二分类集，则将该数据归入第二子集；
[0034]若筛选集中的数据隶属于第三分类集，则将该数据归入第三子集。
[0035]于本专利技术一具体实施例中，步骤S34包括：
[0036]将排序后的节段集记为{{A
i
}}
m
，将排序后的范围集记为{{B
j
}}
n
，其中，m为节段集的组数，A
i
为当前组的第i个节段数据，n为范围集的组数，B
j
为当前组的第j个范围数据；
[0037]将m组{A
i
}中质量分数排在前50％的节段数据作为节段集；
[0038]将n组{B
j
}中质量分数排在前30％的范围数据作为范围集；
[0039]将节段集和范围集进行合并、去重，得到筛选集。
[0040]于本专利技术一具体实施例中，步骤S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感数据大气校正方法，其特征在于，包括：S1获取一组遥感数据及对应的元数据，并对遥感数据进行预处理；S2计算遥感数据的归一化植被指数，设置两个阈值，根据两个阈值将遥感数据按照归一化植被指数进行归类，得到三个分类集，分别为第一分类集、第二分类集、第三分类集；S3根据元数据对第一分类集、第二分类集、第三分类集分别进行筛选，得到第一子集、第二子集、第三子集；S4根据元数据、大气辐射传输模型分别计算得到第一子集、第二子集、第三子集的AOD；S5利用时空扩展策略对第一子集、第二子集、第三子集的AOD分别进行扩展，得到扩展AOD，根据扩展AOD和第一子集、第二子集、第三子集的AOD得到整组遥感数据的AOD；S6利用大气辐射传输模型建立大气校正查找表，根据大气校正查找表对遥感数据按照AOD进行统一的大气校正，得到遥感数据的地表反射率。2.根据权利要求1所述的方法，其特征在于，步骤S3包括：S31从元数据中提取数据获取范围、数据获取日期，并将遥感数据按照云检测结果进行质量评定，得到遥感数据的质量分数；S32将遥感数据按照数据获取日期按照从近到远的时间顺序进行排列，以月为节点进行分节，得到多组节段集；S33将遥感数据按照数据获取范围按照预设的区划进行划分，以对预设的区划的覆盖度达到60％为基准，得到多组范围集；S34将每组节段集和每组范围集均按照质量分数从高到低进行排序，以排序后的节段集与排序后的范围集进行交叉筛选，得到筛选集；S35将筛选集与第一分类集、第二分类集、第三分类集做比对：若筛选集中的数据隶属于第一分类集，则将该数据归入第一子集；若筛选集中的数据隶属于第二分类集，则将该数据归入第二子集；若筛选集中的数据隶属于第三分类集，则将该数据归入第三子集。3.根据权利要求2所述的方法，其特征在于，步骤S34包括：将排序后的节段集记为{{A
i
}}
m
，将排序后的范围集记为{{B
j
}}
n
，其中，m为节段集的组数，A
i
为当前组的第i个节段数据，n为范围集的组数，B
j
为当前组的第j个范围数据；将m组{A
i
}中质量分数排在前50％的节段数据作为节段集；将n组{B
j
}中质量分数排在前30％的范围数据作为范围集；将节段集和范围集进行合并、去重，得到筛选集。4.根据权利要求3所述的方法，其特征在于，步骤S5包括：S51时空扩展策略包括时序扩展策略和空间扩展策略；S52根据时序扩展策略对第一子集、第二子集、第三子集的AOD分别进行时序扩展，得到第一时序模拟AOD、第二时序模拟AOD、第三时序模拟AOD；S53根据空间扩展策略对第一子集、第二子集、第三子集的AOD进行空间扩展，得到第一空间模拟AOD、第二空间模拟AOD、第三空间模拟AOD；S54根据加权方式计算得到扩展AOD：按照第一加权方式对第一子集的AOD、第一时序模拟AOD、第一空间模拟AOD进行计算，得到第一扩展AOD；
按照第二加权方式对第二子集的AOD、第二时序模拟AOD、第二空间模拟AOD进行计算，得到第二扩展AOD；按照第三加权方式对第三子集的AOD、第三时序模拟AOD、第三空间模拟AOD进行计算，得到第三扩展AOD；S55将第一扩展AOD、第二扩展AOD、第三扩展AOD、第一子集的AOD、第二子集的AOD、第三子集的AOD合并作为遥感数据的AOD。5.根据权利要求4所述的方法，其特征在于，时序扩展策略为：步骤一、根据三个分类集中的数据获取时间分别建立三个时间节段序列，每个时间节段为一个月，序列的排列顺序为从近到远；步骤二、根据三个子集中每个数据的数据获取时间，形成该子集在对应的时间节段序列中的落点分布图，得到三个落点分布图；步骤三、依次计算单个落点分布图中每个时间节段的落点数量，将落点数量排在后40％的时间节段对应的数据作为对应子集的待扩展时间数据集；步骤四、以待扩展时间数据集的单个待扩展时间数据的采集时间为中间节点，在对应的分类集中挑选以中间节点为中心的一周内的数据，并剔除质量分数低于50％的数据，得到一组时间候选数据集；步骤五、重复步骤四，每个待扩展时间数据集均得到多组时间候选数据集；步骤六、计算一组时间候选数据集中所有时间候选数据的AOD，将该组时间...

【专利技术属性】
技术研发人员：靳阳阳，李洁，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：