文章目录

• 前言
• 一、主要内容
• 二、原理及方法
• • FLAASH（Fast Line-of-sight Atmospheric Analysis of Hypercubes ）大气辐射校正原理
  • FLAASH 大气辐射校正方法
  • 辐射定标
  • 植被指数
  • 归一化植被指数（Normalized Difference Vegetation Index，NDVI）
  • 植被覆盖度
  • 地表温度反演
  • 单窗（通道）算法
  • 缨帽变换
• 三、操作步骤
• 结果分析
• 总结

前言

一、主要内容

二、原理及方法

FLAASH（Fast Line-of-sight Atmospheric Analysis of Hypercubes ）大气辐射校正原理

FLAASH 是基于太阳波谱范围内（不包括热辐射）和平面朗伯体（近似平面朗伯体），在传感器处接受的像元光谱辐射亮度公式为：

空间平均反射率用于计算大气点扩散函数(point spread function),它是描述地表处于视线路径上的部分点对目标像素的辐射贡献关系。FLAASH 中用一个径向距离的近似指数函数代替大气点扩散函数。FLAASH 中气溶胶光学厚度的反演应用了 Kaufman 提出的暗目标法。Kaufman 认为，由于 2100nm 波长比大部分气 溶胶微粒的直径要大，该波段受气溶胶影响可以忽略；在大量试验中，他发现 2100nm 的暗目标反射率与 660nm 暗目标反射率之间存在稳定的比值关系，平均为ρ660=0.45ρ2100；利用式（1）和式（2）以及一系列能见度范围可以反演出气溶胶光学厚度。
FLAASH 特点：①支持传感器种类多，包括多光谱的 ASTER、AVHRR、GeoEye1、IKONOS、IRS、 Landsat、MODIS、SeaWiFS、SPOT、QuickBird、RapidEye、WorldViery 等，高光谱 HyMAP、AVIRIS、CASI、 HYDICE、HYPERION(EO-1)、AISA 等。可通过自定义波谱响应函数支持更多的传感器。工程化应用价值 比较明显。②FLAASH 采用了 MODTRAN4+辐射传输模型，该算法精度高。任何有关图像的标准 MODTRAN 大气模型和气溶胶类型都可以直接使用。③通过图像像素光谱上的特征来估计大气的属性，不依赖遥感成像时同步测量的大气参数数据。④可以有效地去除水蒸气/气溶胶散射效应，同时基于像素级的校正，矫正目标像元和邻近像元交叉辐射的“邻近效应”。⑤对由于人为抑制而导致波谱噪声进行光谱平滑处理。作为结果，除了真实地表反射率外，还可以得到整幅图像内的能见度、卷云与薄云的分类图像、水汽含量数据。
FLAASH 中大气校正主要分为三步：①从图像中获取大气参数，包括能见度(气溶胶光学厚度)、气溶胶类型和大气水汽含量。由于目前气溶胶反演算法多是基于图像中的特殊目标，如水体或浓密植被等暗体目标，在 FLAASH 中也沿用了暗目标法，一景图像最终能获取一个平均的能见度数据；同时，FLAASH 中水汽含量的反演算法是基于水汽吸收的光谱特征，采用了波段比值法，水汽含量的计算在 FLAASH 中是逐像元进行的。②大气参数获取之后，通过求解大气辐射传输方程来获取反射率数据。③为了消除纠正过程中存留的噪声，需要利用图像中光谱平滑的像元对整幅图像进行光谱平滑运算。云或云影对图像的污染会给大气纠正带来许多问题。被云覆盖的像元不仅无法获得其反射率信息，由于受到云的影响，其他邻近像元的反射率会有不同程度的降低。FLAASH 中能够自动判断出图像中受云影响的区域，在大气纠正的过程中避开这些像元，并用图像的平均辐射率来代替云区的辐射率，以进行后续的处理。

FLAASH 大气辐射校正方法

缨帽变换

缨帽变换（又称 KT 变换）是一种特殊的主成分分析，和主成分分析不同的是其转换系数是固定的，因此它独立于单个图像，不同图像产生的土壤亮度和绿度可以互相比较。随着植被生长，在绿度图像上的信息增强，土壤亮度上的信息减弱，当植物成熟和逐渐凋落时，其在绿度图像特征减少，在黄度上的信息增强。这种解释可以应用于不同区域上的不同植被作物，但穗帽变换无法包含一些不是绿色的植被和不同的土壤类型的信息。

三、操作步骤

1.打开 ENVI 软件，通过 File–>Open，加载之前下载的含有元数据的 Landsat8 OLI 影像数据（即***_MTL.txt 文件），通过 Toolbox–>Raster Management–>Resize Data 裁剪范围为 51212 的研究子区（研究子区要求至少包含五种明显典型地物，可以先通过目视解译找到合适的区域再进行裁剪）。

在其他图层右键单击–>New Region Of Interest，在弹出的界面选择 File–>Open 打开上一步保存的兴趣点文件，在 Data Manager 对话框中选择此 roi 文件，点击 Load Data，在弹出的 Select Base ROI Visualization Layer 对话框中依次选择大气校正前后 NDVI 影像和地表温度反演影像图层，将 roi 文件依次加载到这些图层里。

结果分析

1.各地物地表温度反演值图表

总结