TM传感器辐射定标参数精度分析

侯 东，宋国宝，董燕生，顾建宇

(1．北京师范大学资源学院，北京 100875;2．大连理工大学环境与生命学院，工业生态与环境工程教育部重点实验室，大连 116024)

TM传感器辐射定标参数精度分析

侯 东1，宋国宝2，董燕生1，顾建宇1

(1．北京师范大学资源学院，北京 100875;2．大连理工大学环境与生命学院，工业生态与环境工程教育部重点实验室，大连 116024)

以2007年4月26日北京地区TM图像为例，对美国地质调查局(USGS)和中国遥感卫星地面站(RSGS)提供的传感器辐射定标参数进行精度评价。首先，根据不同来源的辐射定标参数，采用对应的定标系数计算公式得到相应的定标系数，采用不同的定标系数分别对DN值进行反演，得到不同辐射定标参数下的表观辐亮度数据;然后，将两种表观辐亮度反演结果输入FLAASH大气校正模型，反演图像获取时的气象视距和地表反射率;最后，通过同步气溶胶观测数据和高分辨率遥感影像对所反演的气象视距和地表反射率分类精度进行评价，得到传感器定标参数精度评价结果。研究表明:USGS提供的辐射定标参数能更为精确地反映TM传感器的辐射特征。

辐射定标;大气校正;FLAASH;气象视距;最大似然分类

0 引言

由传感器收集到的光辐射数据精确地反演或推算地球物理参量，并建立相应的测算与识别数值模型是定量遥感的目标［1］。然而，传感器在获取地表信息的过程中由于受到大气分子、气溶胶和云粒子等大气成分吸收与散射的影响，使其获取的遥感信息中带有一定的非目标地物的大气信息［2］。辐射定标是利用遥感图像进行大气信息和地表反射率反演的基础流程，传感器辐射定标参数对辐射定标结果精度有重要影响。

Landsat5所携带的传感器(TM)在不同时期的物理特性变化较大，各地面接收站采用的接收系统存在差异，导致多套反映TM传感器响应能力的辐射参数同时存在［3］。参数的正确选择对地球物理参量的准确计算具有重要影响。徐春燕［4］用6S模型分析大气校正各参数对TM图像进行地表反射率计算的影响，指出遥感数据的应用在很大程度上取决于辐射定标的精度;陈俊等［5］从地面接收站处理系统算法的角度，对定标参数进行评价;韦玉春等［6］用不同的定标参数对植被和水体的表观反射率进行计算，通过表观反射率的反演精度对定标参数进行评价。总结发现，上述研究多从地表参数反演的角度分析不同参数的精度，但同时从大气和地表两个角度综合进行评价的研究较少。本文以北京市为研究区，选择TM图像，用不同来源的两套定标参数反演气象视距和地表反射率，通过同步的气溶胶观测数据和高分辨率遥感影像评价气象视距和地表反射率反演精度，从而评价定标参数的精度。

1 FLAASH模型

FLAASH(Fast Line of Sight Atmospheric Analysis of Spectral Hypercubes)模块是ENVI的大气校正模块，它采用MODTRAN 4+辐射传输模型，能够反演整景影像的气象视距，并以1 cm－1的光谱分辨率对0．2～∞μm范围的波段逐像元进行大气校正，反演地表反射率。

1．1 气象视距反演

FLAASH模型采用暗目标法反演整景影像的气象视距。暗目标是指在660 nm和2 100 nm波段具有较低反射率的浓密植被。气溶胶在不同波段对浓密植被表观辐亮度的影响是不同的:在2 100 nm波段，大部分气溶胶微粒的直径都小于2 100 nm，浓密植被的表观辐亮度受气溶胶影响可以忽略;在660 nm波段，浓密植被的表观辐亮度是气溶胶和浓密植被双重反射的结果。FLAASH利用2 100 nm波段浓密植被的表观辐亮度计算其地表反射率，根据660 nm和2 100 nm波段浓密植被地表反射率之间存在的稳定比例关系［7］，计算660 nm波段浓密植被地表反射率，通过660 nm波段浓密植被表观反射率和地表反射率之间的差异反演气溶胶的光学厚度，计算气象视距。就TM数据而言，其红光波段(0．63～0．69 μm)和短波红外波段(2．08 ～2．35 μm)位于这两个特征波段内，光谱性质适于气象视距反推。

1．2 地表反射率反演

在地表为均匀朗伯面的假定前提下，传感器入瞳处单像元的表观辐亮度L可以表示为

式中，ρ为该像元地表反射率(Pixel Surface Reflectance);ρe为该像元及周边像元的混合平均地表反射率(Average Surface Reflectance for the Pixel and a Surrounding Region);S为大气球面反照率(Spherical Albedo of the Atmosphere);La为大气程辐射(Radiance Back Scattered by the Atmosphere);A、B是依赖于大气(透过率)和几何状况的系数。FLAASH中内嵌的MODTRAN根据图像成像时大气参数和传感器与地表之间的几何参数计算A、B、S和La。L由原始DN值根据定标参数经过辐射定标后得到。ρe通过以下方程估算，即

式中，Le是 FLAASH利用大气点扩散函数(Point－Spread Function)根据辐射定标得到的表观辐亮度数据估算得到;A、B、S和La参数的计算同上。将估算的ρe代入式(1)，计算出单元的地表反射率ρ。

2 研究区及数据

采用2007年4月26日TM系统级别产品，其轨道 号 为 123/32，景 中 心 坐 标 为 39．59°N，116．29°E，过境时间为格林尼治时间 2:48:50，平均云覆盖量为1%。本研究去除光谱特性不同的热红外波段，保留可见光波段和短波红外波段。大气观测数据采用2007年4月26日AERONET北京站［8］(116°22'51″E，39°58'37″N)二级数据。

选择两个实验区分别进行气溶胶反演和地表分类精度实验。气溶胶反演选择整景TM数据所覆盖的范围作为实验区，AERONET北京站位于实验区中心，其观测结果能有效代表该区域平均气溶胶性质;地表分类精度实验将位于39°58'12″N、116°37'41″E 和39°32'00″N、117°10'11″E 之间的区域作为地表分类区。该区域覆盖北京市通州区、河北省香河县和天津市武清县的部分地区，地势平坦，平均海拔50 m。土地利用类型丰富，各类型边界清晰，混合现象少，适合土地利用分类。研究区分布如图1所示。

图1 研究区示意图Fig．1 The Schematic diagram of the study area

3 实验流程

本实验流程如图2所示。

图2 定标参数精度评价流程Fig．2 The flow chart of accuracy evaluation of radiometric parameters

3．1 定标系数计算和表观辐亮度反演

Landsat5 TM数据头文件中没有直接提供定标系数。定标系数需要根据传感器响应值计算获得。美国地质调查局(USGS)在TM数据说明文件中提供了TM传感器各波段最大最小辐射量，单位是W/(m2．sr．μm)。USGS 参数的定标系数计算公式为［9］

中国科学院遥感卫星地面站(RSGS)在TM产品的头文件中以“GAINS/BIASES=”形式也给出了TM 传感器响应值［6］，单位是 mW/(cm2．sr)。考虑各波段对应的波谱宽度(Width)和单位换算关系［4］，RSGS 参数的定标系数计算公式为［6］

根据不同来源的辐射定标参数，采用对应的定标系数计算公式得到不同的定标系数，如表1所示。

表1 USGS和RSGS不同校正参数的定标系数比较Tab．1 The comparison for calibration coefficients generated by radiometric parameters from USGS and RSGS

采用不同的定标系数分别对DN值进行反演，得到不同辐射定标参数下的表观辐亮度数据。

3．2 气象视距和地表反射率反演

将获得的USGS表观辐亮度输入FLAASH模型，在FLAASH模型中输入TM数据景中心经纬度和成像时间，选择TM传感器的光谱响应函数;根据研究区实际和成像时间，选择亚北极夏季大气模型和城市气溶胶类型;利用FLAASH模型反演出USGS参数定标下的气象视距和地表反射率数据。将RSGS表观辐亮度输入FLAASH模型，使用相同设置反演RSGS参数下的气象视距和地表反射率数据。

3．3 气象视距精度评价

AERONET气溶胶观测由分布于全球各地的观测台站联网组成，采用CIMEL光谱仪进行观测，能够获取440 nm、675 nm、870 nm及1 020 nm等4个波长的气溶胶光学厚度和波段间的Angstrom混浊系数，以及水汽含量等参数［8］。为了利用 AERONET地面观测数据对反演气象视距进行评价，需要将观测波长处的气溶胶光学厚度转换为550 nm处的气象视距。

Angstrom给出了气溶胶光学厚度与波长之间的关系式为

式中，τλ是波长为λ的气溶胶光学厚度;β为Angstrom混浊系数;α为Angstrom波长指数。在一定波段内，可以忽略β的差异。将不同波长带入式(7)且相除，得到不同波长气溶胶光学厚度之间的关系，即

何立明［10］根据MODTRAN 4的模拟结果归纳出气溶胶光学厚度和气象视距的经验公式为

式中，τ550为550 nm处气溶胶光学厚度;V550为550 nm处气象视距;a、b为经验公式斜率和截距，在春夏季节的取值分别为 0．120、0．297［10］。

综合式(7)～(9)可以得到550 nm处气象视距和不同波长下气溶胶光学厚度关系为

根据AERONET北京站2007年4月26日2:43:04的观测记录，使用440 nm和675 nm两个波段的气溶胶光学厚度(AOD)真实观测值和440～675 nm波段Angstrom系数，通过式(10)计算得到550 nm处的气象视距，与FLAASH通过不同定标参数下的表观辐亮度数据反演的气象视距对比，如表2所示。

表2 550 nm气象视距反演值和观测值对比Tab．2 The comparison for meteorological range

3．4 土地利用分类和地表反射率分类精度评价

将研究区土地利用类型分为水体、林地、未利用地、城镇、农村居民点、休耕地及冬小麦7类［11］。根据Google Earth中高分辨影像的纹理和TM数据光谱，在TM图像上选择训练样本，每类60个［12］，共420个样本。利用选取的训练样本，分别对USGS和RSGS的地表反射率及图像DN值进行最大似然监督分类，获得3个土地利用分类结果。

精度评价样本点的布设采用Stratified Random方式［11］，保证每个类别中至少有 10 个［13］，整景共400个样本点。根据Google Earth中高分辨影像的纹理特征和TM数据光谱，获得样本点的真实土地覆盖类型。利用布设的样本点，分别建立3个分类结果的混淆矩阵，得到3个分类结果的精度，如表3所示。

表3 分类结果精度对比Tab．3 The comparison for classification accuracy of different images

4 结果和分析

4．1 定标系数计算结果对比

通过对比不同校正参数的定标系数(表1)可以发现，传感器各波段的偏移(Bias)相差较小，说明两套参数对传感器最小响应值(暗电流)的描述相似。相比之下，两套参数同一波段的增益(Gain)相差较大，尤其是第7波段，两者的差距达到6．72%，说明不同来源的定标参数对短波红外波段的最大响应值的描述存在较大差异。

4．2 气象视距分析

550 nm气象视距反演值和观测值的对比(表2)表明:USGS参数下反演的气象视距与真实情况更为接近，其原因是USGS参数在红光波段(630～690 nm)和短波红外波段(2 080～2 350 nm)更好地反映出TM传感器的响应情况，而这两个波段是反演气溶胶信息的关键波段。利用USGS参数辐射定标可以准确地把DN值反演为传感器入瞳处的表观辐亮度，进而反演出准确的气象视距。

4．3 最大似然分类结果精度分析

通过对比最大似然分类结果的精度(表3)发现:在总体分类精度的比较中，应用USGS参数反演的地表反射率精度最高，为68．25%，应用RSGS参数反演的地表反射率和DN值总体相近，二者都为63．5%左右;在总体Kappa系数的比较中，应用USGS参数反演的地表反射率最高，达到0．613，应用RSGS参数反演的地表反射率和DN值相近，二者均为0．560左右。分类结果的精度表明，应用USGS辐射定标参数反演的地表反射率更加准确。其原因有二:第一，表观辐亮度是反演地表反射率的基础，根据4．1和4．2节的分析，USGS参数在红外波段对传感器响应值的描述更加准确，因此，根据USGS参数定标得到的表观辐亮度在红外波段上与真实情况更加接近;第二，气象视距作为大气校正中的关键参数，对地表反射率的准确反演具有重要影响，根据4．2节分析，USGS参数反演的气象视距与真实情况更加接近。综合以上原因，USGS参数反演的地表反射率与真实情况更加接近，具有较高的分类精度。而RSGS参数由于对红外波段传感器响应值的描述存在误差，在表观辐亮度反演和大气校正两个阶段引入错误的信息，导致RSGS地表反射率精度降低，分类精度与DN值相似。

5 结论

(1)USGS定标参数对传感器各波段最大和最小响应值的描述准确，利用USGS提供的参数进行辐射定标有助于获取准确的气溶胶信息。在基于TM数据的气溶胶应用中，建议使用USGS提供的定标参数进行辐射定标。

(2)利用USGS参数反演的地表反射率数据分类精度更高。在土地覆盖分类的应用中，建议使用USGS参数。

致谢:本研究得到AERONET气溶胶观测网的大气参数观测数据支持，在此，对AERONET的研究者表示感谢。

［1］李照洲，郑小兵，唐伶俐，等．光学有效载荷高精度绝对辐射定标技术研究［J］．遥感学报，2007，11(4):581－588．

［2］亓雪勇，田庆久．光学遥感大气校正研究进展［J］．国土资源遥感，2005(4):1 －6．

［3］张兆明，何国金．Landsat5 TM数据辐射定标［J］．科技导报，2008，26(7):54 －58．

［4］徐春燕，冯学智．TM图像大气校正及其对地物光谱响应特征的影响分析［J］．南京大学学报(自然科学版)，2007，43(3):309－317．

［5］陈 俊，王 文，李子杨，等．Landsat5卫星数据产品［J］．遥感信息，2007(3):85－88．

［6］韦玉春，黄家柱．Landsat5图像的增益、偏置取值及其对行星反射率计算分析［J］．地球信息科学，2006，8(1):110－113．

［7］Kaufman Y J，etal．The MODIS 2．1 μm Channel Correlation with Visible Reflectance for Use in Remote Sensing of Aerosol［J］．Int J IEEE Transactions on Geoscience and Remote Sensing，1997，35(5):1286－1298．

［8］Holben B，Eck T，et al．AERONET—A Federated Instrument Network and Data Archive for Aerosol Characterization［J］．Int J Remote Sensing of Environment，1998，66:1 －16．

［9］USGS．Revised Landsat5 TM Radiometric Calibration Procedures and Post－ Calibration Dynamic Ranges［Z］．USA，USGS，2003

［10］何立明，王 华，阎广建，等．气溶胶光学厚度与水平气象视距相互转换的经验公式及其应用［J］．遥感学报，2003，7(5):372－378．

［11］周 佳，赵冬玲，何宇华，等．基于中巴卫星影像的土地利用分类精度评价［J］．测绘科学，2007，32(6):27－29．

［12］Pal M，Mather P．An Assessment of the Effectiveness of Decision Tree Methods for Land Cover Classification［J］．Remote Sensing of Environment，2003，86:554 － 565．

［13］党安荣，王晓栋，陈晓峰，等．遥感图像处理方法［M］．北京:清华大学出版社，2003．

(责任编辑:刁淑娟)

Precision Analysis of Different Radiation Parameters Landsat Thematic Mapper Sensor

HOU Dong1，SONG Guo－bao2，DONG Yan－sheng1，GU Jian－yu1
(1．College of Resource Sciences ＆ Technology，Beijing Normal University，Beijing 100875，China;2．School of Environmental＆ Biological Science＆ Technology，Key Laboratory of Industrial Ecology＆ Environmental Engineering，Dalian University of Technology，Dalian 116024，China)

The radiometric calibration parameter is very important in quantitative application of remote sense data．In this paper，the Landsat Thematic Mapper Data of Beijing acquired in April 26，2007 were applied to evaluating the radiometric calibration parameters supplied by USGS and RSGS．First，the radiance data were computed respectively with the calibration coefficients converted from calibration parameters．Second，the FLAASH atmosphere correction model was used to compute meteorological range and surface reflectance．Third，according to the aerosol observation data from AERONET and high resolution remote sensing image，the accuracy evaluation results of the two radiometric calibration parameters were obtained on the basis of the accuracy of meteorological range and classification of surface reflectance．The results show that parameters supplied by USGS can reflect radiometric features of TM sensor more accurately．

Radiometric calibration;Atmosphere correction;FLAASH;Meteorological range;Maximum likelihood classification

侯 东(1984－)，男，在读硕士，主要从事农作物种植面积遥感测量方面的研究。

TP 75

A

1001－070X(2010)04－0014－05

2009－12－20;

2010－02－04

国家高技术研究发展计划项目(编号:2006AA120101)和国家自然科学基金项目(编号:40871194)共同资助。