С. А. Забелин, А. Д. Тулегулов Методика атмосферной

С. А. Забелин, А. Д. Тулегулов
С. А. Забелин, А. Д. Тулегулов
Методика атмосферной коррекции снимков Landsat
(Евразийский национальный университет им. Л.Н. Гумилева, г. Астана, Казахстан)
Рассмотрены физические принципы атмосферного влияния на сигналы дистанционного зондирования, алгоритмы
и модели атмосферной коррекции. Описаны три типа рассеяния в атмосфере: Рэлея, Ми и неселективное. Дается
характеристика влияния атмосферы для различных длин волн в инфракрасном и видимом диапазонах спектра.
Рассмотрен несложный метод атмосферной коррекции спутниковых снимков Landsat.
Введение
Обработку данных дистанционного зондирования Земли, как правило, разделяют
на предварительную и тематическую. Предварительная обработка имеет своей задачей
повышение качества полученных данных, исключение возможных погрешностей, связанных
с детекторами, атмосферными условиями и другими причинами, и включает географическую
привязку, радиометрическую и геометрическую коррекцию, фильтрацию изображений и др.
В статье Д. И. Федоткина дается хорошая классификация уровней предварительной обработки
данных дистанционного зондирования [1, 40]:
0 — необработанные (первичные) данные съемочного прибора;
1A — данные, прошедшие радиометрическую коррекцию и калибровку;
1B — радиометрически скорректированные и географически привязанные данные;
2A — радиометрически и геометрически скорректированные данные, представленные
в картографической проекции.
Тематическая же обработка снимков служит для решения конкретных задач в зависимости
от того, какую информацию необходимо извлечь из снимка. Сюда можно отнести цветовые
преобразования для улучшения визуального восприятия изображения, классификацию,
построение моделей рельефов и т. д.
Одним из наиболее важных этапов предварительной обработки космических снимков
является атмосферная коррекция — одна из самых сложных задач предварительной обработки.
Это связано со сложностью получения информации об оптической толщине τ атмосферы
над изучаемыми объектами. Часто обработка космических снимков ведется без атмосферной
коррекции. При этом к положительным эффектам, связанным с атмосферной коррекцией,
можно отнести:
1) возможность замены данных от различных датчиков или платформ, в случае если
основной вариант представления результатов не доступен из-за облачного покрова,
орбитальных ограничений или технических проблем;
2) более достоверные результаты, особенно основанные на расчете вегетационных индексов,
поскольку атмосфера вводит разные уровни ошибок и неточностей в отдельные
диапазоны, используемые для расчета индексов;
3) некоторые методы атмосферной коррекции также улучшают пространственное
определение объектов и границ, поскольку они включают коррекцию "пограничных
эффектов". Это обострение границ на изображении улучшает визуальное восприятие
изображения.
В настоящее время, многие снимки, попадающие в руки конечного пользователя, уже
атмосферно скорректированы. Однако, в связи с тем, что процесс коррекции больших объемов
данных автоматизирован, то используемые для коррекции алгоритмы рассчитываются,
исходя из усредненных показателей, и не учитывают особенностей получения каждого
конкретного снимка. Как отмечается в литературных источниках, неплохим выходом из
положения была бы установка по всей поверхности суши обширной сети солнечных
147
Л.Н. Гумилев атындағы ЕҰУ Хабаршысы - Вестник ЕНУ им. Л.Н. Гумилева, 2011, №6
спектрофотометров, измеряющих интенсивность солнечного излучения I , прошедшего через
атмосферу, в различных участках спектра. Зная интенсивность I0 за пределами атмосферы,
по закону Бугера [2, 106]:
I = I0 exp(−τ sec δ)
можно оценить τ для разных длин волн оптического диапазона:
τ=
lnI/I0
,
sec δ
δ — зенитный угол Солнца.
Но ввиду отсутствия такой сети, разрабатываются иные методы атмосферной коррекции.
Атмосферное рассеяние и поглощение
Электромагнитное излучение спутника, перед тем как будет зафиксировано датчиком,
пройдет через атмосферу Земли дважды. Сначала от Солнца до поверхности Земли, затем
от поверхности Земли к датчику. Имеется два главных эффекта влияния атмосферы —
рассеяние и поглощение. Рассеяние происходит в случае, когда имеющиеся в атмосфере
частицы и молекулы газа взаимодействуют с электромагнитным излучением, отклоняя
его от первоначального пути. При поглощении часть энергии излучения преобразуется
во внутреннюю энергию поглощающих молекул, в результате чего происходит нагревание
атмосферы. Влияние рассеяния и поглощения на электромагнитное излучение меняется
при переходе от одной части спектра к другой. И в тех частях спектра, где рассеяние
или поглощение оказывает достаточно серьезное воздействие на излучение, дистанционное
зондирование невозможно. Однако, поглощение может быть и полезным для дистанционного
зондирования, например, при исследовании самой атмосферы.
Размеры частиц и молекул газов, вызывающих рассеяние электромагнитного излучения,
изменяются в широких пределах — от микроскопического (с радиусами, приблизительно
равными длине волны электромагнитного излучения) до размеров капли дождя (100 µ m
и больше). К атмосферным газам, которые, прежде всего, вызывают рассеяние, относятся
кислород, азот и озон. Их молекулы имеют радиус менее 1 µ m и воздействуют на
электромагнитное излучение с длиной волны 1 µ m и меньше. Другие типы частиц попадают
в атмосферу либо естественным путем (например, частицы соли от испарений океана), либо
в результате человеческой деятельности (например, частицы дыма от промышленного и
бытового загрязнения). Другой тип частиц — капли дождя, которые имеют большие, чем
у других упомянутых частиц, размеры (10-100 µ m). Концентрация частиц в атмосфере
изменяется как во времени, так и в пространстве. Деятельность человека, в частности
сельское хозяйство и промышленность, не распределена равномерно повсюду, и не является
естественным процессом. Метеорологические факторы вызывают изменения атмосферной
среды во времени так же, как и в пространстве. Таким образом, эффекты рассеяния
пространственно неравны (степень их влияния зависит от погодных условий) и изменяются со
временем. Данные дистанционного зондирования определенной области будут, таким образом,
подвергнуты различному влиянию атмосферного рассеяния в каждом отдельном случае.
В зависимости от отношения между длиной волны излучения и размером частиц рассеяние
можно разделить на три различных типа: Релея, Ми и неселективное. Рассеяние Релея
имеет место, когда размеры рассеивающих частиц намного меньше длины волны излучения.
В рассеянии Релея коэффициент объемного рассеяния σλ определяется выражением [3, 45]:
148
С. А. Забелин, А. Д. Тулегулов
σλ =
4π 2 N V 2 (n2 − n20 )2
,
λ4 (n2 + n20 )2
N — число частиц в 1cm3 ;
V — объем рассеивающих частиц;
λ — длина волны излучения;
n — показатель преломления частиц;
n0 — показатель преломления среды.
Это подразумевает, что более короткие длины волн намного сильнее подвергаются
рассеянию, чем более длинные волны. Рэлеевское рассеяние может быть вызвано частичками
пыли или молекулами кислорода или азота, и является доминирующим механизмом рассеяния
в верхней атмосфере.
Рассеяние Ми вызвано частицами, радиусы которых сосредоточены в пределах 0.110 µ m, то есть, приблизительно соизмеримы с длиной волны электромагнитного излучения
в видимой, ближней инфракрасной и тепловой инфракрасной областей спектра. Частицы
дыма, пыли и солей — основные причины рассеяния Ми. В этом случае коэффициент
рассеяния есть коэффициент площади, определяемый как отношение фронта падающей волны,
на который влияет частица, к площади поперечного сечения самой частицы. В самом общем
случае с непрерывным распределением размеров частиц коэффициент рассеяния выражается
зависимостью [3, 46]:
Z a2
σλ = 105 π
N (a)K(a, n)a2 da,
a1
σλ — коэффициент рассеяния на длине волны λ , km− 1 ;
N (a) — число частиц в интервале а–(a+da);
K(a, n) — коэффициент рассеяния (поперечное сечение);
a — радиус сферических частиц;
n — показатель преломления частиц.
Рассеяние Ми оказывает влияние на более короткие волны сильнее чем на длинные, но
несоразмерность здесь не так велика, как в случае рэлеевского рассеяния. Рассеяние Ми обычно
проявляется как общее ухудшение изображений во всем оптическом спектре при наличии
в атмосфере густого тумана.
Неселективное рассеяние не зависит от длины волны. Оно вызвано частицами,
радиусы которых превышают 10 µ m, например, водными капельками и частицами льда,
существующими в облаках. Все длины волн видимой части спектра рассеиваются такими
частицами. Неселективное рассеяние обычно имеет место в сильно запыленной атмосфере и
приводит к сильному ослаблению полученных данных. Эффект рассеяния, как упоминалось
ранее, увеличивает уровень атмосферной дымки или уменьшает контраст сцены. Если контраст
сцены будет определен как отношение между самой яркой и самой темной областями сцены, и
если яркость будет измерена в масштабе от 0 (самый темный) к 100 (самый яркий), то у данной
сцены с самой яркой областью 90 и самой темной областью 10 контраст будет равен 9. Если
поле зрения датчика достаточно большое, чтобы воспринимать часть рассеянного излучения,
то это вызовет усиление сигнала, принимаемого прибором, из-за дополнительного излучения,
попадающего в апертуру прибора. Если эффект добавления яркости при этом будет равен
10 единицам, тогда, контраст становится равным 100:20 или 5. Это уменьшение контраста
приведет к ухудшению спектральных особенностей объектов сцены.
Поглощение — второй процесс взаимодействия атмосферы Земли с проходящим через нее
электромагнитным излучением. Водяной пар, углекислый газ и озон — главные атмосферные
149
Л.Н. Гумилев атындағы ЕҰУ Хабаршысы - Вестник ЕНУ им. Л.Н. Гумилева, 2011, №6
элементы, которые поглощают электромагнитное излучение, причем в определенных
диапазонах электромагнитного спектра. Процессы поглощения связаны с вибрационными и
вращательными свойствами молекул водяного пара, углекислого газа и озона, и вызваны
переходами в энергетических уровнях атомов. Эти переходы происходят при длинах волн,
характерных для каждого атома, и в этих длинах волн поглощение, в отличие от рассеяния,
является доминирующим.
Существующие алгоритмы и модели атмосферной коррекции
Существуют различные алгоритмы выполнения атмосферной коррекции [4, 41]:
• стандартная абсолютная коррекция;
• стандартная относительная коррекция;
• исправления на основе заданных моделей.
При использовании методов абсолютной коррекции так называемые "сырые
значения"преобразуются в коэффициент поверхностного отражения или излучения, при этом
удаляются эффекты, вызванные атмосферным ослаблением, топографическими условиями и
другими параметрами. Абсолютная коррекция принимает во внимание атмосферные условия
на момент получения снимка, калибровочный коэффициент, солнечный угол зенита на момент
получения снимка.
Методы относительной атмосферной коррекции используются для удаления или
нормализации изменений в пределах сцены и нормализации интенсивности между снимками
одной и той же области исследования, полученных в различное время. Методы относительной
атмосферной коррекции могут заключаться в регулировании гистограммы, вычитании темных
пикселей, нормализации по многочисленным снимкам, используя принцип регрессионной
модели. Эти методы не являются методами "исправления"в том смысле, что они
используют фактические атмосферные измерения на момент получения снимка, а скорее
однородно минимизируют эффекты влияния атмосферных и солнечных условий относительно
стандартного изображения, отобранного пользователем.
D. Lu по уровню сложности и характерным особенностям выделяет три типа моделей [5,
2655]. Первый тип моделей — физические, которые требуют многих подмоделей моделирования,
что предполагает использование многих параметров. Такие модели отличаются высокой
точностью при расчете коэффициента поверхностного отражения. К этим моделям относятся:
6S-модель (Second Simulation of the Satellite Signal in the Solar Spectrum), MODTRAN (Moderate Resolution Atmospheric Radiance and Transmittance Model), LOWTRAN (Low resolution
Transmission model) — которые часто очень сложны и требуют многих входных параметров
об атмосферных условиях на момент получения данных дистанционного зондирования, что
часто ограничивает их использование. В этом типе моделей принимаются во внимание
главные атмосферные эффекты: поглощение водным паром, кислородом, озоном и углекислым
газом и рассеяние на аэрозолях и молекулах. Входными параметрами для этих моделей
служат: геометрия расположения Солнца и датчика, атмосферная модель для газообразных
компонентов, модель аэрозоля (тип и концентрация), оптическая толщина атмосферы,
коэффициент поверхностного отражения и спектральные каналы. При этом многие из
параметров, используемых в данном типе моделей, могут быть получены со спектрорадиометра
MODIS спутника Terra. Второй тип моделей — основанные на вычитании темных объектов
изображения. Данный тип моделей широко применяются для атмосферной коррекции, потому
что они относительно просты и используют только информацию, полученную непосредственно
из изображения. В данном случае предполагается существование таких объектов, у которых
поверхностный коэффициент отражения равен нулю. Исходя из этого предположения,
минимальные DN-значения в гистограмме полагаются вызванными влиянием атмосферы и
150
С. А. Забелин, А. Д. Тулегулов
вычитаются из всех пикселей. Такие модели не требуют никакой атмосферной информации
на момент съемки. Вводные данные, требуемые для использования этих моделей, главным
образом основаны на измерениях самого изображения и метаданных (header file), которые
содержат некоторую важную информацию: дату получения снимка, угол возвышения солнца,
калибровочный коэффициент (GAIN) и калибровочную константу (BIAS). Если заголовочный
файл изображения не доступен, тогда для получения необходимых параметров может
использоваться дата получения снимка. Третий тип моделей включает методы относительной
коррекции, основанные на соответствии гистограммы, вычитании темных пикселей или
уравнениях регрессии.
Методика атмосферной коррекции данных Landsat
Далее описывается несложная методика атмосферной коррекции данных Landsat
с использованием алгоритма, разработанного Чавезом в 1988 году. Вообще, цель атмосферного
исправления состоит в том, чтобы преобразовать произведенные спутником цифровые данные
(DN) в абсолютные поверхностные коэффициенты отражения. Независимо от используемых
моделей DN-значения сначала преобразуются в спектральную яркость с удалением эффектов
смещения и усиления, введенные системой приема. Уравнение преобразования DN-значений
в спектральную яркость выглядит следующим образом [6, 1027]:
Lsat =
DC − Of f set
,
Gain
Lsat — спектральная яркость для данного диапазона,
DC — DN-значение в данном пикселе для данного диапазона,
Of f set — смещение для данного диапазона,
Gain — усиление для данного диапазона.
Затем, спектральная яркость преобразуется в коэффициенты поверхностного отражения
с исправлением солнечных и атмосферных эффектов [6, 1027]:
REF =
P I(Lsat − Lhaze )
,
T AUv (Eo cos(T Z)T AUz + Edown )
REF — коэффициент поверхностного отражения;
Lhaze — восходящее атмосферное излучение;
T AUv — атмосферный коэффициент пропускания вдоль пути от поверхности земли
к датчику;
Eo — коэффициент солнечной спектральной яркости на поверхности, перпендикулярной
к лучам солнца вне атмосферы;
T Z — угол падения прямого солнечного потока на поверхность Земли (солнечный угол
зенита);
T AUz — атмосферный коэффициент пропускания вдоль пути от солнца к земной
поверхности;
Edown — падающее на поверхность излучение из-за рассеянного солнечного потока
в атмосфере.
Атмосферная коррекция проводилась в программном комплексе ERDAS Imagine с помощью
дополнительного модуля. Модуль можно найти в Интернете [7]. Данный модуль позволяет
максимально автоматизировать процесс пересчета исходных DN-значений в атмосфернооткорректированные, что значительно упрощает процесс атмосферной коррекции. Для
проведения коррекции необходимо рассчитать три входных параметра:
151
Л.Н. Гумилев атындағы ЕҰУ Хабаршысы - Вестник ЕНУ им. Л.Н. Гумилева, 2011, №6
1) расстояние от солнца до земли в момент съемки (Sun-Earth Distance), которое
рассчитывается по рассмотренному в [8] алгоритму;
2) минимальное значение DN (digital number) для каждого канала, которое можно
рассчитать в ПК ERDAS Imagine поочередно для каждого канала;
3) значение SE (sun elevation), которое берется из метафайла.
Данные значения подставляются в имеющиеся в модели формулы. Входной снимок в модели
представляет собой единый многоканальный файл (каналы 1, 2, 3, 4, 5 и 7, объединенные
с помощью команды "Layer Stack"в ПК ERDAS Imagine).
Результаты и выводы
Эффект влияния процессов рассеяния и поглощения на данные дистанционного
зондирования состоит в том, что они добавляют некоторую степень атмосферной дымки на
изображения, то есть, уменьшают контраст изображений и уменьшают количество излучения,
возвращающегося к датчику от поверхности Земли. Определенное количество излучения,
которое отражается от близлежащей окрестности мишени, может быть зарегистрировано
датчиком как исходящее от мишени. Так происходит потому, что в результате рассеяния
электромагнитное излучение отклоняется от своего первоначального пути, и сцена выгладит
более размытой, в то время как в результате поглощения исчезает часть фотонов излучения,
что делает сцену более тусклой.
Для устранения атмосферного влияния необходимо знать такие параметры, как
атмосферная модель для газообразных компонентов, модель аэрозоля (тип и концентрация),
оптическая толщина атмосферы, коэффициент поверхностного отражения и некоторые другие.
Поскольку прямое измерение этих атмосферных свойств доступно редко, разрабатываются
методы получения их из спектральных значений данных. Полученные коэффициенты
используются для создания высокоточных моделей атмосферной коррекции, чтобы получить
истинные коэффициенты отражения.
Результат атмосферной коррекции данных Landsat с использованием алгоритма,
разработанного Чавезом приведен ниже.
Атмосферно неоткорректированный снимок Landsat
152
С. А. Забелин, А. Д. Тулегулов
Атмосферно откорректированный снимок Landsat
Данная методика позволяет улучшить визуальное восприятие изображения, благодаря
улучшению контраста, проводить более точную классификацию, а также улучшить качество
применения данных снимков для задач картографирования.
СПИСОК ЛИТЕРАТУРЫ
1.Федоткин Д. И. Технологии предварительной обработки данных ДЗЗ: опыт ИТЦ
"СканЭкс"в создании программного обеспечения и организации обработки данных в составе
приемных комплексов // Пространственные данные. 2006. №1. - C. 40-43.
2.Кашкин В. Б., Сухинин А. И. Дистанционное зондирование Земли из космоса. Цифровая
обработка изображений. М.: Логос, 2001. - 264 с.
3.Дейвис Ш. М., Ландгребе Д. А., Филлипс Т. Л. и др. Дистанционное зондирование:
количественный подход / Под ред. Свейна Ф. и Дейвис Ш. М.: Недра, 1983.- 415.
4.Токарева О. С. Обработка и интерпретация данных дистанционного зондирования Земли.
Томск: Изд-во Томского политехнического университета, 2010. - 140 с.
5.Lu D., Mausel P., Brondizio E., Moran E. Assessment of atmospheric correction methods
for Landsat TM data applicable to Amazon basin LBA research // International Journal of Remote
Sensing. 2002. Volume 23. №13. - P. 2651 - 2671.
6.Chavez P. S. Image-based atmospheric corrections - Revisited and Improved // Photogrammetric Engineering and Remote Sensing. 1996. vol. 62. №9. - P. 1025-1036.
7.http://gis-lab.info/other/atcor.zip.
8.http://gis-lab.info/qa/earthsundist.html
Забелин С. А., Тулегулов А. Д.
Landsat TM атмосфералық үйлестiру әдiсi
Мақалада қашықтықтық дабылдарға, алгоритмдерге және атмосфералық коррекцияның моделiне атмосфералық
әсер етудiң физикалық принциптерi қарастырылған. Атмосферада шашыраудың үш түрi суреттелген: Рэлей, Ми және
селективтiк емес. Спутниктiк Landsat-тың атмосфералық коррекциялық әдiсi қарастырылған.
153
Л.Н. Гумилев атындағы ЕҰУ Хабаршысы - Вестник ЕНУ им. Л.Н. Гумилева, 2011, №6
Zabelin S., Tulegulov A.
Technique of atmospheric correction of Landsat data
Physical principles of atmospheric influence on remote sensing signals, algorithms and models of atmospheric correction are
considered. Three types of scattering are described: Rayleigh, Mi and not selective. The characteristic of atmospheric influence
for various wavelengths of an infra-red and visible ranges of a spectrum is given. The simple method of atmospheric correction
of Landsat images is considered.
Поступила в редакцию 15.01.11
Рекомендована к печати 29.01.11
154