面向地質應用的ZY-1 02D高光譜數據大氣校正方法對比

李娜, 董新豐,, 王靖嵐, 陳理, 甘甫平, 李彤彤, 張世凡

(1.中國自然資源航空物探遙感中心,北京 100083; 2.中國地質大學(北京)地球科學與資源學院,北京 100083; 3.四川水利職業技術學院,成都 610000)

0 引言

高光譜數據憑借其狹窄波段和近似連續的譜形,可供詳細和定量地分析地物特征,在地質調查尤其是地質找礦領域擁有得天獨厚的技術優勢[1-6]。以往限于高光譜遙感數據的匱乏,主要是利用機載高光譜遙感數據開展小面積調查應用; 隨著國產高光譜衛星的陸續發射,極大豐富了高光譜遙感數據源。資源一號02D(ZY-1 02D)衛星于2019年9月12日發射升空,該星作為中國自主建造并成功運行的首顆民用高光譜業務衛星,是國家民用空間基礎設施中新型對地觀測衛星發展的又一重要成果。其高光譜載荷可實現166個譜段的數據同時獲取和下傳,在礦物信息提取和巖性-構造識別等地質調查應用評價中取得了較好的應用效果[7]。具有同樣高光譜載荷的ZY-1 02E衛星已于2021年12月26日發射升空,目前已經完成在軌測試分析工作,并已投入在軌業務運行,這將進一步提高地質應用的衛星高光譜數據源保障。利用高光譜遙感數據開展地質應用,特別是礦物識別,主要是依據高光譜遙感反射率產品,根據不同巖礦反射光譜診斷特征的差異,對其進行區分和識別。因此,反射率產品的精度直接影響礦物識別的精度和效果。

衛星傳感器接收的地面目標的總輻射亮度并不是地表真實反射率的反映,其中包含了由大氣吸收,尤其是散射作用造成的輻射量誤差。而大氣校正就是消除這些由大氣影響所造成的輻射誤差,反演地物真實的表面反射率的過程[8]。因此,遙感影像大氣校正的好壞直接決定了反射率產品精度,進而影響后續的定量反演和應用效果。大氣校正的方法主要有基于影像特征的相對大氣校正[9]、基于地面測量數據的經驗線性法[10]和基于輻射傳輸模型改正方法[11],其中比較成熟的模型有MODTRAN,6S,FLAASH,QUAC和ATCOR等[12-14]。

在高光譜遙感數據礦物信息識別應用中,對短波紅外精細光譜特征識別和提取具有很高的要求,而不同的大氣校正模型因原理和參數設置等方面的不同,其大氣校正結果會有所差異,對后續的應用產生一定影響。王正海等[15]基于線性回歸經驗模型和輻射傳輸模型(FLAASH和ACORN)對Hyperion數據進行大氣校正,評價其校正效果認為輻射傳輸模型更簡便、實用和精確; Kruse[16]分別利用ATREM,ACORN和FLAASH等3種基于輻射傳輸模型的大氣校正方法對AVIRIS機載高光譜數據進行大氣校正,發現FLAASH模型在確保反演精度的同時使用更靈活,對數據格式、數據大小等限制較少; Rani等[17]評價了FLAASH和QUAC這2種大氣校正模型對于Hyperion數據礦物填圖的影響,認為FLAASH模型能獲得較好的大氣校正效果,但當缺少相應的參數時,QUAC模型更適合; 田青林等[18]在利用WorldView-3影像對比分析FLAASH和ATCOR大氣校正效果時,得出了ATCOR模型優于FLAASH模型的結論,但對比分析重點集中在目視效果、光譜整體譜形及分類精度方面,對地質應用尤其重要的局部光譜吸收特征及對礦物信息提取的影響則尚未提及。因此,本文在以往研究的基礎上,采用精度相對較高的FLAASH,QUAC和ATCOR等3種大氣校正模型,對ZY-1 02D高光譜數據進行大氣校正; 并從校正影像的目視效果、典型地物波譜特征分析以及礦物信息識別精度3個層次進行對比分析,以較全面地評估3種大氣校正模型的應用效果,為后續ZY-1 02D和02E業務高光譜衛星數據的推廣應用提供技術支持。

1 研究區概況與數據源

1.1 研究區概況

研究區位于新疆東天山哈密市東南(圖1),總體地勢南高北低,海拔在500～1 500 m左右,屬丘陵、沙漠、礫石戈壁地貌,干燥少雨,植被稀梳。區內基巖裸露,由于受內生及表生地質作用的影響較大,侵入巖普遍蝕變較強,其中基性巖和超基性巖的褐鐵礦化、綠泥石化、綠簾石化或蛇紋石化等較發育,而中酸性巖體的白云母化、絹云母化、綠泥石化、高嶺石化和黃鐵礦化等也較發育[19]。礦產資源相對豐富,主要為銅鎳硫化物礦床、釩鈦磁鐵礦和金礦。也正因為研究區較獨特的自然地貌和地質特征,被建設為國內第一個遙感地質試驗場,用于遙感技術基礎理論研究、技術試驗、有效載荷指標的論證及評價、遙感影像質量的評價等[20]。因此,本文特選取該區域作為研究區。

圖1 研究區范圍

1.2 數據源

ZY-1 02D光學衛星搭載了可見光—近紅外相機和高光譜相機,平均軌道高度為778 km,幅寬為60 km,空間分辨率為30 m,共獲取波段數166個,其中可見光—近紅外波段范圍76個波段,光譜范圍為395～1 040 nm,光譜分辨率為10 nm; 短波紅外波段范圍90個波段,光譜范圍為1 005～2 501 nm,光譜分辨率為20 nm。

2 研究方法

2.1 FLAASH模型

FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)基于MODTRAN4+輻射傳輸模型,涵蓋可見光、近紅外及短波紅外波段。通過對輻射定標后的影像進行大氣校正,精確補償大氣影響,并引入大氣點擴散函數有效消除鄰域效應,獲得較高的地物反射率精度。FLAASH模型假設地表為標準平面朗伯體,傳感器接收的像元光譜輻射亮度的計算公式為[21]:

,

(1)

式中:L為傳感器處像元接收到的總輻射亮度;ρ為像元表面反射率;S為大氣球面反照率;Lα為大氣后向散射輻射率(大氣程輻射);A和B分別為取決于大氣條件和幾何條件的2個獨立系數;ρe為像元周圍平均表面反射率。本次研究用于FLAASH大氣校正模型的參數大部分可以從影像數據頭文件中獲取。

2.2 QUAC模型

QUAC模型是以經驗為依據,通過影像像元光譜特征估計大氣狀況; 不需要額外的參數信息,只需要在參數設置中選擇傳感器類型,便可自動從影像內收集不同地物的波譜信息以獲取大氣補償參數和經驗值,實現快速大氣校正。在理想情況下,其計算結果絕對精度近似 FLAASH 或者其他基于輻射傳輸模型的大氣校正方法[22]。本次試驗中傳感器類型選擇 Unknown,其他參數選擇默認設置。

2.3 ATCOR模型

ATCOR 大氣校正模型最早由德國Wessling光電研究所Richter博士于1990年研究提出,并且是經過大量驗證的一種快速大氣校正算法。ATCOR模型包含2種模式: 一種是ATCOR4模式,適用于航空遙感影像的大氣校正; 另一種是ATCOR2/3模式,適用于衛星遙感影像的大氣校正。本次研究使用的ATCOR2模型,其算法核心是一個以MODTRAN4程序計算輻射傳輸方程的數據庫,通過輸入傳感器的幾何條件、光譜特征及成像時氣溶膠等參數,對生成的動態查找表進行插值計算,從而實現快速準確的大氣校正[23]。

2.4 礦物信息提取方法

采用光譜角(spectral angle mapping,SAM)礦物信息提取算法,進行研究區的典型礦物信息提取。SAM是把影像中每個像元的光譜視為一個N維向量,通過計算2個向量間的夾角來度量光譜間的相似性,夾角越小,2個光譜越相似,屬于同類地物的可能性越大,因而可根據SAM的數值大小來辨別未知數據的類別[24]。其計算公式為:

,

(2)

式中:θ為2個N維空間向量X和Y之間的夾角;n為所采用數據的波段數;Xi和Yi分別為光譜向量X和Y在第i個波段上的像元值。

3 結果與分析

3.1 目視效果

為了更好地對比3種不同大氣校正模型處理后的ZY-1 02D高光譜數據目視效果,選取紋理復雜、色調差異較大的高亮巖體地區(圖1紅框范圍),大氣校正后結果如圖2所示。相較于原始影像,大氣校正后的影像在視覺效果上均有所提升,尤其是在反射率較強的高亮巖體區域,原始影像由于受大氣氣溶膠、水汽等因素的影響,影像整體偏亮,地物的明暗差異對比度較低,細小的條狀紋理特征模糊,與背景較難區分; FLAASH(圖2(a))和QUAC(圖2(b))大氣校正效果有所改善,但相較于原始影像改善效果不明顯; ATCOR(圖2(c))大氣校正目視效果略微優于FLAASH和QUAC,影像整體信息更豐富一些,色調差異明顯加強,紋理更清晰,影像上發育的大面積復雜節理等巖性信息更易于識別,對后續的巖性—構造解譯等工作實用性較強。

(a) FLAASH模型 (b) QUAC模型 (c) ATCOR模型

3.2 地物波譜分析

在研究區地質背景較均一且具有一定分布面積區域隨機選取6個地物驗證點(具體點位如圖1所示)進行ASD光譜測量,對比分析其影像光譜和地面實測ASD光譜的相關關系。為了更好地對比大氣校正的效果,需要將ASD實測光譜重采樣到ZY-1 02D高光譜數據光譜分辨率。6個地物驗證點中,地物1—3為亮地物(光譜分析發現礦物分布以絹云母為主),地物4—6為暗地物(光譜分析發現礦物分布以綠泥石為主)。分別統計3種模型每種地物影像光譜與ASD光譜的相關系數(表1)。

表1 典型地物影像光譜與ASD光譜相關系數對比分析

FLAASH和ATCOR大氣校正結果較好,6種地物相關系數平均值達到0.85以上,以綠泥石為主的暗地物(地物4—6)相關系數更是在0.9以上。QUAC大氣校正結果穩定性較差,暗地物驗證點(地物4—6)影像光譜與ASD光譜的相關系數也達到0.9左右,但亮地物驗證點相關系數較低,地物2和地物3只有0.3左右。

地物驗證點影像光譜與ASD光譜對比如圖3所示,地物1—3(亮地物)FLAASH大氣校正和ATCOR大氣校正影像光譜與實測ASD光譜相比整體譜形具有較高的一致性,但在可見光—近紅外波段范圍,FLAASH大氣校正結果較準確,ATCOR影像光譜在1 000 nm左右陡坎現象嚴重,QUAC影像光譜表現出與ASD光譜不一致的高反射現象,兩者結果均會影響鐵染礦物的識別。2 100～2 400 nm短波紅外波段范圍內,3種方法在2 199 nm處均表現出絹云母的吸收特征,但特征吸收深度有所差異,ATCOR大氣校正效果要優于FLAASH和QUAC。地物4—6(暗地物)3種大氣校正影像光譜與實測ASD光譜相比整體譜形相似性也較高,可見光—近紅外波段范圍與亮地物類似,FLAASH大氣校正結果較準確,ATCOR影像光譜在1 000 nm左右依然存在陡坎現象,QUAC影像光譜雖然反射率較高,但譜形和ASD光譜保持一致。2 100～2 400 nm短波紅外波段范圍內,3種大氣校正模型在2 250 nm和2 334 nm處表現出綠泥石礦物特有的雙吸收特征,且吸收深度相差不大。

(a) 地物1 (b) 地物2 (c) 地物3

綜上可見,3種大氣校正模型均能得到具有一定精度的典型亮、暗地物的反射率反演產品,可為地質調查應用提供可靠的基礎反射率數據。然而,利用高光譜反射率數據開展礦物識別時,礦物的診斷特征吸收深度是礦物含量的一種直觀反映,且診斷特征吸收深度越深越利于識別; 因此,從這個角度來看,結合以上分析,當識別礦物吸收特征位于可見光—近紅外波段時,可選擇FLAASH大氣校正模型; 當識別礦物吸收特征位于短波紅外波段,ATCOR模型較則略有優勢。

3.3 典型礦物信息提取

研究區絹云母和綠泥石較為發育,因此,本文利用SAM礦物信息提取算法,采用相同的閾值和參數設置,對3種模型大氣校正后影像進行絹云母和綠泥石礦物信息識別和提取,結果分別如圖4所示。為了驗證2種礦物信息識別的正確性,在礦物分布區域隨機選取驗證點P1—P6,其中P1—P3為綠泥石信息驗證點,與USGS標準波譜庫中綠泥石光譜對比發現(圖5中P1—P3),3種模型大氣校正后影像光譜與標準波譜譜形相似度較高,綠泥石雙吸收特征明顯。P4—P6為絹云母信息驗證點,同樣與USGS標準波譜庫中絹云母光譜對比分析發現(圖5中P4—P6),2 199 nm波段處絹云母吸收特征明顯,也表現出較強的相關性。

(a) FLAASH模型 (b) QUAC模型 (c) ATCOR模型

(a) 驗證點P1 (b) 驗證點P2 (c) 驗證點P3

綜上,3種模型大氣校正后影像提取的絹云母和綠泥石礦物信息準確率較高。但是觀察三者的礦物分布情況發現,綠泥石礦物信息提取結果分布范圍大致相同,而絹云母信息提取結果有明顯差異,ATCOR模型提取的絹云母信息明顯要比FLAASH和QUAC模型提取的絹云母信息分布范圍廣。因此,在FLAASH和QUAC模型未提取出絹云母但ATCOR模型提取出絹云母區域,選取2個驗證點P7和P8進行野外實測ASD光譜驗證。經分析發現(如圖5中P7和P8所示),ASD光譜和ATCOR模型影像光譜均具有絹云母吸收特征,而FLAASH和QUAC模型影像光譜絹云母特征很微弱,因此會造成在相同閾值和參數設置的條件下,FLAASH和QUAC大氣校正模型會造成部分絹云母信息的漏提。

3.4 討論

1)利用FLAASH,QUAC和ATCOR等3種大氣校正模型提取的綠泥石和絹云母2種礦物信息較準確,其中綠泥石信息與ASD光譜一致性較高,而絹云母信息一致性偏低。與地面測試光譜對比發現,FLAASH和QUAC模型大氣校正后影像會有部分絹云母信息的漏提。通過分析3種大氣校正模型的絹云母信息相對濃度(圖6)可以看出,FLAASH和QUAC模型大氣校正絹云母信息漏提的區域基本為絹云母濃度較低的區域,在這些區域FLAASH和QUAC模型相比ATCOR大氣校正結果,其影像光譜對絹云母的診斷吸收光譜特征表現較弱(圖5中P7和P8),因此在相同的閾值和參數設置條件下,會造成3種大氣校正模型不同的礦物信息提取結果。

(a) FLAASH模型 (b) QUAC模型 (c) ATCOR模型

2)從大氣校正策略差異上分析,認為造成上述現象的原因可能是: ATCOR模型在大氣、幾何等參數反演過程中,采用循環迭代的方式,查找表動態更新[23],反演的參數可能更接近相同大氣環境的實測數據。因此,ATCOR大氣校正的反演結果比FLAASH和QUAC模型在一些波段的準確性略高,如文中對比發現的2 199 nm波段。

3)礦物的診斷光譜特征吸收深度對于礦物識別具有重要指示或參考意義,反演的遙感反射率數據的光譜譜形特征和診斷光譜特征吸收深度均越接近地物真實光譜特征,就更易于被識別,同時礦物定量反演精度更高。如2 199 nm波段是絹云母等礦物的診斷特征吸收波長位置,不同的大氣校正反演結果,在識別結果上表現出較明顯的差異。

4)本研究中對比發現FLAASH和QUAC模型在2 199 nm波段位置的反演精度相較ATCOR略低,致使地面絹云母含量較低區域的漏識率較高。因此,在開展礦物填圖應用中,ATCOR模型大氣校正結果對礦物弱信息識別更具優勢。

4 結論

1)通過影像大氣校正的目視效果分析,ATCOR,FLAASH和QUAC等3種模型均能有效消除大氣氣溶膠、水汽等因素的影響,而ATCOR模型要優于FLAASH和QUAC模型。

2)通過對比研究區典型亮暗地物反射率光譜,發現對于亮地物的大氣校正ATCOR模型和FLAASH模型要優于QUAC模型,對于暗地物的大氣校正則3種模型精度均比較高。且當識別礦物吸收特征位于可見光—近紅外波段時,可選擇FLAASH大氣校正模型; 當識別礦物吸收特征位于短波紅外波段時,ATCOR模型則略有優勢。

3)從提取的綠泥石和絹云母2種礦物信息分析,綠泥石提取結果一致性較高,絹云母提取結果一致性偏低。其主要原因是FLAASH和QUAC模型在2 199 nm波段吸收深度相較ATCOR模型略低,致使在絹云母含量較低區域,會有部分信息漏識別。

綜上所述,3種模型對ZY-1 02D高光譜反射率反演結果均能較好地滿足地質調查應用需求。本研究結合研究區發育的典型礦物,對比了ATCOR,FLAASH和QUAC模型的礦物識別應用效果,雖然對比發現在部分具有礦物診斷吸收特征波段位置,ATCOR模型較FLAASH和QUAC模型總體上反演結果更準確,但后續還需要開展多種礦物、多區域實驗驗證,從不同地貌、不同大氣模式以及模型處理效率等多個方面進一步綜合、全面地評價3種模型在不同場景應用中的適用性。