卫星遥感数据的像元地面反射率反演计算

利用 Landsat-8 OLI 反演大气气溶胶的可见光谱段地表反射率估算吕春光;田庆久;王磊;黄彦;耿君【摘要】准确估算地表反射率的贡献一直是遥感反演大气气溶胶光学厚度过程中的重点和难点。

为了促进Landsat-8 OLI 传感器在地表参数定量化特别是大气遥感领域的应用，本文提出一种利用 OLI 1．6μm、2．2μm 短波红外谱段数据估算遥感影像可见光地表反射率的方法。

该方法依托于 MOD04产品地表反射率估算模式，通过光谱归一化和构建新的短波红外植被指数等过程，建立 OLI 地表反射率估算模式，通过误差分析发现该模式能够有效地降低由于传感器光谱响应不同对估算结果的影响，对应用在 OLI 遥感影像的计算结果与同时间同区域MOD04产品地表反射率进行比较，表明其结果有较高的相关性和可靠性。

%Accurate estimation to the contribution of the surface reflectance has been the focus and the difficult point in aerosol optical depth (AOD)retrieval from remote sensing data.In order to promote the applications of Landsat-8 OLI data in quantification of surface physical parameters particularly in the field of atmospheric remote sensing,a method to estimate the optical surface reflectance from OLI ima ges was put forward using OLI 1.6μm and OLI 2.2μm short infrared bands.The method was proposed based on the surface reflectance estimation mode of MOD04 product,by means of processes such as spectral normalization,building a new short infrared vegetation index and so on.The error analysis shows the OLI estimation mode can effectively reduce the error effect caused by spectral response differences.The comparison of the surface reflectance estimation resultsbetween the OLI and MOD04 product in the same time and same area represents that the estimation results obtained by OLI estimation mode have high correlation and reliability.【期刊名称】《遥感信息》【年(卷),期】2015(000)001【总页数】8页(P43-50)【关键词】地表反射率;气溶胶;Landsat-8;光谱归一化;植被指数【作者】吕春光;田庆久;王磊;黄彦;耿君【作者单位】南京大学国际地球系统科学研究所，南京 210023; 江苏省地理信息技术重点实验室，南京 210023;南京大学国际地球系统科学研究所，南京210023; 江苏省地理信息技术重点实验室，南京 210023;南京大学国际地球系统科学研究所，南京 210023; 江苏省地理信息技术重点实验室，南京 210023;南京大学国际地球系统科学研究所，南京 210023; 江苏省地理信息技术重点实验室，南京 210023;南京大学国际地球系统科学研究所，南京 210023; 江苏省地理信息技术重点实验室，南京 210023【正文语种】中文【中图分类】TP79Key words：surface reflectance；aerosol；Landsat-8；spectral normalization；vegetation index大气气溶胶是大气中重要的成分之一，它会影响大气辐射状况，对全球和区域气候变化、大气环境质量具有重要的作用和影响，是当前大气遥感研究的重要领域之一[1]。

操作方法及过程1、使用ENVI对landsat 7 ETM+原始数据进行辐射定标：①对1、2、3、4、5、7波段进行辐射定标。

利用ENVI中的File |Open External File |Landsat Geo TIFF with MetaData加载威武市Landsat ETM+原始影像数据中的_MTL文件，再利用Basic Tools |Preprocessing |Calibration Utilities |Landsat Calibration 在弹出的对话对话框中选择包含1、2、3、4、5、7波段的_MTL文件，将Calibration Type选为Radiance，然后选择输出路径保存为radiance。

②对61和62波段进行辐射定标。

步骤和上面的一样，只是选择输入文件时为包含61和62波段的_MTL文件，将结果保存为radiance_band6。

2、将BSQ格式的影像数据转化为BIL：利用Basic Tools |Convert Data，弹出对话框中选择Radiance，Output Interleave中选择BIL，选择输出路径保存为radiance_BIL。

3、使用FLAASH大气辐射校正模型进行地表反射率的计算：①利用Spectral |FLASSH弹出大气校正模型参数设置窗口如下：分别按照以上所示的内容进行参数设置，将输入文件设为radiance_BIL，输出文件设为flassh，设置Scene Center Location时，打开原始影像在头文件中找到行和列，算出中心行和列，利用Pixel Locator工具找到中心点的经纬度。

将Sensor Type设为Landsat TM7。

设置Ground Elevation时，利用裁剪工具在亚洲幅SRTM DEM影像数据中裁剪该地区的DEM数据，再用统计功能算出高程的平均值为2058m。

在头文件中找到Flight Data：1999年8月10日，Flight Time GTM:3时36分39秒。

基于像元二分模型的植被覆盖度反演植被覆盖度是指地表被植被覆盖的程度，通常用百分比来表示。

植被覆盖度对于生态环境的评估和监测具有重要意义，可以反映区域的生态状况、土地利用情况以及气候变化等信息。

而基于像元二分模型的植被覆盖度反演则是一种常用的遥感方法，通过分析遥感影像数据，对地表植被覆盖度进行定量化评估。

像元二分模型是一种基于遥感影像数据进行分类的方法，它将地表分为植被和非植被两类像元，通过像元的光谱信息和空间关系进行分类。

在植被覆盖度反演中，首先需要获取高分辨率的遥感影像数据，如卫星影像或航拍影像。

然后利用像元二分模型对影像进行分类，将地表像元划分为植被和非植被两类。

通过统计每类像元的数量，即可计算出植被覆盖度的百分比。

基于像元二分模型的植被覆盖度反演方法具有一定的优势和局限性。

优势在于可以利用遥感影像数据实现对大范围区域的快速监测，提高了效率和准确性。

同时，该方法还可以定量化地表植被覆盖度，为生态环境保护和土地管理提供科学依据。

然而，基于像元二分模型的植被覆盖度反演也存在一些局限性，如对影像质量和分类精度要求较高，容易受到地物混合和遥感影像噪声的影响。

在实际应用中，基于像元二分模型的植被覆盖度反演可以结合其他遥感方法和地面调查数据进行验证，提高结果的可信度。

同时，还可以通过时间序列影像数据的分析，实现对植被覆盖度变化的监测和分析，为生态环境的长期监测和保护提供支持。

总的来说，基于像元二分模型的植被覆盖度反演是一种重要的遥感方法，可以用于快速、准确地评估地表植被覆盖度，为生态环境监测和管理提供科学依据。

然而，在应用过程中仍需考虑其局限性，并结合多种方法和数据源进行综合分析，以提高结果的可靠性和精度。

希望通过不断的研究和实践，基于像元二分模型的植被覆盖度反演方法能够更好地应用于实际工作中，为地球资源的可持续利用和生态环境的保护做出贡献。

测绘技术中的遥感反射率计算方法随着科技的不断进步，遥感技术在测绘领域中的应用日益广泛。

遥感技术通过利用遥感仪器捕捉地球表面的电磁波辐射，并进行数据处理和分析，可以获取有关地表特征、环境变化和资源分布等信息。

在遥感技术中，反射率是衡量地表材料对入射辐射的反射程度的指标。

通过测量地表的反射率，可以对地表进行分类、识别和定量化分析。

而遥感反射率的计算方法主要包括无标定点数据反演法、基于植被指数法和基于辐射模型法等。

无标定点数据反演法是一种常见的遥感反射率计算方法。

该方法通过获取一组无标定点的遥感数据，通过数据预处理和模型校正，计算出地表的反射率。

在数据预处理过程中，需要进行大气校正，以消除大气吸收和散射对数据的影响。

然后，通过反射率模型，将无标定点数据转化为地表反射率。

尽管这种方法在实际应用中具有一定的局限性，但基于其对无标定点数据的利用，可以在一定程度上减少对地面实测样点的需求，提高了测绘工作的效率。

基于植被指数法是另一种常用的遥感反射率计算方法。

植被指数是通过比较植被绿度与其他波段的反射率之间的关系来度量植被生长状况的指标。

在这种方法中，首先需要获取多个波段的遥感数据，然后计算植被指数。

最常用的植被指数有归一化植被指数（NDVI）、简化植被指数（SAVI）和差值植被指数（DVI）等。

通过计算植被指数，可以反映出地表植被的状况和变化，从而计算出反射率。

这种方法简单易行，广泛应用于农业、林业和生态环境等领域。

基于辐射模型法是一种基于物理原理的遥感反射率计算方法。

该方法通过建立地表反射率与地物光谱特征之间的数学模型，通过模型参数的计算和优化，来计算地表的反射率。

在这种方法中，需要获取不同地物的光谱特征曲线，然后根据地物反射光谱的形态特征，推导出相应的辐射模型。

最常用的辐射模型有方位距离模型（BRDF）、中心光谱模型（CSD）和半经验模型等。

通过这些模型，可以准确计算出地表的反射率，为测绘工作提供了精确的数据支持。

ENVI下利用ETM+数据反演地表温度地表温度作为地球环境分析的重要指标，而遥感技术作为现代重要的对地观测手段，使得基于遥感图像的地表温度反演的研究越来越多。

主要的地表温度反演方法有：大气校正法，单窗算法，单通道法等等。

本文介绍用辐射传输方程法对地表温度进行反演。

技术流程：例子数据为2002年9月2日的襄樊市Landsat ETM+数据。

根据数据的特点以及地表温度反演研究的技术要求，采用的技术路线为：先对Landsat ETM+数据进行预处理：数据读取、辐射定标、大气校正、襄樊区域裁剪，利用大气校正，即：辐射传输方程法对其影像热红外波段数据进行操作反演，实现襄樊市地区的地表真实温度的反演研究。

具体的处理流程如下：具体的实现步骤如下：第一步：准备数据热红外数据使用的是Landsat的第六波段，已经做了传感器定标、几何校正、工程区裁剪，详细流程参考上面的流程图。

文件为TM6-rad-subset-jz-xiangfan.img。

由TM影像（已经过大气校正）生成的NDVI数据，已经利用主菜单->BasicTools->Resize Data（SFatial/SFectral）重采样为60米分辨率，与TMi6数据保持一致，文件名为：TM-NDVI-60m.img。

第二步：地表比辐射率计算物体的比辐射率是物体向外辐射电磁波的能力表征。

它不仅依赖于地表物体的组成，而且与物体的表面状态(表面粗糙度等)及物理性质(介电常数、含水量等)有关，并随着所测定的波长和观测角度等因素有关。

在大尺度上对比辐射率精确测量的难度很大，目前只是基于某些假设获得比辐射率的相对值，本文主要根据可见光和近红外光谱信息来估计比辐射率。

(一)植被覆盖度计算计算植被覆盖度Fv采用的是混合像元分解法，将整景影像的地类大致分为水体、植被和建筑，具体的计算公式如下：F V = (NDVI- NDVI S)／(NDVI V - NDVI S) （2）其中，NDVI为归一化差异植被指数，取NDVI V = 0.70和NDVI S = 0.00，且有，当某个像元的NDVI大于0.70时，F V取值为1；当NDVI小于0.00，F V取值为0。

收稿日期：２０１８－０７－０８ 责任编辑：李克永基金项目：国家自然科学基金（４１４７１４５２）；中央高校基本科研业务资助项目（３００１０２２６９２０１，３００１０２２９９２０６）通信作者：王丽霞（１９７９－），女，山西大同人，博士，副教授，Ｅ ｍａｉｌ：ｚｙｌｘｗａｎｇ＠ｃｈｄ．ｅｄｕ．ｃｎ第３９卷　第２期２０１９年３月西安科技大学学报ＪＯＵＲＮＡＬＯＦＸＩ’ＡＮＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＶｏｌ．３９　Ｎｏ ２Ｍａｒ ２０１９基于Ｌａｎｄｓａｔ８数据反演地表发射率的几种不同算法对比分析王丽霞１，２，孙津花３，刘　招４，张双成１，杨　耘１（１．长安大学地质工程与测绘学院，陕西西安７１００５４；２．国土资源部退化及未利用土地整治工程重点实验室，陕西西安７１００７５；３．长安大学地球科学与资源学院，陕西西安７１００５４；４．长安大学环境科学与工程学院，陕西西安７１００５４）摘　要：为了分析研究不同地表发射率反演算法的精度和适用性，文中选取西安市的遥感影像Ｌａｎｄｓａｔ８为基础数据，运用ＥＮＶＩ，ＡｒｃＧＩＳ等软件，首先对Ｌａｎｄｓａｔ８数据进行预处理，提取西安市的ＮＤＶＩ影像；然后，建立决策树模型得到西安市地表分类影像，并基于像元二分模型反演得到植被覆盖度，基于ＮＤＶＩ得到４种不同算法的地表发射率；最后，以精度０．０１的ＭＯＤＩＳＬＳＥ产品为标准数据，从像元尺度上对比分析了４种算法的精度，并依据回归决策树方法的分类结果，对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。

结果表明：在像元尺度上，植被指数混合模型法与ＮＤＶＩＴＥＭ改进算法精度较高且较为接近；从不同下垫面的反演差异来看，在植被区域４种算法之间的差异较小，而对于水体区域，４种算法之间的差异较大；从反演方法的适用性而言，植被指数混合模型法与ＮＤＶＩＴＥＭ改进算法较为适合本研究区。

关键词：地表发射率；遥感反演；归一化植被指数；Ｌａｎｄｓａｔ８数据中图分类号：Ｐ２３７ 文献标志码：ＡＤＯＩ：１０．１３８００／ｊ．ｃｎｋｉ．ｘａｋｊｄｘｘｂ．２０１９．０２２０ 文章编号：１６７２－９３１５（２０１９）０２－０３２７－０７ＣｏｍｐａｒｉｓｏｎｏｆｓｅｖｅｒａｌｄｉｆｆｅｒｅｎｔａｌｇｏｒｉｔｈｍｓｔｏｒｅｔｒｉｅｖｅｌａｎｄｓｕｒｆａｃｅｅｍｉｓｓｉｖｉｔｙｕｓｉｎｇＬａｎｄｓａｔ８ｄａｔａＷＡＮＧＬｉ ｘｉａ１，２，ＳＵＮＪｉｎ ｈｕａ３，ＬＩＵＺｈａｏ４，ＺＨＡＮＧＳｈｕａｎｇ ｃｈｅｎｇ１，ＹＡＮＧＹｕｎ１（１．ＳｃｈｏｏｌｏｆＧｅｏｌｏｇｙＥｎｇｉｎｅｅｒｉｎｇａｎｄＳｕｒｖｅｙｉｎｇ，Ｃｈａｎｇ’ａｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００５４，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＤｅｇｒａｄｅｄａｎｄＵｎｕｓｅｄＬａｎｄＣｏｎｓｏｌｉｄａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＴｈｅＭｉｎｉｓｔｒｙｏｆＬａｎｄａｎｄＲｅｓｏｕｒｃｅ，Ｘｉ’ａｎ７１００７５，Ｃｈｉｎａ；３．ＳｃｈｏｏｌｏｆＥａｒｔｈＳｃｉｅｎｃｅａｎｄＲｅｓｏｕｒｃｅｓ，Ｃｈａｎｇ’ａｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００５４，Ｃｈｉｎａ；４．ＳｃｈｏｏｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｃｈａｎｇ’ａｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００５４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏａｎａｌｙｚｅｔｈｅａｃｃｕｒａｃｙａｎｄａｐｐｌｉｃａｂｉｌｉｔｙｏｆｄｉｆｆｅｒｅｎｔｓｕｒｆａｃｅｅｍｉｓｓｉｖｉｔｙｉｎｖｅｒｓｉｏｎａｌ ｇｏｒｉｔｈｍｓ，ｔｈｅＬａｎｄｓａｔ８ｄａｔａｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｒｙｉｎＸｉ’ａｎｗａｓｓｅｌｅｃｔｅｄ，ａｎｄｓｏｆｔｗａｒｅｓｕｃｈａｓＥＮ ＶＩａｎｄＡｒｃＧＩＳｗａｓｕｓｅｄ．Ｆｉｒｓｔ，ｔｈｅＬａｎｄｓａｔ８ｄａｔａｉｓｐｒｅｐｒｏｃｅｓｓｅｄｔｏｅｘｔｒａｃｔＮＤＶＩｉｍａｇｅｓｆｒｏｍＸｉ’ａｎ．Ｔｈｅｎ，ｔｈｅｄｅｃｉｓｉｏｎｔｒｅｅｍｏｄｅｌｉｓｅｓｔａｂｌｉｓｈｅｄｔｏｏｂｔａｉｎｔｈｅｓｕｒｆａｃｅｃｌａｓｓｉｆｉｃａｔｉｏｎｉｍａｇｅｏｆｔｈｅｃｉｔｙ，ｔｈｅｖｅｇ ｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｓｏｂｔａｉｎｅｄｂａｓｅｄｏｎｔｈｅｉｎｖｅｒｓｉｏｎｏｆｔｈｅｐｉｘｅｌｂｉｎａｒｙｍｏｄｅｌ，ａｎｄｔｈｅｓｕｒｆａｃｅｅｍｉｓｓｉｖｉｔｙｏｆｆｏｕｒｄｉｆｆｅｒｅｎｔａｌｇｏｒｉｔｈｍｓｉｓｏｂｔａｉｎｅｄｂａｓｅｄｏｎＮＤＶＩ．Ｆｉｎａｌｌｙ，ｗｉｔｈｔｈｅａｃｃｕｒａｃｙｏｆ０．０１ＭＯＤＩＳＬＳＥｐｒｏｄｕｃｔｓａｓｔｈｅｓｔａｎｄａｒｄｄａｔａ，ｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｆｏｕｒａｌｇｏｒｉｔｈｍｓｉｓｃｏｍｐａｒｅｄａｎｄａｎａｌｙｚｅｄｆｒｏｍｔｈｅｐｉｘ ｅｌｓｃａｌｅ，ａｎｄｂａｓｅｄｏｎｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｒｅｇｒｅｓｓｉｏｎｄｅｃｉｓｉｏｎｔｒｅｅｍｅｔｈｏｄ，ｔｈｅｄｉｆｆｅｒｅｎｃｅｓｏｆｅｍｉｓｓｉｖｉｔｙｉｎｖｅｒｓｉｏｎｏｆｄｉｆｆｅｒｅｎｔａｌｇｏｒｉｔｈｍｓｏｎｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆｓｕｒｆａｃｅｃｏｖｅｒａｇｅａｒｅｃｏｍｐａｒｅｄａｎｄａｎａ©博看网 . All Rights Reserved.ｌｙｚｅｄ．ＴｈｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｈｙｂｒｉｄｍｏｄｅｌｍｅｔｈｏｄａｎｄｔｈｅＮＤＶＩＴＥＭｉｍｐｒｏｖｅｄａｌ ｇｏｒｉｔｈｍａｒｅｍｏｒｅａｃｃｕｒａｔｅａｎｄｃｌｏｓｅｔｏｅａｃｈｏｔｈｅｒｏｎｔｈｅｐｉｘｅｌｓｃａｌｅ．Ｆｒｏｍｔｈｅｉｎｖｅｒｓｉｏｎｄｉｆｆｅｒｅｎｃｅｏｆｄｉｆ ｆｅｒｅｎｔｕｎｄｅｒｌｙｉｎｇｓｕｒｆａｃｅｓ，ｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｔｈｅｆｏｕｒａｌｇｏｒｉｔｈｍｓｉｎｔｈｅｖｅｇｅｔａｔｉｏｎｒｅｇｉｏｎｉｓｓｍａｌｌ．Ｆｏｒｔｈｅｗａｔｅｒｂｏｄｙｒｅｇｉｏｎ，ｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｔｈｅｆｏｕｒａｌｇｏｒｉｔｈｍｓｉｓｇｒｅａｔ；ｆｒｏｍｔｈｅａｐｐｌｉｃａｂｉｌｉｔｙｏｆｔｈｅｉｎｖｅｒｓｉｏｎｍｅｔｈｏｄ，ｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｈｙｂｒｉｄｍｏｄｅｌｍｅｔｈｏｄａｎｄｔｈｅＮＤＶＩＴＥＭｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍａｒｅｍｏｒｅｓｕｉｔａｂｌｅｆｏｒｔｈｅｓｔｕｄｙａｒｅａ．Ｋｅｙｗｏｒｄｓ：ｓｕｒｆａｃｅｅｍｉｓｓｉｖｉｔｙ；ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｖｅｒｓｉｏｎ；ｎｏｒｍａｌｉｚｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ；Ｌａｎｄｓａｔ８ｄａｔａ０　引　言地表发射率是遥感数据获取陆面温度中的一个关键参数，它与地表组成成分、地表粗糙度、含水量等因素有关，普遍应用于辐射传输过程和地气系统的能量平衡［１］。

专利名称：一种基于卫星遥感数据反演植物气孔导度的方法专利类型：发明专利
发明人：张选泽,张永强,马宁,田小强,苗平,林钢,田晓军
申请号：CN202111550144.0
申请日：20211217
公开号：CN114357733A
公开日：
20220415
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于卫星遥感数据反演植物气孔导度的方法，包括以下处理流程：卫星遥感反演数据采集、地面常规气象数据采集；利用地面常规气象数据，计算饱和水汽压es；计算饱和水汽压差VPD；计算植被冠层气孔导度Gc；计算植物叶片气孔导度gs。

本发明以遥感目标像元的卫星遥感反演数据和地面气象观测数据数据作为输入，计算出目标像元中植物与大气间水分交换的植被冠层导度和叶片气孔导度，有效克服了现有的估算方法无法大范围监测、成本高、无法适用于空间异质性高的区域等缺点。

申请人：中国科学院地理科学与资源研究所,鄂尔多斯市水旱灾害防御技术中心
地址：100101 北京市朝阳区大屯路甲11号
国籍：CN
代理机构：北京志霖恒远知识产权代理事务所(普通合伙)
代理人：宋玲玲
更多信息请下载全文后查看。

气溶胶反演气溶胶反演方法利用环境小卫星多光谱数据反演：方法一：1. 利用SPSS计算出大气光学厚度与大气参数（ρ（大气的路径辐射项等效反射率）、S（大气下界的半球反射率）、T(μs )T(μv)(大气上行下行透过率)）的对应关系，据此建立查找表，然后利用多波段数据进行地气解耦，得到大气光学厚度。

2. 构建查询表利用6S模型构建气溶胶光学厚度查询表，输入参数为：太阳天顶角，气溶胶模式，550nm波长处气溶胶光学厚度的等级，查找表计算的波段（第一和第三波段），海拔高度。

3. 数据预处理（1）重采样，为了加快运算速度和提高信噪比；（2）辐射定标，将图像的DN值转化为表观反射率。

4. 结果反演根据获得的表观反射率计算出NDVI（用于识别暗目标），利用获得的太阳高度角对查找表进行插值，得到要计算波段的不同大气光学厚度下的大气参数：ρ0、S、T(μs)T(μv)。

5. 图像平滑与成图输出在获得大气光学厚度后，对结果图像进行平滑处理，达到内插部分非暗目标点的监测值并抑制异常点的目的，采用9×9像元的距离加权平均的滤波方法进行；将结果导入ArcMap中，进行叠加矢量图，分等定级以及添加图名图例等操作，制成专题图。

方法二：1.对要反演气溶胶光学厚度的卫星图像惊醒地理和辐射率校正2.然后用MODTRAN模型模拟生成τ（气溶胶光学厚度）和ρ（地表反射率）的查找表3.接着判断卫星观测到的地表像元反射率Lobs与MODTRAN模拟的大气总辐射Ltotal是否相等。

4.如果不等，就改变ρ，再用MODTRAN重新计算Ltotal，再判断是否相等。

5.如果相等，则根据ρ和τ的关系曲线，由反演出的地表反射率ρmap，计算到气溶胶光学厚度分布τmap。

利用环境小卫星高光谱数据反演：方法：1.选择用于反演的波段2.假设利用某种气溶胶模式条件下，计算红波段和近红外波段表观反射率，不考虑临近效应影响。

大气散射在可见—近红外波段影响是比较大的，在可见波段影响最大，其次是近红外波段，在中波红外接近于零，因此，在利用近红外波段反演气溶胶光学特性之前，可以在清洁大气的假设下利用6S或者MODTRAN辐射传输模型进行大气校正。

基于像元二分模型的植被覆盖度反演-以北京市为例王玲（西北大学城市与环境学院，陕西西安 710127）摘要：采用遥感技术监测植被覆盖度具有重要意义。

本文以北京市为例，基于2013年的Landsat8 OLI影像，选取NDVI值为参数，采用像元二分模型对植被覆盖度进行反演，最终反演的结果与实际情况符合，说明采用该方法反演植被覆盖度可行。

关键词：植被覆盖度、像元二分模型、NDVI、植被指数引言植被覆盖度（Vegetation fractional cover，简称fc）是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比，即植土比。

通常林冠称郁闭度，灌草等植被称覆盖度[1]。

它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义[2]。

根据监测手段, 测量植被覆盖度的方法可分为地面测量和遥感测量两大类，测量常用于田间尺度，遥感估算常用于区域尺度。

目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的地面测量单的方法就是目估法，缺点主要是主观性太强。

客观的测量方法有样点法、样方法、样带法等，借助于采样仪器的测量方法，空间定量计、移动光量计等。

这些方法虽然提高了测量精度，但野外操作不便，并且成本较高, 难以在大范围内快速提取植被覆盖度。

而采用遥感技术为监测大面积区域的植被覆盖度，甚至全球的植被覆盖度监测提供了可能[3]。

目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。

一、数据源本文选取两景覆盖北京市的Landsat8 OLI影像、土地覆盖类型图以及北京行政边界矢量数据为数据源。

其中，土地覆盖类型图是作为掩膜文件使用，其目的是为了便于植被覆盖度的估算；北京行政边界矢量数据是为了将两景镶嵌好的影像数据进行裁剪使用的，其目的是裁剪出北京市行政区内的范围。

利用MODIS遥感数据进行气溶胶反演研究雾霾现象是影响大气气候和环境质量的一个重要因素。

这些雾和霾都是悬浮在大气中的气溶胶粒子，混浊度是其主要光学性质之一，可用光学厚度来表征。

现阶段，对气溶胶光学厚度的监测多是基于地面气象站点的实测数据。

实测数据多是以点监测为主，无法测得气溶胶的范围和变化趋势。

随着遥感技术的发展，特别是气溶胶遥感技术的发展和革新，给气溶胶卫星监测提供了技术依据。

利用卫星数据资料可以实现气溶胶的面监测，通过多期数据的分析比较能实现变化趋势研究。

论文在深入分析气溶胶反演的理论和方法的基础上，利用北京及周边地区的MODIS卫星遥感影像资料进行了气溶胶反演的实验验证。

文中主要研究内容和结果如下：(1)遥感数据的选择。

由于MODIS数据具有较高的光谱分辨率和时间分辨率，而且对外免费开放下载，具有较好的经济适用性，所以本文选择以MODIS影像作为实验基础数据。

(2)大气模式的选择。

在气溶胶的反演的过程中，大气模式参数与气溶胶模型参数的设定影响反演的精度。

通过实验研究，选择用6S模式模拟大气模式参数和气溶胶模型，能够提高反演精度。

(3)根据气溶胶反演的理论基础，在反演过程中需要建立地表反射率与气溶胶光学厚度之间的定量关系。

论文基于暗像元法估算地表反射率，并进一步根据6S模式模拟通过IDL语言编程实现了与气溶胶光学厚度相关的七参数对应关系的计算，利用这种七参数对应关系可以实现气溶胶光学厚度的反演。

(4)利用MODIS影像数据对北京及其周边地区的气溶胶光学厚度分布进行了反演实验，通过AERONET已知数据对反演结果进行了精度验证，并进一步根据7期数据的反演结果完成了气溶胶光学厚度分布的变化趋势分析。

实验结果表明，利用MODIS数据根据暗像元法以及6S大气模式能够很好的反演出陆地上空的气溶胶光学厚度。

这为城市地区快速监测大气污染提供了经济适用的方法。

使用遥感技术进行地表物理参数反演的方法遥感技术是一种通过获取地面反射和发射的电磁波信号，来获得地球表面信息的技术手段。

在地球科学领域，遥感技术的重要性不言而喻。

通过遥感技术，我们可以获得地球表面的物理参数，如地表温度、地表植被覆盖度、土地利用类型等信息，这对于环境监测、资源管理以及气候变化研究具有重要意义。

地表物理参数反演是指利用遥感技术从遥感影像中计算和估算地表的物理参数。

在进行地表物理参数反演时，需要考虑多个因素，包括遥感的波段、分辨率、噪声等，同时也要结合地球表面的物理过程和模型进行分析。

下面将介绍一些常用的地表物理参数反演方法。

首先，就地表温度的反演而言，一种常用的方法是基于热辐射传输模型的反演。

这种方法利用热辐射传输模型来模拟地表与大气之间的热辐射过程，通过遥感影像中的辐射值以及相关的大气参数，可以计算出地表温度。

热辐射传输模型的参数化比较复杂，需要准确的大气参数和遥感数据，但在一定的条件下，可以得到较准确的地表温度结果。

其次，对于地表植被覆盖度的反演，常用的方法是基于植被指数的反演。

植被指数是通过计算遥感影像中的红外波段和可见光波段反射率之比得到的指标，可以反映地表植被覆盖的状况。

根据不同的植被指数，可以推导出不同的植被指数-植被覆盖度模型，从而计算地表的植被覆盖度。

这种方法简单易行，但对于一些高植被覆盖和低植被覆盖的地区，可能存在一定的误差。

此外，土地利用类型的反演也是遥感研究的一个重要内容。

对于土地利用类型的反演，常用的方法是基于分类算法的反演。

分类算法可以通过将遥感影像中的像元进行分类，将其归类为不同的土地利用类型。

在进行分类时，可以利用多光谱影像的光谱信息、纹理信息以及遥感影像的空间分布信息，通过训练样本和分类算法的选择，得到较为准确的土地利用类型。

总结来说，使用遥感技术进行地表物理参数反演，可以通过建立适当的物理模型和分类算法，利用遥感影像的辐射信息、光谱信息和空间分布信息等，来计算和估算地表的物理参数。

收稿日期:2003211227;修订日期:2004205209基金项目:国家重点基础研究发展规划项目(编号:G 200077907)资助。

作者简介:刘振华(1972-),女,博士生,主要研究方向为地图学与地理信息系统。

MOD I S 卫星数据地表反照率反演的简化模式刘振华,赵英时,宋小宁(中国科学院研究生院中国科学院遥感所,北京　100039)摘要:以内蒙西部地区的M OD IS 遥感图像数据和地表野外同步观测的光谱数据为例,在野外数据量较少且有定标数据的条件下反演地表反照率。

使用6S 大气1辐射传输模型进行大气校正,并通过M OD TRAN 4.0模型获取各波段地表入射光通量和窄波段的地表反照率;在窄波段反照率与宽波段反照率之间存在线性关系的前提下,以各波段的入射光通量占总入射通量的比例作为反演参数,实现窄波段到宽波段的反演。

反演结果证明此方法简便可行。

关　键　词:反照率;M OD IS ;M OD TRAN ;入射光通量;反射光通量中图分类号:T P 75 文献标识码:A 文章编号:100420323(2004)06205082041　引　言地表反照率作为整个太阳光谱的半球反射积分值,随时空变化而变化,在一般情况下变化较为缓慢,但在气候环境突然改变(暴风雪、沙尘暴等)的情况下其值变化非常显著。

地表反照率是研究气候模型、天气预报、资源和灾害监测(干旱、火灾、大气污染及洪水等)和水资源管理的一个重要参数。

M OD IS 产品中提供了面向全球的地表反照率数据。

显然,对于不同气候条件下的区域而言,产品的精度不够,反演其值具有重要意义。

遥感是获取大区域、乃至全球地表反照率的唯一手段。

地表反照率反演的过程大体有以下三步:①遥感图象数据的大气校正;②由校正后的地表反射率反演窄波段的地表反照率;③由窄波段地表反照率到宽波段地表反照率的反演。

其中窄波段地表反照率的反演,一般采用核驱动模型来实现〔1〕,核驱动模型考虑到多角度信息,鉴于本文所用野外实测光谱数据没有考虑角度信息,并假设地表为朗伯体的前提下,就从能量角度出发来获取窄波段的反照率;宽波段反照率的反演通常是要由宽波段传感器(例如:ERB 〔2〕、ScaR a B 〔3〕)测量大量的地表宽波段反照率的值,再与大量的地表窄波段反照率数据进行线性回归获取回归系数,最终得到两者之间的关系模型〔4,5〕,此方法是建立在大量地面实测数据的基础之上,在实测数据很少的情况下,这种方法并不很合理。

landsat8 toa 反射率的计算概述及解释说明1. 引言1.1 概述在当今的遥感技术领域中，Landsat 8卫星成像数据是一种常用的数据源。

TOA 反射率（Top of Atmosphere reflectance）是通过遥感图像预处理和辐射定标等步骤计算得到的一种重要的遥感产品。

TOA反射率可以提供地表特征的信息，例如植被覆盖、土地类型和陆地表面温度等。

因此，了解如何计算TOA反射率及其应用与意义是进行准确地表分析和监测的关键。

1.2 文章结构本文旨在介绍和解释如何计算Landsat 8卫星数据的TOA反射率，并探讨其应用与意义。

文章分为五个部分：引言、正文、TOA反射率计算过程解释、TOA 反射率计算的注意事项和挑战以及结论。

在引言部分，我们将首先对文章进行整体概述，并说明文章的结构和目标。

然后逐步展开介绍Landsat 8卫星以及TOA反射率这一概念及其计算方法。

1.3 目的本文旨在向读者介绍Landsat 8卫星数据中TOA反射率的计算方法，并探讨其应用与意义。

我们将详细解释TOA反射率的计算过程，包括遥感图像预处理、辐射定标和转换以及大气校正和模型选择。

此外，我们还将提供一些解决TOA 反射率计算中常见问题和困难的方法和技巧，并指出在数据获取和处理过程中需要考虑的因素和误差来源。

最后，我们将对文章进行总结，并展望未来TOA反射率计算的发展方向。

通过本文的阅读，读者将能够全面了解Landsat 8卫星数据中TOA反射率的计算方法以及其应用与意义，并具备解决相关问题的基本知识和技巧。

2. 正文:2.1 Landsat 8介绍:Landsat 8是美国国家航空航天局（NASA）和美国地质调查局（USGS）合作的一颗卫星，于2013年发射并投入使用。

它携带着一台名为Operational Land Imager (OLI) 的传感器，能够提供高分辨率、多光谱的遥感图像数据。

Landsat 8可以对地球表面进行全球范围的观测，并用于许多应用领域，如环境监测、农业、林业和城市规划等。