大气校正是遥感图像处理的基础工作，大气校正的效果好坏也决定了后期定量反演和应用的精度。对于大气校正的应用研究国内外学者做了比较全面的探讨，提出和改进了很多算法。大气校正的方法主要有基于图像特征的相对大气校正、基于地面测量数据的经验线性法和基于辐射传输模型改正方法三种。

基于图像特征的相对大气校正是在没有地面同步测量的条件下，直接由图像本身消除大气影像，进而反演得到地表相对反射率。如Kaufman提出的平面场模型法和暗目标法[1]。基于地面测量的回归经验线性法，是由影像像素值和像素对应的地面目标的光谱测量值，建立遥感观测数据和地面测量数据之间的线性回归方程，得到回归系数，然后对整幅遥感影像进行辐射校正。该方法物理意义明确，计算简单，但是，过于理想化的方程系数会带来较大的误差。

Goetz等[2]第一次提出使用大气辐射传输模型代替经验线性法，这一思路很快得到实现。此后Gao等[3]提出了大气移除算法(ATREM)，基于多光谱数据理论模型反演了陆地地表反射率。赵祥等[4]基于地面观测数据，使用多波段线性回归与插值的方法对常规暗目标方法进行改正，充分利用多光谱的多波段特性，采用循环迭代算法进行多光谱遥感数据的大气校正。宋晓宇等[5]基于多光谱遥感影像，用AVIRIS 数据评价大气纠正模块FLAASH。胡顺石等[6]，建立了一个光谱分辨率为1 nm的多维大气参数查找表，采用多维拉格朗日插值方法与MODTRAN4.0模型的模拟计算结果对比，误差仅为±1.0%。胡勇等[7]基于Landsat TM影像、MODIS大气参数产品和6SV辐射传输模型改进了大气校正方法，可以批量、快速和自动化的获取长时间序列地表反射率产品。

目前，陆地大气校正算法已经有比较成熟的产品，包括大气校正软件包ATREM、HATCH模型、ISDAS模块和ACORN软件，Kruse等[8]提出的FLAASH模型，Vermote等[9]提出和改进的6SV模型，Richter & Schaefer[10]开发的ATCOR商用软件等大气校正模块，并且得到了广泛的应用。本文重点比较大气校正常用的ATCOR模型和FLAASH模型，分析二者在大气校正中的特点。

基于无公害中药选肥原则：选用国家生产绿色食品的肥料使用准则中允许使用的肥料种类，所有的肥料应以对环境和作物不产生不良后果的方法使用。黄芩施肥应坚持以基肥为主、追肥为辅和有机肥为主、化肥为辅的原则。有机肥包括高温腐熟、杀菌处理后的堆肥、厩肥、沼肥、绿肥、作物秸秆、泥肥、饼肥等；生物菌肥包括腐殖酸类肥料、根瘤菌肥料、磷细菌肥料、复合微生物肥料等；微量元素肥料即以铜、铁、硼、锌、锰、钼等微量元素及有益元素为主。

1 大气校正原理

大气辐射传输模型描述或者近似描述了太阳光和地气耦合的物理机理，利用大气辐射传输模型根据选择的波段模拟数据，这是基于图像光谱信息进行大气校正的物理基础。卫星传感器接收到的辐射亮度主要包括地气系统反射和散射的太阳辐射，一部分是地表反射的直射太阳辐射，另一部分是气体分子、颗粒和气溶胶散射到传感器的太阳辐射以及这种散射辐射在地表和大气中多次反射和散射的贡献，此部分就是路径辐射。假设观测地面为均匀朗伯体表面并且大气水平均一，不考虑像元的邻边效应和气体吸收，以表观反射率的形式表示的辐射传输方程如式(1)：

ρ×(λi)=Lpath×Tgas×π/(Esun(λi)×cos(θS))+Tscatt.Tgasρ(λi)/(1-S×ρ(λi))

(1)

通过以上对国内英语语法教学研究的回顾以及存在问题的分析，可看出这一领域经过交际教学法的衰退而又一次受到重视。如何加强英语语法教学的理论和实践的研究而切实提高中国英语学习者的语法水平，将是未来语言学和外语教学研究所重点关注的。

2 大气校正方法

采用ATCOR、FLAASH对多光谱遥感影像进行了大气校正，结果如图3所示。

2.1 ENVI中的FLAASH模块

ATCOR大气校正模型最早由德国Wessling光电研究所Richter博士于1990年研究提出并且经过大量验证的一种快速大气校正算法。ATCOR模型有两种模式，一种是适用于卫星图像的ATCOR2/3模式，另一种是适用于机载和航拍的ATCOR4模式。软件支持几乎所有的高光谱和多光谱卫星传感器，如RapidEye、WorldView、Landsat和资源系列等，也可对新的卫星或者航空传感器进行自定义，带有大气数据库信息，辐射传输查找表由最新的MODTRAN5程序计算。最新版本的ATCOR大气校正商业软件由IDL语言开发，在参数反演、图像处理和数据更新等方面作了较大改进，譬如加入二次雾霾去除算法、更新了相函数、基于MODTRAN5.3和HITRAN-2013进行了高分辨率数据库的更新以及支持更多传感器等。

  

图1 ENVI中的FLAASH大气校正模块选项卡

ATCOR模型算法的核心是一个以MODTRAN代码计算辐射传输方程的数据库，通过大气/几何等参数，对生成的动态查找表进行插值计算从而进行精确快速的大气校正。水汽参数反演方面该模型采用适合不同情形下的APDA和LIRR两种方法，通过查找表内插或者生成的水汽含量模型得到大气水汽含量。气溶胶光学厚度的反演，采用经典的DDV算法，考虑了不同NDVI和浓密植被像元数的情况下，红、绿、近红和短波红外波段的不同线性关系。大气参数反演过程中，采用循环迭代的方式，查找表动态更新，反演精度较高。图2是ATCOR的大气校正流程图。

2.2 ATCOR大气校正模型

内置于ENVI软件的FLAASH大气校正模块，可对多光谱、多光谱数据、航空影像和自定义格式的多光谱影像进行快速大气校正分析。FLAASH使用了MODTRAN4辐射传输模型的代码，通过快速生成查找表获取大气的主要参数，可以基于像素级校正由于漫反射引起的连带效应，包含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑，获得地物较为准确的地表反射率和辐亮度等物理模型参数。

水汽反演采用两种方式：其一，利用水气去除模型恢复影像中每个像元的水汽含量，使用水汽反演模型，数据必须具有15 nm以上波谱分辨率，至少覆盖1 050～1 210 nm(优先考虑)、770～870 nm和870～1 020 nm的波谱范围。其二，单一的水汽因子用于整体影像。对气溶胶光学厚度(AOD)反演的方法，要求数据波段至少包括660 nm和2 100 nm波段，提供四种标准MODTRAN气溶胶模型，用2-Band(K-T)方法，如果没有找到适应的暗像元，系统将采用能见度值来计算。

①水流结构多样性。治理工程实施后河道应具有多样性水流结构，如跌水、漩涡、深潭等不同类型的水流形态，以增加水体复氧机会，提高水体自净能力。

式中，ρ(λi)是中心波长为λi的下垫面反射率；Lpath(λ)是大气的路径辐射，Tscatt.和Tgas分别为大气总的散射透过率和气体透过率，Esun(λi)为中心波长λi的太阳辐照度，θS为太阳天顶角，θv是卫星观测天顶角，S是半球反照率。在半球反照率、散射总透过率、气体总透过率和程辐射等四个参数已知的情况下，根据遥感影像提供的观测几何和模型数据，就可以确定表观反射率和地表反射率二者之间的关系。大气辐射传输模型通过预先或者实时建立的查找表建立了相关参数和反射率之间的一一对应关系，可以迅速获取相关参数实现大气校正。目前的大气校正模块主要是基于辐射传输模型实现大气校正的。

  

图2 ATCOR大气校正流程图

3 结果与验证

大气校正的目的是消除传感器获取的辐亮度信息中大气的影响成分，获得地表的真实信息。目前比较成熟的大气校正模块主要有如下二种。

  

图3 影像大气校正前后对比

在模拟的多光谱遥感影像中，选取四种地表类型分别为绿色植被、水体、土壤和裸土等分别进行两种方法的大气校正，和理论参考值进行比较，对七个波段的大气校正结果如图4所示。

 

表1 模拟的多光谱影像对应OLI的波段和中心波长

  

对应OLI波段中心波长/nmCoastal443blue482.6green561.3red654.6nir864.6swir-11609Swir-22201

为了验证三种方法的绝对精度，在大气参数条件是水汽含量WV=3.0 g/cm2，550 nm处气溶胶光学厚度AOD=0.4的情况下，模拟了一幅包括常用的七个波段的200pixels Landsat-8多光谱影像，七个波段的中心波长如表1所示。

选取了三种地表类型：水体、绿色植被和裸土，七个波段的大气校正结果和理论参考值进行了比较的散点图如图5所示，横轴为参考值，纵轴为两种方法校正后得到的地表反射率，可以看出绿色植被的反演效果最好，其次是裸土，而FLAASH方法对水体的反演效果误差较大。

表2为七个波段的两种方法的大气校正结果与参考值对比的误差和相关系数，FLAASH在总体结果上不如ATCOR表现稳定。

  

图4 大气校正结果的四种地表类型的比较(WV=3.0 g/cm2，AOD(550 nm)=0.4)

  

图5 两种方法得到的地表反射率和参考值的散点图比较

 

表2 两种大气校正方法与参考值的误差和相关系数

  

均方根误差(RMSE)相关系数(R2)大气参数FLAASHATCORFLAASHATCORWV=3.0g/cm20.02050.01201.00000.9555AOD=0.40.00510.00381.00000.99340.00510.00490.99990.98590.01110.00310.99990.99860.01320.00490.99340.99930.00350.00260.99990.99990.00570.00721.00000.9972

通过模拟的表观反射率数据进行的大气校正结果显示，在不同的大气参数条件下，FLAASH和ATCOR二种方法得到的各个波段地表反射率和真实的地表反射率的均方根误差RMSE平均小于0.01，相关系数R2接近于1，精度结果显示ATCOR和FLAASH的校正结果是一致的，说明两种方法进行大气校正是可行的。精度分析比较的结果显示ATCOR在多波段大气校正中整体效果比较稳定，在短波红外波段的校正值偏高，而FLAASH在440 nm波段的误差较大。

枸杞被誉为“人间鲜果“，可药食两用，越来越受到人们喜爱。柴达木富硒枸杞与众不同，也赋予了枸杞新的营养价值。硒是人体必需的微量元素，能提高人体免疫力，促进淋巴细胞的增殖及抗体和免疫球蛋白的合成。据悉，2015-2017年，青海省国土资源厅首次在柴达木盆地绿洲农业区发现了544.1平方公里的绿色富硒土壤资源，主要分布在都兰县诺木洪地区、格尔木市河西及河东农场、德令哈市柯鲁柯地区，其中格尔木富硒土壤面积52.8平方公里（7.92万亩）。

旅游者到一个景点旅游90%以上都是第一次游览，对景点、景区的环境不熟悉会导致旅游人群发生各种状况，如：哪个区域存在安全隐患、到达某目的地应该怎么走更快捷、游客因突发事件想投诉要如何处理、寻找同伴或家人该怎么办等出现诸多问题；其中游客中也会有特殊人群（残疾人士、老人、小孩等），志愿者在服务工作中，就应主动引导游客如何游玩景点、景区，如何方便地走特殊人群通道等，这些都属于旅游类志愿者的工作范畴内。

4 结 语

基于不同方法的大气校正效果会产生一定的差异，而大气校正效果必然会影响后续定量遥感的反演或者分类精度。基于大气辐射传输模型的ATCOR和FLAASH的大气校正模块，两种方法的比较可以看出，ATCOR总体上效果比较稳定，而FLAASH在蓝波段存在比较大的误差，总体二者都具有一定的合理性。通过模拟多光谱遥感影像，大气校正的效果和参考值比较可以看出，七个波段大气校正后的均方根误差均在0.01左右，相关系数均接近于1，总体校正效果比较理想。

参考文献：

[1] Kaufman Y. J, Gao B. C. Remote Sensing of Water Vapor in the NearIR from EOS /MOD IS[J] . IEEE Trans. Geosci.RemoteSensing, 1992, 30(5): 871-884.

[2] Goetz A F H, Calvin W M. Imaging spectrometry: spectral resolution and analytical identification of spectral features[C]//31st Annual Technical Symposium. International Society for Optics and Photonics, 1987: 158-165.

[3] Gao B C, Goetz A F H. Column AtmosphericWater Vapor and Vegetat ion Liquid Water Retrievals from Airborne Imaging Spectrometer Data[J] . Geophys. Res., 1990, 95 ( D4 ):3549-3564.

[4] 赵祥，梁顺林，刘素红，等.多光谱遥感数据的改正暗目标大气校正方法研究[J].中国科学 地球科学: 地球科学，2007，37(12): 1653-1659.

[5] 宋晓宇,王纪华,刘良云,等. 基于多光谱遥感影像的大气纠正:用AVIRIS数据评价大气纠正模块FLAASH[J]. 遥感技术与应用,2005(4):393-398.

[6] 胡顺石, 张立福, 佘晓君,等.遥感影像大气校正通用查找表的设计与插值算法[J].遥感学报, 2014,18(1):45-60.

[7] 胡勇,刘良云,张九星,等. 基于MODIS大气产品的天宫一号多光谱成像仪数据大气校正研究[J]. 遥感技术与应用,2014(6):1060-1066.

[8] Anderson G P, Pukall B, Allred C L, et al. 1999. FLAASH and MODTRAN4: state-of-the-art atmospheric correction for hyperspectral data[C]//Aerospace Conference, 1999. Proceedings. IEEE. IEEE, 4: 177-181.

[9] Anderson G P, Felde G W, Hoke M L, et al. MODTRAN4-based atmospheric correction algorithm: FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)[C]//AeroSense 2002. International Society for Optics and Photonics, 2002: 65-71.

[10] Richter R, Schlaepfer D. 2002. Geo-atmospheric processing of airborne imaging spectrometry data, Part 2: atmospheric/topographic correction. International Journal of Remote Sensing, 23(13), 2631-2649.