实习一6S大气校正文档格式.docx
《实习一6S大气校正文档格式.docx》由会员分享，可在线阅读，更多相关《实习一6S大气校正文档格式.docx（11页珍藏版）》请在冰豆网上搜索。
该式是大气纠正的近似体会公式，也是6S模型的大体方程。
（详细原理请参考6S操作手册）
三、实习仪器与数据
6S程序包、ENVI软件、TM影像
四、实习步骤
1、输入6S模型参数
在利用6S软件进行大气校正时需要输入的要紧参数有（参照…\6S大气校正\\help\6S操作手册）：
（1）太阳天顶角、卫星天顶角、太阳方位角、卫星方位角，也能够输入卫星轨道与时刻参数来替代。
（2）大气组分参数，包括水汽、尘埃颗粒度等参数。
假设缺乏精准的实况数据，能够依照卫星数据的地理位置和时刻，选用6S提供的标准模型来替代。
（3）气溶胶组分参数，包括水分含量和烟尘、尘埃等在空气中的百分比等参数。
假设缺乏精准的实况数据，能够选用6S提供的标准模型来描述标准大气的气溶胶组分等。
（4）气溶胶的大气途径长度。
（5）观测目标的海拔高度及传感器高度。
（6）光谱条件，能够直接输入光谱波段范围，也能够将遥感器波段作为输入条件。
（7）其他参数。
假设是基于朗伯体大气校正，直接输入象元的光谱值可取得通过朗伯体大气校正后的地面反射率；
假设是基于BRDF大气校正，在选择了二向性反射模型（如Ambrals、Rahman模型等）后，那么需要输入象元所对应的模型参数值，并将反演的模型参数与其他参数（地-气耦合因子、大气透过率、大气吸收率等）一路作为输入，通过6S大气校正模型软件通过迭代计算，最终取得基于BRDF的大气校正图像，推算出相应的方向反射率与反照率。
本研究的大气校正是基于朗伯体的大气校正。
二、进行TM数据的大气校正
6S软件在有关参数输入完毕后会计算出各类大气参数，同时也给出了大气校正系数
，大气校正后的反射率ACR（Atmosphericallycorrectedreflectance）可用下式取得：
通过6S软件别离对TM分波段进行计算，求算出每景图像、每一个波段的
值；
然后，利用图像处置软件ENVI，逐象元计算大气校正后的反射率，并生成校正后的图像。
图1大气校正后图像（第4波段）
3、校正前后图像的对照
别离通过目视、直方图、波段值等进行校正前后图像的转变，计算植被指数，比较校正前后植被指数的转变。
图2校正前直方图图3校正后直方图
4．完成实习报告
内容包括：
目的、6S模型参数、校正前后遥感影像的对照分析、误差分析。
实习二基于FCR模型的植被冠层反射率模拟
明白得FCR辐射传输模型的成立进程，利用FCR模型进行植被多角度遥感一些大体原理的验证。
二、原理与方式（详细原理请参考文献“李云梅.水稻BRDF模型集成与应用研究.浙江大学博士学位论文.”）
冠层方向反射率用下式表示：
其中，
是二向反射率中的单次散射组分，
是漫射通量，
和
是冠层上方某一平面上太阳直接辐射和总辐射。
包括冠层和土壤的单次散射，由下式表示：
射，由式3．4
（2）表示：
是冠层单次散射，
是土壤单次散射
1大体参数
利用WINSCANOPY冠层仪所获取的图像进行分析，取得芦苇叶片的叶倾角散布。
利用实测的参数通过优化函数法取得椭圆散布的参数为：
偏心率，模型倾角81；
叶片光谱曲线、土壤及薄层水体光谱曲线取野外实测的典型曲线；
依照前人体会，取叶面蜡状物折射指数为；
叶形状参数取实测值，叶的相对线形尺度=平均叶长/冠层高度；
太阳天顶角为观测时的实际值，观测天顶角为0；
太阳直接辐射与总辐射之比为1-散射辐射/总辐射。
2植株采样数据
样地编号：
01EN南大港北
植株状况
株高
150
139
134
165
156
90
104
102
99
94
叶长
26
23
28
27
33
35
25
叶宽
样方内有99株芦苇，平均每株片叶子
地面状况简述：
芦苇间有输送的一条小路，有稀疏芦苇，其间有一龄蝗虫。
密度可达100头/m2。
LAI的计算公式：
LAI＝×
每样方株数×
每株叶片数×
叶长×
3光谱数据
位于…/定量遥感实习2/YD01/文件夹下面。
包括植被冠层数据的光谱数据、土壤光谱数据和太阳的总辐射和散射辐射光谱。
4样点的大体信息
…/定量遥感实习2/YD01/中为样点坐标等大体信息。
一、熟悉FCR模型的各个模块
图4FCR模型界面
二、利用实测数据进行植被冠层反射率和二向反射率的模拟；
依照所提供数据进行模型参数的预处置，将模型输入到模块中，运行模型模拟植被冠层反射率和二向反射率。
图5冠层反射率模拟模块
图6二向反射率模拟模块
3、利用模型进行一些大体原理的验证。
在模型中，固定某些参数，别离仅改变某一参数，如LAI、太阳高度角等，观看结果对输入参数的灵敏性。
目的、输入参数、模拟反射率与实测反射率的对照、LAI与反射率及植被指数的关系。
实习三植被LAI的遥感反演
明白得叶面积指数（LAI）反演的各类方式，把握LAI遥感反演的统计方式和进程，能够利用实测数据和遥感数据成立LAI的统计反演模型并进行反演。
遥感参数定量反演的模型大致能够分为三类：
统计模型、物理模型和半体会模型。
体会统计模型一样是描述性的，即对一系列观测数据作体会性的统汁描述，或进行相关分析，成立遥感参数与地面观测数据之间的统计相关关系。
物理模型理论基础完善，模型参数具有明确的物理意义，并试图对作用机理进行数学描述。
半体会模型那么综合了统计模型和物理模型的优势。
本次实习采纳的是统计方式。
ENVI、EXCEL、宜兴地域的TM影像、实测LAI数据
1、寻觅实测数据对应像元
打开宜兴TM数据，新建感爱好区，将实测坐标对应像元保留为感爱好区，将23个点的感爱好区导出为文本文件。
在EXCEL里面将该文件打开，与实测LAI文件保留在一路。
图7实测点及对应像元位置
表1感爱好区像元值
ID
Lat
Lon
B1
B2
B3
B4
B5
B6
B7
1
103
45
53
93
86
136
29
2
42
48
64
135
18
3
41
54
137
15
4
105
50
84
67
22
5
100
43
56
17
6
74
24
7
76
138
32
8
80
9
55
83
10
72
70
19
11
101
44
52
75
78
12
65
73
13
14
82
20
87
16
85
46
57
69
36
77
21
51
79
140
96
38
47
61
49
37
40
66
二、依照对应的像元计算各类植被指数
可成立以下植被指数：
1）
2）
3）
，其中L可别离为，和。
4）
5）
其中
可为1。
3、进行统计分析成立模型
可将23个样点分为两组,一组17个用来成立模型,另外6个用来对模型进行验证。
通过对17个样点的LAI和波段反射率及其植被指数相关分析和回归分析，成立不同的统计模型（线形、非线性、多项式等）。
并利用剩余6个点对各模型进行验证。
4、进行反演
第一对图像进行分类，将植被提掏出来，然后针对植被进行反演。
五、完成实习报告
目的、模型对照、模型查验与分析。
升级会员 