Nothing Special   »   [go: up one dir, main page]

CN114528709B - 一种基于光照强度的遥感反射率校正方法 - Google Patents

一种基于光照强度的遥感反射率校正方法 Download PDF

Info

Publication number
CN114528709B
CN114528709B CN202210172129.5A CN202210172129A CN114528709B CN 114528709 B CN114528709 B CN 114528709B CN 202210172129 A CN202210172129 A CN 202210172129A CN 114528709 B CN114528709 B CN 114528709B
Authority
CN
China
Prior art keywords
illumination intensity
data
remote sensing
sensing reflectivity
correction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210172129.5A
Other languages
English (en)
Other versions
CN114528709A (zh
Inventor
张衍福
刘凯
赵新
杨丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Water Conservancy Comprehensive Service Center
Original Assignee
Shandong Water Conservancy Comprehensive Service Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Water Conservancy Comprehensive Service Center filed Critical Shandong Water Conservancy Comprehensive Service Center
Priority to CN202210172129.5A priority Critical patent/CN114528709B/zh
Publication of CN114528709A publication Critical patent/CN114528709A/zh
Application granted granted Critical
Publication of CN114528709B publication Critical patent/CN114528709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种基于光照强度的遥感反射率校正方法，包括步骤(1)观测数据准备；(2)确定基准数据；(3)将光照强度进行归一化处理；(4)建立原始遥感反射率与归一化光照强度的相关关系；(5)计算基准遥感反射率与基准归一化光照强度的相关关系；(6)通过原始遥感反射率与基准遥感反射率比值确定校正参数，建立校正模型；(7)数据校正。该方法主要校正光照强度变化对固定站点的光谱实测数据的影响，消除光照强度变化对测量结果的干扰，提高获取数据的有效率。

Description

一种基于光照强度的遥感反射率校正方法
技术领域
本发明涉及一种遥感反射率校正方法，具体涉及一种基于光照强度的遥感反射率校正方法，属于遥感数据处理计算领域。
背景技术
地面光谱数据的采集作为遥感定量反演的重要部分，直接影响遥感反演结果的准确性。光照强度的变化对地面光谱数据采集质量有明显影响，在进行固定测点、固定时间、长时间地面光谱数据采集过程中光照强度变化严重影响光谱数据的准确性。目前针对该问题，主要的措施是在光照条件充足的情况下，开展数据测量，保证数据质量。但是这些方法无法有效地处理光照条件不足情况下的光谱数据，也无法有效地保障数据的长时间观测。
发明内容
本发明的目的在于克服上述不足而提供一种基于光照强度的遥感反射率校正方法。该方法主要校正光照强度变化对固定站点的光谱实测数据的影响，消除光照强度变化对测量结果的干扰，提高获取数据的有效率。
本发明采取的技术方案为：
一种基于光照强度的遥感反射率校正方法，包括步骤如下：
(1)观测数据准备
准备长时间、固定站点观测的光照强度数据以及遥感反射率数据，并记录观测时间；根据测量时间对数据进行整理，每年相同日期相同时间点的数据视为同一组；
(2)确定基准数据
光照强度主要受所在地的经纬度、观测时间影响，可以根据所在地的经纬度、测量时间计算出理论上该观测点该时间的光照强度，但是受其它因素干扰，很难达到理论值；在历史数据库中选择实测光照强度最接近理论光照强度的数据，作为基准光照强度数据(T_LX_J_Q)，最接近理论光照强度下测得的遥感反射率值作为基准遥感反射率(T_Rrs_J)；
(3)将光照强度进行归一化处理
由于光照强度在不同情况下变化幅度非常大，不利于构建光照强度与原始遥感反射率关系构建，因此首先对光照强度数据进行归一化处理，处理方式如式(一)、(二)所示：
式中T_LX为T时间归一化计算之后的光照强度，T_LX_0为T时间准备数据中观测的光照强度，T_LX_J_Q为基准光照强度，T_LX_J为基准归一化光照强度，T_LX_min为T时间准备数据中观测的光照强度最小值，T_LX_max为T时间准备数据中观测的光照强度最大值；
(4)建立原始遥感反射率与归一化光照强度的相关关系
对相同测量时间的归一化光照强度(T_LX)与原始遥感反射率(T_Rrs)进行主成分分析，分析结果表明(T_LX)2、与原始遥感反射率(T_Rrs)的相关性最高，故选择(T_LX)2、与T_Rrs进行多元相关性分析，利用相关性分析工具，经过分析其相关关系如式(三)所示：
式中T_Rrs为T时间原始遥感反射率，β、γ为校正参数，T_LX为T时间归一化光照强度，b为常数项，其中相同观测时间的校正参数β、γ相同；
(5)计算基准遥感反射率与基准归一化光照强度的相关关系
通过式(三)，计算基准遥感反射率(T_Rrs_J)与基准归一化光照强度(T_LX_J)的相关关系，结果如式(四)所示：
式中：β′、γ′为校正参数，b′为常数项；
(6)建立校正模型
通过式(三)与式(四)计算T_Rrs_J与T_Rrs的比值，得到的结果如式(五)所示：
通过式(六)的变化，令T_K为校正参数，
故校正模型如式(七)所示：
式中T_Rrs_H为遥感反射率校正后的结果，T_Rrs为实测遥感反射率；
(7)数据校正
根据待校正数据中的测量时间，选定式子中对应的时间T，获取传入数据光照强度对应的归一化光照强度值和基准归一化光照强度，如果传入的光照强度大于历史数据的最大值或小于历史数据的最小值时，视为异常数据，不进行校正；若数据正常时，利用归一化光照强度值和基准归一化光照强度由式(六)计算校正参数，再利用校正参数和传入数据中的遥感反射率数据由式(七)计算得到校正后的遥感反射率数据。
本发明通过主成分分析，选择归一化光照强度中与遥感反射率相关关系最强的三组主成分，构建遥感反射率与归一化光照强度之间的关系，实现弱光照强度下获取的遥感反射率校正为正常光照强度下的遥感反射率。本发明能消除光照强度对观测数据的干扰，能够将光照条件不满足使用要求的数据通过校正可以正常使用；实现校正后的数据保障了点位观测数据的连续性；确保了建模的精度和反演结果的准确性。
附图说明
图1为本发明方法的流程图。
具体实施方式
为了更好地阐述本发明技术方案，下面结合具体实施例进一步说明。
实施例1
一种基于光照强度的遥感反射率校正方法，包括步骤如下：
1.准备长时间、固定站点观测的光照强度数据以及遥感反射率数据，并记录观测时间；根据测量时间对数据进行整理。
2.1确定基准数据
本次需要校正的遥感数据是X月X日T点的某地(XX°XX′N、XXX°XX′E)获取的实测光照强度T_LX_0下的遥感反射率数据T_Rrs。
首先根据经纬度和时间信息确定该地该时间理论的光照强度为L_0，通过历史数据库中发现同期数据中最接近的光照强度为此时测得的遥感反射率为T_Rrs_J，由于受其它因素干扰，T_LX_J_Q略小于L_0，通过长期的数据观测，T_Lx_J_Q可以作为该地、该时间的基准光照强度，T_LX_J_Q对应下测得的遥感反射率T_Rrs_J作为基准遥感反射率。
2.2将光照强度进行归一化处理
由于光照强度在不同情况下变化幅度非常大，不利于构建光照强度与原始遥感反射率关系构建，因此首先对光照强度数据进行归一化处理，综合历史数据中选择T时刻的实测光照强度最大值和最小值，分别作为T_LX_max、T_LX_min，通过判断T_LX_min＜T_LX_0＜T_LX_max数据在正常范围内，可以进行后续计算。
对T_LX_0数据进行归一化处理，归一化后的光照强度基准归一化后光照强度
2.3建立原始遥感反射率与归一化光照强度相关关系
对相同测量时间的归一化光照强度(T_LX)与原始遥感反射率(T_Rrs)进行主成分分析，分析结果表明(T_LX)2、与原始遥感反射率(T_Rrs)的相关性最高，相关关系式为：
β、γ为校正参数，b为常数项。
2.4计算基准遥感反射率与基准归一化光照强度相关关系
类似步骤2.3，计算基准遥感反射率(T_Rrs_J)与基准归一化光照强度(T_LX_J)的相关关系，相关关系式为：
β′、γ′为校正参数，b′为常数项。
2.5建立校正模型
通过步骤2.3与2.4结果计算T_Rrs_J与T_Rrs的比值，得到的结果：
校正参数T_K的值为：
故校正后的数据为：
本发明的以上描述用于使本领域的任何普通技术人员能够实现或使用本发明。本发明并不限于本文所述的实例和设计，而是与本文公开的原理和新颖性特性的最广范围相一致。

Claims (5)

1.一种基于光照强度的遥感反射率校正方法，其特征是，包括步骤如下：
(1)观测数据准备；
(2)确定基准数据；
(3)将光照强度进行归一化处理；
(4)建立原始遥感反射率与归一化光照强度的相关关系，形成原始遥感反射率T_Rrs与归一化光照强度TLX的主成分(TLX)2、的关系式；
经过分析其相关关系如下式所示：
式中T_Rrs为T时间原始遥感反射率，β、γ为校正参数，T_LX为T时间归一化光照强度，b为常数项，其中相同观测时间的校正参数β、γ相同；
(5)计算基准遥感反射率与基准归一化光照强度的相关关系；
基准遥感反射率T_Rrs，与基准归一化光照强度T_LXt的相关关系，如下式所示：
式中：β′、γ′为校正参数，b′为常数项；
(6)通过原始遥感反射率与基准遥感反射率比值确定校正参数，建立校正模型；
计算基准遥感反射率T_Rr3_J与原始遥感反射率T_Rrs的比值，得到的结果如下所示：
通过上式的变化，令T_K为校正参数，
故校正模型如下式所示：
式中T_Rrs_H为遥感反射率校正后的结果，T_Rrs为实测遥感反射率；
(7)数据校正。
2.根据权利要求1所述的一种基于光照强度的遥感反射率校正方法，其特征是，步骤(1)所述的数据是准备长时间、固定站点观测的光照强度数据以及遥感反射率数据，并记录观测时间；根据测量时间对数据进行整理，相同时间的数据视为同一组。
3.根据权利要求1所述的一种基于光照强度的遥感反射率校正方法，其特征是，步骤(2)在数据中选择该观测点该时间实测光照强度最接近理论光照强度的数据，作为基准光照强度数据T_LX_JQ，最接近理论光照强度下测得的遥感反射率值作为基准遥感反射率T_Rrs_J。
4.根据权利要求1所述的一种基于光照强度的遥感反射率校正方法，其特征是，步骤(3)对光照强度数据进行归一化处理，处理方式如式(一)、(二)所示：
式中T_LX为T时间归一化计算之后的光照强度，T_LX_0为T时间准备数据中观测的光照强度，T_LX_J_Q为基准光照强度，T_LX_J为基准归一化光照强度，T_LX_min为T时间准备数据中观测的光照强度最小值，T_LX_max为T时间准备数据中观测的光照强度最大值。
5.根据权利要求1所述的一种基于光照强度的遥感反射率校正方法，其特征是，所述的数据校正，如果传入的光照强度大于历史数据的最大值或小于历史数据的最小值时，视为异常数据，不进行校正；若数据正常时，利用归一化光照强度值和基准归一化光照强度计算校正参数，再利用校正参数和传入数据中的遥感反射率数据计算得到校正后的遥感反射率数据。
CN202210172129.5A 2022-02-24 2022-02-24 一种基于光照强度的遥感反射率校正方法 Active CN114528709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210172129.5A CN114528709B (zh) 2022-02-24 2022-02-24 一种基于光照强度的遥感反射率校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210172129.5A CN114528709B (zh) 2022-02-24 2022-02-24 一种基于光照强度的遥感反射率校正方法

Publications (2)

Publication Number Publication Date
CN114528709A CN114528709A (zh) 2022-05-24
CN114528709B true CN114528709B (zh) 2024-08-13

Family

ID=81625073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210172129.5A Active CN114528709B (zh) 2022-02-24 2022-02-24 一种基于光照强度的遥感反射率校正方法

Country Status (1)

Country Link
CN (1) CN114528709B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102507458A (zh) * 2011-11-23 2012-06-20 浙江大学 室外高光谱图像采集系统中太阳光源的校正方法
CN105160631A (zh) * 2015-07-02 2015-12-16 山东大学 一种求辐射校正系数的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102507458A (zh) * 2011-11-23 2012-06-20 浙江大学 室外高光谱图像采集系统中太阳光源的校正方法
CN105160631A (zh) * 2015-07-02 2015-12-16 山东大学 一种求辐射校正系数的方法

Also Published As

Publication number Publication date
CN114528709A (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
WO2022166939A1 (zh) 一种基于Sentinel-2卫星影像红边波段改进小麦生长早期叶面积指数估算的方法
CN107845090A (zh) 一种硅片检测方法和硅片检测装置
CN102830096A (zh) 基于人工神经网络的元素浓度测量误差修正方法
CN103517310A (zh) 自动修正定位用无线基站数据集的方法
CN114528709B (zh) 一种基于光照强度的遥感反射率校正方法
CN115329604B (zh) 一种智慧航道设计乘潮水位实时计算方法
CN110553631B (zh) 一种关于水位流量关系的水位测量系列误差分析方法
CN111882569A (zh) 一种基于机器视觉的指针式压力表自动校验仪示值读数方法
WO2024099475A1 (zh) 基于长时序ndvi的土壤重金属胁迫甄别方法
CN115358103B (zh) 一种基于Sentinel-2数据的水环境检测方法
CN117710831A (zh) 一种基于卫星遥感农村黑臭水体监测方法
CN117523406A (zh) 一种海洋水色水温扫描仪箝位修正方法及计算机可读介质
CN116703241A (zh) 一种基于地块评价单元的耕地土壤环境质量类别划定方法
CN114925997A (zh) 一种农田物联网多光谱传感器有效数据的筛选方法
CN112036022B (zh) 一种秧苗需水定量方法、装置及灌溉系统
CN114690254A (zh) 一种地磁日变改正方法
CN113961623A (zh) 一种基于短历时数据的降雨特征指标统计方法
CN107045719A (zh) 基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法
CN118411601B (zh) 一种面向农作物的植被指数预测方法
CN109754582A (zh) 一种燃气表的无线抄表方法
CN118469351B (zh) 一种生态修复评估方法
CN111487596B (zh) 风场探测数据融合方法、装置及电子设备
CN118918397A (zh) 一种遥感影像解译水田种植区域的系统及方法
CN116506719B (zh) 一种基于光电二极管cmos图像传感器的传输管理方法
CN117826224B (zh) 一种海水中放射性核素峰漂移的温度判定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant