4 結果分析

為了初步分析三種大氣校正方法的結果, 選取10 m分辨率(B2, B3, B4, B8)及20 m分辨率(B5, B6, B7, B8a)8個波段, 并選擇冬小麥、裸土、水泥路和油菜地4種地物的像元實測值、大氣上層表觀反射率及三種模型的校正結果進行分析。其中冬小麥和油菜地為混合像元, 首先通過第2.2節(jié)的方法計算植被覆蓋度, 得到混合像元中植被與土壤的比例, 并結合實測地物光譜計算出混合光譜, 結果如圖4所示。

由圖4可見, Sentinel-2衛(wèi)星影像經(jīng)過三種大氣模型校正后, 其光譜曲線與實測地物的光譜曲線的變化趨勢一致, 有較高的擬合度, 藍波段Band 2經(jīng)大氣校正后相比于大氣上層表觀反射率TOA明顯下降, 紅邊、近紅外波段明顯上升。在冬小麥和油菜地的光譜曲線中, Band 2的三種大氣校正結果高于實測地物的反射率, 誤差較大。Sen2cor方法與SMAC的誤差約為0.04, 6S模型的誤差約為0.06;

圖4

Fig. 4

圖4 各類地物大氣校正前后的反射光譜曲線。(a)冬小麥; (b)油菜地; (c)裸土; (d)水泥路面Fig. 4 Reflectance spectral curves of different ground objects before and after atmospheric correction. (a) Winter wheat; (b) rape field; (c) bare soil; (d) cement pavement

Band 3~Band 5的大氣校正結果與實測值擬合效果較好, 誤差均小于0.02; 在大于705 nm的Band 6~Band 8a波段中, 實測地物的反射率高于三種大氣校正結果, 誤差范圍為0.01~0.04。在土壤光譜曲線中, 大氣校正結果相比于大氣上層表觀Band 2反射率明顯下降, Band 4~Band 8a波段的反射率明顯增加, Band 2的三種大氣校正結果高于實測地物的反射率, 其余波段的實測地物反射率均高于三種大氣校正結果, 誤差在0.02左右。在水泥路的光譜曲線中, 大氣校正結果相比于大氣上層表觀反射率除了Band 2明顯下降, 其余波段反射率明顯增加, 而且實測地物的反射率均高于大氣校正結果。從圖4(d)中可以看出, 綠波段Band 3、紅波段Band 4和紅邊波段Band 5的誤差較大, 三種大氣校正結果的誤差范圍為0.04~0.07, 其余波段的誤差較小, 誤差范圍為0.02~0.04。圖4中的結果表明, 4種地物大氣校正的精度從高到低依次為土壤、植被(冬小麥和油菜地)、水泥路, 其誤差可能源于混合像元、氣溶膠類型和測量誤差。

SMAC、6S模型和Sen2cor方法都是基于大氣輻射傳輸理論的機理模型, 只是計算方法不同。為了驗證三種模型的一致性, 對其結果分別進行回歸分析, 圖5和表4分別為三種大氣校正結果之間的相關性分析和回歸分析。由圖5可見, 用三種方法校正同一影像時, 結果具有很強的相關性。由表4可見, 6S模型與Sen2cor方法的決定系數(shù)R2最高(0.997), 均方根誤差Ermse最小(0.0031); SMAC與Sen2cor方法的決定系數(shù)R2為0.9906, 均方根誤差Ermse為0.006; 6S模型與SMAC的決定系數(shù)R2為0.9874, 均方根誤差Ermse為0.0063。三種結果的檢驗P值均小于0.0001, 可信度在99.99%以上。結果表明三種模型具有較好的一致性。

圖5

Fig. 5

圖5 基于Sen2cor, 6S模型和SMAC的大氣校正結果相關性分析。(a) SMAC, 6S與Sen2cor的反射率結果; (b) SMAC與Sen2cor的反射率結果; (c) SMAC與6S的反射率結果; (d) 6S與Sen2cor的反射率結果Fig. 5 Correlation analysis of atmospheric correction results of Sen2cor, 6S model and SMAC. (a) Result of reflectance by SMAC, 6S and Sen2cor; (b) result of reflectance by SMAC and Sen2cor; (c) result of reflectance by SMAC and 6S; (d) result of reflectance by 6S and Sen2cor

表4

Table 4

Regression analysis of Sen2cor method, 6S model and SMAC

Table 4表4 Sen2cor方法, 6S模型和SMAC之間的回歸分析? ? ? Table 4 Regression analysis of Sen2cor method, 6S model and SMAC

表4Sen2cor方法, 6S模型和SMAC之間的回歸分析Table 4Regression analysis of Sen2cor method, 6S model and SMACAtmospheric correction modelRegression equationR2ErmsePReliability /%6S-SMACy=1.0904x-0.02590.98740.0063< 0.000199.99

6S-Sen2cory=1.0792x-0.02560.99700.0031< 0.000199.99

SMAC-Sen2cory=0.9804x+0.00190.99060.0060< 0.000199.99

為了定量分析SMAC、6S模型和Sen2cor方法大氣校正的精度, 將野外39個實測地物的光譜數(shù)據(jù)與大氣校正結果提取出Band 2~Band 8a范圍的反射率進行回歸分析, 結果如圖6和表5所示。由圖6可見, 三種模型均與實測值有較強的相關性, 且數(shù)據(jù)整體較集中。當反射率為0.2時, 數(shù)據(jù)相對離散, 可能的原因是此時為紅邊波段, 即光譜曲線中變化率最大的波段, 誤差可能較大。從擬合的趨勢線可以看出, Sen2cor方法的大氣校正效果優(yōu)于6S模型和SMAC。從表5可以得出, Sen2cor方法與實測數(shù)據(jù)的決定系數(shù)R2最高(0.8196), 均方根誤差Ermse最小(0.0388); SMAC與實測數(shù)據(jù)的決定系數(shù)R2最小(0.8137), 均方根誤差Ermse為0.0395。

三種結果的檢驗P值均小于0.0001, 可信度在99.99%以上。

圖6

Fig. 6

圖6 反射率大氣校正結果與實測值的相關性分析Fig. 6 Correlation analysis between atmospheric correction results and measured values of reflectance

表5

Table 5

Regression analysis between atmospheric correction results and measured values of reflectance

Table 5表5 反射率大氣校正結果與實測值的回歸分析? ? ? Table 5 Regression analysis between atmospheric correction results and measured values of reflectance

表5反射率大氣校正結果與實測值的回歸分析Table 5Regression analysis between atmospheric correction results and measured values of reflectanceAtmospheric correction modelRegression equationR2ErmsePReliability /%Sen2cory=0.6005x+0.07730.81960.0388< 0.000199.99

6Sy=0.5549x+0.09570.81760.0391< 0.000199.99

SMACy=0.6072x+0.07800.81310.0395< 0.000199.99

植被定量遙感是衛(wèi)星影像最普遍的應用之一。植被指數(shù)是常用的參數(shù), 其通常是由兩個或兩個以上的波段計算得到。大氣校正的目的是讓衛(wèi)星影像的光譜趨近于地表真實光譜, 所以植被指數(shù)也用來檢測大氣校正效果[。本研究選用歸一化植被指數(shù)(NDVI)作為指標, 對大氣校正后影像上的NDVI值及實測值進行分析, NDVI值可表示為

fndvi=ρNIR-ρredρNIR+ρred,(13)

式中ρNIR、ρred分別表示近紅外波段和紅光的反射率, 結果如圖7所示。其中SMAC的NDVI值最大, 其次為Sen2cor方法和6S模型。表6為Sentinel-2影像NDVI與實測NDVI值的回歸分析, 由表可知, SMAC計算的NDVI值與實測值的相關性最高, 決定系數(shù)

R2為0.6389, 均方根誤差Ermse為0.093。三種結果的檢驗P值均小于0.0001, 可信度在99.99%以上。

圖7

Fig. 7

圖7 Sentinel-2影像NDVI與實測NDVI值的相關性分析Fig. 7 Correlation analysis between NDVI from Sentinel-2 imagery and measured NDVI value

表6

Table 6

Regression analysis between NDVI from Sentinel-2 imagery and measured NDVI value

Table 6表6 Sentinel-2影像NDVI與實測NDVI值的回歸分析? ? ? Table 6 Regression analysis between NDVI from Sentinel-2 imagery and measured NDVI value

表6Sentinel-2影像NDVI與實測NDVI值的回歸分析Table 6Regression analysis between NDVI from Sentinel-2 imagery and measured NDVI valueAtmospheric correction modelRegression equationR2ErmseP valueReliability /%Sen2cory=0.4975x+0.11100.63890.093< 0.000199.99

6Sy=0.4432x+0.09550.64670.092< 0.000199.99

SMACy=0.4334x+0.14410.64730.091< 0.000199.99

總結

以上是生活随笔為你收集整理的python大气校正_Sentinel-2卫星影像的大气校正方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。