针对太阳耀光的Sentienl-2卫星的大气校正方法与流程

本发明属于遥感图像处理领域，具体涉及一种针对sentinel-2可实用性的极端耀光的大气校正模型。

背景技术：

1、大气是影响水色遥感定量分析与应用的重要因素，在大气顶所接收到的辐射强度信息中，大气信号占据90％左右，因此消除大气效应是决定水色遥感分析精度的重要前提。偏振图像的大气校正，对于获取水体真实的偏振信息有着重要的意义。

2、polymer大气校正模型已经解决了传统的太阳耀光校正的问题，但是在sentienl-2(哨兵2号卫星)存在再分析风速的不确定性导致过校正或者无校正，对后续的传感器水质反演存在制约性。

技术实现思路

1、本发明的目的在于克服现有技术中的缺陷，完成水色卫星的大气校正，并提供一种针对太阳耀光的sentienl-2卫星的大气校正方法。

2、本发明所采用的具体技术方案如下：

3、本发明提供了一种针对太阳耀光的sentienl-2卫星的大气校正方法，具体如下：

4、s1：获取sentinel-2卫星的大气表观反射率的jp2文件；

5、s2：基于所述大气表观反射率的jp2文件，利用吸收性气体的吸收系数，对大气表观反射率进行吸收性气体校正计算；

6、s3：利用seadas软件的瑞利大气校正查找表，对步骤s2所得结果进行瑞利大气校正计算；

7、s4：根据白沫反射系数模型，对步骤s3所得结果进行白沫反射率的校正计算；

8、s5：根据polymer和mpaca模型，对步骤s4所得结果中的水色反演区域进行太阳耀光区域和非太阳耀光区域的分类；对所述非太阳耀光区域按照polymer模型进行反演，对所述太阳耀光区域按照优化的mpaca模型进行反演，重新计算各区域的rrs遥感反射率，进而完成针对太阳耀光的sentienl-2卫星的大气校正。

9、作为优选，所述步骤s1中，利用matlab软件读取大气表观反射率的jp2文件，按照如下公式进行转化：

10、

11、式中，ρtoa为大气表观反射率，dn为jp2文件读取值；add_offset为增益；quantifcation_value为变异系数。

12、作为优选，所述步骤s2中，吸收性气体包括no2、o3和h2o。

13、作为优选，所述步骤s2中，吸收性气体校正计算的公式如下：

14、

15、tno2＝exp(-τno2*m)

16、τno2＝[no2]*k(no2)

17、to3＝exp(-τo3*m)

18、τo3＝[o3]*k(o3)

19、

20、其中，ρgr为瑞利校正之后的反射率，ρtoa为大气表观反射率，tno2为大气中no2的透过率，to3为大气中o3的透过率，th2o为大气中h2o的透过率，m为大气质量数，τno2为no2的大气吸收光学厚度，τo3为o3的大气吸收光学厚度，[o3]是o3浓度，[no2]是no2浓度，k(o3)是o3吸收横截面，k(no2)是no2吸收横截面，aw_air(λ)为空气中水汽的吸收系数；w是水汽含量，单位为cm。

21、作为优选，所述步骤s3中，瑞利大气校正计算的公式如下：

22、

23、

24、lr0(λ,θs,θv,σ2)＝τr*f0*ρr/(4*π)

25、ρr(λ,θs,θv)＝(pr(θ-,λ)+(ρf(θs)+ρf(θv))*pr(θ+,λ))/cosθv

26、pr(θ-,λ)＝3/4(1+(cosθ-)2)

27、pr(θ+,λ)＝3/4(1+(cosθ+)2)

28、cosθ±＝±cosθv*cosθv-sinθv*sinθv*cos(φ(v)-φ(s))

29、

30、

31、式中，为总瑞利散射辐亮度，lr0(λ,θs,θv,σ2)为单次散射瑞利辐亮度，lrm(λ,θs,θv,σ2)为多次散射瑞利辐亮度，λ为波长，θs为太阳的天顶角，θv为卫星的天顶角；是卫星与太阳的方位角差值，σ2为方差，系数m为1或者2，ρr为单次瑞利散射反射率，lr为瑞利散射辐亮度，f0为大气层外的太阳辐照度，τr为实际大气压的瑞利光学厚度，pr为单次散射瑞利反射率，pr(θ-,λ)为瑞利散射向下相函数，ρ为反射率，f(θs)为太阳方向上的菲涅尔反射率，f(θv)为卫星方向上的菲涅尔反射率，pr(θ+,λ)为瑞利散射向上相函数，θ-为向下相位角，θ+为向上相位角，φ(v)为卫星方位角，φ(s)为太阳方位角，ρf为菲涅尔反射率；θω为入射角，θω′为折射角，nw为水面和空气的折射率；

32、由于co2和地球曲率的问题，重新考虑lr，公式如下：

33、

34、

35、式中，lr(τr,p)为在大气压p下的瑞利辐亮度，m是大气质量数，为标准大气压下的瑞利光学厚度，c为动态常数，p为实际大气压，p0为标准大气压。

36、作为优选，所述步骤s4中，白沫反射率ρwc的校正计算公式如下：

37、ρwc＝rwc*fwc

38、

39、fwc＝10.47*10-5*(u-1.058)2

40、其中，rwc为白沫辐照反射率，fwc为白沫覆盖海面的百分比；x(λ)＝log10(aw)，aw为400-2300nm波段范围的水体吸收系数，u为海洋平面10m上空的风速。

41、作为优选，所述步骤s5中，将太阳耀光区域分为弱太阳耀光、中等太阳耀光和强太阳耀光，对非太阳耀光、弱太阳耀光、中等太阳耀光和强太阳耀光这四个不同区域分别进行机器学习训练，输入参数为漫反射率系数t_dif和步骤s4所得反射率ρtr，输出参数为遥感反射率rrs，从而得到太阳耀光区域和非太阳耀光区域的模型；根据所得模型，重新计算全部地区的rrs遥感反射率。

42、进一步的，所述模型的具体设置包括4个转换函数，分别为对数s型传递函数、线性传递函数、正切s型传递函数和线性传递函数；训练方法使用levenberg-marquardt算法。

43、作为优选，所述步骤s5中，太阳耀光区域和非太阳耀光区域按照ρtr(b8a)大于0.04或者ρtr(b12)大于0.015作为阈值进行分类，当ρtr(b8a)大于0.04或者ρtr(b12)大于0.015时，该区域被认为太阳耀光区域，否则为非太阳耀光区域；其中，ρtr(b8a)为在第8a波段下的进行过瑞利校正之后的反射率，ρtr(b12)为在第12波段下的进行过瑞利校正之后的反射率。

44、作为优选，所述步骤s5中，polymer模型为

45、ρta＝c0+c1*(400/λ)m+c2*(400/λ)4

46、优化的mpaca模型为

47、ρta＝c0+c1*(400/λ)m+c2*(400/λ)4+c3*(400/λ)2

48、式中，ρta为经过了瑞利校正和气溶胶校正之后的反射率，λ为波长；c0、c1、c2、c3、m均为系数，且c0的范围0-1000，c1的范围0-1000，c2的范围0-1000，c3的范围-1-0，m为1.8。

49、本发明相对于现有技术而言，具有以下有益效果：

50、1.本发明引入地球曲率和co2的变化，重新更加精确的计算瑞利大气校正。

51、2.本发明考虑了四个不同类型的水体区域(非太阳耀光、弱太阳耀光、中等太阳耀光和强太阳耀光)，将尽可能补全水质反演模型的无效区域。

52、3.本发明利用了机器学习的手段，大大缩短了模型的运行时间。