Гиперспектральная коррекция данных

Гиперспектральные датчики, используемые для дистанционного зондирования, приобретают спектральные характеристики поверхности Земли во многих узких и смежных полосах. Когда солнечное излучение падает на поверхностный материал, материал отражает падающее излучение. Количество отраженной энергии означает спектральные характеристики поверхностного материала.

Падающее излучение, отраженное поверхностью, известно как surface reflectance. Отраженное излучение, измеренное датчиком, расположенным в верхней части атмосферы (TOA), известно как излучение TOA. В идеале сияние TOA равно отражению поверхности. Но в реальных условиях на падающее и отраженное излучения влияют атмосферные явления, такие как рассеяние и поглощение. В результате значение излучения TOA является суммой отражений от поверхности, отражений от облаков и рассеяния от молекул воздуха и частиц аэрозоля в атмосфере.

Radiation from surface

Наряду с характеристиками источника света и поверхностного материала на значения излучения, измеренные датчиком, влияют gain датчика и bias (смещение) на каждой спектральной длине волны. Необработанные данные, записанные гиперспектральными датчиками, известны как цифровые номера (DN). Чтобы использовать гиперспектральные данные для количественного анализа, необходимо калибровать данные для значений излучения TOA и оценить фактические значения отражения поверхности из DNs.

Процесс оценки значений излучения TOA из DN известен как радиометрическая калибровка. Процесс оценки значений отражательной способности поверхности путем удаления атмосферных эффектов известен как атмосферная коррекция.

Можно выполнить радиометрическую калибровку и атмосферную коррекцию в качестве шагов предварительной обработки для тщательного спектрального анализа.

Радиометрическая калибровка

DN - ТОА Сияние

Чтобы оценить значения излучения TOA из DN, калибруйте усиление датчика и смещение в каждой спектральной полосе.

${Radiance L}_{λ} = (D N \times G a i n) + B i a s$

_Gainλ и _Biasλ являются значениями усиления и смещения для каждой спектральной полосы (λ), соответственно.

Вы можете найти значения яркости TOA для некалиброванных гиперспектральных данных при помощи dn2radiance функция. Функция считывает значения усиления и смещения (смещения) для каждой спектральной полосы из заголовочного файла, сопоставленного с гиперспектральными данными.

ТОА-излучение отражения ТОА

Значения отражения TOA можно оценить из значений сияния TOA. Отражение TOA задает отношение излучения TOA к падающему на поверхность излучению.

$Reflectance ρ_{λ} = \frac{π d^{2} L_{λ}}{E S U N_{λ} θ_{E}}$

d - расстояние Земля-Солнце в астрономических модулях, _ESUNλ - среднее солнечное излучение для каждой спектральной полосы, и _θE - угол возвышения Солнца. Можно оценить значения отражения TOA из значений излучения TOA при помощи radiance2Reflectance функция.

Отражение DN к TOA

Можно непосредственно вычислить значения отражения TOA из DN, если доступны параметры коэффициента усиления (_RGain) и смещения отражения _{( < reservedrangesplaceholder0 >) каждой спектральной полосы}.

$Reflectance ρ_{λ} = (D N \times R_{G a i n}) + R_{O f f s e t}$

dn2reflectance функция калибрует DN к значениям отражения TOA с помощью параметров коэффициента отражения и смещения, доступных в метаданных.

Атмосферная коррекция

Методы атмосферной коррекции оценивают значения отражения поверхности по значениям излучения TOA или отражения TOA. Методы атмосферной коррекции классифицируются как эмпирические методы и основанные на модели методы.

Эмпирические методы являются основанными на сцене подходами, которые оценивают относительные значения отражательной способности поверхности. Эмпирические методы являются вычислительно эффективными и не требуют априорных измерений.
Основанные на модели методы зависят от атмосферных данных in situ и полезны для точной оценки значений отражающей способности поверхности.

Метод	Описание
`subtractDarkPixel`	Вычитание темных пикселей или вычитание темных объектов, является эмпирическим методом, подходящим для удаления атмосферной дымки из гиперспектральных изображений. Атмосферная дымка характеризуется высокими значениями DN и приводит к неестественному осветлению изображений. Темные пиксели являются пикселями минимальных значений в каждой полосе значений. Темные пиксели приняты с нулевой отражательной способностью поверхности, и их значения составляют аддитивный эффект сияния атмосферного пути.
`empiricalLine`	Эмпирический метод калибровки линии принимает линейное соотношение между отражательной способностью поверхности и измеренными значениями отражательной способности. Этот способ принимает, что входные гиперспектральные данные имеют один или несколько известных целевых пикселей, для которых доступны значения отражающей способности поверхности. Способ калибровки состоит в регрессии измеренного спектрального значения целевых пикселей по априорным значениям отражения поверхности. Можно использовать эмпирический метод калибровки линии, если данные получены при равномерных атмосферных условиях, а измерения, относящиеся к цели, являются инвариантными по времени.
`flatField`	Коррекция плоского поля принимает, что отображаемая поверхность включает яркую, равномерную область, которая имеет нейтральную спектральную отражательную способность. Средний спектр такой области включает объединенные эффекты солнечного облучения, атмосферного рассеяния и поглощения. Относительные значения отражательной способности поверхности оценивают путем деления каждого пиксельного спектра на средний спектр.
`iarr`	Внутренняя средняя относительная отражательная способность (IARR) является эмпирическим подходом, который вычисляет относительную поверхностную отражательную способность путем нормализации каждого пиксельного спектра со средним спектром. Метод принимает, что поверхность неоднородна, и спектральные характеристики отражающей способности отменяются. В результате средний спектр поверхности аналогичен спектру плоского поля. Этот метод особенно полезен при оценке относительных значений отражательной способности поверхности для областей без растительности.
`logResiduals`	Логарифмическую остаточную коррекцию гиперспектральных данных осуществляют путем деления каждого пиксельного спектра в гиперспектральных данных на спектральное геометрическое среднее и пространственное геометрическое среднее. Этот метод является эмпирическим подходом, который опирается на статистику приобретенного гиперспектрального изображения. Можно использовать этот метод для удаления солнечного излучения и атмосферных эффектов пропускания.
`sharc`	Метод быстрой коррекции атмосферы гиперкуба спутника (SHARC) вычисляет абсолютные значения поверхностной отражательной способности на основе аналитических решений уравнения радиационного переноса. Значения отражающей способности поверхности вычисляются путем учета эффекта смежности для каждой точки поверхности и атмосферных эффектов. Можно использовать этот метод, если доступны параметры атмосферной модели, необходимые для вычисления точных значений отражающей способности поверхности.
`fastInScene`	Быстрый метод в сцене является эмпирическим подходом, который выполняет атмосферную коррекцию на основе характеристик в сцене. Метод определяет параметры коррекции непосредственно из пиксельных спектров полученных гиперспектральных данных. Этот метод приводит к приблизительной коррекции, но в вычислительном отношении он быстрее, чем методы, основанные на модели. Используйте быстрый метод в сцене, чтобы исправить атмосферные эффекты на гиперспектральных данных с различными пиксельными спектрами и достаточным количеством темных пикселей. Метод оценивает базовый спектр при помощи темных пикселей.
`rrs`	Отражение дистанционного зондирования (RRS) для коррекции атмосферных эффектов на основе гиперспектральных данных, содержащих крупные водоемы. Метод RRS оценивает выходящее из воды сияние и является атмосферным методом коррекции для гиперспектральных данных о цвете океана.
`correctOOB`	Внеполосный метод коррекции. Этот метод удаляет внеполосные (OOB) эффекты из мультиспектральных данных с помощью измеренного излучения и спектральных значений отклика датчика.

Документация