Porównanie metod korekcji atmosferycznej dla danych z sensorów hiperspektralnych

• Autorzy: Głowienka E.

Warianty tytułu

EN

Comparison of atmospheric correction methods for hyperspectral sensor data

• Języki publikacji: PL

Abstrakty

PL

Dane teledetekcyjne zarejestrowane przez systemy lotnicze lub satelitarne nie mogą być od razu porównywane z krzywymi bibliotek spektralnych ze względu na wpływ atmosfery. Rejestrowana wartość promieniowania musi zostać przeliczona do bezwymiarowej wartości współczynnika odbicia spektralnego. W artykule przedstawiono porównanie wyników korekcji atmosferycznej obrazu HYPERION (357÷2576 nm). Korekcję przeprowadzono metodami empirycznymi (Flat Field, Internal Average Relative Reflectance, Empirical Line) oraz metodą FLAASH, opartą na modelu atmosfery MODTRAN. Jako dane referencyjne wykorzystane zostały krzywe spektralne z pomiaru spektrometrycznego in situ. Pomiar przeprowadzono spektrometrem FieldSpec HH Analytical Spectral Devices (ASD) (350÷1075 nm). Miarą oceny dokładności dopasowania krzywych spektralnych był średni błąd kwadratowy oraz odchylenie standardowe liczone na podstawie różnic współczynnika odbicia dla krzywych obrazowych i referencyjnych. Najmniejszą dokładność dopasowania krzywych otrzymano dla metod opartych tylko na parametrach obliczonych z obrazu. Zadowalający wynik dopasowania krzywych w zakresie VNIR uzyskano dla metody Empirical Line, gdzie średni błąd kwadratowy wynosił 0.020, natomiast odchylenie standardowe 0.019. Najlepszy wynik korekcji atmosferycznej w całym zakresie spektralnym rejestrowanym przez HYEPRIONA uzyskano dla metody bezwzględnej FLAASH.

EN

Because of the influence of the atmosphere, remote sensing data recorded by airborne or satellite sensors cannot be directly compared with spectral library curves. The value of recorded radiance has to be transformed to dimensionless value of reflectance. This paper presents a comparison of atmospheric correction results for the Hyperion’s image (357÷2576 nm). The atmospheric correction was performed with the following empirical methods: Flat Field, Internal Average Relative Reflectance, Empirical Line, and the FLAASH method based on the MODTRAN atmospheric model. Spectral curves from in situ measurements were used as reference data. Field measurements were taken by means of the FieldSpec HH Analytical Spectral Devices (ASD) spectrometer (350 nm÷1075 nm). The accuracy of curve matching was calculated based on the RMS error and the standard deviation, which were calculated based on differences of value for image and reference reflectance. The lowest accuracy of curve matching was obtained for methods based only on parameters derived from images. A satisfactory result of correction for the VNIR range was achieved with the Empirical Line method, whereby the RMS error was 0.020 and the standard deviation was 0.019. The best result of atmospheric correction in the entire HYPERION range was obtained with the absolute FLAASH method.

Słowa kluczowe

PL

korekcja atmosferyczna; promieniowanie; odbicie; krzywa spektralna

EN

atmospheric correction; radiance; reflectance; spectral curves; FLAASH

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2008
• Tom: Vol. 18a
• Strony: 121--130
• Opis fizyczny: Bibliogr. 20 poz.

Twórcy

autor

Głowienka E.

• Katedra Geoinformacji, Fotogrametrii i Teledetekcji Środowiska, Akademia Górniczo-Hutnicza w Krakowie, tel. [phone], fax: [phone]

Bibliografia

• 1. Adler-Golden, S. M., Matthew, M. W., Bernstein, L. S., Levine, R. Y., Berk, A., Richtsmeier, S.C., Acharya, P. K., Anderson, G. P., Felde, G., Gardner, J., Hike, M., Jeong, L. S., Pukall,B., Mello, J., Ratkowski, A., Burke, H.H. 1999. Atmospheric correction for short-wave spectral imagery based on MODTRAN4. SPIE Proc. Imaging Spectrometry, 3753: s. 61-69.
• 2. Berk A., Bernstein L.S., Robertson D.C., 1989. MODTRAN: A Moderate Resolution Model for LOWTRAN 7. Spectral Sciences, Inc. Burlington, Massachusetts.
• 3. Aspinall R. J., Marcus, A., & Boardman, J. W. 2002. Considerations in collecting, processing, and analyzing high spatial resolution hyperspectral data for environmental investigations. Journal of Geographical Systems, 4, s. 15– 29.
• 4. Chavez, P. S., 1988. An improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data. Remote Sensing of Environment,Vol. 24, s. 459-479.
• 5. Conel JE, Green RO, Vane G, Bruegge CJ, Alley RE, Curtiss B. 1987. Airborne Imaging Spectrometer-2: Radiometric spectral characteristics and comparison of ways to compensate for the atmosphere. Proceedings SPIE, 834, s. 140–157
• 6. Goetz, A.F.H., Boardman, J.W. 1997. Atmospheric Corrections: On Deriving Surface Reflectance from Hyperspectral Imagers. In Descour, Michael R. and Shen, S.S. (eds.), Imaging Spectrometry III: Proceedings of SPIE, 3118, s. 14-22.
• 7. Gao B., Goetz, A., 1990. Column atmospheric water vapor and vegetation liquid water retrievals from airborne imaging spectrometer data. Journal of Geophysical Research, v. 95, nr. D4, s. 3549-3564.
• 8. Głowienka E., 2008. Przetwarzanie wstępne danych z hiperspektralnego sensora satelitarnego HYPERION. Ogólnopolskie Sympozjum Naukowe Geoinformacja obrazowa w świetle aktualnych potrzeb. Międzyzdroje, 15 - 17 października 2008.
• 9. Green, A., Craig, M.D., 1985. Analysis of aircraft spectrometer data with logarithmic residuals. Proceedings, AIS workshop, 8-10 April, 1985, JPL Publication 85-41, Jet Propulsion Laboratory, Pasadena, California, s. 111-119.
• 10. Green R., 2001. Atmospheric Correction Now (ACORN), developed by ImSpec LLC, available from Analytical Imaging and Geophysics LLC, http://www.aigllc.com/ imspec_transition.htm .
• 11. Griffin M., Burke H., 2003. Compensation of Hyperspectral Data for Atmospheric Effects . Lincoln Laboratory Journal vol. 14, nr 1.
• 12. Hejmanowska B., Drzewiecki W., Głowienka E., Mularz S., Zagajewski B., Sanecki J., 2006. Próba integracji satelitarnych obrazów hiperspektralnych z nieobrazowymi naziemnymi danymi spektrometrycznymi na przykładzie Zbiornika Dobczyckiego. Archiwum Fotogrametrii, Kartografii i Teledetekcji, vol. 16 Stare Jabłonki 2006.
• 13. Hejmanowska B., Głowienka E. 2004. Wstępne wyniki pomiarów spektrometrycznych i klasyfikacji obrazów hiperspektralnych rekultywowanego obszaru Tarnobrzeskiego Zagłębia Siarkowego" Geoinformatica, Polonica, T.6.
• 14. Kruse F.A., 1988. Use of Airborne Imaging Spectrometer data to map minerals associated with hydrothermally altered rocks in the northern Grapevine Mountains, Nevada and California. Remote Sensing of Environment 24(1), s. 31–51.
• 15. Kruse F.A., 2004. Comparison of ATREM, ACORN, and FLAASH atmospheric corrections using low-altitude AVIRIS data of Boulder, Colorado. Proceedings 13th JPL Airborne Geoscience Workshop, Jet Propulsion Laboratory.
• 16. Osińska-Skotak K., 2005. Influence of atmospheric correction on determination of lake water quality parameters based on CHRIS/PROBA images. 25th EARSeL Symposium.
• 17. Richter R., 1996. Atmospheric correction of DAIS hyperspectral image data. Computers & Geosciences 22, s. 785-793.
• 18. Richter R., 2006. Atmospheric/Topographic Correction for Airborne Imagery http://www.rese.ch/pdf/atcor4_manual.pdf
• 19. Research Systems Inc (RSI), 2003. ENVI User’s Guide, Research Systems.
• 20. Vermote E., Tanrè D., Deuze J., Herman M., Morcette J. 1997. Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: an overview, IEEE trans. On Geoscience and Remote Sensing, vol. 35.