Voltron: Новая страница: «{{Статья|Опубликована|atcor}} {{Аннотация|Практика. Модифицированная методика атмосферной к…»

2012-07-26T14:31:11Z

Новая страница: «{{Статья|Опубликована|atcor}} {{Аннотация|Практика. Модифицированная методика атмосферной к…»

Новая страница

{{Статья|Опубликована|atcor}}
{{Аннотация|Практика. Модифицированная методика атмосферной коррекции снимков.}}

Одним из наиболее важных этапов предварительной обработки космических снимков является атмосферная коррекция. В настоящее время, большая часть данных попадающих в руки конечного пользователя уже атмосферно скорректирована. Однако, в связи с тем, что процесс коррекции больших объемов данных полностью автоматизирован, то используемые для коррекции алгоритмы рассчитываются исходя из усредненных показателей и не учитывают особенностией получения каждого конкретного снимка.

Часто встречающаяся проблема при использование космических снимков - облачность. Ряд программных пакетов для обработки ДЗЗ относительно успешно справляется с уменьшением влияния облачности на изображение, но стоит отдельных денег, применим далеко не во всех случаях, иногда требует дополнительных данных о состоянии атмосферы на момент проведения съемки (см. например модуль ATCOR для ERDAS Imagine).

В данной статье описывается методика атмосферной коррекции данных Landsat/ETM+ с использованием алгоритма разработанного Chavez, P. S. в 1988 году и в дальнейшем усовершенстованная (Chavez, 1996) ([http://gis-lab.info/docs/chavez_1988.zip скачать статью]). Изначально методика была описана для атмосферной коррекции данных со спутника Landsat/TM. Модель для ERDAS Imagine позволяющую откорректировать данные Landsat/TM можно [http://gis.leica-geosystems.com/LGISub2x236x22.aspx скачать здесь] (потребуется регистрация на сайте). В данной статье рассматривается модель и алгоритм для обработки данных Landsat ETM+ и не приводится теоретическое обоснование метода.

Для модифицирования модели под конретный снимок и выполнения коррекции необходимо выполнить следующие шаги: Основные этапы методики:

* [[#Получение метаданных|Получить метаданные]]
* [[#Анализ данных|Анализ данных]]
* [[#Модификация модели|Модификация модели]]
* [[#Запуск модели|Запуск модели]]

=== Получение метаданных ===

В первую очередь нужно проверить наличие файла с метаданными (чаще всего находится в той же папке, что и снимок и имеет расширение .met). Если его нет, то можно попробовать загрузить файл с [ftp://ftp.glcf.umiacs.umd.edu/glcf/Landsat/ ftp-сервера GLCF].

=== Анализ данных ===

На данном этапе потребуется "получить" значения необходимые для модели.

a) В метафайле нужно найти следующие параметры:

* ACQUISITION_DATE (значение 1)
* SUN_ELEVATION (значение 2)
* SUN_AZIMUTH (значение 3)

''(Для значений SUN_ELEVATION меньше, чем 40, необходимо провести тестирование, этому будет посвящена готовящаяся статья «Тестирование данных для атмосферной коррекции»)''

б) Определить [http://gis-lab.info/qa/earthsundist.html расстояния от Солнца до Земли] в момент съемки (Sun-Earth Distance) (значение 4)

в) Выбрать минимальное значение DN (digital number) для каждого канала. Для этого необходимо поочередно загрузить каждый канал в режиме pseudo-color во Viewer ERDAS Imagine, открыть атрибутивную таблицу канала (Raster -> Attributes), выделить все строки, в которых значение в столбце Histogram равно или близко к нулю и перекрасить эти строки в другой цвет (выделить столбец Color, нажать правой кнопкой мыши по заголовку столбца и из списка выбрать Сolor).

Далее необходимо постепенно менять цвет расположенных ниже строк до тех пор, пока окрашенные пиксели не станут видны в пределах снимка. Обычно, в такой строке количество пикселей с определенным значением возрастает в несколько раз по сравнению с количеством пикселей в предыдущей строке.

В приведенном ниже примере, резкий скачок в количестве пикселей наблюдается между строками 43 и 44 (с 939 до 3013). Поэтому необходимо выделить все строки до 44 - это позволяет определить наиболее темные объекты в данном канале ([http://gis-lab.info/docs/chavez_1988.zip теоретическое объяснение процесса]). Номер строки необходимо запомнить (43 строка в нашем случае). Тоже самое повторить для остальных каналов (значение 5.1 — для первого канала, 5.2 — для второго канала, и т.д.).

{|
|[[Файл:atcor-01.gif|center]]
|[[Файл:atcor-02.gif|center]]
|}

Рассчитать значение зенитного расстояния (''SolarZenithAngle'') (значение 6) зная высоту светила по формуле:

<math>SolarZenithAngle = 90 - SunElevationAngle</math>

где ''SunElevationAngle'' берется из файла с метаданными (Значение 2 — SUN_ELEVATION)

д) Сконвертировать каждое минимальное значение DN (значения 5.1, 5.2, и т.д) в значения at sattelite-radiance (значения 7.1, 7.2, и т.д.)

<math>L_\lambda = \frac{L_{max \lambda} - L_{min \lambda}}{Q_{calmax} - Q_{calmin}} \cdot \left ( Q_{cal} - Q_{calmin} \right ) \cdot L_{min \lambda}</math>

Подробнее об этом этапе процесса коррекции в статье «[http://gis-lab.info/qa/dn2radiance.html Конвертация данных TM/ETM+ в показатели излучения на сенсоре]».

е) Рассчитать теоретическое значение излучения на сенсоре «темного объекта» для каждого канала (значения 8.1, 8.2, и т.д.)

<math>L = \frac{0.01 \cdot ESUN \cdot \cos^2 Q}{\pi \cdot d^2}</math>

где, ''d'' — расстояние от Земли до Солнца в точке получения снимка на момент съемки (см. значение 4 — Sun-Earth Distance)

''Q'' — зенитное расстояние (см. значение 6 — SolarZehithElevation)

''ESUN'' — Mean Solar Exoatmospheric Spectral Irradiance (см. таблицу ниже)

{|class="wikitable"
!Канал
!ESUN
|-
|1
|1969.000
|-
|2
|1840.000
|-
|3
|1551.000
|-
|4
|1044.000
|-
|5
|225.700
|-
|7
|82.07
|-
|8
|1368.000
|}

ж) Рассчитать константу газовой коррекции для каждого канала по формуле (значения 9.1, 9.2, и т.д.)

<math>L_{haze} = L_\lambda - L</math>

где, <math>L_\lambda</math> — значения DN для каждого канала сконвертированные в at sattelite-radiance (7.1, 7.2, и т.д.)

''L'' — значения теоретическое значение излучения на сенсоре "темного объекта" для каждого канала (8.1, 8.2, и т.д.)

з) Последний шаг — рассчет атмоферно-скорректированных значений по формуле

<math>V_{value} = \frac{\pi \cdot d^2 \cdot \left ( DN - L_{haze} \right )}{ESUN \cdot \cos^2 Q} </math>

где, ''d'' — расстояние от Земли до Солнца в точке получения снимка на момент съемки (см. значение 4 — Sun-Earth Distance)

''Q'' — зенитное расстояние (см. значение 6 — SolarZehithElevation)

''DN'' (digital numbers) — значение яркости каждого пикселя снимка

<math>L_{haze}</math> — константа газовой коррекции для каждого канала (см. значение 9.1, 9.2, и т.д.)

''ESUN'' — Mean Solar Exoatmospheric Spectral Irradiance (см. Таблицу выше)

=== Модификация модели ===

В связи с тем, что описанный выше алгоритм может представляться достаточно сложными и требующими больших вычислительных затрат, нами была модифицирова модель и дополнительный файл в формате Excel, разработанные для ERDAS Imagine в [http://arsc.arid.arizona.edu/ Arizona Remote Sensing Center], позволяющие максимально автоматизировать процесс пересчета исходных значений DN в атмосферно-откорректированные. Получение трех входных значений для модели (расстояние от Земли до Солнца, минимальные значения DN и SUN_ELEVATION) описано выше. [http://gis-lab.info/other/atcor.zip Скачать модель ATCOR.gmd и файл COST-ETM7.xls].

=== Запуск модели ===

Для запуска модели откройте ERDAS Imagine, выберите в главном меню «Modeler → Model Maker» и откройте файл [http://gis-lab.info/other/atcor.zip ATCOR.gmd]. Введите новые формулы в соответсвии с описанием в файле <tt>COST-ETM7.xls</tt> и запустите модель — Run. Входной снимок в модели должен из себя представлять единый, многоканальный файл (каналы 1, 2, 3, 4, 5, 7, объединенные с помощью команды Layer Stack). Результатом работы программы является атмосферно-откорректированный снимок, формат файлов - float (числа с дробной частью) поэтому размер занимаемый ими на диске значительно больше исходных.

Список литературы:

# Chavez, P. S. Jr, 1988. An Improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data. Remote Sensing of the Environment, 24, 459-479 [http://gis-lab.info/docs/chavez_1988.zip >>>]
# Chavez, P. S. Jr, 1989. Radiometric Calibration of Landsat Thematic Mapper Multispectral Images. Photogrammetric Engineering and Remote Sensing 55(9), 1285-1294 [http://gis-lab.info/docs/chavez_1989.zip >>>]
# Chavez, P.S. Jr., 1996. Image-based atmospheric corrections—revisited and revised. Photogrammetric Engineering and Remote Sensing 62(9):1025-1036 [http://gis-lab.info/docs/chavez_1996.zip >>>]

=== Ссылки по теме ===

* [http://gis-lab.info/qa/dn2radiance.html Конвертация данных TM/ETM+ в показатели излучения на сенсоре]
* [http://gis.leica-geosystems.com/LGISub2x217x0.aspx Дополнительные модели для ERDAS Imagine на сайте Leica Geosystems LLC]
* [http://arsc.arid.arizona.edu/resources/image_processing/landsat/ls5-atmo.htmlLandsat 5 Atmospheric and Radiometric Correction]
* [http://arsc.arid.arizona.edu/resources/image_processing/landsat/minimum-dn.html New and Improved Procedure for Minimum DN Selection for input to the COST Model for Atmospheric Correction]

Атмосферная коррекция данных Landsat/ETM+ (COST метод) - История изменений

Voltron: Новая страница: «{{Статья|Опубликована|atcor}} {{Аннотация|Практика. Модифицированная методика атмосферной к…»