4 结果分析

为了初步分析三种大气校正方法的结果, 选取10 m分辨率(B2, B3, B4, B8)及20 m分辨率(B5, B6, B7, B8a)8个波段, 并选择冬小麦、裸土、水泥路和油菜地4种地物的像元实测值、大气上层表观反射率及三种模型的校正结果进行分析。其中冬小麦和油菜地为混合像元, 首先通过第2.2节的方法计算植被覆盖度, 得到混合像元中植被与土壤的比例, 并结合实测地物光谱计算出混合光谱, 结果如图4所示。

由图4可见, Sentinel-2卫星影像经过三种大气模型校正后, 其光谱曲线与实测地物的光谱曲线的变化趋势一致, 有较高的拟合度, 蓝波段Band 2经大气校正后相比于大气上层表观反射率TOA明显下降, 红边、近红外波段明显上升。在冬小麦和油菜地的光谱曲线中, Band 2的三种大气校正结果高于实测地物的反射率, 误差较大。Sen2cor方法与SMAC的误差约为0.04, 6S模型的误差约为0.06;

图4

Fig. 4

图4 各类地物大气校正前后的反射光谱曲线。(a)冬小麦; (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的大气校正结果与实测值拟合效果较好, 误差均小于0.02; 在大于705 nm的Band 6~Band 8a波段中, 实测地物的反射率高于三种大气校正结果, 误差范围为0.01~0.04。在土壤光谱曲线中, 大气校正结果相比于大气上层表观Band 2反射率明显下降, Band 4~Band 8a波段的反射率明显增加, Band 2的三种大气校正结果高于实测地物的反射率, 其余波段的实测地物反射率均高于三种大气校正结果, 误差在0.02左右。在水泥路的光谱曲线中, 大气校正结果相比于大气上层表观反射率除了Band 2明显下降, 其余波段反射率明显增加, 而且实测地物的反射率均高于大气校正结果。从图4(d)中可以看出, 绿波段Band 3、红波段Band 4和红边波段Band 5的误差较大, 三种大气校正结果的误差范围为0.04~0.07, 其余波段的误差较小, 误差范围为0.02~0.04。图4中的结果表明, 4种地物大气校正的精度从高到低依次为土壤、植被(冬小麦和油菜地)、水泥路, 其误差可能源于混合像元、气溶胶类型和测量误差。

SMAC、6S模型和Sen2cor方法都是基于大气辐射传输理论的机理模型, 只是计算方法不同。为了验证三种模型的一致性, 对其结果分别进行回归分析, 图5和表4分别为三种大气校正结果之间的相关性分析和回归分析。由图5可见, 用三种方法校正同一影像时, 结果具有很强的相关性。由表4可见, 6S模型与Sen2cor方法的决定系数R2最高(0.997), 均方根误差Ermse最小(0.0031); SMAC与Sen2cor方法的决定系数R2为0.9906, 均方根误差Ermse为0.006; 6S模型与SMAC的决定系数R2为0.9874, 均方根误差Ermse为0.0063。三种结果的检验P值均小于0.0001, 可信度在99.99%以上。结果表明三种模型具有较好的一致性。

图5

Fig. 5

图5 基于Sen2cor, 6S模型和SMAC的大气校正结果相关性分析。(a) SMAC, 6S与Sen2cor的反射率结果; (b) SMAC与Sen2cor的反射率结果; (c) SMAC与6S的反射率结果; (d) 6S与Sen2cor的反射率结果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之间的回归分析      Table 4 Regression analysis of Sen2cor method, 6S model and SMAC

表4Sen2cor方法, 6S模型和SMAC之间的回归分析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

为了定量分析SMAC、6S模型和Sen2cor方法大气校正的精度, 将野外39个实测地物的光谱数据与大气校正结果提取出Band 2~Band 8a范围的反射率进行回归分析, 结果如图6和表5所示。由图6可见, 三种模型均与实测值有较强的相关性, 且数据整体较集中。当反射率为0.2时, 数据相对离散, 可能的原因是此时为红边波段, 即光谱曲线中变化率最大的波段, 误差可能较大。从拟合的趋势线可以看出, Sen2cor方法的大气校正效果优于6S模型和SMAC。从表5可以得出, Sen2cor方法与实测数据的决定系数R2最高(0.8196), 均方根误差Ermse最小(0.0388); SMAC与实测数据的决定系数R2最小(0.8137), 均方根误差Ermse为0.0395。

三种结果的检验P值均小于0.0001, 可信度在99.99%以上。

图6

Fig. 6

图6 反射率大气校正结果与实测值的相关性分析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 反射率大气校正结果与实测值的回归分析      Table 5 Regression analysis between atmospheric correction results and measured values of reflectance

表5反射率大气校正结果与实测值的回归分析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

植被定量遥感是卫星影像最普遍的应用之一。植被指数是常用的参数, 其通常是由两个或两个以上的波段计算得到。大气校正的目的是让卫星影像的光谱趋近于地表真实光谱, 所以植被指数也用来检测大气校正效果[。本研究选用归一化植被指数(NDVI)作为指标, 对大气校正后影像上的NDVI值及实测值进行分析, NDVI值可表示为

fndvi=ρNIR-ρredρNIR+ρred,(13)

式中ρNIR、ρred分别表示近红外波段和红光的反射率, 结果如图7所示。其中SMAC的NDVI值最大, 其次为Sen2cor方法和6S模型。表6为Sentinel-2影像NDVI与实测NDVI值的回归分析, 由表可知, SMAC计算的NDVI值与实测值的相关性最高, 决定系数

R2为0.6389, 均方根误差Ermse为0.093。三种结果的检验P值均小于0.0001, 可信度在99.99%以上。

图7

Fig. 7

图7 Sentinel-2影像NDVI与实测NDVI值的相关性分析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与实测NDVI值的回归分析      Table 6 Regression analysis between NDVI from Sentinel-2 imagery and measured NDVI value

表6Sentinel-2影像NDVI与实测NDVI值的回归分析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