(4) 数据获取日期和卫星过境时间

卫星过境时间为格林尼治时间，可以从相应的HDF文件中找到； (5) 大气模型

模块提供热带, 中纬度夏季,中纬度冬季、极地夏季、极地冬季和美国标准大气模型, 研究者根据数据获取时间选择相应的大气模型； (6)水气反演

大多数多光谱数据不推荐反演水汽含量； (7)气溶胶模型

可供选择的气溶胶模型有无气溶胶、城市气溶胶、乡村气溶胶、 海洋气溶和对流层气溶胶模型。当能见度大于40Km时,气溶胶垫型选择对反演设有太多影响，一般情兄下利用ASTER数据不做气溶胶反演。

7、ATCOR模型

ATCOR大气校正模型由德国Wessling光电研究所 Richter 博士于1990年研究提出并且经过大量验证和评估的一种快速大气校正算法。ATCOR模型有两种模式,一种是适用于卫星图像的模式,包括1996年提出的用于平坦地面的ATCOR2模型和1998年提出的可以推广到山区崎岖地面的ATCOR3模型; 另一种是适用于机载和航拍的ATCOR4模型。ATCOR模型算法的核心部分是一个以MODTRAN4代码计算辐射传输方程的数据库, 通过输入传感器几何条件, 光谱特征及成像时的气溶胶等参数,通过插值法计算查找表, 从而进行精确快速的大气校正。

进行大气校正前,先利用模块的 ATCOR3 DeriveTerrain Files功能对 DEM文件进行计算获得坡度、坡向、天空可视因子和阴影。DEM文件必须为投影坐标系,如果进行了投影转换必预保证像素的X和Y边长相等。输入 DEM正确的获取时间和经纬度后就可进行计算，其中 Skyview 和 Shadow 文件计算所需时间比较长。获得上述4个文件后，就可以开始进行大气校正处理了。

ATCOR大气校正流程

3.3校正准确度检查

辐射校正结果为地表反射率产品，与原始数据的DN值所表现的光谱曲线明显差异，矫正

后结果跟接近于地物的真是光谱曲线，通过对比校正前后数据的光谱曲线，检查校正成果的准确度。

大气校正前后对比图

大气校正前后某地物光谱曲线对比图

4影像融合方案

多源数据的融合依据监测区情况不同、数据源的不同类型，其融合方法也不同。但总体上分为以下几个步骤：融合前影像处理、融合单元的选择、最佳融合算法的选取及实现以及融合后的处理和效果检查。其技术路线下图所示。

数据融合技术路线图

4.1影像融合技术要求

a) 光学遥感数据之间的配准中误差应不超过1个像元素；

b) 融合后的图像影像中，各种地类特征应明显，边界应清晰，通过目视解译可以区分各

种地类信息。

c) 影像融合一般以景为单位，不同数据源也可采用完整辖区为单元。

d) 相同季节融合后影像要色调基本一致，不同季节影像色彩应反映当时地类光谱特征。 e) 根据影像波段的光谱范围、地物和地形特征等因素，选择能清晰表现土地利用类型特

征和边界、色彩接近自然的融合算法。 f) 融合影像应无重影、模糊等现象。

4.2影像融合前影像处理

对纠正、配准后满足精度要求的全色与多光谱数据，融合前还需要对其进行预处理。一方面，提高全色数据的亮度，增强局部反差突出纹理细节，尽可能降低噪声；另一方面，对多光谱数据进行色彩增强，拉大不同地类之间的色彩反差，突出其多光谱彩色信息。

1、全色数据处理

在融合中要突出全色数据的高分辨率特征，因此融合前处理的目的是为了增强局部灰度的反差从而突出纹理细节和加强纹理能量，通过细化来尽可能减少噪音。特别强调在增强局部灰度反差时只是增加灰度的值，原灰度关系保持不变。考虑到土地利用遥感监测需要从遥感影像上直接判读地类信息，从而发现新增建设用地图斑。因此，在拉伸方法选择上不应采用非线性拉伸。否则原灰度值的大小关系会发生变化，从而使影像产生灰度扭曲，增加含义不明确的伪信息，影响解译精度。

2、多光谱数据处理

多光谱数据具有多个光谱波段和丰富的光谱信息，不同波段影像对不同地物有特殊的贡献。因此在影像融合前需要进行最佳波段的选择组合和彩色合成，以最大程度地利用各波段的信息量，辅助影像的判读与分析。在融合影像中，多光谱数据的贡献主要是光谱信息。融合前以色彩增强为主，调整亮度、色度、饱和度，拉开不同地类之间的色彩反差，对局部的纹理要求不高。有时为了保证光谱色彩，还允许削弱纹理信息来确保融合影像图的效果。

4.3影像融合方法

选取融合方法的原则：

1．能清晰地表现纹理信息，能突出主要地类（如水体、建筑群、耕地、道路等）。 2．影像光谱特征还原真实、准确、无光谱异常；

3．各种地类特征明显，边界清晰，通过目视解译可以区分各种地类信息。 4．融合影像色调均匀、反差适中、色彩接近自然真彩色。

在遥感影像处理过程中，通常采用的融合方法有IHS变换、主成分变换、加权乘积、比值

变换、小波变换、高通滤波、BROVERY、结合GRB与IHS变换的PANSHARP融合等多种方法，其中IHS变换和PANSHARP融合方法对图像融合有较好的效果。BROVERY通常用于低植被、高度发暗的影像。

（1）高通滤波变换法

高通滤波和低通滤波常用于影像纹理和细节处理方面。影像的细节提取往往是通过对影像进行高通滤波来实现，影像细节与多光谱影像的色彩信息相加是融合的最基本原理。

高通滤波变换目的是提高影像高频细节，突出影像结构信息。各种高层板状建筑表现非常明显，交通和水体的边缘规则、无模糊。由于在突出高频信息同时，部分低频信息会受到压制，往往整体影像的结构比较细碎。色彩表现上，高通滤波变换效果一般，色调的层次感不强。

（2）主成分变换（PCA）

主成分变换在数学上是将矩阵展开分解为其协方差矩阵的特征向量的加权，对于图像而言主分量变换是图像按照特征向量在其特征空间上分解为多元空间。经过变换可将噪音向量剔除掉，保证融合图像信息度的良好。遥感影像进行分解时，第一、二主分量往往占总信息量（即方差）的90%以上，而其余各分量总和最多也不过10%。利用PC变换可很方便地将影像的结构信息通过第一主分量表达出来。主分量变换显著优点是将庞杂的多波段数据用尽可能少的波段表达出来，而且数据信息量几乎没有损失，从而达到数据压缩的目的。

主分量变换在进行融合中有两种变换方法，一种将参与变换的各波段包括高光谱在内统一进行主分量变换，然后反变换。另一种是指将多光谱的多个波段先做主分量变换，用高光谱影像全色波段替换第一主分量。再进行反主分量变换。得到融合影像。

主分量变换中参与变换的多光谱数据不受波段数限制，可以接受三个以上波段的多光谱数据和高光谱数据进行变换。主分量变换合成的影像色彩突出，各种地类的色彩能够较少的丢失和偏移。影像纹理信息结构明显、突出。

（3）IHS变换法

IHS变换是一类基于IHS色彩模型的基础、应用广泛的融合变换方法。IHS色彩是不同于RGB的另一种色彩模型系统，它将RGB图像转换色相H、亮I和饱和度S三个分量，图像的描述依据色相、亮度和饱和度三个要素来实现。I表示图像亮度， H代表色度，S表示饱和度。IHS变换能有效地将RGB系统中影像代表纹理的亮度I与其光谱信息H、S相分开。

运用IHS变换技术融合的原理为：用另一影像替代IHS三个分量中的某一分量，其中亮度分量被替代最为常用。当高分辨率全色影像与多光谱影像融合时，首先将多光谱的影像根据输