[发明专利]一种针对GOCI卫星晨昏观测的神经网络大气校正方法

说明书

本发明公开了一种针对GOCI卫星晨昏观测的神经网络大气校正方法，该方法首先使用Seadas软件处理GOCI卫星数据得到相关数据；然后筛选训练数据集用于训练神经网络模型；最后使用Seadas软件处理目标卫星影像得到相关数据，并输入训练好的神经网络大气校正模型，处理得到目标影像的遥感反射率。目前，国际现有的大气校正模型在大太阳天顶角下仍然无法适用，这导致大太阳天顶角下GOCI水色卫星的产品缺失异常严重；本发明较好的实现了大太阳天顶角下GOCI卫星影像的大气校正，突破了水色卫星资料处理难题，可望恢复极地近10年大太阳天顶角下的水色遥感产品，继而服务于生态环境变化监测与科学研究。

技术领域

本发明属于遥感技术领域，尤其涉及一种针对GOCI卫星晨昏观测的神经网络大气校正方法。

背景技术

太阳同步(或极地轨道)和地球同步卫星的海洋水色遥感为提取区域或全球海洋浮游植物及其相关成分的空间分布和时间变化信息提供了宝贵的数据。虽然太阳同步卫星能够以足够的精度进行全球海洋水色观测，但每颗卫星(尤其是低纬度地区)的采样频率(通常每天一次)不足以解决沿海海洋化学过程的动态日变化。周曲等评价了不同采样策略(时间和频率)对高动态沿海水域悬浮物浓度等水质参数短期和长期趋势监测的影响，结果表明，日同步观测存在显著的不确定性。地球同步卫星增加了数据的可用性。2010年韩国发射了国际上第一颗静止轨道水色卫星GOCI(Geostationary Ocean Color Imager，地球静止海洋水色成像仪)；GOCI在白天每小时(8:30-15:30)为多个波段提供中等空间分辨率数据(500×500米)，允许近实时海洋监测，现在已广泛用于监测沿海悬浮泥沙动态变化、赤潮、河流羽流和潮汐变化。然而，水色卫星在大太阳天顶角条件下不可避免地遇到海洋水色信息的反演问题。例如，在冬季，GOCI在高纬度地区(如日本海)每天观测8次，但其中三幅图像的太阳天顶角都超过了70°，这是海洋水色卫星数据处理软件(如Seadas)默认掩膜的极限太阳天顶角。在太阳天顶角较大的情况下，由于受到二向反射效应和大气校正误差的影响，GOCI海洋水色产品的精度很低。

大气校正是为了消除卫星测量的总辐射中大气(包括空气分子和气溶胶)和水体表面反射的辐射贡献。大气校正算法的精度是海洋颜色数据处理的关键。然而，在卫星传感器测量的总辐射中，在蓝光波段大气贡献可能超过90％，而在浑浊水域，这一贡献可能更高。针对第一颗水色卫星CZCS，Gordon和Clark基于大量的实测数据，发现当叶绿素浓度小于0.25μg/L时，520nm和550nm波段的归一化离水辐亮度变化很小，并且与叶绿素浓度的相关性很强。因此，使用三个波段(520nm、550nm、660nm)进行气溶胶散射辐射外推可进行大气校正。对于第二代海洋水色卫星传感器(MODIS，SeaWifs等)，Gordon和Wang提出了一种使用红光波段进行大气校正的算法。对于浑浊水体，Siegel等人提出了一种基于近红外离水辐射迭代的大气校正算法。Ruddick等通过设置近红外波段的气溶胶散射比和离水反射比，提出了另一种浑浊水体的大气校正算法。Ahn等利用红光波段(660nm)和近红外波段(745nm和865nm)水体反射率之间的区域经验关系，开发了一种用于GOCI的大气校正算法。通过对此类文献的分析总结可知，对于太阳天顶角较大的卫星图像，目前还没有高精度、通用的大气校正算法。

发明内容

本发明的目的在于针对现有技术的不足，提供一种针对GOCI卫星晨昏观测的神经网络大气校正方法。

本发明的目的是通过以下技术方案来实现的：一种针对GOCI卫星晨昏观测的神经网络大气校正方法，包括以下步骤：

(1)获取GOCI卫星图像。

(2)使用Seadas软件处理步骤(1)得到的卫星图像，得到对应的遥感反射率、瑞利校正辐亮度、太阳天顶角、观测天顶角、相对方位角，作为像元数据用于训练神经网络模型。

(3)筛选神经网络训练数据集，包括以下步骤：