ENVI5.3处理GF2数据时FLAASH大气校正参数设置实战指南
当你在清晨打开ENVI软件，准备处理一批高分二号（GF2）卫星影像时，是否曾被FLAASH大气校正中那些令人眼花缭乱的参数选项所困扰？作为一名长期从事遥感影像处理的专业人士，我深知大气校正环节对最终结果质量的决定性影响。本文将带你深入理解FLAASH大气校正的核心参数设置逻辑，特别是如何根据影像的经纬度、拍摄日期等元数据科学选择大气模型和气溶胶模型。
1. 理解FLAASH大气校正的基本原理
FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）是ENVI软件中集成的基于MODTRAN辐射传输模型的大气校正模块。它通过模拟光在大气中的传输过程，消除大气散射和吸收对地表反射率的影响。
FLAASH校正的核心参数可分为三类：
传感器与影像信息：
- 传感器类型（Sensor Type）
- 传感器高度（Sensor Altitude）
- 地面平均高程（Ground Elevation）
- 像元大小（Pixel Size）
大气条件参数：
- 大气模型（Atmosphere Model）
- 气溶胶模型（Aerosol Model）
- 气溶胶反演方法（Aerosol Retrieval）
- 能见度（Visibility）
高级设置：
- 光谱响应函数（Filter Function File）
- MODTRAN分辨率（Modtran Resolution）
- 水汽反演设置（Water Retrieval）
对于GF2数据，传感器类型应选择"Multispectral→UNKNOWN→MSI"，传感器高度固定为631km。而其他参数则需要根据影像具体情况灵活设置。
2. 根据经纬度和日期选择正确的大气模型
大气模型的选择是FLAASH校正中最关键的决策之一，它直接影响MODTRAN对大气状态的模拟精度。ENVI提供了6种标准大气模型：
| 模型代码 | 全称 | 适用条件 |
|---|---|---|
| TLS | Tropical | 纬度≤23.5° |
| MLS | Mid-Latitude Summer | 23.5°<纬度≤60°，4-9月 |
| MLW | Mid-Latitude Winter | 23.5°<纬度≤60°，10-3月 |
| SAS | Sub-Arctic Summer | 纬度>60°，4-9月 |
| SAW | Sub-Arctic Winter | 纬度>60°，10-3月 |
| US62 | US Standard 1976 | 无季节差异的特殊情况 |
选择步骤：
- 从影像元数据中获取中心纬度（如36.2°N）和获取日期（如2022年2月14日）
- 确定纬度带：36.2°N属于中纬度（23.5°-60°）
- 确定季节：2月属于冬季（10月-3月）
- 对应选择MLW模型
注意：对于跨越多个纬度带的影像，建议以中心点纬度为准。若影像覆盖极大区域（如整幅影像从30°N延伸到40°N），可考虑分区域处理。
我曾处理过一批内蒙古地区的GF2影像，初始全部使用MLS模型，结果冬季影像校正后出现异常高反射率值。检查后发现12月的影像本应使用MLW模型，修正后结果显著改善。
3. 气溶胶模型的选择策略
气溶胶模型描述大气中悬浮颗粒物的类型和分布特征，直接影响短波辐射的散射过程。FLAASH提供四种标准选项：
- Rural：清洁大陆地区，气溶胶主要来自自然源（如土壤颗粒）
- Urban：受人为污染影响的区域，含较多工业排放物
- Maritime：海洋或沿海地区，气溶胶以海盐粒子为主
- Tropospheric：对流层背景条件，适用于高空或非常清洁地区
选择依据：
影像覆盖的主要下垫面类型：
- 农田、森林等自然地表 → Rural
- 城市建成区 → Urban
- 海岸带或海岛 → Maritime
辅助数据参考：
# 示例：基于土地覆盖数据自动判断气溶胶类型 def get_aerosol_type(landcover): if landcover in ['water','wetland']: return 'Maritime' elif landcover in ['urban','builtup']: return 'Urban' else: return 'Rural'季节因素：
- 北方春季沙尘频发期可考虑Rural
- 冬季采暖期城市区域可考虑Urban
对于混合下垫面区域，可按主导类型选择或分区域处理。我曾对比过同一景影像使用不同气溶胶模型的结果，发现Urban模型会使植被指数偏低约0.05-0.1，这在定量分析中不容忽视。
4. 地面高程的精确获取方法
地面平均高程（Ground Elevation）参数直接影响大气路径长度的计算。ENVI中该参数单位为km，通常需要精确到小数点后三位。以下是几种常用获取方法：
方法一：基于GMTED2010全球DEM计算
- 在ENVI中：File → Open World Data → Elevation(GMTED2010)
- 叠加GF2影像边界（确保两者投影一致）
- 使用ROI工具圈定影像区域
- 右键选择"Stats"获取平均高程（单位为米，需除以1000）
方法二：使用SRTM或ASTER GDEM数据
# 使用GDAL计算区域平均高程 gdalinfo -stats input_dem.tif | grep "STATISTICS_MEAN"方法三：公开地形数据查询
- 国家基础地理信息中心提供的1:5万DEM数据
- Google Earth高程剖面工具（需采样多个点取平均）
提示：对于地形起伏剧烈区域，建议分高程带处理或使用更高分辨率DEM。我曾对比发现，在山区使用90m DEM和30m DEM计算的高程差异可达200m，导致表观反射率差异约3%。
高程精度影响分析表：
| 高程误差 | 对反射率的影响（550nm波段） |
|---|---|
| ±100m | ≤0.5% |
| ±300m | 1-2% |
| ±500m | 2-3.5% |
| ±1000m | 5-8% |
5. 高级参数设置与优化技巧
完成基本参数设置后，以下几个高级选项值得特别关注：
光谱响应函数配置
GF2卫星的光谱响应函数文件通常位于：ENVI安装目录\ENVI53\resource\filterfuncs\
- GF2-PMS1多光谱：gf2_pms1_mss.sli
- GF2-PMS2多光谱：gf2_pms2_mss.sli
MODTRAN分辨率设置
对于GF2多光谱数据，建议：
- 将"Modtran Resolution"设为15cm⁻¹
- 勾选"Use Square Slit Function"
水汽反演设置
如果影像包含近红外波段（如GF2的B4波段）：
- 在"Water Retrieval"中选择"2-Band (1135nm/940nm)"
- 设置水汽吸收波段为B4
- 设置参考波段为B3
能见度估算
当缺乏实测能见度数据时：
- 在"Aerosol Retrieval"中选择"Kaufman-Tanre"
- 运行初步校正获取反演能见度
- 用该值作为固定能见度重新运行
我曾处理过一批华北平原冬季影像，初始能见度设为40km结果不理想。通过Kaufman-Tanre方法反演发现实际能见度仅10-15km，修正后植被指数连续性明显改善。
6. 结果验证与常见问题排查
完成FLAASH校正后，建议通过以下方法验证结果合理性：
波谱曲线检查
- 选择典型地物（如植被、水体、裸土）
- 对比校正前后波谱形状
- 植被：应在550nm处有反射峰，680nm处有吸收谷
- 清洁水体：应呈单调递减
- 裸土：应呈平缓上升
统计值分析
# 示例：检查反射率合理范围 def check_reflectance(band): if band.min() < -0.1 or band.max() > 1.2: print("警告：反射率超出合理范围") elif band.mean() < 0 or band.mean() > 0.8: print("注意：平均反射率异常")常见问题及解决方案：
反射率超过1.0：
- 检查辐射定标是否正确
- 确认Ground Elevation单位是km而非m
- 尝试降低能见度设置
影像整体偏暗：
- 检查大气模型季节选择是否正确
- 尝试提高能见度（每次增加5km）
- 确认气溶胶模型与实际情况匹配
条带噪声加剧：
- 在"Advanced Settings"中调整"Adjacency Correction"
- 尝试不同MODTRAN分辨率（5cm⁻¹或20cm⁻¹）
边缘区域异常：
- 检查DEM是否覆盖整个影像区域
- 确认影像元数据中的经纬度信息完整
在一次农业干旱监测项目中，我发现校正后的NDVI值异常偏高。排查发现是误将冬季影像选为MLS模型，改为MLW后结果恢复正常。这提醒我们参数设置中的每个细节都至关重要。
