基于HJ-1B/CCD地表反照率的估算
1 王寸婷，张友静1,2，钱志奇3，陈静欣4，曹明1
（1. 河海大学地球科学与工程学院, 南京 210098；2. 河海大学水文水资源与水利工程科学国家重点实验室,
南京 210098；3. 江苏省地质勘察技术院信息中心，南京 210008；4. 江苏省测绘产品质量监督检验站，江
苏 南京 210013）
摘要：地表反照率是入射太阳能被地表反射的比分，决定地表吸收太阳辐射能的多少，是影响地表能
量收支的关键参数。本文使用6S 大气辐射传输模型对环境星的多光谱CCD 数据进行大气纠正，并利用
其观测角度信息，分别基于统计模型和BRDF 模型估算研究区不同地表覆盖类型的窄波段地表反照率，
并实现窄波段向宽波段反照率的转换。将宽波段反照率与MODIS 反照率产品数据进行对比分析，对不
同的地表覆盖类型选择模型的适宜性作出分析评价：对于水体，基于朗伯面假设采用统计模型效果较
好，相对误差为9.2%；对于植被以及非植被覆盖区，采用二向反射模型较合适，相对误差分别为4.02%
和5.6%，都能够满足应用需求。
关键词：地表反照率；中等分辨率；统计模型；二向反射模型
0引言
地表反照率影响着区域气候，制约着地表和大气之间的辐射交换，是遥感反演陆面参数
中的重要参数。准确、快速地获取宽波段地表反照率是进行区域气候模拟预测、地表能量平
衡分析关键环节之一。早在20世纪50年代初，Houghton 利用气象观测数据对北半球全年
能量平衡作了全面计算，求出全球年平均反照率为0.34。反照率的传统计算方法是用实测资
料结合植被特征和土壤类型来进行估算的。如陈建绥(1964年) 、陆渝蓉(1976年) 等根据日射
站的观测资料并结合自然地理条件，研究了地表反照率的分布特征，但这种方法往往因观测
资料代表性和地表参数的不确定性而影响其计算精度[1]。近年来，随着遥感对地观测和信息
处理技术的迅速发展，利用遥感技术反演地表反照率已被证明是一种行之有效的科学方法。
利用遥感进行反照率估算的方法目前主要有两种方法，一种是假设地表为朗伯体的前提下，
从能量角度出发基于统计模型来获取光谱反照率，如阿布都瓦斯提•吾拉木等基于6S 模型利
用TM/ETM+数据进行光谱校正，通过各观测波段和未观测波段地表入射和反射光通量密度
推出各波段的反照率和权重，从而得到宽波段地表反照率[2]。王继燕等以TM 影像为数据源
逐步进行地形校正、大气校正等，从而提取窄波段地表反照率。在此基础上，根据亮度、绿
度、湿度3个特征变量的物理意义，以各波段能量权重为转换参数对窄波段地表反照率进行
组合，实现研究区宽波段地表反照率的反演，得出基于不同波段的物理意义的地表反照率[3]。
自然的下垫面大多是非朗伯体，遥感观测的波段反射率是在特定的太阳高度角、卫星视角下
的值，与方向性有关，单一角度的遥感数据反演地表反照率时，常常假定地表为各向同性的
朗伯面，Kimes 的研究认为这种假设会引起高达45%的误差[4]。事实上，地表的反射各向异
性，另一种方法便是将光谱反照率表示为二向性反射分布函数(BRDF)，利用二向反射的核
收稿日期： 修订日期：
基金项目：国家重点基础研究发展计划(973计划)(2010CB951101)
作者简介：王寸婷（1988-），女（汉族），硕士研究生。主要从事地理信息系统与遥感研究。E-Mail ：
wangcunting@yeah.net
驱动模型通过角度建模计算反照率，如美国MODIS 陆地产品组基于二向反射函数(BRDF)
开发了全球地表反照率数据产品(MCD43B1)，王开存等利用MCD43B1，结合地表海拔高度
和地表覆盖类型资料，计算并分析了中国地区晴空反照率的时空分布，以及地表反照率与地
形和地表覆盖的关系[5]。徐兴奎等通过统计和双向反射模型，应用NOAA142-AVHRR 数据
反演并计算了1997年中国月平均反照率的分布，并结合地理信息系统对结果做了分析，遥
感反演结果与地表覆盖特征及气候特征基本相符[6]。但目前基于BRDF 模型的反照率研究数
据大多是中低分辨率的数据，如MODIS ，NOAA 卫星，中等分辨率多方向的反照率数据还
没有系统报导，随着气候变化的区域响应，土壤含水量，蒸散发等地表参数的研究深入[7]，
需要更高分辨率的数据来估算地表反照率，为其他陆面参数的估算提供更准确的输入参数。
同时反照率作为地表能量辐射的重要表征[8]，受地表覆盖类型等地表特征的影响很大，需要
基于不同的地表覆盖类型选择不同的地表反照率估算模型。
本文利用研究区中等空间分辨率的HJ-1B/CCD数据，针对不同地表覆盖类型(共分植被
覆盖区，非植被覆盖区，水体三大类) 分别利用统计模型和BRDF 模型估算地表宽波段反照
率，并将估算结果和MODIS 地表反照率产品数据进行相关分析，对不同的地表覆盖类型采
用模型的适宜性做出评价。
1. 研究区与数据
研究数据包括淮河流域同时相的HJ-1B/CCD影像、terra/MODIS核模型参数产品数据
（MCD43B1）和反照率产品数据（MCD43B3），成像时间均为2010年的5月24日。
HJ-1B/CCD数据经定标、几何纠正等数据预处理后，裁取194km2的无云区域作为研究区。
研究区位于淮河流域下游（参考图1），地表覆盖类型丰富。为了方便研究，本文采用非监
督分类方法将研究区分为植被覆盖区，非植被覆盖区，水体三大类。
图1 研究区位置
Fig.1 The location of research area
2. 地表反照率估算方法
遥感是获取区域地表反照率的有效手段。其反演的过程大体有以下三步：影像数据
大气校正得到地表反射率；估算窄波段的地表反照率；由窄波段地表反照率扩展到宽波
段地表反照率[9]。其关键是窄波段地表反照率的估算，分别基于统计模型和BRDF 模型
估算研究区的窄波段地表反照率。
2.1大气辐射纠正
大气校正方法有实验方法和基于辐射传输模型的理论方法两类。辐射传输模型物理
意义明确，能够合理处理大气散射和气体吸收，基于辐射传输理论发展了多种大气校正
模型[3][3]，其中6S(Second Simulation of Satellite Signal in the Solar Spectrum)模型是基于物理
机制的，描述了大气如何影响辐射在太阳-地表-遥感器之间的传输，考虑了气体吸收、
分子和气溶胶散射，是较精确、常用的大气校正模型之一。本文利用6S 模型对影像进
行大气校正，从而得到地表反射率。
在6S 大气校正中，选择中纬度夏天大气廓线，大陆性气溶胶类型，地表为非均匀
表面等其他相关参数。对HJ-1B/CCD的4个波段进行大气校正时，输入大气上部卫星所
观测的表观反射率，输出的结果是校正后的地表反射率参数x a 、x b 和x c ，辐照度、透过
率等大气校正有关的其他相关参数，然后使用公式（1）计算校正后的反射率。
ρ=y /(1+x c *y )
y =x a *L i ﹣x b （1）
其中，ρ为校正后反射率，L i 是i 波段辐射亮度。
2.2窄波段地表反照率的估算
2.2.1基于统计模型的窄波段反照率的估算
地表反照率（α）可以认为是地表反射的全部能量与接受的全部能量的比值，若波
段已确定，该波段光谱反照率可以表示为：
E α窄=U i （2）
D i
其中，E Ui 为波段i 的地表反射光通量密度，E Di 为波段i 的地表入射光通量密度。假
设地表为朗伯体，地表的入射光通量密度由以下公式计算：
ρ （3） =+τ() S μμE D i E Si 1-S ρs E 0s
式中，E si 为不包含地表目标物贡献的上行辐射，μs 为太阳天顶角的余弦值，E 为0
大气上部的下行辐射，τ(μs ) 为下行辐射透过率。若用E i 来表示环境辐射辐照度，地表
反射光通量密度E Ui 为：
E U i =πρ(E i +E D i ) （4）
2.2.2基于二向反射模型光谱反照率的估算
自然的下垫面大多是不均匀的，没有严格意义上的朗伯体。卫星观测的波段反射率与观
测的角度密切相关，反射率一般随观测天顶角的增加而增加并随太阳高度而变化，二向反射
模型通过多角度的观测，综合包含了这些复杂的变化信息。因此，采用二向反射模型也更加
科学合理。根据反照率的定义，它可以表示为：
1 2 ∏ ∏ / 2 （5） α(θ)=⎰0⎰0R (θ, ν, ϕ, Λ)cos υsin νd νd ϕ π
R (θ,ν,ϕ, Λ)为二向反射，θ为太阳入射天顶角，ν为观测天顶角，φ为相对方位角，Λ为波
段宽，α(θ) 为入射角为θ时的反照率，计算反照率的关键问题在于适当的BRDF 模型及有关
参数的选择[9]。本文采用MODIS 数据处理算法Ambrals(Algorithm for MODIS Bidirectional
Reflectance Anisotropies of the Land Surface)，其理论基础是核驱动的线性BRDF 模型[10]，该
模型用核的线性组合来拟合地表的二向反射特征，可以用下式表示：
θ , ν R ( , ϕ , Λ ) = ∑ f k ( Λ ) K k (θ , ν , ϕ ) （6）
k
其中，K k 为各类核，f k 为相应各个核所占的比例(权重) 。根据已知角度（θ1, ν1, φ1）反射观测
的ρ，反演出拟合观测数据ρ最优的f k 。通过上式反演出核系数之后，可以通过核的外推求
出任意太阳入射角和观测角条件下的二向反射率。
考虑到环境星多光谱CCD 相机的最大观测角度为35 º，直接使用将会带来较大的误差。
假设同一地表覆盖在相同的观测角度和地表形态下，环境星和MODIS 的BRDF 是相似的，
则有环境星和MODIS 相应的核模型参数f k 是相似的，定义如下表达式：
f k (hj)=af k (m) （7）
其中，f k (hj)为环境星的核模型参数，f k (m)为MODIS 的核模型参数。将在相同观测几何条件
下的MODIS 与环境星的各类核相匹配，将MODIS 的核模型参数产品数据作为先验知识，
拟合环境星的核模型参数。根据假设，同一类地表覆盖的a 应基本一致，对每种地表覆盖类
型取20组数据，最后a 取平均值，这样可得到环境星的核模型参数f k 。
通过对各个核进行观测几何的积分得到任意太阳天顶角的黑空和白空反照率。窄波段反
照率由二者线性组合计算得到：
2.3宽波段反照率的反演
传感器的波段一般较窄，要得到宽波段的反照率必须进行变换，可根据辐射通量推出不
同波段的权重，从而计算宽波段的地表反照率。本文利用HJ-1B/CCD所估算的窄波段反照
率，计算宽波段(400～900nm) 的反照率α宽。从反照率的定义出发，可得公式
D i α宽=∑ωi ⨯αi , ωi = ∑ E D k （9）
式中，E Di 为入射辐射，它的值可由公式（3）得到，对于整个波长范围，其入射辐射值可
以写作：∑E D k =E D 1+E D 2+... +E D n ，αi 为波段i 的光谱反照率，即窄波段反照率，ωi 为波
段i 的权重系数，其中，ω1+ω2+…+ωn =1。
计算宽波段反照率时要针对两种模型分别计算其宽波段反照率，考虑到太阳光以可见
光为主，根据反照率的定义，在宽波段反照率的计算中主要建立宽波段α宽与HJ-1B 多光
谱相机CCD 的前3个可见光波段的光谱反照率的线性关系，表达式为：
α宽=0. 441α1+0. 342α2+0. 217α3 （10）
α窄=(1-S )αbs (θ, λ) +S αws (λ) （8） 其中：S 为天空散射光所占比分。S 的大小由大气校正后的参数估算得到。
3结果与分析
分析比较两种模型在骆马湖北部地表反照率的估算结果，见下图2。可以看出，在植被
及非植被覆盖区，统计模型受其朗伯面假设的限制估算结果并不理想，通过和MODIS 地表
反照率产品数据对比分析，其整体估算效果尚可，但在植被覆盖区地表反照率的估算结果虚高现象严重（下图左上角部分）；另外，估算结果中存在较多的噪声；相比较而言，基于BRDF 模型呈现了较多的细节信息，在整体上取得了较好的结果。对于水体，基于统计模型的的噪声较少，较BRDF 模型好。
（a ）统计模型估算结果 （b ）BRDF 模型估算结果
（c ） 土地覆盖分类图
图2 不同模型的地表反照率估算结果比较
Fig.2 The comparison of estimating surface albedo from different models
分析两种模型计算的地表宽波段反照率，由于环境星的分辨率为30m×30m ，相对于定点观测数据而言，具有较强的综合特性，其数值很难与以往的长期定点观测数据进行比较，同时缺乏大范围地表反照率的实测资料，只能与遥感数据进行简单的比较。本文将MODIS 地表反照率产品数据作为参考数据进行检验，将估算的环境星的地表反照率与同一时期的参考数据进行相关分析，并采用相关分析中常用的评价指标来分析针对不同的地表覆盖类型估算地表反照率模型选择的适宜性，这三个指标包括均方根误差，相对误差以及相关系数。在实验区随机抽取2500个检验样本，基于两种模型的精度评价结果见表1，与参考数据的相关分析图见图3，4。环境星估算的地表反照率和MODIS 的反照率会有一定的偏差，这主要
是由于两者的分辨率不同，尺度差异是引起误差的主要原因之一。另外，影像是通过像元反映地表反照率的，这中间会受到地面不确定因素的干扰，从而影响反演精度[3]。 表1 环境星估算地表反照率的精度评价
Tab.1 The precision evaluation of surface albedo estimated by HJ-1B
分比较集中。另外，由表1也可反映，基于统计模型水体的RMSE 以及相对误差都较BRDF 模型小，但相关系数R 2较大，达到0.86，可以满足精度需要。因此对于水体，地表反照率的反演基于统计模型比较合理。
图(a) 图(b)
种地表统计模型的RMSE 及相对误差都较BRDF 模型大，BRDF 模型中非植被覆盖区的相关系数R 2为0.75，植被覆盖区的相关系数R 2为0.76，都较统计模型高。因此，对于植被以及非植被覆盖区，基于BRDF 模型较合理。
由于植被和非植被覆盖区的几何反射结构及表面反射特征变化明显，对太阳反射的各向异性特征也比较明显，BRDF 模型考虑到地物反射的各向异性，通过对观测角度进行建模估算各类地表覆盖的反照率，而统计模型把地表假设为均一的朗伯面，因此，在植被以及非植被覆盖区，使用BRDF 模型效果较好。但由于水体的表面结构在像元尺度下可以看成均一的表面，其几何反射特征随空间的分布变化基本不变或变化很小，统计模型是基于朗伯面假
设，假设其反射各向同性，可以减少BRDF 模型进行角度建模引起的误差，因此，对于水体使用统计模型效果较好。
4结语
通过不同模型反照率的结果比较可以看出，本研究在植被覆盖区及非植被覆盖区采用BRDF 模型，而水体采用统计模型与MODIS 的误差较小，由此可认为淮河流域地区针对不同的地表覆盖类型，应采用不同的模型估算地表反照率：对于水体，采用统计模型基于朗伯面假设比较合适；在植被以及非植被覆盖区，采用BRDF 模型较合适。
参考文献
[1] 蔡福，祝青林，何洪林，等. 中国月平均地表反照率的估算及其时空分布[J]. 资源科学. 2005(01): 114-120.
[2] 阿布都瓦斯提·吾拉木，秦其明. 基于辐射模拟反演ETM+数据宽波段反照率[J]. 北京大学学报(自然科学版) 网络版(预印本). 2006(04): 61-70.
[3] 王继燕，罗格平，严坤，等. 基于TM 影像天山北坡地表反照率反演方法的研究[J]. 遥感信息. 2011(02): 63-68.
[4] Kimes D S, Sellers P J. Inferring hemispherical reflectance of the Earth's surface for global energy budgets from remotely sensed nadir or directional radiance values[J]. Remote Sensing of Environment. 1985, 18(3): 205-223.
[5] 王开存，刘晶淼，周秀骥，等. 利用MODIS 卫星资料反演中国地区晴空地表短波反照率及其特征分析[J]. 大气科学. 2004(06): 941-949.
[6] 徐兴奎，刘素红. 中国地表月平均反照率的遥感反演[J]. 气象学报. 2002(02): 215-220.
[7] 詹志明，冯兆东，秦其明. 陇西黄土高原陆面蒸散的遥感研究[J]. 地理与地理信息科学. 2004(01): 16-19.
[8] 马俊飞，杨太保. 地表反照率与土地利用类型的关系——以柴达木盆地为例[J]. 西北师范大学学报(自然科学版). 2005(03): 79-83.
[9] 刘振华，赵英时，宋小宁. MODIS卫星数据地表反照率反演的简化模式[J]. 遥感技术与应用. 2004(06): 508-511.
[10] 徐兴奎. 长江三角洲地区地表月平均反照率的卫星遥感研究[J]. 大气科学. 2002(03): 394-400.
Surface Albedo Estimating Based on HJ-1/CCD W ANG Cun-ting1,ZHANG You-jing1,2,QIAN Zhi-qi3,CHEN Jing-xin4
(1.School of Earth Science and Engineering Hohai University, Nanjing 210098, China;
2. State Key Laboratory of Hydrology-Water Resource and Hydraulic Engineering, Hohai University, Nanjing
210098, China;
3.Information Center of Jiangsu Geological Prospecting Techniques Institute
4. Surveying Products Quality Supervision Station of Jiangsu province, Nanjing 210013, China)
Abstract: Surface albedo is the ratio that the surface reflects incident solar energy.It determines how much the surface absorbs solar radiation and it is a key parameters affecting the surface energy budget. It makes atmospheric correction to HJ-1B’s multi-spectral CCD data using 6S atmospheric radiative transfer model.Using CCD data and its observation angle information,the paper estimates narrow -band surface albedo of different surface coverage type based on the statistical model and the BRDF model respectively,and realizes the conversion of narrow band to broadband albedo finally. It makes comparative analysis with MODIS’s albedo product data ,then analysises and evaluates the suitability of model selection of different land cover types:For water,it is better using the statistical model which based on the lambert surface hypothesis and the relative error is 9.2%.Bidirectional reflectance model is more suitable for vegetation and non-vegetation coverage areas and the relative error were 4.02% and 5.6% respectively,they can meet the application requirements.
Key words: Surface albedo;medium resolution;Statistical model;BRDF
详细地址：江苏省南京市鼓楼区西康路一号河海大学地球科学与工程学院530信箱
邮编：210009
电话：[1**********]
基于HJ-1B/CCD地表反照率的估算
1 王寸婷，张友静1,2，钱志奇3，陈静欣4，曹明1
（1. 河海大学地球科学与工程学院, 南京 210098；2. 河海大学水文水资源与水利工程科学国家重点实验室,
南京 210098；3. 江苏省地质勘察技术院信息中心，南京 210008；4. 江苏省测绘产品质量监督检验站，江
苏 南京 210013）
摘要：地表反照率是入射太阳能被地表反射的比分，决定地表吸收太阳辐射能的多少，是影响地表能
量收支的关键参数。本文使用6S 大气辐射传输模型对环境星的多光谱CCD 数据进行大气纠正，并利用
其观测角度信息，分别基于统计模型和BRDF 模型估算研究区不同地表覆盖类型的窄波段地表反照率，
并实现窄波段向宽波段反照率的转换。将宽波段反照率与MODIS 反照率产品数据进行对比分析，对不
同的地表覆盖类型选择模型的适宜性作出分析评价：对于水体，基于朗伯面假设采用统计模型效果较
好，相对误差为9.2%；对于植被以及非植被覆盖区，采用二向反射模型较合适，相对误差分别为4.02%
和5.6%，都能够满足应用需求。
关键词：地表反照率；中等分辨率；统计模型；二向反射模型
0引言
地表反照率影响着区域气候，制约着地表和大气之间的辐射交换，是遥感反演陆面参数
中的重要参数。准确、快速地获取宽波段地表反照率是进行区域气候模拟预测、地表能量平
衡分析关键环节之一。早在20世纪50年代初，Houghton 利用气象观测数据对北半球全年
能量平衡作了全面计算，求出全球年平均反照率为0.34。反照率的传统计算方法是用实测资
料结合植被特征和土壤类型来进行估算的。如陈建绥(1964年) 、陆渝蓉(1976年) 等根据日射
站的观测资料并结合自然地理条件，研究了地表反照率的分布特征，但这种方法往往因观测
资料代表性和地表参数的不确定性而影响其计算精度[1]。近年来，随着遥感对地观测和信息
处理技术的迅速发展，利用遥感技术反演地表反照率已被证明是一种行之有效的科学方法。
利用遥感进行反照率估算的方法目前主要有两种方法，一种是假设地表为朗伯体的前提下，
从能量角度出发基于统计模型来获取光谱反照率，如阿布都瓦斯提•吾拉木等基于6S 模型利
用TM/ETM+数据进行光谱校正，通过各观测波段和未观测波段地表入射和反射光通量密度
推出各波段的反照率和权重，从而得到宽波段地表反照率[2]。王继燕等以TM 影像为数据源
逐步进行地形校正、大气校正等，从而提取窄波段地表反照率。在此基础上，根据亮度、绿
度、湿度3个特征变量的物理意义，以各波段能量权重为转换参数对窄波段地表反照率进行
组合，实现研究区宽波段地表反照率的反演，得出基于不同波段的物理意义的地表反照率[3]。
自然的下垫面大多是非朗伯体，遥感观测的波段反射率是在特定的太阳高度角、卫星视角下
的值，与方向性有关，单一角度的遥感数据反演地表反照率时，常常假定地表为各向同性的
朗伯面，Kimes 的研究认为这种假设会引起高达45%的误差[4]。事实上，地表的反射各向异
性，另一种方法便是将光谱反照率表示为二向性反射分布函数(BRDF)，利用二向反射的核
收稿日期： 修订日期：
基金项目：国家重点基础研究发展计划(973计划)(2010CB951101)
作者简介：王寸婷（1988-），女（汉族），硕士研究生。主要从事地理信息系统与遥感研究。E-Mail ：
wangcunting@yeah.net
驱动模型通过角度建模计算反照率，如美国MODIS 陆地产品组基于二向反射函数(BRDF)
开发了全球地表反照率数据产品(MCD43B1)，王开存等利用MCD43B1，结合地表海拔高度
和地表覆盖类型资料，计算并分析了中国地区晴空反照率的时空分布，以及地表反照率与地
形和地表覆盖的关系[5]。徐兴奎等通过统计和双向反射模型，应用NOAA142-AVHRR 数据
反演并计算了1997年中国月平均反照率的分布，并结合地理信息系统对结果做了分析，遥
感反演结果与地表覆盖特征及气候特征基本相符[6]。但目前基于BRDF 模型的反照率研究数
据大多是中低分辨率的数据，如MODIS ，NOAA 卫星，中等分辨率多方向的反照率数据还
没有系统报导，随着气候变化的区域响应，土壤含水量，蒸散发等地表参数的研究深入[7]，
需要更高分辨率的数据来估算地表反照率，为其他陆面参数的估算提供更准确的输入参数。
同时反照率作为地表能量辐射的重要表征[8]，受地表覆盖类型等地表特征的影响很大，需要
基于不同的地表覆盖类型选择不同的地表反照率估算模型。
本文利用研究区中等空间分辨率的HJ-1B/CCD数据，针对不同地表覆盖类型(共分植被
覆盖区，非植被覆盖区，水体三大类) 分别利用统计模型和BRDF 模型估算地表宽波段反照
率，并将估算结果和MODIS 地表反照率产品数据进行相关分析，对不同的地表覆盖类型采
用模型的适宜性做出评价。
1. 研究区与数据
研究数据包括淮河流域同时相的HJ-1B/CCD影像、terra/MODIS核模型参数产品数据
（MCD43B1）和反照率产品数据（MCD43B3），成像时间均为2010年的5月24日。
HJ-1B/CCD数据经定标、几何纠正等数据预处理后，裁取194km2的无云区域作为研究区。
研究区位于淮河流域下游（参考图1），地表覆盖类型丰富。为了方便研究，本文采用非监
督分类方法将研究区分为植被覆盖区，非植被覆盖区，水体三大类。
图1 研究区位置
Fig.1 The location of research area
2. 地表反照率估算方法
遥感是获取区域地表反照率的有效手段。其反演的过程大体有以下三步：影像数据
大气校正得到地表反射率；估算窄波段的地表反照率；由窄波段地表反照率扩展到宽波
段地表反照率[9]。其关键是窄波段地表反照率的估算，分别基于统计模型和BRDF 模型
估算研究区的窄波段地表反照率。
2.1大气辐射纠正
大气校正方法有实验方法和基于辐射传输模型的理论方法两类。辐射传输模型物理
意义明确，能够合理处理大气散射和气体吸收，基于辐射传输理论发展了多种大气校正
模型[3][3]，其中6S(Second Simulation of Satellite Signal in the Solar Spectrum)模型是基于物理
机制的，描述了大气如何影响辐射在太阳-地表-遥感器之间的传输，考虑了气体吸收、
分子和气溶胶散射，是较精确、常用的大气校正模型之一。本文利用6S 模型对影像进
行大气校正，从而得到地表反射率。
在6S 大气校正中，选择中纬度夏天大气廓线，大陆性气溶胶类型，地表为非均匀
表面等其他相关参数。对HJ-1B/CCD的4个波段进行大气校正时，输入大气上部卫星所
观测的表观反射率，输出的结果是校正后的地表反射率参数x a 、x b 和x c ，辐照度、透过
率等大气校正有关的其他相关参数，然后使用公式（1）计算校正后的反射率。
ρ=y /(1+x c *y )
y =x a *L i ﹣x b （1）
其中，ρ为校正后反射率，L i 是i 波段辐射亮度。
2.2窄波段地表反照率的估算
2.2.1基于统计模型的窄波段反照率的估算
地表反照率（α）可以认为是地表反射的全部能量与接受的全部能量的比值，若波
段已确定，该波段光谱反照率可以表示为：
E α窄=U i （2）
D i
其中，E Ui 为波段i 的地表反射光通量密度，E Di 为波段i 的地表入射光通量密度。假
设地表为朗伯体，地表的入射光通量密度由以下公式计算：
ρ （3） =+τ() S μμE D i E Si 1-S ρs E 0s
式中，E si 为不包含地表目标物贡献的上行辐射，μs 为太阳天顶角的余弦值，E 为0
大气上部的下行辐射，τ(μs ) 为下行辐射透过率。若用E i 来表示环境辐射辐照度，地表
反射光通量密度E Ui 为：
E U i =πρ(E i +E D i ) （4）
2.2.2基于二向反射模型光谱反照率的估算
自然的下垫面大多是不均匀的，没有严格意义上的朗伯体。卫星观测的波段反射率与观
测的角度密切相关，反射率一般随观测天顶角的增加而增加并随太阳高度而变化，二向反射
模型通过多角度的观测，综合包含了这些复杂的变化信息。因此，采用二向反射模型也更加
科学合理。根据反照率的定义，它可以表示为：
1 2 ∏ ∏ / 2 （5） α(θ)=⎰0⎰0R (θ, ν, ϕ, Λ)cos υsin νd νd ϕ π
R (θ,ν,ϕ, Λ)为二向反射，θ为太阳入射天顶角，ν为观测天顶角，φ为相对方位角，Λ为波
段宽，α(θ) 为入射角为θ时的反照率，计算反照率的关键问题在于适当的BRDF 模型及有关
参数的选择[9]。本文采用MODIS 数据处理算法Ambrals(Algorithm for MODIS Bidirectional
Reflectance Anisotropies of the Land Surface)，其理论基础是核驱动的线性BRDF 模型[10]，该
模型用核的线性组合来拟合地表的二向反射特征，可以用下式表示：
θ , ν R ( , ϕ , Λ ) = ∑ f k ( Λ ) K k (θ , ν , ϕ ) （6）
k
其中，K k 为各类核，f k 为相应各个核所占的比例(权重) 。根据已知角度（θ1, ν1, φ1）反射观测
的ρ，反演出拟合观测数据ρ最优的f k 。通过上式反演出核系数之后，可以通过核的外推求
出任意太阳入射角和观测角条件下的二向反射率。
考虑到环境星多光谱CCD 相机的最大观测角度为35 º，直接使用将会带来较大的误差。
假设同一地表覆盖在相同的观测角度和地表形态下，环境星和MODIS 的BRDF 是相似的，
则有环境星和MODIS 相应的核模型参数f k 是相似的，定义如下表达式：
f k (hj)=af k (m) （7）
其中，f k (hj)为环境星的核模型参数，f k (m)为MODIS 的核模型参数。将在相同观测几何条件
下的MODIS 与环境星的各类核相匹配，将MODIS 的核模型参数产品数据作为先验知识，
拟合环境星的核模型参数。根据假设，同一类地表覆盖的a 应基本一致，对每种地表覆盖类
型取20组数据，最后a 取平均值，这样可得到环境星的核模型参数f k 。
通过对各个核进行观测几何的积分得到任意太阳天顶角的黑空和白空反照率。窄波段反
照率由二者线性组合计算得到：
2.3宽波段反照率的反演
传感器的波段一般较窄，要得到宽波段的反照率必须进行变换，可根据辐射通量推出不
同波段的权重，从而计算宽波段的地表反照率。本文利用HJ-1B/CCD所估算的窄波段反照
率，计算宽波段(400～900nm) 的反照率α宽。从反照率的定义出发，可得公式
D i α宽=∑ωi ⨯αi , ωi = ∑ E D k （9）
式中，E Di 为入射辐射，它的值可由公式（3）得到，对于整个波长范围，其入射辐射值可
以写作：∑E D k =E D 1+E D 2+... +E D n ，αi 为波段i 的光谱反照率，即窄波段反照率，ωi 为波
段i 的权重系数，其中，ω1+ω2+…+ωn =1。
计算宽波段反照率时要针对两种模型分别计算其宽波段反照率，考虑到太阳光以可见
光为主，根据反照率的定义，在宽波段反照率的计算中主要建立宽波段α宽与HJ-1B 多光
谱相机CCD 的前3个可见光波段的光谱反照率的线性关系，表达式为：
α宽=0. 441α1+0. 342α2+0. 217α3 （10）
α窄=(1-S )αbs (θ, λ) +S αws (λ) （8） 其中：S 为天空散射光所占比分。S 的大小由大气校正后的参数估算得到。
3结果与分析
分析比较两种模型在骆马湖北部地表反照率的估算结果，见下图2。可以看出，在植被
及非植被覆盖区，统计模型受其朗伯面假设的限制估算结果并不理想，通过和MODIS 地表
反照率产品数据对比分析，其整体估算效果尚可，但在植被覆盖区地表反照率的估算结果虚高现象严重（下图左上角部分）；另外，估算结果中存在较多的噪声；相比较而言，基于BRDF 模型呈现了较多的细节信息，在整体上取得了较好的结果。对于水体，基于统计模型的的噪声较少，较BRDF 模型好。
（a ）统计模型估算结果 （b ）BRDF 模型估算结果
（c ） 土地覆盖分类图
图2 不同模型的地表反照率估算结果比较
Fig.2 The comparison of estimating surface albedo from different models
分析两种模型计算的地表宽波段反照率，由于环境星的分辨率为30m×30m ，相对于定点观测数据而言，具有较强的综合特性，其数值很难与以往的长期定点观测数据进行比较，同时缺乏大范围地表反照率的实测资料，只能与遥感数据进行简单的比较。本文将MODIS 地表反照率产品数据作为参考数据进行检验，将估算的环境星的地表反照率与同一时期的参考数据进行相关分析，并采用相关分析中常用的评价指标来分析针对不同的地表覆盖类型估算地表反照率模型选择的适宜性，这三个指标包括均方根误差，相对误差以及相关系数。在实验区随机抽取2500个检验样本，基于两种模型的精度评价结果见表1，与参考数据的相关分析图见图3，4。环境星估算的地表反照率和MODIS 的反照率会有一定的偏差，这主要
是由于两者的分辨率不同，尺度差异是引起误差的主要原因之一。另外，影像是通过像元反映地表反照率的，这中间会受到地面不确定因素的干扰，从而影响反演精度[3]。 表1 环境星估算地表反照率的精度评价
Tab.1 The precision evaluation of surface albedo estimated by HJ-1B
分比较集中。另外，由表1也可反映，基于统计模型水体的RMSE 以及相对误差都较BRDF 模型小，但相关系数R 2较大，达到0.86，可以满足精度需要。因此对于水体，地表反照率的反演基于统计模型比较合理。
图(a) 图(b)
种地表统计模型的RMSE 及相对误差都较BRDF 模型大，BRDF 模型中非植被覆盖区的相关系数R 2为0.75，植被覆盖区的相关系数R 2为0.76，都较统计模型高。因此，对于植被以及非植被覆盖区，基于BRDF 模型较合理。
由于植被和非植被覆盖区的几何反射结构及表面反射特征变化明显，对太阳反射的各向异性特征也比较明显，BRDF 模型考虑到地物反射的各向异性，通过对观测角度进行建模估算各类地表覆盖的反照率，而统计模型把地表假设为均一的朗伯面，因此，在植被以及非植被覆盖区，使用BRDF 模型效果较好。但由于水体的表面结构在像元尺度下可以看成均一的表面，其几何反射特征随空间的分布变化基本不变或变化很小，统计模型是基于朗伯面假
设，假设其反射各向同性，可以减少BRDF 模型进行角度建模引起的误差，因此，对于水体使用统计模型效果较好。
4结语
通过不同模型反照率的结果比较可以看出，本研究在植被覆盖区及非植被覆盖区采用BRDF 模型，而水体采用统计模型与MODIS 的误差较小，由此可认为淮河流域地区针对不同的地表覆盖类型，应采用不同的模型估算地表反照率：对于水体，采用统计模型基于朗伯面假设比较合适；在植被以及非植被覆盖区，采用BRDF 模型较合适。
参考文献
[1] 蔡福，祝青林，何洪林，等. 中国月平均地表反照率的估算及其时空分布[J]. 资源科学. 2005(01): 114-120.
[2] 阿布都瓦斯提·吾拉木，秦其明. 基于辐射模拟反演ETM+数据宽波段反照率[J]. 北京大学学报(自然科学版) 网络版(预印本). 2006(04): 61-70.
[3] 王继燕，罗格平，严坤，等. 基于TM 影像天山北坡地表反照率反演方法的研究[J]. 遥感信息. 2011(02): 63-68.
[4] Kimes D S, Sellers P J. Inferring hemispherical reflectance of the Earth's surface for global energy budgets from remotely sensed nadir or directional radiance values[J]. Remote Sensing of Environment. 1985, 18(3): 205-223.
[5] 王开存，刘晶淼，周秀骥，等. 利用MODIS 卫星资料反演中国地区晴空地表短波反照率及其特征分析[J]. 大气科学. 2004(06): 941-949.
[6] 徐兴奎，刘素红. 中国地表月平均反照率的遥感反演[J]. 气象学报. 2002(02): 215-220.
[7] 詹志明，冯兆东，秦其明. 陇西黄土高原陆面蒸散的遥感研究[J]. 地理与地理信息科学. 2004(01): 16-19.
[8] 马俊飞，杨太保. 地表反照率与土地利用类型的关系——以柴达木盆地为例[J]. 西北师范大学学报(自然科学版). 2005(03): 79-83.
[9] 刘振华，赵英时，宋小宁. MODIS卫星数据地表反照率反演的简化模式[J]. 遥感技术与应用. 2004(06): 508-511.
[10] 徐兴奎. 长江三角洲地区地表月平均反照率的卫星遥感研究[J]. 大气科学. 2002(03): 394-400.
Surface Albedo Estimating Based on HJ-1/CCD W ANG Cun-ting1,ZHANG You-jing1,2,QIAN Zhi-qi3,CHEN Jing-xin4
(1.School of Earth Science and Engineering Hohai University, Nanjing 210098, China;
2. State Key Laboratory of Hydrology-Water Resource and Hydraulic Engineering, Hohai University, Nanjing
210098, China;
3.Information Center of Jiangsu Geological Prospecting Techniques Institute
4. Surveying Products Quality Supervision Station of Jiangsu province, Nanjing 210013, China)
Abstract: Surface albedo is the ratio that the surface reflects incident solar energy.It determines how much the surface absorbs solar radiation and it is a key parameters affecting the surface energy budget. It makes atmospheric correction to HJ-1B’s multi-spectral CCD data using 6S atmospheric radiative transfer model.Using CCD data and its observation angle information,the paper estimates narrow -band surface albedo of different surface coverage type based on the statistical model and the BRDF model respectively,and realizes the conversion of narrow band to broadband albedo finally. It makes comparative analysis with MODIS’s albedo product data ,then analysises and evaluates the suitability of model selection of different land cover types:For water,it is better using the statistical model which based on the lambert surface hypothesis and the relative error is 9.2%.Bidirectional reflectance model is more suitable for vegetation and non-vegetation coverage areas and the relative error were 4.02% and 5.6% respectively,they can meet the application requirements.
Key words: Surface albedo;medium resolution;Statistical model;BRDF
详细地址：江苏省南京市鼓楼区西康路一号河海大学地球科学与工程学院530信箱
邮编：210009
电话：[1**********]