大气校正试图恢复地表反射率

光学遥感传感器记录的是到达传感器的辐射。太阳光在到达地表前要穿过大气，地表反射的能量返回传感器时又经历一次传播。气体吸收、分子和气溶胶散射会改变信号，邻近地物和地形也会影响观测。大气校正利用辐射传输模型、场景信息和辅助数据，估计这些影响，把顶层大气观测转换为更接近地表性质的反射率。

传感器端信号包含多条路径

传感器接收的能量并非全部来自目标像元。目标地表反射经过大气透过后形成主要信号；大气本身向传感器方向散射的光形成路径辐射；周围地物反射后经大气散射进入视场，形成邻近效应。不同波长上的贡献不同。

臭氧、水汽和其他气体在特定波段吸收能量。分子散射对短波更明显，气溶胶的影响取决于粒径、类型和浓度。薄雾场景常在可见光短波方向表现出额外亮度，但不能只凭影像颜色准确确定完整大气状态。

太阳天顶角、传感器观测角和相对方位角改变光在大气中的路径长度，也改变地表方向反射。相同地物在不同日期或轨道位置可能获得不同传感器端数值，即使地表没有真实变化。

辐射定标把数字数转换为辐亮度或顶层大气反射率。顶层大气反射率已经归一化部分太阳照明条件，但仍保留大气影响。地表反射率是大气校正的目标量，两者不能在同一阈值或时间序列中无条件混用。

地表反射率也不是对地表的无误差直接测量。它是算法在给定大气、地形和辐射传输假设下的估计。不同产品算法、辅助数据和处理版本可能给出系统性不同结果。

分析前应读取产品级别、缩放因子、无数据值和质量标识。一个文件名中出现“反射率”并不足以说明量的定义，必须确认是顶层大气还是地表量，以及算法适用于哪些波段和观测条件。

物理大气校正通常通过辐射传输计算描述太阳、大气、地表与传感器之间的能量传播。输入可能包括气溶胶光学厚度、气溶胶类型、水汽、臭氧、气压、高程、观测几何和波段响应。参数不确定性会传播到地表反射率。

有些参数可由场景内特征估计，有些来自气象再分析、气候值或外部观测。空间和时间分辨率不足时，辅助数据不能完全代表每个像元。烟霾、沙尘、火山灰和局地污染等异常条件尤其容易偏离默认模型。

运行产品通常把复杂算法封装在标准处理链中，并提供质量层。用户自行套用固定常数或单一经验关系，难以替代任务级算法。需要复现时，应保存产品版本、算法文档、辅助数据来源和处理日期。

暗目标或暗像元方法利用场景中预期反射很低的对象估计路径辐射。经验线方法用已知地面反射率目标建立影像数值与地表反射率之间的关系。这些方法在条件满足时有实用价值，但对目标选择、空间均匀性和观测同步有明确要求。

简单减去每个波段的最小值，隐含场景存在近零反射目标且最小值主要来自大气的假设。阴影、噪声、无数据和水体都可能破坏这一假设。得到视觉上更清晰的影像，不等于获得物理可靠的地表反射率。

经验方法常把场景内关系近似为线性，也未必充分处理地形、邻近效应和方向反射。它们应说明用途和适用范围，不应与经过验证的标准产品混称为同一处理级别。

厚云阻断地表信号，云影显著改变照明，薄云和卷云则可能保留部分地表信号但改变光谱。多数地表反射率工作流需要单独的云、阴影、雪和水体质量标识。对被云遮挡像元强行校正，不能恢复不存在的地表观测。

山地坡度和坡向改变局部太阳入射角，地形遮蔽还会产生阴影。大气校正若只使用场景尺度太阳角，不会自动消除地形照明差异。地形校正通常是另一个处理环节，需要高程模型和局部几何，并可能与大气估计相互影响。

邻近效应在高反差区域明显，例如明亮裸地或云旁边的暗水体。周围区域散射来的能量使目标像元偏亮。并非所有业务产品都完整校正该效应，使用者需要查看算法说明。

标准产品常提供云、阴影、饱和、气溶胶质量或算法失败等标志。数值存在不代表像元有效。统计和建模应先应用与任务相符的质量掩膜，并记录被排除比例。

校正结果可以通过稳定地物、地面光谱观测、同步大气测量或跨传感器比较验证。验证应按地表类型、季节、气溶胶条件和观测几何分层，不能只挑选少量视觉良好场景。

异常负反射率或大于一的值不一定都是文件损坏，可能来自噪声、邻近效应、模型误差或高反射目标。是否截断要由后续方法决定；过早裁剪会隐藏质量问题并改变统计分布。

长期变化分析要尽量使用同一产品族、集合版本和质量策略。处理算法升级、辅助数据变化或传感器间光谱响应差异，会在时间序列中形成断点。把所有影像都标为“地表反射率”并不能自动消除这些差异。

跨任务组合时，应核对波段响应、空间分辨率、观测时间和大气算法，并用稳定区域检查偏差。必要时进行光谱响应调整或统计协调，同时保留原始产品，以便追溯。

大气校正的价值，是把观测从传感器端尺度推进到更可比较的地表尺度。它提高了物理可解释性，却不会消除云、地形、方向反射和算法输入的不确定性。可靠使用依赖产品文档、质量层和针对具体区域的验证。