辐射定标后进 FLAASH，Scale Factor 或单位设错，结果全黑或报 "Input radiance values are out of expected range"

一、问题现象与故障特征

在高光谱与多光谱遥感数据处理流程中，辐射定标后的数据进入 FLAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）大气校正模块时，不少工程人员会遇到两类典型异常：一是校正输出图像整体接近全黑，地表反射率数值低到失去物理意义；二是 FLAASH 在参数检查阶段直接报错，提示 "Input radiance values are out of expected range"。这两类现象表面上看是数值问题，实际指向的是辐射定标与大气校正之间的量纲衔接出现了系统性偏差。

从工程记录看，问题往往发生在数据源切换、传感器类型变更或处理脚本复用等场景中。例如，将针对 ASTER 的定标系数直接套用到 Landsat 8/9 的辐射定标流程中，或者把 ENVI 辐射定标工具输出的整型定标结果误当作浮点辐亮度直接输入 FLAASH。笔者在多个遥感数据批处理项目中观察到，这类错误在人工交互处理时容易被发现，但一旦进入自动化流水线，错误会以静默方式传播，直到后续植被指数或分类结果出现明显异常才被追溯。

本文评述：FLAASH 的报错信息虽然直接指向辐亮度数值范围，但根因往往不在 FLAASH 本身，而在上游辐射定标环节的 Scale Factor、单位约定和数据存储类型。因此，单纯在 FLAASH 界面中调整参数往往只能暂时绕过检查，无法从根本上恢复正确的物理量纲。

二、文章目录

三、辐射定标与 FLAASH 的量纲逻辑

3.1 辐射定标的基本链路

光学遥感卫星传感器的原始 DN（Digital Number）值需要经过辐射定标转换为具有物理意义的辐亮度或表观反射率。以 Landsat 8/9 的 OLI 传感器为例，辐亮度定标公式为：L_λ = M_L × DN + A_L，其中 M_L 为辐射定标增益系数，A_L 为偏移系数。这两个系数随波段和采集时间变化，官方元数据文件中以 RADIANCE_MULT_BAND_n 和 RADIANCE_ADD_BAND_n 字段给出。对于 Sentinel-2 MSI，Level-1C 产品直接提供经过辐射校正的大气顶反射率，但若需要辐亮度，则需利用元数据中的 U 系数进行反演。

本文评述：辐射定标的核心不是简单的线性变换，而是将传感器响应从无量纲的数字信号映射到可追溯的物理量。这个映射过程涉及多个环节的系数传递，任何一个环节的单位或比例因子出现偏差，都会导致下游大气校正的输入量纲错误。

3.2 FLAASH 对输入辐亮度的要求

FLAASH 基于 MODTRAN 辐射传输模型，其输入辐亮度要求为浮点型数据，单位为 μW·cm⁻²·nm⁻¹·sr⁻¹。这一单位约定源自 MODTRAN 的辐射传输计算体系，与许多卫星数据分发机构采用的 W·m⁻²·sr⁻¹·μm⁻¹ 存在量级差异。具体而言，1 W·m⁻²·sr⁻¹·μm⁻¹ = 10 μW·cm⁻²·nm⁻¹·sr⁻¹。若用户将 W·m⁻²·sr⁻¹·μm⁻¹ 单位的辐亮度直接输入 FLAASH 而未进行单位换算，数值会整体偏小 10 倍，导致大气校正后反射率被压缩到接近零的区间，表现为图像全黑。

FLAASH 内部对输入辐亮度设有经验性合理范围检查，通常认为可见光至短波红外波段的典型地表辐亮度应在 0.1 至 500 μW·cm⁻²·nm⁻¹·sr⁻¹ 之间。当输入数据超出此范围时，软件会触发 "Input radiance values are out of expected range" 警告。需要注意的是，这一范围并非严格的物理边界，而是基于大量陆地观测数据的统计经验值。

3.3 量纲一致性的核心地位

本文提出以“辐射量纲一致性校验”作为贯穿全文的分析主线。所谓量纲一致性，是指从辐射定标输出到 FLAASH 输入之间，辐亮度的数值、单位、比例因子和数据存储类型必须形成闭环对应。任何一个环节的失配都会破坏这种一致性，从而在大气校正结果中产生可识别的异常模式。

笔者认为，量纲一致性校验不应只是故障发生后的排查手段，而应作为辐射定标与大气校正流程中的标准前置步骤。通过在定标输出后自动检查辐亮度的统计分布、单位标注和数值范围，可以在进入 FLAASH 之前拦截大部分量纲错误。

四、Scale Factor 与单位设置的错误模式

4.1 Scale Factor 设置错误

在 ENVI 的辐射定标工具中，Scale Factor 参数用于将定标后的浮点辐亮度转换为整型存储。常见的做法是将辐亮度乘以一个比例因子（如 1000 或 10000）后取整，以减小文件体积。但若在后续处理中忘记将整型数据除以相同的比例因子还原为浮点辐亮度，就会导致输入 FLAASH 的数值被放大了 1000 倍或 10000 倍，直接触发数值超限报错。

例如，某景 Landsat 8 OLI 数据的可见光波段典型辐亮度约为 80 W·m⁻²·sr⁻¹·μm⁻¹，换算为 FLAASH 单位为 800 μW·cm⁻²·nm⁻¹·sr⁻¹。若定标时采用 Scale Factor = 1000 存储为整型，则文件中该像元值为 800000。若不还原直接输入 FLAASH，数值远超 500 的上限，必然报错。

4.2 单位换算遗漏

另一类高频错误是单位换算遗漏。许多用户从 USGS EarthExplorer 或 ESA Copernicus Open Access Hub 下载数据后，使用官方提供的定标系数计算辐亮度，得到的是 W·m⁻²·sr⁻¹·μm⁻¹ 单位。但 FLAASH 要求 μW·cm⁻²·nm⁻¹·sr⁻¹，两者相差 10 倍。若直接输入，辐亮度数值整体偏小，大气校正后反射率被压缩，图像呈现全黑或极暗状态。

本文评述：单位换算错误比 Scale Factor 错误更隐蔽，因为数据范围检查可能仍然通过——例如 80 W·m⁻²·sr⁻¹·μm⁻¹ 输入 FLAASH 后数值为 80，落在 0.1–500 的检查范围内。但物理量纲已经错误，大气校正结果不可用。这说明仅依赖 FLAASH 的范围检查不足以发现所有量纲问题。

4.3 数据存储类型混淆

辐射定标结果可能以整型（Int16、UInt16）或浮点型（Float32）存储。整型存储通常伴随 Scale Factor 使用，而浮点存储则直接保存辐亮度值。若处理脚本中未正确区分存储类型，例如将整型数据当作浮点辐亮度直接读取，或者将浮点数据错误地应用了额外的比例因子，都会造成量纲偏差。

笔者在工程实践中遇到过一种典型情况：某处理脚本原本针对 QuickBird 数据编写，定标输出为整型且 Scale Factor = 100。后来该脚本被复用于 WorldView-3 数据，而定标输出已改为浮点型。脚本中残留的除以 100 操作导致辐亮度被缩小 100 倍，FLAASH 输出反射率严重偏低。

五、诊断路径与操作步骤

5.1 故障定位流程

当 FLAASH 报错或输出全黑时，建议按照以下顺序进行系统排查：

1. 检查辐射定标输出文件的元数据：确认数据类型（整型/浮点）、单位标注、Scale Factor 记录是否完整。
2. 统计辐亮度数值分布：计算各波段的最小值、最大值、均值和标准差，与典型陆地辐亮度范围进行对比。
3. 核对单位换算：确认定标输出的单位是否与 FLAASH 要求的 μW·cm⁻²·nm⁻¹·sr⁻¹ 一致，若不一致则进行换算。
4. 验证 Scale Factor 还原：若定标输出为整型，确认是否已除以正确的比例因子还原为浮点辐亮度。
5. 检查 FLAASH 参数设置：确认传感器类型、飞行高度、大气模型、气溶胶模型等参数与数据实际情况匹配。

5.2 典型辐亮度范围参考

不同传感器和波段在典型陆地场景下的辐亮度范围存在差异。下表给出了几种常见传感器在 FLAASH 单位下的参考范围，数据来源于 USGS Landsat 8 Data Users Handbook、ESA Sentinel-2 User Guide 以及 NASA MODIS Level 1B Product Guide 中的典型值整理。

注：表中数值为典型陆地场景下的统计参考范围，实际值受太阳高度角、地表类型和大气条件影响。数据来源：USGS、ESA、NASA 官方文档整理。

5.3 实操修复示例

以 ENVI 辐射定标工具为例，若定标输出为整型且 Scale Factor = 1000，则在进入 FLAASH 前需执行以下还原操作：使用 Band Math 或 IDL 脚本将整型数据除以 1000.0，输出为 Float32 类型。同时检查单位是否已换算为 μW·cm⁻²·nm⁻¹·sr⁻¹。若原始定标结果为 W·m⁻²·sr⁻¹·μm⁻¹，则需再乘以 10.0。

本文评述：实际操作中，建议将单位换算和 Scale Factor 还原合并为一步完成，减少中间文件数量，也降低遗漏风险。例如，若定标输出整型值为 I，Scale Factor 为 S，单位为 W·m⁻²·sr⁻¹·μm⁻¹，则 FLAASH 输入值 L_FLAASH = (I / S) × 10.0。

六、自动化检查与脚本实现

6.1 检查逻辑设计

为了在批量处理中自动拦截量纲错误，可以设计一个轻量级的辐亮度合理性检查模块。该模块的检查逻辑包括：

• 数据类型的自动识别：读取文件头信息，判断数据存储类型是整型还是浮点型。
• 数值范围检查：统计各波段有效像元的最小值、最大值和均值，与预设的合理范围进行比对。
• 单位一致性标记：检查元数据中的单位字段，若缺失或与 FLAASH 要求不一致，则发出警告。
• Scale Factor 还原验证：若数据为整型，检查是否提供了 Scale Factor 信息，并验证还原后的浮点值是否落在合理范围内。

6.2 Python 脚本示例

以下 Python 脚本片段展示了基于 GDAL 的辐亮度统计检查逻辑，适用于 GeoTIFF 格式的辐射定标输出文件。该脚本为笔者根据工程实践编写的示例代码，模拟数据测试通过。

import numpy as np
from osgeo import gdal

def check_radiance_range(filepath, sensor='generic'):
    ds = gdal.Open(filepath)
    if ds is None:
        return {'error': 'cannot open file'}
    
    n_bands = ds.RasterCount
    stats = {}
    for b in range(1, n_bands + 1):
        band = ds.GetRasterBand(b)
        data = band.ReadAsArray().astype(np.float32)
        valid = data[data > 0]  # 排除零值和无效像元
        if len(valid) == 0:
            stats[b] = {'min': None, 'max': None, 'mean': None}
            continue
        stats[b] = {
            'min': float(valid.min()),
            'max': float(valid.max()),
            'mean': float(valid.mean())
        }
    
    # 预设合理范围（FLAASH 单位）
    range_map = {
        'landsat8': (10, 500),
        'sentinel2': (10, 450),
        'modis': (5, 550),
        'generic': (5, 500)
    }
    low, high = range_map.get(sensor, range_map['generic'])
    
    warnings = []
    for b, s in stats.items():
        if s['min'] is None:
            continue
        if s['max'] > high * 1.5:
            warnings.append(f"Band {b}: max value {s['max']:.1f} exceeds expected upper bound {high}")
        if s['mean'] < low * 0.3:
            warnings.append(f"Band {b}: mean value {s['mean']:.2f} below expected lower bound {low}")
    
    return {'stats': stats, 'warnings': warnings}

本文评述：该脚本的核心价值在于将人工经验判断转化为可重复执行的规则。但需要注意，合理范围阈值需要根据传感器、季节和地理区域进行适当调整，不能机械套用。

七、多传感器场景下的参数适配

7.1 不同传感器的定标系数来源

各传感器的辐射定标系数来源和更新频率不同。Landsat 8/9 的定标系数随元数据文件（MTL.txt）分发，每景数据独立提供。Sentinel-2 的定标信息包含在 Level-1C 产品的 XML 元数据中。MODIS 的定标系数由 NASA MODIS Characterization Support Team 定期更新，通过官方产品文件中的属性字段提供。ASTER 的定标系数则记录在 HDF 文件的元数据属性中。

本文评述：多传感器处理时，不能假设定标系数的格式和单位完全一致。即使都提供辐亮度定标系数，不同机构对单位、比例因子和存储精度的约定也可能不同。因此，建立统一的内部辐亮度表示规范是必要的。

7.2 统一辐亮度表示的建议

建议在辐射定标输出阶段统一采用浮点型辐亮度，单位为 μW·cm⁻²·nm⁻¹·sr⁻¹，并保留完整的元数据记录。这样可以避免后续处理中的单位换算和 Scale Factor 还原步骤，降低出错概率。若出于存储效率考虑必须使用整型存储，则应在文件名或元数据中明确标注 Scale Factor 和原始单位。

笔者在多个项目中推行这一规范后，FLAASH 输入相关的量纲错误显著减少。统一表示虽然增加了定标输出文件的大小，但换来了流程的可靠性和可追溯性，总体工程收益为正。

7.3 特殊场景处理

对于高光谱数据（如 AVIRIS、HyMap、CASI 等），辐亮度单位通常已经是 μW·cm⁻²·nm⁻¹·sr⁻¹，与 FLAASH 要求一致。但部分机载传感器输出的辐亮度可能包含额外的定标系数或暗电流校正项，需要在预处理阶段仔细核对。对于国产卫星数据（如 GF 系列、ZY 系列），定标系数的分发格式和单位约定与国外主流传感器存在差异，处理时需要参考各卫星应用中心发布的技术文档。

八、前沿预判与工程建议

8.1 自动化量纲校验的发展趋势

随着遥感数据流水线自动化程度的提高，量纲校验正在从人工经验判断向规则引擎和机器学习辅助诊断方向发展。近年来的研究开始关注利用数据本身的统计特征自动识别量纲异常。例如，通过分析辐亮度直方图的形态、峰度和偏度，可以区分正常辐亮度分布与因单位错误导致的整体偏移或压缩。

本文评述：笔者认为，基于统计特征的自动诊断虽然具有潜力，但当前仍缺乏足够的标注样本和跨传感器泛化能力。短期内，规则引擎与人工复核相结合仍是工程上最可靠的方案。

8.2 元数据标准的完善

辐射定标输出文件的元数据完整性是量纲校验的基础。目前，GeoTIFF 格式对辐射定标元数据的支持有限，许多定标工具输出的文件仅包含基本的空间参考信息，缺乏单位、Scale Factor 和定标系数来源等关键字段。推动元数据标准的完善，将有助于自动化校验工具的普及。

笔者建议，在内部数据处理规范中，至少应记录以下元数据字段：辐射定标方法、定标系数来源、定标日期、辐亮度单位、Scale Factor（若适用）、数据存储类型、以及定标后数值范围。

8.3 工程实践中的预防措施

基于前述分析，本文提出以下工程建议：

• 在辐射定标输出后立即执行自动化量纲检查，不要等到 FLAASH 报错后再排查。
• 建立传感器参数配置文件，集中管理各传感器的定标系数来源、单位约定和合理范围阈值。
• 在批处理脚本中加入单位换算和 Scale Factor 还原的显式步骤，并添加注释说明。
• 定期审查处理流水线中的参数传递，防止脚本复用时的参数残留问题。
• 保留辐射定标和大气校正的中间文件，便于故障回溯和结果验证。

九、主要参考文献