中国区域Landsat地表反射率产品

Landsat数据是记录着人类活动和自然变化最长时间序列的遥感数据集,Landsat系列卫星数据长时序地表反射率产品在森林、水资源、气候变化等领域长时序信息挖掘分析方面具有广泛的用途。本数据集采用基于6S辐射传输模型的大气校正方法,通过辐射定标、模型参数获取、大气校正等数据处理流程,生产了中国1980s–2019年的Landsat系列卫星遥感地表反射率产品,可为遥感用户和科研工作者提供即得即用的高质量地表反射率产品。最终结果以GeoTIFF格式保存,并附带相应的质量文件和元数据文件。

Landsat系列卫星地表反射率产品研究进展

Landsat系列卫星为地球资源环境动态监测提供了长达40余年的中高分辨率卫星影像,近年来USGS等实施的Landsat数据共享计划使Landsat系列卫星数据成为应用最广泛的中高分辨率卫星数据。长期以来,Landsat系列卫星数据以灰度值(DN值)的形式提供给用户,受传感器波段响应、具体成像条件(太阳高度角、大气散射和吸收等)差异等的影响,不同传感器、不同时间、不同地点的卫星影像DN值不具有可比性,给Landsat系列卫星数据的定量应用造成了障碍。近年来国内外多家研究机构陆续推出了Landsat系列卫星地表反射率产品,以增强Landsat长时间系列卫星数据的可比性。本文对USGS、马里兰大学、WELD团队和中国科学院等多家机构推出的Landsat地表反射率产品进行了介绍,并对未来的研究方向进行了展望。

新型Landsat8卫星影像的反射率和地表温度反演

Landsat 8卫星自2013年2月发射以来,其影像的定标参数经过了不断调整和完善,针对Landsat 8开发的各种算法也相继问世.本文采用最新的参数、算法和引入COST算法建立的大气校正模型,对Landsat 8多光谱和热红外波段进行了处理,反演出它们的反射率和地表温度,并与同日的Landsat 7数据和实测地表温度数据进行了对比.结果表明,现有Landsat 8多光谱数据的定标参数和大气顶部反射率反演算法已有很高的精度,本文引入COST算法建立的Landsat 8大气校正模型也与Landsat 7的COST模型所获得的结果几乎相同,相关系数可高达0.99.但是现有针对Landsat 8提出的地表温度反演算法仍不理想,已提出的劈窗算法误差都较大.鉴于TIRS 11热红外波段的定标参数仍不理想,因此在现阶段建议采用单通道算法单独反演TIRS 10波段来求算地表温度,但要注意根据大气水汽含量的情况选用正确的大气参数计算公式.

从ASTER和Landsat/TM卫星数据反演日本千叶地区地表反射率和气溶胶光学厚度分布

在卫星遥感大气研究中,已有的精确反演海洋表面反射率和其上空气溶胶光学厚度分布的算法,由于陆地地表像元反射率的不均一性,使得这些方法在应用于陆地表面反射率的反演中具有一定的局限性。而利用三步校正法可以去除地表邻近像元的影响,从而消除这种局限性。文中介绍了三步校正的算法,并对日本千叶地区ASTER卫星数据进行了大气和地表邻近像元的影响校正,精确地反演了该地区的地表反射率,通过地表反射率和气溶胶光学厚度之间的关系计算得到了气溶胶光学厚度的分布。同时证明了在洁净天反演的地表反射率可以应用于反演同一季节中非洁净天的气溶胶光学厚度分布,这样不但减小了气溶胶模式选择的影响,而且实现了在缺少太阳辐射计数据情况下获得气溶胶光学厚度分布的目的。

青藏高原典型沙地地表反射率光谱特征与星地验证

测量地表反射率对研究地物光谱特征以及卫星地表产品检验具有重要意义。利用地物光谱仪获得青藏高原阿里地区的沙地地表反射率,并研究分析其典型光谱特征。针对Terra和Aqua卫星的中分辨率成像光谱仪(MODIS)的地表反射率产品(MOD09/MYD09)和地表反照率产品(MCD43 A4)开展真实性检验和误差影响分析。结果表明,阿里地区戈壁具有典型沙地光谱特征,各波段的地表反射率数值在0.08~0.35之间,在300~700 nm光谱范围的地表反射率随波长增大而增加,而在750~1750 nm光谱范围的地表反射率变化较小。与我国敦煌辐射校正场的沙地反射率相比,光谱曲线相似度很高,光谱夹角为2.18°。星地对比的结果受观测几何和大气光照条件的影响,下午星Aqua产品验证效果优于上午星Terra,平均误差约为5%,这与MODIS官方标称的精度相一致。研究表明,阿里地区沙地的光谱特征稳定且有代表性,是我国光学卫星在轨辐射定标和检验的理想场地。

采用地表反射率模型的Landsat时序数据集重构

选择福州市区东部面积近300 km 2的区域作为研究区,基于地表反射率模型,对2013-2016年研究区内所有的有效像元进行拟合,重构时序数据集,并通过原始影像与实测光谱对拟合结果进行评价.研究结果表明:拟合结果与原始影像在蓝、绿、红、近红外波段的相关系数均高于0.9,可见光波段均方根误差在0.01左右,近红外波段略高于0.02;拟合结果能清晰地表达不同类型植被的物候差异,与原始影像、实测归一化植被指数(NDVI)均保持较高的一致性;基于重构的数据集,可以保证选择相同时相的数据进行年度植被变化监测,进一步提高植被动态变化监测的准确性和实效性.

Landsat 5 MSS和TM地表反射率和植被指数一致性分析与纠正

基于PROSAIL模型模拟数据,分析Landsat 5 MSS和TM地表反射率及4种植被指数(NDVI,EVI2,SAVI和OSAVI)的一致性并提出纠正方法,最后使用真实的MSS和TM数据进行验证。本文进一步讨论了大气因素对二者植被指数之间的一致性的影响。研究结果表明,对于地表反射率,线性回归模型和多元线性回归模型可以将基于模拟数据计算得到的Landsat MSS等效反射率数据较为理想地纠正至Landsat TM波段上,但对于真实MSS遥感数据,反射率纠正模型在MSS传感器的绿光、红光和近红外2波段上效果不明显;对于植被指数一致性和纠正问题,使用MSS红光波段和近红外1波段先计算植被指数再使用线性回归模型进行纠正不论在模拟数据还是真实数据上均取得了最好的效果;植被指数的一致性容易受大气参数中气溶胶光学厚度估算误差影响,而受到水汽柱浓度估算误差的影响较小。

Landsat 8地表温度产品验证与分析

Landsat系列卫星热波段具有60~120 m的空间分辨率,对各种环境监测起到了重要的作用。随着Landsat系列卫星在全球范围内地表温度(land surface temperature, LST)产品的发布,其验证工作也随之展开,然而对于长时间序列的精度验证工作仍然缺乏。以黑河流域中游为研究区,利用研究区内湿地站(SD)、戈壁站(GB)和大满超级站(CJZ)三个气象站的地面测量数据对2013-2016年清晰无云的31景Landsat 8地表温度产品进行了验证与分析,并将Landsat 8地表温度产品与广泛使用的普适性单通道算法(JMS)反演结果进行了对比。结果表明,Landsat 8地表温度产品与普适性单通道算法反演结果精度均较高,在各个站点处R~2均优于0.949。基于所有站点分析,Landsat 8地表温度产品精度稍高于普适性单通道算法反演结果。

改进的劈窗算法结合Landsat 8热红外数据反演地表温度研究

将劈窗算法(SW,split window algorithm)应用于Landsat8数据进行地表温度反演,完全基于Landsat8数据本身不需要借助外部数据源,克服了传统地表温度反演依赖MODIS水汽产品外部数据造成的局限,实现利用Landsat8热红外数据反演得到较高空间分辨率的地表温度产品。以美国Walnut Gulch流域为例进行SW算法地表温度反演,并与SC算法结果、MOD11-L1地表温度产品和实测地表温度数据对比分析。结果表明,与SC(generalized single-channel algorithm)算法和MOD11-L1地表温度产品相比,SW算法应用于Landsat 8数据的地表温度反演取得较好的效果,平均误差最小为0.89K,相关系数最高为0.9841,反演结果和实测数据具有较好的一致性。

基于Acolite模型的Landsat8卫星影像大气校正

大气校正是将卫星传感器观测值转换为真实地表反射率的重要手段,也是构建各类卫星遥感产品的前提基础。本研究以临沂市及周边区域为研究区,应用Acolite模型对Landsat8卫星遥感影像开展植被、水体和人造地表等多种地物目标的大气校正,并对校正结果进行分析及精度评价。通过其与FLAASH模型及Landsat8 Collection2表面反射率数据集进行综合对比,可以发现,Acolite及FLAASH都能够在不同程度去除大气影响。相比而言,Acolite模型大气校正效果优于FLAASH模型,其地表双向反射率光谱曲线与Landsat8 Collection2表面反射率数据变化趋势基本一致。总体来看,Acolite模型对各类地物目标的大气校正整体精度较高,且应用该模型的方案具有操作简便,人工干预少等优点,可为各类地表遥感反演产品的构建提供技术支持。

基于Landsat 8 OLI可见光波段反演陆地气溶胶光学厚度

为解决目前城市上空气溶胶光学厚度反演中城市地表复杂与卫星分辨率较低的问题,提出一种改进的反演算法。首先利用波段修正后的MODIS(moderate resolution imaging spectroradiometer)地表反射率产品探究了城市区与非城市区在红、蓝波段地表反射率的比值统计关系,然后运用6S 辐射传输模型构建查找表反演获得北京及其周边地区的AOD 分布。通过AERONET(aerosol roboticnetwork)观测数据验证算法的反演精度,利用相对平均偏差RMB、平均绝对误差MAE、平均相对误差MRE、均方根误差RMSE 和相关系数R 共5 个指标进行衡量,结果表明:反演结果与AERONET观测数据具有较高的一致性,5 个观测站点的R 都大于0.95,MAE 范围为0.037~0.065,MRE 范围为24.08%~39.54%,RMSE 范围为0.047~0.083,RMB 范围为0.86~1.452,且所有观测点对中有超过84%满足MODIS 气溶胶产品的误差精度要求,说明算法对获取高分辨率城市地区的AOD 具有较好的可行性。

基于高光谱自动化观测设备的高分二号卫星在轨定标应用与验证

为验证高光谱自动化野外观测设备的地表反射率数据的应用效果,基于反射率基法开展了高分二号(GF-2)卫星遥感器的在轨定标数据应用及验证。首先系统介绍了设备安装定标场的状况及多种自动化观测设备的工作方式及性能指标,并给出了仪器的观测数据及地表反射率数据的计算方式。随后结合GF-2卫星遥感器定标的需求并利用卫星大气数据产品和GF-2遥感器的同步过顶观测影像,完成了GF-2多光谱相机(PMS)遥感器的在轨定标。最后根据获得的定标系数,利用不同时段的遥感器影像数据进行了验证。两种不同地表的应用验证表明,卫星表观辐亮度的数据整体相对偏差优于2%,验证了高光谱设备在卫星遥感器在轨定标上的可行性。

基于混合像元分解的南方地区植被覆盖度遥感监测——以广州市为例

通过测量图像端元的地表反射率,对遥感图像进行精确大气校正;在对混合像元分解模型进行改进的基础上,建立了基于地表反射率的线性混合像元分解(Liner Spectral Unmixing,LSU)模型,有效地避免了因大气时间、空间差异所造成的多时相误差,实现了多时相对比;通过增加土壤湿度因子,消除了土壤湿度差异造成的误差,建立了适用于南方地区的植被覆盖度遥感监测模型。实地验证结果表明,该模型具有较高的精度。将该模型运用于广州市1998～2009年植被覆盖度时空变化监测,认为城市化、大型工程建设与陡坡开荒是造成广州市植被覆盖度变化的主要原因。

基于多时相遥感数据的云阴影检测算法

云阴影检测是云检测中的一个重要环节,由于其光谱、纹理特征复杂,云阴影检测一直是云检测中面临的一大难题。本文针对传统云阴影检测方法的不足,提出一种基于多时相遥感数据支持的云阴影检测算法。该算法以同一区域相近时相或不同年份相近日期的卫星遥感地表反射率数据为参考,选取云阴影和典型地表样本点,对样本点进行统计分析,据其动态确定云阴影检测的阈值,并基于云阴影样本点去除土地利用/土地覆被变化对使用该方法进行云阴影检测造成的误判。基于Landsat8OLI数据,选择不同区域碎云、薄云和厚云产生的云阴影分析该方法的有效性,重点分析水体等容易与云阴影混淆的区域。结果表明,该方法能有效识别云阴影,具有较高的整体检测精度。

一种基于分层策略的时空融合模型

时空数据融合能够有效提高高空间分辨率遥感数据的时间分辨率,但是目前广泛使用的时空自适应反射率融合模型在突变区域的预测效果不佳。针对这一问题,提出一种基于分层策略的时空融合模型(hierarchical spatial-temporal fusion model,H-STFM)。该模型首先根据相邻时刻低空间分辨率数据的反射率差值,将待预测的目标像元分为物候变化像元和突变像元;然后对物候变化像元进行线性回归预测,对突变像元进行加权滤波预测;最后将物候变化和突变区域的预测结果利用优化的时间加权函数融合生成最后预测图像。以两组中分辨率遥感数据MODIS和Landsat图像为基础数据进行实验对H-STFM模型进行了定性与定量评价。结果表明,提出模型的实验结果在方差误差与相对无量纲全局误差方面表现明显优于时空自适应融合模型。

基于Landsat系列数据地表温度反演算法对比分析——以齐齐哈尔市辖区为例

Landsat热红外系列数据是地表温度反演的一项重要数据源。以齐齐哈尔市辖区为研究区域,基于2002、2008和2016年Landsat TM/ETM+/TIRS系列数据,分别采用单窗算法(MW算法)、单通道算法(SC算法)和辐射传输方程法(RTE算法)进行地表温度反演及对比分析,并利用MODIS地表温度产品对反演结果进行精度验证。结果表明:(1)基于Landsat系列数据,3种算法反演得到的地表温度的空间分布状况一致,总体上市区地表温度较高,水体区域温度最低;(2)基于ETM+数据,SC和RTE算法结果一致性较好,其中SC算法精度最高,MW算法在不同地物覆被区误差均较大;(3)MW算法基于TM数据反演精度最高,RTE算法次之,SC算法较差;(4)基于Landsat 8TIRS数据,SC算法精度最高,RTE算法误差较大。

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响,使得传感器接收到的辐射信号既包含了地物的信息,同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度,需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法,该方法由6S辐射传输模型生成查找表,其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素,这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表,对于Landsat-8 OLI传感器具有很高的通用性,通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后,采用目视解译、统计分析将校正结果与SEVI做对比分析,比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。

北京地区Landsat 8 OLI高空间分辨率气溶胶光学厚度反演

卫星气溶胶光学厚度(AOD)反演中,传统暗目标方法在反射率较低的水体、浓密植被覆盖区域取得了较好效果,在反射率较高且结构复杂的高反射地表上空目前多采用深蓝算法,但存在空间分辨率较低,对细节分布描述性较差等问题。为解决这一问题,本文首先以5年(2008年—2012年)长时间序列MODIS地表反射率产品为基础,采用最小值合成法建立500 m分辨率逐月地表反射率产品数据集,然后利用地物波谱库中典型地物波谱数据,分析建立MODIS与Landsat 8 OLI传感器蓝光波段反射率转换模型,最后北京地区AERONET地基观测数据确定了气溶胶光学物理参数,并反演获取了北京地区上空500 m分辨率的AOD分布。为验证反演算法的精度,分别将反演结果同AERONET及MODIS/Terra气溶胶产品(MOD04)进行交叉对比,同时利用相关系数R,均方根误差RMSE,平均绝对误差MAE以及MODIS AOD产品预期误差EE共4个指标进行衡量。结果表明:算法反演获取的AOD与AERONET观测值具有较高的一致性,各指标分别为R=0.963,RMSE=0.156,MAE=0.097,EE=85.3%,稍优于MOD04产品(R=0.962,RMSE=0.158,MAE=0.101,EE=75.8%),并且有效的对比点数也高于MOD04。通过与地基观测相比,卫星遥感获取的高分辨率城市地区AOD精度可作为定量评估城市空气质量的有效依据。

基于环境二号卫星宽视场图像的BRDF校正

自然地物基本都是非朗伯体,地表反射具有方向性。由于地表方向反射特性的影响,不同观测角度下宽视场相机接收到的地表反射率不同,需要进行双向反射分布函数(BRDF)校正。基于地物分类的同类像元匹配,利用中分辨率成像光谱仪(MODIS)的地表反射率产品进行BRDF模型核参数反演,实现环境二号卫星宽视场图像的BRDF校正,并使用戈壁和农田两类地物地面实测BRDF数据集,验证不同BRDF核驱动模型的核参数反演结果和BRDF校正结果。结果表明:针对戈壁和农田两种地物类型,与RossThick Maignan-LiSparseR模型相比,RossThick-LiSparseR模型与实测结果的拟合相关性更高;与只进行大气校正的结果相比,经BRDF校正后环境减灾二号01组A、B(HJ-2A/B)卫星宽视场相机的反射率与实测反射率更加接近,有效减弱BRDF效应的影响,为进一步开展定量遥感研究提供数据质量保障。

一种拓展的半物理时空融合算法及其初步应用

Landsat 5卫星较低的时间分辨率(16天)使得其很难获得大区域的、时相一致的清晰影像数据集。本文发展了一种基于半物理模型的时空融合算法-即乘性调制融合算法,并借助多时序的MODIS反射率数据来生成多时相的Landsat TM/ETM+反射率合成影像,经镶嵌后得到区域尺度的高时空分辨率地表反射率数据集(Landsat TM/ETM+)。本文利用吉林省2006年—2011年的Landsat 5 TM地表反射率数据以及500 m的MOD09A1反射率产品来生成3个时相的Landsat 5 TM反射率合成数据,从而获得研究区在上述时相下地表反射率数据的镶嵌图。初步分析表明,所生成的Landsat 5 TM反射率数据的光谱分布特征与MOD09A1反射率数据较为一致,且图像在整体上光谱特征的连续性较好。