基于FY-3A/MERSI与Terra/MODIS的单波段反射率和NDVI差异性分析1)

于成龙 刘 丹 杨晓强

(黑龙江省气象科学研究所，哈尔滨，150030)

风云三号A星(简称FY-3A)是中国第2代极轨气象卫星系列风云三号(简称FY-3)的第1颗星，卫星轨道为太阳同步轨道，高度约为距地球表面836 km，卫星发射窗口为降交点地方时10:00—10:20［1］。Terra星是美国国家宇航局为进行对地观测所发射的地球观测系统卫星，卫星轨道也为太阳同步轨道，高度为距地球表面705 km左右，每日地方时10:30 左右过境(http://modis.gsfc.nasa.gov/about/)。FY-3A与Terra星在数据采集时间上接近。MERSI和MODIS分别是装载在FY-3A和Terra星上的中分辨率成像光谱仪。MERSI具有20个波段(0.41 ～12.50 μm)，星下点分辨率为250 m(波段1～5)、1 000 m(波段6～20);MODIS拥有36个波段(0.405 ～14.385 μm)，星下点分辨率为 250 m(波段1、2)、500 m(波段 3 ～7)、1 000 m(波段 8 ～36)。2个传感器在辐射度、灵敏度、几何配准的精密度和定标的准确度等条件上都达到较高水平［2-3］，可实现全球、全天候、三维、定量、多光谱遥感，在监测大范围气象［4-5］及其衍生自然灾害［6-4］和生态环境变化［8-9］中具有一定作用。

在植被监测方面，由于MODIS数据的红光和近红外波段的空间分辨率均为250 m，因此利用MODIS数据，基于植被的红光和近红外的吸收反射特性建立的归一化植被指数(NDVI)，近20年来一直广泛应用于植被监测的研究和业务工作中［10-13］。而FY-3A/MERSI数据的红光和近红外波段的空间分辨率也为250 m，进行NDVI的计算在空间和时间上与利用MODIS数据计算的结果具有一定的可比性，但由于二者之间的探测器不同，红光和近红外的中心波长和光谱带宽的差异(FY-3A/MERSI红光和近红外的中心波长分别为 0.650、0.865 μm，光谱带宽均为0.05 μm;MODIS的红光和近红外的中心波长分别为0.645、0.858 μm，光谱带宽分别为 0.05、0.35 μm)以及几何位置的不同可能会造成2种数据对于监测同一空间植被指数时产生一定的差异，这种差异在进行较为精确的模型计算等工作时可能会带来影响。

因此，选取2010年5—10月不同时段、不同植被覆盖类型的区域，对FY-3A/MERSI与Terra/MODIS在NDVI计算结果、红光和近红外波段的反射率上进行对比分析，以期获得这2种卫星数据在植被监测中的相关性和差异，为充分利用FY-3A/MER-SI数据资料，实现FY-3A/MERSI数据产品与Terra/MODIS数据产品的衔接提供科学参考。

1 数据来源与处理

FY-3A/MERSI数据来源于中国气象局佳木斯气象卫星地面站利用光缆传输的数据，为2010年5—10月覆盖黑龙江省范围的5分钟块数据，经过辐射定标和几何定位后，生成HDF格式的数据。Terra/MODIS数据来源于美国NASA EOS数据中心提供的1B数据产品，时间和覆盖范围与FY-3A/MERSI一致，产品已经过辐射定标和几何定位，数据格式为HDF。

表1 不同日序选取的像元数

2种数据均利用中国气象局卫星气象中心开发的风云三号监测分析服务系统(简称MAS)，转换为等经纬度投影，基准面为WGS-84坐标系。转化时未对数据进行大气校正，也未考虑太阳天顶角和几何位置的差异，但由于FY-3A和Terra 2种卫星的过境时间相近，这些因素对数据质量的影响几乎是相同的，作为平行对比试验，只保证了这2种数据处理过程的一致性。

利用ENVI软件，选取2010年5—10月晴空数据进行地理配准，再利用决策树法对云进行判识后剔除，计算NDVI，再提取红光、近红外波段的反射率以及对应像元的NDVI值，统计后进行比较。同时，在此数据基础上，还利用已有的土地分类矢量文件，提取出耕地、森林、草地和建筑用地，统计FY-3A/MERSI和Terra/MODIS数据在这4种土地覆盖类型中红光、近红外波段的反射率以及对应像元的NDVI的相关性和差异。数据选取的日期和像元数见表1，表中的所有像元不仅包括这4种土地覆盖类型，还包括其他土地覆盖类型。

由于不同波段反射率或NDVI的绝对数值范围不同，为比较2种数据各波段和NDVI之间不同日序的波动情况，把各日序数据逐个波段或指数的差值进行归一化处理，再计算标准差。归一化的方法如下:

式中:yi为转换后数值;xi为转换前数值;xmin为转换前样本最小值;xmax为转换前样本最大值。

2 结果与分析

2.1 单波段反射率和NDVI的相关性

从FY-3A/MERSI和Terra/MODIS在不同时序红光(图1-a)和近红外(图1-b)反射率的日平均值可见，除时序为2010147的FY-3A/MERSI和Terra/MODIS近红外反射率差异较大外，其他时序的红光和近红外反射率差异很小，曲线接近重合，说明2种数据之间有较强的相关关系。从2种数据不同时序的NDVI变化曲线也能得出相同的结论(图1-c)。

图1 FY-3A/MERSI和Terra/MODIS单波段反射率和NDVI日平均值

分别所有像元、耕地、森林、草地和建筑用地，统计FY-3A/MERSI和Terra/MODIS在不同时序红光和近红外反射率日平均值的相关性表明(表2)，2种数据的单波段反射率具有极显著的相关性，相关系数均超过0.96，统计显著性 P＜0.000 1。从不同波段相关性看，红光、近红外反射率在森林中最高，分别达0.996 1 和 0.998 5。

用同样的方法比较利用这2颗卫星数据计算出的NDVI的相关系数均超过0.93，统计显著性P＜0.000 1。NDVI在所有像元、耕地、森林、草地、建筑用地的相关系数分别为 0.997 7、0.974 5、0.939 8、0.942 5、0.987 1。

表2 FY-3A/MERSI和Terra/MODIS单波段反射率的相关系数

2.2 单波段反射率和NDVI的差异

FY-3A/MERSI和Terra/MODIS在不同时序红光、近红外反射率和NDVI的日平均值存在较强的相关性，但也存在一定的差异，因此分别土地覆盖类型，用FY-3A/MERSI值减去同日Terra/MODIS对应波段反射率和NDVI值，得到2种数据在不同土地覆盖类型中的同日对应波段反射率和NDVI值的差异。

表3为FY-3A/MERSI和Terra/MODIS数据中红光、近红外反射率和NDVI差异的描述性统计。从红光、近红外反射率和NDVI差异的变化幅度上看，红光反射率中差异最大的是耕地，变化幅度为10.460，其次为草地，变化幅度为 2.047，森林和建筑用地的变化幅度在2以下;近红外反射率中差异最大的也是耕地，变化幅度为19.087，其次为森林，为7.647，草地和建筑用地的变化幅度分别为4.455和1.447;NDVI中差异最大的是森林，变化幅度为0.085，其他土地覆盖类型均在0.020左右。从平均值上看，FY-3A/MERSI的红光反射率在耕地、森林和草地上的值均高于Terra/MODIS，在建筑用地上的值低于Terra/MODIS;FY-3A/MERSI的近红外反射率在耕地、草地和建筑用地上的值均低于Terra/MODIS，在森林上的值高于Terra/MODIS;FY-3A/MERSI的NDVI值在4种土地覆盖类型中均低于Terra/MODIS，其中森林的NDVI值低的最多，为0.012 3。从标准差上看，4种土地覆盖类型的红光、近红外反射率和NDVI差值的标准差为0.200 0～0.350 0，其中红光、近红外反射率差值的标准差最大的都是森林，分别为 0.322 5 和 0.277 5，NDVI差异的标准差最大的是耕地，为0.327 3。

3 结论与讨论

研究表明，FY-3A/MERSI和 Terra/MODIS数据中红光、近红外反射率和NDVI值具有极显著的相关性，相关系数均超过0.93，其中2颗卫星数据的红光和近红外反射率在森林中的相关性最高，NDVI在建筑用地的相关性最高。在不同土地覆盖类型中，利用FY-3A/MERSI数据计算的NDVI值均小于利用Terra/MODIS计算的NDVI值，而2颗卫星数据在红光和近红外反射率方面的数据差异因土地覆盖类型而异。在进行FY-3A/MERSI和Terra/MODIS数据对比时，参考了文献［14］的分析方法，目的是为了通过FY-3A/MERSI和Terra/MODIS数据的对比结果，也可以间接了解FY-3A/MERSI和Aqua/MODIS数据的相关性和差异性。在相关性方面，本研究结果略低于王静等［14］统计的TerraMODIS和AquaMODIS相应的单波段反射率和NDVI的相关系数(均超过 0.98)，高于冯锐等［15］对 FY3/MERSI和EOS/MODIS归一化植被指数相关性的统计(相关系数在 0.90 以下)，也高于张杰等［16］对NOAA-17归一化后的NDVI与Terra卫星的MODIS资料所获取的NDVI的相关系数(0.704 2)。另外，文中只是对FY-3A/MERSI和Terra/MODIS部分数据进行了对比分析，只保证了这2种数据在定标和定位后，处理过程的一致性，并未对数据进行大气校正、正射校正等处理，获得的地表反射率和植被指数并不完全一致;本研究中两颗卫星数据计算的NDVI相关性与冯锐等［15］的统计结果存在一定差异，其原因还有待进一步研究。

表3 FY-3A/MERSI和Terra/MODIS在不同土地覆盖类型下单波反射率和NDVI差值的描述性统计

［1］范天锡.风云三号气象卫星的特点和作用［J］.气象科技，2002，30(6):321-327.

［2］杨军，董超华，卢乃锰，等.中国新一代极轨气象卫星:风云三号［J］.气象学报，2009，67(4):501-509.

［3］Gallo K，Lei J，Reed B，et al.Multi-platform comparisons of MODIS and AVHRR normalized difference vegetation index data［J］.Remote Sensing of Environment，2005，99:221-231.

［4］龙利民，张萍萍，张宁.2008-07-22襄樊特大暴雨FY-3A微波资料分析［J］.大气科学学报，2010，33(5):569-575.

［5］Lahet F，Stramski，D.MODIS imagery of turbid plumes in San Diego coastal waters during rainstorm events［J］.Remote Sensing of Environment，2010，114(2):332-344.

［6］Kiage L M，Walker N D.Using NDVI from MODIS to monitor duckweed bloom in lake Maracaibo，Venezuela［J］.Water Re-sources Management，2009，23(6):1125-1135.

［7］Wisdom M D.Characterization of the July 2007 Swaziland fire disaster using satellite remote sensing and CIS［J］.Applied Geography，2009，29(3):299-307.

［8］Schubert P，Eklundh L，Lund M，et al.Estimating northern peatland CO2exchange from MODIS time series data［J］.Remote Sensing of Environment，2010，114(6):1178-1189.

［9］王鹤松，贾根锁，冯锦明，等.我国北方地区植被总初级生产力的空间分布与季节变化［J］.大气科学，2010，34(5):882-890.

［10］李登科，范建忠，王娟.陕西省植被覆盖度变化特征及其成因［J］.应用生态学报，2010，21(11):2896-2903.

［11］陈方敏，徐明策，李俊祥.中国东部地区常绿阔叶林景观破碎化［J］.生态学杂志，2010，29(10):1919-1924.

［12］Bastiaanssen W G M，Ali S.A new crop yield forecasting model based on satellite measurements applied across the Indus Basin，Pakistan［J］.Agriculture，Ecosystems and Environment，2003，94:321-340.

［13］刘惠敏，马小群，孙秀帮.安徽省MODIS干旱监测技术研究［J］.气象，2010，26(4):111-115.

［14］王静，郭铌.TerraMODIS和AquaMODIS波段反射率及植被指数比较［J］.生态学杂志，2008，27(10):1711-1717.

［15］冯锐，纪瑞鹏，武晋雯，等.FY3/MERSI和 EOS/MODIS归一化植被指数差异分析［J］.中国农学通报，2010，26(19):359-362.

［16］张杰，郭铌，王介民.NOAA/AVHRR与EOS/MODIS遥感产品NDVI序列的对比及其校正［J］.高原气象，2007，26(5):1097-1104.