TM／ETM＋影像大气校正产品质量评价方法研究

刘耀林，赵 翔，马潇雅，刘殿锋

1.武汉大学资源与环境科学学院，湖北武汉430079；2.地理信息系统教育部重点实验室，湖北武汉430079；3.数字制图与国土信息应用工程国家测绘地理信息局重点实验室，湖北武汉430079

TM／ETM＋影像大气校正产品质量评价方法研究

刘耀林1，2，3，赵 翔1，马潇雅1，刘殿锋1

1.武汉大学资源与环境科学学院，湖北武汉430079；2.地理信息系统教育部重点实验室，湖北武汉430079；3.数字制图与国土信息应用工程国家测绘地理信息局重点实验室，湖北武汉430079

对TM／ETM＋的大气校正产品质量进行评价是改进影像质量的必要手段。提出采用已有高质量TM／ETM＋表面反射率产品作为参考影像评价TM／ETM＋的大气校正产品质量的方法。该方法设计了面向产品质量评价的影像光谱采样方案和多时相遥感影像PIFs（pseudo invariant features，PIFs）样本自动识别方法，能对多时相／季相TM／ETM＋大气校正产品质量进行评价。试验表明该方法能准确识别PIFs地物，评价结果真实反映了遥感影像大气校正结果准确度。方法具有快速和低成本等特点，能开展规模化应用。

大气校正；质量评价；精度验证；Landsat；TM／ETM＋；全球土地调查

1 引 言

Landsat系列卫星获得的TM／ETM＋影像由于其适中的分辨率、长期连续对地观测等优势，已成为研究全球／区域变化的重要基础数据［1］，并在诸多领域得到了应用［2－5］。然而，由于大气效应的存在影响了遥感图像的可用性，需要进行大气校正获得地表真实反射率以提高产品质量［6－7］。由于大气校正使用的模型、环境参数等包含许多不确定性因素，直接影响校正产品的质量，进而导致植被指数、叶面积指数等地表参数的提取精度下降［8］。因此，采用科学方法对TM／ETM＋的大气校正产品质量进行评价，不仅是改进产品质量的必要途径，也是提高产品应用结果可靠性的迫切需要。

目前国内外有关遥感影像大气校正产品质量评价的基本思路都是采用统计学的方法，通过对比分析地表对象在产品影像上的光谱值与“真实”光谱值之间的一致性以评价产品质量的优劣。根据“真值”光谱来源不同，质量评价方法主要有以下两类［9］：① 地面同步观测验证法［6，9－13］；② 参考影像对比法［14－15］。前者“真值”来源于野外实际测量，数据可靠性好，但检验成本高，不适合开展大规模应用，也无法对历史影像的大气校正结果进行评价；后者得到的评价结果则是一种相对质量，要求参考影像质量可靠且与产品影像具有相近的光谱波段、相同的观测时间，但具有低成本、快速的特点，适合开展大规模应用。

选择高质量参考影像实现TM／ETM＋大气校正产品质量规模化评价是本文的关注重点。由于MODIS的表面反射率产品已经过多方验证具有较好的校正质量［6，13，16］，文献［14］将其经过投影转换等预处理后应用于全球Landsat表面反射率产品的质量评价，取得了较好效果。然而该方法不能对1999年12月以前获得的TM／ETM＋影像大气校正产品进行质量评价。且MODIS影像与TM／ETM＋影像在空间分辨率、投影坐标系等方面的差异一定程度上也会对质量评价结果带来不利影响。针对上述方法的不足，本文以现有高质量Landsat表面反射率产品为参考影像，研究针对具有不同时相的TM／ETM＋影像大气校正产品质量评价方法，为全球／区域级的TM／ETM＋影像产品质量评价提供技术支持。

2 TM／ETM＋影像大气校正产品质量评价模型

2.1 模型设计思路与技术流程

时相不同的遥感影像通常需要在影像上寻找伪不变特征点（pseudo invariant features，PIFs），通过比较PIFs的光谱一致性以间接分析影像光谱的一致性。伪不变特征点是一类光谱特征几乎不随时间变化的地物，如沙漠、人造覆盖等。PIFs的这一特性通常被用于不同时相遥感影像的归一化处理［17］，也是本研究的理论基础。基于上述原理，设计TM／ETM＋影像大气校正产品质量评价方法包括3个关键步骤：① 选择高质量的TM／ETM＋表面反射率产品作为参考影像，采用系统抽样方法生成一系列地物光谱样本；②比较分析各样本在产品影像和参考影像上的光谱值，并从中提取出PIFs样本；③比较PIFs样本在参考影像和产品影像上的光谱值，进而评价产品影像相对质量。具体方法流程见图1。

图1 TM／ETM＋影像大气校正产品质量评价方法流程图Fig.1 Flowchart for assessing the TM／ETM＋atmospheric correction products

2.2 影像光谱采样方案设计

由于几何位置误差和地表邻近效应的存在，影像之间不适合进行逐像元的直接比较，大多采用基于样本的方法进行比较［14］。影像光谱采样采用系统抽样方法，按照PIFs样本选取的基本准则进行，即［18］：①PIFs应当尽可能同质；②PIFs应当具有较大面积；③PIFs光谱值在较大范围内有分布。采样方案设计的关键在于确定适当的样本大小和采样间隔：当研究区地表覆盖类型错综复杂，PIFs地物较少时，选择较小的样本和采样间隔以扩大搜索范围；反之则选择较大的样本和采样间隔以提高计算效率。表1是根据多次试验得到的可供参考的光谱采样方案。

表1 光谱采样参数配置Tab.1 Parameters for spectrum sampling像素

对得到样本集，首先计算样本在TM／ETM＋影像1、2、3、4、5、7波段上的像元光谱平均值和变异系数（coefficient of variation，CV），剔除不同质样本。如图2所示，设样本S在波段i上所包含的像元集合为C，则S在该波段的光谱值SBandi取C的像元光谱平均值CAVG；S在波段i上的变异系数CCV用于度量样本的同质性，其取值为集合C的像元光谱值标准差Cσ与平均值CAVG的比值。通常当样本集的CCV值≤0.1时，该样本集可认为是同质的。由于第1波段（蓝光）受到大气散射等因素的影响最为严重，误差更为明显。因此，在进行样本同质性检验时，可适当放宽对蓝光波段的CCV值要求。经过多次试验分析，当某个样本在各波段的像元光谱变异系数满足表2中的条件时，该样本可视为同质样本。

图2 光谱采样方法Fig.2 Illustration of the sampling strategy

表2 样本同质性检验指标阈值Tab.2 Value range threshold values used to determine homogeneous samples

2.3 PIFs样本自动识别

PIFs的基本特性是其光谱曲线几乎不随时间变化，不同时间获得的光谱曲线形状高度相似。对PIFs对象在两个不同时点T1、T2分别获得的光谱曲线ST1与ST2进行相关性分析，理论上可得到一条经过坐标系原点且斜率为a＝1的直线。然而，由于受到不确定性因素影响，该直线斜率通常近似为1，且偏离原点（图3）。此外，地表植被是遥感影像随季节发生变化的主要地物类型，在分析样本两期影像相关性（R）的基础上，考虑样本在两期影像上的归一化植被指数（normalized difference vegetation index，NDVI）变化（ΔNDVI）可进一步剔除非PIFs样本：样本在两期影像上的光谱值相关系数越接近1且ΔNDVI越接近0，则该样本为PIFs样本的可能性越大。为获得尽可能多的质量评价样本，同时保证PIFs样本识别的准确度，在参考国内外现有研究结论的基础上进行多次实验，设计R和ΔNDVI的阈值见表3。

表3 PIFs样本自动识别指标及阈值Tab.3 Indies and threshold values for identifying the PIFs

图3 PIFs样本的光谱特征Fig.3 Spectral characteristics of the pseudo invariant features

2.4 校正影像质量评价

TM／ETM＋影像大气校正产品质量评价方法采用参考文献［14］的研究结果，即采用线性回归模型分析PIFs样本在产品影像和参考影像上的光谱一致性，得到式（1）的回归方程，并计算相关系数R和样本光谱均方根误差RMSD

式中，X为所有样本在参考影像上各波段光谱值的集合；Y为所有样本在产品影像上对应光谱值的集合。当a和R的值接近于1、b和RMSD的值接近于0时，表明产品影像和参考影像之间的光谱一致性较好，影像校正质量较高；反之，则可能存在问题有待进一步改进。

3 试验与分析

3.1 试验数据获取与预处理

选取两个具有不同地表覆盖特征的区域作为试验区。其中：①试验区1在Landsat的WRS－2（worldwide reference system）坐标系中的位置为path＝124，row＝039，地表覆盖类型主要为耕地和森林，不变地物较少，地表覆盖类型相对复杂；②试验区2的WRS－2坐标位置为path＝129，row＝031，地表覆盖类型主要为沙漠／荒漠化地区，东南有少量耕地和草地，地物类型相对单一。试验使用的高质量参考影像从马里兰大学global land saurvey surface reflectance数据集中获得，基本信息见表4，位置见图4。

图4 试验参考影像（ETM＋7，4，3波段合成）Fig.4 Color composite of reference imagery：ETM＋bands 7（R），4（G），and 3（B）imagery

表4 参考影像基本信息Tab.4 Information of the reference images used in the study cases

每个试验区从NASA的Landsat L1T产品中下载两景不同季相的影像作为试验影像，其中1景与参考影像季相相同，1景与参考影像季相不同，试验影像基本信息分别见表5与图5。每景影像利用其自带的元数据在ENVI中完成辐射定标和大气校正。

表5 试验影像基本信息Tab.5 Information of the product images used in the study cases

图5 试验影像（ETM＋7，4，3波段合成）Fig.5 Color composite of the product images：ETM＋bands 7（R），4（G），and 3（B）imagery

3.2 试验结果与分析

3.2.1 影像质量评价结果

试验区1（P124R039）每隔10个像元采集一个大小为3×3的光谱样本；试验区2（P129R031）每间隔50个像元采集一个大小为5×5的样本。对系统抽样得到的光谱样本依据表2设计的PIFs识别指标自动提取PIFs样本，在此基础上评价校正质量，得到结果见表6。

表6 试验影像质量评价结果Tab.6 Quality assessment result of the product images

3.2.2 PIFs样本提取结果分析

PIFs样本提取的准确性直接影响评价结果的可靠性。为验证PIFs样本提取方法的合理性，必须对各影像提取的PIFs样本从数量和质量两方面进行评价与分析。数量上：① 试验区1的影像上提取的样本数量明显少于试验区2影像上提取的样本数；② 从校正后影像上提取的样本数总体上接近于未经校正的影像；③ 试验区1内与参考影像季相相同的产品上提取的样本数量远大于与参考影像季相不同的影像，而在试验区2上，后者则略小于前者。各影像上提取的PIFs样本数量特点反映了这两个试验区的地表覆盖差异，即试验区1的植被覆盖面积较大，不变地物分布区域较少，故提取的样本数量相对较少，产品影像与参考影像季相不同时提取的样本数更少；试验区2植被覆盖面积较小，有大面积不变地物－沙漠的分布，提取样本数量较多，且不同季相影像上提取的样本数量也基本接近。PIFs样本质量主要通过统计样本集中植被样本的数量进行反映。由于地表植被覆盖区的光谱曲线会随季节发生重大变化。因此，PIFs样本中植被样本个数应当尽可能少。分别对两个试验区内提取的PIFs样本NDVI指数进行统计，结果见图6。

图6 样本NDVI指数分布统计图Fig.6 Cumulative percentage of the simples’NDVI distribution

对影像上样本NDVI指数进行分析，当NDVI指数大于0.45时，该样本即归为植被样本。由图6可得，试验区1：与参考影像季相相同的产品上提取的PIFs样本中，约有一半样本为植被；与参考影像季相不同的产品上提取的PIFs样本中，植被样本数量则不到10%。试验区2：季相不同的产品上提取的PIFs样本几乎全部为非植被样本。试验区1内，参考影像观测时间为2001－09－15，与其季相相同的试验影像观测于1999－09－10，两者观测时间十分接近，植被的光谱也可认为基本不变。因此，从P124R039＿19990910＿TOA与P124R039＿19990910＿FLA上提取的样本中包含较多植被样本是合理的。

3.2.3 影像质量评价结果分析

图7中第1、2行的统计图为未经过大气校正的质量评价结果，第3、4行为经过Flaash模型大气校正后的质量评价结果。从图中样本分布和样本相关性分析结果可知经过大气校正后的影像质量明显得到改善，主要体现在：经过大气校正的影像，其PIFs样本光谱值回归系数和相关系数相对于未经过大气校正的影像更加接近于1，且样本的均方根误差RMSD也相对减少。评价结果和产品质量情况基本相符。

4 结 论

验证试验结果表明，本文的TM／ETM＋影像大气校正产品质量评价方法总体上具有快速和低成本的特点，能够开展规模化应用。相对于国内外已有的遥感影像大气校正产品质量评价方法，本研究主要解决的问题有：① 设计了用于TM／ETM＋影像大气校正产品质量评价的影像光谱采样方案；② 提出了面向产品质量评价的PIFs样本自动识别指标，能够在具有不同时相／季相的TM／ETM＋影像上较为准确的识别出PIFs样本；③方法可实现对历史多期TM／ETM＋影像产品质量的一致性进行评价。本方法评价结果可靠性的关键在于使用高质量TM／ETM＋表面反射率产品作为参考影像。美国马里兰大学和美国国家航空航天局对Landsat全球地表反射率产品的不断开发和完善为本方法开展大规模应用提供了条件。本文设计的TM／ETM＋影像大气校正产品质量评价方法对类似于TM／ETM＋传感器的遥感卫星（如中国的环境一号卫星等）影像大气校正产品质量评价同样具有借鉴意义。

图7 影像质量评价结果Fig.7 Scatter plots for the comparisons of the product imagery from the reference imagery

［1］ VERMOTE E F，SALEOUS N Z，PRIVETTE J L.Surface Reflectance Earth System Data Record［R／OL］.［2011－12－26］.http：∥landportal.gsfc.nasa.gov／Documents／ESDR／Surface＿Reflectance＿Vermote＿whitepaper.pdf.

［2］ POTAPOV P，HANSEN M C，GERRAND A M，et al.The Global Landsat Imagery Database for the FAO FRA Remote Sensing Survey［J］.International Journal of Digital Earth，2011，4（1）：2－21.

［3］ POTAPOV P，TURUBANOVA S，HANSEN M C.Regional－scale Boreal Forest Cover and Change Mapping Using Landsat Data Composites for European Russia［J］.Remote Sensing of Environment，2011，115（2）：548－561.

［4］ YANG Shuwen，XUE Chongsheng，LIU Tao，et al.A Method of Small Water Information Automatic Extraction from TM Remote Sensing Images［J］.Acta Geodaetica et Cartographica Sinica，2010，39（6）：611－617.（杨树文，薛重生，刘涛，等.一种利用TM影像自动提取细小水体的方法［J］.测绘学报，2010，39（6）：611－617.）

［5］ XIAO Zhiqiang，BAO Guangshu，HUANG Jixian.Update of Road Network in GIS by Fusing SAR and TM Imagery［J］.Acta Geodaetica et Cartographica Sinica，2006，35（1）：46－51.（肖志强，鲍光淑，黄继先.融合SAR和TM图像更新GIS道路网络数据［J］.测绘学报，2006，35（1）：46－51.）

［6］ LIANG Shunlin，FANG Hongliang，CHEN Mingzhen，et al.Validating MODIS Land Surface Reflectance and Albedo Products：Methods and Preliminary Results［J］.Remote Sensing of Environment，2002，83（1－2）：149－162.

［7］ CHENG Wei，WANG Liming，TIAN Qingjiu.A Method of Atmospheric Correction Based on Shadow－pixel for Optical Satellite Data［J］.Acta Geodaetica et Cartographica Sinica，2008.37（4）：469－475.（程伟，王黎明，田庆久.一种基于阴影像元的光学遥感大气校正方法［J］.测绘学报，2008，37（4）：469－475.）

［8］ WANG Yujie，TIAN Yuhong，ZHANG Yu，et al.Investigation of Product Accuracy as a Function of Input and Model Uncertainties：Case Study with SeaWiFS and MODIS LAI／FPAR Algorithm［J］.Remote Sensing of Environment，2001，78（3）：299－313.

［9］ JANZEN D T，FREDEEN A L，WHEATE R D.Radiometric Correction Techniques and Accuracy Assessment for Landsat TM Data in Remote Forested Regions［J］.Canadian Journal of Remote Sensing，2006，32（5）：330－340.

［10］ COLL C，GALVE J M，SANCHEZ J M，et al.Validation of landsat－7／ETM＋Thermal－Band Calibration and Atmospheric Correction with Ground－based Measurements［J］.IEEE Transactions on Geoscience and Remote Sensing， 2010，48（1）：547－555.

［11］ LIANG S H，FANG J T，MORISETTE M，et al.Atmospheric Correction of Landsat ETM＋Land Surface Imagery－Part II：Validation and Applications［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40（12）：2736－2746.

［12］ WANG Y J，LYAPUSTIN A I，PRIVETTE J L，et al.Atmospheric Correction at AERONET Locations：a New Science and Validation Data Set［J］.IEEE Transactions on Geoscience and Remote Sensing，2009，47（8）：2450－2466.

［13］ LIU Xuefeng，LI Xianhua，ZENG Qihong，et al.Validating MODIS Surface Reflectance Based on Field Spectral Measurements［J］.International Journal of Remote Sensing，2010，31（6）：1645－1659.

［14］ FENG Min，HUANG Chengquan，VERMOTE E F，et al.Quality Assessment of Landsat Surface Reflectance Products Using MODIS Data［J］.Computers ＆Geosciences，2012，38（1）：9－22.

［15］ HIROKAZU Y，AKIHIDE K，MASAO M，et al.An Assessment of ASTER Surface Reflectance Products Generated by GEO Grid［C］∥Proceedings of the SPIE，Remote Sensing and Modeling of Ecosystems for Sustainability.San Diego：［s.n.］，2010.

［16］ VERMOTE E F，KOTCHENOVA S Y.MOD09（Surface Reflectance）User’s Guide［EB／OL］.［2011－12－26］.http：∥datamirror.csdb.cn／modis／resource／doc／MOD09＿UserGuide.pdf.

［17］ ZHANG Youshui，FENG Xuezhi，ZHOU Chenghu.Relative Radiometric Correction for Multitemporal TM Images［J］.Acta Geodaetica et Cartographica Sinica，2006，35（2）：122－127.（张友水，冯学智，周成虎.多时相TM影像相对辐射校正研究［J］.测绘学报，2006，35（2）：122－127.）

［18］ ECKHARDT D W，VERDIN J P，LYFORD G R.Automated Update of An Irrigated Lands GIS Using SPOT HRV Imagery［J］.Photogrammetric Engineering and Remote Sensing，1990，56（11）：1515－1522.

Research on Quality Assessment of Atmospheric Correction Products Retrieved from TM／ETM＋Imagery

LIU Yaolin1，2，3，ZHAO Xiang1，MA Xiaoya1，LIU Dianfeng1
1.School of Resources and Environment Science，Wuhan University，Wuhan 430079，China；2.Key Laboratory of Geographic Information System，Ministry of Education，Wuhan430079，China；3.Key Laboratory of Digital Mapping and Land Information Application Engineering，National Administration of Surveying，Mapping and Geoinformation，Wuhan University，Wuhan430079，China

Assessing the quality of atmospheric correction products retrieved from TM／ETM＋imagery is a necessary means to improve the product’s quality，and it is also important to the scientists who use the imagery.At the basis of the summarization of the present methods，a new approach using the available global land survey surface reflectance product as reference imagery for validating the accuracy of atmospheric correction products retrieved from TM／ETM＋is proposed.The steps are as follow：Firstly，the spectrum sampling strategy is designed to get spectrum samples from the product imagery and the reference imagery，then using the coefficient of variation to determine homogeneous samples.After obtaining the homogeneous samples from the imagery，the PIFs（pseudo invariant features，PIFs）samples are identified by using the spectrum correlation coefficient R and the normalized difference vegetation index（NDVI）differential between the product imagery and the reference imagery.Finally，the quality consistencies between the multi－temporal imagery are evaluated based on the PIFs samples.Experimental results have shown that the new approach can accurately identify the PIFs and obtain the quality information rapidly，and it is very suitable for large－scale applications and can provide the global／region change researchers with some essential quality information on base imagery.

atmospheric correction；quality assessment；validation；Landsat；TM／ETM＋；global land survey

LIU Yaolin（1960—），male，professor，PhD supervisor，majors in remote sensing application，GIS etc.

LIU Yaolin，ZHAO Xiang，MA Xiaoya，et al.Research on Quality Assessment of Atmospheric Correction Products Retrieved from TM／ETM＋Imagery［J］.Acta Geodaetica et Cartographica Sinica，2012，41（4）：549－555.（刘耀林，赵翔，马潇雅，等.TM／ETM＋影像大气校正产品质量评价方法研究［J］.测绘学报，2012，41（4）：549－555.）

P237.4

A

1001－1595（2012）04－0549－07

国家863计划（2009AA122001）

雷秀丽）

2011－12－26

2012－05－20

刘耀林（1960—），男，教授，博士生导师，主要从事遥感技术与应用，GIS地理信息系统理论、方法和分析模型等方面的研究。

E－mail：yaolin610＠163.com