AVHRR NDVI和MODIS NDVI一致性评估

任梓菡

（1.兰州大学 资源与环境学院，甘肃 兰州 730000）

归一化植被指数（NDVI）是定性和定量评估植被生长状况的重要指标之一。研究不同传感器得到的NDVI产品之间的一致性，有利于更好地掌握长时期环境和气候变化的过程。AVHRR和MODIS是当前应用最广的传感器[1]，评估AVHRR与MODIS传感器NDVI之间的差异，对NDVI数据的一致性有重要意义。目前，基于AVHRR和MODIS传感器NDVI的比较研究主要是通过比较实际影像来评价AVHRR NDVI和MODIS NDVI的一致性[2-6],这种方法容易受到大气影响，同时对传感器对NDVI数据的影响评估不足。此外，大量的比较研究是基于大气顶层的反射率而不是地表反射率，使得比较结果的参考价值降低。本文通过冠层传输方程获取植被在冠层级别的高光谱反射率，结合传感器光谱响应函数模拟AVHRR和MODIS传感器在红光波段和近红外波段的反射率，从而比较这两种传感器NDVI。从传感器自身差异出发，进行NDVI数据的校正研究，为NDVI数据的一致性提供了新的思路。

1 数据与方法

1.1 基于冠层辐射传输模型的数据模拟

PROSAIL模型作为经典的冠层辐射模型，模拟的冠层反射率与实测数据有着非常好的一致性[7]。PROSAIL模型包含的参数主要有：①冠层和叶片结构参数，如叶面积指数（LAI）、叶倾角分布和叶片结构参数（N）；② 叶片生物化学参数，如叶绿素a+b含量（Cab）、褐色素含量（Cbp）、等效水厚度（Cw）、干物质（Cm）；③观测方向与太阳位置参数，如观测天顶角（tto）、太阳天顶角（tts）、相对方位角（psi）；④其他参数，如土壤反射率、热点效应参数（hspot）等，见表1。其中个别参数考虑到其在红光和近红外波段影响较小，故设置为固定值。

表1 PROSAIL模型数据模拟的参数设置

1.2 光谱响应函数

光谱响应函数是模拟传感器各个波段反射率的基础。本文所使用的AVHRR和MODIS的光谱响应函数（图1）主要来自ENVI波谱库。在模拟多光谱反射率时，光谱响应函数应进行插值使其函数值以1 nm为间隔分布在400 nm～2 500 nm范围之间。

1.3 宽波段反射率模拟

传感器波段反射率模拟计算公式如下：

其中，R为对应传感器宽波段反射率，λ2和λ1分别为波段波长对应的最大值和最小值，为对应的光谱响应函数在波长λ的函数值，为PROSAIL模型模拟得到的对应波长的高光谱反射率。类似反射率模拟方法见文献[8,9]。

图1 AVHRR和MODIS传感器红光波段和近红外波段的光谱响应函数

1.4 归一化植被指数

NDVI计算公式如下：

2 结果与分析

2.1 AVHRR NDVI与MODIS NDVI模拟结果

将AVHRR和MODSI传感器NDVI模拟结果进行比较发现，两传感器的NDVI散点图 （图2）呈线性关系，且分布在1︰1线附近，即AVHRR NDVI和MODIS NDVI非常相近但不完全相同。并且，即使是AVHRR系列传感器，其 NDVI 之间也存在着一定的差异。

图2 部分AVHRR NDVI 和MODIS NDVI对比分析的散点图

为了更好地研究AVHRR NDVI与MODIS NDVI之间的一致性，对结果进一步分析。计算AVHRR和MODIS传感器NDVI两两之间的复相关系数和均方根误差，结果显示所有的复相关系数都在0.989以上，均方根误差都小于0.1。由此可以进一步证明，这些传感器得到的NDVI差异都比较小。但是，这样的差异在NDVI一致性研究中是不能完全忽略的。

进一步对不同传感器NDVI之间进行回归分析，结果见表2。表2中，对角线部分为传感器与本身进行回归分析，其截距为0，斜率为1。以这条对角线为界，上面的三角形部分是以表中行对应的传感器为自变量、列对应的传感器为因变量得到的回归方程，如：

对角线以下部分是将上部分的自变量和因变量互换后，对对角线上面部分的检验。下面部分得到的截距及斜率和上面部分得到的反函数的截距及斜率不完全相等，原因主要因为回归分析残差。

表2表明了这些传感器NDVI之间的差异，这些细微的差异是传感器光谱响应函数差异导致的。从图1可以看出，AVHRR在红光波段和近红外波段的光谱响应函数差异较小，但它们之间覆盖的波长范围和函数形状仍有一定差别。而与MODIS相比，MODIS传感器在红光和近红外波段波长范围比较窄，而且光谱响应函数的形状也明显不同。同时，表2也可以作为AVHRR系列传感器之间和AVHRR与MODIS传感器之间NDVI数据的校正系数。

表2 所有传感器NDVI两两之间的截距和斜率表

2.2 结果验证

由于实测数据的有限，本文的验证工作主要利用前人结果进行。

Steven等利用野外实测的光谱数据，结合光谱响应函数，模拟并比较了多种传感器的NDVI。他们选定一个标准NDVI，然后计算各个传感器与这个标准值之间的转换关系。为了方便比较，我们将其结果转换为MODIS和AVHRR系列传感器NDVI的 转换关系。比较发现，他们得到的转换系数的斜率普遍低于我们的结果，但是偏差范围不是很大。具体来说，MODIS与AVHRR系列传感器NDVI的转换系数的斜率偏差较小的有NOAA15, NOAA16, NOAA17 NDVI VS MODIS NDVI，基本在0.02左右，斜率偏差较大的为NOAA 8（偏差为0.110 3），其余基本都在0.05左右。尽管Steven等使用的是实测数据进行模拟，但可用数据少，共166个光谱数据，且这166个数据只描述了两种农田类型，不能充分体现多种植被生长状况，这也是导致我们结果差异的一个原因。另外一个原因可能在于Steven等人选取了一个标准NDVI进行系数计算，在转换成与本文结果可以比较的系数时，存在一定的误差。但总体来说，我们得到的结果还是比较一致的。

Gallo等[5]比较了从MODIS和AVHRR(NOAA16和NOAA17)影像提取的NDVI数据，结果与本文中得到的MODIS NDVI和NOAA 16 NDVI的转换关系比较接近，斜率偏差在0.01以内；MODIS NDVI和NOAA 17 NDVI，NOAA 16NDVI和 NOAA17 NDVI之间的斜率偏差稍大，分别是0.054 4和0.043 4，但总体来说结果比较一致。

JiL等对搭载在NOAA16上的2002年和2003年的AVHRR和MODIS的16天NDVI产品进行比较。首先对NDVI数据进行3×3, 5×5, 7×7, 9×9, 11×11,1 3×13窗口大小的中值滤波，然后进行回归分析和一致性评价。跟本文结果相比，他们研究中得到的未经中值滤波的原始MODIS和NOAA16 NDVI的转换关系比较一致，斜率偏差为0.016 2；而经过中值滤波后得到的转换系数，斜率偏差在[0.048,0.566]范围内，差异比较大。这种差异可能源于中值滤波对结果的影响。

通过比较可以证明，本文得到的MODIS NDVI和AVHRR NDVI之间的转换关系是科学可靠的。由于方法不同产生的转换系数斜率偏差都在0.1以内，大部分在0.05以内，基本可以视为一致。

3 结 语

结合冠层辐射传输模型和光谱响应函数，对AVHRR和MODIS传感器NDVI之间的一致性进行研究，并提供了AVHRR NDVI 和MODIS NDVI之间的校正系数，与同类的研究较为一致。该方法有以下特点：

1）PROSAIL模型的使用，不仅避免了实测数据的有限，也避免了单一的植被光谱信息。并且，相较于实测数据，PROSAIL得到的反射率不受实际操作影响，能更好地体现传感器本身特点对NDVI的影响。

2） 该方法体现了传感器本身，尤其是光谱响应函数差异对NDVI结果的影响，避免了NDVI数据在传感器运行过程中受到各种大气的影响，也避免了影像预处理过程对一致性研究产生的影响。

[1]刘闯, 葛成辉. 美国对地观测系统 (EOS) 中分辨率成像光谱仪 (MODIS) 遥感数据的特点与应用[J]. 遥感信息, 2000(3)：45-48

[2]程乾, 黄敬峰, 王人潮. MODIS 和 NOAA/AVHRR 植被指数差异初步分析[J]. 科技通报, 2005, 21(2): 205-209

[3]郝成元, 马春艳, 朱宗泽. 基于 NOAA/AVHRR 和 Terra/MODIS 数据的植被指数季节信息比较[J]. 地理与地理信息科学, 2009, 25(6): 30-33

[4]Huete A R, Liu H Q, Batchily K, et al. A Comparison of Vegetation Indices over a Global Set of TM Images for EOSMODIS[J]. Remote Sensing of Environment, 1997, 59(3): 440-451

[5]Gallo K, Ji L, Reed B, et al. Multi-platform Comparisons of MODIS and AVHRR Normalized Differencevegetation Index Data[J]. Remote Sensing of Environment, 2005, 99(3): 221-231

[6]颜春燕. 遥感提取植被生化组分信息方法与模型研究 [D]. 北京：中国科学院研究生院, 2003

[7]Jacquemoud S, Verhoef W, Baret F, et al. PROSPECT+ SAIL Models: A Review of Use for Vegetation Characterization[J].Remote Sensing of Environment, 2009, 113(S)：56-66

[8]Soudani K, François C, Le Maire G, et al. Comparative Analysis of IKONOS, SPOT, and ETM+ Data for Leaf Area Index Estimation in Temperate Coniferous and Deciduous Forest Stands[J]. Remote sensing of Environment, 2006, 102(1): 161-175

[9]Steven M D, Malthus T J, Baret F, et al. Intercalibration of Vegetation Indices from Different Sensor Systems[J]. Remote Sensing of Environment, 2003, 88(4): 412-422

[10]Steven M, Malthus T, Baret F. Intercalibration of Vegetation Indices–an Update[C].ISPRS Working Group VII/1 Workshop ISPMSRS'07: Physical Measurements and Signatures in Remote Sensing，2007

[11]Ji L, Gallo K, Eidenshink J C, et al. Agreement Evaluation of AVHRR and MODIS 16‐Day Composite NDVI Data Sets[J].International Journal of Remote Sensing, 2008, 29(16): 4 839-4 861