Landsat TM/OLI和HJ-1B CCD传感器数据的交互对比

徐丰，李恒凯

(江西理工大学 土木与测绘工程学院，江西 赣州 341000)

0 引言

由于光学传感器在获取影像数据时，容易受到许多不确定因素的影响，如气候条件、成像时间、成像角度等，因此在长时间序列对地观测研究中，经常难以获得理想的影像，造成某一时间段的影像数据缺失，必须用其他传感器的影像来弥补[1-2]，尤其在多云多雨地区，由于回访周期、天气等因素的限制，单一来源的影像数据有较大局限性[3]。此外，不同年代的传感器相互补充构建的长时序对地观测数据集，也已被广泛应用于环境演变监测。因此，针对不同传感器的交互定标一直是遥感领域的研究热点，检查不同卫星信息之间的一致性和相互关系极为重要[4-5]。

针对传感器的交互定标，国内外学者开展了大量的研究。胡昌苗[6]在辐射归一化研究方面，以Landsat TM/ETM+及 HJ-1 A/B CCD数据为例，提出了相对和绝对辐射校正一体化处理方案，将 DN 值转换到地表反射率。不少学者为了能让波段间光谱特征尽可能保持一致，根据每个波段中的 DN 值计算各种类别像素的转换系数[7-8]，或通过最小二乘法对大量多源时序影像进行回归，给出了表观反射率、地表反射率的回归系数[9-10]。目前，有研究针对不同的传感器获取的主要植被指数如归一化植被指数(normalized difference vegetation index，NDVI)、土壤调整植被指数(soil-adjusted vegetation index，SAVI)、增强植被指数(enhanced vegetation index，EVI)[11-13]进行交互对比，查明之间的定量关系，求出其转换方程。这些研究充分表明：不同传感器数据可以通过构建数学方法，进行交叉定标。但是，不同数据传感器数据之间有较大差异，需要开展有针对性的研究[14-15]。Landsat系列影像具有较为丰富的历史存档数据，是长时序对地监测的重要数据来源。但Landsat-5传感器和Landsat-8传感器在时间上并不能无缝衔接，有几年空档，另外两种传感器本身性能也有较大差异。HJ-1B CCD传感器与Landsat系列影像具有相同空间分辨率，回访周期仅两天，且其数据跨越TM和OLI传感器，利用其衔接和补充TM和OLI传感器具有可行性[16]。基于此，本文结合NDVI植被指数和地表反射率，通过对同日过空的三对(六幅)Landsat TM/OLI和HJ-1B CCD影像对进行比较，分析不同波段的观测能力，并建立其回归关系。本研究有利于三者观测数据的互相补充，为构建多源长时序遥感数据集提供重要的数据源支撑。

1 实验方法

1.1 数据源和研究区

本文选取的Landsat TM/OLI和HJ-1B CCD传感器在许多方面都较为相似，如HJ-1B CCD的四个波段与Landsat-5 TM的1～4波段以及Landsat-8 OLI的2～5波段的光谱范围基本相同，相应为蓝、绿、红、近红外波段；三者过境时间较为接近；HJ-1B CCD、Landsat TM/OLI的传感器参数基本一致，空间分辨率都是30 m；轨道倾角也颇为接近，分别为98.2°、98.2°、98°[17-18]。因此，HJ-1B 与Landsat系列是满足影像对比分析的遥感仪器。然而，Landsat-5 TM传感器有七个多光谱波段，Landsat-8 OLI有九个多光谱波段，HJ-1B CCD只有四个多光谱波段(蓝、绿、红、近红外波段)，光谱响应函数曲线不一致，为了准确对比三种卫星传感器的对地观测能力，重要的前提条件就是获取二者同日过境的遥感影像对[19-20]。此外，为了避免实验结果的偶然性，不能仅用一组影像对来进行交互对比。但由于南方多云天气较多，以及运行周期的不一致，导致部分数据只能选取日期最为接近的影像对[21]。因此，本研究选用了满足以上条件的三对同日过境、相同区域的Landsat TM/OLI和HJ-1B CCD影像对。同时，选取2016年3月1日的影像数据进行验证对比。选取的研究区域为江西省赣州市定南县，地理坐标为：

表1 实验影像对参数

114°47′49″E～115°22′48″E，24°33′37″N～25°03′21″N，行政面积为 1 318.72 km2，境内属低山丘陵地形，植被覆盖率在82%以上，具有耕地、林地、矿区、城镇等多种土地利用类型。

1.2 辐射校正

在进行不同传感器数据的交互比较时，需要对其进行辐射校正，以使对比影像之间的辐射信号能相互一致。不同传感器之间由于光谱波段和波长之间设计的不同，使得如果仅将DN(digital number)值反演成辐射值还可能会给对比结果带来不确定性，因此还必须进一步将其反演成反射率。对Landsat-5 TM、HJ-1B遥感影像进行辐射定标，定标参数从中国资源卫星应用中心获取(http：//www.cresda.com/CN/)，将影像的DN值转换成辐亮度，进一步将辐亮度转换为反射率，通过对不同影像之间的日-地距离和太阳天顶角的差异进行正规化，以减少它们之间因日照和地形条件的不同所造成的影响(式(1))。

(1)

式中：ρλ为像元在传感器处的反射率；DN·Gainλ+biasλ为传感器处的辐亮度值；Gainλ和biasλ是传感器的定标增益值和偏置值；ESUNλ为大气顶部平均太阳辐照度，单位为 W/(m2·μm)；d为日-地天文单位距离；θs为太阳天顶角。这些参数都可以从影像的头文件中获得。

由于Landsat-8卫星改进后，在表观反射率反演方面与以往Landsat系列有较大的差异，减少了d、ESUNλ等参数的计算，可以直接采用式(2)得到传感器处的表观反射率[22]。

ρλ=(Mρ·Qcal+Aρ)∕cosθs

(2)

式中：Qcal为影像的DN 值；Mρ为波段λ的反射率调整因子；Aρ为波段λ反射率调整参数，可以从影像头文件中获得。对Landsat level1和HJ-1B level 2数据进行大气校正，以Landsat TM/OLI为基准影像对HJ-1B影像进行几何校正，校正后的均方根误差(RMSE)小于0.5个像元。

1.3 样区的选择

在Landsat TM/OLI和HJ-1B CCD遥感图像中采用国际惯用的样区比较法[23-24]，即在二者影像上选取范围相同的感兴趣区(region of interest，ROI)作为样区，然后以各样区的均值来进行对比。样区要尽量选择均匀的地物，避免光谱差异大的地区，可有效避免配准精度可能产生的问题。据此，本文在每对实验影像上共选了66个均质的植被样区(林地：25；耕地：10；建设用地：10；矿区：10；裸土：7；水体：4)，每个样区的像元数在数十个到数百个之间，共计16 442个。图1以2013年Landsat-8影像(543真彩色合成)为例列出部分样区。

图1 样区例图

1.4 误差分析

通过计算两两传感器各对应波段之间的NDVI指数，地表反射率的最大值、最小值、平均值和动态范围，标准误差(standard deviation，Std.Dev)，决定系数(R2)，均方根误差(root mean square error，RMSE)，相对偏差率(mean error，ME)，来衡量两组数据之间的偏差程度。决定系数(R2)是代表各对应波段之间线性拟合程度，以Landsat TM/OLI为自变量，HJ-1B CCD为因变量进行拟合，拟合程度越高，自变量对因变量的解释程度越高，观察点在回归直线附近越密集。计算如式(3)至式(4)所示。

(3)

(4)

2 结果与分析

2.1 NDVI指数一致性分析

植被指数是用来反映植被覆盖度及其生长状况的度量参数，有益于增强遥感影像的解译能力。计算Landsat TM/OLI和HJ-1B CCD影像的植被指数NDVI，并进一步计算出研究区域各样区 NDVI的统计特征值以及二者之间的ME和RMSE，然后将各样区的NDVI均值散点投影到二维光谱特征空间上进行回归分析，以查明它们之间的定量关系。

从表2和图2来看，Landsat NDVI均与HJ-1B NDVI数据显示出良好的相关性。当NDVI小于0.2时，HJ-1B数据比Landsat稍大，但是，随着NDVI的增加，HJ-1B数据开始偏小于Landsat。散点总体均匀分布在 1∶1 线附近，它们的相对偏差率(ME)不大于10%，RMSE小于0.1，三组对比中产生的回归方程的R2都大于0.93。ME都为正数，表明HJ-1B的NDVI数据均略大于Landsat，二者的NDVI数据十分接近。进一步分析发现，二者的NDVI数据仍存在一定的差距。

1)HJ-1B CCD的NDVI最小值、最大值、均值和动态范围都大于Landsat TM/OLI的相应值，而标准差小于Landsat TM/OLI的相应值，这说明HJ-1B CCD获取的植被信息量、动态范围以及植被的可分性会大于Landsat TM/OLI的相应值，即使用HJ-1B CCD数据计算的NDVI敏感性更高，获取的植被信息也更丰富且获取植被信息的稳定性较好。

2)Landsat获取的植被指数信号会强于HJ-1B，因为与HJ-1B相比，Landsat TM/OL的NDVI 表现为低估，其均值小于HJ-1B系列。在植被覆盖率高的地方，HJ-1B影像获得的植被指数值低于Landsat影像，而在植被覆盖率较低的地方，情况相反。表明在植被覆盖区HJ-1B植被指数获得的信号弱于Landsat影像。

通过NDVI指数表明，HJ-1B影像与Landsat在植被应用方面有着相当，甚至更高的优势。Landsat TM/OLI和HJ-1B CCD三者的植被观测能力很接近，但在不同的获取信息上表现各不相同。魏宏伟等[25]的研究证实发现，HJ-1B植被信号要弱于后者，主要原因是由于两种传感器在构成植被指数的红光与近红外波段的光谱响应函数不同造成的。如图4可见，HJ-1B的光谱范围明显小于其他传感器。

表2 基于 ROI 的Landsat TM/OLI和HJ-1B CCD的NDVI统计特征

图2 不同年份Landsat TM/OLI、HJ-1B影像对的NDVI散点图

2.2 地表反射率一致性分析

图3展现的是Landsat TM/OLI和HJ-1B CCD对应波段像元地表反射率散点分布(红色实线)以及过原点的拟合直线1∶1(黑色虚线)。表3列出了各实验影像对所有样区所计算得出的统计特征。

由表3的统计特征可以得出，Landsat TM/OLI和HJ-1B CCD的各对应波段回归方程的决定系数R2均大于0.8，最大值可达到0.93，表明三个传感器的地表反射率具有较好的一致性，HJ-1B CCD在各波段的地表反射率均值基本都大于Landsat TM/OLI数据，且两个影像的均值都随着波段范围的提升而提高，大小顺序为：蓝光<绿光<红光<近红外，同时，其RMSE也随之提高。由于波段波谱差异，红光、近红外波段的地表反射率明显增强，远大于蓝绿波段，近红外的平均值远超其他三个波段。

从图3可以看出，Landsat TM/OLI和HJ-1B CCD传感器在所有频段之间都具有明显的相关性，四个频段的决定系数R2在0.821 0至0.932 3范围内。各波段的变化规律基本一致，蓝、绿光波段散点大部分在1∶1线下方；红光波段散点分布较均匀，分布范围较大，从0.02～0.4都有所分布，但都基于1∶1线对称分布；近红外波段的散点主要在0.2以上，地面反射率均大于其他光谱，说明该区域地表吸收的近红外较少。由于这两个波段具有非常不同的波长范围，HJ-1B CCD 近红外波段的光谱响应函数与 Landsat-8 OLI 近红外波段光谱响应函数仅有很小的一部分相交。

图3 不同年份Landsat、HJ-1B影像对的地表反射率散点图

通过提取66个样区中的16 442个像元的地表反射率值，对每一对影像进行比较，可获得的转换方程如图3所示(黑色虚线为1∶1线，红色实线为回归方程)。

年份对应波段Landsat TM/OLIHJ-1B CCD最大值最小值均值最大值最小值均值RMSER2转换方程蓝光 0.1890.0200.0570.1920.0160.0590.014 20.825 6y=0.842 1x+0.008 42009绿光 0.2960.0290.0920.2930.0180.0750.025 40.892 5y=0.793 7x+0.000 5红光 0.3970.0190.0990.3860.0210.0910.026 30.884 9y=0.831 5x+0.005 9近红外0.4970.0370.2730.4990.0500.2760.032 60.932 3y=0.942 3x+0.012 8蓝光 0.1670.0120.0540.1750.0360.0660.017 30.841 2y=0.995 8x+0.013 02013绿光 0.2400.0240.0790.2350.0410.0990.021 60.891 1y=1.039 8x+0.013 5红光 0.2860.0190.0820.2960.0530.1020.025 60.845 2y=0.843 0x+0.027 0近红外0.4400.0330.2380.3630.1010.2370.038 80.897 6y=0.851 7x+0.025 5蓝光 0.2180.0150.0600.2320.0480.0840.025 30.821 0y=0.978 5x+0.012 52014绿光 0.2950.0270.0830.2810.0650.1090.028 70.860 0y=1.062 0x+0.017 7红光 0.2890.0170.0810.2910.0430.0980.027 50.827 7y=0.904 9x+0.020 3近红外0.5690.0240.2970.5840.0770.3760.041 20.926 9y=1.152 7x+0.024 9

每两个传感器的回归线y越靠近1∶1线时，则表明二者的反射率差异越小；回归线位于1∶1线上方时，说明HJ-1B的反射率高于Landsat的反射率；回归线位于其下方时则反之。从图3中的回归方程可看出，Landsat-5 TM与HJ-1B CCD的回归线都在1∶1线下方，说明Landsat-5 TM比HJ-1B CCD接收的地表反射率更高；而Landsat-8 OLI与HJ-1B CCD的回归线在1∶1线上方，说明HJ-1B CCD比Landsat-8 OLI接收的地表反射率更高。三个传感器在蓝、绿和红光波段的RMSE和ME差异程度较一致，在近红外波段则表现出较大差异，其地表反射率和R2均大于蓝、绿和红波段，表明三种传感器信号差异在不同波段的表现并不相同。近红外波段地表反射率差异为0.2左右，R2的差异为0.3～0.5，说明三个传感器的地表反射率散点在近红外波段的协调性优于其他三个波段。对于Landsat TM/OLI，NIR波段反射率与HJ-1B CCD产生极为显著的相关性。

上述对比结果表明，在植被观测能力上，Landsat TM/OLI传感器相较于 HJ1B-CCD 具有较强的植被探测能力；在对地观测能力上，HJ-1B CCD获取的地表反射率总体高于Landsat系列数据，但这两个系列数据在不同波段表现有所差异，差异的原因可能有以下方面。

1)光谱响应函数差异。如图4所示，Landsat TM/OLI和HJ-1B CCD在红光、近红外波段之间的光谱响应函数存在一定的差异。HJ-1B的光谱响应在红光、近红外的波长范围均大于Landsat TM/OLI，特别是近红外，峰值、范围都有较大差异，这是Landsat TM/OLI和HJ-1B CCD近红外波段在对地观测能力上RMSE和R2差值最大的原因之一。但是，与传感器的天顶角相比，光谱响应函数对Landsat TM/OLI和HJ-1B CCD之间的差异影响相对较小。

图4 Landsat TM/OLI与HJ-1B CCD光谱响应函数曲线

2)传感器天顶角的影响。随着传感器天顶角度的增加，各波段反射率和NDVI数据随之变化。当传感器天顶角上升到大约34°然后下降时，三个可见波段的反射率会变大。但是，当传感器的天顶角小于45°时，NIR波段反射率始终会增加，NDVI数据变小，直到传感器天顶角上升到34°，NDVI变大，这意味着超过34°的传感器天顶角对NDVI、反射率值产生很大影响。在0°和17°之间的传感器天顶角差将带来9.54%的反射率误差，而光谱误差仅导致0.53%的误差。与每个频段的反射率相比，NDVI受传感器天顶角度的影响很小。

3)传感器的定标精度差异。研究表明，Landsat TM/OLI和HJ-1B CCD自发射以来，其传感器的性能都发生了衰减。特别是Landsat-5发射时间过长，各种观测能力下降较为严重。HJ-1B的定标文件不确定，在中国资源卫星应用中心官网，影像头文件XML里面的定标系数各有一套定标文件，定标系数不一致。

2.3 转换方程验证

为了检验基于上述方法所得出的Landsat TM/OLI与HJ-1B的关系方程的精确度，本文选取了2016年3月1日同日过境的Landsat-8和HJ-1B的影像对进行验证。

1)NDVI植被指数验证。将研究区域2009、2013、2014年的66个样本合并起来进行回归分析，以此建立Landsat TM/OLI和HJ-1B CCD 植被指数NDVI的统一转换，表达如式(5)所示。

HJ-1BNDVI=1.020 2LandsatNDVI+0.007

(5)

首先，对验证影像对进行预处理，保证与另三组影像进行了相同的预处理；其次，在Landsat-8的验证影像上选取了同质的66个样本，将转换方程代入Landsat的验证影像中，计算模拟HJ-1B的NDVI值；然后，与实际的HJ-1B的NDVI值进行回归分析(图5)，并计算出它们的ME与RMSE。对照图6可看出，在经过转换后，Landsat和HJ-1B植被指数NDVI 的散点拟合曲线更加靠近 1∶1 线，差距在变小；R2也较之前提高了3～4个百分点，达到0.991 8；ME降低为0.36%，取三年的ME平均值为0.65，降幅为80.5%；RMSE降低为0.02，取三年的RMSE平均值为0.046，降幅为130%。显然，经过转换的HJ-1BNDVI数据已经达到了较高的精度，接近于实测数据，可以通过转换方程促进这两种传感器NDVI数据的协同使用，可以用于两种传感器的相互替代。

图5 基于验证影像建立的Landsat和HJ-1B NDVI转换方程的拟合结果

图6 基于验证影像建立的Landsat和HJ-1B地表反射率值转换方程的拟合结果

2)地表反射率(bottom of atmospheric reflectance，BOA)验证。将研究区域2009、2013、2014年的66个样本共16 442个像元值合并起来进行回归分析，建立Landsat TM/OLI和HJ-1B CCD 各波段的地表反射率值的统一转换，表达如式(6)所示。

蓝 光：HJ-1BBOA=0.954 0LandsatBOA+0.013 2

绿 光：HJ-1BBOA=0.861 0LandsatBOA+0.013 8

红 光：HJ-1BBOA=0.839 8LandsatBOA+0.018 3

近红外：HJ-1BBOA=0.882 8LandsatBOA+0.021 5

(6)

与上节相同的方法，在验证影像选取同质的66个样本区共16 442个像元，将像元值代入相对应波段的转换方程中，计算出HJ-1B的模拟地表反射率值，与验证影像HJ-1B的实际值进行回归分析，并计算它们之间的RMSE和R2，并将结果进行比较。

表4 验证影像地表反射率值模拟转换前后的统计特征值对比

对照图3和图6可以看出，经过模拟转换后各波段的RMSE和R2较模拟前都有较显著的优化。对比实验影像，转换后的地表反射率值散点拟合曲线与1∶1线几乎重叠，R2提高了3～12个百分点，都在0.93以上，接近于1，说明转换后具有极为显著的线性关系。RMSE的降幅最大为60%，最小值可以达到0.007 5，这表明Landsat数据与HJ-1B数据能进行有效的转换，在经过模拟转换后，两种传感器之间的数据差异大大减小，能用于两种传感器的交替使用。

3 结束语

本研究通过对三对同日过境的影像采用基于样区的比较法对Landsat TM/OLI和HJ-1B CCD的传感器数据进行交互对比分析。通过分析发现，三种传感器的NDVI数据和地表反射率值都具有较高的相关性，各对应波段的R2都处于0.82～0.95之间，RMSE也小于0.05，处于一个较高的水平。对比分析发现，三者的植被观测能力以及对地观测能力都存在着一定的差异，主要表现在植被观测能力上，HJ-1B影像与Landsat在植被应用方面有着相当甚至更高的优势，Landsat TM/OLI和HJ-1B CCD三者的植被观测能力很接近，但在不同的获取信息上表现各不相同。在对地观测能力上，HJ-1B获取的地表反射率总体高于Landsat系列数据。分析表明，Landsat系列数据与HJ-1B数据之间的差异是由于光谱响应函数、定标精度以及传感器天顶角的影响造成的。

因此，通过波段光谱转换，将不同传感器类型的数据以数值回归校正法来消除传感器之间的波段间差异，可以实现波段间光谱转换，从而将多源数据转换为连续的单一类型的时序数据，以提高研究数据的一致性。由光谱转换结果可知，经过光谱定标转换的HJ-1B影像数据明显提高了与TM/OLI数据的拟合度，通过光谱定标转换方法，在精度允许范围内数据间可以相互转化与模拟，为存档数据利用提供新的思路与方法。

由于本文所获取的HJ-1B数据量有限，仅以定南县的Landsat系列和HJ-1B图像对拟合得到了NDVI和地表反射率的转换方程，该方程在其他区域的适用效果还有待进一步验证。在今后的研究中，需要使用更多区域、更长时间序列的不同影像对来检验该方程的稳定性。