高分五号高光谱AHSI和多光谱VIMI传感器数据的交互对比

徐涵秋, 孙凤琴, 徐光志

徐涵秋, 孙凤琴, 徐光志. 高分五号高光谱AHSI和多光谱VIMI传感器数据的交互对比[J]. 武汉大学学报 ( 信息科学版). DOI: 10.13203/j.whugis20200586
引用本文: 徐涵秋, 孙凤琴, 徐光志. 高分五号高光谱AHSI和多光谱VIMI传感器数据的交互对比[J]. 武汉大学学报 ( 信息科学版). DOI: 10.13203/j.whugis20200586
shu
XU Hanqiu, SUN Fengqin, XU Guangzhi. Cross comparison of the Gaofen-5 AHSI and VIMI sensors[J]. Geomatics and Information Science of Wuhan University. DOI: 10.13203/j.whugis20200586
Citation: XU Hanqiu, SUN Fengqin, XU Guangzhi. Cross comparison of the Gaofen-5 AHSI and VIMI sensors[J]. Geomatics and Information Science of Wuhan University. DOI: 10.13203/j.whugis20200586
shu

高分五号高光谱AHSI和多光谱VIMI传感器数据的交互对比

  • 1 福州大学环境与资源学院, 空间数据挖掘与信息共享教育部重点实验室, 福州, 350116;

  • 2 福州大学遥感信息工程研究所, 福建省水土流失遥感监测评价重点实验室, 福州, 350116

基金项目: 

国家重点研发计划项目（2016YFA0600302）；国家自然科学基金项目（31971639）

详细信息
    作者简介:

    徐涵秋,博士,教授,主要研究方向为环境和自然资源遥感。hxu@fzu.edu.cn

  • 中图分类号: TP732

Cross comparison of the Gaofen-5 AHSI and VIMI sensors

  • 1 College of Environment and Resources, Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350116, China;

  • 2 Institute of Remote Sensing Information Engineering, Fujian Provincial Key Laboratory of Remote Sensing of Soil Erosion, Fuzhou University, Fuzhou 350116, China

Funds: 

The National Key Research and Development Program of China (2016YFA0600302)

HTML全文

    摘要
  • 摘要: 高分五号卫星搭载的对地观测传感器有高光谱传感器（AHSI）和全谱段光谱传感器（VIMI），但这两种传感器之间的光谱信号是否一致迄今仍鲜有报道。因此，本次研究通过敦煌定标场和滕州地区的3对AHSI和VIMI同步影像对，对2种传感器辐亮度数据之间的一致性进行了交互对比，并与同步的Landsat-8 OLI辐亮度数据进行验证。结果发现，2种传感器的辐亮度数据之间存在着一定的偏差，VIMI的辐亮度数据明显小于AHSI，其偏差率接近32%，二者的R2也只有0.817；在各个对应波段之间，红波段的差距最大，其偏差率超过了40%。与Landsat-8 OLI的验证表明，AHSI的辐亮度数据与OLI很接近，偏差率小于5%，但VIMI数据的偏差率则大于20%。鉴于VIMI和AHSI的辐亮度数据存在着差距，在现阶段如需要同时应用二者的数据，建议要对VIMI数据进行转换校正。本次利用敦煌试验区的模型进行的转换结果表明，VIMI辐亮度数据经转换后可大幅缩小与AHSI数据之间的差距，有利于二者的协同使用。
    Abstract: The Advanced HyperSpectral Imager (AHSI) and the Visual and Infrared Multispectral Imager (VIMI) are the two sensors onboard China's Gaofen-5 remote sensing satellite. These two sensors provide images of different spectral and spatial resolutions. To date, the quantitative relationship between the two sensors' data has not been investigated in detail. To understand the quantitative relationship and the calibration agreement between AHSI and VIMI, date-coincided image pairs of the two sensors from the Dunhuang calibration site as well as the Tengzhou area were used to conduct a cross comparison. The approach was achieved by evaluating the consistency of the at-sensor radiance data between the two sensors. The results were then validated to those of near-simultaneous Landsat-8 OLI sensor. This study finds that the at-sensor radiance data of VIMI is overall lower than that of AHSI, with a mean absolute percentage error (MAPE) of 32% and an R2 of 0.817. Among the corresponding bands, the red band has the greatest difference between the two sensors, with a MAPE of more than 40%. The validation to Landsat-8 OLI shows that AHSI's radiance data is close to that of OLI with a MAPE of less than 5%, while the MAPE of VIMI is more than 20%. Given the differences between VIMI and AHSI radiance data revealed in this study, it is suggested to correct VIMI data if both data need to be used together. The conversion using the model developed in this study based on the Dunhuang site shows that the difference between the VIMI and the AHSI radiance data can be greatly reduced after conversion. A synergistic use of AHSI and calibrated VIMI data can greatly benefit the science community by proving a high-quality observation of the Earth.
    • HTML全文

  • 中国自2010年实施高分辨率对地观测系统重大专项以来，已先后发射了一系列高分卫星。其中于2018年5月9日发射的高分五号(GF-5)卫星是一颗极具特色的卫星，它搭载有6台不同的传感器，是首颗实现对陆地和大气综合观测的卫星，而其中主要承担对地观测任务的是可见光短波红外高光谱传感器(advanced hyperspectral imager，AHSI)和全谱段光谱传感器(visual and infrared multispectral imager，VIMI)。

    近20年来，全世界有众多的新型卫星传感器相继升空，为地球表面观测提供了丰富的数据，并由此引发了各种传感器之间光谱信号的交互对比研究。其中，开展较多的有美国Landsat系列卫星之间的交互对比，如Landsat TM、ETM+以及OLI/TIRS之间的对比[1-4]。由于Landsat系列卫星是世界上定标精度较高的卫星，因此各种卫星传感器与Landsat TM/ETM+/OLI/TIRS传感器的交互对比也比较常见，如MODIS[5-6]、ASTER[7-8]、IRS-P6[9]、IKONOS[10]和Sentinel-2[11-12]等分别与Landsat对应的卫星传感器进行了对比。通过与定标精度高的卫星传感器光谱信号进行对比，可查明被对比传感器的光谱信号差异，以提高其定标精度。

    近年来，中国国产卫星发展迅速，国产卫星之间的交互对比和定标研究也相继开展。Quan[13]对比了环境一号(HJ-1A)和MODIS数据，发现二者在3个可见光波段的平均相对误差小于8.5%。赵凯等[14]研究了HJ-1 A/B和Landsat TM/ETM+植被指数之间的关系，发现它们对应的植被指数之间存在极显著的正相关关系。张学文等[15]利用Landsat 8影像对资源三号(ZY-3)卫星进行了交互对比，结果表明，交互对比和场地定标的结果有较好的吻合性。徐涵秋等[16]则发现ZY-3的植被观测能力和高分一号(GF-1)卫星很接近，二者的差异为3%。Li等[17]对GF-1和Landsat-8数据的对比表明，二者在4个多光谱波段大部分反射率范围内的平均误差小于5%。吴晓萍等[18]基于敦煌定标场的同步影像将GF-1、GF-2与Landsat-8进行对比，结果发现GF-1、GF-2与Landsat-8数据具有很高的一致性，但也存在着一定的差异，且在近红外波段表现得较为明显。Chen等[19]根据新提出的定标参数对GF-4和Landsat-8数据进行对比，结果发现二者的反射率差异小于5%。Gao等[20]将GF-4数据与Landsat-8、Sentinel-2和MODIS等多种传感器的多光谱数据进行对比，结果发现它们之间的差异因场地和传感器而异。迄今为止，仍未见GF-5卫星交互对比的研究报道，但有少量传感器在轨定标的研究。刘银年等[21]的研究表明，AHSI高光谱数据的相对辐射定标误差小于0.5%，场地绝对辐射定标的检验精度误差小于5%。

    由于光学传感器易受云雨的影响，因此容易造成数据的缺失。通过各种不同传感器数据的交互对比，可以让它们之间的数据互为转换，为长时间序列的对地观测和变化监测提供连续的遥感数据。因此，不同传感器之间的交互对比是一项极为重要的基础工作。遥感传感器光谱信号之间精确对比的重要前提是被对比传感器之间必须具有同步观测的数据。为此，美国Landsat-7 ETM+发射后，为了和先期在轨运行的Landsat-5 TM进行交互对比，使用编程使二者同日过境，实现同步观测，但先后时间间隔仍大于20 min[1]。同样Landsat-8发射后，将Landsat-7 ETM+卫星编程实现与Landsat-8同日观测和交互对比，但二者的间隔同样大于20 min[3]。而GF-5的高光谱AHSI和多光谱VIMI是搭载于同一颗卫星的两个传感器，可实现对同一地面目标严格同步、无时间间隔的观测，为这两个传感器光谱信号的交互对比提供了坚实的基础。本文利用AHSI和VIMI的3对同步影像对开展AHSI和VIMI数据的交互对比和验证，并与定标精度较高的Landsat-8 OLI(operational land imager)数据进行对比，以揭示两种传感器数据之间的异同，这对于二者之间的精确定标和协同使用具有重要意义。

    1 数据与方法

    1.1   数据源

    GF-5 AHSI高光谱传感器共330个波段，光谱分辨率分别为5 nm (可见光近红外波段)和10 nm (中红外波段)，空间分辨率为30 m，辐射分辨率为12 bit，幅宽60 km。VIMI全谱段传感器共12个波段，含可见光至中红外波段和热红外波段各6个波段，空间分辨率分别为20 m和40 m，辐射分辨率为12 bit，幅宽60 km (详见http://gaofenplatform.com/contents/558/1292.html)。本次试验选用的3幅AHSI和VIMI同步影像对分别位于甘肃敦煌定标场(2对，敦煌1、敦煌2)和山东滕州市(1对)。每对同步影像的过空时间一致，晴空无云，太阳天顶角、方位角基本一致(见表 1)，确保了不同传感器对地物观测的一致性。为了使对比结果能够和定标精度较高的Landsat卫星进行验证，根据影像的可获取性从Landsat官网(https://earthexplorer.usgs.gov)下载了2幅同日的Landsat-8卫星影像。

    表  1  同步影像对及其参数
    Table  1.  Date-Coincident Image Pairs and Parameters
    影像对 传感器 轨道号 日期 时间 太阳天顶角/(°) 太阳方位角/(°) 试验区特征
    敦煌1 Landsat-8 OLI 138/032 2019-11-14 12:26 60.31 162.57 裸土为主
    GF-5 AHSI 356/621 14:41 60.61 199.39
    GF-5 VIMI 14:41 60.56 199.40
    敦煌2 GF-5 AHSI 354/621 2019-07-14 14:38 22.30 214.35 裸土为主，兼有植被和少量建筑物
    GF-5 VIMI 14:38 21.45 214.43
    滕州 Landsat-8 OLI 122/036 2019-05-22 10:48 23.04 123.05 植被为主，兼有建筑物和少量水体
    GF-5 AHSI 310/611 13:13 20.82 179.80
    GF-5 VIMI 13:13 20.78 179.80
    下载: 导出CSV 
    | 显示表格

    分别从3幅同步影像对中选取本次研究的试验区。试验区的选择既要考虑地形的平坦性，避免高低起伏的地形，又要考虑兼有低、中、高反射率地物，使试验区具有较宽的光谱覆盖范围，以客观分析各光谱波段在其设计波长范围内的定量关系[1, 22]。因此，本研究从3幅影像对中选取地形较为平坦，兼有裸土、建筑、植被和少量水体等具有高、中、低反射率地物的3个试验区，分别为敦煌1试验区、敦煌2试验区和滕州试验区，如图 1所示。

    图  1  本次研究选取的3个试验区
    Figure  1.  Three Test Sites Selected for This Study
    下载: 全尺寸图片 幻灯片

    1.2   数据预处理

    遥感影像进行辐射校正的第一步是将原始影像的亮度值转换为辐亮度值，因此辐亮度转换的准确与否将直接影响辐射校正的准确性。鉴于此，本次试验主要对AHSI和VIMI两种传感器的辐亮度进行交互对比[23-25]。同样，将Landsat-8 OLI的同步影像也反演成辐亮度，以便与AHSI和VIMI辐亮度数据进行对比验证。辐亮度的计算公式如下：

    $$ {L}_{\lambda }={M}_{L}\times {Q}_{\mathrm{c}\mathrm{a}\mathrm{l}}+{A}_{L} $$ (1)

    式中，Lλ(单位为W·m-2·sr-1·μm-1)为波段λ的辐亮度值；Qcal为波段λ的像元亮度值；ML和AL为波段λ的辐亮度调整因子，它们可以从影像头文件中获取。

    本文所采用的Landsat-8 OLI影像为已经过系统几何校正的L1T (level 1 terrain)级产品，而GF-5的AHSI和VIMI影像为未经过系统几何校正的L1级产品，需使用RPC (rational polynomial coefficient)参数文件进行系统几何校正，将它们统一至WGS-84坐标系和UTM (universal transverse mercator)投影。但经叠加发现，3种传感器影像的空间位置并不完全吻合，会有1至数个像元的偏差，因此通过坐标平移方法将AHSI和VIMI影像与Landsat-8影像进行配准。由于VIMI影像的20 m分辨率不同于AHSI和OLI的30 m分辨率，因此将3种影像的分辨率按它们之间的最大公约数重采样为10 m，以保证在重采样过程中不会发生像元重组，在保持原始光谱值不变的同时，使三者的分辨率一致。

    AHSI具有330个波段，而VIMI在对应的波长范围内只有6个波段，二者的波段数与波长范围完全不一致。如VIMI在440~510 nm蓝光波长范围内只有1个波段(即1波段)，而AHSI在此波长范围内有16个波段(即13~28波段)。为了使二者的光谱信号可以交互对比，先将AHSI与VIMI对应波段波长范围内的相关波段相加取平均值，再与VIMI对应波段的光谱信息进行比较，这也是不同光谱波段/波长传感器信号对比常用的方法[26-28]。本次试验涉及的两种传感器6个共同波段的信息以及Landsat-8 OLI对应波段的信息见表 2。

    表  2  GF-5 VIMI、GF-5 AHSI和Landsat-8 OLI对应波段的信息
    Table  2.  Specifications of Corresponding Bands of GF-5 VIMI, GF-5 AHSI, and Landsat-8 OLI
    波段名
    		 GF-5 VIMI GF-5 AHSI Landsat-8 OLI
    波段号 波长范围/nm 波段号 波长范围/nm 波段号 波长范围/nm
    蓝 B1 440~510 B13~B28 439~508 B2 452~512
    绿 B2 510~580 B29~B45 508~581 B3 533~590
    红 B3 620~680 B55~B68 619~679 B4 636~673
    近红外 B4 760~870 B88~B113 760~871 B5 851~879
    中红外1 B5 1 540~1 700 B215~B233 1 541~1 700 B6 1 566~1 651
    中红外2 B6 2 060~2 350 B277~B310 2 062~2 349 B7 2 107~2 294
    下载: 导出CSV 
    | 显示表格

    1.3   交互对比方法

    本次研究采用试验地点和土地覆盖类型均不同的3对影像进行对比，以避免单幅影像对比结果的偶然性。分别将3个试验区影像对的对应波段进行逐波段统计，求出各对应波段的决定系数(R2)、平均偏差(mean error，ME)、绝对平均偏差率(mean absolute percentage error，MAPE)和均方根误差(root mean squared error，RMSE)，定量判别各对应波段之间的辐亮度差异，再对各对应波段的影像视试验区的大小按3×3或5×5网格采样，将各对应波段的采样点进行线性回归分析，求出各对应波段之间的回归关系方程，以进行转换验证。3个试验区共采样545 310个样点(像元)，大量样本有助于全面客观地分析两种传感器之间的定量关系。ME、MAPE和RMSE的计算公式如下：

    $$ \mathrm{M}\mathrm{E}=\overline{\mathrm{A}\mathrm{H}\mathrm{S}\mathrm{I}}-\overline{\mathrm{V}\mathrm{I}\mathrm{M}\mathrm{I}} $$ (2)
    $$ \mathrm{M}\mathrm{A}\mathrm{P}\mathrm{E}=\left|\overline{\mathrm{A}\mathrm{H}\mathrm{S}\mathrm{I}}-\overline{\mathrm{V}\mathrm{I}\mathrm{M}\mathrm{I}}\right|/\overline{\mathrm{V}\mathrm{I}\mathrm{M}\mathrm{I}}\times 100\mathrm{\%} $$
    $$ \mathrm{R}\mathrm{M}\mathrm{S}\mathrm{E}=\sqrt[]{\sum {(\mathrm{A}\mathrm{H}\mathrm{S}\mathrm{I}-\mathrm{V}\mathrm{I}\mathrm{M}\mathrm{I})}^{2}/n} $$ (4)

    式中，AHSI和VIMI分别为两种传感器各对应波段像元的辐亮度值；$ \overline{\mathrm{A}\mathrm{H}\mathrm{S}\mathrm{I}} $和$ \overline{\mathrm{V}\mathrm{I}\mathrm{M}\mathrm{I}} $分别为其各对应波段的辐亮度均值；n为试验区的像元个数。

    2 结果与分析

    2.1   AHSI和VIMI传感器数据的比较

    利用式(1)将3个试验区影像的亮度值反演成辐亮度，统计辐亮度影像各波段的最小值、最大值、均值、标准差和波段间的决定系数R2，计算各对应波段辐亮度均值的ME、MAPE和RMSE，如表 3所示。从表 3中可以看出，AHSI和VIMI数据之间的R2不高，在3个试验区中的均值为0.817 (p < 0.01，p是t-检验中判断显著性的值)。从波段的偏差来看，3个试验区的平均ME为11.93 W·m-2·sr-1·μm-1，平均RMSE为12.92 W·m-2·sr-1·μm-1，平均MAPE达到31.90%。总的来看，AHSI和VIMI传感器之间的辐亮度偏差是比较大的。

    表  3  AHSI和VIMI对应波段的辐亮度数据对比
    Table  3.  Radiance Data Comparison of Corresponding Bands Between AHSI and VIMI
    试验区 波段 GF-5 VIMI GF-5 AHSI R2 ME MAPE/% RMSE
    最小值 最大值 均值 标准差 最小值 最大值 均值 标准差
    敦煌1 蓝 49.55 71.77 55.37 1.48 58.86 84.62 64.89 1.64 0.751 9.52 17.19 9.55
    绿 39.09 61.45 45.03 1.69 52.83 84.40 61.29 2.29 0.807 16.26 36.11 16.29
    红 32.12 52.54 38.61 1.96 45.81 78.26 55.77 2.82 0.853 17.16 44.44 17.21
    近红外 24.36 42.27 30.23 1.72 29.60 52.69 37.25 2.25 0.900 7.02 23.22 7.06
    中红外1 7.28 8.90 8.19 0.34 7.96 13.05 10.65 0.73 0.609 2.46 30.04 2.51
    中红外2 2.18 2.82 2.54 0.13 2.53 4.33 3.49 0.27 0.779 0.95 37.40 0.96
    敦煌2 蓝 56.27 219.42 98.21 16.17 60.01 239.11 112.74 21.36 0.940 14.53 14.79 15.95
    绿 40.01 186.34 81.89 15.61 51.18 192.95 113.05 23.22 0.937 31.16 38.05 32.43
    红 24.17 151.71 69.02 16.55 31.15 171.67 103.80 26.90 0.932 34.78 50.39 36.72
    近红外 26.55 114.54 66.46 9.86 28.00 159.43 83.94 15.26 0.907 17.48 26.30 20.57
    中红外1 10.01 22.11 14.15 1.54 3.35 50.97 19.59 3.39 0.685 5.44 38.45 5.90
    中红外2 2.15 10.01 4.10 0.79 0.74 17.30 5.77 1.57 0.762 1.67 40.73 1.92
    滕州 蓝 48.56 179.78 67.27 9.50 55.72 211.03 75.16 12.46 0.839 7.89 11.73 9.53
    绿 31.19 156.95 51.23 9.32 38.50 191.12 65.22 14.01 0.834 13.99 27.31 15.50
    红 17.84 139.57 38.10 11.11 20.53 169.94 50.26 17.64 0.846 12.16 31.92 14.89
    近红外 14.56 124.88 65.02 13.21 15.50 167.03 82.64 18.72 0.837 17.62 27.10 19.57
    中红外1 5.69 22.12 9.88 1.88 1.19 48.53 13.67 4.02 0.701 3.79 38.36 4.62
    中红外2 1.07 11.70 2.36 0.69 0.21 16.78 3.32 1.52 0.787 0.96 40.68 1.36
    均值 0.817 11.93 31.90 12.92
    注：最小值、最大值、均值、标准差、ME、RMSE的单位均为W·m-2·sr-1·μm-1
    下载: 导出CSV 
    | 显示表格

    就单波段而言，在3个试验区对比的6个波段的波长范围内，VIMI的辐亮度在各波段的数值范围、均值和标准差都明显小于AHSI。这是因为VIMI中红外波段的辐亮度值很小，造成其ME和RMSE指标明显小于可见光至近红外波段的假象，因此单波段间的差异以MAPE指标来判定。在6个波段中，红波段的偏差率最大，3个试验区的MAPE平均达到42.25%；其次为中红外2、1波段，平均MAPE分别为39.60%和35.61%；随后为绿波段、近红外波段和蓝波段，平均MAPE分别为33.82%、25.54%、14.57%。图 2为AHSI和VIMI对应波段的散点分布图。从散点分布来看，VIMI各波段的散点基本分布于1∶1线之下，而且表现出随着波长增加，偏离度增大的趋势，其中以中红外1、2波段的偏离度最大，其R2在3个试验区也都小于0.8。从图 2可以发现，各波段在低值区仍有部分散点分布在1∶1线之上，说明VIMI各波段在低值区的辐亮度值可高于AHSI。

    图  2  AHSI和VIMI对应波段的散点分布图
    Figure  2.  Scatter Plots of Corresponding Bands Between AHSI and VIMI
    下载: 全尺寸图片 幻灯片

    2.2   AHSI和VIMI与Landsat-8 OLI数据的对比验证

    为了判别AHSI和VIMI辐亮度的准确性，将敦煌1、滕州试验区的AHSI和VIMI辐亮度数据与定标精度较高的Landsat-8 OLI数据进行对比验证(敦煌2试验区因缺乏同步的Landsat-8数据而未进行对比)，其结果如表 4所示。从表 4的验证结果来看，AHSI的各指标与Landsat-8 OLI的差距明显小于VIMI。在两个试验区中，AHSI与OLI的平均MAPE都小于5%，而VIMI则大于20%，特别是在中红外2波段表现得更为明显。图 3为AHSI和VIMI中红外2波段与Landsat-8 OLI对应波段的散点分布对比。从图 3可以看出，AHSI的散点分布靠近1∶1线，而VIMI则明显偏离1∶1线。总的来看，AHSI的辐亮度数据定标精度明显优于VIMI，且与Landsat-8 OLI更为接近。

    表  4  AHSI和VIMI与Landsat-8 OLI的辐亮度数据对比验证
    Table  4.  Comparison and Validation of Radiance Data of AHSI and VIMI with Landsat-8 OLI
    试验区 波段 Landsat-8 OLI GF-5 AHSI GF-5 VIMI
    数值范围 均值 数值范围 均值 R2 ME MAPE/% 数值范围 均值 R2 ME MAPE/%
    敦煌1 蓝 55.40 ~ 84.21 62.26 58.86 ~ 84.62 64.89 0.70 2.63 4.22 49.55 ~ 71.77 55.38 0.68 -6.88 11.05
    绿 49.43 ~ 89.32 59.08 52.83 ~ 84.40 61.29 0.74 2.21 3.74 39.09 ~ 61.45 45.04 0.73 -14.04 23.76
    红 45.42 ~ 80.79 56.26 45.81 ~ 78.26 55.77 0.79 -0.49 0.87 32.12 ~ 52.54 38.61 0.77 -17.65 31.37
    近红外 29.27 ~ 54.73 37.56 29.60 ~ 52.69 37.25 0.82 -0.31 0.83 24.36 ~ 42.27 30.23 0.83 -7.33 19.52
    中红外1 8.46 ~ 15.20 11.64 7.96 ~ 13.05 10.65 0.86 -0.99 8.51 7.28 ~ 8.90 8.19 0.70 -3.45 29.64
    中红外2 2.69 ~ 4.94 3.73 2.53 ~ 4.33 3.49 0.88 -0.24 6.43 2.18 ~ 2.82 2.54 0.80 -1.19 31.90
    均值 0.80 0.47 4.10 0.75 -8.42 24.54
    滕州 蓝 50.49 ~ 217.79 69.59 55.72 ~ 211.03 75.16 0.83 5.57 8.00 48.56 ~ 179.78 67.27 0.88 -2.32 3.33
    绿 31.22 ~ 215.24 60.76 38.50 ~ 191.12 65.22 0.83 4.46 7.34 31.19 ~ 156.95 51.23 0.90 -9.53 15.68
    红 17.73 ~ 216.22 49.08 20.53 ~ 169.94 50.26 0.84 1.18 2.40 17.84 ~ 139.57 38.10 0.89 -10.98 22.37
    近红外 6.92 ~ 181.47 87.47 15.50 ~ 167.03 82.64 0.81 -4.83 5.52 14.56 ~ 124.88 65.02 0.86 -22.45 25.67
    中红外1 0.87 ~ 46.82 13.87 1.19 ~ 48.53 13.67 0.85 -0.20 1.44 5.69 ~ 22.12 9.87 0.68 -4.00 28.84
    中红外2 0.24 ~ 22.22 3.32 0.21 ~ 16.78 3.32 0.84 0.00 0.00 1.07 ~ 11.70 2.36 0.78 -0.96 28.92
    均值 0.83 1.03 4.12 0.83 -8.37 20.80
    注：数值范围、均值、ME的单位均为W·m-2·sr-1·μm-1
    下载: 导出CSV 
    | 显示表格
    图  3  AHSI和VIMI中红外2波段与Landsat-8 OLI对应波段的散点分布图
    Figure  3.  Scatter Plots of the Middle Infrared 2 Band of AHSI and VIMI vs that of Landsat-8 OLI
    下载: 全尺寸图片 幻灯片

    2.3   VIMI与AHSI辐亮度数据转换验证

    由于敦煌2试验区取自于中国卫星传感器的标准定标场，且具有裸土、植被和建筑等主要地表覆盖物，比敦煌1和滕州试验区具有更好的代表性，因此本次试验采用敦煌2试验区获得的VIMI与AHSI关系模型对滕州和敦煌1试验区进行验证。表 5是对敦煌2试验区VIMI与AHSI各波段的散点(图 2中的蓝色散点)进行回归分析获得的二者之间的关系方程(均通过p < 0.01验证)。

    表  5  VIMI与AHSI辐亮度数据转换方程
    Table  5.  Equations for the Conversion of VIMI Radiance Data to AHSI Radiance Data
    波段 关系方程
    蓝 AHSI = 1.243 3VIMI - 9.407 8
    绿 AHSI = 1.439 8VIMI - 4.895 6
    红 AHSI = 1.564 8VIMI - 4.236 9
    近红外 AHSI = 1.465 6VIMI -11.450 0
    中红外1 AHSI = 1.827 6VIMI - 6.266 6
    中红外2 AHSI = 1.775 4VIMI - 1.517 3
    下载: 导出CSV 
    | 显示表格

    将表 5的关系模型分别代入滕州和敦煌1试验区的VIMI各对应波段影像，对其辐亮度数据进行逐像元转换，统计转换前后的数据特征(见表 6)；同时采用网格法在两个试验区分别采样85 581和70 981个样点，绘制VIMI数据转换前后的散点分布图并计算回归关系式，如图 4所示。

    表  6  VIMI辐亮度数据转换前后的精度对比
    Table  6.  Accuracy Comparison of VIMI Radiance Data Before and After Conversion
    波段 滕州试验区 敦煌1试验区
    转换前 转换后 转换前 转换后
    ME MAPE/% 斜率差 ME MAPE/% 斜率差 ME MAPE/% 斜率差 ME MAPE/% 斜率差
    蓝 7.89 11.73 0.129 -0.93 1.25 0.092 9.51 17.18 0.027 5.45 9.17 0.218
    绿 13.98 27.29 0.282 3.65 5.30 0.109 16.26 36.10 0.238 1.35 2.25 0.140
    红 12.16 31.91 0.353 5.12 9.25 0.136 17.16 44.44 0.343 -0.41 0.73 0.142
    近红外 17.62 27.10 0.191 1.20 1.43 0.188 7.01 23.20 0.251 4.39 13.35 0.146
    中红外1 3.79 38.37 0.778 -1.89 16.00 0.027 2.46 30.00 0.679 1.95 22.37 0.081
    中红外2 0.96 40.93 0.951 -0.66 24.79 0.099 0.94 37.03 0.827 0.49 16.25 0.029
    均值 9.40 29.56 0.447 1.08 9.67 0.109 8.89 31.33 0.394 2.20 10.69 0.126
    注：ME的单位为W·m-2·sr-1·μm-1；斜率差取图 4回归方程的斜率与1∶1线差值的绝对值
    下载: 导出CSV 
    | 显示表格
    图  4  VIMI辐亮度数据转换前后的散点分布和拟合效果对比
    Figure  4.  Scatter plots and Fitting Effect Comparison of VIMI Radiance Data Before and After Conversion
    下载: 全尺寸图片 幻灯片

    从表 6可以看出，滕州和敦煌1试验区的VIMI辐亮度数据通过由敦煌2试验区获得的关系方程进行转换后，其与AHSI数据的差异明显缩小。滕州试验区各波段的平均MAPE从转换前的29.56%下降到转换后的9.67%，下降近20个百分点，敦煌1试验区经转换后也下降了近21个百分点。转换后的散点分布更接近1∶1线(图 4)，滕州试验区的平均斜率差从0.447下降到0.109，降低了3.1倍，敦煌1试验区也降低了2.1倍。特别指出的是，敦煌1试验区以裸土为主，与敦煌2试验区的土地覆盖类型有明显不同，但采用敦煌2试验区获得的关系模型进行转换仍能取得较好的转换效果，说明由敦煌2试验区获得的关系模型可以有效缩小VIMI与AHSI两者之间的辐亮度数据差距。

    3 讨论

    本文的研究表明，AHSI与VIMI辐亮度数据之间存在较明显的差距。由于采用了严格的同时过空的AHSI与VIMI同步影像对进行试验，大气条件完全相同，因此二者之间的辐亮度数据差异不应该是大气因素引起的。

    双向反射效应是造成不同传感器数据不一致的另一个重要原因，但Liu等[29]认为，其主要影响的是大观测视角的传感器，且对同步影像的影响是等效的。Chen等[19]也认为，双向反射对于小视角传感器且使用同步影像的定标的影响不大，可不必考虑，即便有影响，对两种传感器的影响也是相等的。有研究表明[30-31]，采用双向反射分布函数对小视角传感器数据进行双向反射效应校正，其误差反而增大。因此，双向反射效应不应该是引起AHSI与VIMI这类小视角传感器且为同步影像数据之间差异的因素。

    不同传感器影像之间分辨率的不同也是造成它们之间数据差异的原因之一。AHSI的分辨率为30 m，而VIMI为20 m，为了考察它们之间分辨率的差异是否会影响辐亮度信号，随机选取两块面积为60 m×60 m的裸土和植被样区，分别对应AHSI的2×2=4个像元和VIMI的3×3=9个像元，如图 5所示。从图 5可以看出，由近红外、红、绿波段的辐亮度数据合成的RGB影像中，由于像元数的不同，二者合成的影像色彩有所偏差。统计表明，3个相关波段的辐亮度值的平均偏差率在裸土和植被分别达到了39.62%和23.77% (见表 7)。已有研究表明，空间分辨率的差距不应造成这么大的偏差。Chander等[9]对比了印度IRS-P6卫星同时搭载的AWiFS和LISS-Ⅲ传感器数据，二者的分辨率分别为56 m和23.5 m，差距近33 m，但它们对应波段的平均偏差率只有5.7%。Angal等[5]比较了MODIS和Landsat ETM+数据，虽然二者的分辨率差距最少都超过200 m，但它们对应波段的偏差率也都不超过7%。显然，AHSI与VIMI数据之间10 m的分辨率差异不应该是造成二者近32%平均偏差率的主要原因。

    图  5  AHSI与VIMI不同空间分辨率的像元数和颜色差异
    Figure  5.  Pixel Numbers and Color Difference Due to the Different Resolutions Between AHSI and VIMI Images
    下载: 全尺寸图片 幻灯片
    表  7  AHSI和VIMI空间分辨率对辐亮度值的影响
    Table  7.  Impact of the Resolution Difference Between AHSI and VIMI on Radiance Data
    类型 波段 AHSI 30 m分辨率4个像元的辐亮度均值/(W·m-2·sr-1·μm-1) VIMI 20 m分辨率9个像元的辐亮度均值/(W·m-2·sr-1·μm-1) MAPE/%
    裸土 绿 122.09 87.46 39.60
    红 110.14 72.86 51.17
    近红外 70.84 56.76 24.81
    均值 101.02 72.36 39.62
    植被 绿 57.24 49.25 16.21
    红 33.71 28.60 17.86
    近红外 133.16 103.21 29.01
    均值 74.70 60.36 23.77
    下载: 导出CSV 
    | 显示表格

    不同传感器影像对应波段之间光谱范围和光谱响应函数的不同也是造成它们之间信号差异的又一原因[1, 7]。由于GF-5官方网站尚未完全公布AHSI各波段的光谱响应函数数据，因此本次试验无法从光谱响应函数方面进行探究。就波段的光谱范围而言，经过重组的AHSI与VIMI各对应波段的波长范围只有1~3 nm的差距，而与Landsat-8 OLI的差距要远大于此(见表 2)，但AHSI与Landsat-8 OLI辐亮度却很接近，因此AHSI与VIMI各对应波段光谱范围的微小差距不应是造成二者辐亮度差距的主要原因。

    从现有可获得的公开数据和信息来看，AHSI和VIMI辐亮度数据之间的差异原因还不清楚。本次研究通过和同日的Landsat-8 OLI数据的对比发现，AHSI和Landsat-8 OLI辐亮度数据之间的差距很小(< 5%)，而VIMI和Landsat-8 OLI的差距大于20%，因此要尽可能提高VIMI数据的定标精度，已有的研究也都建议要提高已发射国产卫星的定标精度[19, 32]。

    值得注意的是，本次研究还发现AHSI辐亮度数据的散点在绿、红波段的高值区有明显的拖尾现象(见图 2)。通过分析发现，这些拖尾的散点主要出现在高亮的建筑物(见图 6，红色点为拖尾散点所在位置)，这说明AHSI绿、红波段的辐亮度在高亮度地物会出现过饱和现象。

    图  6  AHSI绿、红波段高值区拖尾的散点对应的高亮度建筑
    Figure  6.  Red-Colored High-Brightness Buildings Corresponding to the Trailing Scattered Points in the High-Radiance Value Areas of AHSI Green and Red Bands
    下载: 全尺寸图片 幻灯片

    4 结语

    本文通过同步的AHSI和VIMI影像对的交互对比发现，两种传感器的辐亮度数据之间存在一定的偏差，VIMI的辐亮度数据明显小于AHSI，其偏差率在3个试验区的均值接近32%，R2也只有0.817；在各个对应波段之间，红波段的差距最大，其偏差率超过40%，两个中红外波段的偏差率也在35%~40%之间。

    AHSI和VIMI与同日的Landsat-8 OLI辐亮度数据的验证表明，AHSI数据与Landsat-8 OLI数据很接近，偏差率小于5%，但VIMI数据的偏差率则大于20%。因此，AHSI和VIMI辐亮度数据的差异有可能主要是后者造成的。加强VIMI数据的定标工作，通过与定标精度高的传感器数据进行更多的交互对比，有望改善VIMI与AHSI以及Landsat-8辐亮度数据之间的差距。

    鉴于VIMI和AHSI的辐亮度数据存在差距，在现阶段如需要同时应用二者数据，建议先对VIMI数据进行转换校正。本次利用敦煌2试验区的模型对其他两个试验区的VIMI数据进行转换的结果表明，VIMI各波段的辐亮度数据经过转换后，与AHSI数据的差异大幅减小，两个试验区的ME平均减小了81.88%，MAPE平均下降了20.26个百分点，斜率差平均下降了2.61倍，通过转换大幅缩小了二者辐亮度数据之间的差距，有利于二者的协同使用。

  • 图  1   本次研究选取的3个试验区

    Figure  1.   Three Test Sites Selected for This Study

    下载: 全尺寸图片 幻灯片

    图  2   AHSI和VIMI对应波段的散点分布图

    Figure  2.   Scatter Plots of Corresponding Bands Between AHSI and VIMI

    下载: 全尺寸图片 幻灯片

    图  3   AHSI和VIMI中红外2波段与Landsat-8 OLI对应波段的散点分布图

    Figure  3.   Scatter Plots of the Middle Infrared 2 Band of AHSI and VIMI vs that of Landsat-8 OLI

    下载: 全尺寸图片 幻灯片

    图  4   VIMI辐亮度数据转换前后的散点分布和拟合效果对比

    Figure  4.   Scatter plots and Fitting Effect Comparison of VIMI Radiance Data Before and After Conversion

    下载: 全尺寸图片 幻灯片

    图  5   AHSI与VIMI不同空间分辨率的像元数和颜色差异

    Figure  5.   Pixel Numbers and Color Difference Due to the Different Resolutions Between AHSI and VIMI Images

    下载: 全尺寸图片 幻灯片

    图  6   AHSI绿、红波段高值区拖尾的散点对应的高亮度建筑

    Figure  6.   Red-Colored High-Brightness Buildings Corresponding to the Trailing Scattered Points in the High-Radiance Value Areas of AHSI Green and Red Bands

    下载: 全尺寸图片 幻灯片

    表  1   同步影像对及其参数

    Table  1   Date-Coincident Image Pairs and Parameters

    影像对 传感器 轨道号 日期 时间 太阳天顶角/(°) 太阳方位角/(°) 试验区特征
    敦煌1 Landsat-8 OLI 138/032 2019-11-14 12:26 60.31 162.57 裸土为主
    GF-5 AHSI 356/621 14:41 60.61 199.39
    GF-5 VIMI 14:41 60.56 199.40
    敦煌2 GF-5 AHSI 354/621 2019-07-14 14:38 22.30 214.35 裸土为主，兼有植被和少量建筑物
    GF-5 VIMI 14:38 21.45 214.43
    滕州 Landsat-8 OLI 122/036 2019-05-22 10:48 23.04 123.05 植被为主，兼有建筑物和少量水体
    GF-5 AHSI 310/611 13:13 20.82 179.80
    GF-5 VIMI 13:13 20.78 179.80
    下载: 导出CSV

    表  2   GF-5 VIMI、GF-5 AHSI和Landsat-8 OLI对应波段的信息

    Table  2   Specifications of Corresponding Bands of GF-5 VIMI, GF-5 AHSI, and Landsat-8 OLI

    波段名
    		 GF-5 VIMI GF-5 AHSI Landsat-8 OLI
    波段号 波长范围/nm 波段号 波长范围/nm 波段号 波长范围/nm
    蓝 B1 440~510 B13~B28 439~508 B2 452~512
    绿 B2 510~580 B29~B45 508~581 B3 533~590
    红 B3 620~680 B55~B68 619~679 B4 636~673
    近红外 B4 760~870 B88~B113 760~871 B5 851~879
    中红外1 B5 1 540~1 700 B215~B233 1 541~1 700 B6 1 566~1 651
    中红外2 B6 2 060~2 350 B277~B310 2 062~2 349 B7 2 107~2 294
    下载: 导出CSV

    表  3   AHSI和VIMI对应波段的辐亮度数据对比

    Table  3   Radiance Data Comparison of Corresponding Bands Between AHSI and VIMI

    试验区 波段 GF-5 VIMI GF-5 AHSI R2 ME MAPE/% RMSE
    最小值 最大值 均值 标准差 最小值 最大值 均值 标准差
    敦煌1 蓝 49.55 71.77 55.37 1.48 58.86 84.62 64.89 1.64 0.751 9.52 17.19 9.55
    绿 39.09 61.45 45.03 1.69 52.83 84.40 61.29 2.29 0.807 16.26 36.11 16.29
    红 32.12 52.54 38.61 1.96 45.81 78.26 55.77 2.82 0.853 17.16 44.44 17.21
    近红外 24.36 42.27 30.23 1.72 29.60 52.69 37.25 2.25 0.900 7.02 23.22 7.06
    中红外1 7.28 8.90 8.19 0.34 7.96 13.05 10.65 0.73 0.609 2.46 30.04 2.51
    中红外2 2.18 2.82 2.54 0.13 2.53 4.33 3.49 0.27 0.779 0.95 37.40 0.96
    敦煌2 蓝 56.27 219.42 98.21 16.17 60.01 239.11 112.74 21.36 0.940 14.53 14.79 15.95
    绿 40.01 186.34 81.89 15.61 51.18 192.95 113.05 23.22 0.937 31.16 38.05 32.43
    红 24.17 151.71 69.02 16.55 31.15 171.67 103.80 26.90 0.932 34.78 50.39 36.72
    近红外 26.55 114.54 66.46 9.86 28.00 159.43 83.94 15.26 0.907 17.48 26.30 20.57
    中红外1 10.01 22.11 14.15 1.54 3.35 50.97 19.59 3.39 0.685 5.44 38.45 5.90
    中红外2 2.15 10.01 4.10 0.79 0.74 17.30 5.77 1.57 0.762 1.67 40.73 1.92
    滕州 蓝 48.56 179.78 67.27 9.50 55.72 211.03 75.16 12.46 0.839 7.89 11.73 9.53
    绿 31.19 156.95 51.23 9.32 38.50 191.12 65.22 14.01 0.834 13.99 27.31 15.50
    红 17.84 139.57 38.10 11.11 20.53 169.94 50.26 17.64 0.846 12.16 31.92 14.89
    近红外 14.56 124.88 65.02 13.21 15.50 167.03 82.64 18.72 0.837 17.62 27.10 19.57
    中红外1 5.69 22.12 9.88 1.88 1.19 48.53 13.67 4.02 0.701 3.79 38.36 4.62
    中红外2 1.07 11.70 2.36 0.69 0.21 16.78 3.32 1.52 0.787 0.96 40.68 1.36
    均值 0.817 11.93 31.90 12.92
    注：最小值、最大值、均值、标准差、ME、RMSE的单位均为W·m-2·sr-1·μm-1
    下载: 导出CSV

    表  4   AHSI和VIMI与Landsat-8 OLI的辐亮度数据对比验证

    Table  4   Comparison and Validation of Radiance Data of AHSI and VIMI with Landsat-8 OLI

    试验区 波段 Landsat-8 OLI GF-5 AHSI GF-5 VIMI
    数值范围 均值 数值范围 均值 R2 ME MAPE/% 数值范围 均值 R2 ME MAPE/%
    敦煌1 蓝 55.40 ~ 84.21 62.26 58.86 ~ 84.62 64.89 0.70 2.63 4.22 49.55 ~ 71.77 55.38 0.68 -6.88 11.05
    绿 49.43 ~ 89.32 59.08 52.83 ~ 84.40 61.29 0.74 2.21 3.74 39.09 ~ 61.45 45.04 0.73 -14.04 23.76
    红 45.42 ~ 80.79 56.26 45.81 ~ 78.26 55.77 0.79 -0.49 0.87 32.12 ~ 52.54 38.61 0.77 -17.65 31.37
    近红外 29.27 ~ 54.73 37.56 29.60 ~ 52.69 37.25 0.82 -0.31 0.83 24.36 ~ 42.27 30.23 0.83 -7.33 19.52
    中红外1 8.46 ~ 15.20 11.64 7.96 ~ 13.05 10.65 0.86 -0.99 8.51 7.28 ~ 8.90 8.19 0.70 -3.45 29.64
    中红外2 2.69 ~ 4.94 3.73 2.53 ~ 4.33 3.49 0.88 -0.24 6.43 2.18 ~ 2.82 2.54 0.80 -1.19 31.90
    均值 0.80 0.47 4.10 0.75 -8.42 24.54
    滕州 蓝 50.49 ~ 217.79 69.59 55.72 ~ 211.03 75.16 0.83 5.57 8.00 48.56 ~ 179.78 67.27 0.88 -2.32 3.33
    绿 31.22 ~ 215.24 60.76 38.50 ~ 191.12 65.22 0.83 4.46 7.34 31.19 ~ 156.95 51.23 0.90 -9.53 15.68
    红 17.73 ~ 216.22 49.08 20.53 ~ 169.94 50.26 0.84 1.18 2.40 17.84 ~ 139.57 38.10 0.89 -10.98 22.37
    近红外 6.92 ~ 181.47 87.47 15.50 ~ 167.03 82.64 0.81 -4.83 5.52 14.56 ~ 124.88 65.02 0.86 -22.45 25.67
    中红外1 0.87 ~ 46.82 13.87 1.19 ~ 48.53 13.67 0.85 -0.20 1.44 5.69 ~ 22.12 9.87 0.68 -4.00 28.84
    中红外2 0.24 ~ 22.22 3.32 0.21 ~ 16.78 3.32 0.84 0.00 0.00 1.07 ~ 11.70 2.36 0.78 -0.96 28.92
    均值 0.83 1.03 4.12 0.83 -8.37 20.80
    注：数值范围、均值、ME的单位均为W·m-2·sr-1·μm-1
    下载: 导出CSV

    表  5   VIMI与AHSI辐亮度数据转换方程

    Table  5   Equations for the Conversion of VIMI Radiance Data to AHSI Radiance Data

    波段 关系方程
    蓝 AHSI = 1.243 3VIMI - 9.407 8
    绿 AHSI = 1.439 8VIMI - 4.895 6
    红 AHSI = 1.564 8VIMI - 4.236 9
    近红外 AHSI = 1.465 6VIMI -11.450 0
    中红外1 AHSI = 1.827 6VIMI - 6.266 6
    中红外2 AHSI = 1.775 4VIMI - 1.517 3
    下载: 导出CSV

    表  6   VIMI辐亮度数据转换前后的精度对比

    Table  6   Accuracy Comparison of VIMI Radiance Data Before and After Conversion

    波段 滕州试验区 敦煌1试验区
    转换前 转换后 转换前 转换后
    ME MAPE/% 斜率差 ME MAPE/% 斜率差 ME MAPE/% 斜率差 ME MAPE/% 斜率差
    蓝 7.89 11.73 0.129 -0.93 1.25 0.092 9.51 17.18 0.027 5.45 9.17 0.218
    绿 13.98 27.29 0.282 3.65 5.30 0.109 16.26 36.10 0.238 1.35 2.25 0.140
    红 12.16 31.91 0.353 5.12 9.25 0.136 17.16 44.44 0.343 -0.41 0.73 0.142
    近红外 17.62 27.10 0.191 1.20 1.43 0.188 7.01 23.20 0.251 4.39 13.35 0.146
    中红外1 3.79 38.37 0.778 -1.89 16.00 0.027 2.46 30.00 0.679 1.95 22.37 0.081
    中红外2 0.96 40.93 0.951 -0.66 24.79 0.099 0.94 37.03 0.827 0.49 16.25 0.029
    均值 9.40 29.56 0.447 1.08 9.67 0.109 8.89 31.33 0.394 2.20 10.69 0.126
    注：ME的单位为W·m-2·sr-1·μm-1；斜率差取图 4回归方程的斜率与1∶1线差值的绝对值
    下载: 导出CSV

    表  7   AHSI和VIMI空间分辨率对辐亮度值的影响

    Table  7   Impact of the Resolution Difference Between AHSI and VIMI on Radiance Data

    类型 波段 AHSI 30 m分辨率4个像元的辐亮度均值/(W·m-2·sr-1·μm-1) VIMI 20 m分辨率9个像元的辐亮度均值/(W·m-2·sr-1·μm-1) MAPE/%
    裸土 绿 122.09 87.46 39.60
    红 110.14 72.86 51.17
    近红外 70.84 56.76 24.81
    均值 101.02 72.36 39.62
    植被 绿 57.24 49.25 16.21
    红 33.71 28.60 17.86
    近红外 133.16 103.21 29.01
    均值 74.70 60.36 23.77
    下载: 导出CSV
    • 参考文献(32)
  • [1]

    Teillet P M, Barker J L, Markham B L, et al. Radiometric Cross-Calibration of the Landsat-7 ETM+ and Landsat-5 TM Sensors Based on Tandem Data Sets[J]. Remote Sensing of Environment, 2001, 78(1/2):39-54
    [2] Xu Hanqiu. Retrieval of the Reflectance and Land Surface Temperature of the Newly-Launched Landsat 8 Satellite[J]. Chinese Journal of Geophysics, 2015, 58(3):741-747(徐涵秋. 新型Landsat8卫星影像的反射率和地表温度反演[J]. 地球物理学报, 2015, 58(3):741-747)
    [3]

    Mishra N, Haque M, Leigh L, et al. Radiometric Cross Calibration of Landsat 8 Operational Land Imager (OLI) and Landsat 7 Enhanced Thematic Mapper Plus (ETM+)[J]. Remote Sensing, 2014, 6(12):12619-12638
    [4]

    Mancino G, Ferrara A, Padula A, et al. Cross-Comparison between Landsat 8(OLI) and Landsat 7(ETM+) Derived Vegetation Indices in a Mediterranean Environment[J]. Remote Sensing, 2020, 12(2):291
    [5]

    Angal A, Xiong X X, Wu A S, et al. Multitemporal Cross-Calibration of the Terra MODIS and Landsat 7 ETM+ Reflective Solar Bands[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(4):1870-1882
    [6] Zhang Aiyin, Zhang Xiaoli. Land Surface Temperature Retrieved from Landsat-8 and Comparison with MODIS Temperature Product[J]. Journal of Beijing Forestry University, 2019, 41(3):1-13(张爱因, 张晓丽. Landsat-8地表温度反演及其与MODIS温度产品的对比分析[J]. 北京林业大学学报, 2019, 41(3):1-13)
    [7]

    Xu H Q, Zhang T J. Assessment of Consistency in Forest-Dominated Vegetation Observations between ASTER and Landsat ETM+ Images in Subtropical Coastal Areas of Southeastern China[J]. Agricultural and Forest Meteorology, 2013, 168:1-9
    [8] Xu Hanqiu, Zhang Tiejun, Li Chunhua. Cross Comparison of Thermal Infrared Data between ASTER and Landsat ETM+ Sensors[J]. Geomatics and Information Science of Wuhan University, 2011, 36(8):936-940(徐涵秋, 张铁军, 李春华. ASTER与Landsat ETM~+热红外传感器数据的比较研究[J]. 武汉大学学报·信息科学版, 2011, 36(8):936-940)
    [9]

    Chander G, Coan M J, Scaramuzza P L. Evaluation and Comparison of the IRS-P6 and the Landsat Sensors[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(1):209-221
    [10]

    Thenkabail P S. Inter-Sensor Relationships between IKONOS and Landsat-7 ETM+ NDVI Data in Three Ecoregions of Africa[J]. International Journal of Remote Sensing, 2004, 25(2):389-408
    [11]

    Chastain R, Housman I, Goldstein J, et al. Empirical Cross Sensor Comparison of Sentinel-2A and 2B MSI, Landsat-8 OLI, and Landsat-7 ETM+ Top of Atmosphere Spectral Characteristics over the Conterminous United States[J]. Remote Sensing of Environment, 2019, 221:274-285
    [12]

    Barsi J A, Alhammoud B, Czapla-Myers J, et al. Sentinel-2A MSI and Landsat-8 OLI Radiometric Cross Comparison over Desert Sites[J]. European Journal of Remote Sensing, 2018, 51(1):822-837
    [13]

    Quan W T. A Multiplatform Approach Using MODIS Sensors to Cross-Calibrate the HJ-1A/CCD1 Sensors over Aquatic Environments[J]. Journal of the Indian Society of Remote Sensing, 2015, 43(4):687-695
    [14] Zhao Kai, Xu Janbo, Zhao Zhizhong, et al. Cross Comparison of HJ-1 A/B CCD and Landsat TM/ETM+ Multispectral Measurements for NDVI, SAVI and EVI Vegetation Index[J]. Remote Sensing Technology and Application, 2013, 28(4):674-680(赵凯, 徐剑波, 赵之重, 等. HJ-1 A/B CCD与Landsat TM/ETM+植被指数的交互比较[J]. 遥感技术与应用, 2013, 28(4):674-680)
    [15] Zhang Xuewen, Fu Qiaoyan, Han Qijin, et al. The Field Radiometric Calibration and Validation of ZY-3 Multispectral Sensor[J]. Spectroscopy and Spectral Analysis, 2014, 34(9):2476-2480(张学文, 傅俏燕, 韩启金, 等. 资源三号多光谱传感器场地辐射定标与验证[J]. 光谱学与光谱分析, 2014, 34(9):2476-2480)
    [16] Xu Hanqiu, Liu Zhicai, Guo Yanbin. Comparison of NDVI Data between GF-1 PMS1 and ZY-3 MUX Sensors[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(8):148-154(徐涵秋, 刘智才, 郭燕滨. GF-1 PMS1与ZY-3 MUX传感器NDVI数据的对比分析[J]. 农业工程学报, 2016, 32(8):148-154)
    [17]

    Li J, Feng L, Pang X P, et al. Radiometric Cross Calibration of Gaofen-1 WFV Cameras Using Landsat-8 OLI Images:A Simple Image-Based Method[J]. Remote Sensing, 2016, 8(5):411
    [18] Wu Xiaoping, Xu Hanqiu, Jiang Qiaoling. Cross-Comparison of GF-1, GF-2 and Landsat-8 OLI Sensor Data[J]. Geomatics and Information Science of Wuhan University, 2020, 45(1):150-158(吴晓萍, 徐涵秋, 蒋乔灵. GF-1、GF-2与Landsat-8卫星多光谱数据的交互对比[J]. 武汉大学学报·信息科学版, 2020, 45(1):150-158)
    [19]

    Chen Y P, Sun K M, Li D R, et al. Radiometric Cross-Calibration of GF-4 PMS Sensor Based on Assimilation of Landsat-8 OLI Images[J]. Remote Sensing, 2017, 9(8):811
    [20]

    Gao C X, Liu Y K, Qiu S, et al. Radiometric Cross-Calibration of GF-4/VNIR Sensor with Landsat8/OLI, Sentinel-2/MSI, and Terra/MODIS for Monitoring Its Degradation[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13:2337-2350
    [21] Liu Yinnian, Sun Dexin, Cao Kaiqin, et al. Evaluation of GF-5 AHSI On-Orbit Instrument Radiometric Performance[J]. Journal of Remote Sensing, 2020, 24(4):352-359(刘银年, 孙德新, 曹开钦, 等. 高分五号可见短波红外高光谱相机在轨辐射性能评估[J]. 遥感学报, 2020, 24(4):352-359)
    [22]

    Chander G, Haque M O, Micijevic E, et al. A Procedure for Radiometric Recalibration of Landsat 5 TM Reflective-Band Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(1):556-574
    [23]

    Choi T, Xiong X, Chander G, et al. Assessment of the Short-term Radiometric Stability between Terra MODIS and Landsat 7 ETM+ Sensors[C]. 2009 IEEE International Geoscience and Remote Sensing Symposium, Cape Town, South Africa, 2009
    [24] Yan Lei, Gou Zhiyang, Zhao Hongying, et al. In-Flight Spectral Calibration of UAV Hyperspectral Imager Based on Radiance Matching[J]. Journal of Infrared and Millimeter Waves, 2012, 31(6):517-522(晏磊, 勾志阳, 赵红颖, 等. 基于辐亮度匹配的无人机载成像光谱仪外场光谱定标研究[J]. 红外与毫米波学报, 2012, 31(6):517-522)
    [25]

    Chander G, Meyer D J, Helder D L. Cross Calibration of the Landsat-7 ETM+ and EO-1 ALI Sensor[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(12):2821-2831
    [26]

    Chen W, Zhou G. Comparison of Satellite Measured Temperature Using Terra ASTER and Landsat ETM+ Data[J]. IEEE International Geoscience and Remote Sensing Symposium, 2004, 3:1723-1726
    [27]

    Meyer D J, Chander G. The Effect of Variations in Relative Spectral Response on the Retrieval of Land Surface Parameters from Multiple Sources of Remotely Sensed Imagery[C]. 2007 IEEE International Geoscience and Remote Sensing Symposium, Barcelona, Spain, 2007
    [28]

    Malila W A, Meyers T J. Tasseled-cap Transformation of JERS-1 OPS Multispectral Data-an Initial Version[C], Geoscience and Remote Sensing Symposium (IGARSS 1995), Firenze, Italy, 1995
    [29]

    Liu Q Y, Yu T, Gao H L. Radiometric Cross-Calibration of GF-1 PMS Sensor with a New BRDF Model[J]. Remote Sensing, 2019, 11(6):707
    [30] Li Juan, Feng Lian, Pang Xiaoping. Comparison of the Cross-Calibration Methods between Image-Based and RTMBRDF for GF-1 Images[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(7):882-890(李娟, 冯炼, 庞小平. 针对GF-1遥感影像的基于影像与基于辐射传输模型的两种交叉定标方法比较[J]. 测绘学报, 2017, 46(7):882-890)
    [31]

    Zhang H K, Roy D P, Yan L, et al. Characterization of Sentinel-2A and Landsat-8 Top of Atmosphere, Surface, and Nadir BRDF Adjusted Reflectance and NDVI Differences[J]. Remote Sensing of Environment, 2018, 215:482-494
    [32]

    Zhao Y G, Ma L L, Li C R, et al. Radiometric Cross-Calibration of Landsat-8/OLI and GF-1/PMS Sensors Using an Instrumented Sand Site[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(10):3822-3829
    • 相关文章
    • 施引文献(13)

  • 期刊类型引用(6)

    1. 宋尔进，左天才，曾体健，张玉吉，张孙蓉. 可信技术支持下的水电集控中心数据安全交互. 电子设计工程. 2024(06): 127-130+135 . 百度学术
    2. 孔玉霞，王建华. 无人机遥感下城市道路边界高效提取仿真. 计算机仿真. 2024(06): 93-97 . 百度学术
    3. 叶黎明，施式亮，鲁义，李贺. 融合特征选取与机器学习的煤矿安全生产态势预测. 湖南科技大学学报(自然科学版). 2024(04): 28-36 . 百度学术
    4. 秦凯，何秦，康涵书，胡玮，鹿凡，科恩·杰森. 煤炭行业甲烷排放卫星遥感研究进展与展望. 光学学报. 2023(18): 118-130 . 百度学术
    5. 于柏枫. 基于传感器和AI技术的智能航行研究概述. 新型工业化. 2021(02): 65-67 . 百度学术
    6. 林海飞，周捷，高帆，金洪伟，杨卓亚，刘时豪. 基于特征选择和机器学习融合的煤层瓦斯含量预测. 煤炭科学技术. 2021(05): 44-51 . 百度学术

    其他类型引用(7)

    • 资源附件(0)
图(6)  /  表(7)
计量
  • 文章访问数:  1721
  • HTML全文浏览量:  1251
  • PDF下载量:  155
  • 被引次数: 13
出版历程
  • 收稿日期:  2020-10-28
  • 网络出版日期:  2023-09-26

目录

摘要
HTML全文

  • 1 数据与方法

  • 1.1   数据源

  • 1.2   数据预处理

  • 1.3   交互对比方法

  • 2 结果与分析

  • 2.1   AHSI和VIMI传感器数据的比较

  • 2.2   AHSI和VIMI与Landsat-8 OLI数据的对比验证

  • 2.3   VIMI与AHSI辐亮度数据转换验证

  • 3 讨论

  • 4 结语

参考文献(32)
相关文章
施引文献(13)
资源附件(0)

/

返回文章
返回

版权所有 © 2013 《武汉大学学报·信息科学版》编辑部

地址：武汉大学文理学部本科生院楼北5楼邮政编码：430072

电话：027-68778465,68788631E-mail:whuxxb@vip.163.com

我要投稿

投稿攻略

联系我们

二维码

本系统由北京仁和汇智信息技术有限公司开发  百度统计