孫元亨，秦其明，任華忠，張?zhí)碓?/p>

?

GF-4/PMS與GF-1/WFV兩種傳感器地表反射率及NDVI一致性分析

孫元亨，秦其明※，任華忠，張?zhí)碓?/p>

（1. 北京大學(xué)地球與空間科學(xué)學(xué)院遙感與地理信息系統(tǒng)研究所，北京 100871；2. 地理信息基礎(chǔ)軟件與應(yīng)用國(guó)家測(cè)繪地理信息局工程技術(shù)研究中心，北京 100871；3. 空間信息集成與3S工程應(yīng)用北京市重點(diǎn)實(shí)驗(yàn)室，北京 100871）

2015年12月中國(guó)成功發(fā)射高分系列中首顆地球靜止軌道衛(wèi)星高分四號(hào)（GF-4），實(shí)現(xiàn)與高分一號(hào)（GF-1）近極地軌道衛(wèi)星的優(yōu)勢(shì)互補(bǔ)，構(gòu)成了具有多種空間和時(shí)間分辨率的對(duì)地觀測(cè)體系。該文研究并分析了GF-4/PMS與GF-1/WFV地表反射率與NDVI的一致性，結(jié)果表明：一致性研究的最優(yōu)空間尺度為50 m；GF-4/PMS與GF-1/WFV地表反射率存在較好的線性關(guān)系，各波段相關(guān)系數(shù)均在0.7以上，傳感器之間反射率的系統(tǒng)性偏差可以通過線性回歸模型校正，校正后各波段反射率的RMSE明顯降低；NDVI能夠消除不同波段地表反射率“同增同減”偏差的影響，在GF-4地表反射率校正前后均表現(xiàn)出與GF-1較好的一致性，校正前后相關(guān)系數(shù)分別為0.74和0.77。因此，GF-4在農(nóng)業(yè)和植被遙感中具有較好的高分系列數(shù)據(jù)延續(xù)性和應(yīng)用潛力。

傳感器；遙感；像素；高分四號(hào)；高分一號(hào)；地表反射率；NDVI；一致性

0 引 言

隨著“高分辨率對(duì)地觀測(cè)系統(tǒng)”重大專項(xiàng)的實(shí)施開展，中國(guó)已先后于2013年4月和2015年12月發(fā)射了高分一號(hào)（GF-1）和高分四號(hào)（GF-4）衛(wèi)星，為農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)、估產(chǎn)等農(nóng)業(yè)遙感應(yīng)用實(shí)踐提供了重要的數(shù)據(jù)支持。作為一顆近極地軌道衛(wèi)星，GF-1攜帶了4臺(tái)成像幅寬大于200 km的16 m空間分辨率寬視場(chǎng)（wide field of view, WFV）傳感器，可以獲取幅寬大于800 km的視場(chǎng)拼接遙感圖像，并且其重訪周期也相應(yīng)縮短到了2 d。高分四號(hào)（GF-4）地球靜止軌道衛(wèi)星搭載的50 m分辨率多光譜成像儀（panchromatic multispectral sensor, PMS）成像幅寬大于400 km，具備10 s時(shí)間分辨率凝視成像能力，能夠?qū)χ袊?guó)及周邊地區(qū)進(jìn)行大范圍、高頻次的動(dòng)態(tài)觀測(cè)。GF-4多光譜傳感器的波段設(shè)置與GF-1/WFV傳感器較為相似，這為未來(lái)GF-1與GF-4的多源數(shù)據(jù)融合與聯(lián)合應(yīng)用提供了可能。

當(dāng)前，GF-1/WFV數(shù)據(jù)被廣泛應(yīng)用于生態(tài)環(huán)境監(jiān)測(cè)[1-3]、農(nóng)作物種植面積提取[4-9]與作物特征參數(shù)反演[10-11]等研究中。由于歸一化植被指數(shù)（normalized difference vegetation index, NDVI）與葉面積指數(shù)、生物量等農(nóng)學(xué)參數(shù)關(guān)系密切，因此利用NDVI開展農(nóng)作物長(zhǎng)勢(shì)動(dòng)態(tài)監(jiān)測(cè)和特征參數(shù)提取已成為基于高分衛(wèi)星數(shù)據(jù)農(nóng)業(yè)遙感應(yīng)用研究的重要方向。例如，楊閆君等[12]利用基于GF-1/WFV數(shù)據(jù)構(gòu)建的高分辨率NDVI時(shí)間序列，開展了作物分類研究與驗(yàn)證。閆敏等[13]采用像元二分模型估算了內(nèi)蒙古大興安嶺根河森林保護(hù)區(qū)植被覆蓋度情況，建立了其與NDVI的經(jīng)驗(yàn)關(guān)系?？追叉嫉萚14]通過對(duì)比不同植被指數(shù)與植被生物量的經(jīng)驗(yàn)關(guān)系，估算和評(píng)估了河北省豐寧縣植被地上生物量以及碳儲(chǔ)量。王利民等[15]則在傳統(tǒng)NDVI的基礎(chǔ)上，利用GF-1/WFV時(shí)間序列數(shù)據(jù)提出冬小麥NDVI加權(quán)指數(shù)用于種植面積調(diào)查，得到了穩(wěn)定的分類效果和較高的提取精度。

GF-4/PMS與GF-1/WFV具有相近的波段設(shè)置，二者時(shí)空分辨率優(yōu)勢(shì)互補(bǔ)，可結(jié)合開展地表農(nóng)作物監(jiān)測(cè)和特征參數(shù)反演。然而，對(duì)于這2種傳感器的對(duì)地觀測(cè)能力是否相似、NDVI是否具有直接可比性等問題，目前還未見相關(guān)報(bào)道與討論，而此類研究在現(xiàn)有的其他衛(wèi)星傳感器之間已普遍開展[16-17]。

例如，在Landsat-7衛(wèi)星發(fā)射之初，Bryant等[18]便開展了Landsat-4/TM、Landsat-5/TM和Landsat-7/ETM+傳感器之間地表反射率的一致性研究，并將其與EO-1/ALI的反射率以及地面實(shí)測(cè)反射率進(jìn)行了對(duì)比和驗(yàn)證。Flood[19]研究了Landsat-7/ETM+與Landsat-8/OLI傳感器的表觀反射率與地表反射率的一致性。Li等[20-22]又對(duì)比了基于ETM+與OLI計(jì)算得到的多種植被指數(shù)在不同地表植被類型下的差異。國(guó)內(nèi)衛(wèi)星數(shù)據(jù)產(chǎn)品方面，徐涵秋等[23]對(duì)比了GF-1/PMS與ZY-3/MUX傳感器的NDVI數(shù)據(jù)，發(fā)現(xiàn)ZY-3的NDVI信息量和信號(hào)總體強(qiáng)于GF-1。

因此，為了探究高分系列衛(wèi)星中GF-4/PMS與GF-1/WFV之間地表反射率與NDVI的一致性，本文將首先對(duì)GF-4/PMS與GF-1/WFV數(shù)據(jù)開展不同空間尺度地表反射率結(jié)果的一致性檢驗(yàn)以揭示二者對(duì)相同地表響應(yīng)的差異，進(jìn)而優(yōu)選合適的空間分辨率構(gòu)建GF-4/PMS地表反射率校正模型；然后，分別利用校正前與校正后的地表反射率結(jié)果計(jì)算NDVI；最后對(duì)比和驗(yàn)證GF-4/PMS與GF-1/WFV傳感器數(shù)據(jù)計(jì)算得到NDVI結(jié)果的一致性。

1 數(shù)據(jù)來(lái)源與研究區(qū)

本文選取華北平原（濟(jì)南附近）及周邊山地（北京附近）作為主要研究區(qū)。研究區(qū)地表類型以農(nóng)田和森林植被為主，其他地類如城市、水體等亦較為豐富。GF-4/PMS和GF-1/WFV遙感圖像來(lái)自于中國(guó)資源衛(wèi)星應(yīng)用中心推送至環(huán)保部衛(wèi)星環(huán)境應(yīng)用中心的數(shù)據(jù)，以晴空少云為選取標(biāo)準(zhǔn)。研究區(qū)內(nèi)GF-4/PMS和GF-1/WFV遙感圖像時(shí)相接近、位置匹配，且成像效果良好。選用的遙感圖像具體信息和研究區(qū)示意圖如表1和圖1所示。

表1 GF-4與GF-1遙感圖像信息

2 研究方法

2.1 高分系列衛(wèi)星數(shù)據(jù)預(yù)處理

GF-4和GF-1衛(wèi)星數(shù)據(jù)預(yù)處理主要包括輻射定標(biāo)、大氣校正和幾何校正。

輻射定標(biāo)：GF-4與GF-1數(shù)據(jù)絕對(duì)輻射定標(biāo)系數(shù)來(lái)源于中國(guó)資源衛(wèi)星應(yīng)用中心網(wǎng)站，可直接獲取并進(jìn)行定標(biāo)計(jì)算，得到圖像表觀輻亮度。

大氣校正：在獲得了圖像表觀輻亮度之后，利用6S（second simulation of the satellite signal in the solar spectrum）模型對(duì)GF-1和GF-4圖像進(jìn)行大氣校正[24]，從而獲得地表反射率結(jié)果。其中6S模型輸入?yún)?shù)所需的研究區(qū)氣溶膠光學(xué)厚度數(shù)據(jù)取自于MODIS大氣2級(jí)標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品MOD04_L2。

幾何校正：首先利用高分?jǐn)?shù)據(jù)自帶的RPC參數(shù)進(jìn)行無(wú)控制點(diǎn)的有理多項(xiàng)式模型區(qū)域網(wǎng)平差粗校正[25]，粗校正所需的DEM數(shù)據(jù)來(lái)自ASTER衛(wèi)星30 m空間分辨率GDEM產(chǎn)品。之后再以帶有準(zhǔn)確空間坐標(biāo)信息的Landsat-8全色融合圖像為參考，通過人工添加同名控制點(diǎn)的方法實(shí)現(xiàn)GF-1與GF-4數(shù)據(jù)的幾何精校正。GF-4與GF-1圖像幾何精校正均方根誤差（RMSE）均小于0.5個(gè)像素，可以滿足后續(xù)對(duì)比工作的精度要求。

2.2 遙感圖像重采樣

由于GF-4/PMS與GF-1/WFV遙感圖像原始空間分辨率分別為50和15 m，在進(jìn)行點(diǎn)對(duì)點(diǎn)的像元光譜對(duì)比之前，首先需要對(duì)遙感圖像進(jìn)行重采樣以統(tǒng)一空間分辨率。同時(shí)為了研究不同空間尺度對(duì)GF-4/PMS與GF-1/WFV各對(duì)應(yīng)波段反射率相關(guān)性的影響，本文將原始遙感圖像重采樣至15～200 m多種不同空間分辨率下，通過分別計(jì)算GF-4/PMS與GF-1/WFV對(duì)應(yīng)波段反射率相關(guān)系數(shù)與圖像變異系數(shù)，探究尺度效應(yīng)對(duì)反射率一致性的影響。圖像升尺度轉(zhuǎn)換采用像素聚合法，降尺度轉(zhuǎn)換采用三次卷積插值的方法。

2.3 地表反射率校正

考慮到傳感器光譜響應(yīng)的差別以及地物反射特性的影響，GF-4/PMS與GF-1/WFV圖像所反映的相同地物反射率可能存在系統(tǒng)性偏差，因此需要通過統(tǒng)計(jì)回歸模型對(duì)GF-4/PMS數(shù)據(jù)進(jìn)行校正。在對(duì)GF-4與GF-1空間尺度效應(yīng)特征研究結(jié)果的基礎(chǔ)上，本文采用最小二乘線性回歸模型，以GF-4反射率為自變量，以GF-1反射率為因變量構(gòu)建回歸方程

式中g(shù)f1和gf4分別為GF-1和GF-4圖像對(duì)應(yīng)像元的反射率值，回歸系數(shù)中為截距，為斜率。隨著用于構(gòu)建回歸模型的隨機(jī)像元對(duì)數(shù)量的增加，回歸模型系數(shù)也逐漸趨于穩(wěn)定，因此本文選擇利用系數(shù)已達(dá)到穩(wěn)定時(shí)隨機(jī)選取的5 000個(gè)像元對(duì)作為訓(xùn)練數(shù)據(jù)擬合回歸模型系數(shù)，另5 000個(gè)像元對(duì)用于回歸模型校正結(jié)果的驗(yàn)證。

2.4 NDVI計(jì)算與對(duì)比

NDVI作為目前使用最為廣泛的植被指數(shù)模型已成為農(nóng)業(yè)遙感與作物長(zhǎng)勢(shì)監(jiān)測(cè)的重要工具?，F(xiàn)有的研究表明NDVI對(duì)于GF-1/WFV數(shù)據(jù)也具有良好的適用性[8-12]，其計(jì)算公式如下

式中NIR為像元近紅外波段的地表反射率，Red為紅光波段的地表反射率。GF-4/PMS圖像校正前后的地表反射率將用于計(jì)算NDVI，并與GF-1/WFV計(jì)算結(jié)果進(jìn)行對(duì)比和一致性檢驗(yàn)。

3 結(jié)果與分析

3.1 空間尺度效應(yīng)特征

對(duì)于不同傳感器獲取的同一地區(qū)遙感圖像，其對(duì)應(yīng)波段相關(guān)性特征在不同空間分辨下往往不同，且隨著空間尺度的變化會(huì)呈現(xiàn)出一定的特點(diǎn)和規(guī)律。為了直觀展示上述變化規(guī)律，本文將重采樣后不同尺度下的GF-4/PMS與GF-1/WFV對(duì)應(yīng)波段反射率相關(guān)系數(shù)繪制成折線圖（圖2）。

從圖2中可以看出，隨著像元空間尺度的增大，2組圖像反射率在各個(gè)波段的相關(guān)性均呈現(xiàn)出增加的趨勢(shì)；藍(lán)光波段的相關(guān)程度最高，綠光波段的相關(guān)程度最低。隨著像元大小的增加，在50～80 m這一像元尺度范圍相關(guān)系數(shù)出現(xiàn)了異于總體變化趨勢(shì)的特征：藍(lán)光波段相關(guān)系數(shù)略有下降，紅光波段增長(zhǎng)趨于停滯，而綠光和近紅外波段增速也有所放緩。

雖然隨著空間尺度的增加圖像間波段反射率相關(guān)性會(huì)有提高，但這也會(huì)在一定程度上帶來(lái)遙感圖像信息的損失[26]，因此需要研究在不同尺度區(qū)間變化時(shí)圖像光譜信息丟失與波段反射率相關(guān)性提高二者的相對(duì)顯著性，以平衡二者之間的關(guān)系。變異系數(shù)是描述圖像表征細(xì)節(jié)信息能力的較好指標(biāo)，因此，本文分別計(jì)算了15～200 m范圍內(nèi)6組像元尺度變化區(qū)間上各個(gè)波段反射率相關(guān)系數(shù)與變異系數(shù)的相對(duì)變化率均值，其中變異系數(shù)為基于GF-4圖像的計(jì)算結(jié)果。從表2中可以看出，在50～80 m區(qū)間范圍內(nèi)相關(guān)系數(shù)增長(zhǎng)幾乎停滯，同時(shí)該范圍內(nèi)的變異系數(shù)降低也最為明顯，說明空間尺度從50降低到80 m時(shí)圖像損失較多的細(xì)節(jié)信息，但對(duì)相關(guān)性的增加貢獻(xiàn)有限。

表2 不同尺度區(qū)間圖像變異性與相關(guān)性

3.2 地表反射率的一致性

圖3a展示的是GF-4與GF-1對(duì)應(yīng)波段像元地表反射率散點(diǎn)分布以及過原點(diǎn)的擬合直線。GF-4 綠光和紅光波段存在部分小于0的反射率值，這可能是由于輻射定標(biāo)和大氣校正過程中的誤差造成的。2種衛(wèi)星傳感器之間地表反射率基本呈線性相關(guān)關(guān)系，除綠光波段之外其余各對(duì)應(yīng)波段回歸方程的決定系數(shù)2均在0.6左右；除少量低反射率像元，GF-1衛(wèi)星各個(gè)波段的反射率均大于GF-4，反射率結(jié)果存在一個(gè)明顯的系統(tǒng)性偏差。最大系統(tǒng)性偏差出現(xiàn)在藍(lán)光和綠光波段，而偏差最小的則是紅光波段。

圖3b給出的是經(jīng)過校正后的對(duì)應(yīng)波段地表反射率對(duì)比情況，各個(gè)波段線性回歸模型校正系數(shù)如表3所示。校正后藍(lán)光和綠光波段的RMSE明顯減小，紅光和近紅外波段也略有降低，RMSE總體在0.1上下，這表明校正模型能夠有效的消除由于傳感器間系統(tǒng)偏差而導(dǎo)致的對(duì)應(yīng)波段間反射率的差異。

3.3 NDVI的一致性

NDVI利用衛(wèi)星傳感器紅光與近紅外波段地表反射率之間的差異來(lái)增強(qiáng)和提取植被信息，紅光與近紅外波段在GF-1圖像中分別對(duì)應(yīng)為波段3和波段4，而在GF-4圖像上則為波段4和波段5。圖4a與圖4b分別給出了地表反射率校正前后GF-4與GF-1的NDVI散點(diǎn)分布以及過原點(diǎn)的擬合直線，可以發(fā)現(xiàn)無(wú)論是校正前還是校正后，二者的NDVI均呈現(xiàn)出較好的一致性，校正前后相關(guān)系數(shù)分別為0.74和0.77，散點(diǎn)總體均勻分布在1:1線附近；GF-4/PMS反射率校正后的NDVI與GF-1/WFV的NDVI結(jié)果相關(guān)系數(shù)略有增加，RMSE略有降低；反射率校正前后，在NDVI高值區(qū)GF-4結(jié)果較GF-1略微偏小，而在NDVI負(fù)值區(qū)GF-4結(jié)果則略微偏大。

4 討 論

4.1 最優(yōu)空間尺度的選擇

由于像元所能攜帶和表達(dá)的地表信息對(duì)空間分辨率具有較大的依賴性，因此遙感圖像空間升尺度轉(zhuǎn)換難免會(huì)帶來(lái)一定程度上的光譜信息丟失和變異[27]。隨著尺度的增加，混合像元綜合了其內(nèi)部各種不同地物的光譜特征，信號(hào)強(qiáng)度趨于穩(wěn)定，不同傳感器接收到的像元信號(hào)也趨于相似。因此在本文研究中，GF-4/PMS與GF-1/WFV各個(gè)波段相關(guān)性均隨著重采樣像元大小的增加而增加，而圖像的變異性則相應(yīng)降低。當(dāng)像元空間尺度在50～80 m時(shí)，重采樣后GF-4像元不足原始像元大小的2倍，原始中心像元的影響占據(jù)主導(dǎo)，因此在這一范圍內(nèi)，GF-4與GF-1地表反射率的相關(guān)性略有降低或增長(zhǎng)放緩。在大于100 m的像元尺度中，波段間相關(guān)性雖然隨尺度增大而持續(xù)增加，但圖像變異性迅速降低，圖像信息損失明顯。綜合平衡圖像光譜信息丟失與波段反射率相關(guān)性提高，本文認(rèn)為50 m是GF-4/PMS與GF-1/WFV反射率一致性研究和未來(lái)二者聯(lián)合應(yīng)用的最優(yōu)空間尺度。

4.2 反射率差異的原因

衛(wèi)星傳感器光譜響應(yīng)函數(shù)的不同會(huì)使圖像間地表反射率產(chǎn)生系統(tǒng)性偏差，此外地物光譜反射特性、地表的非均一性、觀測(cè)時(shí)間和太陽(yáng)高度角等其他因素也會(huì)增加這種偏差的隨機(jī)性和不確定性[19]。

原始GF-4/PMS與GF-1/WFV圖像對(duì)應(yīng)波段的反射率存在一個(gè)明顯的系統(tǒng)偏差（圖3），這主要是由2個(gè)傳感器光譜響應(yīng)函數(shù)的差別和地物反射光譜特性造成的。由于4臺(tái)WFV傳感器的光譜響應(yīng)函數(shù)十分相似，圖5以 GF-1/WFV1為例將其與GF-4/PMS傳感器進(jìn)行對(duì)比，可以看出GF-4在藍(lán)光、綠光和近紅外波段的光譜響應(yīng)范圍相比GF-1更寬，而紅光波段與GF-1基本一致。更寬的光譜響應(yīng)使得GF-4單波段反射率更容易受到相鄰波段的影響，同時(shí)也對(duì)大氣水汽和氣溶膠等的干擾更為敏感。

圖像像元上的反射率值是受傳感器光譜響應(yīng)函數(shù)與目標(biāo)地物反射特性共同作用的結(jié)果，因此圖像上一些只在特定波段范圍內(nèi)具有高反射特性的地物，往往受到光譜響應(yīng)函數(shù)差異的影響更大。例如，僅在GF-4近紅外波段前半部分（720～750 nm）具有較高反射率的目標(biāo)地物，可能在GF-1與GF-4的圖像上產(chǎn)生明顯不同的響應(yīng)結(jié)果[19, 28]。

系統(tǒng)偏差使得GF-4各個(gè)波段地表反射率總體低于GF-1，然而各個(gè)波段的系統(tǒng)偏差也具有不同的特點(diǎn)。在校正之前紅光波段地表反射率的絕對(duì)偏差最小、一致性最佳，這主要是因?yàn)?個(gè)傳感器在此波段的光譜響應(yīng)函數(shù)最相似。其余波段的光譜響應(yīng)函數(shù)在響應(yīng)范圍和強(qiáng)度上一定的差別，尤其是藍(lán)光（430～520 nm）波段，GF-1光譜響應(yīng)函數(shù)在波長(zhǎng)范圍內(nèi)較為穩(wěn)定，而GF-4光譜響應(yīng)函數(shù)曲線則表現(xiàn)出明顯的先低后高的起伏變化，從而導(dǎo)致了反射率結(jié)果的較大偏差。

各個(gè)波段反射率的線性回歸校正模型中斜率均大于1，表明GF-1探測(cè)的地物光譜信號(hào)的光譜動(dòng)態(tài)范圍更寬、信息量更多，這主要是由于GF-1/WFV圖像的空間分辨率更高，從而使其更容易捕捉到細(xì)小的極端光譜信息。在紅光和近紅外波段GF-4的光譜動(dòng)態(tài)范圍明顯較GF-1更窄（圖3a），通過模型的校正可以顯著提高其變化范圍以及其與GF-1反射率的一致性（圖3b）。

GF-4與GF-1地表反射率除了存在可以被校正的系統(tǒng)性偏差，也存在一些隨機(jī)誤差，而這可能是多種因素造成的，例如GF-4與GF-1傳感器成像時(shí)間的差異、大氣校正誤差等。此外，GF-4與GF-1分別屬于靜止衛(wèi)星和極軌衛(wèi)星，它們?cè)诔上駮r(shí)的太陽(yáng)方位角和觀測(cè)方位角并不相同，地表反射率的方向性特征也會(huì)對(duì)傳感器獲得的反射率結(jié)果產(chǎn)生一定影響[29-30]，而本文的研究還未考慮由于上述因素導(dǎo)致的反射率方向性效應(yīng)的影響。由于所獲取的GF-4數(shù)據(jù)數(shù)量有限，本文僅以兩個(gè)研究區(qū)域的GF-4與GF-1圖像對(duì)擬合得到了地表反射率的校正系數(shù)，該系數(shù)在其他區(qū)域的適用效果還有待進(jìn)一步驗(yàn)證。

4.3 NDVI對(duì)反射率偏差的敏感性

NDVI作為地表反射率的組合，紅光和近紅外波段反射率的微小變化可能對(duì)其結(jié)果造成比較大的影響，而波段組合形式也可能會(huì)降低模型對(duì)反射率微小變化的敏感性。本文的試驗(yàn)結(jié)果表明，在地表反射率校正前后，GF-4的NDVI計(jì)算結(jié)果與GF-1都呈現(xiàn)出較好線性相關(guān)關(guān)系，相關(guān)系數(shù)均在0.7以上，反射率校正后相關(guān)系數(shù)略有提高，RMSE略有降低。

與地表反射率相比，NDVI比值歸一化的計(jì)算方式很大程度上消除了傳感器間各波段反射率由于“同增同減”而產(chǎn)生的偏差，在反射率校正前也可保持GF-4和GF-1之間結(jié)果的一致性，從而使其對(duì)于反射率的這種偏差的敏感性大大降低[31]。

5 結(jié) 論

本文探究了不同空間尺度下GF-4/PMS與GF-1/WFV圖像地表反射率與NDVI的一致性，獲得的主要結(jié)論包括：

1）隨著像元尺度的增加，GF-4與GF-1地表反射率相關(guān)性也隨之增加，但在50～80 m范圍內(nèi)有所降低或放緩。綜合考慮圖像內(nèi)信息損失與圖像間反射率相關(guān)性的平衡，50 m是GF-4與GF-1地表反射率一致性研究的最優(yōu)尺度。

2）GF-4與GF-1地表反射率具有良好的線性相關(guān)性，各波段相關(guān)系數(shù)均在0.7以上。傳感器之間的反射率既存在系統(tǒng)性偏差，也有其他因素造成的隨機(jī)偏差，系統(tǒng)性偏差可以通過線性回歸模型校正，使得在大多數(shù)波段RMSE明顯降低，從而提高GF-4與GF-1地表反射率結(jié)果的一致性。

3）由于GF-4各個(gè)波段地表反射率相對(duì)于GF-1圖像的系統(tǒng)偏差具有“同增同減”的性質(zhì)，具有歸一化比值形式的NDVI模型對(duì)于這種系統(tǒng)偏差并不敏感，校正前后NDVI一致性的差別不大。

[1] Wu M Q, Huang W J, Niu Z, et al. Combining HJ CCD, GF-1 WFV and MODIS data to generate daily high spatial resolution synthetic data for environmental process monitoring[J]. International Journal of Environmental Research and Public Health, 2015, 12(8): 9920－9937.

[2] 侍昊，沈文娟，李楊，等. 高分系列衛(wèi)星影像特征及其在太湖生態(tài)環(huán)境監(jiān)測(cè)中的應(yīng)用[J]. 南京林業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，40 (6)：63－68.

Shi Hao, Shen Wenjuan, Li Yang, et al. Analysis of characteristics of GF images and their eco-environmental significance[J]. Journal of Nanjing Forestry University: Natural Sciences Edition, 2016, 40 (6): 63－68. (in Chinese with English abstract)

[3] 朱利，李云梅，趙少華，等. 基于GF-1號(hào)衛(wèi)星WFV數(shù)據(jù)的太湖水質(zhì)遙感監(jiān)測(cè)[J]. 國(guó)土資源遙感，2015，27(1)：113－120.

Zhu Li, Li Yunmei, Zhao Shaohua, et al. Remote sensing monitoring of Taihu Lake water quality by using GF-1 satellite WFV data[J]. Remote Sensing For Land & Resources, 2015, 27(1): 113－120. (in Chinese with English abstract)

[4] 郭燕，武喜紅，程永政, 等. 用高分一號(hào)數(shù)據(jù)提取玉米面積及精度分析[J]. 遙感信息，2015，30(6)：31－36.

Guo Yan, Wu Xihong, Cheng Yongzheng, et al. Maize recognition and accuracy evaluation based on high resolution remote sensing (GF-1) data[J]. Remote Sensing Information, 2015, 30(6): 31－36. (in Chinese with English abstract)

[5] 劉國(guó)棟，鄔明權(quán)，牛錚，等. 基于GF-1衛(wèi)星數(shù)據(jù)的農(nóng)作物種植面積遙感抽樣調(diào)查方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(5)：160－166.

Liu Guodong, Wu Mingquan, Niu Zheng, et al. Investigation method for crop area using remote sensing sampling based on GF-1 satellite data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 160－166. (in Chinese with English abstract)

[6] 王利民，劉佳，楊福剛，等. 基于GF-1衛(wèi)星遙感的冬小麥面積早期識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(11)：194－201.

Wang Limin, Liu Jia, Yang Fugang, et al. Early recognition of winter wheat area based on GF-1 satellite[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 194－201. (in Chinese with English abstract)

[7] 黃健熙，賈世靈，武洪峰，等. 基于GF-1 WFV影像的作物面積提取方法研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(1)：253－259.

Huang Jianxi, Jia Shiling, Wu Hongfeng, et al. Extraction method of crop planted area based on GF-1 WFV image[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(1): 253－259. (in Chinese with English abstract)

[8] 馬尚杰，易湘生，游炯，等. 基于GF-1影像的冬小麥種植面積核算及直補(bǔ)政策實(shí)施評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(18)：169－174.

Ma Shangjie, Yi Xiangsheng, You Jiong, et al. Winter wheat cultivated area estimation and implementation evaluation of grain direct subsidy policy based on GF-1 imagery[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(18): 127－135. (in Chinese with English abstract)

[9] 宋軍偉，張友靜，李鑫川，等. 基于GF-1與Landsat-8影像的土地覆蓋分類比較[J]. 地理科學(xué)進(jìn)展，2016，35(2)：255－263.

Song Junwei, Zhang Youjing, Li Xinchuan, et al. Comparison between GF-1 and Landsat-8 images in land cover classification[J]. Progress in Geography, 2016, 35(2): 255－263. (in Chinese with English abstract)

[10] Jia K, Liang S L, Gu X F, et al. Fractional vegetation cover estimation algorithm for Chinese GF-1 wide field view data[J]. Remote Sensing of Environment, 2016, 177: 184－191.

[11] 賈玉秋，李冰，程永政，等. 基于GF-1與Landsat-8多光譜遙感影像的玉米LAI反演比較.[J] 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(9)：173－179.

Jia Yuqiu, Li Bing, Cheng Yongzheng, et al. Comparison between GF-1 images and Landsat-8 images in monitoring maize LAI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(9): 173－179. (in Chinese with English abstract)

[12] 楊閆君，占玉林，田慶久，等. 基于GF-1/WFV NDVI時(shí)間序列數(shù)據(jù)的作物分類[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(24)：155－161.

Yang Yanjun, Zhan Yulin, Tian Qingjiu, et al. Crop classification based on GF-1/WFV NDVI time series[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(24): 155－161. (in Chinese with English abstract)

[13] 閆敏，李增元，陳爾學(xué)，等. 內(nèi)蒙古大興安嶺根河森林保護(hù)區(qū)植被覆蓋度變化[J]. 生態(tài)學(xué)雜志，2016，35(2)：508－515.

Yan Min, Li Zengyuan, Chen Erxue, et al. Vegetation fractional coverage change in Daxinganling Genhe forest reserve of Inner Mongolia[J]. Chinese Journal of Ecology, 2016, 35(2): 508－515. (in Chinese with English abstract)

[14] 孔凡婕，李曉兵，白云曉，等. 基于GF-1 WFV影像的豐寧縣植被地上碳儲(chǔ)量估算[J]. 資源科學(xué)，2016，38(6)：1054－1064.

Kong Fanjie, Li Xiaobing, Bai Yunxiao, et al. The estimation of aboveground vegetation carbon storage based on GF-1 WFV satellite images in Fengning County[J]. Resources Science, 2016, 38(6): 1054－1064. (in Chinese with English abstract)

[15] 王利民，劉佳，楊玲波，等. 基于NDVI加權(quán)指數(shù)的冬小麥種植面積遙感監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(17)：127－135.

Wang Limin, Liu Jia, Yang Lingbo, et al. Remote sensing monitoring winter wheat area based on weighted NDVI index[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(17): 127－135. (in Chinese with English abstract)

[16] Lewis P E. An overview of the Landsat data continuity mission[J]. Proceedings of SPIE-The International Society for Optical Engineering, 2010, 7695(5): 7.

[17] Wulder M A, White J C, Goward S N, et al. Landsat continuity: Issues and opportunities for land cover monitoring[J]. Remote Sensing of Environment, 2008, 112(3): 955－969.

[18] Bryant R, Moran M S, Mcelroy S A, et al. Data continuity of earth observing 1 (EO-1) advanced land imager (ALI) and Landsat TM and ETM+[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(6): 1204－1214.

[19] Flood N. Continuity of reflectance data between Landsat-7 ETM+ and Landsat-8 OLI, for both top-of-atmosphere and surface reflectance: a study in the Australian landscape[J]. Remote Sensing, 2014, 6(9): 7952－7970.

[20] Li P, Jiang L, Feng Z. Cross-comparison of vegetation indices derived from Landsat-7 enhanced thematic mapper plus (ETM+) and Landsat-8 operational land imager (OLI) sensors[J]. Remote Sensing, 2014, 6(1): 310－329.

[21] She X J, Zhang L F, Cen Y, et al. Comparison of the continuity of vegetation indices derived from Landsat 8 OLI and Landsat 7 ETM+ data among different vegetation types[J]. Remote Sensing, 2015, 7(10):13485－13506.

[22] Roy D P, Kovalskyy V, Zhang H K, et al. Characterization of Landsat-7 to Landsat-8 reflective wavelength and normalized difference vegetation index continuity[J]. Remote Sensing of Environment, 2016, 185(1): 57－70.

[23] 徐涵秋，劉智才，郭燕濱. GF-1 PMS1與ZY-3 MUX傳感器NDVI數(shù)據(jù)的對(duì)比分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(8)：148－154.

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 (Transactions of the CSAE), 2016, 32(8): 148－154. (in Chinese with English abstract)

[24] 劉佳，王利民，楊玲波，等. 基于6S模型的GF-1衛(wèi)星影像大氣校正及效果[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(19)：159－168.

Liu Jia, Wang Limin, Yang Lingbo, et al. GF-1 satellite image atmospheric correction based on 6S model and its effect[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(19): 159－168. (in Chinese with English abstract)

[25] 劉佳，王利民，楊玲波，等. 基于有理多項(xiàng)式模型區(qū)域網(wǎng)平差的GF-1影像幾何校正[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(22)：159－168.

Liu Jia, Wang Limin, Yang Lingbo, et al. Geometric correction of GF-1 satellite images based on block adjustment of rational polynomial model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(22): 159－168. (in Chinese with English abstract)

[26] Takeuchi W, Tamura M, Yasuoka Y. Estimation of methane from West Siberian wetland by scaling technique between NOAA AVHRR and SPOT HRV[J]. Remote Sensing of Environment, 2003, 85(1): 21－29.

[27] Woodcock C E, Strahler A H. The factor of scale in remote sensing[J]. Remote Sensing of Environment, 1987, 21(3): 311－332.

[28] Barsi J, Lee K, Kvaran G, et al. The spectral response of the Landsat-8 operational land imager[J]. Remote Sensing, 2014, 6(10): 10232－10251.

[29] Wang Z J, Coburn C A, Ren X M, et al. Effect of surface roughness, wavelength, illumination, and viewing zenith angles on soil surface BRDF using an imaging BRDF approach[J]. International Journal of Remote Sensing, 2014, 35: 6894－6913.

[30] Wang Z, Coburn C A, Ren X, et al. Effect of soil surface roughness and scene components on soil surface bidirectional reflectance factor[J]. Canadian Journal of Soil Science, 2012, 92(2): 297－313.

[31] 王正興，劉闖，Huete A. 植被指數(shù)研究進(jìn)展：從AVHRR-NDVI到MODIS-EVI[J]. 生態(tài)學(xué)報(bào)，2003，23(5)：979－987.

Wang Zhengxing, Liu Chuang, Huete A. From AVHRR-NDVI to MODIS-EVI: Advances in vegetation index research[J]. Acta Ecologica Sinica, 2003, 23(5): 979－987. (in Chinese with English abstract)

Consistency analysis of surface reflectance and NDVI between GF-4/PMS and GF-1/WFV

Sun Yuanheng, Qin Qiming※, Ren Huazhong, Zhang Tianyuan

(1.100871; 2.100871; 3.100871)

As the first geostationary satellite of China’s National High-resolution Observation Program (GaoFen Project), GaoFen-4 (GF-4) which launched in December 2015 enjoys the features of high temporal resolution and wide observation with a spatial resolution of 50 m. Meanwhile, GaoFen-4 together with GaoFen-1 (GF-1) polar-orbiting satellite forms a multi-spatial-temporal-resolution ground observation system, which provides more choices for agricultural remote sensing applications. Since the spectral responses of the Panchromatic Multispectral Sensor (PMS) boarded on GF-4 and Wide Field View (WFV) on GF-1 are slight different, there might be difference in reflectance measurements between them. To take fully advantage of their features, the imaging and vegetation detecting capability between two kinds of sensor are of great importance for us to explore in detail using image pairs from the areas of interest. In this study, we aimed at analysis of the continuity of surface reflectance and Normalized Difference Vegetation Index (NDVI) based on GF-4/PMS and GF-1/WFV sensors images. Two image pairs of Northern China Plain and its nearby mountain areas of China, acquired in May 2016, were employed for the comparison. Radiometric calibration, atmospheric correction and geometric correction were operated at first on the Level 1A images. Since there is discrepancy in spatial resolution between GF-4/PMS (50 m) and GF-1/WFV (15 m) images, two pixel-resampling methods were adopted not only to get a comparable surface reflectance image pair, but also to explore the scale effect on their continuity. Statistic indicators such as2and RMSE were used to measure the continuity of their surface reflectance and NDVI, and linear regression model was adopted for surface reflectance rectification of GF-4/PMS images. Our results demonstrated that with spatial scale of the pixels increasing, the correlation of surface reflectance between GF-4 and GF-1 is also in increment. However, the uptrend of correlation speeds down or even reverses in blue band from 50 to 80 m. So 50 m is considered as an optimal spatial scale for the continuity study of GF-4 and GF-1 surface reflectance. The surface reflectance of GF-4 and GF-1 has a high positive correlation withgreater than 0.7 in all bands, but there is also bias. The bias includes systematic bias and random bias caused by sensors differences and outside factors, respectively. The major influence factor is the sensors’ spectral response function, and it affects red band least. Other outside influence factors may include acquiring time, variation in atmospheric conditions and solar azimuths. Besides, BRDF effects were not under consideration in this paper either. The systematic bias can be reliably modified by a linear regression model, thus to predict GF-4/PMS reflectance from GF-1/WFV reflectance with an elimination of RMSE on surface reflectance between GF-4 and GF-1 remarkably. Meanwhile, the correlation coefficientof NDVI increased slightly from 0.74 to 0.77 by the process of surface reflectance rectification, which proves that NDVI could weaken the effect of the surface reflectance bias. As a result, NDVI represents a much better continuity between GF-4 and GF-1 both before and after GF-4 surface reflectance rectification. Based on our experiment results, we suggest that GF-4 has a good continuity of China’s GaoFen series satellites that enable its potential applications in the monitoring of agriculture and vegetation.

sensors; remote sensing; pixels; GF-4; GF-1; surface reflectance; NDVI; consistency

10.11975/j.issn.1002-6819.2017.09.021

S127

A

1002-6819(2017)-09-0167-07

2016-10-17

2017-04-20

高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)（編號(hào)：11-Y20A05-9001-15/16）

孫元亨，男，遼寧大連人，主要研究方向?yàn)橹脖欢窟b感與全球變化。北京 北京大學(xué)遙感與地理信息系統(tǒng)研究所，100871。 Email：yhsun@pku.edu.cn

秦其明，男，江蘇徐州人，教授，博士，主要研究方向?yàn)槎窟b感與地理信息系統(tǒng)。北京 北京大學(xué)遙感與地理信息系統(tǒng)研究所，100871。Email：qmqin@pku.edu.cn

孫元亨，秦其明，任華忠，張?zhí)碓? GF-4/PMS與GF-1/WFV兩種傳感器地表反射率及NDVI一致性分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(9)：167－173. doi：10.11975/j.issn.1002-6819.2017.09.021 http://www.tcsae.org

Sun Yuanheng, Qin Qiming, Ren Huazhong, Zhang Tianyuan. Consistency analysis of surface reflectance and NDVI between GF-4/PMS and GF-1/WFV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(9): 167－173. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.09.021 http://www.tcsae.org