陳媛媛 游炯

摘要 高分1號（Gaofen1）衛(wèi)星于2013年發(fā)射成功，選取2種植被指數(shù)，研究國產(chǎn)Gaofen1-WFV數(shù)據(jù)計算的植被指數(shù)與歐空局哨兵2號（Sentinel2-MSI）數(shù)據(jù)計算的植被指數(shù)間的一致性與差異性，并建立2種數(shù)據(jù)源植被指數(shù)間的關(guān)系。結(jié)果表明，無論是歸一化植被指數(shù)還是土壤調(diào)節(jié)植被指數(shù)，不同數(shù)據(jù)源計算結(jié)果的相關(guān)系數(shù)均為0.9，具有較好的一致性。研究結(jié)果可以推動國產(chǎn)衛(wèi)星數(shù)據(jù)在精準農(nóng)業(yè)、農(nóng)業(yè)災害等定量評價中的進一步應用，也為Gaofen1-WFV和Sentinel2-MSI數(shù)據(jù)的交互使用提供依據(jù)，以彌補單一高空間分辨率數(shù)據(jù)源難以大范圍、短周期重復覆蓋的不足。

關(guān)鍵詞 Gaofen1-WFV;Sentinel2-MSI;植被指數(shù);一致性;差異性

中圖分類號 S127? 文獻標識碼 A? 文章編號 0517-6611（2021）10-0001-03

doi：10.3969/j.issn.0517-6611.2021.10.001

開放科學（資源服務）標識碼（OSID）：

Comparison and Evaluation of GF1-WFV and Sentinel2-MSI Data in Quantitative Calculation

CHEN Yuan-yuan， YOU Jiong

（Key Laboratory of Cultivated Land Use，Ministry of Agriculture and Rural Affairs，Academy of Agricultural Planning and Engineering，Ministry of Agriculture and Rural Affairs，Beijing 100121）

Abstract Gaofen1 satellite was successfully launched in 2013. This paper selected two vegetation indices to study the consistency and difference between the vegetation index calculated by domestic Gaofen1-WFV data and the vegetation index calculated by ESA Sentinel2-MSI data，and established the relationship between the vegetation index of the two data sources.The results showed that whether it was the normalized vegetation index or the soil-regulated vegetation index， the correlation coefficients of the calculation results from different data sources were all 0.9， which had good consistency.The research could promote the application of domestic satellite data in the quantitative evaluation of precision agriculture and agricultural disasters. Given the truth that single satellite data source sometimes cannot meet at the same time the needs of wide coverage and short revisit in Chinese agricultural production monitoring， the paper also provides the basis for the interaction using of Gaofen1-WFV and Sentinel2-MSI data.

Key words Gaofen1-WFV;Sentinel2-MSI;Vegetation index;Consistency;Difference

隨著我國農(nóng)業(yè)生產(chǎn)向現(xiàn)代化、精細化方向邁進，應用中高分辨率衛(wèi)星數(shù)據(jù)獲取農(nóng)業(yè)信息成為一種必然趨勢。近年來，國外衛(wèi)星數(shù)據(jù)下載使用越來越受到限制，而我國成功發(fā)射的高分系列衛(wèi)星標志著我國遙感技術(shù)正式進入了高分時代。我國高分衛(wèi)星數(shù)據(jù)集高空間、寬覆蓋和數(shù)據(jù)免費獲取等優(yōu)勢于一體，自發(fā)射以來逐漸取代國外衛(wèi)星數(shù)據(jù)，在農(nóng)情遙感監(jiān)測中的應用越發(fā)重要。

目前，使用國產(chǎn)高分一號（Gaofen1）衛(wèi)星數(shù)據(jù)的農(nóng)情遙感相關(guān)研究更多側(cè)重于農(nóng)作物種植面積提取，如袁站芳等[1]以黑龍江省訥河市為試驗區(qū)，基于多時相Gaofen1數(shù)據(jù)，提取水稻、玉米、大豆、馬鈴薯等主要農(nóng)作物種植結(jié)構(gòu);石濤等[2]用Gaofen1數(shù)據(jù)估算安徽省合肥市一季稻面積;白雪等[3]在縣域尺度上對比分析了Landsat8和Gaofen1這2種數(shù)據(jù)源作物識別提取的精度;張志勛等[4]研究了基于Gaofen1的監(jiān)督分類和非監(jiān)督分類精度;覃澤林等[5]將Gaofen1數(shù)據(jù)應用在丘陵地區(qū)甘蔗、水稻、香蕉等作物的提取研究中。較少有文獻評價Gaofen1數(shù)據(jù)在計算植被指數(shù)以定量提取、分析農(nóng)業(yè)信息方面的應用價值。綠色植被在紅和近紅外波段具有明顯的吸收和高反射特性，基于紅和近紅外波段建立的植被指數(shù)可以有效監(jiān)測農(nóng)作物生長狀況，在農(nóng)業(yè)信息定量提取與分析中發(fā)揮著重要作用。因此，計算并分析基于Gaofen1計算的歸一化植被指數(shù)（NDVI）、土壤調(diào)節(jié)植被指數(shù)（SAVI）等常用指數(shù)的精度，是利用國產(chǎn)高分數(shù)據(jù)開展農(nóng)作物旱情程度、長勢等定量分析的基礎(chǔ)。

我國農(nóng)業(yè)災害的發(fā)生具有范圍廣、頻次高的特點，高空間分辨率衛(wèi)星數(shù)據(jù)能夠比中低分辨率數(shù)據(jù)提供更加詳細的信息，但單一高空間分辨率數(shù)據(jù)源往往不能實現(xiàn)大范圍、短時間內(nèi)重復覆蓋。

鑒于此，該研究依托“3S”技術(shù)支持下的自主可控精準農(nóng)業(yè)體系研究項目，以國產(chǎn)Gaofen1衛(wèi)星多光譜寬幅相機（WFV）數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，以歐空局Sentinel2多光譜成像儀（MSI）數(shù)據(jù)為參考數(shù)據(jù)，計算NDVI和SAVI，分析比較2種傳感器數(shù)據(jù)計算的植被指數(shù)的一致性與差異性，旨在分析國產(chǎn)高分數(shù)據(jù)在定量計算中的應用潛力，拓展國產(chǎn)高分系列遙感數(shù)據(jù)在農(nóng)業(yè)信息定量提取、精準農(nóng)業(yè)變量處方等方面的應用價值，也為Gaofen1-WFV和Sentinel2-MSI等高空間分辨率衛(wèi)星數(shù)據(jù)的交互使用提供依據(jù)。

1 資料與方法

1.1 研究區(qū)域概況

以山東省濰坊市坊子區(qū)的農(nóng)業(yè)示范基地（119.15°～119.19°E、36.55°～36.57°N）為研究區(qū)域，占地約9.2 km2，地表覆蓋以耕地為主，還包括水體、道路、居民地等?；刂饕N植小麥、玉米、花生、蔬菜等作物。

1.2 數(shù)據(jù)介紹

1.2.1 Gaofen1。

Gaofen1衛(wèi)星2013年發(fā)射成功，搭載2臺全色多光譜（PMS）相機和4臺WFV相機，覆蓋藍、綠、紅和近紅外波段[6-7]。01、02、03、04星座組網(wǎng)后重訪周期為1 d。該研究使用的WFV數(shù)據(jù)分辨率為16 m，成像時間2020年3月30日。數(shù)據(jù)的正射校正、輻射定標、大氣校正、幾何校正等預處理環(huán)節(jié)在Remote Sensing Desktop軟件中完成[8]。

1.2.2 Sentinel2。

Sentinel2于2015年發(fā)射成功，攜帶的MSI傳感器幅寬290 km，覆蓋從可見光至短波紅外的13個波段，分辨率依波段的不同有10、20和60 m[9]，A星和B星組合后重訪周期6 d。該研究使用Google Earth Engine平臺中與Gaofen1數(shù)據(jù)同步的Sentinel2地表反射率產(chǎn)品。為減少空間分辨率差異帶來的誤差，首先對Sentinel2影像進行了重采樣，使2種數(shù)據(jù)源分辨率一致，在此基礎(chǔ)上計算相關(guān)指數(shù)。

1.3 分析方法

1.3.1 指數(shù)計算。

NDVI是植被生長狀態(tài)的最佳指示因子，也是目前使用最為廣泛的植被指數(shù)，在農(nóng)業(yè)干旱、農(nóng)作物長勢監(jiān)測中發(fā)揮了基礎(chǔ)且關(guān)鍵性的作用。NDVI物理意義明確，計算簡單，公式如下：

NDVI=Rnir-RredRnir+Rred（1）

式中，Rred、Rnir分別是紅和近紅外波段，對應Gaofen1-WFV數(shù)據(jù)的波段3和波段4，對應Sentinel2-MSI數(shù)據(jù)的波段4和波段8。為了消除土壤背景影響，Huete[10]在NDVI的基礎(chǔ)上引入土壤調(diào)節(jié)因子，提出SAVI，計算公式如下：

SAVI=Rnir-RredRnir+Rred+L×（1+L）（2）

式中，L是土壤調(diào)節(jié)參數(shù)，當植被覆蓋度很高時為0，很低時為1，一般研究中取0.5[11]。

1.3.2 統(tǒng)計和相關(guān)性分析。

為理解Gaofen1-WFV和Sentinel2-MSI這2種數(shù)據(jù)源影像的波段特征，首先分析2種數(shù)據(jù)計算的植被指數(shù)統(tǒng)計特征值（最大值、最小值、均值、范圍差、標準差等）。然后進一步探討Gaofen1-WFV和Sentinel2-MSI這2種數(shù)據(jù)計算所得指數(shù)間的相互關(guān)系。分別設定Gaofen1-WFV影像計算的NDVI和SAVI值為X軸、Sentinel2-MSI數(shù)據(jù)計算的相應值為Y軸，得到不同數(shù)據(jù)源計算所得指數(shù)的散點圖，對散點圖進行分析和曲線擬合，得到不同數(shù)據(jù)源計算指數(shù)的相關(guān)關(guān)系模型[12]。

2 結(jié)果與分析

2.1 植被指數(shù)統(tǒng)計特征

不同數(shù)據(jù)源計算的植被指數(shù)統(tǒng)計特征值見表1。無論NDVI還是SAVI，相比基于Sentinel2-MSI的植被指數(shù)，Gaofen1-WFV數(shù)據(jù)計算的植被指數(shù)偏低，Gaofen1-NDVI和Gaofen1-SAVI最大值分別偏低0.094 4、0141 5，最小值分別偏低0.146 9、0.220 3，均值分別偏低0.109 4、0.164 2。而Gaofen1-WFV數(shù)據(jù)計算的植被指數(shù)浮動范圍稍偏大，Gaofen1-NDVI和Gaofen1-SAVI最大值與最小值的范圍差分別偏大0.052 5、0.078 8，標準差分別偏大0.003 7和0.005 5。說明Gaofen1數(shù)據(jù)相對分散一些，包含的地物信息相對豐富。這與趙兵杰等[13]的研究結(jié)果（Gaofen1-NDVI均值稍低于Landsat8-NDVI、范圍差高于Landsat8 -NDVI）類似。

2.2 植被指數(shù)相互關(guān)系

根據(jù)前述方法，得到研究區(qū)域分別基于Gaofen1-WFV和Sentinel2-MSI的NDVI、SAVI結(jié)果（圖1）。基于2種數(shù)據(jù)源植被指數(shù)的相關(guān)性見圖2。可以發(fā)

現(xiàn)，二者計算的植被指數(shù)有很好的相關(guān)性，基本沿直線對稱分布，2種傳感器數(shù)據(jù)計算的NDVI、SAVI的相關(guān)系數(shù)r均為0.90，均方根誤差（RMSE）分別為0.04和0.06。由此可見，2種數(shù)據(jù)源在定量計算植被指數(shù)方面存在較好的一致性。

圖2顯示，Gaofen1-WFV和Sentinel2-MSI計算的植被指數(shù)存在一定程度的系統(tǒng)偏差，這很可能是由2種傳感器對應波段光譜響應函數(shù)（圖3）的差異引起的。Gaofen1-WFV紅和近紅外波段的波譜范圍相對Sentinel2-MSI對應波段更寬，較寬的波譜可以獲取相對較多的地物信息，這與“2.1”中Gaofen1-WFV數(shù)據(jù)計算的植被指數(shù)浮動范圍稍偏大的結(jié)果吻合。Sentinel2-MSI的近紅外波段存在多處波動性升降變化。波譜范圍和光譜響應值的差異會導致2種傳感器接收同一地物反射信號的差異。

3 結(jié)論與討論

該研究結(jié)果表明，Gaofen1-WFV和Sentinel2-MSI影像植被指數(shù)計算結(jié)果具有很好的一致性，不同數(shù)據(jù)源的同一指數(shù)具有較好的正相關(guān)關(guān)系，但也存在一定程度差異，Gaofen1-WFV計算的指數(shù)普遍較Sentinel2-MSI低。這很可能與二者的光譜響應函數(shù)存在一定差異有關(guān)。

Gaofen1-WFV和Sentinel2-MSI影像的分辨率均較高，但Sentinel2-MSI比Gaofen1-WFV影像的光譜信息更豐富。

為了進一步對比分析高分系列衛(wèi)星數(shù)據(jù)與同等空間精度的國外衛(wèi)星數(shù)據(jù)，后續(xù)需開展Gaofen6等其他高分衛(wèi)星數(shù)據(jù)與sentinel2衛(wèi)星數(shù)據(jù)在新疆等其他農(nóng)業(yè)試驗區(qū)的應用評價工作。

參考文獻

[1] 袁站芳，付瑜，楊文軍.多時相GF-1影像在農(nóng)作物種植結(jié)構(gòu)提取中的應用[J].測繪與空間地理信息，2020，43（S1）：120-122.

[2] 石濤，張安偉，楊太明，等.基于高分衛(wèi)星的一季稻面積遙感估算[J].氣象與環(huán)境學報，2020，36（2）：92-97.

[3] 白雪，武紅旗，呂昱，等.基于Landsat8和高分一號影像的沙灣縣作物種類識別研究[J].山東農(nóng)業(yè)科學，2020，52（2）：156-162.

[4] 張志勛，常永青，王春，等.高分一號影像地物識別精度分析[J].地理空間信息，2018，16（12）：21-25.

[5] 覃澤林，謝國雪，李宇翔，等.多時相高分一號影像在丘陵地區(qū)大宗農(nóng)作物提取中的應用[J].南方農(nóng)業(yè)學報，2017，48（1）：181-188.

[6] 孫元亨，秦其明，任華忠，等.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)工程學報，2017，33（9）：167-173.

[7] 馮琳，陳圣波，韓冰冰.基于多時相高分一號影像的玉米澇災監(jiān)測[J].科學技術(shù)與工程，2020，20（10）：3868-3873.

[8] 于愛潔，李桂芬，張佳彬.地理國情監(jiān)測中高分一號衛(wèi)星數(shù)據(jù)處理關(guān)鍵要點分析[J].測繪與空間地理信息，2020，43（S1）：91-93.

[9] 胡鐵瀧，蔣良群，王杰.Sentinel 2A影像去云下的丘陵地區(qū)植被覆蓋度反演[J].資源開發(fā)與市場，2020，36（5）：476-481.

[10] HUETE A R.A soil-adjusted vegetation index（SAVI）[J].Remote sensing of environment，1988，25（3）：295-309.

[11] 趙琳琳，張銳，劉焱序，等.GF1-WFV與Landsat8- OLI 對植被信息的提取差異研究[J].生態(tài)學報，2020，40（10）：3495-3506.

[12] 趙凱，徐劍波，趙之重，等.HJ-1A/B CCD與Landsat TM/ETM+植被指數(shù)的交互比較[J].遙感技術(shù)與應用，2013，28（4）：674-680，738.

[13] 趙兵杰，王賀封，張安兵，等.GF-1 WFV與Landsat8OLI的NDVI交互比較與定量關(guān)系研究[J].測繪地理信息，2019，44（6）：60-65.