Remote Sensing | 遥感长期监测中的障碍——跨设备参数比较的误差

点击左上角"MDPI 开放获取出版"关注我们，为您推送更多最新资讯。

卫星和传感器系统为地球观测提供了遥感图像和数据集，有助于监测区域和全球尺度的环境变化(图1)。然而，随着遥感系统的精细化和复杂化，卫星和传感器之间的细微差异影响了长期观测的准确性，使得数据信息之间的交叉对比存在困难。因此，如何定义可跨设备验证的标准，并通过算法来减少数据集差异，对于遥感长期监测至关重要[1,2]。

图1. 卫星影像图。(图片来源：百度百科)

研究背景

陆地卫星系统(Landsat)旨在全球范围内检测长期土地利用和土地覆盖动态。然而卫星发射的时间间隔较长，前后卫星之间存在技术升级，其中陆地卫星8号(Landsat-8)和陆地卫星7号(Landsat-7)之间的技术升级最为典型。通过对比Landsat-7的增强型专题制图仪(Enhanced Thematic Mapper plus, ETM+)图像，Landsat-8的操作性陆地成像仪(Operational Land Imager, OLI)图像，和热红外传感器(Thermal Infrared sensor, TIRS)图像(图2)，能够为误差校正提供帮助。

来自巴西利卡塔大学农业、森林、食品和环境科学学院的Agostino Ferrara 教授及其研究团队在Remote Sensing期刊上发表了一篇论文。文章选取意大利南部的Basilicata作为地中海环境代表地区，针对不同的土地利用类型，基于两个Landsat卫星图像对主要植被指数进行标准化分析评价。该区域的生态系统在空间和时间上差异较大，这是在地中海地区进行遥感长期监测需要解决的重要问题，也是开发传感器间相互校准算法所面临的主要挑战。

本次研究分析是在四个矩形地块中进行的，所选定的地块囊括了不同的土地用途、气候和地形条件。主要土地用途为森林和耕地，占地块面积的90%。其他土地用途是树木作物(5%)，以及牧场和天然草地(2%)。

图2. Landsat-7 ETM+和Landsat-8 OLI图像的差异及对比。

研究结果

为了检验每个地块的不同土地利用类型和环境特征可能产生的影响，文章通过估算两个传感器反射率平均值的差异及其色散度，以分析不同土地利用情况下ETM+和OLI的光谱响应差异。同时也对不同植被指数的描述性统计差异进行了分析。

观测结果表明，ETM+和OLI在各地块中均存在显著差异。文章对以下7种植被指数参数进行了相关性分析：归一化植被差异指数(Normalized Difference Vegetation Index, NDVI)、归一化差异水体指数(Normalized Difference Water Index, NDWI)、地表水分指数(Land Surface Water Index, LSWI)、归一化燃烧率(Normalized Burn Ratio, NBR)、绿色植被指数(Green Vegetation Index, VIgreen)、土壤调节植被指数(Soil Adjusted Vegetation Index, SAVI)和增强型植被指数(Enhanced Vegetation Index, EVI)(图3)。

图3. Landsat-7 ETM+和Landsat-8 OLI在不同土地类型差异下的植被指数差异。

结果表明：NDWI、SAVI和LSWI的相关系数较高，平均差分别为-0.0500、-0.0725和0.0819。相反，标准差比其他指数要小。除NBR(差均值为-0.8446，标准差为1.27)外，其余指标(NDVI、VIgreen、EVI)的差均值均大于0.1。其中，EVI在两个传感器之间的相似性更大(偏差非常小)，其次是NDVI，平均差值为0.1223。VIgreen显示OLI与ETM+的差异较大(平均差异值为0.1367)。此外，在土地利用类别上，两个传感器几乎所有的指标都存在显著的统计差异。仅在水体类别中，NDWI(通常用于识别湿区)、SAVI和EVI指数在传感器之间差异较小。SAVI在城市化和混合农业区类别之间也不存在显著差异。

观察表明，两种传感器计算的各项指标总体相关性较好。而按照单一土地利用类别分析，几乎所有指标均存在显著的统计学差异，在对地中海区域的长期环境和土地利用/土地覆盖动态分析方面需要更加注意。在当前的气候变化情景下，该地区土地利用/土地覆盖变化非常快，这主要是在自然和人为驱动因素的结合下导致的。这种可变性和传感器的差异可能会产生错误的预估，最终导致对主要植被指数中环境模式的错误解释。

参考文献：

1. Anderson, J.H.; Weber, K.T.; Gokhale, B.; Chen, F. Intercalibration and Evaluation of ResourceSat-1 and Landsat-5 NDVI. Can. J. Remote Sens. 2011, 37, 213–219.

2. Teillet, P.M.; Ren, X. Spectral band difference effects on vegetation indices derived from multiple satellite sensor data. Can. J. Remote Sens. 2008, 34, 159–173.

Remote Sensing (ISSN 2072-4292; IF:4.509) 是一个与遥感学科相关的国际型开放获取期刊。其期刊范围涵盖遥感科学所有领域，从传感器的设计、验证和校准，到遥感在地球科学、环境生态、土木建筑等各方面的广泛应用。Remote Sensing采取单盲同行评审，一审周期约为19天，文章从接收到发表仅需2.9天。

识别二维码

阅读英文原文

原文出自Remote Sensing期刊

Mancino, G.; Ferrara, A.; Padula, A.; Nolè, A.Cross-Comparison between Landsat 8 (OLI) and Landsat 7 (ETM+) Derived Vegetation Indices in a Mediterranean Environment. Remote Sens. 2020, 12, 291.

长按识别左侧二维码，备注学校+姓名+研究方向，小助手邀您进入Remote Sensing学者交流群，交流科研经验。

往期回顾：

版权声明：

*翻译作者：Aurora Wang

*本文内容由MDPI中国办公室编辑负责撰写，一切内容请以英文原版为准。如需转载，请邮件联系：

[e-mail]

*文中部分图片来自网络。

点击左下方“阅读原文”，了解Remote Sensing期刊更多内容。

喜欢今天的内容？不如点个“在看”吧！