GF-6/WFV与GF-1/WFV传感器数据对比

苏祥祥, 李永康, 朱永基, 陶新宇,祝雪晴, 刘吉凯, 李新伟,3*

(1.安徽科技学院 资源与环境学院,安徽 凤阳 233100;2.安徽省农业废弃物肥料化利用与耕地质量提升工程研究中心,安徽 凤阳 233100;3.安徽省作物智慧种植与加工技术工程研究中心,安徽 凤阳 233100)

卫星遥感技术具有全方位、快速高效获取地面资源和环境信息的优势,在农业、生态、环境等领域发挥着重大作用[1-3]。在遥感观测中,由于光学传感器获取的影像数据易受气象条件、重返周期、成像时间和角度等因素的影响[4],导致单颗卫星难以获取长时间序列的影像数据。为了解决这一问题,开始出现多颗卫星组网或协同观测研究[5]。然而,异源传感器数据能否协同使用还需考虑其光谱信息的一致性问题[6]。

近年来,大量研究开展了异源传感器光谱数据的一致性分析。Wang等[7]通过对GF-1/WFV、ZY-3/MUX和HJ-1/CCD传感器数据的对比分析,发现红光和近红外波段的标准差由高到低依次为ZY-3/MUX>GF-1/WFV>HJ-1/CCD。针对异源传感器的光谱差异,Chastain等[8]对比了Sentinel-2/MSI、Landsat-8/OLI和Landsat-7/ETM+对应波段地表反射率,发现各波段间的均方根误差处于0.012 1～0.039 8之内。为了降低差异,学者们提出了线性转换方法,通过线性模型将异源传感器数据转化成目标数据,能有效减少因传感器差异导致的时间序列数据的不确定性,降低变化检测中因数据源差异所带来的误差[9-10]。孙元亨等[11]利用GF-4/PMS与GF-1/WFV地表反射率数据构建了线性回归模型,发现GF-4的NDVI数据通过线性转换后与GF-1的一致性有所提升,转换前后的相关系数分别为0.74和0.77。徐光志等[12]对比分析了Sentinel-2A/MSI和Landsat-8/OLI传感器数据,并利用线性模型缩小了数据差异,转换后对应波段的均方根误差(RMSE)降低了35.71%。吴晓萍等[13]分析了GF-2/PMS2与ZY-3/MUX多光谱传感器数据间的定量关系,经过线性模型转化后其RMSE降幅达64.79%。蒋乔灵等[14]建立了GF-1/PMS2与GF-2/PMS2各波段间的线性转换模型,结果表明经转化后可明显降低误差,其中对蓝光和绿光波段,RMSE下降高达75%。

高分六号(简称GF-6)卫星于2018年6月2日成功发射,是中国首颗精准农业观测的低轨光学遥感高分卫星,具有高分辨率和宽覆盖相结合的特点,能与在轨的高分一号(简称GF-1)卫星组网运行,组网后可以大幅度提高对农业、林业、草原等资源监测能力[15]。然而二者数据协同应用的一致性及其对应光谱波段间的性能差异鲜有报道。因此,本研究基于2对(3幅)同步影像,选取GF-6/WFV与GF-1/WFV1、GF-1/WFV2的传感器影像数据,采用样区均值法进行对比,分析其光谱数据间的差异,通过建立GF-1/WFV1、GF-1/WFV2与GF-6/WFV数据的线性转化模型并进行验证,以期为GF-6与GF-1卫星WFV数据的协同和融合应用提供科学依据。

1 材料与方法

1.1 数据来源

高分辨率对地观测系统作为中国重大科技专项(高分专项)已发展了10余年,大幅提升了中国遥感数据获取的便捷性和应用能力[16]。GF-1作为该专项的首颗卫星,于2013年4月26日发射,具有高空间与时间分辨率,并在农业[17]、信息提取[18]、参数反演[19]等领域取得深入的研究成果。2018年发射的GF-6作为GF-1的“姊妹星”,具有相同的空间分辨率、幅宽以及重访周期,同样应用广泛[20-23],不同的是GF-6/WFV有8个波段,而GF-1/WFV仅有4个波段。为探究二者协同观测的潜力,本研究仅对二者共有的波段进行分析,GF-6与GF-1的WFV具体参数见表1。

表1 GF-6/WFV与GF-1/WFV数据参数设置

本研究选择的GF-6/WFV、GF-1/WFV1和GF-1/WFV2数据前后相差1天,数据质量良好,成像光照稳定,太阳高度角与方位角相近(图1),详细信息参见表2。数据来源于中国资源卫星应用中心(http://www.cresda.com),获取时间分别为2021年10月17日和10月18日,数据原始处理级别为L1级。

表2 GF-6/WFV与GF-1/WFV影像对信息

1.2 数据预处理

由于卫星传感器在成像过程中受到传感器、大气、太阳辐射、日地距离等因素影响,产生辐射畸变,干扰卫星传感器间的交互对比精度,需在数据预处理中进行必要的辐射校正。利用式(1)将原始获取的数字量化值(DN)转换为辐亮度值。

L(λ)=Gain×DN+Bias

(1)

其中,Gain为定标斜率;DN为卫星载荷观测值;Bias为定标截距;L(λ)为波段的辐亮度,单位为W/(m2·sr·μm),定标系数来自中国资源卫星应用中心。

进一步将辐亮度值L(λ)转化为地表反射率数据(ρ),通过正规化不同影像之间的太阳天顶角差异和日地距离,以降低因太阳光照和不同地形所造成的影响,具体公式为[24]:

ρ=πL(λ)d2/(EScosθS)

(2)

其中,ES是大气顶部的平均太阳辐照度;d为日地天文距离;θS为太阳天顶角。

为消除大气对地表反射率的影响,采用ENVI 5.3软件的FLAASH模块对卫星数据进行大气效应校正。FLAASH(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)能够有效地减少气溶胶散射效应与修正像元间的“邻近效应”并获得真实地表反射率。根据研究区的地貌特征和影像数据元文件选择校正参数,关键参数包括传感器类型、数据获取日期、卫星过境日期、大气模型(中纬度夏季)、气溶胶模型(Rural)等。

1.3 交互对比方法

采取样区均值法进行传感器数据对比分析,即在2对影像数据中选取位置一致的感兴趣区(Region of Interest,ROI),统计ROI样区内的光谱均值进行对比。本研究在研究区1和2中各选取200个ROI区域,共400个像元数适中、面积适宜、地形平坦、地物纯净的样区。二者数据的差异程度利用相对偏差率(Mean Error,ME)和均方根误差(Root Mean Squared Error,RMSE)来衡量,计算公式如下:

(3)

(4)

2 结果与分析

2.1 统计特征分析

基于2对研究区影像所选的400个ROI同质样区,利用式(1)、(2)将研究区影像的DN值转化成地表反射率数据,求出每个样区的地表反射率均值,并依此统计各波段地表反射率的最小值、均值和最大值,计算各波段反射率均值的ME和RMSE(表3)。GF-1/WFV的地表反射率高于GF-6/WFV,但GF-1/WFV与GF-6/WFV的数据之间差异不明显,具有较好的一致性。从波段间的偏差来看,除研究区1中蓝光波段ME为正值外,在其他3波段和研究区2全部波段的数据特征中ME均为负值,表明GF-6/WFV的地表反射率总体上略低于GF-1/WFV,其中偏低GF-1/WFV1约9.327%,偏低GF-1/WFV2约13.573%。进一步分析可知,GF-6/WFV与GF-1/WFV数据之间的差异会随着波长的增加而进一步加剧,但研究区1的近红外波段除外,造成研究区1的近红外波段的ME较低的主要原因是GF-1低值区数据明显高于GF-6,在一定程度上抬高了GF-1的均值,这可能是由于二者光谱响应函数的差异所致。

表3 基于ROI的GF-1/WFV与GF-6/WFV地表反射率的统计特征

2.2 相关性分析

由图2可知,GF-6/WFV与GF-1/WFV1和GF-1/WFV2的对应波段具有显著的线性相关性,拟合方程的R2值均大于0.940(P<0.001)。除GF-1/WFV1传感器的蓝光波段外,其余对应波段的地表反射率数据点均分布在1∶1线的下方,表明GF-1/WFV传感器的地表反射率强度高于GF-6/WFV。随着波长的增加,数据点的分布位置越偏离1∶1线,说明在波段间的差异随波长而增加,该结果与表3的分析结果一致。

近红外波段数据点分布零散,其低值区远离1∶1线,中值及高值区逐渐靠近1∶1线,而红光波段数据点却接近平行地聚集在1∶1线下方(图2a),这与表3中研究区1近红外波段的ME低于红光波段,RMSE则高于后者的结论一致。蓝光波段数据点在低值区位于1∶1线下方,而在中值区和高值区均匀分散在1∶1线上,随着波长的增加,数据点的离散程度变大(图2b),与图2a趋势一致。GF-1/WFV1和WFV2与GF-6/WFV的对比结果(图3)表明,GF-6/WFV的波段反射率低于GF-1/WFV,在低值区的偏离更显著,说明二者可能对暗目标(如纯净水体、浓郁的植被、阴影等)的观测存在信息偏差。

图2 研究区1、2 GF-6/WFV和GF-1/WFV的地表反射率图Fig.2 Surface reflectance plots of GF-6/WFV and GF-1/WFV in study areas 1 and 2

2.3 转换方程验证

利用各波段的转换方程(图3),将GF-1/WFV1和GF-1/WFV2模拟至GF-6/WFV对应波段,然后将模拟数据与GF-6/WFV原始数据进行回归拟合,计算ME和RMSE,并与转换前的结果数据进行对比,以此评价转换方程的精度(表4、图4)。

图3 研究区的GF-6/WFV和GF-1/WFV的地表反射率汇总图Fig.3 Summary plot of surface reflectance of GF-6/WFV and GF-1/WFV in the study area

表4 转换方程验证前后的统计特征值对比

图4 模拟转换后对应波段对比图Fig.4 Comparison of matched bands after the simulated transformation

为准确表达差异程度的变化,衡量对比数据的相对偏差率和均方根误差的变化率,计算公式如下:

(5)

因ME已经是百分数,故其变化计算公式为:

ME变化=|模拟后|-|模拟前|

(6)

验证结果表明,GF-1通过转换方程模拟成GF-6数据后,各波段ME和RMSE均明显降低,各波段的数据点相较于模拟前更接近1∶1线,模拟数据和原始数据基本一致,RMSE均不超过0.01。GF-1/WFV1模拟转换后,ME均值降幅达8.351%,其中原差异较大的红光波段降幅接近15%,RMSE的均值降幅可达56.435%;GF-1/WFV2模拟转换后,ME的均值降幅为11.119%,RMSE的均值降幅更是在60%以上。表明所得的GF-1/WFV与GF-6/WFV转换方程具有较高的准确性,可有效提升2颗卫星的组网观测的一致性,对监测地表变化、采集地面信息具有重要意义。

3 结论与讨论

研究结果表明,GF-1/WFV与GF-6/WFV传感器数据之间具有良好的一致性,但仍存在一定程度的差异。GF-1/WFV的地表反射率总体上高于GF-6/WFV,并且差异随着波长的增加逐步变大,这可能是由于它们的光谱响应函数、传感器定标精度等因素导致。

光谱响应函数的差异使得传感器在接收到相同的入瞳辐射度时响应的数字量化值不同,进而影响到地表反射率[25-27]。虽然二者传感器的波段设置一致(表1),但其光谱响应函数却存在较大的差异。由图5所示,GF-6/WFV的光谱响应函数曲线不稳定,整体起伏变化大。在蓝光波段,GF-6/WFV与GF-1/WFV光谱响应范围较为一致,绿光波段、红光波段和近红外波段的光谱响应偏差逐渐变大,表4中各波段的RMSE也随波段的增加逐步变大,说明光谱响应函数是造成GF-6/WFV与GF-1/WFV1和GF-1/WFV2之间地表反射率差异的因素之一。

图5 GF-1/WFV1、GF-1/WFV2与GF-6/WFV的光谱响应函数Fig.5 Relative spectral response functions of GF-1/WFV1, GF-1/WFV2, and GF-6/WFV

定标精度直接影响地表反射率的解算,进而影响GF-6/WFV与GF/1/WFV传感器间的数据对比结果[28]。GF-1于2013年发射,设计寿命为5～8年,目前处于“超期服役”状态中,传感器不可避免地发生老化,导致辐射性能衰减[29]。丁闯等[30]以辐射定标精度较高的MODIS作为参考卫星,基于敦煌辐射定标场对GF-1/WFV开展交互定标,结果表明4个波段的不确定度为2.99%、1.84%、2.22%、2.97%。纪睿等[31]利用MODIS数据对GF-6/WFV进行单场地交叉定标和多场地交叉定标,结果发现各波段间的不确定度为1.94%、1.91%、1.92%、2.77%。结果表明,GF-6/WFV的定标精度要高于GF-1/WFV。

此外,除了上述的系统性误差外,还存在一定的随机误差,这可能是多种因素协同作用造成的,例如,GF-6和GF-1在成像时的太阳方位角和观测方位角不完全一致,会导致地表反射率的方向性特征产生偏移,从而影响传感器获取的反射率结果[32-33]。

综上,本研究基于2对同步影像,采用样区均值法对GF-6/WFV和GF-1/WFV数据进行了对比分析,确定了其光谱数据的差异关系,据此构建了线性模型并进行验证。GF-6/WFV与GF-1/WFV传感器的地表反射率表现出高度的一致性(R2>0.942),但也存在一定的差异。通过分析发现这种差异主要是由光谱响应函数、传感器定标精度等所致。GF-6/WFV的地表反射率低于GF-1/WFV,具体表现在GF-6/WFV的地表反射率低于GF-1/WFV1约9.327%,低于GF-1/WFV2约13.573%,且差异呈现出随着波长的增加而逐渐变大的趋势,在蓝光波段差异较小,在绿光、红光、近红外波段上逐步变大。鉴于这些数据差异的存在,若2颗卫星应用于同一长时间序列的监测中,不宜直接替代使用,建议对其进行转换,采用线性转化方程对GF-1/WFV1和GF-1/WFV2进行转换,转换后可显著减少传感器数据之间的差异,对GF-1/WFV1和WFV2,RMSE均值降幅分别为56.435%和62.222%,该转化方程可大幅提升2颗卫星的组网观测的精准度,对监测地表变化、采集地面信息具有重要意义。

由于本研究所获取的GF-1/WFV影像数据有限,仅使用了GF-1的WFV1和WFV2传感器数据与GF-6/WFV数据回归拟合得到了地表反射率的转换方程,WFV3和WFV4数据的回归拟合还有待进一步探索。此外,本研究选择的研究区类型较为单一,在未来的研究中要考虑更多的地物类型以展开深入的对比分析。