2018 年山东省GF-1 WFV 相对辐射归一化数据集

黄莉婷，焦伟利，龙腾飞

1. 中国科学院空天信息创新研究院，北京 100094

2. 桂林理工大学测绘地理信息学院，广西桂林 541006

引 言

地表反射率数据精度决定了地表物理参数反演、地物识别和分类的准确性，是遥感数据应用的基础。如今遥感卫星的种类不断增加，使得遥感数据资源呈现多源性。然而，由于传感器不同，成像时间、成像条件、大气状况等差异，多源、多时相的卫星遥感数据的光谱值不具有可比性。随着传感器的不断增多和定量遥感的发展，传统的以灰度值（DN 值）为主的影像产品已经难以满足遥感应用的需求。

美国地质勘探局（United States Geological Survey，USGS）提出了Analysis Ready Data（ARD）产品，生产可以直接用于应用分析的Landsat 序列遥感数据产品[1]。目前主要是覆盖美国的Landsat系列产品，未来将扩展至全球。CEOS（Committee on Earth Observation Satellites）提出了CARD4L（CEOS Analysis Ready Data for Land）产品框架（http://ceos.org/ard/）[2]，给出产品的定义和规范，目前主要用于Landsat 系列和Sentinel-2 的ARD 产品。何国金等人[3-4]提出了遥感卫星数据“即得即用（Ready To Use，RTU）”产品的理念，该团队已经建成了高精度、标准规范、信息完整的中国及周边区域Landsat长时间系列卫星RTU产品库，让用户能够直接使用深加工处理过的遥感卫星数据，免去用户在使用前进行繁琐的预处理过程。

目前可公开获取的Landsat 8 和Sentinel-2 地表反射率产品都具有较高的精度，可是国产卫星地表反射率精度问题依然没有得到足够重视，没有地表反射率产品可以直接提供给用户使用。建立国产卫星地表反射率数据集供地学等领域科研工作者使用，促进多源遥感数据协同应用，具有重要意义。

山东省地貌类型丰富，涵盖丘陵、盆地、黄河平原以及黄河三角洲等9 个基本地貌类型；山东半岛三面环海，水系较发达，黄河横贯东西，大运河纵穿南北，其余中小河流湖泊密布山东省；山东为农业省份，除自然植被包括的落叶阔叶林、针叶林、竹林、灌木丛以及水生植被等10 个植被型外，还有大量人工栽培农业植被[5]。丰富的地表光谱反射率特征，有助于科研工作者进行植被指数计算、地物光谱获取和变化监测等方面的研究。

本文以GF1-WFV 为目标影像、Landsat 8 OLI 地表反射率产品为基准影像，利用相对辐射归一化方法得到2018 年覆盖山东省的较高精度的地表反射率辐射归一化产品。本文给出了影像辐射归一化处理流程以及精度，旨在为相关科研人员提供基础地表反射率数据。

1 数据采集和处理方法

Landsat 8 OLI 的地表反射率产品，由USGS 专门为Landsat 8 数据设计的大气校正程序LaSRC（Landsat 8 Surface Reflectance Code）生成，该程序利用海岸气溶胶波段（band1）进行气溶胶反演测试，运用MODIS 辅助气候数据并使用专门的辐射传输模型，被认为是最精确的Landsat 8 OLI 大气校正，其结果精度被广泛认可和使用[6]。本文相对辐射归一化的做法是：以Landsat 8 OLI 地表反射率产品影像为参考，调整GF-1 WFV 影像的地表反射率，使之与Landsat 8 OLI 地表反射率接近。为使参考影像和目标影像具有相同的物理量纲，先对GF-1 WFV 影像做大气校正获得地表反射率，这是应用前提。

1.1 数据采集方法

本数据集以中国资源卫星应用中心（http://www.cresda.com/CN/）下载的GF-1 WFV Level1A 级DN 值影像，以及美国地质勘探局（https://earthexplorer. usgs.gov/）按需提供下载的Landsat 8 OLI Level 2 级地表反射率影像为数据源。

为保证传感器在获取遥感数据时受大气影响的差异较小，应该尽量选取同一日期的太阳高度角和方位角接近的影像做相对辐射归一化处理[7]。但是由于不同卫星的重访周期和幅宽不相同，因此难以获得同一地区的同一日期、同时过境的不同卫星影像，本文在影像选取中遵循影像前后日期在一周内的规则。选取无云影像有助于不变特征点的选取，由于受云、雾、冰雪等的影响，以及根据对应日期范围内Landsat 8 OLI 影像的筛选，共获取19 景影像用于辐射归一化产品的制作，所用到的遥感影像信息如表1 所示。

表1 山东省辐射归一化影像数据列表

1.2 数据处理方法

对GF-1 WFV 影像进行遥感数据预处理工作，主要包括：正射校正、大气校正，以及和Landsat 8 影像配准。对Landsat 8 影像的预处理工作主要是影像重采样，使其和GF-1 WFV 影像相同分辨率。本文在正则化迭代加权多元变化检测（Iteratively Reweighted Multivariate Alteration Detection，IR-MAD）方法的基础上通过控制未变化集的线性关系、逐步筛选不变特征点的方式进行辐射归一化[8]，辐射归一化处理技术路线如图1 所示。

图1 辐射归一化处理技术路线

1.2.1 建立未变化集

影像上受云及变化地物影响的像元会偏离像元主体，采用自动散点控制回归（Automatic Scattergram-Controlled Regression，ARCSI）[9]方法去掉影像上受云及变化地物影响的像元，初步建立未变化集，如图2 所示：分别在GF-1 WFV、Landsat 8 OLI 影像的红波段及近红外波段散点图中，利用正交回归法确定初始回归线，根据HVW、HPW选取占主体信息量的“未变化像元”。HVW是未变化集选择的限制条件，由HPW控制，HPW是不变区域一侧的垂直宽度，如公式（1）所示，式中a是初始回归线斜率[9]。

图2 由初始回归线确定未变化集

1.2.2 提取不变特征点

在上一步确定的未变化集中，采用正则化迭代加权多元变化检测法（Iteratively Reweighted Multivariate Alteration Detection，IR-MAD）[10-12]的规则进一步提取不变特征点。下面对该算法规则进行描述。 根据Tj即可判断各个像素是否发生变化。在迭代计算的过程中，对每个像元设置初始权值为1，每一次迭代计算均值向量与方差矩阵，并计算每个MAD变量，根据每次迭代更新计算的MAD变量更新权值；未发生变化的像元具有较大的权值，经过若干次迭代计算之后，每个像元的权值会趋于稳定，通过权值与阈值的比较便可判定每个像元点是否属于不变特征点。为避免在迭代计算中产生较大的权重值而影响不变特征点的判断，本文在求解协方差矩阵时加入了正则化参数[12]。

1.2.3 求解辐射归一化系数

2 数据样本描述

2018 年山东省GF-1 WFV 相对辐射归一化数据集共包括19 景影像，以原始GF-1 影像命名规则加后缀“_norm”命名GeoTIFF 文件，并提供对应的原始XML 元数据文件。空间分辨率为16 m，投影坐标系是WGS84 UTM。为了降低结果储存空间，地表反射率扩大10000 倍（范围为0-10000）并存储为16 位无符号整型。相对辐射归一化数据结果展示如图3。

图3 相对辐射归一化数据结果

3 数据质量控制和评估

3.1 定量评价

R2是对回归模型拟合程度的综合度量，R2越接近于1，模型拟合程度越高；RMSE 值越小表示GF-1 影像地表反射率值越接近于Landsat 8 OLI 地表反射率。本文以地表反射率0-1 的范围计算RMSE 和R2。在机器学习中，为了避免过度拟合数据，常见的做法是，样例的三分之二作训练集合，三分之一作验证集合。在本文中也采用相同的做法，不变特征点的三分之二作回归拟合，三分之一用来计算R2和RMSE 作验证。在表2 中列出了每景影像的总不变特征点数N，以及蓝、绿、红、近红外四个波段的R2、RMSE 计算结果。由表可知，在19 景影像中，R2＞0.7295，RMSE 相比辐射归一化前的RMSE 值都有所减小，说明辐射归一化后GF-1 WFV 影像的地表反射率值精度得到提高，整体接近于Landsat 8 OLI 影像。

表2 GF-1 WFV 影像R2 和RMSE 计算结果

3.2 定性评价

采用目视的方法对辐射归一化后的影像进行定性评价。相对辐射归一化后GF-1 WFV 影像地表反射率数值接近于Landsat 8 OLI，则两个影像颜色、亮度等十分相似。将辐射归一化前后的GF-1 WFV 影像与Landsat 8 OLI 影像进行显示对比，如图4 所示。由图4 可知，经过相对辐射归一化后两个影像颜色、亮度等十分相似，说明归一化的效果较好。

4 数据价值

提高GF-1 影像地表反射率精度，往往可以通过提高辐射定标系数精度、使用较好的大气校正程序的方式。但获取高精度的定标系数、使用大气校正程序获得准确的地表反射率，通常工作量较大，大气辐射传输模型较复杂，且需要获取准确的大气参数。GF-1 卫星影像通道数较少，增加了大气校正的难度，此时，相对辐射归一化方法提供了一种较为简便的方式提高地表反射率精度。在相对辐射归一化方法中要求Landsat 8 OLI 与GF-1 影像获取日期相差在一周左右，能够满足大部分影像。

图4 辐射归一化前（左）、辐射归一化后（右）GF-1 WFV 影像和Landsat 8 OLI 参考影像对比

本文对2018 年山东省地区国产高分一号宽幅16 m 分辨率影像，采用相对辐射归一化方法，获取较高精度的地表反射率数据产品。本产品云量少，使用者可直接进行遥感应用。后续本数据集将会补充新的时序产品，为地区可持续发展及科学研究提供基础数据支撑。本数据集对于生态环境监测、遥感土地利用分类、长时序地表覆盖变化检测等具有重要的应用价值。

致 谢

感谢中国资源卫星应用中心和美国地质勘探局提供的数据支持。

数据作者分工职责

黄莉婷（1994—），女，广西钦州人，硕士研究生，研究方向为遥感图像处理。主要承担工作：数据挑选，算法编写，论文撰写。

焦伟利（1965—），女，辽宁凤城人，正高级工程师，研究方向为遥感图像处理与工程应用。主要承担工作：总体思路与方案设计，论文修改。

龙腾飞（1986—），男，湖北武汉人，博士，助理研究员，研究方向为遥感图像智能处理。主要承担工作：方案设计和技术指导，论文修改。