Landsat-7 ETM+归一化差分植被指数影像真实性检验

Landsat-7 ETM+归一化差分植被指数影像真实性检验
栾海军;章欣欣;田庆久;朱晓玲;聂芹
【摘要】作为一种常用的地表参数产品,ETM+NDVI的真实性检验具有重要意义,但是目前对其研究较少.本文提出结合GeoEye-1高分辨率遥感影像及其NDVI尺度转换模型的方法进行该产品的真实性检验.基于分形理论及5指标评价体系(r＞=0.8、p＜0.05、rlo＞=r＜=rup及Max_of_abs(Error) ＜=0.05)构建GeoEye-1影像的NDVI连续空间尺度转换模型,同时结合GeoEye-1、ETM+光谱参数归一化技术,实现ETM+NDVI影像的真实性检验.通过多个样区影像的真实性检验表明,由于ETM+影像条带缺失及补偿处理的有限作用,致使ETM+样区影像的NDVI结果普遍存在较大误差,其中整幅影像的NDVI相对于“真值”存在约25％的误差,故该产品不适宜直接应用于实际中.同时,这证明了基于分形理论的NDVI尺度转换方法在真实性检验中的应用潜力.
【期刊名称】《遥感信息》
【年(卷),期】2016(031)006
【总页数】9页(P138-146)
【关键词】NDVI;真实性检验;ETM+;空间尺度转换;分形理论;GeoEye-1
【作者】栾海军;章欣欣;田庆久;朱晓玲;聂芹
【作者单位】厦门理工学院计算机与信息工程学院,厦门361024;南京大学国际地球系统科学研究所,南京210093;厦门理工学院计算机与信息工程学院,厦门361024;南京大学国际地球系统科学研究所,南京210093;江苏省地理信息技术重
点实验室,南京210093;厦门理工学院计算机与信息工程学院,厦门361024;厦门理
工学院计算机与信息工程学院,厦门361024
【正文语种】中文
【中图分类】TP701
尺度问题是遥感科学的核心问题[1]。

尺度转换即是研究不同分辨率尺度上地表参
数之间的联系与规律。

其中，空间升尺度转换研究因可用于解决如反演产品真实性检验[2]等重要的问题，受到广泛关注。

然而，目前的升尺度转换研究尚存在如下
的问题：1)基于统计方法获取的反演量空间升尺度转换关系[3-5]，无明确的物理
意义，在研究区、传感器类型等变化时不再适用；2)基于反演量物理模型进行的空间升尺度转换[6-8]，囿于物理模型数量及精度发展的限制，其研究无法满足需求。

分形作为一种经典的尺度转换研究方法，可以对研究对象连续尺度上的演化规律予以定量描述。

然而，该方法在定量遥感空间升尺度转换领域应用不充分。

Kim等[9]曾基于分形理论建立土壤水分降尺度转换模型。

国内亦有学者[10]利用直方变
量图分形计算方法建立遥感土地利用地类面积的降尺度转换关系。

继而，Zhang
等[11]首次基于分形理论构建了叶面积指数(Leaf Area Index，LAI)的空间升尺度
转换模型，具有重要意义，这是分形方法在升尺度转换研究中的重要尝试。

进一步，栾海军等[12-14]基于分形理论进行归一化差分植被指数(Normalized Difference Vegetation Index，NDVI)连续空间尺度转换模型(Continuous Spatial Scaling Model，CSSM)构建的系列研究，对方法适用的地表参数类型、模型的构建策略、模型构建时最合理尺度层级的确定等问题进行了探讨，获得了一些有价值的结果。

上述CSSM模型在地表参数真实性检验中的适应性虽已得到理论论证[12]，却尚
未得到实际应用验证。

Landsat-7增强型专题制图仪(Enhanced Thematic Mapper Plus，ETM+)影像得到广泛应用，但是影像的条带缺失对于产品的应用
制约很大，对其常用产品(如NDVI)的真实性进行检验与定量评价具有重要意义。

故本文将在已有研究的基础上，基于高空间分辨率GeoEye-1影像，利用NDVI
连续空间尺度转换模型进行ETM+NDVI影像的真实性检验。

实验区位于广西北海市合浦县东部的沙田半岛。

实验区所处的地理范围为
109°42′3″E～109°45′36″E，21°29′0″N～21°33′25″N，其中的地物类型主要包
括桉树、陆生天然林、红树林、木薯、水稻、宜林地、人工设施以及水体等。

研究区内地类丰富、下垫面空间异质性强，具备研究NDVI尺度转换分形特性的基础，利于彰显分形方法在定量遥感尺度转换模型构建方面的优势。

所选用的实验影像为沙田半岛GeoEye-1与Landsat-7 ETM+影像。

其中，GeoEye-1影像于2009年10月16日获取，大小为4 112像元×3 036像元，空间分辨率为2 m，如图1(a)所示。

Landsat-7 ETM+影像为2009年10月23日
对研究区成像所得，如图1(b)所示。

根据研究需要对原始影像进行预处理，处理过程如下。

利用ENVI快视线大气超立方体分析模块(Fast Line-of-sight Atmospheric Analysis of Hypercubes，FLAASH)对GeoEye-1原始影像进行大气校正，得到
地表反射率影像。

进一步利用6S软件提取对应于影像的地表入射辐照度，并根据地表辐亮度与地表反射率关系模型(地表辐亮度=地表入射辐照度 * 地表半球-方向反射率)[15]计算得到预处理后的影像地表辐亮度数据。

考虑到GeoEye-1传感器
自身定位精度较高，实验区内地势起伏相对较小；同时影像不用于地类识别、专题信息提取等方面，而是侧重于本文方法适用性的研究上，故在未获取足量的地面控制点及高空间分辨率数字高程模型(Digital Elevation Model，DEM)的条件下，
未对实验影像进行几何校正与正射校正。

预处理后的实验影像如图2(a)所示。

利用ENVI软件对原始ETM+影像进行坏条带去除。

由于GeoEye-1影像与
ETM+影像皆为1984世界大地坐标系(world geodetic system 1984，WGS-84)、
通用横轴墨卡托投影(Universal Transverse Mercator，UTM)，且通过地理链接
观测得知，两幅影像特征点几何位置对应精确，故未参考GeoEye-1影像对
ETM+影像进行相对校正。

在修复后的ETM+影像中截取出与GeoEye-1影像相
同的子区作为实验影像。

利用ENVI FLAASH模块对子区影像进行大气校正，得到地表反射率影像。

结合6S软件、地表辐亮度与地表反射率关系模型[15]，可进一
步计算得到GeoEye-1地表辐亮度影像(图2(b))。

ETM+NDVI影像的真实性检验及模型验证的具体流程如图3所示。

首先，结合成像参数归一化技术，以GeoEye-1传感器为基准对ETM+传感器进行光谱参数归
一化；然后，选取两幅影像上相对应的多个样区，计算GeoEye-1影像上各样区
的NDVI连续尺度转换模型；最后，比较GeoEye-1影像上各样区的30 m NDVI 升尺度转换影像与ETM+影像上对应样区的NDVI真实值，获得真实性检验结果，并得到模型的应用验证结论。

栾海军等[12-13]选取相似维分形度量模型(式(1))，实现模型中尺度、研究对象等
参数的移植，最终设计出NDVI连续空间尺度转换模型构建的流程(图4)：由最小尺度(这里是GeoEye-1的尺度)的地表辐亮度(如r_11、r_12、r_21、r_22)通过面积加和的方法得到大尺度下的地表辐亮度rad，进而计算相应尺度下的NDVI影像均值，最终可以得到各大尺度下的NDVI数组；以GeoEye-1影像尺度scale_2
为基数，上推尺度为scale_up，将它对尺度基数的比值scale_up/scale_2定义为分形计算所需的尺度因子scale；对尺度的倒数(1/scale)与NDVI数组分别取以2为底的对数，并对处理结果进行直线拟合(式(2))，可得NDVI空间尺度转换模型(式(3))及其相似维分维数D(式(4))。

式中，d为拟合直线的斜率，b为拟合直线的截距，b是常量。

由于地表辐亮度具备面积加和的尺度上推规律[8，11]，为确保模型具备一定的物理基础，研究中选
用了NDVI的地表辐亮度计算公式。

构建所得NDVI升尺度转换模型尺度适用范
围更广，且具有一定的物理意义。

获取模型后，首先在统计学意义上对其初步评价，选择相对独立、但又相互制约的4个常用统计学指标r、p、rlo、rup进行。

其中，r表示式(2)所示拟合直线与真实曲线的相关系数，当p较小(小于0.05)时说明计算的r值是有意义的，rlo、rup为相关系数95%置信区间的下界与上界值，即r的
真实值不足rlo的概率小于5%。

进一步，引用文献[12]中所推演出的反映分形模型计算值与各上推尺度影像的“近真值”两者差异的公式：
式中，NDVI1为利用分形模型计算得到的某尺度下影像NDVI均值，NDVI2为各上推尺度NDVI影像的均值(该值可认为是“近真值”)，Diff代表NDVI1与
NDVI2的差值、即模型值NDVI1的误差，Error代表差值Diff在NDVI2中所占
的比重、即模型值NDVI1相对于“近真值”NDVI2的误差百分比。

进一步，定
义Max_of_abs (Error)为上述Error绝对值的最大值，即利用此模型进行大尺度NDVI影像验证时的最大误差，它代表模型在真实性检验中的实际应用效能，故将其选定为判断模型应用能力的重要指标：真实性检验应用效能评价指标。

结合上述模型构建的统计学指标r、p、rlo、rup及真实性检验应用效能评价指标(Max_of_abs (Error)，可从统计学意义、实际应用能力两方面对模型做较为全面
的评价。

两类指标相互独立、同时相辅相成，协同构成NDVI空间尺度转换模型
的5指标评价体系。

参考模型构建流程(图4)，依据基础影像(如GeoEye-1)成像
范围，基础影像尺度(如GeoEye-1的2 m)可上推至不同的大尺度，上推的最大尺度对应于模型构建的尺度层级。

对于本文所利用的GeoEye-1影像，可设定不同
的尺度层级(即上推至若干不同的最大尺度)，进而可构建不同尺度层级下的转换模型，而基于前述模型评价体系可确定模型构建的最合理尺度层级，最终获得最合理的NDVI尺度转换模型[14]。

3.1 传感器成像参数归一化
由于GeoEye-1与ETM+影像的成像特性参数(如光谱、时相及成像几何等)并不一致，为使得其NDVI具有可比性，进行真实性检验时，首先需要对两种影像进行
成像参数归一化，通常包含光谱归一化、时相归一化及成像几何归一化。

1)光谱归一化
式中，L表示传感器某波段的等效大气上层太阳辐照度，E(λ)表示大气上层太阳辐
照度分布函数(利用ModTran模型采用的2002年大气上层太阳辐照度数据)，RES(λ)表示波段的光谱响应函数，λ1和λ2分别表示波段波长的下界和上界。

研究中选择GeoEye-1影像为基准影像，对EMT+影像进行光谱归一化。

通过式(7)计算2种传感器不同波段的等效大气上层太阳辐照度及其比值，得表1。

从表1可以看出：上述2种传感器各波段的等效大气上层太阳辐照度比值十分接
近于1，可认为两种传感器的光谱特性很相近。

2)时相归一化
由于所用的GeoEye-1和ETM+影像的获取时间分别为2009年10月16日和2009年10月23日，时相皆属于秋季，且相差仅为几天，基于对成像下垫面地类物候特性的认识，认为研究区地物生理特性无明显变化，其光谱特性亦无明显变化。

此外，结合两幅影像成像时的降雨、气温、气压与风速等基本气象数据，认为它们成像时大气影响作用比较相近。

综上所述，认为经大气校正后的两幅影像因时相差异所带来的光谱差异很小，可以忽略。

进而两幅影像因时相差异所带来的地表反射率及NDVI的差异很小，亦可以忽略。

故在满足研究精度需求的情况下，未进行
两幅影像的时相归一化。

3)成像几何归一化
由于研究中所使用的GeoEye-1和ETM+影像的覆盖范围较小(约6 km×8 km)，且2种传感器皆为下视观测，故可以认为两幅影像各像素的观测天顶角皆为90°。

两幅影像的观测几何十分接近，故在满足研究精度需求的情况下，未进行两幅影像
的成像几何归一化。

3.2 实验样区选取
上述处理后，获得了经光谱参数归一化的GeoEye-1与ETM+影像。

进一步，以4种不同的范围标准在两幅影像上选择22个代表样区(表2)：1)小范围较单一地类样区。

在GeoEye-1影像(2 m)不同位置处选取15个150像元×150像元大小的此类样区，同时在ETM+影像(30 m)相同位置处选取15个10像元×10像元大小的此类样区；2)较大范围地类混合样区。

在GeoEye-1影像(2 m)不同位置处选取5个600像元×600像元大小的此类样区，同时在ETM+影像(30 m)相同位置处选取5个40像元×40像元大小的此类样区；3)大范围地类混合样区。

在GeoEye-1影像(2 m)影像中心处选取1个1 500像元×1 500像元大小的样区，同时在ETM+影像(30 m)相同位置处选取1个100像元×100像元大小的样区；4)实验影像整体作为一个样区。

选取GeoEye-1影像整体(4 112像元×3 036像元)作为一个样区，同时选取相同范围的ETM+影像整体(272像元×200像元)作为一个样区。

3.3 各样区模型构建
依据上文所述研究方法，分别构建GeoEye-1影像上各样区的NDVI最合理尺度转换模型，结果如表3所示。

对于表3，最合理尺度转换模型不存在的含义为：基于分形理论与5指标评价体系(r>=0.8、p<0.05、rlo>=r<=rup及Max_of_abs(Error)<=0.05)，所研究的样区影像无法获得最合理的NDVI连续尺度转换模型，此样区不能用于对应的
ETM+影像NDVI结果的真实性检验；表中最合理尺度转换模型不可取的含义为：在此5参数指标体系下，从追求模型尺度适用范围更大的角度考虑，基于样区影像虽然可以构建最合理的NDVI连续尺度转换模型，但是若所得模型的尺度适用范围无法包含30 m尺度，即无法利用此模型进行30 m ETM+影像NDVI结果的
真实性检验，此时所得的NDVI连续尺度转换模型不可取。

3.4 真实性检验与分析
通过对各样区所构建模型的分析判定，最终选取了可以符合真实性检验要求的13
样区进行应用验证实验。

对于符合条件的13个样区，基于各样区构建所得NDVI
连续尺度转换模型分别计算30 m尺度影像的NDVI模型值，同时计算ETM+影
像(30 m)上相同样区的NDVI值。

此外，由前文可知，考虑到所构建模型在NDVI 真实性检验中的应用误差的绝对值小于等于5%(Max_of_abs (Error) <=0.05)，
为精确分析ETM+的NDVI影像是否可以通过真实性检验，参考式(3)计算(NDVI
模型值- NDVI实际影像值)/NDVI实际影像值的结果，通过分析该比值是否在-
5～5%的可接受范围内(-5%为可接受误差下限，5%为可接受误差上限)，判定影
像是否通过真实性检验：在此范围内，则通过检验，否则无法通过。

对实验结果进行图形化显示，如图5所示(注：图中各样区编号与表2中编号体系相同)。

通过对验证结果进行分析，发现：4种样区范围上，30 m上ETM+的NDVI影像均值的差异皆不在可接受的误差范围内，说明各样区NDVI影像皆存在较大误差；此误差为负，即ETM+样区的NDVI值大于模型所得的“真值”；在所有样区中，最小误差(的绝对值)为12.22%，最大误差(的绝对值)为39.83%，实验影像的整体误差(的绝对值)为25.37%，误差的大小与样区内地类数量及其分布状况、与样区
范围相关，比照表2所描述各样区详细信息可将此影响关系概括为：样区内地类
越单一、分布越均一时，此误差越小；样区内地类越复杂、空间异质性越显著时，此误差越大；当样区范围更大时，可能导致误差变大。

这一结论与“地表空间异质性是导致地表参数存在尺度效应的根本原因”相吻合。

30 m尺度上模型值与ETM+NDVI影像均值存在误差的原因可归纳为两类：第一类是内部原因，即ETM+影像条带补偿处理效果有限与大气校正存在误差等所致
的NDVI误差，进而造成真实性检验结果较差；第二类是外部原因，包含两方面：
一方面为GeoEye-1影像自身的大气校正所带来的误差，另一方面为进行真实性
检验时所进行的若干处理所带来的误差，即基于GeoEye-1影像进行ETM+的NDVI影像检验时所需要进行的相对配准、成像参数归一化所带来的差异。

综上所述，认为ETM+的NDVI影像存在较大误差，其中实验区整幅影像的NDVI 结果相对于“真值”存在约25%的误差。

这使得ETM+的NDVI影像只能适用于
实验研究，而不适宜将其NDVI产品直接应用于实际中。

同时，这也证明了NDVI 连续尺度转换模型在真实性检验中潜在的应用价值。

3.5 讨论
研究中所建立的分形模型是影像整体特征的反映，描述了各尺度影像NDVI均值
间的关系，而非像元间的关系。

分形模型所验证的是上推尺度影像NDVI均值的
准确性。

均值是影像的一项十分重要的统计特征，整体验证的方法在已有的基于分形理论的LAI尺度转换研究中亦有使用[11]，它仍然是一种可信的方法。

虽然如此，对于反演量影像而言，单一的均值特征又是不完备的。

如何综合利用多种影像统计特征，甚至建立反演量连续空间尺度上像元级转换关系，对于更精确地进行真实性检验具有重要意义。

此外，选择ETM+传感器为研究对象，适当弱化了真实性检验中部分环节(如传感
器间成像几何归一化)的影响。

若非如此，以中等分辨率成像光谱辐射计(Moderate Resolution Imaging Spectroradiometer，MODIS)产品为例，由于其成像角度时刻变化，利用中高分辨率影像对其精确检验时需要进行严格的成像几何归一化。

这往往需要利用多角度数据构建中高分辨率影像地物的二向反射率分布函数(Didirectional Reflectance Distribution Function，BRDF)，继而进行角度归一化。

目前，多角度数据的获取与成熟精确的BRDF模型的选择皆存在一定的
限制。

因此检验中成像几何归一化的解决存在一定困难，若作为检验的环节将一定程度上增加研究的不确定性。

ETM+相对简单稳定的成像几何将在一定程度上降低
研究的不确定性，可保障论文研究结论的准确性。

论文基于GeoEye-1影像，利用其NDVI连续尺度转换模型，实现了对
ETM+NDVI影像的真实性检验。

检验结果表明：由于ETM+影像条带缺失及补偿处理的有限作用，致使ETM+NDVI影像普遍存在较大误差，其中整幅影像的NDVI均值相对于“真值”存在约25%的误差，故该产品不适宜直接应用于实际中。

同时，这证明了所提出的反演量连续尺度转换模型构建方法在真实性检验中潜在的应用价值。

[1] 李小文，王祎婷.定量遥感尺度效应刍议[J].地理学报，2013，68(9)：1163-1169.
[2] 梁顺林.定量遥感[M].范闻捷，译.北京：科学出版社，2009：180-183.
[3] MEER F.VAN DER，BAKKER W，SCHOLTE K，et al.Spatial scale variations in vegetation indices and above-ground biomass estimates：implications for MERIS[J].International Journal of Remote Sensing，2001，22：3381-3396.
[4] LIANG S L，FANG H L，CHEN M C，et al.Validating MODIS land surface reflectance and albedo products：methods and preliminary
results[J].Remote Sensing of Environment，2002，83：149-162.
[5] GU Y X，WYLIE B K.Developing a 30-m grassland productivity estimation map for central Nebraska using 250-m MODIS and 30-m Landsat-8 observations[J].Remote Sensing of Environment，2015，171：291-298.
[6] LI X W，WAN Z ments on reciprocity in the BRDF
Modeling[J].Progress in Natural Science，1999，8(3)：354-358.
[7] LI X W，WANG J D，STRAHLER A H.Scale effect of Planck's law over
nonisothermal blackbody surface[J].Science in China Series E，1999，42：652-656.
[8] XU X R，FAN W J，TAO X.The spatial scaling effect of continuous canopy Leaves Area Index retrieved by remote sensing[J].Science in China Series D，2009，52：393-401.
[9] KIM G，BARROS A P.Downscaling of remotely sensed soil moisture with a modified fractal interpolation method using contraction mapping and ancillary data[J].Remote Sensing of Environment，2002，81：1-11.
[10]ZHANG H，CAO C X，LI G P，et al.Down-scaling LUCC based on the histo-variogram[J].Science in China Series E，2009，52：1348-1353. [11]ZHANG R H，TIAN J，LI Z L，et al.Principles and methods for the validation of quantitative remote sensing products[J].Science China Earth Sciences，2010，53：741-751.
[12]栾海军，田庆久，余涛，等.基于分形理论的NDVI连续空间尺度转换模型研究[J].光谱学与光谱分析，2013，33(7)，1857-1862.
[13]栾海军，田庆久，顾行发，等.基于分形理论与GeoEye-1影像的NDVI连续空间尺度转换模型构建及应用[J].红外与毫米波学报，2013，32(6)：538-544，549.
[14]栾海军，田庆久，余涛，等.根据分形理论与五指标评价体系构建NDVI连续空间尺度转换模型[J].遥感学报，2015，19(1)：116-125.
[15]MARTONCHIK J V，BRUEGGE C J,STRAHLER A H.A review of reflectance nomenclature used in remote sensing[J].Remote Sensing Reviews，2000，19：9-20.
[16]叶炜，汪小钦，江洪，等.基于光谱归一化的马尾松LAI遥感估算研究[J].遥感
信息，2011，26(5)：52-58.
E-mail：*******************.cn。