2018年山東省GF-1 WFV相對輻射歸一化數據集

2018年山東省GF-1 WFV相對輻射歸一化數據集
作者：黃莉婷　焦偉利　龍騰飛
2020年2月22日

本作品收錄於《中國科學數據》

黃莉婷, 焦偉利, 龍騰飛. 2018年山東省GF-1 WFV相對輻射歸一化數據集[J/OL]. 中國科學數據, 2020. (2020-02-22). DOI: 10.11922/csdata.2020.0005.zh.

摘要&關鍵詞

摘要：地表反射率是遙感定量反演的一個關鍵參數，對於研究地表和大氣間輻射能量平衡、地物識別和分類、水分與氣候模型等具有十分重要的意義。本數據集採用相對輻射歸一化的方法，以Landsat-8 OLI地表反射率數據產品為基準影像，對2018年山東省GF-1 WFV衛星無雲影像進行輻射歸一化。相對輻射歸一化處理工作主要包括大氣校正、數據重採樣、影像配准、掩膜、選取不變特徵點和求解輻射歸一化係數等流程。輻射歸一化後，每景GF-1 WFV影像與其基準影像的不變特徵點R2為0.7295以上，RMSE低於0.0172，GF-1 WFV影像地表反射率精度得到提高，可以和Landsat數據協同應用，為遙感定量反演提供數據支持。本數據集為GeoTIFF格式，空間分辨率為16 m。

關鍵詞：GF-1 WFV；山東省；地表反射率；輻射歸一化；不變特徵點

Abstract & Keywords

Abstract: Surface reflectance is a critical physical variable that affects the energy budget in land-atmosphere interactions, feature recognition and classification, and climate change research. This dataset uses the relative radiometric normalization method, and takes the Landsat-8 Operational Land Imager (OLI) surface reflectance products as the reference image to normalize the GF-1 satellite WFV sensor cloud-free images of Shandong Province in 2018. Relative radiometric normalization processing mainly includes atmospheric correction, image resampling, image registration, mask, extract the no-change pixels and calculate normalization coefficients. After relative radiometric normalization, the no-change pixels of each GF-1 WFV image and its reference image, R2 is 0.7295 above, RMSE is below 0.0172. The surface reflectance accuracy of GF-1 WFV image is improved, which can be used in cooperation with Landsat data to provide data support for remote sensing quantitative inversion. This dataset is in GeoTIFF format, and the spatial resolution of the image is 16 m.

Keywords: GF-1 WFV; Shandong Province; surface reflectance; relative radiometric normalization; no-change pixels

數據庫（集）基本信息簡介

數據庫（集）名稱	2018年山東省GF-1 WFV相對輻射歸一化數據集
數據作者	黃莉婷、焦偉利、龍騰飛
數據通信作者	焦偉利（jiaowl@aircas.ac.cn）
數據時間範圍	2018年
地理區域	山東省（北緯34°22.9′–38°24.01′，東經114°47.5′–122°42.3′）
空間分辨率	16 m
數據量	35.5 GB
數據格式	*.tif（GeoTIFF，16-bit unsigned integer）
數據服務系統網址	http://www.sciencedb.cn/dataSet/handle/947 ftp://bigrs-info.com/shandongGF-1/
基金項目	中國科學院Ａ類戰略性先導科技專項（XDA19090300）；國家重點研發計劃（2016YFA0600302）；國家自然科學基金項目（61731022）
數據庫（集）組成	本數據集主要由以下兩個部分組成：第一部分是2018年山東省GF-1 WFV衛星輻射歸一化數據產品，格式為GeoTIFF，一共19幅；第二部分是選取的GF-1 WFV以及對應Landsat-8 OLI影像名字列表文件，命名為山東省高分一號寬幅衛星輻射歸一化數據列表，格式為xlsx。此外，提供了一份不變特徵點提取樣例數據。

Dataset Profile

Title	A radiometric normalization dataset of Shandong Province based on Gaofen-1 WFV image (2018)
Data corresponding author	Jiao Weili (jiaowl@aircas.ac.cn)
Data authors	Huang Liting, Jiao Weili, Long Tengfei
Time range	2018
Geographical scope	Shandong Province (34°22.9′N–38°24.01′N, 114°47.5′E–122°42.3′E)
Spatial resolution	16 m
Data volume	35.5 GB
Data format	*.tif (GeoTIFF, 16-bit unsigned integer)
Data service system	<http://www.sciencedb.cn/dataSet/handle/947> <ftp://bigrs-info.com/shandongGF-1/>
Sources of funding	Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Key Research and Development Program of China (2016YFA0600302); National Natural Science Foundation of China (61731022).
Dataset composition	This dataset covers two parts of data, including GF-1 WFV radiometric normalization product in GeoTIFF format of Shandong Province in 2018, and image lists in .xlsx format. In addition, a data sample is provided to show the no-change pixels extraction.

引 言

地表反射率數據精度決定了地表物理參數反演、地物識別和分類的準確性，是遙感數據應用的基礎。如今遙感衛星的種類不斷增加，使得遙感數據資源呈現多源性。然而，由於傳感器不同，成像時間、成像條件、大氣狀況等差異，多源、多時相的衛星遙感數據的光譜值不具有可比性。隨着傳感器的不斷增多和定量遙感的發展，傳統的以灰度值（DN值）為主的影像產品已經難以滿足遙感應用的需求。美國USGS提出了Analysis Ready Data（ARD）產品，生產可以直接用於應用分析的Landsat序列遙感數據產品^[1]。目前主要是覆蓋美國的Landsat系列產品，未來將擴展至全球。CEOS（Committee on Earth Observation Satellites）提出了CARD4L（CEOS Analysis Ready Data for Land）產品框架（http://ceos.org/ard/）^[2]，給出產品的定義和規範，目前主要用於Landsat系列和Sentinel-2的ARD產品。何國金等人^[3][4]提出了遙感衛星數據「即得即用（Ready To Use，RTU）」產品的理念，該團隊已經建成了高精度、標準規範、信息完整的中國及周邊區域Landsat長時間系列衛星RTU產品庫，讓用戶能夠直接使用深加工處理過的遙感衛星數據，免去用戶在使用前進行繁瑣的預處理過程。目前可公開獲取的Landsat-8和Sentinel-2地表反射率產品都具有較高的精度，可是國產衛星地表反射率精度問題依然沒有得到足夠重視，沒有地表反射率產品可以直接提供給用戶使用。建立國產衛星地表反射率數據集供地學等領域科研工作者使用，促進多源遙感數據協同應用，具有重要意義。

山東省地貌類型豐富，涵蓋丘陵、盆地、黃河平原以及黃河三角洲等9個基本地貌類型；山東半島三面環海，水系較發達，黃河橫貫東西，大運河縱穿南北，其餘中小河流湖泊密布山東省；山東為農業省份，除自然植被包括的落葉闊葉林、針葉林、竹林、灌木叢以及水生植被等10個植被型外，還有大量人工栽培農業植被^[5]。豐富的地表光譜反射率特徵，有助於科研工作者進行植被指數計算、地物光譜獲取和變化監測等方面的研究。

本文以GF1-WFV為目標影像數據、Landsat-8 OLI地表反射率產品為基準影像數據，利用相對輻射歸一化方法得到2018年覆蓋山東省的較高精度的地表反射率輻射歸一化產品，並給出了影像輻射歸一化處理流程及精度，旨在為相關科研人員提供基礎地表反射率數據。

1 數據採集和處理方法

1.1 數據採集方法

本數據集以中國資源衛星應用中心（http://www.cresda.com/CN/）下载的GF-1 WFV Level1A級DN值影像，以及美國地質勘探局（https://earthexplorer. usgs.gov/）按需提供下載的Landsat-8 OLI Level 2級地表反射率影像為數據源。

為保證傳感器在獲取遙感數據時受大氣影響的差異較小，應該儘量選取同一日期的太陽高度角和方位角接近的影像做相對輻射歸一化處理^[6]。但是由於不同衛星的重訪周期和幅寬不相同，因此難以獲得同一地區的同一日期、同時過境的不同衛星影像，本文在影像選取中遵循影像前後日期在一周內的規則。選取無雲影像有助於不變特徵點的選取，由於受雲、霧、冰雪等的影響，以及根據對應日期範圍內Landsat-8 OLI影像的篩選，共獲取19景影像用於輻射歸一化產品的製作，所用到的遙感影像信息如表1所示。

表1 山東省輻射歸一化影像數據列表

	GF-1 WFV		Landsat-8 OLI
序號	成像時間	產品序列號	成像時間	WRS Path/Row
1	20180113	2928329	20180113	120 / 036
2	20180311	3053436	20180309	121 / 035
3	20180327	3087751	20180327	119 / 035
4	20180409	3114922	20180408	123 / 036
5	20180409	3114917	20180408	123 / 035
6	20180409	3114918	20180408	123 / 034
7	20180425	3145588	20180419	120 / 034
8	20180428	3150553	20180428	119 / 034
9	20180504	3163007	20180503	122 / 035
10	20180504	3163006	20180503	122 / 033
11	20180519	3199301	20180514	119 / 034
12	20180523	3208263	20180523	118 / 034
13	20181010	3508988	20181012	120 / 035
14	20181031	3561704	20181026	122 / 036
15	20181031	3561700	20181026	122 / 035
16	20181031	3561705	20181026	122 /034
17	20181031	3561702	20181026	122 / 033
18	20181031	3561710	20181028	120 / 035
19	20181023	3542444	20181028	120 / 035

1.2 數據處理方法

對GF-1 WFV影像進行遙感數據預處理工作，主要包括：正射校正、大氣校正，以及和Landsat-8影像配准。對Landsat-8影像的預處理工作主要是影像重採樣，使其和GF-1 WFV影像相同分辨率。本文在正則化迭代加權多元變化檢測（Iteratively Reweighted Multivariate Alteration Detection，IR-MAD）方法的基礎上通過控制未變化集的線性關係、逐步篩選不變特徵點的方式進行輻射歸一化^[7]，輻射歸一化處理技術路線如圖1所示：

圖片

圖1 輻射歸一化處理技術路線

1.2.1 建立未變化集

影像上受雲及變化地物影響的像元會偏離像元主體，採用自動散點控制回歸（Automatic Scattergram-Controlled Regression，ARCSI）^[8]方法去掉影像上受雲及變化地物影響的像元，初步建立未變化集，如圖2所示：分別在GF-1 WFV、Landsat-8 OLI影像的紅波段及近紅外波段散點圖中，利用正交回歸法確定初始回歸線，根據HVW、HPW選取占主體信息量的「未變化像元」。HVW是未變化集選擇的限制條件，由HPW控制，HPW是不變區域一側的垂直寬度，如公式（1）所示，式中a是初始回歸線斜率^[8]。

圖片 （1）

圖片

圖2 由初始回歸線確定未變化集

1.2.2 提取不變特徵點

在上一步確定的未變化集中，採用正則化迭代加權多元變化檢測法（Iteratively Reweighted Multivariate Alteration Detection，IR-MAD）^[9][10]的規則進一步提取不變特徵點。下面對該算法規則進行描述。

兩景多波段影像，可以表示成向量X和Y，則對影像進行向量計算可以表述為以下優化問題：

圖片 （2）

圖片 （3）

其中，圖片和圖片分別表示X和Y的方差，根據公式（3）的約束條件可以得到：圖片，基於典型相關分析的方法從小到大求解出相關係數圖片，進一步得到a和b的解。求解出a和b後，用線性變換的差定義MAD變量：

圖片 （4）

由於MAD變量是X和Y的線性組合，根據中心極限定理，MAD變量近似滿足正態分布，因此服從自由度為p（p為影像波段數）的卡方分布：

圖片 （5）

圖片 （6）

根據Tj 即可判斷各個像素是否發生變化。在迭代計算的過程中，對每個像元設置初始權值為1，每一次迭代計算均值向量與方差矩陣，並計算每個MAD變量，根據每次迭代更新計算的MAD變量更新權值；未發生變化的像元具有較大的權值，經過若干次迭代計算之後，每個像元的權值會趨於穩定，通過權值與閾值的比較便可判定每個像元點是否屬於不變特徵點。為避免在迭代計算中產生較大的權重值而影響不變特徵點的判斷，本文在求解協方差矩陣時加入了正則化參數^[9]。

1.2.3 求解輻射歸一化係數

由以上兩步確定了未變化集，便可由正交回歸求解輻射歸一化係數a和b：

圖片 （7）

圖片 （8）

圖片 （9）

圖片 （10）

圖片 （11）

其中，n為不變特徵點數，xi 、圖片 分別是GF-1 WFV影像不變特徵點的值及其均值，yi 、圖片分別是Landsat-8 OLI影像不變特徵點的值及其均值。

2 數據樣本描述

2018年山東省GF-1 WFV相對輻射歸一化數據集共包括19景影像，以原始GF-1影像命名規則加後綴「_norm」命名GeoTIFF文件，並提供對應的原始XML元數據文件。影像空間分辨率為16 m，投影坐標系是WGS84 UTM。為了降低結果儲存空間，地表反射率擴大10000倍（範圍為0–10000）並存儲為16位無符號整型。相對輻射歸一化數據結果展示如圖3。

圖片

圖3 相對輻射歸一化數據結果

3 數據質量控制和評估

3.1 定量評價

通過計算輻射歸一化前後GF-1 WFV影像與Landsat-8 OLI參考圖像之間不變特徵點的均方根誤差RMSE和回歸判定係數R2來對輻射歸一化精度進行客觀評價。

圖片 （12）

圖片 （13）

其中，圖片是輻射歸一化後GF-1 WFV影像波段k的地表反射率值,圖片是Landsat-8 OLI影像波段k的地表反射率值，圖片是Landsat-8 OLI影像波段k的像元地表反射率均值，N是不變特徵點數。

R2是對回歸模型擬合程度的綜合度量，R2越接近於1，模型擬合程度越高；RMSE值越小表示GF-1影像地表反射率值越接近於Landsat-8 OLI地表反射率。本文以地表反射率0–1的範圍計算RMSE和R2。在19景影像中，藍、綠、紅以及近紅外波段輻射歸一化後RMSE均小於0.0172，R2在0.7295以上，說明輻射歸一化後GF-1 WFV影像的地表反射率值精度得到提高，整體接近於Landsat-8 OLI影像。

3.2 定性評價

採用目視的方法對輻射歸一化後的影像進行定性評價。相對輻射歸一化後GF-1 WFV影像地表反射率數值接近於Landsat-8 OLI，則兩個影像顏色、亮度等會十分相似。將輻射歸一化前後的GF-1 WFV影像與Landsat-8 OLI影像進行顯示對比，如圖4和圖5所示。由圖可知，經過相對輻射歸一化後兩個影像顏色、亮度等十分相似，說明歸一化的效果較好。

圖片

圖4 輻射歸一化前影像對比

圖片

圖5 輻射歸一化後影像對比

4 數據價值

本文對2018年山東省地區國產高分一號寬幅16 m分辨率影像，採用相對輻射歸一化方法，獲取較高精度的地表反射率數據產品。本產品雲量少，使用者可直接進行遙感應用。後續本數據集將會補充新的時序產品，為地區可持續發展及科學研究提供基礎數據支撐，本數據集對於生態環境監測、遙感土地利用分類、長時序地表覆蓋變化檢測等具有重要的應用價值。

致 謝

感謝中國資源衛星應用中心和美國地質勘探局提供的數據支持。

參考文獻

1. DWYER J L, ROY D P, SAUER B, et al. Analysis ready data: enabling analysis of the landsat archive[J]. Remote Sensing, 2018, 10(9): 1363.
2. LEWIS A, LACEY J, SUSANNE M, et al. CEOS analysis ready data for land (CARD4L) overview[C].IEEE International Geoscience and Remote Sensing Symposium, 2018: 7407-7410.
3. HE G J, ZHANG Z M, JIAO W L, et al. Generation of ready to use (RTU) products over China based on Landsat series data[J]. Big Earth Data, 2018, 2(1): 56-64.
4. 何國金，焦偉利，張兆明，等．Landsat系列衛星RTU產品庫建設與共享[J]．中國科技成果，2018（10）：11-13．
5. 劉園園．基於RS和GIS的山東省植被覆蓋的時空演變特徵及其成因研究[J]．地理科學研究，2015，4（3）：95-109．
6. 楊天鵬，閆文佳，張遠．GF-1WFV與Landsat-8OLI和Sentinel-2AMSI遙感圖像光譜信息轉換研究[J]．華東師範大學學報（自然科學版），2017，2017（06）：136-146．
7. 黃莉婷，焦偉利，龍騰飛，等．基於正則化IR-MAD的GF-1影像輻射歸一化研究[J]．遙感信息，2020（4）：已錄用，未刊出．
8. ^ ^{8.0 8.1} ELVIDGE C D, YUAN D, WEERACKOON R D, et al. Relative radiometric normalization of landsat multispectral scanner (mss) data using an automatic Scattergram-Controlled regression[J]. Photogrammetric Engineering & Remote Sensing, 1995, 61(10): 1255-1260.
9. ^ ^{9.0 9.1} NIELSEN A A. The regularized iteratively reweighted MAD method for change detection in multi- and hyperspectral data[J]. IEEE Transactions on Image Processing, 2007, 16(02): 463-478.
10. NIELSEN A A, CONRADSEN K, SIMPSON J J. Multivariate alteration detection (mad) and MAF postprocessing in multispectral, bitemporal image data: new approaches to change detection studies[J]. Remote Sensing of Environment, 1998, 64(01): 1-19.

數據引用格式

黃莉婷, 焦偉利, 龍騰飛. 2018年山東省GF-1 WFV相對輻射歸一化數據集[DB/OL]. Science Data Bank, 2020. (2020-02-22). DOI: 10.11922/sciencedb.947.