基于FY-3A/MERSI與Terra/MODIS的單波段反射率和NDVI差異性分析1)

于成龍 劉 丹 楊曉強

(黑龍江省氣象科學研究所，哈爾濱，150030)

風云三號A星(簡稱FY-3A)是中國第2代極軌氣象衛星系列風云三號(簡稱FY-3)的第1顆星，衛星軌道為太陽同步軌道，高度約為距地球表面836 km，衛星發射窗口為降交點地方時10:00—10:20［1］。Terra星是美國國家宇航局為進行對地觀測所發射的地球觀測系統衛星，衛星軌道也為太陽同步軌道，高度為距地球表面705 km左右，每日地方時10:30 左右過境(http://modis.gsfc.nasa.gov/about/)。FY-3A與Terra星在數據采集時間上接近。MERSI和MODIS分別是裝載在FY-3A和Terra星上的中分辨率成像光譜儀。MERSI具有20個波段(0.41 ～12.50 μm)，星下點分辨率為250 m(波段1～5)、1 000 m(波段6～20);MODIS擁有36個波段(0.405 ～14.385 μm)，星下點分辨率為 250 m(波段1、2)、500 m(波段 3 ～7)、1 000 m(波段 8 ～36)。2個傳感器在輻射度、靈敏度、幾何配準的精密度和定標的準確度等條件上都達到較高水平［2-3］，可實現全球、全天候、三維、定量、多光譜遙感，在監測大范圍氣象［4-5］及其衍生自然災害［6-4］和生態環境變化［8-9］中具有一定作用。

在植被監測方面，由于MODIS數據的紅光和近紅外波段的空間分辨率均為250 m，因此利用MODIS數據，基于植被的紅光和近紅外的吸收反射特性建立的歸一化植被指數(NDVI)，近20年來一直廣泛應用于植被監測的研究和業務工作中［10-13］。而FY-3A/MERSI數據的紅光和近紅外波段的空間分辨率也為250 m，進行NDVI的計算在空間和時間上與利用MODIS數據計算的結果具有一定的可比性，但由于二者之間的探測器不同，紅光和近紅外的中心波長和光譜帶寬的差異(FY-3A/MERSI紅光和近紅外的中心波長分別為 0.650、0.865 μm，光譜帶寬均為0.05 μm;MODIS的紅光和近紅外的中心波長分別為0.645、0.858 μm，光譜帶寬分別為 0.05、0.35 μm)以及幾何位置的不同可能會造成2種數據對于監測同一空間植被指數時產生一定的差異，這種差異在進行較為精確的模型計算等工作時可能會帶來影響。

因此，選取2010年5—10月不同時段、不同植被覆蓋類型的區域，對FY-3A/MERSI與Terra/MODIS在NDVI計算結果、紅光和近紅外波段的反射率上進行對比分析，以期獲得這2種衛星數據在植被監測中的相關性和差異，為充分利用FY-3A/MER-SI數據資料，實現FY-3A/MERSI數據產品與Terra/MODIS數據產品的銜接提供科學參考。

1 數據來源與處理

FY-3A/MERSI數據來源于中國氣象局佳木斯氣象衛星地面站利用光纜傳輸的數據，為2010年5—10月覆蓋黑龍江省范圍的5分鐘塊數據，經過輻射定標和幾何定位后，生成HDF格式的數據。Terra/MODIS數據來源于美國NASA EOS數據中心提供的1B數據產品，時間和覆蓋范圍與FY-3A/MERSI一致，產品已經過輻射定標和幾何定位，數據格式為HDF。

表1 不同日序選取的像元數

2種數據均利用中國氣象局衛星氣象中心開發的風云三號監測分析服務系統(簡稱MAS)，轉換為等經緯度投影，基準面為WGS-84坐標系。轉化時未對數據進行大氣校正，也未考慮太陽天頂角和幾何位置的差異，但由于FY-3A和Terra 2種衛星的過境時間相近，這些因素對數據質量的影響幾乎是相同的，作為平行對比試驗，只保證了這2種數據處理過程的一致性。

利用ENVI軟件，選取2010年5—10月晴空數據進行地理配準，再利用決策樹法對云進行判識后剔除，計算NDVI，再提取紅光、近紅外波段的反射率以及對應像元的NDVI值，統計后進行比較。同時，在此數據基礎上，還利用已有的土地分類矢量文件，提取出耕地、森林、草地和建筑用地，統計FY-3A/MERSI和Terra/MODIS數據在這4種土地覆蓋類型中紅光、近紅外波段的反射率以及對應像元的NDVI的相關性和差異。數據選取的日期和像元數見表1，表中的所有像元不僅包括這4種土地覆蓋類型，還包括其他土地覆蓋類型。

由于不同波段反射率或NDVI的絕對數值范圍不同，為比較2種數據各波段和NDVI之間不同日序的波動情況，把各日序數據逐個波段或指數的差值進行歸一化處理，再計算標準差。歸一化的方法如下:

式中:yi為轉換后數值;xi為轉換前數值;xmin為轉換前樣本最小值;xmax為轉換前樣本最大值。

2 結果與分析

2.1 單波段反射率和NDVI的相關性

從FY-3A/MERSI和Terra/MODIS在不同時序紅光(圖1-a)和近紅外(圖1-b)反射率的日平均值可見，除時序為2010147的FY-3A/MERSI和Terra/MODIS近紅外反射率差異較大外，其他時序的紅光和近紅外反射率差異很小，曲線接近重合，說明2種數據之間有較強的相關關系。從2種數據不同時序的NDVI變化曲線也能得出相同的結論(圖1-c)。

圖1 FY-3A/MERSI和Terra/MODIS單波段反射率和NDVI日平均值

分別所有像元、耕地、森林、草地和建筑用地，統計FY-3A/MERSI和Terra/MODIS在不同時序紅光和近紅外反射率日平均值的相關性表明(表2)，2種數據的單波段反射率具有極顯著的相關性，相關系數均超過0.96，統計顯著性 P＜0.000 1。從不同波段相關性看，紅光、近紅外反射率在森林中最高，分別達0.996 1 和 0.998 5。

用同樣的方法比較利用這2顆衛星數據計算出的NDVI的相關系數均超過0.93，統計顯著性P＜0.000 1。NDVI在所有像元、耕地、森林、草地、建筑用地的相關系數分別為 0.997 7、0.974 5、0.939 8、0.942 5、0.987 1。

表2 FY-3A/MERSI和Terra/MODIS單波段反射率的相關系數

2.2 單波段反射率和NDVI的差異

FY-3A/MERSI和Terra/MODIS在不同時序紅光、近紅外反射率和NDVI的日平均值存在較強的相關性，但也存在一定的差異，因此分別土地覆蓋類型，用FY-3A/MERSI值減去同日Terra/MODIS對應波段反射率和NDVI值，得到2種數據在不同土地覆蓋類型中的同日對應波段反射率和NDVI值的差異。

表3為FY-3A/MERSI和Terra/MODIS數據中紅光、近紅外反射率和NDVI差異的描述性統計。從紅光、近紅外反射率和NDVI差異的變化幅度上看，紅光反射率中差異最大的是耕地，變化幅度為10.460，其次為草地，變化幅度為 2.047，森林和建筑用地的變化幅度在2以下;近紅外反射率中差異最大的也是耕地，變化幅度為19.087，其次為森林，為7.647，草地和建筑用地的變化幅度分別為4.455和1.447;NDVI中差異最大的是森林，變化幅度為0.085，其他土地覆蓋類型均在0.020左右。從平均值上看，FY-3A/MERSI的紅光反射率在耕地、森林和草地上的值均高于Terra/MODIS，在建筑用地上的值低于Terra/MODIS;FY-3A/MERSI的近紅外反射率在耕地、草地和建筑用地上的值均低于Terra/MODIS，在森林上的值高于Terra/MODIS;FY-3A/MERSI的NDVI值在4種土地覆蓋類型中均低于Terra/MODIS，其中森林的NDVI值低的最多，為0.012 3。從標準差上看，4種土地覆蓋類型的紅光、近紅外反射率和NDVI差值的標準差為0.200 0～0.350 0，其中紅光、近紅外反射率差值的標準差最大的都是森林，分別為 0.322 5 和 0.277 5，NDVI差異的標準差最大的是耕地，為0.327 3。

3 結論與討論

研究表明，FY-3A/MERSI和 Terra/MODIS數據中紅光、近紅外反射率和NDVI值具有極顯著的相關性，相關系數均超過0.93，其中2顆衛星數據的紅光和近紅外反射率在森林中的相關性最高，NDVI在建筑用地的相關性最高。在不同土地覆蓋類型中，利用FY-3A/MERSI數據計算的NDVI值均小于利用Terra/MODIS計算的NDVI值，而2顆衛星數據在紅光和近紅外反射率方面的數據差異因土地覆蓋類型而異。在進行FY-3A/MERSI和Terra/MODIS數據對比時，參考了文獻［14］的分析方法，目的是為了通過FY-3A/MERSI和Terra/MODIS數據的對比結果，也可以間接了解FY-3A/MERSI和Aqua/MODIS數據的相關性和差異性。在相關性方面，本研究結果略低于王靜等［14］統計的TerraMODIS和AquaMODIS相應的單波段反射率和NDVI的相關系數(均超過 0.98)，高于馮銳等［15］對 FY3/MERSI和EOS/MODIS歸一化植被指數相關性的統計(相關系數在 0.90 以下)，也高于張杰等［16］對NOAA-17歸一化后的NDVI與Terra衛星的MODIS資料所獲取的NDVI的相關系數(0.704 2)。另外，文中只是對FY-3A/MERSI和Terra/MODIS部分數據進行了對比分析，只保證了這2種數據在定標和定位后，處理過程的一致性，并未對數據進行大氣校正、正射校正等處理，獲得的地表反射率和植被指數并不完全一致;本研究中兩顆衛星數據計算的NDVI相關性與馮銳等［15］的統計結果存在一定差異，其原因還有待進一步研究。

表3 FY-3A/MERSI和Terra/MODIS在不同土地覆蓋類型下單波反射率和NDVI差值的描述性統計

［1］范天錫.風云三號氣象衛星的特點和作用［J］.氣象科技，2002，30(6):321-327.

［2］楊軍，董超華，盧乃錳，等.中國新一代極軌氣象衛星:風云三號［J］.氣象學報，2009，67(4):501-509.

［3］Gallo K，Lei J，Reed B，et al.Multi-platform comparisons of MODIS and AVHRR normalized difference vegetation index data［J］.Remote Sensing of Environment，2005，99:221-231.

［4］龍利民，張萍萍，張寧.2008-07-22襄樊特大暴雨FY-3A微波資料分析［J］.大氣科學學報，2010，33(5):569-575.

［5］Lahet F，Stramski，D.MODIS imagery of turbid plumes in San Diego coastal waters during rainstorm events［J］.Remote Sensing of Environment，2010，114(2):332-344.

［6］Kiage L M，Walker N D.Using NDVI from MODIS to monitor duckweed bloom in lake Maracaibo，Venezuela［J］.Water Re-sources Management，2009，23(6):1125-1135.

［7］Wisdom M D.Characterization of the July 2007 Swaziland fire disaster using satellite remote sensing and CIS［J］.Applied Geography，2009，29(3):299-307.

［8］Schubert P，Eklundh L，Lund M，et al.Estimating northern peatland CO2exchange from MODIS time series data［J］.Remote Sensing of Environment，2010，114(6):1178-1189.

［9］王鶴松，賈根鎖，馮錦明，等.我國北方地區植被總初級生產力的空間分布與季節變化［J］.大氣科學，2010，34(5):882-890.

［10］李登科，范建忠，王娟.陜西省植被覆蓋度變化特征及其成因［J］.應用生態學報，2010，21(11):2896-2903.

［11］陳方敏，徐明策，李俊祥.中國東部地區常綠闊葉林景觀破碎化［J］.生態學雜志，2010，29(10):1919-1924.

［12］Bastiaanssen W G M，Ali S.A new crop yield forecasting model based on satellite measurements applied across the Indus Basin，Pakistan［J］.Agriculture，Ecosystems and Environment，2003，94:321-340.

［13］劉惠敏，馬小群，孫秀幫.安徽省MODIS干旱監測技術研究［J］.氣象，2010，26(4):111-115.

［14］王靜，郭鈮.TerraMODIS和AquaMODIS波段反射率及植被指數比較［J］.生態學雜志，2008，27(10):1711-1717.

［15］馮銳，紀瑞鵬，武晉雯，等.FY3/MERSI和 EOS/MODIS歸一化植被指數差異分析［J］.中國農學通報，2010，26(19):359-362.

［16］張杰，郭鈮，王介民.NOAA/AVHRR與EOS/MODIS遙感產品NDVI序列的對比及其校正［J］.高原氣象，2007，26(5):1097-1104.