AVHRR NDVI和MODIS NDVI一致性評估

任梓菡

（1.蘭州大學 資源與環境學院，甘肅 蘭州 730000）

歸一化植被指數（NDVI）是定性和定量評估植被生長狀況的重要指標之一。研究不同傳感器得到的NDVI產品之間的一致性，有利于更好地掌握長時期環境和氣候變化的過程。AVHRR和MODIS是當前應用最廣的傳感器[1]，評估AVHRR與MODIS傳感器NDVI之間的差異，對NDVI數據的一致性有重要意義。目前，基于AVHRR和MODIS傳感器NDVI的比較研究主要是通過比較實際影像來評價AVHRR NDVI和MODIS NDVI的一致性[2-6],這種方法容易受到大氣影響，同時對傳感器對NDVI數據的影響評估不足。此外，大量的比較研究是基于大氣頂層的反射率而不是地表反射率，使得比較結果的參考價值降低。本文通過冠層傳輸方程獲取植被在冠層級別的高光譜反射率，結合傳感器光譜響應函數模擬AVHRR和MODIS傳感器在紅光波段和近紅外波段的反射率，從而比較這兩種傳感器NDVI。從傳感器自身差異出發，進行NDVI數據的校正研究，為NDVI數據的一致性提供了新的思路。

1 數據與方法

1.1 基于冠層輻射傳輸模型的數據模擬

PROSAIL模型作為經典的冠層輻射模型，模擬的冠層反射率與實測數據有著非常好的一致性[7]。PROSAIL模型包含的參數主要有：①冠層和葉片結構參數，如葉面積指數（LAI）、葉傾角分布和葉片結構參數（N）；② 葉片生物化學參數，如葉綠素a+b含量（Cab）、褐色素含量（Cbp）、等效水厚度（Cw）、干物質（Cm）；③觀測方向與太陽位置參數，如觀測天頂角（tto）、太陽天頂角（tts）、相對方位角（psi）；④其他參數，如土壤反射率、熱點效應參數（hspot）等，見表1。其中個別參數考慮到其在紅光和近紅外波段影響較小，故設置為固定值。

表1 PROSAIL模型數據模擬的參數設置

1.2 光譜響應函數

光譜響應函數是模擬傳感器各個波段反射率的基礎。本文所使用的AVHRR和MODIS的光譜響應函數（圖1）主要來自ENVI波譜庫。在模擬多光譜反射率時，光譜響應函數應進行插值使其函數值以1 nm為間隔分布在400 nm～2 500 nm范圍之間。

1.3 寬波段反射率模擬

傳感器波段反射率模擬計算公式如下：

其中，R為對應傳感器寬波段反射率，λ2和λ1分別為波段波長對應的最大值和最小值，為對應的光譜響應函數在波長λ的函數值，為PROSAIL模型模擬得到的對應波長的高光譜反射率。類似反射率模擬方法見文獻[8,9]。

圖1 AVHRR和MODIS傳感器紅光波段和近紅外波段的光譜響應函數

1.4 歸一化植被指數

NDVI計算公式如下：

2 結果與分析

2.1 AVHRR NDVI與MODIS NDVI模擬結果

將AVHRR和MODSI傳感器NDVI模擬結果進行比較發現，兩傳感器的NDVI散點圖 （圖2）呈線性關系，且分布在1︰1線附近，即AVHRR NDVI和MODIS NDVI非常相近但不完全相同。并且，即使是AVHRR系列傳感器，其 NDVI 之間也存在著一定的差異。

圖2 部分AVHRR NDVI 和MODIS NDVI對比分析的散點圖

為了更好地研究AVHRR NDVI與MODIS NDVI之間的一致性，對結果進一步分析。計算AVHRR和MODIS傳感器NDVI兩兩之間的復相關系數和均方根誤差，結果顯示所有的復相關系數都在0.989以上，均方根誤差都小于0.1。由此可以進一步證明，這些傳感器得到的NDVI差異都比較小。但是，這樣的差異在NDVI一致性研究中是不能完全忽略的。

進一步對不同傳感器NDVI之間進行回歸分析，結果見表2。表2中，對角線部分為傳感器與本身進行回歸分析，其截距為0，斜率為1。以這條對角線為界，上面的三角形部分是以表中行對應的傳感器為自變量、列對應的傳感器為因變量得到的回歸方程，如：

對角線以下部分是將上部分的自變量和因變量互換后，對對角線上面部分的檢驗。下面部分得到的截距及斜率和上面部分得到的反函數的截距及斜率不完全相等，原因主要因為回歸分析殘差。

表2表明了這些傳感器NDVI之間的差異，這些細微的差異是傳感器光譜響應函數差異導致的。從圖1可以看出，AVHRR在紅光波段和近紅外波段的光譜響應函數差異較小，但它們之間覆蓋的波長范圍和函數形狀仍有一定差別。而與MODIS相比，MODIS傳感器在紅光和近紅外波段波長范圍比較窄，而且光譜響應函數的形狀也明顯不同。同時，表2也可以作為AVHRR系列傳感器之間和AVHRR與MODIS傳感器之間NDVI數據的校正系數。

表2 所有傳感器NDVI兩兩之間的截距和斜率表

2.2 結果驗證

由于實測數據的有限，本文的驗證工作主要利用前人結果進行。

Steven等利用野外實測的光譜數據，結合光譜響應函數，模擬并比較了多種傳感器的NDVI。他們選定一個標準NDVI，然后計算各個傳感器與這個標準值之間的轉換關系。為了方便比較，我們將其結果轉換為MODIS和AVHRR系列傳感器NDVI的 轉換關系。比較發現，他們得到的轉換系數的斜率普遍低于我們的結果，但是偏差范圍不是很大。具體來說，MODIS與AVHRR系列傳感器NDVI的轉換系數的斜率偏差較小的有NOAA15, NOAA16, NOAA17 NDVI VS MODIS NDVI，基本在0.02左右，斜率偏差較大的為NOAA 8（偏差為0.110 3），其余基本都在0.05左右。盡管Steven等使用的是實測數據進行模擬，但可用數據少，共166個光譜數據，且這166個數據只描述了兩種農田類型，不能充分體現多種植被生長狀況，這也是導致我們結果差異的一個原因。另外一個原因可能在于Steven等人選取了一個標準NDVI進行系數計算，在轉換成與本文結果可以比較的系數時，存在一定的誤差。但總體來說，我們得到的結果還是比較一致的。

Gallo等[5]比較了從MODIS和AVHRR(NOAA16和NOAA17)影像提取的NDVI數據，結果與本文中得到的MODIS NDVI和NOAA 16 NDVI的轉換關系比較接近，斜率偏差在0.01以內；MODIS NDVI和NOAA 17 NDVI，NOAA 16NDVI和 NOAA17 NDVI之間的斜率偏差稍大，分別是0.054 4和0.043 4，但總體來說結果比較一致。

JiL等對搭載在NOAA16上的2002年和2003年的AVHRR和MODIS的16天NDVI產品進行比較。首先對NDVI數據進行3×3, 5×5, 7×7, 9×9, 11×11,1 3×13窗口大小的中值濾波，然后進行回歸分析和一致性評價。跟本文結果相比，他們研究中得到的未經中值濾波的原始MODIS和NOAA16 NDVI的轉換關系比較一致，斜率偏差為0.016 2；而經過中值濾波后得到的轉換系數，斜率偏差在[0.048,0.566]范圍內，差異比較大。這種差異可能源于中值濾波對結果的影響。

通過比較可以證明，本文得到的MODIS NDVI和AVHRR NDVI之間的轉換關系是科學可靠的。由于方法不同產生的轉換系數斜率偏差都在0.1以內，大部分在0.05以內，基本可以視為一致。

3 結 語

結合冠層輻射傳輸模型和光譜響應函數，對AVHRR和MODIS傳感器NDVI之間的一致性進行研究，并提供了AVHRR NDVI 和MODIS NDVI之間的校正系數，與同類的研究較為一致。該方法有以下特點：

1）PROSAIL模型的使用，不僅避免了實測數據的有限，也避免了單一的植被光譜信息。并且，相較于實測數據，PROSAIL得到的反射率不受實際操作影響，能更好地體現傳感器本身特點對NDVI的影響。

2） 該方法體現了傳感器本身，尤其是光譜響應函數差異對NDVI結果的影響，避免了NDVI數據在傳感器運行過程中受到各種大氣的影響，也避免了影像預處理過程對一致性研究產生的影響。

[1]劉闖, 葛成輝. 美國對地觀測系統 (EOS) 中分辨率成像光譜儀 (MODIS) 遙感數據的特點與應用[J]. 遙感信息, 2000(3)：45-48

[2]程乾, 黃敬峰, 王人潮. MODIS 和 NOAA/AVHRR 植被指數差異初步分析[J]. 科技通報, 2005, 21(2): 205-209

[3]郝成元, 馬春艷, 朱宗澤. 基于 NOAA/AVHRR 和 Terra/MODIS 數據的植被指數季節信息比較[J]. 地理與地理信息科學, 2009, 25(6): 30-33

[4]Huete A R, Liu H Q, Batchily K, et al. A Comparison of Vegetation Indices over a Global Set of TM Images for EOSMODIS[J]. Remote Sensing of Environment, 1997, 59(3): 440-451

[5]Gallo K, Ji L, Reed B, et al. Multi-platform Comparisons of MODIS and AVHRR Normalized Differencevegetation Index Data[J]. Remote Sensing of Environment, 2005, 99(3): 221-231

[6]顏春燕. 遙感提取植被生化組分信息方法與模型研究 [D]. 北京：中國科學院研究生院, 2003

[7]Jacquemoud S, Verhoef W, Baret F, et al. PROSPECT+ SAIL Models: A Review of Use for Vegetation Characterization[J].Remote Sensing of Environment, 2009, 113(S)：56-66

[8]Soudani K, Fran?ois C, Le Maire G, et al. Comparative Analysis of IKONOS, SPOT, and ETM+ Data for Leaf Area Index Estimation in Temperate Coniferous and Deciduous Forest Stands[J]. Remote sensing of Environment, 2006, 102(1): 161-175

[9]Steven M D, Malthus T J, Baret F, et al. Intercalibration of Vegetation Indices from Different Sensor Systems[J]. Remote Sensing of Environment, 2003, 88(4): 412-422

[10]Steven M, Malthus T, Baret F. Intercalibration of Vegetation Indices–an Update[C].ISPRS Working Group VII/1 Workshop ISPMSRS'07: Physical Measurements and Signatures in Remote Sensing，2007

[11]Ji L, Gallo K, Eidenshink J C, et al. Agreement Evaluation of AVHRR and MODIS 16‐Day Composite NDVI Data Sets[J].International Journal of Remote Sensing, 2008, 29(16): 4 839-4 861