傳感器光譜響應差異對NDVI的影響

衛煒，吳文斌，周清波，張明偉

（1.中國農業科學院農業資源與農業區劃研究所，北京100081；2.農業部農業信息技術重點實驗室，北京100081；3.國家衛星氣象中心，北京100081）

傳感器光譜響應差異對NDVI的影響

衛煒1，2，吳文斌1，2，周清波1，2，張明偉3

（1.中國農業科學院農業資源與農業區劃研究所，北京100081；2.農業部農業信息技術重點實驗室，北京100081；3.國家衛星氣象中心，北京100081）

傳感器光譜響應差異是導致不同來源NDVI觀測數據之間差異的因素之一，在進行多源遙感數據之間的對比和同化處理時需要對其影響加以分析和校正。基于此，該研究將地物的反射波譜曲線和傳感器的光譜響應函數進行卷積，以此來模擬不同傳感器在可見光和近紅外通道的等效地表反射率并計算相應的NDVI，分別用絕對誤差和相對誤差兩個指標來描述不同傳感器觀測結果相對于MODIS的差異并建立校正模型。結果表明，光譜響應差異引起的不同傳感器觀測結果差異可以通過二次多項式模型進行校正，基于相對誤差的校正模型比基于絕對誤差的校正模型效果更好一些，整體上傳感器光譜響應差異對NDVI觀測值的影響有限，還需要進一步考慮大氣狀況及觀測幾何等其他因素的影響。

光譜響應函數；傳感器；反射率；NDVI；校正模型

0 引 言

歸一化差異植被指數（Normalized Difference Vegetation Index，NDVI）充分利用植被在可見光和近紅外波段反射率的差異，通過綜合四則運算提高對土壤背景的鑒別能力，同時削弱大氣和地形陰影的影響［1－2］。NDVI能夠很好地反映綠色植被的長勢、覆蓋度和生物量等信息，是目前使用得最為廣泛的植被指數，常被應用于植被動態監測［3－5］、地表分類與土地利用變化［6－7］、農作物產量估算［8－9］以及植被對氣候變化的響應［10－11］等。

長時間序列NDVI數據提供了更為豐富的對地觀測歷史資料，被大量應用于區域乃至全球范圍的資源、環境、水文以及氣象等各個方面的研究［12］。NOAA／AVHRR、SPOT／VGT和EOS／MODIS等傳感器能夠進行逐日觀測，所提供的NDVI數據具有時間序列完整且容易獲取等優點，是目前長時間序列NDVI數據的主要來源［13］。除此之外，搭載在我國風云三號衛星（FY3）上的可見光掃描輻射計（VIRR）也具備了以上3種傳感器的主要特征［14］，為NDVI時間序列數據的國產化提供了有利條件。

不同傳感器的觀測數據之間既有重疊又有互補，對多源NDVI進行差異分析及多源遙感數據的整合與協同應用是當前的研究熱點之一。宋富強等［15］在陜北地區對比了AVHRR、VGT和MODIS 3種NDVI的差異，發現VGT和MODIS數據反映出該地區在1999～2007年間的NDVI呈現顯著增加的趨勢，而AVHRR數據結果卻未呈現顯著變化；Zhang等［16］分別利用VGT和MODIS數據提取了1982～2011年青藏高原地區的植被生長季開始期，發現30年來的植被生長季開始期呈持續提前的趨勢，修正了之前用AVHRR－NDVI數據得到的該地區植被生長季開始期先提前后推遲的結論。Mao等［17］基于逐像元一元線性回歸模型，在我國東北地區用MODIS－NDVI對AVHRR／GIMMS－NDVI進行時間序列延長，然后利用延長后的時間序列進行NDVI變化與氣溫、降水變化之間的相關分析。

多源遙感數據整合與協同應用所面臨的一個首要問題就是需要進行數據之間的對比和同化處理，以保證在同一區域由不同衛星傳感器所觀測的數據之間具有可比性［18］。造成不同的衛星傳感器對同一地物觀測數據差異的原因主要包括3個方面：大氣狀況（包括輻射定標設備與方法）差異、觀測幾何（太陽和衛星的天頂角、方位角）的差異以及不同傳感器對應通道之間光譜響應的差異［19］。其中通道的光譜響應描述了傳感器對特定波長輻射能量的探測能力，一般用光譜響應函數（Spectral Response Function，SRF）來表示［20］。SRF是指傳感器在某一波長上接收的輻射能量與入射的輻射能量的比值，是傳感器的一個重要性能指標，不同類型的傳感器以及同一傳感器不同波段的光譜響應函數之間通常存在差異［21］。本研究旨在定量描述不同傳感器之間的光譜響應差異對可見光、近紅外通道反射率及NDVI觀測值的影響，并通過建立校正模型嘗試對這種影響進行消除。

表1 主要NDVI時間序列數據來源傳感器的對應通道

1 數據與方法

1.1 傳感器光譜響應特征描述

前面提到在當前的植被遙感中NDVI時間序列數據來源主要包括NOAA／AVHRR、SPOT／VGT、EOS／MODIS和FY3／VIRR等，表1列出了這些衛星傳感器的對應通道。從中可以看出上述衛星傳感器在可見光和近紅外波段具有相似的通道設置，便于開展多源遙感協同應用研究。然而不同的傳感器之間光譜響應有所不同，即使是搭載在不同衛星平臺上的相同類型傳感器，其光譜響應之間也會有一定的差異。

上述幾種衛星傳感器在可見光和近紅外波段的光譜響應函數曲線如圖1所示。從圖中可以看出，在可見光譜段MODIS的光譜響應通道最窄，VIRR的光譜響應通道最寬，各傳感器光譜響應函數曲線的形狀也完全不同；而在近紅外譜段MODIS的光譜響應通道仍然最窄，但光譜響應通道最寬的為AVHRR，另外盡管VIRR近紅外通道波長范圍為840nm～890nm，但是在1090nm處仍然存在著非常小的響應。不同傳感器的光譜響應函數曲線的差異還體現在中心波長位置、波段間的重疊程度等，特別是在從葉綠素吸收為主到葉片組織反射為主的過渡譜段（680nm～720nm）處的差異會對植被觀測造成較大的影響。在進行多源遙感數據之間的對比和同化處理時，如果不進行傳感器波段之間的光譜響應匹配，有可能會導致一定的誤差產生。

圖1 不同衛星傳感器在可見光和近紅外譜段的光譜響應函數曲線

1.2 不同傳感器觀測數據模擬

對于某一地物而言，如果忽略傳感器定標的誤差，那么在相同的觀測幾何和大氣狀況條件下，傳感器入瞳處的輻射能量是相等的，然而，光譜響應函數的差異會導致不同傳感器所觀測到的反射率有所不同［22］。各傳感器所觀測到的等效地表反射率可以由地物的實際反射率與傳感器觀測通道的光譜響應函數進行卷積運算得到：

式中，ρi表示傳感器通道i的等效地表反射率，ρλ為實際的地表反射率，RSFi（λ）為傳感器通道i的光譜響應函數［23］。

在實際的衛星觀測中，大氣狀況和觀測幾何等因素也會影響觀測結果。為了定量描述不同傳感器之間光譜響應函數差異對觀測數據的影響，本研究搜集了28種地物的反射波譜曲線，結合衛星傳感器的光譜響應函數來模擬不同傳感器的觀測結果，在不考慮大氣狀況和觀測幾何影響的條件下，建立不同傳感器對應通道觀測數據之間的轉換關系。用到的反射波譜曲線主要來自USGS植被光譜數據庫［24］、賈斯伯里奇（Jasper Ridge）光譜實驗室［25］和約翰霍普金斯（Johns Hopkins）大學光譜實驗室［26］的測量數據，從中選擇了14種綠色植被，8種非綠色植被以及6種非植被類型，它們在可見光到近紅外譜段的反射波譜曲線如圖2所示。

2 結果與分析

2.1 對模擬結果的統計分析

在得到各傳感器在可見光和近紅外通道的反射率后，再進一步計算各傳感器測得的NDVI。對模擬得到的不同傳感器NDVI觀測值進行比較，計算各傳感器相對于MODIS的絕對百分比差異APD（Absolute Percentage Difference），并統計NDVI及APD的最小值、最大值、平均值及標準差（表2）。APD的計算公式如下：

式中，NDVIi和NDVIMOD分別代表模擬得到的某種傳感器以及MODIS傳感器的NDVI觀測值。

圖2 用于模擬分析的28種地物在可見光到近紅外譜段的反射波譜曲線

表2 對模擬得到的NDVI和各傳感器相對于MODIS的APD的統計描述

從表2中可以看出，模擬的NDVI從低值到高值都有分布，平均值在0.54左右。各傳感器相對于MODIS的APD最小值接近0，但最大值甚至超過16%。通過對模擬結果進行分析發現，APD較大的主要為一些非綠色植被，其NDVI計算值本來就很小，因此導致APD較大；同時APD波動范圍較大說明APD大小與觀測對象也有一定的關系；APD的平均值在7%以內，說明傳感器之間的光譜響應差異對NDVI的影響非常有限。

2.2 不同傳感器觀測結果差異分析

以MODIS傳感器觀測結果為標準，用絕對差異（Absolute Difference）和相對差異（Relative Difference）兩個參量來描述各傳感器觀測結果相對于MODIS的差異：

式中，Xi和XMOD分別表示某種傳感器以及MODIS傳感器的觀測結果。

圖3為模擬得到的各傳感器觀測數據相對于MODIS的差異，從上到下第一行為可見光通道等效地表反射率，第二行為近紅外通道等效地表反射率，第三行為NDVI；從左到右依次為AVHRR、VIRR和VGT觀測數據。從圖中可以看出，對可見光通道的等效地表反射率而言，3種傳感器中VIRR與MODIS的差異最大，AVHRR次之，VGT最小；對近紅外通道的等效地表反射率而言，3種傳感器中AVHRR與MODIS的差異最大，VIRR次之，VGT最小；NDVI的情況與可見光通道等效地表反射率相類似。另外無論是可見光和近紅外通道等效地表反射率還是NDVI，整體上相對差異的離散程度小于絕對差異。

2.3 光譜響應差異校正模型

由不同傳感器之間光譜響應差異所引起的觀測結果差異可以通過建立二次多項式校正模型進行校正。表3和表4分別為基于絕對差異和相對差異的AVHRR、VIRR和VGT 3種傳感器與MODIS觀測數據之間的差異校正模型，其中x代表各傳感器對應的NDVI值。模型計算結果為各傳感器相對于MODIS觀測數據的差異。從表中可以看出，兩種校正模型在可見光和近紅外通道等效地表反射率的回歸系數變化較大，但對NDVI而言，基于相對差異的校正模型回歸系數整體上高于基于絕對差異的校正模型。

表3 基于絕對差異（Absolute Difference）的校正模型與模擬計算結果

圖3 模擬得到的不同傳感器觀測數據相對于MODIS的差異，從上到下依次為可見光通道等效地表反射率、近紅外通道等效地表反射率和NDVI，從左到右依次為AVHRR、VIRR和VGT傳感器

表4 基于相對差異（Relative Difference）的校正模型與模擬計算結果

2.4 校正模型驗證與應用

本研究從3種反射波譜曲線來源數據庫中另外選擇了綠色植被、非綠色植被和非植被類型的反射波譜曲線各1條（28種類型以外），用于對不同傳感器NDVI的光譜響應差異校正模型進行驗證，3條用于模型驗證的光譜曲線如圖4所示。

應用本文中所描述的方法，結合上述光譜響應差異校正模型，分別計算得到經過校正后的AVHRR、VIRR和VGT傳感器的NDVI測量值。對比光譜響應差異校正前后各傳感器NDVI相對于MODIS的APD如表5所示。從表中可以看出，各傳感器NDVI經過光譜響應差異校正后，相對于MODIS的APD均有不同程度減小，說明校正后的各傳感器NDVI與MODIS／NDVI之間的差異變小。另外從兩種差異校正模型來看，整體上相對差異校正模型計算結果的APD比絕對差異校正模型要小一些，說明相對差異校正模型表現優于絕對差異校正模型，該結果也與3.3節中兩種模型回歸系數之間的大小關系相一致。

除了使用模擬數據對光譜響應差異校正模型的正確性進行驗證之外，本研究還將這兩種模型用于真實的遙感觀測數據并對其計算結果進行分析。所用的實際NDVI觀測值分別由EOS／MODIS和SPOT／VGT兩種傳感器獲取，數據內容為NDVI最大值合成產品。由于兩種傳感器數據產品的合成周期分別為16天（MODIS）和10天（VGT），為了便于比較，本文將這兩種數據產品統一處理為80天最大值合成，一年共包括四期，第320天之后的數據舍棄不用。數據時間為2011年，區域為中國東北三省，空間分辨率為1km，提取該范圍內84個農業氣象站點所在像元的NDVI值用于計算和分析。樣點的地表覆蓋基本為農作物，作物類型主要有玉米、水稻、大豆和小麥，另外也包括部分其它作物，如谷子、高粱等。

首先用實際的VGT／NDVI數據結合光譜響應差異校正模型計算與MODIS／NDVI之間的差異，然后再根據上述結果計算經過校正的VGT／NDVI并與實際的MODIS／NDVI數據進行比較。圖5為分別利用絕對差異和相對差異校正模型計算出的校正后的VGT／NDVI（橫軸）與實際觀測的MODIS／NDVI（縱軸）之間的回歸關系，回歸方程和回歸系數分別為：

圖4 用于校正模型驗證的3種地物在可見光到近紅外譜段的反射波譜曲線

實際觀測的MODIS／NDVI與VGT／NDVI之間的回歸方程和回歸系數分別為：

可以看出經過兩種校正模型計算出的校正后的VGT／NDVI與真實的MODIS／NDVI之間的回歸系數R2與校正前相比均有所提高，說明經過校正后兩種傳感器NDVI之間的差異有所減小。

分別將未經校正的、經過絕對差異和相對差異模型校正的EOS／MODIS和SPOT／VGT所獲取的NDVI之間的關系進行比較，表6為光譜響應差異校正前后兩種傳感器NDVI之間的統計參量變化（樣本數n＝336）。從表中可以看出，經過光譜響應差異校正后兩種傳感器NDVI之間的APD和均方根誤差RMSE也有所減小，進一步說明二者之間的差異得到一定程度改善。另外從統計參量的變化幅度大小上也可以看出，基于相對差異的校正模型比基于絕對差異的校正模型效果更好一些。與表5中由模擬數據計算出的APD相比，表6中由真實遙感數據計算出的不同傳感器NDVI相對于MODIS／NDVI的APD值明顯大很多。這是因為在用模擬數據進行計算時沒有考慮大氣狀況和觀測幾何等因素的影響，各傳感器之間主要為光譜響應差異；而用真實遙感數據計算時各傳感器之間除光譜響應差異之外還存在大氣狀況和觀測幾何等方面的差異，所以導致真實數據的APD值偏大。經過光譜響應差異校正后，各統計參量盡管向著差異減小的方向變化，但變化幅度并不十分顯著，APD和RMSE仍然分別高達30%和0.1，而R2也僅有0.84左右。由此也可以看出傳感器之間的光譜響應差異對NDVI的影響有限，還需要進一步考慮大氣狀況及觀測幾何等因素的影響。

表5 光譜響應差異校正前后各傳感器NDVI相對于MODIS的APD／%

圖5 根據校正模型計算的VGT／NDVI與實際的VGT／NDVI之間的關系

表6 光譜響應差異校正前后兩種傳感器NDVI之間的統計參量變化

3 結束語

NOAA／AVHRR、SPOT／VGT、EOS／MODIS和FY3／VIRR等傳感器在可見光和近紅外波段具有相似的通道設置，為利用其所獲取的時間序列數據開展多傳感器數據整合以及多源遙感數據協同應用創造了有利條件。然而大氣狀況、觀測幾何和傳感器差異導致不同來源觀測數據之間有所不同，光譜響應函數是傳感器的重要特征之一，在通道設置相類似的情況下能夠反映不同傳感器之間的差異。本文利用地物的反射波譜曲線結合不同傳感器的光譜響應函數，通過卷積運算來模擬各傳感器的觀測結果，在不考慮大氣狀況和觀測幾何因素影響的條件下定量描述和分析了不同傳感器之間光譜響應差異對NDVI觀測數據的影響。

對模擬數據的統計分析表明不同傳感器在可見光和近紅外通道的光譜響應函數差異導致其NDVI觀測結果之間存在一定的差異。不同傳感器相對于MODIS觀測結果的差異分析結果表明，光譜響應差異引起的觀測結果差異可以通過建立二次多項式校正模型進行校正。另外盡管對實際遙感數據的應用表明基于相對差異的校正模型比基于絕對差異的校正模型效果更好一些，但是兩種光譜響應差異校正對不同傳感器觀測數據之間差異的修正程度并不明顯。在進行多源遙感數據之間的對比和同化處理時，傳感器光譜響應之間的差異對NDVI的影響非常有限，需要重點進行考慮的是大氣狀況以及觀測幾何等因素的影響。

［1］ 江東，王乃斌，楊小喚，等.NDVI曲線與農作物長勢的時序互動規律［J］.生態學報，2002，22（2）：247－252.

［2］ 王正興，劉闖，ALFREDO H.植被指數研究進展：從AVHRR－NDVI到MODIS－EVI［J］.生態學報，2003，23（5）：979－987.

［3］ FORKEL M，CARVALHAIS N，VERBESSELT J，et al.Trend change detection in NDVI time series：Effects of interannual variability and methodology［J］.Remote Sensing，2013，5（5）：2113－2144.

［4］ FENSHOLT R，PROUD S R.Evaluation of earth observation based global long term vegetation trends－－comparing GIMMS and MODIS global NDVI time series［J］.Remote Sensing of Environment，2012，119：131－147.

［5］ LI J，ZHAO H，YANG X.Study on the seasonal dynamics of zonal vegetation of NDVI／EVI of costal zonal vegetation based on MODIS data：A case study of spartina alterniflora salt marsh on Jiangsu coast，China［J］.African Journal of Agricultural Research，2011，6（17）：4019－4024.

［6］ BROWN J C，KASTENS J H，COUTINHO A C，et al.Classifying multiyear agricultural land use data from Mato Grosso using time－series MODIS vegetation index data［J］.Remote Sensing of Environment，2013，130：39－50.

［7］ LANDMANN T，SCHRAMM M，HUETTICH C，et al.MODIS－based change vector analysis for assessing wetland dynamics in Southern Africa［J］.Remote Sensing Letters，2013，4（2）：104－113.

［8］ 任建強，陳仲新，唐華俊，等.基于遙感信息與作物生長模型的區域作物單產模擬［J］.農業工程學報，2011，27（8）：257－264.

［9］ 顧曉鶴，何馨，郭偉，等.基于MODIS與TM時序插補的省域尺度玉米遙感估產［J］.農業工程學報，2010，26（S2）：53－58.

［10］ SOUDANI K，HMIMINA G，DELPIERRE N，et al.Ground－based Network of NDVI measurements for tracking temporal dynamics of canopy structure and vegetation phenology in different biomes［J］.Remote Sensing of Environment，2012，123：234－245.

［11］ 毛德華，王宗明，羅玲，等.基于MODIS和AVHRR數據源的東北地區植被NDVI變化及其與氣溫和降水間的相關分析［J］.遙感技術與應用，2012，27（1）：77－85.

［12］ 王正興，索玉霞，林昕，等.AVHRR全球時間序列研究進展：PAL－GIMMS－LTDR［J］.資源科學，2008，30（8）：1252－1260.

［13］ 馬明國，宋怡，王旭峰，等.AVHRR、VEGETATION和MODIS時間系列遙感數據產品現狀與應用研究進展［J］.遙感技術與應用，2012，27（5）：663－670.

［14］ 王園香，李貴才，戎志國，等.NOAA18／AVHRR與FY－3A／VIRR的OLR產品一致性和差異性分析［J］.遙感學報，2013（05）：1311－1323.

［15］ 宋富強，康慕誼，楊朋，等.陜北地區GIMMS、SPOT－－VGT和MODIS歸一化植被指數的差異分析［J］.北京林業大學學報，2010，32（4）：72－80.

［16］ ZHANG G，ZHANG Y，DONG J，et al.Green－up dates in the Tibetan Plateau have continuously advanced from 1982to 2011［J］.Proceedings of the National Academy of Sciences，2013.

［17］ MAO D，WANG Z，LUO L，et al.Integrating AVHRR and MODIS data to monitor NDVI changes and their relationships with climatic parameters in Northeast China［J］.International Journal of Applied Earth Observation and Geoinformation，2012，18：528－536.

［18］ 李愛華，柏延臣.多源遙感專題信息比較研究：現狀、問題與展望［J］.地球科學進展，2011，26（7）：741－750.

［19］ 祝善友，尹球，張桂欣.多源極軌氣象衛星熱紅外波段數據的同化方法研究［J］.紅外與毫米波學報，2008，27（5）：365－369.

［20］ 吳榮華，楊軍，楊忠東，等.光譜響應差異對高精度交叉定標的影響——以FY－3A／MERSI與EOS／MODIS為研究實例［J］.遙感信息，2011，26（2）：51－57.

［21］ 周冠華，姜禾，趙慧潔，等.基于精確光譜響應匹配的星載成像光譜儀交叉輻射定標［J］.光譜學與光譜分析，2012，32（12）：3416－3421.

［22］ 潘志強，傅俏燕，張浩平.CBERS－02星CCD波段平均太陽輻照度反演及應用［J］.地球信息科學，2008，10（1）：109－113.

［23］ 胡順石，張立福，張霞，等.衛星傳感器波段平均太陽輻照度計算及可靠性分析［J］.國土資源遙感，2012（3）：97－102.

［24］ CLARK R N，SWAYZE G A，GALLAGHER A J，et al.The U.S.geological survey，digital spectral library：Version 1：0.2to 3.0microns［R］.U.S.Geological Survey Open File Report，1993：93－592.

［25］ ELVIDGE C D.Visible and infrared reflectance characteristics of dry plant materials［J］.International Journal of Remote Sensing，1990，11（10）：1775－1795.

［26］ KORB A R，DYBWAD P，WADSWORTH W，et al.Portable FTIR spectrometer for field measurements of radiance and emissivity［J］.Applied Optics，1996（35）：1679－1692.

Analysis and Calibration of Spectral Response Difference Effects on Measured NDVI with Separate Satellite Sensors

WEI Wei1，2，WU Wen－bin1，2，ZHOU Qing－bo1，2，ZHANG Ming－wei3
（1.Institute of Agricultural Resources and Regional Planning，Chinese Academy of Agricultural Sciences，Beijing100081；2.Key Laboratory of Agri－informatics，Ministry of Agriculture，Beijing100081；3.The National Satellite Meteorological Center，Beijing100081）

Spectral response difference of satellite sensors is one of the factors that is responsible for the difference of measured NDVI from separate sources.There is a strong need for the analysis and calibration of spectral response difference effects when using multi－sensor datasets.Spectral response functions are integrated with a set of reflectance spectra curves to simulate the observations of red and near－infrared bands for different satellite sensors.Absolute difference and relative difference are used to compare the measured data between MODIS and other sensors and establish calibration models.The results show that the difference of observations due to spectral response for separate sensors can be corrected by quadratic polynomial equations.Calibration model based on relative difference performs is better than the absolute difference based model.The overall effects of spectral response difference on measured NDVI are limited and other factors such as atmospheric conditions and observation geometries should be considered further.

spectral response function；satellite sensor；reflectance；NDVI；calibration model

10.3969／j.issn.1000－3177.2015.04.016

TP79

A

1000－3177（2015）140－0091－08

2014－07－16

2014－10－12

國家高技術研究發展計劃項目（2012AA12A304）；國家自然科學基金項目（41201184、41271112、41201089）。

衛煒（1986—），男，博士研究生，研究方向為農情遙感監測。

E－mail：wei20031479＠126.com