新一代Landsat系列衛星:Landsat 8遙感影像新增特征及其生態環境意義

徐涵秋，唐 菲

(福州大學遙感信息工程研究所，福州大學環境與資源學院，福州 350108)

在各種衛星遙感對地觀測數據深入應用到各行各業的今天，長達40年歷史的Landsat系列衛星數據無疑仍是應用最廣泛的衛星數據，它們在全球尺度的生態環境變化監測中發揮了無可比擬的重要作用。但是，由于其兩顆主力衛星中的Landsat 7號星的掃描行校正器于2003年5月31日發生了故障，使其實用價值大打折扣;而設計壽命只有3年的Landsat 5號星也因為近29年的超期服役而于2012年12月21日正式宣布退役［1］，從而造成Landsat 40年的連續對地觀測出現一度中斷。幾經波折的Landsat 8衛星終于在Landsat對地連續觀測中斷1年4個月后，于2013年2月11日在美國加州成功發射［2］。這意味著Landsat將繼續為全球的生態環境提供連續的觀測數據。

3月18日，Landsat 8獲得了第一幅遙感影像，并于29日作為樣本數據供用戶下載［3］。為了了解Landsat 8衛星影像的基本特征、新增特征及其優點，本文對該影像進行了處理與分析，并重點測試了其新增特性的應用，旨在為廣大用戶了解該影像的應用潛力提供第一時間的基本信息。

1 Landsat 8衛星影像的基本特征

Landsat 8衛星是由美國宇航局(NASA)和美國地質調查局(USGS)共同負責的項目。美國宇航局負責衛星傳感器的研制和發射，美國地質調查局負責后續的系統維護、地面接收、數據處理和分發。在研制和發射調試階段，美國宇航局將這一新星稱為Landsat Data Continuity Mission(LDCM)，意指其肩負著Landsat衛星連續對地觀測的使命。在發射后大約100天的調試期結束后(5月底)，LDCM將移交給美國地質調查局。屆時，美國地質調查局會將其改名為Landsat 8，以延續Landsat系列衛星自1972年發射以來，已持續了40年的全球對地觀測使命。正是由于這一使命，Landsat 8的設計和特征與Landsat 7基本相同，這使得Landsat 8數據可以和前期的Landsat數據保持很高的一致性和可比性。表1給出Landsat 8和Landsat 7衛星影像的基本參數對比［4］。

表1 Landsat 8與Landsat 7影像的主要參數對比Table 1 Comparison of spectral bands between Landsat 8 and Landsat 7

從表1中可以看出，新的Landsat 8具有以下特征:

(1)波段設置:Landsat 8除了具有Landsat 7所有的光譜波段外，還有以下變化(圖1):

·在原藍光波段之外新增了1個深藍(Deep blue)波段，用于監測近岸水體和大氣中的氣溶膠，因此也稱海岸/氣溶膠(Coastal/Aerosol)波段;

·在原近紅外波段與短波紅外波段間新增了1個卷云(Cirrus)波段，用于檢測卷云;

·將原熱紅外波段的光譜范圍一分為二，設置了2個熱紅外波段;

·收窄了原近紅外波段的光譜范圍，以便去除0.825μm處的水汽吸收影響;

·收窄了原全色波段的光譜范圍，新的全色波段的光譜范圍不再覆蓋近紅外波段。

圖1 Landsat 8傳感器與Landsat 7傳感器波段光譜設置范圍的對比(據NASA)Fig.1 Spectral band comparison between Landsat 8 and Landsat 7 sensors(from NASA)

(2)傳感器數量:Landsat 8具有2個傳感器:Operational Land Imager(OLI)和Thermal Infrared Sensor(TIRS)［5］，亦即Landsat 8具有單獨的熱紅外傳感器TIRS，而不像Landsat 7那樣，將其集成于ETM+傳感器之中。應該說這是一個被動之舉。由于Landsat 8在最初的設計上并沒有考慮要繼續接收熱紅外數據，后來決定要繼續接收熱紅外數據時，已設計的OLI傳感器已無足夠的空間來容納熱紅外傳感器。為了不耽誤發射時間，只得決定單獨設計另一新的傳感器，由于時間緊迫，所設計的熱紅外數據的分辨率為100m，這較之于Landsat 7的60m，不得不說是一個退步，而且設計的使用年限也只有3年，低于同衛星的OLI的5年。但可喜的是，新的熱紅外傳感器有2個波段，比ETM+增加了1個波段，這使得它可以用劈窗算法來進行大氣校正［6］。

(3)輻射分辨率:Landsat 8的OLI傳感器采用的是已在EO-1衛星的ALI傳感器上實驗過的推進掃描方式［7］，所以將比所有老的Landsat系列衛星的傳感器具有更高的信噪比。根據Irons等［6］的資料整理，OLI各波段的信噪比有望比Landsat 7 ETM+各對應波段平均高出近3倍。因此Landsat 8將Landsat 7的8 bit輻射分辨率提高到12 bit，大大增加了影像的灰度量化級。

圖2 實驗影像Fig.2 Subset of the first Landsat 8 image used as the test image

2 Landsat 8實驗影像及其預處理

首幅Landsat 8遙感影像展示了美國懷俄明州和科羅拉多州的大平原區和落基山脈前沿交匯處的生態景觀。由于影像許多地方被云覆蓋，NASA和USGS的網站主要展示的是其中云較少的科羅拉多州博爾德(Boulder)地區處的部分影像［3］。因此，本文亦選該處影像作為實驗分析影像，面積約80 km2(圖2)。該影像仍沿用Landsat系列數據的UTM/WGS84投影/坐標系，數據的處理格式為Level 1T，即已進行了基于地形的幾何校正。但由于撰稿時，Landsat 8仍在調試階段，其定標參數文件(CPF)尚未發布，影像各波段的增益值(gain)、偏離值(bias)和太陽平均輻照度(ESUN)等參數未知，因此無法將影像的灰度值(DN)轉換為表觀反射率(TOA)［8］，主要采用Jensen的直方圖平移法對影像進行輻射校正［9］。表2列出了經預處理后的該影像的基本統計特征。

表2 實驗影像的統計特征值Table 2 Statistics of the test image

圖3 實驗影像主要土地覆蓋類型的反射光譜曲線Fig.3 Signatures of the main land cover classes of the test image

從表2可以看出，該影像中信息量最大的波段是短波紅外(OLI 6、7)波段。它們的標準差最大，對占影像總信息量83.57%的第一主成分(PC1)的貢獻也最大，二者的載荷分別達到0.677和0.533，遠遠超過其他波段。而新增的卷云波段(OLI 9)的信息量最小，其標準差和對PC1的貢獻度都是最小的。從相關性來看，可見光組的波段(OLI 1—4波段)具有很強的相關性，短波紅外組的波段(OLI 6—7、9波段)也具有較強的相關性，近紅外波段則與各波段的相關度都小于0.8。因此，從這3個波段組中各選1個波段進行彩色組合，可以最大限度地降低波段之間的冗余度，獲得較好的目視效果。

從圖2可以看出，實驗影像的西部為覆有林地的落基山脈前沿，北部為大片裸土，主要為第四紀的松散堆積［10］，中部為綠蔭遮蔽的居住用地，南部為商業區和科羅拉多大學博爾德分校。影像中還有少量人工草地和水塘點綴其中，最大的一處水體位于影像東北角。圖3和表3是影像中主要土地覆蓋類型的反射光譜曲線和統計特征。需要說明的是，NASA雖然將卷云波段編號為9波段，但其光譜范圍實際上介于OLI 5和OLI 6波段之間(表1)，因此在圖3和表3中，將其置于5波段和6波段之間，以客觀反映地物的光譜變化趨勢。

表3 實驗影像主要土地覆蓋類型的均值Table 3 The mean values of the main land cover classes of the test image

3 Landsat 8影像新增特征及其生態環境意義

植被、水體、土壤是地表三個主要的生態環境要素、也是遙感生態環境監測的主要地面目標。因此，以下就這三大要素分析Landsat 8新增特性的優勢。

3.1 植被監測

Landsat 8全色波段(OLI 8波段)的一大變化就是其光譜范圍不再包含近紅外波段，以覆蓋綠光和紅光波段為主;而Landsat 7全色波段的波長范圍則完整地覆蓋了綠光、紅光和近紅外波段的波長范圍(圖1、表1)。為了考察這一變化帶來的影響，特選取了Landsat 7 ETM+同一地區2003-3-15的全色影像作為對比。該影像的季相與本次實驗影像(3月18日)完全一致，雖然時隔10年，但仍可以看出該區的土地覆蓋在這期間并沒有發生太大變化(圖4)。通過對比可以發現，在OLI的全色影像上(圖4a)，植被呈暗色，如西邊落基山脈的林地和中部居住區里的綠化帶，因此植被和裸地、建筑用地等非植被區反差較明顯。而對于ETM+全色影像，直觀就可以看出其總體亮度較大，主要的原因是植被區并不太暗，特別是居住區的綠化帶和其中的建筑物的亮度較接近，二者的反差不像在OLI全色影像中那樣明顯，因此很難區別(圖4b)。顯然，ETM+全色波段由于涵蓋了近紅外波段，因此接收到了植被在這一波長區間的反射光譜，從而導致其影像的亮度增大，植被與非植被信息難于區分;而OLI全色影像上不包含近紅外波段的光譜則有利于全色影像中植被和非植被信息的區別。

圖4 Landsat 8 OLI與Landsat 7 ETM+的全色影像Fig.4 Panchromatic images of OLI and ETM+sensors

3.2 水質監測

新增的深藍波段(OLI 1波段)主要用于監測近岸水體。但Landsat 8的首幅影像中沒有海岸帶，因此主要根據實驗影像東北角的水體對其考察(圖5a)。先利用MNDWI水體指數［11］，將水體提取出來，然后計算水體的均值。從圖3可以看出水體的均值從OLI 1到OLI 3波段為逐漸升高，然后逐漸下降。由于清水的反射率是隨著波長的升高而降低，只有含懸浮物水體的反射率才會先升高后降低［12］，因此，可知這一水體的懸浮物濃度較高。從圖5可以看出，該水體在深藍波段的反射率低于藍光波段(前者的紅度不及后者)，二者的差值影像(藍光波段減深藍波段)突出了懸浮物濃度差，影像越紅的地方，濃度差距越大。顯然，深藍波段的出現有助于水體渾濁程度的判斷。

圖5 (a)水體影像，(b)、(c)深藍、藍光波段表現出的水體特征，(d)差值影像所突出的懸浮物濃度差，(e)16 bit增強影像，(f)8 bit增強影像Fig.5 (a)Original water image，(b)-(c)water feature showing in the deep blue and blue bands，(d)the differencing image of the two bands，(e)enhanced 16-bit water image，and(f)enhanced 8-bit water image

Landsat 8另一新增特征就是提高了影像的輻射分辨率。首幅影像的輻射分辨率為16 bit，其灰度量化區間為0—65536，大大超過之前8 bit數據的0—255量化區間。為了實際考察這一變化的優勢，我們仍以影像東北角的水體進行實驗。除了用16 bit的數據進行實驗外，還將其量化為8bit，模擬成ETM+影像，以進行對比。圖5e、f為對水域進行對比度增強后獲得的16 bit和8 bit的水體影像。可以明顯發現，16 bit影像較好地顯出示水體的細節信息，而模擬的8 bit ETM+影像則會出現灰度過飽和現象，圖像表現的細節遠不及前者豐富。顯然，輻射分辨率的提高可避免極暗區的灰度過飽和現象，這對反射率極低的水體的細微特征的辨析有很大的幫助。

3.3 裸土和不透水建筑地面監測

新增的卷云波段(OLI 9波段)的信息量很低(表2)，這主要是因為其波段光譜范圍的設置不是位于大氣窗口內，而是位于強烈的水汽吸收帶(圖1)，大部分地面反射的電磁波信息無法穿過大氣層，因此它們的信息很弱，傳感器接收到的只是云層的信息。這樣，當云和少數亮白色、反射率極強的地物(如沙土、新建筑用地)在其它波段不易區別時，就可以借助該波段來加以區別。從表3和圖6可以看出，云和高反射的新建筑用地在大部分波段具有相似的光譜反射曲線特征，難于區別，但在卷云波段(9波段)處，云的反射率明顯高于新建筑用地，因此可設定閾值來將其分離。表4為各主要地類在卷云波段的統計值，從中可以看出，云的最小值都大于任何其它地類的最大值，因此，以其作為閾值，就可以區分云和其它地類。圖7取自該景影像中一小塊有云覆蓋的地區，其中有大片的裸土，將云在卷云波段中的最小值作為閾值就可以快速地將云的信息分離出來。

表4 各地類在卷云波段的統計特征值Table 4 Statistics of main land cover classes in the cirrus band

圖6 云和新建筑用地的反射光譜曲線Fig.6 Signatures of cloud and new built-up land

研究還發現，卷云波段除了能夠突出云外，還有助于區分裸土和建筑用地。在利用光譜分解(SMA)技術提取建筑不透水面信息時遇到的一個主要難題就是土壤和不透水建筑用地的混淆問題［13-16］。但是這一問題的解決似乎可以從卷云波段找到曙光。圖7d是實驗區卷云波段的偽彩色影像，北部的裸土和中、南部的建筑用地的色調明顯不同，裸土呈紅、黃色，說明具有很高的亮度，而建筑物則以藍綠色調為主，說明具有低亮度。從表4也可以看出，裸地在卷云波段的均值516，而建筑用地只有361，說明前者的亮度明顯高于后者，二者具有明顯的反差。

為了考察新增的卷云波段是否對區別土壤和建筑不透水面信息有幫助，我們利用Wu的線性光譜分解技術［13］對影像進行了不透水面信息的增強實驗。實驗分為2個方案，一個是將全部多光譜波段參與實驗(圖7e)，一個是剔除了其中的云波段(模擬為Landsat ETM+)(圖7f)。從圖7e可以看出，其北部土壤以黃色為主，而中南部的建筑用地多為紅色，二者反差較大;而圖7f中，北部土壤的色調偏紅，與建筑物的反差不如圖7e來的明顯。定量分析表明，有云波段參與實驗的不透水面的均值與土壤均值的比值為2.15∶1，而剔除云波段的實驗的比值為1.91∶1，前者比后者的比值提高了12.6%。比值越大說明二者的反差越大，越容易區分。因此，加入卷云波段顯然有利于二者的區分。為了探究其原因，我們利用美國地質調查局的光譜數據獲得了OLI傳感器各波段的光譜響應函數及主要地物的反射率曲線［4］。可以看出，粘土礦物(高嶺石、蒙脫石、葉蠟石)在卷云波段附近都有一個明顯的吸收谷，而其它地物不具這一特征，多為平滑過渡(圖8)。可見，卷云波段的設立使得粘土礦物的吸收谷特征得以突出，這顯然有助于土壤與其它地表地物的區別。而在老的Landsat系列衛星影像中，由于缺乏卷云波段，因此土壤與其它地物一樣，在近紅外與短波紅外之間的光譜曲線同樣表現為平滑過渡，體現不出強吸收谷的特征，因此在TM/ETM+影像中，不透水面信息和土壤信息較難區分。

4 結論

新發射的Landsat 8衛星有2個傳感器(OLI和TIRS)。除了保持原有Landsat 7衛星的基本特點外，Landsat 8在波段設置上還新增了深藍波段和卷云波段，并在原有熱紅外波段的光譜范圍內，設置了2個熱紅外波段。除此之外，Landsat 8還收窄了近紅外波段和全色波段的光譜范圍，將輻射分辨率從8 bit提高到12 bit。

圖7 (a)云的彩色合成影像，(b)卷云波段中的云，其它地類由于在該波段反射率太低而被抑制，(c)云的提取影像，(d)實驗區云波段影像，(e)不透水面增強信息(全部波段);(f)不透水面增強信息(剔除卷云波段)Fig.7 (a)Cloud image，(b)cloud in the cirrus band，other features seen in(a)are all suppressed，(c)binary cloud image，(d)image of the cirrus band of the test image，(e)enhanced impervious surface image using all multispectral bands，(f)enhanced impervious surface image using all multispectral bands except the cirrus band

圖8 OLI各波段(1—7，9波段)以及主要地表地物的光譜響應特征(據美國地質調查局)Fig.8 Relative spectral response curves for bands of OLI，as well as main land cover classes(from USGS)

實驗表明，新增的卷云波段可以很好地突出云的特征。除此之外，由于該波段的光譜范圍位于粘土礦物的吸收谷附近，因此可以突出土壤的特征，有助于土壤和建筑不透水面信息的區別。深藍波段的設立有助于水體懸浮物的監測，區分渾濁水體。全色影像光譜范圍的收窄擴大了該影像上植被和非植被信息的反差，而輻射分辨率的提高則避免了極亮/極暗區的灰度過飽和現象，可以更好地顯示這些地方的信息細節。顯然，Landsat 8這些新增的特點將會對全球生態環境變化的監測產生積極的作用。致謝:本文使用的影像均下載于USGS網站，特此致謝。

［1］ USGS.Mission Accomplished for Landsat 5.http://www.usgs.gov/newsroom/article.asp?ID=3485，2013/4/18.

［2］ NASA.LDCM Launch.http://www.nasa.gov/mission_pages/landsat/launch/index.html.2013/4/18.

［3］ NASA.A Closer Look at LDCM's First Scene.http://www.nasa.gov/mission_pageslandsat/news/first-images-feature.html.2013/4/18.

［4］ USGS.Landsat Missions.http://landsat.usgs.gov/index.php.2013/4/18.

［5］ USGS.Landsat Data Continuity Mission(LDCM)-Landsat 8.http://landsat.usgs.gov/LDCM_Landsat8.php.2013/4/18.

［6］ Irons J R，Dwyer J L，Barsi J A.The next Landsat satellite:The Landsat Data Continuity Mission.Remote Sensing of Environment，2012，122:11-21.

［7］ Ungar S G，Pearlman J S，Mendenhall J A，Reuter D.Overview of the earth observing one(EO-1)mission.IEEE Transactions on Geoscience and Remote Sensing，2003，41(6):1149-1159.

［8］ Chander G，Markham B L，Helder D L.Summary of current radiometric calibration coefficients for Landsat MSS，TM，ETM+，and EO-1 ALI sensors.Remote Sensing of Environment，2009，113(5):893-903.

［9］ Jensen J R.Introductory Digital Image Processing.3rd ed.Upper Saddle River，NJ:Prentice Hall，2004:526-526.

［10］ Sheila M S.Geology of the Boulder Area.http://bcn.boulder.co.us/basin/watershed/geology/.2013/4/18

［11］ Xu H Q.Modification of normalised difference water index(NDWI)to enhance open water features in remotely sensed imagery.International Journal of Remote Sensing，2006，27(14):3025-3033.

［12］ Xu H Q.Water colour variation analysis of the coastal waters surrounding Xiamen Island of SE China by multispectral and multitemporal remote sensing measurements.Acta Scientiae Circumstantiae，2006，26(7):1209-1218.

［13］ Wu C S，Murray A T.Estimating impervious surface distribution by spectral mixture analysis.Remote Sensing of Environment，2003，84(4):493-505.

［14］ Powell S L，Cohen W B，Yang Z Q，Pierce J D，Alberti M.Quantification of impervious surface in the Snohomish Water Resources Inventory Area of western Washington from 1972—2006.Remote Sensing of Environment，2008，112(14):1895-1908.

［15］ Gluch R，Quattrochi D A，Luvall J C.A multi-scale approach to urban thermal analysis.Remote Sensing of Environment，2006，104(2):123-132.

［16］ Yang X J，Liu Z.Use of satellite-derived landscape imperviousness index to characterize urban spatial growth.Computers，Environment and Urban Systems，2005，29(5):524-540.

參考文獻:

［12］ 徐涵秋.環廈門海域水色變化的多光譜多時相遙感分析.環境科學學報，2006，26(7):1209-1218.