Landsat9和Landsat8衛星數據應用對比研究

晏紅波，吳思怡，盧獻健*，王佳華

(1.桂林理工大學 測繪地理信息學院，廣西 桂林 541006；2.廣西空間信息與測繪重點實驗室，廣西 桂林 541004)

0 引言

Landsat系列衛星自問世以來,因分辨率較高、時間跨度大及數據免費等特點被廣泛應用。Landsat9于2021年9月27日14:12從加利福尼亞范登堡太空部隊基地發射,是Landsat8的改進復制品,陸地成像儀-2(Operational Land Imager 2,OLI-2)是Landsat8陸地成像儀(Operational Land Imager,OLI)的副本,但OLI-2在進行光譜響應表征時,采用戈達德絕對輻射測量激光器(Goddard Laser for Absolute Measurement of Radiance,GLAMR)代替了傳統的雙單色儀方法。GLAMR增強了掃描光譜范圍,提供了足夠的照明來進行指定的帶內和帶外光譜采樣,同時提供低于1%的輻射不確定性,可以驗證OLI-2絕對輻射校準。改進的光譜特性將減少絕對輻射測量不確定性,提高了目標相關條紋大小的評估能力,同時讓用戶在不同輻射水平下更好地處理OLI-2數據。Landsat9認識到OLI數據量化噪聲是受限的,因此將OLI-2下行鏈路所產生的14位數據全部由航天器電子設備接收并傳輸到地面,為其圖像提供更大的位深度和增加冗余度。Landsat9以更高的輻射精度對地球表面進行觀測,在典型輻射下,OLI-2傳輸的數據的信噪比(Signal to Noise Ratio,SNR)提高了25%[1]。Landsat8搭載了最先進的熱紅外傳感器,能夠提供更為精確和及時的數據,但Landsat8的熱紅外傳感器(Thermal Infrared Sensor,TIRS)出現的故障導致圖像中出現了過多的雜散光,偽影的幅度高達4%(10.8 μm波段)和8%(12.0 μm波段)。熱紅外傳感器-2(Thermal Infrared Sensor 2,TIRS-2)的2個波段性能都優于Landsat8的熱波段,且在儀器風險等級與最大限度減少雜散光的設計方面也是TIRS的改進版。TIRS是C級儀器,設計壽命為3年,冗余度有限,而TIRS-2是B級儀器,設計壽命與OLI、OLI-2一樣長,為5年,增加了冗余度[2]。雜散光分析和測試表明,Landsat8的雜散光是由一個光學機械部件引起的[3]。建模和測試表明,固定望遠鏡的第3個透鏡,其機械支架的散射比預期的高,這是造成雜散光過多的主要原因[4]。為了減少雜散光,TIRS-2的研發策略是在光學望遠鏡內增加幾個擋板,以阻擋TIRS設計中可能出現的雜散光路徑,提高絕對精度。初步評估表明,TIRS-2總的雜散光幅度已經改善到至少1%[5]。

綜上所述,Landsat9是一顆性能更好、數據質量更高的遙感衛星。但由于其發射時間較短,相關研究還比較匱乏。相比之下,對Landsat8的研究較為全面,有利于科研界更好地了解Landsat8的應用情況,證實了該衛星在遙感對地觀測技術方面的重要貢獻。如初慶偉等[6]介紹了Landsat8的研發背景、基本參數和數據特點,對該衛星的數據應用方向進行了探討。Landsat8地表溫度產品的驗證表明該衛星的溫度產品精度稍高于普適性單通道算法反演結果[7]。本文旨在通過對比Landsat9和Landsat8的影像特征差異,以及選取國內不同地質地貌區域的影像,從歸一化植被指數(Normalized Difference Vegetation Index,NDVI)和地表溫度(Land Surface Temperature,LST)反演結果統計特征數據、結果圖的視覺效果等方面分析Landsat9在中國區域內的應用情況,探討Landsat9的影像質量情況。在此基礎上,可以進一步評估Landsat9是否能有效彌補Landsat8的缺陷并提高對地觀測的能力。

1 研究區與數據源

1.1 研究區概況

本文選取7個研究區,分布在國內各方位。這些區域的海拔高度、氣候、地貌特征、植被覆蓋類型和地質類型之間存在明顯的差異。同時,它們的地質地貌和氣候條件較為典型,有利于增加數據的多樣性并從不同角度驗證2個衛星在不同地理條件下的應用情況。華西研究區選取了靠近喜馬拉雅山脈的影像,介于北緯28.1°～29.6°、東經86.0°～86.8°,平均海拔超過4 000 m,占地面積約6 698 km2,氣候干燥、寒冷,雪季長,溫度和降雨分布不均,區內冰川廣布雪山連綿,山間高原面起伏和緩,地質類型包括火山巖、花崗巖和沉積巖等,植被以高山草甸、高山針葉林、高山灌叢和高山荒漠為主。西北研究區選取塔里木盆地與昆侖山交界處,介于北緯38.2°～38.8°、東經87.6°～88.0°,平均海拔2 000 m,占地面積約1 171 km2,屬于內陸干旱區,氣候干燥,年均降水量少,區內盆地和山脈交錯分布,地勢較為平坦,地表礫石和沙粒較多,植被覆蓋度低,以荒漠植被和荒漠灌叢為主。華中研究區介于北緯32.4°～33.2°、東經105.6°～106.3°,平均海拔600 m,占地面積約3 740 km2,夏無酷暑,冬無嚴寒,雨量充沛,氣候濕潤,四季分明,地勢起伏較大,山地、丘陵和盆地等地形類型都有,地質構造復雜,以花崗巖、片麻巖和變質巖為主,也有火山巖、沉積巖和喀斯特地貌等地質類型,植被種類繁多,以常綠闊葉林和落葉闊葉林為主。東北研究區介于北緯42.5°～43.2°、東經122.9°～123.5°,平均海拔100 m,占地面積約2 193 km2,春季干旱多風,夏季短促溫熱,秋季涼爽,冬季干冷,地表形態比較平坦,地物高差不大,以第四季沉積為主,植被覆蓋以草原植被為主,森林植被居其次。華北平原研究區選取多覆蓋城市地區,介于北緯36.7°～38.3°、東經116.1°～117.1°,平均海拔200 m,占地面積約8 928 km2,冬寒夏熱,春秋短促,氣候干燥,地勢平坦,地質類型主要為沉積巖和火山巖,主要植被類型屬于暖溫帶闊葉林。東南研究區介于北緯28.1°～28.6°、東經118.6°～119.0°,平均海拔500 m,占地面積約1 268 km2,氣候溫暖潮濕,雨量充沛,地形主要是平原、丘陵和山地,地形起伏較大,地質類型豐富,巖石和土壤類型多樣,植被主要為落葉和常綠闊葉林。中國西南喀斯特地貌地區主要分布于廣西、云南、貴州等省區,本文選擇了位于云貴地區的研究區,該地平均海拔為1 500 m,夏季多雨、濕度大,冬季干燥、風沙較多,多山地,地形崎嶇,峰嶺眾多,石灰巖厚度大,分布廣,經地表和地下水溶蝕作用形成典型的喀斯特地貌,以亞熱帶常綠闊葉林為主。由于該地區在2021年10月末—2022年的3月份存在較多陰雨天氣,因此遙感影像中的云量相對較高,需要從多幅影像中選擇具有較少云量且處于同一地區的樣區進行篩選。最終確定的研究區域范圍較小,主要覆蓋西南喀斯特地貌地區,位于北緯25.6°～25.7°、東經104.1°～104.2°,占地面積約54 km2。

1.2 數據來源

為了避免實驗結果的偶然性,本文采用了多組影像交互對比的方法。在比較NDVI和LST之前,必須獲取二者在同一天過境的遙感影像。Landsat9與Landsat8成像存在8 d的時間偏移,在同一行列上的影像并不能滿足要求。不過,Landsat9與Landsat8的相鄰影像之間只相差約24 h,因此利用2張相鄰影像的重疊區域可獲取所需的數據。本研究共獲取了3個地區、3個不同時間段(秋季、冬季和春季)的Landsat9和Landsat8在同一景、近同一時間(不超過24 h)的遙感影像,查詢氣象數據,獲取時間段內地表溫度變化幅度不大,無劇烈的天氣變化,無雨雪大風等強對流天氣。共42期,如表1所示。所有數據均來自美國地質勘探局(United States Geological Survey,USGS)官網(https:∥earthexplorer.usgs.gov/)。

2 研究方法

2.1 影像質量評估方法

受環境、遙感系統隨機誤差或地面數據處理方法等影響,衛星遙感數據可能存在一定誤差。由此對原始影像的質量評估可以為Landsat9產品的應用提供理論依據,為評估Landsat9探測器識別結果的準確性和可靠性提供重要參考。本文的影像分析處理采用如下方法。

(1)直方圖

直方圖是統計影像亮度值頻率信息的圖形表達方式,橫坐標代表某波段亮度值的量化等級,縱坐標代表該亮度值出現的頻率[8]。在影像像元數目相當大、地物類型差異非懸殊的情況下,其直方圖接近于正態分布,而波峰不止一個則意味著圖像中包含著波譜特征差異明顯的2個或多個類別[9]。

(2)灰度均值

影像上所有像元的灰度平均值就是灰度均值,反映圖像整體的輻射情況。灰度均值越大,圖像所接收的光能越大;均值越低,圖像越暗,對影像呈現地物的清晰度影響越大[10]。

(3)灰度方差

對于同一個區域的不同影像,其灰度分布范圍越大,影像的方差就越大。而影像的灰度方差越大則代表圖像的灰度層次越豐富,圖像質量越好[11]。

(4)信噪比

影像中有用的信息與噪聲信號的比值稱為信噪比。對遙感影像而言,信噪比值大,影像所反映的有用信息較由于噪聲所引起的干擾要強,反映地物信息效果好,影像質量好。

(5)灰度共生矩陣

影像的灰度共生矩陣指的是像元距離和角度的矩陣函數,通過計算影像中一定距離和一定方向的2個灰度之間的相關性來反映影像在方向、間隔、變化幅度及快慢上的綜合信息。在共生矩陣的基礎上進行二次統計,抽取表示紋理特征的參數,對其分析可以理解影像的紋理特性。本文選擇的參數為熵、對比度和角二階矩。

①熵值是影像中包含信息量的一個度量單位,表示影像的復雜程度,當影像復雜程度高時,熵值越大,信息量越大。計算如下:

ENT=-∑j∑kPj,k*lg(Pj,k),

(1)

式中:P為每一灰度級出現的概率。

②角二階矩(ASM)是灰度共生矩陣各個元素的平方和,也稱為能量,反映的是圖像灰度的均勻程度和紋理的粗糙程度。角二階矩越大,其紋理越粗糙,空間結構越復雜[12]。計算如下:

(2)

③圖像的對比度(CON)代表紋理的清晰程度,也是圖像的清晰程度。圖像對比度越大,反映圖像紋理溝壑越深,圖像更清晰,可以達到更好的視覺效果。計算如下:

(3)

(6)目視判讀

目視判讀是遙感影像質量分析中最直接的無定性方法,與計算機分析和統計分析相比,目視判讀更直觀。

2.2 NDVI和LST計算和比較方法

2.2.1 NDVI計算和比較方法

NDVI是目前世界上應用最廣的植被指數,廣泛應用于監測草地長勢、判斷植物的生長狀態、作物產量和密度估計以及林火監測等方面[13]。在不同傳感器之間進行逐一對比時,通常使用統計回歸方法[14]。本文通過獲取Landsat9和Landsat8在整個研究區的植被指數NDVI、同一位置3×3像元的NDVI值,統計特征數據,如最大值、最小值、均值、標準差以及數據動態范圍(最大值與最小值的比值),從不同海拔條件、氣候條件和緯度條件的角度對比這2個衛星的植被觀測能力。使用相對偏差率(ME)來量化2組數據之間的特征差異,并判斷它們之間的強弱關系。計算如下:

(4)

2.2.2 LST計算和比較方法

目前,地表溫度反演算法主要包括大氣校正法(輻射傳輸方程)[15-16]、單通道算法[17-18]和分裂窗算法[19-20]。本實驗采用大氣校正法,該算法物理基礎明確、計算結果精度較高,所需的大氣剖面數據也較容易獲取。針對地表溫度反演,同樣使用各種統計特征數據進行計算,并比較反演結果的色彩、亮度等視覺效果。為了驗證反演結果的準確性,使用中國氣象局陸面數據同化系統(China Land Surface Data Assimilation System,CLDAS-V2.0)近實時產品數據集對LST反演結果進行驗證。最后,分別統計水體、植被以及裸土這3種不同地物的平均溫度和標準差,并進行比較。

3 數據處理及過程分析

3.1 數據處理

基于ENVI5.6進行數據處理,NDVI預處理包括輻射定標以及大氣校正。所選研究區地物種類繁多,且部分影像出現云霧覆蓋的情況。地表類型差異、云霧遮擋和陰影等情況可能會導致NDVI計算出現異常值。此外,圖像的邊緣、云層、陰影或者其他遮擋物的區域可能會出現像元缺失的情況,像元缺失同樣會導致NDVI計算異常。利用Band math對大氣校正后的影像進行NDVI計算,-1≤NDVI≤1。Band Math進行NDVI計算后用Compute Statistics統計是否有值出現跳躍(是否有NDVI數值不在[-1,1]),如果有,需要使用Band Math建立掩膜去除異常值得到正常值范圍內的NDVI,公式為(bllt -1)*(-1)+(blgt 1)*1+(blge -1andblle 1) *bl,bl選擇NDVI計算結果,含義是小于-1的值賦予-1,大于1的值賦予1,其他值不需要改變。之后計算出NDVI的各種統計特征數據,以便進行后續分析。在進行LST預處理時,同樣需要進行輻射定標和大氣校正,但輻射定標是對可見光波段和熱紅外波段分別進行的。利用可見光波段的輻射定標結果進行大氣校正,提取NDVI值,計算植被覆蓋度得到地表比輻射率。利用熱紅外波段的輻射定標結果結合地表輻射率和大氣剖面數據,計算出同溫度下的黑體輻射亮度,最終生成單位為K的地表溫度圖。

3.2 影像質量評價

(1)直方圖評價

在Landsat8與Landsat9多光譜數據的直方圖,圖1為Landsat8在12月12日關于華北平原冬季的影像波段直方圖,圖2為Landsat9在12月13日關于華北平原冬季的影像波段直方圖。二者直方圖曲線總體形態相近,Landsat9峰值較大,信息量較Landsat8在均值附近更集中。Landsat9存在多個峰值,可見其影像更易區分不同類型地物。

圖1 Landsat8波段直方圖Fig.1 Band histogram of Landsat8

圖2 Landsat9波段直方圖Fig.2 Band histogram of Landsat9

(2)影像的特征值統計

Landsat8、Landsat9影像特征數據如表2和表3所示。可以看出,Landsat9的7個波段的方差、均值和灰度分布范圍比Landsat8大,說明相比之下Landsat9接受光能較大、圖像較亮、波段灰度等級多、波譜信息量大、圖層較豐富且圖像質量較好。Landsat8的均值數組中最大值與最小值相差1 903.56,Landsat9相差1 526.47;Landsat8的7個波段灰度均值數組的方差和標準差分別為555 371.25、689.95,Landsat9分別為369 346.80、562.66;Landsat9的7個波段的均值最大值與最小值之差、方差以及標準差都要小于Landsat8,其7個波段能量差異較小、均衡度較高且均值匹配更合理。Landsat9的信噪比要大于Landsat8,反映地物信息的效果更好。從紋理特征來看,Landsat9的對比度和熵值,無論從整體還是單波段的角度比較,都大于Landsat8,意味著Landsat9影像復雜程度高,信息量大且圖像更清晰;對于角二階矩,除Band1相等外,Landsat9的其余波段都要小于Landsat8,Landsat8相比之下紋理較粗糙、數據的空間結構沒有Landsat9復雜,反映地物的細節沒有Landsat9效果好。這些結論表明,Landsat9在圖像處理和地物識別方面具有更好的性能和優勢。

表2 Landsat8影像特征數據Tab.2 Landsat8 image feature data

表3 Landsat9影像特征數據Tab.3 Landsat9 image feature data

(3)目視判讀

針對Landsat8與Landsat9的自然真彩色合成影像(R4G3B2)局部進行放大對比,如圖3(a)和圖3(b)所示。圖3(e)中Landsat9的影像色彩明顯更明亮自然,顯示的地物輪廓更清晰。紋理不僅是遙感影像的重要信息,也是進行目視判讀的重要基礎[12]。圖3(b)～圖3(d)、圖3(f)～圖3(h)分別是Landsat8和Landsat9的綠波段由灰度共生矩陣生成的相關紋理圖像。圖3(b)和圖3(f)的對比圖中,白色為城市建筑物、道路等地類,Landsat9的圖3(f)中白色部分更清晰可辨。對于熵值和角二階矩的紋理圖像,圖3(g)、圖3(h)相較于圖3(c)、圖3(d)的紋理更復雜、更精細,地類也更清晰。結合表2和表3分析,Landsat9影像層次更豐富、包含信息量更大,且能夠更清晰地反映地類和紋理信息。

NDVI的計算是通過紅光和近紅外光的反射差別來描述植被狀況的[21]。衛星波譜信息量的豐富程度直接影響該植被指數的計算結果。當使用大氣校正法反演LST時,需要計算植被覆蓋度和地表比輻射率。計算植被覆蓋度時,采用的混合像元分解法需要將整景影像的地類大致分為水體、植被和建筑,再利用NDVI指數計算植被覆蓋度。計算地表比輻射率時,其原理是將遙感影像分為水體、城鎮和自然表面3種類型,再對不同類型的像元分別估算比輻射率。因此,地物的分類對于反演LST尤為重要。Landsat9影像反映地類更清晰,在地物分類上更具有優勢,其在反演地表溫度上也更具優勢。綜上所述,Landsat9數據具有信息量豐富、影像清晰的優點,解譯和判讀地物更容易,有利于植被提取和地表溫度的反演。

4 分析與討論

4.1 NDVI對比分析

選擇同一期NDVI數據作對比,由表4可以看出,Landsat8和Landsat9的NDVI表現有所不同。在7個地區,二者的ME值總體偏大,偏差率可以達到-34.552%。但進一步分析發現,Landsat9相比Landsat8具有更好的植被獲取能力:① Landsat9與Landsat8的NDVI動態范圍相同,但Landsat9的標準差總體比Landsat8大,最大標準差為0.216,與同組的Landsat8數值相差0.044,說明Landsat9獲取的植被的信息量要大于Landsat8,植被的可分性也會優于Landsat8;② 而對于均值,如圖4所示,Landsat9的NDVI均值整體大于Landsat8,Landsat9獲取植被指數信號要強于Landsat8。在東南地區Landsat8的NDVI值異常高可能是因為當天云量大的影響。圖5顯示,在華西、西南和西北3個靠西邊方向的研究區,Landsat8和Landsat9的偏差率較小。初步分析表明,在華西方向,經度85°～105°的2個衛星的適用情況相似,而其他地區二者植被獲取能力差別明顯,Landsat9整體而言能力優于Landsat8。

表4 Landsat8、Landsat9同一期整體區域NDVI均值對比Tab.4 Comparison of NDVI mean values of Landsat8 and Landsat9 in the same period

圖4 Landsat8、Landsat9整體區域NDVI均值對比Fig.4 Comparison of mean value of NDVI in whole area of Landsat8 and Landsat9

圖5 Landsat8、Landsat9整體區域NDVI偏差率絕對值Fig.5 Absolute value of NDVI deviation rate of Landsat8 and Landsat9 in the whole area

提取西南喀斯特地貌3個時間段的遙感影像9個植被覆蓋度較高的同一3×3像元區域的NDVI作對照,如表5所示。Landsat8與Landsat9對應的3×3像元陣整體的NDVI值ME最小為0.07%,Landsat9的9個像元的NDVI均值較Landsat8更大,進一步證明Landsat8與Landsat9的植被指數NDVI具有較強的相似性,但Landsat9植被獲取能力更強。

表5 西南喀斯特3個時間段影像的3×3像元整體NDVI均值對比

4.2 LST對比分析

4.2.1 LST空間分布圖比較分析

對Landsat8與Landsat9衛星在7個地區的同一時間段反演結果作對比,結果如圖6和圖7所示。在華西研究區,南方為雪山脈,所以氣溫較低,其他區域可能有雪覆蓋,同樣表現為低溫區。華北地區多為城鎮,溫度較高。西北地區選擇植被與沙漠邊界,呈現明顯的高低溫色差。2個衛星的反演結果大部分空間分布一致,雪山、河流和植被區域溫度較低,城鎮區域溫度較高。在東北研究區,高低溫區域更明顯,結果圖呈現密集的紅綠色小點。在西南和東南地區,受陰雨天氣影響,云量覆蓋較大,雖盡量避免云量較大區域,但仍有一些云存在。因此,2個衛星的反演結果存在一定差異,但高溫部分的空間分布仍然相似。相對于Landsat8,Landsat9對水體溫度的反演更為明顯,圖7(c)～圖7(f)可以清晰顯現云團的輪廓。Landsat9反演低溫區域較為敏感,在圖上出現密集的小綠點,顏色較Landsat8要深。

圖6 Landsat8 LST冬季反演結果Fig.6 LST retrieval results of Landsat8 in winter

圖7 Landsat9 LST冬季反演結果Fig.7 LST retrieval results of Landsat9 in winter

4.2.2 LST反演結果定量分析評價

表6顯示了42幅影像的溫度反演結果。在青藏高原的海拔5 000～5 500 m處,秋季和春季的夜間溫度相近,約255～260 K,但秋季的溫度略低于春季,而冬季的夜間溫度最低,在250 K左右,相差5～10 K[22]。在秋末冬初的10月底,溫度比12月份高5～10 K,比3月份則低5～10 K。實驗結果總體變化趨勢與氣候溫度的變化趨勢相符。2個衛星的地表溫度反演結果具有較高相似性,大多數條件下偏差率小于1%。然而,在東南地區的3月份,由于南方多雨多云的影響,出現了較大偏差,差值達15 K,偏差率5.473%。

利用遙感圖像反演地表溫度的結果最重要的是與實測的地表真實溫度的吻合度。國家氣象科學數據中心提供了CLDAS-V2.0近實時產品數據集。該數據集利用多種來源地面、衛星等觀測資料,采用多重網格變分同化、最優插值和地形校正等技術進行研制。在中國區域內,該數據集質量優于國際同類產品,且時空分辨率更高。該數據集提供全國范圍地表溫度,經過中國區域業務的質量控制后,對CLDAS-V2.0地表溫度數據產品進行了評估,結果顯示,該地表溫度產品與地面實際觀測吻合度較高,全國區域平均相關系數為0.98,均方根誤差(Root Mean Square Error, RMSE)為1.8 K,偏差為1.4 K。這些數據可供本文的實驗結果參考。對數據集的數據進行重采樣到30 m分辨率以匹配Landsat的影像。比對結果顯示,2種數據源的地表溫度反演結果對比數據集數據都表現出高估,反演結果與參考數據之間相對偏差率都較小,在0～5%,表明二者反演精度較高。

本文利用評價指標RMSE和均方誤差(Mean Absolute Error, MAE)進行比較。如圖8所示,2個衛星的RMSE曲線趨勢相同,Landsat9整體曲線要小于Landsat8,變化幅度較小。但在東北研究區和華中研究區Landsat9的RMSE明顯大于Landsat8,查看表6發現,主要是由于Landsat9在冬季和春季的反演結果與數據集相差較大。進一步分析其原因,在東北研究區的冬季,2個衛星的反演結果都呈現高估,查看原始的影像數據發現,Landsat8影像中有云霧出現,因此Landsat8的反演結果更低;在春季,Landsat9的原始影像中同樣出現云霧,其反演結果也明顯較Landsat8更低。這些云霧是造成Landsat9的RMSE偏大的原因。但中國大部分研究區Landsat9的地表溫度反演結果都較Landsat8更接近數據集數據。Landsat8、Landsat9 LST反演結果和數據集地表溫度的MAE如圖9所示,可以看出,Landsat9整體的MAE更接近0值,在東北和華中研究區出現效果比Landsat8差的問題,同樣是受云霧的影響。從整體來看,Landsat9 LST(RMSE=4.419 K,MAE=2.264 K)精度要優于Landsat8 LST(RMSE=5.133 K,MAE=2.488 K)。

圖8 Landsat8、Landsat9 LST反演結果和數據集地表溫度的RMSEFig.8 RMSE of Landsat8, Landsat9 LST retrieval results and surface temperature of the data set

圖9 Landsat8、Landsat9 LST反演結果和數據集地表溫度的MAEFig.9 MAE of Landsat8, Landsat9 LST retrieval results and surface temperature of the data set

地表溫度受多種因素影響,包括太陽輻射、地表反照率、水分和植被覆蓋等。不同地物的地表溫度存在差異性,因此進行不同地物的溫度統計對于研究區地表溫度變化具有重要意義。本文對華北平原的水體、植被以及裸土數據進行了地表溫度統計,并得出平均溫度和標準差,如表7～表9所示。裸地和植被的溫度受氣溫影響變化較大,而水體因有較高的比熱容,溫度變化較小[23]。隨季節溫度變化,水體的平均溫度變化為5～7 K,而植被與裸土隨季節溫度變化為7～15 K。在春季與冬季,植被的溫度變化最為明顯,溫差高達15.2 K。水體、植被和裸土的偏差率絕對值如圖10所示,可以看出,2顆衛星對于不同地物溫度反演結果中,偏差率較低,特別是在冬季,偏差率可以達到-0.05%,具有較高相似性。水體的整體偏差率較低,2顆衛星反演結果相似。此外,圖11顯示2顆衛星對于不同地物的溫度反演結果隨時間變化的趨勢相一致,但幅度有所不同。總的來說,Landsat9的反演結果相對Landsat8的反演結果較高,尤其是對于裸土和植被,平均高1.5 K左右。

表7 水體LST對照Tab.7 Comparison of water LST

表8 植被LST對照Tab.8 Comparison of vegetation LST

表9 裸土LST對照Tab.9 Comparison of bare LST

圖10 水體、植被、裸土的偏差率絕對值Fig.10 Absolute value of deviation rate of water, vegetation and bare soil

(a)水體段

(b)植被段

(c)裸土

綜上所述,Landsat8與Landsat9的地表溫度反演結果空間分布一致,具有較高的相似度,但Landsat9憑借更高精度、更清晰的影像對地物的溫度更為敏感。2個衛星的反演結果與數據集相比都呈現高估,整體而言Landsat9 LST(RMSE=4.419 K,MAE=2.264 K)精度要優于Landsat8 LST(RMSE=5.133 K,MAE=2.488 K)。提取水體、植被和裸土的LST做對比,Landsat9反演的溫度結果要高于Landsat8。

4.3 數據結果差異原因分析

針對衛星本身,Landsat8與Landsat9的陸地成像儀的光譜波段范圍存在很小的差距。例如,用于計算植被指數NDVI的紅波段、近紅外波段,Landsat8 OLI對應的紅波段和近紅外波段的波長分別為0.636～0.673 μm、0.851～0.879 μm,而Landsat9 OLI-2為0.636～0.672 μm、0.850～0.879 μm[24]。信噪比是衡量遙感儀器性能的一項重要指標。Landsat9將OLI-2下行鏈接所產生的所有14位數據,與從Landsat8的OLI下行鏈接相比,為其圖像提供更大的位深度,略微提高了總體SNR。此外,Landsat9 TIRS-2解決了雜散光入侵以及場景選擇鏡損壞的問題。其次,在選取樣本時盡量選擇天氣和氣候相接近的數據,但Landsat8與Landsat9在同一區域的過境時間相差24 h,而陸地表面的地表溫度隨時間變化較快,因此難以保證所選擇的樣本條件相同。這可能也是導致二者的NDVI與LST存在差異的原因之一。Landsat更新了新一代的Landsat9衛星,但本次采用的最新版本的ENVI5.6數據處理軟件配置仍未進行與之相配對的更新。例如,在進行大氣校正過程中,只能選擇Landsat8的OLI作為傳感器參數,而無法選擇Landsat9的OLI-2。雖然Landsat8和Landsat9是姐妹星,但是由于Landsat9的OLI-2存在一定的改進或變更,所以未更新的數據處理軟件可能也是二者NDVI和LST計算結果產生差異的原因之一。

5 結論

Landsat9衛星與Landsat8協作運行,可以在8 d內拍攝橫跨整個地球的圖像。分析比較Landsat9與Landsat8的原始數據,處理數據并獲取NDVI和LST,通過對實驗結果進行討論研究,得到以下結論:

①Landsat9的多光譜數據各個波段的能量比Landsat8均衡,較Landsat8而言圖像層次更豐富、信息量更大,能夠更準確地反映地物類別和紋理信息。Landsat9的高分辨率圖像能夠清晰呈現地物的輪廓和細節。因此在觀測地物方面的能力優于Landsat8。

②在NDVI計算方面,Landsat9與Landsat8的結果具有較大相似性,特別是在經度85°～105°的研究區,其他地區Landsat9植被獲取能力明顯更強。整體而言,Landsat9的NDVI均值比Landsat8高0.004～0.058,獲取植被信號量大于Landsat8。在同動態范圍情況下,Landsat9的標準差總體大于Landsat8,最大相差0.044,因此Landsat9能夠提供比Landsat8更為豐富和準確的植被信號。

③在地表溫度反演方面,Landsa9和Landsat8的結果具有一致的空間分布,但Landsat9對氣溫較低的地區和地物的溫度更為敏感。Landsat9的反演結果均高于Landsat8。提取水體、植被和裸土的溫度進行進一步對比分析,二者對于水體的溫度反演整體偏差率較低,反演結果相似,但對于裸土和植被,Landsat9較Landsat8平均高1.5 K左右。整體而言,Landsat9對地物的溫度反演結果都高于Landsat8。基于CLDAS-V2.0近實時產品數據集的驗證,2個數據源的反演結果整體上呈現高估。Landsat9 LST(RMSE=4.419 K,MAE=2.264 K)精度要優于Landsat8 LST(RMSE=5.133 K,MAE=2.488 K)。

綜上所述,Landsat9具有良好的應用前景,在相同條件下,Landsat9能夠提供更高分辨率、更高質量的影像,其觀測地物能力優于Landsat8。對于Landsat9遙感影像的科學研究及在中國地區的應用,本研究提供了有價值的參考。