<em id="lj1v3"><b id="lj1v3"></b></em>

    <i id="lj1v3"></i>

        <i id="lj1v3"><b id="lj1v3"><progress id="lj1v3"></progress></b></i>

        <video id="lj1v3"></video>
        <video id="lj1v3"></video>

                    <i id="lj1v3"><ol id="lj1v3"><progress id="lj1v3"></progress></ol></i>
                    衛星遙感數據即得即用(RTU)產品集 II 區論文(已發表) ? 版本 ZH3 Vol 5 (4) 2020
                    下載
                    2018年山東省GF-1 WFV相對輻射歸一化數據集
                    A radiometric normalization dataset of Shandong Province based on Gaofen-1 WFV image (2018)
                    ?>>
                    : 2020 - 02 - 20
                    : 2020 - 10 - 14
                    : 2020 - 02 - 22
                    : 2020 - 12 - 30
                    极速快三
                    2015 12 0
                    摘要&關鍵詞
                    摘要:地表反射率是遙感定量反演的一個關鍵參數,對于研究地表和大氣間輻射能量平衡、地物識別和分類、水分與氣候模型等具有十分重要的意義。本數據集采用相對輻射歸一化的方法,以Landsat 8 OLI地表反射率數據產品為基準影像,對2018年山東省GF-1 WFV衛星無云影像進行輻射歸一化。相對輻射歸一化處理工作主要包括大氣校正、數據重采樣、影像配準、掩膜、選取不變特征點和求解輻射歸一化系數等流程。輻射歸一化后,每景GF-1 WFV影像與其基準影像的不變特征點R2為0.7295以上,RMSE低于0.0172,GF-1 WFV影像地表反射率精度得到提高,可以和Landsat數據協同應用,為遙感定量反演提供數據支持。本數據集為GeoTIFF格式,空間分辨率為16 m。
                    關鍵詞:GF-1 WFV;山東??;地表反射率;輻射歸一化;不變特征點
                    Abstract & Keywords
                    Abstract:?Surface reflectance is a key physical variable that affects the energy budget in land-atmosphere interactions, recognition and classification of surface features, and climate change research. This dataset uses the relative radiometric normalization method, and takes the Landsat 8 Operational Land Imager (OLI) surface reflectance products as the reference images to normalize GF-1 satellite WFV sensor cloud-free images of Shandong Province in 2018. Relative radiometric normalization processing includes atmospheric correction, image resampling, image registration, mask, extraction of no-change pixels and calculation of normalization coefficients. After relative radiometric normalization, the no-change pixels of each GF-1 WFV image and its reference image are as follows: R2 is above 0.7295, and RMSE is below 0.0172. In addition to that, the surface reflectance accuracy of GF-1 WFV image is improved, which can be used together with Landsat data to provide data support for remote sensing quantitative inversion. This dataset is in GeoTIFF format, and the spatial resolution of the image is 16 m.
                    Keywords:?GF-1 WFV;?Shandong Province;?surface reflectance;?relative radiometric normalization;?no-change pixels
                    數據庫(集)基本信息簡介
                    數據庫(集)名稱2018年山東省GF-1 WFV相對輻射歸一化數據集
                    數據作者黃莉婷、焦偉利、龍騰飛
                    數據通信作者焦偉利(jiaowl@aircas.ac.cn)
                    數據時間范圍2018年
                    地理區域山東?。ū本?4°22.9′–38°24.01′,東經114°47.5′–122°42.3′)
                    空間分辨率16 m
                    數據量35.5 GB
                    數據格式*.tif(GeoTIFF,16-bit unsigned integer)
                    數據服務系統網址ftp://bigrs-info.com/shandongGF-1/
                    http://www.sciencedb.cn/dataSet/handle/947
                    基金項目中國科學院A類戰略性先導科技專項(XDA19090300);國家自然科學基金項目(61731022);國家重點研發計劃(2016YFA0600302)
                    數據庫(集)組成本數據集主要由以下兩個部分組成:第一部分是2018年山東省GF-1 WFV衛星輻射歸一化數據產品,格式為GeoTIFF,一共19幅;第二部分是選取的GF-1 WFV以及對應Landsat 8 OLI影像名字列表文件,命名為山東省高分一號寬幅衛星輻射歸一化數據列表,格式為xlsx。此外,提供了一份不變特征點提取樣例數據。
                    Dataset Profile
                    TitleA radiometric normalization dataset of Shandong Province based on Gaofen-1 WFV image (2018)
                    Data corresponding authorJiao Weili (jiaowl@aircas.ac.cn)
                    Data authorsHuang Liting, Jiao Weili, Long Tengfei
                    Time range2018
                    Geographical scopeShandong Province (34°22.9′N–38°24.01′N, 114°47.5′E–122°42.3′E)
                    Spatial resolution16 m
                    Data volume35.5 GB
                    Data format*.tif (GeoTIFF, 16-bit unsigned integer)
                    Data service system<ftp://bigrs-info.com/shandongGF-1/>
                    <http://www.sciencedb.cn/dataSet/handle/947>
                    Sources of fundingStrategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Natural Science Foundation of China (61731022); National Key Research and Development Program of China (2016YFA0600302).
                    Dataset compositionThis dataset consists of GF-1 WFV radiometric normalization products in GeoTIFF format of Shandong Province in 2018, and image lists in .xlsx format. In addition, a data sample is provided to show how to extract no-change pixels.
                    引 言
                    地表反射率數據精度決定了地表物理參數反演、地物識別和分類的準確性,是遙感數據應用的基礎。如今遙感衛星的種類不斷增加,使得遙感數據資源呈現多源性。然而,由于傳感器不同,成像時間、成像條件、大氣狀況等差異,多源、多時相的衛星遙感數據的光譜值不具有可比性。隨著傳感器的不斷增多和定量遙感的發展,傳統的以灰度值(DN值)為主的影像產品已經難以滿足遙感應用的需求。
                    美國地質勘探局(United States Geological Survey,USGS)提出了Analysis Ready Data(ARD)產品,生產可以直接用于應用分析的Landsat序列遙感數據產品[1]。目前主要是覆蓋美國的Landsat系列產品,未來將擴展至全球。CEOS(Committee on Earth Observation Satellites)提出了CARD4L(CEOS Analysis Ready Data for Land)產品框架(http://ceos.org/ard/)[2],給出產品的定義和規范,目前主要用于Landsat系列和Sentinel-2的ARD產品。何國金等人[3-4]提出了遙感衛星數據“即得即用(Ready To Use,RTU)”產品的理念,該團隊已經建成了高精度、標準規范、信息完整的中國及周邊區域Landsat長時間系列衛星RTU產品庫,讓用戶能夠直接使用深加工處理過的遙感衛星數據,免去用戶在使用前進行繁瑣的預處理過程。
                    目前可公開獲取的Landsat 8和Sentinel-2地表反射率產品都具有較高的精度,可是國產衛星地表反射率精度問題依然沒有得到足夠重視,沒有地表反射率產品可以直接提供給用戶使用。建立國產衛星地表反射率數據集供地學等領域科研工作者使用,促進多源遙感數據協同應用,具有重要意義。
                    山東省地貌類型豐富,涵蓋丘陵、盆地、黃河平原以及黃河三角洲等9個基本地貌類型;山東半島三面環海,水系較發達,黃河橫貫東西,大運河縱穿南北,其余中小河流湖泊密布山東??;山東為農業省份,除自然植被包括的落葉闊葉林、針葉林、竹林、灌木叢以及水生植被等10個植被型外,還有大量人工栽培農業植被[5]。豐富的地表光譜反射率特征,有助于科研工作者進行植被指數計算、地物光譜獲取和變化監測等方面的研究。
                    本文以GF1-WFV為目標影像、Landsat 8 OLI地表反射率產品為基準影像,利用相對輻射歸一化方法得到2018年覆蓋山東省的較高精度的地表反射率輻射歸一化產品。本文給出了影像輻射歸一化處理流程以及精度,旨在為相關科研人員提供基礎地表反射率數據。
                    1 ? 數據采集和處理方法
                    Landsat 8 OLI的地表反射率產品,由USGS專門為Landsat 8數據設計的大氣校正程序LaSRC(Landsat 8 Surface Reflectance Code)生成,該程序利用海岸氣溶膠波段(band1)進行氣溶膠反演測試,運用MODIS輔助氣候數據并使用專門的輻射傳輸模型,被認為是最精確的Landsat 8 OLI大氣校正,其結果精度被廣泛認可和使用[6]。本文相對輻射歸一化的做法是:以Landsat 8 OLI地表反射率產品影像為參考,調整GF-1 WFV影像的地表反射率,使之與Landsat 8 OLI地表反射率接近。為使參考影像和目標影像具有相同的物理量綱,先對GF-1 WFV影像做大氣校正獲得地表反射率,這是應用前提。
                    1.1 ? 數據采集方法
                    本數據集以中國資源衛星應用中心(http://www.cresda.com/CN/)下載的GF-1 WFV Level1A級DN值影像,以及美國地質勘探局(https://earthexplorer. usgs.gov/)按需提供下載的Landsat 8 OLI Level 2級地表反射率影像為數據源。
                    為保證傳感器在獲取遙感數據時受大氣影響的差異較小,應該盡量選取同一日期的太陽高度角和方位角接近的影像做相對輻射歸一化處理[7]。但是由于不同衛星的重訪周期和幅寬不相同,因此難以獲得同一地區的同一日期、同時過境的不同衛星影像,本文在影像選取中遵循影像前后日期在一周內的規則。選取無云影像有助于不變特征點的選取,由于受云、霧、冰雪等的影響,以及根據對應日期范圍內Landsat 8 OLI影像的篩選,共獲取19景影像用于輻射歸一化產品的制作,所用到的遙感影像信息如表1所示。
                    表1 ? 山東省輻射歸一化影像數據列表
                    GF-1 WFVLandsat 8 OLI
                    序號成像時間產品序列號成像時間WRS Path/Row
                    120180113292832920180113120 / 036
                    220180311305343620180309121 / 035
                    320180327308775120180327119 / 035
                    420180409311492220180408123 / 036
                    520180409311491720180408123 / 035
                    620180409311491820180408123 / 034
                    720180425314558820180419120 / 034
                    820180428315055320180428119 / 034
                    920180504316300720180503122 / 035
                    1020180504316300620180503122 / 033
                    1120180519319930120180514119 / 034
                    1220180523320826320180523118 / 034
                    1320181010350898820181012120 / 035
                    1420181031356170420181026122 / 036
                    1520181031356170020181026122 / 035
                    1620181031356170520181026122 /034
                    1720181031356170220181026122 / 033
                    1820181031356171020181028120 / 035
                    1920181023354244420181028120 / 035
                    1.2 ? 數據處理方法
                    對GF-1 WFV影像進行遙感數據預處理工作,主要包括:正射校正、大氣校正,以及和Landsat 8影像配準。對Landsat 8影像的預處理工作主要是影像重采樣,使其和GF-1 WFV影像相同分辨率。本文在正則化迭代加權多元變化檢測(Iteratively Reweighted Multivariate Alteration Detection,IR-MAD)方法的基礎上通過控制未變化集的線性關系、逐步篩選不變特征點的方式進行輻射歸一化[8],輻射歸一化處理技術路線如圖1所示。


                    圖1 ? 輻射歸一化處理技術路線
                    1.2.1 ? 建立未變化集
                    影像上受云及變化地物影響的像元會偏離像元主體,采用自動散點控制回歸(Automatic Scattergram-Controlled Regression,ARCSI)[9]方法去掉影像上受云及變化地物影響的像元,初步建立未變化集,如圖2所示:分別在GF-1 WFV、Landsat 8 OLI影像的紅波段及近紅外波段散點圖中,利用正交回歸法確定初始回歸線,根據HVW、HPW選取占主體信息量的“未變化像元”。HVW是未變化集選擇的限制條件,由HPW控制,HPW是不變區域一側的垂直寬度,如公式(1)所示,式中a是初始回歸線斜率[9]。
                    \(HVW=\sqrt{1+a^{2}}\cdot HPW\) (1)


                    圖2 ? 由初始回歸線確定未變化集
                    1.2.2 ? 提取不變特征點
                    在上一步確定的未變化集中,采用正則化迭代加權多元變化檢測法(Iteratively Reweighted Multivariate Alteration Detection,IR-MAD)[10,11,12 ]的規則進一步提取不變特征點。下面對該算法規則進行描述。
                    兩景多波段影像,可以表示成向量XY,則對影像進行向量計算可以表述為以下優化問題:
                    (2)
                    (3)
                    其中,分別表示XY的方差,根據公式(3)的約束條件可以得到:,基于典型相關分析的方法從小到大求解出相關系數ρ,進一步得到ab的解。求解出ab后,用線性變換的差定義MAD變量:
                    (4)
                    由于MAD變量是XY的線性組合,根據中心極限定理,MAD變量近似滿足正態分布,因此服從自由度為p(p為影像波段數)的卡方分布:
                    (5)
                    (6)
                    根據Tj 即可判斷各個像素是否發生變化。在迭代計算的過程中,對每個像元設置初始權值為1,每一次迭代計算均值向量與方差矩陣,并計算每個MAD變量,根據每次迭代更新計算的MAD變量更新權值;未發生變化的像元具有較大的權值,經過若干次迭代計算之后,每個像元的權值會趨于穩定,通過權值與閾值的比較便可判定每個像元點是否屬于不變特征點。為避免在迭代計算中產生較大的權重值而影響不變特征點的判斷,本文在求解協方差矩陣時加入了正則化參數[12]。
                    1.2.3 ? 求解輻射歸一化系數
                    由以上兩步確定了未變化集,便可由正交回歸求解輻射歸一化系數ab
                    (7)
                    (8)
                    (9)
                    (10)
                    (11)
                    其中,n為不變特征點數,xi 、 分別是GF-1 WFV影像不變特征點的值及其均值,yi 、分別是Landsat 8 OLI影像不變特征點的值及其均值。
                    2 ? 數據樣本描述
                    2018年山東省GF-1 WFV相對輻射歸一化數據集共包括19景影像,以原始GF-1影像命名規則加后綴“_norm”命名GeoTIFF文件,并提供對應的原始XML元數據文件??臻g分辨率為16 m,投影坐標系是WGS84 UTM。為了降低結果儲存空間,地表反射率擴大10000倍(范圍為0–10000)并存儲為16位無符號整型。相對輻射歸一化數據結果展示如圖3。


                    圖3 ? 相對輻射歸一化數據結果
                    3 ? 數據質量控制和評估
                    3.1 ? 定量評價
                    通過計算輻射歸一化前后GF-1 WFV影像與Landsat 8 OLI參考圖像之間不變特征點的均方根誤差RMSE和回歸判定系數R2來對輻射歸一化精度進行客觀評價。
                    (12)
                    (13)
                    其中,是輻射歸一化后GF-1 WFV影像波段k的地表反射率值,是Landsat 8 OLI影像波段k的地表反射率值,是Landsat 8 OLI影像波段k的像元地表反射率均值,N是不變特征點數。
                    R2是對回歸模型擬合程度的綜合度量,R2越接近于1,模型擬合程度越高;RMSE值越小表示GF-1影像地表反射率值越接近于Landsat 8 OLI地表反射率。本文以地表反射率0–1的范圍計算RMSE和R2。在機器學習中,為了避免過度擬合數據,常見的做法是,樣例的三分之二作訓練集合,三分之一作驗證集合。在本文中也采用相同的做法,不變特征點的三分之二作回歸擬合,三分之一用來計算R2和RMSE作驗證。在表2中列出了每景影像的總不變特征點數N,以及藍、綠、紅、近紅外四個波段的R2、RMSE計算結果。由表可知,在19景影像中,R2>0.7295,RMSE相比輻射歸一化前的RMSE值都有所減小,說明輻射歸一化后GF-1 WFV影像的地表反射率值精度得到提高,整體接近于Landsat 8 OLI影像。
                    表2 ? GF-1 WFV影像R2和RMSE計算結果
                    WFV產品序列號不變特征點NR2輻射歸一化前RMSE輻射歸一化后RMSE
                    近紅外近紅外近紅外
                    2928329338380.78940.94320.99130.98730.01580.01750.01120.01310.00330.00320.00170.0028
                    30534361574280.82060.91520.98110.98240.07580.07770.05960.04190.00540.00570.00390.0053
                    3087751193300.97050.98790.99000.99670.08690.08030.05580.04260.00130.00140.00220.0023
                    3114922306560.96720.98410.99820.97130.14640.14630.10260.36030.00240.00210.00100.0108
                    31149171016230.99480.99750.99940.99610.13360.14200.10710.40370.00160.00140.00100.0032
                    31149181848980.96240.99040.99830.99860.14010.15170.12940.31090.00420.00250.00170.0016
                    3145588170840.90150.94230.89820.79120.01530.02370.02900.02000.00170.00160.00160.0011
                    31505531945380.98510.97520.86260.83940.04010.02690.01980.01000.00100.00130.00160.0028
                    3163007109070.96560.99210.99550.99180.00380.00360.00580.04750.00250.00170.00190.0055
                    3163006637700.78060.73420.98610.99420.01550.01850.02480.04540.00620.01720.00630.0085
                    319930128350.96150.98220.99640.99970.00430.00810.00990.01950.00410.00280.00210.0018
                    320826342110.76730.80980.87120.77940.00740.01430.01100.01560.00260.00390.00290.0010
                    3508988690980.79910.86530.90170.99800.02030.00900.00940.01370.00380.00250.00440.0026
                    35617041234000.94700.99010.97770.97690.00950.00280.00940.00990.00230.00140.00320.0039
                    35617002153260.93370.97670.99370.97960.00460.00780.00340.02600.00390.00330.00270.0062
                    35617051645860.94400.93160.97500.72950.01760.02020.00880.01580.00220.00330.00330.0133
                    3561702400890.79920.81220.79900.99770.01160.00480.02710.01760.00360.00400.00790.0027
                    3561710824570.96850.99070.99200.99970.00280.00860.02110.04780.00230.00200.00390.0015
                    3542444509810.73580.80770.98300.99810.01410.00700.00690.01490.00420.00650.00350.0032
                    3.2 ? 定性評價
                    采用目視的方法對輻射歸一化后的影像進行定性評價。相對輻射歸一化后GF-1 WFV影像地表反射率數值接近于Landsat 8 OLI,則兩個影像顏色、亮度等十分相似。將輻射歸一化前后的GF-1 WFV影像與Landsat 8 OLI影像進行顯示對比,如圖4所示。由圖4可知,經過相對輻射歸一化后兩個影像顏色、亮度等十分相似,說明歸一化的效果較好。


                    圖4 ? 輻射歸一化前(左)、輻射歸一化后(右)GF-1 WFV影像和Landsat 8 OLI參考影像對比
                    4 ? 數據價值
                    提高GF-1影像地表反射率精度,往往可以通過提高輻射定標系數精度、使用較好的大氣校正程序的方式。但獲取高精度的定標系數、使用大氣校正程序獲得準確的地表反射率,通常工作量較大,大氣輻射傳輸模型較復雜,且需要獲取準確的大氣參數。GF-1衛星影像通道數較少,增加了大氣校正的難度,此時,相對輻射歸一化方法提供了一種較為簡便的方式提高地表反射率精度。在相對輻射歸一化方法中要求Landsat 8 OLI與GF-1影像獲取日期相差在一周左右,能夠滿足大部分影像。
                    本文對2018年山東省地區國產高分一號寬幅16 m分辨率影像,采用相對輻射歸一化方法,獲取較高精度的地表反射率數據產品。本產品云量少,使用者可直接進行遙感應用。后續本數據集將會補充新的時序產品,為地區可持續發展及科學研究提供基礎數據支撐。本數據集對于生態環境監測、遙感土地利用分類、長時序地表覆蓋變化檢測等具有重要的應用價值。
                    致 謝
                    感謝中國資源衛星應用中心和美國地質勘探局提供的數據支持。
                    [1]
                    DWYER J L, ROY D P, SAUER B, et al. Analysis ready data: enabling analysis of the landsat archive[J]. Remote Sensing, 2018, 10(9): 1363.
                    [2]
                    LEWIS A, LACEY J, SUSANNE M, et al. CEOS analysis ready data for land (CARD4L) overview[C]. IEEE International Geoscience and Remote Sensing Symposium, 2018: 7407-7410.
                    [3]
                    何國金, 焦偉利, 張兆明, 等. Landsat系列衛星RTU產品庫建設與共享[J]. 中國科技成果, 2018 (10): 11-13.
                    [4]
                    HE G J, ZHANG Z M, JIAO W L, et al. Generation of ready to use (RTU) products over China based on Landsat series data[J]. Big Earth Data, 2018, 2(1): 56-64.
                    [5]
                    劉園園. 基于RS和GIS的山東省植被覆蓋的時空演變特征及其成因研究[J]. 地理科學研究, 2015, 4(3): 95-109.
                    [6]
                    LLORI C O, PAHLEVAN N, KNUDBY A. Analyzing performances of different atmospheric correction techniques for Landsat 8: application for coastal remote sensing[J]. Remote Sensing, 2019, 11(04): 469.
                    [7]
                    楊天鵬, 閆文佳, 張遠. GF-1WFV與Landsat 8 OLI和Sentinel-2AMSI遙感圖像光譜信息轉換研究[J]. 華東師范大學學報(自然科學版), 2017, (06): 136-146.
                    [8]
                    黃莉婷, 焦偉利, 龍騰飛, 等. 基于正則化IR-MAD的GF-1影像輻射歸一化研究[J]. 遙感信息, 2020, 35(03): 99-109.
                    [9]
                    ELVIDGE C D, YUAN D, WEERACKOON R D, et al. Relative radiometric normalization of landsat multispectral scanner (mss) data using an automatic Scattergram-Controlled regression[J]. Photogrammetric Engineering & Remote Sensing, 1995, 61(10): 1255-1260.
                    [10]
                    NIELSEN A A, CONRADSEN K, SIMPSON J J. Multivariate alteration detection (mad) and MAF postprocessing in multispectral, bitemporal image data: new approaches to change detection studies[J]. Remote Sensing of Environment, 1998, 64(01): 1-19.
                    [11]
                    CANTY M J, NIELSEN A A. Automatic radiometric normalization of multitemporal satellite imagery with the iteratively re-weighted MAD transformation[J]. Remote Sensing of Environment, 2008, 112(03): 1025-1036.
                    [12]
                    NIELSEN A A. The regularized iteratively reweighted MAD method for change detection in multi- and hyperspectral data[J]. IEEE Transactions on Image Processing, 2007, 16(02): 463-478.
                    數據引用格式
                    黃莉婷, 焦偉利, 龍騰飛. 2018年山東省GF-1 WFV相對輻射歸一化數據集[DB/OL]. Science Data Bank, 2020. (2020-02-22). DOI: 10.11922/sciencedb.947.
                    稿件與作者信息
                    論文引用格式
                    黃莉婷, 焦偉利, 龍騰飛. 2018年山東省GF-1 WFV相對輻射歸一化數據集[J/OL]. 中國科學數據, 2020, 5(4). (2020-03-07). DOI: 10.11922/csdata.2020.0005.zh.
                    黃莉婷
                    Huang Liting
                    主要承擔工作:數據挑選,算法編寫,論文撰寫。
                    (1994—),女,廣西欽州人,碩士研究生,研究方向為遙感圖像處理。
                    焦偉利
                    Jiao Weili
                    主要承擔工作:總體思路與方案設計,論文修改。
                    jiaowl@aircas.ac.cn
                    (1965—),女,遼寧鳳城人,正高級工程師,研究方向為遙感圖像處理與工程應用。
                    龍騰飛
                    Long Tengfei
                    主要承擔工作:方案設計和技術指導,論文修改。
                    (1986—),男,湖北武漢人,博士,助理研究員,研究方向為遙感圖像智能處理。
                    出版歷史
                    I區發布時間:2020年2月22日 ( 版本ZH2
                    II區出版時間:2020年12月30日 ( 版本ZH3
                    參考文獻列表中查看
                    中國科學數據
                    csdata