<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
                    中國區域Landsat地表反射率產品
                    Landsat surface reflectance products over China
                    ?>>
                    : 2020 - 04 - 30
                    : 2020 - 12 - 25
                    : 2020 - 06 - 01
                    : 2020 - 12 - 29
                    极速快三
                    3170 32 0
                    摘要&關鍵詞
                    摘要:Landsat數據是記錄著人類活動和自然變化最長時間序列的遙感數據集,Landsat系列衛星數據長時序地表反射率產品在森林、水資源、氣候變化等領域長時序信息挖掘分析方面具有廣泛的用途。本數據集采用基于6S輻射傳輸模型的大氣校正方法,通過輻射定標、模型參數獲取、大氣校正等數據處理流程,生產了中國1980s–2019年的Landsat系列衛星遙感地表反射率產品,可為遙感用戶和科研工作者提供即得即用的高質量地表反射率產品。最終結果以GeoTIFF格式保存,并附帶相應的質量文件和元數據文件。
                    關鍵詞:Landsat 5/7/8;大氣校正;6S模型;地表反射率
                    Abstract & Keywords
                    Abstract:?Landsat satellite remote sensing data of long-time series have been used to record human activities and natural changes for a long time. And the surface reflectance products of Landsat series data have be widely applied to the long-time series information mining and analysis in many fields, such as forest monitoring, water resource management, and climate change study. By using atmospheric correction methods based on the 6S radiative transfer model, we produced the high-quality surface reflectance products over China from the1980s to the year of 2019, which are ready to use (RTU) for remote sensing researchers and application users. The processing steps for the products include radiometric calibration, model input parameter acquisition and atmospheric correction, etc. The products are saved as a format of GeoTIFF with corresponding quality assessment files (QA) and metadata files.
                    Keywords:?Landsat 5/7/8;?atmospheric correction;?6S model;?surface reflectance
                    數據庫(集)基本信息簡介
                    數據庫(集)名稱中國區域Landsat地表反射率產品
                    數據作者彭燕,何國金,張兆明,尹然宇
                    數據通信作者何國金(hegj@radi.ac.cn)
                    數據時間范圍1980s–2019年
                    地理區域中國陸地區域
                    空間分辨率30 m
                    數據量50 TB
                    數據格式*.tiff (GeoTIFF, 16bit interger)
                    數據服務系統網址http://databank.casearth.cn
                    http://www.sciencedb.cn/dataSet/handle/984
                    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(61731022)。
                    數據庫(集)組成數據集包括147970景地表反射率產品,以景為單位存放文件夾,每個文件夾中包括每個波段的地表反射率結果、QA文件、縮略圖、元數據文件。
                    Dataset Profile
                    TitleLandsat surface reflectance products over China
                    Data corresponding authorHe Guojin (hegj@radi.ac.cn)
                    Data authorsPeng Yan, He Guojin, Zhang Zhaoming, Yin Ranyu
                    Time range1980s–2019
                    Geographical scopeChina
                    Spatial resolution30 m
                    Data volume50 TB
                    Data format*.tiff (GeoTIFF, 16bit interger)
                    Data service system<http://databank.casearth.cn>
                    <http://www.sciencedb.cn/dataSet/handle/984>
                    Sources of fundingStrategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Natural Science Foundation of China (61731022).
                    Database compositionThe dataset consists of 147,970 surface reflectance products, which are stored in folders based on imageries. Each folder includes surface reflectance results of each band, QA files, thumbnails and metadata files.
                    引 言
                    Landsat系列衛星自1972年發射以來,已獲取了大量中空間分辨率的衛星影像,這些影像記錄著人類活動和自然變化,成為最長時間序列的星載陸地觀測數據集[1]。地表反射率常用于土地覆蓋及變化研究,是很多地表地球物理參數(如葉面積指數、葉綠素和生物量)反演的關鍵輸入參數。同時,隨著對地觀測領域進入大數據時代,衛星遙感數據應用用戶和研究者不僅希望遙感數據在幾何位置上具有一致性,同時也對遙感數據的輻射一致性提出了更高的要求,以更好地進行遙感數據應用和信息挖掘分析。由于衛星遙感數據的大氣校正是一項繁瑣而專業的工作,因此,研究生產高質量中國區域的Landsat地表反射率產品并公開共享,具有重要的現實意義。
                    本文提供30 m空間分辨率的中國區域Landsat系列的地表反射率產品,給出了中國區域Landsat數據地表反射率產品生產的技術流程:首先采集覆蓋中國區域的Landsat正射影像,然后經過輻射定標,獲取6S(Second Simulation of Satellite Signal in the Solar Spectrum)輻射傳輸模型所需要的幾何參數和大氣參數并進行大氣校正,生成中國區域Landsat地表反射率產品。
                    1 ? 數據采集和處理方法
                    1.1 ? 數據采集方法
                    本文所生產的中國區域地表反射率產品主要是在Landsat系列正射影像數據的基礎上進行生產的,1980s–2012年為Landsat 5數據,2000–2003年期間為無條帶的Landsat 7數據,2013–2019年采用Landsat 8數據,這些數據主要由中國遙感衛星地面站接收。對于太陽天頂角大于76°的Landsat數據不進行大氣校正處理。
                    1.2 ? 數據處理方法
                    中國區域地表反射率產品基于6S輻射傳輸模型進行大氣校正獲得。6S模型是目前比較完善的大氣校正模型之一,由Vermote等人在5S模型的基礎上改進而來[2],適用于0.25–4 μm波長范圍內電磁波的大氣輻射傳輸的模擬。假設氣溶膠類型為大陸型,并將地表視為平面朗伯體,則其地表反射率可根據表觀反射率計算而得到。其公式為[3]
                    \({\rho }_{\mathrm{T}\mathrm{O}\mathrm{A}}={T}_{\mathrm{g}}\left(\mathrm{O}\mathrm{G}\right)×\left[{\rho }_{\mathrm{R}+\mathrm{A}}+{T}_{\mathrm{R}+\mathrm{A}}{T}_{\mathrm{g}}\left({\mathrm{H}}_{2}\mathrm{O}\right)\frac{{\rho }_{\mathrm{s}}}{1-{S}_{\mathrm{R}+\mathrm{A}}{\rho }_{\mathrm{s}}}\right]\) (1)
                    式中,\({\rho }_{\mathrm{s}}\)為地表反射率;\({\rho }_{\mathrm{T}\mathrm{O}\mathrm{A}}\)為表觀反射率,通過輻射定標可計算得到;\({T}_{\mathrm{g}}\left(\mathrm{O}\mathrm{G}\right)\)\({\mathrm{O}}_{2}\)、\({\mathrm{O}}_{3}\)、\(\mathrm{C}{\mathrm{O}}_{2}\)、\(\mathrm{N}{\mathrm{O}}_{2}\)、\(\mathrm{C}{\mathrm{H}}_{4}\)氣體總的透過率,\({T}_{\mathrm{g}}\left(\mathrm{O}\mathrm{G}\right)={T}_{\mathrm{g}}\left({\mathrm{O}}_{2}\right)×{T}_{\mathrm{g}}\left({\mathrm{O}}_{3}\right)×{T}_{\mathrm{g}}\left(\mathrm{C}{\mathrm{O}}_{2}\right)×{T}_{\mathrm{g}}\left(\mathrm{N}{\mathrm{O}}_{2}\right)×{T}_{\mathrm{g}}\left(\mathrm{C}{\mathrm{H}}_{4}\right)\);\({\rho }_{\mathrm{R}+\mathrm{A}}\)為瑞利和氣溶膠的反射率;\({T}_{\mathrm{R}+\mathrm{A}}\)為瑞利和氣溶膠透過率;\({T}_{\mathrm{g}}\left({\mathrm{H}}_{2}\mathrm{O}\right)\)為水汽的透過率;\({S}_{R+\mathrm{A}}\)為瑞利和氣溶膠球面反照率。而\({T}_{\mathrm{g}}\left(\mathrm{O}\mathrm{G}\right)\)、\({\rho }_{\mathrm{R}+\mathrm{A}}\)、\({T}_{\mathrm{R}+\mathrm{A}}\)、\({T}_{\mathrm{g}}\left({\mathrm{H}}_{2}\mathrm{O}\right)\)、\({S}_{\mathrm{R}+\mathrm{A}}\)等大氣相關系數均可通過調用6S模型計算得到。而基于6S模型進行大氣校正的關鍵和難點在于大氣參數的獲取。本數據集是基于公式(1)的計算原理和6S輻射傳輸模型[1,3-4]進行生產的,首先需要進行輻射定標,然后獲取6S模型所需要的大氣參數、DEM以及幾何參數進行大氣校正,其技術路線如圖1所示。


                    圖1 ? 地表反射率產品生產技術路線圖
                    1.2.1 ? 輻射定標
                    表觀反射率與大氣頂層進入衛星傳感器的光譜輻射亮度、日地間距離、大氣頂層的平均太陽光譜輻照度,以及太陽的天頂角有關。Landsat 5/7的表觀反射率計算公式為:
                    \(\rho =\frac{\mathrm{\pi }{L}_{\mathrm{\lambda }}{d}^{2}}{ESUN\mathit{cos}\left({\theta }_{\mathrm{z}}\right)}\) (2)
                    式中,ρ為表觀反射率,d為日地距離,θz 為太陽天頂角(單位為度,與元數據文件中給出的太陽高度角互為余角),\(ESUN\)(Mean solar exoatmospheric spectral irradiances)是大氣層頂平均太陽光譜輻照度,Lλ 為光譜輻射亮度,單位為w/(m2?μm?sr),利用定標系數進行線性計算得到。
                    Landsat 8的表觀反射率計算公式為:
                    \(\rho =\frac{{M}_{\mathrm{\rho }}×DN+{A}_{\rho }}{\mathit{cos}\left({\theta }_{\mathrm{z}}\right)}\) (3)
                    式中,MρAρ 可從元數據文件中獲取,分別為Mρ = REFLECTANCE_MULT_BAND_x,Aρ = REFLECTANCE_ADD_BAND_x,x為波段號。
                    1.2.2 ? 模型參數獲取
                    6S模型的輸入參數主要包括太陽天頂角、方位角和觀測天頂角、觀測方位角等觀測幾何參數以及水汽、臭氧、氣溶膠、氣壓等大氣參數和海拔高度信息。在本文中,觀測幾何參數可根據元數據文件獲取,海拔高度信息則是利用0.05°空間分辨率的GCM DEM(Global Climate Model Digital Elevation Model)[5]得到的(https://search.earthdata.nasa.gov/search?q=ASTER&amp;ok=ASTER)。對于Landsat 5/7數據而言,大氣校正所需要的水汽數據以及氣壓數據均來自于NCEP(NOAA National Centers for Environmental Prediction)再分析數據(http://dss.ucar.edu/),空間分辨率為2.5°×2.5°,臭氧數據來自TOMS(Total Ozone Mapping-Spectrometer)數據(https://ozoneaq.gsfc.nasa.gov/data/ozone/#),空間分辨率為1.25°×1.00°,氣溶膠光學厚度則是利用暗目標法反演得到的[3,6]。而對于Landsat 8數據而言,大氣校正所需要的水汽數據、臭氧數據、氣溶膠光學厚度(AOT)來自于0.05°空間分辨率的MODIS09CMA(MODIS Aerosol Optical Thickness Climate Modeling Grid)和MODIS09CMG(MODIS surface reflectance Climate Modeling Grid)數據[7](https://earthdata.nasa.gov/earth-observation-data/near-real-time/download-nrt-data/modis-nrt)。
                    2 ? 數據樣本描述
                    本數據集是以景為單位存放文件夾,由每個波段的地表反射率產品、質量文件(Quality Assessment, QA)、元數據、縮略圖組成。
                    (1)文件夾的命名規則為衛星-傳感器-path-row-成像日期-LSR,如L5-TM-115-026-19840418-LSR。
                    (2)每個波段的地表反射率產品:Landsat 5/7包括波段1,2,3,4,5,7(即分別為藍、綠、紅、近紅、中紅外1、中紅外2),Landsat 8包括波段1,2,3,4,5,6,7(即分別為深藍、藍、綠、紅、近紅、中紅外1、中紅外2)。命名規則為衛星-傳感器-path-row-成像日期-LSR-BX(X表示第幾個波段).TIF,如L5-TM-115-026-19840418-LSR-B1.TIF。影像的空間分辨率為30 m,投影坐標系是WGS84 UTM。為了降低存儲空間,地表反射率結果由原本的0–1范圍內的浮點型均乘以10000變成16位整型,背景填充值為-9999,并進行了“LZW”的無損壓縮。
                    (3)質量文件(QA):包括在原始數據的基礎上生成的QA,為PIXEL-QA,主要是對填充值(Fill)、晴空(Clear)、云(Cloud)、云置信度(Cloud Confidence)、云陰影(Cloud Shadow)、冰雪(Snow/Ice)以及水(Water)等信息進行標識,命名規則為:衛星-傳感器-path-row-成像日期-PIXEL-QA.TIF。和在地表反射率的基礎上生成的QA,主要是對氣溶膠相關的信息進行標識,Landsat 5/7為LSR-CLOUD-QA,命名規則為衛星-傳感器-path-row-成像日期-LSR-CLOUD-QA.TIF;Landsat 8為LSR-AEROSOL,命名規則為衛星-傳感器-path-row-成像日期-LSR-AEROSOL.TIF。Landsat 5/7和Landsat 8的QA的屬性分別如表1–4所示。
                    表1 ? Landsat 5/7的PIXEL-QA屬性表
                    位值累計和屬性像素值
                    011Fill1
                    123Clear66,130
                    247Water68,132
                    3815Cloud Shadow72,136
                    41631Snow/Ice80,112,144,176
                    53263Cloud96,112,160,176,224
                    664127Cloud Confidence
                    00 = None
                    01 = Low
                    10 = Medium
                    11 =High
                    Low Cloud Confidence:
                    66,68,72,80,96,112
                    Medium Cloud Confidence:
                    130,132,136,144,160,176
                    High Cloud Confidence:
                    224
                    7128255
                    表2 ? Landsat 5/7的LSR-CLOUD-QA的屬性表
                    位值累計和屬性像素值
                    011Dark Dense Vegetation (DDV)1,9
                    123Cloud2,34
                    247Cloud Shadow4,12,20,36,52
                    3815Adjacent Cloud8,12,24,40,56
                    41631Snow/Ice16,20,24,48,52,56
                    53263Water32,34,36,40,48,52,56
                    表3 ? Landsat 8 的PIXEL-QA屬性表
                    位值累計和屬性像素值
                    011Fill1
                    123Clear322,386
                    247Water324,388,836,900
                    3815Cloud Shadow328,392,840,904
                    41631Snow/Ice336, 368, 400, 432, 848, 880, 912, 944
                    53263Cloud352, 368, 416, 432, 480, 864, 880, 928, 944, 992
                    664127Cloud Confidence
                    00 = None
                    01 = Low
                    10 = Medium
                    11 =High
                    Low Cloud Confidence:
                    322, 324, 328, 336, 352, 368, 832, 836, 840, 848, 864, 880
                    Medium Cloud Confidence:
                    386, 388, 392, 400, 416, 432, 900, 904, 928, 944
                    High Cloud Confidence:
                    480, 992
                    7128255
                    8256511Cirrus Confidence
                    00 = Not Set
                    01 = Low
                    10 = Medium
                    11 =High
                    Low Cirrus Confidence:
                    322, 324, 328, 336, 352, 368, 386, 388, 392, 400, 416, 432, 480
                    High Cirrus Confidence:
                    832, 836, 840, 848, 864, 880, 900, 904, 912, 928, 944, 992
                    95121023
                    1010242047Terrain Occlusion>=1024
                    表4 ? Landsat 8 的LSR-AEROSOL屬性表
                    位值累計和屬性像素值
                    011Fill Value1
                    123Aerosol Valid1,20,66,74,130,138,194,202
                    247Aerosol Interpolated4,12,68,76,132,140,196,204
                    3815Water8,12,24,40,56
                    41631Climatology Level Aerosol2, 4, 8, 10, 12, 16, 24, 28
                    53263Low Level Aerosol64, 66, 68, 72, 74, 76
                    664127Medium Level Aerosol128, 130, 132, 136, 138, 140
                    7128255High Level Aerosol192, 194, 196, 200, 202, 204
                    (4)元數據文件:包括原始數據的元數據文件(MTL.txt文件),命名規則為衛星-傳感器-path-row-成像日期-MTL.txt;和地表反射率產品的XML元數據文件,命名規則為衛星-傳感器-path-row-成像日期-LSR.xml。XML元數據文件描述了地表反射率產品的基本信息以及各個波段產品的相關信息。
                    (5)縮略圖:包括512像素大小和1024像素大小的縮略圖,命名規則分別為衛星-傳感器-path-row-成像日期-LSR-THUMB.JPG和衛星-傳感器-path-row-成像日期-LSR-BROWSER.JPG。
                    圖2為2005年江西省的地表反射率結果示意圖,其中圖2(a)為大氣校正前的影像,圖2(b)為地表反射率結果,圖2(c)為每景數據的成像時間,如0420表示2005年4月20日的Landsat5數據。從圖2中可以看出,經過大氣校正后能較大地消除大氣的影響,具有較好的輻射一致性,尤其是2005年6月23日這一景數據,其地表反射率結果明顯消除了大部分薄云薄霧的影響。


                    圖2 ? 江西省地表反射率產品示意圖
                    (a)大氣校正前的影像;(b)地表反射率結果;(c)每景影像的成像時間示意圖
                    3 ? 數據質量控制和評估
                    為了評估本數據集的可靠性,在全國范圍內均勻選取了12個軌道號如圖3所示,每個軌道號分別選取了Landsat5/7/8地表反射率(具體的時間見圖3的列表),同時每景影像均隨機選取50個樣本點,與USGS發布的地表反射率產品進行對比驗證。結果顯示本數據與USGS所發布的地表反射率產品的相關性系數R2均在0.99以上,均方根誤差(RMSE)均小于1%,這表明本數據集與USGS所發布的地表反射率產品具有很好的一致性,如圖4所示。Feng等人將USGS發布的全球2000年和2005年的Landsat 5/7地表反射率產品分別與相應的MODIS地表反射率產品進行比較分析,結果表明Landsat 5 TM的均方根差(RMSD)約為2.2%–3.5%,Landsat 7 ETM+的均方根差約為1.3%–2.8%[8]。同時利用2014年6月11日獲取的南京地區的實測光譜數據對Landsat 8數據地表反射率產品進行驗證,結果顯示其地表反射率產品的RMSD約為2%–4%之間。并對USGS發布的Landsat8地表反射率產品進行驗證,結果顯示USGS發布的Landsat8地表反射率結果的RMSD分別為4.07%、4.37%、3.49%和5.3%,而本產品的RMSD分別為2.71%、3.1%、2.71%、2.08%,本產品的RMSD均低于USGS發布的地表反射率產品[1]。


                    圖3 ? 對比驗證的軌道號分布示意圖


                    圖4 ? 與USGS地表反射率產品對比驗證結果
                    4 ? 數據價值
                    本文推出的1986–2019年中國區域Landsat系列衛星長時序地表反射率產品,采用目前國際上較為成熟的地表反射率算法,精度較高,未來將持續更新,在森林、水資源、氣候變化等領域長時序信息挖掘分析方面具有重要的應用價值。
                    5 ? 數據使用方法和建議
                    本數據集可通過地球大數據科學工程(CASEarth)Databank在線服務網址(http://databank.casearth.cn)獲取數據。用戶注冊成功并登錄系統后,進入平臺產品查詢界面,產品類型選擇“LSR”,然后在所需要的數據下點擊下載,隨后會彈出一個下載對話框,該框中列出了各波段的地表反射率結果、QA文件和元數據文件,根據需要下載數據即可。用戶可根據行政區、地圖選擇以及行列號等方式查詢所需要的數據。目前共享的產品主要包括1980s–2012年云量小于50%的Landsat 5、2000–2003年云量小于20%的Landsat 7以及2018–2019年的全部Landsat 8的地表反射率產品,后續作者將持續生產我國區域云量大于50%的Landsat 5、云量大于20%的Landsat 7和2019年以后的Landsat 8地表反射率產品,以提供更好的、持續的數據共享服務。若平臺系統中暫時缺少用戶所需的數據或者有與本數據相關的其他數據需求,可通過咨詢本文作者進行申請。
                    致 謝
                    衷心感謝王桂周和龍騰飛在產品生產時遇到的存儲與效率問題給予的建設性意見。
                    [1]
                    PENG Y, HE G J, ZHANG Z M, et al. Study on atmospheric correction approach of Landsat-8 imageries based on 6S model and look-up table[J]. Journal of Applied Remote Sensing, 2016, 10(4). DOI: 10.1117/1.JRS.10.045006.
                    [2]
                    VERMOTE E F, EL SALEOUS N, JUSTICE C O, et al. Atmospheric correction of visible to middle-infrared EOS-MODIS data over land surfaces: background, operational algorithm and validation[J]. Journal of Geophysical Research, 1997,102(D14): 17131–17141.
                    [3]
                    JEFFREY G M, VERMOTE E F, SALEOUS N E, et al. A Landsat Surface Reflectance Dataset for North America, 1990-2000[J]. IEEE Geoscience and Remote Sensing Letters, 2006, 3(1): 68-72.
                    [4]
                    VERMOTE E, JUSTICE C, CLAVERIE M, et al. Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product[J]. Remote Sensing of Environment, 2016,185:46-56.
                    [5]
                    ETOPO5. Data announcement 88-MGG-02, digital relief of the surface of the earth[DB]. Boulder, Colorado: NOAA, National Geophysical Data Center, 1988.
                    [6]
                    Ouaidradi H, VERMOTE E. Operational Atmospheric Correction of Landsat TM Data[J]. Remote Sensing of Environment, 1999, 70:4-15.
                    [7]
                    GAO B C, AND KAUFMAN Y J. Water vapor retrievals using moderate resolution imaging spectroradiometer (MODIS) near-infrared channels[J]. Journal of Geophysical Research: Atmospheres (1984–2012),2003,108(D13).
                    [8]
                    FENG M, HUANG C Q, CHANNAN S, et al. Quality assessment of Landsat surface reflectance products using MODIS data[J]. Computers & Geosciences, 2012, 38(1): 9-22.
                    數據引用格式
                    彭燕, 何國金, 張兆明, 等. 中國區域Landsat地表反射率產品[DB/OL]. Science Data Bank, 2020. (2020-04-29). DOI: 10.11922/sciencedb.984.
                    稿件與作者信息
                    論文引用格式
                    彭燕, 何國金, 張兆明, 等. 中國區域Landsat地表反射率產品[J/OL]. 中國科學數據, 2020, 5(4). (2020-11-16). DOI: 10.11922/csdata.2020.0032.zh.
                    彭燕
                    Peng Yan
                    主要承擔工作:算法集成程序編寫,數據生產流程設計,論文撰寫。
                    (1988—),女,湖南省郴州市人,在讀博士,工程師,研究方向為遙感圖像智能處理。
                    何國金
                    He Guojin
                    主要承擔工作:總體思路與方案設計,論文修改。
                    hegj@radi.ac.cn
                    (1968—),男,福建省龍巖市人,博士,研究員,研究方向為遙感數據智能處理與信息挖掘。
                    張兆明
                    Zhang Zhaoming
                    主要承擔工作:技術指導,論文修改。
                    (1980—),男,河南省鄭州市人,博士,副研究員,研究方向為遙感數據智能處理與信息提取。
                    尹然宇
                    Yin Ranyu
                    主要承擔工作:數據挑選與整合。
                    (1996—),男,山東省臨沂市人,在讀博士,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6月1日 ( 版本ZH2
                    II區出版時間:2020年12月29日 ( 版本ZH3
                    參考文獻列表中查看
                    中國科學數據
                    csdata