CPF变化对Landsat TM/ETM+辐射校正结果的影响

黄绍霖，徐涵秋，王 琳

1.福州大学环境与资源学院，福州 350116 2.福州大学遥感信息工程研究所，福州 350116 3.福建省水土流失遥感监测评估与灾害防治重点实验室，福州 350116

CPF变化对Landsat TM/ETM+辐射校正结果的影响

黄绍霖1,2,3，徐涵秋1,2,3，王 琳1,2,3

1.福州大学环境与资源学院，福州 350116 2.福州大学遥感信息工程研究所，福州 350116 3.福建省水土流失遥感监测评估与灾害防治重点实验室，福州 350116

随着时间的推移，卫星传感器的老化会使得原有的辐射定标参数文件(CPF)失效。最典型的当属Landsat-5卫星，该卫星自1984年发射以来，已经进行了多次CPF修正；而Landsat-7卫星的CPF也经过了数次修改，以保证辐射校正结果的准确性。以Landsat TM/ETM+遥感影像为例，分别以2003、2009年的CPF对它们进行辐射校正，并对结果进行对比。结果表明，除ETM+的绿光波段外，TM、ETM+影像基于2009年CPF计算的各波段均值都要小于2003年。而这一变化也使得由此计算的指数产生差异：归一化植被指数(NDVI)间的差异可达0.48%，建筑用地指数(IBI)间的差异可达5.94%。

辐射校正；辐射定标参数；归一化植被指数；建筑用地指数；Landsat卫星；遥感

0 引言

卫星影像的准确定标是定量遥感的必要前提，遥感数据的可靠性在很大程度上取决于影像的辐射定标精度[1]。但是，随着时间的推移，卫星传感器的老化会使得原有的辐射定标参数文件(calibration parameter file, CPF)失效。最典型的当属Landsat-5卫星，该卫星自1984年发射以来，已经进行了多次CPF修正；而Landsat-7卫星的CPF也经过了数次修改，以保证辐射校正结果的准确性。其中美国地质调查局(USGS)的Chander团队在这方面做了大量的工作，他们于2003、2009年对Landsat-5、Landsat-7卫星的CPF进行了2次修订[2-3]，其中2009年版的CPF已在Landsat官方手册使用[4]。由于前后2次修订的CPF之间存在一定的差异，如果用户不了解这一变化，继续使用旧的CPF，就有可能造成辐射校正结果的误差，且这种误差在后续计算中有传递效应[5]，会进一步影响研究结果的准确性。为确保辐射校正结果的准确性，应使用2009年版的CPF对Landsat影像进行辐射校正处理。但目前仍有不少学者在不知情的情况下使用2003年版的CPF进行Landsat影像的辐射校正处理，如Giri等[6]的红树林全球分布研究,Gorsevski等[7]的森林覆盖变化研究,Kosten等[8]的水体透明度研究,Bresloff等[9]对干旱地区叶面积指数(leaf area index，LAI)、植被覆盖度(fractional cover，FC)和蒸散发量(evapotranspiration，ET)之间的关系研究以及Sinha等[10]对澳大利亚新南威尔士州北部的土地利用和土地覆盖变化的研究中，作者均利用2003年版的CPF对Landsat影像进行辐射校正处理，这样就给辐射校正结果带来一定程度的不确定性，进而影响研究结果的准确性。然而，新、旧CPF辐射校正结果的差异究竟有多大，迄今尚无相关研究述及。因此，对Landsat TM和ETM+影像基于2003、2009年CPF计算的辐射校正结果开展相关的定量比较研究，查明不同辐射校正结果之间的差异，确定新、旧CPF之间的差异对辐射校正结果所产生的影响，就显得十分必要。

1 实验方法

为了避免实验结果的偶然性，使结果具有可比性，本次研究选择了不同地区季相相近的影像来进行实验：北京2010年6月5日的Landsat-5 TM影像和福州2003年5月29日的Landsat-7 ETM+影像(图1)。本文基于2003、2009年的CPF (表1、2)，利用Landsat官方网站手册[12]提供的模型分别将原始影像各波段的像元灰度值转换成传感器处反射率[13](第6波段转换成传感器处的光谱辐射值，以ρ2003、ρ2009分别表示基于2003、2009年CPF计算的辐射校正结果)，然后逐波段对比不同CPF的校正结果。除了逐波段对比外，笔者还选择了2个指数(植被指数NDVI、建筑指数IBI)进一步考察不同CPF校正结果对指数计算所产生的影响。

首先利用Landsat官方网站手册提供的模型，结合2003、2009年的CPF[2-3, 12]对实验影像进行辐射校正，其公式[3-4]如下：

式中：Lλ为像元在传感器处的波段λ的光谱辐射值，W/(m2·sr·μm)；λ为波段值；Qλ是波段λ的像元灰度值；gainλ和biasλ是传感器的波段λ的定标增益值和偏置值，W/(m2·sr·μm)；ρλ为像元在传感器处的波段λ的反射率；Esun为波段λ的大气顶部平均太阳辐照度，W/(m2·μm)；d为日-地天文单位距离；θs为太阳天顶角，(°)。其中，gainλ，biasλ和Esunλ就是CPF中的主要定标参数。从表1、2可以看出，它们在2003年和2009年是不同的，显然它们的变化会对由此计算的辐射校正结果产生影响。

NDVI[14]和IBI[15]分别利用以下公式计算：

图1 实验影像Fig. 1 Test sub-images

波段序号波段名bias/(W/(m2·sr·μm))2003年2009年gain/(W/(m2·sr·μm))2003年2009年Esun/(W/(m2·μm))2003年2009年1Blue-1.52-2.290.7628240.7658271957.001983.002Green-2.84-4.291.4425101.4481891826.001796.003Red-1.17-2.211.0398821.0439761554.001536.004NIR-1.51-2.390.8725880.8760241036.001031.005SWIR1-0.37-0.490.1198820.120354215.00220.006TIR1.241.180.0551580.0553767SWIR2-0.15-0.220.0652940.06555180.6783.44

表2 Landsat-7 ETM+的CPF (据Chander等[3, 11])

式中，ρGreen、ρRed、ρNIR和ρSWIR分别对应TM、ETM+影像的2、3、4和5波段的反射率。IBI是由3个指数(NDVI、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)[16]、归一化差值建筑指数(normalized difference built-up index,NDBI)[17])构建和推导而来，其具体的推导过程可见文献[15]。

2 结果与讨论

2.1 逐波段对比

表3列出了经2种CPF参数校正后各波段传感器处反射率的统计值。从表3中可以看出，CPF的变化会对不同波段产生不同程度的影响：

表3 TM、ETM+影像各波段及指数的统计特征

Table 3 Statistics of corresponding bands and indices of TM and ETM+

波段序号ρ2003ρ2009变化率RMSETM10.15650.1538-1.79%0.0028(北京)20.13350.1335-0.06%0.000330.10860.1079-0.64%0.000840.26720.2665-0.24%0.000750.16990.1648-3.01%0.005168.64138.6127-0.33%0.028570.10440.0983-5.78%0.0061NDVI0.41970.42130.39%0.0027IBI-0.1975-0.2092-5.94%0.0119ETM+10.12130.1188-2.09%0.0025(福州)20.10510.10570.53%0.000730.08270.0827-0.07%0.000540.22660.2255-0.52%0.001350.14140.1370-3.16%0.00466L8.75108.7154-0.41%0.03566H8.73398.7157-0.21%0.018270.07370.0716-2.85%0.002480.22670.2261-0.24%0.0006NDVI0.45040.4483-0.48%0.0054IBI-0.2206-0.2326-5.44%0.0124

1)在可见光、近红外和短波红外波段中，除了ETM+2波段外，无论是TM或ETM+影像，2009年CPF计算的各波段均值都要小于2003年。其中以短波红外波段最为明显，最高差异可达-5.78%，均方根误差(root mean square error,RMSE)可达0.006 1(TM 7)。

2)从RMSE来看，无论是TM或ETM+，热红外波段的差异都表现得更为明显，最高可达0.035 6(ETM+ 6L)。

3)在ETM+的全色波段方面，2009年CPF计算的均值要低于2003年，差0.24%，RMSE为0.000 6。

2.2 专题指数间对比

将基于ρ2003、ρ2009的相关波段用公式(3)、(4)分别计算出2幅实验影像的NDVI和IBI，构成指数波段，并计算出它们的均值和RMSE(表3)。然后，分别用以2009年CPF计算的指数减去对应的以2003年CPF计算的指数，获得各指数的差值影像，将指数差值影像与对应的2009年CPF计算的指数影像投影到二维特征空间，得到图2。

图2 TM、ETM+影像基于ρ2009、ρ2003计算的NDVI和IBI散点图Fig. 2 Scatterplots of NDVI and IBI of TM, ETM+ based on the calculation of ρ2009、ρ2003

据表3和图2可以发现，CPF的变化也对TM、ETM+影像在NDVI、IBI的计算结果上造成一定的影响。从IBI来看，无论是TM或ETM+影像，2009年CPF计算的均值都要小于2003年，幅度可达到-5.94%，RMSE大于0.01。而在NDVI方面则表现为：在植被指数高的地区，NDVI2009大于NDVI2003；而在植被指数低的区域则相反。就RMSE而言，2009年CPF计算的结果和2003年的比较接近，二者的RMSE都小于0.01。

以上结果表明，2009年的CPF与2003年的CPF在辐射校正的结果上有一定的差异。其在短波红外波段的差异大于可见光及近红外波段。这一现象在其他类似的对比研究中也有发现[18]。Chander等[18]认为遥感传感器在短波红外波段处的性能往往较差，其接收的信号也更低，因此导致了波段之间的差异比可见光和近红外波段来得大。显然，这一差异也直接导致它们在本次指数计算时产生差异，而且IBI间的差异要大于NDVI间的差异。这是由于IBI的构建用到了短波红外波段，而NDVI的计算只涉及差异较小的近红外和可见光波段；因此，短波红外波段较大的差异就会传递到由它构建的IBI中，导致在IBI的对比中表现出比NDVI更大的差距。

3 结语

Landsat TM/ETM+定标参数文件CPF的变化会对TM、ETM+影像的辐射校正结果产生不同程度的影响。除ETM+ 2波段外，TM、ETM+影像基于2009年CPF计算的各波段均值都要小于2003年，其中以短波红外波段最为明显。此外，CPF变化导致的IBI间的差异大于NDVI间的差异。

这一研究结果表明，2003、2009年CPF的辐射校正结果在有些波段存在较大差异，且这种差异在后续计算中有传递效应。因此必须使用2009年新版的CPF来对Landsat TM/ETM+进行辐射校正。

[1] 李先, 陈圣波, 王旭辉, 等. 基于辐射传输模型的水底反射率定量遥感反演研究[J]. 吉林大学学报: 地球科学版, 2008, 38(增刊1): 235-237. Li Xian, Chen Shengbo, Wang Xuhui, et al. Study Based on Radioactive Transfer Model of the Quantitative Remote Sensing of Water Bottom Reflectance[J]. Journal of Jilin University: Earth Science Edition, 2008, 38(Sup.1): 235-237.

[2] Chander G, Markham B. Revised Landsat-5 TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(11): 2674-2677.

[3] Chander G, Markham B L, Helder D L. Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors[J]. Remote Sensing of Environment, 2009, 113(5): 893-903.

[4] NASA. Landsat 7 Science Data Users Handbook[EB/OL]. [2013-02-13]. http://landsathandbook.gsfc.nasa.gov.

[5] 张铁军. ASTER与ETM+传感器影像的交互比较研究[D]. 福州: 福州大学, 2010. Zhang Tiejun. Cross Comparison Between ASTER and ETM+ Sensor Imagery[D]. Fuzhou：Fuzhou University, 2010.

[6] Giri C, Ochieng E, Tieszen L, et al. Status and Distribution of Mangrove Forests of the World Using Earth Observation Satellite Data[J]. Global Ecology and Biogeography, 2011, 20 (1): 154-159.

[7] Gorsevski V, Kasischke E, Dempewolf J, et al. Analysis of the Impacts of Armed Conflict on the Eastern Afromontane Forest Region on the South Sudan-Uganda Border Using Multitemporal Landsat Imagery[J]. Remote Sensing of Environment, 2012, 118: 10-20.

[8] Kosten S, Vernooij M, Vannes E, et al. Bimodal Transparency as an Indicator for Alternative States in South American Lakes[J]. Freshwater Biology, 2012, 57(6): 1-11.

[9] Bresloff C J, Nguyen U, Glenn E P, et al. Effects of Grazing on Leaf Area Index, Fractional Cover and Evapotranspiration by a Desert Phreatophyte Community at a Former Uranium Mill Site on the Colorado Plateau[J]. Journal of Environmental Management, 2013, 114: 92-104.

[10] Sinha P, Kumar L. Independent Two-Step Thre-sholding of Binary Images in Inter-Annual Land Cover Change/No-Change Identification[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 81: 31-43.

[11] 徐涵秋. 基于影像的Landsat TM/ETM+数据正规化技术[J]. 武汉大学学报: 信息科学版, 2007, 32(1): 62-66. Xu Hanqiu. Image-Based Normalization Technique Used for Landsat TM /ETM+ Imagery[J]. Geomatics and Information Science of Wuhan University, 2007, 32(1): 62-66.

[12] NASA. Landsat 7 Science Data Users Handbook[EB/OL]. [2013-02-13]. http://lptwww.gsfc.nasa.gov/IAS/handbook/handbook_toc.html.

[13] 唐菲, 徐涵秋. 城市不透水面与地表温度定量关系的遥感分析[J]. 吉林大学学报：地球科学版，2013，43(6):1987-1996. Tang Fei, Xu Hanqiu. Quantitative Relationship Between Impervious Surface and Land Surface Temperature Based on Remote Sensing Technology[J]. Journal of Jilin University: Earth Science Edition, 2013, 43(6): 1987-1996.

[14] Rouse J W, Haas R H, Schell J A, et al. Monitoring Vegetation Systems in the Great Plains with ERTS[C]//Stanley C, Freden, Enrico P, et al. Proceedings of the Third ERTS Symposium. Washington D C: NASA, 1973: 309-317.

[15] Xu H Q. A New Index for Delineating Built-Up Land Features in Satellite Imagery[J]. International Journal of Remote Sensing, 2008, 29(14): 4269-4276.

[16] Xu H Q. Modification of the Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery[J]. International Journal of Remote Sensing, 2006, 27(14): 3025-3033.

[17] Zha Y, Gao J, Ni S. Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery[J]. International Journal of Remote Sensing, 2003, 24(3): 583-594.

[18] Chander G, Meyer D J, Helder D L. Cross Cali-bration of the Landsat-7 ETM+ and EO-1 ALI Sensor[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(12): 2821-2831.

Influence of Calibration Parameter File (CPF) to Radiometric Correction on Landsat TM/ETM+

Huang Shaolin1,2,3, Xu Hanqiu1,2,3, Wang Lin1,2,3

1.College of Environment and Resources, Fuzhou University, Fuzhou 350116, China 2.Institute of Remote Sensing Information Engineering, Fuzhou University, Fuzhou 350116, China 3.Fujian Provincial Key Laboratory of Remote Sensing of Soil Erosion and Disaster Protection, Fuzhou 350116, China

As time goes by, the aged satellite sensors have made the original Calibration Parameter File (CPF) of the sensors become invalid. Typically the CPF of the Landsat-5 Thematic Mapper (TM) was modified several times since its launch in 1984, and so did the CPF of Landsat-7 Enhanced Thematic Mapper Plus (ETM+). Otherwise the accuracy of the image radiometric correction is not ensured. In this study, two scenes of Landsat TM and ETM+ images have been corrected using their CPFs issued in 2003 and 2009, respectively. These radiometrically-corrected images were then compared to see whether there was any difference between the correction results. The band-by-band comparison reveals that, except the green band of ETM+, the mean value of TM and ETM+ bands calculated with the 2009 CPF is less than that calculated with the 2003 CPF. This also has influenced on the Normalized Difference Vegetation Index (NDVI) and build-up index (IBI) computation. The difference in the mean value between the NDVIs calculated using the 2003 and 2009 CPFs amounts to 0.48%, while this figure between the IBIs can reach to 5.94%.

radiometric correction; calibration parameter file(CPF);IBI;NDVI; Landsat satellite; remote sensing

2013-05-26

国家科技支撑项目(2013BAC08B01-05)；福建省自然科学基金项目(2011J01269,201109251730)

黄绍霖(1986--)，男，博士研究生，主要从事环境与资源遥感研究，E-mail:hsl.20030115@163.com

徐涵秋(1955--)，男，教授，博士，博士生导师，主要从事环境与资源遥感研究，E-mail:hxu@fzu.edu.cn。

10.13278/j.cnki.jjuese.201404306.

10.13278/j.cnki.jjuese.201404306

TP79

A

黄绍霖，徐涵秋，王 琳.CPF变化对Landsat TM/ETM+辐射校正结果的影响.吉林大学学报:地球科学版,2014,44(4):1382-1387.

Huang Shaolin, Xu Hanqiu, Wang Lin.Influence of Calibration Parameter File (CPF) to Radiometric Correction on Landsat TM/ETM+.Journal of Jilin University:Earth Science Edition,2014,44(4):1382-1387.doi:10.13278/j.cnki.jjuese.201404306.