环境一号卫星与MODIS NDVI的定量关系分析

陈星，刘智华

（1.重庆市国土资源和房屋勘测规划院，重庆400020；2.重庆市土地利用与遥感监测工程技术研究中心，重庆400020）

环境一号卫星与MODIS NDVI的定量关系分析

陈星1，2，刘智华1，2

（1.重庆市国土资源和房屋勘测规划院，重庆400020；2.重庆市土地利用与遥感监测工程技术研究中心，重庆400020）

不同遥感器由于波段设置和光谱响应函数差异导致其在红光和近红外波段所接收的地物反射信号不同，产生了NDVI的不一致性问题，针对这一问题，该文研究了HJ－1NDVI和MODIS NDVI的定量关系。采用高光谱Hyperion数据进行光谱卷积和空间卷积，模拟HJ－1与MODIS两遥感器波段反射率数据。通过计算NDVI，进行回归分析求出两者之间的定量关系。分别基于单一覆盖类型和混合覆盖类型建立HJ－1与MODIS的转换方程，排除其定量关系可能受不同土地覆盖类型的影响。定量分析与精度验证表明：HJ－1NDVI与MODIS NDVI有很高的线性正相关性（R2＞0.99）；单一覆盖类型转换精度高于混合覆盖类型转换精度，均能满足定量应用要求，但单一覆盖类型转换在实际应用中较为复杂，可采用混合覆盖类型转换方程进行HJ－1NDVI与MODIS NDVI的转换。

NDVI；定量关系；HJ－1；MODIS；光谱响应函数

0 引 言

目前，一系列卫星遥感器都用来构建植被指数数据集，从高分辨率、窄幅的遥感器，如TM、SPOTHRV，到中分辨率、宽幅的遥感器，如NOAA－AVHRR、MODIS。中分辨率遥感器具有较短的重返周期，有利于变化检测，生态环境监测，年际气候变化研究和土地覆被变化研究等。高分辨率遥感器则能够捕捉与土地流转和生态系统管理相关的植被动态变化的更为详细的信息，但往往重返周期较长，且易受云覆盖等的影响。

这些遥感器的植被指数，可以互为补充，以增强植被指数的应用效果［1－4］。然而，由于遥感器／平台特性差异，同一地表反映在各遥感器的波段信号不同，所得植被指数不具有直接可比性，由此引发对植被指数一致性问题的探讨［5］。很多学者从不同遥感器植被指数间的相互关系着手，深入研究这一问题。Steve等［6］采用地物光谱仪实测数据模拟AVHRR、TM／ETM＋、SPOT、MODIS等遥感器波段反射率数据，对它们生成的植被指数进行定量比较，获得了各遥感器NDVI的互为转换方程。Miura等［7－8］采用高光谱数据模拟生成AVHRR、ETM＋、MODIS等植被指数，建立各遥感器NDVI的关系方程，对影响多遥感器植被指数一致性的因素进行了探讨。徐涵秋等［9］利用三对同日过空的ETM＋和ASTER影像，考察二者植被指数（NDVI、SAVI）之间的定量关系。结果发现ETM＋与ASTER植被指数之间具有显著的线性正相关关系。赵凯等［10］对HJ－1与TM／ETM＋植被指数的交互比较也得到了类似的结论。还有学者采用AVHRR与MODIS同一观测区域重叠时期的影像，建立AVHRR与MODIS NDVI的转换关系，并构建了连续时间序列植被指数［11－12］。

从现有研究来看，国产卫星HJ－1与国外业务化生产的MODIS植被指数的定量关系研究迄今很少开展。因此，本文拟采用光谱卷积的方法，将高光谱Hyperion数据进行波段模拟，得到HJ－1与MODIS波段反射率数据。基于它们生成的植被指数，进行HJ－1和MODIS NDVI的定量分析，并得到两者的转换方程。同时，考虑到土地覆盖类型可能会影响HJ－1和MODIS NDVI的相互关系，本文分别得到单一土地覆盖类型和混合土地覆盖类型下两种遥感器植被指数的转换方程，并对比分析两种情况下转换方程的转换精度。

1 实验方法

1.1 数据源及研究区域

Hyperion是美国地球观察卫星EO－1搭载的成像光谱仪，以推扫方式获取可见光－近红外（VNIR，400nm～1000nm）和短波红外（SWIR，900nm～2500nm）光谱数据。波段连续，共有242个波段，光谱分辨率10nm，辐射分辨率16bit，地面分辨率30m。其光谱分辨率和空间分辨率很利于用来模拟各遥感器的像元数据，因此本研究采用Hyperion L1R数据进行相关研究。

采用3个地区的Hyperion影像进行研究，覆盖不同的植被类型，具体内容见表1。其中，土地覆盖类型数据由研究区域 MODIS土地覆盖产品MCD12Q1数据得到，采用的是国际地圈生物圈计划（IGBP）的全球植被分类方案。

表1 研究区域

1.2 Hyperion数据预处理

对Hyperion数据的预处理主要包括：未定标和受水汽影响波段的去除、绝对辐射值转换、坏线修复、条纹去除、smile效应纠正、大气校正、几何校正［13］。其中，大气校正采用ENVI大气校正扩展模块FLAASH，得到地表反射率数据；几何校正以精校正的TM影像为参考，利用ERDAS软件进行，重采样成30m×30m影像。

1.3 光谱卷积

不同遥感器的特性不同，其差异主要体现在波段设置和光谱响应函数上。在得到Hyperion地表反射率数据后，基于HJ－1和MODIS的波段设置和光谱响应函数，进行光谱卷积，得到相应波段地表反射率数据。

HJ－1和MODIS波段设置的主要差异在于近红外波段，HJ－1近红外波段范围为760nm～900nm，MODIS为841nm～876nm。MODIS近红外波段比HJ－1窄，且较好地避开了水汽吸收波段，如820nm和905nm。

遥感器各通道受元器件特性的制约，每个通道在特定光谱区间对不同光谱辐射的响应能力不同。通道对光谱的选择响应能力就是通道的光谱响应。图1所示分别为HJ－1BCCD2与MODIS红、近红外波段的光谱响应曲线。HJ－1红波段的光谱响应曲线与MODIS在形状上很相似，不过更宽；近红外波段两者光谱响应曲线则存在很大差异。

根据HJ－1与MODIS红、近红外波段的波段范围与光谱响应曲线，采用Hyperion地表反射率数据，经光谱卷积方法，模拟得到HJ－1与MODIS红、近红外波段反射率数据。具体方法如下：

图1 HJ－1B CCD2和MODIS波段光谱响应曲线

其中，ρ是卷积后的地表反射率，SRF（λ）是给定遥感器相应波段的光谱响应函数（如MODIS红波段），ρ（λ）是Hyperion地表反射率。

1.4 空间卷积

HJ－1数据的空间分辨率为30m，MODIS数据的空间分辨率为250m。为了便于比较分析，本文将模拟HJ－1与MODIS数据的分辨率统一为250m。将光谱卷积后30m分辨率HJ－1与MODIS地表反射率数据，空间卷积为250m分辨率数据。采用的空间卷积函数为MODIS相应波段空间点扩散函数。具体方法如下：

其 中，x，y 分 别 为 像 元 的 行 列 号，PSFMODIS（x，y）是MODIS PSF在（x，y）处的权重值，ρ（x，y）是经光谱卷积所得HJ－1或MODIS地表反射率数据，是经空间卷积后所得250m分辨率的HJ－1或MODIS地表反射率数据。

1.5 NDVI计算

分别采用经光谱和空间卷积所得模拟HJ－1和MODIS红、近红外波段地表反射率数据计算NDVI，计算公式如下：

1.6 模拟HJ－1与MODIS NDVI定量关系分析

对4种土地覆盖类型：落叶阔叶林、混交林、作物和草原，分别取50个样本。采用回归分析方法，进行单一覆盖类型下模拟HJ－1与MODIS NDVI的定量分析。同时，采用4种覆盖类型下共200个样本，经回归分析，得到混合覆盖类型下模拟HJ－1与MODIS NDVI的定量关系。

单一覆盖类型和混合覆盖类型的情况下，模拟HJ－1与MODIS NDVI始终保持线性关系（图2）。如表2所示，各回归模型R2都大于0.99，均方根误差RMSE很小，说明回归方程显著，模拟HJ－1 NDVI与MODIS NDVI表现出很高的相关性和一致性。?

表2中的回归模型参数可用于将模拟HJ－1 NDVI转换为模拟MODIS NDVI。转换公式如下：

例如，对于落叶阔叶林，采用单一覆盖类型回归模型（以下简称“分类转换方程”）进行转换，转换公式为：

采用混合覆盖类型回归模型（以下简称“不分类转换方程”）进行转换，转换公式为：

图2 HJ－1 NDVI和MODIS NDVI关系

表2 HJ－1 NDVI到MODIS NDVI回归模型统计参数

2 转换方程精度评定

采用长白山地区（落叶阔叶林、混交林）同一天2011年8月20号的HJ－1BCCD2和MODIS影像，计算NDVI，进行转换方程的精度评定。其中，MODIS数据直接下载250m分辨率地表反射率数据，HJ－1BCCD2影像获取L2级数据，经辐射定标、几何校正（与MODIS数据几何配准）、大气校正后得到30m地表反射率。进而采用MODIS PSF函数空间卷积为250m分辨率地表反射率数据，计算NDVI。

为验证土地覆盖类型对两遥感器植被指数定量关系是否有影响，即是否可以基于一个通用的方程将HJ－1NDVI转换到MODIS NDVI，在研究区选取49个落叶阔叶林样本、50个混交林样本，共99个样本进行测试。采用分类转换方程和不分类转换方程将样本HJ－1NDVI转换到MODIS NDVI。转换NDVI的计算方法为：

NDVIT＝a＋b·NDVIHJ（8）

其中，NDVIHJ为HJ－1NDVI，a、b为回归模型截距和斜率。

3种转换方案如表3所示。

表3 转换方案

图3给出了落叶阔叶林样本不转换、分类转换下NDVI和MODIS NDVI绝对误差和相对误差。由图中结果可以直观地看到，分类转换能很好地缩小原始HJ－1NDVI和MODIS NDVI之间的差异；图4给出了混交林样本不转换、分类转换NDVI和MODIS NDVI绝对误差和相对误差。转换后NDVI与MODIS NDVI的绝对误差和相对误差大幅度减小；图5给出了两种样本不转换、不分类转换NDVI和MODIS NDVI绝对误差和相对误差。转换模型也很大程度上缩小了NDVIT与MODIS NDVI的绝对误差和相对误差。

采用统计量均方根误差（RMSE）定量分析转换模型的精度。同时，统计了3种转换方案NDVI与MODIS NDVI相对误差（RE）大于5%占总样本百分比的情况。结果如表4所示。不转换时，总体样本、落叶阔叶林、混交林样本RMSE分别为0.03585、0.03511和0.03657，RE大于5%的样本比例分别为16.2%、12.2%和20%；分类转换时，总体样本、落叶阔叶林、混交林样本RMSE分别为0.02047、0.01986、0.02105，RE大于5%的样本比例分别为1.0%、0.0%、2.0%；不分类转换时，总体样本、落叶阔叶林、混交林样本RMSE分别为0.02599、0.02495、0.02697，RE大于5%的样本比例分别为5.0%、4.1%、6.0%。可见，分类、不分类转换都有较高的模型转换精度。

图3 落叶阔叶林样本不转换、分类转换NDVI和MODIS NDVI比较情况

图4 混交林样本不转换、分类转换NDVI和MODIS NDVI比较情况

图5 两种样本不转换、不分类转换NDVI和MODIS NDVI比较情况

进一步，对比分析分类、不分类转换方案。首先比较两种情况下所得NDVI的绝对差值。两者之间差别很小，平均差值约为0.0066。从表4中可以看出，不转换时，RE大于5%占总体样本的比例为16.2%，比例很高；分类转换时，比例为1.0%，转换精度很高。但实际应用中，要对覆盖类型进行判断，且受不同覆盖类型的影响；不分类转换时，比例为5.0%，转换精度还算不错。因此，可以采用不分类的转换方程，将HJ－1NDVI转换为MODIS NDVI。

表4 各转换方案精度比较

3 结束语

HJ－1与MODIS在遥感器波段设置和光谱响应函数上存在差异，导致两遥感器在红光和近红外波段所接收的地物反射信号不同，产生了NDVI的不一致性问题。本文通过Hyperion数据模拟生成HJ－1与MODIS波段反射率数据，进而计算相应NDVI并进行定量分析。所得结论如下：

尽管HJ－1与MODIS红、近红外波段的波段设置和光谱响应函数不同，两遥感器NDVI存在极显著的线性正相关关系（R2＞0.99），表现出较高的相关性和一致性。

地表覆盖类型对两遥感器NDVI定量关系影响的研究表明，不同覆盖类型下，HJ－1与MODIS NDVI的定量关系存在细微差别。采用基于单一覆盖类型的分类转换方程和基于混合覆盖类型的不分类转换方程，将HJ－1NDVI转换为MODIS NDVI，都有较高的转换精度。考虑到分类转换在实际应用中要对覆盖类型进行判断，较为复杂，而不分类转换又能满足定量应用要求，认为可采用不分类的转换方程，将HJ－1NDVI转换为MODIS NDVI。

值得注意的是，采用高光谱Hyperion数据模拟得到宽波段遥感数据，由于光谱响应函数和空间点扩散函数都是近似的，所得到的模拟反射率数据和遥感器真实反射率数据有一定偏差，由此造成对结果的影响需要在今后的工作中作进一步的研究。

单一遥感器由于覆盖范围、过境时间以及云覆盖等因素，其植被指数产品的应用往往存在局限性。本文的研究结果表明HJ－1与MODIS NDVI可以进行定量转换，互为补充使用。其他遥感器植被指数也可按照类似方法进行相互转换，为扩展植被指数的定量应用提供了一定的思路。

［1］ BUSETTO L，MERONI M，COLOMBO R.Combining medium and coarse spatial resolution satellite data to improve the estimation of sub－pixel NDVI time series［J］.Remote Sensing of Environment，2008，112（1）：118－131.

［2］ TONG A，HE Y.Comparative analysis of SPOT，Landsat，MODIS，and AVHRR normalized difference vegetation index data on the estimation of leaf area index in a mixed grassland ecosystem［J］.Journal of Applied Remote Sensing，2013，7（1）：1－16.

［3］ MIURA T，YOSHIOKA H，FUJIWARA K，et al.Inter－comparison of ASTER and MODIS surface reflectance and vegetation index products for synergistic applications to natural resource monitoring［J］.Sensors，2008，8（4）：2480－2499.

［4］ JAVADNIA1E，MOBASHERIL M R，KAMALI G.MODIS NDVI quality enhancement using ASTER images［J］.Journal of Agricultural Science and Technology，2009，11：549－558.

［5］ TEILLET P M，STAENZ K，WILLIAM D J.Effects of spectral，spatial，and radiometric characteristics on remote sensing vegetation indices of forested regions［J］.Remote Sensing of Environment，1997，61（1）：139－149.

［6］ STEVEN M D，MALTHUS T J，BARET F，et al.Intercalibration of vegetation indices from different sensor systems［J］.Remote Sensing of Environment，2003，88（4）：412－422.

［7］ MIURA T，HUETE A，YOSHIOKA H.An empirical investigation of cross－sensor relationships of NDVI and red／nearinfrared reflectance using EO－1Hyperion data［J］.Remote Sensing of Environment，2006，100：223－236.

［8］ MIURA T，TURNER J P，AND HUETE A.Spectral compatibility of the NDVI across VIIRS，MODIS，and AVHRR：An analysis of atmospheric effects using EO－1Hyperion［J］.IEEE Transactions on Geoscience and Remote Sensing，2013，51（3）：1349－1359.

［9］ 徐涵秋，张铁军.ASTER与Landsat ETM＋植被指数的交互比较［J］.光谱学与光谱分析，2011，31（7）：1902－1907.

［10］ 赵凯，徐剑波，赵之重，等.HJ－1A／B CCD与Landsat TM／ETM＋植被指数的交互比较［J］.遥感技术与应用，2013，28（4）：674－680.

［11］ BROWN M E，LARY D J，VRIELING A，et al.Neural networks as a tool for constructing continuous NDVI time series from AVHRR and MODIS［J］.International Journal of Remote Sensing，2008，29（24）：7141－7158.

［12］ GALLO K，JI L，REED B，et al.Multi－platform comparisons of MODIS and AVHRR normalized difference vegetation index data［J］.Remote Sens.Environ.，2005，99（3）：221－231.

［13］ 谭炳香，李增元，陈尔学，等.EO－1Hyperion高光谱数据的预处理［J］.遥感信息，2005，20（6）：38－43.

Quantitative Analysis of Relationship Between HJ－1 NDVI and MODIS NDVI

CHEN Xing1，2，LIU Zhi－hua1，2
（1.Chongqing Institute of Surreying and Planning for Land Resources and Housing，Chongqing400020；2.Chongqing Engineering Research Center of Land Use and Remote－Sense Monitoring，Chongqing400020）

Quantitative relationship between NDVI of HJ－1and MODIS was acquired using Hyperion hyperspectral data.Hyperion scenes were processed to simulate NDVI of the two sensors.To study the effect of land cover on the relationship of NDVI of HJ－1and MODIS，regression models were derived both for land cover－dependent and land cover－independent situation.The conversion models were directly validated by comparison of HJ－1and MODIS image data.The result indicated that HJ－1 NDVI was highly correlated with MODIS NDVI（R2＞0.99）；Regression models under both situations worked well.The land cover－dependent model worked slightly better than the land cover－independent，but it was more complicated when used.So it was suggested to use a single equation to convert HJ－1NDVI to MODIS NDVI.

NDVI；quantitative relationship；HJ－1；MODIS；spectral response function

10.3969／j.issn.1000－3177.2015.04.015

TP79

A

1000－3177（2015）140－0085－06

2014－02－13

2014－03－17

“十二五”国家科技支撑计划课题（2012BAJ22B06）。

陈星（1989—），女，硕士，主要从事遥感应用方面研究。

E－mail：chenxing1989＠163.com