Landsat 9卫星影像预处理方法及应用*——以南京市植被生态遥感监测为例

彭继达 马治国 吴作航

(福建省气象科学研究所，福建 福州 350001)

美国陆地卫星计划是美国航空航天局与美国地质调查局的一项联合计划，该计划从1972年7月23日以来，已陆续发射8颗卫星。其中，第1～5颗均相继退役，第6颗发射失败，第7、8颗在轨，其中第7颗卫星机载扫描行校正器故障，严重影响了影像的使用，而第8颗卫星(Landsat 8)在轨运行稳定，应用较广泛。Landsat 9为美国陆地卫星规划的第九颗卫星，于2021年9月发射，经过近半年的试运行，已收集5万余张地球图像，并于2022年2月10日正式向全球开放数据下载。Landsat 9搭载由Ball Aerospace&Technologies公司建造的第二代陆地成像仪OLI-2(Operational Land Imager 2)和美国国家航空航天局建造的第二代热红外传感器TIRS-2(Thermal Infrared Sensor 2)。OLI-2能够实现对地球表面可见光、近红外和中红外波段的监测；TIRS-2可以实现对地球表面热红外波段的监测[1-2]。

国内外学者利用Landsat卫星影像在森林植被、生态环境、农业种植、国土资源利用等方面进行了诸多研究[3-6]。在植被生态遥感监测方面，代表性的有王曦[7]等利用Landsat历史序列影像分析了北京植被覆盖度变化趋势；张晨宇等[8]利用Landsat长时间序列影像研究了黄河口保护区典型湿地植被时空变化特征；沈小雪等[9]基于Landsat遥感数据开展红树林范围与种类识别的研究，结果显示红树林范围识别的总体精度较高；罗洪斌等[10]利用Landsat 8 OLI对森林蓄积量进行估测，有效提高蓄积量的估测精度；郭英璋等[11]基于Google Earth Engine中的长时间序列Landsat影像对长汀县植被扰动与恢复长时序进行监测研究，为长汀水土流失环境治理提供一定科学依据。但这些研究多基于Landsat 8或更早期的Landsat系列卫星影像数据开展，而最新发射的Landsat 9卫星影像却少有研究。Landsat 9搭载的OLI-2和TIRS-2仪器辐射精度从Landsat 8的12bit提高到14bit，辐射分辨率大幅度提高，且信噪比也有所提升[12-14]。在时间分辨率方面，Landsat 8和Landsat 9 的时间分辨率都是16d，但是它们的轨道时间间隔进行了有效协同互补，可得到时间分辨率为8d的Landsat影像。因此，开展Landsat 9卫星影像的预处理及应用研究具有重要意义。本研究以南京市为例，研究Landsat 9卫星影像的预处理方法及其在植被覆盖遥感监测中的应用效果。

1 Landat 9卫星影像预处理

1.1 Landsat 9卫星影像数据获取及影像特征

Landsat9为近极地太阳同步回归轨道卫星，轨道高度为705km，轨道倾角98.2°，降交点地方时约为上午10点40分(北京时，下同)，回归周期为16d，单景宽幅为185km，设计寿命为5年(表1)。

表1 Landsat 9卫星轨道参数

Landsat 9搭载OLI-2和TIRS-2仪器，其中OLI-2包含9个波段，波谱横跨可见光、近红外和中红，可实现植被、海岸带、气溶胶、水汽和云等的监测；TIRS-2包含2个热红外波段，可实现地球表面的热红外辐射或热环境监测需求。Landsat 9的1～7波段和9波段空间分辨率为30m、8波段空间分辨率为15m、10～11波段空间分辨率为100m(表2)。

表2 Landsat 9卫星有效载荷技术指标

遥感卫星的光谱响应函数指的是卫星探测器每个波谱段的响应宽度，为卫星探测器的重要性能参数之一。卫星接收到不同波段能量的强弱取决于探测器的光谱响应特征。由于探测器硬件的限制，其在某个预定波段范围内无法做到100% 响应，通常呈现正态分布的单峰函数，Landsat 9不同波段的光谱响应特征如图1所示。

图1 Landsat 9不同波段相对光谱响应

2022年2月10日起，美国地质勘探局(USGS)官网(https://glovis.usgs.gov/)开放提供Landsat 9卫星影像，包括Level 1T和Level 2T数据产品。其中，Level 1T为经过几何校正的原始影像数据，Level 2T为2级产品数据。本研究选取江苏省南京市2021年11月24日过境的一景Landsat 9卫星Level 1T影像产品展开讨论(条带号为120，行编号为38)。

1.2 Landsat 9卫星影像辐射定标

辐射定标是指将卫星影像中像元辐射强度转化为辐射亮度、地表反射率或表面温度等物理量的处理过程，为定量遥感的前提。Landsat 9卫星影像通过定标公式来确定辐射强度与辐射亮度二者间的相互关系[13-14]。Landsat 9卫星影像定标计算公式为:

L=AG+N

(1)

式(1)中，L为表观辐射亮度，单位为W·m-2·sr-1·m-1；A为增益系数，单位为W·m-2·sr-1·m-1；G为像元辐射强度，无量纲；N为偏差系数，单位为W·m-2·sr-1·m-1。计算得到表观辐射亮度后，可以继续计算表观反射率，公式为[14-15]：

(2)

式(2)中，ρ为表观反射率，无量纲；π为常数；h为日地之间距离，单位为天文单位；E为太阳辐照度，单位为W·m-2·sr-1·m-1；θ为太阳天顶角，单位为度。

表3为本研究所用Landsat 9卫星影像定标所需的A值和N值，该定标系数可以在Landsat 9卫星影像数据的头文件中读取。

表3 Landsat 9卫星辐射定标系数

1.3 Landsat 9卫星影像大气校正

卫星探测器接收到的电磁波能量均要与地球大气层发生相互作用，如大气的散射、吸收等，使得电磁波能量出现衰减，地物光谱特征曲线发生变化，导致定量遥感反演地物特征产生较大偏差。Landsat 9卫星探测器的接收光谱主要为可见光、红外范围，该光谱段受大气散射和吸收影响相对较大。植被覆盖度反演属于定量遥感，需要对Landsat 9卫星影像进行大气校正，消除大气的影响。常用的大气校正方法有统计学模型法、暗黑像元法和基于不同辐射传输模型的辐射传输模型法等。本研究采用基于MODTRAN4+辐射传输模型的FLASSH大气校正法对Landsat 9卫星影像进行大气校正，该方法在去除大气中水汽和气溶胶散射效应、矫正漫反射引起的连带效应和目标像元和邻近像元交叉辐射的“邻近效应”方面效果较好[15]。

因本研究为植被生态监测，仅需可见光波段范围光谱数据，因此重点介绍OLI-2影像数据的预处理方法。对Landsat 9卫星OLI-2影像数据分别进行辐射定标和大气校正处理，得到地表真实反射率，并以典型地物植被为例，对比大气校正前后植被的波谱曲线。结果显示，Landsat 9卫星影像经过FLASSH大气校正后，去除了部分大气的影响，特别是在可见光和近红外波段，使得植被波普呈现出真实的植被波普曲线特征(图2)。

图2 Landsat 9的OLI影像大气校正前后典型植被光谱曲线

图3为经过辐射定标和大气校正处理后的南京市2021年11月24日10点40分Landsat 9卫星影像真彩图，R、G、B分别对应Landsat 9卫星影像的4、3、2波段。

图3 南京市Landsat 9卫星影像真彩图

2 Landsat 9卫星影像反演南京市植被覆盖度

2.1 Landsat 9卫星影像反演植被覆盖度

归一化植被指数(NDVI)又被称为标准化植被指数，是植被生长状态以及植被密度分布的重要指标，主要根据植被光谱曲线在0.6～0.7 m高吸收，0.7～1.1 m高反射的特征对植被生长状况进行遥感监测[16-17]。NDVI取值在-1～1，其中负值表示地面覆盖为云、水体或积雪等，0表示地面为裸土或岩石等，正值表示地面有植被覆盖，且随着植被覆盖度增加而增大[18-21]。NDVI计算公式为：

(3)

式(3)中，Xred为Landsat 9卫星影像4通道对应的反射率值，Xnir为Landsat 9卫星影像5通道对应的反射率值。

植被覆盖度是植被在某一区域地面的投影面积占区域面积的百分比。本研究在NDVI的基础上，采用像元二分模型估算植被覆盖度[22]。像元二分模型将影像上任一像元的反射率均考虑为由纯植被部分反射率和无植被(或裸土)部分反射率共同构成，因子权重由各自在像元中的面积占比决定。因此，植被覆盖度可表示为：

(4)

式(4)中，Isoil为无植被覆盖或裸土区域的NDVI值，Iveg为完全被植被覆盖的纯植被像元的NDVI值。为确定裸土区域和纯植被区域像元的NDVI值，本研究先对研究区所有像素NDVI值进行统计并取99.50%置信度对应的NDVI值近似代表Iveg，取0.50%置信度对应的NDVI值近似代表Isoil。

利用Landsat 9卫星影像，基于像元二分模型得到南京市植被覆盖度空间分布。为了便于分析，将植被覆盖度Fv划分成5个等级[22]:Fv大于70%定义为高植被覆盖度，介于50%～70%定义为较高植被覆盖度，介于30%～50%定义为中度植被覆盖度，介于10%～30%定义为较低植被覆盖度，小于10%则定义为低植被覆盖度。

由于研究区有大面积水域(长江、石臼湖等)，本研究利用水体指数MNDWI提取水体，并掩膜后计算植被覆盖度[23]。MNDWI计算公式如下：

Wmndwi=(Xgreen-Xswir)/(Xgreen+Xswir)

(5)

式(5)中，Xgreen和Xswir分别对应Landsat 9的绿波段和中红外1波段的反射率。

2.2 基于植被覆盖度的南京市植被长势分析

利用2021年11月24日Landsat 9卫星影像反演南京市植被覆盖度空间分布如图4所示。总体上看，南京市大部分区域为较高至高植被覆盖度，植被覆盖度均值为60.17%。其中，浦口区植被覆盖度均值最高，为69.18%，大部分区域为高植被覆盖度，主要分布于浦口中部的老山国家森林公园一带；江宁区植被覆盖度次之，均值为64.76%，高植被覆盖度主要分布于东北部江宁大学城和南部等区域；溧水区植被覆盖度均值为61.97%，高植被覆盖度主要分布于无想山景区及东部部分区域；六合区、市区(包括鼓楼区、玄武区、秦淮区、栖霞区、雨花台区和建邺区)和高淳区高植被覆盖度相对较低，均值分别为56.62%、55.90%和52.60%。

图4 南京市不同等级植被覆盖度空间分布

从不同等级植被覆盖度面积统计(表4)可知，高植被覆盖度面积占比最大，占南京市植被覆盖总面积的41.16%；其次为较高植被覆盖度，面积占比为33.69%；中度植被覆盖度占21.41%；较低植被覆盖度和低植被覆盖度占比均较小。总体来看，南京市植被长势较好，植被生态环境较优。

表4 不同等级植被覆盖度面积统计

3 结论与讨论

本文研究最新Landsat 9卫星影像特征及预处理方法，并以2021年11月Landsat 9影像为例，对南京市植被生态遥感进行监测，得到以下结论：

①经过辐射定标、表观反射率计算和大气校正等预处理后，Landsat 9卫星影像去除了部分大气的影响，特别是在可见光和近红外波段，使得植被波普呈现出真实的植被波普曲线特征。

②2021年南京市大部分区域为较高至高植被覆盖度，总体植被长势良好。植被覆盖度按区由高到低依次为浦口区>江宁区>溧水区>六合区>市区>高淳区。从不同等级植被覆盖度面积占比来看，高植被覆盖度面积占比最大，其次为较高植被覆盖度和中度植被覆盖度，较低植被覆盖度和低植被覆盖度占比均较小。

③Landsat 9搭载有最新二代陆地成像仪(OLI-2)和二代热红外成像仪(TIRS-2)，辐射分辨率和信噪比均较上一代有所提升。Landsat 9与Landsat 8协同互补观测，时间分辨率可提高至8d，使Landsat系列卫星的生态遥感监测能力有效提升。