植被覆蓋區(qū)VIIRS與MODIS遙感指數(shù)的相關(guān)性

孟令奎， 李曉香, 張 文

(武漢大學(xué)遙感信息工程學(xué)院，湖北 武漢 430079)

植被在生物圈中扮演著重要角色，影響著生態(tài)系統(tǒng)的平衡，是環(huán)境、氣候的重要指示因子，因此，植被監(jiān)測一直是人們關(guān)注的重點(diǎn)。近年來，隨著遙感技術(shù)的發(fā)展，采用衛(wèi)星影像實(shí)時(shí)獲取大面積植被信息，成為植被監(jiān)測的重要手段。

植被指數(shù)通過強(qiáng)化可見光(主要是紅光)與近紅外波段反射率之間的差異來反映植被生長狀況[1-2]，比較典型的是歸一化差分植被指數(shù)(NDVI)，NDVI在耕地信息提取、草地牧草鮮質(zhì)量估算、土地覆被分類及其變化、作物長勢監(jiān)測、物候監(jiān)測、氣候變化監(jiān)測、氣象因子監(jiān)測、干旱監(jiān)測等[3-5]方面得到廣泛應(yīng)用。MODIS(Moderate resolution imaging spectroradiometer)NDVI自1999年起逐步替代AVHRR(Advanced very high reso- lution radiometer)NDVI，提供近20年全球NDVI數(shù)據(jù)。其繼承了AVHRRNDVI的優(yōu)點(diǎn)，同時(shí)彌補(bǔ)AVHRRNDVI的部分不足，如定標(biāo)精度更高，更靈敏，能更好地反映植被狀況[6-7]，已成為目前應(yīng)用最廣泛歸一化差分植被指數(shù)。2011年10月28日美國發(fā)射了Suomi NPP(The suomi national polar-orbiting partnership)衛(wèi)星，該衛(wèi)星用來接替超期服役的Terra、Aqua。Suomi NPP攜帶包括VIIRS(The first visible/Infrared imager/Radiometer suite)在內(nèi)的5個(gè)對地觀測儀器，VIIRS傳感器在波段設(shè)置方面總體上與MODIS傳感器較為相似。

VIIRS植被指數(shù)環(huán)境產(chǎn)品包含TOA(The top of the atmosphere)NDVI和TOC(The TOP of canopy)EVI(The enhanced vegetation index)[8]，未來JPSS-1和JPSS-2計(jì)劃中，植被指數(shù)環(huán)境產(chǎn)品將包含TOCNDVI[9]。當(dāng)前各類植被覆蓋區(qū)的干旱模型、作物估產(chǎn)模型、作物長勢監(jiān)測模型等各類模型涉及最多的是MODISNDVI?，F(xiàn)今處于MODIS隨時(shí)失效的階段，探究植被覆蓋區(qū)VIIRSNDVI與MODISNDVI的關(guān)系，以獲取長時(shí)間序列的MODISNDVI，具有十分重要的現(xiàn)實(shí)意義。Vargas等發(fā)現(xiàn)VIIRS TOANDVI與MODIS TOANDVI反映植被覆蓋程度的能力具有一致性[8]，二者的每天和16 d的值均非常相似，植被覆蓋區(qū)2種指數(shù)隨時(shí)間變化趨勢相同，采用VIIRSNDVI獲取時(shí)間序列MODISNDVI是可行的。國內(nèi)外關(guān)于植被覆蓋區(qū)VIIRSNDVI和MODISNDVI關(guān)系的研究是空白的，為填補(bǔ)空白，解決現(xiàn)實(shí)需求，本研究以河南地區(qū)為例，采用探索性數(shù)據(jù)分析方法，探究農(nóng)田、林地、草地等植被覆蓋區(qū)的VIIRSNDVI與MODIS TOCNDVI定量關(guān)系，并對模型的精度和時(shí)序應(yīng)用進(jìn)行分析，以期為獲取長期序列NDVI提供模型支撐和科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

河南省地處中國中東部，位于北緯31°23′～36°22′，東經(jīng)110°21′～116°39′。其處于暖溫帶-亞熱帶、濕潤-半濕潤季風(fēng)氣候，夏季高溫多雨，冬季寒冷干燥。境內(nèi)多平原，約占總面積的55.7%，植被覆蓋類型主要為農(nóng)田、林地和草地。河南省是中國的糧食大省，主要糧食作物為冬小麥和夏玉米。

1.2 數(shù)據(jù)分析與處理

MODIS和VIIRS具體技術(shù)指標(biāo)如表1所示，2顆衛(wèi)星在同一個(gè)軌道平面運(yùn)行，NPP衛(wèi)星和Aqua衛(wèi)星有相同的降交點(diǎn)時(shí)間，軌道高度略高于Aqua，相應(yīng)的運(yùn)行周期大。NPP 和Aqua日過境次數(shù)均為2次，因此，對于有時(shí)間限制的數(shù)據(jù)需求，NPP亦能與Aqua一樣滿足要求。其次，VIIRS幅寬大于MODIS。VIIRS傳感器紅光和近紅外波段的空間分辨率為375 m[10]，MODIS相應(yīng)波段的空間分辨率為250 m[11]，但VIIRS采用一種特別的“蝴蝶結(jié)”效應(yīng)去除方法，通過像元聚合控制越靠近邊沿象素重疊越嚴(yán)重的現(xiàn)象，最終VIIRS的像素尺寸只在條帶邊緣加倍。VIIRS紅光波段較MODIS紅光波段整體擴(kuò)大，增幅較小，近紅外波段設(shè)置極其相近。

表1 VIIRS和MODIS主要技術(shù)指標(biāo)對比

植被分布數(shù)據(jù)采用國家基礎(chǔ)地理信息中心的GlobeLand30產(chǎn)品，植被類型選取農(nóng)田、林地、草地等3類(圖1)。為減少環(huán)境因子對試驗(yàn)結(jié)果的影響，選用MODIS和VIIRS 8 d最大值合成的地表反射率產(chǎn)品，分別為MYD09A1和NPP_D8SRFHKM_L3D，均來源于NASA LAADS，空間分辨率同為500 m。

圖1 河南省植被分布圖Fig.1 Vegetation distribution of Henan province

遙感數(shù)據(jù)MYD09A1和NPP_D8SRFHKM_L3D是經(jīng)過輻射定標(biāo)、大氣校正和精確的地理定位等預(yù)處理的合成產(chǎn)品，為方便存儲，NASA LAADS將地表反射率通過一定的方法轉(zhuǎn)化為了整型，因此，需采用其逆向方法[公式(1)]轉(zhuǎn)化為真實(shí)地表反射率，然后采用公式(2)得到相應(yīng)的NDVI合成產(chǎn)品。

T_V= 0.000 1*S_V

(1)

1.3 NDVI指數(shù)建模

1.3.1 不同植被覆蓋區(qū)MODISNDVI和VIIRSNDVI相關(guān)性建模 遙感圖像密度散點(diǎn)圖是2個(gè)波段組合光譜空間結(jié)構(gòu)信息的最佳圖示方式，是探索相同空間位置不同數(shù)據(jù)未知關(guān)系的重要定量方法，本試驗(yàn)采用密度散點(diǎn)圖探究農(nóng)田、林地和草地等植被覆蓋區(qū)MODISNDVI和VIIRSNDVI呈現(xiàn)的空間關(guān)系特征。為減弱環(huán)境因子對試驗(yàn)結(jié)果的影響，選取2種傳感器 2013-2015年3年每月受環(huán)境因子影響小的同時(shí)序影像作為樣本，得到如圖2所示的密度散點(diǎn)圖(試驗(yàn)序列較多，本研究僅給出2013年單數(shù)月)。

圖2中1月份、3月份、5月份、7月份、9月份、11月份農(nóng)田、林地、草地MODISNDVI和VIIRSNDVI點(diǎn)分布密集，集中于一條直線，呈現(xiàn)出明顯的線性關(guān)系。采用Pearson相關(guān)分析法分析其相關(guān)性的強(qiáng)弱，圖3為樣本數(shù)據(jù)的相關(guān)系數(shù)，農(nóng)田、林地、草地的MODISNDVI和VIIRSNDVI存在顯著的正相關(guān)，相關(guān)系數(shù)多數(shù)集中在 0.75～0.95，最高可達(dá)0.96，平均在0.80以上。

圖2 各類植被覆蓋區(qū)MODIS NDVI和VIIRS NDVI密度散點(diǎn)圖Fig.2 Density scatter plots of VIIRS NDVI and MODIS NDVI in different vegetation coverage areas

圖3顯示，同時(shí)期農(nóng)田、林地、草地MODISNDVI和VIIRSNDVI的相關(guān)性相差不大，基本相等。同類別不同時(shí)期，相關(guān)性存在一定的波動(dòng)，大多數(shù)時(shí)期波動(dòng)較小。其次每年的七月或者八月相關(guān)性較小，且各類植被相關(guān)性相差較大。結(jié)合原始影像發(fā)現(xiàn)，影像質(zhì)量越好相關(guān)性越高，七、八月份影像質(zhì)量較差，相應(yīng)的相關(guān)性較弱。影響影像質(zhì)量的因素有很多，如云、霧、氣溶膠顆粒等，結(jié)合研究區(qū)特點(diǎn)分析可知，影響本研究區(qū)影像質(zhì)量的主要是季節(jié)因素，與其他月份相比，七、八月份河南省云雨天氣較多。通過與前后期影像對比，VIIRS受云雨天氣影響較大，近紅外波段和紅光波段反射率受到不同程度影響，出現(xiàn)較多異常值。

a:2013-01;b:2013-05;c:2013-09;d:2014-01;e:2014-05;f:2014-09;g:2015-01;h:2015-05;i:2015-09;j:2016-01。圖3 2013-2015年各類植被覆蓋區(qū)MODIS NDVI和VIIRS NDVI的相關(guān)系數(shù)Fig.3 Correlation coefficient between VIIRS NDVI and MODIS NDVI in different vegetation coverage areas from 2013 to 2015

最小二乘法是最常用的多元線性擬合方法，通過最小化誤差的平方和找到樣本數(shù)據(jù)的最佳匹配關(guān)系模型，用最簡單的方法求得不可知的數(shù)據(jù)反演，同時(shí)保證誤差平方之和最小。試驗(yàn)在2013年2月、5月、8月和11月各選一景受環(huán)境因子影響小的同時(shí)序VIIRSNDVI和MODISNDVI影像數(shù)據(jù)作為樣本，裁剪出農(nóng)田、林地和草地同時(shí)序影像數(shù)據(jù)，獲取各類別4個(gè)時(shí)期總的VIIRSNDVI和MODISNDVI數(shù)據(jù)，進(jìn)行最小二乘法線性擬合，得到農(nóng)田、林地、草地VIIRSNDVI和MODISNDVI相對較優(yōu)的關(guān)系模型。

y1=0.873 0x1+0.048 3

(3)

y2=0.932 0x2+0.032 5

(4)

y3=0.857 9x3+0.048 7

(5)

式中y1、x1,y2、x2,y3、x3分別表示農(nóng)田、林地和草地的MODISNDVI和VIIRSNDVI。

1.3.2 植被覆蓋區(qū)MODISNDVI和VIIRSNDVI綜合關(guān)系模型 模型的好壞取決于精度，但在實(shí)際應(yīng)用中還需滿足便捷性，為了實(shí)現(xiàn)模型的便捷性，研究求取了植被覆蓋區(qū)的綜合關(guān)系模型。研究綜合農(nóng)田、林地和草地MODISNDVI和VIIRSNDVI的關(guān)系特征，分析農(nóng)田、林地、草地的MODISNDVI和VIIRSNDVI綜合定量關(guān)系是線性的。

將農(nóng)田、林地和草地3類植被總樣本的MODISNDVI和VIIRSNDVI像元值一一對應(yīng)，采用最小二乘線性擬合，得到綜合關(guān)系模型(6)。

y=0.893 9x+0.039 2

(6)

式(6)中y、x分別為植被覆蓋區(qū)MODISNDVI和VIIRSNDVI。

2 結(jié)果與分析

2.1 模型精度與適用性分析

選取2014年1月、4月、7月、10月受環(huán)境因子影響小的同時(shí)序 MODISNDVI和VIIRSNDVI對各類植被關(guān)系模型和綜合模型進(jìn)行驗(yàn)證。本研究采用相關(guān)系數(shù)、均方根誤差和平均絕對誤差3個(gè)精度指標(biāo)進(jìn)行精度評價(jià)，各類植被覆蓋區(qū)采用2種模型反演結(jié)果的精度如表2所示。各類植被采用各自關(guān)系模型反演結(jié)果相關(guān)系數(shù)集中在0.870 0以上，農(nóng)田、林地、草地平均相關(guān)系數(shù)分別為0.917 4、0.907 4、0.902 9，對應(yīng)的均方根誤差主要集中在0.07以下，絕對值誤差主要集中在0.05以下，7月份略大，這與7月份2種傳感器受環(huán)境因子影響不同有關(guān)。與各自關(guān)系模型相比，綜合模型反演結(jié)果的相關(guān)性不變，均方根誤差與絕對值誤差與采用各自關(guān)系模型的誤差相差不大，有的綜合關(guān)系模型結(jié)果更優(yōu)。說明，在保證精度的前提下，采用綜合模型反演MODIS NDVI，更能滿足實(shí)際需求。

(7)

(8)

公式(7)、公式(8)中xi表示通過模型反演的值，xi0表示對應(yīng)像元的真值，n為參與驗(yàn)證的像元總數(shù)。

為驗(yàn)證綜合模型的普適性，本研究將全中國作為驗(yàn)證區(qū)，選取全國普遍天氣較好的2013年第282～289 d的合成產(chǎn)品作為驗(yàn)證數(shù)據(jù)，采用GlobeLand30產(chǎn)品判定植被覆蓋區(qū)，隨機(jī)均勻地選擇28處區(qū)域(50 km×50 km)對綜合模型進(jìn)行精度分析，3種精度指標(biāo)的結(jié)果如下：相關(guān)性最大值為0.931 8，最小值為0.678 2，平均為0.833 9；均方根誤差最大值為0.081 8，最小值為0.022 5，平均為0.046 7；絕對值誤差最大值為0.053 3，最小值為0.016 5，平均為0.046 6。從3個(gè)指標(biāo)可以看出，綜合模型可在全國植被區(qū)有效用于2種傳感器的歸一化差分植被指數(shù)的轉(zhuǎn)換。

2.2 綜合模型分析

為了直觀表現(xiàn)綜合模型的反演情況，探究不同季節(jié)綜合模型的適用情況，選取了2014年單數(shù)月進(jìn)行分析，圖4為綜合反演結(jié)果以及相應(yīng)的植被覆蓋區(qū)VIIRSNDVI和MODISNDVI空間分布圖。

表2 精度評價(jià)結(jié)果

圖中的空白區(qū)為其他地物類別。圖4 綜合模型反演結(jié)果對比分析圖Fig.4 Analysis chart of inversion results of comprehensive model

由圖4可知，1月、3月、11月NDVI<0.2的區(qū)域，VIIRSNDVI、反演MODISNDVI、MODISNDVI三者的一致性差。各月0.20.8)的林地、農(nóng)田和草地區(qū)域反演MODISNDVI與MODISNDVI一致性高，幾乎可以替代MODISNDVI，VIIRSNDVI與MODISNDVI一致性差，表現(xiàn)為VIIRSNDVI高植被區(qū)范圍大于MODISNDVI。根據(jù)研究區(qū)的實(shí)際情況，1月、3月、11月NDVI<0.2的區(qū)域?yàn)槁阃羺^(qū)，因此，綜合模型在各類植被的生命周期內(nèi)不同生長階段適用度都很高，未來MODIS停用后，可繼續(xù)用VIIRS數(shù)據(jù)獲取植被覆蓋區(qū)長時(shí)間序列的MODISNDVI。

2.3 模型時(shí)序應(yīng)用

植被指數(shù)是用于植被物候監(jiān)測的重要參數(shù)，受植物生長季節(jié)的影響，隨著植被的生長而變化，植被指數(shù)的時(shí)序曲線與植被的時(shí)序特征關(guān)系密切，因此植被指數(shù)反演模型的時(shí)序應(yīng)用是檢驗(yàn)?zāi)Ｐ秃脡牡闹匾矫?。本試?yàn)選取研究區(qū)2015年重合時(shí)段VIIRSNDVI和MODISNDVI，采用綜合模型得到反演MODISNDVI，然后利用農(nóng)田、草地和林地矢量圖裁剪出各類植被覆蓋區(qū)，最后統(tǒng)計(jì)得到如圖5所示的2015年農(nóng)田、林地和草地的時(shí)序曲線。

由圖5分析可知，同時(shí)期MODISNDVI和反演MODISNDVI走勢相同。農(nóng)田在秋、冬季節(jié)植被覆蓋率低，4月開始返青，5月底和10月初，河南省大量的作物成熟收獲，植被覆蓋率驟然降低，6月中旬和10月下旬耕種，植被覆蓋率逐漸升高。林地與草地在春末夏初開始返青，春末夏初植被生長茂盛，持續(xù)到秋末。上述植被變化情況均能在MODISNDVI和反演MODISNDVI體現(xiàn)。河南省在每年10月至次年6月主要農(nóng)作物為冬小麥，7月至9月主要農(nóng)作物為夏玉米。結(jié)合冬小麥和夏玉米的實(shí)測圖[12](圖6)可知，10月至次年6月初的MODISNDVI和反演MODISNDVI走勢與實(shí)測冬小麥植被生物量的變化趨勢線相同。7月至9月MODISNDVI和反演MODISNDVI與實(shí)測夏玉米植被生物量的變化趨勢線相同，這表明反演MODIS歸一化植被指數(shù)與MODISNDVI在反映植被生物量方面具有一致性。此外，模型反演的MODISNDVI整體均衡化程度高，實(shí)際MODISNDVI相對出現(xiàn)極端的情況略多，多數(shù)時(shí)期二者大小極其接近，整體上變化趨勢一致。綜上分析可知，模型反演的MODISNDVI在反映植被的時(shí)序特征方面具有很好的效果。

圖5 植被覆蓋區(qū)時(shí)序曲線Fig.5 Time series curve of ture and derived MODIS NDVI in the vegetation coverage area

圖中冬小麥生長周期跨越兩個(gè)年份，從第一年的第288 d至第二年的148 d。圖6 冬小麥和夏玉米的生物量變化趨勢線Fig.6 Trend line for biomass of winter wheat and summer maize

3 討 論

VIIRS具有中高分辨率2種工作模式，是NOAA衛(wèi)星上高分辨率輻射儀AVHRR和EOS系統(tǒng)Terra以及Aqua衛(wèi)星上中分辨率成像光譜儀MODIS系列的拓展和性能改進(jìn)[13]。當(dāng)MODIS失效時(shí)，VIIRS在延續(xù)MODIS的任務(wù)上將發(fā)揮重要作用。本研究主要針對MODIS 歸一化差分植被指數(shù)延續(xù)展開研究，綜合采用二維密度散點(diǎn)圖和數(shù)學(xué)統(tǒng)計(jì)方法分析植被覆蓋區(qū)MODISNDVI和VIIRSNDVI的定量關(guān)系，結(jié)果發(fā)現(xiàn)：

(1)農(nóng)田、林地、草地的VIIRSNDVI和MODISNDVI間均存在顯著的線性關(guān)系，相關(guān)系數(shù)平均在0.8以上。

(2)驗(yàn)證并分析農(nóng)田、林地、草地的VIIRSNDVI和MODISNDVI關(guān)系模型和基于所有植被覆蓋區(qū)的綜合關(guān)系模型，結(jié)果表明各自關(guān)系模型和綜合關(guān)系模型均能較好地反映兩者之間的定量關(guān)系，實(shí)現(xiàn)二者的轉(zhuǎn)換。綜合模型能滿足人們對精度和便捷性的要求，在中國植被覆蓋區(qū)(農(nóng)田、林地和草地)具有很好的普適性。

(3)對比分析綜合模型反演的MODISNDVI與MODISNDVI的時(shí)序曲線，發(fā)現(xiàn)二者在反映植被季節(jié)性如返青等和植物生物量方面具有一致性，均具有很好的指示作用。

未來VIIRSNDVI將逐步應(yīng)用于各項(xiàng)工作，如大面積農(nóng)作物估產(chǎn),植物的物候期研究,以及地表植被分類，本研究為這些工作提供了有力的技術(shù)支持，為各項(xiàng)植被監(jiān)測所需的長時(shí)序MODISNDVI提供了模型。

VIIRSNDVI和MODISNDVI在7、8月份相關(guān)性稍弱，與NDVI易受環(huán)境因子影響有關(guān)，研究雖然選擇了8 d合成產(chǎn)品，且盡可能選用了受天氣影響較小的影像作為研究樣本，在一定程度上減弱了天氣的影響，但是仍無法徹底消除影響。今后的研究應(yīng)致力于如何減弱環(huán)境因子對VIIRS影像數(shù)據(jù)的影響，使得VIIRS數(shù)據(jù)獲取更準(zhǔn)確的地表覆蓋信息，能更好地監(jiān)測植被覆蓋和植物生長狀況。

參考文獻(xiàn)：

[1] 王正興，劉 闖，ALFREDO H. 植被指數(shù)研究進(jìn)展:從AVHRR-NDVI到MODIS-EVI[J].生態(tài)學(xué)報(bào)，2003，23(5)：979-987.

[2] 衛(wèi) 煒，吳文斌，李正國，等. 時(shí)間序列植被指數(shù)重構(gòu)方法比對研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2014，35(1)： 34-43.

[3] 左麗君，張?jiān)鱿?，董婷婷，? MODIS/NDVI和MODIS/EVI在耕地信息提取中的應(yīng)用及對比分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24(3):167-172.

[4] 米兆榮，張耀生，趙新全，等.NDVI和EVI在高寒草地牧草鮮質(zhì)量估算和植被動(dòng)態(tài)監(jiān)測中的比較[J].草業(yè)科學(xué)，2010，203(6)：13-19.

[5] 朱 滿，胡光宇，于之峰. 基于融合NDVI和EVI時(shí)間序列的遙感影像分類研究[J]. 遙感信息，2009，105(5)：44-46,66.

[6] 劉良明，梁益同，馬慧云，等. MODIS 和 AVHRR 植被指數(shù)關(guān)系的研究[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2004，29(4)： 307-310.

[7] 梁天剛，崔 霞，馮琦勝. 2001-2008年甘南牧區(qū)草地地上生物量與載畜量遙感動(dòng)態(tài)監(jiān)測[J].草業(yè)學(xué)報(bào)，2009，18(6)：12-22.

[8] VARGAS M，MIURA T，SHABANOV N，et al. An initial assessment of Suomi NPP VIIRS vegetation index EDR[J]. Journal of Geophysical Research： Atmospheres，2013，118(12)：301-312，316.

[9] SHABANOV N，VARGAS M，MIURA T，et al. Evaluation of the performance of suomi NPP VIIRS top of canopy vegetation indices over AERONET sites[J]. Remote Sensing of Environment，2015，162： 29-44.

[10] XIA L，MAO K，MA Y，et al. Retrieval land surface temperature from visible infrared imager radiometer suite data[J]. Transactions of the Chinese Society of Agricultural Engineering，2014，30(8)： 109-116.

[11] 趙明洋，別 強(qiáng)，何 磊，等. 基于去云處理的祁連山積雪覆蓋遙感監(jiān)測研究 [J]. 干旱地理, 2014，37(2)：325-332.

[12] 范 蘭，呂昌河，王學(xué)春，等. EPIC模型對華北平原冬小麥與夏玉米生長和產(chǎn)量模擬的適用性評價(jià)[J]. 麥類作物學(xué)報(bào)，2014，34(12)：1677-1684.

[13] 李旭文，牛志春，姜 晟，等. 環(huán)境監(jiān)測衛(wèi)星 Suomi NPP 業(yè)務(wù)特性及生態(tài)環(huán)境監(jiān)測應(yīng)用[J]. 環(huán)境監(jiān)控與預(yù)警，2014，6(3)：1-6.