徐涵秋, 黃紹霖

福州大學(xué)環(huán)境與資源學(xué)院，福州大學(xué)遙感信息工程研究所, 福建省水土流失遙感監(jiān)測(cè)評(píng)價(jià)重點(diǎn)實(shí)驗(yàn)室，福建 福州 350116

Landsat 8 TIRS熱紅外光譜數(shù)據(jù)定標(biāo)準(zhǔn)確性的分析

徐涵秋, 黃紹霖

福州大學(xué)環(huán)境與資源學(xué)院，福州大學(xué)遙感信息工程研究所, 福建省水土流失遙感監(jiān)測(cè)評(píng)價(jià)重點(diǎn)實(shí)驗(yàn)室，福建 福州 350116

Landsat系列衛(wèi)星的熱紅外數(shù)據(jù)一直是獲取地球表面溫度的重要數(shù)據(jù)源，而新一代Landsat 8衛(wèi)星的TIRS熱紅外傳感器數(shù)據(jù)進(jìn)一步延續(xù)了這一重要使命。但該衛(wèi)星發(fā)射以來，其熱紅外傳感器的定標(biāo)參數(shù)不斷發(fā)生變化，致使美國地質(zhì)調(diào)查局(USGS)不得不在2014年2月對(duì)所有已獲取的Landsat 8衛(wèi)星數(shù)據(jù)進(jìn)行重新處理。為了考察新處理數(shù)據(jù)的定標(biāo)準(zhǔn)確性，利用定標(biāo)精度很高的Landsat 7 ETM+的3幅熱紅外影像來對(duì)同日過空的Landsat 8 TIRS熱紅外影像進(jìn)行對(duì)比, 以查明TIRS熱紅外數(shù)據(jù)的定標(biāo)準(zhǔn)確性。結(jié)果表明，盡管Landsat 8 TIRS與Landsat 7 ETM+的熱紅外光譜數(shù)據(jù)很接近，但是，二者之間也存在著差別。與ETM+6波段反演的大氣頂部溫度相比，TIRS 10波段表現(xiàn)為高估，幅度最大為1.37 K，而TIRS 11波段則表現(xiàn)為低估，幅度可達(dá)-3 K?？梢姡琇andsat 8 TIRS熱紅外光譜數(shù)據(jù)的定標(biāo)參數(shù)精度仍不穩(wěn)定，且以TIRS 11波段表現(xiàn)得更明顯。進(jìn)一步分析發(fā)現(xiàn)，TIRS數(shù)據(jù)的誤差會(huì)隨著地表植被和裸土覆蓋比例的不同而發(fā)生變化。表現(xiàn)在TIRS 10波段的高估會(huì)隨著植被比例的下降而加大，而TIRS 11波段的低估則會(huì)隨著植被比例的下降而減少。因此，雖然USGS提倡用TIRS 10單波段來反演溫度，但TIRS 10波段在低植被高裸土區(qū)的反演精度卻遠(yuǎn)不及TIRS 11波段，所以在低植被高裸土區(qū)可能不宜一味地采用TIRS10波段，在沒有把握的情況下，在低植被覆蓋區(qū)也可嘗試采用TIRS 10和11波段溫度的均值，它可將誤差縮小在<0.5 K范圍以內(nèi)。

Landsat 8; Landsat 7; 熱紅外光譜; 交互對(duì)比; 遙感

引 言

地球表面溫度是區(qū)域熱環(huán)境的重要參數(shù)，它在局域乃至全球氣候變化研究中有著不可或缺的重要地位[1]。當(dāng)前，地表溫度的獲取可通過地面氣象站點(diǎn)實(shí)測(cè)和衛(wèi)星熱紅外遙感。但是，由于地面氣象站點(diǎn)很少，零星分布的實(shí)測(cè)數(shù)據(jù)對(duì)研究大區(qū)域尺度熱環(huán)境的意義十分有限，因此，獲取大范圍地表溫度信息的唯一來源只能借助于遙感衛(wèi)星的熱紅外數(shù)據(jù)。

在中尺度遙感數(shù)據(jù)中，Landsat系列衛(wèi)星已提供了30多年的對(duì)地?zé)峒t外觀測(cè)數(shù)據(jù), 其2013年2月11日新發(fā)射的Landsat 8衛(wèi)星與之前的Landsat系列衛(wèi)星對(duì)比，在許多方面又有了明顯的改進(jìn)[2]。其中最明顯的變化之一，就是設(shè)置了獨(dú)立的熱紅外傳感器TIRS (Thermal Infrared Sensor)。Landsat 8 TIRS傳感器的另一特點(diǎn)就是具有2個(gè)熱紅外光譜波段，分別為TIRS 10和TIRS 11，而此前的Landsat 4，5，7衛(wèi)星的熱紅外傳感器都只有1個(gè)熱紅外波段。2個(gè)熱紅外波段的設(shè)置使得Landsat 8 TIRS可以借助劈窗算法來進(jìn)行大氣校正[3]。

Landsat 8發(fā)射以來，其TIRS熱紅外光譜數(shù)據(jù)的準(zhǔn)確性由于定標(biāo)參數(shù)的多次變換而成為研究者和用戶關(guān)注的焦點(diǎn)。盡管美國地質(zhì)調(diào)查局(USGS)數(shù)次調(diào)整其定標(biāo)參數(shù)，但定標(biāo)結(jié)果的準(zhǔn)確性仍未達(dá)到設(shè)計(jì)要求。為此，本文利用定標(biāo)精度很高的Landsat 7 ETM+的3幅熱紅外影像來對(duì)同日過空的Landsat 8 TIRS熱紅外影像進(jìn)行交互對(duì)比，以對(duì)Landsat 8 TIRS數(shù)據(jù)的定標(biāo)準(zhǔn)確性進(jìn)行定量分析和評(píng)估。

1 實(shí)驗(yàn)部分

1.1 Landsat 8 TIRS數(shù)據(jù)定標(biāo)參數(shù)的變化

自2013年9月16日Landsat項(xiàng)目團(tuán)隊(duì)首次發(fā)現(xiàn)TIRS熱紅外傳感器的10波段需要進(jìn)行偏差校正后，Landsat 8 網(wǎng)站已對(duì)其熱紅外數(shù)據(jù)的定標(biāo)參數(shù)進(jìn)行了數(shù)次調(diào)整。先是要求用戶將TIRS 10 波段求出的光譜輻射值減去0.32 W·(m2·sr·μm)-1，后又將TIRS 10波段的調(diào)整參數(shù)由上述的0.32改為0.29。而對(duì)TIRS 11波段，則要求將所求出的光譜輻射值減去0.51 W·(m2·sr·μm)-1。由于TIRS 11 波段的誤差更大，且無法給出準(zhǔn)確的修正方案，美國地質(zhì)調(diào)查局也因此暫不鼓勵(lì)用劈窗算法來反演地表溫度，而是建議仍采用類似TM/ETM+的單波段方式來計(jì)算地表溫度。定標(biāo)參數(shù)的不斷變化最終導(dǎo)致USGS于2014年2月3日撤下所有已上網(wǎng)的Landsat 8數(shù)據(jù)，并用最新的定標(biāo)參數(shù)對(duì)其進(jìn)行了重新處理，然后再提供給用戶下載使用。

1.2 Landsat 8 TIRS和Landsat 7 ETM+熱紅外數(shù)據(jù)的基本特征

本研究采用交互比較(cross comparison)方法來對(duì)Landsat 8最新定標(biāo)的熱紅外數(shù)據(jù)的準(zhǔn)確性進(jìn)行分析。不同傳感器光譜數(shù)據(jù)之間的交互比較是近十年來出現(xiàn)的遙感熱門課題[4-5]。它可以通過不同遙感傳感器影像之間的對(duì)比來發(fā)現(xiàn)它們之間的異同。而在諸多的衛(wèi)星傳感器中，Landsat 7 ETM+由于傳感器的定標(biāo)做得最好[6]，而被廣泛作為不同傳感器之間交互對(duì)比的參照標(biāo)準(zhǔn)[5, 7-11]。根據(jù)NASA團(tuán)隊(duì)的研究，ETM+熱紅外數(shù)據(jù)的偏差僅為0.6 K左右[12]。因此，本研究選取Landsat 7 ETM+的熱紅外數(shù)據(jù)為標(biāo)準(zhǔn)，將Landsat 8 TIRS的熱紅外數(shù)據(jù)與其對(duì)比，以評(píng)估Landsat 8 TIRS熱紅外數(shù)據(jù)的定標(biāo)準(zhǔn)確性。表1列出了TIRS和ETM+熱紅外波段的主要參數(shù)，從中可以看出，二者熱紅外數(shù)據(jù)的波長范圍基本相同，但在波段數(shù)、空間分辨率和輻射分辨率方面則存在著一定區(qū)別。

1.3 實(shí)驗(yàn)影像與選擇

為了成功進(jìn)行不同傳感器數(shù)據(jù)之間的交互比較，必須選擇兩種傳感器對(duì)于同一目標(biāo)區(qū)域的同日過境影像對(duì)，且二者的太陽方位角和高度角都要很一致，從而保證它們的光譜特征具有可比性[13]。本次研究選用了3對(duì)同日過境、但地點(diǎn)不同的Landsat 8 TIRS和Landsat 7 ETM+影像對(duì)(表2)。影像下載于美國Landsat網(wǎng)站重新處理后的數(shù)據(jù)，其處理級(jí)別為Level 1T，地點(diǎn)為美國西部地區(qū)。

表1 TIRS與ETM+傳感器熱紅外波段的參數(shù)對(duì)比

表2 研究影像對(duì)

Landsat 7 ETM+的掃描線校正器(SLC)在2003年發(fā)生了故障，致使影像產(chǎn)生了大面積的條帶。因此，在剔除條帶、水體和云后，從3對(duì)影像中選出3塊實(shí)驗(yàn)區(qū)，分別代表植被較多[圖1(a)]、植被較少[圖1(b)]和基本無植被[圖1(c)]的3種地表覆蓋區(qū)。

1.4 影像數(shù)據(jù)處理與統(tǒng)計(jì)

當(dāng)前，不同傳感器影像之間的交互比較都是采用基于影像頭文件自帶參數(shù)所反演的反射率或溫度來進(jìn)行，采用的算法也都是Landsat官方網(wǎng)站提供的模型[5, 14-17]，這樣可以避免其他模型帶入的參數(shù)可能導(dǎo)致的結(jié)果不確定性[5, 18-19]。加上本次實(shí)驗(yàn)的3對(duì)影像的成像間隔時(shí)間僅7 min，二者的大氣條件基本相同[5]，因此，本次TIRS與ETM+熱紅外光譜數(shù)據(jù)同樣采用Landsat網(wǎng)站提供的算法和影像頭文件提供的參數(shù)來處理，并據(jù)此對(duì)二者進(jìn)行比較。

對(duì)于Landsat ETM+影像，其官方手冊(cè)的算法首先將影像各波段的象元亮度值轉(zhuǎn)換為大氣頂部的光譜輻射值L，然后再將其轉(zhuǎn)換成大氣頂部的反射率ρ，其模型公式為[17]

L=Q·gain+bias

(1)

(2)

其中[4]

(3)

式(1)中：Q是亮度值，gain和bias是波段的增益值與偏置值； 式(2)中，Es是大氣頂部平均太陽輻照度;θs是太陽天頂角;d是日-地天文單位距離； 式(3)中，s(λ)是波段λ的光譜敏感度；Es(λ)是波段λ的大氣頂部太陽輻照度。

對(duì)于熱紅外波段，可將其轉(zhuǎn)換成大氣頂部溫度T

圖1 實(shí)驗(yàn)區(qū)

(4)

式(4)中：K1和K2是定標(biāo)參數(shù),K1=666.09 W·(m2·sr·μm)-1，K2=1 282.71 K。

對(duì)于Landsat 8，可根據(jù)其網(wǎng)站提供的公式和參數(shù)將各波段的象元亮度值轉(zhuǎn)換為大氣頂部輻射值L[17]

(5)

式(5)中:Qcal是亮度值；ML和AL分別是調(diào)整因子和調(diào)整參數(shù)，它們可從頭文件中獲得。

Landsat 8數(shù)據(jù)可以通過式(6)轉(zhuǎn)換為大氣頂部反射率ρ, 即

(6)

式中：Mρ和Aρ分別是反射率調(diào)整因子和調(diào)整參數(shù)，θs是太陽天頂角。

對(duì)于Landsat 8的熱紅外波段TIRS 10和TIRS 11，在求出它們各自的光譜輻射值L后，同樣可利用式(4)將其分別轉(zhuǎn)換成大氣頂部溫度。對(duì)于TIRS 10波段，K1=774.89 W·(m2·sr·μm)-1，K2=1 321.08 K； 對(duì)于TIRS 11波段，K1=480.89 W·(m2·sr·μm)-1，K2=1 201.14 K。

2 結(jié)果與討論

2.1 Landsat 8與Landsat 7熱紅外數(shù)據(jù)的對(duì)比分析

用以上算法分別反演出各實(shí)驗(yàn)影像對(duì)的溫度影像，然后在各影像對(duì)中用TIRS 10和11波段溫度影像的均值分別減去ETM+6L和6H波段溫度影像的均值，獲得它們的均值差。同時(shí)在各溫度影像對(duì)中，以一定的網(wǎng)格間距采樣，然后將樣本投到二維特征空間，得到二者樣本的散點(diǎn)分布圖，并對(duì)其作線性回歸擬合，以查明它們的定量關(guān)系。本研究中，每對(duì)影像共采集20 000～30 000個(gè)樣本，以大的樣本量來客觀反映TIRS與ETM+之間的定量關(guān)系。

表3是統(tǒng)計(jì)出的各溫度影像對(duì)的統(tǒng)計(jì)特征值，表4是各溫度影像對(duì)的均值差、相關(guān)系數(shù)(r)和均方根差(RMSE)，圖2是各溫度影像對(duì)的樣本散點(diǎn)分布及其回歸分析圖(由于ETM+的6L和6H波段的結(jié)果很接近，限于篇幅，僅列出6H波段的圖)。

表3 TIRS與ETM+溫度影像的統(tǒng)計(jì)特征(單位： K)

從表3可以看出，Landsat 7 ETM+熱紅外數(shù)據(jù)的定標(biāo)確實(shí)做得很好，其6L波段和6H波段反演的溫度的各種統(tǒng)計(jì)值都非常接近； 而Landsat 8 TIRS熱紅外數(shù)據(jù)則不然，其TIRS 10波段和11波段反演溫度的統(tǒng)計(jì)特征就有較明顯的區(qū)別。

就Landsat 8 TIRS和Landsat 7 ETM+熱紅外數(shù)據(jù)的對(duì)比而言，TIRS與ETM+反演的溫度的相關(guān)度很高，其相關(guān)系數(shù)值基本都大于0.95，在圖2中，二者的散點(diǎn)也基本圍繞1∶1線分布。但是仔細(xì)分析還是可以看出二者存在的區(qū)別，表現(xiàn)在：

表4 TIRS與ETM+溫度影像的均值差

(1) TIRS 10波段反演的溫度高于ETM+6L和6H波段，3個(gè)影像對(duì)的均值高了0.069～1.37 K； 而TIRS 11波段反演的溫度則低于后者，3個(gè)影像對(duì)的均值低估的范圍在-0.405～-3.043 K之間(表4)。

(2) 無論是TIRS 10或11波段，其反演的溫度動(dòng)態(tài)范圍都要小于ETM+6L或6H波段，尤以TIRS 11波段的差距最明顯，一般都小了5 K以上，而TIRS 10波段也小了2 K以上(表3)。

(3) 無論是TIRS 10或11波段，其溫度的標(biāo)準(zhǔn)差都小于ETM+6L和6H波段，且同樣以TIRS 11波段的差距更明顯，最大可達(dá)0.8 K，而TIRS 10波段的最大差距為0.5 K (表3)。

為了進(jìn)一步考察數(shù)據(jù)之間的變異性，以TIRS波段溫度值作為橫坐標(biāo)，以TIRS波段與ETM+6波段的溫度差值為縱坐標(biāo)，分別做出各影像對(duì)的數(shù)據(jù)差值變化圖(圖3，限于篇幅，同樣以6H波段為例)。

從圖3可以看出，無論是TIRS 10或11波段，它們與ETM+6H溫度的差值都會(huì)出現(xiàn)隨TIRS波段溫度值的升高而從高估轉(zhuǎn)向低估的現(xiàn)象。就TIRS 10波段而言，雖然其反演的溫度均值總體高于ETM+6H波段(表3)，但二者差值的散點(diǎn)并不總是落在橫坐標(biāo)上方。TIRS 10波段的溫度主要是在低值(溫)區(qū)高于ETM+6H，隨著溫度的升高, 二者的差值會(huì)出現(xiàn)負(fù)值，說明TIRS 10波段反演的溫度在高溫區(qū)會(huì)低于ETM+6H波段，這在影像對(duì)1中表現(xiàn)得尤為明顯。而TIRS 11波段則出現(xiàn)隨著TIRS 11波段溫度的升高，與ETM+6H波段的溫差進(jìn)一步加大的現(xiàn)象。

圖2 TIRS與ETM+熱紅外波段溫度影像的特征空間散點(diǎn)圖及其回歸分析

圖3 TIRS與ETM+6H溫度影像的差值散點(diǎn)圖

2.2 不同實(shí)驗(yàn)區(qū)的對(duì)比分析

選用的3個(gè)影像對(duì)代表地表覆蓋比例不同的3個(gè)實(shí)驗(yàn)區(qū)，從影像對(duì)1→影像對(duì)2→影像對(duì)3，代表植被比例逐漸減少，裸地比例逐漸增加。而TIRS和ETM+熱紅外光譜數(shù)據(jù)在這3個(gè)實(shí)驗(yàn)區(qū)表現(xiàn)出的差距也各有不同，具體為：

(1) 隨著植被的減少、裸地比例的增加，TIRS 10波段與ETM+6波段的溫差逐漸增大，從高估ETM+6波段0.069 K (影像對(duì)1)上升到1.37 K (影像對(duì)3)； 而TIRS 11波段與ETM+6波段的溫差卻在逐漸縮小，從低估-3 K(影像對(duì)1)減少到-0.4 K(影像對(duì)3)。這表明，TIRS 10波段的溫度在植被較多的區(qū)域高估較少，在裸露區(qū)高估較多。而TIRS 11波段則表現(xiàn)為在植被較多的區(qū)域低估較多，在裸露區(qū)低估較少。

(2) 從RMSE來看，從影像對(duì)1→影像對(duì)2→影像對(duì)3，TIRS 10波段與ETM+6波段的RMSE隨著植被的減少而增大，而TIRS 11波段的RMSE則隨著植被的減少而縮小，且從大于TIRS 10波段變?yōu)樾∮赥IRS 10波段。這說明TIRS 10波段可能更適合于植被區(qū)，而TIRS 11波段則更適合于裸土區(qū)。

2.3 TIRS兩個(gè)熱紅外波段自身的對(duì)比分析

從TIRS 的2個(gè)熱紅外波段來看，10波段與ETM+6波段的差距總體上要小于11波段，其RMSE的最大值為1.54 K，而11波段RMSE的最大值則達(dá)到了3.22 K (表4)。顯然，TIRS 10波段的定標(biāo)總體要做的比11波段好。前述USGS公告中所用的TIRS 11波段的修正值(0.51)可能偏大，且在植被區(qū)表現(xiàn)出明顯的矯枉過正。

然而從不同的影像對(duì)來看，TIRS 11波段在代表低植被、高裸土區(qū)的影像對(duì)3表現(xiàn)卻遠(yuǎn)好于TIRS 10波段，其均值差比后者低了約71.9%，而RMSE也少了39.3%。

總的來看，Landsat 8 TIRS熱紅外數(shù)據(jù)雖經(jīng)新的定標(biāo)參數(shù)重新處理，但其定標(biāo)參數(shù)精度還有待進(jìn)一步提高，特別是TIRS 11波段反演的溫度的總體誤差還比較大。這也是USGS不提倡在現(xiàn)階段用劈窗算法來反演溫度，而是建議用TIRS 10單波段來反演溫度的主要原因。一般說來，在定標(biāo)參數(shù)和大氣校正都準(zhǔn)確的前提下，不同熱紅外波段反演的溫度應(yīng)該是一致的。但TIRS 10波段和11波段反演的溫度的差距卻比較大，大者可達(dá)3.5 K，小的也有1.7 K。這應(yīng)該與TIRS 10波段和11波段的光譜波長設(shè)置不同有關(guān)。由于TIRS熱紅外傳感器設(shè)置的波長在10～13 μm這一明顯受大氣水汽含量影響的范圍之內(nèi)，且大氣水汽含量的影響隨著光譜波長的增加而增大[17]。由于TIRS 11波段的光譜波長大于10波段，因此，定標(biāo)參數(shù)的不精確就可能造成11波段反演的溫度比10波段產(chǎn)生更大的誤差，導(dǎo)致其精度遜于10波段。

本研究揭示了TIRS傳感器2個(gè)熱紅外波段精度的表現(xiàn)，即TIRS 10波段反演的溫度表現(xiàn)為高估，TIRS 11波段表現(xiàn)為低估。通過進(jìn)一步研究發(fā)現(xiàn)，若采用二者溫度的均值則可以抵消一部分誤差，提高反演溫度的精度。從表4可知，二者的均值影像[TIRS (10+11)/2]的誤差最小的接近0，最大的不到1.5 K, 精度有了明顯的提高，且相關(guān)系數(shù)也都有了一定程度的提高。

另一個(gè)值得注意的問題： 影像的信息量一般會(huì)隨著輻射分辨率的提高而增加[15, 20]。然而本次研究發(fā)現(xiàn)，TIRS雖然輻射分辨率大大高于ETM+，但其信息量并不大于后者，表現(xiàn)在TIRS 10，11波段的動(dòng)態(tài)范圍和標(biāo)準(zhǔn)差都小于ETM+的6L和6H波段。究其原因可能與TIRS 100 m空間分辨率不及ETM+60 m的空間分辨率有關(guān)。雖然TIRS的輻射分辨率較高，可以避免數(shù)據(jù)在直方圖的兩端產(chǎn)生過飽和，但其較粗的空間分辨率也可能會(huì)導(dǎo)致一部分細(xì)小地物熱信息的丟失，使得其動(dòng)態(tài)范圍和標(biāo)準(zhǔn)差都不及ETM+的6L和6H波段。

3 結(jié) 論

新一代Landsat 8 衛(wèi)星發(fā)射以來，其TIRS熱紅外數(shù)據(jù)的定標(biāo)參數(shù)不斷發(fā)生變化。通過3幅同步過空的Landsat 7 ETM+和Landsat 8 TIRS熱紅外影像的交互對(duì)比，分析了TIRS最新定標(biāo)處理數(shù)據(jù)的準(zhǔn)確性。結(jié)果發(fā)現(xiàn)：

(1) 最新定標(biāo)的Landsat 8 TIRS與Landsat 7 ETM+的熱紅外數(shù)據(jù)仍有一定差距，與ETM+6波段反演的大氣頂部溫度相比，TIRS 10波段表現(xiàn)出高估，幅度最大可達(dá)1.37K，而TIRS 11波段則表現(xiàn)為低估，幅度可達(dá)-3 K。這說明Landsat 8 TIRS熱紅外數(shù)據(jù)的定標(biāo)精度仍不穩(wěn)定，且以TIRS 11波段表現(xiàn)得更明顯。

(2) TIRS熱紅外數(shù)據(jù)的誤差會(huì)隨著地表植被和裸土覆蓋比例的不同而發(fā)生變化，TIRS 10波段的高估會(huì)隨著植被比例的下降而加大，而TIRS 11波段的低估會(huì)隨著植被比例的下降而減少。

(3) 雖然USGS提倡用TIRS 10單波段來反演溫度，但本研究也發(fā)現(xiàn)在低植被高裸土區(qū)，TIRS 10波段的反演精度遠(yuǎn)不及TIRS 11波段。因此在高裸土區(qū)可能不宜一味地采用TIRS10波段。在沒有把握的情況下，也可嘗試采用TIRS 10和11波段溫度的均值。本實(shí)驗(yàn)表明，在中、低植被覆蓋區(qū)，采用TIRS 10和11波段溫度的均值，可將誤差縮小在<0.5 K范圍以內(nèi)。

[1] Georgescu M, Moustaoui M, Mahalov A, et al. Nature Climate Change, 2013, 3(1): 37.

[2] XU Han-qiu, TANG Fei(徐涵秋, 唐 菲). Acta Ecologica Sinica(生態(tài)學(xué)報(bào)), 2013, 33(11): 3249.

[3] Irons J R, Dwyer J L, Barsi J A. Remote Sensing of Environment, 2012, 122: 11.

[4] Dinguirard M, Slater P N. Remote Sensing of Environment, 1999, 68(3): 194.

[5] Teillet P M, Barker J L, Markham B L, et al. Remote Sensing of Environment, 2001, 78: 39.

[6] Markham B L, Helder D L. Remote Sensing of Environment, 2012, 122(1): 30.

[7] Chander G, Markham B. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41: 2674.

[8] Chander G, Coan M J, Scaramuzza P L. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46: 209.

[9] Chander G, Meyer D J, Helder D L. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42: 2821.

[10] Xu H Q, Huang S L, Zhang T J. Advances in Space Research, 2013, 52: 1437.

[11] Xu H Q, Zhang T J. Agricultural and Forest Meteorology, 2013, 168(1): 1.

[12] Schott J R, Hook S J, Barsi J A, et al. Remote Sensing of Environment, 2012, 122: 41.

[13] Thome K J, Biggar S F, Wisniewski W. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(6): 1180.

[14] Goward S N, Davis P E, Fleming D, et al. Remote Sensing of Environment, 2003, 88: 80.

[15] Thenkabail P S. International Journal of Remote Sensing, 2004, 25(2): 389.

[16] Chen W, Zhou G. Proceedings of IEEE International Geoscience and Remote Sensing Symposium, 2004, 3: 1723.

[17] CHEN Zheng-chao, LIU Xiang, LI Jun-sheng，et al(陳正超，劉 翔，李俊生, 等). Journal of Astronautics(宇航學(xué)報(bào)), 2008, 29(2): 247.

[18] Du Y, Philippe M T, Cihlar J. Remote Sensing of Environment, 2002, 82(1): 123.

[19] Teillet P M, Fedosejevs G, Thome K J, et al. Remote Sensing of Environment, 2007, 110(2): 393.

[20] XU Han-qiu, ZHANG Tie-jun, LI Chun-hua(徐涵秋, 張鐵軍, 李春華). Geomatics and Information Science of Wuhan University (武漢大學(xué)學(xué)報(bào)·信息科學(xué)版), 2011, 36(8): 936.

(Received Feb. 8, 2015; accepted Jun. 30, 2015)

A Comparative Study on the Calibration Accuracy of Landsat 8 Thermal Infrared Sensor Data

XU Han-qiu, HUANG Shao-lin

College of Environment and Resources，Institute of Remote Sensing Information Engineering，F(xiàn)ujian Provincial Key Laboratory of Remote Sensing of Soil Erosion，F(xiàn)uzhou University, Fuzhou 350116, China

The satellite thermal infrared image has been an important data source for the acquisition of the earth’s surface temperature. The thermal infrared sensor (TIRS) Landsat 8 satellite newly launched onboard has added valuable data for this mission. However, the calibration parameters for the two bands of the TIRS, i.e., TIRS Bands 10 and 11, had been modified several times since its launch. This finally led the United States Geological Survey (USGS) to reprocess all achieved Landsat 8 data starting from February 2014. In order to examine the calibration accuracy of the reprocessed TIRS data, this paper crossly compares Landsat 8 TIRS data with synchronized, well-calibrated Landsat 7 ETM+thermal infrared data. A total of three date-coincident image pairs of western United States, downloaded from USGS Earth Explorer website, were used for the cross comparison. Three test sites were selected respectively from the three image pairs for the comparison, which representing moderate vegetation-cover area (test site 1), low vegetation-cover area (test site 2), and bare soil area (test site 3). The thermal infrared data of the three image pairs of both sensors had been firstly converted to at-sensor temperature. A band-by-band comparison and a regression analysis were then carried out to investigate the relationship and difference between the two sensor thermal data. The results show a very high degree of agreement between the three compared Landsat 8 TIRS and Landsat 7 ETM+thermal infrared image pairs because the correlation coefficients between the retrieved at-sensor temperature of the two sensors are generally greater than 0.95. Nevertheless, the cross comparison also reveals differences between the thermal infrared data of the two sensors. Compared with retrieved at-sensor temperature of Landsat 7 ETM+Band 6, TIRS Band 10 shows an overestimation, which can be up to 1.37 K, whereas TIRS Band 11 underestimates the temperature, with a difference reaching to -3 K. This suggests that in spite of the reprocessing of Landsat 8 thermal infrared data, the calibration parameters for the satellite’s TIRS data are still unstable, especially for TIRS Band 11. It was found that the at-sensor temperature difference between ETM+Band 6 and TIRS Band 10 was enhanced with the decrease in vegetation coverage from test site 1 to test site 3. The at-sensor temperature difference of test site 1 is 0.07 K and increased to 1.37 K in test site 3, a net increase by 1.3 K. While the at-sensor temperature difference between ETM+Band 6 and TIRS Band 11 had an inverse performance. With the decrease in vegetation coverage from test site 1 to test site 3, the at-sensor temperature difference was reduced from ～-3.0 to -0.4 K. Therefore, in bare soil dominated test site 3, the temperature difference was 1.37 K for TIRS Band 10 and -0.4 K for TIRS Band 11. The RMSE of TIRS Band 11 is also much lower than that of TIRS Band 10. This suggests that TIRS Band 11 can perform batter in bare soil area than TIRS Band 10 though the latter shows an overall batter performance than TIRS Band 11. The study also found that in low vegetation cover areas like in test sites 2 and 3, taking an averaged at-sensor temperature of TIRS Bands 10 and 11, the difference between the two sensors’ at-sensor temperature can be reduced to less than -0.5 K.

Landsat 8; Landsat 7; Thermal infrared data; Cross comparison; Remote sensing

2015-02-08，

2015-06-30

國家科技支撐項(xiàng)目(2013BAC08B01-05)和福建省教育廳重點(diǎn)項(xiàng)目(JA13030)資助

徐涵秋，1955年生，福州大學(xué)環(huán)境與資源學(xué)院教授 e-mail: hxu@fzu.edu.cn

TH774

A

10.3964/j.issn.1000-0593(2016)06-1941-08