Sentinel⁃2A MSI 和Landsat 8 OLI两种传感器多光谱信息的交互对比

doi:10.11873/j.issn.1004-0323.2021.1.0165

遥感技术与应用

2021, Vol. 36

Issue (1): 165-175 DOI: 10.11873/j.issn.1004-0323.2021.1.0165

遥感应用

Sentinel⁃2A MSI 和Landsat 8 OLI两种传感器多光谱信息的交互对比

徐光志^1,²(

),徐涵秋^1,²(

)

^1.福州大学环境与资源学院，空间数据挖掘与信息共享教育部重点实验室，福建福州 350116
^2.福州大学遥感信息工程研究所，福建省水土流失遥感监测评价重点实验室，福建福州 350116

Cross-comparison of Sentinel-2A MSI and Landsat 8 OLI Multispectral Information

Guangzhi Xu^1,²(

),Hanqiu Xu^1,²(

)

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

全文: PDF(5698 KB) HTML

摘要：

在遥感对地观测中，受卫星发射、过空时间以及大气等因素的影响，单颗卫星获取的影像难以满足长时间序列的观测需求。因此，定量研究不同卫星平台传感器数据之间的关系是非常必要的。对Sentinel-2A MSI和Landsat-8 OLI传感器之间的定量关系进行了研究，基于两种传感器的3对同日过空的无云影像对，采用样区均值法和全试验区法对二者对应波段的光谱信息进行逐一对比，探求它们之间的定量关系。研究结果表明：Sentinel-2A MSI和Landsat 8 OLI的表观反射率数据总体比较一致，两种方法获得的R²均值分别为0.89 （全试验区法）和0.99 （样区均值法）。但二者也存在着差异，表现在Sentinel-2A MSI的表观反射率总体要比Landsat 8 OLI高约5%，且在不同的波段的表现有所不同。分析表明：二者之间的差异与其光谱响应函数、光谱范围以及试验区土地覆盖类型的不同有关。通过回归分析获得了两种传感器各对应波段数据的转换方程。验证结果表明，转换方程可以显著提高Sentinel-2A MSI和Landsat 8 OLI数据之间的一致性，为二者之间的协同使用提供了可行的方法。

关键词： Sentinel?2A MSI; Landsat?8 OLI; 表观反射率; 交互对比; 定标

Abstract:

The images provided by an individual satellite are difficult to meet the requirement for a long time series observation due to the factors such as satellite operation duration， satellite passage time， atmosphere condition and others. Therefore， it is necessary to quantitatively study the relationship between different satellite sensor data for their collaborative use for a long time series earth observation. In this paper， the quantitative relationship between Sentinel-2A MSI and Landsat-8 OLI sensors’ data was studied. Based on three synchronous， cloud-free image pairs of the two sensors， the corresponding bands of the two sensors were compared band-by-band by using the Region Of Interest （ROI） method and the whole test area method to explore the quantitative relationship between them. The results show that the Top Of Atmospheric （TOA） reflectance data of Sentinel-2A MSI and Landsat-8 OLI are generally consistent， and the mean R² values obtained via the two methods are 0.89 （whole test area method） and 0.99 （ROI method）， respectively. However， the differences between the two sensors’ data have also been revealed. The total TOA reflectance of Sentinel-2A MSI is generally about 5% higher than that of Landsat-8 OLI， which， however， is different in different bands. The analysis shows that this difference is due to the two sensors’ differences in spectral response function and spectral range， as well as the difference in land cover type of the test areas. By regression analysis， the data conversion equations of each band between the two sensors are obtained. The validation results show that the conversion equations can significantly improve the consistency of Sentinel-2A MSI and Landsat-8 OLI data， providing a feasible method for the collaborative use of the two sensors’ data.

Key words: Sentinel-2A MSI Landsat 8 OLI TOA reflectance Cross comparison Calibration

收稿日期: 2020-02-04 出版日期: 2021-04-13

ZTFLH:

TP75

基金资助: 国家自然科学基金项目(31971639)

通讯作者: 徐涵秋 E-mail: xuguangzhi223@163.com;hxu@fzu.edu.cn

作者简介: 徐光志（1994-），男，安徽安庆人，主要从事环境与资源遥感应用研究。E?mail:xuguangzhi223@163.com

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	徐光志
	徐涵秋

引用本文:

徐光志,徐涵秋. Sentinel⁃2A MSI 和Landsat 8 OLI两种传感器多光谱信息的交互对比[J]. 遥感技术与应用, 2021, 36(1): 165-175.

Guangzhi Xu,Hanqiu Xu. Cross-comparison of Sentinel-2A MSI and Landsat 8 OLI Multispectral Information. Remote Sensing Technology and Application, 2021, 36(1): 165-175.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2021.1.0165 或 http://www.rsta.ac.cn/CN/Y2021/V36/I1/165

图1 Landsat 8 OLI与Sentinel-2A MSI交互对比的影像对 (RGB: 8A,4,3波段)

表1 同步影像对参数

表2 Sentinel-2A MSI和Landsat 8 OLI对应波段的特性

图2 4类ROI样区 (方框中为样区，RGB: 8A,4,3波段)

图3 2个试验区的Landsat 8 OLI和Sentinel-2A MSI的表观反射率散点对比图

表3 基于ROI对比的Sentinel-2A MSI与Landsat 8 OLI的统计特征

表4 基于全试验区法的Sentinel-2A MSI与Landsat 8 OLI的统计特征

图4 基于试验影像建立的Landsat 8 OLI和Sentinel-2A MSI转换方程的拟合结果

表5 哈密验证影像模拟转换前后的统计特征值对比

图5 Sentinel-2A MSI和Landsat 8 OLI的光谱响应函数

图6 Sentinel-2A MSI不同空间分辨率波段的像元数差异

表6 Sentinel-2A MSI影像重采样对表观反射率的影响

图7 日本名古屋Landsat 8 OLI与Sentinel-2A MSI影像对(RGB: 8A,4,3波段)

表7 日本名古屋Landsat 8 OLI与 Sentinel-2A MSI的林地统计特征对比

1	Chander G， Coan M J， Scaramuzza P L. Evaluation and Comparison of the IRS-P6 and the Landsat Sensors［J］. IEEE Transactions on Geoscience and Remote Sensing， 2007， 46（1）： 209-221. doi： 10.1109/TGRS.2007.907426. doi: 10.1109/TGRS.2007.907426
2	Xu H， Zhang T. Assessment of Consistency in Forest-dominated Vegetation Observations between ASTER and Landsat ETM+ Images in Subtropical Coastal Areas of Southeastern China［J］. Agricultural and Forest Meteorology， 2013， 168： 1-9. doi： 10.1016/j.agrformet.2012.08.012. doi: 10.1016/j.agrformet.2012.08.012
3	Song Junwei， Zhang Youjing， Li Xinchuan， et al. Comparison between GF-1 and Landsat 8 Images in Land Cover Classification［J］.Progress in Geography，2016，35（2）：255-263.
3	宋军伟，张友静，李鑫川，等.基于GF-1与Landsat-8影像的土地覆盖分类比较［J］. 地理科学进展，2016，35（2）：255-263.
4	Mancino G， Ferrara A， Padula A， et al. Cross-comparison between Landsat 8 （OLI） and Landsat 7 （ETM+） Derived Vegetation Indices in a Mediterranean Environment［J］. Remote Sensing， 2020， 12（2）： 291. doi： 10.3390/rs12020291. doi: 10.3390/rs12020291
5	She X， Zhang L， Cen Y， et al. Comparison of the Continuity of Vegetation Indices Derived from Landsat 8 OLI and Landsat 7 ETM+ Data Among Different Vegetation Types［J］. Remote Sensing， 2015， 7（10）： 13485-13506. doi： 10.3390/rs71013485. doi: 10.3390/rs71013485
6	Li P， Jiang L， Feng Z. Cross-comparison of Vegetation Indices Derived from Landsat 7 Enhanced Thematic Mapper Plus （ETM+） and Landsat 8 Operational Land Imager （OLI） Sensors［J］. Remote Sensing， 2014， 6（1）： 310-329. doi： 10.3390/rs6010310. doi: 10.3390/rs6010310
7	Silvestri M， Romaniello V， Hook S， et al. First Comparisons of Surface Temperature Estimations between ECOSTRESS， ASTER and Landsat 8 over Italian Volcanic and Geothermal Areas［J］. Remote Sensing， 2020， 12（1）： 184. doi： 10.3390/rs12010184. doi: 10.3390/rs12010184
8	Chastain R， Housman I， Goldstein J， et al. Empirical Cross Sensor Comparison of Sentinel-2A and 2B MSI， Landsat 8 OLI， and Landsat 7 ETM+ Top of Atmosphere Spectral Characteristics over the Conterminous United States［J］. Remote Sensing of Environment， 2019， 221： 274-285. doi： 10.1016/j.rse.2018.11.012. doi: 10.1016/j.rse.2018.11.012
9	Barsi J A， Alhammoud B， Czapla-Myers J， et al. Sentinel-2A MSI and Landsat 8 OLI Radiometric Cross Comparison over Desert Sites［J］. European Journal of Remote Sensing， 2018，51（1）：822-837. doi： 10.1080/22797254.2018.1507613. doi: 10.1080/22797254.2018.1507613
10	Arekhi M， Goksel C， Balik Sanli F， et al. Comparative Evaluation of the Spectral and Spatial Consistency of Sentinel-2 and Landsat 8 OLI Data for Igneada Longos Forest［J］. ISPRS International Journal of Geo-Information， 2019， 8（2）： 56. doi： 10.3390/ijgi8020056. doi: 10.3390/ijgi8020056
11	Zhang H K， Roy D P， Yan L， et al. Characterization of Sentinel-2A and Landsat 8 Top of Atmosphere， Surface， and Nadir BRDF Adjusted Reflectance and NDVI Differences［J］. Remote Sensing of Environment， 2018， 215： 482-494. doi： 10.1016/j.rse.2018.04.031. doi: 10.1016/j.rse.2018.04.031
12	Mandanici E， Bitelli G. Preliminary Comparison of Sentinel-2 and Landsat 8 Imagery for a Combined Use［J］. Remote Sensing， 2016， 8（12）： 1014. doi： 10.3390/rs8121014. doi: 10.3390/rs8121014
13	Zhong Hanxiao， Bian Jinhu， Li Ainong. Radiometric Consistency between Landsat 8 OLI and Sentinel-2 MSI Imagery in Mountainous Terrain［J］. Remote Sensing Technology and Application， 2018， 33（3）： 428-438.
13	钟函笑，边金虎，李爱农. Landsat-8 OLI与Sentinel-2 MSI山区遥感影像辐射一致性研究［J］. 遥感技术与应用， 2018， 33（3）： 428-438.
14	Zhang Yi， Xia Jianxin， Du Lei， et al. Comparison and Collaborative Application of Water Index based on Landsat 8 and Sentinel-2A Data： A Case Study in Heihe River Basin， Northwest China［J］. Journal of Basic Science and Engineering， 2020， 28（6）： 1361-1368.
14	张戈，夏建新，杜蕾，等. Landsat 8和Sentinel-2A的水体指数比较与协同应用——以黑河流域典型区为例［J］. 应用基础与工程科学学报， 2020， 28（6）：1361-1368.
15	Wang Q， Li J， Jin T， et al. Comparative Analysis of Landsat 8， Sentinel-2， and GF-1 Data for Retrieving Soil Moisture over Wheat Farmlands［J］. Remote Sensing， 2020， 12（17）： 2708. doi： 10.3390/rs12172708. doi: 10.3390/rs12172708
16	Teillet P M， Barker J L， Markham B L， et al. Radiometric Cross-calibration of the Landsat 7 ETM+ and Landsat 5 TM Sensors based on Tandem Data Sets［J］. Remote Sensing of Environment， 2001， 78（1）： 39-54. doi： 10.1016/S0034-4257（01）00248-6. doi: 10.1016/S0034-4257（01）00248-6
17	USGS. Landsat 8 Data Users Handbook ［DB/OL］.https：//prd-wret.s3-us-west-2.amazonaws.com/assets/palladium/production/atoms/files/LSDS-1574_L8_Data_Users_Handbook-v5.0.pdf， 2016.
18	ESA. Sentinel-2 User Handbook［DB/OL］. https：//Sentinel.esa.int/documents/247904/685211/ Sentinel-2_User_Handbook， 2015.
19	Jiang Qiaoling， Xu Hanqiu. Cross-Comparison between GF-1PMS2 and GF-2 PMS2 Sensor Data［J］. Remote Sensing Technology and Application， 2018， 33（6）：1084-1094.
19	蒋乔灵，徐涵秋. GF-1 PMS2与GF-2 PMS2传感器数据的交互对比［J］. 遥感技术与应用， 2018， 33（6）： 1084-1094.
20	Li Chunhua， Xu Hanqiu， Chen Licong. Cross-Comparison between ASTER and Landsat 7 ETM+ Multispectral Imagery［J］. Spectroscopy and Spectral Analysis， 2010， 30（9）： 2518-2524.
20	李春华，徐涵秋，陈荔聪. ASTER和Landsat-7 ETM+两种多光谱传感器影像的交互对比［J］. 光谱学与光谱分析， 2010， 30（9）： 2518-2524.
21	Liu Q， Yu T， Gao H. Radiometric Cross-calibration of GF-1 PMS Sensor with a New BRDF Model［J］. Remote Sensing. 2019， 11（6）： 707. doi： 10.3390/rs11060707. doi: 10.3390/rs11060707
22	Chen Y， Sun K， Li D， et al. Radiometric Cross-calibration of GF-4 PMS Sensor based on Assimilation of Landsat 8 OLI Images［J］. Remote Sensing. 2017， 9（8）： 811. doi： 10.3390/rs9080811. doi: 10.3390/rs9080811
23	Li Juan， Feng Lian， Pang Xiaoping. Comparison of the Cross-calibration Methods between Image-based and RTM-BRDF for GF-1 Images［J］. Acta Geodaetica et Cartographica Sinica， 2017， 46（7）：882-890.
23	李娟，冯炼，庞小平. 针对GF-1遥感影像的基于影像与基于辐射传输模型的两种交叉定标方法比较［J］. 测绘学报， 2017， 46（7）：882-890.

[1]	谷松岩,郭杨,窦芳丽,吴琼,卢乃锰. 风云三号微波大气探测载荷辐射定标[J]. 遥感技术与应用, 2021, 36(1): 141-154.
[2]	李娇阳,王振占,谷松岩,张升伟. 星载微波大气湿度探测仪再定标共性技术分析[J]. 遥感技术与应用, 2019, 34(6): 1212-1220.
[3]	邓翔,阎敬业,吴季,蓝爱兰. AgileDARN雷达内定标的方法与实现[J]. 遥感技术与应用, 2019, 34(6): 1221-1226.
[4]	张宇飞,蒋兴伟,马超飞. 基于现场观测的星载雷达高度计定标方法进展[J]. 遥感技术与应用, 2019, 34(6): 1190-1196.
[5]	王振占,李娇阳. 风云三号卫星微波探测仪定标原理及算法[J]. 遥感技术与应用, 2019, 34(6): 1197-1204.
[6]	谷松岩,王振占,卢乃锰,杨忠东,李靖,张升伟,杨磊,吴雪宝. 风云三号微波湿度计航空校飞辐射定标原理及数据分析[J]. 遥感技术与应用, 2019, 34(6): 1205-1211.
[7]	庞博, 马灵玲, 刘耀开, 王宁, 赵永光, 韩启金. 陆地卫星光学载荷地基自动辐射定标与验证分析[J]. 遥感技术与应用, 2019, 34(1): 146-154.
[8]	蒋乔灵, 徐涵秋. GF-1 PMS2与GF-2 PMS2传感器数据的交互对比[J]. 遥感技术与应用, 2018, 33(6): 1084-1094.
[9]	牛明慧，陈福春. 基于月球反射的遥感仪器在轨定标方法[J]. 遥感技术与应用, 2018, 33(2): 337-341.
[10]	王振占，董帅，殷晓斌，陆浩，李彬. 有源微波冷噪声源的原理及其应用分析[J]. 遥感技术与应用, 2017, 32(2): 247-254.
[11]	龚循武，郭伟，万珺之. 基于有源定标器的HY-2高度计后向散射系数在轨定标方法研究[J]. 遥感技术与应用, 2017, 32(2): 374-379.
[12]	陈怡羽,郭强. 中短波红外恒星定标点扩散函数求解及精度分析[J]. 遥感技术与应用, 2017, 32(1): 158-165.
[13]	王功雪,蒋玲梅,武胜利,刘晓敬,郝诗睿. FY-3B与FY-3C/MWRI交叉定标及雪深算法应用[J]. 遥感技术与应用, 2017, 32(1): 49-56.
[14]	陈卫英,刘高峰,何嘉恺,潘莉. 降低微波成像仪接收机非线性偏差方法研究[J]. 遥感技术与应用, 2017, 32(1): 121-125.
[15]	徐曦煜,刘和光,杨双宝. 星载雷达高度计沙漠散射特性及定标方法研究[J]. 遥感技术与应用, 2016, 31(5): 893-899.

Viewed

Full text

Abstract

Cited

Shared

Discussed