发布时间: 2016-11-25
摘要点击次数:
全文下载次数:
DOI: 10.11834/jig.20161100
2016 | Volumn 21 | Number 11

遥感图像处理

基于地表参数真实性的GF-1和SPOT-7多光谱影像质量评价

巫兆聪¹, 杨帆^1,2, 张熠¹, 巫远¹, 喻文蕴¹

1. 武汉大学遥感信息工程学院，武汉 430079;

2. 国家海洋局南海规划与环境研究院，广州 510310

收稿日期: 2016-02-26; 修回日期: 2016-07-04

基金项目: 国家自然科学基金项目（41501369）；民用航天“十二五”预先研究项目（2013669-7）

第一作者简介: 巫兆聪(1968-)，男，教授，2004年于武汉大学获工学博士学位，主要研究方向为高空间分辨率遥感影像信息提取、定量遥感和对地观测系统工程与传感器仿真。E-mail:zcwoo@whu.edu.cn

中图法分类号: TP237

文献标识码: A

文章编号: 1006-8961(2016)11-1551-11

摘要

目的遥感影像中地表信息表达真实程度决定了影像信息提取和定量化应用水平，传统的从像素灰度和视觉特性角度的影像质量评价方法难以评价影像对地表信息表达能力，本文从地表反射率和NDVI（normalized difference vegetation index）两种地表参数真实性角度评价GF-1和SPOT-7多光谱影像质量。方法提出了一种基于地表参数真实性的多光谱影像质量评价方法，完成GF-1和SPOT-7卫星对实验区同步成像，地面同步测量大气光学特性和典型地物样区光谱，获取同步观测数据并对多光谱影像进行辐射误差处理，计算地物样区在影像上的反射率和NDVI，通过与地面实测光谱数据比较分析了地表参数真实性，评价GF-1和SPOT-7多光谱影像质量。结果人工靶标中GF-1影像在4个波段反射率误差均在5%内，精度优于SPOT-7；植被地物中SPOT-7影像在蓝绿红波段反射率误差在4%内，近红外波段误差在15%内，NDVI误差在16%内，反射率和NDVI精度均优于GF-1；硬地地物中GF-1影像在4个波段反射率误差在6%内，精度优于SPOT-7；评价结果表明SPOT-7多光谱影像对植被类地物光谱表达真实度更高，GF-1对硬地类地物光谱表达真实度更高。结论提出的基于地表参数真实性的遥感影像质量评价方法，能够有效地从地物光谱信息表达精度的角度评价影像质量。

关键词

影像质量评价; 遥感同步观测; 辐射校正; 反射率; 归一化差分植被指数

Quality evaluation of GF-1 and SPOT-7 multi-spectral image based on land surface parameter validation

Wu Zhaocong¹, Yang Fan^1,2, Zhang Yi¹, Wu Yuan¹, Yu Wenyun¹

1. School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China;

2. South China Sea Institute of Planning and Environmental Research, SOA, Guangzhou 510310, China

Supported by: National Natural Science Foundation of China(41501369)

Abstract

Objective The validation of surface information in remote sensing image determines the performance of information extraction and quantitative applications. However, image quality evaluation based on pixel gray and human visual system cannot evaluate the expressive capability of surface information. Therefore, this study evaluates multi-spectral image quality based on the precision of reflectance and normalized difference vegetation index(NDVI) from the perspective of land surface validation. Method A method of evaluating multi-spectral images based on the validation of land surface parameters was designed, and synchronous observation was proposed to improve the accuracy of image quality evaluation. At the same time as the remote sensing satellite imagery, the ground measurement of atmospheric optical properties and land surface spectrum were implemented. The synchronous imaging on the experimental area of GF-1 and SPOT-7 was successfully completed, and the atmospheric optical properties and land surface spectrum were synchronously measured on the ground. The radiometric error of multi-spectral images was processed with the atmospheric optical properties to eliminate the influence of atmosphere. The equivalent reflectance and NDVI of multiple surface features were calculated using the measured spectrum. Meanwhile, the reflectance and NDVI of image were calculated through multi-spectral images using window analysis. The analysis of validation of land surface parameters was based on the statistics of absolute and relative errors in reflectance and NDVI between ground measurement and image. The multi-spectral image quality was evaluated using the error of each spectral band combined with the application in information expression. Result In the artificial targets, the reflectance error in four bands of GF-1 is within 5% and is more accurate than that in those of SPOT-7. In the vegetation features, the reflectance error in the blue, green, and red bands of SPOT-7 is within 4%. In the near-infrared band, the reflectance error is within 15%, the error of NDVI is within 16%, and the reflectance and NDVI of SPOT-7 are more accurate than those of GF-1. In the ground features, the reflectance error in four bands of GF-1 is within 6% and is more accurate than that in those of SPOT-7. Therefore, SPOT-7 multi-spectral image has high spectrum validation in vegetation features, and GF-1 multi-spectral image has high spectrum validation in ground features. Conclusion Comparing the reflectance between SPOT-7 and GF-1 multi-spectral images shows that the recognition of vegetation features is stronger and the growth monitoring of vegetation features is weaker in SPOT-7 than in GF-1. The detection in type, water content, and surface roughness of hard features is more sensitive in GF-1 than in SPOT-7. Comparing the NDVI between SPOT-7 and GF-1 multi-spectral images shows that the performance in growth state, coverage density, and distribution of vegetation is more accurate in SPOT-7 than in GF-1. The proposed evaluation method for multi-spectral image considers the validation of land surface parameters, and can evaluate image quality effectively based on the precision in spectral information expression.

Key words

image quality evaluation; synchronous observation; radiometric correction; reflectivity; normalized difference vegetation index (NDVI)

0 引言

中国航天遥感事业的快速发展为国土、测绘、气象、农林业等部门提供了大量的遥感影像数据，“十二五”计划中中国开始了高分系列卫星的研制并成功运行了高分一号和高分二号卫星，在中国遥感卫星技术日趋成熟的同时，遥感影像质量决定了应用水平。

目前影像质量评价方法主要集中在影像的灰度统计特征、结构特性和视觉表达方面，国外学者Bovik和Sheikh建立了系统的评价方法和流程^[1-3]，但上述评价方面无法评价像素灰度对地表信息的真实表达能力。地表信息具有复杂性和不确定性，大多数地物的电磁波谱都是具有一定变幅的曲线带，且某些地物的波谱带是部分重叠的，不同遥感卫星传感器对地表不同类型地物在不同波段上的反射率具有不同的表达特性。多光谱影像的应用主要集中在目标识别和特征提取方面，地表参数真实性决定影像能否客观准确地表达地表信息，反映多光谱影像的应用水平，因此，本文从地表反射率和归一化植被指数(NDVI)两种地表参数真实性角度出发，评价GF-1和SPOT-7多光谱影像辐射质量。

地表真实反射率会由于季节、天气、植被生长状况、含水量等多种因素的影响导致变化，使用地物波谱特性型谱库中固定的反射率数据会与真实值之间存在误差^[4]，因此，为提高基于地表参数的影像质量评价精度，采用以地面实测数据为标准的地表参数真实性检验方法，在卫星经过实验场地的同时或近期，在实验场同步开展地面测量实验，通过对地面采集数据的处理，建立地表测量参数和遥感影像反演产品的联系，通过两者对比，实现真实性检验^[5-6]。

本文将遥感卫星同步观测实验应用于影像质量评价，设计GF-1和SPOT-7对嵩山摄影测量与遥感综合定标场及其周边实验区的同步观测实验，在同步观测时间范围内获取实验区遥感影像，并地面同步测量大气光学特性参数和多种类型地物的地表反射率，在去除遥感传感器失真和大气传输影响的前提下，计算影像反射率和地物样区反射率，以及影像NDVI和植被样区NDVI，客观地进行地表参数的真实性分析，评价遥感卫星对地表信息表达的精确程度，实现基于地表参数真实性的GF-1和SPOT-7多光谱影像质量评价。

1 基于地表参数真实性的评价方法

遥感影像对地表特征表达的精度、稳定性和一致性决定了影像的质量，对于遥感定量产品的深化应用具有重大的意义，从地表参数真实性角度，评价多光谱影像质量。在地表参数中，反射率是表征地表物体类型、组成成分和状态的基本物理量，不同地物在不同波段具有不同反射特性，影像反射率真实性决定了地物识别和分类的准确度^[7]；NDVI(normalized difference vegetation index)根据植被在红波段和近红外波段的反射特征，能够灵敏有效地表达植被信息^[8]。因此，针对反射率和NDVI两种最基本地表参数真实性评价多光谱影像辐射质量。

1.1 影像反射率精度评价

由于地物固有的物理特性，其反射率随波长变化具有一定的规律，多光谱影像中不同波段反射率可表达影像上不同类型地物的波段特性，结合地表真实反射率评价多光谱影像的反射率真实性。

在消除传感器、大气以及外界成像环境等辐射误差的基础上，通过统计影像上不同类型地物在蓝、绿、红、近红外4个波段上的反射率，对比地物样区的地表实测真实反射率，计算影像和地表反射率的绝对差异和相对差异，评价影像中不同波段对不同类型地物反射率的表达精度^[9]。

1.2 NDVI精度评价

NDVI是植被生长状态和植被覆盖度等信息的最常用指标，通过NDVI精度分析可评价多光谱影像对植被的解译能力。

在反射率真实性评价的基础上，分析植被类地物的NDVI真实性^[10]，对比实验区中植被类地物在同步影像上的NDVI$_i$和地表真实反射率计算的NDVI$_s$之间的绝对差异和相对差异，评价多光谱影像对NDVI的表达精度，NDVI精度评价的计算模型分别为

$ {\rm{NDV}}{{\rm{I}}_i} = \frac{{\rho _{ri}^i-\rho _r^i}}{{\rho _{ri}^i + \rho _r^i}} $

(1)

$ {\rm{NDV}}{{\rm{I}}_s} = \frac{{\rho _{ri}^s-\rho _r^s}}{{\rho _{ri}^s + \rho _r^s}} $

(2)

式中，${\rho _{ri}^i}$和${\rho _r^i}$分别表示影像中近红外和红光波段的反射率值，${\rho _{ri}^s}$和${\rho _r^s}$分别表示地表实测数据中近红外和红光波段的反射率。

1.3 影像质量评价流程

从反射率和NDVI两种地表参数真实性角度客观地评价多光谱影像质量，一方面要在遥感卫星成像时同步且准确地测量地表参数值，另一方面须去除外界成像环境引起的影像辐射误差。

因此，设计遥感卫星同步成像和地面同步测量实验，获取同步影像数据，以及地面实测大气光学特性参数及典型地物样区光谱，地面实测大气光学特性参数用于计算成像过程的大气辐射影响，典型地物样区光谱数据用于计算地表反射率和NDVI真值。

2 遥感卫星同步观测

遥感卫星同步观测实现GF-1和SPOT-7对成像实验区同步成像，且在地面同步测量大气光学特性参数和多种典型地物样区光谱^[11-12]。

2.1 同步观测实验区

遥感卫星同步观测实验以嵩山摄影测量与遥感定标场及其周边为实验区，实验区具有多种自然人工地物、高精度控制点等观测对象^[13]，面积为30 km×30 km，经度范围为112°56′15″E至113°15′00″E，纬度范围为34°25′05″N至34°37′30″N，海拔高度在1001 500 m之间，该区域地处中国中部，天气状况良好，观测目标丰富，地面作业方便，能够有效地保证高质量光学遥感影像的获取，实验区气候、大气及地表条件适合在夏秋季节进行遥感卫星同步观测。

在实验区中选定了位于实验区中心的大气光学特性测量站点。根据实验区中地物的类型和特点选取典型地物样区进行光谱测量，样区包括人工地物和自然地物两类，人工地物包括嵩山定标场棋盘格靶标，棋盘格靶标由高、低2种反射率相间的4块靶标块组成，自然地物包括草地以及棉花、红薯、萝卜农作物类植被样区共17个，水泥地、裸土、瓷砖地、花岗岩等硬地样区18个，地物样区的大小在30 m×30 m左右，光谱测量采样点按照3 m间隔均匀分布在地物样区内，每个样区布设100个以上采样点。实验区及地物样区的分布如图 1所示。

图 1 成像实验区及地物样区分布

Fig. 1 The SRF of the GF-1 and SPOT-7 sensors

2.2 遥感卫星成像

同步成像遥感卫星为GF-1和SPOT-7，GF-1的高分辨率相机全色分辨率为2 m，多光谱分辨率为8 m，SPOT-7的全色分辨率为1.5 m，多光谱分辨率6 m，两颗卫星的多光谱影像波段均包含4个波段，波段信息如表 1所示。

表 1 同步观测遥感卫星多光谱波段信息
Table 1 The information of the multi-spectral bands

下载CSV

	GF-1	SPOT-7
光谱波段/μm	0.450.52	0.450.52
	0.520.59	0.630.69
	0.630.69	0.770.89
	0.770.89	0.520.59

两颗卫星传感器各波段的辐射定标系数增益GAIN和偏移量BIAS如表 2所示。

表 2 遥感卫星传感器辐射定标系数
Table 2 The radiometric calibration coefficients

下载CSV

定标	卫星/传感器	传感器波段
定标	卫星/传感器	Band1	Band2	Band3	Band4
GAIN	SPOT-7	0.105 4	0.099 3	0.092 1	0.065 0
	GF-1/PMS1	0.224 7	0.189 2	0.188 9	0.193 9
	GF-1/PMS2	0.241 9	0.204 7	0.200 9	0.205 8
BIAS	SPOT-7、GF-1中PMS1和PMS2皆为0

两颗卫星各波段的光谱响应函数(SRF)如图 2所示。

图 2 GF-1和SPOT-7传感器光谱响应函数

Fig. 2 The SRF of the GF-1 and SPOT-7 sensors ((a) The SRF of GF-1’s Sensor; (b)The SRF of SPOT-7’s Sensor)

在2014年10月10—31日内编程定制两颗卫星对实验区成像，获取同步影像，两颗卫星的成像时间和几何参数如表 3所示，成像时刻和成像角度均差别较小，符合同步成像的要求。

表 3 同步成像时间及成像几何参数
Table 3 The time and geometric parameters of synchronous imaging

下载CSV

卫星名称	实验区成像时间(UTC)	影像经纬度范围	天顶角	方位角
SPOT-7	2014-10-14 02:57:56	Top-Left(34.6262°N，112.937°E) Bottom-Right(34.4153°N，113.250°E)	169.19°	93.22°
GF-1	2014-10-25 03:50:18	Top-Left(34. 7191°N，112.852°E) Bottom-Right(34.3113°N，113.570°E)	164.057 6°	102.976°

2.3 地面同步测量

1)大气光学特性测量。大气光学特性测量仪器采用全自动太阳光度计CE318，在可见光至近红外设有8个观测通道，分别是1 020 nm、870 p1、670 nm、440 nm、870 p2、870 nm、936 nm、870 p3，其中p1、p2、p3为3个极化通道，测量数据为各通道太阳直射辐射测值。

由于遥感卫星过境时间不确定，测量时间为8:00—17:00，数据记录时间间隔为5~8 min，根据具体天气状况和太阳光照变化情况灵活确定。

2)地物样区光谱测量。光谱测量仪器采用ASD FieldSpec 4光谱仪，光谱采集范围为350~2 500 nm，包括可见光、近红外和短波红外。

地物样区在同步观测时间内进行4个轮次的光谱测量，以保证光谱同步测量时间覆盖遥感卫星成像时间。每个样区按照3 m间隔布设光谱测量采样点，每个样区布设100个采样点，每个采样点测量5条光谱数据，棋盘格靶标和硬地类地物测量对象为地表，植被类地物测量对象为植被冠层。在测量过程中根据太阳光照变化情况及时对比测量参考白板，同时，利用手持GPS和相对位置记录地物样区和光谱采样点的位置信息。

3 同步观测数据处理

同步观测数据的处理流程如图 3所示，主要包括大气光学特性测量数据处理、同步观测影像辐射定标和大气校正，以及地物样区光谱测量数据处理，计算影像反射率和植被NDVI^[14]。

图 3 遥感卫星同步观测实验数据处理流程

Fig. 3 The processing flow of synchronous imaging data

3.1 大气光学特性测量数据处理

大气光学特性测量数据为CE318各通道的太阳直射辐射测值，利用LangLey法定标反演得到各通道的大气气溶胶光学厚度^[15]。图 4为440 nm、670 nm和870 nm 3个波段的气溶胶光学厚度，用于拟合550 nm波段的气溶胶光学厚度。

图 4 SPOT-7和GF-1成像时间段的大气气溶胶光学厚度

Fig. 4 The aerosol optical depth at the imaging time of SPOT-7 and GF-1 ((a) SPOT-7; (b) GF-1)

利用最小二乘法拟合大气浑浊度系数$\beta $和波长指数$\alpha $，模型表示为

$ \tau (\lambda )=\beta \cdot {{\lambda }^{-\alpha }} $

(3)

计算能见度$V$用于FLAASH大气校正^[15]，能见度表示为

$ V=3.912/\beta $

(4)

3.2 同步观测影像辐射校正

1)辐射定标。通过辐射定标消除遥感传感器性能引起的辐射误差，根据影像DN值和定标系数增益Gain和偏移量Offset计算波段$\lambda $的辐亮度$L(\lambda )$，模型表示为

$ L(\lambda )=Gain\cdot \text{DN+}Offset $

(5)

通过多光谱影像的辐射定标，得到影像的表观辐亮度产品，用于大气校正^[16]。

2)FLAASH大气校正。获取传感器成像参数和影像参数，根据大气光学特性测量数据，获取大气模型和气溶胶模型，并计算能见度参数，参数如表 4所示，输入FLAASH大气校正模型，完成GF-1和SPOT-7多光谱影像大气校正，得到反射率影像^[17]。

表 4 SPOT-7和GF-1多光谱影像FLAASH大气校正参数
Table 4 The FLAASH atmospheric correction parameters of SPOT-7 and GF-1 multi-spectral images

下载CSV

大气校正参数	SPOT-7	GF-1
影像中心点	34.520 8°N 113.092 8°E	34.515 4°N 113.007 4°E
传感器高度	700 km	640 km
地面高度	0.38 km	0.38 km
像元大小	6 m	8 m
飞行日期	2014-10-14	2014-10-25
飞行时间GMT	02：57：56	03：50：17
大气模型	中纬度夏季	中纬度夏季
气溶胶模型	Urban	Urban
能见度	13.64 km	20.59 km
气溶胶Scale高度	1.5 km	1.5 km
CO₂混合比例	390 ppm	390 ppm
MODTRAN分辨率	15 cm^-1	15 cm^-1
多次散射模型	Scaled DISORT	Scaled DISORT
DISORT流数量	8	8
天顶角	169.19°	164.057 6°
方位角	93.22°	102.976°

3.3 地物样区光谱测量数据处理

1)光谱数据预处理。在对采样点的5条反射率数据进行粗差剔除的前提下进行平均，得到每个采样点的反射率，再平均100个采样点的数据得到地物样区的反射率实测数据。

2)CCD波段等效地表反射率计算。利用地物样区反射率实测值和各颗卫星CCD相机的SRF进行卷积，计算各地物样区在4个波段的等效地表反射率^[19]，模型为

$ {{\rho }_{i}}=\frac{\int_{{{\lambda }_{1}}}^{{{\lambda }_{2}}}{\rho (\lambda )SR{{F}_{i}}(\lambda )\text{d}}\lambda }{\int_{{{\lambda }_{1}}}^{{{\lambda }_{2}}}{SR{{F}_{i}}(\lambda )\text{d}\lambda }} $

(6)

式中，${{\rho }_{i}}$为CCD第$i$个波段的等效地表反射率，${{\lambda }_{1}}$和${{\lambda }_{2}}$为CCD第$i$个波段的波长范围，$\rho (\lambda )$为波长$\lambda $处对应的反射率实测值，$SR{{F}_{i}}(\lambda )$为CCD第$i$个波段的光谱响应函数在波长$\lambda $处对应的响应值。

4 地表反射率和NDVI计算

在获取反射率影像产品的基础上，确定地物样区在影像上的定位并统计影像反射率，并拟合地物样区在遥感卫星同步成像日期的地表等效反射率，根据影像反射率和地表实测反射率计算植被样区的NDVI。

4.1 地物样区影像反射率

在地物样区均匀性较好的情况下，影像上任一样点像素反射率值均能表达其光谱信息，而实际情况下，样区均匀性不一定完全一致，且边缘像素的光谱易受邻近地物光谱影响，为此，采用窗口分析方法确定样区反射率，如图 5所示。设置2×2像素的分析窗口，在影像中地物样区像素范围内逐行逐列计算窗口内反射率最小值、最大值、平均值和标准差，选择反射率标准差最小的窗口，计算窗口内的反射率平均值，作为影像上地物样区的反射率信息。

图 5 地物样区影像反射率统计方法

Fig. 5 The method of reflectance statistics ((a)the reflectance traversal using window analysis; (b) the statistical result of reflectance)

4.2 地物样区实测反射率

地物光谱测量时间范围覆盖了GF-1和SPOT-7卫星成像日期，但并不是每个样区在GF-1和SPOT-7卫星成像日均有光谱测量值，因此需对不具有卫星成像日测量光谱的地物样区进行成像时刻的光谱拟合，以保证地物样区实测反射率的同步性。

各样区地物在4轮光谱测量过程中没有物理状态和生长周期的突变，光谱特征稳定，同步测量周期内天气状况稳定，无突发天气状况影响地物光谱特性，同一地物样区在四轮测量中均在同一时间段内进行光谱测量，保证太阳高度角一致，基于上述条件，论文采用分段线性拟合的方法拟合GF-1和SPOT-7成像日期的样区反射率。

其中，在卫星成像日期测量的地物样区光谱采用此日期测量的等效地表反射率，非成像日期测量的地物样区光谱采用与成像日期临近的两轮测量值进行拟合，根据测量日期与拟合日期的时间长短赋予权重值，拟合模型为

$ {{\rho }_{d}}=\frac{{{D}_{2}}-D}{{{D}_{2}}-{{D}_{1}}}\cdot {{\rho }_{1}}+\frac{D-{{D}_{1}}}{{{D}_{2}}-{{D}_{1}}}\cdot {{\rho }_{2}} $

(7)

式中, ${{\rho }_{d}}$为待拟合日期的地表反射率，$D$为待拟合日期值，以天为单位，${{D}_{1}}$和${{D}_{2}}$为与待拟合日期$D$临近的两次观测日期，${{\rho }_{1}}$和${{\rho }_{2}}$分别为${{D}_{1}}$和${{D}_{2}}$观测日期测量的地表反射率。

通过式(7)拟合得到各地物样区分别在GF-1和SPOT-7卫星成像日期的4个波段的实测等效地表反射率值。

4.3 植被样区NDVI计算

在地物样区影像反射率和实测反射率统计的基础上，利用式(1)(2)计算植被类样区的NDVI，对比影像反射率计算的NDVI值和实测等效地表反射率计算的NDVI值，基于NDVI真实性进行GF-1和SPOT-7多光谱影像质量评价。

5 基于反射率的影像质量评价

比较多光谱影像四个波段中影像反射率和地表真实反射率之间的差异，据此评价GF-1和SPOT-7多光谱影像对不同类型地物的真实表达能力。

5.1 定标场靶标反射率精度评价

嵩山定标场棋盘格靶标的高反射率白块和低反射率白块的影像反射率和真实测量值的统计和比较结果如表 5所示。

表 5 棋盘格靶标反射率精度
Table 5 The accuracy of reflectivity in the checkerboard target

下载CSV

样区	反射率	SPOT-7影像各波段反射率				GF-1影像各波段反射率
样区	反射率	B1	B2	B3	B4	B1	B2	B3	B4
高反射率白块	影像	0.571 675	0.661 850	0.639 675	0.663 600	0.494 175	0.551 200	0.550 950	0.526 675
	真实	0.430 242	0.457 722	0.464 347	0.445 222	0.481 665	0.502 182	0.503 053	0.488 351
	绝对差	0.141 433	0.204 128	0.175 328	0.218 378	0.012 510	0.049 018	0.047 897	0.038 324
	相对差/%	32.872 9	44.596 5	37.757 9	49.049 1	2.597 3	9.761 0	9.521 3	7.847 7

低反射率白块	影像	0.431 600	0.495 550	0.473 950	0.487 900	0.349 125	0.388 400	0.382 400	0.378 400
	真实	0.329 423	0.346 734	0.346 697	0.326 322	0.344 653	0.359 500	0.357 188	0.347 464
	绝对差	0.102 177	0.148 816	0.127 253	0.161 578	0.004 472	0.028 900	0.025 212	0.030 936
	相对差/%	31.016 9	42.919 2	36.704 2	49.514 8	1.297 6	8.039 0	7.058 6	8.903 4

GF-1多光谱影像在4个波段上的反射率绝对差值均在0.05内，相对差值在10%内，SPOT-7多光谱影像的反射率绝对差值和相对差值均较GF-1影像大，SPOT-7对棋盘格靶标白块的整体亮度表现偏高。GF-1和SPOT-7均在蓝波段表现更高的反射率精度。

5.2 地物反射率精度评价

1)植被类地物。草地以及棉花、红薯、萝卜农作物类植被样区的影像反射率和地表真实测量值的统计和比较结果如表 6所示。

表 6 植被类地物反射率精度
Table 6 The accuracy of reflectivity in the vegetation features

下载CSV

样区	反射率	SPOT-7影像各波段反射率				GF-1影像各波段反射率
样区	反射率	B1	B2	B3	B4	B1	B2	B3	B4
草地	影像	0.043 011	0.085 178	0.077 856	0.328 111	0.015 322	0.047 322	0.071 111	0.205 656
	真实	0.041 525	0.076 215	0.062 883	0.312 209	0.041 280	0.073 199	0.060 034	0.305 299
	绝对差	0.001 486	0.008 963	0.014 973	0.015 902	0.025 958	0.025 877	0.011 077	0.099 643
	相对差/%	3.577 3	11.760 0	23.810 6	5.093 3	62.882 7	35.351 2	18.450 9	32.637 8

棉花	影像	0.044 478	0.092 256	0.078 689	0.467 722	0.004 356	0.043 111	0.057 044	0.363 833
	真实	0.044 379	0.092 296	0.053 833	0.612 451	0.045 618	0.096 710	0.052 874	0.611 788
	绝对差	0.000 099	0.000 040	0.024 856	0.144 729	0.041 262	0.053 599	0.004 170	0.247 955
	相对差/%	0.223 1	0.043 6	46.173 4	23.631 1	90.451 2	55.422 5	7.887 6	40.529 6

红薯	影像	0.048 111	0.086 656	0.056 856	0.636 011	0.019 033	0.053 356	0.057 567	0.490 922
	真实	0.041 398	0.068 956	0.041 618	0.481 676	0.031 510	0.061 081	0.030 196	0.510 242
	绝对差	0.006 713	0.017 700	0.015 238	0.154 335	0.012 477	0.007 725	0.027 371	0.019 320
	相对差/%	16.216 2	25.668 8	36.613 2	32.041 2	39.597 7	12.647 2	90.646 9	3.786 4

萝卜	影像	0.061 444	0.125 211	0.093 389	0.577 611	0.018 722	0.064 844	0.063 711	0.440 156
	真实	0.054 107	0.095 449	0.056 364	0.479 382	0.059 888	0.112 618	0.064 787	0.560 121
	绝对差	0.007 337	0.029 762	0.037 025	0.098 229	0.041 166	0.047 774	0.001 076	0.119 965
	相对差/%	13.559 5	31.180 6	65.690 4	20.490 8	68.738 5	42.421 4	1.660 4	21.417 7

SPOT-7多光谱影像在蓝、绿、红波段的反射率绝对误差在0.04内，在近红外波段的反射率绝对差在15%内；GF-1多光谱影像在蓝、绿、红波段的反射率绝对差在0.06内，在近红外波段的反射率绝对差在0.25内；SPOT-7多光谱影像的植被类地物反射率精度总体上优于GF-1影像。

对于植被类地物，SPOT-7在蓝波段和绿波段的反射率精度较高，蓝绿波段较常用于植被类地物的分类识别，说明SPOT-7影像对植被类地物的识别能力较强；相对而言，SPOT-7在棉花和红薯冠层的近红外波段的反射率精度较低，红和近红外波段较常用于植被生长和健康状况监测，说明SPOT-7影像对植被长势的监测能力相对较弱。

2)硬地类地物。水泥地、裸土、瓷砖地、花岗岩等几种硬地样区的影像反射率和地表真实测量值的统计及比较结果如表 7所示。

表 7 硬地类地物反射率精度
Table 7 The accuracy of reflectivity in the ground features

下载CSV

样区	反射率	SPOT-7影像各波段反射率				GF-1影像各波段反射率
样区	反射率	B1	B2	B3	B4	B1	B2	B3	B4
水泥	影像	0.188 133	0.236 978	0.257 833	0.304 689	0.151 822	0.190 189	0.212 367	0.233 711
	真实	0.184 833	0.203 471	0.200 522	0.202 927	0.182 368	0.197 479	0.196 797	0.202 937
	绝对差	0.003 300	0.033 507	0.057 311	0.101 762	0.030 546	0.007 290	0.015 570	0.030 774
	相对差/%	1.785 2	16.467 6	28.580 6	50.146 8	16.749 5	3.691 6	7.911 7	15.164 2

裸土	影像	0.234 678	0.367 678	0.439 467	0.542 333	0.122 533	0.198 667	0.270 167	0.315 344
	真实	0.216 718	0.309 239	0.370 021	0.409 379	0.130 421	0.184 831	0.234 953	0.259 484
	绝对差	0.017 960	0.058 439	0.069 446	0.132 954	0.007 888	0.013 836	0.035 214	0.055 860
	相对差/%	8.287 3	18.897 7	18.768 2	32.476 8	6.048 1	7.485 5	14.987 7	21.527 3

瓷砖	影像	0.333 978	0.398 922	0.434 922	0.508 678	0.262 889	0.310 422	0.348 556	0.373 489
	真实	0.310 752	0.337 015	0.363 552	0.391 472	0.309 386	0.334 213	0.363 767	0.381 599
	绝对差	0.023 226	0.061 907	0.071 370	0.117 206	0.046 497	0.023 791	0.015 211	0.008 110
	相对差/%	7.474 2	18.369 4	19.631 3	29.939 7	15.028 9	7.118 5	4.181 6	2.125 2

花岗岩	影像	0.186 711	0.248 478	0.257 511	0.307 922	0.147 656	0.188 789	0.222 9	0.232 978
	真实	0.135 381	0.164 985	0.182 589	0.202 398	0.143 644	0.168 653	0.184 555	0.200 954
	绝对差	0.051 330	0.083 493	0.074 922	0.105 524	0.004 012	0.020 136	0.038 345	0.032 024
	相对差/%	37.915 2	50.606 4	41.033 4	52.136 5	2.793 3	11.939 1	20.777 2	15.936 1

SPOT-7多光谱影像在4个波段的反射率绝对差在0.14内，GF-1多光谱影像在4个波段的反射率绝对差在0.06内，GF-1多光谱影像的硬地类地物反射率精度总体上优于SPOT-7影像。

SPOT-7和GF-1均在蓝波段的反射率精度较高，在近红外波段的反射率误差较大。

对于硬地类地物，GF-1在4个波段的反射率精度较高，说明GF-1影像对探测硬地类地物的类型、含水量、表面粗糙度等各种因素较为敏感，在分辨土壤和岩石等地物上具有较高的精度。

6 基于NDVI的影像质量评价

影像反射率和地表真实测量值计算的草地以及棉花、红薯、萝卜农作物类植被样区的NDVI统计和比较结果如表 8所示。

表 8 植被样区NDVI精度
Table 8 The accuracy of NDVI in the vegetation features

下载CSV

植被	NDVI值				NDVI精度
	影像反射率计算		地表真实反射率计算		绝对差		相对差/%
	SPOT-7	GF-1	SPOT-7	GF-1	SPOT-7	GF-1	SPOT-7	GF-1
草地	0.616 462	0.485 410	0.664 706	0.671 346	0.048 264	0.185 215	7.261 0	27.588 6
棉花	0.711 979	0.728 928	0.838 409	0.840 901	0.126 430	0.111 973	15.079 8	13.315 8
红薯	0.835 882	0.790 089	0.840 938	0.888 255	0.005 056	0.098 166	0.601 2	11.051 6
萝卜	0.721 642	0.747 112	0.789 588	0.792 652	0.067 946	0.045 540	8.605 2	5.745 3

SPOT-7在草地、红薯和萝卜3种植被类样区的影像NDVI与地表实测NDVI差值较小，棉花样区的影像NDVI与地表实测NDVI差值较大；而GF-1在草地和棉花样区的影像NDVI与地表实测NDVI差值较大。SPOT-7影像NDVI精度总体上优于GF-1。

NDVI可监测地面植被状态，表现植被的生长状态、覆盖密度和分布特征等方面，NDVI真实性检验结果表明SPOT-7对监测地面植被状态的精度较高，可更准确地表现植被的生长状态、覆盖密度和分布特征。

7 结论

本文设计了基于地表反射率和NDVI真实性的SPOT-7和GF-1多光谱影像质量评价方法，适用于从不同类型地物反射率精度和植被指数精度的角度评价多光谱影像质量，评价结果可为影像信息提取、目标识别和特征分析等遥感影像提供先验知识。

采用本文的影像质量评价方法，须获取高精度的实时的地表反射率和植被指数，以提高影像质量评价的精度和可靠性。本文方法是基于遥感同步观测，在高分辨率遥感卫星同步成像和地面同步测量基础上进行影像质量评价，但遥感同步观测需耗费较大的人力物力，因此，可从待评价遥感影像同时期的高光谱影像数据中获取高精度的地表反射率和植被指数，用于从地表参数真实性角度评价影像质量。

参考文献

[1] Wang Z, Bovik A C, Sheikh H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE Transactions on Image Processing , 2004, 13 (4) : 600–612. DOI:10.1109/TIP.2003.819861

[2] Sheikh H R, Bovik A C. Image information and visual quality[J]. IEEE Transactions on Image Processing , 2006, 15 (2) : 430–444. DOI:10.1109/TIP.2005.859378

[3] Sheikh H R, Sabir M F, Bovik A C. A statistical evaluation of recent full reference image quality assessment algorithms[J]. IEEE Transactions on Image Processing , 2006, 15 (11) : 3440–3451. DOI:10.1109/TIP.2006.881959

[4] Su L H, Li X W, Liang S L, et al. Data frame and spectral simulation for remote sensing spectral data base[J]. Geo-information Science , 2002, 4 (4) : 7–15. [ 苏理宏, 李小文, 梁顺林, 等. 典型地物波谱库的数据体系与波谱模拟[J]. 地球信息科学 , 2002, 4 (4) : 7–15. DOI:10.3969/j.issn.1560-8999.2002.04.002 ]

[5] Zhang R H, Tian J, Li Z L, et al. Principles and methods for the validation of quantitative remote sensing products[J]. Science China Earth Science , 2010, 40 (2) : 211–222. [ 张仁华, 田静, 李召良, 等. 定量遥感产品真实性检验的基础与方法[J]. 中国科学:地球科学 , 2010, 40 (2) : 211–222. DOI:10.1007/s11430-010-0021-3 ]

[6] Wu X D, Xiao Q, Wen J G, et al. Advances in uncertainty analysis for the validation of remote sensing products: take leaf area index fore xample[J]. Journal of Remote Sensing , 2014, 18 (5) : 1011–1023. [ 吴小丹, 肖青, 闻建光, 等. 遥感数据产品真实性检验不确定性分析研究进展[J]. 遥感学报 , 2014, 18 (5) : 1011–1023. DOI:10.11834/jrs.20143332 ]

[7] Bao P Y, Zhang Y J, Gong L, et al. Study on consistency of land surface albedo obtained from ETM+ and MODIS[J]. Journal of Hohai University: Natural Sciences , 2007, 35 (1) : 67–71. [ 鲍平勇, 张友静, 贡璐, 等. 由遥感数据获取的地表反照率归一化问题探讨[J]. 河海大学学报:自然科学版 , 2007, 35 (1) : 67–71. DOI:10.3321/j.issn:1000-1980.2007.01.017 ]

[8] Tian Q J, Min X J. Advances in study on vegetation indices[J]. Advance in Earth Sciences , 1998, 13 (4) : 327–333. [ 田庆久, 闵祥军. 植被指数研究进展[J]. 地球科学进展 , 1998, 13 (4) : 327–333. DOI:10.3321/j.issn:1001-8166.1998.04.002 ]

[9] Chen C, Wu Y H, Liu Z M, et al. The ground reflectance spectrum retrieval from ETM images[J]. Spectroscopy and Spectral Analysis , 2007, 27 (4) : 739–742. [ 陈春, 吴雨航, 刘志明, 等. ETM图像地物反射率光谱反演[J]. 光谱学与光谱分析 , 2007, 27 (4) : 739–742. DOI:10.3321/j.issn:1000-0593.2007.04.028 ]

[10] Li P, Jiang L G, Feng Z M. Comparative analysis of vegetation index of paddy rice under different radiometric correction levels[J]. Remote Sensing Technology and Application , 2012, 27 (1) : 121–127. [ 李鹏, 姜鲁光, 封志明. 不同辐射校正水平下水稻植被指数监测对比分析[J]. 遥感技术与应用 , 2012, 27 (1) : 121–127. ]

[11] Li X, Ma M G, Wang J, et al. Simultaneous remote sensing and ground-based experiment in the Heihe river basin: scientific objectives and experiment design[J]. Advances in Earth Science , 2008, 23 (9) : 897–914. [ 李新, 马明国, 王建, 等. 黑河流域遥感-地面观测同步试验:科学目标与试验方案[J]. 地球科学进展 , 2008, 23 (9) : 897–914. DOI:10.3321/j.issn:1001-8166.2008.09.001 ]

[12] Gong H, Tian G L, Yu T, et al. Vicarious radiometric calibration and validation of CBERS02B CCD data[J]. Journal of Remote Sensing , 2010, 14 (1) : 1–12. [ 巩慧, 田国良, 余涛, 等. CBERS02B卫星CCD相机在轨辐射定标与真实性检验[J]. 遥感学报 , 2010, 14 (1) : 1–12. DOI:10.11834/jrs.20100101 ]

[13] Zhang Y S. Design and implementation of Songshan test field for high resolution remote sensing and mapping[J]. Journal of Geomatics Science and Technology , 2012, 29 (2) : 79–82. [ 张永生. 高分辨率遥感测绘嵩山实验场的设计与实现-兼论航空航天遥感定位精度与可靠性的基地化验证方法[J]. 测绘科学技术学报 , 2012, 29 (2) : 79–82. DOI:10.3969/j.issn.1673-6338.2012/02.001 ]

[14] Tian Q J, Zheng L F, Tong Q X. Image-based atmospheric radiation correction and reflectance retrieval methods[J]. Quarterly Journal of Applied Meteorology , 1998, 9 (4) : 456–461. [ 田庆久, 郑兰芬, 童庆禧. 基于遥感影像的大气辐射校正和反射率反演方法[J]. 应用气象学报 , 1998, 9 (4) : 456–461. ]

[15] Hu F C, Zhang B, Chen Z C, et al. Improved algorithm for the retrieval of aerosol optical depth using the sunpohometer CE 318[J]. Optical Technique , 2007, 33 (S) : 38–41, 43. [ 胡方超, 张兵, 陈正超, 等. 利用太阳光度计CE318反演气溶胶光学厚度改进算法的研究[J]. 光学技术 , 2007, 33 (S) : 38–41, 43. DOI:10.3321/j.issn:1002-1582.2007.z1.115 ]

[16] Yang Z D, Gu S Y, Qiu H, et al. CBERS-1's CCD image quality evaluating and cross calibrating study[J]. Journal of Remote Sensing , 2004, 8 (2) : 113–120. [ 杨忠东, 谷松岩, 邱红, 等. 中巴地球资源一号卫星CCD图像质量评价和交叉定标研究[J]. 遥感学报 , 2004, 8 (2) : 113–120. DOI:10.3321/j.issn:1007-4619.2004.02.004 ]

[17] Sun Y, Gu X F, Yu T, et al. A study of HJ-1A CCD image atmospheric correction[J]. Remote Sensing for Land & Resources , 2010 (4) : 6–9. [ 孙源, 顾行发, 余涛, 等. 环境星CCD数据大气校正研究[J]. 国土资源遥感 , 2010 (4) : 6–9. ]

[18] Hao J T, Yang W N, Li Y X, et al. Atmospheric correction of multi-spectral imagery ASTER[J]. Remote Sensing Information , 2008 (1) : 78–81. [ 郝建亭, 杨武年, 李玉霞, 等. 基于FLAASH的多光谱影像大气校正应用研究[J]. 遥感信息 , 2008 (1) : 78–81. ]

[19] Li X Y. In flight radiometric calibration and pixel based calibration for CCD Camera and WFI Imager on CBERS-02[D]. Beijing: Institute of Remote Sensing Applications, Chinese Academy of Science, 2005. [李小英. CBERS-02卫星CCD相机与WFI成像仪在轨辐射定标与像元级辐射定标研究[D].北京:中国科学院遥感应用研究所, 2005.]