新一代Landsat系列卫星:Landsat 8遥感影像新增特征及其生态环境意义

徐涵秋，唐 菲

(福州大学遥感信息工程研究所，福州大学环境与资源学院，福州 350108)

在各种卫星遥感对地观测数据深入应用到各行各业的今天，长达40年历史的Landsat系列卫星数据无疑仍是应用最广泛的卫星数据，它们在全球尺度的生态环境变化监测中发挥了无可比拟的重要作用。但是，由于其两颗主力卫星中的Landsat 7号星的扫描行校正器于2003年5月31日发生了故障，使其实用价值大打折扣;而设计寿命只有3年的Landsat 5号星也因为近29年的超期服役而于2012年12月21日正式宣布退役［1］，从而造成Landsat 40年的连续对地观测出现一度中断。几经波折的Landsat 8卫星终于在Landsat对地连续观测中断1年4个月后，于2013年2月11日在美国加州成功发射［2］。这意味着Landsat将继续为全球的生态环境提供连续的观测数据。

3月18日，Landsat 8获得了第一幅遥感影像，并于29日作为样本数据供用户下载［3］。为了了解Landsat 8卫星影像的基本特征、新增特征及其优点，本文对该影像进行了处理与分析，并重点测试了其新增特性的应用，旨在为广大用户了解该影像的应用潜力提供第一时间的基本信息。

1 Landsat 8卫星影像的基本特征

Landsat 8卫星是由美国宇航局(NASA)和美国地质调查局(USGS)共同负责的项目。美国宇航局负责卫星传感器的研制和发射，美国地质调查局负责后续的系统维护、地面接收、数据处理和分发。在研制和发射调试阶段，美国宇航局将这一新星称为Landsat Data Continuity Mission(LDCM)，意指其肩负着Landsat卫星连续对地观测的使命。在发射后大约100天的调试期结束后(5月底)，LDCM将移交给美国地质调查局。届时，美国地质调查局会将其改名为Landsat 8，以延续Landsat系列卫星自1972年发射以来，已持续了40年的全球对地观测使命。正是由于这一使命，Landsat 8的设计和特征与Landsat 7基本相同，这使得Landsat 8数据可以和前期的Landsat数据保持很高的一致性和可比性。表1给出Landsat 8和Landsat 7卫星影像的基本参数对比［4］。

表1 Landsat 8与Landsat 7影像的主要参数对比Table 1 Comparison of spectral bands between Landsat 8 and Landsat 7

从表1中可以看出，新的Landsat 8具有以下特征:

(1)波段设置:Landsat 8除了具有Landsat 7所有的光谱波段外，还有以下变化(图1):

·在原蓝光波段之外新增了1个深蓝(Deep blue)波段，用于监测近岸水体和大气中的气溶胶，因此也称海岸/气溶胶(Coastal/Aerosol)波段;

·在原近红外波段与短波红外波段间新增了1个卷云(Cirrus)波段，用于检测卷云;

·将原热红外波段的光谱范围一分为二，设置了2个热红外波段;

·收窄了原近红外波段的光谱范围，以便去除0.825μm处的水汽吸收影响;

·收窄了原全色波段的光谱范围，新的全色波段的光谱范围不再覆盖近红外波段。

图1 Landsat 8传感器与Landsat 7传感器波段光谱设置范围的对比(据NASA)Fig.1 Spectral band comparison between Landsat 8 and Landsat 7 sensors(from NASA)

(2)传感器数量:Landsat 8具有2个传感器:Operational Land Imager(OLI)和Thermal Infrared Sensor(TIRS)［5］，亦即Landsat 8具有单独的热红外传感器TIRS，而不像Landsat 7那样，将其集成于ETM+传感器之中。应该说这是一个被动之举。由于Landsat 8在最初的设计上并没有考虑要继续接收热红外数据，后来决定要继续接收热红外数据时，已设计的OLI传感器已无足够的空间来容纳热红外传感器。为了不耽误发射时间，只得决定单独设计另一新的传感器，由于时间紧迫，所设计的热红外数据的分辨率为100m，这较之于Landsat 7的60m，不得不说是一个退步，而且设计的使用年限也只有3年，低于同卫星的OLI的5年。但可喜的是，新的热红外传感器有2个波段，比ETM+增加了1个波段，这使得它可以用劈窗算法来进行大气校正［6］。

(3)辐射分辨率:Landsat 8的OLI传感器采用的是已在EO-1卫星的ALI传感器上实验过的推进扫描方式［7］，所以将比所有老的Landsat系列卫星的传感器具有更高的信噪比。根据Irons等［6］的资料整理，OLI各波段的信噪比有望比Landsat 7 ETM+各对应波段平均高出近3倍。因此Landsat 8将Landsat 7的8 bit辐射分辨率提高到12 bit，大大增加了影像的灰度量化级。

图2 实验影像Fig.2 Subset of the first Landsat 8 image used as the test image

2 Landsat 8实验影像及其预处理

首幅Landsat 8遥感影像展示了美国怀俄明州和科罗拉多州的大平原区和落基山脉前沿交汇处的生态景观。由于影像许多地方被云覆盖，NASA和USGS的网站主要展示的是其中云较少的科罗拉多州博尔德(Boulder)地区处的部分影像［3］。因此，本文亦选该处影像作为实验分析影像，面积约80 km2(图2)。该影像仍沿用Landsat系列数据的UTM/WGS84投影/坐标系，数据的处理格式为Level 1T，即已进行了基于地形的几何校正。但由于撰稿时，Landsat 8仍在调试阶段，其定标参数文件(CPF)尚未发布，影像各波段的增益值(gain)、偏离值(bias)和太阳平均辐照度(ESUN)等参数未知，因此无法将影像的灰度值(DN)转换为表观反射率(TOA)［8］，主要采用Jensen的直方图平移法对影像进行辐射校正［9］。表2列出了经预处理后的该影像的基本统计特征。

表2 实验影像的统计特征值Table 2 Statistics of the test image

图3 实验影像主要土地覆盖类型的反射光谱曲线Fig.3 Signatures of the main land cover classes of the test image

从表2可以看出，该影像中信息量最大的波段是短波红外(OLI 6、7)波段。它们的标准差最大，对占影像总信息量83.57%的第一主成分(PC1)的贡献也最大，二者的载荷分别达到0.677和0.533，远远超过其他波段。而新增的卷云波段(OLI 9)的信息量最小，其标准差和对PC1的贡献度都是最小的。从相关性来看，可见光组的波段(OLI 1—4波段)具有很强的相关性，短波红外组的波段(OLI 6—7、9波段)也具有较强的相关性，近红外波段则与各波段的相关度都小于0.8。因此，从这3个波段组中各选1个波段进行彩色组合，可以最大限度地降低波段之间的冗余度，获得较好的目视效果。

从图2可以看出，实验影像的西部为覆有林地的落基山脉前沿，北部为大片裸土，主要为第四纪的松散堆积［10］，中部为绿荫遮蔽的居住用地，南部为商业区和科罗拉多大学博尔德分校。影像中还有少量人工草地和水塘点缀其中，最大的一处水体位于影像东北角。图3和表3是影像中主要土地覆盖类型的反射光谱曲线和统计特征。需要说明的是，NASA虽然将卷云波段编号为9波段，但其光谱范围实际上介于OLI 5和OLI 6波段之间(表1)，因此在图3和表3中，将其置于5波段和6波段之间，以客观反映地物的光谱变化趋势。

表3 实验影像主要土地覆盖类型的均值Table 3 The mean values of the main land cover classes of the test image

3 Landsat 8影像新增特征及其生态环境意义

植被、水体、土壤是地表三个主要的生态环境要素、也是遥感生态环境监测的主要地面目标。因此，以下就这三大要素分析Landsat 8新增特性的优势。

3.1 植被监测

Landsat 8全色波段(OLI 8波段)的一大变化就是其光谱范围不再包含近红外波段，以覆盖绿光和红光波段为主;而Landsat 7全色波段的波长范围则完整地覆盖了绿光、红光和近红外波段的波长范围(图1、表1)。为了考察这一变化带来的影响，特选取了Landsat 7 ETM+同一地区2003-3-15的全色影像作为对比。该影像的季相与本次实验影像(3月18日)完全一致，虽然时隔10年，但仍可以看出该区的土地覆盖在这期间并没有发生太大变化(图4)。通过对比可以发现，在OLI的全色影像上(图4a)，植被呈暗色，如西边落基山脉的林地和中部居住区里的绿化带，因此植被和裸地、建筑用地等非植被区反差较明显。而对于ETM+全色影像，直观就可以看出其总体亮度较大，主要的原因是植被区并不太暗，特别是居住区的绿化带和其中的建筑物的亮度较接近，二者的反差不像在OLI全色影像中那样明显，因此很难区别(图4b)。显然，ETM+全色波段由于涵盖了近红外波段，因此接收到了植被在这一波长区间的反射光谱，从而导致其影像的亮度增大，植被与非植被信息难于区分;而OLI全色影像上不包含近红外波段的光谱则有利于全色影像中植被和非植被信息的区别。

图4 Landsat 8 OLI与Landsat 7 ETM+的全色影像Fig.4 Panchromatic images of OLI and ETM+sensors

3.2 水质监测

新增的深蓝波段(OLI 1波段)主要用于监测近岸水体。但Landsat 8的首幅影像中没有海岸带，因此主要根据实验影像东北角的水体对其考察(图5a)。先利用MNDWI水体指数［11］，将水体提取出来，然后计算水体的均值。从图3可以看出水体的均值从OLI 1到OLI 3波段为逐渐升高，然后逐渐下降。由于清水的反射率是随着波长的升高而降低，只有含悬浮物水体的反射率才会先升高后降低［12］，因此，可知这一水体的悬浮物浓度较高。从图5可以看出，该水体在深蓝波段的反射率低于蓝光波段(前者的红度不及后者)，二者的差值影像(蓝光波段减深蓝波段)突出了悬浮物浓度差，影像越红的地方，浓度差距越大。显然，深蓝波段的出现有助于水体浑浊程度的判断。

图5 (a)水体影像，(b)、(c)深蓝、蓝光波段表现出的水体特征，(d)差值影像所突出的悬浮物浓度差，(e)16 bit增强影像，(f)8 bit增强影像Fig.5 (a)Original water image，(b)-(c)water feature showing in the deep blue and blue bands，(d)the differencing image of the two bands，(e)enhanced 16-bit water image，and(f)enhanced 8-bit water image

Landsat 8另一新增特征就是提高了影像的辐射分辨率。首幅影像的辐射分辨率为16 bit，其灰度量化区间为0—65536，大大超过之前8 bit数据的0—255量化区间。为了实际考察这一变化的优势，我们仍以影像东北角的水体进行实验。除了用16 bit的数据进行实验外，还将其量化为8bit，模拟成ETM+影像，以进行对比。图5e、f为对水域进行对比度增强后获得的16 bit和8 bit的水体影像。可以明显发现，16 bit影像较好地显出示水体的细节信息，而模拟的8 bit ETM+影像则会出现灰度过饱和现象，图像表现的细节远不及前者丰富。显然，辐射分辨率的提高可避免极暗区的灰度过饱和现象，这对反射率极低的水体的细微特征的辨析有很大的帮助。

3.3 裸土和不透水建筑地面监测

新增的卷云波段(OLI 9波段)的信息量很低(表2)，这主要是因为其波段光谱范围的设置不是位于大气窗口内，而是位于强烈的水汽吸收带(图1)，大部分地面反射的电磁波信息无法穿过大气层，因此它们的信息很弱，传感器接收到的只是云层的信息。这样，当云和少数亮白色、反射率极强的地物(如沙土、新建筑用地)在其它波段不易区别时，就可以借助该波段来加以区别。从表3和图6可以看出，云和高反射的新建筑用地在大部分波段具有相似的光谱反射曲线特征，难于区别，但在卷云波段(9波段)处，云的反射率明显高于新建筑用地，因此可设定阈值来将其分离。表4为各主要地类在卷云波段的统计值，从中可以看出，云的最小值都大于任何其它地类的最大值，因此，以其作为阈值，就可以区分云和其它地类。图7取自该景影像中一小块有云覆盖的地区，其中有大片的裸土，将云在卷云波段中的最小值作为阈值就可以快速地将云的信息分离出来。

表4 各地类在卷云波段的统计特征值Table 4 Statistics of main land cover classes in the cirrus band

图6 云和新建筑用地的反射光谱曲线Fig.6 Signatures of cloud and new built-up land

研究还发现，卷云波段除了能够突出云外，还有助于区分裸土和建筑用地。在利用光谱分解(SMA)技术提取建筑不透水面信息时遇到的一个主要难题就是土壤和不透水建筑用地的混淆问题［13-16］。但是这一问题的解决似乎可以从卷云波段找到曙光。图7d是实验区卷云波段的伪彩色影像，北部的裸土和中、南部的建筑用地的色调明显不同，裸土呈红、黄色，说明具有很高的亮度，而建筑物则以蓝绿色调为主，说明具有低亮度。从表4也可以看出，裸地在卷云波段的均值516，而建筑用地只有361，说明前者的亮度明显高于后者，二者具有明显的反差。

为了考察新增的卷云波段是否对区别土壤和建筑不透水面信息有帮助，我们利用Wu的线性光谱分解技术［13］对影像进行了不透水面信息的增强实验。实验分为2个方案，一个是将全部多光谱波段参与实验(图7e)，一个是剔除了其中的云波段(模拟为Landsat ETM+)(图7f)。从图7e可以看出，其北部土壤以黄色为主，而中南部的建筑用地多为红色，二者反差较大;而图7f中，北部土壤的色调偏红，与建筑物的反差不如图7e来的明显。定量分析表明，有云波段参与实验的不透水面的均值与土壤均值的比值为2.15∶1，而剔除云波段的实验的比值为1.91∶1，前者比后者的比值提高了12.6%。比值越大说明二者的反差越大，越容易区分。因此，加入卷云波段显然有利于二者的区分。为了探究其原因，我们利用美国地质调查局的光谱数据获得了OLI传感器各波段的光谱响应函数及主要地物的反射率曲线［4］。可以看出，粘土矿物(高岭石、蒙脱石、叶蜡石)在卷云波段附近都有一个明显的吸收谷，而其它地物不具这一特征，多为平滑过渡(图8)。可见，卷云波段的设立使得粘土矿物的吸收谷特征得以突出，这显然有助于土壤与其它地表地物的区别。而在老的Landsat系列卫星影像中，由于缺乏卷云波段，因此土壤与其它地物一样，在近红外与短波红外之间的光谱曲线同样表现为平滑过渡，体现不出强吸收谷的特征，因此在TM/ETM+影像中，不透水面信息和土壤信息较难区分。

4 结论

新发射的Landsat 8卫星有2个传感器(OLI和TIRS)。除了保持原有Landsat 7卫星的基本特点外，Landsat 8在波段设置上还新增了深蓝波段和卷云波段，并在原有热红外波段的光谱范围内，设置了2个热红外波段。除此之外，Landsat 8还收窄了近红外波段和全色波段的光谱范围，将辐射分辨率从8 bit提高到12 bit。

图7 (a)云的彩色合成影像，(b)卷云波段中的云，其它地类由于在该波段反射率太低而被抑制，(c)云的提取影像，(d)实验区云波段影像，(e)不透水面增强信息(全部波段);(f)不透水面增强信息(剔除卷云波段)Fig.7 (a)Cloud image，(b)cloud in the cirrus band，other features seen in(a)are all suppressed，(c)binary cloud image，(d)image of the cirrus band of the test image，(e)enhanced impervious surface image using all multispectral bands，(f)enhanced impervious surface image using all multispectral bands except the cirrus band

图8 OLI各波段(1—7，9波段)以及主要地表地物的光谱响应特征(据美国地质调查局)Fig.8 Relative spectral response curves for bands of OLI，as well as main land cover classes(from USGS)

实验表明，新增的卷云波段可以很好地突出云的特征。除此之外，由于该波段的光谱范围位于粘土矿物的吸收谷附近，因此可以突出土壤的特征，有助于土壤和建筑不透水面信息的区别。深蓝波段的设立有助于水体悬浮物的监测，区分浑浊水体。全色影像光谱范围的收窄扩大了该影像上植被和非植被信息的反差，而辐射分辨率的提高则避免了极亮/极暗区的灰度过饱和现象，可以更好地显示这些地方的信息细节。显然，Landsat 8这些新增的特点将会对全球生态环境变化的监测产生积极的作用。致谢:本文使用的影像均下载于USGS网站，特此致谢。

［1］ USGS.Mission Accomplished for Landsat 5.http://www.usgs.gov/newsroom/article.asp?ID=3485，2013/4/18.

［2］ NASA.LDCM Launch.http://www.nasa.gov/mission_pages/landsat/launch/index.html.2013/4/18.

［3］ NASA.A Closer Look at LDCM's First Scene.http://www.nasa.gov/mission_pageslandsat/news/first-images-feature.html.2013/4/18.

［4］ USGS.Landsat Missions.http://landsat.usgs.gov/index.php.2013/4/18.

［5］ USGS.Landsat Data Continuity Mission(LDCM)-Landsat 8.http://landsat.usgs.gov/LDCM_Landsat8.php.2013/4/18.

［6］ Irons J R，Dwyer J L，Barsi J A.The next Landsat satellite:The Landsat Data Continuity Mission.Remote Sensing of Environment，2012，122:11-21.

［7］ Ungar S G，Pearlman J S，Mendenhall J A，Reuter D.Overview of the earth observing one(EO-1)mission.IEEE Transactions on Geoscience and Remote Sensing，2003，41(6):1149-1159.

［8］ Chander G，Markham B L，Helder D L.Summary of current radiometric calibration coefficients for Landsat MSS，TM，ETM+，and EO-1 ALI sensors.Remote Sensing of Environment，2009，113(5):893-903.

［9］ Jensen J R.Introductory Digital Image Processing.3rd ed.Upper Saddle River，NJ:Prentice Hall，2004:526-526.

［10］ Sheila M S.Geology of the Boulder Area.http://bcn.boulder.co.us/basin/watershed/geology/.2013/4/18

［11］ Xu H Q.Modification of normalised difference water index(NDWI)to enhance open water features in remotely sensed imagery.International Journal of Remote Sensing，2006，27(14):3025-3033.

［12］ Xu H Q.Water colour variation analysis of the coastal waters surrounding Xiamen Island of SE China by multispectral and multitemporal remote sensing measurements.Acta Scientiae Circumstantiae，2006，26(7):1209-1218.

［13］ Wu C S，Murray A T.Estimating impervious surface distribution by spectral mixture analysis.Remote Sensing of Environment，2003，84(4):493-505.

［14］ Powell S L，Cohen W B，Yang Z Q，Pierce J D，Alberti M.Quantification of impervious surface in the Snohomish Water Resources Inventory Area of western Washington from 1972—2006.Remote Sensing of Environment，2008，112(14):1895-1908.

［15］ Gluch R，Quattrochi D A，Luvall J C.A multi-scale approach to urban thermal analysis.Remote Sensing of Environment，2006，104(2):123-132.

［16］ Yang X J，Liu Z.Use of satellite-derived landscape imperviousness index to characterize urban spatial growth.Computers，Environment and Urban Systems，2005，29(5):524-540.

参考文献:

［12］ 徐涵秋.环厦门海域水色变化的多光谱多时相遥感分析.环境科学学报，2006，26(7):1209-1218.