Оставить заявку
Для заказа и получения более подробной информации оставьте заявку, наш менеджер свяжется с Вами!
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оставьте свой номер и мы с вами свяжемся!
Или Вы можете позвонить нам сами:
+7 902 934 71 72
Готовые к анализу данные китайского спутника GaoFen
Бо Чжун 1, Айся Ян 1, *, Циньхо Лю 1, Шаньлун У 1, Сяоцзюнь Шань 1, Сихань Му 2, Лунфэй Ху 1 и Цзюнь ЦзюньУ 1
1 Государственная ключевая лаборатория дистанционного зондирования Земли, Научно-исследовательский институт аэрокосмической информации,
Китайская академия наук, Пекин 100101, Китай; [email protected] (Б.З.); [email protected] (К.Л.); [email protected] (С.В.); shanxj@aircas. ac.cn (X.S.); [email protected] (L.H.); [email protected] (J.W.)
2 Факультет географических наук, Пекинский инженерно-исследовательский центр глобальных продуктов дистанционного зондирования Земли, Институт науки и техники дистанционного зондирования, Пекинский педагогический университет, БэЦзин 100875, Китай; [email protected]
* Корреспонденция: [email protected]; тел.: +86-10-64806256
1 Государственная ключевая лаборатория дистанционного зондирования Земли, Научно-исследовательский институт аэрокосмической информации,
Китайская академия наук, Пекин 100101, Китай; [email protected] (Б.З.); [email protected] (К.Л.); [email protected] (С.В.); shanxj@aircas. ac.cn (X.S.); [email protected] (L.H.); [email protected] (J.W.)
2 Факультет географических наук, Пекинский инженерно-исследовательский центр глобальных продуктов дистанционного зондирования Земли, Институт науки и техники дистанционного зондирования, Пекинский педагогический университет, БэЦзин 100875, Китай; [email protected]
* Корреспонденция: [email protected]; тел.: +86-10-64806256
Аннотация: Готовые к анализу данные (ARD) были настоятельно рекомендованы Комитетом по спутникам наблюдения за Землей (CEOS) для упрощения и стимулирования анализа длинных временных рядов в больших масштабах с минимальными дополнительными усилиями пользователей. Проект Landsat ARD был успешно создан и широко используется для крупномасштабного анализа. Впоследствии китайские спутниковые данные, аналогичные данным Landsat, были обработаны и преобразованы в ARD для содействия использованию китайских спутниковых данных. На первом этапе миссии данные 4 Wide Field Viewing (WFV) со спутника GaoFen 1 (GF1), охватывающие весь Китай и прилегающие районы, были преобразованы в ARD. ARD предоставляется в виде стандартных тайлов (tiles) под общей и унифицированной проекцией с контролем качества на пиксель и метаданными для отслеживания предобработки и дальнейшей обработки данных, которые в конечном итоге сохраняются в иерархическом файле данных (HDF); кроме того, все спектральные каналы геопривязаны и радиометрически откалиброваны как коэффициент отражения верхней части атмосферы (TOA) и корректируются как поверхностный коэффициент отражения (СР). Таким образом, ARD может быть легко использованы для создания карт почвенно-растительного покрова и изменений почвенно-растительного покрова и получения геофизических и биофизических параметров.
Ключевые слова: GaoFen; анализ готовых данных; WFV; коэффициент отражения; мозаика
1. Введение
С момента запуска спутника Landsat 1 в 1972 году спутники серии Landsat на протяжении более 40 лет обеспечивали самую длинную временную запись космических наблюдений за Землей в мире с разрешением 30 м. Датчики, в том числе Multi-Spectral Scanner (MSS), Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM+) и Operational Land Im-ager (OLI) на борту спутников серии Landsat, развиваются с увеличением спектральной и пространственной точности. С тех пор, как в 2008 году архив Landsat был бесплатно опубликован через Интернет [1], использование данных Landsat резко возросло [2]. Однако крупномасштабные приложения и анализ с использованием данных Landsat с длинными временными рядами [3–6] всегда требуют дополнительной обработки данных для построения высокосогласованных данных как во времени, так и в пространстве, что является очень сложным и дорогостоящим даже для коммерческих и юридических пользователей, не говоря уже об отдельных частных пользователях. Дополнительная обработка включает в себя георегистрацию для обеспечения пространственной согласованности, радиометрическую калибровку для обеспечения радиометрической согласованности, атмосферную коррекцию для максимального устранения влияния быстро изменяющейся атмосферы и контроль качества каждого пикселя для исключения пикселей плохого качества. Исходя из этого, Комитет по спутникам наблюдения за Землей (КЕОС) предложил использовать готовые к анализу данные (ARD) для данных дистанционного зондирования, и они были определены как «спутниковые данные, которые были обработаны в соответствии с минимальным набором требований и организованы в форму, позволяющую проводить немедленный анализ с минимальными дополнительными усилиями пользователей, и функциональную совместимость как во времени, так и с другими наборами данных (http://ceos.org/ard/, по состоянию на 25 апреля 2021 года). Как пионер в этом вопросе и для того, чтобы пользователям было проще анализировать масштабные долгосрочные данные ДЗЗ Геологическая служба США (USGS) приложила большие усилия для обработки всех архивных данных со спутников Landsat 4, 5, 7 и 8 на территории США, Аляски и Гавайев в 2017 году [7]. ARD предоставляет самые лучшие продукты отражения с атмосферной коррекцией, сопровождаемые информацией об оценке качества каждого пикселя с общим проектом равной площади, который дополнительно георегистрируется и стандартизируется в виде предопределенных тайлов. Кроме того, файл метаданных также оборудован для отслеживания данных и их дальнейшей обработки [7]. ARD значительно снизил сложность и сократил время и трудозатраты пользователей на предварительную обработку данных Landsat.
С тех пор, как в 2008 году был запущен спутник HuanJing-1/A&B (HJ-1/A&B), оснащенный 4 CCD-камерами, подобными Landsat, несколько спутников, подобных Landsat, таких как GaoFen-1 (GF-1), Gaofen-6 (GF-6) и Huanjing-2/A&B (HJ-2/A&B), были последовательно введены в эксплуатацию. Таким образом, большое количество данных с пространственным разрешением 30 и 16 м было заархивировано, и их информация приведена в таблице 1. Однако общественности были предоставлены только данные уровня 1А/В, и при использовании этих данных особенно для долгосрочного анализа в больших масштабах, потребовалась дополнительная процедура. Чтобы гарантировать, что китайские спутниковые данные могут быть более непосредственно и легко использованы крупномасштабным автоматизированным анализом, как это было с Landsat ARD, мы сделали данные GF1 ARD доступными для Китая и его окрестностей в 2020 году, что значительно снизило нагрузку на пользователей, пропустив предварительную обработку, такую как геометрическое выравнивание, радиометрическая повторная калибровка, и атмосферная коррекция. Подобно Landsat ARD, GF1 ARD предоставляются в виде стандартных тайлов под общей и унифицированной проекцией с контролем качества на пиксель и метаданными для отслеживания данных и дальнейшей обработки, которые хранятся в иерархическом файле данных (HDF); кроме того, все спектральные каналы геопривязаны и радиометрически откалиброваны как коэффициент отражения верхней части атмосферы (TOA) и атмосферно скорректированы как поверхностный коэффициент отражения (SR). В этой статье рассматриваются основные характеристики GF1 ARD и планы на будущее. Доступность ARD для других китайских спутниковых данных, аналогичных данным Landsat, будет проводиться в несколько этапов. На первом этапе основное внимание уделялось 16-метровым данным с четырех датчиков широкоугольного обзора (WFV) на борту спутника GF1. GF6/WFV, HJ1/CCD и H J2/WFV будут доступны на втором этапе.
Ключевые слова: GaoFen; анализ готовых данных; WFV; коэффициент отражения; мозаика
1. Введение
С момента запуска спутника Landsat 1 в 1972 году спутники серии Landsat на протяжении более 40 лет обеспечивали самую длинную временную запись космических наблюдений за Землей в мире с разрешением 30 м. Датчики, в том числе Multi-Spectral Scanner (MSS), Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM+) и Operational Land Im-ager (OLI) на борту спутников серии Landsat, развиваются с увеличением спектральной и пространственной точности. С тех пор, как в 2008 году архив Landsat был бесплатно опубликован через Интернет [1], использование данных Landsat резко возросло [2]. Однако крупномасштабные приложения и анализ с использованием данных Landsat с длинными временными рядами [3–6] всегда требуют дополнительной обработки данных для построения высокосогласованных данных как во времени, так и в пространстве, что является очень сложным и дорогостоящим даже для коммерческих и юридических пользователей, не говоря уже об отдельных частных пользователях. Дополнительная обработка включает в себя георегистрацию для обеспечения пространственной согласованности, радиометрическую калибровку для обеспечения радиометрической согласованности, атмосферную коррекцию для максимального устранения влияния быстро изменяющейся атмосферы и контроль качества каждого пикселя для исключения пикселей плохого качества. Исходя из этого, Комитет по спутникам наблюдения за Землей (КЕОС) предложил использовать готовые к анализу данные (ARD) для данных дистанционного зондирования, и они были определены как «спутниковые данные, которые были обработаны в соответствии с минимальным набором требований и организованы в форму, позволяющую проводить немедленный анализ с минимальными дополнительными усилиями пользователей, и функциональную совместимость как во времени, так и с другими наборами данных (http://ceos.org/ard/, по состоянию на 25 апреля 2021 года). Как пионер в этом вопросе и для того, чтобы пользователям было проще анализировать масштабные долгосрочные данные ДЗЗ Геологическая служба США (USGS) приложила большие усилия для обработки всех архивных данных со спутников Landsat 4, 5, 7 и 8 на территории США, Аляски и Гавайев в 2017 году [7]. ARD предоставляет самые лучшие продукты отражения с атмосферной коррекцией, сопровождаемые информацией об оценке качества каждого пикселя с общим проектом равной площади, который дополнительно георегистрируется и стандартизируется в виде предопределенных тайлов. Кроме того, файл метаданных также оборудован для отслеживания данных и их дальнейшей обработки [7]. ARD значительно снизил сложность и сократил время и трудозатраты пользователей на предварительную обработку данных Landsat.
С тех пор, как в 2008 году был запущен спутник HuanJing-1/A&B (HJ-1/A&B), оснащенный 4 CCD-камерами, подобными Landsat, несколько спутников, подобных Landsat, таких как GaoFen-1 (GF-1), Gaofen-6 (GF-6) и Huanjing-2/A&B (HJ-2/A&B), были последовательно введены в эксплуатацию. Таким образом, большое количество данных с пространственным разрешением 30 и 16 м было заархивировано, и их информация приведена в таблице 1. Однако общественности были предоставлены только данные уровня 1А/В, и при использовании этих данных особенно для долгосрочного анализа в больших масштабах, потребовалась дополнительная процедура. Чтобы гарантировать, что китайские спутниковые данные могут быть более непосредственно и легко использованы крупномасштабным автоматизированным анализом, как это было с Landsat ARD, мы сделали данные GF1 ARD доступными для Китая и его окрестностей в 2020 году, что значительно снизило нагрузку на пользователей, пропустив предварительную обработку, такую как геометрическое выравнивание, радиометрическая повторная калибровка, и атмосферная коррекция. Подобно Landsat ARD, GF1 ARD предоставляются в виде стандартных тайлов под общей и унифицированной проекцией с контролем качества на пиксель и метаданными для отслеживания данных и дальнейшей обработки, которые хранятся в иерархическом файле данных (HDF); кроме того, все спектральные каналы геопривязаны и радиометрически откалиброваны как коэффициент отражения верхней части атмосферы (TOA) и атмосферно скорректированы как поверхностный коэффициент отражения (SR). В этой статье рассматриваются основные характеристики GF1 ARD и планы на будущее. Доступность ARD для других китайских спутниковых данных, аналогичных данным Landsat, будет проводиться в несколько этапов. На первом этапе основное внимание уделялось 16-метровым данным с четырех датчиков широкоугольного обзора (WFV) на борту спутника GF1. GF6/WFV, HJ1/CCD и H J2/WFV будут доступны на втором этапе.
Таблица 1. Крупный китайский спутник/датчик, похожий на Landsat/TM.
2. Процедуры обработки и структура мозаики для GF-1 ARD
2.1. Ввод и обработка данных GF1/WFV
GF1 ARD генерируются на основе архивных данных уровня 1A WFV GF1 из Китайского центра спутниковых данных и применений ресурсов (CRESDA), которые состоят из 137 120 снимков с апреля 2013 года. Данные WFV уровня 1A обеспечивают яркость TOA только после систематической геометрической обработки, точность геолокации которой составляет около 2 пикселей Landsat-TM. Следовательно, геодезическая точность не удовлетворена для достоверной информации, полученной из временных рядов, особенно для обнаружения изменений [8]. Кроме того, радиометрические коэффициенты предоставляются один раз в год, что сильно ухудшает радиометрическую точность GF1-WFV и влияет на основанный на ней количественный анализ. Основные проблемы, связанные с прекращением использования GF1-WFV в качестве ARD, сводятся к следующему:
(1) Смещение геолокации
Из-за субпиксельной геолокационной точности данных в качестве эталонного изображения для оценки относительной геометрической точности GF1-WFV был выбран Landsat, но также Sentinel2-MSI оценивается для сравнения. В таблице 2 показано смещение геолокации в пикселях двух наборов данных по сравнению с эталонным изображением Landsat-TM. На рисунке 1 показаны три различных спутниковых изображения от Sentinel2A-MSI, Landsat8-OLI, GF1-WFV, соответственно, до геометрической нормализации, центральное местоположение которых установлено на 116,39 в.д., 39,94 с.ш. Точность геолокации Sentinel2-MSI превосходна и очень похожа на точность геолокации Landsat-TM. Несмотря на то, что точность геолокации GF1-WFV (1 ~ 2 пикселя) очень близка к точности Sentinel2 и Landsat, она все еще больше и не может быть использована для анализа временных рядов напрямую.
2.1. Ввод и обработка данных GF1/WFV
GF1 ARD генерируются на основе архивных данных уровня 1A WFV GF1 из Китайского центра спутниковых данных и применений ресурсов (CRESDA), которые состоят из 137 120 снимков с апреля 2013 года. Данные WFV уровня 1A обеспечивают яркость TOA только после систематической геометрической обработки, точность геолокации которой составляет около 2 пикселей Landsat-TM. Следовательно, геодезическая точность не удовлетворена для достоверной информации, полученной из временных рядов, особенно для обнаружения изменений [8]. Кроме того, радиометрические коэффициенты предоставляются один раз в год, что сильно ухудшает радиометрическую точность GF1-WFV и влияет на основанный на ней количественный анализ. Основные проблемы, связанные с прекращением использования GF1-WFV в качестве ARD, сводятся к следующему:
(1) Смещение геолокации
Из-за субпиксельной геолокационной точности данных в качестве эталонного изображения для оценки относительной геометрической точности GF1-WFV был выбран Landsat, но также Sentinel2-MSI оценивается для сравнения. В таблице 2 показано смещение геолокации в пикселях двух наборов данных по сравнению с эталонным изображением Landsat-TM. На рисунке 1 показаны три различных спутниковых изображения от Sentinel2A-MSI, Landsat8-OLI, GF1-WFV, соответственно, до геометрической нормализации, центральное местоположение которых установлено на 116,39 в.д., 39,94 с.ш. Точность геолокации Sentinel2-MSI превосходна и очень похожа на точность геолокации Landsat-TM. Несмотря на то, что точность геолокации GF1-WFV (1 ~ 2 пикселя) очень близка к точности Sentinel2 и Landsat, она все еще больше и не может быть использована для анализа временных рядов напрямую.
Таблица 2. Смещение геолокации в пикселях по сравнению с Landsat-TM.
Рисунок 1. Цветовые композиты получены из Sentinel2A-MSI (a), Landsat8-OLI (b) и GF1-WFV (c) соответственно до геометрической нормализации. Центральное расположение этих изображений — 116,39 в.д., 39,94 с.ш.
(2) Радиометрическое несоответствие
Точность калибровки и постоянство приборов ДЗЗ с течением времени являются критически важными показателями, которые напрямую влияют на качество данных, полученных в результате этих наблюдений [9]. Эти инструменты, даже с очень похожими характеристиками, работали на разных платформах для разных целей, и они могли быть разработаны и построены с использованием разных технологий. Таким образом, прослеживаемость или стабильность калибровки не могут быть установлены. Кроме того, маловероятно, чтобы спутниковые приборы не изменяли свои радиометрические характеристики в течение всего срока службы. Таким образом, высококачественные взаимные сравнения калибровки на орбите между различными приборами и повышенные требования к точности калибровки для отдельных приборов становятся все более важными. Yang et al. сообщили о радиометрической разнице между CCD-матрицами на борту спутника HJ-1A/B [10]. Впоследствии необходимо серьезно учитывать разницу в калибровке между датчиками.
(3) Данные дистанционного зондирования являются отражением от. поверхности земли, которое происходит от солнечного освещения, дважды модулированного атмосферой; Быстрое изменение атмосферы включено в снимки дистанционного зондирования, поэтому большинство изображений дистанционного зондирования не могут быть использованы без устранения атмосферного эффекта.
Чтобы решить вышеуказанные проблемы для создания хорошего GF1-WFV ARD для лучшего анализа временных рядов, в этом исследовании предлагается основа для генерации ARD китайских спутников. Эта структура включает в себя набор алгоритмов обработки данных, связанных с техническими и научными проблемами китайских спутниковых данных о геометрической, радиометрической и спектральной разнице, которые корректируют китайские спутниковые данные с использованием Landsat-TM/OLI в качестве стандарта. При поддержке автоматизации и высокопроизводительных компьютеров алгоритмы интегрированы в программное обеспечение под названием System for MUlti-source data SYnergized Quantitative Remote Sensing production System (MuSyQ). Основная идея предлагаемой структуры представлена на рисунке 2.
Точность калибровки и постоянство приборов ДЗЗ с течением времени являются критически важными показателями, которые напрямую влияют на качество данных, полученных в результате этих наблюдений [9]. Эти инструменты, даже с очень похожими характеристиками, работали на разных платформах для разных целей, и они могли быть разработаны и построены с использованием разных технологий. Таким образом, прослеживаемость или стабильность калибровки не могут быть установлены. Кроме того, маловероятно, чтобы спутниковые приборы не изменяли свои радиометрические характеристики в течение всего срока службы. Таким образом, высококачественные взаимные сравнения калибровки на орбите между различными приборами и повышенные требования к точности калибровки для отдельных приборов становятся все более важными. Yang et al. сообщили о радиометрической разнице между CCD-матрицами на борту спутника HJ-1A/B [10]. Впоследствии необходимо серьезно учитывать разницу в калибровке между датчиками.
(3) Данные дистанционного зондирования являются отражением от. поверхности земли, которое происходит от солнечного освещения, дважды модулированного атмосферой; Быстрое изменение атмосферы включено в снимки дистанционного зондирования, поэтому большинство изображений дистанционного зондирования не могут быть использованы без устранения атмосферного эффекта.
Чтобы решить вышеуказанные проблемы для создания хорошего GF1-WFV ARD для лучшего анализа временных рядов, в этом исследовании предлагается основа для генерации ARD китайских спутников. Эта структура включает в себя набор алгоритмов обработки данных, связанных с техническими и научными проблемами китайских спутниковых данных о геометрической, радиометрической и спектральной разнице, которые корректируют китайские спутниковые данные с использованием Landsat-TM/OLI в качестве стандарта. При поддержке автоматизации и высокопроизводительных компьютеров алгоритмы интегрированы в программное обеспечение под названием System for MUlti-source data SYnergized Quantitative Remote Sensing production System (MuSyQ). Основная идея предлагаемой структуры представлена на рисунке 2.
Рисунок 2. Иллюстрация основной идеи предлагаемой структуры для обработки китайских данных.
Конечная цель этой структуры состоит в том, чтобы полностью обработать все данные, перечисленные в таблице 1, и будущие данные для построения китайских спутниковых данных ARD (TOA и коэффициент отражения поверхности) для поддержки производства более совершенных биофизических и геофизических продуктов с умеренным и высоким пространственным разрешением. Следовательно, набор алгоритмов для решения вышеуказанных проблем был разработан в рамках предложенных условий с большими усилиями многих ученых и инженеров. Эти алгоритмы подробно описаны следующим образом.
2.1.1. Геометрическая нормализация
В качестве эталонных изображений используются мозаики Landsat GeoCover (1984–1997), которые генерируются с использованием комбинаций каналов 7-4-2. Методика, разработанная Shan et al. [11], принята для геометрической нормализации данных GF1-WFV. Используется стратегия иерархического сопоставления изображений, основанная на комбинации признаков SIFT и сопоставления шаблонов. Такой подход разбивает задачу сопоставления целого изображения на многочисленные задачи сопоставления блоков изображения. Иерархический RANSAC на основе DEM (H-RANSAC) используется для удаления неправильных контрольных точек (CP). Этот подход позволяет получить большое количество контрольных точек с высокой точностью и равномерным распределением, что эффективно улучшает геометрическую точность китайских спутниковых снимков. Кроме того, NIB Delaunay используется для исправления локальных искажений. Этот подход является автоматическим и поддерживает пакетную обработку изображений GF1-WFV. После регистрации с использованием метода иерархического сопоставления точность геолокации значительно улучшилась. Оценка показывает, что регистрация RMSE составляет менее одного пикселя. Подробно этот метод приведен в ссылке [11].
2.1.2. Радиометрическая нормализация
Радиометрическая нормализация осуществляется калибровкой cross с помощью Landsat TM/OLI, обладающего экструзионными радиометрическими характеристиками [12]. Поскольку большинство данных MHR с китайских спутников имеют очень большую ширину полосы, эффект функции распределения двунаправленного отражения (BRDF) должен быть выделен красным цветом при выполнении перекрестной калибровки. Для создания модели BRDF участка с использованием наблюдений Landsat ETM+ вблизи надира и данных ASTER GDEM в целом используется метод, применяющий преимущества пустынного участка с однородным материалом поверхности и естественными топографическими вариациями [13]. Моделируемый BRDF затем используется для моделирования поверхности и коэффициента отражения TOA при солнечном освещении HJ1-CCD и геометрии просмотра, а затем проводится перекрестная калибровка HJ1-CCD. В течение трех лет подряд с 2009 по 2011 год была проведена валидация с использованием четырех наземных кампаний, синхронизированных со всеми четырьмя ССD-матрицами на борту HJ1 A/B, и она показывает, что предлагаемый метод перекрестной калибровки очень хорошо работает для различных камер HJ1-CCD в последующие годы и удовлетворяет требованиям 5% погрешности наземных измерений для процедуры радиометрической калибровки. Подробно этот метод приведен в ссылке [13]. Этот метод был разработан и применен к другим китайским данным MHS R, таким как GF1-WFV [14], GF4-PMS [15] и GF6-WFV [16].
2.1.3. Атмосферная коррекция
Из-за отсутствия диапазона 2,1 м для большинства китайских спутниковых данных среднего и высокого разрешения DDV [17,18] и метод Landsat Ecosystem Disturb Adaptive Processing System (LEDAPS) [19] не могут быть применены. Грубое разрешение AOD, полученного методом на основе MODIS [20], недостаточно для данных MHSR. Поэтому был разработан алгоритм, который может эффективно оценивать пространственное распределение атмосферных аэрозолей и извлекать коэффициент отражения поверхности по основным данным MHSR в общей атмосфере и на поверхности земли, включая яркие поверхности, [21]; кроме того, этот подход полностью автоматизирован и поэтому подходит для операционных применений. Полученные AOD из более чем 200 изображений в районе Пекина были подтверждены путем сравнения с измерениями AErosol Robotic NETwork (AERONET) на объектах в Пекине и Сянхэ, которые показали, что данные AOD, полученные с помощью нового алгоритма, хорошо согласуются с наземными измерениями AERONET. Подробная информация об этом алгоритме приведена в ссылке [21].
2.2. Мозаика и проекция ARD
Поскольку и GF1-WFV, и Sentinel2-MSI имеют сравнимое пространственное разрешение (16 м и 10 м) и высокую периодичность повторного посещения (4 дня и 5 дней), совместное использование обоих наборов данных еще больше сократит период повторного посещения и позволит получить больше полезных наблюдений, что впоследствии уменьшит влияние облаков и других атмосферных условий. Для того, чтобы в ближайшем будущем можно было легко использовать два ARD, система тайлинга ARD для Sentinel2-MSI используется GF1-WFV ARD.
Система тайлинга напрямую унаследована от Military Grid Reference System (MGRS), которая может представлять любое местоположение на поверхности Земли с помощью буквенно-цифровой строки и представляет собой полную и всеобъемлющую основу для получения, управления, визуализации и анализа мировых данных. Хотя MGRS вначале использовался в военных целях, его преимущества в управлении данными и визуализации, а также в представлении данных в глобальном масштабе сделали его популярным в различных дисциплинах, таких как реагирование на стихийные бедствия и глобальная сетка данных дистанционного зондирования.
MGRS иерархически привязан к универсальной поперечной системе координат Меркатора (UTM). Система UTM делит поверхность Земли на 60 зон. Каждая зона UTM в виде квадратной области имеет вертикальную ширину 6 долготы и горизонтальную ширину 8 широты, что является наименьшим масштабом в MGRS; следовательно, проекция в этой квадратной области непосредственно определяется конкретной зоной UTM в соответствии с WGS84. Подробную информацию о MGRS можно проверить по ссылке http://mgrs-data.org/ (по состоянию на 21 января 2021 года). Хотя самый большой масштаб под MGRS может составлять до 1 кв м, 100 100 км2 квадрата в проекции UTM/WGS84 используются для сетки как Sentinel2-MSI, так и GF1-WFV. Структуру сетки в файле KML можно загрузить по ссылке https://sentinels.copernicus.eu/ documents/247904/1955685/S2A_OPER_GIP_TILPAR_MPC__20151209T095117_V20150 622T000000_21000101T000000_B00.kml (по состоянию на 25 апреля 2021 года). Для GF1-WFV ARD используются только сетки, охватывающие Китай и его окрестности, а на рисунке 3 показаны координаты мозаики ARD. Каждая мозаика ARD состоит из 6863 6863 16 млн пикселей (100 100 км) и на мозаики ссылаются в каждой области по горизонтальным и вертикальным координатам мозаики на основе MGRS.
2.1.1. Геометрическая нормализация
В качестве эталонных изображений используются мозаики Landsat GeoCover (1984–1997), которые генерируются с использованием комбинаций каналов 7-4-2. Методика, разработанная Shan et al. [11], принята для геометрической нормализации данных GF1-WFV. Используется стратегия иерархического сопоставления изображений, основанная на комбинации признаков SIFT и сопоставления шаблонов. Такой подход разбивает задачу сопоставления целого изображения на многочисленные задачи сопоставления блоков изображения. Иерархический RANSAC на основе DEM (H-RANSAC) используется для удаления неправильных контрольных точек (CP). Этот подход позволяет получить большое количество контрольных точек с высокой точностью и равномерным распределением, что эффективно улучшает геометрическую точность китайских спутниковых снимков. Кроме того, NIB Delaunay используется для исправления локальных искажений. Этот подход является автоматическим и поддерживает пакетную обработку изображений GF1-WFV. После регистрации с использованием метода иерархического сопоставления точность геолокации значительно улучшилась. Оценка показывает, что регистрация RMSE составляет менее одного пикселя. Подробно этот метод приведен в ссылке [11].
2.1.2. Радиометрическая нормализация
Радиометрическая нормализация осуществляется калибровкой cross с помощью Landsat TM/OLI, обладающего экструзионными радиометрическими характеристиками [12]. Поскольку большинство данных MHR с китайских спутников имеют очень большую ширину полосы, эффект функции распределения двунаправленного отражения (BRDF) должен быть выделен красным цветом при выполнении перекрестной калибровки. Для создания модели BRDF участка с использованием наблюдений Landsat ETM+ вблизи надира и данных ASTER GDEM в целом используется метод, применяющий преимущества пустынного участка с однородным материалом поверхности и естественными топографическими вариациями [13]. Моделируемый BRDF затем используется для моделирования поверхности и коэффициента отражения TOA при солнечном освещении HJ1-CCD и геометрии просмотра, а затем проводится перекрестная калибровка HJ1-CCD. В течение трех лет подряд с 2009 по 2011 год была проведена валидация с использованием четырех наземных кампаний, синхронизированных со всеми четырьмя ССD-матрицами на борту HJ1 A/B, и она показывает, что предлагаемый метод перекрестной калибровки очень хорошо работает для различных камер HJ1-CCD в последующие годы и удовлетворяет требованиям 5% погрешности наземных измерений для процедуры радиометрической калибровки. Подробно этот метод приведен в ссылке [13]. Этот метод был разработан и применен к другим китайским данным MHS R, таким как GF1-WFV [14], GF4-PMS [15] и GF6-WFV [16].
2.1.3. Атмосферная коррекция
Из-за отсутствия диапазона 2,1 м для большинства китайских спутниковых данных среднего и высокого разрешения DDV [17,18] и метод Landsat Ecosystem Disturb Adaptive Processing System (LEDAPS) [19] не могут быть применены. Грубое разрешение AOD, полученного методом на основе MODIS [20], недостаточно для данных MHSR. Поэтому был разработан алгоритм, который может эффективно оценивать пространственное распределение атмосферных аэрозолей и извлекать коэффициент отражения поверхности по основным данным MHSR в общей атмосфере и на поверхности земли, включая яркие поверхности, [21]; кроме того, этот подход полностью автоматизирован и поэтому подходит для операционных применений. Полученные AOD из более чем 200 изображений в районе Пекина были подтверждены путем сравнения с измерениями AErosol Robotic NETwork (AERONET) на объектах в Пекине и Сянхэ, которые показали, что данные AOD, полученные с помощью нового алгоритма, хорошо согласуются с наземными измерениями AERONET. Подробная информация об этом алгоритме приведена в ссылке [21].
2.2. Мозаика и проекция ARD
Поскольку и GF1-WFV, и Sentinel2-MSI имеют сравнимое пространственное разрешение (16 м и 10 м) и высокую периодичность повторного посещения (4 дня и 5 дней), совместное использование обоих наборов данных еще больше сократит период повторного посещения и позволит получить больше полезных наблюдений, что впоследствии уменьшит влияние облаков и других атмосферных условий. Для того, чтобы в ближайшем будущем можно было легко использовать два ARD, система тайлинга ARD для Sentinel2-MSI используется GF1-WFV ARD.
Система тайлинга напрямую унаследована от Military Grid Reference System (MGRS), которая может представлять любое местоположение на поверхности Земли с помощью буквенно-цифровой строки и представляет собой полную и всеобъемлющую основу для получения, управления, визуализации и анализа мировых данных. Хотя MGRS вначале использовался в военных целях, его преимущества в управлении данными и визуализации, а также в представлении данных в глобальном масштабе сделали его популярным в различных дисциплинах, таких как реагирование на стихийные бедствия и глобальная сетка данных дистанционного зондирования.
MGRS иерархически привязан к универсальной поперечной системе координат Меркатора (UTM). Система UTM делит поверхность Земли на 60 зон. Каждая зона UTM в виде квадратной области имеет вертикальную ширину 6 долготы и горизонтальную ширину 8 широты, что является наименьшим масштабом в MGRS; следовательно, проекция в этой квадратной области непосредственно определяется конкретной зоной UTM в соответствии с WGS84. Подробную информацию о MGRS можно проверить по ссылке http://mgrs-data.org/ (по состоянию на 21 января 2021 года). Хотя самый большой масштаб под MGRS может составлять до 1 кв м, 100 100 км2 квадрата в проекции UTM/WGS84 используются для сетки как Sentinel2-MSI, так и GF1-WFV. Структуру сетки в файле KML можно загрузить по ссылке https://sentinels.copernicus.eu/ documents/247904/1955685/S2A_OPER_GIP_TILPAR_MPC__20151209T095117_V20150 622T000000_21000101T000000_B00.kml (по состоянию на 25 апреля 2021 года). Для GF1-WFV ARD используются только сетки, охватывающие Китай и его окрестности, а на рисунке 3 показаны координаты мозаики ARD. Каждая мозаика ARD состоит из 6863 6863 16 млн пикселей (100 100 км) и на мозаики ссылаются в каждой области по горизонтальным и вертикальным координатам мозаики на основе MGRS.
Рисунок 3. Горизонтальные и вертикальные карты координат ARD GF1-WFV в Китае и его окрестностях, каждый тайлпокрывает площадь 100 100 км и состоит из 6863 6863 16 млн пикселей. а) Тайл в Китае. b) Подробная информация о тайлах покрывает область синего прямоугольника в подпункте а).
3. Содержание ARD
3.1. Соглашение об именах файлов ARD, Format, метаданные и документация
ARD сохраняет значения отражательной способности GF1-WFV для каждой полосы в каждом месте мозаичного пикселя с целью простоты использования. Кроме того, ARD включает в себя попиксельную оценку качества (QA) в каждом ARD. Пользователям обычно требуется коэффициент отражения поверхности после атмосферно-сферической коррекции; однако некоторые пользователи могут иметь лучшие варианты атмосферной коррекции для получения поверхностного отражения, поэтому отражательная способность верхней части атмосферы (TOA) как отдельная ARD мозаика также предусмотрена в ARD. Таким образом, в каждом файле ARD HDF представлены четыре отдельных набора данных, а именно: данные о просмотре и солнечной геометрии, коэффициент отражения TOA, коэффициент отражения поверхности и контроль качества. Кроме того, метаданные файла ARD и каждого набора данных также записываются для отслеживания предыдущего состояния. На рисунке 4 показан пример файла ARD HDF. Метаданные файла документируют пространственные и временные атрибуты тайла, номера каналов, информацию о проекции, информацию о происхождении и обработке.
3.1. Соглашение об именах файлов ARD, Format, метаданные и документация
ARD сохраняет значения отражательной способности GF1-WFV для каждой полосы в каждом месте мозаичного пикселя с целью простоты использования. Кроме того, ARD включает в себя попиксельную оценку качества (QA) в каждом ARD. Пользователям обычно требуется коэффициент отражения поверхности после атмосферно-сферической коррекции; однако некоторые пользователи могут иметь лучшие варианты атмосферной коррекции для получения поверхностного отражения, поэтому отражательная способность верхней части атмосферы (TOA) как отдельная ARD мозаика также предусмотрена в ARD. Таким образом, в каждом файле ARD HDF представлены четыре отдельных набора данных, а именно: данные о просмотре и солнечной геометрии, коэффициент отражения TOA, коэффициент отражения поверхности и контроль качества. Кроме того, метаданные файла ARD и каждого набора данных также записываются для отслеживания предыдущего состояния. На рисунке 4 показан пример файла ARD HDF. Метаданные файла документируют пространственные и временные атрибуты тайла, номера каналов, информацию о проекции, информацию о происхождении и обработке.
Рисунок 4. Структура типичного файла GF1-WFV ARD HDF.
ARD хранятся в файлах HDF5, а самосжимаемые файлы HDF5 могут значительно уменьшить объем хранилища. Каждый файл ARD имеет удобочитаемое имя файла, которое может быть проанализировано сценариями программирования. Соглашение об имени файла ARD выглядит следующим образом:
GF1WFVX.16m.YYYYDAYHHMMSS.51TWL.0000011622.000000.h5
где GF1 относится к миссии GaoFen 1; WFV относится к датчику (широкоугольный обзор); поскольку существует 4 датчика WFV, X относится к количеству датчиков (только 1 ~ 4); 16 м - пространственное разрешение; YYYYDAYHHMMSS - это год сбора данных датчика, день юлианского календаря и время прохождения; 51TWL — код сетки из MGRS в масштабе 100 км; 0000011622 - номер серии, полученный из исходных данных GF1-WFV; 000000 сохраняется для обновления версии обработки ARD; h5 относится к формату файла (HDF версии 5).
3.2. Набор данных о просмотре и солнечной геометрии
Солнечная геометрия и геометрические параметры изображения (углы обзора и азимута) для каждого пикселя 16 м также рассчитываются и предоставляются в виде полос тайлов ARD для количественного получения биофизических и геофизических параметров, таких как альбедо и индекс площади листа, для расширенных применений и дальнейших процессов, таких как топографическая коррекция и компенсация эффекта BRDF. Солнечные углы получены с использованием программного обеспечения NOVAS версии 3.1 от Военно-морской обсерватории США, которое сконфигурировано для доступа к планетарным эфемеридам JPL DE421, и параметризованы с местоположением, датой и временем захвата каждого пикселя. Геометрия вида получается как часть стандартной геометрической обработки GF1-WFV. В таблице 3 обобщен угловой набор данных ARD.
GF1WFVX.16m.YYYYDAYHHMMSS.51TWL.0000011622.000000.h5
где GF1 относится к миссии GaoFen 1; WFV относится к датчику (широкоугольный обзор); поскольку существует 4 датчика WFV, X относится к количеству датчиков (только 1 ~ 4); 16 м - пространственное разрешение; YYYYDAYHHMMSS - это год сбора данных датчика, день юлианского календаря и время прохождения; 51TWL — код сетки из MGRS в масштабе 100 км; 0000011622 - номер серии, полученный из исходных данных GF1-WFV; 000000 сохраняется для обновления версии обработки ARD; h5 относится к формату файла (HDF версии 5).
3.2. Набор данных о просмотре и солнечной геометрии
Солнечная геометрия и геометрические параметры изображения (углы обзора и азимута) для каждого пикселя 16 м также рассчитываются и предоставляются в виде полос тайлов ARD для количественного получения биофизических и геофизических параметров, таких как альбедо и индекс площади листа, для расширенных применений и дальнейших процессов, таких как топографическая коррекция и компенсация эффекта BRDF. Солнечные углы получены с использованием программного обеспечения NOVAS версии 3.1 от Военно-морской обсерватории США, которое сконфигурировано для доступа к планетарным эфемеридам JPL DE421, и параметризованы с местоположением, датой и временем захвата каждого пикселя. Геометрия вида получается как часть стандартной геометрической обработки GF1-WFV. В таблице 3 обобщен угловой набор данных ARD.
Таблица 3. Угловые полосы ARD для GF1-WFV. INT16 означает 16-битное целое число со знаком.
3.3. Набор данных отражения ARD TOA
Данные уровня 1А, содержащие только цифровые числа (DN), предоставленные CRESDA, сначала нормализуются по геометрической системе с использованием метода, описанного в разделе 2.1.1; Затем значения DN рассчитываются с использованием коэффициентов перекрестной калибровки из метода, описанного в разделе 2.1.2, и калиброванная отражательная способность ARD TOA для каждого пикселя отражающей полосы нормализуется по отношению к косинусу зенитного угла Солнца. Впоследствии коэффициент отражения TOA для каждой отражающей полосы GF1-WFV предоставляется в виде отдельной полосы тайла ARD. В таблице 4 обобщен набор данных о коэффициенте отражения TOA ARD.
Данные уровня 1А, содержащие только цифровые числа (DN), предоставленные CRESDA, сначала нормализуются по геометрической системе с использованием метода, описанного в разделе 2.1.1; Затем значения DN рассчитываются с использованием коэффициентов перекрестной калибровки из метода, описанного в разделе 2.1.2, и калиброванная отражательная способность ARD TOA для каждого пикселя отражающей полосы нормализуется по отношению к косинусу зенитного угла Солнца. Впоследствии коэффициент отражения TOA для каждой отражающей полосы GF1-WFV предоставляется в виде отдельной полосы тайла ARD. В таблице 4 обобщен набор данных о коэффициенте отражения TOA ARD.
Таблица 4. Полосы отражения ARD TOA для GF1-WFV и угловых полос. INT16 означает 16-разрядное целое число со знаком.
3.4. Набор данных о коэффициенте отражения поверхности ARD
По сравнению с коэффициентом отражения TOA, коэффициент отражения поверхности является предпочтительным для многих пользователей для дальнейшего применения, поскольку на биофизические и геофизические параметры значительное влияние оказывают атмосферное поглощение и рассеяние, вызванные аэрозолями, газами и составляющими воды. Среди этих компонентов в атмосфере аэрозоли являются наиболее трудными для надежного удаления из-за их высокой изменчивости, пространственно неравномерного распределения и значительного воздействия на видимые каналы, особенно на более коротких длинах волн, таких как синий и зеленый каналы [20,22,23]. Набор данных о коэффициенте отражения GF1-WFV ARD представлен в GF1-WFV ARD, который рассчитывается на основе наборов данных TOA о коэффициенте отражения и угловых данных (раздел 3.1) с использованием метода атмосферной коррекции, описанного в разделе 2.1.3. Полосы отражения поверхности в ARD хранятся так же, как и полосы отражения TOA, но в отдельном наборе данных в том же файле HDF. Тип данных (INT16), коэффициенты масштабирования (0,0001), значения заполнения (9999) и допустимые диапазоны (0~10000) одинаковы.
3.5. Диапазоны оценки качества ARD
Несмотря на то, что информация об оценке качества (QA) для каждого пикселя не является необходимой, такого рода информация может быть очень удобной для ученых и пользователей применений для улучшения своего анализа, особенно для анализа временных рядов с большим объемом данных, путем автоматического удаления неподходящих и некачественных данных путем проверки каждого пикселя Информация об оценке качества. Учитывая, что QA становится стандартом в большинстве спутниковых продуктов [24,25], они предусмотрены и в GF1-WFV ARD.
Для того, чтобы информация о QA-факторе была простой и удобной в использовании, в ARD разработан только один диапазон оценки качества. Канал QA хранит информацию в битовом формате с 16-битным целым числом без знака (UINT 16). Он содержит информацию, полученную в результате обработки уровня 1A, а также информацию, относящуюся к атмосферной коррекции с использованием метода, описанного в разделе 2.1.3, при использовании полос отражения поверхности. Полоса контроля качества пикселей представляет собой битовую полосу с битами, установленными на 1 для обозначения информации об облаке, информации об аэрозоле или значения заполнения (таблица 5). Эта облачная информация основана на объектно-ориентированном алгоритме обнаружения облаков, описанном в [26]. Кроме того, расширение облаков выполняется для маркировки пикселей, прилегающих к облакам и облачным теням, чтобы еще уменьшить влияние возможного облака и облачной тени. Информация об аэрозолях основана на алгоритме, приведенном в разделе 2.1.3. Для этого диапазона используется стандартное соглашение о битовой упаковке. Например, если пиксель тайла ARD помечен как пиксель с заливкой, то в этом положении пикселя все биты диапазона оценки качества пикселя устанавливаются равными нулю, за исключением бита 0, для которого задано значение 1 (при условии, что десятичное значение диапазона QA пикселя равно 10 = 1). Аналогичным образом, например, если пиксель тайла ARD помечен как облако, то бит 4 устанавливается как 1, адругие биты устанавливаются как 0 (обеспечивая десятичное значение диапазона QA пикселя, равное 23 = 8).
По сравнению с коэффициентом отражения TOA, коэффициент отражения поверхности является предпочтительным для многих пользователей для дальнейшего применения, поскольку на биофизические и геофизические параметры значительное влияние оказывают атмосферное поглощение и рассеяние, вызванные аэрозолями, газами и составляющими воды. Среди этих компонентов в атмосфере аэрозоли являются наиболее трудными для надежного удаления из-за их высокой изменчивости, пространственно неравномерного распределения и значительного воздействия на видимые каналы, особенно на более коротких длинах волн, таких как синий и зеленый каналы [20,22,23]. Набор данных о коэффициенте отражения GF1-WFV ARD представлен в GF1-WFV ARD, который рассчитывается на основе наборов данных TOA о коэффициенте отражения и угловых данных (раздел 3.1) с использованием метода атмосферной коррекции, описанного в разделе 2.1.3. Полосы отражения поверхности в ARD хранятся так же, как и полосы отражения TOA, но в отдельном наборе данных в том же файле HDF. Тип данных (INT16), коэффициенты масштабирования (0,0001), значения заполнения (9999) и допустимые диапазоны (0~10000) одинаковы.
3.5. Диапазоны оценки качества ARD
Несмотря на то, что информация об оценке качества (QA) для каждого пикселя не является необходимой, такого рода информация может быть очень удобной для ученых и пользователей применений для улучшения своего анализа, особенно для анализа временных рядов с большим объемом данных, путем автоматического удаления неподходящих и некачественных данных путем проверки каждого пикселя Информация об оценке качества. Учитывая, что QA становится стандартом в большинстве спутниковых продуктов [24,25], они предусмотрены и в GF1-WFV ARD.
Для того, чтобы информация о QA-факторе была простой и удобной в использовании, в ARD разработан только один диапазон оценки качества. Канал QA хранит информацию в битовом формате с 16-битным целым числом без знака (UINT 16). Он содержит информацию, полученную в результате обработки уровня 1A, а также информацию, относящуюся к атмосферной коррекции с использованием метода, описанного в разделе 2.1.3, при использовании полос отражения поверхности. Полоса контроля качества пикселей представляет собой битовую полосу с битами, установленными на 1 для обозначения информации об облаке, информации об аэрозоле или значения заполнения (таблица 5). Эта облачная информация основана на объектно-ориентированном алгоритме обнаружения облаков, описанном в [26]. Кроме того, расширение облаков выполняется для маркировки пикселей, прилегающих к облакам и облачным теням, чтобы еще уменьшить влияние возможного облака и облачной тени. Информация об аэрозолях основана на алгоритме, приведенном в разделе 2.1.3. Для этого диапазона используется стандартное соглашение о битовой упаковке. Например, если пиксель тайла ARD помечен как пиксель с заливкой, то в этом положении пикселя все биты диапазона оценки качества пикселя устанавливаются равными нулю, за исключением бита 0, для которого задано значение 1 (при условии, что десятичное значение диапазона QA пикселя равно 10 = 1). Аналогичным образом, например, если пиксель тайла ARD помечен как облако, то бит 4 устанавливается как 1, адругие биты устанавливаются как 0 (обеспечивая десятичное значение диапазона QA пикселя, равное 23 = 8).
Таблица 5. Детальное описание оценки качества GF1-WFV ARD. Биты нумеруются справа налево, где бит 0 = менее значащий бит, а бит 7 = самый значащий бит.
3.6. Предварительная заявка GF1-WFV ARD
После обработки в соответствии с процедурами ARD GF1-WFV ARD в течение определенного периода времени, например, месяца, можно легко укладывать для создания мозаики отражения поверхности. Ежемесячные данные о коэффициенте отражения поверхности могут быть использованы для анализа временных рядов и получения соответствующих биофизических и геофизических параметров. Несмотря на то, что ежемесячные карты отражения поверхности Китая в 2019 году могут быть составлены, вместо этого в этом исследовании представлены двухмесячные карты отражения поверхности из-за того, что данных со спутника GF1-WFV было достаточно только для составления безоблачной мозаики отражения поверхности в национальном масштабе (Китай) (рис. 5). Тем не менее, совместное использование GF1-WFV, Sentinel2-MSI и GF6-WFV в ближайшем будущем значительно решит эту проблему и создаст составные изображения отражения поверхности с еще меньшими временными интервалами, такими как месячные и даже 10-дневные. Поскольку погодные условия в Пекине сухие, и, следовательно, мозаика с отражательной способностью поверхности может быть изготовлена лучше. На рисунке 6 изображены ежемесячные мозаики Бэйинга при ближайшем рассмотрении, чтобы лучше проиллюстрировать возможность дальнейшего применения и преимущества GF1-ARD для анализа временных рядов.
Кроме того, ARD может быть использован для получения многих количественных продуктов дистанционного зондирования, таких как вегетационный индекс (NDVI), индекс площади листьев (LAI), растительный покров (FVC), чистая первичная продуктивность (NPP), почвенно-растительный покров (LC), альбедо и т.д. Возьмем, к примеру, классификацию почвенно-растительного покрова. С помощью ежемесячных данных о коэффициенте отражения поверхности временных рядов можно легко получить высокоточные продукты почвенно-растительного покрова даже с использованием простейшего метода контролируемой классификации на основе пикселей. На рисунке 7 показана карта растительного покрова Пекина в 2019 году с использованием ежемесячного ARD, показанного на рисунке 6. Общая точность составляет около 91,20%.
Матрица приведена в таблице 6. На рисунке 8 показаны некоторые детали карты почвенно-растительного покрова, и результат классификации в значительной степени согласуется со спутниковыми снимками.
После обработки в соответствии с процедурами ARD GF1-WFV ARD в течение определенного периода времени, например, месяца, можно легко укладывать для создания мозаики отражения поверхности. Ежемесячные данные о коэффициенте отражения поверхности могут быть использованы для анализа временных рядов и получения соответствующих биофизических и геофизических параметров. Несмотря на то, что ежемесячные карты отражения поверхности Китая в 2019 году могут быть составлены, вместо этого в этом исследовании представлены двухмесячные карты отражения поверхности из-за того, что данных со спутника GF1-WFV было достаточно только для составления безоблачной мозаики отражения поверхности в национальном масштабе (Китай) (рис. 5). Тем не менее, совместное использование GF1-WFV, Sentinel2-MSI и GF6-WFV в ближайшем будущем значительно решит эту проблему и создаст составные изображения отражения поверхности с еще меньшими временными интервалами, такими как месячные и даже 10-дневные. Поскольку погодные условия в Пекине сухие, и, следовательно, мозаика с отражательной способностью поверхности может быть изготовлена лучше. На рисунке 6 изображены ежемесячные мозаики Бэйинга при ближайшем рассмотрении, чтобы лучше проиллюстрировать возможность дальнейшего применения и преимущества GF1-ARD для анализа временных рядов.
Кроме того, ARD может быть использован для получения многих количественных продуктов дистанционного зондирования, таких как вегетационный индекс (NDVI), индекс площади листьев (LAI), растительный покров (FVC), чистая первичная продуктивность (NPP), почвенно-растительный покров (LC), альбедо и т.д. Возьмем, к примеру, классификацию почвенно-растительного покрова. С помощью ежемесячных данных о коэффициенте отражения поверхности временных рядов можно легко получить высокоточные продукты почвенно-растительного покрова даже с использованием простейшего метода контролируемой классификации на основе пикселей. На рисунке 7 показана карта растительного покрова Пекина в 2019 году с использованием ежемесячного ARD, показанного на рисунке 6. Общая точность составляет около 91,20%.
Матрица приведена в таблице 6. На рисунке 8 показаны некоторые детали карты почвенно-растительного покрова, и результат классификации в значительной степени согласуется со спутниковыми снимками.
Таблица 6. Матрица для карты Пекина в 2019 году.
3.7. График будущих пересмотров ARD
Несмотря на то, что GF1-WFV ARD определены для GF1-WFV1~4 и генерируются на основе уровня 1A данных GF1-WFV, ARD будет постепенно включать в себя больше китайских данных MHSR, включая GF6-WFV, HJ1-CCD и предстоящий HJ2-CCD, которые составляют значительную часть ранних китайских записей данных MHSR, систематически полученных с 2008 по 2013 год HJ1-CCD, и реализуют непрерывность китайских данных MHSR с помощью HJ2-WFV, GF6-WFV и другие. Обработка ARD для HJ1-CCD является сложной задачей, поскольку геометрические и радиометрические качества ПЗС значительно ниже, чем у датчиков WFV на борту более поздних спутников. Кроме того, более поздний WFV имеет лучшее качество, но большее количество каналов с большим количеством записываемых цифр требует больших вычислительных возможностей и более эффективных алгоритмов обработки. В частности, ни одна из китайских данных MHSR не имела коротковолновых инфракрасных или тепловых диапазонов длин волн, что предъявляет гораздо более высокие требования к алгоритмам атмосферной коррекции и маскировки облаков [27,28]. ARD будет переработан по мере совершенствования алгоритмов обработки.
Несмотря на то, что GF1-WFV ARD определены для GF1-WFV1~4 и генерируются на основе уровня 1A данных GF1-WFV, ARD будет постепенно включать в себя больше китайских данных MHSR, включая GF6-WFV, HJ1-CCD и предстоящий HJ2-CCD, которые составляют значительную часть ранних китайских записей данных MHSR, систематически полученных с 2008 по 2013 год HJ1-CCD, и реализуют непрерывность китайских данных MHSR с помощью HJ2-WFV, GF6-WFV и другие. Обработка ARD для HJ1-CCD является сложной задачей, поскольку геометрические и радиометрические качества ПЗС значительно ниже, чем у датчиков WFV на борту более поздних спутников. Кроме того, более поздний WFV имеет лучшее качество, но большее количество каналов с большим количеством записываемых цифр требует больших вычислительных возможностей и более эффективных алгоритмов обработки. В частности, ни одна из китайских данных MHSR не имела коротковолновых инфракрасных или тепловых диапазонов длин волн, что предъявляет гораздо более высокие требования к алгоритмам атмосферной коррекции и маскировки облаков [27,28]. ARD будет переработан по мере совершенствования алгоритмов обработки.
Рисунок 5. В 2019 году на большей части территории Китая раз в два месяца проводилась мозаика с коэффициентом отражения поверхности длиной 16 м, составленная из GF1-WFV ARD. (a-f) - январь-февраль, март-апрель, май-июнь, июль-август, сентябрь-октябрь и ноябрь-декабрь соответственно.
Рисунок 6. Ежемесячная мозаика отражения поверхности в 2019 году в Пекине при более близком обзоре с GF1-WFV ARD.
Рисунок 7. Пример применения ARD: результат классификации почвенно-растительного покрова.
Рисунок 8. Подробная информация о продукте почвенно-растительного покрова в Пекине, произведенном с использованием ARD (слева: спутниковый снимок; справа: результат почвенно-растительного покрова).
4. Обсуждение
Несмотря на то, что GF1-WFV ARD не были применены в крупномасштабных проектах, ARD Landsat, выпущенный в 2017 году, уже использовался для картографирования 30-процентного древесного покрова в штате Вашингтон и мониторинга эволюции сельскохозяйственных культур на шести различных мозаиках ARD с использованием различных моделей гармонических временных рядов данных Landsat ARD за пять лет [29]. Как и ожидалось, GF1-WFV ARD и предстоящий китайский MSHR ARD значительно расширят существующий ARD, и больше данных, безусловно, увеличат наблюдения, что значительно улучшит анализ. GF1-WFV ARD и готовящийся к выпуску китайский MSHR ARD также могут быть использованы в качестве исходных данных для производства большего количества наземных биофизических и геофизических продуктов, аналогичных продуктам MODIS и Landsat ARD, которые в значительной степени поддержали исследования и применение глобальных изменений [30]. Кроме того, китайские MSHR ARD имеют среднее и высокое разрешение, которое намного выше, чем у MODIS, в связи с чем ожидается более детальное открытие.
Подобно поверхностному отражению MODIS и наземным продуктам, китайский MSHR ARD будет переработан, в то время как методы обработки будут улучшены, чтобы отразить возможности лучшей радиометрической калибровки и георегистрации. Кроме того, с быстрым развитием вычислительных возможностей и их значительной сниженной стоимостью будут разработаны более сложные алгоритмы обработки для повышения точности процесса при еще более низких временных затратах. Поскольку имеется лишь ограниченное число станций приема данных, были получены только данные, охватывающие Китай и прилегающие к нему районы, а общее количество полученных данных GF1-WFV составляет 137 120; однако с вводом в эксплуатацию приемнойстанции вблизи Северного полюса в ближайшие годы будет накоплено в сотни раз больше данных. В то время будут востребованы более эффективные алгоритмы и больше вычислительных возможностей, чтобы сделать глобальное производство ARD доступным для использования китайских спутниковых данных.
В целях повышения функциональной совместимости быстро растущих объемов оптических изображений среднего разрешения (http://ceos.org/ard/, по состоянию на 25 апреля 2021 года) из различных космических агентств рабочая группа CEOS ARD for Land (CARD4L) значительно поощряет ARD для различных данных со средним пространственным разрешением. На этом фоне успешный выпуск Landsat ARD ознаменовал собой очень важный первый шаг. GF1-WFV ARD сделал еще один шаг в этом направлении. Кроме того, ведутся исследования по функциональной совместимости и бесшовной комбинации датчиков для данных со средним пространственным разрешением, таких как Landsat, Sentinel 2 и китайские данные [31–34]. Эти действия на ARD предоставят нам более простые в использовании данные и больше шансов на научные открытия. Однако очевидны и трудности, связанные с алгоритмами, вычислительными возможностями, совмещением использования различных ARD и т.д.
5. Выводы
Несмотря на то, что данные уровня 1A GF1-WFV были свободно опубликованы CRESDA с 2013 года, практическое использование данных было намного меньше, чем данные Landsat и Sentinel 2, и основным препятствием была предварительная обработка данных. GF1-WFV ARD обеспечивает согласованный набор коэффициентов отражения TOA и коэффициента отражения поверхности с оценкой качества на пиксель и метаданными для отслеживания ретроспективы. Таким образом, не только пользователи, обладающие опытом предварительной обработки данных, но и другие пользователи, которые не очень хорошо разбираются в предварительной обработке, могут проводить научный анализ и применения на большой территории и с длинными временными рядами, не беспокоясь о затратах на вычисления или время, пропуская предварительную обработку данных GF1-WFV, такую как геометрическая регистрация и атмосферная коррекция. По мере того, как все больше GF1-WFV ARD будут применяться на практике, расхождения, вызванные предварительной обработкой данных, будут уменьшаться. GF1-WFV ARD является важным проектом в истории китайских спутниковых данных и способен делать научные открытия посредством анализа длинных рядов, будь то в национальном или глобальном масштабе, что, безусловно, заставит глобальных пользователей осознать полезность китайских спутниковых данных.
Вклад авторов: концептуализация, Б.З. и К.Л.; методология, Б.З. и А.Ю.; SO FTWARE, B.Z., A.Y., S.W., X.S., X.M. и L.H.; валидация, B.Z., A.Y., S.W. и J.W.; написание — оригинальный черновик, B.Z.; написание — рецензирование и редактирование, A.Y., Q.L., S.W., X.S. и X.M. Все авторы прочитали и согласились с опубликованной версией рукописи.
Это исследование было профинансировано Национальной ключевой программой исследований и разработок Китая No 2018YFA 0605500 и 2017YFA0603000.
Благодарности: Снимки GaoFen, использованные в этом исследовании, поддерживаются Китайским центром спутниковых данных и применений ресурсов (http://www.cresda.com, по состоянию на 25 апреля 2021 года). Данные Landsat были загружены с веб-сайта USGS (http://landsat.usgs.gov, по состоянию на 25 апреля 2021 года). Данные MSI Sentinel2 были загружены с веб-сайта ESA (https://earth.esa.int, по состоянию на 25 апреля 2021 года). Авторы искренне благодарят рецензентов, предоставивших полезные комментарии к рукописи.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов.
Ссылки
1. Вудкок, К.Э.; Аллен, Р.; Андерсон, М.; Белвард, А.; Биндшадлер, Р.; Коэн, В.; Гао, Ф.; Говард, С.Н.; Хелдер, Д.; Хелмер, Э.; и др. Свободный доступ к снимкам Landsat. Наука 2008, 320, 1011. [CrossRef] [PubMed]
2. Вулдер, М.А.; Уайт, Дж.К.; Лавленд, Т.Р.; Вудкок, К.Э.; Рой, Д.. Глобальный архив Landsat: статус, консолидация. Дистанционное зондирование. 2016, 185, 271–283. [Перекрестная ссылка]
3. Рой, Д..; Джу, Дж.; Клайн, К.; Скарамуцца,.Л.; Ковальский, В.; Хансен, М.; Лавленд, Т.Р.; Вермот, Э.; Чжан, К. Веб-интерфейс Landsat data (сварка): Landsat etm+ составные мозаики смежных Соединенных Штатов. Дистанционное зондирование. 2009, 114, 35–49. [Перекрестная ссылка]
4. Рой, Д..; Вулдер, М.; Лавленд, Т.Р.; Вудкок, К.; Аллен, Р.; АндеРсон, М.; Хелдер, Д.; Айронс, Дж.; Джонсон, Д.; Кеннеди, Р.; и др. Landsat-8: Наука и видение продукта для исследований глобальных изменений на Земле. Дистанционное зондирование. 2014, 145, 154–172. [Перекрестная ссылка]
5. Левис, А.; Оливер, С.; Лимбурнер, Л.; Эванс, Б.; Уайборн, Л.; Мюллер, Н.; Раевский, Г.; Гук, Дж.; Вудкок, Р.; Сикссмит, Дж.; и др. Австралийский куб данных по наукам о Земле — основы и извлеченные уроки. Дистанционное зондирование. 2017, 202, 276–292. [Перекрестная ссылка]
6. Вулдер, М.А.; Купс, Северная Каролина; Рой, Д..; Уайт, Дж.К.; Гермосилла, Т. Почвенно-растительный покров 2.0. 2018, 39, 4254–4284. [Перекрестная ссылка]
7. Дуайер, Дж.Л.; Рой, Д..; Зауэр, Б.; Дженкерсон, К.Б.; Лимбурнер, Л. Готовые данные к анализу: обеспечение анализа архива Landsat. Дистанционное зондирование 2018, 10, 1363.
8. Таунсенд, Дж.Р.Г.; Джастис, К.О. Влияние неправильной регистрации на обнаружение изменений. IEEE Trans. Geosci. 1992, 30, 1054–1060. [Перекрестная ссылка]
9. Чандер, Г.; Хелдер, Д.Л.; Аарон, Д.; Мишра, Н.; Шреста А.К. Оценка спектральных, неправильных и пространственных неопределенностей, присущих исследованию кросс-калибровочныхрационов. IEEE Trans. Geosci. 2013, 51, 1282–1296. [Перекрестная ссылка]
10. Янг, А.; Чжун, Б.; Ву, С.; Лю, К. Оценка радиометрических возможностей китайских оптических спутниковых датчиков. Датчики 2017, 17, 204. [Перекрестная ссылка]
11. Шань, X.; Тан,.; Ху, К. Автоматическая система геометрической прецизионной коррекции, основанная на иерархической регистрации изображений HJ-1 A/B CCD. 2014, 35, 7154–7178. [Перекрестная ссылка]
12. Гюнтер, Б.; Сюн, С.; Саломонсон, В.В.; Барнс, В.Л.; Янг, Д. Работа на орбите спектрорадиометра среднего разрешения системы наблюдения за Землей; Первый год данных. Дистанционное зондирование. 2002, 83, 16–30. [Перекрестная ссылка]
13. Чжун, Б.; Чжан, Ю.; Ду, Т.; Янг, А.; Лв, В.; Лю, К. Перекрестная калибровка HJ-1/CCD над пустынной площадкой с использованием снимков Landsat ETM+ и продукта ASTER GDEM. IEEE Trans. Geosci. 2014, 52, 7247–7263. [Перекрестная ссылка]
14. Янг, А.; Чжун, Б.; Лв, В.; Ву, С.; Лю, К. Перекрестная калибровка GF-1/WFV над пустынным участком с использованием изображений Landsat-8/OLIи данных ZY-3/TLC. 2015, 7, 10763–10787. [Перекрестная ссылка]
15. Янг, А.; Чжун, Б.; Ву, С.; Лю, К. Радиометрическая перекрестная калибровка GF-4 в мультиспектральных диапазонах. Дистанционное зондирование 2017, 9, 232. [Перекрестная ссылка]
16. Янг, А.; Чжун, Б.; Ху, Л.; Ву, С.; Сюй, З.; Ву, Х.; Ву, Дж.; Гонг, X.; Ван, Х.; Лю К. Радиометрическая кросс-калибровка широкоугольной камеры на борту «Гаофэнь-6» в мультиспектральных диапазонах. 202 0, 12, 1037. [Перекрестная ссылка]
17. Кауфман, Ю.Дж.; Танре, Д.; Ремер, Лос-Анджелес; Вермот, Э.Ф.; Чу, А.; Холбен Б.Н. Оперативное дистанционное зондирование тропосферного аэрозоля над сушей ЭОС спектрорадиометр среднего разрешения. J. Geophys. Res 1997, 102, 17051–17067. [Перекрестная ссылка]
18. Ремер, Лос-Анджелес; Кауфман, Ю.Дж.; Tanré, D.; Матту, С.; Чу, Д.А.; Мартинс, Дж.В.; Ли, Р.-Р.; Ичоку, К.; Леви, Р.К.; Клейдман, Р.Г.; и др. Алгоритм аэрозоля MODIS, продукты и проверка. J. Atmos. Sci. 2005, 62, 947–973. [Перекрестная ссылка]
19. Масек, Дж.Г.; Вермот, Э.Ф.; Салеус, Н.Е.; Вулф, Р.; Холл, Ф.Г.; Хюммрих, К.Ф.; Гао, Ф.; Кутлер, Дж.; Лим, Т.-К. Набор данных о коэффициенте отражения поверхности Landsat для Северной Америки, 1990–2000 гг. IEEE Geosci. Дистанционное зондирование. 2006, 3, 68–72. [Перекрестная ссылка]
20. Джу, Дж.; Рой, Д..; Вермот, Э.; Как Эк, Дж.М.; Ковальский, В. В. Валидация в континентальном масштабе методов атмосферной коррекции Landsat ETM+ на основе моди и ледапов. Дистанционное зондирование. 2012, 122, 175–184. [Перекрестная ссылка]
21. Чжун, Б.; Ву, С.; Янг, А.; Лю, К. Усовершенствованный алгоритм поиска глубины аэрозольной оптикиl для оптических изображений дистанционного зондирования со средним и высоким пространственным разрешением. Дистанционное зондирование 2017, 9, 555. [Перекрестная ссылка]
Несмотря на то, что GF1-WFV ARD не были применены в крупномасштабных проектах, ARD Landsat, выпущенный в 2017 году, уже использовался для картографирования 30-процентного древесного покрова в штате Вашингтон и мониторинга эволюции сельскохозяйственных культур на шести различных мозаиках ARD с использованием различных моделей гармонических временных рядов данных Landsat ARD за пять лет [29]. Как и ожидалось, GF1-WFV ARD и предстоящий китайский MSHR ARD значительно расширят существующий ARD, и больше данных, безусловно, увеличат наблюдения, что значительно улучшит анализ. GF1-WFV ARD и готовящийся к выпуску китайский MSHR ARD также могут быть использованы в качестве исходных данных для производства большего количества наземных биофизических и геофизических продуктов, аналогичных продуктам MODIS и Landsat ARD, которые в значительной степени поддержали исследования и применение глобальных изменений [30]. Кроме того, китайские MSHR ARD имеют среднее и высокое разрешение, которое намного выше, чем у MODIS, в связи с чем ожидается более детальное открытие.
Подобно поверхностному отражению MODIS и наземным продуктам, китайский MSHR ARD будет переработан, в то время как методы обработки будут улучшены, чтобы отразить возможности лучшей радиометрической калибровки и георегистрации. Кроме того, с быстрым развитием вычислительных возможностей и их значительной сниженной стоимостью будут разработаны более сложные алгоритмы обработки для повышения точности процесса при еще более низких временных затратах. Поскольку имеется лишь ограниченное число станций приема данных, были получены только данные, охватывающие Китай и прилегающие к нему районы, а общее количество полученных данных GF1-WFV составляет 137 120; однако с вводом в эксплуатацию приемнойстанции вблизи Северного полюса в ближайшие годы будет накоплено в сотни раз больше данных. В то время будут востребованы более эффективные алгоритмы и больше вычислительных возможностей, чтобы сделать глобальное производство ARD доступным для использования китайских спутниковых данных.
В целях повышения функциональной совместимости быстро растущих объемов оптических изображений среднего разрешения (http://ceos.org/ard/, по состоянию на 25 апреля 2021 года) из различных космических агентств рабочая группа CEOS ARD for Land (CARD4L) значительно поощряет ARD для различных данных со средним пространственным разрешением. На этом фоне успешный выпуск Landsat ARD ознаменовал собой очень важный первый шаг. GF1-WFV ARD сделал еще один шаг в этом направлении. Кроме того, ведутся исследования по функциональной совместимости и бесшовной комбинации датчиков для данных со средним пространственным разрешением, таких как Landsat, Sentinel 2 и китайские данные [31–34]. Эти действия на ARD предоставят нам более простые в использовании данные и больше шансов на научные открытия. Однако очевидны и трудности, связанные с алгоритмами, вычислительными возможностями, совмещением использования различных ARD и т.д.
5. Выводы
Несмотря на то, что данные уровня 1A GF1-WFV были свободно опубликованы CRESDA с 2013 года, практическое использование данных было намного меньше, чем данные Landsat и Sentinel 2, и основным препятствием была предварительная обработка данных. GF1-WFV ARD обеспечивает согласованный набор коэффициентов отражения TOA и коэффициента отражения поверхности с оценкой качества на пиксель и метаданными для отслеживания ретроспективы. Таким образом, не только пользователи, обладающие опытом предварительной обработки данных, но и другие пользователи, которые не очень хорошо разбираются в предварительной обработке, могут проводить научный анализ и применения на большой территории и с длинными временными рядами, не беспокоясь о затратах на вычисления или время, пропуская предварительную обработку данных GF1-WFV, такую как геометрическая регистрация и атмосферная коррекция. По мере того, как все больше GF1-WFV ARD будут применяться на практике, расхождения, вызванные предварительной обработкой данных, будут уменьшаться. GF1-WFV ARD является важным проектом в истории китайских спутниковых данных и способен делать научные открытия посредством анализа длинных рядов, будь то в национальном или глобальном масштабе, что, безусловно, заставит глобальных пользователей осознать полезность китайских спутниковых данных.
Вклад авторов: концептуализация, Б.З. и К.Л.; методология, Б.З. и А.Ю.; SO FTWARE, B.Z., A.Y., S.W., X.S., X.M. и L.H.; валидация, B.Z., A.Y., S.W. и J.W.; написание — оригинальный черновик, B.Z.; написание — рецензирование и редактирование, A.Y., Q.L., S.W., X.S. и X.M. Все авторы прочитали и согласились с опубликованной версией рукописи.
Это исследование было профинансировано Национальной ключевой программой исследований и разработок Китая No 2018YFA 0605500 и 2017YFA0603000.
Благодарности: Снимки GaoFen, использованные в этом исследовании, поддерживаются Китайским центром спутниковых данных и применений ресурсов (http://www.cresda.com, по состоянию на 25 апреля 2021 года). Данные Landsat были загружены с веб-сайта USGS (http://landsat.usgs.gov, по состоянию на 25 апреля 2021 года). Данные MSI Sentinel2 были загружены с веб-сайта ESA (https://earth.esa.int, по состоянию на 25 апреля 2021 года). Авторы искренне благодарят рецензентов, предоставивших полезные комментарии к рукописи.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов.
Ссылки
1. Вудкок, К.Э.; Аллен, Р.; Андерсон, М.; Белвард, А.; Биндшадлер, Р.; Коэн, В.; Гао, Ф.; Говард, С.Н.; Хелдер, Д.; Хелмер, Э.; и др. Свободный доступ к снимкам Landsat. Наука 2008, 320, 1011. [CrossRef] [PubMed]
2. Вулдер, М.А.; Уайт, Дж.К.; Лавленд, Т.Р.; Вудкок, К.Э.; Рой, Д.. Глобальный архив Landsat: статус, консолидация. Дистанционное зондирование. 2016, 185, 271–283. [Перекрестная ссылка]
3. Рой, Д..; Джу, Дж.; Клайн, К.; Скарамуцца,.Л.; Ковальский, В.; Хансен, М.; Лавленд, Т.Р.; Вермот, Э.; Чжан, К. Веб-интерфейс Landsat data (сварка): Landsat etm+ составные мозаики смежных Соединенных Штатов. Дистанционное зондирование. 2009, 114, 35–49. [Перекрестная ссылка]
4. Рой, Д..; Вулдер, М.; Лавленд, Т.Р.; Вудкок, К.; Аллен, Р.; АндеРсон, М.; Хелдер, Д.; Айронс, Дж.; Джонсон, Д.; Кеннеди, Р.; и др. Landsat-8: Наука и видение продукта для исследований глобальных изменений на Земле. Дистанционное зондирование. 2014, 145, 154–172. [Перекрестная ссылка]
5. Левис, А.; Оливер, С.; Лимбурнер, Л.; Эванс, Б.; Уайборн, Л.; Мюллер, Н.; Раевский, Г.; Гук, Дж.; Вудкок, Р.; Сикссмит, Дж.; и др. Австралийский куб данных по наукам о Земле — основы и извлеченные уроки. Дистанционное зондирование. 2017, 202, 276–292. [Перекрестная ссылка]
6. Вулдер, М.А.; Купс, Северная Каролина; Рой, Д..; Уайт, Дж.К.; Гермосилла, Т. Почвенно-растительный покров 2.0. 2018, 39, 4254–4284. [Перекрестная ссылка]
7. Дуайер, Дж.Л.; Рой, Д..; Зауэр, Б.; Дженкерсон, К.Б.; Лимбурнер, Л. Готовые данные к анализу: обеспечение анализа архива Landsat. Дистанционное зондирование 2018, 10, 1363.
8. Таунсенд, Дж.Р.Г.; Джастис, К.О. Влияние неправильной регистрации на обнаружение изменений. IEEE Trans. Geosci. 1992, 30, 1054–1060. [Перекрестная ссылка]
9. Чандер, Г.; Хелдер, Д.Л.; Аарон, Д.; Мишра, Н.; Шреста А.К. Оценка спектральных, неправильных и пространственных неопределенностей, присущих исследованию кросс-калибровочныхрационов. IEEE Trans. Geosci. 2013, 51, 1282–1296. [Перекрестная ссылка]
10. Янг, А.; Чжун, Б.; Ву, С.; Лю, К. Оценка радиометрических возможностей китайских оптических спутниковых датчиков. Датчики 2017, 17, 204. [Перекрестная ссылка]
11. Шань, X.; Тан,.; Ху, К. Автоматическая система геометрической прецизионной коррекции, основанная на иерархической регистрации изображений HJ-1 A/B CCD. 2014, 35, 7154–7178. [Перекрестная ссылка]
12. Гюнтер, Б.; Сюн, С.; Саломонсон, В.В.; Барнс, В.Л.; Янг, Д. Работа на орбите спектрорадиометра среднего разрешения системы наблюдения за Землей; Первый год данных. Дистанционное зондирование. 2002, 83, 16–30. [Перекрестная ссылка]
13. Чжун, Б.; Чжан, Ю.; Ду, Т.; Янг, А.; Лв, В.; Лю, К. Перекрестная калибровка HJ-1/CCD над пустынной площадкой с использованием снимков Landsat ETM+ и продукта ASTER GDEM. IEEE Trans. Geosci. 2014, 52, 7247–7263. [Перекрестная ссылка]
14. Янг, А.; Чжун, Б.; Лв, В.; Ву, С.; Лю, К. Перекрестная калибровка GF-1/WFV над пустынным участком с использованием изображений Landsat-8/OLIи данных ZY-3/TLC. 2015, 7, 10763–10787. [Перекрестная ссылка]
15. Янг, А.; Чжун, Б.; Ву, С.; Лю, К. Радиометрическая перекрестная калибровка GF-4 в мультиспектральных диапазонах. Дистанционное зондирование 2017, 9, 232. [Перекрестная ссылка]
16. Янг, А.; Чжун, Б.; Ху, Л.; Ву, С.; Сюй, З.; Ву, Х.; Ву, Дж.; Гонг, X.; Ван, Х.; Лю К. Радиометрическая кросс-калибровка широкоугольной камеры на борту «Гаофэнь-6» в мультиспектральных диапазонах. 202 0, 12, 1037. [Перекрестная ссылка]
17. Кауфман, Ю.Дж.; Танре, Д.; Ремер, Лос-Анджелес; Вермот, Э.Ф.; Чу, А.; Холбен Б.Н. Оперативное дистанционное зондирование тропосферного аэрозоля над сушей ЭОС спектрорадиометр среднего разрешения. J. Geophys. Res 1997, 102, 17051–17067. [Перекрестная ссылка]
18. Ремер, Лос-Анджелес; Кауфман, Ю.Дж.; Tanré, D.; Матту, С.; Чу, Д.А.; Мартинс, Дж.В.; Ли, Р.-Р.; Ичоку, К.; Леви, Р.К.; Клейдман, Р.Г.; и др. Алгоритм аэрозоля MODIS, продукты и проверка. J. Atmos. Sci. 2005, 62, 947–973. [Перекрестная ссылка]
19. Масек, Дж.Г.; Вермот, Э.Ф.; Салеус, Н.Е.; Вулф, Р.; Холл, Ф.Г.; Хюммрих, К.Ф.; Гао, Ф.; Кутлер, Дж.; Лим, Т.-К. Набор данных о коэффициенте отражения поверхности Landsat для Северной Америки, 1990–2000 гг. IEEE Geosci. Дистанционное зондирование. 2006, 3, 68–72. [Перекрестная ссылка]
20. Джу, Дж.; Рой, Д..; Вермот, Э.; Как Эк, Дж.М.; Ковальский, В. В. Валидация в континентальном масштабе методов атмосферной коррекции Landsat ETM+ на основе моди и ледапов. Дистанционное зондирование. 2012, 122, 175–184. [Перекрестная ссылка]
21. Чжун, Б.; Ву, С.; Янг, А.; Лю, К. Усовершенствованный алгоритм поиска глубины аэрозольной оптикиl для оптических изображений дистанционного зондирования со средним и высоким пространственным разрешением. Дистанционное зондирование 2017, 9, 555. [Перекрестная ссылка]
16 июня / 2023