GF-6/WFV与GF-1/WFV传感器数据对比

被引:3
作者
苏祥祥 [1 ,2 ]
李永康 [1 ,2 ]
朱永基 [1 ,2 ]
陶新宇 [1 ,2 ]
祝雪晴 [1 ,2 ]
刘吉凯 [1 ,2 ]
李新伟 [1 ,2 ,3 ]
机构
[1] 安徽科技学院资源与环境学院
[2] 安徽省农业废弃物肥料化利用与耕地质量提升工程研究中心
[3] 安徽省作物智慧种植与加工技术工程研究中心
关键词
GF-6; GF-1; 遥感; 传感器; 线性模型;
D O I
10.19608/j.cnki.1673-8772.2023.0079
中图分类号
TP212 [发送器(变换器)、传感器]; P237 [测绘遥感技术];
学科分类号
080202 ; 1404 ;
摘要
目的:利用GF-6和GF-1卫星高时空分辨率、覆盖范围广等特点,组网协同研究二者宽幅(WFV)传感器之间的差异。方法:基于同期过境的2对GF-6/WFV与GF-1/WFV影像数据,采用样区均值法进行地表反射率层面的交互对比分析,探究GF-6/WFV与GF-1/WFV波段光谱数据之间的定量关系,并构建线性转换方程。结果:GF-6/WFV与GF-1/WFV的观测能力具有较高的一致性,对应波段间线性回归方程的决定系数(R2)均高于0.942。GF-1/WFV1、GF-1/WFV2与GF-6/WFV数据间的均方根误差(RMSE)在蓝光波段较小,但在绿光、红光和近红外波段的差异逐渐增大;总体上,GF-6/WFV的信号强度比GF-1/WFV低9%~14%,其低于GF-1/WFV1约9.327%,低于GF-1/WFV2约13.573%。经线性转换后的GF-1/WFV数据与GF-6/WFV数据的差异明显降低,GF-1/WFV1数据对应波段的RMSE降低56.435%,相对偏差率(ME)降低8.351%;GF-1/WFV2数据RMSE的降低率达60%以上,ME降低11.119%。结论:GF-6/WFV与GF-1/WFV的转换方程具有较高的准确性,可有效提升2颗卫星组网观测的一致性,对监测地表变化、采集地面信息等具有重要意义。本研究可为GF-6与GF-1卫星数据的协同观测和组网应用提供科学参考。
引用
收藏
页码:71 / 79
页数:9
相关论文
共 33 条
[1]   高分一号宽幅多光谱影像辐射定标偏差及其植被指数影响 [J].
陈峰 ;
王辰星 ;
孙倩 ;
张文浩 ;
柳林 ;
宋月君 .
生态学报, 2023, 43 (05) :1861-1873
[2]   GF-1与GF-6 WFV影像在滇池悬浮物浓度反演中的对比分析 [J].
赵冉 ;
杨凤芸 ;
孟庆岩 ;
康育鹏 ;
郑佳媛 ;
胡新礼 ;
杨杭 .
光谱学与光谱分析, 2023, 43 (01) :198-205
[3]   基于遥感技术的森林树种精细分类研究进展与展望 [J].
吕晶 ;
金日 ;
朱卫红 ;
张鹏 .
延边大学农学学报, 2022, 44 (04) :17-23
[4]   高分六号卫星的交叉辐射定标研究 [J].
纪睿 ;
谢勇 ;
余涛 ;
陈雪薇 ;
邵雯 .
计算机应用与软件, 2022, 39 (10) :54-58+146
[5]   基于高分六号卫星数据的花生干旱监测研究 [J].
张彦 ;
刘婷 ;
郭燕 ;
贺佳 ;
王来刚 ;
张红利 ;
杨秀忠 .
节水灌溉, 2022, (07) :1-6
[6]   GF-6 WFV光谱植被指数模型的叶面积指数反演 [J].
王枭轩 ;
卢小平 ;
孟庆岩 ;
李国清 ;
王俊 ;
张琳琳 ;
杨泽楠 .
光谱学与光谱分析, 2022, 42 (07) :2278-2283
[7]   随机森林方法支持下Sentinel-2A MSI多种特征的冬小麦识别分析 [J].
朱永基 ;
殷飞笺 ;
王晗 ;
陶新宇 ;
李新伟 ;
刘吉凯 .
安徽科技学院学报, 2022, 36 (01) :25-31
[8]   GF-6与Landsat-8影像在水质监测中的差异性分析 [J].
李弘哲 ;
王世杰 ;
李成名 .
环境工程, 2022, 40 (04) :196-201
[9]   Landsat TM/OLI和HJ-1B CCD传感器数据的交互对比 [J].
徐丰 ;
李恒凯 .
遥感信息, 2021, 36 (04) :100-108
[10]   Sentinel-2A MSI和Landsat 8 OLI两种传感器多光谱信息的交互对比 [J].
徐光志 ;
徐涵秋 .
遥感技术与应用, 2021, 36(S1) (S1) :165-175