2. 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079;
3. 极地测绘科学国家测绘地理信息局重点实验室, 湖北 武汉 430079
2. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China;
3. Key Laboratory of Polar Science of Surveying and Mapping, National Administration of Surveying, Mapping and Geoinformation, Wuhan 430079, China
为了实现对农业生产，灾害监测以及环境保护等进行实时、全天候、全覆盖的对地观测，我国建立了高分辨率对地观测系统(high-definition Earth observation satellite，HDEOS)。作为HDEOS系列卫星之一，GF-1卫星于2013年4月26日成功发射。GF-1卫星搭载了4个宽视场相机(WFV)，由于具有高空间分辨率(星下点16×24m)和较大的幅宽(4×200km)，其重访周期仅为4d。若能准确建立卫星信号和地球生物、物理、化学参数之间的定量关系，GF-1卫星能被用来研究不同时空尺度的生物、化学和物理过程[1]。
准确的辐射定标是定量遥感应用的先决条件。一般来说，光学卫星传感器的辐射定标方法包括实验室定标法、在轨定标法和交叉定标方法[2-4]。实验室定标法是在特定的环境中, 利用外在稳定的光源来获取传感器的响应系数[3, 5]。在轨定标法被广泛应用于各种卫星的辐射定标, 如TM(thematic mapper)/ETM+(enhanced thematic mapper)的星上定标器[3, 6]。但是由于其受卫星载荷、空间、能耗、技术等的诸多限制，使得星上定标技术的应用受到一定程度的限制。此外，定标通常需要实测的地表反射率和相应的大气参数，并且卫星在同一时间过境，这时才可以利用辐射传输模型模拟出星上反射率(TOA)来实现辐射定标[4, 7-8]。为了解决这些技术难题，文献[4, 6, 9]提出了一种利用精确定标过的传感器所获取的遥感数据来代替实际测量数据的方法，这一方法称为交叉定标方法。
目前常用的交叉定标方法是选取参考传感器和待定标传感器获得的定标场影像(一般是沙漠地区)，且二者过境时间相差30mins内；然后在参考影像上选择地物类型均一的窗口，并通过经纬度获取待定标影像上的相应区域；最后将参考影像窗口对应的星上反射率与待定标影像相应窗口的DN值进行线性回归即可得到定标参数[6, 9]。
高分一号卫星上没有搭载定标器，无法实现在轨定标。因此，在高分一号卫星发射后，中国资源卫星应用中心利用敦煌定标场的实测数据对高分一号卫星的4个相机进行了辐射定标，给出了4个相机的定标系数。这一定标过程不仅耗费巨大的人力、物力、财力，而且需要定期进行，以监测传感器信号的衰减过程，从而保证高分一号卫星所获取的影像数据能有效而广泛地应用于各个领域。这时，交叉定标方法因其经济性、高效性成为对高分一号卫星进行辐射定标的最佳方法。
文献[7, 10]等对传统交叉定标方法进行了改进，针对GF-1WFV相机提出了两种辐射交叉定标方法。一种是基于影像的交叉定标方法(image-based)，通过自动选取定标点，克服了对地物类型的依赖，大幅提高了定标点的数量与信号量级的动态范围。另一种是基于辐射传输模型的交叉定标方法(RTM-BRDF)[11-12]，利用MODIS气溶胶与BRDF产品来有效地解决由于大倾角观测所带来的方向散射等系列问题。
本文将以WFV1和WFV3为例，对Image-based和RTM-BRDF方法的原理及实现流程进行比较分析，然后用Landsat-8 OLI的同步数据以及实测数据验证两种方法得到的定标系数的精度，最后在给出GF-1的最终定标系数的同时给出两种方法的适用范围。
1 数据GF-1和Landsat-8具有相似的太阳同步轨道，重访周期分别为4d和16d，过境时间相差不到30mins，对于给定的区域，两个传感器会在接近的时间过境，也确保了试验所需要的影像数据对。试验挑选2013年7月至2014年2月的WFV-OLI影像对，并从CCRSDA(China Centre for Resource Satellite Data and Application)和美国地质调查局下载。挑选的影像对要覆盖尽可能多的地物类型，并对影像进行目视检查，剔除有较厚气溶胶或云覆盖的影像。需要特别指出的是，所有的数据均在几个月内收集，传感器衰减所带来的干扰可忽略不计。对于每个相机最终至少有五对影像对用于交叉定标，两对用于验证。此外，试验中还用到了MODIS气溶胶产品、BRDF产品，USGS光谱库以及敦煌定标场的实测数据。
2 GF-1交叉定标原理 2.1 星上反射率计算由卫星信号所得到的星上反射率ρTOA由地物实际反射率和大气反射率组成。假设地物表面是均一的朗伯面，ρTOA可以式(1) 表达
(1)
式中，θs和φs分别是太阳天顶角和方位角；θv和φv分别是卫星观测天顶角和方位角；ρa是大气反射率；S是大气球面反射率；T(θs)和T(θv)分别是下行和上行辐射总透射率；ρt是地物反射率。
遥感器输出的图像DN值与遥感器入瞳辐亮度满足一定的线性关系。因此GF-1 WFV的DNs可以通过增益和偏置转换为辐亮度LTOA(WFV, i)(wm-2·sr-1·μm-1)。对于给定波段i
(2)
式中，MWFV, i是增益；AWFV, i为偏置。辐亮度又可以通过式(3) 转换为星上反射率
(3)
式中，θWFV, s是太阳天顶角；d2是日地距离修正系数(天文单位AU)[3]；EWFV, i是遥感器波段等效大气层顶太阳辐照度(wm-2·sr-1)；可由式(4) 计算得到
(4)
式中，Si(无量纲)是对应波段的归一化光谱响应函数；f是连续的大气层顶太阳辐照度(wm-2·sr-1·μm-1)[11]；a和b分别是给定波段波长的上界和下界。
理论上讲，定标系数MWFV, i和AWFV, i可以通过DNs和通过参考传感器(如Landsat-8 OLI)模拟的TOA线性回归得到。OLI的星上反射率可由其MTL(metadata file)文件中提供的MOLI, i和AOLI, i定标系数得到
(5)
式中，θOLI, s为太阳高度角。
2.2 光谱匹配因子两个传感器波段配置以及光谱响应函数上的差异可由光谱匹配因子QE来进行修正
(6)
式中，SWFV和SOLI分别是WFV和OLI的光谱响应函数，为地物的实际光谱在相应波长上的反射率。从式(6) 可以看到，只要知道了ρ(λ)，就可以计算得到QE。然而事实上，由于笔者所选择的定标点都是由计算机随机选择的，很难得到实测的ρ(λ)。这时，可以从USGS光谱库里找相似的光谱来代替。当OLI影像经过大气校正后，将其在各个波段的反射率与光谱库中的光谱进行比较，马氏距离最小的被认为是最接近的光谱，并用此光谱作为输入来计算QE。
2.3 Image-based文献[10]提出了Image-based交叉定标方法，该方法假设在30mins内，地物反射率保持不变，大气对两个传感器观测得到的信号的影响基本相同，经过光谱匹配因子处理后的星上反射率相等
(7)
结合上述各式，得到最终的定标公式
(8)
流程见图 1，具体实现步骤为：
|
| 图 1 Image-based(a)和RTM-BRDF(b)试验流程 Fig. 1 Flowchart of the Image-based (a) and RTM-BRDF (b) cross-calibration methods 注：ρTOA表示星上反射率, ρt为观测角度上的地物反射率，ρ′t是垂直方向上的地物实际反射率, θs和θv分别为卫星观测天顶角和方位角, φs和φv分别为太阳天顶角和方位角, RSRs表示光谱响应函数。 |
(1) 在WFV-OLI影像对上，随机地选取感兴趣区域(ROIs)：在WFV影像上随机地选择一个小窗口，其标准差和平均值之比小于1%，确保该窗口是均一地物，然后将其对应到OLI影像上，看在OLI影像上其标准差与均值之比是否也小于1%，如果是，则将其确定为定标点。
(2) 利用Landsat-8 OLI MTL文件计算得到ρTOA(OLI, i)，将经过大气校正的OLI影像上的ROI各个波段上的反射率与USGS光谱库进行匹配得到最接近的光谱，代入到光谱匹配因子的计算公式计算得到QE。
(3) 最后，将计算得到式(8) 左边的值与WFV的DNs线性回归出WFV的定标系数。
2.4 RTM-BRDF文献[7]提出的RTM-BRDF交叉定标的核心思路是：30min内地表反射率，气溶胶光学厚度及其类型保持不变，而不同的传感器由于其光谱响应、观测角度、光照条件等的差异导致星上信号的不同。因此，该方法利用MODIS气溶胶和BRDF产品对Landsat-8 OLI影像进行大气校正和BRDF校正，得到垂直方向的地表反射率，经过光谱匹配因子的校正后可以得到WFV所观测到的地表反射率。然后利用相同的MODIS气溶胶和BRDF产品由辐射传输模型模拟出WFV所观测到的星上反射率。最后，通过将模拟的星上反射率与图像信号线性回归得到最终的定标系数。
尽管经过了大气校正，由两个传感器所观测到的信号还是会有所差异。两个传感器波段配置和光谱响应函数之间的差异可以用光谱匹配因子来纠正，但由照明条件和观测几何不同所带来的差异就需要用MODIS BRDF产品来进行校正。MODIS BRDF产品采用Ross-Li BRDF模型[13-14]，可以模拟出任意观测几何上的地物反射率。这个半经验模型的理论基础是地表反射率可以由3个主要的基本散射类型(各向同性散射，体积散射，几何光学表面散射)建模得到[15-18]，公式如下
(9)
(10)
(11)
(12)
(13)
(14)
(15)
式中，B是二向散射分布函数；P1、P2和P3由MODIS BRDF产品提供；P4和P5的值分别为2和1，这是推荐使用的值。
由以上公式再结合QE就可以计算得到与WFV对应的垂直方向上的地物实际反射率了，公式如下
(16)
验证包括利用LandSat-8 OLI影像和实测的光谱与大气数据进行验证。
在验证过程中，WFV影像数据将会用试验所得到的定标系数计算并且利用MODIS气溶胶产品通过6S辐射传输模型得到观测方向上的地物反射率，再通过MODIS BRDF产品得到其垂直方向的反射率ρt, calibrated，对OLI影像进行同样的处理得到其垂直方向的反射率，不同的是还要将其乘以光谱匹配因子模拟出WFV对应的垂直方向的地物反射率ρt, simulated，通过比较二者的差异来估算此定标方法的不确定性。值得指出的是，用于验证的OLI-WFV影像对与用于交叉定标的数据不同。
利用实测数据进行验证的过程中，用同样的方法计算得到ρTOA, calibrated，然后利用实测的地物光谱数据，然后利用实测的地物光谱数据，大气数据等参数模拟出星上反射率，从而来评定定标系数的精度。
敦煌定标场的实测数据由中国资源卫星应用中心获得，只有2014年8月其中6d的实测数据。敦煌定标场是一个地势平坦戈壁滩，地面状况十分稳定。分析显示，半个月内测得的光谱差异很小，其标准差不到2%[19]。因此，选取实测光谱的均值来验证WFV在8月的敦煌的14景(8景非星下点成像，6景近似星下点成像)影像。对于给定波段i，用实测数据模拟的WFV星上反射率可由式(17) 计算得到
(17)
对于GF-1的任意一个相机WFV，每个波段都有＞200个定标点，覆盖包括沙漠、植被、水体、雪地等不同反射信号等级的地物类型。将DNs和模拟的TOA辐亮度进行线性回归得到定标系数，结果如图 2所示，左边是非星下点成像的WFV1的3种定标方法得到的线性回归图，右边对应近似星下点成像的WFV3。从图中可以看到，DNs和TOA辐亮度都具有较大的动态范围，所有的点基本上都在拟合线上，R2＞0.9，表明了线性回归的显著性和回归系数的有效性。
|
| 图 2 两种交叉定标方法得到的由OLI影像模拟的WFV1 TOA辐亮度与DNs进行线性回归得到定标系数 Fig. 2 LandSat-8 OLI simulated TOA radiance against the four spectral bands of WFV1 and WFV3 using Image-based and RTM-BRDF methods |
表 1列出了两种交叉定标方法得到的定标系数，以及由CCRSDA提供的没有偏置的官方定标系数，并将三者进行比较，获得其差异系数。Da列出了RTM-BRDF与Image-based方法增益之间的差异，可以看到在WFV1的3个可见光波段，WFV2的绿光和红光波段以及WFV3的绿光波段，其差异均＞10%。而近红外波段的差异对于4个相机来说普遍较小，WFV4为6.36%，其他3个相机均＜3%。Db列出了Image-based得到的定标系数与官方系数之间的差异，在3.7%~21.9%之间浮动。Dc列出的是RTM-BRDF得到的定标系数与官方系数之间的差异。很明显，对于近似星下点成像的相机的差异较大，WFV2的4个波段的差异都＞.7%，WFV3的3个可见光波段都＞13%。相反，对于非星下点成像的相机差异很小，除了WFV1的红光波段和WFV4的近红外波段。
|
3.2 验证
图 3是利用LandSat-8 OLI影像对WFV1和WFV3的定标系数进行验证，WFV1代表非星下点成像，WFV3代表近似星下点成像。为了便于比较，利用LandSat-8 OLI影像模拟得到的垂直方向地表反射率ρrerference作为参考，对于WFV影像，分别将用RTM-BRDF、Official、Image-based方法得到的定标系数模拟其垂直方向的地表反射率ρRTM-BRDF、ρOfficial、ρImage-based，并将其与ρrerference比较，分别对应为红点、绿点、蓝点。为了准确地评估定标系数的不确定性，采取与选取定标点同样的标准来选择验证点，使其更具有统计意义。
|
| 图 3 WFV1(左)和WFV3(右)定标得到的星上反射率与利用OLI影像模拟得到的星上反射率的比较。MD为相对差异的均值，MR为差异比 Fig. 3 The mean differences between calibrated TOA reflectance of WFV1 (left), WFV3 (right) and simulated TOA reflectance from concurrent LandSat-8 OLI for different reflectance ranges |
显然，对WFV1来说，ρRTM-BRDF与ρsimulated最接近，红点也最接近1:1的直线。为了更直接地反映定标系数的不确定性，计算了差异的均值MD和均方根误差RMSD。可以看到，除了蓝光波段MD为10.3%，RMSD为9.1%，其他3个波段MD均小于6.4%，RMSD均小于6.6%。此外，ρsimulated和ρRTM-BRDF的差异比它与ρOfficial、ρImage-based之间的差异都要小，说明对于非星下点成像的相机由RTM-BRDF得到的定标系数精度较高。而对于WFV3来说，由Image-based方法对应的MD和RMSD最小，与1:1直线也拟合得较好，说明对于近似星下点成像的相机来说，Image-based交叉定标方法精度相对较高。
除了用OLI影像来验证外，还利用敦煌定标场的实测数据进行验证。本文将实测的光谱数据、大气数据、BRF数据模拟出星上反射率，并将其与用两种方法得到的定标系数计算得到的星上反射率进行比较，如图 4。横轴从左到右分别对应WFV1-WFV4，数字表示日期。从图 4中可以看到，WFV1在蓝光波段和绿光波段，Image-based方法模拟得到的星上反射率ρTOA, Image-based与用实测数据模拟得到的ρTOA, In-situ相差较大，可达0.06，这说明Image-based方法并不适用于大倾角观测相机。但此方法对于WFV2和WFV3近似星下点成像的相机来说，ρTOA, Image-based与ρTOA, In-situ最接近，说明Image-based交叉定标方法只适用于星下点成像的相机。此外，对于4个相机来说，RTM-BRDF方法模拟得到的星上反射率ρTOA, RTM-BRDF与ρTOA, In-situ都比较接近，这说明RTM-BRDF对于所有观测倾角的相机都适用，进一步说明RTM-BRDF方法所得到的定标系数更具代表性。但为了保证定标系数的最佳精度，对于WFV1和WFV4，采用RTM-BRDF方法得到的定标系数，而对于WFV2和WFV3则采用Image-based方法得到的定标系数(见表 1)。
|
| 图 4 Image-based和RTM-BRDF方法的定标系数得到的星上反射率与用实测数据模拟的星上反射率的比较。横坐标从左到右分别对应WFV1-WFV4，数字代表日期 Fig. 4 Validations of the calibrated TOA reflectance of WFV cameras using in situ reflectance and simulated TOA reflectance. The results for Image-based and RTM-BRDF calibration coefficients are demonstrated. Abscissa from left to right represents WFV1-WFV4, respectively, numbers mean the date |
4 讨论
尽管GF-1的波段配置与OLI很相似，但其在光谱响应函数上的差异会使观测的地物反射率产生很大的差异。模拟发现，光谱匹配因子最小为0.8908，最大为1.3929。也就是说，观测同一地物的反射率，两个传感器在波段配置和光谱响应函数之间的差异可以达到~40%[10]，说明十分有必要利用实测高光谱数据或光谱库来校正两个传感器在波段配置和光谱响应函数之间的差异[19]。
利用RTM-BRDF方法对WFV进行交叉定标的过程中，理想的状况是使用实测的气溶胶数据和BRF(bidirectional reflectance factor)数据来模拟辐射传输过程和二向散射效应[20]。然而，由于是利用计算机随机选取的定标点，不仅地物类型丰富，而且覆盖面积大，很难获得充足的实测数据。事实上，由RTM-BRDF方法得到的定标系数，对于非星下点成像的相机来说，其不确定性均8%，与官方定标系数和基于Image-based方法得到的定标系数相比，显著提高了定标精度。这也进一步说明MODIS产品是完全可以有效地应用于此交叉定标过程。同时也说明，对于星下点或者近似星下点成像的相机来说，Image-based方法也有较好的表现，并且相对于RTM-BRDF方法来说大幅减小工作难度。
一般来说，RTM-BRDF方法对于所有观测几何都适用，只不过在卫星观测天顶角小于20°时，其精度不如Image-based方法。因此，当卫星观测天顶角小于20°时，采用Image-based方法，否则采用RTM-BRDF方法。
5 结论通过对两种交叉定标方法进行比较发现，对于近似星下点成像的相机WFV2和WFV3来说，Image-based方法能获取精度较高的辐射定标系数，且该方法的实现过程较为简便。而对于非星下点成像的相机WFV1和WFV4来说，RTM-BRDF尽管需要更多的输入参数与模拟过程，但由于考虑到倾斜观测带来的大气程辐射及方向散射差异，其得到的定标系数明显优于Image-based方法。于是将两种方法相结合，可以实现4个GF-1 WFVs相机的准确辐射定标。另外，由于Landsat-8 OLI数据可以实时免费获取，阶段性地利用这两种方法对WFV相机进行辐射定标，可以有效预防相机衰减给定量遥感应用的潜在问题。
| [1] | 韩杰, 谢勇. GF-1卫星WFV影像间匀色方法[J]. 测绘学报, 2016, 45(12): 1423–1433. HAN Jie, XIE Yong. Image Dodging Algorithm for GF-1 Satellite WFV Imagery[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(12): 1423–1433. DOI:10.11947/j.AGCS.2016.20160248 |
| [2] | CHANDER G, MARKHAM B. Revised LandSat-5 TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(11): 2674–2677. DOI:10.1109/TGRS.2003.818464 |
| [3] | CHANDER G, MARKHAM B L, HELDER D L. Summary of Current Radiometric Calibration Coefficients for LandSat MSS, TM, ETM+, and EO-1 ALI Sensors[J]. Remote Sensing of Environment, 2009, 113(5): 893–903. DOI:10.1016/j.rse.2009.01.007 |
| [4] | XIONG Xiaoxiong, BARNES W. An Overview of MODIS Radiometric Calibration and Characterization[J]. Advances in Atmospheric Sciences, 2006, 23(1): 69–79. DOI:10.1007/s00376-006-0008-3 |
| [5] | GREGG W W, CASEY N W, O'REILLY J E, et al. An Empirical Approach to Ocean Color Data: Reducing Bias and the Need for Post-launch Radiometric Re-calibration[J]. Remote Sensing of Environment, 2009, 113(8): 1598–1612. DOI:10.1016/j.rse.2009.03.005 |
| [6] | TEILLET P M, BARKER J L, MARKHAM B L, et al. Radiometric Cross-calibration of the LandSat-7 ETM+ and Landsat-5 TM Sensors Based on Tandem Data Sets[J]. Remote Sensing of Environment, 2001, 78(1-2): 39–54. DOI:10.1016/S0034-4257(01)00248-6 |
| [7] | FENG Lian, LI Juan, GONG Weishu, et al. Radiometric Cross-calibration of Gaofen-1 WFV Cameras Using LandSat-8 OLI Images: A Solution for Large View Angle Associated Problems[J]. Remote Sensing of Environment, 2016, 174: 56–68. DOI:10.1016/j.rse.2015.11.031 |
| [8] | PAHLEVAN N, LEE Z, WEI Jianwei, et al. On-orbit Radiometric Characterization of OLI (LandSat-8) for Applications in Aquatic Remote Sensing[J]. Remote Sensing of Environment, 2014, 154: 272–284. DOI:10.1016/j.rse.2014.08.001 |
| [9] | TEILLET P M, MARKHAM B L, IRISH R R. LandSat Cross-calibration Based on Near Simultaneous Imaging of Common Ground Targets[J]. Remote Sensing of Environment, 2006, 102(3-4): 264–270. DOI:10.1016/j.rse.2006.02.005 |
| [10] | LI J, FENG L, PANG X, et al. Radiometric Cross Calibration of Gaofen-1 WFV Cameras Using LandSat-8 OLI Images: A Simple Image-based Method[J]. Remote Sensing, 2016, 8(5): 411. DOI:10.3390/rs8050411 |
| [11] | VANHELLEMONT Q, RUDDICK K. Turbid Wakes Associated with Offshore Wind Turbines Observed with LandSat 8[J]. Remote Sensing of Environment, 2014, 145: 105–115. DOI:10.1016/j.rse.2014.01.009 |
| [12] | VERMOTE E F, TANRE D, DEUZE J L, et al. Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: An Overview[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(3): 675–686. DOI:10.1109/36.581987 |
| [13] | VERMOTE E, JUSTICE C O, BREON F M. Towards a Generalized Approach for Correction of the BRDF Effect in MODIS Directional Reflectances[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(3): 898–908. DOI:10.1109/TGRS.2008.2005977 |
| [14] | WANNER W, LI X, STRAHLER A H. On the Derivation of Kernels for Kernel-driven Models of Bidirectional Reflectance[J]. Journal of Geophysical Research: Atmospheres, 1995, 100(D10): 21077–21089. DOI:10.1029/95JD02371 |
| [15] | LI F, JUPP D L B, REDDY S, et al. An Evaluation of the Use of Atmospheric and BRDF Correction to Standardize LandSat Data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2010, 3(3): 257–270. DOI:10.1109/JSTARS.2010.2042281 |
| [16] | LI F, JUPP D L B, THANKAPPAN M, et al. A Physics-based Atmospheric and BRDF Correction for LandSat Data over Mountainous Terrain[J]. Remote Sensing of Environment, 2012, 124: 756–770. DOI:10.1016/j.rse.2012.06.018 |
| [17] | SCHAAF C, STRAHLER A, GAO Feng, et al. Global Albedo, BRDF and Nadir BRDF-adjusted Reflectance Products from MODIS[C]//Proceedings of the 2002 IEEE International Geoscience and Remote Sensing Symposium. Toronto: IEEE, 2002: 1188-1190. |
| [18] | SCHAAF C B, GAO Feng, STRAHLER A H, et al. First Operational BRDF, Albedo Nadir Reflectance Products from MODIS[J]. Remote Sensing of Environment, 2002, 83(1-2): 135–148. DOI:10.1016/S0034-4257(02)00091-3 |
| [19] | GAO Caixia, ZHAO Yongguang, LI Chuanrong, et al. An Investigation of a Novel Cross-Calibration Method of FY-3C/VIRR against NPP/VⅡRS in the Dunhuang Test Site[J]. Remote Sensing, 2016, 8(2). |
| [20] | HU Xiuqing, LIU Jingjing, SUN Ling, et al. Characterization of CRCS Dunhuang Test Site and Vicarious Calibration Utilization for Fengyun (FY) Series Sensors[J]. Canadian Journal of Remote Sensing, 2010, 36(5): 566–582. DOI:10.5589/m10-087 |