| MODIS V006和V005全球反照率产品精度对比分析 |  [PDF全文] |
收稿日期: 2016-11-23
2. University of Chinese Academy of Sciences, Beijing 100049, China
遥感技术的发展不仅丰富了对于地球及其生态系统的认识，同时也在资源、环境、生态等领域的监测、管理中发挥着越来越重要的作用。随着越来越多的遥感卫星及传感器的升空，获取种类较齐全、内容丰富、数据量庞大、实时性强的遥感和地面信息变得更加快速便捷。基于这些数据信息可以生产出一系列高级别、高精度的遥感产品(Zhang 等，2010)。但是，由于传感器获取的地面信息受到传感器性能、地表类型和大气等因素的影响，在遥感产品生产过程中也会引入误差，从而影响所生产的遥感产品的精度与质量。遥感反演的产品是否准确、真实地反映地表实际情况，最终必须经过遥感产品的真实性检验才能得以确认(吴小丹 等，2014；吴小丹 等，2015)。所谓真实性检验，就是通过将遥感反演的产品与能够代表地面目标相对真值的参考数据(如地面实测数据，机载数据，高分辨率遥感数据等)进行对比分析，从而评价遥感产品的真实性和准确性，以及满足传感器设计指标要求的程度(Justice 等，2000；Zhang 等，2010)。作为一种评价遥感产品质量的重要途径，无论是在遥感定量产品的生产还是应用中真实性检验都有着不可替代的作用(姜小光 等，2008)。地表反照率定义为太阳辐射短波波段在半球空间的所有地表反射辐射能量与所有入射辐射能量之比，反映了陆地表面对太阳辐射的反射能力，是一个广泛应用于地表能量平衡，中长期天气预测和全球变化研究的重要参数(Dickinson，1983)。近20年来，随着对地观测系统的迅速发展，多种全球分布的中低分辨率的卫星反照率产品如MODIS(MODerate resolution Imaging Spectraoradiometer)(Lucht 等，2000；Schaaf 等，2002)，GLASS(Global Land Surface Satellite)(Liang 等，2013；Liu 等，2013)，POLDER(POLarization and Directionality of the Earth’s Reflectances)(Leroy 等，1997；Bacour和Bréon，2005)GLOBALBEDO(Lewis 等，2011, 2012)等已经进行业务化生产和发布。这些反照率产品广泛的运用到全球、区域地表动态检测、林业、环境、自然灾害监测等领域，并与气温、降水等因素相结合在全球变化研究中发挥了重要作用。
MODIS反照率产品(MOD43系列)是由美国MODLAND(MODIS Land)团队开发生产的反照率产品(http://reverb.echo.nasa.gov/reverb/[2017-08-06])。该反照率产品是使用经过大气校正的MODIS多天、多波段的反射率数据基于AMBRALS(Algorithm for MODIS Bidirectional Reflectance Anisotropies of the Land Surface)算法反演，提供以16天为周期的全球BRDF/Albedo产品(焦子锑 等，2005)。MCD43A3是1 km的MODIS的反照率产品，该产品目前有两个版本，分别为MCD43A3 Version 5和MCD43A3 Version 6。
MCD43A3 Version 5 (V005)是旧版本的反照率产品，提供level-3的网格数据集其中包括短波波段的黑空和白空反照率，该产品时间分辨率为8天，合成窗口为16天，采用正弦投影，空间分辨率为500 m。到目前为止已经有许多研究通过不同的验证方法对MCD43A3 V005版本的反照率产品精度进行评价(Wang 等，2010；Roman 等，2013；Wang 等，2014)。该版本的反照率产品也在各研究领域中得到广泛的应用。
MCD43A3 Version 6 (V006)则是最新版本的MODIS反照率产品，该版本的产品采用累积观测加权的方法将时间分辨率在V005的8天的基础上提升到1天, 但是其基本的反演生产算法同V005反照率产品一样是基于16天的累计观测，但与V005不同的是，新版本的产品是以每16天周期中第9天的数据为基准，通过加权前后各8天的观测数据来生产出当日的反照率产品。
然而，对于新发布的反照率产品，验证工作相对较少，用户在使用前往往都期望能够预先知道产品的具体精度，同时每种产品都有其各自的特点，其精度往往有所差异，即使是同一种产品在不同的地表类型条件下也有着不同的精度。因此，本文选择2004年—2006年共3年内的MODIS V005和MODIS V006反照率产品，重点分析MODIS V006 反照率产品相对于地面测量数据和V005反照率产品的精度，比较两个版本反照率产品在不同的地表覆盖条件下的精度差异，检验该产品是否能够准确真实的反映地表实际情况。
2、全球反照率产品及验证数据 (2.1) 反照率产品的算法基础MODIS V006和V005两个版本均是在AMBRALS算法的基础上进行反照率的生产，但是V006版本在输入数据、反照率数据生产周期、积雪标识、质量控制标识等方面较V005有一些差异及改进。AMBRALS算法是通过半经验核驱动线性模型实现地表二向反射率的线性描述(Roujean 等，1992；Schaaf 等，2002)。半经验核驱动模型用各向同性核、体散射核和几何光学核的线性组合描述地表反射率特征，其中这3个核分别是对各向同性散射、水平均一冠层(视为混沌介质)的辐射传输模型和离散冠层(考虑面散射)几何光学模型的近似。体散射核是通过体散射辐射传输模型计算得到，而几何光学核则主要来自与表面散射和几何光学阴影理论(Roujean 等，1992；Wanner和Strahler，1995；Wanner 等，1997)。核驱动模型具备一定物理意义，利用3个核组分能够对地表二向反射现象的机理与特征进行解释，同时这组模型的组合已被证明是非常适合用于描述不同地表覆盖类型条件下陆地表面反射的各向异性，且参数简单，各核之间呈线性叠加，可以通过数值方法求解，易于业务化实现(Privette 等，1997)。具体公式表达为
| $\begin{aligned}R(\theta ,v,\varphi ,\lambda ) = & {f_{{\rm{iso}}}}(\lambda ) + {f_{{\rm{vol}}}}(\lambda ){K_{{\rm{vol}}}}(\theta ,v,\varphi ,\lambda ) + \\ &{f_{{\rm{geo}}}}(\lambda ){K_{{\rm{geo}}}}(\theta ,v,\varphi ,\lambda )\end{aligned}$ | (1) |
式中，等号右边3项分别代表各向同性核、体散射核、几何光学核。各类核的核系数，蕴含了地表特征，与波段相关。
反照率是以MODIS 16天周期的BRDF为基础，通过对BRDF观测角的半球积分获得黑空反照率BSA，在此基础上，对黑空反照率进行入射半球积分获得白空反照率WSA(Román 等，2009)。具体计算公式为
| ${\rm{BSA}}({\theta _s}) = \sum\limits_k {{f_k}} {h_k}({\theta _s})$ | (2) |
| ${\rm{WSA}} = \sum\limits_k {{f_k}{H_k}} $ | (3) |
式中，hk(θs)表示对核在给定观测天顶角和观测—太阳相对方位角的积分；Hk表示对hk在太阳天顶角θs的积分；fk为各项核系数。
在采用相同的基础反演算法的同时，新版的反照率产品在反演算法以及生产过程上有一定的改进和提高，具体表现为：V005反照率产品是通过累计以产品标识日期为起始，16天周期内的观测数据，并将反照率产品的日期标识为观测周期的第一天。而在V006生产过程中是通过累计以当日为中心，前后各8天时间周期内的观测数据，最后根据观测数据的观测日期远近不同以分配不同的权重，从而通过多日数据加权的方式生产出产品标识日期的反照率。在冰雪反照率的生产方面，V005采用统计周期内有冰雪的观测数据，如果多数观测数据有冰雪才将该周期内的反照率标识为冰雪反照率，而V006则是通过获得当日观测数据是否是冰雪状态来作为冰雪反照率的标识。在输入数据方面，V006采用最新版本的L2G-lite地表反射率数据作为反演算法中的输入数据源，同时使用改进的备份数据库，这种数据库采用来源于最近时间的全反演数据作为像素值，而非V005中所采用的地表覆盖数据。新版的V006反照率通过在高纬度地区采用所有可用的有效观测数据来提高反演的质量，V005产品则受限于在高纬度地区每天只使用4个有效观测。表1中给出了两个版本反照率产品的差异对比。
|
表 1 MODIS V006和V005反照率产品差异 Table 1 The difference between the MODIS V006 and V005 |
两个版本的反照率产品均采用质量控制，V005的质量控制标识在同系列的MCD43A2产品中，V006的质量控制标识则在包含在反照率产品文件中。根据反照率生产过程中所采用的反演算法，可以将数据分为3个等级：其中“全反演”表示具有足够的观测，反演出的反照率产品具有高的质量；“备份算法”表示在反演过程中由于观测数量不足，引入了先验知识，从而数据质量相对全反演的较低；“填充值”表示在周期内没有可用的观测数量或者数据缺失，该数据不可用。
由于两个版本反照率产品都是提供反演获得的短波黑空和白空反照率，在与地面数据进行比较时，需要计算得到对应的蓝空反照率数据。图1中分别显示了MODIS V006版本和V005版本蓝空反照率在2004年第25至40天观测周期内输出产品的全球分布图。从图1中可以看出，新版本的反照率在高纬度地区的输出产品结果数据量增加，对应图中亚欧交界处区域，新版本V006反照率的缺失数据较少(图中白色区域为数据缺失)，同时随着时间分辨率的提高，反照率在巴西境内亚马逊地区相同时间周期内的反射率产品数据量也明显增高。MODIS的蓝空反照率由黑空反照率和白空反照率按照天空散射比因子线性加权计算得到，具体公式如下
| $\begin{aligned}{a_{{\rm{blue - sky}}}}({\theta _i}) = & {S_{\! \rm{SKYL}}}({\theta _i}){a_{{\rm{white - sky}}}} + \\ &(1 -{S_{\! \rm{SKYL}}}({\theta _i})){a_{{\rm{black - sky}}}}({\theta _i})\end{aligned}$ | (4) |
式中，SSKYL(θs)为天空散射比因子，定义为天空散射辐射占总辐射入射的比例，受到大气气溶胶光学厚度和大气水汽的影响。在本文研究中，利用对应时空MODIS的气溶胶产品(MOD04&MYD04)通过6S模型计算得到。
|
| 图 1 MODIS不同版本反照率全球对比图 Figure 1 The comparison between different version albedo products of MODIS |
地面验证数据采用FLUXNET通量观测网的辐射通量数据。FLUXNET是一个采用气象通量塔站进行长期观测的全球网络，是在南北美洲(AmeriFlux)，欧洲(CarboEurope)，亚洲(AsiaFlux)，澳大利亚和新西兰(OzFlux)等观测网络，以及其他独立站点的基础上建立的(梁顺林，2009)。目前，FLUXNET共有100多个通量塔站长期进行观测，覆盖了全球主要地表类型特征，部分站点提供太阳短波辐射入射与出射的观测(每半小时的观测数据)，这些数据可以用于反照率产品的真实性检验。
本文在Alessandro Cescatti等人(2012)研究的基础上，参照Cescatti利用半方差模型对FLUXNET站点空间代表性的评价结果及分析，根据其结果中各地面站点对MODIS 500 m反照率数据的空间代表性，选择FLUXNET观测网中具有足够的空间代表性的站点(共53个，如图2)，从而可以采用地面站点与像元反照率直接比较的验证方法。这些站点涵盖了全球主要典型地表覆盖类型，连续观测时间长，满足反照率产品在不同地表覆盖类型时空变化特征。站点地表覆盖的详细信息如表2 。
|
| 图 2 FLUXNET验证站点分布图 Figure 2 Distribution diagram of sites in FLUXNET |
|
|
表 2 FLUXNET验证站点地表覆盖分类信息 Table 2 The land cover type of FLUXNET sites |
FLUXNET站点数据为观测周期为半小时的上行和下行短波波段辐射通量数据，在处理过程中，选择站点当地正午时刻前后半小时的观测数据，对其上行和下行辐射数据分别平均(以减弱云的干扰)，同时通过归一化下行辐射的方法，根据给定的阈值判断观测数据的天气情况，剔除了受天气影响较大的数据，然后通过上行辐射与下行辐射之间的比值来计算得到站点的反照率。
3、验证策略依据吴小丹等人(2015)对定量遥感产品真实性检验方法类型的总结，本文以直接验证为主，交叉验证为辅，验证不同的地表覆盖类型条件下的MODIS不同版本反照率的精度，其流程如图3。
|
| 图 3 MODIS反照率对比验证策略 Figure 3 The validation strategy of MODIS albedo |
直接验证是通过地面测量数据处理得到产品像元尺度的“相对真值”，从而与遥感产品直接进行对比，验证和评价遥感产品精度的方法。这种方法通常使用全球通量观测网或者气象网的数据作为验证中地面数据像元尺度“相对真值”的来源(吴小丹 等，2015)。在本文研究中，选择FLUXNET中具有MODIS像元尺度空间代表性的观测站点，其地面观测数据具有稳定性和时间连续性，能够有效的反映覆盖区域地表反照率随时间的变化，便于对反照率产品进行时间序列以及年际变化的验证分析。
交叉检验是利用已知精度的同类型遥感产品对待检验的遥感产品进行验证的方法。交叉检验有助于评价不同产品之间的一致性，在各种尺度反照率产品的验证中被广泛应用(闻建光 等，2015)。与直接验证方法不同的是，交叉检验能够综合反映反照率产品的相对精度，同时选择分辨率尺度一致的产品作为参考产品，能够保证验证数据与待验证数据在时间和空间尺度上相匹配，从而避免了产品之间尺度效应带来的误差。
鉴于V005反照率产品已经经过许多真实性检验的研究，同时其精度也在广泛的应用中得到了众多用户的认可。在具体验证过程中，利用MODIS V005的反照率产品与同类型的MODIS V006反照率产品进行对比，分析不同地表覆盖类型下的MODIS V006反照率产品与MODIS V005反照率产品之间的差异，计算偏差、均方根误差等多个精度评价因子，定量化评价两个版本产品之间的差异程度，分析评价新版本的反照率产品的精度。
评价指标是定量化描述遥感产品精度的重要手段，根据不同的陆表遥感产品以及其精度，采用不同的精度评价指标来进行描述。陆表定量遥感产品常见的精度评价指标有：平均绝对偏差(MAE)、均方根误差(RMSE)和决定系数(R2)。绝对偏差(MAE)把地面测量与遥感估算值的差值取绝对值，从而不会出现正负抵消的情况，因此能更好地反映估算值与观测值偏离的实际情况；均方根误差(RMSE)表示遥感估算反照率的值相对于观测值的偏离程度，可反映遥感估算结果的离散程度以及不确定性(Roman 等，2013)；决定系数R2可以表示观测值与估算值之间的一致性状况或者接近程度。
这些参数表述如下
| ${\rm{MAE}} = \sum\limits_{i = 1}^n {|{P_i} - {O_i}|/n} $ | (5) |
| ${\rm{RMSE}} = \sqrt {\sum\limits_{i = 1}^n {{{({P_i} - {O_i})}^2}/n} } $ | (6) |
| ${R^2} = 1 - \sum\limits_{i = 1}^n {{{({O_i} - \mathop {{P_i}}\limits^ \wedge )}^2}/\sum\limits_{i = 1}^n {{{({O_i} - \bar P)}^2}} } $ | (7) |
式中，Pi为遥感估算值，Oi为地面观测值，
由选定空间代表性好的FLUXNET的站点数据计算地面的真实反照率，按照反照率产品的时间和站点位置匹配时空一致的反照率产品进行对比验证。
图4显示了其中6个典型地表类型下两个版本的MODIS反照率产品数据和地面实测数据变化趋势的时间序列图。从图4中可以看出在整个时间序列的变化趋势上两个版本的反照率数据在所有站点都能够与地面实测的数据基本吻合，但是在具体的反照率快速变化的周期和局部的降雪时间段内，V006反照率产品对于地面反照率的精度要高于V005。例如，在CA-Ca3、DE-Geb、US-FPe共3个站点中从04.11—05.02和05.12—06.03时间段内，由于地面有明显的积雪存在，V006反照率与地面实测反照率的一致性要优于V005反照率。在US-Ivo站点中反照率随时间变化的波动非常明显，对于时间序列中出现的高值，V005有一些偏差，具体表现为相对于地面测量值偏低，而V006反照率值在这些时间段依旧与地面测量值相吻合，而且随着植被生长周期的变化，反照率所呈现出的整体趋势V006也更加接近于地面实际测量数据。而在站点US-SRM中，由于整个验证周期内没有明显的积雪，反照率随时间变化的分布整体相对平缓，两个版本的反照率产品数值与地面实际测量都能够良好的重叠。相对于V005来说，新版本的反照率对于时间序列中降雪以及植被的生长变化引起的反照率的变化趋势和特征等能够更加精确的捕捉并精细的刻画。其主要原因是由于V006的时间分辨率有所提高，更加适合于反映短周期内的反照率变化；同时由于新版本反照率产品所采用的通过加权周期内的多次观测计算的当日反照率能够更加贴近地表的真实情况。
|
| 图 4 两个版本MODIS反照率在6个典型地表类型站点的时间序列变化趋势(2004年—2007年) Figure 4 The time series trend of albedo of two version products under six typical land cover types(2004—2007) |
根据两个版本产品提供的质量控制标识信息，选择各自通过全反演算法生产的高质量数据，与对应时空一致的不同地表覆盖类型条件下的地面测量数据进行比较，分别计算了各项评价指标。图5显示了MODIS两个版本反照率产品在不同地表类型条件下的精度对比分析。具体包含农田、草地、森林、湿地、稀树草原、灌木6种不同的地表覆盖类型。从图5中可以看出，两个版本的反照率基本都能与地面测量数据相符合；从图5中密度分布来看，每种地表类型下大量的数据都集中分布于对角线附近区域，可见，两种反照率产品相对于地面数据都具有较高的精度水平。
在具体的植被覆盖类型方面，除了湿地与灌木类型，其他地表类型下两种反照率的精度差异较小。对于湿地类型，V006相对地面的验证结果RMSE为0.0290，而V005为0.0420远远高于V006版本的结果，仔细分析散点图中的数据分布，可以发现在V005结果图中，植被和冰雪数据集中分布的位置(分别对应图中低值区域和高值区域)相对1∶1等值线有所偏移，而在V006结果图中分布良好。对于灌木地表类型，两个版本产品的数据量相对都较少，虽然在图中的植被低值区域二者同样都能与地面数据相符合，但是相比V006反照率数据，V005在图中高值区域所代表的冰雪数据中出现了较大的偏差。可见引起误差的主要原因还是由于旧版本反照率产品对于积雪数据的刻画反映不足。
|
| 图 5 MODIS两个版本反照率产品在不同地表类型下的精度对比 Figure 5 The comparison between two version under the different land cover type |
表3中统计列出了两个版本反照率产品在不同地表类型条件下的各项评价指标。从表3中可以看出在与地面实测数据相比较的结果中，V006反照率在各种地表类型条件下无论是RMSE还是MAE相对于V005反照率产品都较小，精度整体优于V005。同时，可以进一步看出两种反照率产品精度差异较大的情况出现在湿地和灌木类型。出现较大差异的原因一方面是由于产品本身的精度问题，正如前文中所述冰雪数据的影响较大；另一方面也可能是由于在这两种地表覆盖类型条件下，验证中所采用的地面观测数据样本较少。
|
|
表 3 MODIS V006 与V005的验证结果统计 Table 3 The statistics of MODIS V006 and V005 |
统计2004年—2006年这3年内所有的MODIS V006反照率产品和其对应的地面数据可得到14033组有效的数据对，而对于MODIS V005 反照率产品由于其时间分辨率为8天数据，在验证中得到的有效数据有3707组数据。V005由于时间分辨率的问题，在同等时间周期内验证数据较少，再者其在各植被站点中高值区域所代表的冰雪覆盖时间段内的数据量则更少。究其原因，是由于积雪标识采用16天周期内多数时间有积雪才判定为有雪覆盖，从而导致更短时间周期内的积雪观测数据被剔除。从表3中结果中可以看出MODIS V006反照率产品相对于地面观测的反照率总体的均方根误差RMSE为0.0530，R 2为0.7951，其中通过全反演得到的数据共有8162组，RMSE为0.0350，MAE为0.0241，对于备份算法生产的数据，其RMSE为0.0700。MODIS V005 反照率产品与地面数据相比的整体精度相对于同等条件下的V006反照率产品与地面实测数据的精度较低，其总体均方根误差为0.0560，总决定系数R2为0.7646，其中全反演的数据共有2117组，RMSE为0.0360，而备份算法的数据结果RMSE为0.076。因此，在同等条件下，相对于地面实际测量的反照率，V006反照率产品的整体精度要高于V005反照率产品，更加真实的反映地面实际情况。
两个版本反照率总体对比分析结果如图6，图6中两个版本反照率大量的数据集中在低值区域，高值区域所代表的冰雪数据都分布在对角线左侧，可见两个版本的部分反照率数据相对地面点都偏低。二者之间不同的是，V006密度最高数据大量集中的区域有一个细微的随对角线分布的趋势，而在V005结果图中，大量的数据在密度最高的区域呈现一个圆形的分布趋势。
|
| 图 6 MODIS不同版本反照率产品总体精度对比 Figure 6 The overall accuracy of different version of MODIS |
由于两个版本产品时间分辨率存在差异，在进行对比分析前，首先将V006反照率产品以8天时间间隔提取与V005产品相对应时间的反照率值，从而对比两个版本反照率产品在整体精度方面的优劣。图7显示了MODIS V006和V005反照率之间的相关性图。两个版本的反照率产品之间RMSE为0.0190，绝对偏差MAE为0.0104，同时R2=0.9529。大量的验证数据对集中分布在对角线上，呈现出良好的分布趋势和相关性，但是从图中离散点的分布来看，V006在数值上要稍微高于V005。考虑到具有较大偏差的数据为极少部分，总体来说V006与V005反照率产品具有良好的相关性和高度的一致性。
|
| 图 7 MODIS V006与V005交叉验证结果分析 Figure 7 Results of across validation for MODIS V006 and V005 |
在总体精度分析的同时，统计两个版本反照率产品质量控制标识所代表的不同等级数据的比例，从而在算法输出不同质量等级数据的角度对比两个产品的优劣。图8显示了MODIS V005和V006两个版本反照率产品2004年—2006年所有数据中质量控制标识的分布情况。从图8中可以看出V005反照率产品的质量控制标识呈高质量全反演数据到备份算法生产的数据再到填充值，其比例依次降低的趋势。而对于V006反照率产品，备份算法反演的数据比例大于全反演数据的比例，填充值的比例相对于V005产品来说有所增加。V006反照率产品相对于V005反照率产品3年的数据中全反演的数据比例减少，V005为52.92%而V006为40.13%，其主要原因是在观测数据量相同的情况下，V006提高了产品的时间分辨率，从而会导致有些时间段的观测数不足，降低了该时间段的反演质量。虽然V006产品的备份算法数据比例大于V005产品，V006产品备份算法所用的备份数据库数据来源于距离最近时间的全反演数据，相对于V005所用的地表覆盖分类数据，其生产的数据产品质量有所提高。
|
| 图 8 MODIS V006和V005 2004年—2006年反照率质量控制标识分布比例 Figure 8 Quality control distribution of the MODIS V006 and V005(2004—2006) |
MODIS反照率产品作为目前发布的一种业务化生产的全球反照率产品，在全球变化、地表能量平衡、区域地表变化检测、林业、环境、气候变化等领域得到了广泛的应用。本文研究中针对MODLAND发布的新版本MODIS反照率产品V006和其旧版本的数据V005，通过将其与地面实际测量数据相比较以及两个版本之间相互比较的方法，定量评价新版本反照率产品的精度及不确定性，分析两个版本在时间序列上变化趋势的差异。根据地面站点不同的地表类型，比较两个版本反照率产品数据在不同地表类型下的精度差异。最后通过交叉验证以及统计质量控制标识来定量分析比较两种产品的稳定性。
从验证结果中可以得出，MODIS V006 反照率产品整体精度相对于V005较高，与地面实测数据吻合，在冰雪覆盖等地面反照率快速变化的时间段和地表区域更是要优于V005反照率产品。同时在不同的地表类型条件下也具有出色的表现，在每种地表类型下的不确定性(RMSE)相对于V005都要偏小。在交叉验证的结果中，V006反照率与V005反照率整体符合良好，精度差异也较小。但是从分析质量控制标识的分布比例结果来看，V006高质量的数据比例相对V005较少且数据中填充值的比例高于V005版本。可见在改进反演算法提高时间分辨率的同时，V006的高质量数据比例虽然有所降低，但是无论从与地面数据相比还是和与旧版本数据相比，V006反照率产品的整体精度以及在各植被类型条件下的精度相对V005都较高，且保持稳定。MODIS V006反照率产品在提高时间分辨率的同时还能保持高精度的质量，将在各个相关的研究领域中发挥重要的作用。
虽然本文研究对MODIS两个版本反照率产品进行验证分析得到了一些有益的结论，但是还存在一些问题与不足。首先，本文中所选用的地面测量数据时间较早，地面站点的数量有限，但是随着时间的推移，又有许多新的地面站点建立。因此，在后续的工作中需要利用更多最新的地面数据对MODIS反照率产品进行更加深入的验证分析。同时，由于新版本的反照率产品时间时间分辨率有所提升，其相对于旧版本反照率数据在冰雪等区域的精度情况，在本文中研究较少，需要在后续的研究中选择冰雪覆盖区域的地面数据进行进一步验证，从而更好地评价不同版本反照率在冰雪方面的优劣。
| [1] | Bacour C, Bréon F M. Variability of biome reflectance directional signatures as seen by POLDER[J]. Remote Sensing of Environment, 2005, 98 (1) : 80 –95. DOI: 10.1016/j.rse.2005.06.008 |
| [2] | Cescatti A, Marcolla B, Vannan S K S, Pan J Y, Román M O, Yang X Y, Ciais P, Cook R B, Law B E, Matteucci G, Migliavacca M, Moors E, Richardson A D, Seufert G, Schaaf C B. Intercomparison of MODIS albedo retrievals and in situ measurements across the global FLUXNET network[J]. Remote Sensing of Environment, 2012, 121 : 323 –334. DOI: 10.1016/j.rse.2012.02.019 |
| [3] | Dickinson R E. Land surface processes and climate—Surface albedos and energy balance[J]. Advances in Geophysics, 1983, 25 : 305 –353. DOI: 10.1016/S0065-2687(08)60176-4 |
| [4] | 姜小光, 李召良, 习晓环, 李显彬, 李子扬. 遥感真实性检验系统框架初步构想[J]. 干旱区地理, 2008, 31 (4) : 567 –571. Jiang X G, Li Z L, Xi X H, Li X B, Li Z Y. Basic frame of remote sensing validation system[J]. Arid Land Geography, 2008, 31 (4) : 567 –571. |
| [5] | 焦子锑, 王锦地, 谢里欧, 张颢, 阎广建, 何立明, 李小文. 地面和机载多角度观测数据的反照率反演及对MODIS反照率产品的初步验证[J]. 遥感学报, 2005, 9 (1) : 64 –72. Jiao Z T, Wang J D, Xie L O, Zhang H, Yan G J, He L M, Li X W. Initial Validation of MODIS albedo product by using field measurements and airborne multiangular remote sensing observations[J]. Journal of Remote Sensing, 2005, 9 (1) : 64 –72. DOI: 10.11834/jrs.20050110 |
| [6] | Justice C, Belward A, Morisette J, Lewis P, Privette J, Baret F. Developments in the ‘validation’ of satellite sensor products for the study of the land surface[J]. International Journal of Remote Sensing, 2000, 21 (17) : 3383 –3390. DOI: 10.1080/014311600750020000 |
| [7] | Leroy M, Deuzé J L, Bréon F M, Hautecoeur O, Herman M, Buriez J C, Tanré D, Bouffiès S, Chazette P, Roujean J L. Retrieval of atmospheric properties and surface bidirectional reflectances over land from POLDER/ADEOS[J]. Journal of Geophysical Research: Atmospheres, 1997, 102 (D14) : 17023 –17037. DOI: 10.1029/96jd02662 |
| [8] | Lewis P, Brockmann C, Danne O, Fischer J, Guanter L, Heckel A, Krueger O, López G, Muller J and North P. 2011. GlobAlbedo algorithm theoretical basis document: version 3.0. |
| [9] | Lewis P, Guanter L, Saldana G L, Muller J P, Watson G, Shane N, Kennedy T, Fisher J, Domenech C, Preusker R, North P, Heckel A, Danne O, Krämer U, Zühlke M, Fomferra N, Brockmann C and Schaaf C. 2012. The ESA globAlbedo project: algorithm//2012 IEEE International Geoscience and Remote Sensing Symposium. Munich, Germany: IEEE [DOI: 10.1109/IGARSS.2012.6352306] |
| [10] | 梁顺林. 2009. 定量遥感. 范闻捷, 译. 北京: 科学出版社 Liang S L. 2009. Quantitative remote sensing of land surfaces. Fan W J, trans. Beijing: Science Press. |
| [11] | Liang S L, Zhao X, Liu S H, Yuan W P, Cheng X, Xiao Z Q, Zhang X T, Liu Q, Cheng J, Tang H R, Qu Y H, Bo Y C, Qu Y, Ren H Z, Yu K, Townshend J. A long-term Global LAnd Surface Satellite (GLASS) data-set for environmental studies[J]. International Journal of Digital Earth, 2013, 6 (S1) : 5 –33. DOI: 10.1080/17538947.2013.805262 |
| [12] | Liu Q, Wang L Z, Qu Y, Liu N F, Liu S H, Tang H R, Liang S L. Preliminary evaluation of the long-term GLASS albedo product[J]. International Journal of Digital Earth, 2013, 6 (S1) : 69 –95. DOI: 10.1080/17538947.2013.804601 |
| [13] | Lucht W, Schaaf C B, Strahler A H. An algorithm for the retrieval of albedo from space using semiempirical BRDF models[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38 (2) : 977 –998. DOI: 10.1109/36.841980 |
| [14] | Privette J L, Eck T F, Deering D W. Estimating spectral albedo and nadir reflectance through inversion of simple BRDF models with AVHRR/MODIS-like data[J]. Journal of Geophysical Research: Atmospheres, 1997, 102 (D24) : 29529 –29542. DOI: 10.1029/97jd01215 |
| [15] | Roman M O, Gatebe C K, Shuai Y M, Wang Z S, Gao F, Masek J G, He T, Liang S L, Schaaf C B. Use of in situ and airborne multiangle data to assess MODIS-and landsat-based estimates of directional reflectance and albedo[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51 (3) : 1393 –1404. DOI: 10.1109/TGRS.2013.2243457 |
| [16] | Román M O, Schaaf C B, Woodcock C E, Strahler A H, Yang X Y, Braswell R H, Curtis P S, Davis K J, Dragoni D, Goulden M L, Gu L H, Hollinger D Y, Kolb T E, Meyers T P, Munger J W, Privette J L, Richardson A D. The MODIS (Collection V005) BRDF/albedo product: assessment of spatial representativeness over forested landscapes[J]. Remote Sensing of Environment, 2009, 113 (11) : 2476 –2498. DOI: 10.1016/j.rse.2009.07.009 |
| [17] | Roujean J L, Leroy M, Deschamps P Y. A bidirectional reflectance model of the Earth’s surface for the correction of remote sensing data[J]. Journal of Geophysical Research: Atmosphere, 1992, 97 (D18) : 20455 –20468. DOI: 10.1029/92JD01411 |
| [18] | Schaaf C B, Gao F, Strahler A H, Lucht W, Li X W, Tsang T, Strugnell N C, Zhang X Y, Jin Y F, Muller J P, Lewis P, Barnsley M, Hobson P, Disney M, Roberts G, Dunderdale M, Doll C, d’Entremont R P, Hu B X, Liang S L, Privette J L, Roy D. 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] | Wang K C, Liang S L, Schaaf C L, Strahler A H. Evaluation of Moderate Resolution Imaging Spectroradiometer land surface visible and shortwave albedo products at FLUXNET sites[J]. Journal of Geophysical Research: Atmosphere, 2010, 115 (D17) : D17107 . DOI: 10.1029/2009jd013101 |
| [20] | Wang Z S, Schaaf C B, Strahler A H, Chopping M J, Román M O, Shuai Y M, Woodcock C E, Hollinger D Y, Fitzjarrald D R. Evaluation of MODIS albedo product (MCD43A) over grassland, agriculture and forest surface types during dormant and snow-covered periods[J]. Remote Sensing of Environment, 2014, 140 : 60 –77. DOI: 10.1016/j.rse.2013.08.025 |
| [21] | 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 |
| [22] | Wanner W, Strahler A H, Hu B, Lewis P, Muller J P, Li X, Schaaf C L B, Barnsley M J. Global retrieval of bidirectional reflectance and albedo over land from EOS MODIS and MISR data: theory and algorithm[J]. Journal of Geophysical Research: Atmospheres, 1997, 102 (D14) : 17143 –17161. DOI: 10.1029/96jd03295 |
| [23] | 闻建光, 刘强, 柳钦火, 肖青, 李小文. 2015. 陆表二向反射特性遥感建模及反照率反演. 北京: 科学出版社 Wen J G, Liu Q, Liu Q H, Xiao Q and Li X W. 2015. Land surface bidirectional reflectance characteristics of remote sensing modeling and albedo inversion. Beijing: Science Press. |
| [24] | 吴小丹, 闻建光, 肖青, 李新, 刘强, 唐勇, 窦宝成, 彭菁菁, 游冬琴, 李小文. 关键陆表参数遥感产品真实性检验方法研究进展[J]. 遥感学报, 2015, 19 (1) : 75 –92. Wu X D, Wen J G, Xiao Q, Li X, Liu Q, Tang Y, Dou B C, Peng J J, You D Q, Li X W. Advances in validation methods for remote sensing products of land surface parameters[J]. Journal of Remote Sensing, 2015, 19 (1) : 75 –92. DOI: 10.11834/jrs.20154009 |
| [25] | 吴小丹, 肖青, 闻建光, 刘强, 彭菁菁, 李小文. 遥感数据产品真实性检验不确定性分析研究进展[J]. 遥感学报, 2014, 18 (5) : 1011 –1023. Wu X D, Xiao Q, Wen J G, Liu Q, Peng J J, Li X W. Advances in uncertainty analysis for the validation of remote sensing products: take leaf area index for example[J]. Journal of Remote Sensing, 2014, 18 (5) : 1011 –1023. DOI: 10.11834/jrs.20143332 |
| [26] | Zhang R H, Tian J, Li Z L, Su H B, Chen S H, Tang X Z. Principles and methods for the validation of quantitative remote sensing products[J]. Science China Earth Sciences, 2010, 53 (5) : 741 –751. DOI: 10.1007/s11430-010-0021-3 |