使用偏航机动对推扫卫星进行相对辐射校正

使用偏航机动对推扫卫星进行相对辐射校正

抽象

地球成像卫星通常使用格式化为推扫式扫描仪的然性阵列探测器获取多光谱图像。众所周知的Landsat8使用推扫扫描，因此

有73・000个单独的探测器.这73,000个探测器分布在14个不同的焦平面模块（FPM）中，每个探测器和FPM在监

测均匀辐射值时都表现出独特的行为，为了校正每个检测器在传感器测量方面的差异，这是一种新型的相对增益估计技术，采

用优化的修改信噪比，最高可达90。提出了偏航机动，也称为侧滑，允许FPM和检测器缎相对增益计算。设计了一个基于现场

FPM校正的定期模型，作为Landsat8上所有波段的首选模型.从他滑技术派生并应用于膨像的相对增益可在视觉和统计上减

少Landsat8影像中的探泄器级和FPM级条带化和条带化。反射和热波长都经过校正，可与当前的操作方法相媲美。虽然以

Landsat8为例,但该方法适用F所有可以执行90的线阵传感器.。偏航机动.

关键字:侧滑;检测器相对增益;周期性模型;FPM相对增益

1.引言

1.1.辐射校准

多光谱地球数据，即电磁辐射，是通过使用地球成像卫星上的成像传播黑获得的。通常，地球成像传感器在枪测、放大和

模数转换后，将孔径处的电磁辎射水平转换为没仃单位的数字数字（DN）.粕射校准是将DN值传换为物理第位（如反射率）

以进行分析的过程。然而，传感器获取的多光谱数据往往受到多种因素的影响，导致不均匀性，包括大气散射和吸收，传感器

制造的差异，电噪声以及每个探测器的增益和线性响应的差异，这些差异随时间而变化。由于最近发射的卫星比以前的卫星具

有更多的光谱波段，因此需要校准1向探测器要多得多，因此需要一种有用且有效的校准方法来消除每个光谱波段探测器之间的

不均匀性。本文说明了使用偏肮机动（也称为侧滑（SS＞技术，如第3.1节中所定义）来推导探测器之间和整个探测涔阵列之

间的相对增益的有效性.本文的组织结构如下：引言，背景，方法，然后是结果和讨论，并以结论结束.

相对增益校正

由于探测渊在测量相同水平的入射光时会描绘不均匀，因此在未校准的地球卫星图像中往往会出现一种称为条纹的伪影。

测量相同水平入射光的探测器之间的差异称为探测器水平条纹。为了校正这种检测器级条纹，需要检测器相刻增益。探测器的

相对增益可以通过多种方式获得，有些方法比其他方法更容易。但是，这些校正仅对各自单独构建的阵列（也称为焦平面模块

（FPM））内的探测器有用.为了校正FPM之间的检测器，需耍一个不同的用对增益色，称为FPM相对增益.

焦平面模块在每个模块之间的泅量中往往具有不同的偏移。这些偏移是由于探测器具有不均匀性的类似原因，并以类似的

方式得到缓解.例如，图1（Landsat8图像和本研究的参考传感器）显示了探测器级条纹以及需要校正的FPM差异。

图1.厚厚的垂直变色是FPM级条纹,其中包含细的垂直条纹.这些条纹是格陵兰岛绿带测试图像的探测器级条纹。

1.2.陆地资源卫星8

Landsat8是两颗可西作的Landsat卫星之一,其目标是在可见光、近纥外（NIR）,短波红外（SWIR）和热红外（TIR）

波长下提供地球衣面的中等分辨率浏量.Landsat8由两种不同的成像系统组成：用于较短波长的操作土地成像仪（OLD和用

于较长波长的热红外传感器（TIRS-,OLI和TIRS都利用推扫扫描来获取怪像，而不是所有其他先前的Landsat卫星使用的

whickbroom扫描。ULI由ballAercspaceandlechnoiogyCorp.it.建造和测而NASA戈达德太空t彳丁中心为IIHS做

了同样的事情。Landsat8影像横跨整个地球，每个影像采用路径/行格式，其中每条路径都是从北到南绕地球的一次扫描。大

地卫星世界参考系统（WRS）的详邮说明可以在NASA网站上找到⑴.

1.2.1.扫描仪类型

主要而言，大地卫星系列使用两种不同的拘描仪类型进行空间遥感。第一种也是更早的打描类型是whiskbroom打描仪，

whiskbroom扫描仪使用扫描镜组件产生交叉轨道扫描运动，以将光反射到一个探测微上。交叉轨道扫描运动类似于鞭毛虫室，

当卫星可用探测器数量有限时，它很有用.为」'提供whiskbroom扫描仪所得的踏轨道运动，需要机械运动。跆轨运动由一对

称为扫描线校正器的移动镜产生，并且容易发生机械故障，如Landsat7卫星上发生的扫描线校正镜故障所示⑶。

推扫式扫描是Landsat系列辿用的第二种扫描类型.推扫室扫描运动使用垂直丁•卫星飞行路径的探测器阵列，从而产生

类似于推扫的运动。由于推扫式扫拴方法，需要更多的探测器来创建图像，并且与相邻探测器相比，每个探测器不可避免地具

钉独特的灵瞰度口，4］。为「校正这些不同的灵敏度，需要一种总体校准方法来同时对每个检测器进行轴射校正。

1.2.2.OLI

操作土地成像仪（OLI）用于时从可见光到短波红外的各种光谱波长进行成像。OLI传感黯的完整光谱覆盖范围和分辨率

见表1.

表1.0LI光谱波段和分辨率⑶。

OLI中有14个不同的探测器阵列或FPM,每个阵列包含494个探测器，除了Band8,每个模块有988个探测器.。口中

的每个FPM交错，导致偶数/奇数费式，在每个FPM中，每个检测潺以偶数/奇数方式交错，如图2所示。

QO因国国回回回国L、《«

国回国回国回回国

IMcdun.

圈面圈圈画画圈圈(W

[£圉明图画画图明Dctecton

I口口口口口口

图2.FPM级交错（左）利检测器级交错（右）⑶

0U还包含两组不同的探测器类型，用于测量不同的波长。波段1-5和8由硅p•固有-n探测器《SiPIN）组成，用于测量

可见光至近红外波长，而波段6、7和9由汞-镉-硝化物（HgCdTe＞探测器组成,用于测量短波-红外波长[斗

1.2.3.TIRS

热红外传感器（TIRS）用于创建地球表面的热图像，其空间分辨率低于OLI,由指定为10和11的波段组成。TIRS的光

谱范围和分辨率见表2,

表2.TIRS光诰波段和分辨率[3],

与OU不同，TIRS只有三个FPM,也称为传感器芯片组件（SCA）,每个组件由640个探测器组成。与OLI一样，这

些卜HM以偶数/奇数怏式交错排列，卜PM中的检测器也是如此，如图3所示。IIHS由生子阱红外光电探测器（QWIPS）组成，

用于检测与地球表面温度相关的热波长光,

图3.TIRSFPM级偏移量网,

恻刑方法校准了5颗卫星Rapid-Eye星座。与原始图像相比，侧滑后相对增益应用被证明可以显著改善条纹指标并消除图像中

的条纹伪像［11］。Pesla等人(2015)是最近•项描述恻滑器有用性的研究，并确定侧滑片发生最理想的地方是格陵兰岛，南极

洲和北非［12］。Landsat8卫星对每个侧滑片的具体位置见表3。然而，Pes匕等人的研究并不全面，因为他们的方法仅在OLI

条带上进行了测试，并II.他们的研究仅在沙漠和雪测试图像上进行，即侧面滑片的推导。Pesta等人的算法还检查了在推导相对

增益时偶数/奇数检测器数据是否具芍相似的分布.出现「一个问题.即单个FPM的可见条带化明显高F同一他滑行中的其他

FPM,当偶数/奇数数据集分布不相似时，这个问题就形成了，作者试图分别捱导出偶数/奇数检测器的相时增益集，然后将两个

相对增益集归一化在,起。本研究涵盖了Landsat8上的所仃波段,并证明了无论倒数/奇数探测器数据分布如何,所仃FPM在

多个不同土地覆盖类型中的条带化都进行了定性和定蚊的减少.

表a恻滑路彳力行位置果然摘要.

下一节将讨论使用(W滑片的优点，并探讨该方法的局限性。Landsat8是用于本研究的地球成像卫星;然而，应该指H的是,

在实施侧滑方法时，许多地球成像卫星将从这种鼓佳用途的深入工作中受益。

第3章调查手法

使用侧滑法估兑相对增益分为两个主要步骤“这些步骤中的笫一步是执行P.星偏航旋转.这些步骤中的第二个步骤是使用

计稣机算法更正数据。这里提供了所采取的每项行动背后的步骤和推理。

3.1.侧滑机动

他济数据是通过推扫H星的简单偏航旋转获得的.推扫式扫描仪的逐行成像用于偏航机动，其中推扫式扫描仪沿偏航方向

旋转士90。，并且可以收集抠条数据线，每个探测器理想情况下应扫描地球上的同一点。偏航旋转的方向是特定于Landsat8和

9的.取决于侧滑层集介的位置。北半球的集合旋转+90。.南半球的位置旋传-90。。进行施转变化是为了避免当卫星在其轨

道的顶部或底部成像时，太阳直射在太阳港。理想的恻滑位置是高度反射的均匀区域，例如雪或沙子收薪的位理，以最大限度

地减少地面粒盖物变化可能产生的车理想性。

3.2.Landsat的数据处理8

本节介绍专门针对Landsat8的数据算法处理。有关过程的完整描述，谙参见Landsat8的-算法描述文档(ADD-［13］.

图4包含此处使用的OLI处理流程，是ADD中包含的OLI辐射测量处理概述的摘要版本.TIRS处理流程与OLI处理流

程几乎相同，但有一些关键步骤差异，如进一步详细解释。

//SceneProduct

AlgorithmFunction

图4.汇总的OLI辐射处理概述，用丁准备用丁•相对增益提取的侧滑线数据以及用r-相对增益应用的o级或原始图像“

以卜描述中正在处理的数据是Landsat8收集的恻滑数据，无论侧滑层位置如何，都需要相同的处理。每个冽滑层数据

收集都是在USGSEROS的帮助下茯得的.从FPM1开始,将单独处理每个FPM的数据

3.2.1.12位到14位转换

使用Landsat廿KjOLI传感籽，从OLI向卜链接的所有数据都具有12位分辨率;但是，。口传感黯本身是14位传感器。

由于在传感器中将模拟信号转换为数字格式.因此会发生量化噪声.当图像的量化水平太少（即位水平）时,量化噪声就会生

效，并且传感器的最后两个位是空的，因此需要!fi新引入高斯噪声，为了将数擀的分辨率返回为14位格式，数据乘以4倍，并

使用等式（1）

DN工4(b,d)=(DNi2(S,d)、4)+a)

(1)

哪里DN12是读入的12位0级数据，CO是白色高斯噪声，值介于0和1之间，匕是每个波段，d是每个探测器，由于

TIRS是12位传感器，不需要校正，因此在处理来自TIRS传感器的数据时省略了这•步骤.

3.2.2.偏置减法

在每个成像检测器中，需要确定两个因素才能使检测器在一个波段内对齐：偏置和相对增益值。每个探测器的偏置是探测

器在没有信号存在时测量的值，对于非热探测器.可以通过关闭探测器上方的快门并在数字（DN）空间中测量每个探测器的输

出来找到。虽然探测器本身仍然存在背景效应，但对于反射性太阳波段，这些背景效应被认为可以忽略不计。对于热探泗器，

通过将偏置指向深空并获得接近。的开尔文值来估计偏差。对每个检测器估计的偏差进行相应的减去,如公式（2）

DNb（b,d）=DNL4（b,d）-13（b,d）

（2）

哪里DN14是计算出的14位DN值，8是从校准参数文件＜CPF）中读入的每个检测器的每个波段的偏差值，以及

PA/feLandsat8的偏差值位于公积金中，可从USGS网站下载[14]1

3.2.3.线性化图像

不幸的是，每个探测器对入射光没有线性响应，因此需要根据强度进行线性化。线性化过程由基于入射光强度的每个探测

器二次方程组成，低、中和高强度光有三个不同的方程，如公式（3）

DNL=p[O,sj+p[[，s]*DNb+p[2,s]*DN2b

（3）

哪里DNL是线性化的DN值，p段基于信号电平s和参数编号0-2的二次参数，以及DNb是偏置减去的DN值。线性

化参数由仪沿供应商预先发布，可以在响应线性化查找表（RLUT）文件中找刎,该文件涵盖了USGS网站匕14位空间中的所

有可能值[15]。

由于TIRS检测罂与OLI检测器相比.非线性略高.因此需要第二个线性化步骤.国然上述第一个线性化步骤将在偏倚减

去之前应用于TIRS数据，但TIRS的第二个线性化步骤与OLI线性化相似，因为它发生在偏附减法之后，但是，计兑梢微复杂

一些。有关TIRS第二次线性化过程的完整分步说明，请参见Landsat8ADDI13]。

3.3.推扫卫星相对增益算法

以下部分专门介绍相对增益算法中并非专门为Landsat8设计的部分，该部分可应用于大多数推扫室扫描丑星。例外情况

包括那些没有单独的焦平面模块的模块。

3.3.1.像素偏移

在Laudsal8的正常成像模式下，OLI和TIRSL的7000多个探测器以，I?星速度矢川正交的交叉轨道方向定向。然而，

在便滑模式下，探测湍阵列在偏航方向上定向±90度，以使每个探测黯能够测量地球上的相同点，理想情况卜输出相同的DN值。

由于表面成像卫星绕地球运行的方;r；,每个探测器收集的数据都会发生变化.图5显示了一个简化版本,它忽略「数据变化的

一些采集复杂性（即地球自转，大气路径和收集数据的高度）。

ScanMotion

(

or

w

oP

fu

s

・h

7b

r

0o

o

8m

dA

2r

ear

ay

o

n

)ImageFormedCorrectedImage

BBBB

FFFF

JJJJ

NNNN

图5.正在执行的侧滑（左）；扫描线误差（中）形成的移位图像;像家偏移图像（右）。

为了校正数据的这种偏移，使用圆形移位卯法将探测器级数据向前或向后移动探测器编号减去1.即第二个探测器将向前

或向后移动•个像素，而笫494个探测器数据将向后或向前移动493个像素。当恻滑发生时，移位方向取决于偏航旋转的方向;

北半球集合的正向偏移和南半球集合的负偏移，所需的偏移取决于侧滑的位置，因为由于正负偏航旋转的差异，北纬和南纬之

间的机动方向不同。

3.3.2.统一帧选择

侧滑数据被像素偏移后，需要选择一个均匀的区域来获得最理想的探测器相对增益。为了找到侧滑隙中最均匀的区域，使

用了检测及信噪比（SNR）o选择写和沙漠覆盖区域作为恻滑发生的理想位置，因为这两种土地覆盖类型在OLI和TIRS内的

所有波长上都具有高信号和高均匀性，因此在恻滑移动期间获取高信号数据应于防止噪声对探测器相时增益估计产生电大影响

非常重要.当可变噪声源保持恒定时，例如热噪声，探测器内的噪声以N--V.其中N是由于散粒噪声引起的信号电平。因

此，信号强度的线性上升会导致噪声以N--V,这降低了信号电平较高的数据中噪声的总体影响［16］：图6显示了雪和沙了的

光谱反射率以及Landsat8的波段，表明在所有波长下都可以实现相对较高的信号.对于可见光到近红外（VNIR）波段，即波

段1-5和8,雪景场景提供了较高的SNR值，而北加的沙景与其他土地覆盖类型相比，短波红外（SWIR）波段（即波段6和7）

提供了最佳的SNR.由F所有波段用于他］港片的接地覆盖层具有高度均匀性，因此假定偶数/奇数检测器数据来自相同的分布.

因此，相对增益来自FPM内的所有检测器，而不管偶数/奇数分布测试如何。

o

s

u.56

p

o

gQ

a

a4

O

0.3

0.2

0.1

0

05001000150020002500

Wavelength(nm)

图6.OLI波段上的雪和沙光谱显示，VNIR波段具仃高信号值的当和SWIR波段具有高信号值的沙子[17.18].

SNR计算通常是信号除以噪声，其中噪声表示为数据的标准偏差，因为我们假设信号在均匀图像区域中是恒定的。但是,

恻滑路径中的某些区域包含不均匀的高信号区域。为了避免恻滑中噪声的高信号区域，并捕获最均匀的区域，在SNR计算中，

通过使用方差而不是标准偏差来赋f噪声更大的权至，如公式所示(4)

SNHR=DNLi/V一个r我

(4)

哪里SNR提i帧之间的修改信噪:匕其中帧是FPM内所仃498个探渺.器的相同时间测量实例，DNU是整个i帧中所

有探测器的平均线性化DN值，以及V一个r是所仃探测会在i帧上的方差。这SNR然后计算侧滑数据的每领以及

具有地高值的区域SNK被选中。使用的帧越均匀，乐器噪声就越低，因为乐涔噪声具有高斯分布，并且在大量慎处平均为零。

选择的提供令人满意的相对增益的最小帧数至少为恻滑长度的5%..以5%作为最小帧数.帧数扩大到包括恻面滑行内所有连续

的均匀帧，以尽可能降低仪器噪声。为了完成此帧选择扩展，所选帧的数量以5%的增量增加，第一步是从可用总帧数的5%

增加到可用帧总数的1O%SNR比校。这SNR从SS的10%中选择的帧与SNR的帧数从5%的SS中选择，如果SNR

减少不超过10%,然后选择了更大数址的帧。这个5%的迭代帧扩展过程一直完成，直到“克出SNR的添加帧数下降了冲算

值的10%以上SNR从上一个小版本开始.由于处理能力有限，以5%的间隔选择他滑长度的仃分比.减少SNR选择10%.

因为减少不到10%,即1-9%.G防止帧数增长超过5%o减少SNR，大于10%允许选择信号的噪声区域，并对相对增益产

生负面影响.由『只有均匀区域被用作侧滑移动的目标，因此FPM1之后的所有FPM都应具有相同的最高均匀区域;因此，只

有针对每个曲滑条的每个波段中的第一个FPM完成了统一帧选择。

3.3.3.FPM到FPM的相关性

FPM之间的空间分离在选定的均匀区域中产生了偏移,需要考虑该区域才能使所有FPM查看地球的相同位置.为了考虑

所选统一区域中的偏移，需要计算每个FPM移位到第一个FPM之外的帧数。首先，为每个FPM计算恻滑数据中每个帧的

方差,.然后.将第一个FPM的方差数据与第一个FPM的方差数据进行交文美联.互相关输出的品大值确定在第一个和第一

个FPM之间移动的帧数。互相关函数的基础知识由PaulBourke进一步详细解择[19],然后以相同的方式计算第一个和第三个

FPM之间的帧偏移.然而,由于当芍感器沿偏航方向旋转时，偶数和奇数FPM的性质在空间上彼此不同，其余的偶数二PM.

即FPMS4-14,与FPM2交叉相关，并且FPM1和FPM2之间的偏移被添加到其结果中。其余的奇数FPM（FPGA3-13）

以相同的方式与FPM1交叉相关。通过计算FPM之间的帧偏移,可以在每个FPM中选择相同的高度均匀的地球表面区域，

以获得理想的相对增益，图7显示了恻滑片的DN值与帧的关系，以及在比较FPM1和FPM14时，用于相对增益推导的区域

需要如何移动以获取地球上的相同区域。每个FPM的帧平移值在侧滑片位置之间有所不同，因此针对三个位置中的每个位置

计算FPM平移值，保存并应用于在同一位置获取的所有未来侧滑片，即，格陵兰FPM平移应用于未来的格陵兰侧滑片。

SSCoM*ctSMRFram*S*tMt»on（Wlnd«wlanfitht10%）SSCo«ESNKFr*m«M*ctlon（Wl«*tfowL««t9th10

■•Md3|FPM1|O«t»ctorDNMM3|PFM14|Av*r»Q»D«<«ctorON

lCBOOY142«）92017ia9lCMOOLCa00Y142»）*20171t9LGN<X>

图7.用于相对增益的波段3FPM1区域（左图）与用于从同一格陵兰侧滑线推导相对增益的波段14区域（右图）相比，

如图2所示，Landsat8FPM的布局会导致偶数和奇数FPM在侧滑移动期间检测到地面上的不同部分。然而，使用均

匀的区域来缓解这个问题，并且假设地球测量部分之间的差异可以忽略不计。

3.3.4.枪测器相对增益计算

每个FPM内每个检测器的相对增益可以根据通过FPM到FPM相关算法选择的高度均匀的区域来计算。为了计算相对增

益，使用公式（5）,

尺C我=(DNLiy(DNL)

(5)

哪里RG我是第，个检测器的相对增益.DNU是第j个检测器在所有帧中的平均线性化DN值,并且DNL

是所有帧中FPM内所有检测器的标均线性化DN值.然后将检测器相对增益应用于场景中的每个偏置减去检测器，以使用公

式（6）对齐每个枪测器.

L1^=DNbi/RC我

⑹

哪里L我是第j个探测器的DN校正数据.DNbi是第j个检测器的偏置减去数据，并且RG我是第，•个检测器的检测器相对

增益。作为参考，由检测器编号绘制的波段3(各I波段)的相对增益加图8所示。相对检测器增益的值往往在0.98102的范国

内，并且每个FPM上增益的空间形状往往是随机的。

2017DOY189:GreenBand,AllFPMs

RelativeGainsDerived-SNRFrameSelection(WindowLength:10%ofCoNectLength)

1.1

1.06

1.06

1.04

号1.02

u1

U而

0.98

0.96

0.94

0.92

0.9

DetectorNumber

图8.来自3LI绿带(波段3)的所有揉冽瑞的相对探恻瓶增益，这些探助器来自2017D3Y189执仃的格陵兰仲J消仃，具中X

轴是探测涔数，y轴是探测器增益值。

3.3.5.FPM相对增益计算

每个FPM的相对增益的计算方式与检测器增益类似，但是，FPM相对南益旨在对齐FPM之间的差异。闪此，为了计算

FPM相对增益，使用了下面的公式(7),

Q=(DNq)/(DNL)

(7)

哪里Gj是第j个FPM的FPM到FPM增益,DN(J是所有帧中第/个FPM的平均线性化DN值，并且

DNL是为所有FPM选择的所有帧中的平均线性化DN值,计算第/个FPM的FPM相对增益.然后应用于yth

FPM内的每个检测器。FPM相对坨益应用于热个偏好.减去的场景，以辐射方式对齐每个FPM。FPM1用作参考FPM.用于

计算同•频段内剩余的FPM增益.

34场景选择

为了验证探测器和FPM相对增益的改善，选择了7种不同的场景集。前两个场景集来自南极洲和格磴兰岛，每个图像都

位于冰雪之上，从Landsal8发射到2019年12月拍摄。之所以选择南极洲和格陵兰岛的土地圈被,是因为它们在鳌外-可见波

段很亮，并且裔度均匀，因此在尝试测量条纹指标时消除了大多数场景效应.然而，南极洲的场景只能在10月至3月获得，格

陵兰岛的场景只能缶4月至9月的月份获得，因为太阳在这些季节性时间间厢之外没有提供足够的信号。

笫工、第四和第五个数据集是根据SWIR波段的高均匀性和信号来选投的.这些数据集分别位于阿拉伯沙漠、非洲东北

部和澳大利亚沙漠中。对每个沙漠影像进行云检查，并根据高空间均匀性进行选择，从而从条纹度搔中消除潜在的场景仍晌。

第六和第七组数据集分别来自地中海和亚马逊雨林。这两个数据集在UV-SWIR波长内都是黑暗的.然而，在TIRS波长

中，它们提供了高度均匀的区域，并被指定用于探索当停清相对增益应用于低信号区域时条纹减少的程度。

表4显示了绿个数据坦中的场珏数量以及每个数据坦的路径/行范用以所每个数据更感混趣的主要波K.使用的所勺场中

都是由Landsat8获取的0级图像，并通过地球探索者界面下栽.

表4.用于滑面比较的场景位置摘要。

3.5.FPM增益估算的其他方法

在开发侧滑相对增益推导算法的过程中，产生「共他相对「PM校正方汶。这些新过程中最主要的是现场估计方法和周期

性模型估计方法。这些新方法很更要，因为它们提供了一种替代的校准方法，以防操作方法出现问题，并且可以应用于几乎所

行的推扫式归描仪。

3.5.1.场景内估计

由于每个FPM本质上是一个单独的成像系统，因此每个FPM(向噪声和偏移都是唯一的，为了确定每个FPM的噪声和偏

移与其他噪声和偏移的关系，每个FPM中大约构建了25个检测器，使得它们与相邻FPM的25个检测密重叠。对于每人场比.

这些里叠检测器用于表征FPM之间的差异并校正每个FPM.计免了笫一个FPM的25个不我探测器的平均信号电平，并将其

除以FPM2中重登探测器的平均值，每个相邻的FPM对都发现了重叠比率，从而产生了13个不同的比率值。将FPM1设

置为参考卜PM•即bPM1的卜PM相对增益欢迎为1.以卜标个bPM的增益是通过里普比乘以先前的卜PM烟前来计算

的，以便在所有FPM上创建一致的图像。FPM2和3的FPM相对增益的示例计兑可在公式(8)和公式(9)中找到，

分别

FPM2.=1*Ratioi-2.

(8)

FPM5=FPM2^Ratio2.5

(9)

哪里FPM是斤神相对增益，比率是FPM1和2之间的25个检测器的揖叠,用于和FPM2和3匹于

尺。打。23.然后将14种不同的现场FPM增益归•化为值1,以维持仪器幅射校准的完整性。

3.5.2.周期性模型估计

施于周期性模型估计，开发了FPM相对增益校正的补充形式，例如，使用FPM之间的里登探测器，Landsat8提供的所

仃阿拉伯沙漠图像的现场估计FPM增菊值在时间轴上绘制，以确定FPM增面如何随时间变化。通过使用Hampel这波器来发

现并删除时间线内的异常值，以减少通常由云引起的FPM相对增益的也大变化[20],图9显示了去除混浊异常值的情况下频段

1FPM1相对增益的时间线。

Band1FPM1WithOutliersRemoved

1.023

1022

1021

5102

LL1019

O.1018

1017

1016

1015

2013201420152016201720182019202020212022

Date(Year)

图9.在Landsat8的整个生命周城中，波段1FPM1在所有阿拉伯沙漠场景中的现场FPM相对增益。

根据时间表，观察到年度周期性加上线性趋势。一个真正的正弦加线性模型被拟合到数据;然而，正弦波无法封装FPM到

I•产M增益的拔瑞上.升和卜降，同时W到与数据时由J线相同的冏期.为了尝试重新创建时态数据的狗，对数据进仃了线性回归拟

合.从2017年到2018年的数据被豆制,以创建数据的年度趋势，因为今年是阿拉伯沙漠场景中采样最多的一年。为f确定年

度趋势，计算了线性回回线与2017年至2018年数据点之间的差异。然后，以每年的方式将数据与线性回回之间的差异添加到

线性回归线中，以基于2017年至2018年的数据创建周期模型,如图10所示。

Band1FPM1WithOutliersRemoved

1023

1022

1021

51.02

2：1.019

a.1018

1017

1016

1015

2013201420152016201720182019202020212022

Date（Year）

图10.来自阿拉伯沙溪场景的波段1FPM1的场景内FPM增益（蓝色）与在Landsat8生命周期中绘制的周期模型FPM增

益（红色）相比。14个FPM中的每一个都有一个与此类似的模型，有些是正线性的，而另一些是负线性的。

每个波段和FPM都以这种方式进行了拟合，并II通过周期模型的线性插值计算了•年中每•天的FPM增益。周期模型

提供了一种方法来跟踪全年的FPM相对增益变化，并与每天的现场相对增益相比提供近乎完美的增益，并且至少可以使一年

的数据进仃获取。该馍型还提供了一种卜PM校准方法，该方法可以随时间推移进行摆踪开具的特定值，这与场景内校正相反，

现场校正可能因场景而异，从而使仪器辐射校准的完整性失效。从一致的校准角度来看，周期性模型物时间推导一次，从而提

供楣定的FPM增益值，使周期模型比其他需要每隔几个月重新调整的操作方法更易于使用。然后，可以在仪黯的整个生命周期

内使用周期模型。第4,2节详细探讨了与当前作战方法和侧滑法相比，定期模型在Landsat8生命周期内的相关性的分析.

3.6.评估指标

采用统计方法比较哪种相对增益估计方法对消除检波器与FPM之间的差异有较大影响。为了测量相对检测器增益之间的

差异,条纹度量在统计上比较相邻枪测器之间的偏差,并可用于测量相对增益消除检测器之间所述差异的能力。为了比较FPM

校正方法，创建了垂件检测器度垃，以统计方式确定每种FPM校正方.法可以达到的完美检测器正袂比1的距离。

3.6.1.划线指标

由Landsat8ADD[13]定义的条纹度殳用于在应为统一影像的探测器;间进行统计查找差异。条纹可以通过等式（10）

计算，

S我=lI「我i-l+Lf）I|/「我

(10)

卯里S我是每个探测器的条纹度量，L我是验证图像中检测器列的均值，J是检测器列号。条纹度量越低表示相邻探测器之

间的差异越小，因此，条纹度量越小，相对探测器增益越好.

3.6.2.重叠检测器指标

相邻FPM之间的重叠检测网为评估FPM相对增益估计的性能提供了独特的机会。由于在水平地形匕这些探测器查看

地球表面几乎相同的位置，因此与和同值的任何偏差都是FPM相对增益性能下降的址度.这种方法在等式(11>中址化为：

R/=II2-(DNj/PN>1)II

(11)

哪里Rj是第/个FPM的重挣比，DM是第/个FPM重亮检测器的平均值,」是FPM..为「确定CPF、建模重叠和SS重

注指标之间的差异是否具有统计显著性，使用了学生的f检验，学生的双样本双侧f检验(显著性水平为0.05)应用于第个场

景集中重叠度量的每个平均值，其中对原假设的拒绝导致统计上不同的平均值。重叠检测器度量值越低表示相邻FPM之间的

差异越小,因此，重经检测器度量值越小，相对FPM增益越好。

3.7.场景类型的侧滑选择

要确定如何获取最低的条纹指标，需要确定每个波段的恻滑条的最佳位置。在所仃现场测试了格陵兰岛、北非和南极洲这

三个地点的相对收益，并确定了每个波段的酸佳侧滑线。

3.7.1,每个波段的最佳SS位置

对于VNIR波长，格陵兰岛，北非和南极恻滑之间的条纹指标比较导致恪陵兰岛和南极侧滑行平均产生最低的条纸指标。

格陵兰岛和南极洲由于冰雪而产生比北非更好的相对增益，大多数土地粉盖类型为极(W滑行物，与沙子相比，VNIR波段内的信

噪比更好，大多数土地校流类型为北非恻滑。虽然南极船滑片产生的条纹指标相对较低，但格陵兰侧滑条倾向于在所仃图像上

产生总体较低的条纹指标平均值.图11显示了应用于同一格陵笠场景的两个不同侧滑位置之间的视觉比较，以及格陵兰相对增

益如何更有效地从图像中去除垂直条纹，即条纹，与北非相对增益相比。应当指出，格陵兰的相对收益并非来自格陵兰场景获

得的同一地点.之所以使用格陵兰场景，是因为在积雪覆盖的场景中存在高度均匀性，从而创建/一个可以明显显示探测器级

条纹的场景。

图11.应用于格陵兰场景的FPM2的C/A波段的北非停滑相对增益（左）；格陵兰恻滑的C/A波段的相对增益应用于格陵兰

场景的FPM2（右）。出于可视化FI的，这两个图像具有相同的时比度拉伸。请注意，在左图与右图中可见的大量垂直条纹。

对于SWIR波段，产生了与侧滑片之间的条纹指标相同的比较。总体而言,对于在SWIR波段（如植被、沙了和土壤）

中信号正常到高于平均水平的影像,北非侧滑片产生的条纹指标最低.当信号低于平均水平（如水、冰和雪）的图像时，很难

画定使用的斑佳偏滑，因为噪点是这些图像中条纹指标背后的胆动因素。由于北非恻滑从沙子中得出相对增益，与冰雪相比，

沙子的SWIR波段的信噪比更大，因此北非侧滑行的条纹指标在SWIR波段的统计上优「格陵兰岛和南极相对增益.图12显示

了岛SNH对图像中条纹度量的影响程度，它描绘了为推导相对增益而透界的倒布区域的信弓电平与沙漠场景频段6的条纹度量

之间的关系。沙漠场景用于实现高信号电平,并避免条纹指标受到场景内伪感的影响。条纹度量越高,该图像的（W滑片派生相

对增益越差，这表明低信号侧滑片：例如SWIR波段中的格陵丝岛和南极洲）是较差的相对增益估计器。

StreakingMetricvsSignalLevel

SWIR-1Band

0.95r

•GreenlandSS2017DOY189

0.9♦N.AfricaSS2017DOY287

AntarcticaSS2017DOY009

085

N(

a0.8

)E

20.75

」

0n50.7

0.65

①

_0.6

s-

0.55

0.5

0.45

01000200030004000500060007000

SignalLevel（DN）

图12.为侧滑相对增益推导选择的区域信号电平与三个独立侧滑的条纹度呈，显示信号电平与Seaking度星:之间的反比关系。

对于热红外（「RS）波段，即波段10和11,城佳相对增益主要取决于图像的信号强度与侧滑的信号强度。对于较冷的

场景，例如来自高纬度地区的场景，来自格陵丝岛和南极洲的冷侧滑行提供了较低的条纹指标;但是，对于较温暖的场比，例如

来自任何其他场景集的场景，北非网滑行提供了较低的条纹指标.

从毋个位置派生的相对检测器增益应用于每个场景集，井使用每个场景平均值创建条纹指标的摘要。表5品示了理用于

所仃场兔的每侧滑条的平均条纹指标的摘要。为了比较方法平均值.对两个A!他位置的条纹带平均值进行了显著性水平为0.05

的双样本双伊”检验，以确定每种方法之间的统计差异。各个场景集的条纹指豕可在附录A表A1中找到。

表5.三个独立SS位置的场景丁均条纹指标摘要;红色数据在统计上是最度的，其次是黄色数据，绿色数据在统计上是最好的;

如果多个像元具有相同的颜色，则数据在统注上相等，加f检险所证明的那样，

根据附录A中的这些条纹指标和条纹指标，为每个波段选择了最佳的俯滑位置。图13显示了通过条纹指标确定的每个

波段的最佳（W滑位置的流程图，其中最低的条纹度星占最佳恻滑。

图13.用于根据波段和场景位置确定要使用的侧滑条的流程图.

3.7.2.SS相对增益的时间完整性

目前，Landsat8根据USGSEROS制定的标准操作程序，每年从三个站点中的每一个站点进行一次侧清。为了确定每

年获取一次侧滑数据是否是理想的频率，需要确定每个IW滑层的相对增益矣在多长时间内有用，因为探测器会随时间变化，从

而使相时增益变得不切实际。相比之卜，公积金文件等三个月创造新的相对收益;然而，由于多种原因，每三个月或更短时间获

得格陵兰岛,北非和南极侧滑是不可行的。格陵兰侧滑片的获取速度没有超过每年,因为由于太阳角度低，格陵兰岛•年中只

有6个月可以成像。南极侧滑片遭受与格陵兰岛相反的6个月相同的成像限制。北非侧滑片的获取速度没有超过每年，因为中

非是大地卫星成像非常感兴趣的地区，当执行恻滑片时，正常成像不会在非洲大陆的大部分地区再次发生。格陵兰岛和南极洲

的侧滑片在采集时和随后的许多场景中也无法使正常成像失效;然而，由于极端纬度，许多路径/行歪侪，与北非使用的土地相比，

用于侧滑的土地区域将更快地再次成像。

为了确定单侧滑行器相对增益的有用寿命，籽北非倒滑的相对增益应用于各种北非场景,其日期从2013年Landsat8的

发射日期到2020年8月。将北非恻滑相对增益应用于北非场景后，将计獴每人场卷的平均条纹度量并按时间绘制。为了与公积

金相对增益进行比较，时间上最接运恻滑日期的公积金相对增益也应用于每个相同的场景,图14显示了与CPF相对增益相

比，横向滑动相对增益随时间变化的每个场景的条纹度量平均值。根据图14,四滑相对增益往往比CPF相对增益具有更长的寿

命，如SS条纹指标的值所示，远良SS的I」期（如图上的垂直黑线所示）。在收购日期的任何•侧,至少•年的侧滑条纹指标

平均值都优于公枳金。因此，每年东取一次每种类型的一侧滑片足以满足相近探测器校准.但是，对于上述指定波段，使用在

时间上最接近场比采集时间的侧滑相对增益集,可以最大限度地域少条纹度量。

z

e

?

」

名

工

6

u

a

e

a

j

l

s

图14.格陵兰时滑相对增益(Y2019D195)的条纹公制平均值时间轴适用于所有北非场*,与应用于相同场景的公积金相对增

益条纹公制平均值相比.

4.结果和讨论

以下结果分为两个重点冬域：定性和定量。由于相对增益误差总是会导致条纹和条纹，闪此对影像的视觉评估可以从定性

的角度直观地评估算法性能。此外，与可视化评估相关的定垓指标为算法优化和比较提供了可靠的衡量标准。

4.1.检波器相对增益比较

由于目前的相对增益推导方法是从扩散罂方法派生并存储在CPF中,因此将侧滑相对增益与当前的主要方法进行比较至

关正要.为了实现这种比较,将CPF相对检测器憎益和恻滑相对检测器增益应用于所有验证场景能.忖SS和CPF相对增益

应用于每个场景集，并使用每个场珏平均值创建统计数据摘要。表6总结了应用侧滑时所有场景的每个波段的条纹度量和CPF

相对检测器的操作增益.为了比较方法平均值，对SS和CPF条纹带平均值进行了显著性水平为0.05的双样本双例1检验，以

确定每种方法之间的统计差异。应用于所有场景集的完整条纹指标可在附录A表A2中找到。

表6.将最佳SS相对增益集应用丁阿拉伯沙漠场景时的平均条纹指标，并5操作CPF相对增益臾进行比较;黄色单元格包含比

绿色单元格更糟格的统计数据;如果多个像元具有相同的颜色，则数据在统计上相等，如