Landsat科学的五十年及其影响(二)：数据

前文回顾了Landsat计划的起源及发展历史，本文围绕Landsat系列卫星数据产品，洞悉其生产过程和多样化应用。再次强调，本文多数内容来源于文献：Fifty years of Landsat science and impacts.

科学级数据的产生

早期陆地卫星计划用户通常使用单一无云影像。引入基于Landsat数据集的处理的确保了提供时间序列分析所需的科学级、一致性高的数据。2016年九月，USGS使用最新的辐射校正和地理位置信息启动了对Landsat存档数据的首次再处理，称为Collection 1。2020年9月，在全球范围内改进的地理位置信息的推动下完成了第二次再处理，称为Collection 2，此举也是战略安排，以确保随后发射的Landsat-9数据处理与Landsat 1~8一致。Collection 1包含自1972年至今Landsat-1~8所有Level-1级数据，Landsat 9的数据只在Collection中提供。值得注意的是，对于Collection 1的处理只持续到2021年12月31日，在此期间Collection 2也在同步处理，但从2022年1月1日起获取的Landsat数据将只被处理到Collection 2中。MODIS(Moderate Resolution Imaging Spectroradiometer)陆地产品的生成方法的成功应用证明了基于定期收集再处理的实用性，以适应传感器特性和算法的改进。在基于数据集的处理之前，用户可以在不同日期订阅相同的Landsat影像，但由于美国地质调查局Landsat处理系统中使用的校准和地理位置信息的变化，提供给用户的数据可能会有所不同。并且，基于数据集的处理是一致的预处理科学级数据的基础，也有助于提供科学来源。文章指出，广泛社区信任的关键取决于可追溯/可复现的工作流程及记录良好的数据预处理协议。

Collection-based processing is therefore fundamental for consistent pre-processed science-grade data, and is also useful for providing scientific provenance, noting the criticality of trust by the broader community is dependent on traceable/reproducible workflows and well-documented data pre-processing protocols.

卫星影像的辐射校正和精确地地理定位是基本的预处理步骤。自Landsat计划启动以来，所有仪器都经历了发射前的特征分析，以便记录的遥感影像像元亮度值可以转化为有物理意义的大气顶部(TOA)辐射度,以及传感器数据可以准确进行地理定位。这里提到的特征分析由用于进行在轨评估和监测仪器稳定性和性能的机载设备来补充。Landsat-8、9传感器有充分运作的全球定位系统，USGS将所有存档数据处理为能够达到的最佳地理定位精度，例如L1GS(使用卫星星历信息进行系统校正)、L1GT(使用数字高程数据进行地形失真校正)和L1TP(精度和地形校正)。为了方便用户，Landsat影像的地理定位均方根误差 $⩽$ 12则被归为T1，否则被归为T2。

"T"即Tier，官方全称为“Landsat Collection Tier”，可以理解为数据等级，针对Level-1数据，基于不同数据质量和处理级别划定不同等级。为了更好地进行区分，这里将Level理解为不同的数据处理程度。

众所周知的是，大气可以极大影响TOA反射率，为了进行可靠的地表监测，需要对Landsat TOA反射率与陆地表面反射率(以及水体反射率)进行大气校正。例如，美国各地的Landsat增强型专题制图仪(ETM+)蓝色、绿色和红色波段，TOA反射率和地表反射率之间的平均绝对差异，以地表反射率的百分比表示，分别是45%、22%和12%。由于认识到需要系统地生成大气校正Landsat影像，USGS开始提供TOA和地表反射率的Landsat分析准备数据(ARD)，以便用户通过最少的额外工作进行分析。如今，对于所有30m分辨率的Collection 2存档，采用辐射传输和影像内容相结合的方法，在全球范围内系统地生成地表反射率和地表温度数据。Landsat ARD在美国本土加上阿拉斯加和夏威夷的固定非重叠瓦片中提供，以Albers等面积投影法定义，旨在使用户更容易通过时间和空间来比较Landsat观测结果。其通过Tier1数据得出，以确保获取时间序列分析所需的“可堆叠”地理位置精确地数据。ARD的一个重要元素是每个像素的质量标志和相关元数据，他们允许用户设置数据选择标准，例如去除饱和像素或被云、雾霾、烟雾等阴影遮挡的像素。

Pixels whose intensity corresponds to this maximum are known as saturated. Saturated pixels contain less information about the scene than other pixels. (饱和像素简单定义)

上述几何和辐射处理对于确保多传感器数据的无缝记录极其重要，在这种情况下，观察到的卫星变化可归因于表面变化而非仪器变化。其他因素，例如各代Landsat传感器之间的光谱带通差异、与视角及太阳几何变化有关的双向反射率变化，以及Landsat-5、7的轨道漂移都是正在研究的课题，它们的标准化尚未在USGS Landsat处理过程中实施。

后来的Landsat任务增加了光谱覆盖范围，以便更好地补偿太阳反射和热红外波段中的大气效应(如气溶胶、雾霾、薄云等)。Collection 2也增加了从Landsat-4~9的单热红外波段和双热红外波段获得经过良好校准的TOA亮度温度的功能，以生成地面温度产品。

基于美国国家航空航天局(NASA)、USGS、欧洲航天局(ESA)和欧盟哥白尼计划之间强有力的合作关系，系统地制作了统一的Landsat-8和Sentinel-2观测记录。Sentinel-2多光谱仪器(MSI)提供的10~20m观测数据，其波长类似于Landsat-8陆地成像仪(OLI)。NASA HLS(Harmonized Landsat Sentinel-2)努力将Sentinel-1和Sentinel-2观测结果与Landsat8进行协调，以提供几何配准精确和光谱一致的30m产品。简而言之，HLS处理解决了不同传感器在光谱带通和空间分辨率方面的差异，同时也满足了数据投影和平铺的要求。由于不同的轨道和条带尺寸，HLS产品还应用天底双向反射分布函数(BRDF)调整反射率校正，以减少双向反射视角变化。作为一个虚拟星座运行，与Sentinel-2任务的数据相协调，将Landsat卫星的有效重访周期(非热波段)从几周缩短到几天。虽然纬度存在差异，但Landsat-8与Sentinel-2A、B的组合提供了每2~4天观测一次的能力，全球平均重访周期为2.9天。Landsat-9的发射将进一步加强协调能力，来自四颗卫星星座的观测预计将全球平均重访周期缩短为2.3天。

受能力所限，对原文一些内容的理解存在偏差，大家感兴趣可阅读原文。欢迎大家批评指正！

Reference

1. Landsat卫星数据标识详解
2. USGS-Landsat Mission
3. Fifty years of Landsat science and impacts