GeoXMind

Landsat 与 Sentinel 联合时间序列需要统一光谱、空间与质量定义

说明两类任务在波段响应、像元网格、过境时间和质量层上的差异，以及联合分析前的协调步骤。

Landsat 与 Sentinel 联合时间序列需要统一光谱、空间与质量定义

Landsat 与 Sentinel-2 构成了当前陆表长期观测中最常用的两套中高分辨率数据。二者都能提供可见光、近红外和短波红外观测，但它们并不是可以直接拼接的同一种数据。传感器光谱响应、空间分辨率、过境时间、观测几何、辐射定标和大气校正方法都存在差异。所谓一致化，不是简单地把像元大小改成相同，而是把不同来源的观测转化为在明确误差范围内可比较的时间序列。

先确定产品层级

一致化应从产品定义开始。Landsat Collection 2 提供经过统一处理的 Level-1 和 Level-2 产品，Level-2 包括地表反射率与地表温度。Sentinel-2 用户指南区分了顶层大气反射率产品和经过大气校正的地表反射率产品。若研究目标是植被、裸土或水体的长期变化，通常应优先比较地表反射率，而不是把不同大气条件下的顶层大气反射率直接合并。

产品层级还决定了质量控制方法。云、云影、雪、饱和像元和气溶胶异常需要从产品自带的质量层中识别。不同任务的质量标识位定义不同，不能用同一个数值掩膜套用到两套产品。稳妥的做法是先分别解码质量层，再把结果转换为项目内部统一的有效性类别，例如有效陆地、有效水体、云、云影、雪和无数据。

光谱响应不是同名波段

两套卫星都有红光、近红外和短波红外波段，但中心波长与光谱响应函数并不完全相同。同一地物的反射光谱如果在波段范围内变化较快，即使波段名称相同，积分后的观测值也会有系统差异。植被红边、含水量变化明显的植被冠层、明亮土壤和部分人工材料尤其容易受到影响。

光谱一致化常用两类方法。一类基于同时相或近同时相的稳定样本拟合传感器间转换关系；另一类利用地物光谱库和传感器响应函数进行光谱卷积，估计理论差异。前者接近真实观测条件，但依赖样本覆盖；后者解释性强，但需要可靠的光谱与响应函数。转换关系应按波段、地表类型和适用范围保存，不能把单一线性公式当作所有区域和季节的固定真值。

空间尺度与配准

Sentinel-2 波段具有不同原始分辨率，Landsat 多光谱波段通常使用另一套网格。重采样之前应确定目标坐标参考系、像元原点、分辨率和覆盖范围。只规定“统一到 10 米”或“统一到 30 米”还不够；如果网格原点不同，逐像元时间序列仍会发生位置漂移。

上采样不会创造新的空间信息。将较粗波段插值到更细网格只是为了计算和存储对齐，结果的有效空间分辨率仍受原始观测限制。分类标签、质量标识等离散数据宜采用最近邻方法；连续反射率可以使用双线性或更高阶方法，但应评估边界混合与极值平滑。对于岸线、窄河流和破碎斑块，重采样方法会直接影响指数和变化检测结果。

几何配准误差会在高对比度边缘制造虚假变化。可选取道路交叉点、裸岩、建筑群边缘等稳定目标检查相对偏移，并按地形、观测角度或轨道分别统计。山地还要考虑地形校正和阴影，因为相同地物在不同太阳高度角下可能出现显著亮度差异。

时间一致性

更高的联合重访频率是组合两套数据的主要价值，但过境日期不同并不意味着可以无条件插值。作物生长、积雪融化、洪水和火灾都可能在几天内发生明显变化。建立时间序列时，应保留实际观测时间、传感器标识和质量信息，不要只存一个经过插值的数值。

近同时相配对可用于估计传感器偏差。配对窗口应根据地物变化速度确定：稳定裸地可以较宽，农田和水体应更严格。若窗口内发生降水、灌溉、收割或积雪变化，样本不再代表传感器差异。长期序列还要检查传感器状态、处理版本和产品集合更新，避免把处理链变化误判为地表变化。

验证与交付

一致化结果至少应分别报告波段偏差、均方根误差、相关性和稳健分位数，并按地表类型、季节、太阳天顶角和反射率区间分层。指数一致不代表原始波段一致，单个总体相关系数也可能掩盖水体或高反射率地物上的系统偏差。验证样本与拟合样本应分离，空间上相邻的像元不宜被随机拆分到训练集和验证集。

交付数据应保留来源产品标识、处理级别、处理版本、原始获取时间、重采样方法、目标网格、质量掩膜规则和光谱转换版本。这样才能在产品升级或发现偏差后重算，而不是只留下无法追溯的合成影像。一致化的目标是建立可解释、可复算的观测关系，不是消除所有传感器差异。

交叉校准的稳定目标

交叉校准样本宜选择在配对窗口内稳定、空间均一且覆盖不同反射率区间的区域。深水、均一沙漠、稳定裸岩和大面积植被各有用途，也各有季节或方向性限制。样本筛选应排除边界、云邻域和近期发生变化的区域，并报告每个波段的样本分布，避免回归被大量中等反射率像元主导。

参考资料