Landsat与Sentinel-2光谱波段协同校正新方法：提升内陆与沿海水域遥感监测精度的全球性解决方案

本研究针对Landsat-8/9 OLI与Sentinel-2 MSI传感器在监测内陆及沿海水域时因光谱响应差异导致的反射率偏差问题，开发了全球适用的光谱波段协同校正函数（SBAF）。通过分析4047组匹配影像和228万组水质反射率数据，结合6SV辐射传输模型和全球原位高光谱数据集，建立了跨传感器校正系数，显著降低了蓝、绿、红及近红外波段的反射率差异（NIR波段误差降低至16.15%）。该成果为构建高时空分辨率的水质联合监测星座提供了关键技术支撑，发表于《Science of Remote Sensing》。

　　

在全球气候变化和人类活动加剧的背景下，内陆和沿海水域的动态监测面临重大挑战。水体中悬浮沉积物、叶绿素a（Chl-a）和溶解有机物（CDOM）等光学活性成分的时空变化，直接影响着水生生态系统健康和水资源管理。虽然Landsat-8/9 OLI（Operational Land Imager）和Sentinel-2 MSI（Multispectral Imager）作为中分辨率遥感数据源被广泛应用，但由于水体反射率本底值低，两者相对光谱响应（RSR）的微小差异会导致显著的水体反射率检索偏差。更棘手的是，现有NASA的HLS（Harmonized Landsat-Sentinel）产品中的光谱波段协同校正函数（SBAF）主要针对陆地目标设计，无法满足水生环境监测需求——这就像用陆地望远镜观察深海鱼群，必然存在系统性误差。

针对这一技术瓶颈，中国科学院等机构的研究团队在《Science of Remote Sensing》发表了一项突破性研究。该团队创新性地构建了全球首个面向水生环境的光谱波段协同校正体系，通过整合多源卫星数据与地面实测光谱，解决了跨传感器数据融合的核心难题。

研究采用了四项关键技术方法：首先，基于严格时空匹配准则（≤30分钟过境时差、<5%云量）筛选全球928个水域的4047组L1级影像对；其次，应用6SV辐射传输模型进行大气校正，采用MOD08产品获取气溶胶光学厚度等参数；第三，建立包含228万组水质像素的反射率数据库，通过MNDWI指数和JRC GSW产品构建水体掩膜；最后，采用对称百分比误差（ζ）和符号偏置（β）等鲁棒指标评估性能，并对比了基于GLORIA全球原位高光谱数据集（7572组350-900nm测量数据）的模拟结果。

4.1 基于原位与像素反射率的SBAF评估
通过卷积GLORIA数据集光谱响应曲线发现，虽然模拟的OLI与MSI反射率在蓝、绿、红、近红外（NIR）波段均呈现强相关性（R²
=1.0），但存在传感器特异性偏差：蓝波段MSI反射率系统性偏高8.26%，而红波段偏低9.89%。这种差异源于MSI蓝波段更宽的带宽和红波段较低的信号噪声比（SNR）。

4.2 水体专用SBAF性能验证
实际影像分析显示，经Water-SBAF校正后，各波段反射率差异显著降低：绿波段中位数对称精度（ζ）最优（4.82%），NIR波段改善最明显（从原始16.15%降至校正后3.74%）。在意大利特拉西梅诺湖和巴西帕科瓦尔湖的案例中，光谱角制图（SAM）均值分别从0.074°和0.0315°降至0.053°和0.0312°，证明其优于陆地专用校正方案（Land-SBAF）。

跨传感器指数一致性提升
以归一化叶绿素指数（NDCI）为例，在罗马尼亚拉齐姆湖应用中，Water-SBAF使MSI与OLI的NDCI均值差异从0.199缩减至0.047。值得注意的是，虽然MSI推扫式传感器固有的条带噪声仍存在，但光谱校正有效消除了传感器间系统偏差。

这项研究开创性地建立了全球适用的水生环境光谱校正体系，其核心价值体现在三个方面：技术层面，Water-SBAF通过整合像素级统计与辐射传输模型，解决了现有HLS产品在水体监测中的适用性问题；科学层面，证实了OLI与MSI在蓝绿波段SNR差异是导致反射率偏差的关键因素；应用层面，为构建三天重访周期的"虚拟星座"（Virtual Constellations）提供了标准化工具。研究特别指出，针对特定光学水体类型（OWT）的定制化系数（如高叶绿素或高悬浮物水域）可进一步提升精度，这为区域化水质算法开发指明了方向。随着Landsat-Next等新一代卫星的发射，该成果将为多源遥感数据在水环境监测中的深度融合奠定方法论基础。