徐丰，李恒凯

(江西理工大学 土木与测绘工程学院，江西 赣州 341000)

0 引言

由于光学传感器在获取影像数据时，容易受到许多不确定因素的影响，如气候条件、成像时间、成像角度等，因此在长时间序列对地观测研究中，经常难以获得理想的影像，造成某一时间段的影像数据缺失，必须用其他传感器的影像来弥补[1-2]，尤其在多云多雨地区，由于回访周期、天气等因素的限制，单一来源的影像数据有较大局限性[3]。此外，不同年代的传感器相互补充构建的长时序对地观测数据集，也已被广泛应用于环境演变监测。因此，针对不同传感器的交互定标一直是遥感领域的研究热点，检查不同卫星信息之间的一致性和相互关系极为重要[4-5]。

针对传感器的交互定标，国内外学者开展了大量的研究。胡昌苗[6]在辐射归一化研究方面，以Landsat TM/ETM+及 HJ-1 A/B CCD数据为例，提出了相对和绝对辐射校正一体化处理方案，将 DN 值转换到地表反射率。不少学者为了能让波段间光谱特征尽可能保持一致，根据每个波段中的 DN 值计算各种类别像素的转换系数[7-8]，或通过最小二乘法对大量多源时序影像进行回归，给出了表观反射率、地表反射率的回归系数[9-10]。目前，有研究针对不同的传感器获取的主要植被指数如归一化植被指数(normalized difference vegetation index，NDVI)、土壤调整植被指数(soil-adjusted vegetation index，SAVI)、增强植被指数(enhanced vegetation index，EVI)[11-13]进行交互对比，查明之间的定量关系，求出其转换方程。这些研究充分表明：不同传感器数据可以通过构建数学方法，进行交叉定标。……