陸彥蓉，李霞，楊凱祥，劉強，2，聞建光，李秀紅，2

1.北京師范大學 全球變化與地球系統(tǒng)科學研究院,北京 100875;

2.北京師范大學 遙感科學國家重點實驗室,北京 100875;

3.中國科學院空天信息創(chuàng)新研究院,北京 100094

1 引言

地表反照率定義為地表對反射太陽輻射的通量與入射的太陽輻射通量的比值，量化了大氣與地表之間的輻射相互作用。它在陸地表面氣候、水文和生物圈模型中起著至關重要的作用（Dickinson，1983；Dirmeyer 和Shukla，1994）。隨著城市化進程的加快，在對植被覆蓋、城市化、區(qū)域生態(tài)建設的研究中，都需要利用地表反照率作為指標因子或驅動因素（Liang等，2010）。

在不同的時空分辨率下，氣候、地球化學、水文和天氣預報模型都需要具有絕對精度為0.02—0.05 反射單位的地表反照率（Sellers 等，1994）。所以早期對于地表反照率就有研究，后續(xù)為了更好地服務于氣候科學與建模領域，研究學者已經從運行衛(wèi)星上生成了一致的高質量全球陸地反照率數據集，但是監(jiān)測陸地表面需要高質量高精度數據提供支持，所以高分辨率地表反照率需求也在快速增加。

近年來，極端天氣以及異常天氣逐漸增多，也同時促使在環(huán)境與氣候研究中對于高質量的觀測數據提出了極大的需求，在此背景下，地表反照率產品得到了發(fā)展和較為廣泛的應用。目前常用的全球范圍地表反照率數據集均為中等空間分辨率，例如美國發(fā)布的MODIS 地表反照率產品（MCD43 系列）、歐洲發(fā)布的全球地表反照率產品（GLOBALBEDO）（Lewis 等，2011），以及中國生產和發(fā)布的GLASS 反照率產品等。但是由于對反照率產品的應用需求日益增長，如在區(qū)域尺度的生態(tài)水文研究中，現有產品仍然存在著時空分辨率不足的問題，尤其是空間分辨率不足以支持不同領域的研究。

近年來高分辨率衛(wèi)星遙感技術迅速發(fā)展，中國也通過一系列高分衛(wèi)星獲取了大量的高分辨率遙感數據，但是由于高分辨率遙感數據缺乏多角度觀測信息，大部分傳感器的波段范圍也有限，目前主流的地表反照率定量遙感算法無法簡單地應用于高分辨率遙感數據，所以制約了反照率估算的精度。

許多研究學者及團隊提出了不同的算法開發(fā)高分辨率地表反照率產品（Wang 等，2013；He 等，2018）。一類算法是在高分辨率反照率反演中結合中/低分辨率的遙感數據或BRDF 信息。Shuai 等（2014）提出一個算法是用MODIS 500 m 分辨率BRDF產品提供地表各向異性信息，利用30 m分辨率Landsat 地表反射率數據反演得到30 m 分辨率無雪反照率。該算法首先對Landsat 圖像進行處理并聚合到500 m 分辨率；從MODIS 500 m 反照率產品MCD43A 中提取純像元的BRDF 參數，然后由提取的BRDF參數計算光譜反照率和反射率的比；最后由Landsat 地面反射率、BRDF 參數和30 m 分辨率Landsat 分類圖，計算黑、白空反照率及寬波段反照率。You 等（2015）提出了一種基于核驅動模型的土地覆蓋線性BRDF 解混算法（LLBU），該算法將機載高光譜傳感器CASI的反射率與MODIS的日反射率產品相結合，通過對MODIS反射率進行線性分解提取表征其各向異性的反射率分布函數，從CASI反射率中導出各向同性系數，聯合計算反照率。Gao 等（2014）對MODIS 反照率產品的AMBRALS算法進行改進，使算法可以考慮地形的影響，并且能夠用到從環(huán)境災害監(jiān)測小衛(wèi)星HJ-1A/B CCD數據中反演的地表反照率。張虎等（2015）利用BRDF 原型和單方向反射率數據估算了地表反照率，研究以MODIS BRDF 產品統(tǒng)計得到的BRDF 原型為先驗知識，結合高分辨率HJ-1 數據反演得到30 m 地表反照率，反演得到的反照率與地面實測反照率有較好的一致性。即使在中/低分辨率下，BRDF 估算也常常不穩(wěn)定，并且其尺度效應非常復雜，這導致以上算法推廣應用的困難。另一類算法是高分辨率數據直接與中低分辨率的反照率產品結合，例如He 等（2014）選擇北美大陸作為研究區(qū)域，使用多尺度樹融合3種不同尺度的反照率產品（MODIS 500 m 反照率產品，MISR 1.1 km 反照率產品和Landsat ETM+30 m 反照率產品），生成多尺度時空連續(xù)的反照率產品。但該算法忽略了低分辨率像元的空間響應，且MODIS和MISR 反照率產品存在大量缺失，影響了高分辨率反照率產品的紋理的保真度。

本文提出相關算法將500 m分辨率GLASS反照率產品與16 m 分辨率高分一號反照率進行融合，在保持GLASS 反照率產品絕對輻射精度的前提下提高了分辨率，豐富了細節(jié)紋理信息。由于該算法相對簡單，且輸入的高分一號數據和GLASS 反照率產品均為中國公開發(fā)布數據，因此具有業(yè)務化生產16 m分辨率反照率產品的潛力。

2 實驗區(qū)域與數據

2.1 黑河流域概況

黑河流域是中國西北地區(qū)第二大內陸流域，位于歐亞大陸中部。全球獨特的以水為紐帶的“冰雪—凍土—森林—河流—湖泊—綠洲—荒漠”多元自然景觀，使黑河流域成為寒區(qū)和旱區(qū)生態(tài)、水文陸表過程研究的理想區(qū)域。黑河流域地表類型豐富，四季變化分明，為高分辨率產品研究提供了理想區(qū)域。

“黑河綜合遙感聯合試驗”主要由中國科學院寒區(qū)旱區(qū)環(huán)境與工程研究所、中國科學院空天信息創(chuàng)新研究院、北京師范大學地理科學學部和中國林業(yè)科學研究院資源信息研究所組織實施，由中國科學院西部行動計劃（二期）項目“黑河流域遙感—地面觀測同步試驗與綜合模擬平臺建設”與國家重點基礎研究發(fā)展計劃（973 計劃）項目“陸表生態(tài)環(huán)境要素主被動遙感協(xié)同反演理論與方法”共同資助，是在流域尺度上開展的，以水循環(huán)及與之密切聯系的生態(tài)過程為主要研究對象的大型航空、衛(wèi)星遙感與地面同步觀測科學試驗?？傮w目標是為發(fā)展流域科學積累基礎數據；發(fā)展能夠融合多源遙感觀測的流域尺度陸面數據同化系統(tǒng)，為實現衛(wèi)星遙感對流域的動態(tài)監(jiān)測提供方法和范例；發(fā)展尺度轉換方法，實現對地表生態(tài)和水文變量的主被動遙感協(xié)同反演。

通過在黑河流域的遙感聯合試驗，獲取了一套高質量的、多尺度的、經過規(guī)范化處理并發(fā)布共享的流域綜合數據集，該數據集包括大量航空遙感、衛(wèi)星遙感、地基觀測等數據。通過運用這些數據，研究學者已在水文氣象觀測、生物物理參數反演、積雪參數提取、尺度轉換等方面都取得了重要的成果，特別是在一些參數遙感反演方法、估算精度方面獲得重要進展（李新 等，2012a，2012b）。黑河遙感實驗也促進了定量遙感的發(fā)展及其與陸地表層系統(tǒng)科學的深度結合（李新 等，2023）。黑河流域的觀測環(huán)境以及地面數據對于本算法的研究具有良好的代表性，故本研究選擇黑河流域為測試算法的研究區(qū)。圖1為研究區(qū)土地覆蓋圖。

圖1 黑河研究區(qū)土地覆蓋及站點Fig.1 Land cover and sites in Heihe research area

2.2 數據源介紹

2.2.1 高分數據

GF-1 衛(wèi)星是中國第一顆作為“國家高分辨率地球觀測系統(tǒng)”發(fā)射的系列衛(wèi)星，主要用于陸地監(jiān)測、環(huán)境監(jiān)測等，為地理測繪、海洋和氣候氣象觀測、水利和林業(yè)資源監(jiān)測等領域提供數據支持。GF-1 衛(wèi)星搭載了兩臺2 m 分辨率全色/8 m 分辨率多光譜相機（PMS），4 臺16 m 分辨率多光譜中分辨率寬幅相機（WFV）。

GF1-WFV 傳感器幅寬高達800 km，其包含藍、綠、紅、近紅外等4個波段，重訪周期為兩天，空間分辨率為16 m，數據實現了高空間分辨率和高時間分辨率的完美結合。在2019年11月16日，中國國家航天局推出“高分衛(wèi)星16 m 數據共享服務平臺”，宣布正式將中國高分16 m數據對國外開放共享，國內用戶可通過中國資源衛(wèi)星應用中心網站進行下載（http：//www.cresda.com/CN［/2021-03-15］），數據下載和使用服務方便。本文用GF1-WFV作為反演16 m反照率的主要數據源。

2.2.2 GLASS數據

500 m分辨率的GLASS反照率產品使以MODIS數據短波波段觀測數據為輸入。算法首先采用基于角度網格（Angular Bin）的直接反演算法對遙感觀測值進行反演，獲得反照率初級產品，然后采用基于先驗知識的時空濾波（Statistics based Temporal Filtering）算法進一步加工處理得到最終產品（Liu等，2013；Qu等，2014；Liang等，2013）。基于地面觀測資料的驗證結果表明，GLASS 反照率產品精度與廣泛使用的MCD43 產品相當，而且GLASS 反照率產品也具有時空連續(xù)無缺失的優(yōu)點，因此GLASS 總體質量高，方便數據用戶使用（Liu 等，2013；王立釗 等，2014）。然而，500 m分辨率反照率不足以滿足區(qū)域尺度精細研究的需求，所以我們考慮使用GLASS 反照率數據產品作為均值信息，通過降尺度融合提高分辨率。

2.2.3 地面測量數據

“黑河綜合遙感聯合試驗”獲取的站點短波輻射分量測量數據，可用于反照率產品的驗證。本文選擇黑河上游和中游的8個站點（具體站點信息見表1）的上行和下行短波輻射數據，首先根據下行輻射異常小的一天為陰天的理論，設定閾值判斷天氣狀況。閾值的選取首先是根據輻射值與太陽天頂角余弦的比值進行歸一化，從歸一化輻射值中統(tǒng)計出95%意義上的最大值，若其他歸一化輻射值小于最大值的75%，則認為是陰天。剔除天氣狀況異常的數據后根據當地正午前后半小時內上、下行輻射的平均值計算正午反照率，用于反照率的驗證。各站點周邊的均勻程度并不足以支持500 m 像元產品的驗證，但各站點儀器架設高度所測量的面積（Siegel 和Howell，1992）與16 m像元的面積是基本匹配的，測量數據具有局部代表性，故可以直接進行16 m 分辨率反照率產品的對比驗證。

表1 研究使用的黑河流域觀測站點信息Table 1 Information of observation stations in the Heihe River Basin used in the study

3 反照率產品算法介紹

算法基本原理是將GF-1 WFV 傳感器16 m 分辨率圖像的紋理信息與500 m分辨率GLASS反照率產品的均值信息進行定量的融合得到16 m 反照率產品，包括簡化直接反演算法、降尺度融合算法兩個主要步驟，除此之外還包括簡單的數據預處理過程。具體流程如圖2所示。

圖2 產品反演流程圖Fig.2 Flow chart of product inversion

3.1 數據預處理

本文獲得的圖像是Level-1 產品，該產品是輻射校正后的大氣頂層輻射亮度，并附有一組有理多項式系數（RPC）以進行幾何校正。預處理的第一步是根據RPC 將原始圖像轉換為UTM 投影，稱為幾何粗校正。幾何粗校正通常包含高達數十米甚至數百米的定位誤差。因此，處理的第二步是根據地面控制點進行更精確的幾何校正，即幾何精校正。在山區(qū)需要進行正射校正，也就是說，除了獲得精確的地面控制點外，還需要校正由地形引起的圖像局部變形。為此，采用分辨率為10 m并根據SRTM（Shuttle Radar Topography Mission）全球90 m DEM 產品進行幾何正射校正的Sentinel-2-MSI（https：//scihub.copernicus.eu［/2021-03-15］）圖像來構成研究區(qū)域的幾何校正底圖。這里使用我們團隊開發(fā)的軟件，軟件采用區(qū)域分幅、并行計算、金字塔式最大相關匹配算法、校正函數、形變函數方法過程，自動將GF-1WFV 圖像與底圖匹配，并根據SRTM90 m DEM 進行正射校正。目視檢驗是為了確保校正后的GF-1WFV 圖像與底圖之間的匹配度差在1.5 像素以內，這是目視檢驗不匹配的閾值。如果目視檢驗失敗，則必須手動剔除錯誤的地面控制點并重做正射校正，直到滿足匹配要求。預處理的第三步是大氣校正，假定氣溶膠類型為大陸型，近地面的可視距離為30 km，使用6SV 代碼獲得大氣光學參數和校正公式將大氣層頂輻射亮度校正為地表反射率（Kotchenova 和Eric，2007；劉佳 等，2015）。

3.2 直接反演算法

直接反演算法是一種基于BRDF先驗知識的地表寬波段反照率估計的半經驗方法。該算法早期由Liang 等（1999）；Liang（2003）提出并應用于MODIS 數據估算地表反照率，但是，這兩項研究均未考慮陸地表面的各向異性。Liang 等（2005）進一步改進了它，建立了分角度格網的大氣層頂反射率與地表短波波段反照率之間的多元線性回歸關系，以便校正陸表反射的各向異性，并被用于估算格陵蘭冰蓋的每日陸地表面反照率。中國生產的GLASS 系列產品中直接反演算法（梁順林 等，2013）得到進一步發(fā)展并用于生產反照率產品（Qu 等，2014）。該算法也被陸續(xù)運用到了不同分辨率的遙感數據中，如Landsat數據（He等，2018）和中國的HJ-1CCD衛(wèi)星數據（He等，2015）。

本文也沿用直接反演算法（梁順林 等，2013）對數據進行處理，該算法的核心部分是推導出每個角元的經驗回歸系數的查找表，然后利用查找表中的經驗回歸系數計算黑、白空反照率。本文算法中與之前的區(qū)別就是根據GF 數據的波段設置和角度分布，生成了適合GF 數據的查找表。因為GF-1WFV傳感器的波段范圍都在1 μm以內，1 μm到3 μm的短波輻射范圍內缺少觀測，再加上定標和大氣校正中存在的不確定性，直接反演的反照率定量精度不高，在此僅把它作為初級產品。

3.3 融合算法

由于GF 數據生產的產品為初級產品，精度不高，而GLASS 反照率產品的絕對精度較高，只是分辨率低，所以我們考慮利用16 m 反照率初級產品中的紋理信息與GLASS 500 m反照率產品的均值信息進行融合，得到最終的目標產品，來提高產品的精度及分辨率。適用于不同空間分辨率定量產品融合的算法有基于小波變換的算法（Sundar 等，2017）、SFIM（基于亮度調節(jié)的平滑濾波）算法（李存軍 等，2004）以及最小二乘擬合（商榮 等，2015）等。考慮到16 m 和500 m 反照率產品之間的尺度變換是一個空間采樣過程，而已有的融合算法往往對像元空間響應函數缺少定量的描述和考慮，造成融合結果的過度銳化或過度平滑，因此本文提出了基于像元空間響應的融合算法，以支持高分16 m和GLASS 500 m反照率的深度融合。

為了便于與500 m GLASS數據做融合，需要把16 m分辨率的反照率初級產品先聚合成為500 m分辨率反照率初級產品。在聚合過程中，考慮了像元的空間響應函數，因此聚合公式為：

式中，Yi為500 m 分辨率反照率初級產品，i=1，…，m，yj為16 m 分辨率反照率初級產品，j=1，…，n，Ωi為低分辨率像元（500 m）的空間響應函數確定的一個鄰域，wi，j為高分辨率像元（16 m）yj在Yi中占的權重。這里參考彭菁菁等（2015）的研究，采用高斯橢圓函數來模擬反照率產品的空間響應函數，其空間響應函數如下：

式中，σ為高斯函數的標準差，取值為375 m。

記降尺度融合結果的16 m 分辨率反照率為：zj，j=1，…，n。期望它能夠滿足以下兩個特性：

（1）16 m 分辨率反照率融合結果應盡可能接近500 m 的時空濾波反照率，因此得到反映均值信息第一組方程為（式（3））：

式中，Xi為500 m 分辨率GLASS反照率產品，Ωi為第i個500 m 像元的空間響應范圍確定的鄰域，z為16 m分辨率反照率。

（2）16 m分辨率融合結果的紋理盡量接近16 m分辨率初級產品的紋理，因此得到反映紋理信息的第二組方程（式（4））：

式中，ε1和ε2分別為均值和紋理信息的不確定因素。

要在嚴格意義上求解這兩組方程，一般來說需要構造代價函數，用迭代優(yōu)化方法使ε1和ε2極小化，估算最優(yōu)的融合結果，其計算量非常大。尤其是在低分辨率像元空間響應函數有重疊的情況下，每一個高分辨率像元都會關聯到多個低分辨率像元，因此對每一個高分辨率像元反照率的估算都需要考慮到鄰域內多個低分辨率像元的綜合影響，這使得求解過程成為復雜的全局優(yōu)化問題，在工程上難以實現。

因此，本文采用一種簡單直觀的近似解法，認為GLASS 反照率與降低分辨率的初級產品的差值就是初級產品需要的修正量，然后對領域內不同低分辨率像元的修正量進行加權平均，用于修正領域中心點的高分辨率像元，簡化算法過程，將綜合影響盡可能縮小，如下式（式（5））：

式中，zj為最優(yōu)估算融合結果，為所有對第j個16 m像元有響應的500 m像元構成的鄰域。

根據數值模擬試驗的結果，這種簡單直觀解法獲得的圖像是迭代優(yōu)化方法獲得圖像的很好的近似，同時也將計算量盡可能的縮小，更具有可行性，所以我們在生產16 m 產品時使用式（5）計算。

4 產品驗證與分析

4.1 實驗區(qū)的16 m分辨率反照率產品生產及效果

選取黑河上游與中游2016 年—2017 年兩年的500 m 分辨率GLASS 反照率產品和16 m 分辨率高分數據進行融合反演，得到16 m 反照率產品，并結合8個站點地面測量值進行驗證。

為了直觀說明16 m 分辨率反照率產品的效果，我們選擇甘肅張掖市南荒漠地區(qū)2016年10月18日的500 m 分辨率GLASS 反照率產品與生產的16 m反照率產品作對比（圖3）。圖3（a）是張掖市光伏產業(yè)園實況圖（圖片出自新華網新聞無人機隊）。張掖市位于河西走廊中部，太陽能資源豐富，近幾年張掖市大力開發(fā)清潔型新能源，建成了南荒漠上規(guī)模較大的光伏產業(yè)園，藍色太陽能板成了戈壁灘上的一道風景。但是光伏發(fā)電改變地表的能量分配，其潛在的氣候和生態(tài)效應需要深入研究。圖3（b）是GF-1 假彩色合成影像上光伏產業(yè)園的位置，產業(yè)園離黑河遙感站較近。圖3（c）是光伏產業(yè)園周邊的500 m 分辨率GLASS 反照率產品，中間區(qū)域的藍色橢圓圈出了光伏產業(yè)園的大致位置，可以看出光伏產業(yè)園的地表反照率低于周邊的地表。由于空間分辨率較低，地面上壯觀的人類工程在圖像上退化為一個個馬賽克，因此500 m 分辨率產品在研究人類活動對環(huán)境的影響時顯得不足。圖3（d）是同樣區(qū)域的16 m 反照率產品，其信息量遠高于500 m 反照率產品，圖中光伏產業(yè)園位置清晰可見，從圖3 中也可以看到園區(qū)反照率較低既有太陽能電池板的貢獻，也有該區(qū)域荒漠土壤本身就比較暗的結果。另外我們看到16 m 反照率產品值的變化范圍和趨勢與GLASS 反照率產品一致，算法的這個特性能夠保證我們在不同尺度的能量平滑研究中獲得一致的結果。

圖3 甘肅張掖市光伏產業(yè)園區(qū)的不同分辨率的圖像Fig.3 Different resolution images of the Photovoltaic industrial park in Zhangye，Gansul

4.2 基于地面測量數據的驗證

以選定研究區(qū)內的8個站點的實測反照率為基準，與反演結果進行比較，驗證最終反照率的精度。剔除缺失和受降水影響的地面數據，以年為單位做實測數據和遙感反演結果的時間序列圖，如圖4展示了埡口和張掖濕地站的結果，結合站點2016 年與2017 年結果，總體來說，在夏季融合反照率與實測數據有較好的一致性，且融合反照率比初級反照率更加貼合實測數據。由此可以看出，融合的結果比較理想，在初級反照率的基礎上進一步提高了反演反照率的精度。但是，在春冬兩季埡口、阿柔、大沙龍、景陽嶺4個站點地面觀測值波動較大，同時也出現個別初級反照率比融合反照率更接近地面實測值的情況，如圖4（a）—（d）所示。這是由于這4個站點海拔較高，冬季積雪導致反照率出現大幅度的波動和異常高值。

圖4 研究站點反照率實測值時間序列與反演反照率對比圖Fig.4 comparison of the time series of measured albedo values at the research site and the inverted albedo

將選定的8 個站點2016 年—2017 年的數據做匯總，剔除掉其中數據缺失和受積雪、降水影響的數據，即反照率大于1 的數據或小于0 的數據。制作融合反照率、初級反照率與地面反照率散點圖。驗證結果顯示，圖5（a）散點圖中的散點分布密集，均方根誤差RMSE 為0.02439，R2為0.7028；圖5（b）中散點較分散，RMSE 為0.05135，R2為0.1924。對比發(fā)現，融合反照率結果與地面實測值具有較好的一致性，而初級反照率結果與地面實測值的一致性較差。

圖5 2016年份—2017年站點反照率散點圖Fig.5 Site albedo scatter plot in 2016 and 2017

4.3 誤差影響因素分析

在我們所提出的算法流程中，GF-1 WFV 數據的定標和大氣校正的不確定性將影響初級反照率的估算，但對最終的融合結果幾乎沒有影響。為了進一步分析16 m 分辨率融合反照率產品誤差的原因，對選定研究站點的GLASS 500 m反照率時間序列與地面觀測反照率進行對比。從時間序列圖（圖6）可看出，高海拔站點（埡口站）反照率在春冬兩季變化激烈，反映了高海拔地區(qū)冬季的反復降雪、融化過程；GLASS 反照率因為是時間序列濾波的產品，其實際時間分辨率較低，序列平滑，所以在春冬兩季有較大不確定性。與高海拔站點相比，海拔較低的站點（張掖濕地站）時間序列變化平穩(wěn)，與GLASS 反照率更為一致。另外，從臺站觀測反照率曲線的波動程度可以看出，地面反照率波動大的時段GLASS 反照率產品的誤差偏大，這是因為臺站觀測反照率的波動往往是云雨等天氣過程造成的，而云雨等天氣影響了遙感數據的獲取，在GLASS 產品中如果晴空遙感觀測數據不足，則產品值為時空濾波的填充值，被標記為低質量產品。而融合的反照率也表現出對GLASS 反照率的依賴性。需要說明的是這里把地面站點觀測與低分辨率的遙感產品簡單對比，未進行尺度匹配，所以并不能作為GLASS 反照率產品精度驗證，僅用于分析16 m 反照率融合產品的誤差原因。

圖6 研究站點GLASS500 m反照率與實測數據時間序列圖Fig.6 Time series diagram of the 500 m resolution GLASS albedo and measured albedo at research site

以上分析表明，積雪對驗證精度影響很大。16 m 分照率融合產品的精度很大程度上是由GLASS 反照率產品決定的，地面有雪覆蓋時GLASS 反照率產品不確定性較大，就可能出現初級反照率比融合反照率更接近實測值的情況。另外，云對驗證精度也會產生影響，在驗證中盡可能取晴天數據進行驗證，但在高海拔地區(qū)云的干擾有時難以避免，云的干擾會使數據出現缺失或異常情況。

5 結論

本文提出了基于GF-1WFV數據的16 m反照率產品算法，算法將高分數據16 m 分辨率的紋理信息與500 m分辨率GLASS反照率產品的均值信息進行定量的融合得到16 m 反照率。有效結合GLASS反照率產品輻射精度高和高分衛(wèi)星數據空間分辨率高的優(yōu)勢，主要結論與創(chuàng)新有：

（1）結合直接反演算法與降尺度融合算法反演了16 m 反照率產品，其具有與500 m 分辨率的GLASS 反照率產品取值范圍和趨勢一致的特點。算法流程簡單，效果穩(wěn)定，可快速生成高質量、高精度的16 m分辨率反照率產品。

（2）通過地面實測數據的驗證，發(fā)現16 m 分辨率反照率與實測反照率有較好的一致性，且在無雪季節(jié)融合反照率比初級反照率更接近實測值，在有雪季節(jié)融合產品的優(yōu)勢不明顯。

（3）通過在張掖市光伏產業(yè)園區(qū)域的對比可知，最終16 m反照率產品空間分辨率遠高于GLASS 500 m反照率產品，影像效果更佳。最終16 m反照率產品也更適用于研究人類活動對環(huán)境的影響。

本文所得到的16 m 反照率產品與500 m 分辨率GLASS 反照率產品能保持一致性，而且具有更高的分辨率和精度，是局部區(qū)域環(huán)境研究的友好數據源。由于研究時間、研究數據下載、研究區(qū)天氣、海拔等問題，地面數據存在缺失或有無效數據后續(xù)研究中，要加強反照率產品在積雪區(qū)域的研究，提高數據的準確度，并進行更為嚴密和全面的精度驗證和分析。