HJ-1B的積雪參數(shù)反演研究

殷 慧，王思遠，孫云曉，常 清

(1.中國科學院大學，北京 100049； 2. 中國科學院 遙感與數(shù)字地球研究所，北京 100094)

一、引 言

積雪是地表覆蓋的重要組成部分，嚴重影響著全球氣候變化和地表循環(huán)[1]。積雪參數(shù)如雪蓋、雪深、雪類等特征對于理解氣候變化、水資源的合理利用和管理災害監(jiān)測等領域有重要意義[2]。

遙感技術以其實時、范圍大、成本低等優(yōu)點被廣泛應用于積雪參數(shù)反演中并取得了許多成果，但國內(nèi)外遙感積雪反演大多是使用的國外衛(wèi)星傳感器和國內(nèi)分辨率較低的氣象衛(wèi)星，如NOAA/AVHRR、EOS/MODIS、FY系列、AMSR-E、SSM/I、SMMR、Landsat5/TM、ETM+等[3]。李紅梅利用混合像元分解法研究了MODIS數(shù)據(jù)在大面積雪蓋動態(tài)監(jiān)測中的應用[4]，毛克彪等利用被動微波數(shù)據(jù)AMSR-E對2008年中國南方積雪進行監(jiān)測分析[5]，研究表明AMSE-E能夠很好地監(jiān)測雪覆蓋面積變化，但精度不夠高。魏峰華等研究了具有19.5 m空間分辨率的中巴衛(wèi)星在雪蓋提取中的應用[6]，徐根生等基于TM數(shù)據(jù)對MODIS的雪蓋產(chǎn)品進行了精度分析[7]，中巴地球資源衛(wèi)星影像和TM影像適合流域尺度的積雪研究，但時間分辨率較低，不適合用于積雪動態(tài)研究?，F(xiàn)有的雪深反演研究主要是基于微波數(shù)據(jù)的，Chang基于SMMR數(shù)據(jù)通過回歸分析研究了雪深反演模型[8]，但由于分辨率太粗，導致雪深被高估。少量的利用光學數(shù)據(jù)反演雪深的研究主要是利用MODIS、氣象數(shù)據(jù)等。李甫等基于MODIS數(shù)據(jù)反演了青海省2008年年初雪災中積雪面積、雪深等數(shù)據(jù)[9]，發(fā)現(xiàn)不同的NDSI閾值反映不同雪深層次。劉艷等通過分析雪深和反射光譜值的關系建立了雪深遙感反演公式，結果表明淺雪區(qū)反演精度比較高，可達80%左右，而深雪區(qū)反演精度較低，這是由于積雪超過一定深度后，它的反射率不會隨著雪深變化而變化[10]。HJ-1B衛(wèi)星是專門用于災害監(jiān)測的國產(chǎn)衛(wèi)星之一，星上裝載了具有30 m空間分辨率的多光譜CCD相機和具有150 m(熱紅外波段外300 m)空間分辨率的紅外多光譜相機IRS，重訪周期為4天，包含了積雪研究中常用波段，因此HJ星可滿足流域尺度積雪動態(tài)監(jiān)測的時空需求。目前，利用HJ數(shù)據(jù)進行的積雪參數(shù)反演研究并不多，楊思全等以HJ數(shù)據(jù)在西藏雪災監(jiān)測評估中的應用為例，僅驗證了HJ數(shù)據(jù)應用在雪災監(jiān)測評估中的可能性[11]，張旭等將HJ數(shù)據(jù)作為真值應用到MODIS數(shù)據(jù)的雪蓋率研究[12-13]中，但研究中均缺少對環(huán)境星的積雪信息提取方法的深入研究，對HJ數(shù)據(jù)應用到雪深反演中的研究更少。為了充分利用國產(chǎn)HJ星數(shù)據(jù)，充分發(fā)揮其在積雪參數(shù)反演中的能力，本文研究利用環(huán)境數(shù)據(jù)進行雪蓋及淺雪區(qū)雪深反演的方法，進行雪蓋反演時，針對同時具有HJ-1B/CCD、IRS數(shù)據(jù)和只有CCD或者IRS 3種情況展開積雪信息提取方法研究；在進行淺雪區(qū)雪深反演時，利用兩種不同的統(tǒng)計回歸模型進行交叉驗證、對比研究。

二、研究區(qū)與數(shù)據(jù)

1. 研究區(qū)概況

西藏那曲地區(qū)地處藏北高原，地理位置分布在86°00′—95°05′E和29°55′—32°15′N之間。那曲平均海拔在4 600 m左右，由于氣溫的垂直遞減作用再加上那曲地區(qū)屬亞寒帶氣候區(qū)，年平均氣溫僅為-0.9℃～3.3℃，氣候干燥，年降水量380 mm，因此積雪融水是其重要的水資源。

由于該區(qū)年平均氣溫較低，因此幾乎每年都有積雪發(fā)生，嚴重威脅著當?shù)厝诵笊踩?、社會穩(wěn)定和經(jīng)濟的可持續(xù)發(fā)展，故對該研究區(qū)進行積雪研究具有重要的理論和現(xiàn)實意義。

2. 試驗數(shù)據(jù)及預處理

本文所使用的數(shù)據(jù)包括2009年2月9日的兩景HJ-1B/CCD2和HJ-1B/IRS數(shù)據(jù)，軌道號分別為P39R72和P42R69。這兩景圖像都已經(jīng)過輻射校正和系統(tǒng)幾何校正。

進行雪蓋提取及雪深反演，需要獲取對應的地表反射率，故首先需要進行輻射定標、大氣校正。由于涉及的兩個不同傳感器遙感數(shù)據(jù)需要進行投影轉(zhuǎn)換、影像配準及重采樣，為了快速處理數(shù)據(jù)和方便比較試驗結果，本文對遙感圖像進行了裁剪，選取兩景影像的共同部分作為試驗區(qū)。

三、積雪參數(shù)反演

1. 積雪光譜特性分析

積雪的特殊波譜特性是進行積雪信息提取的基本依據(jù)。雪有很強的可見光反射和短波紅外吸收特性，即雪在波長0.1～0.8 μm光譜段(可見光波段)的反射率較高，達80%以上；然后隨著波長的增加反射率逐漸降低，在1.1～1.5 μm之間，反射率急劇下降，在1.55～1.75 μm短波紅外波段其反射率普遍低于一般地物。在可見光和近紅外波段，陸地、植被、水體比較容易區(qū)分[14]。

2. 雪蓋提取

目前，雪蓋反演的方法有亮度閾值法、雪蓋指數(shù)法、監(jiān)督分類法等[15-16]。為避免由幅寬、空間分辨率等因素的差異而引起的HJ-1B衛(wèi)星的CCD和IRS兩個傳感器在相同時間、相同區(qū)域數(shù)據(jù)難以獲取的問題，故需針對同時具有HJ-1B/CCD、IRS數(shù)據(jù)和只有CCD或者IRS 3種情況展開雪蓋提取方法研究。

(1) 歸一化積雪指數(shù)NDSI

歸一化積雪指數(shù)(normalized difference snow index，NDSI)是Hall等提出的目前應用最為廣泛的積雪判識方法，是利用積雪的可見光強反射和短波紅外低反射特點，進行歸一化處理，突出積雪特性，其表達式為

式中，CH(n)、CH(m)分別代表積雪可見光強反射波段n與短波紅外強吸收波段m的反射率[17]，根據(jù)HJ星傳感器波段設置特點，利用NDSI提取雪蓋時需同時獲取CCD和IRS影像。

本試驗區(qū)典型地物有水體、積雪和裸地，其中清澈水體與暗目標的NDSI值很高，易與積雪混淆，通過上一節(jié)的分析，可知積雪在可見光波段與水體反射特性相差較大，故可結合可見光波段加以區(qū)分，根據(jù)試驗采用以下閾值

NDSI>0.3， B2>0.25， B4>0.2

(2) 改進的積雪指數(shù)MNDSI

僅有IRS傳感器數(shù)據(jù)時，無法構建NDSI指數(shù)進行雪蓋提取，但積雪在IRS傳感器第1波段的反射率仍高于其他地物，根據(jù)這一特點宋珍等針對只有紅外多光譜相機IRS數(shù)據(jù)的情況下提出一種改進的歸一化差分積雪指數(shù)(modified normalized difference snow index，MNDSI)進行雪蓋提取，以IRS的第一波段替代NDSI中的強反射可見光波段[18]，定義為

式中，IRS-b1、IRS-b2分別代表IRS傳感器的第一波段和第二波段的反射率。通過該指數(shù)并結合IRS第一波段去掉水體及暗目標等易混地物。故針對只有IRS傳感器的情況，采用以下積雪信息提取方法

MNDSI>0.4， RIRS-b1>0.2

(3) ISODATA非監(jiān)督分類

當只有CCD數(shù)據(jù)時，雖無法計算積雪指數(shù)，但可采用非監(jiān)督分類、監(jiān)督分類或者混合分類法進行雪蓋提取。本文采用迭代自組織數(shù)據(jù)分析技術(iterative self-organizing data analysis technique，ISODATA)，非監(jiān)督分類法對CCD圖像進行分類，該方法具有簡單、快速和有效的特點。

3. 雪深反演方法

現(xiàn)有的利用光學遙感數(shù)據(jù)進行雪深反演的研究中，主要是通過建立相關波段反射率或波段反射率差、NDSI值與雪深之間的統(tǒng)計回歸模型進行反演的[19]。但在深雪區(qū)，積雪的反射率不隨雪深而變化，故光學數(shù)據(jù)僅適用于淺雪區(qū)的雪深反演，因此本文僅研究HJ數(shù)據(jù)在反演淺雪區(qū)雪深中的應用。董廷旭等通過分析NDSI值與近紅外波段的反射率與雪深之間的相關關系，提出以下雪深反演模型[20]

SD=33.572 6×NDSI+431 565×B4-33.233 4

(3)

式中，SD為積雪深度，單位為cm。為了驗證該模型在反演淺雪區(qū)雪深的可行性，本文還選取了基于NOAA/AVHRR數(shù)據(jù)的雪深與遙感參數(shù)的指數(shù)擬合模型進行交叉驗證及對比分析,利用HJ數(shù)據(jù)時計算方法為

SD=2.33×exp(3.98×(B2-B7))

(4)

四、試驗結果與分析

1. 雪蓋提取結果與分析

研究區(qū)的HJ真彩色影像如圖1(a)所示，以HJ-1B/CCD和IRS影像為數(shù)據(jù)源，分別進行雪蓋提取，其中利用NDSI指數(shù)法對CCD與IRS的組合影像進行雪蓋提取的結果如圖1(b)所示，利用MNDSI對IRS影像進行積雪信息提取的結果如圖1(c)所示，利用ISODATA對CCD影像進行處理的結果如圖1(d)所示。

從結果圖可以看出，3種情況所反演出的雪蓋范圍基本一致。對照CCD真彩色影像，并參考相應區(qū)域的較高分辨率的數(shù)據(jù)，合理選取樣本，根據(jù)驗證樣本計算3種方法中雪像元被正確提取的比例并進行精度評價，驗證樣本由人工目視解譯及相關輔助材料獲得，選取過程中滿足分布均勻、有代表性、與訓練樣本不重疊等條件。3種方法的提取結果和精度見表1，表中列出了3種方法提取出的雪像元個數(shù)、雪面積、雪蓋率以及雪像元被正確提取的比例。

圖1 HJ星雪蓋提取

表1 雪蓋提取結果及精度

由上表可以看出，3種情況下雪像元被正確提取的比例都超過80%，均滿足實際應用的需求，其中以基于CCD和IRS組合影像的NDSI積雪提取方法精度最高，達96.15%，這主要是因為NDSI充分利用了積雪可見光強反射和短波紅外強吸收的特性，并在一定程度上抑制地形及陰影的影響?；贗RS影像的MNDSI方法提取結果精度也較高，但由于IRS傳感器沒有可見光波段，會混淆清澈水體與積雪，而基于CCD影像的ISODATA方法提取雪蓋過程中由于沒有積雪的強吸收短波紅外波段，難免會影響到提取精度。

2. 雪深反演結果與分析

為了較好地反演淺雪區(qū)雪深，本文是在利用NDSI指數(shù)法提取雪蓋結果圖1(b)的基礎上進行雪深反演的，當雪深較淺時，積雪下墊面的光譜反射影響較大，利用模型進行雪深反演的誤差較大[20]，故本文不考慮雪深小于3 cm的積雪分布。利用式(3)所反演出的雪深分布情況如圖2(a)所示，利用式(4)所反演出的雪深結果如圖2(b)所示。

圖2 雪深反演

從結果圖可以看出，兩種模型所反演出的雪深分布情況基本一致，表2列出了兩種方法在不同雪深范圍內(nèi)的雪像元個數(shù)以及利用兩種模型所得到的雪像元的一致個數(shù)：如果一個像元在兩種方法中反演雪深范圍相同，則判斷該像元即為兩種反演結果中一致的像元。本文對兩種雪深反演方法進行了交叉驗證，如對式(3)反演出的3～5 cm、5～7 cm及7～10 cm的雪像元與式(4)反演結果進行對比分析，結果與式(4)反演結果基本一致；反過來，同樣對式(4)反演出的3～5 cm、5～7 cm及7～10 cm的雪像元與式(3)的反演結果進行對比分析，結果與式(3)反演結果基本一致。另外計算兩種反演結果中一致的像元總個數(shù)為623 847，占式(3)反演出的3～10 cm總雪像元數(shù)的83.83%，占式(4)的82.12%。通過比較分析可以確定具有如此高一致性的結果偶然發(fā)生的可能性較小，故基于HJ-1B數(shù)據(jù)的兩種模型計算所得的淺雪區(qū)雪深分布具有可靠性。

表2 雪深反演比較

五、結束語

本文首先分析了積雪與典型地物的波譜反射特點，而后應用積雪遙感反演模型，研究了HJ星影像在雪蓋與雪深反演中的應用。結果表明:

1) 針對同時具有HJ-1B/CCD、IRS數(shù)據(jù)和只有CCD或IRS影像3種情況，分別研究相應的雪蓋提取方法，提取精度均在80%以上，滿足實際應用的需求，其中以基于CCD和IRS組合影像的NDSI積雪提取方法精度最高，達96.15%，這主要是因為NDSI充分利用了積雪可見光強反射和短波紅外強吸收的特性，并在一定程度上抑制地形及陰影的影響。

2) 利用兩種不同的統(tǒng)計模型反演淺雪區(qū)雪深，通過交叉驗證及對比分析，反演結果基本一致，高達80%的高一致性表明基于HJ-1B數(shù)據(jù)的兩種模型計算所得的淺雪區(qū)雪深分布具有可靠性，也說明利用HJ-1B數(shù)據(jù)進行積雪反演具有較強的實際應用價值。

在以上研究過程中，仍然存在一些不足，如缺少當?shù)貙崪y雪深數(shù)據(jù)，建立針對研究區(qū)的雪深經(jīng)驗反演模型，只能應用通用經(jīng)驗模型進行對比分析，雖然結果一致性很高，但對反演結果的真實精度尚缺少必要驗證，尚需以后野外的進一步試驗。

參考文獻：

[1] 穆松寧，周廣慶．冬季歐亞大陸北部新增雪蓋面積變化與中國夏季氣候異常的關系[J]．大氣科學，2010，34(1):213-226．

[2] 曹梅盛，李新，陳賢章，等．冰凍圈遙感[M]．北京: 科學出版社，2006：56-60．

[3] 吳楊，張佳華，徐海明，等．衛(wèi)星反演積雪信息的研究進展[J]．氣象，2007，33(6): 3-10．

[4] 李紅梅.基于MODIS數(shù)據(jù)的積雪提取方法[J].陜西氣象，2009(2)：26-29.

[5] 毛克彪, 唐華俊, 周清波, 等. 利用被動微波數(shù)據(jù)AMSR - E對2008 年中國南方雪災監(jiān)測分析[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2009,30(1)：46-50.

[6] 魏鋒華，李才興，扎西央宗.基于中巴資源衛(wèi)星數(shù)據(jù)的積雪監(jiān)測研究[J].國土資源遙感，2007(3):31-35.

[7] 徐根生，李高峰，張璞，等.基于TM數(shù)據(jù)的MODIS雪蓋產(chǎn)品精度分析[J].安徽農(nóng)業(yè)科學，2012，40(20): 10 536-10 537.

[8] CHANG A T C, FOSTER J L, HALL D K. Nimbus-7 SMMR Derived Global Snow Cover Parameters[J]. Annals of Glaciology, 1987, 9(9): 39-44.

[9] 李甫，伏洋，肖建設，等.青海省2008年年初雪災及雪情遙感監(jiān)測與評估[J].青海氣象，2008(2)：61-65.

[10] 劉艷.基于MODIS數(shù)據(jù)的積雪深度反演研究[D].武漢：武漢大學，2005.

[11] 楊思全，劉龍飛，王磊,等.環(huán)境減災衛(wèi)星雪災監(jiān)測評估應用研究[J].自然災害學報，2011，20(6):145-150.

[12] 張旭．基于多源遙感數(shù)據(jù)的雪蓋信息提取算法及其應用研究[D]．重慶: 西南大學，2010．

[13] 張旭，唐宏，趙祥，等． 基于 MODIS 與 HJ -1B 數(shù)據(jù)的雪蓋率反演及其相關因子分析[J]．長江流域資源與環(huán)境，2010，19(5):566-571．

[14] LI J L，LIANG T G, CHEN Q G. Estimating Grassland Yields Using Remote Sensing and GIS Technologies in China[J]. New Zealand Journal of Agricultural Researeh,1998，41(1):31-38.

[15] NEGI H S，KULKARNI A V，SEMWAL B S． Estimation of Snow Cover Distribution in Beas Basin，Indian Himalaya Using Satellite Data and Ground Measurements[J]．Journal of Earth System Science，2009，118(5):525-538．

[16] PARAJKA J，PEPE M，RAMPINI A，et al． A Regional Snow-line Method for Estimating Snow Cover from MODIS During Cloud Cover[J]．Journal of Hydrology，2010，381(3-4):203-212．

[17] HALL D K，RIGGS G A，SALOMONSON V V． Development of Methods for Mapping Global Snow Cover Using Moderate Resolution Imaging Spectroradiometer Data[J]． Remote Sensing of Environment，1995，54(2):127-140．

[18] 宋珍，陳曉玲，劉海,等. 基于HJ-1A/ 1B 衛(wèi)星遙感數(shù)據(jù)的積雪識別方法研究[J].長江流域資源與環(huán)境，2011，20(5)：553-558.

[19] 李三妹,傅華,黃鎮(zhèn),等.用EOS/MODIS資料反演積雪深度參量[J].干旱區(qū)地理, 2006, 29(5): 718-725.

[20] 董廷旭,蔣洪波, 陳超, 等.基于實測光譜分析的HJ-1B 數(shù)據(jù)淺層雪深反演[J].光譜學與光譜分析，2011，31(10)：2784-2788.