基于大數(shù)據(jù)回歸分析的衛(wèi)星有效成像概率預估

歐陽斯達汪匯兵,2何召寧張悅曹櫻子

（1 國家測繪地理信息局衛(wèi)星測繪應用中心，北京100830）（2 江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京210023）（3 北京國測星繪信息技術有限公司，北京 101300）

數(shù)據(jù)處理與應用技術

基于大數(shù)據(jù)回歸分析的衛(wèi)星有效成像概率預估

歐陽斯達1汪匯兵1,2何召寧1張悅1曹櫻子3

（1 國家測繪地理信息局衛(wèi)星測繪應用中心，北京100830）（2 江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京210023）（3 北京國測星繪信息技術有限公司，北京 101300）

“資源三號”衛(wèi)星 02星單圈可分段使用兩次有效載荷工作模式，如何充分利用衛(wèi)星短弧段、多弧段的靈活性，通過對拍攝弧段上進行有效成像預估，在有限的成像弧段內(nèi)合理避開有可能的云雨區(qū)域，提高衛(wèi)星有效數(shù)據(jù)獲取的效率，是衛(wèi)星任務規(guī)劃精細化作業(yè)中提出的新問題。結合存檔衛(wèi)星影像和氣象資料進行大數(shù)據(jù)分析，文章首先以影像云判結果為指標，統(tǒng)計“資源三號”衛(wèi)星存檔影像的有效數(shù)據(jù)比，然后以全球參考系（Worldwide Reference System，WRS）的Path/Row格網(wǎng)和月為時空基準，在位置和時間上利用回歸分析方法，可挖掘歷史有效數(shù)據(jù)比和月平均總云量氣象統(tǒng)計資料的相關性。并利用所得的回歸方程結果，從月平均總云量可以估算得到衛(wèi)星有效成像概率的時空分布。通過在“資源三號”衛(wèi)星實際業(yè)務中開展應用表明，基于存檔影像和氣象資料回歸分析所得到的衛(wèi)星有效成像預估分布，可為衛(wèi)星任務規(guī)劃開展精細化作業(yè)，提供了有效的決策支持。

衛(wèi)星任務規(guī)劃 有效數(shù)據(jù)比 月平均總云量 有效成像概率“資源三號”衛(wèi)星

0 引言

“資源三號”衛(wèi)星02星已于2016年5月30日發(fā)射，與“資源三號”衛(wèi)星01星組網(wǎng)大幅提高了衛(wèi)星影像獲取能力?！百Y源三號”衛(wèi)星02星在單圈可分段使用兩次有效載荷工作模式，短弧段、多弧段的影像獲取模式在衛(wèi)星的成像任務規(guī)劃中十分常見。但由于衛(wèi)星的每日工作總時長和固存有限[1]，何時何地開關機能有效避開有可能的云雨區(qū)域，如何在有限的成像弧段內(nèi)更高效獲取有效數(shù)據(jù)，是衛(wèi)星任務規(guī)劃作業(yè)中遇到的新問題。

在衛(wèi)星運行中，針對預期的成像條件進行成像預估，可為任務計劃提供重要依據(jù)[2]。其中，云量是影響衛(wèi)星成像品質(zhì)的重要因素[3]，同時影像上云量也是判斷影像是否為有效數(shù)據(jù)的主要因素，當單景云量小于20%時可認為是有效數(shù)據(jù)[4]。通過浮空平臺[5]、伴隨搭載云層探測器載荷[6-7]等方法獲取實時云量信息，可以提高衛(wèi)星任務規(guī)劃的時效性，但經(jīng)濟成本過高較難實現(xiàn)；通過對歷史云量信息進行時間序列分析，可預估有效成像時間窗口[8]，但缺乏對云量空間分布的預估，忽視了衛(wèi)星在預估成像窗口的過境情況；根據(jù)數(shù)值天氣預報進行任務規(guī)劃的有效成像預估[9-10]對衛(wèi)星有效數(shù)據(jù)獲取效率的提升有直觀的效果，但受限于實時氣象預報數(shù)據(jù)與衛(wèi)星任務規(guī)劃系統(tǒng)的互通程度，人工和時間成本較大，降低了衛(wèi)星任務規(guī)劃的業(yè)務效率。

以上的衛(wèi)星成像預估方法，受限于衛(wèi)星載荷設計、成像窗口時間和空間尺度、實時氣象預報數(shù)據(jù)的互通性等各方面原因，在日常衛(wèi)星任務規(guī)劃業(yè)務中較難實現(xiàn)。本文設計并實現(xiàn)了相對獨立的簡便的衛(wèi)星成像預估方法，基于衛(wèi)星自有的影像數(shù)據(jù)庫進行大數(shù)據(jù)挖掘，實現(xiàn)了較精細時空基準下的衛(wèi)星有效成像概率（Effective Imaging Probability，EIP）時空分布，解決了實際衛(wèi)星任務規(guī)劃作業(yè)中缺乏有效可行的衛(wèi)星成像預估方法的技術難題。

1 回歸分析

本文結合存檔衛(wèi)星影像和氣象資料進行大數(shù)據(jù)分析，云量可作為關聯(lián)二者的中間對象。一方面，通過衛(wèi)星存檔影像數(shù)據(jù)，可以提取[11]并反演[12]云量信息。另一方面，氣象學中，云量具有概率論和統(tǒng)計學的語義及其規(guī)律，同一地點一定時段內(nèi)不同云量的出現(xiàn)概率是多少是符合U型概率分布的[13]。

如圖 1，本文以云量為關聯(lián)對象，通過統(tǒng)計存檔影像云判（Cloud Percent，CP）值，得到歷史有效數(shù)據(jù)比，并與氣象統(tǒng)計資料在統(tǒng)一的時空基準下的平均總云量進行回歸分析，擬合回歸方程。利用回歸方程從平均總云量時空分布等效估算出衛(wèi)星EIP的時空分布，輔助衛(wèi)星任務規(guī)劃精細化作業(yè)。

1.1 有效數(shù)據(jù)比

“資源三號”衛(wèi)星01星自2012年1月發(fā)射運行以來，以59天為周期進行全球影像數(shù)據(jù)獲取[14]，已存檔衛(wèi)星影像數(shù)據(jù)上百萬景[15]。遙感影像數(shù)據(jù)已呈現(xiàn)“大數(shù)據(jù)”特征，隱含巨大的社會、經(jīng)濟、科研價值，大數(shù)據(jù)及其挖掘具有十分重要科學價值和現(xiàn)實意義[16-17]。

影像屬性中，CP的取值范圍是0%～100%，表示該景影像上云斑覆蓋的百分比判讀結果。本文以全球參考系（Worldwide Reference System，WRS）的條帶號Path和行號Row格網(wǎng)[18]作為存檔影像云判統(tǒng)計的空間基準，以月為時間基準，統(tǒng)計在同一格網(wǎng)及歷年同月的存檔影像總數(shù)為n景，其中第i景影像的云判值為ci，則得到該格網(wǎng)月（PathRow & Month，PRM）的有效數(shù)據(jù)比r計算式為：

統(tǒng)計所得有效數(shù)據(jù)比存入每個網(wǎng)格月PRM所對應數(shù)據(jù)表字段中，示例見表1。

表1 各網(wǎng)格月對應有效數(shù)據(jù)比示例表Tab.1 Tables of valid data ration on the PRM

1.2 月平均總云量

本文搜集的氣象統(tǒng)計資料，來源于國家氣象信息中心2005年發(fā)布的1—12月的月平均總云量數(shù)據(jù)，是根據(jù)各省、市、自治區(qū)氣候資料處理部門逐月上報的《地面氣象記錄月報表》的信息化資料統(tǒng)計而得1951—2000年歷年值和1971—2000年累年值[19]，反映了全國逐月的平均總云量分布。如圖2，分層設色表示了一月份不同平均總云量比率成數(shù)在全國的分布。

通過地理坐標位置，逐月將平均總云量分布圖配準到WRS格網(wǎng)上，得到每個格網(wǎng)月PRM的月平均總云量y，分布圖中比率成數(shù)“1成”至“10成”分別對應提取為平均總云量數(shù)值比0.05、0.15、0.25、0.35、0.45、0.55、0.56、0.75、0.85、0.95存入網(wǎng)格月PRM所對應數(shù)據(jù)表字段中，示例見表2。

表2 各網(wǎng)格月對應平均總云量示例表Tab.2 Tables of average total cloud amount on the PRM

1.3 回歸分析

對于同一網(wǎng)格月PRM，存在對應的有效數(shù)據(jù)比值r和平均總云量值y。其中平均總云量y的值域空間是枚舉型，逐一統(tǒng)計10個平均總云量值所有月份所對應的網(wǎng)格點總數(shù)m，并計算其對應的有效數(shù)據(jù)比的平均值，可得到如下統(tǒng)計結果見表3。

表3 平均總云量對應有效數(shù)據(jù)比均值統(tǒng)計表Tab.3 The statistical table of average total cloud amount corresponding to mean value of valid data ratio

式中a0和a1分別為回歸方程中待求的截距和斜率系數(shù)。

注意到10組統(tǒng)計量m有較大差異，若直接使用最小二乘法擬合，存在較大誤差。以第j組的統(tǒng)計量mj為該組權重，利用最小二乘法列出含權重的正規(guī)方程組：

求解該正規(guī)方程組，得到回歸方程的截距系數(shù)a0=0.905 8，斜率系數(shù)a1=-0.439 7，回歸方程中與y的相關性系數(shù)R2=0.915 936。

2 成像預估

2.1 EIP時空分布

以歷史有效數(shù)據(jù)比等效預估EIP，由回歸方程f (y)，可列出EIP的求解式

式中 p是EIP。

利用公式（4），由各平均總云量y算得有效成像概率p結果見表4。

表4 平均總云量算得EIP表Tab.4 The EIP table calculated from average total cloud amount

通過已知的各月份月平均總云量分布，算得12個月份的有效成效概率和分布圖。如圖3，分層設色表示了一月份全國范圍的EIP，顏色越深，當月的EIP越大。

2.2 衛(wèi)星任務規(guī)劃輔助

在得到各月EIP預估分布的基礎上，開展衛(wèi)星任務規(guī)劃。通過疊加查詢星下點軌跡過境區(qū)域的當月有效成像預估分布，可以為任務規(guī)劃的取舍提供決策支持。

例如，在2016年6月28日成像計劃中，第442軌（綠色軌跡）同時過境遼寧測區(qū)（黃色線框區(qū)域）和浙江測區(qū)（紅色線框區(qū)域）。因當天拍攝時長限制，該軌無法實現(xiàn)長時間成像，需在遼寧測區(qū)和浙江測區(qū)中取舍其一，見圖4。

圖中，同時還疊加了由本文方法所得的六月份EIP分布圖（灰度分層設色圖）。通過查詢兩個測區(qū)六月的EIP分布，見圖5，可知：

1）遼寧測區(qū)442軌過境區(qū)域的EIP分別為62%和66.4%，且衛(wèi)星成像過境軌跡主要經(jīng)過成像概率較高的深灰區(qū)域；

2）浙江測區(qū)442軌過境區(qū)域的EIP分別為53.21%和57.6%。

通過衛(wèi)星成像過境軌跡區(qū)域的EIP判斷，在遼寧測區(qū)成像獲取得到有效數(shù)據(jù)的概率接近66.4%，明顯大于在浙江測區(qū)成像的有效數(shù)據(jù)獲取平均概率55.41%。因此，在拍攝時長有限的情況下，回避了測區(qū)氣象預報條件分析的數(shù)據(jù)互通和人工成本問題，僅通過基于存檔影像和氣象資料的有效成像預估分析，決定第442軌選擇在EIP較大遼寧測區(qū)成像，而放棄在浙江測區(qū)成像。

3 結束語

結合氣象統(tǒng)計資料，對存檔影像進行回歸分析，估算出每月衛(wèi)星EIP時空分布，是對衛(wèi)星影像數(shù)據(jù)庫進行大數(shù)據(jù)挖掘所獲得的寶貴成果。通過對存檔影像和氣象統(tǒng)計資料分析結果顯示，回歸方程的相關性系數(shù)達到了90%以上，基于二者的回歸分析方法是可行的；在實際業(yè)務中開展的應用表明，基于存檔影像和氣象統(tǒng)計資料回歸分析的衛(wèi)星EIP預估方法，得到了以Path/Row格網(wǎng)和月為時空基準的EIP預估結果，是輔助“資源三號”衛(wèi)星精細化任務規(guī)劃的可行手段。但在對預估時效性要求較高的應急成像任務規(guī)劃中，仍需結合實時的天氣情況及天氣預報數(shù)據(jù)，提高EIP預估的時間分辨率。而隨著衛(wèi)星獲取影像數(shù)據(jù)的不斷積累，可通過對存檔影像云判統(tǒng)計分析的更新，來更新回歸方程系數(shù)，不斷提高EIP預估的準確性。

References)

[1]曹海翊, 劉希剛, 李少輝, 等. “資源三號” 衛(wèi)星遙感技術[J]. 航天返回與遙感, 2012, 33(3)： 7-16. CAO Haiyi, LIU Xigang, LI Shaohui, et al. ZY-3 Satellite Remote Sensing Technology[J]. Spacecraft Recovery & Remote Sensing, 2012, 33(3)： 7-16. (in Chinese)

[2]陳世平. 景物和成像條件對遙感圖像品質(zhì)的影響[J]. 航天返回與遙感, 2010, 31(1)： 1-10. CHEN Shiping. The Effects on Remote Sensing Image Quality from Scenes and Imaging Conditions[J]. Spacecraft Recovery & Remote Sensing, 2010, 31(1)： 1-10. (in Chinese)

[3]余婧, 陳浩, 李軍. 地理因子對衛(wèi)星成像質(zhì)量影響預估方法研究[J]. 遙感信息, 2011(5)： 104-108. YU Jing, CHEN Hao, LI Jun. Influence Pre-evaluation Technique of Geography Factors on Satellite Imaging[J]. Remote Sensing Information, 2011(5)： 104-108. (in Chinese)

[4]唐新明, 謝俊峰. 資源三號衛(wèi)星在軌測試與應用分析[J]. 地理信息世界, 2013(2)： 37-40. TANG Xinming, XIE Junfeng. On-orbit Test and Application Analysis of ZY-3 Satellite[J]. Geomatics World, 2013(2)：37-40. (in Chinese)

[5]胡笑旋, 朱外明, 馬華偉. 衛(wèi)星與浮空器協(xié)同偵察任務規(guī)劃方法[J]. 系統(tǒng)工程與電子技術, 2015, 37(7)： 1562-1568. HU Xiaoxuan, ZHU Waiming, MA Huawei. Method of Satellite and Aerostat Cooperative Reconnaissance Mission Planning[J]. Systems Engineering and Electronics, 2015, 37(7)： 1562-1568. (in Chinese)

[6]何磊, 劉曉路, 陳英武, 等. 面向敏捷衛(wèi)星任務規(guī)劃的云層建模及處理方法[J]. 系統(tǒng)工程與電子技術, 2016, 38(4)：852-858. HE Lei, LIU Xiaolu, CHEN Yingwu, et al. Cloud Modeling and Processing Method for Agile Observing Satellite Mission Planning[J]. Systems Engineering and Electronics, 2016, 38(4)： 852-858. (in Chinese)

[7]孔祥海, 陳躍庭, 李奇, 等. 一種用于敏捷衛(wèi)星自主任務規(guī)劃的云頂高探測方法[J]. 光學學報, 2015(7)： 372-380. KONG Xianghai, CHEN Yueting, LI Qi, et al. A Cloud-top Height Detection Method for Autonomous Planning of Satellites[J]. Acta OpticaSinica, 2015(7)： 372-380. (in Chinese)

[8]王志信, 黃鵬, 林友明, 等. 面向遙感衛(wèi)星數(shù)據(jù)獲取應用的時間序列云量預測方法[J]. 遙感信息, 2014, 29(3)： 8-13. WANG Zhixin, HUANG Peng, LIN Youming, et al. A Cloudiness Prediction Method for Remote Sensing Satellite Data Acquisition Applications[J]. Remote Sensing Information, 2014, 29(3)： 8-13. (in Chinese)

[9]RENARD M, TONETTI S, CORNARA S, et al. Fully Automated Mission Planning and Capacity Analysis Tool for the DEIMOS-2 Agile Satellite[C]// International Conference on Space Operations. CA, 2014.

[10]何苗, 賀仁杰. 考慮云層遮擋的敏捷成像衛(wèi)星調(diào)度方法研究[J]. 科學技術與工程, 2013, 13(28)： 8373-8379. HE Miao, HE Renjie. Research on Agile Imaging Satellites Scheduling Techniques with the Consideration of Cloud Cover[J]. Science Technology and Engineering, 2013, 13(28)： 8373-8379. (in Chinese)

[11]陳振煒, 張過, 寧津生, 等. 資源三號測繪衛(wèi)星自動云檢測[J]. 測繪學報, 2015, 44(3)： 292-300. CHEN Zhenwei, ZHANG Guo, NING Jinsheng, et al. An Automatic Cloud Detection Method for ZY-3 Satellite[J]. Acta Geodaetica et CartographicaSinica, 2015, 44(3)： 292-300. (in Chinese)

[12]秦雁, 鄧孺孺, 何穎清, 等. 資源三號衛(wèi)星多光譜數(shù)據(jù)自動反演香港地區(qū)氣溶膠光學厚度[J]. 環(huán)境科學學報, 2015, 35(5)： 1512-1519. QIN Yan, DENG Ruru, HE Yingqing, et al. Automatic Retrieval of Aerosol Optical Depth over Hong Kong using ZY-3 MUX[J]. Acta Scientiae Circumstantiae, 2015, 35(5)： 1512-1519. (in Chinese)

[13]張學文. 組成論[M]. 合肥： 中國科學技術大學出版社, 2003： 209.ZHANG Xuewen. The Constitution Theory[M]. Hefei： University of Science and Technology of China Press, 2003： 209. (in Chinese)

[14]唐新明, 謝俊峰, 張過. 測繪衛(wèi)星技術總體發(fā)展和現(xiàn)狀[J]. 航天返回與遙感, 2012, 33(3)： 17-24. TANG Xinming, XIE Junfeng, ZHANG Guo. Development and Status of Mapping Satellite Technology[J]. Spacecraft Recovery &Remote Sensing, 2012, 33(3)： 17-24. (in Chinese)

[15]國家測繪地理信息局衛(wèi)星測繪應用中心. 2015年數(shù)據(jù)獲取報告[EB/OL].[2016-08-18]. http：//sjfw.satimage.cn/ zy2015/zy2015.html. Satellite Surveying and Mapping Application Center, NASG. 2015 Data Acquisition Report [EB/OL]. [2016-08-18]. http：//sjfw.satimage.cn/zy2015/zy2015.html. (in Chinese)

[16]李德仁, 張良培, 夏桂松. 遙感大數(shù)據(jù)自動分析與數(shù)據(jù)挖掘[J]. 測繪學報, 2014, 43(12)： 1211-1216. LI Deren, ZHANG Liangpei, XIA Guisong. Automatic Analysis and Mining of Remote Sensing Big Data[J]. Acta Geodaetica et CartographicaSinica, 2014, 43(12)： 1211-1216. (in Chinese)

[17]QUARTULLI M, OLAIZOLA I G. A Review of EO Image Information Mining[J]. Isprs Journal of Photogrammetry & Remote Sensing, 2013, 75(1)： 11-28.

[18]李錦萍, 李永剛, 劉秀芳. Landsat衛(wèi)星WRS網(wǎng)格坐標位置估算方法的研究[J]. 測繪科學, 2006, 31(3)： 52-53. LI Jinping, LI Yonggang, LIU Xiufang. Research on the Estimate Method of Landsat WRS Grid Coordinate Position[J]. Science of Surveying and Mapping, 2006, 31(3)： 52-53. (in Chinese)

[19]國家氣象信息中心.中國地面氣候示意圖[EB/OL]. (1971-2000) [2016-08-18]. http：//data.cma.cn/data/weatherBk.html. National Meteorological Information Center. Sketch Map of Surface Climatic Elements in China[EB/OL]. (1971-2000) [2016-08-18]. http：//data.cma.cn/data/weatherBk.html. (in Chinese)

Effective Imaging Probability Prediction Based on Big Data Regression

OUYANG Sida1WANG Huibing1,2HE Zhaoning1ZHANG Yue1CAO Yingzi3
（1 Satellite Surveying and Mapping Application Center, National Administration of Surveying, Mapping and Geoinformation, Beijing 100830, China）（2 Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China）（3 Beijing SatImage Information Technology Co., Ltd., Beijing 100830, China）

The payloads of the ZY-3-02 Satellite can work twice in a single cycle by segmented use. The new issues in satellite mission schedule are how to make full use of the flexibility of short and multi arcs, and how to improve the efficiency of satellite by estimating effective imaging probability and avoiding the possible cloud and rain areas on imaging fields. The archived images and meteorological data are combined for big data analysis. Firstly, the valid data rates of ZY-3 archived images are counted by using cloudpercent parameter of images as index. Then, under a framework with month and Path/Row grids in Worldwide Reference System, the correlation between the historical valid data ratio and monthly average cloud amount is found by using the regression analysis method in position and time. Thirdly, the temporal and spatial distribution of the satellite effective imaging probability can be predicted from monthly average cloud amount by using the rusult of the regression equation. The application of ZY-3 satellite shows that this distribution based on the regression analysis of archived images andmeteorological data can provide an effective decision support for satellite mission planning on meticulous process.

satellite mission planning; valid data ratio; monthly average total cloud amount; effective imaging probability; ZY-3 satellite

P236

A

1009-8518(2017)03-0116-09

10.3969/j.issn.1009-8518.2017.03.014

歐陽斯達，男，1986年生，2011年獲中國測繪科學研究院地圖制圖學與地理信息工程專業(yè)碩士學位，工程師。研究方向為測繪衛(wèi)星任務計劃與調(diào)度、測繪衛(wèi)星影像數(shù)據(jù)管理與應用等。E-mail：ouyangsd@sasmac.cn。

（編輯：龐冰）

2016-08-22

2016年國家基礎測繪科技與標準計劃項目（2016WS0100）