基于STARFM模型的遙感影像融合

彭檢貴,羅為檢,寧小斌,鄒澤林

(國家林業(yè)和草原局中南調(diào)查規(guī)劃設(shè)計院,長沙 410014)

引言

Landsat數(shù)據(jù)已被廣泛應(yīng)用于地表覆蓋分類與變化、農(nóng)作物估產(chǎn)與特征研究、植被生長監(jiān)測等方面，進(jìn)而延伸到林業(yè)、農(nóng)牧業(yè)、生物等多個應(yīng)用領(lǐng)域[1]。但是，Landsat數(shù)據(jù)的弊端是數(shù)據(jù)更新周期較長，需16 d，這一缺陷極大地限制了Landsat數(shù)據(jù)應(yīng)用于如監(jiān)測農(nóng)作物在生長季節(jié)的生長情況等地表快速變化方面的可能性，加之云霧的影響，使得數(shù)據(jù)的重訪周期再次延長，因此，Landsat數(shù)據(jù)在季節(jié)變化動態(tài)監(jiān)測上的功用再次受到影響。

MODIS產(chǎn)品已經(jīng)廣泛應(yīng)用于各種領(lǐng)域，比如地表覆蓋變化、氣候預(yù)測以及生態(tài)環(huán)境監(jiān)測等領(lǐng)域[2]。而且Terra和Aqua衛(wèi)星可以每天在早晚各過境1次，每天最多能夠獲得4次資料。但MODIS數(shù)據(jù)的空間分辨率最高只有250 m，常常會產(chǎn)生混合像元，使得其僅較適合應(yīng)用于大尺度區(qū)域的研究，不適宜用于對空間分辨率要求較高的研究。

基于以往的研究可以看出，Landsat數(shù)據(jù)具有較高的空間分辨率，但時間分辨率卻較低；與其相反，MODIS數(shù)據(jù)具有較高的時間分辨率，但空間細(xì)節(jié)信息不豐富。為得到同時得到高時間分辨率和高空間分辨率的影像，研究人員提出了遙感影像時空融合技術(shù)。遙感影像時空融合技術(shù)是指，將一系列具有不同時間分辨率和空間分辨率的、來源于不同傳感器的遙感影像數(shù)據(jù)通過某些模型進(jìn)行融合處理的技術(shù)，其目的是為了獲得既有高空間分辨率又有高時間分辨率的、可滿足各種應(yīng)用要求的時間序列的融合影像[3-4]。Zhukov等[5]和Maselli[6]以線性混合模型為基礎(chǔ)，分析了像元反射率在空間上的可變性，提出根據(jù)某一標(biāo)準(zhǔn)選取一些像元參與目標(biāo)像元的解算，如一個距目標(biāo)像元一定距離的像元集；Busetto等[7]則更進(jìn)一步，不僅考慮了空間距離的問題，還分析了與目標(biāo)像元在光譜上的差異，但是如果將該方法應(yīng)用于NDVI值的計算，當(dāng)MODIS影像像元相應(yīng)的土地上既有春季作物又有冬季作物時，那么使用該方法得到的結(jié)果會有一定的偏差；Gao等[8]又更進(jìn)一步地分析了與目標(biāo)像元在時間上的差異，提出了一種時空適應(yīng)性反射率融合模型STARFM；Hilker等[9]則提出了一種反映反射率變化的時空適應(yīng)性算法STAARCH(Spatial Temporal Adaptive Algorithm for mapping Reflectance Change)。國內(nèi)學(xué)者在遙感影像時空融合算法上也有很多研究和改進(jìn)，萬華偉等[10]提出了一種將全年的MODIS LAI產(chǎn)品和幾景ASTER數(shù)據(jù)融合的方法，最后成功生成了具有高時空分辨率特性的LAI產(chǎn)品；鄔明權(quán)等[11]提出了一種時空數(shù)據(jù)融合模型STDFA(Spatial Temporal Data Fusion Model)；蒙繼華等[12]在STARFM的基礎(chǔ)上進(jìn)行研究，提出了一種時空適應(yīng)性植被指數(shù)融合模型STAVFM(Spatial and Temporal Adaptive Vegetation index Fusion Model)，成功構(gòu)建了具有高時空分辨率特性的NDVI數(shù)據(jù)集；張鵬[13]在STARFM的基礎(chǔ)上進(jìn)行研究，提出了一種專門針對綠度植被指數(shù)(GVI)的融合模型GSTARFM(GVI STARFM)；王昆等[14]利用半方差函數(shù)對STARFM移動窗口的寬度進(jìn)行了調(diào)整，有效地提高了融合影像的質(zhì)量；黃永喜等[15]提出了一種基于 ESTARFM(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)的改進(jìn)算法，該算法通過對距離權(quán)重、移動窗口的大小和轉(zhuǎn)換系數(shù)的計算方法進(jìn)行了調(diào)整，以及進(jìn)行了BRDF校正，成功地提高了融合精度，還提高了計算速度；趙永光等[16]在融合前豐富了MODIS數(shù)據(jù)的空間信息，成功提高了STARFM的融合精度。

同樣，國內(nèi)學(xué)者在時空融合算法的應(yīng)用方面也有諸多研究。蔡德文等[17]以石河子為實驗區(qū)，通過STARFM成功獲得了具有高時空分辨率的Landsat影像，還進(jìn)一步分析了不同農(nóng)作物在原始影像和融合影像上的反射率的相關(guān)性，分析表明，將STARFM應(yīng)用于農(nóng)作物監(jiān)測時，應(yīng)注意選擇滿足算法前提條件的影像進(jìn)行使用；朱長明等[18]利用STARFM對Landsat7 ETM+的SLC-off數(shù)據(jù)進(jìn)行了修復(fù)；李玉東等[19]將STARFM，STAARCH和ESTARFM三種數(shù)據(jù)融合方法在山區(qū)進(jìn)行了應(yīng)用和對比，表明如果在山區(qū)進(jìn)行植被動態(tài)監(jiān)測，ESTARFM是適應(yīng)性最好的融合方法；黃登成等[20]利用STARFM降低了MODIS NDVI數(shù)據(jù)的尺度，成功提高了NPP(Net Primary Productivity，植被凈初級生產(chǎn)力)的估算精度。

國內(nèi)外學(xué)者的研究表明，遙感數(shù)據(jù)時空融合技術(shù)已發(fā)展得較為成熟，但在國內(nèi)這些技術(shù)在適用性上的研究仍然比較少。在各種時空融合技術(shù)中，STARFM是應(yīng)用較為廣泛、較成熟的模型，因此本文將以長沙市為例，研究該模型的適用性。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

長沙市位于湖南省東北部湘江下游，在27°51′—28°41′ N和111°53′—114°15′ E之間，南高北低，湘江貫穿南北；屬亞熱帶季風(fēng)氣候，氣候溫和，降水充沛，雨熱同期，四季分明。

1.2 數(shù)據(jù)與處理

實驗采用兩景Landsat8 OLI影像的紅色波段(Band4)和近紅外波段(Band5)，軌道號為123/40和123/4，過境時間分別為2013-07-31和2013-09-17，空間分辨率為30 m，時間分辨率為16 d，為覆蓋整個長沙市，對圖像進(jìn)行了鑲嵌。Landsat數(shù)據(jù)采用ENVI的Landsat定標(biāo)工具進(jìn)行輻射定標(biāo)，采用FLAASH大氣校正模塊進(jìn)行大氣校正，生成反射率數(shù)值影像。使用研究區(qū)1∶5000地形圖進(jìn)行了幾何校正，經(jīng)檢驗，幾何校正誤差在半個像元之內(nèi)，符合精度要求。

實驗采用MODIS數(shù)據(jù)中的MODIS日反射率產(chǎn)品(MOD09 GQ)，屬于二級產(chǎn)品。軌道號為h27/v06，過境時間分別為2013-07-31和2013-09-17，空間分辨率為250 m，時間分辨率為1 d。數(shù)據(jù)質(zhì)量較好，無云層覆蓋。MODIS數(shù)據(jù)采用MODIS重投影工具(MODIS Reprojection Tool,MRT)重投影為UTM-WGS84坐標(biāo)系，轉(zhuǎn)換成Geo-tif 格式，并重采樣到30 m空間分辨率，以便于后續(xù)運(yùn)算。采用ENVI矢量裁剪模塊，對處理后Landsat8數(shù)據(jù)和MODIS數(shù)據(jù)進(jìn)行裁剪，裁剪出實驗區(qū)域。

實驗所用Landsat數(shù)據(jù)和MODIS數(shù)據(jù)均從http：//glovis.usgs.gov/網(wǎng)站上免費(fèi)下載。

2 研究方法

STARFM對多源遙感數(shù)據(jù)要求嚴(yán)格，應(yīng)滿足以下條件：經(jīng)過重采樣等處理滿足空間分辨率相同、經(jīng)過幾何校正滿足空間位置絕對對應(yīng)、經(jīng)過輻射校正將數(shù)據(jù)轉(zhuǎn)換為反射率數(shù)據(jù)。在滿足上述條件的情況下，對于一個低空間分辨率MODIS影像的同類像元，它與相對應(yīng)的高空間分辨率Landsat影像的像元應(yīng)滿足以下關(guān)系，即：

L(xi,yi,tk)=M(xi,yi,tk)+εk

(1)

式中:(xi，yi)代表給定像元的空間位置，tk是獲取影像的時間，εk是Landsat與MODIS地表反射率數(shù)據(jù)之間的差異(由不同的波段寬度和太陽幾何造成)。與之類似，t0時刻(即預(yù)測時刻)融合生成的Landsat數(shù)據(jù)的反射率，與對應(yīng)的MODIS影像的同類像元的反射率也應(yīng)滿足以下關(guān)系：

L(xi,yi,t0)=M(xi,yi,t0)+ε0

(2)

假定從tk到t0之間，給定位置處的地表覆蓋類型和系統(tǒng)誤差沒有發(fā)生改變，即ε0=εk，而且M(xi，yi，t0)已知，則：

L(xi,yi,t0)=M(xi,yi,t0)+L(xi,yi,tk)-

M(xi,yi,tk)

(3)

然而，這個理想的情況由于以下原因一般很難得到滿足：MODIS像元可能是混合像元，即覆蓋了多種地物類型；土地覆蓋的類型可能會隨時間發(fā)生變化；土地覆蓋情況和太陽幾何雙向反射分布函數(shù)的變化會引起反射率的改變。不過，通過引入鄰近像元的附加信息，我們可以使用光譜相似的鄰近像元的權(quán)重和來計算中心像元的地表反射率，計算方式如下：

(M(xi,yi,t0)+L(xi,yi,tk)-M(xi,yi,tk))

(4)

式中:w是搜尋窗口的大小，(xw/2，yw/2)是搜尋窗口的中心像元。為了保證只有合適的鄰近像元被使用，只有移動窗口內(nèi)的Landsat地表反射率數(shù)據(jù)中光譜相似和無云的像元才會被用來計算反射率。權(quán)重系數(shù)Wijk代表了各個鄰近像元對計算中心像元的反射率的貢獻(xiàn)程度。

3 結(jié)果與分析

3.1 融合結(jié)果

將Landsat8 OLI影像的紅色波段和近紅外波段，以及MOD09 GQ影像的紅色波段和近紅外波段，分別輸入到STARFM模型中進(jìn)行融合，輸出得到2013-09-17分辨率為30 m的Landsat融合影像的紅色波段和近紅外波段影像。用目視判別法對原始影像和融合影像進(jìn)行評價，可以發(fā)現(xiàn)紅色波段原始影像與融合影像(圖1)差異都很小，肉眼基本無法區(qū)分，但原始近紅外波段與預(yù)測近紅外波段(圖2)差異較紅色波段要大。

3.2 融合精度評價

由于相關(guān)系數(shù)表征的是兩個事物間的相似程度，且可以避免主觀性，是一個客觀的評價標(biāo)準(zhǔn)，因而本文利用相關(guān)系數(shù)R來評價融合影像與原始影像之間的相關(guān)程度，以評價融合算法的精度。相關(guān)系數(shù)的計算公式如下：

(6)

相關(guān)性為融合影像與參考影像之間相關(guān)關(guān)系的直接反映，相關(guān)系數(shù)(R)的平方稱為判定系數(shù)(R2)，相關(guān)系數(shù)呈正值，則呈正相關(guān)，相反，兩者呈負(fù)相關(guān)，相關(guān)系數(shù)絕對值越大，兩者相關(guān)程度越高，判定系數(shù)越大，兩者之間關(guān)系越密切。

圖1紅色波段的原始與融合OLI影像

(a) 原始(b) 融合

從兩個散點(diǎn)圖來看，紅色波段的原始影像和融合影像的判定系數(shù)達(dá)到0.940(圖3)，近紅外波段的原始影像和融合影像的判定系數(shù)達(dá)到0.696(圖4)，紅色波段的相關(guān)性比近紅外波段的相關(guān)性要高，這主要由兩個方面的原因造成的：一是由于波段通道的差異，近紅外波段比紅波段對誤差較敏感，即使微小的差異會對近紅外波段有較大影響，近紅外波段尤其對植被信息的變化較敏感，若在融合過程中，植被與非植被的反射率變化信息不能被正確地考慮，將導(dǎo)致融合效果較差；二是STARFM算法本身對數(shù)據(jù)的要求較高，高空間分辨率影像能反映的細(xì)節(jié)信息在低空間分辨率影像上不能反映出來，因此若初期數(shù)據(jù)數(shù)量較少或者數(shù)據(jù)存在質(zhì)量問題，將會導(dǎo)致融合影像和原始影像相比，部分信息缺失，預(yù)測融合結(jié)果較差。

圖3 融合紅色波段影像與原始OLI紅色波段影像相關(guān)性分析

圖4 融合近紅外波段影像與原始OLI近紅外波段影像相關(guān)性分析

4 結(jié)論

本文簡要介紹了遙感圖像時空融合研究背景及意義、遙感圖像時空融合算法的發(fā)展和國內(nèi)外研究現(xiàn)狀，詳細(xì)說明了STARFM算法的基本原理。以湖南省長沙市為研究區(qū)，采用STARFM融合方法，利用原始OLI影像反射率與融合影像反射率的相關(guān)性分析，分析了STARFM的適應(yīng)性。

1) 利用STARFM獲得的融合影像與原始影像的相關(guān)性較高，整體融合效果較好，但在具體應(yīng)用STARFM融合算法時，應(yīng)認(rèn)真選取參加融合的數(shù)據(jù)，保證數(shù)據(jù)的數(shù)量與質(zhì)量。

2) 本實驗采用的Landsat數(shù)據(jù)只進(jìn)行了輻射定標(biāo)和大氣校正。如果進(jìn)行了地形等其他校正，可能最后融合結(jié)果的精度會有所提升。實際應(yīng)用本算法時，應(yīng)根據(jù)實際的地形、天氣情況和精度要求對數(shù)據(jù)進(jìn)行合適的預(yù)處理。

3) 本文所分析的影像波段較少，影像期數(shù)較少，且只是做了一個圖像整體的探討，即在假設(shè)滿足STARFM算法的前提條件下進(jìn)行的實驗，并未分析若不滿足前提條件是否會出現(xiàn)較差的效果，比如一副圖像的某些部分是否會因為地貌改變而無法融合。因此進(jìn)行進(jìn)一步深入研究是十分有必要的。