中巴經(jīng)濟走廊（喀什至伊斯蘭堡段）高分正射影像數(shù)據(jù)集

韓立欽，張耀南，田德宇，康建芳,2

1. 中國科學院西北生態(tài)環(huán)境研究院, 科學大數(shù)據(jù)中心，蘭州 730070

2. 國家特殊環(huán)境、特殊功能觀測研究臺站共享服務平臺，平臺服務中心，蘭州730070

3. 中國科學院大學，北京 100049

4. 甘肅省測繪工程技術研究中心，甘肅天水 741000

數(shù)據(jù)庫（集）基本信息簡介

引 言

中巴經(jīng)濟走廊是“一帶一路”戰(zhàn)略大局的重要組成部分，北起中國喀什、南至巴基斯坦瓜達爾港，主要沿中巴公路展開，包括公路、鐵路、油氣和光纜通道在內的一條經(jīng)濟大動脈[1]。走廊穿越喜馬拉雅山、喀喇昆侖山、興都庫什山，地勢北高南低（海拔 460-4750 m），峽谷深切、冰川廣布、雪峰林立[2]。氣候垂直分帶明顯，植被受氣候、海拔、地形影響，不均勻發(fā)育顯著，特殊的自然地理條件使研究區(qū)內冰崩、雪崩、凍融、滑坡、泥石流、巖崩、洪水、冰湖潰決等各類地質災害頻發(fā)，給基礎設施規(guī)劃建設帶來了極大的挑戰(zhàn)[3-5]。

近年來，隨著SPOT等一系列衛(wèi)星遙感數(shù)據(jù)的推出，高分影像在區(qū)域制圖[6]、災害監(jiān)測[7]和資源調查[8-9]等領域迅速普及。以高分對地觀測系統(tǒng)宏觀、快速、動態(tài)、高空間、高時間、高光譜的優(yōu)勢開展中巴經(jīng)濟走廊地質災害專題制圖、災情監(jiān)測，同時融合氣象、水文、地質、冰川、凍土、土壤類型等數(shù)據(jù)，建立孕災認知、演變分析的機理模型，將對該區(qū)域基礎設施建設提供有力的數(shù)據(jù)支持和保障[10-11]。

本數(shù)據(jù)集全部采用國產(chǎn)高分專項數(shù)據(jù)資源，也是國內大規(guī)模利用國產(chǎn)高分數(shù)據(jù)制備中巴經(jīng)濟走廊基礎影像數(shù)據(jù)的一次嘗試，實現(xiàn)了中巴經(jīng)濟走廊（喀什至伊斯蘭堡段）2 m分辨率，中巴公路兩側約60 km的數(shù)字正射影像圖（DOM，Digital Orthophoto Map），其中中國境內415公里（G314國道），巴基斯坦境內809公里（N35國道）。本數(shù)據(jù)集豐富了此區(qū)域空間數(shù)據(jù)資源，同時拓展了高分數(shù)據(jù)的應用領域。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)來源與預處理

數(shù)據(jù)源主要有衛(wèi)星影像和數(shù)字高程模型，如表1。中巴經(jīng)濟走廊（喀什至伊斯蘭堡段）正射影像數(shù)據(jù)全部來源于我國高分辨率對地觀測系統(tǒng)高分一號和高分二號衛(wèi)星，高分一號為2013-2017年成像的全色2 m、多光譜8 m數(shù)據(jù)，高分二號為2015-2017年成像的全色1 m、多光譜4 m數(shù)據(jù)。在成像條件較好的中巴經(jīng)濟走廊中國段及巴基斯坦北部地區(qū)，影像云量控制在5%以下，巴基斯坦中部地區(qū)云量控制在10%以下，并進行相應的去云處理。其中高分一號數(shù)據(jù)占97.2%，高分二號為影像空白區(qū)補充數(shù)據(jù)。

表1 研究采用數(shù)據(jù)列表

本數(shù)據(jù)集通過ENVI和ArcGIS軟件工具，利用數(shù)字高程模型對高分一號、高分二號影像數(shù)據(jù)進行正射校正、全色與多光譜融合、勻色、鑲嵌等處理。由于高分一號和高分二號衛(wèi)星影像采集的時間分辨率限制，研究區(qū)影像資源橫跨5個年份，考慮到不同成像時間的季節(jié)差異，對高分一號所有影像數(shù)據(jù)進行統(tǒng)一勻色。對于高分一號未覆蓋區(qū)域，利用高分二號影像資源作為補充，獨立進行勻色處理。最終按照一定范圍裁切生成數(shù)字正射影像分塊數(shù)據(jù)集，供用戶分塊檢索使用（圖1）。其中，正射校正、數(shù)據(jù)融合的精度與效果是數(shù)據(jù)生產(chǎn)的關鍵。

ASTER GDEM[12]數(shù)據(jù)是NASA根據(jù)新一代對地觀測衛(wèi)星Terra星載熱輻射和反射計（即ASTER）3N和3B波段垂直向下觀測成像，歷時近10年制作完成。數(shù)據(jù)空間分辨率為1″×1″（約30 m×30 m）,全球范圍內置信度為95%時，垂直精度約為20 m。本研究區(qū)域多為高寒山區(qū)，地面高精度控制數(shù)據(jù)幾乎為空白，DEM精度很難保證。

圖1 正射影像生產(chǎn)流程

趙國松[13]等在華中地區(qū)3°×3°的研究區(qū)分析發(fā)現(xiàn)，ASTER GDEM產(chǎn)品高程值比STRM DEM平均低5.42 m。劉勇[14]指出山區(qū)的STRM DEM精度要比平原地區(qū)低很多，但是總體精度可以接受。如圖2所示，在對公格爾-慕士塔格地區(qū)的ASTER GDEM、STRM DEM和ASTER L1T單景DEM統(tǒng)計分析發(fā)現(xiàn)，ASTER L1T單景DEM有明顯異常，ASTER GDEM和STRM DEM無明顯異常，但是STRM DEM最大值比慕士塔格峰主峰海拔多出200 m以上，而ASTER GDEM與實地測量值基本相符，因此，本數(shù)據(jù)集利用ASTER GDEM作為正射校正的高程數(shù)據(jù)源。

圖2 高程數(shù)據(jù)統(tǒng)計分析結果

1.2 數(shù)據(jù)處理方法

1.2.1 RPC正射校正模型

衛(wèi)星影像正射校正模型分為嚴格的幾何糾正模型和近似糾正模型。本數(shù)據(jù)集無法精確地獲知高分一號和高分二號的傳感器參數(shù)與軌道參數(shù)等，不能建立共線方程，而多項式近似糾正模型適用于地面平坦地區(qū)。因此，面對地形較為復雜的中巴經(jīng)濟走廊地區(qū)，選擇RPC有理函數(shù)模型法進行影像正射校正。

有理函數(shù)模型[15]是將影像中的像點在像方坐標系中的坐標（r,c）和其對應的地面點，經(jīng)過空間轉換投影后在物方坐標系中的空間坐標（X,Y,Z），用比值多項式關聯(lián)起來。為了增強參數(shù)求解的穩(wěn)定性，將地面坐標和影像坐標正則化到-1.0～1.0之間。

定義如下：

在式（1）中，（Xn,Yn,Zn）為正則化的地面點坐標，（rn,cn）為正則化的像點坐標。多項式P1,P2,P3,P4如式（2）：

多項式系數(shù)0≤n1≤3；0≤n2≤3；0≤n3≤3，且n1+n2+n3=3，每個多項式P1,P2,P3,P4都是包含了20個系數(shù)的三次多項式，如式（3）:

且滿足：

式（4）中的X0,Y0,Z0,Xs,Ys,Zs為地面坐標進行位移的比例系數(shù)；r0,c0,rs,cs為影像坐標進行位移的比例系數(shù)。式（3）中的a,b,c,d是多項式系數(shù)，且a0,b0,c0,d0通常取值為1。

1.2.2 影像融合方法

遙感影像融合[16-17]是對多個傳感器影像進行多級別、多層次的處理過程，以達到提高影像分辨率、增強目標特征、提高分類精度的目的，是提升遙感影像應用能力的重要手段。本數(shù)據(jù)集采用最鄰近擴散全色銳化法（Nearest Neighbor Diffusion pan-sharpening，PanSharpening）完成高分一號和高分二號衛(wèi)星影像全色與多光譜數(shù)據(jù)融合。與比值變換法（Brovey Transform，Brovey）、主成份變換法（Principal Component Analysis，PCA）和正交變換法（Gram-Schmidt，GS）等方法相比較，PanSharpening方法能夠較好地保持多光譜影像的色彩、紋理和光譜特征，通過反映影像質量的均值、標準差、平均梯度、光譜質量的偏差指數(shù)、相關系數(shù)和影像信息量的交叉熵幾個方面進行影像質量定量評價。

（1）均值(μ)

影像的全部像元灰度的算術平均值，反映了影像中地物的平均反射率。其中，F(xiàn)(i,j)為融合影像F在像素點(i,j)處的灰度值，M和N為影像F的大小。均值越高，則影像整體亮度越高。

（2）標準差(std)

標準差由均值間接得到，表示影像灰度像素值與平均值的離散程度。其中，F(xiàn)(i,j)為融合影像 F在像素點(i,j)處的灰度值，M和N為影像F的大小，μ為灰度平均值，標準差越大，灰度離散程度越大，影像反差越大，視覺效果越好。

（3）平均梯度(g)

平均梯度反映了影像的平均灰度變化率，即清晰度。F(i,j)為融合影像 F在像素點(i,j)處的灰度值，M和N為影像F的大小，其值表示融合影像中的微小細節(jié)反差和紋理變化特征，在融合影像中，平均梯度越大，影像清晰度越高。

（4）偏差指數(shù)(dc)

光譜扭曲度直接反映了融合影像對原光譜影像的失真程度。其值表示融合影像與原多光譜影像像元灰度值的差異和匹配程度。其中，F(xiàn)(i,j)為融合影像F在像素點(i,j)處的灰度值，M和N為影像F的大小，A(i,j)表示原多光譜影像在像素點(i,j)處的灰度值，偏差指數(shù)越大，影像失真越強烈。

（5）相關系數(shù)(cc)

相關系數(shù)反映了融合影像與源影像之間光譜特征的相關程度，以及融合影像光譜信息的保持能力。其中，F(xiàn)(i,j)為融合影像F在像素點(i,j)處的灰度值，M和N為影像F的大小，A(i,j)表示原多光譜影像在像素點(i,j)處的灰度值，μF與μA分別表示融合影像與源影像的灰度平均值。相關系數(shù)越大，融合影像從源影像中獲取的信息越多，融合效果越好。

（6）影像信息量(ceA,F)

影像的熵值反映了影像信息的豐富程度。交叉熵（ce）用來衡量A、F兩幅影像灰度分布的差異。對于一幅單一影像，各像素的灰度值是相互獨立的，則影像灰度分布為P=｛P0,P1,…Pi,…Pn｝，Pi表示影像像素灰度值為i的概率，即灰度值為i的像素與影像總像素之比，l為影像總的灰度級數(shù)表示兩幅影像像元灰度為i的概率。交叉熵越小，融合影像灰度分布與源影像的差異越小，即融合影像包含源影像的信息量越多，融合效果越好。

2 數(shù)據(jù)樣本描述

本數(shù)據(jù)集分為中巴經(jīng)濟走廊（喀什至伊斯蘭堡段）正射影像分幅數(shù)據(jù)、正射影像分幅索引數(shù)據(jù)和ASTER DEM數(shù)據(jù)。正射影像為2 m分辨率，部分1 m分辨率，TIFF格式，分幅索引數(shù)據(jù)采用SHP格式保存，所有數(shù)據(jù)的坐標系為WGS1984。局部數(shù)據(jù)結果如圖3。

圖3 中巴經(jīng)濟走廊（喀什至伊斯蘭堡段）局部正射影像數(shù)據(jù)集

3 數(shù)據(jù)質量控制和評估

3.1 正射校正精度評估

本數(shù)據(jù)集采用基于 RPC參數(shù)構建有理函數(shù)模型的基礎上，在正射校正過程中，利用優(yōu)化后的ASTER GDEM進行第一次糾正，并對不正常變形區(qū)域，勾畫邊界進行掩膜處理，逐一將掩膜區(qū)域進行二維DEM可視化編輯，進行高程平滑，最后將修正后的DEM再導入正射校正模塊，以此保證正射校正精度。

以研究區(qū)蓋孜河谷區(qū)域樣例影像（成像時間2016年）為例，從影像像元誤差進行正射校正精度分析。在目標影像和參考影像上均勻選擇25個檢查點，其中參考影像來源于天地圖第16級基礎影像，空間分辨率為1.88 m。以參考影像為基準，目標影像檢查點對應的最大誤差X方向為0.35個像元，Y方向為0.4個像元；均方根誤差X方向為0.42個像元，Y方向為0.38個像元。

從地面實測點與目標影像地物目標進行點位絕對定位精度誤差分析，實測檢查點來源于2017年中巴經(jīng)濟走廊科學考察中利用差分GPS實測的控制點，控制點分布如圖4所示。由于研究區(qū)地處帕米爾高原與喀喇昆侖山交匯的無人區(qū)，實測控制點布設在中巴公路兩側標志明顯的路基上，樣例區(qū)段共7個，以其絕對定位誤差與影像中對應標志點進行解算，統(tǒng)計影像標志點的平均平面中誤差，結果表明，單點定位平面中誤差最大為3.36 m，平均平面中誤差為1.18 m。

3.2 影像融合評價

從目視角度上定性評價融合效果，Brovey方法顏色失真較大；GS方法清晰度較差；PanSharpening方法和PCA方法整體效果較好，但PanSharpening方法紋理較細膩，色彩、光譜等信息保持較好，高分影像采用PanSharpening方法融合效果較好，如圖5所示。

圖4 地面檢查點分布

圖5 四種融合方法效果

基于融合效果定量評價指標的計算公式，主要針對藍、綠、紅和近紅外4個波段，分別對4種融合方法進行定量統(tǒng)計，結果如表2所示。

表2 融合效果評價

Brovey變化的結果是均值、標準差及平均梯度值都較低，影像質量效果較差，影像細節(jié)不清晰。雖然其影像信息量和相關系數(shù)與其他方法相當，但其偏差指數(shù)過高，光譜失真現(xiàn)象較嚴重。

GS變化的結果是均值、標準差與PCA和PanSharpening方法相當，但平均梯度較低，混合像元較多，地物分辨能力較差，其偏差指數(shù)值過高，光譜失真現(xiàn)象較嚴重。

PCA變化的結果是均值、標準差和評價梯度值較高，影像質量效果較好，雖比PanSharpening方法稍低，但比Brovey和GS方法優(yōu)勢明顯。另外，其偏差指數(shù)較低，光譜失真較小，信息量保持不豐富。

PanSharpening變化的結果是均值、標準差和平均梯度與PCA方法能力相當，但比Brovey和GS方面優(yōu)勢明顯，影像質量較好。光譜偏差指數(shù)值整體較小，光譜信息保持失真較小。相關系數(shù)值整體偏大，融合信息保持能力強。影像信息熵比其他方法均小，融合效果細膩，信息量豐富。

因此，從實驗結果看，PanSharpening方法較適合與本區(qū)域高分影像融合處理。

3.3 鑲嵌接邊評價

其中影像鑲嵌采用平均值作為柵格單元值，把多景影像按鑲嵌線進行無縫拼接，主要包括計算輪廓線、顏色校正、影像羽化/調和、接邊等處理步驟，鑲嵌接邊精度如表 3，影像接邊處色彩過渡自然，地物合理接邊，無重影現(xiàn)象，紋理清晰，效果如圖4所示。

表3 影像鑲嵌接邊精度評價

4 數(shù)據(jù)價值

中巴經(jīng)濟走廊主要穿越多年凍土、冰川、積雪區(qū)，氣候環(huán)境惡劣，人煙稀少，基礎影像數(shù)據(jù)匱乏，國產(chǎn)米級分辨率影像數(shù)據(jù)幾乎為空白，開展本區(qū)域冰川、積雪、凍土等特殊環(huán)境要素調查迫切需要高分辨率DOM數(shù)據(jù)。

本文基于國產(chǎn)高分一號、高分二號遙感數(shù)據(jù)，利用遙感圖像處理軟件開展中巴走廊高分DOM數(shù)據(jù)生產(chǎn)。針對正射糾正中的復雜地形影響，采用RPC有理函數(shù)模型進行糾正，針對全色與多光譜影像融合，采用PanSharpening工具，并與Brovey、GS、PCA等方法進行對比分析，最終實現(xiàn)了正射影像半個像元糾正精度，獲得紋理清晰、光譜損失較小的正射數(shù)據(jù)集。

中巴經(jīng)濟走廊正射影像數(shù)據(jù)是走廊內工程選址、設計和規(guī)劃的重要基礎數(shù)據(jù)，也可作為全球氣候變化背景下，走廊資源調查的本底數(shù)據(jù)。在正射影像數(shù)據(jù)基礎上，結合氣候、水文、生態(tài)等數(shù)據(jù)綜合分析，對區(qū)域內工程長期安全運營和生態(tài)環(huán)境可持續(xù)發(fā)展有著重要意義。

5 數(shù)據(jù)使用方法和建議

中巴經(jīng)濟走廊（喀什至伊斯蘭堡段）正射影像數(shù)據(jù)集保存為柵格TIF格式。ArcGIS、QGIS、ENVI、ERDAS等常用的GIS與遙感軟件可支持該數(shù)據(jù)的讀取和操作。

致 謝

感謝高分辨率對地觀測系統(tǒng)甘肅數(shù)據(jù)與應用中心提供的高分影像數(shù)據(jù)，感謝美國航空航天局與日本經(jīng)濟產(chǎn)業(yè)省提供的ASTER GDEM V2高程數(shù)據(jù)，感謝美國DigitalGlobe商業(yè)衛(wèi)星與IKONOS商業(yè)衛(wèi)星公司提供參考影像數(shù)據(jù)。