喀斯特高原區(qū)多源遙感數(shù)據(jù)時(shí)空融合模型適用性分析

陳啟英，安裕倫*，奚世軍

(1.貴州師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，貴陽(yáng) 550000；2.貴州省山地資源與環(huán)境遙感重點(diǎn)實(shí)驗(yàn)室，貴陽(yáng) 550000)

隨著遙感技術(shù)的應(yīng)用發(fā)展，遙感領(lǐng)域進(jìn)入了更大范圍、更高精度、更深層次的應(yīng)用階段[1-7]。在喀斯特地形破碎與生態(tài)脆弱等復(fù)雜條件下，迫切需要高時(shí)空分辨率的植被覆蓋度等數(shù)據(jù)來(lái)支撐植被動(dòng)態(tài)、石漠化綜合防治等相關(guān)研究[8-9]。由于技術(shù)和預(yù)算的限制，單一傳感器難以獲取同時(shí)滿足高空間分辨率和高時(shí)間分辨率的數(shù)據(jù)[10-11]。為滿足目前研究對(duì)高時(shí)空分辨率數(shù)據(jù)的需求，進(jìn)行大范圍、高精度、快速變化的地面信息遙感監(jiān)測(cè)研究，并解決衛(wèi)星遙感數(shù)據(jù)獲取能力不足的問(wèn)題，一些學(xué)者提出了一種利用高空間低時(shí)間分辨率數(shù)據(jù)和低空間高時(shí)間分辨率數(shù)據(jù)融合生成高時(shí)空分辨率數(shù)據(jù)的技術(shù)，即遙感數(shù)據(jù)時(shí)空融合技術(shù)[7,12-13]。Gao等[14]綜合像元間的空間距離、光譜差異，以及像元時(shí)間上的差異等因子，最早提出了一種時(shí)空自適應(yīng)反射融合模型(STARFM),用于預(yù)測(cè)Landsat空間分辨率和MODIS時(shí)間頻率下的日地表反射率；Hilker等[15]提出了一種映射地表反射率變化的時(shí)空自適應(yīng)融合算法(STAARCH),用于生成合成圖像和檢測(cè)變化。Liu等[16]在假設(shè)多源遙感數(shù)據(jù)交叉使用可以通過(guò)有效的混合技術(shù)最小化觀察誤差基礎(chǔ)上，基于數(shù)據(jù)同化理論提出了一種實(shí)用的動(dòng)態(tài)同化STARFM算法(DASTARFM)，用于農(nóng)作物產(chǎn)量估算。Zhu等[10]基于已有的STARFM模型提出了增強(qiáng)型時(shí)空自適應(yīng)反射融合模型(ESTARFM),該算法考慮像元反射率的時(shí)間變化特征，結(jié)合光譜解混理論，更好地預(yù)測(cè)異質(zhì)景觀下的反射率。Wu等[17]綜合考慮空間變化和非線性時(shí)間變化信息，提出了一種生成高時(shí)空分辨率影像的多源遙感數(shù)據(jù)時(shí)空融合方法(STDFM)。Zhu等[18]基于混合的方法，將空間插值和STARFM模型的思想集成，提出了一種靈活的時(shí)空數(shù)據(jù)融合模型(FSDAF)，該模型能夠有效地預(yù)測(cè)高空間分辨率圖像的土地覆蓋類型的變化，并且保留更多的空間細(xì)節(jié)。上述時(shí)空融合模型研究主要集中于平原地區(qū)，其中STARFM、ESTARFM、FSDAF三種時(shí)空融合模型較為常用且較適用于異質(zhì)景觀，但在喀斯特高原復(fù)雜條件下的表現(xiàn)有待深入研究。

圖1 研究區(qū)地理空間特征及分類Fig.1 Geographical spatial characteristics and land cover of the study area

針對(duì)中國(guó)西南喀斯特地區(qū)持久性云雨天氣等原因而導(dǎo)致Landsat系列衛(wèi)星獲取的遙感數(shù)據(jù)缺失的問(wèn)題，遙感數(shù)據(jù)“時(shí)空矛盾”問(wèn)題，MODIS數(shù)據(jù)空間分辨率較低不適合小尺度應(yīng)用，喀斯特山區(qū)迫切需要高時(shí)空分辨率數(shù)據(jù)來(lái)支撐植被動(dòng)態(tài)、石漠化綜合防治相關(guān)研究等問(wèn)題，采用Landsat8 OLI數(shù)據(jù)和MODIS數(shù)據(jù)，以喀斯特高原的20 km×20 km區(qū)域?yàn)閷?shí)驗(yàn)區(qū)，生成30 m具有MODIS時(shí)間分辨率數(shù)據(jù)，對(duì)比研究STARFM、ESTARFM、FSDAF三種時(shí)空融合模型在異質(zhì)性較高的喀斯特高原區(qū)的適用性，以期為后續(xù)喀斯特山區(qū)的相關(guān)研究提供科學(xué)依據(jù)。

1 研究區(qū)及數(shù)據(jù)

1.1 研究區(qū)概況

為了對(duì)比研究STARFM、ESTARFM、FSDAF三種時(shí)空融合模型在喀斯特復(fù)雜破碎地形的應(yīng)用能力，選取貴州省遵義市境內(nèi)20 km×20 km范圍作為研究區(qū)。該區(qū)域跨東經(jīng)107°1′30″～107°12′30″，北緯27°23′00″～27°34′00″，海拔最低為572 m，最高海拔為1 342 m，屬于典型的喀斯特高原地貌區(qū)。該區(qū)域內(nèi)土地覆蓋類型復(fù)雜多樣，其主要包括有林地、灌木林地、疏林地、草地、水域、建設(shè)用地、水田、旱地等，將其作為實(shí)驗(yàn)區(qū)域可以驗(yàn)證STARFM、ESTARFM、FSDAF三種模型在喀斯特高原區(qū)的時(shí)空融合精度。研究區(qū)地理空間特征和土地覆蓋類型如圖1所示。

1.2 數(shù)據(jù)及預(yù)處理

圖2 研究區(qū)Landsat8和MODIS原始數(shù)據(jù)Fig.2 Original data of Landsat8 and MODIS images of study eare

研究選取Landsat8搭載的OLI傳感器所獲取的多光譜影像作為高空間低時(shí)間分辨率數(shù)據(jù)，以Terra衛(wèi)星上搭載的MODIS傳感器獲取的地表反射率產(chǎn)品(MOD09GA)作為低空間高時(shí)間分辨率數(shù)據(jù)。利用STARFM、ESTARFM、FSDAF三種時(shí)空融合模型，將OLI傳感器和MODIS傳感器獲取的數(shù)據(jù)之間的對(duì)應(yīng)波段地表反射率進(jìn)行時(shí)空融合，生成同時(shí)具備高時(shí)間、高空間分辨率的地表反射率數(shù)據(jù)。研究選取2015年4月12日和2015年10月21日的OLI數(shù)據(jù)和MOD09GA 數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，以2016年2月10日的MOD09GA數(shù)據(jù)為預(yù)測(cè)時(shí)期的高時(shí)間低空間分辨率數(shù)據(jù)，預(yù)測(cè)2016年2月10日的30 m分辨率數(shù)據(jù)，如圖2所示。為了對(duì)結(jié)果進(jìn)行驗(yàn)證，以2016年2月10日的Landsat8 OLI數(shù)據(jù)與時(shí)空融合結(jié)果影像進(jìn)行對(duì)比評(píng)價(jià)。OLI傳感器獲取的數(shù)據(jù)空間分辨率為30 m，MODIS傳感器獲取的數(shù)據(jù)空間分辨率為250 m和500 m。通過(guò)ENVI對(duì)OLI數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、裁剪。MOD09GA地表反射率原始數(shù)據(jù)利用MODIS Reprojection Tool (MRT)進(jìn)行重投影，與OLI數(shù)據(jù)的UTM-WGS84坐標(biāo)系一致，且采用雙線性插值法將250 m和500 m空間分辨率數(shù)據(jù)重采樣為30 m。

2 時(shí)空融合方法及評(píng)價(jià)指標(biāo)

2.1 STARFM模型

STARFM模型[14,19]通過(guò)一對(duì)或兩對(duì)ta時(shí)刻的中高分辨率數(shù)據(jù)、低分辨率數(shù)據(jù)以及tb時(shí)刻的低分辨率數(shù)據(jù)，結(jié)合不同的空間權(quán)重融合計(jì)算出tb時(shí)刻的高分辨率數(shù)據(jù)，其計(jì)算公式如下：

Rhigh(xi,yi,ta)-Rlow(xi,yj,ta)]

(1)

(2)

式中：Rhigh(xi,yj,ta)和Rlow(xi,yj,ta)分別為ta時(shí)刻時(shí)在(xi,yj)處的高空間分辨率和低空間分辨率影像對(duì)應(yīng)的地表反射率值；(xw/2,yw/2)為移動(dòng)窗口的中心像元；w為搜索窗口的大??；n為不同時(shí)刻；W為權(quán)重矩陣；Sijk為給定位置的高、低空間分辨率數(shù)據(jù)間的光譜差異；Tijk為給定位置的輸入的低空間分辨率影像和預(yù)測(cè)時(shí)期的低空間分辨率影像的時(shí)間距離；Dijk為目標(biāo)像元和中心像元的空間距離。

2.2 ESTARFM模型

ESTATFM模型[11,20-23]考慮了像元之間的空間和光譜相似性，利用兩對(duì)初期數(shù)據(jù)生成預(yù)測(cè)期的高時(shí)空分辨率數(shù)據(jù)，在初期高空間分辨率數(shù)據(jù)中搜索與中心像元光譜相似的像元，根據(jù)其空間和光譜相似性計(jì)算每個(gè)相似像元得權(quán)重和轉(zhuǎn)換系數(shù)，用相似像元計(jì)算中心像元從而計(jì)算出預(yù)測(cè)期的高空間分辨率數(shù)據(jù)，計(jì)算公式如下：

(3)

t=a,c

(4)

T′t=

(5)

2.3 FSDAF模型

FSDAF模型[18,24-25]，需輸入一景ta時(shí)刻高空間分辨率影像Fa與兩景ta、tb時(shí)刻低空間分辨率影像Ca與Cb，對(duì)ta時(shí)刻的高空間分辨率影像進(jìn)行非監(jiān)督分類，獲取每一個(gè)粗像元內(nèi)的每個(gè)地物類別的比重fc，根據(jù)光譜線性分解理論，選擇從ta～tb時(shí)段地表覆蓋類型未發(fā)生變化的n個(gè)像元利用式(6)進(jìn)行線性混合方程求解，計(jì)算得到每個(gè)波段的時(shí)間變化ΔF(c)。

(6)

式(6)中：l為非監(jiān)督分類得到的分類總數(shù)量，ΔC(xi,yi)=Cb(xi,yi)-Ca(xi,yi)。

(7)

(8)

(9)

E(xi,yi)[1-HI(xij,yij)]

(10)

將CW(xij,yij)歸一化得到W(xij,yij)，最后通過(guò)計(jì)算得到殘差值r(xij,yij)和ΔF(c)，解算出類別為c時(shí)tb和ta時(shí)刻高分辨率影像的變化值ΔF(xij,yij)：

ΔF(xij,yij)=mE(xi,yi)W(xij,yij)+ΔF(c)

(11)

通過(guò)空間距離權(quán)重對(duì)所有相似像素的變化信息求和，獲得目標(biāo)像素的總變化值，并將其與ta時(shí)刻的高空間分辨率影像的地表反射率值相加得到tb時(shí)刻的最終預(yù)測(cè)值Fb(xij,yij)，其中c為移動(dòng)窗口中心像元位置，w為窗口大小，具體計(jì)算公式為

(12)

2.4 時(shí)空融合定量評(píng)價(jià)指標(biāo)

研究采用相關(guān)系數(shù)(R)和均方根誤差(RMSE)，以及結(jié)構(gòu)相似性指數(shù)(SSIM)3個(gè)評(píng)價(jià)指標(biāo)分析3種時(shí)空融合模型的精度。

相關(guān)系數(shù)(R)[25-26]，用于反映時(shí)空融合的結(jié)果影像與參考影像之間的光譜相似性，R越接近1，光譜相似性越高，其計(jì)算公式為

(13)

均方根誤差(RMSE)[25-26]，是用來(lái)評(píng)價(jià)融合影像與真實(shí)影像之間的差異，均方根誤差越小，影像融合質(zhì)量越高，其計(jì)算公式為

(14)

結(jié)構(gòu)相似性指數(shù)(SSIM)[25-26]，用來(lái)評(píng)價(jià)融合影像與真實(shí)影像之間結(jié)構(gòu)的相似程度，SSIM越接近于1，則兩景影像之間在結(jié)構(gòu)上相似度越大，通過(guò)式(15)計(jì)算而得。

(15)

3 結(jié)果與分析

3.1 STARFM結(jié)果分析

圖3 實(shí)驗(yàn)區(qū)真實(shí)影像與預(yù)測(cè)影像局部放大圖Fig.3 Partial enlargement of real image and predicted image in study area

圖4 STARFM預(yù)測(cè)反射率與真實(shí)反射率散點(diǎn)圖Fig.4 Scatter plots of the actual reflectance and the predicted ones by the STARFM

由實(shí)驗(yàn)區(qū)真實(shí)影像與預(yù)測(cè)影像局部放大圖(圖3)可得，STARFM預(yù)測(cè)影像較為模糊，層次性較差，失去部分空間細(xì)節(jié)，且存在一定的斑塊化現(xiàn)象。圖4分波段繪制了利用STARFM模型融合得到的2016年2月10日的預(yù)測(cè)反射率與實(shí)際反射率之間的關(guān)系，分別為Blue、Green、Red、NIR、SWIR1、SWIR2的預(yù)測(cè)反射率與實(shí)際反射率散點(diǎn)分布圖。散點(diǎn)圖中每個(gè)波段的預(yù)測(cè)反射率與實(shí)際反射率模型的值均大致分布在等值線1∶1線兩邊，且每個(gè)波段對(duì)應(yīng)的R均高于0.6，分別為0.639、0.748、0.713、0.699、0.805、0.754，在SWIR1、SWIR2波段的相關(guān)性較高。六個(gè)波段的融合影像與實(shí)際影像的均方根誤差(RMSE)分別為0.018、0.018、0.021、0.041、0.026、0.022。結(jié)構(gòu)相似性指數(shù)(SSIM)分別為0.986、0.986、0.980、0.930、0.957、0.968，從整體上看，STARFM模型融合結(jié)果的地表反射率與真實(shí)的地表反射率值具有較高相關(guān)性。

3.2 ESTARFM結(jié)果分析

從圖3的ESTARFM預(yù)測(cè)影像可以得出，ESTARFM模型預(yù)測(cè)的影像空間細(xì)節(jié)清晰，層次性明顯，與真實(shí)影像差異較小。Blue、Green、Red、NIR、SWIR1、SWIR2等六個(gè)波段的預(yù)測(cè)反射率與實(shí)際反射率之間的關(guān)系如圖5中的散點(diǎn)圖所示。散點(diǎn)圖中每個(gè)波段的預(yù)測(cè)反射率與實(shí)際反射率模型的值均較好的分布在等值線1∶1線兩邊，且六個(gè)波段對(duì)應(yīng)的R分別為0.779、0.864、0.843、0.672、0.930、0.883，除Blue、NIR波段外，其余波段的R均高于0.8；RMSE分別為0.017、0.017、0.020、0.043、0.021、0.020；SSIM分別為0.991、0.990、0.986、0.918、0.984、0.984。從整體上看，ESTARFM模型預(yù)測(cè)影像與真實(shí)影像之間具有較高的相關(guān)性，較小的誤差和較高的的結(jié)構(gòu)相似性。

圖5 ESTARFM預(yù)測(cè)反射率與真實(shí)反射率散點(diǎn)圖Fig.5 Scatter plots of the actual reflectance and the predicted ones by the ESTARFM

3.3 FSDAF結(jié)果分析

由圖3的FSDAF預(yù)測(cè)影像的局部放大圖可得，F(xiàn)SDAF模型預(yù)測(cè)的影像較好保留了空間細(xì)節(jié)，具有較好的層次性，與真實(shí)影像具有較高的相似性。圖6中的散點(diǎn)圖顯示了Blue、Green、Red、NIR、SWIR1、SWIR2等六個(gè)波段與實(shí)際影像對(duì)應(yīng)波段之間的反射率關(guān)系。散點(diǎn)圖中每個(gè)波段的預(yù)測(cè)反射率與實(shí)際反射率模型的值大致分布在等值線1∶1線兩邊，且每個(gè)波段對(duì)應(yīng)的R均高于0.6，分別為0.609、0.704、0.653、0.645、0.742、0604；RMSE分別為0.017、0.018、0.025、0.046、0.030、0.024；SSIM分別為0.983、0.982、0.978、0.912、0.945、0.955。FSDAF預(yù)測(cè)影像在Green、SWIR1波段獲得與真實(shí)影像較大的相關(guān)性，分別為0.704、0.742。六個(gè)波段的R介于0.6～0.8，在喀斯特高原區(qū)地形復(fù)雜條件下，采用非監(jiān)督分類對(duì)影像進(jìn)行分類，獲取地物類別比重對(duì)融合精度產(chǎn)生一定的影響，導(dǎo)致FSDAF模型預(yù)測(cè)影像與真實(shí)影像之間未能取得更大的相關(guān)性。

3.4 三種方法對(duì)比分析

圖3顯示了三種時(shí)空融合方法預(yù)測(cè)的2016年2月10日的Landsat 8影像，結(jié)果顯示ESTARFM模型預(yù)測(cè)的Landsat 8影像比STARFM和FSDAF預(yù)測(cè)的更接近真實(shí)影像。局部放大影像顯示ESTARFM模型的融合影像與STARFM和FSDAF模型融合影像相比，空間細(xì)節(jié)更加清晰，層次性明顯，更好地保留了小地物的形狀。相比之下，STARFM預(yù)測(cè)的影像較為模糊，層次性較差，失去部分空間細(xì)節(jié)，存在斑塊化現(xiàn)象。

圖6 FSDAF預(yù)測(cè)反射率與真實(shí)反射率散點(diǎn)圖Fig.6 Scatter plots diagram of the actual reflectance and the predicted ones by the FSDAF

從STARFM、ESTARFM、FSDAF三種時(shí)空數(shù)據(jù)融合模型分別生成的2016年2月10日的30 m影像的Blue、Green、Red、NIR、SWIR1、SWIR2等六個(gè)波段的預(yù)測(cè)反射率與實(shí)際反射率之間關(guān)系的散點(diǎn)圖來(lái)看(圖4～圖6)，ESTARFM模型得到的各波段預(yù)測(cè)反射率與實(shí)際反射率的散點(diǎn)圖更接近1∶1線，且從整體上看，R均大于STARFM、FSDAF模型預(yù)測(cè)結(jié)果。由此可以說(shuō)明ESTARFM模型融合得到的影像與實(shí)際觀測(cè)的影像更相似，精度更高。

三種時(shí)空融合模型生成的Blue、Green、Red、SWIR1、SWIR2等六個(gè)波段整體上為ESTARFM 模型得到更高的R和SSIM，更小的RMSE(表1)，相較于STARFM和FSDAF模型，ESTARFM模型得到的融合影像R平均提高0.102、0.169；RMSE平均降低0.001、0.003、SSIM平均提高0.008、0.016。STARFM、ESTARFM、FSDAF模型得到的NIR波段的R均偏低，分別為0.699、0.672、0.645，表明預(yù)測(cè)期NIR波段影像受初期高空間分辨率NIR波段影響較大。由于NIR波段主要體現(xiàn)植被的生長(zhǎng)狀況，物候作用會(huì)引起地表反射率發(fā)生一定的變化。三種模型得到的預(yù)測(cè)反射率與真實(shí)反射率的相關(guān)性在波長(zhǎng)較長(zhǎng)的SWIR1、SWIR2波段最高。從整體上看，ESTARFM模型預(yù)測(cè)的地表反射率比STARFM和FSDAF模型精度更高。

表1 三種方法整體質(zhì)量評(píng)價(jià)結(jié)果 Table 1 Accuracy assessment of three data fusion methods

4 結(jié)論

為了解中國(guó)西南喀斯特地區(qū)持久性云雨天氣等原因而導(dǎo)致Landsat系列衛(wèi)星獲取的遙感數(shù)據(jù)缺失的問(wèn)題，遙感數(shù)據(jù)“時(shí)空矛盾”問(wèn)題，MODIS數(shù)據(jù)空間分辨率較低不適合小尺度應(yīng)用，喀斯特山區(qū)迫切需要高時(shí)空分辨率數(shù)據(jù)來(lái)支撐植被動(dòng)態(tài)、石漠化綜合防治相關(guān)研究等問(wèn)題，采用Landsat 8 OLI數(shù)據(jù)和MODIS數(shù)據(jù)，以喀斯特高原的20 km×20 km區(qū)域?yàn)閷?shí)驗(yàn)區(qū)，生成30 m具有MODIS時(shí)間分辨率數(shù)據(jù)，對(duì)比研究STARFM、ESTARFM、FSDAF三種時(shí)空融合模型在異質(zhì)性較高的喀斯特高原區(qū)的適用性。主要得出以下結(jié)論。

(1)ESTARFM模型得到的融合影像空間細(xì)節(jié)最為清晰，層次性更明顯，F(xiàn)SDAF模型次之，STARFM模型的結(jié)果影像較為模糊，層次性較差，失去部分空間細(xì)節(jié)，且存在斑塊化現(xiàn)象。

(2)ESTARFM模型生成的預(yù)測(cè)期影像與真實(shí)影像之間的相關(guān)性最高，結(jié)構(gòu)最為相似，融合效果

最佳。三種時(shí)空融合模型中，ESTARFM模型生成的融合影像與真實(shí)影像之間相關(guān)系數(shù)最高，R整體上高于0.75，且RMSE最低，SSIM最接近于1。

(3)ESTARFM模型利用像元間反射率隨時(shí)間的變化趨勢(shì)，結(jié)合光譜解混理論，能更好地預(yù)測(cè)異質(zhì)景觀下的地表反射率，在地形復(fù)雜、異質(zhì)性較大的喀斯特高原區(qū)具有較好的適用性。

通過(guò)STARFM、ESTARFM、FSDAF三種時(shí)空融合模型在喀斯特高原區(qū)的適用性分析，發(fā)現(xiàn)三種模型在NIR波段的R較其余波段低，由于初期高分辨率影像對(duì)預(yù)測(cè)結(jié)結(jié)果影響較大，而NIR波段主要體現(xiàn)植被的生長(zhǎng)狀況，物候作用會(huì)引起地表反射率發(fā)生一定的變化。STARFM 模型受景觀的斑塊大小影響較大，在地表破碎喀斯特高原區(qū)適應(yīng)性較差。FSDAF模型得到的預(yù)測(cè)影像相關(guān)性較低，主要是在估算每一類地物時(shí)間變化是采用的非監(jiān)督分類會(huì)對(duì)精度造成一定影響，從而增大了FSDAF模型的誤差。ESTARFM模型利用兩對(duì)初期影像計(jì)算相似像元權(quán)重和轉(zhuǎn)換系數(shù)，對(duì)于異質(zhì)性強(qiáng)的喀斯特高原區(qū)具有更好的適應(yīng)性。下一步將研究采用時(shí)空融合方法來(lái)生成長(zhǎng)時(shí)間序列NDVI數(shù)據(jù)集、植被覆蓋度數(shù)據(jù)集，對(duì)典型喀斯特小流域植被動(dòng)態(tài)變化進(jìn)行研究。