資源一號(hào)02D衛(wèi)星影像防護(hù)林信息提取方法

李毅夫 王琫瑜 高志海 閆紫鈺 孫斌

(1 中國林業(yè)科學(xué)研究院資源信息所，北京 100091)(2 國家林業(yè)和草原局 林業(yè)遙感與信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100091)

2019年9月12日11時(shí)26分，我國在太原衛(wèi)星發(fā)射中心使用長征四號(hào)運(yùn)載火箭，成功將資源一號(hào)02D衛(wèi)星(又稱為5米光學(xué)業(yè)務(wù)衛(wèi)星)送入預(yù)定軌道。資源一號(hào)02D衛(wèi)星設(shè)計(jì)壽命5年，是我國自主建造并成功運(yùn)行的首顆民用高光譜業(yè)務(wù)衛(wèi)星。資源一號(hào)02D衛(wèi)星的發(fā)射，進(jìn)一步完善了自然資源衛(wèi)星觀測(cè)體系，并將與后續(xù)系列衛(wèi)星組網(wǎng)，形成全球領(lǐng)先的業(yè)務(wù)化對(duì)地光譜探測(cè)能力。防護(hù)林監(jiān)測(cè)是林業(yè)主體業(yè)務(wù)森林資源調(diào)查的主要內(nèi)容之一，目的是為國家適時(shí)掌握林業(yè)資源的狀況及變化情況提供可靠的技術(shù)支撐與信息保障[1]。在我國，防護(hù)林種類多、分布廣，隨著遙感技術(shù)的不斷發(fā)展特別是遙感數(shù)據(jù)源的不斷豐富，遙感成為防護(hù)林監(jiān)測(cè)的重要技術(shù)手段。

為進(jìn)一步了解資源一號(hào)02D衛(wèi)星影像特征及其在防護(hù)林信息提取中的應(yīng)用能力，本文以獲取的覆蓋河北省張北縣的資源一號(hào)02D衛(wèi)星多光譜和高光譜為主要數(shù)據(jù)源，基于監(jiān)督分類方法，開展了資源一號(hào)02D衛(wèi)星影像數(shù)據(jù)對(duì)農(nóng)田防護(hù)林遙感信息提取能力應(yīng)用測(cè)試，并與GF-2、Landsat-8 OLI等衛(wèi)星的遙感影像提取結(jié)果進(jìn)行了對(duì)比驗(yàn)證，旨在為資源一號(hào)02D衛(wèi)星在森林調(diào)查業(yè)務(wù)中防護(hù)林監(jiān)測(cè)與信息的提取能力與應(yīng)用潛力提供及時(shí)的參考信息。

1 研究區(qū)概況與數(shù)據(jù)準(zhǔn)備

1.1 研究區(qū)概況

為根治我國西北、華北和東北地區(qū)風(fēng)沙危害大、水土流失嚴(yán)重的狀況，國家于1978年決定在我國“三北”地區(qū)建設(shè)大型防護(hù)林生態(tài)工程，即“三北”防護(hù)林工程[2]。其中，張北防護(hù)林是風(fēng)沙入京的重要防線。本次實(shí)驗(yàn)研究區(qū)位于河北省張家口市張北縣，作為距離北京最近的主要沙源地，該縣地處河北省西北部，內(nèi)蒙古高原南緣的壩上地區(qū)，地處北緯40°57′～41°34′，東經(jīng)114°10′～115°27′之間，境域東西109 km，南北67 km；平均海拔1400多米，北、中部地勢(shì)平坦，向西北漸低；年平均氣溫3.2 ℃，晝夜溫差大；降水少，年平均降水量在300 mm左右且分布不均。

1.2 數(shù)據(jù)準(zhǔn)備

1.2.1 資源一號(hào)02D衛(wèi)星數(shù)據(jù)

綜合考慮衛(wèi)星在軌測(cè)試期間遙感影像的可獲得性及農(nóng)田防護(hù)林與農(nóng)作物的物候特征，選取研究區(qū)2020年8月10日空間分辨率為2.5 m、10 m的資源一號(hào)02D衛(wèi)星全色與多光譜影像和30 m的高光譜數(shù)據(jù)作為主要測(cè)試數(shù)據(jù)源，數(shù)據(jù)由自然資源部國土衛(wèi)星遙感應(yīng)用中心提供。

資源一號(hào)02D衛(wèi)星搭載一臺(tái)多光譜傳感器，能夠獲取9個(gè)波段多信息，除了具有GF-2所有的光譜波段外，還有以下不同：資源一號(hào)02D衛(wèi)星全色譜段分辨率可達(dá)2.5 m、多光譜為10 m，相對(duì)于高分二號(hào)(GF-2)衛(wèi)星數(shù)據(jù)在地物紋理特征表達(dá)相對(duì)較弱；由表1[3]可知，資源一號(hào)02D衛(wèi)星多光譜數(shù)據(jù)增加了深藍(lán)、黃邊、紅邊波段，在光譜信息上更有優(yōu)勢(shì)；資源一號(hào)02D衛(wèi)星可有效獲取115 km幅寬多光譜數(shù)據(jù)，回歸周期55天，重訪時(shí)間3天，相較于GF-2衛(wèi)星數(shù)據(jù)具有更高的覆蓋能力。

相較于GF-2衛(wèi)星5個(gè)波段、2臺(tái)相機(jī)的組合，資源一號(hào)02D衛(wèi)星多光譜VNIC傳感器，采用雙通道多譜段高集成焦平面技術(shù)，提高了影像獲取效率，一臺(tái)相機(jī)可獲取以往兩臺(tái)相機(jī)才能獲取的信息量，提高了相機(jī)的利用效率，節(jié)省了載荷成本[4]。

表1 資源一號(hào)02D衛(wèi)星與GF-2衛(wèi)星影像的主要參數(shù)對(duì)比Table 1 Comparison of spectral bands between ZY-1-02D satellite and GF-2 satellite

對(duì)遙感數(shù)據(jù)進(jìn)行基本的統(tǒng)計(jì)分析是圖像處理的基礎(chǔ)工作，對(duì)影像的顯示、波段組合和各種分析處理提供基礎(chǔ)依據(jù)[5]。統(tǒng)計(jì)內(nèi)容通常包括圖像各波段的最大值、最小值、平均值、方差、相關(guān)系數(shù)和各波段的直方圖等信息，見表2。分析波段間的相關(guān)性，可以避免選用信息量基本相同的波段[6]，由表3[3]可知，資源一號(hào)02D衛(wèi)星多光譜數(shù)據(jù)可見光波段間相關(guān)性較強(qiáng)，與2個(gè)近紅外波段相關(guān)性較弱；由表4[3]可知，通過主成分分析，前三個(gè)主成分可代表資源一號(hào)02D衛(wèi)星多光譜數(shù)據(jù)97.74%的信息量。

此外，資源一號(hào)02D衛(wèi)星搭載一臺(tái)可見短波紅外高光譜相機(jī)(AHSI)，可有效獲取60 km幅寬的166譜段高光譜數(shù)據(jù)，其分辨率優(yōu)于30 m。高光譜載荷可見近紅外和短波紅外光譜分辨率分別達(dá)到10 nm和20 nm。

表2 資源一號(hào)02D衛(wèi)星多光譜影像的統(tǒng)計(jì)特征值Table 2 Statistics of ZY-1-02D satellite multispectral image

表3 資源一號(hào)02D衛(wèi)星多光譜波段相關(guān)系數(shù)表Table 3 Band correlations of ZY-1-02D satellite multispectral data

表4 資源一號(hào)02D衛(wèi)星多光譜影像主成分變換信息統(tǒng)計(jì)表Table 4 Statistical results of principal component transformation information of ZY-1-02D satellite multispectral data

高光譜影像數(shù)據(jù)具有大量“連續(xù)”的波段、很窄的波段間隔的特點(diǎn)，可以探測(cè)與識(shí)別地物的類別、組分等細(xì)節(jié)特征。通過資源一號(hào)02D衛(wèi)星高光譜數(shù)據(jù)提取典型地物光譜曲線如圖1所示，光譜曲線越接近的地物類型區(qū)分難度越大，在資源一號(hào)02D衛(wèi)星高光譜數(shù)據(jù)400 nm到2500 nm的波長范圍內(nèi)，利用典型地物灰度(DN)值差值較大時(shí)對(duì)應(yīng)的波段，可有效將研究區(qū)主要典型地物區(qū)分并提取防護(hù)林信息。

圖1 實(shí)驗(yàn)區(qū)典型地物光譜曲線圖Fig.1 Spectra of main land cover types of the test image

1.2.2 對(duì)比遙感數(shù)據(jù)

選擇2020年8月25日的GF-2(空間分辨率全色為1 m、多光譜為4 m)影像，作為資源一號(hào)02D衛(wèi)星多光譜影像對(duì)比數(shù)據(jù)，由中國資源衛(wèi)星應(yīng)用中心提供；選擇2020年8月26日Landsat-8 OLI影像作為資源一號(hào)02D衛(wèi)星高光譜影像對(duì)比數(shù)據(jù)，由地理空間數(shù)據(jù)云提供[7]。

1.2.3 數(shù)據(jù)預(yù)處理

根據(jù)自然資源部國土衛(wèi)星遙感應(yīng)用中心提供的資源一號(hào)02D衛(wèi)星絕對(duì)定標(biāo)系數(shù)和光譜響應(yīng)函數(shù)，分別對(duì)多光譜和高光譜數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正(FLAASH模塊)。資源一號(hào)02D衛(wèi)星多光譜和高光譜數(shù)據(jù)進(jìn)行正射校正后分別與GF-2和Landsat-8的OLI進(jìn)行幾何校正，控制誤差在0.5個(gè)像元內(nèi)。詳細(xì)技術(shù)過程見圖2所示。

圖2 防護(hù)林提取過程圖Fig.2 Flow chart of shelter forest extraction

2 研究方法

2.1 基于多光譜影像的防護(hù)林信息提取

綠色植被比值植被指數(shù)(RVI)值較高；而無植被地面包括裸土、人工地物、水體以及枯死或受脅迫植被RVI值較小[8]。所以，RVI能增強(qiáng)植被與土壤背景之間的輻射差異；而且在高植被覆蓋度下，RVI對(duì)植被十分敏感，但當(dāng)植被覆蓋度小時(shí)，其分辨能力下降。防護(hù)林林帶內(nèi)種植密集，在國產(chǎn)高分辨率分辨率影像中具有較高的覆蓋度，與土壤背景差別較為明顯，使用RVI在植被覆蓋濃密的情況下提取防護(hù)林信息效果更好[9]。比值植被指數(shù)可以表達(dá)為

(1)

式中：DNIR為近紅外波段灰度值、DR紅光波段灰度值；ρ為地表反射率ρNIR近紅外波段反射率，ρR紅光波段反射率。

本次試驗(yàn)將RVI作為特征波段，分別加入資源一號(hào)02D衛(wèi)星和GF-2衛(wèi)星多光譜數(shù)據(jù)，通過隨機(jī)森林分類方法對(duì)防護(hù)林信息提取。

2.2 基于高光譜影像的防護(hù)林信息提取

鑒于高光譜數(shù)據(jù)波段多、信息量大、各波段之間存在信息冗余的特點(diǎn)，本次測(cè)試采用主成分分析(PCA)的方法對(duì)測(cè)試數(shù)據(jù)進(jìn)行降維，以減少高光譜數(shù)據(jù)冗余和部分噪聲并減小數(shù)據(jù)量[10]。選取前8個(gè)波段代表資源一號(hào)02D衛(wèi)星高光譜數(shù)據(jù)99%以上的信息參與分類，使用隨機(jī)森林分類器對(duì)防護(hù)林進(jìn)行識(shí)別提取。

3 結(jié)果與分析

借助更高分辨率影像數(shù)據(jù)和地面調(diào)查等數(shù)據(jù)作為影像中地類真值，對(duì)Landsat-8 OLI與資源一號(hào)02D衛(wèi)星數(shù)據(jù)的防護(hù)林提取結(jié)果進(jìn)行評(píng)價(jià)。

3.1 基于多光譜影像的防護(hù)林信息提取

采用隨機(jī)森林分類方法，分別在GF-2與資源一號(hào)02D衛(wèi)星多光譜數(shù)據(jù)波段中加入各自的RVI波段進(jìn)行分類。通過目視對(duì)比判斷，由圖3、圖4可知GF-2與資源一號(hào)02D衛(wèi)星多光譜數(shù)據(jù)均可以很好的地提取防護(hù)林信息，多光譜高分辨率影像不僅可以準(zhǔn)確提取片狀林地，而且對(duì)條帶狀防護(hù)林有很好的提取能力。

圖3 資源一號(hào)02D衛(wèi)星多光譜影像防護(hù)林分類提取結(jié)果Fig.3 ZY-1-02D satellite multispectral image shelter forest classification and extraction results

圖4 GF-2衛(wèi)星影像防護(hù)林分類提取結(jié)果Fig.4 GF-2 satellite multispectral image shelter forest classification and extraction results

3.2 基于高光譜影像的防護(hù)林信息提取

采用隨機(jī)森林分類方法，分別對(duì)Landsat-8 OLI與資源一號(hào)02D衛(wèi)星高光譜數(shù)據(jù)進(jìn)行分類。通過目視對(duì)比判斷，由圖5、圖6可知Landsat-8 OLI與資源一號(hào)02D衛(wèi)星高光譜數(shù)據(jù)對(duì)片狀林地具有很好的提取能力，而對(duì)條帶狀防護(hù)林的提取能力相對(duì)較弱。

圖5 ZY-1-02D衛(wèi)星高光譜影像防護(hù)林分類提取結(jié)果Fig.5 ZY-1-02D satellite hyperspectrall image shelter forest classification and extraction results

圖6 Landsat-8衛(wèi)星影像防護(hù)林分類提取結(jié)果Fig.6 Landsat-8 satellite image shelter forest classification and extraction results

3.3 精度檢驗(yàn)

本文在多光譜數(shù)據(jù)測(cè)試中，共選取樣本132個(gè)，其中防護(hù)34個(gè)，其他類型樣本98個(gè)；在高光譜數(shù)據(jù)測(cè)試中，共選取樣本143個(gè)，其中防護(hù)34個(gè)，其他類型樣本119個(gè)。防護(hù)林分類提區(qū)結(jié)果見表5。

表5 提取結(jié)果精度驗(yàn)證Table 5 Accuracy evaluation of classification results

3.4 結(jié)果分析

由分類精度驗(yàn)證可知，資源一號(hào)02D衛(wèi)星多光譜數(shù)據(jù)和GF-2數(shù)據(jù)對(duì)防護(hù)林提取結(jié)果均具有較高的精度，表明資源一號(hào)02D衛(wèi)星多光譜數(shù)據(jù)對(duì)防護(hù)林具有較好的提取能力。結(jié)合目視對(duì)比判斷各影像與其對(duì)應(yīng)的分類結(jié)果可知，資源一號(hào)02D衛(wèi)星多光譜數(shù)據(jù)對(duì)條帶狀和片狀防護(hù)林地均具有較好的識(shí)別提取能力。

在資源一號(hào)02D衛(wèi)星高光譜數(shù)據(jù)以及Landsat-8數(shù)據(jù)的分類結(jié)果中，防護(hù)林提取結(jié)果的正確率均保持較高水平，冗余誤差和遺漏誤差較小，結(jié)合目視對(duì)比判斷各影像與其對(duì)應(yīng)的分類結(jié)果可知，資源一號(hào)02D衛(wèi)星高光譜數(shù)據(jù)對(duì)片狀防護(hù)林地具有較好的識(shí)別能力，光譜特征明顯，但是由于分辨率的限制，在防護(hù)林帶和行道樹的提取中略有不足。

4 結(jié)束語

資源一號(hào)02D衛(wèi)星同時(shí)具備高分辨率和高光譜成像能力，本文通過開展資源一號(hào)02D衛(wèi)星影像對(duì)防護(hù)林遙感信息提取能力應(yīng)用測(cè)試，驗(yàn)證資源一號(hào)02D衛(wèi)星多光譜和高光譜數(shù)據(jù)在實(shí)現(xiàn)防護(hù)林提取方面分類精度較高、實(shí)用性強(qiáng)，具有較好的提取能力，可滿足三北防護(hù)林分布監(jiān)測(cè)及變化等信息遙感提取。多光譜數(shù)據(jù)適用于較大尺度的防護(hù)林信息識(shí)別提取與監(jiān)測(cè)，而高光譜數(shù)據(jù)更適合用于防護(hù)林類型的精細(xì)識(shí)別、樹種識(shí)別和林木病蟲害監(jiān)測(cè)識(shí)別等。在森林調(diào)查和監(jiān)測(cè)主題業(yè)務(wù)中具有巨大的應(yīng)用潛力。

防護(hù)林在遙感影像中具有典型的植被特征，但要從復(fù)雜的綠色植被中提取出來，不僅要分析其光譜特征，也需充分利用其獨(dú)特的空間幾何特征。在多光譜數(shù)據(jù)的高分辨率尺度下，防護(hù)林具有較強(qiáng)的紋理特征，針對(duì)這一特征可以進(jìn)一步研究其紋理特征參數(shù)，綜合其他幾何特征，將會(huì)進(jìn)一步提高農(nóng)田防護(hù)林的提取精度。而由于沒有足夠詳細(xì)的地面實(shí)測(cè)數(shù)據(jù)，不能充分發(fā)揮高光譜數(shù)據(jù)的光譜優(yōu)勢(shì)，無法體現(xiàn)出防護(hù)林內(nèi)部的林分差異等特征。

本次測(cè)試實(shí)驗(yàn)影像選取時(shí)間為8月份，雖然是植被的生長季，但不是區(qū)分防護(hù)林和其他類型植被的最佳物候期，而且針對(duì)防護(hù)林的分類提取方法較為簡單，對(duì)于資源一號(hào)02D衛(wèi)星數(shù)據(jù)的潛力尚有待通過更加深入的研究加以探索。