“高分一號”衛(wèi)星多光譜寬幅相機影像合成

李俊杰 姜濤 傅俏燕

“高分一號”衛(wèi)星多光譜寬幅相機影像合成

李俊杰 姜濤 傅俏燕

（中國資源衛(wèi)星應(yīng)用中心，北京 100094）

云對光學遙感衛(wèi)星影像影響較大，影像上的云及其陰影均會不同程度遮掩地物，降低影像的使用價值?！案叻忠惶枴保℅F-1）衛(wèi)星多光譜寬幅相機（WFV）影像相較于美國的陸地衛(wèi)星系列和歐空局的“哨兵2號”衛(wèi)星影像，空間分辨率適中，時間分辨率較高，更有利于進行無云影像合成。利用WFV影像的高頻時間序列數(shù)據(jù)合成無云影像，可使GF-1衛(wèi)星數(shù)據(jù)在土地利用和覆蓋變化、農(nóng)作物監(jiān)測等領(lǐng)域得到更有效的應(yīng)用。文章基于已有的最大植被指數(shù)和最小藍光波段反射率影像合成方法，提出了一種新的影像合成方法，該方法既解決了最大植被指數(shù)合成影像中水體有云和耀斑的問題，也彌補了最小藍光波段合成影像中陸地上部分云和陰影去除效果不佳的缺陷。將該方法應(yīng)用于湖南省多云月份GF-1衛(wèi)星WFV影像的合成實現(xiàn)，結(jié)果表明該方法可用于中分辯率、高頻時間序列衛(wèi)星遙感影像合成，合成影像成果中云和云陰影比例低，效果較好。

無云影像 時間序列 影像合成 多光譜寬幅相機 “高分一號”衛(wèi)星

0 引言

在使用光學衛(wèi)星傳感器觀測地球時，云和其他大氣現(xiàn)象的干擾是一個令人嚴重關(guān)切的問題[1]。全球的年平均云量為64%，北半球陸地年平均云量為55%[2]。相對固定軌道的光學遙感衛(wèi)星有超過一半的影像數(shù)據(jù)受到云的影響，云及其陰影是光學遙感影像上的一個主要噪聲源，會不同程度地遮蔽地物。得益于美國的陸地衛(wèi)星系列、歐空局的“哨兵2號”和中國的“高分一號”（GF-1）的免費、公開的數(shù)據(jù)政策[3-5]，中等分辨率的陸地觀測衛(wèi)星數(shù)據(jù)在各行各業(yè)得到廣泛應(yīng)用，但是影像上的云會干擾數(shù)據(jù)的分析，進而增加工作的復雜性。

數(shù)據(jù)分析人員一般需要花大量的工作來挑選光學影像的無云數(shù)據(jù)。如何消除和降低云對光學影像的影響，以提升數(shù)據(jù)使用的方便性成為業(yè)內(nèi)備受關(guān)注的問題，影像合成是解決該問題的一種途徑，是從一系列糾正好的時間序列影像中按照一定的標準挑選出“最好”的“觀測”，合成一幅在該時間段能夠代表該區(qū)域、在空間上連續(xù)且去除云和大氣影響的數(shù)據(jù)集[6]。影像合成時挑選最佳（無云）像元的標準通常有歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）最大值、亮度溫度最大值、地表溫度最大值、紅波段與近紅外波段反射率差異最大值、觀測角最小值、熱輻射最大值，以及上述兩個或多個標準的聯(lián)合運用[7-8]。

影像合成最初是為了減少甚高分辨率掃描輻射計（AVHRR）時間序列影像中的殘留云和氣溶膠污染，以產(chǎn)生具有代表性的天數(shù)據(jù)集[9]。針對AVHRR、MODIS、Landsat和“哨兵2號”等衛(wèi)星數(shù)據(jù)，已提出多種影像合成方法并實現(xiàn)了上述衛(wèi)星數(shù)據(jù)的無云影像合成[1,6-14]：影像合成標準用得最多的是NDVI最大值，該算法假定對于陸地上的給定像元，較高的NDVI值通常表示較低的云量[10]，但是該方法對于NDVI為負值的區(qū)域是失效的，例如水體和裸地等[11]；AVHRR、MODIS和Landsat數(shù)據(jù)由于有熱紅外波段，而云的溫度相對地表明顯偏低，所以這些數(shù)據(jù)的影像合成方法大多采用了熱紅外波段[6,8,11,13]，可以較有效去除云。文獻[12]針對“哨兵2A”衛(wèi)星的10m多光譜數(shù)據(jù)，提出了一種基于暗像元和NDVI最大值的混合方法，但該方法在水體區(qū)域效果不佳[12]；對于基于云掩膜的影像合成方法[15]，首先要生成云掩膜，該方法的影像合成結(jié)果高度依賴云掩膜的精度，而且長時間序列數(shù)據(jù)計算復雜度高。

GF-1衛(wèi)星搭載有16m分辨率多光譜寬幅相機（WFV），具備全球4天重訪能力[16]。WFV影像空間分辨率適中，時間分辨率較高，適合進行影像合成生成無云影像，方便用戶后續(xù)使用。本文提出了一種有效的中分辨率時間序列影像合成新方法，是基于已有的NDVI最大值和藍波段反射率最小值的影像合成方法生成無云影像，不需要熱紅外波段，解決了以往影像合成方法中水體區(qū)域效果不好的問題，同時最大程度保留了陸地區(qū)域的有效信息。將該方法用于湖南省多云月份的時間序列GF-1衛(wèi)星 WFV影像，實現(xiàn)了該月的無云影像合成，效果較好。

1 影像合成方法

在對某一個時間段內(nèi)時間序列影像進行影像合成之前，需要對影像的標準產(chǎn)品做一些預處理工作，包括正射校正、大氣層頂反射率計算和NDVI計算，然后再按照一定步驟進行影像合成以生成新的無云影像。

1.1 影像預處理

（1）正射校正

衛(wèi)星在成像過程中受到大氣折射、地表曲率和地形起伏等諸多因素的影響，導致影像發(fā)生幾何形變；正射校正的目的是消除幾何形變的影響，將原始影像像元位置關(guān)聯(lián)到地表實際空間位置[17]。通過對影像進行正射校正處理，時間序列的影像都能得到精確的糾正。不同時間的影像之間的幾何偏差要小于1個像元，從而保證在進行影像合成時挑選的是同一格網(wǎng)位置的像元。

（2）大氣層頂反射率計算

影像的灰度（DN）值應(yīng)轉(zhuǎn)換為輻射度，以最大程度地減少儀器輻射校準的變化；然后轉(zhuǎn)換為大氣層頂反射率，以最大程度地減少因日地距離、太陽高度角和光譜波段不同，導致的大氣外太陽輻照度差異而引起的遙感數(shù)據(jù)變化[18]。

使用輻射定標系數(shù)把波段的DN值轉(zhuǎn)為輻亮度，具體算式為

=·DN+（1）

式中是衛(wèi)星載荷波段入瞳處等效輻射亮度；和分別為定標系數(shù)增益、偏移量。

計算各波段的大氣層頂反射率，具體公式為

式中B為第波段大氣層頂反射率；為日地距離（天文單位）；ESUN為大氣層頂?shù)钠骄柟庾V輻照度；為太陽的天頂角。

GF-1 WFV影像的外場絕對輻射定標系數(shù)可在中國資源衛(wèi)星應(yīng)用中心的官方網(wǎng)站下載。

（3）NDVI計算

影像上每個像元的NDVI值將用于后續(xù)影像合成中像元的選取，NDVI的計算需要紅波段和近紅外波段的反射率，具體公式為

NDVI=(NIR–)/(NIR+) （3）

式中和NIR分別為紅波段和近紅外波段的反射率，本文的NDVI計算使用紅波段和近紅外波段的大氣層頂反射率。

1.2 影像合成

本文假定在一個有限的時間范圍內(nèi)（比如一個月），同一地理位置的地表覆蓋類型不發(fā)生變化，這是影像合成的前提。從時間序列影像中選取最佳的像元對影像合成的效果非常關(guān)鍵。本文提出的方法其影像合成過程大致可分為有5步（見圖1），具體如下：

1）影像數(shù)據(jù)分塊。為了降低計算壓力，減少重復運算，采用分塊的方式來合成影像；每塊3 000× 3 000個像元（900萬個像元）；用固定格網(wǎng)的分塊去裁切經(jīng)過預處理的每景數(shù)據(jù)，得到分塊的結(jié)果。對于GF-1衛(wèi)星WFV影像，每一塊大小68.6 Mbit（16bit存儲）。以下處理步驟均基于分塊影像。

2）NDVI最大值影像合成。對于每個像元所在位置，有若干個時相的數(shù)據(jù)對應(yīng)，選取其中NDVI最大值所對應(yīng)時相的影像像元作為合成后影像像元值，得到合成影像A。

3）藍波段反射率最小值影像合成。類似于步驟2，但像元的選取標準為藍波段大氣層頂反射率最小值，得到合成影像B。

4）影像A和B合成NDVI影像。合成影像A和B分別計算NDVI值，并取兩者的NDVI最小值合成新的NDVI影像C。

5）影像A和B合成得到最終的無云影像。對于影像A的像元，如果對應(yīng)位置上影像C的像元值（NDVI值）小于0，則替換為合成影像B的像元值，得到最終的合成影像D。

圖1 影像合成流程

2 影像合成方法實現(xiàn)

2.1 數(shù)據(jù)集和研究區(qū)域

選取2019年8月湖南省行政區(qū)范圍內(nèi)云量小于90%的GF-1衛(wèi)星所有WFV影像作為數(shù)據(jù)集來驗證本文提出方法的有效性。WFV影像有藍（0.45~0.52μm）、綠（0.52~0.59μm）、紅（0.63~0.69μm）和近紅外（0.77~0.89μm）4個多光譜波段，其幅寬在國際同類分辨率相機中為最寬[19]。

湖南省位于中國中部，地理范圍在北緯24.6°~30.1°，東經(jīng)108.8°~114.3°之間，總面積21.2×104km2。湖南地處云貴高原向江南丘陵和南嶺山脈向江漢平原過渡的地帶，地貌多樣，由平原、盆地、丘陵地、山地、河湖構(gòu)成；地跨長江、珠江兩大水系，河網(wǎng)密布，有中國第二大淡水湖洞庭湖；屬亞熱帶季風氣候，土地資源總量豐富，類型齊全。數(shù)據(jù)集共計38景，單景影像的幅寬210km，每景數(shù)據(jù)都部分含云，數(shù)據(jù)均可從中國資源衛(wèi)星應(yīng)用中心的官方網(wǎng)站免費獲取（數(shù)據(jù)列表見表1）。

表1 使用的GF-1衛(wèi)星WFV影像列表

Tab.1 The list of GF-1 satellite WFV images used

2.2 測試結(jié)果

覆蓋整個湖南省行政區(qū)的分塊格網(wǎng)總共144塊，挑出其中編號為118的分塊展示時間序列影像和合成結(jié)果（見圖2），均為波段4、3和2假彩色合成。分塊118在數(shù)據(jù)集中共有5個時相的WFV影像，見圖2（a）~（e），圖像中的黑色部分為無值區(qū)域，5個序列影像上都部分有云或不完整，其中圖2（e）粗看均為無值區(qū)域但仔細看右下角有一小塊區(qū)域有值。圖2（f）是118分塊NDVI最大值的合成影像結(jié)果，影像完整，基本無云，但是在水體區(qū)域存在耀斑和少量云，這是NDVI最大值合成結(jié)果的一個缺陷，也是因為水體的NDVI值較低，一般為負值，水體區(qū)域在影像合成時依據(jù)NDVI最大值選取像元，往往會誤選中影像上有云和耀斑的像元；圖2（g）是118分塊藍波段反射率最小值的合成影像結(jié)果，影像完整，基本無云，水體區(qū)域無耀斑，但是陸地的云填補比較突兀，云的陰影沒有消除，這是因為陰影的藍波段反射率很低，陸地區(qū)域在影像合成時依據(jù)藍波段反射率最小值選取像元，會誤選中影像上有陰影的像元；圖2（h）是118分塊最終的合成影像結(jié)果，影像完整，基本無云，水體區(qū)域相對圖2（f）無耀斑和云，有明顯改善；陸地區(qū)域相對圖2（g）比較突兀的云填補和大部分云的陰影得到消除；圖2（h）作為最終合成影像，結(jié)合圖2（f）和圖2（g）合成結(jié)果的優(yōu)點，避免了缺陷，效果較好。

圖2 分塊（編號118）時間序列影像和不同方法的合成影像結(jié)果

圖3左圖為研究區(qū)144塊格網(wǎng)數(shù)據(jù)集單景影像的疊加展示，明顯有較多的云；圖3右圖是研究區(qū)數(shù)據(jù)集使用本文方法進行影像合成后的結(jié)果（范圍按照湖南省行政界限裁切）展示；圖3的左圖和右圖均采用波段4、3和2假彩色合成。圖3右圖展示的影像合成結(jié)果總體目視效果較好，無異常值和空洞，云的陰影區(qū)和水體上的云及耀斑得到了很好的去除，云量低于1%，局部有云的區(qū)域是因為該位置8月WFV時間序列影像均有云。但是合成影像也存在一些問題，例如部分區(qū)域還存在色彩差異，雖然時間限定在一個月，可由于成像時的天氣差異，本文提出的合成方法未對影像做大氣校正，導致部分區(qū)域有肉眼可見的色差；在原始分辨率下查看，有些區(qū)域還有“補丁”現(xiàn)象，“補丁”區(qū)域色彩與周圍區(qū)域過渡不自然，略顯突兀。

圖3 覆蓋研究區(qū)的時間序列單景正射影像疊合圖（左）和最終的合成結(jié)果（右）

3 結(jié)束語

本文提出了一種新的針對中分時序影像的影像合成方法，并在GF-1衛(wèi)星 WFV數(shù)據(jù)集上得到了驗證。該方法可用于中分、高頻時間序列數(shù)據(jù)的影像合成，在地物類型多樣化條件下能有效去除云和陰影的影響。另一方面本方法也有其局限性，主要表現(xiàn)在WFV合成影像的部分區(qū)域存在肉眼可見的色彩差異。造成該問題的原因包括雙向反射分布（Bidirectional Reflectance Distribution Function，BRDF）效應(yīng)、未進行大氣校正等。WFV影像幅寬較大，4臺相機單次成像整體幅寬超過800km。從寬視場衛(wèi)星數(shù)據(jù)（例如AVHRR或MODIS衛(wèi)星）生成的合成影像來看，通常都包含顯著的BRDF效應(yīng)[20-22]。BRDF效應(yīng)是觀測角和太陽照射角度變化和自然表面的各向異性導致的。

鑒于上述因素，后續(xù)工作中為了消除BRDF對合成結(jié)果的影響，需要限制挑選像元的觀測角，理想情況下應(yīng)選擇接近星下點觀測的像元，適當增大影像重疊度和時間跨度；另外，還可考慮引入可靠的大氣校正算法，對時間序列影像進行大氣校正。

[1] CIHLAR J, MANAK D, IORIO M D. Evaluation of Compositing Algorithms for AVHRR Data Over Land[J]. IEEE Transactions on Geoscience and Remote Sensing, 1994, 32(2): 427-437.

[2] HAHN C J, WARREN S G, LONDON J. The Effect of Moonlight on Observation of Cloud Cover at Night, and Application to Cloud Climatology[J]. Journal of Climate, 1995, 8(5): 1429-1446.

[3] WULDER M A, LOVE T R, ROY D P, et al. Current Status of Landsat Program, Science, and Applications[J]. Remote Sensing of Environment, 2019, 225: 127-147.

[4] ASCHBACHER J, MILAGRO-PEREZ M P. The European Earth Monitoring (GMES) Programme: Status and Perspectives[J]. Remote Sensing of Environment, 2012, 120: 3-8.

[5] 趙聰, 楊璐. 中國高分衛(wèi)星16米數(shù)據(jù)正式全球開放共享[N/OL]. 中國航天報, 2019-11-09[2020-02-18]. http://www.spacechina.com/n25/n2014789/n2014804/c2773939/content.html. ZHAO Cong, YANG Lu. China's Gaofen Satellite 16m Data is Officially Open for Global Sharing[N/OL]. China Aerospace News, 2019-11-09[2020-02-18]. http://www.spacechina.com/n25/n2014789/n2014804/c2773939/content.html. (in Chinese)

[6] 蔣耿明, 牛錚, 阮偉利, 等. MODIS影像合成算法研究和實現(xiàn)[J]. 國土資源遙感, 2004(2): 11-15. JIANG Gengming, NIU Zheng, RUAN Weili, et al. Cloud-free Composition of MODIS Data and Algorithm Realization[J]. Remote Sensing for Land & Resources, 2004(2): 11-15. (in Chinese)

[7] WOLFE R E, ROY D P, VERMOTE E. MODIS Land Data Storage, Gridding, and Compositing Methodology: Level 2 Grid[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(4): 1324-1338.

[8] ROY D P. The Impact of Misregistration Upon Composited Wide Field of View Satellite Data and Implications for Change Detection[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(4): 2017-2032.

[9] FRASER A D, MASSOM R A, MICHAEL K J. A Method for Compositing Polar MODIS Satellite Images to Remove Cloud Cover for Landfast Sea-Ice Detection[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(9): 3272-3282.

[10] HOLBEN B N. Characteristics of Maximum-value Composite Images from Temporal AVHRR Data[J]. International Journal of Remote Sensing, 1986, 7(11): 1417-1434.

[11] WANG L, XIAO P, FENG X, et al. Effective Compositing Method to Produce Cloud-Free AVHRR Image[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(1): 328-332.

[12] RAMOINO F, TUTUNARU F, PERA F, et al. Ten-Meter Sentinel-2A Cloud-Free Composite—Southern Africa 2016[J]. Remote Sensing, 2017(9): 652.

[13] ROY D P, JU J, KLINE K, et al. Web-enabled Landsat Data(WELD): Landsat ETM+ Composited Mosaics of the Conterminous United States[J]. Remote Sensing of Environment, 2010, 114(1): 35-49.

[14] VUOLO F, NG W T, ATZBERGER C. Smoothing and Gap-filling of High Resolution Multi-spectral Time Series: Example of Landsat Data[J]. International Journal of Applied Earth Observation and Geoinformation, 2017(57): 202-213.

[15] LUO Y, TRISHCHENKO A, KHLOPENKOV K. Developing Clear-sky, Cloud and Cloud Shadow Mask for Producing Clear-sky Composites at 250-meter Spatial Resolution for the Seven MODIS Land Bands over Canada and North America[J]. Remote Sensing of Environment, 2008, 112(12): 4167-4185.

[16] 陸春玲, 王瑞, 尹歡. “高分一號”衛(wèi)星遙感成像特性[J]. 航天返回與遙感, 2014, 35(4): 67-73. LU Chunling, WANG Rui, YIN Huan. GF-1 Satellite Remote Sensing Characters[J]. Spacecraft Recovery & Remote Sensing, 2014, 35(4): 67-73. (in Chinese)

[17] 孫家炳. 遙感原理與應(yīng)用[M]. 武漢: 武漢大學出版社, 2013: 105-116. SUN Jiabing. Principles and Applications of Remote Sensing[M]. Wuhan: Wuhan University Press, 2013: 105-116.

[18] CHANDER G, HUANG Chengquan, YANG Limin, et al. Developing Consistent Landsat Data Sets for Large Area Applications: The MRLC 2001 Protocol[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(4), 777-781.

[19] 白照廣. 高分一號衛(wèi)星的技術(shù)特點[J]. 中國航天, 2013(8): 5-9. BAI Zhaoguang. Technology Characters of GF-1 Satellite[J]. Aerospace China, 2013(8): 5-9. (in Chinese)

[20] CIHLAR J, HOWARTH J. Detection and Removal of Cloud Contamination from AVHRR Images[J]. IEEE Transactions on Geoscience and Remote Sensing, 1994, 32(3): 583-589.

[21] GAO Feng, JIN Yufang, SCHAAF C B, et al. Bidirectional NDVI and Atmospherically Resistant BRDF Inversion for Vegetation Canopy[J]. IEEE Transactions on Geoscience and Remote Sensing, 40(6), 1269-1278.

[22] ROY D P, LEWIS P, SCHAAF C, et al. The Global Impact of Clouds on the Production of MODIS Bidirectional Reflectance Model-based Composites for Terrestrial Monitoring[J]. IEEE Geoscience and Remote Sensing Letters, 2006, 3(4): 452-456.

Cloud-free Image Composite of GF-1 Wide Field of View Camera

LI Junjie JIANG Tao FU Qiaoyan

（China Centre for Resources Satellite Data and Application, Beijing 100094, China）

Clouds have a greater impact on optical satellite remote sensing images. The clouds and their shadows on the images will cover the ground to varying degrees, reducing the use value of the images. Compared with the US Landsat satellite series and ESA's Sentinel-2 satellite images, the GF-1 WFV image has moderate spatial resolution and high temporal resolution, which is more conducive to cloud-free image composition. Using the high-frequency time series data of the GF-1 WFV image to compose cloud-free images can make GF-1 satellite data more convenient and effective in land use and cover change, crop monitoring and other fields. This paper proposes a new image composite method based on the existing maximum NDVI and minimum blue band reflectance image composite methods, combining the advantages of the two methods above. This method not only solves the problem of cloud and flare in the water body in the maximum NDVI composite image, but also solves the problem of poor cloud and shadow removal on the land in the minimum light band composite image. The method proposed in this paper is used to compose the GF-1 WFV image on a cloudy month in Hunan Province. The results show that this method can be used to compose satellite remote sensing images with mid-resolution and high-frequency time series. The ratio of clouds to cloud shadow of the composite images is low and the result is good.

cloud-free image; time series; image composite; wide field of view; GF-1 satellite

P237

A

1009-8518(2020)05-0095-07

10.3969/j.issn.1009-8518.2020.05.011

2020-02-18

國家重點研發(fā)計劃資助（2018YFB0505000）

李俊杰, 姜濤, 傅俏燕. “高分一號”衛(wèi)星多光譜寬幅相機影像合成[J]. 航天返回與遙感, 2020, 41(5): 95-101.

LIJunjie,JIANG Tao, FU Qiaoyan. Cloud-free Image Composite of GF-1 Wide Field of View Camera [J]. Spacecraft Recovery & Remote Sensing, 2020, 41(5): 95-101. (in Chinese)

李俊杰，男，1983年生，2007年獲中國科學院研究生院人文地理學專業(yè)碩士學位，高級工程師。研究方向為遙感數(shù)據(jù)處理與應(yīng)用。E-mail：lijunjie299@126.com。

（編輯：夏淑密）