低云、高云和白天陸地霧遙感分離研究

劉 敏 劉 銳 黃金輝 李 敏 宋玲君

(廣東省國土資源技術中心, 廣州 廣東 510030)

0 引言

影像特征提取是使用計算機方法來研究影像特征,提取影像不變特征,依據(jù)提取的特征對研究對象進行處理[1]。國外利用遙感技術進行白天霧檢測起始于20世紀70年代,后來發(fā)現(xiàn)使用遙感影像提取霧區(qū)的難點集中在云霧分離,其后開始對云霧光譜和紋理特征進行深入研究[2-4]。因為霧形成的物理本質(zhì)和過程與低層云極為相似,可相互轉(zhuǎn)化,具有相同的大氣輻射特性[5-8],利用光譜特性很難分離低層云和霧,所以本文對云霧的紋理特征進行了研究,并結合現(xiàn)有的研究成果進行了實驗。目前國內(nèi)外學者[9-10]普遍對云和霧進行單獨研究,忽略了高云下面會存在霧的特殊情況,這種情況下遙感影像上為高云和霧的混合信息,采用云霧各自特征進行分離必然出現(xiàn)高云和霧誤分。

1 云霧遙感識別原理

高云、中云、低云分別通常分布在5 000 m以上、2 500～5 000 m、 2500 m以下。霧通常高度不超過1 000 m,因此霧的上面可能會有云存在,獲取的云霧區(qū)衛(wèi)星遙感影像上必須先分辨霧區(qū)上部是否有云存在。

我國陸地霧基本為輻射霧,輻射霧形成的前提條件必須有逆溫層存在,而只有地面熱量輻射出去才能形成逆溫層,如果有云存在,會造成大氣逆輻射,地面熱量幾乎無法輻射出去,所以通常中低云下面不會有霧,高云的下面才可能出現(xiàn)霧。在遙感影像上高云可能與中低云或霧重疊,中低云和霧不會重疊在一起,也不會出現(xiàn)高云與中低云、霧三者疊加在一起的情況,因此遙感大霧檢測可分為兩部分：一部分為高云區(qū)霧檢測,另一部分為無高云區(qū)霧檢測。高云區(qū)霧檢測要對高云與中低云或高云與霧的混合遙感信息進行研究來提取霧區(qū);因中低云和霧不會重疊在一起,無高云區(qū)云霧分離只需考慮云霧各自的光譜特性和紋理特性。

1.1 高云和中低云、霧光譜特性

強水汽吸收波段中大部分的輻射來自240～620 hpa大氣層,而最大輻射貢獻大約在400 hpa高度處,因此在強水汽吸收波段圖像中所包含的有關低層云霧的信息并不太多[9]。高度在2000 m以上的區(qū)域,高度越高圖像中的亮度值越大,由此高云區(qū)域可用強水汽吸收波段來提取,從圖1(a)中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer,MODIS)26波段(強水汽吸收波段)也可直觀地看出。如果高云下面有霧存在,用該波段進行高云分離,必然將下墊面的霧分離掉,所以此波段不適合提取高云下面的霧。

(a)26波段 (b)1波段 (c)6波段 (d)20波段

高云底高度通常在5 000 m以上的區(qū)域,一般海拔每上升100 m氣溫降低0.6 ℃,5 000 m以上的高空氣溫比地面低約30 ℃。我國陸地霧一般發(fā)生在冬季,在冬季這樣高度的空中氣溫低于0 ℃,導致云凝結量有限,而且會凝結成小冰晶,薄薄的一層且多數(shù)會透明,透光性佳且光學厚度較小,而中低云和霧由懸浮的水滴或微粒組成,透光性很差。

在可見光和近紅外波段的遙感信息中,主要反映目標物(地表、云霧頂)反射太陽輻射的能量,反射的太陽輻射能量和目標物輻射能量之比大約為1 000∶1,目標物自身的輻射和大氣對太陽輻射的散射可以忽略;衛(wèi)星在白天獲得的中紅外波段的遙感信息主要是目標物反射太陽輻射的能量,反射的太陽輻射能量和目標物輻射能量之比大約為10∶1,云霧層自身向外發(fā)射輻射的能力相對較強,這部分信息不可忽視[10]。因此在可見光和近紅外波段上,高云自身向外發(fā)射輻射能可忽略,而自身透光性佳且光學厚度小的特性使得如果高云區(qū)域下面有中低云或霧,二者的混合遙感信息以中低云或霧反射的太陽輻射為主,從圖1(b)MODIS 1波段(紅波段)、圖1(c)6波段(近紅外波段)也可直觀地看出;在中紅外波段上,高云自身向外發(fā)射輻射的能力相對較強,二者混合遙感信息包含高云發(fā)射輻射能,高云發(fā)射輻射能會干擾下面中低云或霧的遙感信息且不能被忽略,從圖1(d)MODIS 20波段(中紅外波段)也可直觀地看出。所以，從可見光和近紅外波段上尋找特征來提取高云下面的霧比中紅外波段更佳。

1.2 云霧紋理差異特性

紋理特征的研究一直是圖像處理領域的熱點,紋理可被定義為一個區(qū)域?qū)傩?區(qū)域內(nèi)的成分不能進行枚舉,且成分之間的相互關系不十分明確[11]。紋理是圖像中普遍存在的特征,可通過紋理特征的提取來區(qū)分對象。霧貼近地面而形成,高度分布范圍小,頂部平滑,邊界規(guī)則整齊,紋理特征明顯;云經(jīng)常移動變幻不定,邊界混亂,云頂起伏大,紋理特征混亂。因此，可以通過檢索遙感影像上云霧紋理特征差異來分離低云和霧。

2 霧檢測特征提取與選擇

因MODIS有36個光譜通道,覆蓋了可見光、近紅外、中紅外和熱紅外波段,能較好地反映大霧的光譜特征和紋理特征,因此，選取MODIS數(shù)據(jù)進行研究(表1)。MODIS數(shù)據(jù)1～19和26譜段為可見光和近紅外譜段,其余16個通道為熱紅外通道[12],其中，適合進行大霧檢測的為可見光、近紅外和中紅外波段。

表1 MODIS部分波段信息

2.1 高云和霧分離特征

文雄飛[13]使用Streamer大氣輻射傳輸模式模擬了高云、中云、低云和霧在MODIS可見光、短波紅外、中紅外波段的光譜輻射特征,模擬結果顯示MODIS數(shù)據(jù)1波段和6波段與1波段和20波段來構建歸一化霧指數(shù)來分離云霧效果最佳,但在區(qū)分低云和霧的過程中發(fā)現(xiàn)1波段和20波段構建的歸一化霧指數(shù)具有相對大的特征空間,因此他選擇了MODIS 1波段和20波段構造歸一化霧指數(shù)來提取霧區(qū)。

(1)

式中,N1,20表示MODIS 1波段和20波段構建的歸一化霧指數(shù);R1、R20分別表示MODIS 1波段和20波段的反射率。

由1.1節(jié)可知,從可見光和近紅外波段上尋找特征來提取高云下面的霧比中紅外波段更佳,所以本文基于文雄飛[13]的研究成果使用MODIS數(shù)據(jù)1波段(紅波段)和6波段(近紅外波段)構建歸一化霧指數(shù)提取高云下面的霧區(qū)。

(2)

式中,N1,6表示MODIS 1波段和6波段構建的歸一化霧指數(shù);R1、R6分別表示MODIS 1波段和6波段的反射率。

2.2 低云和霧分離特征

大量學者研究成果表明Gabor濾波正好能提取圖像中的窄帶信息,考慮到云霧紋理信息在窄帶部分差異較大,因此選擇基于Gabor濾波的方法進行大霧紋理特征分析。由“測不準原理”可知,Gabor變換具有最小的時頻窗,即Gabor函數(shù)能做到具有最精確的時間-頻率的局部化;另外,Gabor函數(shù)與人眼的生物作用相仿,這一點對研究圖像特征提取或空間頻率濾波非常有用[14]。Gabor函數(shù)可以在頻域不同尺度、不同方向上提取相關的特征,二維 Gabor 函數(shù)可以表示為

(3)

式中，(x，y)為圖像坐標；σ為標準差；v為Gabor核函數(shù)的尺度，其取值決定了Gabor濾波的波長；u為Gabor核函數(shù)的方向；k為總的方向數(shù)。

Gabor濾波進行紋理分割的基本原理為：將圖像變換至頻率域后,不同紋理對應不同的中心頻率及帶寬,在這些頻率和帶寬內(nèi)構造一系列帶通濾波器,每個帶通濾波器只允許與其頻率相對應的紋理通過。選擇適當?shù)腉abor濾波器對圖像紋理進行濾波,對濾波結果求取的均值或方差可作為圖像紋理特征。引入紋理特征主要為分離低云和霧,在可見光和近紅外波段上高云與中低云或霧的混合遙感信息以中低云或霧為主,所以選擇了紅波段進行紋理特征提取。

3 實驗與分析

3.1 霧檢測方法

對云霧影像先用MODIS 26波段通過閾值法將影像分成有高云和無高云兩個區(qū)域,對無高云區(qū)域采用MODIS 1波段和20波段構造歸一化霧指數(shù)和Gabor濾波來提取霧區(qū);對有高云區(qū)域采用MODIS 1波段和6波段構建的歸一化霧指數(shù)和Gabor濾波來提取霧區(qū)。

3.2 霧檢測實驗

3.2.1霧檢測結果

實例1：選取了2012年1月1日3 h 15 min(UTC)的MODIS中國區(qū)域影像數(shù)據(jù),這次大霧覆蓋范圍包括河南、河北等省,如圖2所示。

實例2：選取了2007年12月20日2 h 30 min(UTC)的MODIS中國區(qū)域影像數(shù)據(jù),這次大霧覆蓋范圍包括山東、河北等省,大霧發(fā)生時霧區(qū)上部有高云存在,如圖3所示,圖3(b)為實驗結果,圖3(c)對照組結果為文雄飛[13]使用基于MODIS 1波段和20波段構建的歸一化霧指數(shù)提取本次大霧的實驗結果,其采用的影像范圍和時間以及大霧檢測站點信息都與本次實驗相同,其實驗結果數(shù)據(jù)放在表2實例2對照組中。

(a)原始影像 (b)霧區(qū)和實測站點數(shù)據(jù)疊加圖

(a)原始影像 (b)霧區(qū)和實測站點數(shù)據(jù)疊加圖 (c)對照組實驗結果圖

表2 實驗精度評定

3.2.2檢測結果分析

本文增加了兩個由Bendix[15]提出的指標：檢測率(probability of detection,POD)和空檢率(false alarm ratio,FAR)，用中國氣象局提供的地面資料對檢測結果進行精度驗證。

(4)

(5)

式中,yy為遙感與地面實測站點都檢測有霧的站點數(shù)與所有地面站點數(shù)的比例;yn為遙感檢測有霧而地面實測站點檢測無霧的站點數(shù)與所有地面站點數(shù)的比例;ny為遙感檢測無霧而地面實測站點檢測有霧的站點數(shù)與所有地面站點數(shù)的比例。

從表2可知：總體精度都超過了80%,實例2與對照組相比總體精度提高了1.07%;在高云下面有霧的情況下,本方法與目前國內(nèi)外學者普遍不考慮該特殊情況而進行霧檢測相比,精度得到了穩(wěn)定的提升;從圖4(b)與圖4(c)對比中也可看出本文的方法使高云下面的霧區(qū)大部分被保留了下來。

4 結束語

本研究以MODIS影像為數(shù)據(jù)源,通過分析高云和中低云、霧的透光性和光譜特征以及紋理特征,挖掘了潛在的比較有效的分離云霧和提取高云下面霧區(qū)的特征,利用這些特征提取了霧區(qū),得到如下結論：

(1)用紅波段與近紅外波段構建的歸一化霧指數(shù)來提取高云下面的霧區(qū),可明顯減少高云下面的霧被錯分為高云,提高了霧檢測精度的可靠性。

(2)加入基于Gabor變換的紋理特征后在一定程度上提高了云霧分離精度,但光譜信息對霧的提取貢獻更大。

(3)雖然總體精度都在80%以上,但如果影像中存在大面積低云,檢測精度會受到很大影響,使霧檢測精度的離散性變大。

(4)本文所用數(shù)據(jù)源為250 m×250 m,可能存在小面積霧區(qū)不及單個像元,造成霧無法被檢出。從實驗結果也發(fā)現(xiàn)出現(xiàn)誤判的站點很多位于大范圍霧區(qū)的邊緣和小范圍霧對象內(nèi)。