基于ESTARFM 的MODIS 與Sentinel-2三江平原EVI 與LSWI 時(shí)空融合質(zhì)量評(píng)價(jià)

曾令輝 佟欣羽

（遼寧師范大學(xué)地理科學(xué)學(xué)院，遼寧 大連 116029）

時(shí)序遙感數(shù)據(jù)可以用于描述不同時(shí)期的農(nóng)作物生長狀況，揭示農(nóng)作物在生長周期中各自特征，因此，時(shí)序遙感數(shù)據(jù)已廣泛用于農(nóng)作生產(chǎn)管理、檢測等應(yīng)用中[1]。但在由于遙感衛(wèi)星自身因素及天氣條件等影響導(dǎo)致難以獲得連續(xù)且高質(zhì)量的遙感數(shù)據(jù)。時(shí)空融合模型是綜合多源數(shù)據(jù)的空間信息及時(shí)間信息對(duì)未知時(shí)間的高空間分辨率衛(wèi)星影像進(jìn)行預(yù)測的融合分析技術(shù)[2]。因此時(shí)空融合模型是一種可以有效模擬受云雨天氣及重訪周期限制而缺失的遙感影像的手段。

目前在農(nóng)業(yè)生產(chǎn)中不同時(shí)空融合模型制作高時(shí)空分辨率數(shù)據(jù)集廣泛用于農(nóng)作物的分類、生產(chǎn)力估算、物候提取等。而目前作為時(shí)空融合輸入數(shù)據(jù)的數(shù)據(jù)源多為MODIS 與LANSAT，這導(dǎo)致了在部分種植結(jié)構(gòu)復(fù)雜情況難以處理實(shí)際應(yīng)用中的問題。隨著遙感技術(shù)的發(fā)展，遙感衛(wèi)星的分辨率和重訪周期突破了限制，歐空局于2015年開始發(fā)射的Sentinel-2 衛(wèi)星，重訪周期可達(dá)5 天，空間分辨率最高為10m[3]，在一定程度上克服了“時(shí)空矛盾”的影像，但在夏季多雨等熱帶地區(qū)，云雨天氣影響時(shí)間較長，任難以獲取連續(xù)的高質(zhì)量時(shí)序遙感數(shù)據(jù)。

因此本文計(jì)劃對(duì)黑龍江省三江平原選取一定范圍農(nóng)耕區(qū)作為研究區(qū)，基于增強(qiáng)型時(shí)空自適應(yīng)反射率融合模型ESTARFM（Enhanced spatial and temporal adaptive reflectance fusion） 時(shí) 空 融 合 方 法[4]，對(duì)MODIS 與Sentinel-2 衛(wèi)星影像數(shù)據(jù)構(gòu)建高時(shí)空分辨率MODIS-Sentinel-2 EVI、LSWI 數(shù)據(jù)集，評(píng)價(jià)融合結(jié)果質(zhì)量，以拓展時(shí)空融合數(shù)據(jù)源的選取，為遙感影像在農(nóng)業(yè)中的應(yīng)用提供更高時(shí)空分辨率的數(shù)據(jù)支持。

1 數(shù)據(jù)與研究區(qū)

1.1 研究區(qū)概況

研究區(qū)位于我國三江平原東北部，饒河縣、撫遠(yuǎn)縣、同江市、富錦市四縣的交界處（圖1），長38km 寬43.2km，113°17′29″E-113°48′23″E，47°18′27″N-47°41′24″N。三江平原是黑龍江省重要的產(chǎn)糧基地，區(qū)域氣候?yàn)闇貛駶?、半濕潤的大陸性季風(fēng)氣候，雨熱同季，水資源豐富，土質(zhì)肥沃，適于農(nóng)作物生長。

圖1

1.2 數(shù)據(jù)獲取及預(yù)處理

研究選取MDOIS 產(chǎn)品中8-day 合成的地表反射率產(chǎn) 品MOD09Q1 及 MOD09A1， 與 Sentinel-2 A/ B Level-2A 級(jí)別數(shù)據(jù)作為時(shí)空融合模型的輸入數(shù)據(jù)。影像信息及獲取日期見表1。MODIS 數(shù)據(jù)下載于美國地質(zhì)勘探 局 官 網(wǎng)（https://ladsweb.modaps.eosdis.nasa.gov/），Sentinel-2 數(shù)據(jù)下載于歐空局?jǐn)?shù)據(jù)中心（https://sentinel.esa.int/web/sentinel/home）。MODIS 數(shù)據(jù)數(shù)據(jù)下載后首先使用經(jīng)過MRT、ENVI 5.3 進(jìn)行鑲嵌、剪裁和重采樣至10m 數(shù)據(jù)處理工作。Sentinel-2 在影像數(shù)據(jù)獲取后，首先利用歐洲航天局所提供的SNAP 軟件中進(jìn)行影像的重采樣（10m）鑲嵌和剪裁。影像信息及獲取日期見表1。

2 研究方法

為基于ESTARFM 時(shí)空融合方法生成高質(zhì)量高時(shí)空分辨率EVI、LSWI 數(shù)據(jù)集。首先使用ENVI 5.3 批量對(duì)對(duì)預(yù)處理后的MODIS 于Sentienl-2 數(shù)據(jù)進(jìn)行波段運(yùn)算，得到EVI、LSWI 時(shí)間序列數(shù)據(jù)，計(jì)算如式（1）、（2）所示。然后對(duì)MODIS 的時(shí)序EVI、LSWI 數(shù)據(jù)集進(jìn)行平滑，研究使用Savitzky-Golay 濾波方法對(duì)MODIS 的時(shí)序LSWI、EVI數(shù)據(jù)集進(jìn)行平滑，以避免時(shí)序植被指數(shù)數(shù)據(jù)集中的噪點(diǎn)影響后續(xù)時(shí)空融合結(jié)果精度[5]；使用ESTARFM 時(shí)空融合方法，選擇t1、t2 兩個(gè)日期平滑后MODIS 植被指數(shù)及Sentinel-2 植被指數(shù)數(shù)據(jù)為基礎(chǔ)影像對(duì)，預(yù)測tp 日期的植被指數(shù)。以此方法來構(gòu)建2020 年農(nóng)作物整個(gè)生育期的高時(shí)空分辨率LSWI、EVI 時(shí)序數(shù)據(jù)集。具體方法如圖2 所示。

圖2 技術(shù)路線

增強(qiáng)型植被指數(shù)（EVI）對(duì)不同植被類型的冠層結(jié)構(gòu)變化較為敏感。因此，EVI 時(shí)序數(shù)據(jù)能有效間接反映農(nóng)作物整個(gè)生長季內(nèi)的植被冠層變化。

其計(jì)算公式為：

式中：ρNIR、ρRed、ρBlue分別為近紅外、紅、藍(lán)波段的表反射率。

地表水分指數(shù)（LSWI）可以綜合反應(yīng)地表植被冠層及土壤水分狀況，其LSWI 計(jì)算公式為：

式中：ρNIR、ρSWIR分別為近紅外、短波紅外波段的地表反射率。

ESTARFM 時(shí)空融合方法：

本研究選取增強(qiáng)型時(shí)空自適應(yīng)反射率融合模型對(duì)Sentinel-2 與MODIS 數(shù)據(jù)進(jìn)行時(shí)空融合，與其它的時(shí)空融合方法相比較，ESTARFM 在空間異質(zhì)性較大的地區(qū)的融合效果更好。ESTARFM 需要在預(yù)測日期（tp）附近獲取t1 及t2 時(shí)刻Sentinel-2 與MODIS 影像對(duì)，以及在預(yù)測日期（tp）的MODIS 影像，生成預(yù)測日期（tp）高空間分辨率影像。本文采用基于Python 編譯的ESTARFM 時(shí)空融合算法，對(duì)MODIS 影像和Sentinel-2 A/B 影像進(jìn)行時(shí)空融合，生成生長季內(nèi)每8 天10m 空間分辨率的EVI、LSWI 融合時(shí)序數(shù)據(jù)集（EVIM-S、LSWIM-S），具體時(shí)空融合基礎(chǔ)影像與驗(yàn)證影像如表1 所示。

表1 Sentinel-2 與MODIS 影像詳細(xì)信息

3 結(jié)果與分析

將研究區(qū)內(nèi)時(shí)空融合結(jié)果與未參與融合的真實(shí)Sentinel-2 的EVIS、LSWIS影像與三種主要農(nóng)作物（水稻、玉米、大豆）MODIS 純像元時(shí)序EVIM、LSWIM數(shù)據(jù)評(píng)估ESTARFM 時(shí)空融合的效果與準(zhǔn)確性。

從圖3 可以看出，對(duì)比基于ESTARFM 時(shí)空融合模型融合后的EVIS-M、LSWIS-M時(shí)序曲線與原始和平滑后的EVIM、LSWIM時(shí)序曲線可以發(fā)現(xiàn)，在純像元中經(jīng)過ESTARFM 時(shí)空融合后的時(shí)序曲線變化趨勢與MODIS 平滑后曲線變化一致，且在Sentinel-2 的EVIS、LSWIS基礎(chǔ)影像和預(yù)測影像數(shù)值與MODIS 的EVIM、LSWIM影像數(shù)值接近的日期范圍內(nèi)，二者時(shí)序曲線可以保持良好的一致性。

圖3 融合后時(shí)序數(shù)據(jù)與平滑前后MODIS 數(shù)據(jù)對(duì)比

將預(yù)測日期影像DN 值減去對(duì)應(yīng)日期的融合結(jié)果影像后（詳細(xì)日期見表1），將結(jié)果進(jìn)行絕對(duì)值便于更直觀的展示融合影像與預(yù)測日期真實(shí)影像之間的誤差，并選取在統(tǒng)計(jì)學(xué)中的RSME（Root Mean Squared Error，均方根 誤 差）、MSE （Mean Square Error，均 方 誤 差）、R2（Correlation coefficient，相關(guān)系數(shù)）來定量計(jì)算預(yù)測日期真實(shí)影像與融合影像之間的差異（圖3）。各驗(yàn)證日期的融合影像與真實(shí)影像相關(guān)性R2均值為0.878，根據(jù)圖4差值影像可以看出差值大面積為0-0.1 之間，表明融合結(jié)果接近真實(shí)影像。圖3（d）處于5 月中旬至六月中旬，在這個(gè)時(shí)間段內(nèi)，水稻處于泡田、分蘗階段，此時(shí)水田中LSWI 數(shù)值會(huì)發(fā)生較為劇烈的變化，這給時(shí)空融合帶來較大的影響，因此在此時(shí)間段內(nèi)，融合的精度較低，RMSE 與MAE 數(shù)值均大于0.1；在7 月18 日的差值中可以發(fā)現(xiàn)，由于基礎(chǔ)影像與預(yù)測影像之間的日期間隔較大，且在六月下旬至八月中旬期間水旱田內(nèi)農(nóng)作物EVI、LSWI 均處于上升階段。在此情況下，時(shí)空融合的結(jié)果會(huì)同時(shí)受混合像元及像元DN 值變化幅度較大的影響；而在10 月1 日的融合結(jié)果中，基礎(chǔ)影像日期較為接近，且在此期間內(nèi)，農(nóng)作物均處于成熟階段，因此時(shí)空融合的效果最好。

圖4 驗(yàn)證日期真實(shí)Sentienl-2 影響數(shù)據(jù)與融合結(jié)果差值和統(tǒng)計(jì)學(xué)差異

4 結(jié)論

本研究表明，通過單個(gè)日期與時(shí)序上的時(shí)空融合質(zhì)量評(píng)價(jià)，ESTARFM 融合Sentinel-2 與MODIS 數(shù)據(jù)的結(jié)果與真實(shí)影像相關(guān)性可達(dá)0.9 以上，也可以模擬出符合地物變化規(guī)律的時(shí)序曲線。表明ESTARFM 可以理想的模擬出受云雨及重放周期影響而缺失的Sentinel-2 數(shù)據(jù)。為遙感影像在農(nóng)業(yè)中的應(yīng)用提供更高時(shí)空分辨率的數(shù)據(jù)支持。