GF-1星WFV相机的快速大气校正

高分一号卫星(GF-1)WFV相机是中国新型高分辨率传感器,为了更好地进行定量应用,需完成高精度大气校正,但需要解决数量大,辅助数据不足等关键问题。针对WFV相机构建了快速大气校正模型,(1)采用交叉定标方法借助Landsat 8数据完成辐射定标;(2)从WFV相机的辅助数据出发,计算得到太阳天顶角、观测天顶角等辅助信息;(3)考虑不同海拔大气分子散射的不同,完成基于海拔数据的分子散射校正;(4)采用深蓝算法,从第一波段(蓝光)反演得到气溶胶信息;(5)计算每个像元的大气校正参数,进而获取地表反射率,完成大气校正。在此基础上,利用IDL语言建立相应的大气校正模块,以过境华北地区的3景WFV数据为例进行大气校正实验。结果表明,模型能够快速完成大气校正,并能较好的去除大气分子与气溶胶影响,较好地还原植被、裸土等典型地表类型的光谱反射曲线,校正后的NDVI更好地反映了各地物的特征。     

面向对象与卷积神经网络模型的GF-6 WFV影像作物分类

GF-6 WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开。本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法。首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证。有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38%,相比无红边波段组分类精度提高了2.83%,验证了GF-6 WFV红边波段对作物分类的有效性。为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值。     

针对GF-1遥感影像的基于影像与基于辐射传输模型的两种交叉定标方法比较

"高分一号"配置了4台16m分辨率多光谱宽幅(WFV)相机,组合观测幅宽达到800km。为了将其应用于定量遥感,需要对其进行精确的辐射定标。目前针对高分一号卫星有两种交叉定标方法,都在传统方法的基础上进行了改进。一种是基于影像的交叉定标方法(image-based),另一种是基于辐射传输模型和二向反射分布函数的交叉定标方法(RTM-BRDF)。本文采用这两种方法对高分一号(GF-1)的4个相机进行辐射定标,并对这两种方法进行了对比分析,发现对于WFV2和WFV3这两个近似星下点成像相机,image-based方法可以得到精度较高的辐射定标系数,而对于WFV1和WFV4这两个非星下点成像相机来说,RTM-BRDF方法得到的定标系数精度较高。因此,最终将两种方法结合给出GF-1 4个相机最终的定标系数。     

A Method to Upscale the Leaf Area Index (LAI) Using GF-1 Data with the Assistance of MODIS Products in the Poyang Lake Watershed

A leaf area index is a key parameter reflecting the growth changes of vegetation and one of the most important canopy structural parameters for performing quantitative analyses of many ecological and climate models. Although using high-resolution satellite data and the radiative transfer model (RTM) can be used to generate high resolution LAI products, the RTM method has some problems because its temporal resolution is low, the input parameters are more appropriate for a physics model, and some parameters are difficult to obtain. Problems that urgently need to be solved include improving the temporal-spatial resolution for LAI products and localizing LAI products. To explore an applicable method for the high-resolution LAI products in a small basin and to improve the inversion accuracy, we propose an approach for GF-1 WFV LAI retrieval using MOD15A2 data and the measured LAI of the Poyang Lake watershed. Empirical models were used to retrieve high resolution LAI values, and the results show that these models are well designed for analyzing time-series satellite data. Good correlations were obtained between the NDVI of the GF-1 WFV data, the retrieved LAI values and the MODIS LAI data from samples acquired in both summer and winter. The exponential NDVI model obtained the best LAI value estimation results from the GF-1 WFV data (R2 = 0.697, RMSE = 1.100); the best synthetic validation of the RMSE is 0.883, close to the optimum model. Therefore, the retrieval results more fully reflect the growth process of the different features. This study proposed an upscale method for developing a high spatial resolution GF-1 satellite standard LAI products retrieval model using MODIS data. The proposed method will be helpful for efficiently improving the temporal-spatial resolution of LAI products to benefit the extraction of vegetation parameter information and dynamic land use monitoring.     

GF-1卫星WFV影像几何定位稳定性研究

针对GF-1卫星WFV传感器高分辨率与大视场相结合的特点,本文将ZY-3卫星传感器校正产品作为参考,通过分析同名点对的地理信息,对北京地区WFV传感器4台相机影像相对几何定位精度进行长时间序列评价,分析其误差特征。试验结果表明,单景影像均出现了明显的系统几何定位误差,但是不同时相影像的几何定位误差方向并无明显规律。针对该现象本文基于相机成像原理,从理论上证明了仅利用某一时相影像的有理函数模型补偿参数是无法有效消除其他不同时相影像系统误差的。     

GF-1 WFV影像的翅碱蓬植被指数构建

目前大部分植被指数主要针对绿色植被构建，缺乏针对其他颜色特别是红色植被的指数。此外，面向湿地或潮间带植被识别提取的植被指数也相对较少。为拓展针对红色植被指数构建的研究，结合翅碱蓬植被的红色特征，基于高分一号（GF-1）卫星宽覆盖影像（wide field of view，WFV），通过对比翅碱蓬及其周边地物在GF-1 WFV影像中的光谱反射率特征，构建了翅碱蓬植被指数（suaeda salsa vegetation index，SSVI）。为评估SSVI提取翅碱蓬的精度，以辽宁双台子河口湿地自然保护区为研究区，采用各种植被指数分别提取了不同年份的5景GF-1 WFV影像翅碱蓬信息，并对提取结果精度及错分像元数进行统计分析。结果表明，SSVI平均提取精度为88.6%，平均错分像元占研究区比例为5.1%，在5个指数中提取翅碱蓬精度最高、效果最好。此外，5期影像间较大的时间跨度也证明了SSVI的鲁棒性较强，具有较好的适用性，受时间影响较小。综上，构建的SSVI可有效用于翅碱蓬的识别与提取，并监测其时空变化。     

基于FLAASH和ATCOR2模型的Landsat ETM+影像大气校正比较

利用FLAASH和ATCOR2模型对漓江流域的Landsat ETM+数据进行大气校正,以GLS(Global Land Survey)获得的同步高质量地表反射率影像作为参考数据,从目视效果、典型地物光谱特征和波谱一致性三方面对两种模型的校正结果进行对比分析。研究表明,两种模型均可以对ETM+影像进行有效的大气校正,FLAASH模型的校正精度优于ATCOR2模型。     

高分六号宽幅多光谱数据人工林类型分类

高分六号(GF-6)卫星于2018年成功发射,2019-03正式投入使用。由于GF-6宽幅相机的WFV(Wide Field of View)影像较GF-1的同类影像新增2个红边波段,将会提高对农业、林业、草原等资源监测能力。为了分析GF-6的WFV影像在人工林分类方面的能力,促进高分数据在林业领域的应用,本文选取广西高峰林场为研究区,以最新的GF-6 WFV影像为数据源,结合地面实测类型数据,进行广西南宁高峰林场的桉树,杉木等人工林类型提取。主要运用随机森林(random forests)的分层分类法:首先计算6种植被指数,并利用随机森林法进行植被指数的特征优选,然后确定4种波段组合数据集的分类方案,4种数据集分别为(1)无红边的前4个波段,(2)有红边的8个波段,(3) 8个波段加上未优化的植被指数特征组合,(4) 8个波段加上优化的植被指数特征组合。再进行WFV影像4种数据集的随机森林分类,随机森林采用分类回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。最后比较4个方案的分类结果并进行精度验证。结果表明:方案2比方案1精度提高了4.99%,Kappa系数提高了0.058。说明包含红边的8波段数据比4个波段数据精度有大幅提升。方案4的8波段加上优化植被指数特征组合的分类精度最高,达到了85.38%,比方案2包含红边波段组和方案1无红边波段组的精度分别提高了3.98%,8.97%,Kappa系数分别提高了0.046,0.104。说明WFV影像加入红边波段比无红边波段精度明显增高。由结果可知,红边指数的引入,增强了植被信息,能够较准确地反映人工林类型特征差异,明显提升了人工林的分类精度。本研究方法可以有效改善广西人工林类型信息提取效果,为GF-6影像质量的评价及其在林业应用潜力提供科学参考依据。     

北京市平原区2015年—2019年0.8 m地表反射率数据集

地表反射率产品作为最重要的定量遥感产品,是很多参量化遥感产品的基础数据源,可以被广泛应用于林业、农业、水资源、生态环境、城市环境等典型应用领域。对于米级高分辨率的遥感影像,国内外不提供反射率影像产品。目前主流的国产高分数据源大部分都是蓝、绿、红、近红4个波段的多光谱数据,缺少短波红外波段,难以满足陆地区域浓密植被算法或者清洁水体的短波红外信号近似看作零的假设条件,要完成精确大气校正、生产大范围的GF-2影像拼接的地表反射率产品,是一个挑战。为了更好的推广高分地表反射率的应用,本研究针对北京市平原区,运用全色和多光谱融合、几何精校正和相对辐射一致化算法,以Sentinel-2为参考影像,生成了一套几何精校正后的0.8 m地表反射率影像集。该数据集时间范围为2015年—2019年,每年一期,包含年度产品的覆盖情况及分布矢量,共计184景地表反射率影像,数据量总共为1.63 TB。     

星载多相机拼接成像传感器在轨辐射定标方法

星载传感器在轨辐射定标是定量遥感的核心和基础,其定标精度将直接决定定量遥感产品的质量。但是对于多相机拼接成像传感器而言,现有在轨辐射定标方法无法实现各相机绝对辐射定标与相机间相对辐射校正的一体化处理。因此,本文以高分一号(GF-1)卫星宽视场(WFV)传感器为例,提出了一种基于改进型辐射区域网平差的在轨辐射定标方法。该方法首先利用传统的交叉定标方法获取WFV传感器各相机的辐射控制点信息,然后在同轨相邻相机影像重叠区域中提取辐射连接点信息,最后在考虑相机间相对辐射校正与绝对辐射定标之间的耦合关系后,采用整体平差的方式同时获取各相机在轨绝对辐射定标系数及辐射约束条件方程参数。试验结果表明采用该方法获得的各波段在轨绝对辐射定标系数的相对误差均优于9.34%,同时利用该定标系数能够实现同轨相邻相机影像间相对辐射校正处理,其重叠区域各波段表观辐亮度差异绝对值的平均值均小于1.63 W·m~(-2)·sr~(-1)·μm~(-1)。     

高分六号宽幅相机在轨几何定标及精度验证

高分六号宽幅相机能够实现单相机成像幅宽优于800 km,对大尺度地表观测和环境监测具有独特优势。在轨几何定标是光学遥感卫星几何处理的关键环节,直接影响影像的几何质量。本文充分考虑高分六号宽幅相机超大视场的畸变特性以及多谱段的成像特点,提出宽幅相机在轨几何定标方法,采用基于探元指向角的几何定标模型补偿宽幅相机系统误差,通过绝对定标和相对定标方法联合估计各波段的内外定标参数。利用Landsat 8影像、资源三号DSM为参考数据,对宽幅相机进行绝对定标处理,再利用ASTER GDEM为参考数据进行相对定标处理,其几何定标结果表明,高分六号宽幅影像绝对定位精度在3像素左右,内部几何精度能稳定在1像素,且波段间配准精度在0.3像素以内,表明在轨几何定标后高分六号宽幅影像几何质量得到了明显的提升。     

GF-1卫星WFV影像间匀色方法

影像匀色方法是决定拼接后影像能否进一步用于遥感定量化应用的重要环节之一。本文针对我国高分辨率对地观测系统的首发星——GF-1卫星宽覆盖WFV传感器4相机拼接成像特点,提出了一种基于交叉辐射定标的影像间匀色方法。该方法首先利用传统的交叉定标方法获取某一台WFV相机在轨绝对辐射定标系数,然后采用统计分析和仿真模拟方法建立了相邻相机影像间DN值、表观辐亮度的相关模型,在完成相机间绝对辐射性能传递的同时,实现了影像间匀色处理。试验结果表明利用本文获取的交叉辐射定标系数能够有效地消除相邻相机影像重叠区域辐射不一致性的问题,实现WFV影像间匀色。该匀色方法可为其他类似卫星传感器影像间匀色提供参考依据。     

Spectral Overlap Correction Using Weighted Deconvolution for Improved Dark Object Technique for Correction of EO1-Hyperion Data

We present a critical modification to improved dark object technique for correcting hyperspectral data (EO1-Hyperion). The modification is required in improved dark object technique as the original method does not take into account overlap of spectral response functions of two adjacent bands of hyperspectral sensor. We used weighted deconvolution for correcting the original overlap affected path radiance correction propagation factors. Further, we compared the reduction in correction factors—in different conditions—because of the overlap. We calculated the path radiance for April 22 Hyperion image and compared it with other methods such as 6SV. We found noticeable difference in corrected and uncorrected path radiance propagation factors with “clear” to “very clear” atmospheric models. For the other models (“moderate”, “hazy”, “very hazy”), the difference is negligible and can be ignored and improved dark object technique can be applied without any overlap correction.     

Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响

本文主要是探索Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响。介绍了使用的3种不同辐射校正方法(ATCOR3、FLAASH以及查找表)和两种分类算法。在分类实验部分,根据样本的地理坐标在3景校正影像中分别采集训练样本并训练各自的分类器,并交叉用于其他辐射校正影像的土地覆盖遥感分类。实验结果表明:(1)用于分类器训练的样本采集自待分类影像时的分类精度明显高于采集自其他影像的分类精度;(2)3种辐射校正影像的分类结果存在差异,其中使用ATCOR3和FLAASH方法校正后影像的分类结果有更相近的精度;(3)辐射校正对分类类别的影响不同,其中对森林类型影响最大,对裸地等其他类别影响相对较小。     

结合高分遥感和多源数据的高原湖泊流域土地利用分析

高分一号卫星是为提升我国高分辨率数据自给率自主发射的卫星，在土地利用监测方面具有重要的应用价值。将GF-1卫星影像与多源数据影像进行对比能够挖掘各数据源在土地利用动态监测方面的差异性。本文以云南省杞麓湖流域为研究区，选取最新的Sentinel-2、GF-1和Landsat 8卫星遥感影像进行土地利用分类，以第二次全国土地利用调查数据为基期数据，结合野外实地调研和土地利用转移矩阵开展土地利用现状和演变分析，得出以下结论：①杞麓湖流域的水域、建设用地、耕地和林地自中心向外呈现出圈层分布的特征，与第二次全国土地调查结果相比，水域、耕地、林地3种类型的自然景观面积减少，而建设用地和其他用地受人类活动的影响，面积大幅增加，变化主要集中在杞麓湖周边的纳古镇和河西镇。②Sentinel-2卫星影像与GF-1卫星影像均具有较高的空间分辨率，二者对土地利用变化评估的结果相近，均优于Landsat 8卫星影像，其中GF-1卫星影像具有较高的应用价值。     

HJ-1A/B卫星CCD影像辅助的MODIS水色大气校正产品质量改进

针对我国近岸高浑浊水体区域MODIS短波红外波段大气校正产品中存在的信号饱和及条带问题,利用神经网络模型,采用准同步的HJ-1A/B卫星CCD影像及实测遥感反射率数据对MODIS/Terra水色遥感大气校正产品进行了质量改进。改进后结果与MODIS/Terra遥感反射率产品相比,平均相对误差为13.3%,信号饱和区域修复结果与实测数据各波段平均相对误差为28.2%。结果表明,该方法在保证结果精度的情况下,能有效地修复MODIS/Terra水色波段因为信号饱和而产生的数据空白区域,同时也能较好地解决MODIS/Terra大气校正产品中的条带问题。     

高分四号卫星在干旱遥感监测中的应用

高分四号(GF-4)是国家高分辨率对地观测系统重大专项天基系统中的一颗地球同步卫星,为探索GF-4号卫星在大面积干旱监测中的应用,本文对该卫星在快速监测大面积干旱方面的应用能力进行了初步探讨。以2016年内蒙古自治区巴林左旗和巴林右旗地区严重旱灾为例,利用NDVI差值对该区域的干旱情况进行了监测,并与MODIS NDVI产品进行对比分析,得到了研究区内2016年干旱分布情况,结果表明其总体趋势与MODIS NDVI产品一致,且细节信息更加丰富。本文主要是GF-4卫星数据结合GF-1卫星数据对内蒙部分干旱区域进行监测和分析,体现了国产高分辨率卫星数据,尤其是GF-4卫星数据,对提高中国突发灾害的应对能力具有重要意义。     

高分三号SAR影像广域范围联合几何检校技术

在获取广域范围雷达遥感正射影像图时,需要对区域内每景SAR影像进行几何参数修正,提高SAR影像的定位精度。但在广域范围进行控制点的选取和影像的逐一修正,其工作量巨大,严重影响了SAR影像分析应用的效率。对此,本文提出了一种广域范围联合几何检校方法。该方法在R-D模型的基础上,首先利用少许SAR影像计算其独立的系统级检校参数,其次去除系统级检校参数中大气延迟分量的影响,然后依据最小二乘平差原理获取最优的系统级检校参数,最后利用最优的系统级检校参数对所有SAR影像进行几何检校处理。论文采用覆盖中国中东部地区的32景GF-3SAR影像进行联合几何检校试验,检校后的SAR影像定位中误差优于9 m。试验结果表明:该方法能够提高GF-3 SAR影像几何检校的精度,验证了其有效性和可行性。     

环境星CCD数据大气校正研究

利用6S模型和同步气象资料,对国产环境与灾害监测预报小卫星HJ-1 A的CCD1传感器数据进行了大气校正和反射率反演。同时对CCD1传感器1～4波段大气校正前后的反射率变化进行了对比研究,发现大气校正后的1～3波段的地面反射率明显降低,4波段的地面反射率升高;利用同步野外实测地面数据对大气校正后的反射率数据进行了检验,两者结果基本一致;此外,还进行了定量化误差分析,以同步野外实测地面数据作为标准,将大气校正后的反射率数据与之对比,分析了可能带来误差的原因。结果表明,利用6S大气校正方法能够有效去除HJ-1 A星CCD图像的大气影响,获取地物绝对反射率。     

GF-4序列图像的云自动检测

以高分四号(GF-4)卫星L1级标准分幅数据产品提供高精度的云检测产品为目的,研究针对地球同步轨道卫星数据的云检测算法,改进自动阈值以适应同日不同时刻成像数据的辐射亮度与地表反射特性的变化差异。利用GF-4卫星凝视成像方式获取的同区域序列图像以及云在不同图像上的运动特性,结合自动阈值与SavitzkyGolay(SG)滤波修正检测结果中的误检。算法的两个关键预处理,一是通过自动的几何配准解决未经几何校正的分幅数据之间像素位置对应的问题,二是通过基于典型相关变换自动提取序列图像之间的伪不变特征点集,进而利用相对辐射归一减小了不同时刻成像数据之间的辐射差异。通过内蒙古自治区东部及长江中下游区域70余组数据对算法进行验证,整体上获得了稳定的结果与精度,并且基于序列图像的云检测算法在云边界、高亮地表及薄云区域的检测精度整体优于单幅自动阈值的检测结果。结果表明算法精度上满足GF-4云检测数据产品需求,且算法自动化程度高,便于工程化的数据生产。