高分五号可见短波红外高光谱相机在轨辐射性能评估

对遥感器及其图像的在轨辐射性能(信噪比、相对辐射定标精度、绝对辐射定标精度和动态范围)评估是检验遥感器定量应用能力的重要任务之一。本文结合高分五号卫星可见短波红外高光谱相机AHSI (the Advanced Hyperspectral Imager)在轨性能评估任务,依据卫星发射以来的在轨测试数据,介绍了AHSI相机在轨辐射性能评估的原理、方法及相应测试情况。测试结果表明:AHSI信噪比可见近红外最高达到近700,短波红外最高达到近500;相对辐射定标精度误差小于0.5%,星上绝对辐射定标不确定度小于3%,场地绝对辐射定标真实性检验精度误差小于5%;动态范围在轨可见短波均可以256档增益精细调整。AHSI在轨辐射性能良好且稳定,能够有效支持后续定量化应用需求。     

高分五号可见短波红外高光谱影像在轨几何定标及精度验证

高分五号可见短波红外高光谱相机(AHSI)作为一颗具有高光谱分辨率的对地观测载荷,对复杂地物具有精确的探测与分类能力,高精度的几何定标对于卫星影像应用至关重要。本文采用了基于探元指向角的几何定标模型,分步解算内外定标参数,并选取多景影像进行实验验证。结果表明:通过严格的在轨几何定标,可见短波红外高光谱影像在无控制点的条件下,平面定位精度优于60 m (2个像素),内部精度优于0.5个像素,波段配准精度优于0.3个像素。     

高分五号高光谱影像矿物精细识别

矿物识别是高光谱遥感技术优势之一,已在地质矿产领域取得了显著应用效果。随着光谱分辨率的不断提高,高光谱遥感矿物识别逐渐从识别矿物种类向矿物亚类、矿物成分等精细信息识别发展,且随着应用实践的不断深入,对矿物精细信息的需求也越来越大。而光谱分辨率和矿物识别方法是制约高光谱矿物精细识别的主要因素。高分五号(GF-5)超高的光谱分辨率为矿物精细识别提供了可能。首先在分析总结已有高光谱矿物识别方法优缺性的基础上,提出了综合光谱特征增强匹配度和特征参量的矿物识别方法;其次,选取甘肃柳园和美国Cuprite两个研究较多的地区为研究对象,基于GF-5卫星数据开展了矿物精细识别,在完成矿物种类、亚类识别的基础上,进一步对绢云母成分信息进行了反演;最后,结合上述地区已有机载高光谱数据及填图结果开展对比分析。结果表明:GF-5矿物识别信息分布与机载HyMap、AVIRIS一致性很好,相较机载数据GF-5矿物识别平均正确率优于90%,说明本研究提出的矿物识别方法能够满足GF-5矿物精细识别,可为后续业务化应用提供技术支撑,同时认为超高的光谱分辨率使得GF-5在矿物成分信息识别上更具优势。     

融合Sentinel-2数据的高分五号高光谱数据降尺度

高分五号(GF-5)是中国首颗实现对大气和陆地综合观测的全谱段高光谱卫星,其搭载的可见短波红外高光谱相机AHSI提供的遥感数据拥有极高的光谱分辨率。然而,AHSI数据的空间分辨率为30 m,较低的空间分辨率限制了应用场景。为实现GF-5数据的降尺度,本文通过融合10 m哨兵二号(Sentinel-2)多光谱数据,生成10 m GF-5高光谱数据。在方法上,针对现有先进的信息损失引导的图像融合方法ILGIF (Information Loss-Guided Image Fusion)在高光谱图像降尺度中计算时间成本高的问题,本文提出了其快速版本FILGIF (Fast ILGIF)。另一方面,在降尺度过程中,本文考虑并估计了30 m GF-5高光谱数据和10 m Sentinel-2数据之间的尺度转换点扩散函数PSF (Point Spread Function),提高融合数据质量。实验结果验证了融合Sentinel-2数据用于GF-5高光谱数据降尺度的可行性。同时,结果表明：在获得与ILGIF相当精度的前提下,FILGIF大幅提高了运行效率;尺度转换PSF对降尺度过程有着重要影响,其准...     

高分五号全谱段光谱成像仪地表温度与发射率反演

地表温度在全球能量平衡和气候变化研究中具有重要意义。中国新一代高分辨率卫星高分五号卫星(GF-5)搭载的全谱段成像光谱仪有4个40 m空间分辨率的热红外波段,可以提供高空间分辨率的地表温度信息。本文提出了适用于全谱段成像光谱仪的温度与发射率分离TES(Temperature and Emissivity Separation)算法同时反演地表温度和发射率,为了提高大气校正精度,算法加入了水汽缩放WVS(Water Vapor Scaling)大气校正方法。首先利用Seebor V5.0全球大气廓线库构建模拟数据对算法精度进行了评价;然后利用张掖地区11景ASTER影像作为替代数据和同步的地面实测数据对算法精度进行了验证。模拟数据结果表明加入WVS方法后TES算法反演地表温度的RMSE由2.59 K降低到1.54 K,4个波段地表发射率的RMSE分别从0.122、0.12、0.102和0.037降低到0.042、0.04、0.028和0.026;地表验证结果表明本文算法反演的地表温度与站点实测值具有更好的一致性,平均Bias由1.08 K降低到0.47 K,RMSE由2.17 K降低到1.7 K;反演的各波段地表发射率与地面实测结果误差均小于1%。因此,本文提出的温度与发射率分离算法具有较高精度,可以利用GF-5数据获取高精度高空间分辨率的地表温度和发射率数据,服务于其他相关研究。     

高分五号高光谱数据融合方法比较

数据融合是解决高光谱卫星在时空分辨率等指标上受限的有效途径,探讨不同方法在GF-5高光谱数据上的融合效果,对GF-5高光谱数据的信息挖掘与推广应用有着重要意义。本文本着算法简单易用、适于推广的原则,采用GS（Gram-Schmidt）葛兰—施密特正交变换融合算法、GSA（GS Adaptive）自适应GS融合算法、CNMF（Coupled Non-negative Matrix Factorization）耦合非负矩阵分解融合算法、CRISP-W（Color Resolution Improvement Software Package with Wavelet transform）基于小波变换和CRISP-B（Color Resolution Improvement Software Package with Butterworth）基于巴特沃斯滤波器的分辨率提升融合算法、GLP（Generalized Laplacian Pyramid）广义拉普拉斯金字塔融合算法共6种融合方法,分别对BJ-2、GF-2、GF-1、GF-1C、GF-1D国产卫星多光谱数据与GF-5高光谱数据进行融合实验。通过目视分析、指标评价（相关系数、通用图像质量指标、峰值信噪比、光谱角、全局综合误差）、分类应用、时间成本4种方式对融合结果进行综合比较分析。结果表明,相融合的一组图像系列相同、空间分辨率相差越小,融合结果越好。CRISP-B、CRISP-W、GLP在提升空间分辨率、光谱保真度方面能达到较好的平衡,空间重建方面,GLP稍优且更稳定,CRISP-B、CRISP-W则在光谱信息保持方面稳定性更强且效果更好。数据源会对融合方法产生一定的影响,在光谱特征信息提取、分析等对光谱保真度要求高的工作中,GLP更适合同源数据（如GF-5与GF-1/1C/1D/2）融合,而在多源数据间（如GF-5与BJ-2）进行融合时,则优先选择CRISP-W。CNMF存在一定程度的色彩畸变,且运行时间较长。GSA、GS融合效果最差,其中,GSA不论是光谱保持能力还是空间分辨率提升能力均较GS更稳定。在小样本高光谱图像分类应用中,CRISP-B融合结果分类效果稳定,分类精度较高。GSA融合结果空间细节丰富,虽光谱失真较为严重,但同时增大了地物光谱分离度,仍适用于准确勾勒建筑物、道路等地物。本研究为GF-5高光谱数据与其他国产卫星多光谱数据融合方法的选择提供参考,有助于高分五号高光谱数据的应用与推广。     

基于GF-5高光谱特征分析的水体提取方法研究

针对山区水体、山体阴影与裸地等地类光谱混淆性,基于高分五号(GF-5)影像数据,结合高光谱特征分析构建了山区水体决策树提取模型. 先对水体和相关干扰地类进行高光谱特征分析实现特征波段选取,应用单波段阈值法、多波段谱间关系法、归一化水指数(NDWI)法进行提取实验. 通过比较以上实验不足之处,提出了单波段阈值法与构建的阴影水体指数(SWI)相结合的决策树水体提取模型,以Google Earth高清影像为参考结合实地采样得到的混淆矩阵进行精度评价. 实验结果表明:单波段阈值法与NDWI法易将山体阴影识别为水体,受裸地影响较小;多波段谱间关系法对山体阴影有一定抑制作用,受小面积裸地影响;决策树提取模型能有效抑制山体阴影和裸地影响提取完整水体. 其总体精度为89.39%,Kappa系数为0.82,显著提升了山区水体提取精度.      

高分五号高光谱图像自编码网络非线性解混

针对高光谱非线性混合模型中的共线性问题,提出了一种非监督的增强型非线性自编码网络方法 ENAE(Enhanced Nonlinear Autoencoder)。通过结合自编码网络在挖掘数据内在结构、提取特征方面的优势,引入端元正则项减弱端元间的共线性效应,从而提高高光谱混合像元分解精度。ENAE方法的实现步骤主要包括两部分:一是网络结构初始化,二是非线性分解。网络结构初始化是确定编码器的节点数以及端元和丰度的初值;非线性分解则主要是实现损失函数的最小化。通过模拟数据、城市区域真实数据和高分五号卫星高光谱数据的实验,得到了相较于传统非线性分解方法更高的精度,证明了ENAE方法的鲁棒性。     

高分五号高光谱影像的关联对齐域适应与分类

高分五号(GF-5)搭载的高光谱传感器兼顾宽覆盖和高分辨率的特性,但在实际应用中宽覆盖范围内各种地物类别的标注十分困难。当标记样本很少甚至没有标记样本时,遥感图像分类异常困难。此时,可以采用域适应方法,借助已标记的历史数据(源域)实现对未标记数据(目标域)的分类。本文提出了一种基于稀疏矩阵变换的关联对齐域适应分类算法。首先,利用稀疏矩阵变换估计源域和目标域的协方差矩阵;然后,运用协方差关联对齐方法估计源域到目标域的变换矩阵;接着,运用估计得到的变换矩阵将源域数据进行变换,使得其与目标域对齐;最后,在变换后的源域数据上建立分类器,实现对目标域数据的分类。本文的算法在两个真实的GF-5高光谱数据集上进行了验证。实验结果表明,本文算法要优于常用的子空间对齐算法和关联对齐算法。特别地,在黄河口GF-5数据上,本文算法比原始关联对齐方法的最近邻分类准确率提升了3.5%,支持向量机分类准确率提升了2.3%。     

高分四号静止卫星数据的地表反照率反演

地表反照率(Albedo)是描述地表辐射能量平衡的重要参数,为了获得高分四号(GF-4)静止卫星的地表反照率产品,构建了一种基于核驱动双向反射率分布(BRDF)模型的反照率反演方法。首先,探索核驱动BRDF模型对GF-4卫星数据的适用性,加入地表分类信息,为核系数赋初值,并引入鲍威尔迭代算法优化模型结果。然后,对BRDF模型进行角度积分获得各个波段的地表窄波段反照率。在此基础上,结合GF-4卫星光谱响应函数与光谱库,首次建立了将窄波段反照率到宽波段反照率的转换系数,并反演得到0.4—0.7μm和0.3—3.0μm的宽波段反照率。最后,利用Landsat 8卫星数据和MODIS地表反照率产品对基于GF-4卫星数据的地表反照率反演结果进行交叉验证。Landsat 8与GF-4的反照率结果对比表明,GF-4卫星可见光范围内的反照率反演结果精度为85.6%,短波范围内的反照率反演结果精度为93.4%;MODIS与GF-4的反照率结果对比表明,可见光范围的地表反照率精度达到87.7%,短波范围的地表反照率精度达到85.9%。这说明GF-4卫星地表反照率反演结果具有较高精度,GF-4卫星反照率产品具有一定应用潜力。     

高分五号大气痕量气体差分吸收光谱仪甲醛反演可行性分析及初步结果

大气痕量气体差分吸收光谱仪EMI（ Environmental trace gases Monitoring Instrument）是搭载在“高分五号”（GF-5）卫星上的覆盖紫外—可见光波段的光谱仪,用于测量240—710 nm波长范围内的地球后向散射和太阳辐射,旨在量化全球对流层和平流层痕量气体的分布,如臭氧、二氧化氮等。本文关注EMI载荷对大气弱痕量气体甲醛（HCHO）的探测能力,并基于实测数据初步评估EMI HCHO产品的探测能力与精度。研究结果表明EMI的辐照度波长校准精度高,但在不同行之间存在较大的不均匀性,其波长校正的精度与仪器的狭缝函数高度依赖行位置的变化。基于EMI的HCHO反演的结果表明,EMI UV2频段的标称信噪比较低,使得利用差分吸收光谱技术（DOAS）得到的HCHO斜柱浓度SCD（Slant Column Density）存在较大的随机误差和拟合残差。现阶段,评估得到的EMI HCHO斜柱浓度的不确定性为1.2×10¹⁶ molec./cm²。与国际同类载荷TROPOMI（TROPospheric Ozone Monitoring Instrument）、OMI（Ozone Monitoring Instrument）的交叉对比验证结果表明,EMI可以捕捉到中国地区夏季HCHO的空间分布特征。EMI & TROPOMI与EMI & OMI的相关系数均大于0.8。但是在华东地区EMI HCHO普遍高于OMI和TROPOMI,其原因需要进一步研究。本文的研究证明了EMI对夏季HCHO的探测潜力及不足,可为后续类似载荷的指标设计和算法研发提供参考。     

天宫一号高光谱成像仪系统光谱辐射校正

针对天宫一号高光谱成像仪工作原理与数据特点,提出了可见—近红外波段高光谱成像仪,短波红外波段高光谱成像仪的系统光谱辐射校正方法,给出1级标准产品数据生成流程.该过程包括:背景噪声扣除,相对与绝对辐射校正,坏列检测与修复,光谱smile校正.最后,面向光谱辐射校正后数据存储给出了数据放大系数.为天宫一号高光谱数据的标准化产品生产提供了技术支撑,为天宫一号高光谱成像仪的在轨运行、民用示范与定量化应用提供了重要基础.     

高分五号卫星大气参数探测综述

高分五号卫星搭载了大气痕量气体差分吸收光谱仪、主要温室气体探测仪、大气多角度偏振探测仪、大气环境红外甚高分辨率探测仪、可见短波红外高光谱相机和全谱段光谱成像仪共6台载荷,对全球环境监测及中国大气气溶胶、臭氧、二氧化硫、二氧化氮、二氧化碳、甲烷和云等多个环境与气象综合监测方面有着重要的意义。为了更好的了解高分五号卫星任务的大气监测内容,本文对高分五号卫星其中的4个大气探测载荷特征和数据处理算法进展进行了总结,涉及各个载荷参数信息、算法介绍和产品初步结果等相关内容。高分五号卫星是中国专门用于大气环境监测任务的遥感卫星,随着后续卫星的发射升空,将对中国乃至全球大气环境监测提供强有力的数据支撑。     

基于混合式特征选择的高分五号影像农田识别

精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。     

高分五号高光谱遥感影像的城市土地利用景观格局分析

本文以武汉市江北核心区域7个行政区为例,以"高分五号"(GF-5)高光谱遥感影像为实验数据,提出了一种基于深度学习的空—谱结合高光谱影像分类算法(SSUN)的改进算法SSUN-CRF,通过全连接条件随机场(FC-CRF)对SSUN分类结果进行细化,并结合选取的7个景观格局指数分别从类型斑块水平以及景观水平分析7个行政区景观格局特点及武汉市城市化趋势。结果表明:(1) SSUN-CRF算法能够快速准确地提取城市用地类型,总体精度可达0.9048,Kappa系数可达0.8807;(2)从斑块类型水平上分析:根据各行政区不同类别景观类型百分比(PLAND)可以看出,武汉市主城区以居住用地为主,汉阳区3类居住用地PLAND指数高于其他主城区,表明汉阳存在较大"城中村"现象;江汉区商业用地斑块密度(PD)高且聚合度(AI)低,即商业用地多且分布均匀,表明江汉区是武汉的重要商贸区;(3)从景观层次水平上分析:根据香农多样性(SHDI)、香农均匀度(SHEI)指数分析可以看出,武汉市江北区域各用地类型总体分布均衡,景观生态多样性和稳定性较好;从斑块密度(PD)和香农多样性(SHDI)空间布局分析可知武汉市的城市扩张呈现以主城区为核心向外蔓延趋势,且沿主城区东南、西南方向扩张趋势明显。本文研究成果对武汉市总体发展规划、优化土地利用及可持续发展建设具有重要的指导意义,进一步可为发展长江经济带、"长江主轴"提供决策参考。