基于高分一号遥感影像的植被覆盖遥感监测——以厦门市为例

doi:10.6046/gtzyyg.2019.04.18

基于高分一号遥感影像的植被覆盖遥感监测——以厦门市为例

彭继达, 张春桂^,

福建省气象科学研究所,福州 350001

Remote sensing monitoring of vegetation coverage by GF-1 satellite: A case study in Xiamen City

PENG Jida, ZHANG Chungui^,

Fujian Meteorological Science Institute, Fuzhou 350001, China

通讯作者: 张春桂(1966-),男,正研级高工,主要从事气象卫星资料应用研究。Email:fjygwork@163.com。

责任编辑: 李瑜

收稿日期: 2018-11-7 修回日期: 2019-04-24 网络出版日期: 2019-12-15

基金资助:

福建省气象科学研究所项目“基于卫星遥感的福建省近5年植被覆盖度变化特征分析”资助. kt201801

Received: 2018-11-7 Revised: 2019-04-24 Online: 2019-12-15

作者简介 About authors

彭继达(1987-),男,工程师,主要从事气象卫星资料应用研究。Email:pjida@163.com。。

摘要

植被对环境变化有重要影响,特别是在碳循环中起着关键性作用。随着局地植被精细化监测要求的提高,传统中低分辨率遥感植被监测方式已经很难满足需求,而高分辨率卫星具有高空间分辨率优势,可以对植被进行更精细的遥感监测。本研究从高分一号卫星数据的特征出发,研究高分一号卫星数据辐射定标、大气校正和正射校正的预处理方法及高分一号卫星植被覆盖度遥感反演方法。最后,以福建省厦门市为例,利用高分一号多光谱相机(GF-1-WFV1)16 m影像数据反演植被覆盖度,并划分植被覆盖等级。根据植被覆盖度分布显示,高分一号卫星能精确监测厦门市植被覆盖度分布状况。监测统计结果表明,厦门市大部分地区为高或较高植被覆盖度区,其中,海沧、集美、翔安和同安内陆地区植被覆盖等级明显优于沿海地区,厦门岛南部地区植被覆盖度优于北部地区。

关键词： 高分一号卫星 ; 影像预处理 ; 植被覆盖度 ; 植被生态监测

Abstract

Forests have an important impact on global environmental change, especially in the carbon cycle. The demand of sensing monitoring for meteorological disasters, especially typhoon and flood, has become increasingly important. Traditional sensing monitoring of low and medium resolution can hardly meet the requirement. High resolution satellite has the advantage of high spatial resolution in vegetation monitoring. In this paper, the characteristics and pretreatment methods of GF-1 satellite images were studied in detail. The methods of radiation calibrater, atmospheric correction, ortho-rectification and calculating vegetation coverage were described in this paper. Finally, there was a case study of vegetation eco-environmental monitoring in Xiamen City. Researches show that most part of Xiamen belongs to high or higher vegetation coverage area, and the vegetation coverage in Haicang, Jimei, Xiangan and Tongan inland areas is significantly better than that in coastal areas. In the island of Xiangan, the vegetation coverage is better in the southern part than in the northern part.

Keywords： GF-1 satellite ; image pretreatment ; vegetation coverage ; vegetation monitoring

PDF (2440KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

彭继达, 张春桂. 基于高分一号遥感影像的植被覆盖遥感监测——以厦门市为例. 国土资源遥感[J], 2019, 31(4): 137-142 doi:10.6046/gtzyyg.2019.04.18

PENG Jida, ZHANG Chungui. Remote sensing monitoring of vegetation coverage by GF-1 satellite: A case study in Xiamen City. REMOTE SENSING FOR LAND & RESOURCES[J], 2019, 31(4): 137-142 doi:10.6046/gtzyyg.2019.04.18

0 引言

高分卫星一般指高分辨率对地观测卫星,最主要特点是高空间分辨率,其在精细化遥感应用中占有重要地位。中国早在《国家中长期科学和技术发展规划纲要(2006—2020年)》中就将高分辨率对地观测系统工程确立为重大专项之一^[1,2]。

国内外学者利用高分一号(GF-1)卫星影像在农业种植区、森林环境监测、国土资源利用等方面进行了研究,例如基于高分卫星影像特征监测水稻、小麦等农作物长势情况及对农作物进行分类,对森林植被信息进行提取,对露天矿开采地进行监测等^[3,4,5,6,7]。迄今福建省在高分卫星数据应用方面的研究还比较少。在近几年中国气象局发布的全国植被生态指数监测公报中,福建省植被生态状况排名一直处于全国前列,但福建省生态遥感监测方法主要基于风云系列、MODIS等中低分辨率卫星,其最高空间分辨率为250 m^[8],对于小面积地物及其精细变化很难精确辨识,这在一定程度上限制了生态遥感监测向更精细化方向的发展,所以有必要对GF卫星数据的预处理及其生态遥感监测应用效果进行研究。植被是陆地生态系统的重要组成部分,也是生态系统中物质循环与能量流动的中枢,在环境变化中起着指示器的作用。植被覆盖是植被变化最直接的指标,研究其分布状况可为植被的种植与保护提供可靠的科学依据^[9]。本研究以厦门市为例,研究GF-1卫星数据的预处理方法及其在植被生态遥感监测中的应用效果。

1 GF-1卫星影像的植被覆盖遥感监测方法1.1 GF-1卫星影像数据获取及影像特征

本研究所需GF-1卫星影像数据由中国资源卫星应用中心提供。GF卫星主要搭载2台2m空间分辨率全色和8m空间分辨率的多光谱相机(GF-1PMS)和4台16m空间分辨率的多光谱相机(GF-1WFV),设计寿命为5~8 a。GF-1卫星具有高空间分辨率对地观测和大宽幅成像结合的特点,其中GF-1PMS影像宽幅大于60 km,GF-1 WFV影像宽幅大于800 km,可为区域精细化观测提供一定的宽幅空间。本文以GF-1WFV1卫星影像为例,介绍GF-1卫星影像的预处理过程。GF-1卫星有效载荷技术指标如表1所示,轨道参数如表2所示。

表1 GF-1卫星有效载荷技术指标

Tab.1 Technical specifications of GF-1 satellite

类型	谱段号	谱段范围/μm	空间分辨率/m	幅宽/ km	侧摆能力	重访时间/d
全色相机	1	0.45~0.90	2	60	±35°	4
8 m宽幅多光谱相机	2	0.45~0.52	8	60	±35°	4
	3	0.52~0.59
	4	0.63~0.69
	5	0.77~0.89
16 m宽幅多光谱相机	6	0.45~0.52	16	800	±35°	2
	7	0.52~0.59
	8	0.63~0.69
	9	0.77~0.89

新窗口打开| 下载CSV

表2 GF-1卫星轨道参数

Tab.2 The orbit parameterofGF-1 satellite

参数	指标
轨道类型	太阳同步回归轨道
轨道高度	645 km
轨道倾角	98.050 6°
降交点地方时	10: 30AM
回归周期	41 d

新窗口打开| 下载CSV

1.2 植被覆盖遥感监测技术流程

本研究先对GF-1原始影像进行预处理,包括辐射定标、大气校正、正射校正,得到可见光和近红外波段的反射率值,根据红光和近红外反射率值计算归一化植被指数。基于像元二分模型,计算厦门地区植被覆盖度,并对植被覆盖程度进行分级,统计不同等级植被覆盖度分布特征。技术流程如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 植被覆盖遥感监测技术流程

Fig.1 Technical flowchart of vegetation coverage

1.3 GF-1影像预处理关键技术

1.3.1 GF-1影像辐射定标

辐射定标是使用卫星定标参数将卫星接收到的计数值(DN值)转化为表观辐亮度、表观反射率等物理量的过程,是遥感信息定量化的前提与基础。GF-1卫星采用Empirical Line定标方法即利用2个已知点的地面反射光谱值,再计算影像上对应像元点的平均DN值,然后利用线性回归求出增益和偏移值,建立DN值与地面反射光谱值之间的相互关系。GF-1卫星影像数据定标公式为

(1)

L = GD + B

式中: L为表观辐亮度,W·m^-2·sr^-1·um^-1; G为定标斜率,W·m^-2·sr^-1·um^-1; D为卫星载荷观测值; B为定标截距,W·m^-2·sr^-1·um^-1。利用计算出的表观辐亮度计算表观反射率,即

(2)

ρ_{λ}^{toa} = \frac{π L d^{2}}{E \cos θ}

式中: $ρ_{λ}^{toa}$ 为表观反射率; L为辐射亮度; d为日地距离系数; E为波段太阳辐照度; θ为太阳天顶角。

GF-1卫星运行过程中会产生探测器性能的衰退、感应元件的老化、污染等,导致遥感器的探测精度、灵敏度减弱,因而需定期对遥感器进行系统定标。GF-1基于地面定标的方法即通过绝对辐射定标试验进行定标。GF-1定标试验场设在敦煌(中心经纬度为94.320 83°E,40.137 50°N),通过选择高(盐碱地)、中(戈壁)、低(水体)反射率的典型地面目标物进行同步观测,获取卫星过境时场地的地表实测反射光谱数据、太阳辐射数据和大气探空数据,并利用遥感方程,建立遥感数据与反映地物特征的地面有效辐射亮度值之间的关系,即Gain和Bias辐射定标参数(图2)。但是地面定标由于包含了路程大气的影响,还需进行大气光学厚度、大气廓线等的测量,而这些测量将直接影响辐射定标的精度。按照GF-1卫星仪器的性能要求,一般每间隔一年要进行一次地面场地定标,确保辐射定标参数的精度达到一定要求。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 GF卫星进行高、中、低反射率3个场地同步观测

Fig.2 Simultaneous observations at different sitesof GF-1 satellite

中国资源卫星应用中心利用地面定标试验结果对GF-1卫星的辐射特性进行监测和分析,并且每年发布卫星绝对辐射定标系数(表3为2017年度的)。

表3 2017年GF-1卫星绝对辐射定标系数

Tab.3 the absolute calibration coefficients of GF-1 satellite for 2017

卫星载荷	绝对辐射定标系数
	Pan		B1		B2		B3		B4
	G	B	G	B	G	B	G	B	G	B
GF-1 PMS1	0.122 8	0	0.142 4	0	0.117 7	0	0.119 4	0	0.113 5	0
GF-1 PMS2	0.136 5	0	0.146 0	0	0.124 8	0	0.127 4	0	0.125 5	0
GF-1 WFV1	/		0.216 5	0	0.168 5	0	0.135 4	0	0.150 7	0
GF-1 WFV2	/		0.209 7	0	0.163 0	0	0.133 9	0	0.152 1	0
GF-1 WFV3	/		0.187 0	0	0.161 9	0	0.129 5	0	0.138 3	0
GF-1 WFV4	/		0.177 0	0	0.152 1	0	0.132 2	0	0.134 9	0

新窗口打开| 下载CSV

1.3.2 大气校正

GF-1卫星影像在获取过程中受到大气的影响,传感器接收的数据会产生畸变。一般通过大气校正可以消除大气对太阳和来自目标的辐射产生吸收和散射作用的影响,其中包括消除大气中水汽、CO₂,O₃和O₂等对地物反射率的影响; 消除大气分子和气溶胶散射的影响,从而获得地物反射率、辐射率、地表温度等真实物理模型参数。通常,大气校正是卫星影像反演地物真实反射率的必要手段。常见的大气校正方法有辐射传输模型法、暗黑像元法、统计学模型法等。

本研究采用辐射传输6S模型法进行大气校正。6S模型假定无云大气的情况下,考虑了水汽、CO₂,O₃,CO,N₂O和O₂的吸收、分子和气溶胶的散射以及非均一地面和双向反射率的问题; 同时,6S模型还采用逐次散射法(successive order of scattering,SOS)进行瑞利散射和气溶胶散射计算,提高散射计算精度,是当前发展比较成熟的大气订正模型之一^[10]。基于6S模型的到达卫星传感器反射率 $(ρ_{t})$ 计算方法为

(3)

ρ_{t} (θ_{s}, θ_{v}, φ_{s} - φ_{v}) = T_{g} (θ_{s}, θ_{v}) [ρ_{r + a} + T (θ_{s}) T (θ_{v}) \frac{ρ_{s}}{1 - S ρ_{s}}]

式中: $θ_{s}$ 为太阳天顶角; $θ_{v}$ 为观测天顶角; $φ_{s}$ 为太阳方位角; $φ_{v}$ 为观测方位角; $ρ_{r + a}$ 为由分子散射加气溶胶所构成的路径辐射反射率; $T_{g} (θ_{s}, θ_{v})$ 为大气吸收所构成的反射率; $T (θ_{s})$ 为太阳到地面的散射透过率; $T (θ_{v})$ 为地面到传感器的散射透过率; S为大气球面反照率, $ρ_{s}$ 为地面目标反射率^[11]。

1.3.3 正射校正

正射校正是对影像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程,纠正仪器系统产生的几何畸变,同时借助地形高程模型(digital elevation model,DEM),消除地形引起的几何畸变。在陡峭的斜坡和有很大高程差的地区,地形校正结果的质量取决于校正过程中所用DEM的精度和分辨率。厦门地区多高低起伏的地形,有必要进行正射校正。本研究采用有理函数模型(rational polynomial coefficient,RPC)对GF-1进行正射校正,将地面点大地坐标与其对应的像点坐标用比值多项式关联起来。RPC模型的优点是计算量较小,校正精度较高,同时克服了严格轨道参数模型中卫星参数难以获取的缺点。

图3为辐射定标、大气校正和正射校正处理后的厦门市2018年2月13日11时(北京时)GF-1-WFV1影像B3(R),B2(G),B1(B)合成图。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 厦门GF-1-WFV1真彩色图像

Fig.3 True color map of GF-1-WFV1 in Xiamen

1.4 植被覆盖度分级方法

1.4.1 植被覆盖度指标计算

本研究利用归一化植被指数(normalized difference vegetation index,NDVI)和像元二分模型原理计算植被覆盖度。

NDVI是植被生长状态及植被覆盖度最佳指示因子,主要利用绿色植物强吸收可见光红波段(0.6~0.7 μm)和高反射近红外波段(0.7~1.1 μm)特点对植被长势进行遥感监测^[12,13],NDVI计算公式为

(4)

NDVI = (NIR - R) / (NIR + R)

式中: NIR为近红外波段的反射率; R为红光波段的反射率。GF-1卫星影像的B3和B4对应可见光红波段和近红外波段。

像元二分模型原理是假设影像上一个像元的反射率可分为纯植被部分反射率和非植被部分反射率2部分,则任一像元的反射率值可以表示为由植被覆盖部分与非植被覆盖部分的线性加权之和。根据这一原理,假设任何一个像元都是由有植被覆盖部分地表与无植被覆盖部分地表组成。因此,计算植被覆盖度F的公式可表示为

(5)

F = \frac{NDVI - NDV I_{soil}}{NDV I_{veg} - NDV I_{soil}}

式中: NDVI_soil为完全是裸土或无植被覆盖区域的NDVI值; NDVI_veg为完全由植被所覆盖的像元的NDVI值,即纯植被像元的NDVI值。根据整幅影像上NDVI的灰度分布,以0.5% 置信度截取NDVI的上下限阈值分别近似代表NDVI_veg和NDV ${I_{soil}}^{[14 - 15]}$ 。

1.4.2 植被覆盖度分级

对GF-1卫星影像进行植被覆盖度计算,得到所有影像的植被覆盖度分布情况。将计算得到的植被覆盖度(F)分为5个等级: 低植被覆盖度(F<10%)、较低植被覆盖度(10%≤F<30%)、中度植被覆盖度(30%≤F<50%)、较高植被覆盖度(50%≤F<70%)和高植被覆盖度(F≥70%)^[16,17]。

2 GF-1遥感影像的植被覆盖分级调查实验——以厦门市为例

2.1 植被覆盖度分级实验结果

利用2018年2月13日GF-1卫星影像反演的厦门地区植被覆盖度空间分布如图4所示。GF-1-WFV1影像的空间分辨率为16 m,可以对厦门市植被覆盖情况进行较精细的监测。监测结果显示: 海沧、集美、翔安、同安的内陆地区主要为林地,植被长势良好,植被覆盖度较高,大部分为高等级植被覆盖度; 沿海地区为城市建设区,植被覆盖度相对较低,主要为较低至中度植被覆盖度。厦门本岛林区多分布在南部,特别是南部的五老山和云顶岩区域,所以其植被覆盖度呈现南部优于北部的分布状态,大部分区域处于中度至高植被覆盖度范围。总体上,厦门岛外的内陆地区植被长势明显高于沿海地区; 厦门本岛的南部地区植被长势优于北部地区; 厦门市大部分地区植被覆盖度较高。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 厦门市植被覆盖度等级图

Fig.4 Theclass map of vegetation coverage in Xiamen

2.2 结果分析

从不同等级植被覆盖度面积统计表格(表4)可以看出: 高植被覆盖度的面积所占比较大,占到了厦门市植被覆盖总面积的51.8%; 较低、中度和较高植被覆盖度的面积较接近,占比分别为15.3%,16.2%和15.0%; 低植被覆盖度面积较小,占比为1.6%。总体来看,厦门地区植被生长较好,植被生态环境较优。

表4 不同等级植被覆盖度面积统计

Tab.4 Statistics of vegetation coverage at different grades

植被覆盖度分类等级	像元数/个	面积/km²	所占植被覆盖总面积百分比/%
低	83 697	21.43	1.6
较低	779 192	199.47	15.3
中	828 621	212.13	16.2
较高	766 330	196.18	15.0
高	2 642 288	676.43	51.8

新窗口打开| 下载CSV

3 结论

本研究通过GF-1卫星影像反演厦门市植被覆盖度,并利用卫星影像的高空间分辨率优势,将厦门市植被覆盖度分为5个等级。根据植被覆盖度等级分布,分析厦门不同地区植被覆盖状况,并进行评价,以期更好地维护地区植被生态系统。研究对比显示,GF-1卫星监测结果较中低分辨率卫星精度高,且能监测到中低分辨率卫星无法监测到的更细化的植被覆盖度等级特征。总体上,GF-1卫星影像在厦门地区植被覆盖度遥感监测方面适用度较好。目前,福建省遥感监测业务主要利用风云系列和MODIS、向日葵卫星数据。随着生态遥感分析的更精细化需求,特别是监测台风、洪涝等重大气象灾害局地破坏状况,传统遥感监测方式难以满足。本研究详细阐述GF-1卫星影像的预处理方法及植被精细化遥感反演方法,为福建省GF卫星的应用推进和精细化生态遥感监测分析提供了一定参考。值得注意的是,GF卫星影像空间覆盖范围较中低分辨率卫星要小,更适用于局地精细化的生态遥感监测及分析。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

东方星

我国高分卫星与应用简析

[J].卫星应用,2015(3):44-48.