劉詠梅,王超,于冬

(西北大學(xué)城市與環(huán)境學(xué)院,陜西西安710127)

SPOT VEGETATION 計(jì)劃由法國(guó)、歐盟、比利時(shí)、意大利和瑞典聯(lián)合開(kāi)發(fā),該計(jì)劃的組件裝載在1998年3月發(fā)射的SPOT-4和2002年5月發(fā)射的SPOT-5衛(wèi)星上,觀測(cè)寬度2250 km,空間分辨率為1 km,每天一次提供全球表面的影像覆蓋。SPOT VEGETATION傳感器以植被和地表為觀測(cè)目標(biāo),為長(zhǎng)期的區(qū)域/全球科學(xué)研究,以及重要植被資源的監(jiān)測(cè)系統(tǒng)提供基礎(chǔ)數(shù)據(jù)。SPOT VEGETATION在具有覆蓋面廣、時(shí)間分辨率高,數(shù)據(jù)具有可比性等優(yōu)點(diǎn)的同時(shí),云層和雪蓋的干擾在很大程度上限制了其使用效率。由MVC(maximun value composite)方法合成的S10影像,雖然降低了云層干擾和大氣光學(xué)厚度變化的影響,但仍然殘存著云污染(cloud contamination),從而影響分析精度。研究有效的預(yù)處理方法,減少或去除云霧和雪蓋的影響,對(duì)提高SPOT VEGETATION數(shù)據(jù)的利用精度具有十分重要的意義。

本研究針對(duì)SPOT VEGETATION S10影像中殘存的云和雪蓋,對(duì)3種云層和雪蓋檢測(cè)器的檢測(cè)結(jié)果進(jìn)行對(duì)比分析,并采用時(shí)間序列相鄰像元均值平滑的方法,較徹底地去除影像中的云和雪蓋,為SPOT VEGETATION影像的噪聲去除提供了較好的解決方案。

1 SPOT VEGETATION S10數(shù)據(jù)簡(jiǎn)介

1.1 MVC合成處理

SPOT VEGETATION(VGT)數(shù)據(jù)的合成處理采用最大值合成法MVC[1]。S10是指10 d的合成產(chǎn)品,根據(jù)每個(gè)像素10 d內(nèi)的觀測(cè)值進(jìn)行計(jì)算,即選取10 d中具有最大NDVI值的觀測(cè)值作為該像素的地表反射值。S10數(shù)據(jù)集包含了NDVI,SM(狀態(tài)地圖)和 B0,B2,B3,MIR,SAA,SZA,TG,VAA,VZA等數(shù)據(jù)層[2]。

1.2 狀態(tài)地圖Status Map(SM)

狀態(tài)地圖是與影像數(shù)據(jù)對(duì)應(yīng)的柵格文件,文件的數(shù)據(jù)類(lèi)型為無(wú)符號(hào)8位,取值范圍為0～255。該柵格文件中每個(gè)像素值的二進(jìn)制數(shù)值實(shí)際上是位數(shù)指示器(bit indicators Bit NR),表示了影像數(shù)據(jù)中該像素在獲取時(shí)的輻射質(zhì)量及地表覆蓋類(lèi)型。

如:Bit NR 2指示該像素是否冰雪,若值為1,指示是;若值為0,指示不是;Bit NR 1和0,指示該像素是否云層(表1)。

表1 Bit NR的取值意義

例如:在狀態(tài)地圖中若某像素的值為

251=(11111011)2,該像素為云;

252=(11111100)2,該像素為冰雪。

2 云層和雪蓋檢測(cè)

2.1 常用的檢測(cè)方法

很多新的云和雪蓋檢測(cè)方法都處于初期的驗(yàn)證階段[3],國(guó)際上主要采用以下5種方法:(1)閾值法。在各光譜波段確定若干閾值,超過(guò)閾值范圍的像素被標(biāo)識(shí)為“云”。(2)分區(qū)法。整個(gè)世界被分成若干區(qū)域,在每個(gè)區(qū)域內(nèi),根據(jù)不同的情況采用不同的算法。(3)變量法。與閾值法相同,但輸入變量可以采用波段之間的各種組合。(4)神經(jīng)網(wǎng)絡(luò)法。采用各種神經(jīng)網(wǎng)絡(luò)模型進(jìn)行云的檢測(cè)。(5)模糊檢測(cè)法。不能明確確定某像素是或者不是云,而是確定該像素是云或非云的可能性。

目前,閾值法是云層檢測(cè)的主要方法,變量法是雪蓋檢測(cè)的主要方法。

2.2 SPOT VEGETATION S10影像云和雪蓋的檢測(cè)

2.2.1 云層和雪蓋檢測(cè)器V1.0 (1)云層檢測(cè)器V1.0。該方法將SM圖中各像素的屬性值轉(zhuǎn)化為二進(jìn)制值,用Bit NR1和0來(lái)標(biāo)識(shí)。根據(jù)SM 圖可知,值為27,75,91,107,123,235,251的像素為云像素。以1999年4月11日至20日的全國(guó)影像為例,得到云檢測(cè)圖。(2)雪蓋檢測(cè)器V1.0。檢測(cè)方法和云層檢測(cè)器V1.0相同,將SM圖各像素的屬性值轉(zhuǎn)化為二進(jìn)制值,用Bit NR2來(lái)標(biāo)識(shí)。由SM圖可知,值為28,92,124,236,252的像素為冰雪像素;同樣,生成雪蓋檢測(cè)圖。

2.2.2 云層和雪蓋檢測(cè)器V2.0 (1)云層檢測(cè)器V2.0。該方法根據(jù)VGT傳感器的B0,MIR波段的TOA反射值來(lái)確定像素的屬性。一個(gè)像素的輻射質(zhì)量由以下條件來(lái)判定:①如果B0＜493或MIR＜180,晴朗;②如果 B0≥720或MIR ≥320,云;③其它情況,不確定。以上閾值有10%的誤差。以1999年4月11日至20日全國(guó)影像為例,生成云檢測(cè)圖。(2)雪蓋檢測(cè)器V2.0。下列條件全滿(mǎn)足的像素,被定義為冰雪:①B2≥615;②MIR＜481;③(B0-B3)/(B0+B3)×1 000≥-773;④(B0-MIR)/(B0+MIR)×1 000≥87;⑤(B0+B2)/2-MIR≥77;以1999年4月11日至20日全國(guó)遙感影像為例,生成雪蓋檢測(cè)圖。

2.3 最佳指數(shù)斜率提取法〔BISE〕[4-5]

SPOT VEGETATION S10時(shí)間序列影像中不協(xié)調(diào)的突增和突降可能是有云與無(wú)云狀況的轉(zhuǎn)變表征。BISE方法通過(guò)滑動(dòng)合成時(shí)段來(lái)防止選擇虛假的最大值,可以較好的識(shí)別S10影像的云層噪音干擾。

BISE算法主要包含兩個(gè)假定:(1)云和大氣的影響會(huì)使NDVI值降低;(2)NDVI值迅速而不連續(xù)的升高或降低與植被的自然生長(zhǎng)規(guī)律不相符。通過(guò)檢測(cè)3個(gè)時(shí)刻:t-1,t,t+1的NDVI值,來(lái)判斷在t時(shí)各個(gè)像素是否為云層。分別計(jì)算NDVI在t-1和t時(shí)刻的差值以及NDVI在t+1和t時(shí)刻的差值,見(jiàn)公式(1—2)。

采用在t時(shí)刻N(yùn)DVI值降低20%作為閾值來(lái)判定云像素的存在[6]。如果dNDVIt-1,t和dNDVIt+1,t各有20%的降低,則認(rèn)為該像素受到云的影響。

以1999年4月11日至20日全國(guó)遙感影像為例,生成云檢測(cè)圖。

2.4 云和雪蓋檢測(cè)器V1.0,V2.0和BISE之間的比較

以1999年4月11至20日的影像為例,利用3種方法對(duì)云和冰雪像素的檢測(cè)結(jié)果見(jiàn)表2。

表2 3種方法檢測(cè)結(jié)果的比較

圖1為1999年4月的3期NDVI合成影像。對(duì)3種方法的檢測(cè)結(jié)果和NDVI彩色影像進(jìn)行對(duì)比可知,用V1.0得出的云檢測(cè)圖比實(shí)際云層覆蓋要少的多;用V2.0得出的云和雪蓋檢測(cè)圖有一定的重疊度,因而不能準(zhǔn)確地判斷重疊像素的屬性是云還是冰雪;BISE得出的云檢測(cè)圖和實(shí)際云層的吻合度很好,使用該方法能夠較好地識(shí)別云像素。

圖1 199904NDVI合成圖

3 去云去雪蓋處理

有多種方法可以進(jìn)一步消除影像上殘存的云污染[6-8]。選取一個(gè)月內(nèi)具有最大NDVI值的像素合成月影像產(chǎn)品是常用的方法之一,但是這種方法不能很好地反映出植被綠度演變中較大或快速的變化。本研究利用云像素在時(shí)間序列上的相鄰像素進(jìn)行平滑處理[4],以達(dá)到去除云和雪蓋的目的。

對(duì)于在時(shí)間t獲取的像素i,根據(jù)上述檢測(cè)方法,如果該像素被標(biāo)識(shí)為云像素,用時(shí)間t之前的某時(shí)間(絕大多數(shù)情況為t-1)該像素的無(wú)云NDVI值和時(shí)間t之后的某時(shí)間(絕大多數(shù)為t+1)該像素的無(wú)云NDVI值,計(jì)算兩者的平均值來(lái)代替像素i在時(shí)間t的NDVI值。即:

式中:dNDVIt——像素i在時(shí)間t的 NDVI值;——像素i在時(shí)間t-1的灰度值;dNDVIt+1——像素i在時(shí)間t+1的灰度值。

對(duì)V1.0,V2.0,BISE檢測(cè)到的云圖,用公式(3)進(jìn)行處理,可得到去云后的旬NDVI時(shí)間序列影像。去雪蓋方法和去云方法一樣,對(duì)V1.0,V2.0得到的雪蓋圖采用上述公式,可去除冰雪覆蓋的影響。

4 結(jié)論

(1)對(duì)SPOT VEGETATION S10影像中云層和雪蓋的3種檢測(cè)方法的比較表明,V1.0檢測(cè)器得到的云最少,但比較準(zhǔn)確;V2.0得到的云圖有部分像素和雪蓋圖的像素重疊,因而不能準(zhǔn)確判斷出這些重疊像素的屬性;而用BISE檢測(cè)器得到的云圖和實(shí)際相符程度最高。

(2)綜合3種方法的優(yōu)點(diǎn),SPOT VEGETAION影像云和雪蓋檢測(cè)的最佳方法為:先用V1.0,再用BISE檢測(cè)器,能夠較徹底地檢測(cè)影像上的云像素;V1.0和V2.0的綜合運(yùn)用,可獲得比較合理的雪蓋圖。

(3)SPOT VEGETATION S10時(shí)間序列影像為云和雪蓋的去除提供了數(shù)據(jù)基礎(chǔ),時(shí)間序列相鄰像素平滑處理方法的應(yīng)用,使旬影像數(shù)據(jù)中云和雪蓋等噪音的去除效果達(dá)到最佳。

[1] Holben B N.Characteristic of maximum value composite images for temporal AVHRR data[J].International Journal of Remote Sensing,1986,7(11):1417-1434.

[2] 劉詠梅.基于高時(shí)間分辨率遙感數(shù)據(jù)的區(qū)域水土保持植被綜合分類(lèi)研究:以黃土高原為例[D].北京:中國(guó)科學(xué)院研究生院,2006:76-77.

[3] Gil Lissens,Pieter Kempeneers,Freddy Fierens.Development of a cloud,snow and shadow mask for VEGETATION imagery[C]//The Proceeding of VEGETATION.Isprs,Italy:Joint Research Center,2000.

[4] Viovy N,Arino O,Belward A S.The best index slope extraction(BISE):A method for reducing noise in NDVI time-series[J].International Journal of Remote Sensing,1992,8:1585-1590

[5] 顧娟,李新,黃春林.NDVI時(shí)間序列數(shù)據(jù)集重建方法述評(píng)[J].遙感技術(shù)與應(yīng)用,2006,21(4):392-395.

[6] Xiangming Xiao,Stephen Boles,Jiyuan Liu.Characterization of forest types in Northeastern China,using multi-temporal SPOT-4VEGETATION sensor data[J].Remote Sensing of Environment,1999,11(5):335-348.

[7] White M,Thornton P,Running S.A continental phenology model for monitoring vegetation responses to interannual climatic variability[J].Global Biogeochemical Cycles,1997 11,(2):217-234.

[8] Reed B,Brown J,VanderZee D,et al.Measured phonological variability from satellite imagery[J].Journal of Vegetation Science,1994,5:703-714.