基于PCI的ALOS融合正射影像图制作——以果化石漠化监测区为例

沈利娜， 蒋忠诚， 马祖陆， 杨奇勇

(1.中国地质科学院岩溶地质研究所岩溶生态系统与石漠化治理重点开放实验室，桂林 541004；2.国土资源部广西壮族自治区岩溶动力学重点实验室，桂林 541004)

基于PCI的ALOS融合正射影像图制作
——以果化石漠化监测区为例

沈利娜1，2， 蒋忠诚1，2， 马祖陆1，2， 杨奇勇1，2

(1.中国地质科学院岩溶地质研究所岩溶生态系统与石漠化治理重点开放实验室，桂林 541004；2.国土资源部广西壮族自治区岩溶动力学重点实验室，桂林 541004)

为满足特殊岩溶地貌对遥感影像正射纠正的要求,以广西果化石漠化监测区为研究区，利用PCI中的OrthoEngine模块,依据1∶1万数字化等高线制作DEM；以ALOS全色影像为数据源，通过RPC有理函数模型进行正射纠正，采用PANSHARP融合算法，高保真地将全色影像与多光谱影像进行融合，制作成空间分辨率为2.5 m的融合正射影像图。结果表明，此方法为岩溶区的科学研究提供了精度高和信息丰富的现时数据源,为岩溶石漠化监测提供了科学的信息更新手段。

PCI；ALOS；正射影像；PANSHARP融合

0 引言

岩溶地貌区地形起伏较大，地质信息难以获取。随着遥感技术的发展，高精度遥感影像逐渐成为该区地质信息和现时数据获取的理想来源。卫星影像在成像过程中，受到透视投影、摄影轴倾斜、大气折光、地球曲率及地形起伏等诸多因素影响，像点会产生不同程度的几何变形[1]。洼地与峰丛高差大，在特殊的岩溶地貌区，基于高精度遥感影像的融合、正射影像制作难度较大，常规方法易出现信息失真，难以取得理想效果，因此需进一步改进。PANSHARP算法根据数字高程模型(digital elevation model，DEM)选取地面控制点(ground control point,GCP)来重新采样，能够将多源遥感影像的高分辨率与色彩信息较完美地融合，获得的正射影像具有精度高、信息丰富、直观逼真及现时性强等特点。在岩溶地貌区采用PANSHARP法获取的地理空间数据，可用于提取自然及社会发展信息,为岩溶石漠化监测提供良好的数据源和信息更新手段。

本文以广西果化石漠化监测区为研究区，利用PCI Geomatica13.0软件，配合DEM对ALOS(Advanced Land Observation Satellite)卫星影像进行正射纠正和PANSHARP融合，进一步获取色彩信息丰富、空间分辨率较高和便于实际应用的ALOS融合正射影像图，为该区提供详实可靠的现时数据资料。此方法也为岩溶峰丛山区的遥感影像正射纠正提供改进方法和流程参考。

1 研究区概况

果化石漠化监测区是在广西果化生态重建示范区的基础上，向周边扩展部分未进行生态重建的区域，面积约13 385 hm2,包括平果县果化镇的龙何、妙冠、布尧、陇尧及布午5个自然屯，地理坐标为E107°22′30″～107°24′47″,N23°22′30″～23°24′32″，海拔为110～570 m。全区地貌以典型低峰丛洼地和峰林平原为主，地形陡峭，平均坡度可达19.38°。该区石漠化严重，植被以草丛和灌丛为主，过去植被覆盖率不足10%，通过长期生态重建，植被覆盖率现已提高到57%，还培育了部分生态林[2]。

2 数据处理及研究方法

本文以覆盖研究区的2009年9月4日ALOS全色影像(空间分辨率2.5 m)和多光谱影像(空间分辨率10 m)各1景、1∶10 000比例尺的地形图(坐标系统为北京1954坐标系)为基础数据，采用PCI Geomatica13.0，MapGIS及ArcGIS等软件处理数据。PCI Geomatica13.0采用常见商用卫星的飞行轨道及传感器参数，支持严格的卫星轨道模型，能获得高精度的正射纠正结果，并具有PANSHARP独具特色的融合方式，代表了图像处理系统的发展趋势[3]。

首先进行ALOS全色正射影像制作(图1)，再进行ALOS融合正射影像制作(图2)，最后形成研究区ALOS数字化正射影像图。

图1 ALOS全色正射影像制作流程图Fig.1 Flow chart of ALOS panchromatic orthophotoimages production

图2 ALOS正射融合影像制作流程图Fig.2 Flow chart of ALOS fusion orthophotoimages production

3 研究结果

3.1 DEM制作

DEM是描述地面高程值空间分布的一组有序数组[4]。DEM精度应该与影像比例尺相应,在山区,过高的DEM精度反而有严重的拉花现象。研究区包括峰丛洼地和部分峰林平原2种岩溶地貌类型，根据ALOS融合影像分辨率，选择1∶10 000比例尺纸质地形图进行扫描，在MapGIS中纠正。地形图等高距为2.5 m，通过对等高线图数字化并标赋高程值，经过编辑、检查及拼接生成拓扑关系。数字化等高线通过PCI中的OrthoEngine模块，用Import&Build DEM选择“DEM from contours”方式生成DEM，采用北京54坐标系，栅格大小为2.5 m×2.5 m。生成的研究区DEM结果如图3所示。

图3 研究区DEMFig.3 DEM of the study area

3.2 ALOS全色影像的正射纠正

利用地面控制点和地面高程模型进行的几何纠正称为正射纠正[5]。它通过DEM消除地形起伏引起的比例尺变化，利用三角测量结果纠正传感器姿态变化，利用传感器实验室校验数据纠正传感器内部误差。经过正射纠正处理后的影像为正射影像，影像上任何点的定位精度独立于地形和卫星倾角。最终正射影像产品的绝对定位精度取决于DEM，GCP和影像本身的相对定位精度，正射纠正在卫星影像图制作过程中是决定卫星影像图定位精度的关键。

常用的卫星影像纠正模型有多项式模型、有理函数模型和参数模型。PCI OrthoEngine软件平台有3种3D几何模型可以用于纠正高分辨率卫星数据，分别是：①通过用户GCP解算的3D有理函数模型；②高分辨率卫星数据自带的有理函数模型；③3D参数(严格物理)模型[6]。本次研究购买的预备正射纠正的影像产品缺乏传感器物理模型，传感器、卫星平台和地面三者之间的关系遭到了破坏，使成图精度受限，在只有少量GCP和2.5 m精度DEM情况下，此次选择RPC有理函数模型(rational polynomial coefficient，RPC)，辅助一阶多项式纠正以提高最终的定位精度[7]，满足ALOS影像的制图精度要求。

以果化石漠化监测区1∶10 000地形图制作的分辨率为2.5 m的DEM为参考，均匀选取20个GCP对ALOS全色影像进行正射纠正，最终残差控制在1 m以下，GCP参数见表1。

表1 ALOS全色影像正射纠正的GCP参数Tab.1 GCP parameters of ALOS panchromatic images orthorectified (m)

研究区为岩溶峰丛洼地地貌，山峰陡峭，相对高差明显，高低起伏的地形给正射纠正带来了一定困难。对于不同比例尺,要选择相应精度的DEM,考虑到岩溶山区影像，本研究采用分辨率为2.5 m的DEM，既能提高纠正精度又不至于出现拉花现象。在选择GCP时也注意了以下2点[8]：①GCP明显且清晰稳定,在原始影像和参考数据中能被正确识别和定位，选择特征线和特征点(取其交叉中心),选择非空中的点,以避免高差带来的移位；②GCP在影像上均匀分布,能控制整个区域。

3.3 影像融合

遥感影像融合可分为像元级、特征级和决策级3个层次[9]。目前，对于遥感数据融合方面的研究多位于像元级，本研究采用的PANSHARP(全色增强融合算法) 也属于像元级。PANSHARP 基于最小二乘法来最佳近似原始多光谱、全色数据与融合后多光谱、全色数据之间的灰度值关系。以此原理来调整单个波段的灰度分布，减少融合影像的颜色偏差, 同时对所有输入波段进行统计运算，以便消除融合结果对数据集的依赖性，并基于统计方法来解决融合过程的标准化和自动化问题，最终获得颜色高保真性结果。在信息熵、平均梯度、信噪比、偏差指数和均方根误差5个指标评价下，PANSHARP被公认为是最佳的融合算法[10]，目前已大量应用于IKONOS，QuickBird，Landsat7和SPOT5等卫星的全色和多光谱数据的融合。PANSHARP变换信息保真性较好，不仅同一地物的波谱曲线形状没有发生变化，而且不同地物的波谱之间的关系也保持得较好。

基于PCI中OrthoEngine 模块的Polynomial选项，以正射纠正的ALOS全色影像为参考，对ALOS多光谱影像进行几何纠正，在纠正精确的情况下，不进行直方图匹配，直接进行融合。对于“四同”(同星、同轨、同时相及同景)遥感影像数据融合前的校正非常重要，直接影响融合效果，对校正的精度检测十分必要，允许误差范围应严格控制。针对ALOS数据，GCP误差在0.05～1.00 m，相对偏差值相当于0.16～1.00 m，一般在允许误差范围内的融合结果比较理想，而超过允许误差范围的融合结果会有明显的重影，需要对GCP重新调控。本研究选择17个GCP，所有GCP残差在0～0.96 m之间， GCP参数见表2。

表2 ALOS多光谱影像几何纠正的GCP参数Tab.2 GCP parameters of ALOS multispectral images geometric correction (m)

通过可视化工具检验全色与多光谱影像的配准情况，符合要求后，采用PCI中PANSHARP融合算法，将空间分辨率2.5 m的ALOS全色影像与空间分辨率10 m的ALOS多光谱影像融合，获得空间分辨率有明显提高的融合影像。在融合影像中增加了一个新的8 bit通道，通过EASI Modeling赋予新通道信息，即

N=80%G+20%IR,

(1)

式中：N为新通道；G为绿波段；IR为近红外波段。融合影像的RGB分别用第3波段、新通道及第1波段显示，在Focus模块中进行适应性拉伸，以TIFF格式输出，再用Photoshop进行色阶、曲线和饱和度等调整，结果如图4所示。

图4 研究区ALOS影像的PANSHARP融合Fig.4 ALOS image PANSHARP fusion of the study area

PANSHARP 融合方法的光谱退化较小，同时也较高程度地保持了高几何分辨率的空间信息，融合效果是低空间分辨率光谱信息和高空间分辨率空间信息二者之间权衡较好的一种融合方法。对比图4中全色影像、多光谱影像和PANSHARP 融合影像，可以看出融合影像的分辨率接近于全色影像的分辨率，而且色调较原多光谱影像更亮，绿波段采用了新通道信息，使植被色彩更接近真实情况，为后期的植被信息提取提供了更丰富的信息。结合融合影像灰度剖面统计(表3)和剖面图来分析(图5)，RGB灰度值变化趋势有较好的一致性，融合结果较为理想。

表3 剖面统计Tab.3 Profile statistics

图5 ALOS影像PANSHARP融合剖面Fig.5 Profile graphs of ALOS image PANSHARP fusion

3.4 数字正射影像图的生成

数字正射影像图是以单色或彩色遥感影像图(卫星或航摄影像)为基础,经过扫描处理,再经逐个像元进行辐射校正、微分纠正和镶嵌,按地形图幅范围裁剪成的影像数据,并将地形要素的信息以符号、公里格网、线划、注记及图廓(内/外)整饰等形式增加到平面上,以栅格数据形式存储的影像数据库[11-12]。本研究通过ArcGIS软件中的ArcMap，在正射纠正ALOS融合影像上加注地名、公里网格、指北针及比例尺图框，最终制作成果化石漠化监测区ALOS数字化正射影像图，如图6所示。

图6 研究区ALOS数字化正射影像图Fig.6 ALOS digital orthophotoimage map of the study area

4 结论

1)以ALOS遥感影像和相应比例尺的DEM为数据源，以PCI为平台进行影像纠正、PANSHARP融合及增强等一系列处理，再通过ArcMap进行后期修饰，可获得岩溶峰丛山区高精度、大比例尺的数字化正射影像图。岩溶山区高差较大，进行岩溶区影像融合前的纠正要注意GCP的选取，误差范围尽量控制在0.05～1.00 m以内。DEM精度为2.5 m，能与ALOS遥感影像精度匹配。PANSHARP融合是岩溶峰丛山区高精度遥感影像融合的理想方法。

2)根据本研究的制作流程和操作方法，获得的正射影像图能为果化石漠化监测区进一步的遥感信息提取和空间分析提供可靠的基础信息，为石漠化研究区大比例尺地图信息实时更新提供了高效准确的资源，为岩溶石漠化监测提供了快速有效的信息获取方法。

[1] 马光永,张亚威,石军南.基于PCI的SPOT5遥感影像正射校正方法分析[J].中南林业调查规划,2011,30(4):47-52. Ma G Y,Zhang Y W,Shi J N.Analysis on ortho-rectification methods of SPOT5 satellite image based on PCI[J].Central South Forest Inventory and Planning,2011,30(4):47-52.

[2] 沈利娜.广西果化石漠化监测区岩溶生态环境系统安全评价[D].北京:中国地质科学院,2011:36-51. Shen L N.Karst Ecological Environmental System Security Assessment of Guangxi Guohua Rocky Desertification Area[D].Beijing:Chinese Academy of Geological Sciences,2011:36-51.

[3] 黄世存,章文毅,何国金,等.几种不同矩阵算法的遥感图像几何精纠正效果比较[J].国土资源遥感,2005,17(3):18-22.doi:10.6046/gtzyyg.2005.03.05. Huang S C,Zhang W Y,He G J,et al.A comparison of remote sensing image rectification effects based on several matrix algorithms[J].Remote Sensing for Land and Resources,2005,17(3):18-22.doi:10.6046/gtzyyg.2005.03.05.

[4] 党安荣,贾海峰,易善桢,等.ArcGIS8 Desktop地理信息系统应用指南[M].北京:清华大学出版社,2002:561-562. Dang A R,Jia H F,Yi S Z,et al.ArcGIS8 Desktop Geographic Information System Application Guide[M].Beijing:Tsinghua University Press,2002:561-562.

[5] 曹广强,陈新国,刘小强,等.卫星影像图制作技术浅谈[J].测绘标准化,2009,25(4):43-46. Cao G Q,Chen X G,Liu X Q,et al.Brief introduction to the methods of satellite image mapping[J].Standardization of Surveying and Mapping,2009,25(4):43-46.

[6] 关元秀,程晓阳.高分辨率卫星影像处理指南[M].北京:科学出版社,2008:99-126. Guan Y X,Cheng X Y.High-Resolution Satellite Image Processing Guide[M].Beijing:Science Press,2008:99-126.

[7] 刘江,岳庆兴,邱振戈.RPC校正方法研究[J].国土资源遥感,2013,25(1):61-65.doi:10.6046/gtzyyg.2013.01.11. Liu J,Yue Q X,Qiu Z G.Research on the approach to RPC emendation[J].Remote Sensing for Land and Resources,2013,25(1):61-65.doi:10.6046/gtzyyg.2013.01.11.

[8] 刘善磊,石善球,张丽静,等.遥感图像几何纠正中GCP选取[J].国土资源遥感,2014,26(3):86-91.doi:10.6046/gtzyyg.2014.03.14. Liu S L,Shi S Q,Zhang L J,et al.Selection of GCP in geometric correction of remote sensing images[J].Remote Sensing for Land and Resources,2014,26(3):86-91.doi:10.6046/gtzyyg.2014.03.14.

[9] 林卉,张连蓬.高分辨率遥感影像融合及其质量评价[J].工程勘察,2009,37(1):64-68. Lin H,Zhang L P.High-resolution remote sensing image fusion and quality evaluation[J].Geotechnical Investigation and Surveying,2009,37(1):64-68.

[10]陈春雷,武刚.遥感影像中像素级融合方法的评价研究[J].浙江林业科技,2009,29(4):59-64. Chen C L,Wu G.Evaluation of pixel-level fusion method for remote sensing images[J].Journal of Zhejiang Forestry Science and Technology,2009,29(4):59-64.

[11]李海洋,王丽英.基于PCI的遥感正射影像图制作[J].矿山测量,2009(4):44-46. Li H Y,Wang L Y.Making ortho photo images of satellite image based on PCI[J].Mine Surveying,2009(4):44-46.

[12]申邵洪,赖祖龙,万幼川.基于融合的高分辨率遥感影像变化检测[J].测绘通报,2009(3):16-19,23. Shen S H,Lai Z L,Wan Y C.Change detection of high-resolution RS imagery based on fusion[J].Bulletin of Surveying and Mapping,2009(3):16-19,23.

(责任编辑：邢宇)

Making orthophotoimages of ALOS fusion satellite image based on PCI: A case study of Guohua rocky desertification monitoring area

SHEN Lina1,2, JIANG Zhongcheng1,2, MA Zulu1,2, YANG Qiyong1,2

(1.KeyLaboratoryofKarstEcosystemandTreatmentofRockyDesertification,InstituteofKarstGeology,CAGS,Guilin541004,China; 2.KarstDynamicsLaboratory,MLR&GZAR,Guilin541004,China)

In order to meet high requirement of orthophotoimages in special Karst landform, the authors chose Guohua rocky desertification monitoring area as the study area. DEM was built by OrthoEngine module of PCI based on 1∶10 000 digitization contour map, and orthorectification of ALOS panchromatic image was rectified by RPC function model. Then, pan and multispectral data were merged with high fidelitily by PANSHARP fusion algorithm. Fusion orthophotoimages with spatial resolution of 2.5 m were completed after modification. This means can provide a referencre for high precision images and abundant information data for scientific research in Karst areas. In addition, it also provides a new scientific information updating way for Karst rock desertification monitoring.

PCI；ALOS；Orthophotoimages；PANSHARP fusion

2014-05-04；

2014-09-10

“十二五”国家科技支撑计划项目子课题“喀斯特峰丛洼地水土调蓄技术研究”(编号：2011BAC09B02)、广西自然科学基金项目“典型岩溶坡面土壤渗流水的氮磷特征及其环境响应”(编号：2013GXNSFBA019220)、广西自然科学基金项目“岩溶生态环境系统安全动态监测与评价——以广西果化石漠化治理示范区为例”(编号：2014GXNSFBA118215)和地质调查项目“西南岩溶石漠化遥感调查与地面监测”(编号：1212011220958)共同资助。

10.6046/gtzyyg.2015.03.03

沈利娜，蒋忠诚，马祖陆,等.基于PCI的ALOS融合正射影像图制作——以果化石漠化监测区为例[J].国土资源遥感,2015,27(3):13-18.(Shen L N,Jiang Z C,Ma Z L,et al.Making orthophotoimages of ALOS fusion satellite image based on PCI:A case study of Guohua rocky desertification monitoring area[J].Remote Sensing for Land and Resources,2015,27(3):13-18.)

TP 75; P 237

A

1001-070X(2015)03-0013-06

沈利娜(1982-)，女，博士，助理研究员，主要从事岩溶生态和环境地质方面的研究。Email: shenlina@karst.ac.cn。

杨奇勇(1976-)，男，博士后，副研究员，主要从事岩溶土壤和遥感应用等方面的研究。Email: yangqiyong@karst.ac.cn。