历史云量数据在遥感卫星区域化采集模型中的应用研究

历史云量数据在遥感卫星区域化采集模型中的应用研究

杨冀红1，黄鹏2，马广彬2，史良树1，战鹰1，王志信2

(1.中国土地勘测规划院，北京 100035；2.中国科学院遥感与数字地球研究所，北京 100094)

摘要：本文从建立遥感卫星区域化采集模型的角度出发，研究了历史云量数据在遥感卫星区域化采集模型中的应用，提出了历史云量数据在遥感卫星区域化采集模型中的应用模型，并以风云气象卫星历史云量资料作为参考数据进行了试验。试验表明将历史云量数据引入遥感卫星区域化采集模型中加以应用，能够使规划区域化采集方案时偏向选择历史平均云量较小的成像条带，为提高光学遥感卫星数据采集效率提供一种有效的方法。

关键词：遥感卫星；采集模型；云量数据

doi:10.3969/j.issn.1000-3177.2015.01.013

中图分类号：P237文献标识码：A

Application of History Cloud Data in Regional Remote Sensing

Satellite Data Acquisition Model

YANG Ji-hong1，HUANG Peng2，MA Guang-bin2，SHI Liang-shu1，ZHAN Ying1，WANG Zhi-xin2

(1.ChinaLandSurveyingandPlanning，Beijing100035；

2.InstituteofRemoteSensingandDigitalEarth，ChineseAcademyofSciences，Beijing100094)

Abstract：Based on the study of the application of history cloud data，this paper set up an application model (the history cloud data programme method) for the regional remote sensing satellite data acquisition model.Test was designed based on the history cloud data of Fengyun meteorological satellite，and the experimental results illustrate that the regional remote sensing satellite data acquisition model would select the images of low history cloud in the case of using the history cloud data.The history cloud data programme method provides an effective way for improving the efficiency of optical remote sensing satellite data collection.

Key words：remote sensing satellite；acquisition model；cloud data

1引言

充分发挥遥感的技术优势，努力推进遥感技术的应用是强化现代科学技术支撑的重要内容[1]。随着国内外遥感卫星数量的不断增加和传感器性能的不断提高，遥感卫星由于其在大面积区域化数据采集方面的优势，使得遥感卫星数据在国土资源调查、农业、林业、海洋等业务领域得到了日益广泛的应用，已经成为这些业务领域最为重要的数据来源。以国土资源调查为例，中国的资源一号02C、资源三号、法国的SPOT、美国的GeoEye、WorldView、QuickBird等卫星的数据都得到了大量的使用。但即便如此，现有的卫星资源依然不能满足遥感卫星数据应用的需要。因此如何提高遥感卫星区域化采集效率、合理调度卫星资源，已经成为当前卫星资源拥有者和卫星数据使用者共同面对的一个亟待解决的问题。

本文主要从建立遥感卫星区域化采集模型的角度出发，对历史云量数据在遥感卫星区域化采集模型中的应用加以研究说明，为提高遥感卫星数据采集效率提供一种有效的方法。

2遥感卫星区域化采集模型

影响遥感卫星区域化采集结果的要素很多，包括卫星轨道特性、卫星传感器能力、目标区域大小、采集时间、云量等，必须通过建立数据模型对各要素的约束条件进行综合分析处理，得出满足要求的区域化采集方案。

遥感卫星区域化采集模型的基本处理流程如图1所示。

图1　遥感卫星区域化采集模型基本处理流程图

(1)条件输入：卫星、传感器、目标区域、采集时间等基本信息。

(2)卫星成像可用条带计算：根据输入的基本信息结合卫星轨道参数(瞬时根数或两行根数)与卫星传感器参数(如传感器视场角、感器侧摆角、侧摆步距等)计算在指定时间范围内可以访问到目标区域的所有卫星成像条带进行计算。

(3)卫星成像条带编码：对计算获得的所有成像条带进行唯一性编码，唯一性编码可以通过对卫星、传感器(成像模式)、过境轨道、成像条带等分别编码后组合而成。

(4)基于智能规划算法进行成像覆盖方案求解：这一步是整个遥感卫星区域化采集模型的核心，需要通过智能规划算法(常用的算法如遗传算法、蚁群算法、模拟退火算法等)，从所有的所有成像条带中选择得出优化、可行的成像覆盖方案。要求得出的成像覆盖方案既要符合卫星的实际成像能力，包括单条轨道最多成像条带数及条带长度、单次连续成像最大长度、多次连续成像时间间隔，又要满足区域化采集的基本业务规则，如太阳高度角应大于0°、地势起伏较大区域的传感器侧摆角应满足一定范围要求、数据区域重叠等，而且还应考虑其采集效率，包括对卫星资源、采集时间周期的合理利用，特别是对光学卫星采集效率影响最大的云量问题。

(5)形成并输出满足要求的、优化的区域化采集方案。

3历史云量数据在模型中的应用

在遥感卫星区域化采集模型中，对于光学成像卫星，其成像效果直接受大气层中云量的影响[2]。对于以光学卫星为主的区域化采集，需要对未来较远且较长的一段时间范围内的云量进行预测，但目前常规的天气预报只能提供未来7天左右的预报，无法满足遥感卫星区域化采集模型的应用要求。本文以历史云量数据作为基础数据，通过计算地面目标区域的历史平均云量在采集方案制定过程中尽量选择历史云量值相对较低的月份安排成像，以提高光学卫星数据的采集效率、改善采集结果。需要说明的是，云量预测是一个非常复杂的科学问题，其预测结果具有很大的不确定性。地面目标区域的历史平均云量并不能够真实反映该区域未来的云量情况，但是可以在一定程度作为未来云量值的一个有效的参考。因此，本文在制定遥感卫星区域化采集方案时，在满足相关约束条件的前提下，将历史平均云量作为数据采集模型选择成像条带的一个参考，使规划区域化采集方案时偏向选择历史平均云量较小的成像条带，对于提高光学遥感卫星数据采集效率具有一定的参考意义。历史云量数据应用方案如下：

(1)选择历史云量资料

①国际卫星云气候研究计划(ISCCP)云量资料

国际卫星云气候研究计划(ISCCP)成立于1982年，主要通过收集和分析气象卫星辐射测量值来研究全球云分布、属性的变化[3-4]。ISCCP-D2月平均云量资料时间跨度从1984年到2009年，其网格的水平分辨率为280km×280km。

②风云气象卫星云量资料

风云二号气象卫星(FY-2)是我国自行研制的第一代地球静止轨道气象卫星[5-6]。使用风云二号系列气象卫星数据，经过加工整理与分析，得到了中国及周边区域风云气象卫星云量资料。风云气象卫星云量资料包含了月平均云量和旬平均云量，时间跨度从2004年至2013年，将会根据需要进行后续更新，其网格的最高水平分辨率可达25km×25km。

(2)对地面目标区域进行网格划分

按照所选历史云量资料的网格对地面目标区域进行网格划分。

(3)网格历史平均云量计算

根据输入的数据采集时间要求，从历史云量资料中选取对应时间范围内的历史云量数据作为基础数据，计算每个网格的历史平均云量。如数据采集时间要求为2014年8月～2015年2月，则需要选取历史云量资料中所有8月～12月和1月～2月内的历史云量数据。考虑到云量预测的不确定性，建议选取月或旬为单位计算每个网格历史平均云量。网格历史平均云量(Vi)的计算公式如下：

Vi=(V1+V2+…+Vn)/n

(1)

其中，Vn为时间单位内网格的历史云量值。

(4)成像条带平均云量值计算

卫星一条成像条带对应的地面区域可能会对应一个或多个目标区域网格，需要根据每个目标区域网格的平均云量值及其在成像条带对应的地面区域中所占面积进行加权平均，计算成像条带的平均云量值。成像条带平均云量值(MCT)的计算公式如下：

(2)

其中，Si为成像条带对应的各个网格与成像条带及地面目标区域之间交集的面积，Sroi条带覆盖地面目标区域的面积，Vi格历史平均云量。

(5)成像条带云量系数计算

根据成像条带的平均云量值计算每个成像条带的云量系数，以便于智能规划算法进行成像条带选择时参照成像条带云量系数进行成像覆盖方案的优选。成像条带云量系数(MC)的计算公式如下：

MC=1-MCT

(3)

由于成像条带平均云量值(MCT)的取值范围为0～1，因此，成像条带云量系数(MC)的取值范围为0～1。成像条带云量系数值越大，说明成像条带平均云量值越低；反之，则成像条带平均云量值越高。智能规划算法在进行成像覆盖方案优化时应优先选择云量系数值较大的成像条带。

4实验分析

(1)实验设计

①设定数据采集时间范围：2013年1月1日至2013年6月30日。

②设定数据采集目标区域：120°E～125°E，45.25°N～50.25°N。

③设定承担数据采集任务的卫星及传感器：法国SPOT-5卫星HRG传感器。SPOT-5的HRG传感器具有左右正负27°的侧摆能力，其数据成像幅宽为60km，分辨率最高为2.5m。

④设定数据采集目标：使用较少的条带对目标区域实现覆盖，覆盖率要求大于99%。

(2)实验使用云量数据

本实验使用云量数据为风云二号气象卫星(FY-2)月平均云量数据，数据时间范围为2009年1月1日至2012年12月30日，数据水平分辨率为25km×25km网格。具体数据值如表1所示。

表1　FY-2历史云量数据

(3)实验方法

根据实验设计，分别在不使用云量数据和使用云量数据两种不同的条件下通过遥感卫星区域化采集模型计算求解，得到满足数据采集目标的优化的区域化采集方案，以目标区域对应时间范围内的历史平均云量值为参考，对两个区域化采集方案进行分析比较，评估历史云量数据在遥感卫星区域化采集模型中的应用效果。

(4)实验结果与分析

实验一：不使用云量数据，通过遥感卫星区域化采集模型计算求解得到区域化采集方案。方案如表2所示。实验二：使用云量数据，通过遥感卫星区域化采集模型计算求解得到区域化采集方案。方案如表3所示。

表2　不使用云量数据的采集方案

表3　使用云量数据的采集方案

从实验结果看，实验一和实验二的区域化采集方案都满足设定的数据采集目标。但由于条带的成像位置和成像时间不同，两个方案各条带的历史平均云量值也各不相同。方案一和方案二各条带的历史平均云量值如表4所示。

其中方案的规划结果平均云量为各成像条带面积与地面任务区域面积比值的加权平均，计算公式如下：

(4)

其中，V为规划结果平均云量值，Si为第i个成像条带的面积，S为地面任务区域的面积，Vi为第i个成像条带的平均云量值。

设定的数据采集目标区域2009年至2012年1月～6月份历史平均云量值统计如表5所示。

表4　两种采集方案的历史平均云量值对比

表5　数据采集区域历史平均云量

由上表可知，数据采集目标区域的1月～4月历史平均云量值较5、6月历史平均云量相对略高。对比实验一和实验二两个方案的规划结果，方案一各条带的成像时间在1月～6月间相对比较平均，而方案二各条带的成像时间全部集中在5、6月，所以方案二规划结果的平均云量要低于方案一，其数据采集效率更高，方案更为优化。

5结束语

遥感卫星数据区域化采集过程中，云量对于光学卫星数据的采集质量具有重要影响。本文研究了历史云量资料在遥感卫星区域化采集模型中的应用方案，通过将历史云量数据引入遥感卫星区域化采集模型中加以应用，使得规划区域化采集方案时可以偏向选择历史平均云量较小的成像条带，为提高光学遥感卫星数据采集效率提供一种有效的方法。

参考文献：

[1]刘心季，唐文周.遥感在新一轮国土资源大调查中的应用[C].中国遥感奋进创新二十年论文集.2001.

[2]沈如松，宋贵宝，吕卫民，等.成像侦察卫星识别目标能力分析[J].系统仿真学报，2006，8，18(2)：34-37.

[3]HAN Q Y，ROSSOW W B，LACIS A A.Near-global survey of effective cloud droplet radii in liquid water clouds using ISCCP data[J].Journal of Climate，1994，7(1)：465-497.

[4]HAN Q，ROSSOW W B，CHOU J，et al.Global variation of droplet column concentration in low-level clouds[J].Geophysical Research Letters，1998，25(9)：1419-1422.

[5]许健民，杨军，张志清.我国气象卫星的发展与应用[J].气象，2010，36(7)：94-100.

[6]许健民.FY-2气象卫星的数据处理[J].上海航天，2005，82(5)：1006-1630.