山西省环境星数据缨帽变换参量的提取研究

崔鹏艳,李大成,马 绰

(太原理工大学 矿业工程学院,太原 030024)



山西省环境星数据缨帽变换参量的提取研究

崔鹏艳,李大成,马 绰

(太原理工大学 矿业工程学院,太原 030024)

针对环境一号卫星(HJ-1)CCD数据缨帽变换参数的提取问题,提出了传统的缨帽参数提取方法与光谱分析技术、施密特正交化算法相结合的HJ-1 CCD数据的缨帽变换参数提取算法,利用该方法对山西省全区2009-2013年间处于植被生长季节的HJ-1 CCD数据进行实验验证。结果表明,利用提取得到的缨帽参数对研究区的上述数据进行缨帽变换处理后,图像特征得到显著增强,亮度分量、绿度分量以及湿度分量对于地表特征的表达更为合理与清晰。该方法为区域条件下地表特征的识别与表达提供有效的技术途径。

光谱统计分析;施密特正交化;HJ-1 CCD;缨帽参数；环境星数据;山西省

我国自行研制的环境与灾害监测预报系统一号卫星的A、B星座(以下简称HJ-1 A/B)于2008年9月6日在太原卫星发射中心成功发射,至今正常运行，并在遥感数据的大气校正[1-2]、干旱监测[3]、云检测[4]以及环境质量评价[5]等应用领域发挥了重要作用。

HJ-1 A/B卫星均装载了相同类型的CCD相机,通过在相同轨道上星下点的对称放置以达到平分视场、并行观测的目的；同时可使组网后CCD相机的重访周期仅为2 d,极大地提高了该卫星的应用潜力。另一方面,A、B星所搭载的CCD相机只包含4个常见光谱通道(如表1所示),显然无法充分满足多数应用对中分辨率遥感数据波段数量的要求。因此,如何针对HJ-1 A/B CCD相机的数据条件，开发和设计出有效的光谱变换方法，就成为该问题的重要解决途径。基于多光谱数据的光谱变换可以获得比原有图像更加结构化的光谱分布特征。常见的光谱变换方法主要有主成分分析(principal components analysis,PCA)和缨帽变换(tasseled cap,TC)。PCA 方法是通过降维，尽可能多地保留原始特征集合中的特征信息量,得到线性无关的综合向量[6]；TC变换是一种针对地表信息提取的影像增强方法,是根据多光谱遥感中土壤、植被等信息在多维光谱空间中信息分布结构对图像做的经验性正交变换[7],相较于PCA,它具有更为明确的地学意义。

TC变换是KAUTH和THOMAS在研究Landsat MSS图像反映农作物和植被生长过程时提出的[8],他们对Landsat MSS进行TC参数的提取和研究时，发现提取的前3个分量分别为亮度、绿度和黄度分量。CHRIST和CICONE利用TC变换对Landsat TM进行缨帽参数提取研究时,发现其第3个分量并非表示黄度值,而是湿度值[9]。黄成全等人利用Landsat 7 ETM+数据进行TC变换的研究时发现，利用DN值提取的缨帽参数是不准确的；而基于表观反射率提取的亮度、绿度、湿度分量是相互独立，并且不受云污染的影响[10]。SCHAAF利用基于Modis 数据的缨帽变换来研究植被的周期变换规律[11]; YARBROUGH发展了基于Quickbird数据的缨帽参数提取方法研究[12]。虽然当前围绕不同传感器已开展相应的缨帽参数提取研究,但针对HJ-1 CCD相机的缨帽参数提取仍缺少区域级高时序数据的支撑及统计分析。因此，笔者针对HJ-1 A/B数据的缨帽参数的提取展开研究，为区域条件下地表特征的识别与表达提供有效的技术途径。并利用山西省2009—2013年间处于植被生长季节的HJ-1 CCD数据,为基于其HJ-1 CCD数据的缨帽变换处理提供更加精确的转换参数。

1 研究区与数据预处理

本研究以山西省全区为实验研究区。研究区地处我国黄河中游东岸,属华北平原西部的黄土高原地带,地理位置为：北纬34°34′-40°44′,东经110°14′-114°33′,总面积15.67×104km2。研究区与邻省的自然境界分明,地势东北高西南低；区内部起伏不平,河谷纵横,地貌类型复杂多样,有山地、平原、丘陵、台地,植被生长季节为每年的5月至9月。

本实验选取覆盖研究区2009-2013年间共5 a的HJ-1 A/B CCD数据为基础数据。选取数据的基本原则为成像质量较高且云量覆盖小于10%,并在上述年份的所有植被生长季节，逐月择取覆盖研究区北部和南部且同月获取时间接近、邻月相差超过16 d的影像数据。最终筛选得到47幅研究数据,2009-2013年间的植被生长季相内图像选取数量的分布关系如图1所示。

图1 研究区环境星数据的季相分布Fig.1 Seasonal distribution of the HJ-1 CCD data of the research area

在实验研究前，需对所选取的环境星影像进行必要的预处理。首先，利用ENVI软件通过辐射定标原理，将图像中原始的无量纲DN值(Digital Number,DN)数据转换为相应的辐射亮度值；然后根据相关参数在ENVI中将所得的辐射亮度值进一步转换为大气层顶表观反射率(Top of Atmosphere,TOA)；最后，为了研究的方便,将处理后的TOA值域拉伸至[0,10 000]。

2 基于环境星数据的缨帽系数提取原理

原始TC变换的模型如式(1)所示,是KAUTH和THOMAS通过对Landsat MSS图像的研究提出的。HJ-1 A/B数据与Landsat MSS数据具有相同的波段数,其对应波段的基本参数信息如表1所示。分析可知，两者的波段通道信息相差不大,因而基于Landsat MSS数据的TC变换同样适用于基于HJ-1 A/B数据的TC变换研究,且HJ-1 A/B数据比Landsat MSS数据的空间分辨率高,因此针对HJ-1 A/B数据的应用价值更高。

表1 HJ-1 A/B 数据与Landsat MSS数据的基本参数

原始TC变换模型

(1)

式中:X为Landsat MSS各波段的数据信息;U为缨帽变换后提取的数据信息;RT为转换矩阵[6]。同理,易得基于环境星CCD图像的缨帽变换模型为:

(2)

式中：Xi为变化前第i波段上的TOA值；RT是由缨帽参数Bi，Gi，Wi构成的系数矩阵(i=1,2,3,4)；U为变化后由亮度、绿度及湿度分量组成的矩阵。

式(2)中的亮度分量反应了土壤反射率变化的信息,其系数项(Bi)可以利用干土与湿土的反射光谱差异得到,计算过程可表达如下:

(3)

(4)

(5)

式(2)中的绿度分量系数(Gi)可以提取诸如地面植被等图像绿度信息,结合植被与干土的反射光谱差异以及(5)式获取的亮度分量系数(Bi),利用式(6)、式(7)求得与亮度分量正交的绿度分量；并根据式(8)、式(9)将正交化结果权值化,从而得到归一化的绿度分量系数。计算过程可表达如下:

(6)

(7)

(8)

(9)

式(2)中的湿度分量系数(Wi)可以提取水体等湿度信息,根据水体与干土的反射光谱差异以及式(5)、式(9)得到的Bi、Gi，利用式(10)、(11)、(12)求得与亮度分量、绿度分量正交的湿度分量系数,并根据式(13)、(14)将正交结果权值化,得到归一化的湿度分量系数。其计算过程如下:

(10)

(11)

(12)

(13)

(14)

亮度分量B、绿度分量G、湿度分量W可以利用提取的亮度分量系数、绿度分量系数以及湿度分量系数与原始TOA值的乘积得到,表达式如下:

(15)

(16)

(17)

为得到基于实验研究区的TC变换的系数矩阵,需在数据预处理后的TOA图像上人工提取出干土、湿土、植被以及水体等4类典型地物的光谱统计信息,本研究通过逐波段统计地物特征的光谱均值来实现。

3 实验结果与分析

图2中的a-d分别描述了研究区内的不同地物类别分别在蓝光、绿光、红光以及近红外波段上的反射光谱信息随时序的变化特征。其中，横坐标为数据的采集时间(季相),纵坐标为各种地物特征在相应波段上的反射光谱均值；平滑实线、平滑虚线、三角实线以及方块实线分别代表干土、湿土、植被以及水体类型的地物反射光谱变化曲线。从图2可见，以上4种地物类别在蓝光波段的反射光谱的强弱关系为ρdrysoi，ρvegetation>ρwetsoil>ρwater。植被和水体在绿光波段的反射光谱相近,分布范围为[0,1 000];而湿土的反射光谱分布于[1 000,2 500],干土的反射光谱整体分布于[2 000,4 000],且ρdrysoil>ρwetsoil>ρvegetation,ρwater。植被与水体在红光波段的反射光谱相近(分布区间为[400,1 000]),湿土在红光波段的分布区间为[1 100,1 800],干土在红光波段的反射特征最强(分布于[1 300,3 000]);但其波动性较大,反射光谱的强弱关系与绿光波段类似。各类型地物在近红外波段反射光谱的可区分性稍差,整体上有:ρdrysoil>ρwetsoil>ρvegetation,ρwater。

图2 不同地类在各波段上的反射率随时序的变化特征Fig.2 Change characteristics of the reflectance of different surface features on various wavelengths along with the time sequence

由于缨帽变换的精度受季相性和区域性的影响较大[13],笔者所选的实验研究区在地理分布上特点是东西向较窄,南北向跨度较大；因此对南北部的典型地物类别(植被，水体，干土以及湿土)在各波段上的反射光谱(表观反射率)特征进行了统计分析,了解研究区南部与北部典型地物特征的反射光谱的一致性程度。

图3所示为4种典型地物在近红外波段的南北反射光谱信息,总体上4类地物反射光谱信息在南部与北部分布一致。其中，植被南北数据分布一致；水体在2009年6月差异较大；干土于2009年8月差异较大；湿土南北数据波段较大,但两者分布吻合。因此，植被、水体、干土、湿土在研究区的分布受南北地域影响不大。利用TC参量的提取策略与计算方法所得到的基于实验研究区的缨帽变换系数的统计信息如表2所示。

表2 山西省全区的缨帽变换参量的统计信息

为了检测提取的亮度、绿度以及湿度系数的应用效果,利用提取的缨帽变换系数获取其亮度、绿度以及湿度分量。图4所示是以假彩色合成图像为基础进行的近红外波段与亮度分量的对比分析。其中近红外图像上云都呈现亮白色,属于强反射;水都呈现暗灰色,属于弱反射。亮度图像中云的颜色变亮,水的颜色变暗,其中2009年和2012年效果最明显。从近红外与亮度分量(图4右)的定量分析中，虚线为近红外光谱反射信息,实线为亮度分量信息；横坐标为拉伸后的地表反射率值或亮度值,纵坐标为像元个数，其统计结果分布类似正态分布,整体上亮度的均值和方差比近红外的大。其中，2009年和2012年分布最明显,与定性分析一致。

图3 研究区内典型地物在南部与北部区域的TOA反射率对比Fig.3 The comparison of TOA reflectance between the south and the north of study area about typical surface features

图4 近红外图像与亮度图像的对比Fig.4 Comparison between the near-infrared data and the brightness data

归一化植被指数(Normalized Difference Vegetation Index，NDVI)应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等[14],可以检查绿度分量的效果。图5所示是以假彩色合成图像为基础进行的近红外波段与绿度分量、NDVI的对比分析。近红外图像中植被分布呈现暗灰色,在绿度图像和NDVI图像中其分布呈亮白色。在NDVI与绿度的散点图(图5右)中,2009—2013年的数据都是沿拟合直线对称分布。其中，2011年、2012年和2013年数据分布较集中。

图6所示是以假彩色合成图像为基础进行的近红外与湿度影像的对比分析。以水为例，从定性角度分析:水在近红外影像中为黑色，在湿度影像中为白色,水体变得发亮；从定量角度分析,变换前水体的TOA值都比图像整体的TOA值小,而变换后水体的湿度值都比图像整体的湿度值大。

图5 NDVI图像与绿度图像的线性相关性对比Fig.5 Comparison between the NDVI data and the greenness data

图6 近红外图像与湿度图像对比信息Fig.6 Comparison between the near-infrared data and the wetness data

4 结束语

本文以覆盖山西省全区2009-2013年间处于植被生长季节(5-9月)的HJ-1 A/B CCD为数据源,利用类别的光谱分析技术与施密特正交化算法进行研究区缨帽变换参数的提取,初步得到以下结论:

1) 缨帽变换受季相性的影响。本实验利用植被生长季节(5-9月)数据所提取的缨帽变换系数,适用于获取于该季相的环境星数据。

2) 缨帽变换受区域性的影响。研究区在地理分布上特点是：东西向窄,南北向宽,干土、湿土、植被以及水体4类地物特征的反射光谱信息随区域差异(南北部)变化很小,因而所提取的缨帽系数有望适用于整个地理研究区。

3) 缨帽系数对于亮度、绿度以及湿度分量的生成效果。实验分析可知，亮度分量对于图像亮度特征的描述更加丰富;绿度分量与NDVI图像一致性较高,且两者基本呈线性分布;湿度分量对于水体等“湿度”特征的描述更加直观,且其灰度特征更加集中。因此,上述缨帽分量对于地表特征的后处理操作(如分类)能够提供更好的结构化光谱分布特征及特征识别环境。

[1] 刘其悦.基于环境星数据可见光、近红外波段的大气校正方法研究[D].焦作:河南理工大学,2010.

[2] 孙源,顾行发,余涛,等.环境星CCD数据大气校正研究[J].国土资源遥感,2010(4):6-9.

[3] 钟仕全,罗永明,莫建飞,等.环境减灾卫星数据在干旱监测中的应用[J].中国农业气象,2011,32(4):593-597.

[4] LI D,GE Y,WANG B.Automated retrieval of cloud masks from the HJ-1 WVC imagery[J].Selected Topics in Applied Earth Observations and Remote Sensing,2014(9):3732-3741.

[5] 刘瑞,王世新,周艺,等.基于遥感技术的县级区域环境质量评价模型研究[J].中国环境科学,2012,32(1):181-186.

[6] 李建林.一种基于PCA的组合特征提取文本分类方法[J].计算机应用研究,2013,30(8):2398-2401.

[7] 汤国安,张友顺,刘咏梅,等.遥感数字图像处理[M].北京:科学出版社,2004.

[8] KAUTH R J,THOMAS G S.The tasselled cap-a graphic description of the spectral-temporal development of agricultural crops as seen by landsat[C]∥LARS Symposia.Proceedings of the Symposium of Machine Processing of Remotely Sensed Data. Indiana:The Laboratory for Applications of Remote Sensing,1976:41-51.

[9] CRIST E,CICONE R.A physically-based transformation of Thematic Mapper data-The TM tasselled cap[J].IEEE Transactions on Geoscience and Remote Sensing,1984,22(3):256-263.

[10] HUANG C Q,WYLI B,YANG L,et al.Derivation of a tasseled cap transformation based on Landsat 7 at satellite reflectance[J].International Journal of Remote Sensing,2002,23(8):1741-1748.

[11] ZHANG X,SCHAAF C B,FRIEDL M A,et al.MODIS tasseled cap transformation and its utility[J].Geoscience and Remote Sensing Symposium，2002(2):1063-1065.

[12] YARBROUGH L D,EASSON G,KUSZMAUL J S.QuickBird 2 tasseled cap transform coefficients:a comparison of derivation methods[J].Global Priorities in Land Remote Sensing,2005(16):23-27.

[13] EVA I,ALISTAIR L,FILIP L,et al.Orthogonal transformation of segmented SPOT5 images: seasonal and geographical dependence of the tasselled cap parameters[J].Photogrammetric Engineering and Remote Sensing,2008,74(11):1351-1364.

[14] JUSTICE C.Analysis of the phonology of global vegetation using meteorological satellite data[J].International Journal of Remote Sensing,1985(6):1271-1318.

(编辑：庞富祥)

Extraction of Tasselled Cap Transformation Parameters of Environmental Satellite Data of Shanxi

CUI Pengyan,LI Dacheng,MA Chao

(CollegeofMiningEngineering,TaiyuanUniversityofTechnology,Taiyuan030024,China)

On the basis of traditional method of extraction of Tasselled Cap transformation parameters, this research put forward the extraction of Tasselled Cap transformation parameters for HJ-1 A/B CCD data by combining the technology of spectral analysis based on category and the means of Schmidt orthogonalization. This method was used to extract the Tasselled Cap transformation parameters and verify the accuracy of the HJ-1 CCD date during the vegetation growing season from 2009-2013 in Shanxi. The results show that after transforming the study area of HJ-1 A/B CCD data with the Tasselled Cap transformation parameters, the feature of the image has been significantly enhanced, and the luminance component, greenness component and humidity component for expression of the surface characteristics are more reasonable and clearer. The extracted information has no much difference between the south and the north, so its Tasselled Cap transformation parameters can apply to the whole Shanxi Province during the vegetation growing season. It provides an effective way to identify and express the surface features in the regional conditions.

spectral statistical analysis;schmidt orthogonalization;HJ-1 CCD;tasselled cap transformation parameters;environmetal satellite data;Shanxi province

1007-9432(2016)03-0314-07

2015-10-26

科技部863计划基金资助项目：全球地表覆盖遥感制图与关键技术研究(2009AA122002)

崔鹏艳(1989-)，女，河南洛阳人，硕士生，主要从事遥感地质研究，(E-mail)cuipengyancehui@163.com

李大成，男，讲师，主要从事遥感信息处理及地学应用研究，(E-mail)lidacheng@tyut.edu.cn

TP79

A

10.16355/j.cnki.issn1007-9432tyut.2016.03.008