欧阳斯达汪汇兵,2何召宁张悦曹樱子
(1 国家测绘地理信息局卫星测绘应用中心,北京100830)(2 江苏省地理信息资源开发与利用协同创新中心,南京210023)(3 北京国测星绘信息技术有限公司,北京 101300)
数据处理与应用技术
基于大数据回归分析的卫星有效成像概率预估
欧阳斯达1汪汇兵1,2何召宁1张悦1曹樱子3
(1 国家测绘地理信息局卫星测绘应用中心,北京100830)(2 江苏省地理信息资源开发与利用协同创新中心,南京210023)(3 北京国测星绘信息技术有限公司,北京 101300)
“资源三号”卫星 02星单圈可分段使用两次有效载荷工作模式,如何充分利用卫星短弧段、多弧段的灵活性,通过对拍摄弧段上进行有效成像预估,在有限的成像弧段内合理避开有可能的云雨区域,提高卫星有效数据获取的效率,是卫星任务规划精细化作业中提出的新问题。结合存档卫星影像和气象资料进行大数据分析,文章首先以影像云判结果为指标,统计“资源三号”卫星存档影像的有效数据比,然后以全球参考系(Worldwide Reference System,WRS)的Path/Row格网和月为时空基准,在位置和时间上利用回归分析方法,可挖掘历史有效数据比和月平均总云量气象统计资料的相关性。并利用所得的回归方程结果,从月平均总云量可以估算得到卫星有效成像概率的时空分布。通过在“资源三号”卫星实际业务中开展应用表明,基于存档影像和气象资料回归分析所得到的卫星有效成像预估分布,可为卫星任务规划开展精细化作业,提供了有效的决策支持。
卫星任务规划 有效数据比 月平均总云量 有效成像概率“资源三号”卫星
“资源三号”卫星02星已于2016年5月30日发射,与“资源三号”卫星01星组网大幅提高了卫星影像获取能力。“资源三号”卫星02星在单圈可分段使用两次有效载荷工作模式,短弧段、多弧段的影像获取模式在卫星的成像任务规划中十分常见。但由于卫星的每日工作总时长和固存有限[1],何时何地开关机能有效避开有可能的云雨区域,如何在有限的成像弧段内更高效获取有效数据,是卫星任务规划作业中遇到的新问题。
在卫星运行中,针对预期的成像条件进行成像预估,可为任务计划提供重要依据[2]。其中,云量是影响卫星成像品质的重要因素[3],同时影像上云量也是判断影像是否为有效数据的主要因素,当单景云量小于20%时可认为是有效数据[4]。通过浮空平台[5]、伴随搭载云层探测器载荷[6-7]等方法获取实时云量信息,可以提高卫星任务规划的时效性,但经济成本过高较难实现;通过对历史云量信息进行时间序列分析,可预估有效成像时间窗口[8],但缺乏对云量空间分布的预估,忽视了卫星在预估成像窗口的过境情况;根据数值天气预报进行任务规划的有效成像预估[9-10]对卫星有效数据获取效率的提升有直观的效果,但受限于实时气象预报数据与卫星任务规划系统的互通程度,人工和时间成本较大,降低了卫星任务规划的业务效率。
以上的卫星成像预估方法,受限于卫星载荷设计、成像窗口时间和空间尺度、实时气象预报数据的互通性等各方面原因,在日常卫星任务规划业务中较难实现。本文设计并实现了相对独立的简便的卫星成像预估方法,基于卫星自有的影像数据库进行大数据挖掘,实现了较精细时空基准下的卫星有效成像概率(Effective Imaging Probability,EIP)时空分布,解决了实际卫星任务规划作业中缺乏有效可行的卫星成像预估方法的技术难题。
本文结合存档卫星影像和气象资料进行大数据分析,云量可作为关联二者的中间对象。一方面,通过卫星存档影像数据,可以提取[11]并反演[12]云量信息。另一方面,气象学中,云量具有概率论和统计学的语义及其规律,同一地点一定时段内不同云量的出现概率是多少是符合U型概率分布的[13]。
如图 1,本文以云量为关联对象,通过统计存档影像云判(Cloud Percent,CP)值,得到历史有效数据比,并与气象统计资料在统一的时空基准下的平均总云量进行回归分析,拟合回归方程。利用回归方程从平均总云量时空分布等效估算出卫星EIP的时空分布,辅助卫星任务规划精细化作业。
1.1 有效数据比
“资源三号”卫星01星自2012年1月发射运行以来,以59天为周期进行全球影像数据获取[14],已存档卫星影像数据上百万景[15]。遥感影像数据已呈现“大数据”特征,隐含巨大的社会、经济、科研价值,大数据及其挖掘具有十分重要科学价值和现实意义[16-17]。
影像属性中,CP的取值范围是0%~100%,表示该景影像上云斑覆盖的百分比判读结果。本文以全球参考系(Worldwide Reference System,WRS)的条带号Path和行号Row格网[18]作为存档影像云判统计的空间基准,以月为时间基准,统计在同一格网及历年同月的存档影像总数为n景,其中第i景影像的云判值为ci,则得到该格网月(PathRow & Month,PRM)的有效数据比r计算式为:
统计所得有效数据比存入每个网格月PRM所对应数据表字段中,示例见表1。
表1 各网格月对应有效数据比示例表Tab.1 Tables of valid data ration on the PRM
1.2 月平均总云量
本文搜集的气象统计资料,来源于国家气象信息中心2005年发布的1—12月的月平均总云量数据,是根据各省、市、自治区气候资料处理部门逐月上报的《地面气象记录月报表》的信息化资料统计而得1951—2000年历年值和1971—2000年累年值[19],反映了全国逐月的平均总云量分布。如图2,分层设色表示了一月份不同平均总云量比率成数在全国的分布。
通过地理坐标位置,逐月将平均总云量分布图配准到WRS格网上,得到每个格网月PRM的月平均总云量y,分布图中比率成数“1成”至“10成”分别对应提取为平均总云量数值比0.05、0.15、0.25、0.35、0.45、0.55、0.56、0.75、0.85、0.95存入网格月PRM所对应数据表字段中,示例见表2。
表2 各网格月对应平均总云量示例表Tab.2 Tables of average total cloud amount on the PRM
1.3 回归分析
对于同一网格月PRM,存在对应的有效数据比值r和平均总云量值y。其中平均总云量y的值域空间是枚举型,逐一统计10个平均总云量值所有月份所对应的网格点总数m,并计算其对应的有效数据比的平均值,可得到如下统计结果见表3。
表3 平均总云量对应有效数据比均值统计表Tab.3 The statistical table of average total cloud amount corresponding to mean value of valid data ratio
式中a0和a1分别为回归方程中待求的截距和斜率系数。
注意到10组统计量m有较大差异,若直接使用最小二乘法拟合,存在较大误差。以第j组的统计量mj为该组权重,利用最小二乘法列出含权重的正规方程组:
求解该正规方程组,得到回归方程的截距系数a0=0.905 8,斜率系数a1=-0.439 7,回归方程中与y的相关性系数R2=0.915 936。
2.1 EIP时空分布
以历史有效数据比等效预估EIP,由回归方程f (y),可列出EIP的求解式
式中 p是EIP。
利用公式(4),由各平均总云量y算得有效成像概率p结果见表4。
表4 平均总云量算得EIP表Tab.4 The EIP table calculated from average total cloud amount
通过已知的各月份月平均总云量分布,算得12个月份的有效成效概率和分布图。如图3,分层设色表示了一月份全国范围的EIP,颜色越深,当月的EIP越大。
2.2 卫星任务规划辅助
在得到各月EIP预估分布的基础上,开展卫星任务规划。通过叠加查询星下点轨迹过境区域的当月有效成像预估分布,可以为任务规划的取舍提供决策支持。
例如,在2016年6月28日成像计划中,第442轨(绿色轨迹)同时过境辽宁测区(黄色线框区域)和浙江测区(红色线框区域)。因当天拍摄时长限制,该轨无法实现长时间成像,需在辽宁测区和浙江测区中取舍其一,见图4。
图中,同时还叠加了由本文方法所得的六月份EIP分布图(灰度分层设色图)。通过查询两个测区六月的EIP分布,见图5,可知:
1)辽宁测区442轨过境区域的EIP分别为62%和66.4%,且卫星成像过境轨迹主要经过成像概率较高的深灰区域;
2)浙江测区442轨过境区域的EIP分别为53.21%和57.6%。
通过卫星成像过境轨迹区域的EIP判断,在辽宁测区成像获取得到有效数据的概率接近66.4%,明显大于在浙江测区成像的有效数据获取平均概率55.41%。因此,在拍摄时长有限的情况下,回避了测区气象预报条件分析的数据互通和人工成本问题,仅通过基于存档影像和气象资料的有效成像预估分析,决定第442轨选择在EIP较大辽宁测区成像,而放弃在浙江测区成像。
结合气象统计资料,对存档影像进行回归分析,估算出每月卫星EIP时空分布,是对卫星影像数据库进行大数据挖掘所获得的宝贵成果。通过对存档影像和气象统计资料分析结果显示,回归方程的相关性系数达到了90%以上,基于二者的回归分析方法是可行的;在实际业务中开展的应用表明,基于存档影像和气象统计资料回归分析的卫星EIP预估方法,得到了以Path/Row格网和月为时空基准的EIP预估结果,是辅助“资源三号”卫星精细化任务规划的可行手段。但在对预估时效性要求较高的应急成像任务规划中,仍需结合实时的天气情况及天气预报数据,提高EIP预估的时间分辨率。而随着卫星获取影像数据的不断积累,可通过对存档影像云判统计分析的更新,来更新回归方程系数,不断提高EIP预估的准确性。
References)
[1]曹海翊, 刘希刚, 李少辉, 等. “资源三号” 卫星遥感技术[J]. 航天返回与遥感, 2012, 33(3): 7-16. CAO Haiyi, LIU Xigang, LI Shaohui, et al. ZY-3 Satellite Remote Sensing Technology[J]. Spacecraft Recovery & Remote Sensing, 2012, 33(3): 7-16. (in Chinese)
[2]陈世平. 景物和成像条件对遥感图像品质的影响[J]. 航天返回与遥感, 2010, 31(1): 1-10. CHEN Shiping. The Effects on Remote Sensing Image Quality from Scenes and Imaging Conditions[J]. Spacecraft Recovery & Remote Sensing, 2010, 31(1): 1-10. (in Chinese)
[3]余婧, 陈浩, 李军. 地理因子对卫星成像质量影响预估方法研究[J]. 遥感信息, 2011(5): 104-108. YU Jing, CHEN Hao, LI Jun. Influence Pre-evaluation Technique of Geography Factors on Satellite Imaging[J]. Remote Sensing Information, 2011(5): 104-108. (in Chinese)
[4]唐新明, 谢俊峰. 资源三号卫星在轨测试与应用分析[J]. 地理信息世界, 2013(2): 37-40. TANG Xinming, XIE Junfeng. On-orbit Test and Application Analysis of ZY-3 Satellite[J]. Geomatics World, 2013(2):37-40. (in Chinese)
[5]胡笑旋, 朱外明, 马华伟. 卫星与浮空器协同侦察任务规划方法[J]. 系统工程与电子技术, 2015, 37(7): 1562-1568. HU Xiaoxuan, ZHU Waiming, MA Huawei. Method of Satellite and Aerostat Cooperative Reconnaissance Mission Planning[J]. Systems Engineering and Electronics, 2015, 37(7): 1562-1568. (in Chinese)
[6]何磊, 刘晓路, 陈英武, 等. 面向敏捷卫星任务规划的云层建模及处理方法[J]. 系统工程与电子技术, 2016, 38(4):852-858. HE Lei, LIU Xiaolu, CHEN Yingwu, et al. Cloud Modeling and Processing Method for Agile Observing Satellite Mission Planning[J]. Systems Engineering and Electronics, 2016, 38(4): 852-858. (in Chinese)
[7]孔祥海, 陈跃庭, 李奇, 等. 一种用于敏捷卫星自主任务规划的云顶高探测方法[J]. 光学学报, 2015(7): 372-380. KONG Xianghai, CHEN Yueting, LI Qi, et al. A Cloud-top Height Detection Method for Autonomous Planning of Satellites[J]. Acta OpticaSinica, 2015(7): 372-380. (in Chinese)
[8]王志信, 黄鹏, 林友明, 等. 面向遥感卫星数据获取应用的时间序列云量预测方法[J]. 遥感信息, 2014, 29(3): 8-13. WANG Zhixin, HUANG Peng, LIN Youming, et al. A Cloudiness Prediction Method for Remote Sensing Satellite Data Acquisition Applications[J]. Remote Sensing Information, 2014, 29(3): 8-13. (in Chinese)
[9]RENARD M, TONETTI S, CORNARA S, et al. Fully Automated Mission Planning and Capacity Analysis Tool for the DEIMOS-2 Agile Satellite[C]// International Conference on Space Operations. CA, 2014.
[10]何苗, 贺仁杰. 考虑云层遮挡的敏捷成像卫星调度方法研究[J]. 科学技术与工程, 2013, 13(28): 8373-8379. HE Miao, HE Renjie. Research on Agile Imaging Satellites Scheduling Techniques with the Consideration of Cloud Cover[J]. Science Technology and Engineering, 2013, 13(28): 8373-8379. (in Chinese)
[11]陈振炜, 张过, 宁津生, 等. 资源三号测绘卫星自动云检测[J]. 测绘学报, 2015, 44(3): 292-300. CHEN Zhenwei, ZHANG Guo, NING Jinsheng, et al. An Automatic Cloud Detection Method for ZY-3 Satellite[J]. Acta Geodaetica et CartographicaSinica, 2015, 44(3): 292-300. (in Chinese)
[12]秦雁, 邓孺孺, 何颖清, 等. 资源三号卫星多光谱数据自动反演香港地区气溶胶光学厚度[J]. 环境科学学报, 2015, 35(5): 1512-1519. QIN Yan, DENG Ruru, HE Yingqing, et al. Automatic Retrieval of Aerosol Optical Depth over Hong Kong using ZY-3 MUX[J]. Acta Scientiae Circumstantiae, 2015, 35(5): 1512-1519. (in Chinese)
[13]张学文. 组成论[M]. 合肥: 中国科学技术大学出版社, 2003: 209.ZHANG Xuewen. The Constitution Theory[M]. Hefei: University of Science and Technology of China Press, 2003: 209. (in Chinese)
[14]唐新明, 谢俊峰, 张过. 测绘卫星技术总体发展和现状[J]. 航天返回与遥感, 2012, 33(3): 17-24. TANG Xinming, XIE Junfeng, ZHANG Guo. Development and Status of Mapping Satellite Technology[J]. Spacecraft Recovery &Remote Sensing, 2012, 33(3): 17-24. (in Chinese)
[15]国家测绘地理信息局卫星测绘应用中心. 2015年数据获取报告[EB/OL].[2016-08-18]. http://sjfw.satimage.cn/ zy2015/zy2015.html. Satellite Surveying and Mapping Application Center, NASG. 2015 Data Acquisition Report [EB/OL]. [2016-08-18]. http://sjfw.satimage.cn/zy2015/zy2015.html. (in Chinese)
[16]李德仁, 张良培, 夏桂松. 遥感大数据自动分析与数据挖掘[J]. 测绘学报, 2014, 43(12): 1211-1216. LI Deren, ZHANG Liangpei, XIA Guisong. Automatic Analysis and Mining of Remote Sensing Big Data[J]. Acta Geodaetica et CartographicaSinica, 2014, 43(12): 1211-1216. (in Chinese)
[17]QUARTULLI M, OLAIZOLA I G. A Review of EO Image Information Mining[J]. Isprs Journal of Photogrammetry & Remote Sensing, 2013, 75(1): 11-28.
[18]李锦萍, 李永刚, 刘秀芳. Landsat卫星WRS网格坐标位置估算方法的研究[J]. 测绘科学, 2006, 31(3): 52-53. LI Jinping, LI Yonggang, LIU Xiufang. Research on the Estimate Method of Landsat WRS Grid Coordinate Position[J]. Science of Surveying and Mapping, 2006, 31(3): 52-53. (in Chinese)
[19]国家气象信息中心.中国地面气候示意图[EB/OL]. (1971-2000) [2016-08-18]. http://data.cma.cn/data/weatherBk.html. National Meteorological Information Center. Sketch Map of Surface Climatic Elements in China[EB/OL]. (1971-2000) [2016-08-18]. http://data.cma.cn/data/weatherBk.html. (in Chinese)
Effective Imaging Probability Prediction Based on Big Data Regression
OUYANG Sida1WANG Huibing1,2HE Zhaoning1ZHANG Yue1CAO Yingzi3
(1 Satellite Surveying and Mapping Application Center, National Administration of Surveying, Mapping and Geoinformation, Beijing 100830, China)(2 Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China)(3 Beijing SatImage Information Technology Co., Ltd., Beijing 100830, China)
The payloads of the ZY-3-02 Satellite can work twice in a single cycle by segmented use. The new issues in satellite mission schedule are how to make full use of the flexibility of short and multi arcs, and how to improve the efficiency of satellite by estimating effective imaging probability and avoiding the possible cloud and rain areas on imaging fields. The archived images and meteorological data are combined for big data analysis. Firstly, the valid data rates of ZY-3 archived images are counted by using cloudpercent parameter of images as index. Then, under a framework with month and Path/Row grids in Worldwide Reference System, the correlation between the historical valid data ratio and monthly average cloud amount is found by using the regression analysis method in position and time. Thirdly, the temporal and spatial distribution of the satellite effective imaging probability can be predicted from monthly average cloud amount by using the rusult of the regression equation. The application of ZY-3 satellite shows that this distribution based on the regression analysis of archived images andmeteorological data can provide an effective decision support for satellite mission planning on meticulous process.
satellite mission planning; valid data ratio; monthly average total cloud amount; effective imaging probability; ZY-3 satellite
P236
A
1009-8518(2017)03-0116-09
10.3969/j.issn.1009-8518.2017.03.014
欧阳斯达,男,1986年生,2011年获中国测绘科学研究院地图制图学与地理信息工程专业硕士学位,工程师。研究方向为测绘卫星任务计划与调度、测绘卫星影像数据管理与应用等。E-mail:ouyangsd@sasmac.cn。
(编辑:庞冰)
2016-08-22
2016年国家基础测绘科技与标准计划项目(2016WS0100)