资源三号影像用于西澳大利亚州木本植被监测

文 | Suzanne Furby Xiaoliang Wu Tony Traylen Drew Devereux Peter Caccetta澳大利亚联邦科学与工业研究组织 大数据研究所（CSIRO Data61）

一、前言

自1990年代后期以来，土地监测项目（Land Monitor）为澳大利亚西澳大利亚州的西南地区提供了大量有关土地和植被指标的新信息。该项目利用历年陆地卫星（Landsat）数据，通过严格的几何纠正和辐射校正，结合航空摄影影像、地面高程模型等辅助数据进行遥感分析处理，生成土地含盐度和植被覆盖变化及趋势预测等产品。该项目的产品每年分发给州政府各部门，遥感分析产品在各部门的相关业务中发挥了积极有益的作用。在过去的十多年中，由于环境和耕种方式的变化，狭窄线状分布的植被有所增加，以致Landsat当前25m的空间分辨率不足以捕获这些新的变化。

本文介绍了利用资源三号（ZY-3）高分辨率卫星影像数据对Land Monitor项目区域内的多年生植被（木本植被）进行制图和监测的工作。这项工作的目的旨在补充该项目所提供的信息产品，为项目用户提供新的产品数据，用于更新以1：5万比例尺为基准的相关信息。本文具体介绍了澳大利亚联邦科学与工业研究组织（CSIRO）针对资源三号数据研制相应的算法模型的预处理过程，从原始资源三号数据生成经辐射校准的正射影像，以及讨论如何针对资源三号数据采用相应的分类方法，使得提取出的产品能对现有Land Monitor产品进行有效补充，并探索新的应用。

二、利用资源三号影像进行木本植被提取方法

本文利用中国首颗民用立体测绘卫星资源三号影像的多光谱数据进行木本植被提取。在以下章节简单介绍所使用的数据源和覆盖区域，如何进行严格的预处理，以及区分木本植被与非木本植被的统计方法。

1.影像数据源及项目形成介绍

木本植被提取所使用的数据源来自资源三号卫星。资源三号是中国第一颗民用立体测绘卫星，它是根据原国家测绘地理信息局卫星测绘应用中心（SASMAC）提出的利用卫星数据制作1:5万地形图的要求，由中国航天科技集团公司（CASC）设计、研制并发射。资源三号系列的第一颗卫星（01星）于2012年1月9日发射，它搭载了三线阵全色立体相机，前、正、后视相机的分辨率分别为3.5m、2.1m以及3.5m，同时也搭载了分辨率为5.8m的四波段（蓝、绿、红、近红外）多光谱相机。资源三号系列的第二、第三颗卫星（02星和03星）分别于2016年5月30日和2020年7月25日发射，02星和03星把前后视相机的分辨率从3.5m提高到2.5m，并进一步改善了影像质量。资源三号的主要任务是制作1:5万的数字高程模型、数字正射影像、数字线划图。自资源三号成功发射后，澳大利亚联邦科学与工业研究组织（CSIRO）与SASMAC和CASC进行了多次联合辐射检校实验。鉴于CSIRO负责西澳大利亚州的Land Monitor项目，通过与SASMAC和CASC的合作，并由Land Monitor项目联合体成员单位的支持，CSIRO确立了“资源三号影像用于西澳大利亚州木本植被监测项目”。该项目由SASMAC提供原始资源三号影像数据，CSIRO负责实施。CSIRO为此专门研制了针对资源三号影像的辐射校正和几何纠正等预处理方法，结合现有Land Monitor处理技术，对Land Monitor区域进行了木本植被和非木本植被的分类，分析高分辨率卫星影像是否能有效提取Landsat无法监测出的狭窄线状分布的木本植被，以及农田间及城镇中零星孤单分布的木本植被。这也是利用资源三号多光谱影像数据进行大范围木本植被应用的一个尝试。

CSIRO委托SASMAC对Land Monitor区域在澳大利亚干燥季节进行资源三号成像，所获取影像的拍摄时间跨越了三年时间（从2012年5月19日至2015年3月29日），其中大部分获取时间是在2013年，去掉云层覆盖、季节变化等无效影像，最终共处理获得了135块有效影像，图1是Land Monitor所覆盖的区域以及资源三号的135块有效影像范围，图2是最终利用资源三号的135块有效影像提取的木本植被和非木本植被分类图。

图1 资源三号影像块覆盖范围（背景是真彩色2016年Landsat-8影像，面积大约为36万平方千米，资源三号影像框的颜色表示获取时间：从12月至次年3月中旬呈绿色框，从3月中旬至4月末呈浅蓝色框，从5月至6月呈黄色框，从7月至11月呈红色框）

图2 利用资源三号多光谱影像数据提取出的木本植被图（绿色区域为木本植被，奶油黄色区域为非木本植被。白色表示没有合适的资源三号数据的地方，例如资源三号影像由于云层覆盖比例过高而没有被采用）

2.资源三号数据的预处理

CSIRO针对资源三号影像数据专门研制了辐射校正和几何纠正等预处理方法，并形成了一套处理流程。流程处理的单元为原始整条数据带（根据需要确定起始和结束扫描行），整条数据带可能跨越几百到上千千米长度。整条处理的优势是辐射校正和几何纠正一致性更好，较少的处理单元也便于计算机高效处理。使用原始数据的目的是希望数据的原始信息不受任何未知的改变和处理。

资源三号的多光谱每个波段在同一时刻实际对应不同的成像对象，对多光谱的每个波段分别进行独立的辐射校正与正射纠正以达到最佳效果。这个原因可由图3说明，这是从本项目中某一资源三号影像块中发现的有趣现象，一架飞机在每个多光谱波段的影像上处在不同的几何位置。在有大型卡车的郊区这种“彩虹”现象较为常见。图4展示了采用CSIRO的拼接和相对辐射预处理技术前后，原始多光谱影像和辐射校正后影像的效果比较。在最后的影像产品进行了严格质量控制，剔除了受薄云、阴霾、烟雾以及“彩虹”现象的局部影像，使得用于后续分类的影像具有较高的几何和辐射质量。

图3 “彩虹”现象：一架飞机成像在资源三号多光谱不同波段的不同位置上

图4 采用CSIRO的辐射预处理技术对原始多光谱影像辐射校正前后的效果比较（左：原始多光谱影像，RGB；右：拼接和相对辐射校正后的影像，RGB）

3.木本植被提取方法

使用资源三号影像的目的是绘制Land Monitor区域内的所有木本植被的覆盖图，包括保护区、小溪、湿地、农田围场边缘的植被以及人造林，但是不包括灌木丛和森林底部低矮的植被。对这些木本植被进行分类的定义同样适用于Landsat和资源三号影像，但是由于资源三号相对Landsat具有更高的空间分辨率，期望能检测出一些在现有Landsat产品上无法检测出的狭窄木本植被，例如沿路两边或农田围场边界处的细长排树、牧场内孤立的树木。

资源三号多光谱影像数据经过严格的辐射和几何处理后，采用类似于Land Monitor对Landsat影像进行遥感分析的技术对资源三号影像进行分类，并进行了一定的改进以提高分类精度。

（1）分层策略

对Landsat影像处理的经验表明，通过将土壤、降雨、土地利用和植被群落等区域进行分层分带，可以显著改善分类效果。对资源三号数据使用了相同的分层策略。资源三号影像对土壤类型的变化要比Landsat影像更为明显，并且在某些情况下会引起分类误差。

（2）分类指数提取

基于Landsat TM/ETM+的Land Monitor使用了木质指数（SWIR1+RED）和绿色指数（NIR-RED）来划出过于潮湿的区域和在某些分层带中过绿的区域，并通过设置每个分层带的分类阈值以优化该分层带的分类效果。由于资源三号传感器不具有SWIR1波段，因此需要考虑其他分类指数。通过与基于Landsat的Land Monitor木本植被产品进行比较，手动选择了木本植被和非木本植被的训练地点，并使用判别分析技术将其用于每个分层带和季节得出局部最佳指数。

（3）分类指数阈值的确定和产品形成

在得出分类指数后，分类的下一步是选择指数阈值，给每个像素计算归类为木本植被的概率，得到每块影像在每个分层带的木本植被概率图。这是通过使用与Landsat提取出的木本植被图进行半自动“匹配”的方法来实现的。

通过对每块影像在每个分层带的木本植被概率图拼接获得最终概率图，影像块在拼接过程中的优先级别是按预先设定的规则进行，即优先考虑2013年获取的数据，在其他年份优先考虑较干燥的季节获取的数据，其他数据的优先级逐渐降低，同时要考虑受类似红土壤等因素影响的分类误差。最后进行二值化得到木本植被图。利用最终的木本植被分类图可以进行与现有Land Monitor各种产品的对比分析，衍生新的信息。

三、对木本植被产品的比较分析

基于对资源三号影像的处理，通过两个实例对木本植被产品进行比较分析，在某种程度上可以说明资源三号数据具有的优势和带来的新挑战。

1.实例一：资源三号增加了对稀疏木本植被的提取

为了更好地解释利用资源三号影像能检测出更多的木本植被，将另一个监测项目Urban Monitor的影像作为木本植被的背景图（Urban Monitor采用了0.2m分辨率的数字航空影像）。图5中两幅图的背景影像为2014年2月Mandurah以东的Urban Monitor影像，分辨率为0.2m。图5（a）显示了该地区由2014年Landsat提取出的木本植被图层。图5（b）显示了相同地区由资源三号影像提取出的木本植被图层。从比较中可以明显看出资源三号提取出的木本植被图层包括了更为细腻的木本植被信息，包括农田围场内更多孤立的树木丛和狭窄线状的排树、路边和小溪水两岸的排树。利用资源三号影像不仅能提取出更为细腻的木本植被信息，同时也能更好地了解大块木本植被的内部细节，从图5（b）中可以明显看出大块木本植被内部的细小空间间隙，以及更为准确的大块木本植被边界。

图5 Landsat影像和资源三号影像提取出的木本植被信息比较

2.实例二：由土壤引起的分类误差

由于各种土壤的光谱差异较大，加上季节和气候变化，以及光学遥感传感器特性的差异，土壤类型往往是引起遥感分类错误的一个重要原因。虽然引入了分层策略来减少土壤、地质、气候等因素对分类的影响，各种分类错误仍是不可避免。本实例显示了Perenjori北部含有红土壤区域分别采用Landsat影像和资源三号影像提取残留木本植被的差异（图6）。由于红土壤与残留的木本植被的光谱反应较为类似，利用资源三号影像较难区分它们，易产生分类误差，这种误差也许在利用不同的时间和季节的资源三号影像上会有所不同。在这个特别例子中，如果利用Landsat影像则相对容易区分红土壤和木本植被，这也许是由不同传感器的波段光谱反应差异所导致。

图6 Perenjori北部的Landsat和资源三号提取的残留木本植被比较，残留木本植被以绿色显示

四、结论与展望

使用资源三号影像数据对木本植被与非木本植被进行了提取，以补充已经在使用中的基于Landsat影像的Land Monitor监测产品。资源三号的产品揭示了利用资源三号影像数据能更好地提取例如农田间及城镇中零星孤单、窄条形分布的木本植被，有效补偿了现有Landsat产品的缺陷，为Land Monitor项目用户提供了更深层次的分类信息。

在处理分析大量资源三号影像的过程中，资源三号数据的辐射动态范围始终保持着较大范围，这是进行深入遥感分析挖掘的先决条件。建议尝试对资源三号数据作更多类别的分类作为今后进一步的工作，以充分挖掘资源三号数据的潜力，例如利用纹理分析和多判别函数边界对两个以上的类别进行分类，利用同时获取的立体影像提取出相应的三维模型等。

在该项目进行期间，使用资源三号影像最大的限制是较难实现在希望的数据获取时间段内完成对项目区域的影像完整覆盖。这是由于资源三号卫星（01星）作为科研试验卫星尚无法对众多需求一一满足。希望随着三颗资源三号卫星的组网，数据获取能力得到极大提高后，资源三号星座能为进行大规模的遥感监测应用提供更多的机会，展示出资源三号卫星系列兼具测绘制图与遥感监测的巨大能力。