基于气象预测数据优化卫星成像参数

白 杨，王灵丽*，武红宇，田世强，王 栋，钟 兴，韩 威，杨建新

（1. 长光卫星技术有限公司，吉林 长春130051；2. 中国气象局数值预报中心，北京 100081）

1 引 言

光学卫星在对地观测获取遥感影像前，需要通过上注指令设置传感器成像参数，用于获取高动态范围的高质量遥感影像数据，如视频相机一般需要设置增益、帧频、单帧图像曝光时间，推扫相机需要设置积分级数、行积分时间、增益等必要的成像参数［1-2］。成像参数设置不合理会极大的降低数据质量，当成像参数设置过低时，获取的影像数据有效动态范围小，降低了影像对地物的解析和判读能力，当成像参数设置过高时，会导致图像的最大灰度超出传感器有效范围，而产生图像整体或部分区域灰度值饱和现象，使得数据缺失饱和区域地物的纹理及细节信息［3-5］。因此合理设置卫星成像参数是卫星获得高质量影像数据的重要保障和前提。

目前常规的光学卫星传感器成像参数设置方式是依据目标拍摄时刻的太阳高度角建立卫星成像参数查找表，这种设置方式简便易行，然而相同太阳高度角下拍摄目标点的地表反照率、大气环境以及卫星观测角度均会影响传感器的灰度响应，在不同地物拍摄过程中，难以保证图像均获得较好的拍摄效果。Skybox 采用MODIS 大气光学厚度（Atmospheric Optical Thichness，AOT）历史平均数据，利用大气辐射传输模型6SV（Second Simulation of a Satellite Signal in the Solar Spectrum-Vector），预测曝光参数［2］。北京一号依据拍摄目标点太阳高度角，基于历史数据底图，最终根据不同的拍摄目标，如沙漠、海洋、城镇等，利用6S 辐射传输模型预测曝光参数［6］。上述这两种方式均能在一定程度上改善图像的拍摄效果，但是基于历史数据预测的方法，对于地表随时间变化较大，或是难以根据历史数据预估的天气变化（如降雪等）的区域则无法获得理想的预测效果。如何将具有时变特性的地表反照率，以及大气变化产生的影响加入到光学卫星成像参数设置中，成为了光学卫星对地观测高效率获取高质量遥感影像数据的难题。

为了解决这一难题，本文提出了一种基于气象预测数据的卫星成像参数设置方法，方法基于气象预测数据数值预测模型获取未来10 天不同时刻的地表反照率、总云量和雪层厚度数据，再根据拍摄目标点地表反照率和云量，结合MODTRAN（Moderate Resolution Atmospheric Transmission）大气辐射传输模型建立从地表到传感器的辐射传输模型，模拟不同成像参数下图像的平均灰度响应，依据图像灰度动态范围合理的策略选取合适的成像参数。为了验证本文提出的成像参数设置方法，利用吉林一号视频04 星测试成像参数预测效果，测试结果表明，本文提出的方法预测精度能够较好地保证成像参数设置的合理有效。

2 影像检测系统的构成及其工作原理

在光学卫星对地面观测成像前，需通过任务规划设置卫星的成像参数，成像参数主要包括传感器的积分级数、增益、行积分时间等，并最终经地面站指令上注上传至卫星，用于保障卫星正常成像任务。卫星传感器的成像方式主要分为线阵传感器推扫成像（图1（a））和面阵传感器凝视成像（图1（b）），不同的传感器成像方式具有不同的成像参数及设置方式，本文主要研究线阵推扫成像方式传感器的成像参数获取方法。

线阵推扫成像TDI CCD（Time Delay Integration Charge Coupled Device）传感器是将入瞳处辐亮度通过传感器光电转换获取图像灰度响应 DN（Digital Number）［7］，其定义如式（1）所示：

图1 推扫与凝视成像方式Fig.1 Imaging mode of push-broom and staring

式中：M为积分级数，tint为传感器行积分时间，G为转换增益，单位为DN/e-，可以在成像时进行调整；L0为入瞳处谱段辐亮度，与拍摄地物相关；τ0为光学系统透过率，受大气参数影响；Ad为探测像元面积，F为光学系统相对孔径数，η为传感器的量子效率，这些参数与传感器光学系统、电子学性能相关，在传感器设计完成后不再改变；h为普朗克常量，v=c/λ，c为光速。

根据公式（1），在推扫成像中可调节的卫星成像参数为积分级数、增益和行积分时间。为了获取清晰的图像，成像参数行时间需要同像元运动速度相匹配［8］。由于卫星飞行过程中纬度的变化，该参数需要实时进行调整，因此卫星在成像期间会自主对该参数进行实时运算，无需通过成像前任务规划进行设置。

卫星规划推扫成像任务时，需要设置的卫星成像参数为积分级数和增益，由于不同传感器的设计差异或基于图像质量的考虑，也可能只调整积分级数或增益。若成像参数设置过高，会导致局部或整体图像饱和，丢失被观测地物的纹理细节信息；若成像参数设置过低，使得图像偏暗，从而降低数据的地物识别和解译能力。因此合理的设置卫星成像参数是充分利用传感器辐射分辨率，获取灰度动态范围适宜的图像，保障遥感影像数据质量的重要前提。

3 成像参数推演

3.1 气象预测数据

成像参数推演的目的是为了确定规划拍摄目标的积分级数和增益，保证图像灰度响应范围适宜。根据成像参数与图像灰度响应的关系，拍摄目标点辐亮度直接影响图像的灰度响应，而辐亮度主要受到地表地物反照率的影响。目前虽然能够基于历史地物反照率建立全球地物反照率底图用于卫星成像参数设置，然而地物的反照率并非固定不变，它会随着地表覆盖地物类型以及季节发生变化，且不同年份也会有差异。因此本文提出基于国家气象局提供的气象预测数据中的反照率数据进行成像参数优化的方法。

气象预测数据是中国气象局联合国内多家单位，在科技部“十五”国家重点科技攻关项目《中国气象数值预报系统创新研究》支持下，自主研究建立了新一代多尺度通用资料同化与数值预 报 系 统 GRAPES［9］。 从 2016 年 6 月 开 始 ，GRAPES 全球同化预报系统正式业务化运行［10］。目前中国气象局数值预报中心实时业务系统提供的全球气象预测数据，能够预测未来10 天的全球地表反照率、低云量、总云量和表层雪深，经过产品后处理后的全球数据栅格大小为1 440×2 880 pixels，网格水平分辨率为0.125°，预测数据时间分辨率为 1 h。图 2 为 2017 年 3 月 2 日 19时的全球气象预测数据。

图2 全球地表反照率气象预测数据Fig.2 Meteorological forecast data of global surface albedo

全球地表反照率气象预测数据能够较好地反映世界范围内不同区域的地表反照率，对于冰雪、沙漠、绿植都能较好地区分。同时，全球地表反照率预测数据对于随时间变化较大的地区同样具有较好的预测效果，图3 为长春地区2017 年全年上午11 时地表反照率变化曲线。

图3 长春地区反照率全年变化Fig.3 Annual variation of surface albedo of Changchun

图3 中横坐标为年积日，即当日在一年中的日序，纵坐标为地表反照率。根据图3 所示在积日为 346，即 2017 年 12 月 12 日，长春出现降雪，地表反照率发生阶跃式地突变。可见，地表反照率预测数据能够很好地反映地表状态的改变，尤其对于降雪有较好的预测效果。

3.2 成像参数推演

建立遥感图像成像链路模型是进行成像参数推演的重要基础。在光学成像系统中，传感器获取的能量来源于地表反射和大气散射，太阳光从大气层外入射到地表，地物反射辐射太阳光，透过大气层进入卫星传感器，传感器将入瞳处辐亮度转化为图像灰度响应。若忽略遥感成像过程中由大气引起的光子吸收与散射，则其物理过程可如图4 表示。

图4 遥感图像成像链路图Fig.4 Graph of remote sensing image-link model

根据遥感图像成像物理过程，结合气象预测数据中的地物反照率，进行成像参数推演。基于气象预测数据的成像参数推演流程如图5 所示。成像参数推演的具体流程为：

（1）根据卫星任务规划输入规划拍摄的目标点经纬度，以及该目标点成像时刻；

（2）根据成像时刻、目标点经纬度读取气象预测数据的地表反照率fal，并计算大气辐射传输模型需要的参数，包括太阳高度角和方位角、卫星观测高度角和方位角等。模型输入中，大气模型由拍摄点经纬度、拍摄季节确定［11］。由于不同地物有明显不同的反照率，故可参考地表反照率预报来粗略设置气溶胶类型，对于反照率小于0.08 的地区，其气溶胶模型设置为海洋型；对于反照率在0.08～0.28 区间的地区，气溶胶类型设置为乡村型；反照率在0.28～0.45 区间的地区气溶胶类型设置为沙漠型，反照率大于0.45 的地区设置为城市型。由于缺少能见度的预测数据及足够完整的全球能见度历史数据集，同时不同地区气溶胶分布具有明显局地性［12］，故参考MODIS 的历史MOD08_M3 大气产品中各年每月平均550 nm 气溶胶光学厚度值，通过输入拍摄时刻前一年相同月份的平均550 nm 气溶胶光学厚度来粗略代替表示能见度的特性［13］。最后将前述参数输入MODTRAN4 大气辐射传输模型计算天顶光谱辐亮度；

（3）根据各谱段的光谱响应曲线利用公式（2）计算对应谱段的辐亮度，并计算不同成像参数组合对应谱段辐亮度的灰度响应，其中图像灰度响应根据传感器绝对辐射定标系数图像灰度与辐亮度线性系数进行计算，计算公式如式（3）所示，所计算出的灰度响应是成像目标区域的平均灰度响应：

其中：Lband为谱段辐亮度（band=1，2，…，n），L（λ）为利用大气辐射传输模型计算得到的天顶光谱辐亮度，单位均为W/(m2·sr·μm)，Rband(λ)为谱段band 的相对光谱响应曲线。

其 中 ：DNband，i为 对 应 谱 段 band 的 辐 亮 度Lband在成像参数组合i（i=1，2，…，m）时对应的灰度响应 ，gainband，i，offsetband，i为 对 应 谱 段 和 成 像 参 数 组合传感器绝对辐射定标线性系数的斜率和截距。

（4）设置图像灰度响应阈值，从不同参数组合对应的灰度响应中，查找与阈值最接近的成像组合参数作为该谱段最优成像组合参数，成像参数选取的原则是在图像不过曝的前提下尽量保证图像动态范围适宜，即避免获取的遥感影像数据在低地表反照率时过暗、在高地表反射率时过亮，故采用分段线性函数，并通过大量测试验证的效果对比设定阈值thre，其计算方法如公式（4）所示：

其中：max_DN为图像的最大灰度值，fal为气象预测数据中获取的地表反照率。

图像灰度响应反映了通过成像链路模型推演的平均图像灰度，本文提出的图像参数选取策略是根据地表反照率设置图像灰度响应阈值，即在地表反照率偏低时，调高阈值，避免图像过暗，在地表反照率偏高时，降低阈值，避免高地表反照率引起图像饱和。在图像成像参数组合中选取灰度响应最接近阈值的一组作为成像参数来实现高动态范围的遥感影像数据获取。

图5 成像参数推演流程图Fig.5 Flow chart of imaging parameter deduction

为了定量化分析成像参数优化效果，利用信息熵的指标进行评估。信息熵主要反映图像包含地物信息的详细程度，一般用熵来表达，熵是从信息论角度反映影像信息丰富程度的一种度量方式，通过对图像信息熵的比较可以对比出影像的细节表现能力，信息熵Comentropy 的计算如公式（5）所示：

其中：k为灰度级数，bk为第 k 级的灰度值，p(bk)为bk出现的概率。

4 实验结果分析

为了验证本文提出的基于气象预测数据优化卫星成像参数算法的有效性，使用吉林一号视频04 星在轨进行推扫成像获取的标准影像产品，并对获取的影像数据进行统计分析。

吉林一号视频04 星（JL104B）是长光卫星技术有限公司于2017 年11 月成功发射入轨的高分辨率光学卫星，卫星通过搭载2 台0.92 m高分辨率相机构成了双相机结构，每台相机均具备推扫和视频成像能力，本文使用其推扫模式成像验证所提出的算法，推扫模式下成像主要参数如表1 所示。推扫图像包含全色和多光谱谱段，其中多光谱所包含的5 个谱段分别为Blue，Green，Red，Red Edge 和 NIR，双相机幅宽20 km。

表1 JL104B 推扫成像主要参数Tab.1 Imaging parameters of JL104B push-broom mode

吉林一号视频04 星单景影像幅宽与气象预测数据像元分辨率0.125°基本相当，因此能够利用气象预测数据获取对应拍摄目标点的地表反照率。

根据文中提出的基于气象预测数据优化卫星成像参数的方法对比成像参数优化前后的传感器成像效果，实现优化参数的定量评价，其中图6 为长春区域雪景拍摄对比图，表2 为成像参数优化前后图像灰度与信息熵统计结果。表2 中饱和率（Saturation factor）为图像饱和像元的比率，Max（1%）和Min（1%）分别为对应图像灰度直方图1% 的灰度级，灰度响应范围Range 为Max（1%）-Min（1%）。

图 6（a）和（b）分别为长春区域（Lat：44.53，Lon：125.60）2018 年 12 月 30 日 和 2019 年 01 月03 日 雪 景 全 色 图 像 ，2018 年 12 月 30 日 成 像 根 据目标点成像时刻太阳高度角19.3°设置增益为8.0x，积分级数为 10 级，2019 年 01 月 03 日成像采用本文提出的成像参数优化策略，结合地表反照率预测数据，成像增益设置为4.0x，积分级数为10 级。图6（a）中出现了雪景局部过曝的现象，表2 列出图像饱和率为77.80%，图像部分细节信息丢失，而图6（b）为采用成像参数优化后的成像效果，较好得保留了雪表面的特征，消除了图像局部饱和的现象，相比于成像参数优化前信息熵提升了23.71%。可见，本文提出的方法对于改善图像局部过曝有较好的效果。

图6 成像参数前后长春区域影像结果对比Fig. 6 Comparison of imaging results of Changchun before and after optimization of imaging parameters

同样地，对低照度区域采用本文提出的方法进行在轨成像测试，图7 为亚松森拍摄成像参数优化前后对比图，并列出各个谱段的灰度分布直方图，表3 为亚松森成像参数优化前后图像灰度与信息熵对比结果。

表2 成像参数优化前后对比长春拍摄Tab.2 Before and after optimization of the imaging parameters for Changchun

图 7（a）和（c）分别为亚松森（Lat：-24.84，Lon：-57.38）2018 年 12 月 5 日和 2019 年 3 月 21日植被假彩色图像（NIR-Red-Green），图7 中（b）和（d）两次成像对应的各个谱段灰度直方图，根据灰度直方图，图9（c）图像灰度动态范围更大，而图7（a）中Red 谱段的平均灰度仅为103，整体灰度值偏低，图 7（c）成像效果优于图 7（a）。该目标点成像根据太阳高度角（65.8°和63.9°）设置成像增益为1.0x，积分级数为4 级，而采用本文提出的成像参数优化策略，由于该目标点地表反照率偏低，2019 年 3 月 21 日（图 9（c））将成像增益调整为2.0x，积分级数4 级，使得成像效果得到显著提升。根据表3 中统计结果，在成像参数优化后各个谱段的平均灰度响应增加，信息熵分别提高4.37%～18.63%。可见，本文提出的方法对于低亮度图像灰度有明显地改善，使得低亮度区域细节信息更为清晰（彩图见期刊电子版）。

图7 成像参数优化前后亚松森拍摄区域成像结果对比Fig. 7 Comparison of imaging results of Asuncion

表3 成像参数优化前后对比亚松森拍摄Tab.3 Before and after optimization of the imaging parameters for Asuncion

根据视频04 星推扫成像模式的实际在轨成像效果，采用本文提出的成像参数优化算法能够有效保证图像在不过曝的前提下获取适宜的图像灰度动态范围。

5 结 论

光学遥感卫星是获取对地观测遥感数据的重要手段，为了保障在轨运行的卫星对地成像能够获得合理的动态范围的高质量遥感数据，提升卫星获取数据的有效率及数据解译能力，本文提出了将气象卫星数据用于陆地观测卫星规划中，通过结合气象预测数据和卫星传感器绝对辐射定标结果利用辐射传输模型核算在轨拍摄图像灰度响应，为选取卫星合理的成像参数提供有效依据，从而在有效避免图像饱和的同时极大的提升了低亮度区域的图像灰度，从根本上提升了卫星获取有效数据的能力及所获取数据的解译能力。通过吉林一号视频04 星在轨成像进行验证，实验证明本文提出的算法对全色和多光谱谱段图像信息熵分别提升4.37%～23.71%，对比成像参数优化策略使用前后获取的影像数据，充分证明了本文提出的方法对于图像过曝与图像灰度过暗具有良好的改善效果。进一步的研究计划将关注提升图像灰度预测精度，根据卫星传感器长期在轨成像特性跟踪精细设置灰度动态选取范围。