俞 樂(lè)，曹 凱，吳 飏，張登榮

基于影像交叉學(xué)習(xí)的CBERS CCD波段模擬

俞 樂(lè)1，曹 凱2，吳 飏3，張登榮4

(1.清華大學(xué)地球系統(tǒng)科學(xué)研究中心，北京 100084;2.哈佛大學(xué)地理分析中心，劍橋 MA02138，美國(guó);3.浙江大學(xué)地球科學(xué)系，杭州 310027;4.杭州師范大學(xué)遙感與地球科學(xué)研究院，杭州 310026)

與TM/ETM+相比，CBERS CCD缺少2個(gè)紅外波段(波段5和波段7)，這便導(dǎo)致了許多針對(duì)TM/ETM+數(shù)據(jù)的圖像處理方法難以直接應(yīng)用于CBERS CCD圖像。為此，采用基于影像交叉學(xué)習(xí)的波段模擬方法，即以ETM+數(shù)據(jù)作為先驗(yàn)知識(shí)，通過(guò)支持向量回歸(Support Vector Regression，SVR)，擬合CBERS CCD與ETM+7波段DN值之間的非線性關(guān)系，進(jìn)而在CBERS CCD已有波段的基礎(chǔ)上模擬一個(gè)新的波段圖像。實(shí)驗(yàn)結(jié)果表明，采用該方法模擬的CBERS CCD新波段與驗(yàn)證波段之間具有較高的相關(guān)性。

波段模擬;機(jī)器學(xué)習(xí);SVR;CBERS CCD;TM/ETM+

0 引言

中巴地球資源衛(wèi)星(China－Brazil Earth Resources Satellite，CBERS)系 列 (CBERS －01、CBERS－02、CBERS－02B)已分別于1999年10月、2003年10月、2007年9月發(fā)射。該系列衛(wèi)星提供了類(lèi)似Landsat TM和SPOT衛(wèi)星的波段設(shè)置，為我國(guó)開(kāi)展資源、環(huán)境及災(zāi)害等領(lǐng)域的遙感應(yīng)用研究提供了新的數(shù)據(jù)源［1］。但是，一個(gè)制約 CBERS CCD數(shù)據(jù)應(yīng)用的原因是CCD相機(jī)設(shè)置的波段較少、光譜分辨率有限，因此地物識(shí)別能力受到限制［2］。

實(shí)現(xiàn)光譜維的擴(kuò)展可以采用波段模擬技術(shù)，即利用近似時(shí)間、近似分辨率的不同類(lèi)型遙感數(shù)據(jù)進(jìn)行波段模擬拓展，以生成不同時(shí)間、不同分辨率、同波段設(shè)置的不同類(lèi)型的遙感數(shù)據(jù)。由于Landsat TM/ETM+和CBERS CCD這兩個(gè)系列衛(wèi)星影像具有近似的波段設(shè)置、近似的空間分辨率以及穩(wěn)定的獲取周期，因此可以采用Landsat系列數(shù)據(jù)對(duì)CBERS系列數(shù)據(jù)進(jìn)行光譜維擴(kuò)展。但是，CBERS CCD和Landsat TM/ETM+的成像特性不同，載荷的軌道高度(Landsat 705 km，CBERS 778 km)、傾角(Landsat 98.22°，CBERS 98.5°)、過(guò)境日期和時(shí)間等多項(xiàng)物理、幾何參數(shù)均不一致，因此難以?xún)H采用線性的統(tǒng)計(jì)模型來(lái)擬合波段之間的復(fù)雜關(guān)系。

本文針對(duì)CBERS CCD相機(jī)波段設(shè)置的不足，采用非線性影像交叉學(xué)習(xí)的波段模擬方法，即參考Landsat TM/ETM+數(shù)據(jù)模擬CBERS CCD相機(jī)沒(méi)有設(shè)置的波段，從而生成CBERS的中紅外波段(以模擬光譜范圍2.08 ～2.35 μm 的 ETM+7 波段為例)，并對(duì)其模擬質(zhì)量進(jìn)行驗(yàn)證。

1 CBERS CCD波段擴(kuò)展方法

1.1 CCD數(shù)據(jù)質(zhì)量改進(jìn)和現(xiàn)存不足

自CBERS－01星發(fā)射以來(lái)，為了提高CBERS系列數(shù)據(jù)的應(yīng)用價(jià)值，我國(guó)已經(jīng)開(kāi)展了大量數(shù)據(jù)質(zhì)量評(píng)價(jià)，并開(kāi)發(fā)了許多有效的質(zhì)量改善方法。例如，為了提高CBERS CCD數(shù)據(jù)定量研究?jī)r(jià)值，中國(guó)資源衛(wèi)星應(yīng)用中心自2004年開(kāi)始在敦煌絕對(duì)輻射校正場(chǎng)開(kāi)展了CBERS－02/02B CCD傳感器的輻射定標(biāo)實(shí)驗(yàn)，提供了CBERS－02(2004年8月、2005年8月及2006年8月)和CBERS－02B(2007年10月、2008年10月)星傳感器的絕對(duì)輻射定標(biāo)參數(shù)［3］。同時(shí)，也有采用與SPOT HRVIR1圖像、Landsat TM圖像及MODIS圖像等的交叉定標(biāo)［4－6］。在改善影像質(zhì)量方面，采用CCD相機(jī)三片陣列色差調(diào)整方法消除圖像的片間色差，采用調(diào)制傳遞函數(shù)(Modulation Transfer Function，MTF)補(bǔ)償來(lái)提高圖像清晰度;在改善幾何精度方面，通過(guò)將精軌數(shù)據(jù)代替星上下傳的輔助數(shù)據(jù)進(jìn)行幾何糾正，并構(gòu)造合適的偏置矩陣，使幾何糾正精度有了較大的提高，CBERS－01/02星CCD圖像幾何定位精度基本控制在1 km以?xún)?nèi)［7］。

但CBERS CCD相機(jī)采用了和SPOT VHR一致的波段設(shè)置，而與 TM/ETM+數(shù)據(jù)相比，則缺少1.55 ～1.75 μm(TM5)和 2.08 ～ 2.35 μm(TM7)兩個(gè)紅外波段，雖然其紅外多光譜掃描儀 (IRMSS)提供了這兩個(gè)波段，但其空間分辨率較低(78 m)，使其在地質(zhì)應(yīng)用領(lǐng)域受到一定的限制。

1.2 CCD 波段模擬

遙感數(shù)據(jù)的應(yīng)用潛力取決于傳感器本身的空間分辨率、光譜分辨率、光譜波段設(shè)置，以及搭載平臺(tái)的重訪周期等多項(xiàng)技術(shù)指標(biāo)。為了提高地物識(shí)別精度，通常需要采用多種足夠高分辨率(包括空間、光譜、時(shí)間等)的遙感圖像。但事實(shí)上，由于受大氣影響和傳感器觀測(cè)條件的限制(如傳感器的幾種客觀性能指標(biāo)是相互制約的，在傳感器研制水平一定的情況下，在同一遙感載荷中難以實(shí)現(xiàn)所有客觀性能指標(biāo)的最優(yōu)化)，無(wú)法獲得足夠遙感數(shù)據(jù)用以滿足科學(xué)研究中對(duì)特定分辨率的需要［11］。為了生成某些衛(wèi)星傳感器不能獲得但在實(shí)際應(yīng)用中有迫切需求的特定遙感數(shù)據(jù)，當(dāng)前已經(jīng)開(kāi)展了眾多有代表性的波段模擬技術(shù)研究。

波段模擬是指利用先驗(yàn)數(shù)據(jù)(如地物波譜、具有目標(biāo)波段的遙感圖像等)來(lái)計(jì)算獲得特定傳感器并未設(shè)計(jì)的波段數(shù)據(jù)。波段模擬可以分為多種類(lèi)型:根據(jù)先驗(yàn)數(shù)據(jù)的來(lái)源，可以分為以地物波譜為基礎(chǔ)的譜模擬［11－14］和以遙感圖像為基礎(chǔ)的圖模擬［15，16］兩種方式;根據(jù)模擬過(guò)程中采用的計(jì)算模型，可以分為基于生物、物理及大氣等一系列模型耦合運(yùn)算的物理模型模擬［12，13］和以統(tǒng)計(jì)模型(包括線性［11］和非線性［14，16］模型)為基礎(chǔ)的經(jīng)驗(yàn)?zāi)Ｐ湍M;另外，也有學(xué)者［15］根據(jù)模擬的數(shù)據(jù)性能類(lèi)型，分為以傳感器光學(xué)性能(光譜響應(yīng)函數(shù)、MTF)為目標(biāo)的靜態(tài)模擬和以傳感器成像性能(大氣狀況、成像幾何條件)為目標(biāo)的動(dòng)態(tài)模擬?？傮w而言，譜模擬可以實(shí)現(xiàn)光譜維上的擴(kuò)展，但是由于實(shí)地采集的光譜與圖像光譜存在時(shí)間上的不一致和空間分辨率上的不一致［14］，以及大氣和成像過(guò)程的差異均能導(dǎo)致圖像光譜與實(shí)際地物光譜的偏差，另外，由于有限的地物波譜數(shù)據(jù)難以覆蓋傳感器獲取影像的所有地物類(lèi)別(尤其是當(dāng)存在混合像元時(shí))，因此，這類(lèi)方法當(dāng)前還難以進(jìn)行比較真實(shí)的模擬;圖模擬可以克服這一障礙，只要采用相同(或近似)時(shí)間，相同(或近似)分辨率的參考波段數(shù)據(jù)就可以獲得較為真實(shí)的目標(biāo)波段［16］，但其缺點(diǎn)是必須依賴(lài)于包含目標(biāo)波段波譜范圍的參考波段存在，因此難以方便地?cái)U(kuò)展光譜維［14］;物理模型模擬的計(jì)算復(fù)雜度較高［11］;統(tǒng)計(jì)模型模擬計(jì)算量相對(duì)較小，可以生成可視化圖像，但對(duì)機(jī)理的認(rèn)識(shí)有所欠缺，只是一種經(jīng)驗(yàn)?zāi)Ｐ?。另外，采用傳統(tǒng)的線性模擬方程不適合影像地物復(fù)雜的情況，文獻(xiàn)［14］提出了采用機(jī)器學(xué)習(xí)方法來(lái)擬合各類(lèi)地物在不同觀測(cè)波段范圍內(nèi)反射率之間的復(fù)雜非線性關(guān)系，獲得了較好的效果。

通過(guò)遙感影像模擬獲取地物在不同波段下的反射特性，有利于深化遙感成像機(jī)理的研究，在對(duì)不同類(lèi)型的傳感器性能進(jìn)行差異分析、對(duì)新設(shè)計(jì)的傳感器性能進(jìn)行論證等方面具有很大的應(yīng)用價(jià)值。此外，通過(guò)遙感影像模擬技術(shù)可解決多光譜影像波段缺損等問(wèn)題，對(duì)于遙感數(shù)據(jù)預(yù)處理工作也具有重要的意義。

1.3 基于SVR影像交叉學(xué)習(xí)的波段擴(kuò)展

20世紀(jì)90年代以來(lái)，支持向量機(jī)方法受到很高的重視，其原因在于它對(duì)有限樣本情況下模式識(shí)別中的一些根本性問(wèn)題進(jìn)行了系統(tǒng)的理論研究，并且在此基礎(chǔ)上建立了一種較好的通用學(xué)習(xí)算法［17］。研究表明，SVM較傳統(tǒng)方法(包括神經(jīng)網(wǎng)絡(luò))具有更好的適應(yīng)和推廣能力［18］，且該模型不受“維數(shù)災(zāi)難”影響，適合于高維遙感數(shù)據(jù)綜合信息的提取。SVM方法的另一個(gè)重要優(yōu)點(diǎn)是所得的分類(lèi)器的復(fù)雜度可由支持向量的個(gè)數(shù)、而非變換空間的維數(shù)來(lái)表示。因此，SVM往往不像其他方法一樣易產(chǎn)生過(guò)擬合現(xiàn)象［19］，在遙感影像分類(lèi)中得到了眾多應(yīng)用［20－23］。

基于 SVM的回歸方法，又稱(chēng) SVR(Support Vector Regression)，其機(jī)制與分類(lèi)有一些相似，主要是通過(guò)將學(xué)習(xí)樣本從低維空間映射到高維空間后，再在高維空間中構(gòu)造線性決策函數(shù)來(lái)實(shí)現(xiàn)線性回歸。當(dāng)前，有研究采用SVR進(jìn)行地物波譜學(xué)習(xí)來(lái)進(jìn)行遙感影像波段模擬，但該方法的精度受制于地物波譜庫(kù)的完整性和空間尺度［14］。

本文提出的基于SVR影像交叉學(xué)習(xí)的波段模擬方法流程如圖1所示。

圖1 CBERS CCD波段擴(kuò)展流程Fig.1 Workflow of CBERS CCD bands simulation

首先在研究區(qū)范圍內(nèi)隨機(jī)采集學(xué)習(xí)樣本，然后利用SVR構(gòu)建CBERS CCD的4個(gè)波段和對(duì)應(yīng)的ETM+紅外波段(本文以光譜范圍 2.08 ～ 2.35 μm的波段為例，即Landsat TM/ETM+波段7)的非線性關(guān)系模型，進(jìn)而將CBERS CCD的已知波段作為輸入?yún)?shù)模擬出未知的紅外波段。

2 實(shí)驗(yàn)數(shù)據(jù)與預(yù)處理

以覆蓋天津市區(qū)的CBERS CCD和Landsat ETM+圖像為實(shí)驗(yàn)數(shù)據(jù)，其中CBERS CCD圖像(1景，Path/Row 373/56)獲取時(shí)間為2000年6月12日，從中國(guó)資源衛(wèi)星應(yīng)用中心CBERS－01/02星數(shù)據(jù)服務(wù)系統(tǒng)網(wǎng)站(http://211.100.254.226/)下載;Landsat ETM+(2景，Path/Row 122/33)獲取時(shí)間分別為2000年5月25日和2000年6月10日，從美國(guó)地質(zhì)調(diào)查局(USGS)地球資源觀測(cè)與科學(xué)(EROS)中心網(wǎng)站(http://eros.usgs.gov/)下載。所有圖像(除2000 年6月10日的ETM+外)均沒(méi)有云覆蓋。

在數(shù)據(jù)預(yù)處理階段，首先以CCD的B1圖像為基準(zhǔn)，將CCD的B2～B4圖像與其配準(zhǔn)，隨后將兩期Landsat ETM+圖像向 CBERS CCD配準(zhǔn)，并將ETM+30 m空間分辨率重采樣為CBERS CCD的19.5 m空間分辨率，糾正后的誤差均控制在2個(gè)像元以?xún)?nèi)。獲取的3景遙感圖像均為DN值。在嚴(yán)格的波段光譜反射率模擬中，需將DN值經(jīng)輻射定標(biāo)轉(zhuǎn)化為表觀反射率，并進(jìn)一步通過(guò)大氣校正轉(zhuǎn)化為地表反射率。由于本文的目的并非嚴(yán)格地定量模擬出波段光譜反射率，而是擴(kuò)展出能代表新波段特征的信息，因此只對(duì)DN值進(jìn)行了模擬。

對(duì)于一個(gè)模擬的且原本并不存在的波段(即CBERS CCD 的2.08 ～2.35 μm 的波段)，是難以找到真實(shí)波段對(duì)其模擬結(jié)果進(jìn)行驗(yàn)證的，因此這里采用較近時(shí)間內(nèi)(相差18 d)的Landsat ETM+數(shù)據(jù)進(jìn)行交叉學(xué)習(xí)，用臨近時(shí)間(2 d)內(nèi)的Landsat ETM+第7波段影像來(lái)進(jìn)行驗(yàn)證。即兩景ETM+圖像中，前一景(2000年5月25日)用作CBERS(2000年6月12日)波段交叉學(xué)習(xí)，后一景(2000年6月10日)用于驗(yàn)證模擬后波段的真實(shí)性。驗(yàn)證用的ETM+圖像與CBERS數(shù)據(jù)時(shí)隔2 d，地物變化相對(duì)較少，作為驗(yàn)證圖像具有合理性。為了減少兩類(lèi)傳感器成像上的色調(diào)差異，在擴(kuò)展新波段之前，采用直方圖匹配處理將CBERS CCD影像的DN值調(diào)整到臨近時(shí)間的ETM+的對(duì)應(yīng)波段(波段1～波段4)。

3 波段擴(kuò)展實(shí)驗(yàn)

3.1 定性比較

實(shí)驗(yàn)區(qū)圖像大小為400像元×400像元。該圖像上沒(méi)有云覆蓋，包含的地物主要是農(nóng)田、水體和道路等。通過(guò)ETM+波段間的相關(guān)系數(shù)(以2000年5月25日數(shù)據(jù)為例)可知(表1)，兩個(gè)短波紅外波段(ETM+5和ETM+7)與ETM+1～ETM+4的相關(guān)性均比較高，說(shuō)明這兩個(gè)波段中的部分信息可以由ETM+1～ETM+4來(lái)表達(dá)。

表1 Landsat ETM+波段間相關(guān)系數(shù)矩陣Tab.1 Correlation matrix of Landsat ETM+bands

SVR學(xué)習(xí)需要給定參數(shù)(如不敏感系數(shù)ε、正則化參數(shù)c、核函數(shù)參數(shù)gamma)，參數(shù)的選擇對(duì)預(yù)測(cè)效果有很大影響。本文在交叉學(xué)習(xí)過(guò)程中從圖像上隨機(jī)選取1 000個(gè)像元作為樣本，選用epsilon－SVR回歸方法，以 RBF為核函數(shù)，通過(guò)交叉驗(yàn)證(n－folder cross－validation)選擇最佳參數(shù)c=10，gamma=10，ε=0.1。并以這些參數(shù)建立CBERS與ETM+的關(guān)系模型，最后進(jìn)行SVR回歸，得到模擬的CBERS CCD第7波段圖像(記為B7，下同)。

為了驗(yàn)證所模擬波段的可靠性，將模擬波段與原始波段進(jìn)行比較，如圖2所示。從目視效果看，整體上模擬波段影像與原始波段影像一致。

由于3景圖像獲取時(shí)間不同，局部地物發(fā)生了變化，如圖3(a)中部的旱田變成了水田(圖3(b))，CBERS模擬影像(圖3(c))與圖3(b)一致。這是因?yàn)?，圖3(c)反映的是2000年6月12日的情況，與2000年6月10日情況一致，而與2000年5月25日不同則符合該期間土地耕作方式變化的實(shí)際。

圖3 變化信息比較(RGB 741，圖2的局部放大)Fig.3 Changed information comparison(RGB 741，zoom in of Fig.2)

3.2 定量比較

通過(guò)定量比較相關(guān)性發(fā)現(xiàn)，模擬圖像保持了較好的時(shí)間相關(guān)性和光譜相關(guān)性。從表2可以看出，CBER CCD波段(B1～B4和模擬B7)與ETM+的相應(yīng)波段之間的相關(guān)系數(shù)體現(xiàn)了時(shí)間一致性。即2000年6月12日獲取的CBERS數(shù)據(jù)與2000年6月10日ETM+各波段的相關(guān)性均較2000年5月25日中ETM+各波段的相關(guān)性高。

表2 CBERS B1～B4，模擬B7與兩期ETM+同波段的相關(guān)系數(shù)Tab.2 Band correlation coefficients of CBERS B1 ～ B4，simulated B7 and two ETM+datasets

從表3可以看出，模擬的波段(B7)與CBERS其他波段，以及與ETM+1～4、ETM+7的相關(guān)性相比，與ETM+兩景圖像的第7波段相關(guān)性最高，這表明了模擬的圖像保持了較好的光譜相關(guān)性。

表3 CBERS模擬B7與兩期ETM+1～4、7波段的相關(guān)性Tab.3 Band correlation coefficients of CBERS simulated B7 vs ETM+1 ～4、7

上述實(shí)驗(yàn)通過(guò) ETM+7(2000－05－25)與CBERS CCD B1～B4(2006－06－12)之間的交叉學(xué)習(xí)建立模型，并模擬CBERS(2006－06－12)的對(duì)應(yīng)B7，該模擬波段與驗(yàn)證波段 ETM+7(2000－06－10)之間的相關(guān)系數(shù)為0.920 1(表2和表3)。實(shí)驗(yàn)還表明，采用臨近時(shí)間的ETM+7(2000－06－10)作為訓(xùn)練波段后進(jìn)行交叉學(xué)習(xí)，獲得的模擬波段與驗(yàn)證波段之間的相關(guān)性提高到0.926 8。說(shuō)明采用時(shí)間上盡可能接近的數(shù)據(jù)進(jìn)行波段交叉學(xué)習(xí)，可以獲得更高精度的模擬結(jié)果。

3.3 討論

由于在訓(xùn)練過(guò)程中，只需要選擇少量樣本進(jìn)行訓(xùn)練，如在上面的實(shí)驗(yàn)中，僅選擇了1 000個(gè)樣本，這些樣本只占圖像總像素?cái)?shù)量的0.625%(1000/160000)，因此也適合于有部分云覆蓋或者ETM+SLC－off的情況。即從非云覆蓋或從非條帶中挑選出足夠的訓(xùn)練點(diǎn)來(lái)進(jìn)行波段交叉學(xué)習(xí)，建立SVR模型。

另外，上面提到通過(guò)波段交叉學(xué)習(xí)可以實(shí)現(xiàn)Landsat與CBERS數(shù)據(jù)的協(xié)同應(yīng)用。如本文的實(shí)驗(yàn)區(qū)影像中的部分區(qū)域在ETM+(2000－06－10)影像中存在較多的云覆蓋，但ETM+(2000－05－25)與CBERS(2000－06－10)均沒(méi)有云覆蓋。因此可以通過(guò)圖1所示的交叉學(xué)習(xí)獲得CBERS原本不具備的且與ETM+相對(duì)應(yīng)的波段(圖4和圖5)。由于CBERS數(shù)據(jù)與被云覆蓋的ETM+數(shù)據(jù)的獲取時(shí)間接近，而且通過(guò)模擬之后波段設(shè)置也已相同，因此可以采用CBERS數(shù)據(jù)來(lái)替代該景有云覆蓋的ETM+數(shù)據(jù)進(jìn)行后續(xù)的變化檢測(cè)及分析。

圖4 B7模擬效果比較Fig.4 Simulation result comparison(B7)

圖5 實(shí)驗(yàn)圖像(RGB 741)變化信息比較(圖4的局部放大)Fig.5 Changed information comparison(RGB 741，zoom in of Fig.4)

實(shí)驗(yàn)表明，采用影像交叉學(xué)習(xí)的方法可以通過(guò)從受噪聲影響(如云覆蓋、ETM+的條帶缺失等)的原始影像中挑選出少量未受影響的訓(xùn)練點(diǎn)進(jìn)行學(xué)習(xí)，建立CBERS CCD數(shù)據(jù)和ETM+數(shù)據(jù)之間的關(guān)系模型。因此，只要CBERS CCD數(shù)據(jù)本身未受這些噪聲影響，將仍然能夠進(jìn)行準(zhǔn)確的波段擴(kuò)展。這一方法也為在實(shí)際應(yīng)用中，當(dāng)研究區(qū)特定時(shí)相的ETM+數(shù)據(jù)存在云覆蓋或條帶缺失時(shí)，提供了一種除了尋求對(duì)原始數(shù)據(jù)進(jìn)行去云和gap－filling處理以外的方案，即采用近時(shí)相的CBERS CCD數(shù)據(jù)在擴(kuò)展出波段5和波段7后來(lái)替代ETM+數(shù)據(jù)。由于這兩類(lèi)傳感器數(shù)據(jù)具有相似的空間分辨率，并且通過(guò)模擬之后也得到了相同的波段，因此為采用一致的遙感信息提取方法進(jìn)行處理提供了基礎(chǔ)。

4 結(jié)論

針對(duì)CBERS CCD數(shù)據(jù)與Landsat TM/ETM+數(shù)據(jù)相比波段少的缺點(diǎn)，采用基于SVR的影像交叉學(xué)習(xí)方法進(jìn)行CBERS CCD波段擴(kuò)展模擬。實(shí)驗(yàn)表明，模擬的CBERS CCD新波段與驗(yàn)證波段之間的相關(guān)系數(shù)達(dá)到0.9以上。通過(guò)視覺(jué)比較發(fā)現(xiàn)，模擬影像能夠較好地保持實(shí)際時(shí)間的地物光譜。進(jìn)一步實(shí)驗(yàn)表明，本文方法為CBERS CCD數(shù)據(jù)與Landsat TM/ETM+數(shù)據(jù)相互協(xié)同應(yīng)用提供了一種方案。一方面是擴(kuò)展了CBERS CCD的波段，擴(kuò)大了其應(yīng)用領(lǐng)域，另一方面也為多源遙感數(shù)據(jù)之間的協(xié)同應(yīng)用提供了一種思路。

［1］ Qiao Y L，Zhao S M，Zhen L，et al.Application of China － Brazil Earth Resources Satellite in China［J］.Advances in Space Research，2009，43(6):917 －922.

［2］ 張振生.CBERS－02數(shù)據(jù)在土地沙化、礦山環(huán)境、土地利用監(jiān)測(cè)中的應(yīng)用［J］.CBERS應(yīng)用簡(jiǎn)訊，2006(3):10－11.

［3］ 中國(guó)資源衛(wèi)星應(yīng)用中心［EB/OL］.［2010－06－10］.http://www.cresda.com/n16/n1115/n1522/n2103/index.html.

［4］ 彭光雄，何宇華，李 京，等.中巴地球資源衛(wèi)星02星CCD圖像交叉定標(biāo)與大氣校正研究［J］.CBERS應(yīng)用簡(jiǎn)訊，2007(3):14－15.

［5］ Tang J W，Gu X F，Niu S L，et al.Water Target Based Cross－calibration of CBERS － 02 CCD Camera with MODIS Data［J］.Science in China Series E:Engineering and Materials Science，2005，48:61 －71.

［6］ Li X，Gu X，Min X.Radiometric Cross－calibration of the CBERS－ 02 CCD Camera with the TERRA MODIS［J］.Science in China Series E:Engineering and Materials Science，2005，48:40 －60.

［7］ 國(guó)土資源部02B星數(shù)據(jù)應(yīng)用與推廣辦公室.CBERS－02B星數(shù)據(jù)國(guó)土資源應(yīng)用評(píng)價(jià)［J］.CBERS應(yīng)用簡(jiǎn)訊，2008(1):14.

［8］ Elvidge C D，Lyon R J P.Estimate of the Vegetation Contribution to the 1.65/2.22 μm Ratio in Airborne Thematic － mapper Imagery of the Virginia Range，Nevada［J］.International Journal of Remote Sensing，1985，6(1):75 －88.

［9］ Fraser S J，Green A A.A Software Defoliant for Geological Analysis of Band ratio［J］.International Journal of Remote Sensing，1987，8(3):525－532.

［10］ Rowan L C，Pawlewicz M J，Jones O D.Mapping Thermal Maturity in the Chainman Shale，Near Eureka，Nevada，with Landsat Thematic Mapper Images［J］.American Association of Petroleum Geologists Bulletin，1992，76(7):1008 －1023.

［11］陳 方，牛 錚，覃馭楚，等.基于寬光譜光學(xué)遙感圖像的細(xì)分光譜光學(xué)遙感圖像的模擬［J］.光電工程，2007，34(5):89 －96.

［12］ Verhoef W，Bach H.Simulation of Hyperspectral and Directional Radiance Images Using Coupled Biophysical and Atmospheric Radiative Transfer Models［J］.Remote Sensing of Environment，2003，87(1):23 －41.

［13］蘇里宏，李小文，梁順林，等.典型地物波譜庫(kù)的數(shù)據(jù)體系與波譜模擬［J］.地球信息科學(xué)，2006，4(4):7 －15.

［14］程熙，沈占鋒，駱劍承，等.利用地物波譜學(xué)習(xí)的遙感影像波段模擬方法［J］.紅外與毫米波學(xué)報(bào)，2010，29(1):45 －48，62.

［15］葉澤田，顧行發(fā).利用MIVIS數(shù)據(jù)進(jìn)行遙感圖像模擬的研究［J］.測(cè)繪學(xué)報(bào)，2000，29(3):235 －239.

［16］ Srivastava A N，Oza N C，Stroeve J.Virtual Sensors:Using Data Mining Techniques to Efficiently Estimate Remote Sensing Spectra［J］.IEEE Transactions on Geoscience and Remote Sensing，2005，43(3):590－600.

［17］邊肇祺，張學(xué)工.模式識(shí)別［M］.2版.北京:清華大學(xué)出版社，2000:338.

［18］ Burges C J.A Tutorial on Support Vector Machines for Pattern Recognition［J］.Data Mining and Knowledge Discovery，1998，2(2):121－167.

［19］ Duda R O，Hart P E，Stock D G.Pattern Classification［M］.2nd ed.United States:John Wiley ＆ Sons Inc，2001.

［20］ Melgani F，Bruzzone L.Classification of Hyperspectral Remote Sensing Images with Support Vector Machines［J］.IEEE Transactions on Geoscience and Remote Sensing，2004，42(8):1778 －1790.

［21］ Foody G M，Mathur A.A Relative Evaluation of Multiclass Image Classification by Support Vector Machines［J］.IEEE Transactions on Geoscience and Remote Sensing，2004，42(6):1335 －1343.

［22］ Pal M，Mather P M.Support Vector Classification in Remote Sensing［J］.International Journal of Remote Sensing，2005，26(5):1007－1011.

［23］ Oommen T，Misra D，Twarakavi N K C，et al.An Objective Analysis of Support Vector Machine Based Classification for Remote Sensing［J］.Mathematical Geosciences，2008，40(4):409 －422.

Using Cross－sensor Image Learning for CBERS CCD Bands Simulation

YU Le1，CAO Kai2，WU Yang3，ZHANG Deng －rong4
(1.Center for Earth System Science，Tsinghua University，Beijing 100084，China;2.Center for Geographic Analysis，Harvard University，Cambridge MA02138，USA;3.Department of Earth Sciences，Zhejiang University，Hangzhou 310027，China;4.Institute of Remote Sensing and Geoscience，Hangzhou Normal University，Hangzhou 310026，China)

The absence of two infrared bands(i.e.1.55 ～1.75 μm(TM 5)and 2.08 ～2.35 μm(TM 7))in CBERS CCD camera compared with Landsat TM/ETM+results in a limitation that many algorithms developed for TM/ETM+images are not applicable for CBERS CCD camera data directly.In this paper，a cross－ sensor image learning approach is used to simulate new Landsat－like infrared bands so as to extend spectrum coverage for CBERS CCD camera data.A support vector regression(SVR)technique is used to model nonlinear relationship between a priori knowledge from ETM+DN values and four CBERS CCD bands，and then new CBERS CCD bands are predicted.Experimental result shows good correlation between simulated band and corresponding ETM+band.Key words:Band simulation;Machine learning;Support Vector Regression(SVR);China－Brazil Earth Resource Satellite(CBERS)CCD;TM/ETM+

TP 751.1

A

1001－070X(2011)03－0048－06

2010－11－30;

2011－02－05

俞 樂(lè)(1982－)，男，博士，主要從事多源遙感數(shù)據(jù)處理與遙感地質(zhì)研究。

(責(zé)任編輯:刁淑娟)