謝士琴，趙天忠，王 威，史京京，夏朝宗

(1．北京林業(yè)大學(xué)，北京 100083；2．國家林業(yè)局調(diào)查規(guī)劃設(shè)計院，北京 100714)

?

森林資源監(jiān)測中GF-2衛(wèi)星影像波段配準(zhǔn)誤差分析

謝士琴1，趙天忠1，王 威2，史京京2，夏朝宗2

(1．北京林業(yè)大學(xué)，北京 100083；2．國家林業(yè)局調(diào)查規(guī)劃設(shè)計院，北京 100714)

通過對GF-2衛(wèi)星影像正射校正及波段模擬配準(zhǔn)誤差試驗，分析GF-2衛(wèi)星正射校正方法的選擇以及不同配準(zhǔn)誤差下對GF-2衛(wèi)星影像自動分類結(jié)果的影響；最后介紹GF-2遙感影像在森林資源監(jiān)測應(yīng)用中的初步測試。研究結(jié)果表明：正射校正時，當(dāng)校正精度要求控制在RMS<2時，控制點數(shù)量選擇范圍在85～95間較為合理，且控制點數(shù)在90個時，RMS值最?。唤?jīng)有理函數(shù)模型與衛(wèi)片模型比較后，衛(wèi)片模型校正精度較高；以目視判讀為主時，實踐中建議使用三次卷積重采樣法輸出結(jié)果最好；波段模擬配準(zhǔn)誤差試驗中，配準(zhǔn)誤差與各地類面積變化間存在顯著的線性關(guān)系；對于森林面積監(jiān)測時，配準(zhǔn)誤差應(yīng)小于0.3個像元。此研究可為新型國產(chǎn)衛(wèi)星數(shù)據(jù)在森林資源監(jiān)測中的應(yīng)用提供參考。

森林資源監(jiān)測；GF-2衛(wèi)星影像；正射校正；波段配準(zhǔn)；森林分類

高分二號衛(wèi)星(GF-2)是目前我國分辨率最高的光學(xué)對地觀測衛(wèi)星，搭載2臺全色多光譜傳感器，每臺傳感器可提供幅寬不低于23 km、空間分辨率優(yōu)于1 m的全色影像和優(yōu)于4 m的多光譜影像，經(jīng)數(shù)據(jù)處理獲得的高分辨率多光譜影像可作為土地利用動態(tài)監(jiān)測、礦產(chǎn)資源調(diào)查、城鄉(xiāng)規(guī)劃監(jiān)測評價、交通路網(wǎng)規(guī)劃、森林資源調(diào)查監(jiān)測、荒漠化監(jiān)測等行業(yè)的基礎(chǔ)數(shù)據(jù)源之一[1-2]。然而，在實際應(yīng)用中，高分辨率遙感影像波段間配準(zhǔn)誤差是影響數(shù)據(jù)質(zhì)量及其應(yīng)用的重要因素之一[3-5]。目前，有研究表明高分辨率遙感影像不同波段配準(zhǔn)誤差情況下對行業(yè)應(yīng)用具有重大的影響[6-9]。因此，為了充分發(fā)揮GF-2數(shù)據(jù)的優(yōu)勢，推進數(shù)據(jù)的業(yè)務(wù)化程度，特別是針對林業(yè)行業(yè)應(yīng)用特點，研究影像數(shù)據(jù)波段間配準(zhǔn)誤差對森林資源監(jiān)測的影響，并提出合理的誤差范圍區(qū)間，對GF-2衛(wèi)星數(shù)據(jù)在林業(yè)行業(yè)的生產(chǎn)應(yīng)用具有重要的現(xiàn)實意義。

1 實驗數(shù)據(jù)

研究區(qū)位于重慶市云陽縣境內(nèi)，位置示意見圖1。云陽縣是三峽庫區(qū)生態(tài)經(jīng)濟區(qū)沿江經(jīng)濟走廊承東啟西、南引北聯(lián)的重要樞紐，實施過天然林資源保護工程和退耕還林工程，其自然地理環(huán)境、森林類型及其生長狀況，以及生態(tài)工程建設(shè)在我國西南地區(qū)具有典型意義。本研究選用GF-2號衛(wèi)星2014-12-21的全色與多光譜影像，多光譜數(shù)據(jù)包括藍(lán)(0.45～0.52 um)、綠(0.52～0.59 um)、紅(0.63～0.69 um)、近紅外(0.77～0.89 um)4個波段[2]。

圖1 研究區(qū)位置示意圖

2 研究方法

2.1 全色波段正射校正誤差分析

1)控制點數(shù)量確定：以研究地區(qū)1∶1 萬DOM為基準(zhǔn)數(shù)據(jù)，引入DEM 高程信息，對GF-2全色影像進行正射校正。校正時控制點數(shù)量不同會影響校正的誤差，一般情況下，控制點越多校正精度會更高，但是控制點數(shù)量的增加也會使圖像局部扭曲變形，最終造成校正精度下降，為得到合理的控制點數(shù)量，本研究控制點數(shù)量選取確定為80～120個，誤差變化呈“U”形分布。

2)校正模型篩選：當(dāng)確定合理的控制點數(shù)量后，研究選取有理函數(shù)模型 (Rational Functions)與衛(wèi)片模型(Satellite Orbital Modelling)[10]進行校正，篩選最優(yōu)的函數(shù)模型。

3)重采樣方法評價：研究中選擇最鄰近像元采樣法(Nearest Pixel Sampling)、雙線性插值法(Bilinear Interpolation Sampling)、三次卷積法(Cubic Convolution Sampling)[11-13]分別對影像輸出，目視對比評價3種方法輸出結(jié)果。

2.2 多光譜波段配準(zhǔn)誤差分析

選擇原始全色為標(biāo)準(zhǔn)參考圖像來添加配準(zhǔn)誤差，產(chǎn)生配準(zhǔn)誤差模擬圖像，具體步驟如下：

1)將GF-2多光譜波段數(shù)據(jù)原始影像像元放大4倍，將影像空間分辨率插值為1 m，以便于多光譜影像實現(xiàn)1個像元內(nèi)的錯位以及扭曲等配準(zhǔn)誤差的模擬。

2)在多光譜影像上添加隨機誤差值。采用曲面擬合多項式模型，在多光譜影像上選取均勻分布的控制點，對多光譜和正射校正后的全色影像進行配準(zhǔn)，使配準(zhǔn)誤差在0.5個像元以內(nèi)，然后調(diào)整控制點，使配準(zhǔn)誤差分別達(dá)到約0.05像元、0.1 像元、0.15 像元、0.2 像元、0.25 像元及 0.3像元、0.35像元、0.4像元、0.45 像元及0.5像元(1m/ 像元)。并從全色和多光譜影像上截取5 000×5 000像元的子圖像。

3)將不同配準(zhǔn)誤差的多光譜波段與全色波段進行融合，產(chǎn)生一系列不同配準(zhǔn)誤差的融合影像數(shù)據(jù)。最后采用迭代自組織數(shù)據(jù)分析方法(ISODATA)對結(jié)果進行非監(jiān)督分類，在所有參數(shù)一致的情況下，根據(jù)已掌握的試驗區(qū)土地類型，將地物分為水域、森林、建筑物、農(nóng)田、裸地等5大地類，將標(biāo)準(zhǔn)參考影像分類結(jié)果與各配準(zhǔn)誤差模擬圖像的分類結(jié)果進行面積統(tǒng)計，分析不同配準(zhǔn)誤差下，各地類分類面積隨誤差變化趨勢，特別關(guān)注森林面積的變化情況。

3 結(jié)果分析

3.1 全色波段正射校正誤差分析

控制點數(shù)量與誤差變化(見圖2)分析表明：當(dāng)精度要求RMS<2時，控制點數(shù)量選擇85～95時最合適，誤差很接近，僅相差0.01，校正效果最理想；當(dāng)控制點數(shù)達(dá)到90個時，RMS值最小。然后，在90個控制點下，選擇有理函數(shù)模型與衛(wèi)片模型進行對比分析，不同模型的精度如表1所示，結(jié)果表明，衛(wèi)片模型校正精度最高，生產(chǎn)實際中可以選擇

圖2 控制點數(shù)量與誤差變化關(guān)系

模型控制點RMSXRMSYRMS衛(wèi)片模型1.861.511.09有理函數(shù)模型a)13.0512.951.64有理函數(shù)模型b)2.181.621.46有理函數(shù)模型c)1.881.571.25

此模型。最后，對比最鄰近像元采樣法、雙線性插值法、三次卷積法輸出結(jié)果(見圖3)，從結(jié)果可以看出，最鄰近像元采樣法得到的影像產(chǎn)生鋸齒狀像素，但簡單輻射保真度好；雙線性插值法重采樣得到的圖像平滑但略顯模糊；三次卷積重采樣法得到的影像，不僅圖像平滑，還保留影像的細(xì)節(jié)特征，重采樣效果最好。為了結(jié)合應(yīng)用需要，主要以目視判讀為主，實踐中建議使用三次卷積重采樣法。

圖3 不同采樣方法的重采樣效果

3.2 多光譜波段配準(zhǔn)誤差分析

從不同地物的分類面積變化率隨誤差變化趨勢(見圖4)可以看出：各地類面積變化與配準(zhǔn)誤差間存在顯著的線性關(guān)系。其中，水域、農(nóng)田和裸地的分類面積隨著配準(zhǔn)誤差增大而減少，而森林和建筑物的分類面積隨著配準(zhǔn)誤差增大而增加。

水域和森林分類面積變化率最大。當(dāng)配準(zhǔn)誤差為0.15個像元時，森林分類面積變化率達(dá)到1%以上；配準(zhǔn)誤差達(dá)到0.3個像元時，森林分類面積變化率發(fā)生突變，大幅度增加；當(dāng)配準(zhǔn)誤差小于0.3個像元時，面積變化率保持在3%以下，誤差一旦超過0.3個像元后，森林分類面積變化率平均為4%，并保持在一個相對穩(wěn)定的范圍內(nèi)。原因是由于森林在影像色調(diào)上存在漸變關(guān)系，當(dāng)配準(zhǔn)誤差增大時，其邊界會被混淆，造成在分類中的誤識別，影響分類結(jié)果，因此，在森林資源監(jiān)測中，GF-2多光譜影像的配準(zhǔn)誤差應(yīng)小于0.3個像元。

圖4 不同配準(zhǔn)誤差與各地物分類面積變化率關(guān)系

4 結(jié) 論

經(jīng)上述研究，本文得出如下結(jié)論：

1)GF-2全色影像正射校正時，隨著控制點數(shù)量增加，校正誤差先變小后變大，合理控制點數(shù)量應(yīng)為85～95個；校正模型采用衛(wèi)片模型作為校正模型比有理多項式校正模型誤差??；以目視判讀為主時，重采樣方法建議使用三次卷積重采樣法。

2)GF-2多光譜影像模擬配準(zhǔn)誤差發(fā)現(xiàn)各地類面積變化與配準(zhǔn)誤差間存在顯著的線性關(guān)系。經(jīng)過研究表明，在林業(yè)行業(yè)應(yīng)用對森林資源進行監(jiān)測中，GF-2全色與多光譜影像之間的配準(zhǔn)誤差應(yīng)小于0.3像元。

[1] 王忠武,劉順喜,戴建旺,等.“高分二號”衛(wèi)星多光譜與全色影像配準(zhǔn)策略[J].航天返回與遙感,2015,36(4): 48-53.

[2] 潘騰.高分二號衛(wèi)星的技術(shù)特點[J].中國航天,2015(1): 7-13.

[3] 金星,馬艷華,舒嶸.遙感圖像的圖像配準(zhǔn)方法[J].紅外,2004(9): 23- 30.

[4] BROWN L G.A survey of image registration techniques [J].ACM Computing Surveys,1992,24(4): 325- 376.

[5] ZITOVA B,FLUSSER J.Image registration methods: A survey [J].Image and Vision Computing,2003: 21: 977-1000.

[6] 于海洋,甘甫平,黨福星.高分辨率遙感影像波段配準(zhǔn)誤差試驗分析[J].國土資源遙感,2007(3): 39-42.

[7] 張國瑞.多光譜多鏡頭 CCD 相機的光學(xué)配準(zhǔn)[J].航天返回與遙感,2001,22(1): 51-54.

[8] 王洪海,徐建艷,龍小祥.一種衛(wèi)星多光譜圖像亞像元波段配準(zhǔn)精度自動評價方法[J].航天返回與遙感,2010,31(3): 55-63.

[9] 朱近,司美玲,夏德深,等.用局部灰度極值方法進行多光譜圖像配準(zhǔn)算法研究[J].航天返回與遙感,2010,31(5): 32-37.

[10] 楊高攀,郭師虹,任雷平.高分辨率衛(wèi)星影像幾何校正研究[J].電腦知識與技術(shù),2010,6(9): 2235-2237.

[11] 李丹丹,陳曉輝.QuickBird影像的正射校正研究[J].測繪與空間地理信息,2014，37(8): 107-110.

[12] 張周威,余濤,孟慶巖,等.空間重采樣方法對遙感影像信息影響研究[J].華中師范大學(xué)學(xué)報(自然科學(xué)版),2013,47(3): 426-430.

[13] 鮑文東,楊春德,幾何精校正中三種重采樣內(nèi)插方法的定量比較[J].測繪通報,2009(3): 71-72.

[14] 競霞,魏曼,王紀(jì)華,等.基于邊界域修正粗糙熵模型的遙感影像分類不確定性評價[J].中國農(nóng)業(yè)科學(xué),2014,47(11): 2135-2141.

[責(zé)任編輯：張德福]

Analysis of GF-2 satellite image band registration error based on forest resource monitoring

XIE Shiqin1, ZHAO Tianzhong1, WANG Wei2, SHI Jingjing2, XIA Chaozong2

(1. Beijing Forestry University, Beijing 100083,China;2. State Forestry Administration Survey Planning and Design Institute, Beijing 100714,China)

Based on the GF-2 satellite images orthophoto correction and band simulation registration error test, this paper analyzes the selection of GF-2 satellite orthorectification method and the influence of GF-2 satellite image automatic classification results under the different registration error. Finally, it introduces a primary test of GF-2 remote sensing image in forest resources monitoring applications. The results show that: for ortho correction, when the correction accuracy is required to be controlled at RMS<2, the number of control points in the range of 85～95 is more reasonable, and when the number of control points is 90, the RMS value is the smallest; after comparing the rational function model and satellite orbital model,the satellite orbital model has the higher correction accuracy; based on visual interpretation, cubic convolution sampling method can output the best results.For band simulation registration error test, there is a significant linear relationship between the registration error and different land area change; and for the forest area monitoring, the registration error shall be less than 0.3 pixels. The paper tries to provide a reference for the application of new domestic satellite data to forest resources monitoring.

forest resource monitoring; GF-2 satellite image; ortho rectification; band registration; forest classification

10.19349/j.cnki.issn1006-7949.2017.02.005

2016-01-10

國防科工局課題資助項目(21-Y30B05-9001-13/15-4).

謝士琴(1992-)，女，碩士研究生.

TP79

A

1006-7949(2017)02-0018-04

引用著錄：謝士琴，趙天忠，王威，等.森林資源監(jiān)測中GF-2衛(wèi)星影像波段配準(zhǔn)誤差分析[J].測繪工程，2017，26(2)：18-21.