張 新,仵倩玉,程 博,王 雷

(1.中國(guó)科學(xué)院遙感與數(shù)字地球研究所,遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100101;2.美國(guó)威斯康辛大學(xué)密爾沃基分校,密爾沃基 53201;3.中國(guó)科學(xué)院大學(xué),北京 100049)

隨著對(duì)地觀測(cè)技術(shù)的發(fā)展,各行各業(yè)對(duì)衛(wèi)星數(shù)據(jù)的需求逐漸增大,人類(lèi)對(duì)于航天遙感提出的任務(wù)觀測(cè)請(qǐng)求也越來(lái)越復(fù)雜,多源衛(wèi)星協(xié)同觀測(cè)已經(jīng)成為解決這些問(wèn)題的重要手段[1-2]。研究多源衛(wèi)星協(xié)同觀測(cè)任務(wù)規(guī)劃對(duì)于提高對(duì)地觀測(cè)系統(tǒng)應(yīng)對(duì)復(fù)雜問(wèn)題的能力具有重要意義[3]。多源衛(wèi)星的協(xié)同觀測(cè)任務(wù)規(guī)劃主要包括模型建立和模型求解兩個(gè)方面。模型建立可簡(jiǎn)單分為兩部分,一是給任務(wù)挑選合適的衛(wèi)星,二是將衛(wèi)星分配給任務(wù)。

按照與星載遙感器視場(chǎng)的相對(duì)大小關(guān)系,衛(wèi)星的觀測(cè)目標(biāo)可分為點(diǎn)目標(biāo)和區(qū)域目標(biāo)[4-5],能夠完全被衛(wèi)星視場(chǎng)所包含的為點(diǎn)目標(biāo),衛(wèi)星一次掃描無(wú)法完全覆蓋的為區(qū)域目標(biāo)。對(duì)于點(diǎn)目標(biāo)的多源衛(wèi)星協(xié)同觀測(cè)任務(wù)規(guī)劃,國(guó)內(nèi)外學(xué)者有著許多研究,但大多都是針對(duì)求解算法的研究[6-8]。以往初步選擇衛(wèi)星的方法是依據(jù)任務(wù)的空間分辨率、太陽(yáng)高度角、云量信息等要求來(lái)完成[9-10],然后計(jì)算衛(wèi)星對(duì)任務(wù)觀測(cè)的時(shí)間窗口,通過(guò)設(shè)置各種約束條件和目標(biāo)函數(shù)構(gòu)建數(shù)學(xué)模型。最后對(duì)模型進(jìn)行求解,將時(shí)間窗口分配給各個(gè)任務(wù),從而實(shí)現(xiàn)任務(wù)對(duì)衛(wèi)星的分配。當(dāng)任務(wù)較多時(shí)存在一個(gè)問(wèn)題:任務(wù)B適合的衛(wèi)星Sb具有觀測(cè)到任務(wù)A的時(shí)間窗口,但Sb不是最適宜任務(wù)A的衛(wèi)星,當(dāng)衛(wèi)星Sb觀測(cè)任務(wù)A的時(shí)間窗口滿足各種約束條件時(shí),會(huì)導(dǎo)致任務(wù)A不是被最適宜的衛(wèi)星觀測(cè)。在目前的研究中構(gòu)建的目標(biāo)函數(shù)多是關(guān)于任務(wù)優(yōu)先級(jí)和時(shí)間有效性[11-13],這些研究一味地追求高優(yōu)先級(jí)任務(wù)的完成程度,沒(méi)有考慮觀測(cè)任務(wù)本身是否適合或最適合被某顆衛(wèi)星資源所觀測(cè),尤其是在觀測(cè)任務(wù)較多,衛(wèi)星資源較多的情況下,這一問(wèn)題更加明顯。

光譜分辨率是指?jìng)鞲衅魉苡涗浀碾姶挪ㄗV中,某一特定的波長(zhǎng)范圍值,波長(zhǎng)范圍值越寬,光譜分辨率越低。一般來(lái)說(shuō),傳感器的波段數(shù)越多,波段寬度越窄,地面物體的信息越容易區(qū)分和識(shí)別,針對(duì)性越強(qiáng)。但在某些情況下,波段太多,分辨率太高,接收到的信息量太大,反而會(huì)掩蓋地物輻射特性,不利于快速探測(cè)和識(shí)別地物。所以要根據(jù)需要,恰當(dāng)?shù)乩霉庾V分辨率。由于不同的地物目標(biāo)對(duì)光譜分辨率的要求不同,因此將光譜特征作為條件分析多星對(duì)點(diǎn)目標(biāo)的協(xié)同觀測(cè)任務(wù)規(guī)劃尤為重要。

本文在模型的目標(biāo)函數(shù)中添加任務(wù)適宜度的概念。首先將觀測(cè)目標(biāo)按照本身的特征進(jìn)行分類(lèi),依據(jù)每種地物類(lèi)型的光譜特征統(tǒng)計(jì)出不同地物所適宜的國(guó)產(chǎn)衛(wèi)星資源,對(duì)任務(wù)分配衛(wèi)星時(shí)統(tǒng)計(jì)任務(wù)適宜度,若分配的是適宜的衛(wèi)星,總?cè)蝿?wù)適宜度增加,否則總?cè)蝿?wù)適宜度不變。然后采用基于啟發(fā)式規(guī)則的貪婪算法對(duì)模型進(jìn)行求解,實(shí)現(xiàn)任務(wù)優(yōu)先級(jí)和任務(wù)適宜度的最大化。最后以新疆尾礦庫(kù)污染、耕地荒漠化、水資源污染和城鎮(zhèn)發(fā)展問(wèn)題為例,將這些問(wèn)題所在區(qū)域的觀測(cè)目標(biāo)分為山地、耕地、水體和居民地四類(lèi),通過(guò)分析每種地物的光譜特征為每種地物分配適宜的衛(wèi)星資源,實(shí)現(xiàn)了多源衛(wèi)星對(duì)多個(gè)點(diǎn)目標(biāo)的任務(wù)規(guī)劃,驗(yàn)證了模型和算法的有效性。

1 模型構(gòu)建方法

多源衛(wèi)星協(xié)同觀測(cè)任務(wù)規(guī)劃主要包括任務(wù)規(guī)劃模型建立和模型求解兩部分,在任務(wù)規(guī)劃模型方面,目前已有約束滿足模型[14]、數(shù)學(xué)規(guī)劃模型[15]和基于圖論的模型[16]等主要模型。多星對(duì)點(diǎn)目標(biāo)協(xié)同觀測(cè)任務(wù)規(guī)劃的約束較多,而約束滿足模型能夠方便客觀地描述衛(wèi)星任務(wù)規(guī)劃問(wèn)題的復(fù)雜約束條件。因此,選擇約束滿足模型描述多星對(duì)點(diǎn)目標(biāo)協(xié)同觀測(cè)任務(wù)規(guī)劃問(wèn)題。

1.1 任務(wù)規(guī)劃模型描述

考慮到多星對(duì)點(diǎn)目標(biāo)協(xié)同觀測(cè)任務(wù)規(guī)劃問(wèn)題特點(diǎn)及相關(guān)載荷約束條件,建立六元組對(duì)問(wèn)題進(jìn)行描述。其中S={S1,S2,…,Si,…,Sm}為成像衛(wèi)星集合,m為成像衛(wèi)星數(shù)量,1≤i≤m;T={T1,T2,…,Tj,…,Tn}為待成像任務(wù)集合,n為待成像任務(wù)數(shù)量,1≤j≤n;W={W1,W2,…,Wn}為n個(gè)任務(wù)觀測(cè)時(shí)間窗口集合;C為約束集合;D={D1,D2,…,Dn}為待成像任務(wù)的類(lèi)別和最適宜的衛(wèi)星集合;P={P1,P2,…,Pj,…,Pn}為任務(wù)的優(yōu)先級(jí)集合。

為給觀測(cè)目標(biāo)選擇適宜的衛(wèi)星資源進(jìn)行觀測(cè),本文引入適宜度的概念。適宜度的評(píng)定由觀測(cè)目標(biāo)是否被適宜的衛(wèi)星所觀測(cè)來(lái)決定,若觀測(cè)目標(biāo)被分配的是適宜的衛(wèi)星,則此觀測(cè)目標(biāo)的適宜度為1,若觀測(cè)目標(biāo)被分配的是不適宜的衛(wèi)星,則此觀測(cè)目標(biāo)的適宜度為0。據(jù)此本文首先將觀測(cè)目標(biāo)按照本身的特征進(jìn)行分類(lèi);然后依據(jù)每種地物類(lèi)型的光譜特征統(tǒng)計(jì)出不同地物所適宜的國(guó)產(chǎn)衛(wèi)星資源;最后將任務(wù)適宜度和優(yōu)先級(jí)的最大化作為優(yōu)化目標(biāo),使得最終求解的規(guī)劃方案能夠滿足所有觀測(cè)目標(biāo)的適宜度和優(yōu)先級(jí)總和的最大化。

由于軌道限制,衛(wèi)星只有在特定的時(shí)間窗口內(nèi)才能觀測(cè)目標(biāo),選擇的側(cè)擺角度不同,觀測(cè)的目標(biāo)也不盡相同。衛(wèi)星運(yùn)行過(guò)程中還具有很多衛(wèi)星和任務(wù)約束,如衛(wèi)星觀測(cè)唯一性約束、衛(wèi)星存儲(chǔ)約束、衛(wèi)星能量約束、任務(wù)執(zhí)行唯一性約束和任務(wù)執(zhí)行時(shí)間約束等,為衛(wèi)星安排任務(wù)時(shí)必須要滿足這些約束條件。多星對(duì)點(diǎn)目標(biāo)的協(xié)同觀測(cè)任務(wù)規(guī)劃是在各種約束條件下,確定每個(gè)衛(wèi)星的觀測(cè)方案,并在任務(wù)完成程度較高的情況下為每類(lèi)目標(biāo)選擇適宜的衛(wèi)星資源進(jìn)行觀測(cè)。圖1所示為多星對(duì)多目標(biāo)觀測(cè)的情景。

圖1 多星對(duì)多目標(biāo)觀測(cè)

1.2 參數(shù)定義

為了便于表達(dá),首先對(duì)相關(guān)參數(shù)進(jìn)行定義,定義結(jié)果如表1所示。

表1 相關(guān)參數(shù)定義

1.3 任務(wù)規(guī)劃模型建立

綜合考慮各類(lèi)約束條件,建立任務(wù)規(guī)劃模型。

優(yōu)化目標(biāo)是在資源允許的條件下實(shí)現(xiàn)任務(wù)優(yōu)先級(jí)和任務(wù)適宜度最大化,該目標(biāo)函數(shù)可表示為:

(1)

(2)

式中:式(1)為目標(biāo)函數(shù),xj為決策變量,如果任務(wù)j 被衛(wèi)星觀測(cè),xj=1;如果任務(wù)j不被衛(wèi)星觀測(cè),xj=0。式(2)表示第j個(gè)觀測(cè)目標(biāo)適宜度,根據(jù)用戶(hù)提出的對(duì)地觀測(cè)需求,將不同的觀測(cè)目標(biāo)按照本身的特征分為w類(lèi),通過(guò)分析每種地物類(lèi)型的光譜曲線特征找出其對(duì)應(yīng)的波段和適宜的傳感器,從而為每類(lèi)觀測(cè)目標(biāo)選擇最適宜的衛(wèi)星資源集合ISk。若觀測(cè)任務(wù)Tj的衛(wèi)星屬于Tj所適宜的衛(wèi)星集合,則任務(wù)Tj的適宜度1,否則任務(wù)Tj的適宜度為0。

從衛(wèi)星資源和觀測(cè)任務(wù)的角度考慮,存在以下約束條件:

(3)

(4)

(5)

(6)

(7)

ECti≤pi,ECci≤pi

(8)

0≤twsj

(9)

SAAi≥30°

(10)

式中:式(3)為衛(wèi)星觀測(cè)唯一性約束,表示兩次觀測(cè)任務(wù)不能同時(shí)進(jìn)行,同一衛(wèi)星同一時(shí)刻只能觀測(cè)一個(gè)任務(wù);式(4)為任務(wù)執(zhí)行唯一性約束,表示每個(gè)任務(wù)最多只能被同一衛(wèi)星成像一次;式(5)～式(7)為衛(wèi)星存儲(chǔ)約束,表示衛(wèi)星在某一刻的存儲(chǔ)容量不能大于該衛(wèi)星的存儲(chǔ)容量;式(8)為衛(wèi)星能量約束,表示衛(wèi)星在單位時(shí)間消耗的能量不能大于該衛(wèi)星的能量,衛(wèi)星在單個(gè)軌道圈次內(nèi)可消耗的最大能量不能大于該衛(wèi)星的能量;式(9)為任務(wù)執(zhí)行時(shí)間約束,表示任何一個(gè)任務(wù)的完成,必須在給定的截止時(shí)間之前;式(10)為太陽(yáng)高度角約束,太陽(yáng)高度角約束了可視時(shí)間窗口,不滿足太陽(yáng)高度角范圍的時(shí)間窗口被忽略,使可用條帶數(shù)減少,太陽(yáng)高度角范圍為(0°,90°),衛(wèi)星對(duì)地成像要求地面太陽(yáng)高度角≥30°。

2 優(yōu)化方案求解方法

在模型求解算法方面,目前已有許多智能優(yōu)化算法,如:深度優(yōu)先搜索、動(dòng)態(tài)規(guī)劃、禁忌搜索算法、貪婪算法、遺傳算法和爬山算法等[17-19]。智能優(yōu)化算法是通過(guò)多種智能優(yōu)化搜索方式尋找可接受的解或解集,不強(qiáng)調(diào)找到問(wèn)題的最優(yōu)解,。

本文通過(guò)對(duì)上述多種智能優(yōu)化算法的比較研究,認(rèn)為貪婪算法能夠按照既定的啟發(fā)式規(guī)則逐步構(gòu)造可行解,并能按照設(shè)定的啟發(fā)式規(guī)則安排任務(wù)。因此本文選擇貪婪算法對(duì)模型進(jìn)行求解,并將啟發(fā)式規(guī)則設(shè)為按照任務(wù)優(yōu)先級(jí)和衛(wèi)星適宜度的高低逐個(gè)安排任務(wù)。其基本思路是從問(wèn)題的某一個(gè)初始解出發(fā)一步一步地進(jìn)行,通過(guò)設(shè)定優(yōu)化測(cè)度,確保每一步都能獲得局部最優(yōu)解。貪婪算法每一步只考慮一個(gè)數(shù)據(jù),且它的選取需要滿足局部?jī)?yōu)化的條件,若下一個(gè)數(shù)據(jù)和部分最優(yōu)解連在一起不再是可行解時(shí),就不把該數(shù)據(jù)添加到部分解中。算法停止條件是所有數(shù)據(jù)都被枚舉完或數(shù)據(jù)不能再添加。

貪婪算法求解步驟如下:

步驟1 初始化變量。確定任務(wù)集合T,衛(wèi)星集合S,觀測(cè)時(shí)間窗口集合W,任務(wù)優(yōu)先級(jí)集合P,任務(wù)類(lèi)別和適宜的衛(wèi)星集合D,規(guī)劃初始解集合A和約束條件集合C;

步驟2 按照任務(wù)優(yōu)先級(jí)Pj由大到小的規(guī)則對(duì)n個(gè)任務(wù)進(jìn)行排序;

步驟3 從已排序好的任務(wù)集合中依次選擇任務(wù)Tj作為待規(guī)劃任務(wù),并從滿足時(shí)間窗口約束的衛(wèi)星集合S中選取資源組合,計(jì)算目標(biāo)函數(shù)的值xj(Pj+SDj);

步驟4 對(duì)當(dāng)前任務(wù)Tj,搜索滿足各約束條件且目標(biāo)函數(shù)值最大化的資源組合Aj,將其作為可行解加入到初始解集合A中;

步驟5 判斷任務(wù)是否已遍歷結(jié)束,如果j≤n,轉(zhuǎn)到步驟2;如果j>n,任務(wù)規(guī)劃結(jié)束,輸出任務(wù)規(guī)劃解集A。

3 仿真實(shí)驗(yàn)分析

我國(guó)正在實(shí)施《國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》所部署的16個(gè)重大專(zhuān)項(xiàng)之一“高分辨率對(duì)地觀測(cè)系統(tǒng)”,到2020年將發(fā)射35顆高分辨率衛(wèi)星,逐步實(shí)現(xiàn)從太空、鄰近空間、航空、地面等多層次觀測(cè)平臺(tái)上獲取高分辨率遙感數(shù)據(jù),發(fā)展了寬視場(chǎng)、靜軌凝視等多種獨(dú)有的地球數(shù)據(jù)獲取手段,其空間分辨率達(dá)到亞米級(jí),時(shí)間分辨率最高達(dá)到亞小時(shí)級(jí)。根據(jù)《國(guó)家民用空間基礎(chǔ)設(shè)施中長(zhǎng)期發(fā)展規(guī)劃(2015—2025年)》,我國(guó)計(jì)劃在2025年前后完成民用空間基礎(chǔ)設(shè)施的88顆衛(wèi)星布局,為了更好發(fā)揮多源衛(wèi)星的優(yōu)勢(shì),急需開(kāi)展基于多源遙感衛(wèi)星的時(shí)間、空間、光譜協(xié)同優(yōu)化觀測(cè)技術(shù)積累,以更好支持我國(guó)國(guó)土資源與生態(tài)環(huán)境安全監(jiān)測(cè)應(yīng)用需求。特此本文結(jié)合我國(guó)已有的主要高分辨率衛(wèi)星對(duì)提出的模型與方法進(jìn)行了對(duì)點(diǎn)目標(biāo)任務(wù)規(guī)劃的效果進(jìn)行了如下仿真實(shí)驗(yàn)。

3.1 衛(wèi)星軌道信息

仿真時(shí)間:2018/5/18 00:00:00-2018/5/19 00:00:00。

依據(jù)觀測(cè)目標(biāo)的圖像類(lèi)型需求、圖像分辨率需求、太陽(yáng)光照條件和相關(guān)遙感器的時(shí)間窗口為觀測(cè)目標(biāo)選擇可用的成像衛(wèi)星。成像衛(wèi)星集合中S1為高分一號(hào),S2為高分二號(hào),S3為環(huán)境一號(hào)A星,S4為環(huán)境一號(hào)B星,S5為資源三號(hào)01星,S6為資源一號(hào)02C星。六顆衛(wèi)星S1～S6軌道參數(shù)信息如表2所示。

3.2 觀測(cè)任務(wù)信息

本文以新疆尾礦庫(kù)污染、耕地荒漠化、水資源污染和城鎮(zhèn)發(fā)展問(wèn)題為例,分別在新疆伊犁河流域尾礦庫(kù)區(qū)域、塔里木河流域和阿克蘇區(qū)域隨機(jī)產(chǎn)生20個(gè)優(yōu)先級(jí)為[1,10]的觀測(cè)任務(wù)。依據(jù)觀測(cè)任務(wù)的特征將任務(wù)分為四種類(lèi)型,I1為山地,I2為耕地,I3為水體,I4為居民地。觀測(cè)任務(wù)所對(duì)應(yīng)的地物類(lèi)型、地理坐標(biāo)、觀測(cè)所需時(shí)間、任務(wù)優(yōu)先級(jí)如表3所示。

表2 衛(wèi)星軌道信息表

表3 觀測(cè)點(diǎn)信息表

3.3 地物隸屬衛(wèi)星資源信息

根據(jù)本文所選觀測(cè)目標(biāo)的對(duì)地觀測(cè)需求,將不同的觀測(cè)目標(biāo)按照本身的特征分為山地、耕地、水體和居民地四大類(lèi),通過(guò)分析每種地物類(lèi)型的光譜曲線特征找出其對(duì)應(yīng)的波段和適宜的傳感器,從而為每類(lèi)觀測(cè)目標(biāo)選擇最適宜的衛(wèi)星資源。

通過(guò)分析地物光譜特征得出0.45 μm～0.52 μm的藍(lán)波段對(duì)水體有一定的透視能力,能夠反射淺水水下特征,分析土地利用。0.52 μm～0.60 μm的綠波段能夠探測(cè)健康植被綠色反射率,增強(qiáng)鑒別植被的能力。0.63 μm～0.69 μm的紅波段能夠測(cè)量植物綠色素吸收率,進(jìn)行植物分類(lèi),此外其信息量大也可用于巖性、地層等。0.76 μm～0.90 μm的近紅外波段能夠測(cè)量生物量和作物長(zhǎng)勢(shì),區(qū)分植被類(lèi)型。1.55 μm～1.75 μm的中紅外波段能夠探測(cè)植物含水量和土壤濕度。10.40 μm～12.50 μm的熱紅外波段可用于巖石識(shí)別和地質(zhì)探礦。2.08 μm～2.35 μm的遠(yuǎn)紅外波段可探測(cè)高溫輻射源,用于區(qū)分人造地物類(lèi)型和巖石判別。

根據(jù)不同地物的光譜曲線和波譜響應(yīng)曲線分析不同地物的波譜特征,結(jié)合衛(wèi)星傳感器的波段范圍和分辨率為每種地物選擇適宜的國(guó)產(chǎn)衛(wèi)星,不同地物適宜的國(guó)產(chǎn)衛(wèi)星如表4所示。

表4 不同地物類(lèi)型適合的國(guó)產(chǎn)衛(wèi)星

3.4 模型求解結(jié)果

采用AGI Graphics 公司的STK軟件對(duì)該實(shí)例的衛(wèi)星對(duì)觀測(cè)點(diǎn)的可見(jiàn)時(shí)間窗口進(jìn)行計(jì)算,時(shí)間范圍為2018年5月18日00:00:00至2018年5月19日00:00:00,從而得到衛(wèi)星對(duì)觀測(cè)點(diǎn)的可見(jiàn)時(shí)間窗口。

采用C#語(yǔ)言在Visual Studio 2017中對(duì)算法進(jìn)行實(shí)現(xiàn)。采用貪婪算法求得衛(wèi)星任務(wù)規(guī)劃方案。將觀測(cè)的第一個(gè)目標(biāo)的起始時(shí)間設(shè)為0,以此類(lèi)推得到任務(wù)時(shí)間規(guī)劃結(jié)果如圖2所示,其中T7和T11未被觀測(cè),因此未對(duì)其進(jìn)行任務(wù)規(guī)劃。

圖2 任務(wù)時(shí)間規(guī)劃圖

4 結(jié)論

基于多源遙感衛(wèi)星的時(shí)間、空間、光譜協(xié)同優(yōu)化觀測(cè)是國(guó)土資源與生態(tài)環(huán)境安全監(jiān)測(cè)技術(shù)研究的重要內(nèi)容。本文提出了面向優(yōu)化目標(biāo)函數(shù)的適宜度指標(biāo),建立了具有光譜特征的多星對(duì)點(diǎn)目標(biāo)協(xié)同觀測(cè)任務(wù)規(guī)劃模型,利用基于啟發(fā)式規(guī)則的貪婪算法,實(shí)現(xiàn)任務(wù)優(yōu)先級(jí)和任務(wù)適宜度的同步優(yōu)化。文章以新疆尾礦庫(kù)污染、耕地荒漠化、水資源污染和城鎮(zhèn)發(fā)展應(yīng)用問(wèn)題為例,通過(guò)分析每種地物的光譜特征為其分配適宜的衛(wèi)星資源,采用STK軟件計(jì)算的時(shí)間窗口作為仿真數(shù)據(jù),構(gòu)建時(shí)空譜一體化的多星協(xié)同觀測(cè)約束優(yōu)化模型。利用以任務(wù)優(yōu)先級(jí)和任務(wù)適宜度最大化為啟發(fā)式規(guī)則的貪婪算法對(duì)模型進(jìn)行求解,得到了多星對(duì)點(diǎn)目標(biāo)協(xié)同觀測(cè)任務(wù)規(guī)劃方案,從而驗(yàn)證了模型和算法的有效性。