鄧琳 熊先才 黃健 胡勇*

（1 重慶市規(guī)劃和自然資源調(diào)查監(jiān)測(cè)院，重慶 401123）

（2 重慶市土地利用與遙感監(jiān)測(cè)工程技術(shù)研究中心，重慶 401123）

0 引言

1999年10月14 日，我國(guó)成功發(fā)射首顆傳輸型陸地遙感衛(wèi)星“資源一號(hào)”衛(wèi)星，實(shí)現(xiàn)了遙感衛(wèi)星的自主研發(fā)。經(jīng)過(guò)多年的發(fā)展，陸地遙感衛(wèi)星逐步形成了資源系列、“高分”系列、“環(huán)境/實(shí)踐”系列和商業(yè)小衛(wèi)星系列等陸地遙感體系[1-2]。單系列衛(wèi)星重訪周期小于5天，能夠?qū)崿F(xiàn)一周內(nèi)萬(wàn)景遙感影像的獲取能力，而如何實(shí)現(xiàn)海量數(shù)據(jù)的高效利用和快速篩選成為了新的研究課題。

利用遙感衛(wèi)星數(shù)據(jù)，可對(duì)地球表面各類資源、災(zāi)害、人類活動(dòng)進(jìn)行實(shí)時(shí)監(jiān)測(cè)。學(xué)者們常根據(jù)應(yīng)用目的的不同，從影像的分辨率、獲取時(shí)間、傳感器類型等衛(wèi)星參數(shù)篩選衛(wèi)星影像數(shù)據(jù)。而對(duì)于光學(xué)傳感器影像，還需要考慮云層覆蓋的影響。雖然可以利用無(wú)云的圖像進(jìn)行監(jiān)測(cè)，但對(duì)于全球大多數(shù)地區(qū)，獲取無(wú)云圖像的概率較小[3]。文獻(xiàn)[4]利用2002年的全球Landsat ETM+數(shù)據(jù)研究發(fā)現(xiàn)，在任意80天內(nèi)獲取相同地區(qū)的兩景無(wú)云圖像的平均概率是0.28。因此需要對(duì)有云的影像進(jìn)行合理利用。而當(dāng)前對(duì)有云影像的篩選，幾乎都只考慮總體覆蓋率，即通過(guò)云的覆蓋率閾值（如10%）對(duì)影像進(jìn)行篩選，而未考慮云對(duì)地表實(shí)際地物的覆蓋情況。針對(duì)某些應(yīng)用場(chǎng)景，雖然影像中云的總體覆蓋率超過(guò)了閾值，應(yīng)用場(chǎng)景所關(guān)注的目標(biāo)或區(qū)域可能無(wú)云或少云，依照傳統(tǒng)的云覆蓋率閾值法無(wú)法篩選出這些可用影像。此外，相同覆蓋率條件下，離散的云和集中分布的云對(duì)影像的可用性影響也不相同。

為克服傳統(tǒng)影像篩選僅考慮總體云量的問(wèn)題，本文從單景影像云遮擋導(dǎo)致地物損失的角度出發(fā)，以“高分”系列衛(wèi)星為例，采用光譜閾值法進(jìn)行快速云檢測(cè)，并以地理國(guó)情監(jiān)測(cè)數(shù)據(jù)作為地表覆蓋先驗(yàn)數(shù)據(jù)，結(jié)合云區(qū)檢測(cè)范圍，計(jì)算云遮擋定量指標(biāo)和可視化云下地物分類圖，實(shí)現(xiàn)單景遙感影像應(yīng)用場(chǎng)景的綜合評(píng)估。

1 影像評(píng)估方法

基于云檢測(cè)的遙感影像應(yīng)用場(chǎng)景評(píng)估，有兩個(gè)方面的研究重點(diǎn)：一是快速云檢測(cè)方法，二是應(yīng)用場(chǎng)景評(píng)估模型。在云檢測(cè)算法方面，主要有利用云高反射率和低溫特征、利用云紋理和空間特征的閾 值法[5-10]，和通過(guò)建立云訓(xùn)練樣本的模式識(shí)別法[11-13]。其中，利用紋理特征的閾值法受云紋理特征選取影響較大，且效率較低；模式識(shí)別方法需訓(xùn)練大量可靠云樣本，且不同數(shù)據(jù)需重新選取樣本，耗時(shí)長(zhǎng)；光譜閾值法在云檢測(cè)精度上略低，但因其算法簡(jiǎn)單、運(yùn)算效率高等特點(diǎn)，成為目前云檢測(cè)領(lǐng)域中最快速簡(jiǎn)單的算法之一[14-15]。而對(duì)遙感影像的應(yīng)用場(chǎng)景評(píng)估方面的具體研究較少，對(duì)單景影像的評(píng)估、評(píng)價(jià)主要集中在數(shù)據(jù)品質(zhì)、數(shù)據(jù)處理等方面[16-18]。

本文在已有方法的基礎(chǔ)之上，充分考慮運(yùn)算效率、評(píng)價(jià)指標(biāo)等因素，從影像處理、云區(qū)檢測(cè)、云下地物分類圖、云區(qū)遮擋指標(biāo)計(jì)算、影像應(yīng)用場(chǎng)景評(píng)估方面，提出基于云空間分布的遙感影像應(yīng)用場(chǎng)景評(píng)估方法，具體流程如圖1所示。

圖1 基于云空間分布的遙感影像應(yīng)用場(chǎng)景評(píng)估流程圖Fig.1 The flow chart of paper method

1.1 影像歸一化

受傳感器輻射分辨率、大氣透過(guò)率和散射率等因素影響，原始影像所記錄的像元亮度值存在較大差異，基于光譜閾值進(jìn)行的云檢測(cè)，必須經(jīng)過(guò)歸一化處理才能更好的進(jìn)行云檢測(cè)。為提升影像預(yù)處理效率，在傳統(tǒng)直方圖均衡化方法的基礎(chǔ)上，采用分級(jí)頻數(shù)直方圖均衡化的方法進(jìn)行影像預(yù)處理。具體思路如下：假設(shè)遙感影像的像元亮度值范圍為[0,M]，按I=M/ 100為步長(zhǎng)進(jìn)行影像歸一化，L為頻數(shù)步長(zhǎng)，分別計(jì)算各波段的歸一化影像

式中N為影像的像元總數(shù)；nL為各級(jí)頻數(shù)像元累計(jì)數(shù)量；Bs為s波段歸一化后的影像，值域?yàn)閇0,1]。

1.2 云區(qū)初檢測(cè)

2000年R.Irish等[19]學(xué)者提出云的亮度值在遙感影像中呈現(xiàn)均一的強(qiáng)反射性。如圖2所示的遙感影像剖面光譜曲線，云的光譜曲線顯著高于植被、建筑物等地物。利用云的這一光譜特征，可構(gòu)建濾波器來(lái)實(shí)現(xiàn)云地分離。

圖2 遙感影像剖面光譜曲線圖Fig.2 Spectral profile of remote sensing imagery

衛(wèi)星遙感影像中大部分可見(jiàn)光影像多為四波段數(shù)據(jù)，即藍(lán)、綠、紅、近紅外波段，波段范圍為0.43～0.90μm。為使得濾波器具有更好的普適性，本文采用這四個(gè)波段來(lái)構(gòu)建云區(qū)檢測(cè)濾波器。濾波器模型如下：

式中B1～B4分別代表波段1～4的歸一化影像像元值，Pr表示單波段影像P中像元r的值；PMean、PMax分別代表單波段影像P的均值、最大值；B(r,*)Max、B(r,*)Min代表歸一化影像像元r在所有波段*的最大值、最小值。Outs1代表各波段像元的高亮判別條件；Outs2代表亮度差異判別條件。

1.3 云區(qū)優(yōu)化

由于遙感影像中有高亮建筑物、小積云、水體等不均勻亮點(diǎn)的存在，會(huì)直接造成云區(qū)偽檢測(cè)。為有效抑制非云高亮點(diǎn)對(duì)云區(qū)檢測(cè)的影響，采用小面去除和數(shù)學(xué)形態(tài)學(xué)的開(kāi)閉運(yùn)算[20]，對(duì)云區(qū)檢測(cè)后的初始二值圖像進(jìn)行優(yōu)化。小面去除可將零星噪聲點(diǎn)去除；開(kāi)運(yùn)算可消除小噪點(diǎn)、分離圖斑連接的纖細(xì)點(diǎn)、平滑大圖斑邊界；閉運(yùn)算可填充圖斑內(nèi)細(xì)小空洞、連接鄰近物體。優(yōu)化處理后的云區(qū)范圍減少了偽檢測(cè)，同時(shí)保留了云區(qū)對(duì)象的形狀完整性。

1.4 影像評(píng)估

將地理國(guó)情監(jiān)測(cè)地表覆蓋數(shù)據(jù)作為先驗(yàn)數(shù)據(jù)，對(duì)云遮擋的地物情況進(jìn)行評(píng)價(jià)。地理國(guó)情監(jiān)測(cè)地表覆蓋分類體系可分為8個(gè)一級(jí)類、53個(gè)二級(jí)類、107個(gè)三級(jí)類，為提升評(píng)估效率，本文基于地理國(guó)情監(jiān)測(cè)內(nèi)容與指標(biāo)的一級(jí)類對(duì)數(shù)據(jù)進(jìn)行重分類，分別為種植土地、林草覆蓋、人類活動(dòng)區(qū)、裸地、水體五個(gè)類型。詳細(xì)的覆蓋類型分類見(jiàn)表1。

表1 地理國(guó)情監(jiān)測(cè)與影像評(píng)估分類體系對(duì)應(yīng)關(guān)系Tab.1 The corresponding relationship between geographical condition monitoring and image evaluation classification system

在單景遙感影像應(yīng)用場(chǎng)景評(píng)估時(shí)，本文制定了基于云下地物分類圖、云區(qū)遮擋統(tǒng)計(jì)和云區(qū)連片度的評(píng)價(jià)體系，能夠?qū)崿F(xiàn)遙感影像定性和定量的雙評(píng)估。各指標(biāo)計(jì)算方法如下：

（1）云下地物分類圖

根據(jù)地理國(guó)情監(jiān)測(cè)先驗(yàn)地表覆蓋類型，經(jīng)地表覆蓋重分類后，對(duì)云遮擋區(qū)域進(jìn)行地物補(bǔ)充，實(shí)現(xiàn)云下地物類型的直觀展示和評(píng)價(jià)。

（2）云區(qū)遮擋統(tǒng)計(jì)

參考地表覆蓋空間統(tǒng)計(jì)評(píng)價(jià)指標(biāo)[21]，提出采用逐像元分析方法評(píng)價(jià)云區(qū)對(duì)各地類的遮擋程度。首先將面積超過(guò)整景影像面積0.1%的單塊云區(qū)標(biāo)記為集中云，其他為離散云，然后分別統(tǒng)計(jì)云區(qū)遮擋系數(shù)Ci、不同類型云區(qū)的各地類遮擋面積總和

式中Ci為第i類土地遮擋系數(shù)；為j類云區(qū)遮擋的第i類土地面積和，j=1表示集中云區(qū)，j=2表示離散云區(qū)；Wi為先驗(yàn)地表分類數(shù)據(jù)中第i類土地面積。

（3）云區(qū)連片度統(tǒng)計(jì)

借鑒農(nóng)用地連片性分析評(píng)價(jià)指標(biāo)[22-23]，提出采用云區(qū)連片度指標(biāo)自動(dòng)判斷云區(qū)集中連片程度。云區(qū)連片度PI計(jì)算公式如下

式中Ti為第i塊集中云的面積；p代表集中云區(qū)的個(gè)數(shù)；A為云覆蓋的總面積。

2 實(shí)驗(yàn)結(jié)果及評(píng)價(jià)

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文分別選取“高分一號(hào)”（GF-1）、“高分二號(hào)”（GF-2）衛(wèi)星影像（影像信息如表2所示）作為實(shí)驗(yàn)數(shù)據(jù)，影像覆蓋重慶市城區(qū)、郊區(qū)，包含水體、人類活動(dòng)區(qū)、植被等地物類型。

表2 實(shí)驗(yàn)遙感影像信息表Tab.2 Remote sensing imagery information table

2.2 云區(qū)檢測(cè)精度

本文實(shí)驗(yàn)區(qū)內(nèi) GF-1影像的云主要為小積云，沿山脊線集中、其余分散，體態(tài)小、有薄暮狀、絮狀云塊，建筑物聚集；GF-2影像的云主要為中積云，形態(tài)呈團(tuán)狀、邊緣稀薄、云陰影明顯，區(qū)域內(nèi)建筑物較少。采用本文云檢測(cè)算法所提取的云區(qū)范圍如圖3所示，通過(guò)人工目視解譯方式勾繪云區(qū)作為真值，對(duì)算法提取結(jié)果總體精度指標(biāo)進(jìn)行定量評(píng)價(jià)。其中，GF-1影像總體精度為 92.3%，GF-2影像總體精度為 80.6%。經(jīng)分析，在薄云區(qū)域、云區(qū)陰影、云區(qū)邊緣、高亮建筑物區(qū)域存在少量漏提取和誤提取。其中，GF-2因云邊緣陰影、薄云影響導(dǎo)致云區(qū)漏檢測(cè)；GF-1因薄暮狀、絮狀云、高亮建筑物影響導(dǎo)致云區(qū)誤檢測(cè)和漏檢，但由于單個(gè)云區(qū)范圍較小，云區(qū)光譜特征一致性強(qiáng)，云區(qū)邊緣受到陰影影響小，因此總體檢測(cè)精度高于GF-2。

圖3 基于光譜閾值的云檢測(cè)結(jié)果圖Fig.3 Cloud detection result based on spectral threshold method

2.3 云下地物分類圖

圖4為GF-1影像和GF-2影像的云下地物分類圖，從圖4中可直觀的看出云下種植土地、林草地、人類活動(dòng)區(qū)、裸地、水體的分布范圍和遮擋情況。GF-1影像云層主要為分散的小積云，山脈區(qū)域的林草地云遮擋較多，影像左下部分人類活動(dòng)區(qū)域云遮擋較多，種植土地遮擋情況較為分散，零星分布于全圖區(qū)域。GF-2影像云層主要為中積云和分散小積云，面積相對(duì)較大，主要遮擋種植土地和林草地，零星遮擋人類活動(dòng)區(qū)，水體和裸地幾乎未遮擋。

圖4 云下地物分類圖Fig.4 The cloud coverage classification map

2.4 云區(qū)遮擋定量分析

通過(guò)云區(qū)遮擋統(tǒng)計(jì)、云區(qū)連片度統(tǒng)計(jì)，分析云遮擋對(duì)單景影像的影響。表3為GF-1影像的統(tǒng)計(jì)結(jié)果?？梢钥闯觯河跋裨茀^(qū)連片度低，以離散云覆蓋為主；林草地遮擋系數(shù)最高，且離散云遮擋面積最大；種植土地和人類活動(dòng)區(qū)遮擋系數(shù)相當(dāng)，與人類活動(dòng)區(qū)相比種植土地受集中云遮擋面積略高；裸地和水體雖存在遮擋情況，但面積較小可忽略。從云遮擋定量指標(biāo)分析，GF-1影像林草地受云遮擋影響最嚴(yán)重，其次是種植土地和人類活動(dòng)區(qū)域，但遮擋系數(shù)在10%左右，總體各地類損失較小。

表3 GF-1影像云遮擋定量評(píng)價(jià)表Tab.3 Cloud cover quantitative evaluation table of GF-1

表4為GF-2影像的統(tǒng)計(jì)結(jié)果?？梢钥闯觯河跋裨茀^(qū)連片度高，以集中云為主；種植土地遮擋系數(shù)最高，集中云區(qū)遮擋面積較大；其次為林草地，遮擋面積總和39.81km2，也以集中云遮擋為主；人類活動(dòng)區(qū)、裸地、水體的遮擋系數(shù)相對(duì)較高，但受云遮擋總面積較小，均小于10 km2。從云遮擋定量指標(biāo)分析，GF-2影像受云遮擋影響的地類主要為種植土地和林草地，且集中云為主，導(dǎo)致區(qū)域性地類遮擋，地類遮擋系數(shù)大于10%，總體地類損失較多。

表4 GF-2影像云遮擋定量評(píng)價(jià)表Tab.4 Cloud cover quantitative evaluation table of GF-2

結(jié)合云下地物分類圖和云區(qū)遮擋指標(biāo)綜合分析。在遮擋空間分布上，GF-1影像主要為離散云，分布于全圖區(qū)域，影像云遮擋面積占全圖的6.74%；GF-2影像主要為集中云，主要位于影像上部，云遮擋面積占全圖的 11.71%。在地類遮擋上，GF-1影像在山脊區(qū)域，林草地被主要遮擋，在影像部分地區(qū)，人類活動(dòng)區(qū)遮擋次之；GF-2影像的種植土地、林草地受到主要遮擋，人類活動(dòng)區(qū)遮擋次之。在影像應(yīng)用優(yōu)勢(shì)場(chǎng)景上，GF-1各地類遮擋系數(shù)優(yōu)于GF-2，地類損失相對(duì)較低，且遮擋系數(shù)小于10%，能在種植土地、人類活動(dòng)區(qū)、裸地、水體類型應(yīng)用場(chǎng)景中發(fā)揮較高利用價(jià)值；GF-2受集中云主要影響，種植土地、林草地區(qū)域性損失較多，且遮擋系數(shù)大于10%，此類型應(yīng)用價(jià)值較低，但水體損失和遮擋系數(shù)較小，可應(yīng)用于水體為對(duì)象的應(yīng)用場(chǎng)景中。

3 結(jié)束語(yǔ)

本文針對(duì)現(xiàn)有影像篩選只考慮云區(qū)總體覆蓋率的問(wèn)題，提出基于光譜閾值云區(qū)檢測(cè)，并結(jié)合先驗(yàn)地表覆蓋類型的影像應(yīng)用場(chǎng)景評(píng)估方法。重點(diǎn)對(duì)云的波譜特征進(jìn)行分析，構(gòu)建基于光譜特征的快速云檢測(cè)方法，并結(jié)合地理國(guó)情的分類體系，建立云遮擋地表覆蓋類型統(tǒng)計(jì)評(píng)估體系。以GF-1和GF-2影像為測(cè)試數(shù)據(jù)，對(duì)本文提出的方法進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果表明該方法能夠有效實(shí)現(xiàn)單景影像云區(qū)檢測(cè)，并對(duì)云遮擋地物的空間分布、損失比例進(jìn)行直觀展示和分項(xiàng)統(tǒng)計(jì)，能夠?qū)崿F(xiàn)對(duì)單景遙感影像的應(yīng)用場(chǎng)景評(píng)估，克服了傳統(tǒng)影像篩選未考慮云對(duì)地表實(shí)際地物覆蓋影響的問(wèn)題，進(jìn)而提升了單景影像的應(yīng)用價(jià)值。

但本文方法也有待進(jìn)一步改進(jìn)：1）基于光譜閾值的云檢測(cè)法在處理厚薄不一的卷云、薄暮狀的卷層云時(shí)，可能存在漏檢測(cè)現(xiàn)象。2）本文的快速檢測(cè)法未對(duì)原始影像進(jìn)行正射校正，疊加地理國(guó)情監(jiān)測(cè)數(shù)據(jù)分析時(shí)存在一定幾何偏差。在后續(xù)應(yīng)用有需求時(shí)，可通過(guò)加入紋理約束的方式改善云檢測(cè)，通過(guò)影像正射糾正的方式修正幾何誤差。