張 鎮(zhèn)，李水平，張志遠(yuǎn)

（1.武漢大學(xué) 遙感信息工程學(xué)院，湖北 武漢 430079；2.合肥工業(yè)大學(xué) 土木與水利工程學(xué)院，安徽 合肥 230009；3.中國科學(xué)院精密測(cè)量科學(xué)與技術(shù)創(chuàng)新研究院 大地測(cè)量與地球動(dòng)力學(xué)國家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430077；4.水利部信息中心，北京 100053）

遙感技術(shù)是現(xiàn)代信息技術(shù)發(fā)展的重要成果之一，是一門新興實(shí)用的、先進(jìn)的、不斷發(fā)展的空間探測(cè)技術(shù)[1-3]；而遙感影像是用戶與遙感技術(shù)研究、應(yīng)用之間的橋梁，是獲取地物信息的基礎(chǔ)數(shù)據(jù)，具有實(shí)時(shí)性高、覆蓋范圍廣、信息豐富客觀等優(yōu)點(diǎn)[4]。衛(wèi)星遙感技術(shù)的發(fā)展使得遙感影像數(shù)據(jù)量迅速增加，呈現(xiàn)出全球、海量、多源的特征[5-8]。查詢滿足特定時(shí)間范圍、光譜波段、空間分辨率要求的遙感數(shù)據(jù)，并保證多源遙感影像的覆蓋率滿足應(yīng)用需求，是大范圍遙感業(yè)務(wù)應(yīng)用首先需要面對(duì)的一個(gè)問題[9]?？购?、抗震等應(yīng)急救災(zāi)工作更需要快速查詢滿足覆蓋率要求的高分辨率衛(wèi)星遙感影像，進(jìn)而利用這些數(shù)據(jù)獲取災(zāi)區(qū)現(xiàn)狀和評(píng)估信息[10]。傳統(tǒng)的衛(wèi)星影像覆蓋率獲取方法主要是先在相關(guān)平臺(tái)手動(dòng)查詢、搜索和對(duì)比對(duì)應(yīng)的衛(wèi)星遙感影像，再通過影像快視圖查看整體的覆蓋情況。整個(gè)過程需在平臺(tái)界面進(jìn)行交互，影像及其覆蓋率查詢過程較復(fù)雜、效率較低，不利于項(xiàng)目和業(yè)務(wù)的進(jìn)展。苗立新[9]等利用ENVI/IDL實(shí)現(xiàn)了多源遙感影像覆蓋范圍快速查詢技術(shù)，可查詢總體的覆蓋情況，但不能獲取精確的影像覆蓋率值；我國自然資源衛(wèi)星遙感云服務(wù)平臺(tái)提供了各省級(jí)行政區(qū)劃每年的實(shí)時(shí)遙感影像覆蓋率統(tǒng)計(jì)模塊，但用戶無法獲取目標(biāo)區(qū)域某個(gè)較小時(shí)間段內(nèi)的影像覆蓋率信息，因此需要一種可根據(jù)需求快速獲取精確的衛(wèi)星遙感影像覆蓋率值的方法，以滿足遙感技術(shù)日益發(fā)展的需求。

為方便用戶共享遙感影像資源，相關(guān)機(jī)構(gòu)推出了開源遙感影像數(shù)據(jù)訪問API，允許用戶通過編程語言訪問平臺(tái)中存儲(chǔ)的數(shù)據(jù)，進(jìn)而獲取所需的衛(wèi)星遙感影像。基于這一技術(shù)背景，本文以開源遙感數(shù)據(jù)訪問API為技術(shù)支撐，利用Python相關(guān)模塊編程實(shí)現(xiàn)了衛(wèi)星遙感影像覆蓋率查詢方法，能更加方便地獲取衛(wèi)星影像覆蓋率信息，并以目標(biāo)區(qū)域覆蓋率實(shí)時(shí)查詢監(jiān)測(cè)為應(yīng)用案例進(jìn)行了分析和總結(jié)。

1 相關(guān)數(shù)據(jù)訪問API

在遙感技術(shù)中，遙感影像的應(yīng)用水平明顯滯后于航天遙感技術(shù)的發(fā)展，使得很大一部分衛(wèi)星影像資源處于擱置狀態(tài)，形成了數(shù)據(jù)生產(chǎn)以及傳輸能力遠(yuǎn)超數(shù)據(jù)獲取、處理、應(yīng)用能力的局面[11]。為方便用戶共享衛(wèi)星遙感數(shù)據(jù)，相關(guān)機(jī)構(gòu)推出了開源遙感影像數(shù)據(jù)訪問API，允許用戶通過編程語言查詢衛(wèi)星影像數(shù)據(jù)，使得獲取遙感數(shù)據(jù)更加方便，從而推動(dòng)遙感影像數(shù)據(jù)的應(yīng)用。本文對(duì)國內(nèi)外相關(guān)開源遙感數(shù)據(jù)訪問API及其主要信息進(jìn)行了總結(jié)，可以更清楚地了解這些應(yīng)用程序接口的內(nèi)容和特點(diǎn)，如表1所示。

表1 開源遙感數(shù)據(jù)訪問API

2 衛(wèi)星遙感影像覆蓋率查詢的實(shí)現(xiàn)與分析

本文以上述遙感數(shù)據(jù)訪問API為基礎(chǔ)，以Python為編程開發(fā)語言進(jìn)行相關(guān)處理與分析，實(shí)現(xiàn)了衛(wèi)星遙感影像覆蓋率的快速查詢。技術(shù)流程如圖1所示，首先確定必要的查詢參數(shù)，并利用上述API查詢所需衛(wèi)星影像的元數(shù)據(jù)；再通過Python相關(guān)模塊對(duì)影像元數(shù)據(jù)進(jìn)行一系列的轉(zhuǎn)換、地理處理與分析；最后計(jì)算得到準(zhǔn)確的覆蓋率值。

圖1 衛(wèi)星遙感影像覆蓋率查詢流程圖

2.1 衛(wèi)星遙感影像元數(shù)據(jù)查詢

首先根據(jù)開源遙感數(shù)據(jù)訪問API文檔中的內(nèi)容和功能構(gòu)造特定查詢參數(shù)，再利用相關(guān)工具發(fā)送查詢請(qǐng)求，并獲取服務(wù)器響應(yīng)數(shù)據(jù)，即可查詢所需衛(wèi)星遙感影像的元數(shù)據(jù)。本文利用Python相關(guān)模塊設(shè)計(jì)程序?qū)崿F(xiàn)了衛(wèi)星遙感影像元數(shù)據(jù)的查詢功能，具體步驟為：

1）構(gòu)建查詢參數(shù)。與在平臺(tái)查詢影像相同，利用遙感數(shù)據(jù)訪問API查詢遙感數(shù)據(jù)也需要確定查詢參數(shù)。遙感數(shù)據(jù)訪問API規(guī)定了空間范圍、時(shí)間范圍、衛(wèi)星和傳感器種類等必要參數(shù)，EarthExplorer API和OpenSearch API還包括月份限定、查詢數(shù)量限制、排序方法等其他參數(shù)，如表2所示。本文利用Python相關(guān)方法，將這些參數(shù)構(gòu)建成標(biāo)準(zhǔn)的、特定數(shù)據(jù)格式的查詢參數(shù)變量，作為發(fā)送查詢請(qǐng)求的輸入?yún)?shù)。

表2 查詢參數(shù)匯總

2）發(fā)送查詢請(qǐng)求。將構(gòu)建的查詢參數(shù)作為輸入?yún)?shù)，向服務(wù)器發(fā)送查詢請(qǐng)求并獲取響應(yīng)數(shù)據(jù)，即可獲得遙感影像的元數(shù)據(jù)。本文利用Python中的urllib2和requests模塊發(fā)送查詢請(qǐng)求。urllib2是Python中的一個(gè) HTTP客戶端庫[12-13]，為內(nèi)置模塊，其request()方法可構(gòu)造一個(gè)請(qǐng)求對(duì)象，將其作為該模塊urlopen()方法的輸入?yún)?shù)即可向服務(wù)器發(fā)送查詢請(qǐng)求。requests也是一個(gè)HTTP庫[14]，為第三方模塊，需單獨(dú)安裝，其在Python內(nèi)置模塊的基礎(chǔ)上進(jìn)行了高度封裝，可實(shí)現(xiàn)網(wǎng)頁和瀏覽器請(qǐng)求的所有操作。url為查詢請(qǐng)求網(wǎng)址，jsonData為查詢參數(shù)變量，利用urllib2和requests模塊發(fā)送查詢請(qǐng)求的核心代碼為：

request = urllib2.Request(url=url, data=jsonData, headers=header) ‘ urllib2發(fā)送查詢請(qǐng)求

response = urllib2.urlopen(request)

response = requests.get(url, params=jsonData, headers=header) ‘ requests發(fā)送查詢請(qǐng)求

3）存儲(chǔ)與展示數(shù)據(jù)。遙感影像元數(shù)據(jù)是元數(shù)據(jù)的一種，通過元數(shù)據(jù)建立海量衛(wèi)星遙感數(shù)據(jù)目錄和數(shù)據(jù)交換中心，為空間數(shù)據(jù)的共享提供了可能[15]。以通過資源衛(wèi)星中心API查詢得到的影像元數(shù)據(jù)為例，其數(shù)據(jù)格式為JSON[16-17]，本文首先對(duì)其進(jìn)行解析處理；然后利用Python中的JSON模塊將其存儲(chǔ)為后綴名為json的文件[18]，并通過JSON在線解析工具（https://www.json.cn/）瀏覽查詢結(jié)果。元數(shù)據(jù)內(nèi)容主要包括衛(wèi)星影像的角點(diǎn)坐標(biāo)、對(duì)應(yīng)影像的空間覆蓋范圍以及行列號(hào)、衛(wèi)星ID、成像時(shí)間、傳感器、云覆蓋量、產(chǎn)品號(hào)等其他元數(shù)據(jù)信息。經(jīng)過解析處理的一景GF-2號(hào)衛(wèi)星影像元數(shù)據(jù)示例為：

’影像元數(shù)據(jù)示例

{ ’其他元數(shù)據(jù)信息

“PathRow”: “1010165”,

“satellite”: “GF2”,

“title”: “GF2_PMS1_4088967”,

“imgRectangle”: Array[5],

“sceneId”: 6594578,

“date”: “2019/07/02”,

“icon”:“http://218.247.138.119:7777/DSSPlatform/BROWSE/ARCHIVE_PGS/GF2/LEVEL1A/PMS1/20190702/GF2_PMS1_E117.1_N30.3_20190702_L1A0004088967.jpg”,

“sensor”: “PMS1”,

“cloud”: 0,

“productId”: 4088967

}

“imgRectangle”: [ ’角點(diǎn)坐標(biāo)信息

[117.037, 30.418],

[117.273, 30.3734],

[117.221, 30.1693],

[116.986, 30.2139],

[117.037, 30.418]

]

2.2 衛(wèi)星遙感影像覆蓋率計(jì)算

本文利用Python相關(guān)功能模塊對(duì)查詢獲取的衛(wèi)星影像元數(shù)據(jù)進(jìn)行了一系列處理與分析，最終計(jì)算得到衛(wèi)星影像覆蓋率值，進(jìn)而實(shí)現(xiàn)了衛(wèi)星影像覆蓋率查詢功能。

1）將影像元數(shù)據(jù)轉(zhuǎn)換為GeoJSON。利用Python中的GeoJSON模塊將每景影像的元數(shù)據(jù)轉(zhuǎn)換為對(duì)應(yīng)的面狀GeoJSON數(shù)據(jù)。GeoJSON是一種對(duì)各種地理數(shù)據(jù)結(jié)構(gòu)進(jìn)行編碼的格式，支持點(diǎn)、線、面等幾何類型，其結(jié)構(gòu)包含一個(gè)或多個(gè)要素，每個(gè)要素又包含一個(gè) 幾何對(duì)象和其他屬性兩個(gè)部分[19-20]。提取元數(shù)據(jù)中的角點(diǎn)坐標(biāo)作為坐標(biāo)數(shù)據(jù)構(gòu)成GeoJSON幾何對(duì)象中的坐標(biāo)部分，其他元數(shù)據(jù)信息則構(gòu)成GeoJSON的屬性信息部分。具體轉(zhuǎn)換流程如圖2所示。

圖2 影像元數(shù)據(jù)轉(zhuǎn)換為GeoJSON的流程圖

利用§2.1中的影像元數(shù)據(jù)示例轉(zhuǎn)換得到的GeoJSON數(shù)據(jù)為：

“properties”:{ ‘ 屬性信息

“sceneId”: 6594578,

“satellite”: “GF2”,

“title”: “GF2_PMS1_4088967”,

“imgRectangle”: Array[5],

“PathRow”: “1010165”,

“date”: “2019/07/02”,

“productId”: 4088967,

“sensor”: “PMS1”,

“cloud”: 0,

“icon”:“http://218.247.138.119:7777/DSSPlatform/BROWSE/ARCHIVE_PGS/GF2/LEVEL1A/PMS1/20190702/GF2_PMS1_E117.1_N30.3_20190702_L1A0004088967.jpg”

}

“geometry”:{ ‘ 幾何對(duì)象

“type”: “Polygon”,

“coordinates”: [

[

[117.037, 30.418],

[117.273, 30.3734],

[117.221, 30.1693],

[116.986, 30.2139],

[117.037, 30.418]

]

]

}

2）將GeoJSON轉(zhuǎn)換為面狀矢量要素。利用Python中的GeoPandas模塊將所有面狀GeoJSON轉(zhuǎn)換為具有指定地理坐標(biāo)的面狀矢量要素。其中，GeoJSON中的幾何對(duì)象對(duì)應(yīng)的是矢量要素的空間幾何屬性，即遙感影像的空間范圍；GeoJSON中的屬性信息則存儲(chǔ)在面狀矢量的屬性表中。具體轉(zhuǎn)換流程如圖3所示，GeoJSON轉(zhuǎn)換的面狀矢量要素屬性表中的部分信息如圖4所示。該方法在轉(zhuǎn)換時(shí)直接將元數(shù)據(jù)信息添加到了要素屬性表中，因此可在ArcGIS中同時(shí)查看影像覆蓋情況和影像元數(shù)據(jù)信息。

圖3 GeoJSON轉(zhuǎn)換為面狀矢量要素流程圖

圖4 面狀矢量要素屬性表部分信息

3）計(jì)算覆蓋率。ArcPy是一套ArcGIS處理腳本的軟件包，其目的是利用Python建立實(shí)用且高效的地理數(shù)據(jù)分析、轉(zhuǎn)換、管理以及自動(dòng)制圖的處理工 具[21-22]。Python中的ArcPy模塊包括投影、聯(lián)合、相交、計(jì)算面積等與ArcGIS中相關(guān)功能對(duì)應(yīng)的方法，具體代碼為：

arcpy.Project_management() ‘投影

arcpy.Union_analysis() ‘聯(lián)合

arcpy.Intersect_analysis() ‘相交

arcpy.CalculateAreas_stats() ‘計(jì)算面積

首先利用arcpy.Project_management()方法對(duì)所有面狀矢量進(jìn)行批量投影；再利用arcpy.Union_analysis()方法將投影后的面狀矢量聯(lián)合為一個(gè)圖層，這樣可避免對(duì)衛(wèi)星影像重疊區(qū)域面積的重復(fù)計(jì)算，保證計(jì)算結(jié)果的正確性；然后利用arcpy.Intersect_analysis()方法將聯(lián)合后的整體矢量要素與具有相同投影坐標(biāo)的目標(biāo)區(qū)域矢量圖層相交；最后利用arcpy.CalculateAreas_stats()方法計(jì)算相交結(jié)果的面積。具體操作流程如圖5所示。

圖5 覆蓋率計(jì)算部分技術(shù)流程圖

衛(wèi)星遙感影像覆蓋率為相交圖層的面積與目標(biāo)區(qū)域矢量圖層面積的比值，計(jì)算公式為：

式中，C為覆蓋率值；S1為相交結(jié)果圖層的面積；S2為目標(biāo)區(qū)域矢量圖層的面積。

2.3 查詢方法優(yōu)劣勢(shì)分析

利用上述衛(wèi)星遙感影像覆蓋率查詢方法，只需明確必要的查詢參數(shù)，即可快速獲取所需遙感影像數(shù)據(jù)及其對(duì)目標(biāo)區(qū)域的覆蓋率值，具有實(shí)時(shí)、準(zhǔn)確度高等優(yōu)勢(shì)。若覆蓋率不滿足應(yīng)用要求，則需尋找其他衛(wèi)星影像數(shù)據(jù)源作為補(bǔ)充。計(jì)算覆蓋率時(shí)，由于需要對(duì)大量矢量數(shù)據(jù)進(jìn)行批量處理，當(dāng)影像數(shù)量較多時(shí)，程序運(yùn)行較慢，需進(jìn)一步改進(jìn)算法，以提高程序運(yùn)行效率。

3 應(yīng)用案例與結(jié)果分析

3.1 應(yīng)用案例背景與查詢方案

我國是一個(gè)地震、泥石流、洪澇等自然災(zāi)害頻發(fā)的國家，重大自然災(zāi)害大多具有突發(fā)性強(qiáng)、涉及面廣、危害性大等特點(diǎn)，因此應(yīng)急救災(zāi)工作需要利用滿足覆蓋率要求的高分辨率衛(wèi)星影像獲取災(zāi)區(qū)現(xiàn)狀和評(píng)估信息[10]。高分辨率衛(wèi)星影像的覆蓋率能否滿足要求將直接影響應(yīng)急救災(zāi)工作的進(jìn)展，而目標(biāo)區(qū)域的衛(wèi)星影像覆蓋率也反映了該地區(qū)衛(wèi)星影像的獲取和應(yīng)用能力。因此，實(shí)時(shí)查詢和掌握我國各地區(qū)的高分辨率衛(wèi)星遙感影像覆蓋率情況，對(duì)于災(zāi)害應(yīng)急響應(yīng)領(lǐng)域具有重要意義。

夏季是泥石流、洪澇等災(zāi)害的多發(fā)期，災(zāi)害一旦發(fā)生，需及時(shí)查詢和分析災(zāi)害發(fā)生前后的遙感影像和其他相關(guān)數(shù)據(jù)，從而掌握各種設(shè)備、設(shè)施以及人民群眾可能的受損情況，為抗災(zāi)救援決策提供及時(shí)的數(shù)據(jù)支持。鑒于此，本文以2019年7月我國各省級(jí)行政區(qū)劃1 m和2 m分辨率的衛(wèi)星影像為處理對(duì)象，進(jìn)行了覆蓋率分區(qū)域查詢和監(jiān)測(cè)分析；并以此為應(yīng)用案例，開展了實(shí)驗(yàn)與分析工作。

由衛(wèi)星遙感影像覆蓋率查詢流程可知，完成這樣的實(shí)驗(yàn)需要根據(jù)需求確定必要的查詢參數(shù)作為輸入數(shù)據(jù)，才能查詢衛(wèi)星影像覆蓋率值。本文設(shè)計(jì)的查詢方案如圖6所示。

圖6 覆蓋率查詢方案

3.2 應(yīng)用結(jié)果與分析

本文對(duì)查詢得到的各省級(jí)行政區(qū)劃（由于澳門特別行政區(qū)面積太小，查詢意義不大，故省略）1 m和 2 m分辨率的衛(wèi)星影像覆蓋率值進(jìn)行匯總，結(jié)果如表3所示（某些省級(jí)行政區(qū)劃名稱使用了簡稱）。

表3 2019年7月全國省級(jí)行政區(qū)劃1 m和2 m分辨率 衛(wèi)星影像覆蓋率統(tǒng)計(jì)表

為總體展示全國各地衛(wèi)星遙感影像的覆蓋情況，本文利用ArcGIS將覆蓋率作為屬性值添加至全國省級(jí)行政區(qū)劃矢量要素的屬性表中，并分別創(chuàng)建1 m和 2 m分辨率衛(wèi)星遙感影像覆蓋率柱狀圖，如圖7、8所示，圖中顏色漸變表示覆蓋率的高低。

衛(wèi)星遙感影像覆蓋率的高低反映了該地區(qū)遙感影像的獲取和應(yīng)用能力，由表3和圖7、8可知，在特定時(shí)間段、特定區(qū)域內(nèi)，2 m分辨率衛(wèi)星遙感影像覆蓋率普遍比1 m分辨率衛(wèi)星遙感影像高；且在較短時(shí)間內(nèi)，1 m分辨率衛(wèi)星影像數(shù)量較少，覆蓋率較低，有的地區(qū)甚至沒有影像數(shù)據(jù)，存在覆蓋率為零的情況，因此需要進(jìn)一步提升高分辨率衛(wèi)星影像的生產(chǎn)能力以及相關(guān)地區(qū)的影像獲取和應(yīng)用能力。從總體來看，無論是1 m分辨率還是2 m分辨率衛(wèi)星遙感影像，均在我國中東部等高緯度地區(qū)分布數(shù)量較多，覆蓋率值較高，其他地區(qū)數(shù)量較少、覆蓋率值較低，由此可知我國高分辨率衛(wèi)星影像的數(shù)量在空間上分布并不均勻，需在提升衛(wèi)星影像生產(chǎn)能力的同時(shí)做到全國區(qū)域全覆蓋。

圖7 2019年7月省級(jí)行政區(qū)劃1 m分辨率衛(wèi)星遙感影像覆蓋率柱狀圖

圖8 2019年7月省級(jí)行政區(qū)劃2 m分辨率衛(wèi)星遙感影像覆蓋率柱狀圖

由上述應(yīng)用案例分析可知，通過本文方法可實(shí)時(shí)查詢和監(jiān)測(cè)目標(biāo)區(qū)域特定分辨率衛(wèi)星影像的覆蓋率信息，進(jìn)而了解該地區(qū)衛(wèi)星遙感影像的生產(chǎn)、獲取、應(yīng)用情況，可為災(zāi)害應(yīng)急、國土規(guī)劃等工作提供一定的數(shù)據(jù)支持。

4 結(jié) 語

針對(duì)傳統(tǒng)衛(wèi)星遙感影像覆蓋率信息獲取途徑較繁瑣、獲取時(shí)間較長、無法獲取準(zhǔn)確值等問題，本文提出了基于遙感數(shù)據(jù)訪問API的衛(wèi)星遙感影像覆蓋率查詢方法。該方法具有的優(yōu)勢(shì)為：

1）僅需確定必要的查詢參數(shù)，即可查詢獲取對(duì)應(yīng)的衛(wèi)星遙感影像數(shù)據(jù)及其對(duì)目標(biāo)區(qū)域的覆蓋率信息，比傳統(tǒng)方法更高效、準(zhǔn)確，極大地節(jié)省了時(shí)間。

2）既可根據(jù)實(shí)際應(yīng)用需求查詢所需的衛(wèi)星影像數(shù)據(jù)及其覆蓋率值，又可實(shí)時(shí)查詢和監(jiān)測(cè)目標(biāo)區(qū)域特定分辨率衛(wèi)星影像的覆蓋率，從而了解目標(biāo)區(qū)域衛(wèi)星遙感數(shù)據(jù)的獲取和應(yīng)用情況。

本文方法降低了獲取遙感影像數(shù)據(jù)及其覆蓋率信息的時(shí)間成本，可為某些遙感相關(guān)技術(shù)領(lǐng)域提供數(shù)據(jù)和技術(shù)支持，具有一定的應(yīng)用價(jià)值；但該方法計(jì)算覆蓋率時(shí)需對(duì)大量矢量數(shù)據(jù)進(jìn)行批量處理，讀取、輸出數(shù)據(jù)將消耗較多時(shí)間，降低了程序運(yùn)行效率，因此需進(jìn)一步優(yōu)化算法，以提高程序運(yùn)行效率。