曾令輝 佟欣羽

（遼寧師范大學地理科學學院，遼寧 大連 116029）

時序遙感數(shù)據(jù)可以用于描述不同時期的農(nóng)作物生長狀況，揭示農(nóng)作物在生長周期中各自特征，因此，時序遙感數(shù)據(jù)已廣泛用于農(nóng)作生產(chǎn)管理、檢測等應用中[1]。但在由于遙感衛(wèi)星自身因素及天氣條件等影響導致難以獲得連續(xù)且高質(zhì)量的遙感數(shù)據(jù)。時空融合模型是綜合多源數(shù)據(jù)的空間信息及時間信息對未知時間的高空間分辨率衛(wèi)星影像進行預測的融合分析技術[2]。因此時空融合模型是一種可以有效模擬受云雨天氣及重訪周期限制而缺失的遙感影像的手段。

目前在農(nóng)業(yè)生產(chǎn)中不同時空融合模型制作高時空分辨率數(shù)據(jù)集廣泛用于農(nóng)作物的分類、生產(chǎn)力估算、物候提取等。而目前作為時空融合輸入數(shù)據(jù)的數(shù)據(jù)源多為MODIS 與LANSAT，這導致了在部分種植結(jié)構復雜情況難以處理實際應用中的問題。隨著遙感技術的發(fā)展，遙感衛(wèi)星的分辨率和重訪周期突破了限制，歐空局于2015年開始發(fā)射的Sentinel-2 衛(wèi)星，重訪周期可達5 天，空間分辨率最高為10m[3]，在一定程度上克服了“時空矛盾”的影像，但在夏季多雨等熱帶地區(qū)，云雨天氣影響時間較長，任難以獲取連續(xù)的高質(zhì)量時序遙感數(shù)據(jù)。

因此本文計劃對黑龍江省三江平原選取一定范圍農(nóng)耕區(qū)作為研究區(qū)，基于增強型時空自適應反射率融合模型ESTARFM（Enhanced spatial and temporal adaptive reflectance fusion） 時 空 融 合 方 法[4]，對MODIS 與Sentinel-2 衛(wèi)星影像數(shù)據(jù)構建高時空分辨率MODIS-Sentinel-2 EVI、LSWI 數(shù)據(jù)集，評價融合結(jié)果質(zhì)量，以拓展時空融合數(shù)據(jù)源的選取，為遙感影像在農(nóng)業(yè)中的應用提供更高時空分辨率的數(shù)據(jù)支持。

1 數(shù)據(jù)與研究區(qū)

1.1 研究區(qū)概況

研究區(qū)位于我國三江平原東北部，饒河縣、撫遠縣、同江市、富錦市四縣的交界處（圖1），長38km 寬43.2km，113°17′29″E-113°48′23″E，47°18′27″N-47°41′24″N。三江平原是黑龍江省重要的產(chǎn)糧基地，區(qū)域氣候為溫帶濕潤、半濕潤的大陸性季風氣候，雨熱同季，水資源豐富，土質(zhì)肥沃，適于農(nóng)作物生長。

圖1

1.2 數(shù)據(jù)獲取及預處理

研究選取MDOIS 產(chǎn)品中8-day 合成的地表反射率產(chǎn) 品MOD09Q1 及 MOD09A1， 與 Sentinel-2 A/ B Level-2A 級別數(shù)據(jù)作為時空融合模型的輸入數(shù)據(jù)。影像信息及獲取日期見表1。MODIS 數(shù)據(jù)下載于美國地質(zhì)勘探 局 官 網(wǎng)（https://ladsweb.modaps.eosdis.nasa.gov/），Sentinel-2 數(shù)據(jù)下載于歐空局數(shù)據(jù)中心（https://sentinel.esa.int/web/sentinel/home）。MODIS 數(shù)據(jù)數(shù)據(jù)下載后首先使用經(jīng)過MRT、ENVI 5.3 進行鑲嵌、剪裁和重采樣至10m 數(shù)據(jù)處理工作。Sentinel-2 在影像數(shù)據(jù)獲取后，首先利用歐洲航天局所提供的SNAP 軟件中進行影像的重采樣（10m）鑲嵌和剪裁。影像信息及獲取日期見表1。

2 研究方法

為基于ESTARFM 時空融合方法生成高質(zhì)量高時空分辨率EVI、LSWI 數(shù)據(jù)集。首先使用ENVI 5.3 批量對對預處理后的MODIS 于Sentienl-2 數(shù)據(jù)進行波段運算，得到EVI、LSWI 時間序列數(shù)據(jù)，計算如式（1）、（2）所示。然后對MODIS 的時序EVI、LSWI 數(shù)據(jù)集進行平滑，研究使用Savitzky-Golay 濾波方法對MODIS 的時序LSWI、EVI數(shù)據(jù)集進行平滑，以避免時序植被指數(shù)數(shù)據(jù)集中的噪點影響后續(xù)時空融合結(jié)果精度[5]；使用ESTARFM 時空融合方法，選擇t1、t2 兩個日期平滑后MODIS 植被指數(shù)及Sentinel-2 植被指數(shù)數(shù)據(jù)為基礎影像對，預測tp 日期的植被指數(shù)。以此方法來構建2020 年農(nóng)作物整個生育期的高時空分辨率LSWI、EVI 時序數(shù)據(jù)集。具體方法如圖2 所示。

圖2 技術路線

增強型植被指數(shù)（EVI）對不同植被類型的冠層結(jié)構變化較為敏感。因此，EVI 時序數(shù)據(jù)能有效間接反映農(nóng)作物整個生長季內(nèi)的植被冠層變化。

其計算公式為：

式中：ρNIR、ρRed、ρBlue分別為近紅外、紅、藍波段的表反射率。

地表水分指數(shù)（LSWI）可以綜合反應地表植被冠層及土壤水分狀況，其LSWI 計算公式為：

式中：ρNIR、ρSWIR分別為近紅外、短波紅外波段的地表反射率。

ESTARFM 時空融合方法：

本研究選取增強型時空自適應反射率融合模型對Sentinel-2 與MODIS 數(shù)據(jù)進行時空融合，與其它的時空融合方法相比較，ESTARFM 在空間異質(zhì)性較大的地區(qū)的融合效果更好。ESTARFM 需要在預測日期（tp）附近獲取t1 及t2 時刻Sentinel-2 與MODIS 影像對，以及在預測日期（tp）的MODIS 影像，生成預測日期（tp）高空間分辨率影像。本文采用基于Python 編譯的ESTARFM 時空融合算法，對MODIS 影像和Sentinel-2 A/B 影像進行時空融合，生成生長季內(nèi)每8 天10m 空間分辨率的EVI、LSWI 融合時序數(shù)據(jù)集（EVIM-S、LSWIM-S），具體時空融合基礎影像與驗證影像如表1 所示。

表1 Sentinel-2 與MODIS 影像詳細信息

3 結(jié)果與分析

將研究區(qū)內(nèi)時空融合結(jié)果與未參與融合的真實Sentinel-2 的EVIS、LSWIS影像與三種主要農(nóng)作物（水稻、玉米、大豆）MODIS 純像元時序EVIM、LSWIM數(shù)據(jù)評估ESTARFM 時空融合的效果與準確性。

從圖3 可以看出，對比基于ESTARFM 時空融合模型融合后的EVIS-M、LSWIS-M時序曲線與原始和平滑后的EVIM、LSWIM時序曲線可以發(fā)現(xiàn)，在純像元中經(jīng)過ESTARFM 時空融合后的時序曲線變化趨勢與MODIS 平滑后曲線變化一致，且在Sentinel-2 的EVIS、LSWIS基礎影像和預測影像數(shù)值與MODIS 的EVIM、LSWIM影像數(shù)值接近的日期范圍內(nèi)，二者時序曲線可以保持良好的一致性。

圖3 融合后時序數(shù)據(jù)與平滑前后MODIS 數(shù)據(jù)對比

將預測日期影像DN 值減去對應日期的融合結(jié)果影像后（詳細日期見表1），將結(jié)果進行絕對值便于更直觀的展示融合影像與預測日期真實影像之間的誤差，并選取在統(tǒng)計學中的RSME（Root Mean Squared Error，均方根 誤 差）、MSE （Mean Square Error，均 方 誤 差）、R2（Correlation coefficient，相關系數(shù)）來定量計算預測日期真實影像與融合影像之間的差異（圖3）。各驗證日期的融合影像與真實影像相關性R2均值為0.878，根據(jù)圖4差值影像可以看出差值大面積為0-0.1 之間，表明融合結(jié)果接近真實影像。圖3（d）處于5 月中旬至六月中旬，在這個時間段內(nèi)，水稻處于泡田、分蘗階段，此時水田中LSWI 數(shù)值會發(fā)生較為劇烈的變化，這給時空融合帶來較大的影響，因此在此時間段內(nèi)，融合的精度較低，RMSE 與MAE 數(shù)值均大于0.1；在7 月18 日的差值中可以發(fā)現(xiàn)，由于基礎影像與預測影像之間的日期間隔較大，且在六月下旬至八月中旬期間水旱田內(nèi)農(nóng)作物EVI、LSWI 均處于上升階段。在此情況下，時空融合的結(jié)果會同時受混合像元及像元DN 值變化幅度較大的影響；而在10 月1 日的融合結(jié)果中，基礎影像日期較為接近，且在此期間內(nèi)，農(nóng)作物均處于成熟階段，因此時空融合的效果最好。

圖4 驗證日期真實Sentienl-2 影響數(shù)據(jù)與融合結(jié)果差值和統(tǒng)計學差異

4 結(jié)論

本研究表明，通過單個日期與時序上的時空融合質(zhì)量評價，ESTARFM 融合Sentinel-2 與MODIS 數(shù)據(jù)的結(jié)果與真實影像相關性可達0.9 以上，也可以模擬出符合地物變化規(guī)律的時序曲線。表明ESTARFM 可以理想的模擬出受云雨及重放周期影響而缺失的Sentinel-2 數(shù)據(jù)。為遙感影像在農(nóng)業(yè)中的應用提供更高時空分辨率的數(shù)據(jù)支持。