10

Size: px

Start display at page:

Download "10"

翁漩葛
7 years ago
Views:

1 中国农学通报 2012,28(10):63-68 Chinese Agricultural Science Bulletin 基于 MERSI 数据的处理及旬植被指数生成方法 1,2 胡博, 覃先林 2 1,2 1, 杨飞, 周汝良 ( 1 西南林业大学, 昆明 ; 2 中国林业科学研究院资源信息研究所, 北京 ) 摘要 : 为了实现自动批量处理国产 FY-3A/B MERSI 光学影像数据, 提取全国范围植被指数特征, 为今后全国植被类型制图方法研究做准备, 对 MERSI 数据经过物理量计算几何校正拼接掩膜等处理提取植被指数特征和水云标识数据按旬生成最大植被指数时间序列影像和合成旬水云标识影像等方法进行了研究 ; 利用 IDL 7.1 编程语言实现了自动批量处理全国范围 MERSI 数据, 按旬生成时间序列 m 空间分辨率的植被指数数据的算法程序 ; 并对基于以上方法生成的归一化植被指数 (NDVI) 和增强性植被指数 (EVI) 结果进行比较分析结果表明 :NDVI 的旬影像比 EVI 旬影像植被指数值分布更均匀, 能够更好地反映全国植被分布与物候变化特点该研究采用程序算法实现对 FY-3A MERSI 光学影像数据的处理, 操作简单易行, 节省了大量人力和时间 ; 且生成的结果可为今后按 MERSI NDVI 时间序列影像进行全国植被类型分布研究监测植被长势开展国产数据在林业中的应用等后续工作做准备关键词 :FY-3A;MERSI; 植被指数 ; 时间序列中图分类号 :S757 文献标志码 :A 论文编号 : Method of Processing and Compositing 10 Days Vegetation Indices Based on MERSI Data Hu Bo 1,2, Qin Xianlin 2, Yang Fei 1,2, Zhou Ruliang 1 ( 1 Southwest Forestry University, Kunming ; 2 Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing ) Abstract: In order to achieve automatic batch processing national FY-3A/B MERSI optical images, to extract the feature of vegetation index and to be preparation for vegetation types mapping methodology at national scale for future, the processes of physical quantity calculation, geometric correction, mosaic, mask and composite with time series maximum vegetation indices and flag images of 10 days based on MERSI L1B images had been studied. In addition, these processes have been integrated the program using IDL 7.1 language. The 10 days composed vegetation index with meters spatial resolution, including Normal Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI) images had been generated by the method. At the same time, the differences between the NDVI and EVI had been analyzed. The results showed that the composed NDVI with 10 days continuous MERSI images were better than that of EVI in reflecting the distribution and climatic change of vegetation in China. The processing FY-3A MERSI optical images by program was not only save manpower and time, but also easy operation. In addition, this research was preparing for the future work such as studying the distribution of vegetation types, monitoring vegetation growth, developing applications in the forestry field using domestic satellite data and so on. Key words: FY-3A; MERSI; vegetation index; time-series 基金项目 : 国家卫星应用高技术产业化专项国产遥感影像在林业灾害应急处理中的应用产业化示范工程 ( 发改办高技 [2010]37 号 ) 第一作者简介 : 胡博, 女,1985 年出生, 硕士研究生, 研究方向 : 光学遥感影像处理和森林类型识别方法通信地址 : 北京香山路中国林业科学研究院资源信息研究所, bonnie_h@163.com 通讯作者 : 覃先林, 男,1969 年出生, 四川人, 副研究员, 博士, 研究方向 : 林火预警监测技术及植被覆盖变化 Tel: , noaags@caf. ac.cn 收稿日期 : , 修回日期 :

2 64 中国农学通报 0 引言植被是构成陆地生态系统和景观的重要成分, 是科学研究和实践的重要对象 [1] 植被指数 (Vegetation Index) 是对地表植被活动的简单有效和经验的度量将 2 个或多个对植被敏感的光谱观测通道进行组合, 可计算得到植被指数这一指数在一定程度上反映植被的变化信息同时, 植被指数在植被生物物理学参数的获取方面起着中间变量的作用 [2] 时间序列植被指数在林业领域可以作为森林植被类型识别林业灾害预警及灾后评估等实践活动的重要数据源 [3] 风云三号 (FY-3) 气象卫星是中国的第 2 代极轨气象卫星, 其中 :FY-3A 星为上午星, 于 2008 年 5 月 27 日发射成功 [4] ;FY-3B 星为下午星, 于 2010 年 11 月 5 日发射成功这 2 颗卫星标称轨道回归周期为 6 天 [5], 均搭载了中分辨率光谱成像仪 (Medium Resolution Spectral Imager, 以下简称 MERSI), 与 EOS(Earth Observation System) 卫星上搭载的中分辨率成像光谱仪 (Moderate-resolution Imaging Spectroradiometer, 以下简称 MODIS) 空间分辨率相比, 前者 m 分辨率的通道数为 5 个, 而后者仅 2 个 ( 近红外和红光 ) 通道数据, 前者光谱信息更丰富, 是目前国际上最有效的监测 [6] [7] 地球环境动态变化的空间遥感仪器张茂鑫等对 HDF5 文件格式的 MERSI 影像数据的读取图像合成 [8] 方法进行了研究 ; 冯锐等对 MERSI 和 MODIS 数据的归一化植被指数进行差异分析, 结果表明 2 种数据的 NDVI 有着共同的直方图走势, 动态范围基本一致, 各类地物的反演结果均表现出很好的线性一致性 ; 王馨 [9] 凝等将 MERSI 和 MODIS 数据分别采用最小距离法和最大似然法对植被覆盖分类精度进行了比较研究, 认为 MERSI 数据在这 2 种分类方法下分类效果都要好于 MODIS 数据等为推动国产卫星数据在中国各行业中的应用, 自 2008 年以来, 国家发改委先后启动了基于国产卫星数据处理和应用技术的示范研究项目依托国家发改委启动的项目, 国家气象局为本研究免费提供了 2009 年 2010 年每日的 FY-3A MERSI 数据, 影像文件数约 9000 幅, 数据总量超过 10 T, 如果采用常规的人机交 [10] 互处理模式, 逐幅图像手工选取处理方法, 则需要花费较长的时间才能处理完成这些数据面对如此繁重的处理任务, 笔者对批量处理 FY-3A MERSI 数据生成中国全国范围旬植被指数合成数据等方法进行了研究, 以期为今后探究风云三号 MERSI 数据监测中国森 [11] 林植被类型及其变化的可行性, 利用时间序列旬植被指数影像进行全国植被类型识别方法等研究做准备 1 数据来源 FY-3A MERSI 来源于国家气象卫星中心选取 2009 年 3 月 1 日 12 月 31 日 ( 因未收集到 3 月 1 日以前的数据 ) 逐日覆盖中国陆地的经辐射校正和几何定位处理后的 MERSI m 1000 m L1 数据产品 MERSI 拥有 20 个光谱通道,1~5 通道为空间分辨率 m 的可见光近红外热红外通道 ;6~20 通道为空间分辨率 1000 m 本研究主要选用的通道及其用途, 见表 1 2 研究方法 2.1 技术流程首先, 利用 MERSI L1 数据计算出选取通道的反表 1 研究中主要选用的 FY-3A MERSI 光谱通道及用途通道序号中心波长 /mm 光谱带宽 /mm 空间分辨率 /m 噪声等效反率或 NEDT 动态范围用途 % 用于 EVI 的计算 % 用于 NDVI EVI 计算 % 用于 NDVI EVI 计算 K 330 K 云体判断射率或亮温值, 生成归一化植被指数 (NDVI) 增强植被指数 (EVI) 水和云的标识 (FL) [12] 等数据文件 ; 再对所生成的数据文件进行几何校正拼接掩膜处理, 最后按旬最大植被指数法合成得到覆盖中国的每旬植被指数图上述各部分工作均用 IDL 语言编程实现批处理任务, 用户只需要选定数据存储目录, 程序自动处理完成该目录下所有的数据文件技术流程见图物理量计算物理量主要包括反射率亮温和植被指数的计算首先, 利用数据集中的偏移量放大倍数和定标数据, 分别将可见光通道 ( 通道 1 和 3) 和近红外通道 ( 通道 4) 的 DN 值转换为辐亮度, 将热红外通道 ( 通道 5) 的 [13] DN 值转换为辐射率 ; 再结合从 1000 m HDF 文件中读取并计算出的太阳天顶角数据, 将辐亮度转换为大气上界的反射率 ; 并利用普朗克公式将辐射率转换为亮温值最后, 利用反射率数据分别计算得到 NDVI 和 EVI, 并标识出它们包含的属于水体和云的像元其中 :

3 胡博等 : 基于 MERSI 数据的处理及旬植被指数生成方法 65 格式数据格式数据物理量计算读取天顶角数据集太阳高度角太阳高度放大倍数角偏移量读取数据插值为波段大小读取定标数据集读取各波段数据集各波段放各波段偏大倍数移量太阳天顶角插值为波段大小生成第波段亮温生成各波段反射率生成每日影像每日影像校正拼接掩膜读取 HDF 文件中经纬度数据按比例抽取几何校正控制点定义投影参数逐控制点投影几何校正拼接掩膜生成中国每日影像生成几何校正影图 1 技术流程图 (1) 式中 :R 为辐亮度或辐射率 ;DN 为数据集的记数值 ;scale 为放大倍数 ;offect 为偏移系数 (2) 式中 :Ref 为反射率 ;R 为辐亮度 ;θ 为太阳高度角 (3) 式中 :T 为亮温 (K),R 为辐射率,ν 为中心波数 (1/λ; 1/cm);C 1= [mw/(m 2 sr cm 4 )];C 2= (cm K) (4) 式中 :Ref 3 红光波段反射率 ;Ref 4 近红外波段反射率 (5) 式中 :Ref 1 蓝光波段反射率 ;L=1.0,b 1=6.0,b 2=7.5 并将 NDVI EVI 分别归一化到 0.0~1.0, 无效的值设为数据校正拼接与掩膜处理对计算出的各物理量数据的几何校正采用基于 GCP 的方法实现首先从 MERSI 1000 m 数据中提取 [14] 出经纬度数据, 因其行列数为 m 空间分辨率数据的 1/4, 在校正过程中按照对应关系选取与原图像行列匹配的点作为控制点, 每隔 10 个点选取 1 个控制点, 先对这些控制点按照等面积 (Lambert Conformal Conic) 进行投影, 然后再以这些控制点为参考, 对整幅图进行校正, 并采用双线性法将影像数据进行插值利用程序将几何校正后的影像自动按地理位置进行拼接, 并采用 1:25 万的全国境界矢量数据建立掩膜文件, 对拼接的每日反射率亮温 NDVI EVI 和 FL 等进行掩模处理, 得到覆盖中国的数据图像 2.4 旬最大植被指数合成利用光学卫星数据监测地表植被覆盖, 常常会受到云的干扰为去除影像中的云体, 人们常常采用多

4 66 中国农学通报天的光学卫星数据进行合成处理利用每日生成的空合按旬合成的水云标识(FL)影像对 NDVI 和 EVI 图进间分辨率为 m 的全国范围植被指数影像采用最行云和水体标识处理并对植被指数图进行分处理大植被指数合成法 Maximum Value Composite 以下得到 2009 年 3 12 月各旬的 NDVI 和 EVI 分图具简称 MVC 按旬分别合成 NDVI 和 EVI 图同时结体实施步骤见图 2 [15] 图 2 按旬合成 NDVI EVI 水云标识(Fl)影像流程 3 结果与分析年 3 12 月各旬的 NDVI 和 EVI 合成处理工作将各利用 IDL 编程语言完成了上述算法方法程序并进行运行通过近 2 个月的处理工作便完成了 2009 旬植被指数合成图中 0~1.0 的植被指数均分为 10 个等结合水云标识文件部分结果见图 3 (a)4 月中旬 NDVI 分影像 (b)4 月中旬 EVI 分影像 (c)8 月中旬 NDVI 分影像 (d)8 月中旬 EVI 分影像图 3 旬最大植被指数合成结果分图

5 胡博等 : 基于 MERSI 数据的处理及旬植被指数生成方法 67 对图 3 中 a b c d 影像进行数据统计, 得到各像元的分布比例, 见表 NDVI 旬植被指数影像各分布相比 EVI 更均匀通过表 2 统计结果可知 :(1)4 月中旬全国 NDVI 分布范围为 0%~80%, 其中 10%~20% 分布的像元最多, 达到 14.89%;(2)8 月中旬全国 NDVI 分布范围为 0%~90%, 其中 60%~70% 分布的像元最多, 达到 8.93%;(3)4 月中旬全国 EVI 分布范围为 0%~100%, 其表 2 旬植被指数影像各像元分布比例 % 0%~10% 10%~20% 20%~30% 30%~40% 40%~50% 50%~60% 60%~70% 70%~80% 80%~90% 90%~100% 水云 4 月 NDVI 中旬 EVI 月 NDVI 中旬 EVI 中 90%~100% 分布的像元最多, 达到 30.06%;(4)8 月中旬全国 EVI 分布范围为 0%~100%, 其中 90%~ 100% 分布的像元最多, 达到 34.29% 其中,NDVI 旬影像其他各像元分布比例与像元分布最大比例之间相差不大, 在图 3(a) 3(c) 中各像元分布更为均匀明显而 EVI 旬影像其他各像元分布比例与像元分布最大比例之间相差较大, 且均偏向低比例分布, 在图 3(b) 3(d) 中像元大部分分布在 90%~100% 因此, NDVI 旬影像更均匀更有层次地体现了全国植被覆盖的总体分布状况 3.2 NDVI 旬植被指数影像更好地体现了植被覆盖的季节变化通常当植被指数大于 0 时, 植被指数越大, 植被覆盖度越大 4 月中旬处于植被生长期, 植被覆盖度相对不大 ; 而 8 月中旬处于植被生长旺盛期, 全国植被覆盖度相对 4 月应表现显著增加对比图 3(a) (c) 两图, 并结合表 2 中统计数据, 可见图 3(c) 中 NDVI 在 0%~ 10% 10%~20% 20%~30% 像元比图 3(a) 中少, 而 50%~60% 60%~70% 70%~80% 像元比图 3(a) 中多,8 月中旬相比 4 月中旬植被覆盖度明显增大对比图 3(b) (d)2 图, 可见图 3(b) (d) 中像元都集中在 90% ~100%, 图 3(d) 相对图 3(b) 仅体现出 90%~100% 的增多变化, 其他分变化不明显同时, 分析 4 月中旬和 8 月中旬对应像元的植被指数变化, 表明 NDVI 比 EVI 变化趋势更明显因此,NDVI 旬影像可以很好地反映出伴随季节的改变, 全国植被总体分布的变化情况通过对比分析表明 :NDVI 相比 EVI 各旬植被指数值分布更均匀, 每旬影像都能够更好地表现出全国植被覆盖的总体分布趋势 ; 同时,NDVI 时间序列影像, 更好地体现出全年植被的物候变化情况 ; 而 EVI 影像以高值为主, 时间序列影像植被覆盖变化不明显 4 结论与讨论 (1) 随着风云三号环境减灾小卫星等国产卫星的发射以及国产数据获取的不断增加, 使得有更多的机会应用国产数据解决生产生活中的实际问题通过实践, 证明笔者采用批量处理 FY3A MERSI 数据和植被指数合成等方法, 其生成的全国植被指数图结果不仅可靠, 而且在较短时间内完成了数据处理任务, 为项目的其他工作节省了时间和人力 (2) 目前, 研究中还存在一定的缺陷主要表现在 : 由于缺少 FY3A/B 卫星 MERSI 传感器的相关参数, 笔者未对可见光和近红外通道数据进行大气校正处理, 在计算 NDVI 和 EVI 时均采用的是大气上界的反射率, 这虽然对于今后植被的分类制图工作影响并不严重, 但将对今后植被生长变化的定量监测存在一定影响 ; 目前正在与相关技术员沟通, 以期实现对该类数据的大气校正自动处理功能 (3) 基于 2009 年 3 12 月间的 FY3A MERSI 数据, 生成中国各旬最大 EVI 和 NDVI 时间序列分影像, 通过对比全国各旬 EVI 和 NDVI 时间序列分影像, 得到利用 MERSI NDVI 数据按时间序列生成全国植被指数图比 MERSI EVI 具有植被指数值分布均匀, 能够更好地表现各旬全国植被覆盖总体分布趋势和植被的全年物候变化的优势这对今后研究植被类型分布及变化监测方法开展 FY3 卫星数据在林业行业中的应用等后续工作具有指导意义参考文献 [1] 张翠萍, 牛建明, 董建军, 等. 植被制图的发展与现状 [J]. 中山大学学报,2005,44(2): [2] 刘玉洁, 杨忠东..MODIS 遥感信息处理原理与算法 [M]. 北京 : 科学

6 68 中国农学通报出版社,2001, [3] 杨存建. 卫星遥感技术在林业中的应用 [J]. 遥感技术与应用,1994,9 (2): [4] Zhang Jiashen, Fang Meng, Sun Anlai. China s FY-3 Polar Orbit Meteorological Satellite And Its Applications[J].Satellite Technology and Applications,2009:2-8. [5] 董瑶海, 孙允珠, 王金华, 等.FY-3A 极轨气象卫星 [J]. 上海航天,2008 (5):1-11. [6] 雷松涛, 张宝龙.FY-3 气象卫星中分辨率光谱成像仪结构仿真分析 [J]. 上海航天,2009(4): [7] 张茂鑫, 李国春. 基于 HDF5 文件格式的 MERSI 影像数据提取的研究与实现 [J]. 现代农业科学,2009,16(3): ,222. [8] 冯锐, 纪瑞鹏, 武晋雯, 等.FY3/MERSI 和 EOS/MODIS 归一化植被指数差异分析.[J] 中国农学通报,2010,26(19): [9] 王馨凝, 李国春. 基于 MERSI 和 MODIS 数据的 2 种监督分类方法比较研究 [J]. 现代农业科技,2009(7): [10] 邓书斌, 于强, 骆知萌, 等.ENVI 下基于 GLT 的风云三号气象卫星几何校正研究 [J]. 遥感应用,2009(2): [11] 隋玉秀, 李国春. 中分辨率卫星数据分类的改进迭代聚类算法 [J]. 中国农业气象,2009,30(4): [12] 覃先林, 陈尔学, 李增元, 等.MODIS 数据的森林覆盖变化监测方法研究 [J]. 遥感技术与应用,2006,21(3): [13] 胡秀清, 张里阳, 郑照军, 等.FY-3A 中分辨率光谱成像仪热红外通道的多探元辐射定标 [J]. 现代农业科学,2010,18(9): [14] 王卫东, 王钊, 李登科. 基于 VC ++ 的风云三号卫星实时遥感数据提取方法 [J]. 陕西气象,2011(3): [15] 孟晓峻, 冯丽萍. 不同 MODIS 植被指数优劣的探讨 [J]. 内蒙古气象, 2007(6):50. 致谢 : 感谢国家卫星气象中心为本研究免费提供数据支持

数据和方法研究区概况机载高光谱数据收集样地冠层光谱数据收集

数据和方法研究区概况机载高光谱数据收集样地冠层光谱数据收集刘丽娟庞勇范文义李增元李明泽东北林业大学林学院黑龙江哈尔滨中国林业科学研究院资源信息研究所北京杭州师范大学遥感与地球科学研究院浙江杭州将机载和高光谱数据整合既可以获取可见光近红外短波红外区间连续的窄波段地物光谱又能得到很高的空间分辨率为高覆盖度的森林树种识别又增加了一种新方法但是由于两种传感器的光谱响应不同接收到的辐射值差异较大如何将两种数据有效整合目前仍