资源一号02C卫星数据在浙江省土地利用监测中的应用评价分析

浙江省土地资源调查办公室 王建锋 王友富 敖为赳 戴勇毅 关 涛

资源一号02C卫星数据在浙江省土地利用监测中的应用评价分析

浙江省土地资源调查办公室 王建锋 王友富 敖为赳 戴勇毅 关 涛

资源一号02C星是我国国土资源陆海监测首颗卫星，也是国土资源部首发业务卫星，标志着我国遥感卫星从科研试验型向业务应用型的转变。要用好02C星数据，并使其在国土资源调查与监测中发挥重要作用，需要有重点地选择约束我国资源卫星应用的一些关键性指标，如波段配准精度、几何畸变误差、成图能力、图像质量与图像解译、数据有效覆盖等开展评价。以此为基础，从国土资源日常性业务调查、行政性监管与执法职能出发，结合土地资源调查与监测等专题应用领域的特点、相关调查与监测的行业标准和技术规范等开展应用示范。

图1 02C星波段间配准检查

浙江省是该卫星在轨数据质量评价的实验区域之一。本文通过对不同地形地貌类型区域ZY-102C数据进行波段配准、几何校正和空间定位精度、图像质量与增强处理效果进行分析评价，结合土地变更调查对ZY-102C制图能力、地类识别能力和面积量算精度等进行了分析评价，以便有的放矢地在国土资源调查与监测中加以充分利用。

一、实验区域与数据

“资源一号02C”卫星搭载两台HR相机，空间分辨率为2.36米，两台拼接的幅宽达到54公里；搭载的全色及多光谱相机分辨率分别为5米和10米，幅宽为60公里。

本次验证是基于2012-2013年实验数据。主要是“资源一号02C”卫星5米/10米全色多光谱数据和2.36米高分HR数据的2级产品。综合考虑区域地形地貌类型、社会经济发展水平等因素，选择了杭州、景宁等区域共三景数据，分别从数据质量、成图能力以及在国土资源业务工作中的可用性开展综合分析评价，实验数据情况如表1。

二、评价内容及方法

（一）波段配准评价

波段间的配准问题是制约国产资源卫星数据规模化与产业化应用的重要因素之一。遥感数据波段之间的配准精度不仅影响到图像的几何定位与成图精度，而且也影响到地物分类的准确性以及地物边界的勾绘、图斑面积和长度等量测的精度。对于02C星数据而言，波段配准不仅包括P/MS10米多光谱波段之间的配准，也包括P/MS5米和HR2.36米全色影像与P/MS10米多光谱数据之间的像元配准问题。

1.1P/MS10米多光谱数据波段间配准评价

在进行影像纠正和融合前，首先检查多光谱数据不同波段间的空间匹配误差。在ERDAS软件多视图窗口中，利用Link功能将不同波段同步显示，通过选择多个点观测和拉窗帘两种途径检查，发现02C星数据波段间空间匹配不存在明显偏差，如图1所示。经过多景数据的目视检查，确认不同波段间不存在明显偏差后开展其他环节的评价工作。

图2 02C星影像配准中误差

2.2P/MS多光谱数据与全色数据（P/MS5米全色和HR2.63米全色）配准评价

基于CCD与全色数据的几何地理编码，分析评价5米和2.36米全色数据与10米CCD数据像元之间的配准误差。利用X和Y方向的中误差、最大值和最小值等统计量进行配准误差的评价分析。

全色与多光谱影像配准分别采用一次、二次、三次多项式法，对两景待配准影像分别选取20、30、40、50、60个控制点进行配准。针对处理后的影像，选择25个同名点作为检查点，通过计算不同配准影像上相同检查点的误差来评价HR和CCD数据间的配准误差。由于全色和多光谱原始影像都没有坐标，只有行列号，因此这里只给出配准的相对精度。从图2可得出如下结论：（1）总体上配准误差随着控制点数量的增加而逐渐减少，当控制点数量达到30个以上时，误差无显著降低，趋于稳定。（2）98791P/MS二次多项式和三次多项式拟合的控制点精度差异不明显；而142601P/MS和107171HR三次多项式拟合的效果明显好于二次多项式，表明三次多项式在高分影像和山地地形中的纠正效果较好。（3）全色和多光谱影像配准中，平原城市地区的配准精度最高，配准误差均在1个像元以下（P/MS传感器的空间分辨率为5米，0.5个像元约为2.5米），多光谱与HR影像的配准也非常好，控制点最大误差不超过1个像元。（4）142601景影像最大配准误差约为4.7个像元，平均误差约为4.2个像元，主要是由于其覆盖范围内绝大多数为山地和丘陵地带，地形起伏较大，需要通过DEM物理模型纠正消除视场角等引起的地形影响，给配准工作造成了一定的困难。

（二）几何校正和空间定位精度评价

空间定位精度评价是基于明显地物在02C星遥感影像与实际（真实值）点位之间的位置误差进行的评估。将校正后影像与基础底图在同一窗口中打开，采用“拉窗帘”的方法逐屏幕检查。同时，利用误差评价指标进行定量统计分析。以第二次全国土地调查建立的高分辨率航空正射遥感影像为参考影像和精度检查点采集基准，采用多项式方法，分别对5米/10米全色多光谱数据和2.36米HR数据进行几何校正，然后在校正后影像和参考影像上选取明显地物，参照“基础地理信息数字产品1∶1万、1∶5万数字正射影像图”并采用X方向中误差、Y方向中误差，点位平面中误差等指标来评价几何校正和空间匹配精度。

图3 02C星影像纠正误差

选择景号分别为98791P/MS、107171HR、142601P/MS三景数据开展纠正方法对比试验，以第二次全国土地调查的高分影像作为图像纠正控制点和精度检查点采集基准。首先采集20个纠正控制点，然后将纠正控制点加密至30、40、50、60，分别用一次多项式、二次多项式和三次多项式模型输出结果，最后在几何纠正后的影像上选取20-25个同名地物点进行精度检查，结果如图3所示。

由图3可知，采用同样控制点时，一次多项式的纠正误差最大，而二次和三次多项式法纠正精度均随着控制点数量的增加而显著提高。当控制点数量达到60个时，纠正误差达到最小，约为2个像元左右。与全色多光谱数据间的配准相似，纠正精度随着控制点数量增加有逐渐提高的趋势，但是当控制点增加到一定数量后，纠正精度不再上升，甚至有可能降低。因为过多的控制点可能会导致某些不确定点位的选取，同时也增加了数据处理时间。但控制点过少，纠正模型无法高精度拟合，从而造成纠正精度的下降。当控制点增加到50个的时候，纠正误差为7-8米且基本趋于稳定，可以认为是HR影像最佳控制点数。

图4 不同融合方法效果对比图

（三）图像质量与增强处理效果评价

1.图像融合处理及效果评价

测试数据中全色和多光谱影像分别采用Brovey、IHS、PCA、HPF、Pansharp、Gram-schmidt及小波融合七种常用算法进行融合，通过定性和定量两种途径进行融合效果评价。

定性评价。从视觉效果上看，各种融合方法的结果在空间信息上均有所改善，并在一定程度上能够保持光谱信息（图4）。其中，Brovey方法总体色调较暗，从图中可以看出，城区色调稍暗，但其绿地能比较明显的反映出来；而IHS融合方法则亮度略大于其他融合方法，这点从其灰度平均值较大也可以反映出来，此外，IHS融合法的颜色退化较严重。从空间细节方面来看，小波融合效果最差，影像纹理非常模糊，而Pansharp、GS和IHS法在空间信息保持上效果显著，尤其在建筑物和道路的纹理表达上，图像清晰度较其他方法有明显优势。在光谱信息保持上，小波融合所得光谱信息和原始多光谱影像较为接近，其次是GS和IHS变换法。目视判读的定性评价缺点在于有较大的主观性，不同的人会有不同的评价结果,因此还要进行融和结果的定量评价。

定量评价。对02C数据的评价选择了6个常用的客观评价指标：灰度平均值（u）、标准差（std）、信息熵（Entropy）、平均梯度（G）、相对偏差（Dr）和相关系数（ρ）。从图5统计结果可以看出：

（1）Brovey法的融合结果基本上是最差的：该方法融合后的图像均值相对于原始图像对应波段均值，偏差最大，反映出光谱保持性能较差；方差最小，反映出其对比度不大，色调单一，地物间可分性低；信息熵最小，说明其包含的平均信息量最少；平均梯度最小，反映出其对地物细节的表达能力较弱。

（2）HPF融合法无论在空间信息还是在光谱信息保持上均优于Brovey和PCA法，因其较高的图像梯度和相关系数。Gram-schmidt变换法和Pansharp变换法在方差、信息熵和平均梯度等空间信息评价因子中的均值为最高，说明两者在空间信息增强方面效果最好，尤其是图像的反差、信息量和层次度好，融合图像的细节和纹理信息最清晰，其中以Gram-schmidt变换法所获得的效果最好。另外，从影像各波段的相关系数和相对偏差来看，Pansharp变换法和Gram-schmidt变换法在光谱保持方面效果最好。在覆盖义乌和景宁的两景影像融合时也有相同的结果。如图4所示。

图5 02C数据融合效果定量评价情况

（3）小波变换法通常被认为在光谱信息保持上具有优势，但在本研究中未发现其较强的光谱保持能力，二、三波段的相关系数明显小于其他方法。同时，在空间细节上，小波变换融合法也没有体现出任何优势，融合图像在各个波段的平均梯度均小于多种方法，同时也没有表现出较大的方差，说明图像层次不清晰，对比度不强。如图5所示。

（4）PCA变换法对图像的光谱信息保持较好，图像表现出了很小的相对偏差以及较高的相关系数。同时，在空间细节的表现上，PCA也表现出了一定的优势，图像梯度比GS和Pansharp稍弱，但相对于其他方法较强，但是图像对比度较差。

（5）HPF法所得图像纹理较清晰，尤其在第二波段和第三波段，但是融合图像与原始图像在光谱信息上的匹配程度较差。HPF法所得图像反差没有GS法和Pansharp法强，IHS变换法同样不能很好的保持原始图像的光谱信息，光谱损失严重。

综上，对国产02C星数据的融合，建议采用Gram-schmidt变换法或者Pansharp变换法。无论从光谱保持上还是空间信息表达上均能发挥其最大优势，因此更适合常规地类的解译和提取。

2.图像增强处理及效果评价

采用直方图均衡化、对数变换、Gamma校正、均值平滑滤波、中值滤波、高通滤波、锐化、小波变换增强等八种图像增强方法对试验影像处理，比较不同处理方法对土地利用调查与监测中常用地类的区分能力，从而找出最佳增强算法。所有增强处理均在科学计算软件Matlab中完成。各种图像处理方法均在一定程度上起到了图像增强效果，但是各种方法由于其本身算法的特点，在增强图像质量的效果上有其优势和劣势。

直方图均衡算法的实质是减少图像的灰度等级以换取对比度的扩大。由于在均衡化过程中，原直方图上频数较少的灰度级被并入少数几个或一个灰度等级中，对应的图像部分得不到增强。同时，直方图均衡所得的增强效果难以控制，因此在02C数据的处理中，达到了一定的增强效果，但不是最佳。

图6 杭州（左）、景宁（右）区域图斑相对精度和相对吻合度分布频率

Gamma校正实际上是一种指数变换，作用是扩展图像的高灰度级、压缩低灰度级。虽然幂次变换也有这个功能，但是图像经过指数变换后对比度更高，高灰度级也被扩展到了更宽的范围。从增强后的结果来看，Gamma校正同样对图像有一定的增强，但是对比度、纹理信息没有得到很好的显示。

均值平滑滤波对于图像中的噪声可以得到很好的去除，尤其在高斯噪声的处理上优势非常明显。在02C数据中由于不存在比较明显的噪声，经过均值平滑处理后图像得到了一定程度的增强，但是图像中地物的边缘却变得更加模糊，不利于各地类边界的勾绘。中值滤波的效果和均值滤波相似，增强结果都需要进一步的处理，反而增大了工作量。

对数变换由于拉伸了图像中暗的部分，而在亮的部分压缩，这样使低值灰度图像的细节更容易看清，因此在本研究中体现出了较好的增强效果，在此基础上结合一定的锐化算法可以增加地物的识别能力。

在土地利用调查与监测中，重点监测的对象为建设用地和耕地，其次为园地、林地和水体。02C数据本身具有亮度比较暗，对比度不够明显，边界不够清晰，条带噪声、高斯噪声、及椒盐噪声不突出的特点。因此笔者提出了对数变换加拉普拉斯锐化的方法对图像进行增强，实践证明该方法可行，且对土地利用调查与监测中重点地类的监测效果有明显提升。

（四）地类提取精度评价

1.精度评价方法

精度评价主要完成类别精度，再是面积精度、边界精度的评价，按照《土地利用动态遥感监测规程》的标准，将2010年底完成并验收的变更调查成果中图斑按监测面积10-20亩、20-50亩、50-100亩和大于100亩分成4个层次,并对图斑编号。对每个层次的监测图斑进行统计，样本数量按照每层不低于图斑数的25%确定。用随机抽样法确定各层的样本点分布。叠加随机抽样图斑和融合后的02C影像，目视解译抽样图斑区域内的建设用地、耕地、水体、林地等地类，并且精确勾绘地类边界，统计区域内的图斑个数、图斑面积以及图斑属性，根据误差不同来源进行精度评价。

2.精度评价结果

抽样图斑总体精度评价。对杭州区域、景宁区域分别抽取212个、139个图斑进行重叠面积、面积精度和吻合度等总体精度评价，涉及建设用地、耕地、园地、林地、水域等5个地类，发现大部分图斑相对精度和吻合度在0.8以上且两者相似（如图6）。这表明，“资源一号02C”星遥感数据可应用于浙江省土地利用监测，但土地分类图斑的平均面积精度和吻合度与土地利用监测的要求尚有一定的差距

不同抽样土地覆盖类型面积精度评价结果。杭州区域212个抽样图斑中，属建设用地41个、耕地41个、园地44个、林地41个、水域40个，其相对面积精度与吻合度评价结果如表2。景宁区域139个抽样图斑中，属建设用地40个、耕地40个、林地44个、水域15个，其相对面积精度与吻合度评价结果如表3。

表2 杭州区域图斑相对面积精度与吻合度评价表

表3 景宁区域图斑相对面积精度与吻合度评价表

对杭州和景宁不同面积、不同地类、不同地区图斑的解译发现，各种类型图斑的平均面积精度和吻合度均达到0.85以上，显示出其出色的成图能力，且随着图斑面积的增大，图斑提取精度在此基础上进一步提高。在不同地区的精度对比中发现，局部地区地形地貌对图斑提取精度的影响是主要因素，当然，操作人员的经验和误差也是另一方面的因素，但可以列为次要因素。在不同地类的图斑精度对比中发现，建设用地和耕地表现比较平稳，而水体在两地的评价结果中均表现出了较大的面积偏差。原因有两方面：第一，河流、湖泊一般比较蜿蜒曲折，增大了解译人员的勾绘难度；第二，部分水体分布在地势陡峭的地区，地形地貌通过影响纠正精度进而影响图斑的面积误差。

在本次图斑提取中遇到的比较突出的一个问题是地类边界的确定。例如对于一块坑塘水面图斑，在高分影像中可以勾绘靠近水体的内边界，也可以勾绘图斑外边界，在没有标准的前提下进行人为主观勾绘往往会造成一定程度的偏差，图斑面积越大，这种人为因素造成的偏差越大，进而对后续分析的影响越大。

三、结论

通过对浙江省不同地形地貌类型区域ZY-102C数据进行波段配准、几何校正和空间定位精度、图像质量与增强处理效果进行分析评价，同时选取杭州市区、景宁县结合土地变更调查对ZY-102C制图能力、地类识别能力和面积量算精度等进行了分析评价。结果表明，三次多项式模型为最佳影像纠正方法，30控制点/景以上时全色与多光谱配准误差趋于稳定；50控制点/景以上时纠正误差为7-8米且基本趋于稳定；Gram-schmidt变换法或者Pansharp变换法融合效果适合影像土地利用地类的解译和提取精度；对数变换加拉普拉斯锐化影像增强处理方法提高影像土地利用判读和提取精度；多光谱CCD数据和HR传感器2.36米数据融合以后，建设用地、耕地、园地、林地、水体等类型图斑的平均面积精度和吻合度可达到0.85以上。由此可以看出，“资源一号02C”星遥感数据可应用于浙江省土地利用监测，但土地分类图斑的平均面积精度和吻合度尚有一定的差距，需要进一步的提高。