实测光谱和欧氏距离在GF2卫星海冰提取中的应用*

武晋雯,孙龙彧,冯 锐,纪瑞鹏,于文颖,郭 亮,张玉书*

(1.中国气象局沈阳大气环境研究所,沈阳 110166;2.沈阳市气象局,沈阳 110168;3.山西省平顺县气象局,山西 平顺 047400)

中国是受海冰危害最严重的国家之一,2010年中国渤海海域遭遇到近30年来最严重海冰灾害,因灾直接经济损失达63.18亿元[1]。近年来,各类极端天气事件风险加剧[2],灾害的突发性、反常性、不可预见性日益突出,由此造成的损失和影响不断加重。同时随着经济重心的北移[3],海冰灾害对环渤海经济圈的影响日益凸显。遥感是实时监测海冰灾害最有效的工具,它能准确快速地获取大范围的冰情信息,相比传统的监测方法具有很大的优势。国外发达国家卫星监测起步较早,始于20世纪60年代[4],我国海冰遥感始于20世纪70年代[5],关于海冰分类的研究有很多,主要包括基于实测光谱的海冰特征分析[6-7]、基于多光谱卫星的光谱指数统计学分类[8-11]、基于微波雷达数据的网格图法[12]、基于高光谱卫星的监督分类[13]等,所有这些海冰遥感研究最重要的前提是获得有效的遥感反射率。不论是高光谱卫星还是多光谱卫星,由于受到卫星的光谱分辨率、空间分辨率以及地物混合光谱的限制,存在很大的不确定性[14],在遥感影像中海冰信息在各种因素的干扰下被弱化,以实测光谱数据为桥梁,将典型地物光谱与遥感影像连接起来[15],能够更准确的获得海冰有效反射率。因此本文基于实测光谱数据,确定敏感波段和最佳判识指标作为海冰提取的先验知识,再结合多光谱空间分辨率3.24 m、全色空间分辨率0.81 m的高分二号卫星(GF2)数据开展海冰提取研究,目的为中低分辨率卫星大范围的海冰监测提供基准订正数据,实现高光谱分辨率、高空间分辨率、高时间分辨率的有效结合,提高海冰防灾减灾和海冰资源开发对海冰提取精度的要求。

1 数据与方法

1.1 光谱观测数据

2016年2月16～20日10:00～12:00点晴空时,采用美国ASD公司的FieldSpec Pro便携式光谱仪在营口鲅鱼圈、盖州白沙湾、大连瓦房店附近海域进行光谱观测。辽东湾海域1月中旬至2月中旬为盛冰期[16],观测时间段处于盛冰期末至融冰期开始的过渡时期,分别采集雪(雪覆盖海冰)、海冰、冰水混合物、海水四类光谱,共处理光谱数据1 590条(表1)。

表1 野外实测光谱采集的样本信息

1.2 卫星遥感数据

GF2卫星空间分辨率、覆盖周期等有效载荷指标,见表2[17]。2016年2月16日覆盖辽东湾海域的数据共8景(图1),来源于中国资源卫星应用中心,数据处理采用ENVI软件。

表2 高分二号卫星有效载荷技术指标

图1 覆盖辽东湾海域的GF2卫星数据轨道图

1.3 海冰判识和精度检验

1.3.1 等效反射率转换

(1)

式中,Rrs(x)为GF2卫星传感器x波段等效遥感反射率,RASD(λ)为ASD光谱仪现场测量的反射率,SX(λ)为GF2卫星光谱响应函数,λ1、λ2分别为光谱响应函数两侧0.1%的响应点。

1.3.2 欧氏距离

欧氏距离反映了两种地物类型之间的亮度差异,欧氏距离越大,两种类型的可分性越强[21-23]。用于研究不同波段或波段组合上海冰与其他相似地物的可分性,进行海冰判识。

(2)

式中,ED为欧氏距离,xi、yi为两种类型的光谱亮度值。

1.3.3 混淆矩阵

混淆矩阵是最常用的分类精度评价方法,其中总体分类精度(OA)用于评价正确分类像元占总像元数的比例,Kappa系数(K)用于评价遥感影像分类结果的一致性[24-25]。

(3)

式中,OA为总体分类精度,pii为第i类像元被正确分类的样本数,n为分类的类型数量,N为样本总数。

以拼多多为典型的裂变式社交电商主要通过微信小程序获取客户。现在大部分移动网民手机里面不一定有淘宝、天猫、京东等传统电商的APP，但基本会有微信，而且容易受到朋友圈的影响。当拼多多通过微信实施拼团模式时，更是明显出现裂变效应。消费者如果想拿到低价甚至免费的商品，就必须要在朋友圈里发布商品分享信息，这种行为本身是在为商家作免费推广，同时又为自己获利。但如果经常在朋友圈发布商品信息，则容易引起朋友的反感。一开始朋友可能碍于情面会帮忙“砍一下价”，但长期如此则会令人心生厌烦，难以持续发展。这种以社交媒体与电子商务相结合，以信任为核心基础的交易方式，一旦滥用，便不可避免的造成人情的过度消耗。

(4)

式中,Pe表示理论上分类结果与真实结果相一致的概率,Pi+是第i类型所在列的像元数目之和,P+i是第i类型所在行的像元数目之和,ENVI提供基于混淆矩阵的精度分析。

2 结果与分析

2.1 辽东湾海冰光谱特征分析

实测光谱反射率曲线及对应的GF2卫星波段设置如图2,雪、海冰、冰水混合物、海水光谱反射峰在400 nm～780 nm的可见光波段,780 nm～1 000 nm的近红外波段(B4波段)反射率明显下降,这与已有研究结果一致[26-27]。在可见光范围内雪属于高反射体,雪的光谱反射率为66%～79%,并且随着波长的增加而下降;海冰、冰水混合物、海水的反射峰均出现在590 nm附近(B2波段,灰色粗线所示),海冰的反射峰值为55%、冰水混合物峰值为19%、海水峰值最低为10%,之后反射率随波长增加而下降,在B4波段下降明显。光谱分析结果表明:GF2卫星的B2、B4波段对应的光谱测量曲线的峰值和低谷,可作为海冰判识的敏感波段。

图2 辽东湾海冰光谱特征

2.2 基于欧氏距离确定海冰最佳判识指标

根据欧氏距离越大,地物之间可分性越强,海冰判识指标越好的原则,确定海冰最佳判识指标。光谱特征的判识方法可分为3种:代数运算法、导数法和变换法。为了增强某种信息而减弱另一种信息,通常采用代数运算法中的比值法[14]。因此为了增强海冰信息,本文采用单波段、波段比、波段差和比16种海冰判识指标[22]。光谱判识指标由实测光谱数据经过等效反射率转换(式1)后计算得到,卫星判识指标经过提取通道值计算得到。

基于实测光谱数据计算16种判识指标中海冰与雪、冰水混合物、海水之间的欧氏距离(表3)。

表3 16种判识指标的欧氏距离(光谱测量数据)

结果表明:海冰-海水的可分性最强,B1/B4、B2/B4、B3/B4的欧氏距离分别为2.64、3.64、2.41,其中B2/B4的欧氏距离最大;海冰与冰水混合物的可分性一般,欧氏距离均小于1,B2/B4欧氏距离略大;海冰与雪的可分性较弱,单波段指标的欧式距离大于其他指标。

由于光谱测量点布局有限,因此在大范围监测的GF2卫星遥感影像(图1)均匀提取雪、海冰、海水三类地物光谱反射率,实现基于实测光谱先验知识的广应用。样本数分别为216、285、300,由于卫星空间分辨率限制,冰水混合物无法明确提取,因此仅计算计海冰与雪、海水之间的欧氏距离(图3)。

图4 GF2卫星海冰提取流程

判识指标序号对应指标见表3图3 16种判识指标的欧氏距离(GF2数据)

结果表明:B1/B4、B2/B4、B3/B4计算海冰与相似地物的欧氏距离累计值分别为6.33、6.96、4.75,B2/B4欧氏距离最大,是海冰最佳判识指标。

2.3 GF2卫星海冰快速提取及阈值确定

在图像处理时,采用灰度线性拉伸的方法突出海冰信息并确定海冰阈值:

(5)

式中,B2、B4分别为GF2卫星2通道、4通道反射率,R0、R1为海冰提取阈值,参考值分别为8、22;剔除背景值和干扰值,波段比小于8为陆地像元,波段比大于22为海水像元。

以图1中NO.1轨道影像为例,GF2卫星影像经过正射校正、辐射定标、大气校正后,利用式(5)提取海冰像元。图4(a)为彩色合成影像,图4(b)为判识指标计算的灰度图,图4(c)为密度分割图,比值8～22为海冰像元,白色为海水、灰色为陆地及背景,初步实现了海冰与海水、陆地的分离,但由于陆地冰雪及沿岸水产养殖(结冰)的影响,存在干扰像元,因此沿海岸线制作陆地掩膜,提取海冰信息(蓝色)(图4(d))。

2.4 海冰判识指标精度评价

2.4.1 海冰验证数据

以GF2空间分辨率为 0.81 m的全色与多光谱数据融合后的遥感影像(图5(a)、5(c))作为海冰验证数据,由于大范围融合后数据运算量较大,所以选取感兴趣区域(图4(a)矩形①、②)进行精度评价,感兴趣区内包涵海冰、海水、岩石信息,采用基于样本的面向对象分类方法[28]提取海冰(蓝色)、海水(白色)、陆地(灰色)信息,如图5(b)、5(d)。

图5 感兴趣区的融合影像及分类图

2.4.2 精度评价

综上所述,B1/B4、B2/B4、B3/B4指标欧氏距离较大,海冰与其他相似地物的可分性较强。单波段[8]和波段差和比[29]方法是中低分辨率卫星海冰提取常用判识指标。因此,比较以上5种判识指标的海冰提取精度。结果表明:本文提出的新指标(B2/B4)在海冰与海水两种地物分类中比其他指标略高;在多种地物分类中该指标总体精度为 96.48%,Kappa系数大于0.5,比其他指标高出 3.89%～4.85%(表4)。

表4 不同判识指标的海冰提取精度评价

3 结论与讨论

已有的海冰遥感监测研究中,针对1 m～4 m高空间分辨率卫星研究较少,大多应用中低分辨率的光学卫星和雷达卫星。虽然高分辨率卫星覆盖范围有限,但确是中低分辨率卫星大范围遥感监测不可缺少的订正数据源,尤其针对海冰这类无法获取准确信息的研究中。本文以实测光谱数据为桥梁,作为海冰遥感提取的先验知识;通过等效反射率转换和欧氏距离确定单波段、波段比、波段差和比3大类16种判识指标在海冰提取中的应用效果,通过光谱曲线分析结果表明GF2卫星B2、B4波段对应光谱测量曲线的峰值和低谷,初步确定这两个波段为海冰判识的敏感波段;基于实测光谱和卫星数据的欧式距离计算结果表明16种判识指标中,B2/B4指标欧氏距离最大,海冰与相似地物的可分性最强,是海冰最佳判识指标,同时B1/B4、B3/B4这2种判识指标欧氏距离较大,判识方法较好。

海冰判识指标确定后,在图像处理中,采用灰度线性拉伸的方法突出海冰信息构建海冰判识模型并给出参考阈值。最后,以GF2空间分辨率为 0.81 m的全色与多光谱数据融合后的遥感影像作为海冰精度检验数据,比较本文提出的新指标与其他2种欧氏距离较大的判识指标和2种常用判识指标的海冰提取精度,结果表明:在冰水两种地物分类中,B2/B4 判识指标略好;在多种地物分类中,B2/B4判识指标总体分类精度为96.48%,Kappa系数大于0.5,比其他指标高出3.89%～4.85%。

在遥感影像处理过程中,对于一定积雪厚度下面是海冰还是泥沙信息,无法从图像处理角度解决(图5c),有待进一步研究。所以初步以海岸线划分剔除陆地信息,认为海域内雪覆盖下均为海冰,作为海冰像元提取。本文提出高分辨率卫星海冰快速判识指标,为中低分辨率卫星大范围海冰监测提供基础订正数据,从而提高海冰监测精度。