NPP/VIIRS多时相夜光遥感影像校正方法

2019-08-07李明峰蔡炜珩

测绘通报 2019年7期

李明峰，蔡炜珩

(南京工业大学测绘科学与技术学院，江苏南京 211816)

夜光遥感被公认为大范围同步监测社会经济活动的良好数据来源，已在人口估算、经济估计、城市化监测、环境与能源消费研究等领域得到广泛应用[1-8]。与美国国防气象卫星(defense meteorological satellite program，DMSP)搭载的业务型线性扫描传感器(operational linescan system，OLS)获取的数据相比，美国国家极地轨道合作卫星(national polar-orbiting partnership，NPP)搭载的可见光红外成像辐射仪(visible infrared imaging radiometer suite，VIIRS)获取的日夜波段(day and night band，DNB)继承并优化了前者的微光探测能力，消除了像元饱和，减少了溢出现象[9]。由于该传感器对夜间微光的优质探测灵敏度，影像易受噪声干扰，影响了应用的准确性。目前，针对NPP/VIIRS影像校正的研究尚不多见，大多停留在掩膜去噪[10]、固定阈值分割[11]等操作。利用DMSP/OLS掩膜剔除VIIRS噪声的方法仅适用于2012和2013年，且随着影像更新，掩膜去噪的弊端越来越明显；固定阈值分割法主观性强且通用性差，分割效果不稳定。此外，国内外针对NPP/VIIRS的校正和研究侧重于宏观尺度的年际数据，影像月度发布的优势很少体现。

本文在研究NPP/VIIRS月度影像辐射特征的基础上，提出多时相夜光遥感影像校正方法。该方法基于无光源区域样本剔除背景噪声，使用峰值特征化放大辐射差异，通过卷积阈值分离异常像元与稳定像元；对于卷积阈值边界附近的像元，按最大熵阈值和八邻域中值滤波重分类，实现对异常像元的动态剔除。

1 NPP/VIIRS夜光遥感影像数据分析

美国国家地球物理数据中心利用NPP/VIIRS的DNB波段获取的夜间灯光数据生产了月度影像集，提供像元辐射值表征灯光强度，灯光辐射值的大小反映灯光的强弱，单位为nW·cm-2·sr-1，像元辐射值0值及以下视为无灯光。使用2012年4月至2017年12月的69期NPP/VIIRS VCMCFG影像产品，以江苏省为研究区，行政区划矢量数据来自国家基础地理信息中心，GDP数据来自国家统计局。

由于影像显著提高了清晰度，火光、渔船和油气井等短暂光源及河流湖泊等反射弱光极易对数据造成局部扰动。表1中，背景噪声表现为影像中存在的部分低辐射及负值像元，依据“无灯光区域数值为0”的原则[12]，辐射值应为0；异常像元则表现为像元辐射值在相邻月份影像中的无序波动，2016年8—10月的最大灯光辐射值及辐射总值差距较大，根据近几年研究区持续稳定的发展状况和无重大灾害的自然情况，不应存在大量像元的异常波动。背景噪声和异常像元的存在影响了夜光数据应用的准确性，需对其进行校正。

表1 2016年8—10月NPP/VIIRS月度夜光遥感影像数据 nW·cm-2·sr-1

2 NPP/VIIRS数据校正方法

选取研究区69期月度夜光遥感数据，进行预处理、背景像元校正及异常像元校正等处理，流程如图1所示。

将月度数据作为待校正影像，编号Mij(i为年份，j为月份)，使用行政区划数据批量裁剪研究区。为避免形变，将影像重投影为Albers等积坐标系，重采样为500 m×500 m的网格。为降低影像的月变化敏感度，利用均值法对重采样后的Mij求得季度图像Qik(i为年份，k为季度)和年度图像Yi(i为年份)。引用Google Earth图像，从各地级市的Yi中选择19处样本区域，类型包括湖泊、大型水库和农田等无光源区。在VIIRS影像中寻找并记录该位置的辐射值，计算样本辐射均值作为最小阈值，将最小阈值以下的像元统一替换为0值，达到去除背景噪声的目的。

2.1 峰值特征化卷积运算

(1)

(2)

2.2 基于最大熵阈值的自适应滤波

(3)

式中，Thr为阈值；i为像元辐射值，Pi为直方图中像元辐射值出现的概率；N(R)为图像中最小辐射值；M(R)为最大辐射值。其中A、B的概率PA、PB及其熵HA、HB的计算如下

(4)

图像的熵Hmm为目标A和背景B熵的和，如下

(5)

目标A和背景B每个概率分布对应的熵，记为分布信息熵H(A)与H(B)，如式(6)所示。使得目标与背景分布信息熵H(A)与H(B)之和最大的Thr为最大熵阈值。

(6)

2.3 影像的校正结果评定

为检验校正效果，构建表征整体辐射情况的灯光辐射总数(total number of radiation，TNR)及反映辐射分布的像元离散指数(pixel dispersion index，PDI)，在微观尺度上比较影像的变化趋势，TNR计算如下

(7)

式中，i为像元辐射值；Ni表示i辐射值对应的像元数。月度序列TNR变化情况如图3所示。

由图3可知，因数据缺失及噪声的存在，初始TNR随时间推移存在大幅度无序波动的现象；校正修补了因云层遮盖而缺失的影像，TNR的波动幅度缩小，相邻月度影像TNR差异平均下降了63.84%，数据呈现持续增长轨迹，符合研究区发展情况，实现了时间序列上影像变化更稳定的效果。

校正对异常像元的剔除也影响了辐射值与像元数的分布及变化。构建像元离散指数PDI表征研究区域像元分布的离散程度，计算公式为

(8)

PDI最小值/(nW·cm-2·sr-1)最大值/(nW·cm-2·sr-1)PDI分布区间的月份数目<5(5,6](6,7](7,10]>10原始4.6433.002323392校正3.296.7319381200

针对DMSP/OLS与社会经济参量进行宏观定量关联分析的研究表明，夜光数据和年度GDP数据存在显著的线性关系[16-17]。由于掩膜去噪法不适用于2013年后的数据，本研究根据文献[11]的方法取0.30×10 nW·cm-2·sr-1作为固定阈值，得到江苏省13市2012—2016年的年度NPP/VIIRS校正数据。同时，基于本文的多时相夜光遥感影像校正方法(简称最大熵法)生产的月度影像求均得到年度数据。采用线性模型对两种方法模拟社会经济参量的潜力进行比较，由于数据值分布宽泛，对数据的显示和处理造成麻烦，统一采用对数变换处理，回归结果如图4所示。

图4(a)和图4(b)分别表示固定阈值法和最大熵法校正的NPP/VIIRS年度数据与全市生产总值的回归结果，lnGDP表示季度GDP的对数，lnTNR表示校正灯光辐射总数的对数。回归结果表明，全市GDP与固定阈值法的R2值(0.909)低于其与最大熵法回归的R2值(0.936)。说明在宏观年度尺度上，本文方法生产的夜光数据在区域生产总值上的相关性高于固定阈值法，具备更大的模拟潜力。