资源一号02D卫星影像防护林信息提取方法

李毅夫 王琫瑜 高志海 闫紫钰 孙斌

(1 中国林业科学研究院资源信息所，北京 100091)(2 国家林业和草原局 林业遥感与信息技术重点实验室，北京 100091)

2019年9月12日11时26分，我国在太原卫星发射中心使用长征四号运载火箭，成功将资源一号02D卫星(又称为5米光学业务卫星)送入预定轨道。资源一号02D卫星设计寿命5年，是我国自主建造并成功运行的首颗民用高光谱业务卫星。资源一号02D卫星的发射，进一步完善了自然资源卫星观测体系，并将与后续系列卫星组网，形成全球领先的业务化对地光谱探测能力。防护林监测是林业主体业务森林资源调查的主要内容之一，目的是为国家适时掌握林业资源的状况及变化情况提供可靠的技术支撑与信息保障[1]。在我国，防护林种类多、分布广，随着遥感技术的不断发展特别是遥感数据源的不断丰富，遥感成为防护林监测的重要技术手段。

为进一步了解资源一号02D卫星影像特征及其在防护林信息提取中的应用能力，本文以获取的覆盖河北省张北县的资源一号02D卫星多光谱和高光谱为主要数据源，基于监督分类方法，开展了资源一号02D卫星影像数据对农田防护林遥感信息提取能力应用测试，并与GF-2、Landsat-8 OLI等卫星的遥感影像提取结果进行了对比验证，旨在为资源一号02D卫星在森林调查业务中防护林监测与信息的提取能力与应用潜力提供及时的参考信息。

1 研究区概况与数据准备

1.1 研究区概况

为根治我国西北、华北和东北地区风沙危害大、水土流失严重的状况，国家于1978年决定在我国“三北”地区建设大型防护林生态工程，即“三北”防护林工程[2]。其中，张北防护林是风沙入京的重要防线。本次实验研究区位于河北省张家口市张北县，作为距离北京最近的主要沙源地，该县地处河北省西北部，内蒙古高原南缘的坝上地区，地处北纬40°57′～41°34′，东经114°10′～115°27′之间，境域东西109 km，南北67 km；平均海拔1400多米，北、中部地势平坦，向西北渐低；年平均气温3.2 ℃，昼夜温差大；降水少，年平均降水量在300 mm左右且分布不均。

1.2 数据准备

1.2.1 资源一号02D卫星数据

综合考虑卫星在轨测试期间遥感影像的可获得性及农田防护林与农作物的物候特征，选取研究区2020年8月10日空间分辨率为2.5 m、10 m的资源一号02D卫星全色与多光谱影像和30 m的高光谱数据作为主要测试数据源，数据由自然资源部国土卫星遥感应用中心提供。

资源一号02D卫星搭载一台多光谱传感器，能够获取9个波段多信息，除了具有GF-2所有的光谱波段外，还有以下不同：资源一号02D卫星全色谱段分辨率可达2.5 m、多光谱为10 m，相对于高分二号(GF-2)卫星数据在地物纹理特征表达相对较弱；由表1[3]可知，资源一号02D卫星多光谱数据增加了深蓝、黄边、红边波段，在光谱信息上更有优势；资源一号02D卫星可有效获取115 km幅宽多光谱数据，回归周期55天，重访时间3天，相较于GF-2卫星数据具有更高的覆盖能力。

相较于GF-2卫星5个波段、2台相机的组合，资源一号02D卫星多光谱VNIC传感器，采用双通道多谱段高集成焦平面技术，提高了影像获取效率，一台相机可获取以往两台相机才能获取的信息量，提高了相机的利用效率，节省了载荷成本[4]。

表1 资源一号02D卫星与GF-2卫星影像的主要参数对比Table 1 Comparison of spectral bands between ZY-1-02D satellite and GF-2 satellite

对遥感数据进行基本的统计分析是图像处理的基础工作，对影像的显示、波段组合和各种分析处理提供基础依据[5]。统计内容通常包括图像各波段的最大值、最小值、平均值、方差、相关系数和各波段的直方图等信息，见表2。分析波段间的相关性，可以避免选用信息量基本相同的波段[6]，由表3[3]可知，资源一号02D卫星多光谱数据可见光波段间相关性较强，与2个近红外波段相关性较弱；由表4[3]可知，通过主成分分析，前三个主成分可代表资源一号02D卫星多光谱数据97.74%的信息量。

此外，资源一号02D卫星搭载一台可见短波红外高光谱相机(AHSI)，可有效获取60 km幅宽的166谱段高光谱数据，其分辨率优于30 m。高光谱载荷可见近红外和短波红外光谱分辨率分别达到10 nm和20 nm。

表2 资源一号02D卫星多光谱影像的统计特征值Table 2 Statistics of ZY-1-02D satellite multispectral image

表3 资源一号02D卫星多光谱波段相关系数表Table 3 Band correlations of ZY-1-02D satellite multispectral data

表4 资源一号02D卫星多光谱影像主成分变换信息统计表Table 4 Statistical results of principal component transformation information of ZY-1-02D satellite multispectral data

高光谱影像数据具有大量“连续”的波段、很窄的波段间隔的特点，可以探测与识别地物的类别、组分等细节特征。通过资源一号02D卫星高光谱数据提取典型地物光谱曲线如图1所示，光谱曲线越接近的地物类型区分难度越大，在资源一号02D卫星高光谱数据400 nm到2500 nm的波长范围内，利用典型地物灰度(DN)值差值较大时对应的波段，可有效将研究区主要典型地物区分并提取防护林信息。

图1 实验区典型地物光谱曲线图Fig.1 Spectra of main land cover types of the test image

1.2.2 对比遥感数据

选择2020年8月25日的GF-2(空间分辨率全色为1 m、多光谱为4 m)影像，作为资源一号02D卫星多光谱影像对比数据，由中国资源卫星应用中心提供；选择2020年8月26日Landsat-8 OLI影像作为资源一号02D卫星高光谱影像对比数据，由地理空间数据云提供[7]。

1.2.3 数据预处理

根据自然资源部国土卫星遥感应用中心提供的资源一号02D卫星绝对定标系数和光谱响应函数，分别对多光谱和高光谱数据进行辐射定标和大气校正(FLAASH模块)。资源一号02D卫星多光谱和高光谱数据进行正射校正后分别与GF-2和Landsat-8的OLI进行几何校正，控制误差在0.5个像元内。详细技术过程见图2所示。

图2 防护林提取过程图Fig.2 Flow chart of shelter forest extraction

2 研究方法

2.1 基于多光谱影像的防护林信息提取

绿色植被比值植被指数(RVI)值较高；而无植被地面包括裸土、人工地物、水体以及枯死或受胁迫植被RVI值较小[8]。所以，RVI能增强植被与土壤背景之间的辐射差异；而且在高植被覆盖度下，RVI对植被十分敏感，但当植被覆盖度小时，其分辨能力下降。防护林林带内种植密集，在国产高分辨率分辨率影像中具有较高的覆盖度，与土壤背景差别较为明显，使用RVI在植被覆盖浓密的情况下提取防护林信息效果更好[9]。比值植被指数可以表达为

(1)

式中：DNIR为近红外波段灰度值、DR红光波段灰度值；ρ为地表反射率ρNIR近红外波段反射率，ρR红光波段反射率。

本次试验将RVI作为特征波段，分别加入资源一号02D卫星和GF-2卫星多光谱数据，通过随机森林分类方法对防护林信息提取。

2.2 基于高光谱影像的防护林信息提取

鉴于高光谱数据波段多、信息量大、各波段之间存在信息冗余的特点，本次测试采用主成分分析(PCA)的方法对测试数据进行降维，以减少高光谱数据冗余和部分噪声并减小数据量[10]。选取前8个波段代表资源一号02D卫星高光谱数据99%以上的信息参与分类，使用随机森林分类器对防护林进行识别提取。

3 结果与分析

借助更高分辨率影像数据和地面调查等数据作为影像中地类真值，对Landsat-8 OLI与资源一号02D卫星数据的防护林提取结果进行评价。

3.1 基于多光谱影像的防护林信息提取

采用随机森林分类方法，分别在GF-2与资源一号02D卫星多光谱数据波段中加入各自的RVI波段进行分类。通过目视对比判断，由图3、图4可知GF-2与资源一号02D卫星多光谱数据均可以很好的地提取防护林信息，多光谱高分辨率影像不仅可以准确提取片状林地，而且对条带状防护林有很好的提取能力。

图3 资源一号02D卫星多光谱影像防护林分类提取结果Fig.3 ZY-1-02D satellite multispectral image shelter forest classification and extraction results

图4 GF-2卫星影像防护林分类提取结果Fig.4 GF-2 satellite multispectral image shelter forest classification and extraction results

3.2 基于高光谱影像的防护林信息提取

采用随机森林分类方法，分别对Landsat-8 OLI与资源一号02D卫星高光谱数据进行分类。通过目视对比判断，由图5、图6可知Landsat-8 OLI与资源一号02D卫星高光谱数据对片状林地具有很好的提取能力，而对条带状防护林的提取能力相对较弱。

图5 ZY-1-02D卫星高光谱影像防护林分类提取结果Fig.5 ZY-1-02D satellite hyperspectrall image shelter forest classification and extraction results

图6 Landsat-8卫星影像防护林分类提取结果Fig.6 Landsat-8 satellite image shelter forest classification and extraction results

3.3 精度检验

本文在多光谱数据测试中，共选取样本132个，其中防护34个，其他类型样本98个；在高光谱数据测试中，共选取样本143个，其中防护34个，其他类型样本119个。防护林分类提区结果见表5。

表5 提取结果精度验证Table 5 Accuracy evaluation of classification results

3.4 结果分析

由分类精度验证可知，资源一号02D卫星多光谱数据和GF-2数据对防护林提取结果均具有较高的精度，表明资源一号02D卫星多光谱数据对防护林具有较好的提取能力。结合目视对比判断各影像与其对应的分类结果可知，资源一号02D卫星多光谱数据对条带状和片状防护林地均具有较好的识别提取能力。

在资源一号02D卫星高光谱数据以及Landsat-8数据的分类结果中，防护林提取结果的正确率均保持较高水平，冗余误差和遗漏误差较小，结合目视对比判断各影像与其对应的分类结果可知，资源一号02D卫星高光谱数据对片状防护林地具有较好的识别能力，光谱特征明显，但是由于分辨率的限制，在防护林带和行道树的提取中略有不足。

4 结束语

资源一号02D卫星同时具备高分辨率和高光谱成像能力，本文通过开展资源一号02D卫星影像对防护林遥感信息提取能力应用测试，验证资源一号02D卫星多光谱和高光谱数据在实现防护林提取方面分类精度较高、实用性强，具有较好的提取能力，可满足三北防护林分布监测及变化等信息遥感提取。多光谱数据适用于较大尺度的防护林信息识别提取与监测，而高光谱数据更适合用于防护林类型的精细识别、树种识别和林木病虫害监测识别等。在森林调查和监测主题业务中具有巨大的应用潜力。

防护林在遥感影像中具有典型的植被特征，但要从复杂的绿色植被中提取出来，不仅要分析其光谱特征，也需充分利用其独特的空间几何特征。在多光谱数据的高分辨率尺度下，防护林具有较强的纹理特征，针对这一特征可以进一步研究其纹理特征参数，综合其他几何特征，将会进一步提高农田防护林的提取精度。而由于没有足够详细的地面实测数据，不能充分发挥高光谱数据的光谱优势，无法体现出防护林内部的林分差异等特征。

本次测试实验影像选取时间为8月份，虽然是植被的生长季，但不是区分防护林和其他类型植被的最佳物候期，而且针对防护林的分类提取方法较为简单，对于资源一号02D卫星数据的潜力尚有待通过更加深入的研究加以探索。