基于对比分析的国产高分辨率卫星影像数据质量评价与应用研究

宋 欣，方爱玲，刘 军，尤小燕

（甘肃省国土资源规划研究院，甘肃 兰州730000）

1 概述

我国发射卫星多为军星或服务于测绘事业，随着卫星影像数据在各个方面应用逐渐广泛，以获取观测数据功能的民用卫星也相继发射升空，近几年，相继发射了资源一号02C（简称02C）、资源三号（ZY3）和高分一号（GF1）等卫星，为我国国土资源调查、环境监测等方面提供了重要的技术保障。资源一号02C是我国第一颗获取高分辨率观测数据的卫星，于2011年发射升空。资源三号卫星是我国第一颗高分辨率民用立体测绘卫星，以2012年1月9日成发射。高分一号卫星是国家专项用于提升获取高分辨率观测数据能力研制的，发射于2013年4月26日，其寿命大于5年，也是目前我国寿命最长的低地球轨道遥感卫星。卫星数据凭借着时效、客观、宏观的优势，直观上便能目视解译出地面状况信息，经过再次数据处理，将会获取更多的信息，在土地利用遥感方面发挥着重要的作用［1］。国内外在卫星发射成功后，一般都会对卫星数据质量与应用进行评价，但多数据源之间的对比分析研究并不多见，本论述就对多数据源数据间数据质量和应用效果进行对比分析，体现卫星数据在具体工程项目中的数据质量差异。

质量评价以国土资源调查规范、技术规范为标准，对卫星影像数据的原始数据检查、几何校正精度、数据融合质量三个方面进行研究。应用效果评价方面，通过人工目视解译结果，对比分析影像数据的最小可识别图斑、地类可分性及实验区土地利用遥感监测试验成果。全国土地利用变更与核查遥感监测是由国土资源部发起，在我国境内开展国土调查与变更的一项重要工作，以遥感卫星影像数据覆盖全国，快速准确的发现土地利用变化信息［2］。数据涉及国内外主流卫星影像数据，随着我国高分辨率卫星高速发展，至2014年该项目使用国产卫星遥感数据覆盖率达到80%以上。项目要求成果影像数据有较高的校正精度、接近自然真彩色及清晰的纹理特征，最大化的体现卫星影像数据的地类信息解译与提取能力。

2 卫星及其数据基本特征

卫星功能略有差异，其搭载传感器种类、数据观测幅宽、空间分辨率、侧摆能力及重访时间有所不同，具体参数见表1所列。

此次试验数据采用上述卫星的高分辨率全色数据及多光谱数据，即02C全色/多光谱数据，分辨率为2.36/10 m；TH1全色/多光谱数据，分辨率为2/10 m；ZY3全色/多光谱数据，分辨率为2.1/5.8 m；GF1全色/多光谱数据，分辨率为2/8 m。本次实验区为甘肃省平凉市崆峒区，区域内有城市、山区、平原等多种地形地貌，能够综合全面的反映卫星影像数据的质量特征。

3 影像数据处理方法

3.1 原始数据检查

获取影像数据后，我们要对原始影像数据进行初步检查，会出现一些由传感器、大气干扰等客观因素造成的影像质量问题。

（1）全色数据有高光溢出现象，用邻近像元平均值进行平滑处理，会解决这问题。此类现象主要出现在资源三号卫星数据，其辐射量化为10 bit，即灰度值为0～1 023，但发现有许多高反射地物，尤其在城镇等地物密集区域会出现白色亮斑，即灰度值大于1 023，具体效果如图1（a）所示。

（2）全色数据存在条带噪声，消除条带噪声方法较多，其中以小波变换法最优［3］。此类现象主要出现在资源一号02C卫星数据，存在3种条带噪音，一是由传感器的相对增益和偏置不同引起的；二是由传感器成像原理引起的；三是由随机噪声、电子噪声、或链路噪声引起的［4］，具体效果如图1（b）所示。

图1 原始影像检查问题

3.2 正射校正

在接收卫星数据后，数据接收站或出售商会对数据进行辐射校正等预处理。为了满足国土资源调查应用精度要求，需要制作高精度影像数据，再次对影像进行几何正射校正。常用几何校正模型有多项式模型和RPC有理函数模型，发现RPC有理函数模型校正后结果精度较高［5］。参照高精度参考影像数据及DEM数据对全色高分辨率影像进行几何正射校正，多光谱影像数据需要与已校正后的全色数据进行配准。影像配准就是将不同条件下获取的多幅影像数据进行像元定位、对齐的过程［5］。多光谱数据与全色数据配准是进行数据融合的关键步骤之一，多光谱影像有4个波段，即红（R）、绿（G）、蓝（B）及近红外，本文涉及的三种卫星多光谱影像数据的波段之间重合良好，不需要分波段进行配准，仅与校正后的全色数据配准即可，波段间不能出现重影。上述三类卫星试验数据所有全色影像数据校正后采样间隔定为2 m，多光谱影像数据采样间隔定为8 m。根据国土应用规定精度要求，影像数据在平原校正精度偏移量不超过一个像元即为2 m，山区偏移量不超过2个像元即4 m。

表1 多种卫星传感器参数

3.3 影像融合

影像数据融合即对相同地区正射校正后的卫星全色高分辨率影像与配准后的多光谱影像按照相关算法结合起来。一般融合后影像数据会偏红或偏蓝，影响地物判读。通过波段加权算法，对多光谱影像数据的近红外波段加权融合到RGB三波段，形成RGB三波段多光谱影像数据，色彩要接近自然，不同季节影像色彩应反映当时地类光谱特征。国内外关于卫星影像数据融合方法研究较多，常用的Pansharp、Modified HIS、主成分变换（Principal Component Analysis）、高通滤波（High-Pass Fliter）、Brovey、GS（Gram-Schmidt）、小波变换等［6-10］。经过多次融合试验，确定最适融合方法，02C数据采用不确定参数法，ZY3数据采用Pansharp融合方法，GF1数据采用Subtractive融合方法。

4 数据质量评价

4.1 数据正射校正精度质量评价

数据正射校正精度是体现数据质量的重要标准之一，在ERDAS软件中完成上述三类卫星全色影像数据几何正射校正。每一种卫星影像数据分别选取16、32、48、64个控制点数进行几何正射校正，并对四种校正结果进行对比分析，得出当前卫星数据最适控制点数量，即影像校正精度最高的最少控制点数量。平均残差值应控制在1以内合适，但由于卫星数据质量差异、参照影像制作精度、DEM精度等因素的影响［11-12］，其值会出现超出1的情况。以参考影像为准，校正后影像控制点的空间位置与参考影像控制点的空间位置在X轴、Y轴方向上的偏移量为X/Y轴方向偏差，取其平均值，具体参数见表2所列。

表2 影像数据正射校正参数

经过试验验证，02C数据的最适控制点数为32，平均残差值、X/Y轴方向偏差最小，且处于合理范围内；当控制点数在16、48、64时，X/Y轴方向偏差超出2 m，已不符合应用规定精度。GF1数据的最适控制点数为32，平均残差值、X/Y轴方向偏差最小，且处于合理范围内；当控制点数为16时，X/Y轴方向偏差并未超过2 m，精度满足本次应用要求；当控制点数为48、64时，随着控制点数增多，校正精度并无明显变化。ZY3数据的最适控制点数为16，当控制点数在32、48、64时时，随着控制点数增多，校正精度并没有明显增高。

02C、GF1、ZY3影像数据在最适控制点数校正影像定位精度均满足本次应用规定精度要求。GF1、ZY3影像数据平均残差值、X/Y轴方向偏差值接近，数据质量在几何定位精度方面处于同一水平；02C数据在最适控制点数情况下，校正精度虽然满足应用规定精度要求，但平均残差值、X/Y轴方向偏差高于GF1、ZY3影像数据，数据质量在几何定位精度方面弱于GF、ZY3数据。

三种卫星影像数据在平原、山区校正精度表现如图2所示。

从图2来看，02C、GF1、ZY3影像数据在平原地区校正精度较高，并无明显差别，误差在半个像元间（1 m）浮动，满足本次应用在平原地区的规定精度要求。在山区，02C影像数据的校正精度误差在2个像元间（4 m）浮动，GF1、ZY3影像数据的校正精度误差在1个像元间（2 m）浮动，02C影像数据的校正精度在山区弱于GF1、ZY3影像数据，但满足本次应用在山区的规定精度要求。

4.2 数据融合质量评价

图2 三种卫星影像数据在平原、山区的几何校正精度效果对比

对校正、配准后满足精度要求的全色与多光谱数据，采用相应的融合模型进行影像融合处理。融合后影像分辨率是以全色数据分辨率为准，色彩要接近自然真彩色。影像数据融合主要目的是提高影像分辨率、地物辨识度、降低噪音、信息增强等，更有利于地物信息的解译与提取。

本论述采用主观的方式，定性的从影像数据目视效果进行分析。以影像的色彩、纹理、清晰度3个方面进行对比分析，具体效果如图3所示。

（1）色彩方面，通过目视GF1影像色彩真实但偏暗，不同地物色彩区别并不明显，如城市内部绿化植被、屋顶颜色；ZY3影像色彩接近真实、明亮、层次感强，相近地类类别容易区分，如草地与林地；02C影像由于缺少近红外波段，色彩方面失真，部分地类无法区分，如耕地与草地等地类。ZY3影像的色彩最优，与GF1影像整体色彩要优于02C数据。（2）纹理方面，GF1影像纹理清晰，地形地物边界明显，立体感较强，城镇低矮连片建筑、农村居民点较难分辨地类边界明显；ZY3影像整体纹理清晰，但面积较小连片地物边界模糊；02C影像纹理整体纹理一般，面积较大地物边界明显，但面积小、连片的建筑内部边界模糊不清，且与耕地边界无法分辨；纹理以GF1影像最优，ZY3影像次之，02C影像最弱。（3）清晰度方面，GF1数据整体清晰度优于ZY3、02C数据，当比例尺缩放到1：10000，仍能准确辨别面积为1亩的低矮建筑及其边界；ZY3影像在同样比例尺下，农村居民点内部模糊，田间道路容易与耕地混淆；02C数据在同样的比例尺下，仅能分辨出面积为1.5亩的高层建筑边界。

图3 影像数据融合后效果对比

总体来说，GF1、ZY3、卫星影像数据融合质量要优于02C数据，两者之间互有优势，02C卫星影像数据融合质量最弱。

5 数据应用评价

以平凉市崆峒区为实验区，从最小可识别图斑、地类可分性及土地利用遥感监测信息提取结果三个方面对比分析评价三种卫星数据的地类解译能力。

5.1 最小可识别图斑

最小可识别图斑是指在高分辨率卫星影像数据上可以判断地类类型及属性的最小面积地类图斑。根据卫星影像数据的不同空间分辨率，其最小可识别图斑面积也不相同，其面积误差也不相同［13］。分别对三种数据源融合后的影像提取最小可识别图斑进行对比分析，确定是否满足国土资源调查工作的需求。

通过图斑提取结果分析，02C数据可识别的最小图斑面积为467 m2，ZY3可识别的最小图斑面积为212 m2，GF1数据可识别的最小图斑面积为367 m2。三种卫星数据的最小可识别图斑面积均小于土地利用遥感监测规定的最小图斑面积1亩（667 m2），可适用于国土资源调查工作底图，具体效果见图4。

图4 可识别的最小图斑

图5 农村道路、耕地

图6 连片低矮房屋

5.2 地类可分性

影像纹理是判读地类类别的主要特征，也是光谱信息差异化的表现。就三种影像数据在平原、山区的解译能力表现，对比评价三类影像数据中不同地类的解译能力。

5.2.1 平原

从影像上看，02C数据纹理特征在农村、田间道路地类判别表现较弱，只能通过耕地纹理错向判定这条道路的存在，耕地纹理清晰，如图5（a）；ZY3、GF1数据根据纹理特征能够清晰的判别道路、耕地地类，如图5（b-c）。

影像中密集的、低矮的、面积较小的农村居民点是地类解译的难点，02C数据从空间位置上可以判定此处是农村居民点，但内部相邻房屋界限模糊、色彩单一，与周围耕地界限也无法判别，如图6（a）；ZY3、GF1数据农村居民点清晰可见，相邻房屋之间界限清晰、色彩丰富，能简单确定房屋属性，GF1数据清晰度要优于ZY3数据，如图6（b-c）。

5.2.2 山区

从影像上看，02C数据在山区整体表现良好，山脊、沟壑等地形信息清晰可见，但纹理细节相比于ZY3、GF1较弱，无较强的立体感，山区中的亮斑无法判断其地类类别，如图7（a）所示；ZY3数据在山区纹理表现细腻，清晰判别山区植被覆盖情况，草地与耕地界限清楚，如图7（b）所示；GF1数据整体清晰度较高，山区纹理细腻、地物边界明显，但色彩较暗，林地、草地及山阴面地类无法判别，如图7（c）所示。

5.3 土地利用遥感监测应用评价

土地利用遥感监测成果是以图斑的形式表现出来，通过人工目视解译确定图斑的范围及属性信息。以崆峒区为实验区，分别采用三种融合后卫星影像数据进行地类图斑信息提取，提取图斑与国家下发年度土地利用遥感监测图斑进行对比分析，图斑范围与地类类型以国家下发年度图斑为准。

图7 山区

据试验结果看表3，02C数据提取图斑数量最多，但图斑准确率低于GF1、ZY3数据，原因在于02C数据的质量较弱，相近地类会出现混淆，地物边界模糊不清，各类图斑面积准确率也最低。GF1、ZY3数据提取图斑数最少，但图斑准确率较高，地类边界明显，判别地类类别准确。

02C数据提取图斑总数为102个，准确图斑为93个，准确率为91.17%；GF1数据提取图斑总数为87个，准确图斑为86个，准确率为98.85%；ZY3数据提取图斑总数为93个，准确图斑为91个，准确率为97.85%；三种卫星影像数据的图斑准确率均达到90%以上，各类图斑数量准确率和面积准确率均也到89%以上，可以满足土地利用遥感监测项目需求。

表3 三种卫星数据图斑提取情况

6 小结

本论述针对三种国产高分辨率卫星数据，即“资源一号02C”数据、“资源三号”数据、“高分一号”数据，以满足当前国土资源调查的需求，开展了数据质量与应用评价并进行对比。

（1）数据质量评价：数据检查方面，检查ZY3原始影像数据发现其全色数据会出现高光溢出，在建筑密集区域较为明显，经过邻近像元平均值进行平滑处理，效果会好很多；检查02C全色数据发现部分条带噪音，经过小波变化法处理，噪音影响降到最小；GF1数据没有较大问题，可以直接使用。数据校正方面，ZY3、GF1影像校正精度高于02C影像，但三种影像数据在手工布控控制点数为32及以上时，影像精度误差在1-2个像元，低于规定最低误差，符合应用精度要求，即平原误差控制在1个像元内，山区误差控制在2个像元内。数据融合方面，02C数据原始影像多光谱只有3个波段，没有近红外波段，在色彩方面会明显弱于其他两种卫星数据；纹理方面以ZY3最优，在平原、山区中地形地物特征表现细腻，02C数据纹理要弱于GF1数据，相近地类类别无法辨别，地物密集区域边界不清；清晰度以GF1数据最优，在比例尺缩放到1∶10000后，仍能正确辨别地类类别。

（2）数据应用评价：最小可识别图斑是指在高分辨率卫星影像数据上可以判断地类类型及属性的最小面积地类图斑；三种卫星影像数据的最小可识别图斑均小于1亩，ZY3数据的最小可识别图斑面积最小。地类可分性方面，平原上ZY3、GF1数据的地类类别解译能力强于02C数据，02C数据光谱信息差异较小，存在相近地类无法辨别的情况；山区上ZY3数据的纹理细腻，树木、草地等地类清晰可辨，能够反映植被的覆盖情况；GF1数据在山区清晰度较好，但色彩较暗，林地、草地及山阴面地类无法判别；02C数据在山区影像色彩单一，梯田、草地、林地等地物已无法区分。土地利用遥感监测方面，以三种卫星影像的图斑提取结果与国家下发年度成果对比分析，GF1数据的总图斑数量准确率最高，02C数据的总图斑数量准确率最低，为91.17%；三种卫星数据的各类图斑的数量及面积准确率在89%以上，已经能够满足土地利用遥感监测的项目要求。

（3）国产民用高分辨率卫星发展至今，基本满足各行各业的遥感数据需求，对我国社会经济发展有巨大的推动作用。2014年“高分二号”卫星发射成功，标志着国产民用高分辨率卫星进入亚米级时代，摆脱了多年依靠国外卫星数据的困境。但我国在卫星遥感技术领域相比于国外还是有一定差距，随着卫星遥感数据的广泛应用，集各方智慧，国产民用高分辨率卫星将会有更大的发展潜力。