應用Hyperion圖像監測渤海海冰

劉成玉，顧衛，李瀾濤，許映軍

（北京師范大學 地表過程與資源生態國家重點實驗室，北京 100875）

不論對于海冰災害的防災減災研究，還是海冰淡化中的資源量估算，都需要實時地獲取海冰的面積、厚度和外緣線等信息（鄧樹奇，1986；陸欽年，1993；史培軍等，2003；龐晉超，2010；李瀾濤等，2012）。遙感技術是目前可以迅速地、大面積地獲取海冰資料的唯一手段（鄭新和等，1992；鄭新江等，1998）。近些年來，光學遙感被廣泛應用于渤海海冰的監測（羅亞威等，2005；王寧等，2011；吳奎橋等，2005；吳龍濤，2006；謝鋒等，2003；羅征宇等，2012）。與多光譜遙感圖像相比，高光譜遙感圖像蘊含接近連續的地物光譜信息，有更高的地物識別能力，在定量或半定量遙感中更具優勢。目前，星載的高光譜傳感器相對較少。因此，對于衛星高光譜遙感監測海冰的研究較少。

搭載在地球觀測實驗衛星EO-1 衛星上的Hyperion 高光譜傳感器是一顆圖像質量較高的傳感器。本文對所獲得的L1Gst 級海冰Hyperion 圖像進行了大氣校正，獲取了渤海海冰反射率圖像，對海冰反射率圖像進行了分類，根據分類結果對海冰厚度范圍進行了估算，得到海冰厚度分布圖。同時，對比分析了由Hyperion 圖像所反演的海冰反射率曲線與實測反射率曲線的異同，并用主成分分析方法分析了海冰Hyperion 圖像的信息冗余特征。

1 實驗數據

Hyperion 高光譜傳感器是搭載在地球觀測實驗衛星EO-1 上的高光譜傳感器，EO-1 于2000年11月在美國發射升空。EO-1 衛星的軌道高度為705 km，太陽同步軌道，傾角98.2° （Barry et al，2001）。Hyperion 傳感器的工作波段為356～2578nm，共242 個波段，空間分辨率為30 m，由于其正處于試驗階段，Hyperion 圖像的覆蓋范圍較小，僅為7.7 km×44 km（Barry et al，2001）。盡管它的覆蓋范圍小，但是它已經被廣泛應用于農業、林業、礦業、海洋等領域的研究和試驗工作。

由于EO-1 是實驗衛星，所以并非像其他遙感衛星那樣定期過境。因此，我們只獲取了2008年1月21日的一幅圖像，具體成像時間為北京時間10 時19 分15 秒，成像地點為遼東灣西岸海域，成像時太陽高度角為24.11°，太陽方位角為151.53°，傳感器觀測天頂角為11.43°。圖像的級別為L1Gst 級，經過系統幾何校正、投影配準和地形校正。表1 為官方提供的L1Gst 級圖像的輻射定標系數（Barry et al，2001）。

表1 Hyperion 圖像定標狀況

2 數據處理

2.1 海區圖像的提取

海區內的主要地物為海冰和海水，海冰和海水在短波紅外波段的反射率相對較小（Xie et al，2006），一般來說使用閾值分割即可區分海區與陸地。然而，由于積雪在短波紅外波段反射率也較低，再加上陸地上的河湖也結冰，因此還需要根據渤海海圖剔除陸地上的冰雪，提取結果見圖1。從圖中可以看出，所提取的海區也包括了一部分潮間帶，甚至包括一部分陸地，與傳統的海圖的范圍定義有所不同，這主要是因為有部分固定冰所致，不過這也符合本文的研究內容。另外，由于圖像的南邊區域的海水出現了耀斑，該部分也被去掉。

圖1 海區圖像提取結果圖（R：35，G：20，B：9）

2.2 大氣校正

由于大氣對太陽短波輻射的吸收和散射削弱了到達光學遙感衛星傳感器的輻射能量，大氣對太陽短波輻射的散射作用又引入了噪聲（徐希儒，2006）。因此，要準確地知道地表的反射率需要進行大氣校正。在大氣上界，對于理想均勻地表、均勻大氣條件下，傳感器所觀測到的表觀反射率可以表示為（Vermote et al，1997）：

其中，ρ*（λ）為表觀反射率；λ 為波長；ρ（λ）為地表反射率；ρr+a（λ）為大氣向上反射率，包括瑞利散射和氣溶膠散射；TU（λ）為大氣上行總透過率；TD（λ）為大氣下行總透過率；S（λ）為向下半球反射率；Tg（λ）為大氣吸收率，水汽和臭氧吸收作用較小的波段可以設定為1，而吸收率較大的波段則不能忽視，尤其是對于波段較窄的高光譜圖像。由（1）式可知，要求ρ（λ）的值，只要知道以上5 個大氣參數的就可以，準確估算大氣參數也是大氣校正的重點和難點。

對于以海水為下墊面的衛星遙感圖像的大氣校正最常用的方法主要有，一類水體校正算法、二類水體校正算法以及在此基礎上考慮水體特征的特定算法（Gordon，1981；Gordon et al，1994；Hu et al，2000；Land et al，1996；Gordon，1997；Wang et al，2005；Wang et al，2007）。然而，海冰屬于亮目標，厚度稍大的海冰在近紅外波段的反射率就不容忽視（Xieetal，2006）。Shi 等提出假設1640 nm和2 130 nm 波長處的海冰反射率為0，并采用基于短波紅外波段1（Short wave infrared 1，SWIR-1）和短波紅外波段2（Short wave infrared 2，SWIR-2） 的二類水體大氣校正算法對MODIS 海冰圖像進行校正，結果表明該方法對于MODIS 海冰圖像大氣校正比較有效（Shi et al，2010）。

然而對于具有高分辨率的Hyperion 海冰卻并非如此，如圖2 所示，圖2a 中22 波段的中心波長為569.26 nm，是海冰的高反射率區，圖2b 中147波段的中心波長為1 618.71 nm，圖2c 中215 波段的中心波長為2 304.71 nm。對比圖2 中3 幅圖像可以看出，對于圖1a 中的紋理，在圖2b 中有些位置比較明顯，尤其是圖中紅色方框及其附近區域，圖2c 中的不是很明顯。圖2b 中紅色方框區域內的海冰和紅色方框區域外的海水的表觀反射率分別為0.008 51 和0.004 02，而圖2c 中的反射率則分別為0.000 70 和0.000 65。這說明對于空間分辨率比MODIS 高30 多倍的Hyperion 圖像來說，純像元大幅度增加，海冰在短波紅外波段尤其是在1 600 nm附近的輻射能量不能簡單的假設為0，因此，對于光學海冰遙感圖像的大氣校正來說，用于一類水體和二類水體的大氣校正算法并不完全適用。

基于以上論述，本文假設海冰在屬于短波紅外波段-2 的2 130 nm 附近反射率為0。由于Hyperion 圖像在SWIR-2 波段具有多個波段，因此可以根據多個波段確定大氣氣溶膠的類型和氣溶膠光學厚度，確定大氣氣溶膠類型和光學厚度之后就可以對圖像進行逐像元大氣校正。為了提高運算效率，需要建立大氣參數查找表。目前，可以用來建立查找表的大氣模擬程序較多，選用6S（Second Simulation of the Satellite Signal in the Solar Spectrum） 程序建立大氣參數查找表，6S 程序的計算精度可達95%左右（阿布都瓦斯提等，2004），查找表主要以大氣氣溶膠類型（主要是大陸型和海上型） 和氣溶膠光學厚度為變量，由于沒有實時的大氣測量數據，其他大氣條件則選擇默認。幾何條件則根據圖像的元數據確定。整個大氣校正的過程見圖3。

圖2 可見光與短波紅外表觀反射率對比

圖3 大氣校正流程

2.3 圖像分類

精確的圖像分類是快速和準確地進行冰水分離和識別海冰類型的重要前提。本文采用ISODATA聚類分析方法對Hyperion 海冰圖像分類。ISODATA 聚類分析方法是一種常用的高光譜圖像分類方法。它可以根據初始的諸如分類數量等參數的控制動態地調整樣本所屬類別，自動地進行類別的“合并”和“分裂”，以得到類數比較合理的最優分類結果（Kuufman et al，1990；童慶禧 等，2006）。所使用的海冰圖像為盛冰期圖像，在分類設置時，最小分類數為2（包括海水和海冰），最大分類數為7 類（包括海水、初生冰、灰冰，灰白冰、白冰、沿岸冰和擱淺冰）。

2.4 圖像信息冗余特征分析

高光譜遙感圖像具有較高的光譜分辨率，但是同時也具有較大的冗余性。不同的地物的具有不同的光譜曲線，有必要對海冰高光譜圖像冗余特征進行分析（楊哲海等，2004）。本文主要采用主成分分析方法對高光譜圖像光譜維的特征進行分析。

主成分分析是一種線性變換。對于具有M 個像元，N 個波段的圖像來說，可以構成N×M 矩陣X，對X 的每行進行離差標準化后得到矩陣XS，XSXST得到一個協方差方陣，XSXST的特征向量tj（j=1，2，…，N） 被稱為主成分特征向量，特征值λj稱為主成分特征值。對λj進行排序可以得到圖像的第j 個主成分。λj值越大表明該主成分貢獻率越大，Vj的計算方法為

主成分的選取一般考慮累計貢獻率，當第J 個主成分的累計貢獻率達到閾值之后，則前K 個主成分為所要選取的主成分yk（j = 1，2，…，K）。原始圖像第i 個波段xi與所選取的K 個主成分的相關系數的平方和可以表征原始圖像波段xi的貢獻率vi（趙選民等，2003；楊諸勝，2006），計算方法為

其中，tik為所選取的第k 個主成分的特征向量的第i 個元素；δii為第i 個波段的方差。

圖4 大氣校正前/后反射率圖像（R：35，G：20，B：9）

圖5 大氣校正前后反射率

3 結果與分析

3.1 大氣校正結果分析

圖4 為大氣校正前和校正之后的近似真彩色圖像。由于大氣散射作用，校正之前的圖像明顯偏藍（圖4a），經過校正之后海水部分的顏色有所變化，由偏藍變為偏綠，而且圖像的對比度也明顯增強（圖4b）。圖5 中的反射率曲線分別為海水和海冰的大氣校正前后所對應的反射率曲線，由于校正后在近紅外以外的波段出現了負值，只選擇了校正后的8-50 波段（421.82～930.41 nm）的反射率圖像作為討論對象。對于海水來說校正后的反射率比校正前的反射率有所降低，海冰在8～14 波段的反射率小于校正之前的反射率，而在15～57 波段的反射率大于校正之前的反射率。從5 中還可以看出，大氣吸收率較高的波段（41 波段）也得到了有效校正。

3.2 Hyperion 圖像中海冰反射率光譜特征

圖6 Hyperion 和MODIS 圖像中海冰的反射率

圖6 為同時段Hyperion 和MODIS 圖像中純海冰的反射率，Hyperion 圖像中的反射率值為MODIS 海冰純像元所對應的Hyperion 圖像像元集合的反射率的均值。相對于在可見光/近紅外波段只有4 個多光譜波段的MODIS 海冰反射率，Hyperion 圖像中的海冰在可見光/近紅外波段的反射率曲線更加平滑，更能凸顯出海冰反射光譜的“峰”和“谷”。

3.3 圖像分類結果

圖7a 為用2.3 節所述方法的分類結果圖。分類結果一共包括7 類。圖8a 為根據圖7a 分類結果計算得到的每個類別的反射率均值曲線，圖8b 為實測的同一時期的海冰和海水的曲線。圖8a 中的曲線基本上反映了海冰和海水反射率曲線隨波長變化的特點（圖8b），只是有些波動，這可能主要是因為實際的Hyperion 傳感器的光譜響應函數在波段之間具有一定的重疊，另外還與定標的精度有關。值得注意的是波長小于500 nm 時，實測的海冰反射率是隨著波長減小而減小的（圖8b），而Hyperion 圖像的反射率曲線均是先減小后增大（圖8a），這可能與Hyperion 圖像的定標的精度有關，尤其是8 和9 波段。圖7b 是將圖8a 和圖8b 比較后最終確定的海冰類型分布圖。Hyperion 圖像可以將初生冰、灰冰/灰白冰和白冰區分開，但是由于灰冰、灰白冰和白冰與固定冰的光譜比較相似，只是由于前三者是浮冰，僅僅用Hyperion 圖像的光譜維特征還無法將固定冰和浮冰區分。根據中國浮冰分類體系標準，初生冰的厚度小于10 cm，灰冰/灰白冰厚度在10 至30 cm 之間，白冰厚度大于30 cm（國家技術監督局，1994）。結合圖7b 中的海冰分布圖可以得到海冰分級厚度分布圖，見圖9a。圖9a 基本上可以反映，海冰的厚度分布趨勢，但是實際上固定冰（圖9a 左上角） 的冰型與厚度相關性不像浮冰那么大，用估算浮冰厚度的方法估算固定冰的厚度會有一定的誤差。

圖7 分類結果與不同類型海冰分布圖

圖8 Hyperion 圖像中與實測不同類型海冰反射率

圖9 各個主成分的貢獻率、累計貢獻率和波段貢獻率

3.4 海冰Hyperion 圖像信息冗余特征

圖10 各個主成分的貢獻率、累計貢獻率和波段貢獻率

圖11 各個波段的相關系數

按照2.4 節所論述的方法，對8-57 波段共50個波段的圖像進行主成分分析。圖10a 為各個主成分的貢獻率和累計貢獻率。可以看出，對于海冰圖像來說，1-4 主成分的貢獻率就高達0.997 之多，后面46 個主成分的貢獻率不足0.003。選取前4 個主成分作為海冰Hyperion 圖像的主成分，（3） 式中的取值為1 到4 的整數，用（3） 式計算各個波段的貢獻率，計算結果見圖10b。從圖10b 和圖10c 中可以看出，所有波段的貢獻率都較大，最小的也高達0.950 0（57 波段），最大的為0.999 5（30 波段）。這可能是由于海冰在可見光/近紅外波段的反射率相關性比較強，如圖11 所示，相關系數最小的值也高達0.87。不過從圖中可以看出可見光波段之間的相關性較大，近紅外波段之間的相關性也比較大，但是可見光和近紅外波段的相關性相對較小。這也說明海冰Hyperion 圖像的信息冗余較大，可壓縮程度較高，即壓縮比較大。我們選取了30 波段的反射率圖像，并假定圖7b 中各個海冰類型的海冰厚度隨著海冰反射率線性增加，假定白冰的最大海冰厚度為50 cm（Li et al，2009）。由此，可以得到海冰厚度分布圖，見圖9b。圖9b 看起來比圖9a 更有漸進性，能更加精確地、清楚地反映出某地的冰厚值。

4 結論與討論

4.1 結論

本文對所獲取的Hyperion 圖像進行了大氣校正，得到了反射率圖像，并分析了Hyperion 可見光/近紅外波段圖像中海冰反射率特征，根據圖像分類結果得到了海冰厚度分級分布圖和海冰厚度圖。通過分析和總結，主要得出以下結論： （1）用Hyperion 圖像光譜維特征可以在一定程度上區分冰水以及冰型，但僅限于光譜有區別的冰型，無法區分浮冰和固定冰；（2） Hyperion 圖像可以更清晰的顯示出海冰的光譜反射率，得到的光譜曲線與實測的更加相似，可以更加精確的顯示反射率峰值的波長，遠遠優于MODIS 多光譜圖像。（3） 海冰Hyperion 圖像波段間相關系數都較大，信息冗余度較大，其中30 波段貢獻率最高。

由于數據獲取的限制，本文只對一幅Hyperion圖像進行了處理，并探討了Hyperion 圖像監測渤海海冰的可能性，要得到更全面的評估，還需要更多的圖像處理和實測驗證實驗。然而，本文所使用的圖像處理方法大都是通用的，因此，對于日后的應用Hyperion 圖像監測渤海海冰也具有一定的參考價值。

4.2 討論

大氣校正是衛星光學遙感應用不可避免步驟，大氣校正的精度對后續的定量反演具有重要的影響。因此，大氣校正的誤差是海冰厚度估算誤差的主要來源之一。大氣參數的估算精度是大氣校正誤差的重要貢獻者。同樣，（1） 式假設海冰為朗伯體，這也是重要的誤差來源。從圖10a 的結果來看，用Hyperion 圖像的光譜維特征可以區分光譜特征有較大差異海冰類型，而對于光譜特征差異較小的海冰類型（灰白冰/白冰與固定冰） 較難區分，可以考慮加入圖像的紋理信息進行區分，這也是我們進一步研究的內容之一。另外，圖像質量的好壞也決定了圖像應用的效果，從圖2 可以看出，由于Hyperion 傳感器是這對陸地上的地物設計的，當對海冰和海水這類在短波紅外波段反射率較低的地物成像時，Hyperion 傳感器的信噪比有所降低，有較多條帶。因此，需要設計信噪比更高的高分辨率高光譜傳感器。

Barry P，Segal C，Carman S，2001. EO-1/ Hyperion Science Data User′s Guide.7-56.

Gordon H R，1997. Atmospheric correction of ocean color imagery in the Earth Observing System era. Journal of Geophysical Research，102（D14）：17081-17106.

Gordon H R，Clark D K，1981.Clear water radiances for atmospheric correction of coastal zone color scanner imagery. Applied Optics，120（24）：4175-4180.

Gordon H R，Wang M，1994. Retrieval of water- leaving radiance and aerosol optical thickness over the oceans with SeaWiFS：a preliminary algorithm.Applied Optics，33（3）：443-452.

Hu C，Carder K L，Muller-Karger F E，2000. Atmospheric correction of SeaWiFSimagery over turbid coastal waters：a practical method. Remote sensing of environment，74：195-206.

Kuufman L，Rousseeuw P J，1990. Finding groups in data：an introduction to cluster analysis.Willey，New York.

Land P E，Haigh J D，1996. Atmospheric correction over case 2 waters with an iterative fitting algorithm.Applied Optics，35：5443-5451.

Li N，Xie F，Gu，et al，2009. Using remote sensing to estimate sea ice thickness in the Bohai Sea，China based on ice type. International Journal of Remote Sensing，30（9）：4539-4552.

Shi W，Wang M H，2010.Sea ice properties in the Bohai Sea measured by MODIS-Aqua：1.Satellite algorithm development.Journal of Marine Systems，95：32-40.

Vermote E，Tanré D，Deuzé J L，et al，1997.Second Simulation of the Satellite Signal in the Solar Spectrum （6s）User′s Guide. UST de Lille Villeneuve d′aseq.Laboratoired′Optique Atmospherique.

Wang M，Shi W，2005. Estimation of ocean contribution at the MODIS near-infrared wavelengths along the east coast of the U S：Two case studies.Geophysical Research Letters，32，L13606.

Wang M，Shi W，2007.The NIR-SWIR combined atmospheric correction approach for MODIS ocean color data processing. Optical Express，15：15722-15733.

Xie F，Gu W，Ha S，et al，2006. An experimental study on the spectral characteristics of one year-old sea ice in the Bohai Sea，China. International Journal of Remote Sensing，27：3057-3063.

阿布都瓦斯提·吾拉木，秦其明，朱黎江，2004.基于6S 模型的可見光、近紅外遙感數據的大氣校正.北京大學學報（自然科學版），40：611-618.

陳克海，2010.基于6S 模式的高光譜遙感數據大氣校正方法研究.中國科學院研究生院.

鄧樹奇，1986.渤海海冰災害及其防御概況.災害學，1986，（1）：80.

國家技術監督局，1994.海濱觀測規范.中華人民共和國國家標準.

李瀾濤，劉成玉，顧衛，等，2012.渤海海冰淡化利用研究進展與問題.海洋通報，31（1）：105-112.

陸欽年，1993.我國渤海海域的海冰災害及其防御對策.自然災害學報，2（4）：53-59.

羅亞威，張蘊斐，孫從容，等，2005."海洋1 號"衛星在海冰監測和預報中的應用.海洋學報，27（1）：7-18.

羅征宇，孫林，2012.基于高光譜影像的渤海海冰遙感監測研究.測繪科學，37（1）：54-55.

龐晉超，2010.淺談在海事監管中如何應對海冰災害.物流工程與管理，32（7）：150-160.

史培軍，顧衛，謝鋒，等，2003.遼東灣冬季海冰資源量的空間分布特征.資源科學，25（3）：2-8.

童慶禧，張兵，鄭蘭芬，2006.高光譜遙感.北京：高等教育出版社，191-192.

王寧，張晰，紀永剛，2011.凝聚層次聚類的MODIS 海冰外緣線提取算法與應用.地球信息科學學報，13（2）：266-272.

吳奎橋，徐瑩，郝軼萌，2005.MODIS 數據在海冰遙感中的應用.海洋預報，22（增刊）：44-49.

吳龍濤，吳輝碇，孫蘭濤，等，2006.MODIS 渤海海冰遙感資料反演.中國海洋大學學報，36（2）：173-179.

謝鋒，顧衛，袁藝，等，2003.遼東灣海冰資源量的遙感估算方法研究.資源科學，25（3）：17-23.

徐希孺，2006.遙感物理.北京：北京大學出版社，292-383.

楊哲海，李之歆，韓建峰，等，2004.高光譜中的Hughes 現象與低通濾波器的運用.測繪學院學報，21（4）：253-258.

楊諸勝，郭雷，羅欣，等，2006.基于分段主成分分析的高光譜圖像波段選擇算法研究.測繪工程，5（3）：15-18.

趙選民，徐偉，師義民，2003.數理統計.北京：科學出版社.

鄭新和，趙長海，劉誠，1992.衛星遙感技術在減輕海冰災害中的成功應用.計算物理，9（4）：790.

鄭新江，邱康睦，陸風，1998.定量計算渤海海冰參數的遙感方法.應用氣象學報，9（3）：359-363.