多源衛星綠潮遙感信息提取易混淆因素分析

孫立娥，崔廷偉，崔文連

（1.青島市環境監測中心站，山東青島266003；2.國家海洋局第一海洋研究所，山東青島266061）

多源衛星綠潮遙感信息提取易混淆因素分析

孫立娥1，2，崔廷偉2，崔文連1

（1.青島市環境監測中心站，山東青島266003；2.國家海洋局第一海洋研究所，山東青島266061）

針對綠潮遙感信息提取過程中容易出現的幾種易混淆因素，開展了多源衛星綠潮遙感信息提取易混淆因素分析研究。基于多源遙感衛星圖像，分析了光學和微波遙感數據在提取綠潮過程中常見的幾種易混淆因素。結果發現：（1）HJ－1衛星CCD遙感影像上，島嶼、船只、堤壩、云都是易混淆因素。在信息提取中，需結合基礎地理資料或“天地圖”，將島嶼識別出來，此方法同樣適用于MODIS和SAR數據。對于堤壩、船只和有云覆蓋的綠潮區域，則需要通過人機交互的方式進行識別。（2）MODIS遙感影像中散布的小面積云和條帶噪聲是易混淆因素，因此需在MODIS數據預處理中進行云掩膜和條帶噪聲去除。（3）ENVISAT ASAR遙感影像中船只是易混淆因素，需通過人機交互的方式進行區分。

綠潮；易混淆因素；HJ－1A／B CCD；SAR；MODIS

0 引 言

近年來，我國北起大連、南到三亞的多處近岸海域都發生了不同規模的綠潮災害，其中2008年青島近岸海域發生的大規模綠潮災害世界罕見，危及青島奧帆賽的舉行，受到廣泛關注［1－2］。

有效的監測是應對綠潮災害的一項重要內容，衛星遙感監測是綠潮災害監測的主要技術手段，使用的數據主要是光學和微波遙感影像。光學數據的業務化綠潮監測方法利用了NDVI閾值［3－7］，但在遙感圖像上是否有其他地物具有與綠潮相同的NDVI，目前尚缺乏研究。微波數據一般用作光學數據業務化綠潮監測的補充，目前用于提取綠潮信息應用較多的方法是人機交互［3］，但在SAR影像上是否存在與綠潮特征相似的地物信息，目前也缺乏研究。

業務化監測強調準確性、自動性和時效性，為了更好地進行綠潮遙感監測業務化運行，本文分析了光學和微波遙感圖像上常出現的易混淆因素，并提出了針對各種易混淆因素的識別方法。

1 數據和方法

1.1 遙感數據

環境與災害監測預報小衛星星座A、B星（HJ－1A／B星）于2008年9月6日發射，兩顆衛星軌道相同、相位相差180°、均搭載了4波段CCD相機，兩星組網后CCD相機的重訪周期為2天。CCD圖像幅寬700km，空間分辨率30m，4個波段分別為藍（430nm～520nm）、綠（520nm～600nm）、紅（630nm～690nm）和近紅外（760nm～900nm）。本文選用的是2010年7月9日的HJ－1CCD數據。

中等分辨率光譜成像儀（Moderate Resolution Imaging Spectroradiometer；MODIS）的空間分辨率是250m，有紅光（620nm～670nm）和近紅外（841nm～876nm）兩個波段。本文選用的是2008年6月28日的MODIS數據。

歐空局ENVISAT衛星上的合成孔徑雷達（Advanced Synthetic Aperture Radar；ASAR）Image模式數據，空間分辨率是30m，波長為5.6cm。本文選用的是2008年6月28日和2009年7月5日的MODIS數據ASAR。

1.2 方法

對于HJ－1CCD和MODIS數據，根據綠潮光譜特征［8］，利用歸一化差值植被指數（Normalized Difference Vegetation Index，NDVI）進行綠潮信息提取，算法如下：

其中，NIR和R分別代表近紅外波段和紅光波段的反射率，T為閾值，理論上T取0即可，但實際上由于大氣輻射等的影響，T值可能不為0，實際操作中，結合假彩色合成圖像，進行閾值調整和判定。

ENVISAT ASAR圖像中綠潮斑塊具有區別于海水的后向散射特征，且形狀不規則，利用人機交互的方式進行綠潮信息提取。

2 結果分析

2.1 HJ－1 CCD易混淆因素分析

分析HJ－1CCD影像中容易與綠潮混淆或者容易導致綠潮信息漏提的因素，主要有島嶼、船只、堤壩和薄云覆蓋下的綠潮，它們在NDVI計算后圖像和遙感影像上的目視結果如圖1～圖4所示。

圖1 HJ－1 CCD影像上的易混淆因素——島嶼

圖2 HJ－1 CCD影像上的易混淆因素——船只

圖3 HJ－1 CCD影像上的易混淆因素——堤壩

圖4 HJ－1 CCD影像上的易混淆因素——云和綠潮混合斑塊

由圖1可見，在NDVI計算結果圖和HJ－1 CCD假彩色合成圖上，綠潮和島嶼的目視情況一致；圖2和圖3中，船只和堤壩在進行NDVI計算之后與綠潮十分相似，但在假彩色合成圖中比較好識別；薄云覆蓋下的綠潮在假彩色合成圖中還可以識別，進行NDVI計算后與云混在一起，不容易識別。

分別提取島嶼、船只、堤壩、云和綠潮混合斑塊的NDVI值，作統計直方圖進行分析，如圖5所示。

統計分析每個易混淆因素樣本總數所覆蓋的NDVI區間，具體數值見表1。

圖5 各樣本NDVI統計直方圖

表1 各樣本NDVI區間統計結果

由圖5和表1可知，海水的NDVI值在－0.37～－0.32之間，綠潮的NDVI值在0.06～0.44之間，島嶼的NDVI值在0.41～0.73之間，島嶼比綠潮的NDVI值還要大，這是極易混淆因素；船只的NDVI值在0.04～0.16之間，堤壩的NDVI值在－0.04～0.14之間，都與綠潮的NDVI區間有重疊，因此也容易被誤提；薄云覆蓋下的綠潮NDVI值在－0.08～0.22之間，與綠潮的NDVI區間有重疊，但是還有部分位于閾值區間，極易漏提。由此可知，最容易混淆的因素是島嶼，船只、堤壩也容易被誤提，而薄云覆蓋下的綠潮容易漏提。

因此，在進行綠潮信息提取時，不能單靠NDVI計算，需通過調用地理底圖數據或結合“天地圖”的數據，將陸地周圍的海島識別出來，避免錯提為綠潮；對于堤壩、船只和有云覆蓋的綠潮區域，則需要在遙感影像假彩色合成圖上通過人機交互的方式進行識別。

2.2 MODIS易混淆因素分析

分析MODIS遙感影像中容易與綠潮混淆的因素，主要是小面積散布的云和條帶噪聲，它們在NDVI計算后圖像和遙感影像上的目視結果如圖6、圖7所示。

圖6 云和綠潮在NDVI圖和遙感影像圖上的成像結果

圖7 條帶噪聲和綠潮在NDVI圖和遙感影像圖上的成像結果

由圖6和圖7可見，在NDVI計算結果圖上綠潮、云和條帶噪聲的目視結果一致，但在增強后的MODIS假彩色合成圖上可以明顯區分綠潮、云和條帶噪聲，從兩景影像上分別選擇綠潮、云和條帶噪聲的斑塊進行研究，其中實線框中為綠潮樣本，虛線框中為云和條帶噪聲樣本。提取樣本的NDVI值，得到統計直方圖，如圖8所示。

由圖8可知，2008年6月28日綠潮樣本的NDVI值分布在－0.32～0.06之間，條帶噪聲的NDVI值分布在－0.34～0.10之間；2009年7月5日綠潮樣本的NDVI值分布在－0.44～0.04之間，云樣本的NDVI值分布在－0.45～－0.05之間，由此可見，無論是條帶噪聲還是云，其NDVI值都與綠潮樣本的NDVI值在同一區間，在綠潮遙感信息提取過程中極易發生混淆，因此在MODIS遙感影像預處理過程中的云掩膜和條帶噪聲的去除尤為重要。

2.3 ENVISAT ASAR易混淆因素分析

ENVISAT ASAR遙感影像圖上的易混淆因素主要是船只，船只和綠潮在圖像上的特征見圖9和圖10。

圖8 選擇樣本NDVI統計直方圖

圖9 SAR影像上的某平臺和船只

圖10 SAR影像上的綠潮和船只

由于船只上面有鐵等高介電常數的材料，在一定的方向上如表面體與入射波束垂直或以具有角外形結構排列時（如角反射器）能將雷達信號直接反射，并產生很強的回波信號。船只大多都有上層建筑或甲板結構，均能起到直接反射或角反射器的作用［9］。并且，由于船只的金屬特性及角反射，艦船目標成像高亮，還時常伴有旁瓣（“十字叉”）［10］。

圖9中為江蘇近海某海上平臺，平臺周圍的亮色“十字叉”都是船只；圖10中實線框圈出的亮色斑塊是綠潮，形狀不規則，并且一般呈條帶狀，而虛線框內圈出的亮斑是船，通常都是呈十字形狀，因此在利用ENVISAT ASAR影像進行綠潮遙感信息提取時，需注意區分船只等易混淆因素。

3 結束語

本文在大量業務工作基礎上，針對HJ－1CCD、 MODIS和ENVISAT ASAR遙感數據，對綠潮提取過程中可能出現的幾種易混淆因素進行了分析討論，結論如下：

①HJ－1衛星CCD遙感影像上，島嶼、船只、堤壩、云都是易混淆因素，薄云覆蓋下的綠潮極易漏提，因此在綠潮遙感信息提取時，必須結合地圖等基礎地理資料或“天地圖”數據，將圖像中的島嶼識別出來，此方法同樣可用于MODIS和SAR數據。對于堤壩、船只和有云覆蓋的綠潮區域，則需要通過人機交互的方式進行識別。

②MODIS遙感影像中散布的小面積云和條帶噪聲是易混淆因素，所以在利用MODIS數據進行綠潮遙感信息提取時，需要在預處理中進行云掩膜和條帶噪聲去除。

③ENVISAT ASAR遙感影像中船只是易混淆因素，所幸船只在SAR影像上一般呈十字形狀，掌握了這個特征后，在信息提取過程中通過人機交互的方式即可進行識別。

目前光學數據只分析了HJ－1CCD和MODIS在利用NDVI方法進行綠潮信息提取時出現的易混淆因素，而更多的綠潮遙感探測算法（如漂浮藻類指數法，FAI）［11］及更多的光學數據（如靜止海洋水色衛星，GOCI）［12］也已應用于綠潮遙感信息提取。因此，在下一步工作中，還需要考慮更多的綠潮遙感探測算法及更多源的光學遙感數據。

致謝：感謝中國資源衛星應用中心提供的環境衛星數據；感謝美國NASA提供的MODIS數據。

［1］張曉雯，毛玉澤，序志猛，等.黃海綠潮滸苔的形態學觀察及分子鑒定［J］.中國水產科學，2008，15（5）：822－829.

［2］衣立，張蘇平，殷玉齊.2009年黃海綠潮滸苔爆發與漂移的水文氣象環境［J］.中國海洋大學學報（自然科學版），2010，40（10）：15－23.

［3］CUI T W，ZHANG J，SUN L E，et al.Satellite monitoring of massive green macroalgae bloom（GMB）：imaging ability comparison of multi－source data and drifting velocity estimation［J］.International Journal of Remote Sensing，2012，33（17）：5513－5527.

［4］施英妮，石立堅，夏明，等.HJ－1A／B星CCD傳感器數據在黃東海滸苔監測中的應用［J］.遙感應用，2012（2）：47－50.

［5］孫凌，郭茂華，李三妹，等.用FY－3AMERSI進行青島海域滸苔監測［J］.遙感信息，2010，25（1）：64－68.

［6］邢前國，鄭向陽，施平，等.基于多源、多時相遙感影像的黃、東海綠潮影響區檢測［J］.光譜學與光譜分析，2011，31（6）：1644－1647.

［7］王國偉，李繼龍，楊文波，等.利用MODIS和RADARSAT數據對滸苔的監測研究［J］.海洋湖沼通報，2010（4）：1－8.

［8］趙文靜，張杰，崔廷偉，等.水下懸浮滸苔海面光譜響應的輻射傳輸模擬［J］.光譜學與光譜分析，2009，29（6）：1656－1660.

［9］APEL J R，JACKSON C R，COLóN P C，et al.Synthetic aperture radar marine user＇s manual［M］.Washington DC，2004：277－303.

［10］胡粲彬.面向特定目標的SAR圖像篩選技術研究［D］.湖南：國防科學技術大學研究生院，2008.

［11］HU C M.A novel ocean color index to detect floating algae in the global oceans［J］.Remote Sensing of Environment，2009，113（10）：2118－2129.

［12］蔡曉晴，崔廷偉，鄭榮兒，等.靜止海洋水色衛星（GOCI）綠潮探測算法對比研究［J］.遙感信息，2014，29（5）：44－50.

Confusable Factors for Green Tide Detection Based on Multi－satellite Data

SUN Li－e1，2，CUI Ting－wei2，CUI Wen－lian1
（1.Qingdao Environmental Monitoring Center，Qingdao 266003；2.First Institute of Oceanography，State Oceanic Administration，Qingdao 266061）

Based on multi－source satellite images，the common confusable factors in retrieving green tide from optical and microwave remote sensing data were analyzed.Results show that：（1）With respect to CCD images of HJ－1satellite，islands，ships，dams and clouds are the confusable factors.So when we extract the green tide information from the remote sensing images，we must combine them with basic geographic data or“Map World”，which can help us identify the islands from the images.This method also applies to MODIS and SAR data.For the dams，ships and the green tide area covered under the cloud，one needs to identify through the way of human－computer interaction.（2）For MODIS data，dispersed clouds with small area and stripe noise are confusable factors.When we extract the green tide information from MODIS remote sensing images，we need to mask the cloud and remove the stripe noise in preprocessing.（3）On ENVISAT ASAR data，ships are confusable factor.We can distinguish them by human－computer interaction.

green tide；confusable factor；HJ－1A／B CCD；Synthetic Aperture Radar（SAR）；Moderate Resolution Imaging Spectroradiometer（MODIS）

10.3969／j.issn.1000－3177.2015.06.002

TP79

A

1000－3177（2015）142－0008－05

2014―10―09

2014―12―08

孫立娥（1986—），女，碩士，助理工程師，主要從事海洋及生態遙感研究。

E－mail：sle＿903＠163.com

崔廷偉（1979—），男，博士，副研究員，主要從事海洋遙感研究。

E－mail：cuitingwei＠fio.org.cn