NPP/VIIRS多時相夜光遙感影像校正方法

李明峰，蔡煒珩

(南京工業(yè)大學測繪科學與技術學院，江蘇 南京 211816)

夜光遙感被公認為大范圍同步監(jiān)測社會經濟活動的良好數據來源，已在人口估算、經濟估計、城市化監(jiān)測、環(huán)境與能源消費研究等領域得到廣泛應用[1-8]。與美國國防氣象衛(wèi)星(defense meteorological satellite program，DMSP)搭載的業(yè)務型線性掃描傳感器(operational linescan system，OLS)獲取的數據相比，美國國家極地軌道合作衛(wèi)星(national polar-orbiting partnership，NPP)搭載的可見光紅外成像輻射儀(visible infrared imaging radiometer suite，VIIRS)獲取的日夜波段(day and night band，DNB)繼承并優(yōu)化了前者的微光探測能力，消除了像元飽和，減少了溢出現象[9]。由于該傳感器對夜間微光的優(yōu)質探測靈敏度，影像易受噪聲干擾，影響了應用的準確性。目前，針對NPP/VIIRS影像校正的研究尚不多見，大多停留在掩膜去噪[10]、固定閾值分割[11]等操作。利用DMSP/OLS掩膜剔除VIIRS噪聲的方法僅適用于2012和2013年，且隨著影像更新，掩膜去噪的弊端越來越明顯；固定閾值分割法主觀性強且通用性差，分割效果不穩(wěn)定。此外，國內外針對NPP/VIIRS的校正和研究側重于宏觀尺度的年際數據，影像月度發(fā)布的優(yōu)勢很少體現。

本文在研究NPP/VIIRS月度影像輻射特征的基礎上，提出多時相夜光遙感影像校正方法。該方法基于無光源區(qū)域樣本剔除背景噪聲，使用峰值特征化放大輻射差異，通過卷積閾值分離異常像元與穩(wěn)定像元；對于卷積閾值邊界附近的像元，按最大熵閾值和八鄰域中值濾波重分類，實現對異常像元的動態(tài)剔除。

1 NPP/VIIRS夜光遙感影像數據分析

美國國家地球物理數據中心利用NPP/VIIRS的DNB波段獲取的夜間燈光數據生產了月度影像集，提供像元輻射值表征燈光強度，燈光輻射值的大小反映燈光的強弱，單位為nW·cm-2·sr-1，像元輻射值0值及以下視為無燈光。使用2012年4月至2017年12月的69期NPP/VIIRS VCMCFG影像產品，以江蘇省為研究區(qū)，行政區(qū)劃矢量數據來自國家基礎地理信息中心，GDP數據來自國家統(tǒng)計局。

由于影像顯著提高了清晰度，火光、漁船和油氣井等短暫光源及河流湖泊等反射弱光極易對數據造成局部擾動。表1中，背景噪聲表現為影像中存在的部分低輻射及負值像元，依據“無燈光區(qū)域數值為0”的原則[12]，輻射值應為0；異常像元則表現為像元輻射值在相鄰月份影像中的無序波動，2016年8—10月的最大燈光輻射值及輻射總值差距較大，根據近幾年研究區(qū)持續(xù)穩(wěn)定的發(fā)展狀況和無重大災害的自然情況，不應存在大量像元的異常波動。背景噪聲和異常像元的存在影響了夜光數據應用的準確性，需對其進行校正。

表1 2016年8—10月NPP/VIIRS月度夜光遙感影像數據 nW·cm-2·sr-1

2 NPP/VIIRS數據校正方法

選取研究區(qū)69期月度夜光遙感數據，進行預處理、背景像元校正及異常像元校正等處理，流程如圖1所示。

將月度數據作為待校正影像，編號Mij(i為年份，j為月份)，使用行政區(qū)劃數據批量裁剪研究區(qū)。為避免形變，將影像重投影為Albers等積坐標系，重采樣為500 m×500 m的網格。為降低影像的月變化敏感度，利用均值法對重采樣后的Mij求得季度圖像Qik(i為年份，k為季度)和年度圖像Yi(i為年份)。引用Google Earth圖像，從各地級市的Yi中選擇19處樣本區(qū)域，類型包括湖泊、大型水庫和農田等無光源區(qū)。在VIIRS影像中尋找并記錄該位置的輻射值，計算樣本輻射均值作為最小閾值，將最小閾值以下的像元統(tǒng)一替換為0值，達到去除背景噪聲的目的。

2.1 峰值特征化卷積運算

(1)

(2)

2.2 基于最大熵閾值的自適應濾波

(3)

式中，Thr為閾值；i為像元輻射值，Pi為直方圖中像元輻射值出現的概率；N(R)為圖像中最小輻射值；M(R)為最大輻射值。其中A、B的概率PA、PB及其熵HA、HB的計算如下

(4)

圖像的熵Hmm為目標A和背景B熵的和，如下

(5)

目標A和背景B每個概率分布對應的熵，記為分布信息熵H(A)與H(B)，如式(6)所示。使得目標與背景分布信息熵H(A)與H(B)之和最大的Thr為最大熵閾值。

(6)

2.3 影像的校正結果評定

為檢驗校正效果，構建表征整體輻射情況的燈光輻射總數(total number of radiation，TNR)及反映輻射分布的像元離散指數(pixel dispersion index，PDI)，在微觀尺度上比較影像的變化趨勢，TNR計算如下

(7)

式中，i為像元輻射值；Ni表示i輻射值對應的像元數。月度序列TNR變化情況如圖3所示。

由圖3可知，因數據缺失及噪聲的存在，初始TNR隨時間推移存在大幅度無序波動的現象；校正修補了因云層遮蓋而缺失的影像，TNR的波動幅度縮小，相鄰月度影像TNR差異平均下降了63.84%，數據呈現持續(xù)增長軌跡，符合研究區(qū)發(fā)展情況，實現了時間序列上影像變化更穩(wěn)定的效果。

校正對異常像元的剔除也影響了輻射值與像元數的分布及變化。構建像元離散指數PDI表征研究區(qū)域像元分布的離散程度，計算公式為

(8)

PDI最小值/(nW·cm-2·sr-1)最大值/(nW·cm-2·sr-1)PDI分布區(qū)間的月份數目<5(5,6](6,7](7,10]>10原始4.6433.002323392校正3.296.7319381200

針對DMSP/OLS與社會經濟參量進行宏觀定量關聯分析的研究表明，夜光數據和年度GDP數據存在顯著的線性關系[16-17]。由于掩膜去噪法不適用于2013年后的數據，本研究根據文獻[11]的方法取0.30×10 nW·cm-2·sr-1作為固定閾值，得到江蘇省13市2012—2016年的年度NPP/VIIRS校正數據。同時，基于本文的多時相夜光遙感影像校正方法(簡稱最大熵法)生產的月度影像求均得到年度數據。采用線性模型對兩種方法模擬社會經濟參量的潛力進行比較，由于數據值分布寬泛，對數據的顯示和處理造成麻煩，統(tǒng)一采用對數變換處理，回歸結果如圖4所示。

圖4(a)和圖4(b)分別表示固定閾值法和最大熵法校正的NPP/VIIRS年度數據與全市生產總值的回歸結果，lnGDP表示季度GDP的對數，lnTNR表示校正燈光輻射總數的對數。回歸結果表明，全市GDP與固定閾值法的R2值(0.909)低于其與最大熵法回歸的R2值(0.936)。說明在宏觀年度尺度上，本文方法生產的夜光數據在區(qū)域生產總值上的相關性高于固定閾值法，具備更大的模擬潛力。

3 結 語

基于統(tǒng)計數據的定量分析和基于DMSP/OLS的定性分析已無法滿足當前研究的需求，NPP/VIIRS數據以其影像清晰度、信息豐富度及發(fā)布頻率克服了統(tǒng)計數據與DMSP/OLS的局限，可為多級區(qū)域尺度下的宏觀動態(tài)監(jiān)測提供更加強大的數據支撐。

多時相夜光遙感影像校正方法修補了缺失影像，實現對短暫光源和背景噪聲的有效剔除，修正了燈光輻射及像元分布，微觀上夜光數據的穩(wěn)定程度和集聚狀態(tài)均有提升，宏觀上模擬社會經濟參量更具優(yōu)勢，能滿足月、季、年等多種時間分辨率的研究需求，為了解區(qū)域社會經濟活動及城市化進程提供數據基礎，為相關單位提供決策支持。