利用衛星圖像分析南京信息工程大學校園變化特征

李旭輝 趙佳玉 Natalie Schultz 肖薇 劉壽東

1 耶魯大學 森林與環境學院,紐黑文,06511 2 南京信息工程大學 大氣環境中心,南京,210044

0 引言

南京信息工程大學(原南京氣象學院,簡稱“南信大”)創建于1960年,正值冷戰鼎盛時期．建校伊始,南信大師生為新大學建設努力工作,卻很少有人意識到美國偵察衛星也正在密集活動．在1960至1972年的13年里,美國空間偵查局操縱了一系列CORONA衛星,收集中國、前蘇聯、東歐和其他地區的情報[1]．1995年,冷戰結束后的第4年,美國政府決定解密CORONA衛星圖像,把其中一些圖像數字化,并在美國地質調查局網站上歸檔和發布,提供給公眾使用．這些圖像已被用于地形高程重建[2]、考古勘察[3-4]、森林砍伐[5]等工作．

利用偵察衛星圖像研究土地利用變化,突出的優勢是這些圖像獲取的時間比用于監測環境的常規衛星(如LANDSAT系列衛星)早至少10年．研究者們可以利用這些圖像研究更長時間的變化．但是,使用這些圖像也存在很多挑戰．首先,這些圖像沒有坐標信息．如果要與之后的衛星圖像比較,就需要將它們登記在坐標系中．但是,由于圖像獲取時間較早,很難找到未發生變化的地面控制點．其次,圖像條帶較窄,約20 km,長度卻有200 km,這會導致離中心點較遠的地物發生較嚴重的扭曲變形,而地理配準采用的線性變換很難校正這種變形．再次,與太陽同步軌道環境衛星不同,偵察衛星過境時間不是固定的,因此每幅圖像的太陽光照情況不同．盡管可以知道圖像獲取的日期,但獲取的準確時間和太陽高度角卻是未知的,這增加了圖像解譯的難度．最后,這些黑白圖像區分地物的能力有限,原因是無法計算出常用的光譜參數,如植被指數(NDVI)．

本文的研究目標有以下3點:1)選擇適合分析南信大校園及其周邊變化情況的偵察衛星圖像;2)對這些圖像在WGS84地圖坐標中做地理配準,確定定位精度;3)分析南信大早期的校園變化情況．

1 觀測數據和處理方法

本研究所使用的圖像主要來源于美國“鎖眼”偵察衛星(Keyhole,簡稱 KH)和Google Earth(簡稱GE)高分辨率歷史遙感圖像,所有的圖像處理都是基于遙感圖像處理軟件ArcGIS中的ArcMap(版本號:10.6.1)完成的．

1.1 美國“鎖眼”衛星圖像

本研究使用的KH衛星圖像來源于美國地質調查局(United States Geological Survey,USGS)圖片數據庫(https:∥earthexplorer.usgs.gov/)．具體的獲取方法如下．首先,劃定包含研究目標(南京信息工程大學)在內的方形區域,同時設置獲取圖像的時間范圍．其次,根據研究需求選擇對應的數據庫,本研究所使用的圖像包含在Declassified data數據庫中的第1組數據庫(Declass 1)內,該數據庫的拍攝照片多集中在20世紀60年代末期,且大多為長條狀推掃式衛星圖片．通過預覽圖片可以粗略地看出圖片拍攝地理范圍、有無云遮擋等信息,根據特定的需求(免費、高分辨率)篩選所有圖像之后,有5幅圖像可以滿足本研究的研究需求(圖1)．

表1中列出了滿足研究需求的5幅KH衛星圖片基本信息．拍攝衛星型號為KH-4型,該衛星為第一代詳查型照相偵察衛星,在1962年3月第1次發射,工作壽命平均為3～5年．該衛星攜帶了2臺膠片寬度為70 mm的全景相機,其夾角為30o,一臺用于前視,另一臺用于后視,拍攝數據類型為全色波段,呈黑白圖像．KH-4衛星根據相機等技術參數的不同又分為KH-4A和KH-4B兩種類型,關于衛星相機的具體性能參數可參照文獻[6]．相比KH-4A(2.7 m),KH-4B具有更高的空間分辨率(1.8 m)．

1.2 Google Earth 圖像

GE遙感圖像是基于衛星圖像和航拍圖像等多數據融合而成的．其中衛星遙感圖像主要來自于美國DigitalGlobe公司的QuickBird商業衛星(分辨率可達0.61 m)、美國IKONOS(可提供1 m左右分辨率的圖像)、法國SPOT5(可提供分辨率為2.5 m的圖像)、美國EarthSat陸地衛星系列(以LANDSAT-7衛星居多)等．相比大多衛星圖像,航拍圖像具有更高的地面分辨率,其來源包括英國的Bluesky公司和美國的Sanborn公司等．GE中全球圖像的地面有效分辨率最低為100 m,大多為30 m,在中國大陸某些地區如東部經濟發達區域,覆蓋了更高分辨率(如1 m)的圖像．此外,Google Earth在5.0版本中加入了歷史圖像查看功能,通過移動時間滑塊可呈現不同年份在特定拍攝日期的歷史圖像．

表1 本研究所使用的5幅偵察衛星圖像基本信息

基于Google Earth高分辨率的遙感圖像,本研究采用Google Earth Pro(版本:7.3.2.5776)軟件獲取高分辨率的南信大歷史圖像,獲取方法如下:運行Google Earth Pro,首先設定包含研究目標在內的區域范圍(118°41′12.95″～118°44′24.81″E,32°11′36.44″～32°13′15.99″N);其次打開歷史圖像查看功能,尋找合適的圖像(無大氣云層等雜質的干擾)進行保存,在保存過程中選擇最大的分辨率(4 800 km×2 886 km)．在深度篩選之后從2006—2018年共有11幅圖像滿足本研究的研究目的,具體圖片日期如表2所示．

1.3 數據處理

本研究所使用的KH偵察衛星和GE歷史遙感圖像,均沒有地理坐標信息．為了準確地分析南信大校園的變化,本研究利用ArcMap對所有圖像進行在線地理坐標配準[7-8],并且選擇ArcMap在線的全球圖像(Basemap-World imagery)作為底圖進行配準,該全球圖像的分辨率以及圖像來源隨著地理位置和范圍的變化而變化,在世界的許多地方提供1 m或者更高精度的衛星和航拍圖像,對更大區域范圍則提供分辨率較低的衛星圖像．本研究所采用的底圖遙感圖像拍攝日期為2013-09-16,來源于DigitalGlobe公司的Worldview2(WV02)衛星,其分辨率約為0.5 m．地理配準一般需要經過添加控制點、檢查殘差、選擇合適地理配準方法以及更新地理配準等幾個步驟,具體操作方式如下．

首先,由于KH衛星圖片拍攝的區域相對研究目標范圍較廣,因此為了提高配準的精確度,只截取KH衛星圖片包含研究目標的部分區域進行配準,截取之后,將底圖和需要配準的圖層加載到ArcMap的窗口中．其次,加載Georeferencing工具條,輸入需要進行地理配準的圖層,選擇并添加控制點,通過控制點連接底圖和需配準的圖層．控制點的選取對地理配準的精確度具有重要的影響,理論上控制點的選取需均勻地分布在整個圖層中,至少為3對控制點,并且應選擇2張圖層中無變化且較為明顯的地表特征來配準,如道路交叉口、建筑物及其邊角等．本研究對于每幅KH衛星圖像共選取了7對控制點(表3),主要包括學校周邊的道路交叉口以及沒有變化的建筑物邊角處如北辰樓和22棟宿舍樓．對于GE歷史圖像,在選取控制點時以道路交叉點以及平面參照物的邊角處(如操場)為主．具體的控制點信息如表2所示．在選取控制點進行配準過程中,軟件能夠計算出所有控制點的X殘差(東西方向)、Y殘差(南北方向)和總均方根誤差(Root Mean Square Error,RMSE),通過查看各個控制點的殘差,可以粗略判斷控制點選取的準確度,如殘差過大,則刪除后重新進行選取．對于本研究每張配準圖像的總RMSE如表2和表3最后一列所示．最后,在選取好所有控制點之后,勾選合適的地理配準方法(一階多項式(仿射),1stOrder Polynomial(Affine)),更新圖層的地理配準信息,對圖層進行保存分析．

表2 GE歷史圖像地理配準控制點的選取以及均方根誤差

×:道路交叉口.

表3 KH衛星圖像地理配準控制點的選取以及均方根誤差

×:道路交叉口.

對于KH衛星圖像,由于分辨率低且呈現為黑白圖像,控制點的選取難度相對較大,因此相比GE 圖像配準,其RMSE具有更高值．在完成第1次地理配準之后,為了提高KH衛星圖像的地理信息精度,選擇拍攝日期為1968-11-09的KH衛星圖像作為底圖,采用上述方法對其他4幅KH圖像進行第2次地理配準,完成后的圖像其平均RMSE值為1.52 m,并且KH圖像之間能夠很好地重合．

為了準確判斷南京信息工程大學校園邊界的變化,本研究基于ArcMap軟件分別以20世紀60年代和當今校園邊界創建了2個shapefile文件．第1個shapefile文件是基于20世紀60年代的校園邊界,在創建過程中使用矩形方框包含所有校園區域．第2個shapefile文件則是基于當今校園的邊界,使用多邊形描繪出校園邊界的范圍．采用2種shapefile文件對所有圖像進行裁剪,以此獲取20世紀60年代和當今校園邊界的所有圖像．

2 結果與討論

理想情況下,地理配準之后圖像的定位準確度(positional accuracy)應該低于一個像元大小．KH圖像地面控制點的均方根誤差的范圍為4.77 m(1968年11月9日)至7.74 m(1970年12月5日)(表3),誤差為圖像空間分辨率的2至3倍．由于準確度不高,把前期KH圖像與后期的GE圖像重疊在一起時,會發現不同日期的圖像有輕微的位置偏移(見文后附件)．

圖像分辨率是變化的．早期的2幅圖像(1964年11月12日和1965年9月26日,圖2、3),建筑很模糊,邊緣不清晰．在后期的2幅圖像(1968年11月9日和1970年5月25日,圖3)中,結構更清晰．在所有的KH圖像中,線性特征(如道路和河流)都很容易分辨．

盡管地理配準后的圖像的定位有較大的不確定性,但是地理配準后的尺寸準確度(dimensional accuracy)較好．例如,1968年KH圖像中操場(中苑老操場)的跑道總長為298 m,很接近真實值(300 m),比當今跑道(400 m)短很多．根據南信大一位退休教授的口頭陳述,操場擴建應該是發生在20世紀70年代早期．

為了便于理解圖像分辨率,接下來展示1965年10月9日和1970年5月25日南京長江大橋的圖像(圖4)．1965年大橋尚處于建設中,但是幾個橋墩隱約可見．1970年,完整的大橋清晰可見,橋墩產生的水流漩渦也能看到．更多長江大橋的圖像見文后附件4．

2.1 南信大校園演變

南信大校園于1961年4月破土動工,當年9月學校正式遷入該校址．根據1964-11-12 KH圖像,1964年已經建成3棟教師宿舍樓,2棟學生宿舍樓(圖2上排圖片)．圖像中可以看到北辰樓和一代圖書館．操場跑道還不完整,有一條小路橫穿過操場．

1964-11-12 KH圖像中建筑物投射的影子大,表明圖像獲取時刻太陽角較低．從圖像上無法直接看到水塔,但是北辰樓西側的一塊深色斑影可能是水塔的影子:這個斑影的位置與水塔的位置相同,影子長度與宿舍樓影子的長度相近(水塔高度與宿舍樓高度相同)．

1964年校園圖像中有2個較大的水體．盡管這2個水體都和建筑物的影子一樣暗,但是其方向和形狀卻存在明顯差異．第1個是圓形池塘,位于食堂東側,后來成為觀賞水塘(現名“藕舫園”)．第2個長方形的水體是當年師生常游泳用的池塘．

與1964年相比,1965年的KH圖像有幾點變化．1965年圖像上能看到3棟教師公寓樓和北側的1棟幼兒園平房．操場已經完整,跑道清晰可見．圓形池塘的中心比其他部分更亮,表明有水生植物生長．建筑物的影子(包括水塔投射的影子)比1964年圖像中的影子小,說明圖像獲取時刻的太陽高度角較大．1965年圖像中,學生宿舍樓與盤城路連線中間位置的一塊區域比1964年圖像中的更為明亮,但是沒有影子,這個特征物是校車車隊的停車場．

另外一個明顯的變化是1965年增加了一條進出學校的通道．北面的通道在后來的圖像中逐漸消失了,新的通道成為連接校園和盤城路的唯一一條道路(圖3左側圖和附件1)．雖然從太空上看不到,但是東大門應該是位于該通道的盡頭．

1968年的KH圖像是本文所選偵察衛星圖像中最好的一幅．1968年,教工宿舍樓增加到7棟．操場上更細微的特征物可以分辨出來了,包括操場北側和南側兩塊亮點(可能是跳遠跳高場地和鉛球場)以及它們中間的長方形草地．一代圖書館也能明顯地分辨出來．圓形池塘的一半比另外一半明亮很多,表明水生植物生長茂盛．

快進到2006年．圖3右上小圖是GE圖庫中的覆蓋校園的最早的高分辨率圖片．從20世紀70年代初到2006年,校園已經發生了巨大變化．22棟學生宿舍樓和北辰樓是為數不多保存較為完整的永久特征物．很多變化是顯而易見的．校園向東擴展到寧六路,老食堂消失了,北辰樓前面水體變成了長方形,現稱為“藕舫園”．原來的長方形水塘被填埋,而后在這個位置建成了南樓(現名“尚賢樓”)．

2.2 其他景觀變化

從20世紀70年代到2006年,最明顯的變化是很多農田變成城市用地．此外,老校園和新校園邊界外的幾個明顯變化也值得我們注意．

1) 老校園外面的盤城路(現名“盤城新街”)在1964年圖像為非常明亮線條(圖2右上圖),在1965年及此后的圖像均變暗(圖2右下圖、圖3左側圖和附件1)．在1964年11月12日至1965年9月26日之間道路亮度降低,說明它從礫石路變成了柏油路．

2) 丁解路,位于盤城路以西0.4 km(圖3左側圖),在后期的GE圖像(圖3右側圖)上消失了．從附件中的大幅圖像(附件3)上可以看出,現在的丁解路在校園南邊界終止．

3) 龍須溝是一個蜿蜒穿過校外農田的溝渠．現在經過重建,呈規則的“L”幾何形狀,河岸為鋼筋混凝土結構,名為“群英河”,

4) 舊田徑場大幅度擴展．跑道由1968年KH圖像中的298.0 m擴展到2006年4月6日GE圖像的406.5 m．操場中心向東移動了9 m,向南了移動47 m．

作物的季節變化也是造成1964年和1965年KH圖像之間差異的因素．1964年圖像是在秋冬交際時拍攝的,除了水體和建筑物的影子以外其他的景觀均勻明亮(附件2),這一點由圖5直方圖中相對集中的分布可以看出．這個時段的農田沒有作物,像元亮度值較高．相對而言,1965年的圖像則在初秋時節獲取,亮度值范圍更寬(附件2,圖5)．1965年一些農田的顏色看起來像池塘和河流一樣深,可能是收獲后尚有積水的水稻田．

2.3 太陽高度角和視角的影響

前文已經提及影子大小與太陽位置之間的關系．由于受影子的影響,一些建筑物的邊界無法準確確定．例如,一些教工宿舍樓的南部會隱藏在其南側相鄰建筑物的影子里(圖2右上圖)．

視角的影響與水面的雙向反射特性有關．水面反照率較低,通常在遙感圖像上亮度很低,這就是為什么池塘和河流是偵察衛星圖像中最暗的特征物．但1970年5月25日的圖像是例外,在這幅圖像里,水體和建筑物一樣明亮(圖3左下圖)．產生這種耀斑現象(sun glint)的原因是鏡面反射:當反射角與太陽光線入射角相同時,光滑水面的反射率很大,可接近100%．如圖1所示,南信大校園位于1970年圖片拍攝視場的中心位置,相機的視角很小．當時太陽肯定是位于天頂位置附近,才能產生鏡面反射．該影像中北辰樓的影子極窄,也說明太陽位于天頂位置．

太陽耀斑現象為我們提供了檢驗景觀的變化的機會．圖2中顯示的圓形池塘在1970年KH圖像中變得很明亮,但是長方形池塘卻只有一部分是明亮的,說明后者可能干枯萎縮了．1968年圖像(圖3左上圖)的一些較暗特征物在1970年圖像上仍然很暗,沒有太陽耀斑區(圖3左下圖),說明這些池塘水面有季節變化,在1968年非生長季有水,而在1970年夏季生長季沒有水．

1970年5月25日圖像中沿著盤城路有一個線性明亮特征物(圖3左下圖)．這些特征物的寬度不規則,而且不連續．這可能是一條小溪流,也可能是灌溉水渠．道路擴建后,這條溪流在GE圖像中已經看不到了(圖3右側圖)．

3 結論

本文分析了1964年11月至1970年12月的5幅黑白KH圖像和2006至2018年的11幅GE彩色圖像．經過地理配準后,KH圖像地面控制點的均方根誤差(或定位準確度,positional accuracy)為4.8至7.8 m,相當于原始圖像空間分辨率的2～3倍．盡管位置準確度沒有達到小于或等于一個像元尺寸的理想標準,但是配準后圖像的尺寸尺度準確度(dimensional accuracy)較好,舊操場的跑道長度為298.0 m,實際長度300 m,僅相差2 m(0.7%)．

通過對比早期KH圖像和近期GE圖像,能夠明顯看出20世紀60年代至21世紀初景觀的動態變化．最明顯的變化是老操場的擴建,及其中心位置的較大變動(47 m)．在KH黑白圖像中,建筑物影子和水體的亮度均較低．通過對比不同太陽高度角情況下拍攝的圖片,能夠分辨這兩類地表類型．其中一幅KH圖像中出現太陽耀斑現象,有助于確定水體的空間分布狀況．地理配準后的KH和GE圖像(裁剪成多種尺寸)已經整理成圖像文件,在本文附件中呈現．這些圖像為我們提供了南信大歷史演變的空間視角信息,這些信息是無法從傳統的照片和口頭陳述中獲取的．

上述南信大校園演變定性分析主要是基于目視解譯進行的．本研究未采用土地利用類型分類等標準的土地利用變化方案量化校園面積、建筑物數、水體面積等,也沒有計算不同土地覆蓋類型所占的百分比．由于光譜限制、位置精度不足和影子范圍變化等因素的影響,無法實現這些定量分析．