國產微景一號小衛星影像的城市裸地識別應用

孫一鳴， 張寶鋼， 吳其重， 劉奧博， 高超， 牛靜， 何平

(1.北京師范大學全球變化與地球系統科學研究院，北京 100875； 2.中國人民解放軍63921部隊，北京 100094； 3.深圳航天東方紅衛星有限公司，深圳 518000)

0 引言

大氣污染治理是我國生態環境治理的重要一環，揚塵排放是大部分城市可吸入顆粒物的重要來源[1-3]，主要由交通揚塵、料堆揚塵、施工揚塵和裸露面揚塵等組成[4]。例如沿海城市浙江省寧波市的城市揚塵源解析結果顯示，裸露地揚塵是貢獻率最大的城市揚塵源[5]，氣候條件、土壤性質、地形和植被覆蓋等會主要影響顆粒物風蝕揚塵過程[6]。大氣污染防治需要準確的排放源清單[7]，研究表明施工裸地揚塵主要分布在城市主城區中[8-9]，大規模批量識別城市裸地對開展城市揚塵研究和排放清單的準確制定具有重要作用。

近年來，許多學者基于光學衛星遙感影像對我國城市區域裸地面積的反演識別進行了大量研究，如利用美國Landsat系列衛星對北京平原區和常州裸露地進行提取分析[10-11]，利用高分辨率衛星資源三號、Pleiades衛星與中等分辨率衛星Landsat系列相結合對天津揚塵污染源的遙感監測[12],利用QuickBird高分辨率影像來進行影像地物分類研究[13-14]。國產衛星產品方面，徐媛倩等[15]利用環境一號衛星對鄭州市裸露地面積提取分析； 張立坤等[16]采用高分一號(GF-1)和北京二號(BJ-2)等衛星對北京建筑施工裸地提取分析。目前基于主流中高分辨率光學遙感數據提取城市裸地的研究較為成熟,已廣泛應用于大氣污染防治工作中，李丹等[17]利用高分一號(GF-1)與Landsat8衛星進行了土地利用解譯對比，證明了國產高分辨率衛星在地物解譯分類方面具有與Landsat8衛星相當的準確性，但前人所采用的國產衛星依然是成本較高的傳統衛星。微小衛星通常指重量在10～100 kg的人造衛星，具有重量輕、體積小、研制周期短、成本低等特點。利用微小衛星的特性，使用多顆遙感微小衛星組進行對地觀測，可以實現低成本、高時間分辨率的遙感數據獲取，具有廣闊的應用前景。例如，美國Planet公司的鴿群星座是小衛星遙感衛星星座的一個成功案例，自2015年至今已陸續發射300余顆名為“鴿子”的遙感小衛星組網進行對地觀測，目前現役在軌投入運行“鴿子”衛星超過100顆，可以實現每日中高分辨率全球全覆蓋影像獲取，彌補了主流中高分辨率遙感衛星重訪周期長的缺點。其數據已廣泛應用于農業、政府管理、教育科研、保險、能源管理、林業、土地利用監測等方方面面。在我國，采用微小衛星平臺的遙感衛星星座也是目前的發展趨勢之一，許多商業航天企業陸續發布了自己的遙感微小衛星星座計劃，并且均推出了成熟的平臺和技術方案，但在星座規模、數據易用性等方面仍與國外存在較大的差距。微小衛星遙感載荷受限于平臺尺寸和成本控制等因素，在成像質量、譜段數量、幾何和輻射精度等指標上遠不如Landsat等主流遙感衛星，即使是同一星座的不同衛星，數據間的一致性也較差，制約了衛星數據的應用，導致了基于國產微小衛星遙感數據的相關應用研究仍十分有限。

本文綜合分析微景一號衛星同國內外主流遙感監測衛星的相關參數，并對微景一號02星影像質量以及影像反演識別城市裸地進行評估。研究采用目前在環境監測及裸地反演研究中主流的美國航空航天局(NASA)Landsat8衛星影像作為參照，與所關注的微景一號微小衛星遙感影像提取的城市裸地進行對比分析，分析微景一號02星目前的影像拍攝質量，評價微小衛星在反演識別城市裸地方面的能力。同時利用微景一號02星和Landsat8衛星影像提取出的城區裸地圖斑，計算城區的裸地面積，這一工作還將為未來城區揚塵排放清單構建提供基礎數據支持。文章最后還探討了低成本微小衛星未來科研應用前景。

1 材料與方法

1.1 衛星介紹

微景一號是深圳航天東方紅衛星有限公司研制的國產低成本微小衛星星座，該星座計劃發射80顆微小衛星組成遙感衛星對地觀測星座系統。微小衛星具有低成本、短周期、部署搭載發射靈活的特點，微景一號星座的首發星即京師一號衛星(BNU-1)，又名微景一號01星，整星重量16 kg，研制成本在1 000萬元以內，攜帶的寬幅相機主要用于極地環境遙感監測，可實現每5 d對南北緯60°～80°完成一次全覆蓋成像[18]； 同時還攜帶一臺8 m空間分辨率、25 km幅寬的光學相機，可用于中緯度地區重點區域較高分辨率遙感觀測。微景一號02星是微景一號星座的第二顆組網衛星，衛星軌道為太陽同步軌道，與01星采用相同的衛星平臺，搭載一臺5 m空間分辨率光學視頻相機載荷，可用于國土普查、作物估產、災害監測、城市規劃等對地成像觀測。

Landsat8是美國陸地衛星計劃的第八顆衛星，于2013年2月11日發射，攜帶陸地成像儀(OLI)和熱紅外傳感器(TIRS)。該衛星一共有11個波段，波段8為15 m空間分辨率的全色波段，熱紅外傳感器(TIRS)的2個熱紅外譜段的空間分辨率為100 m，其余波段均為30 m空間分辨率。其中陸地成像儀(OLI)有9個波段，成像幅寬為185 km，可實現每16 d完成一次全球覆蓋。Landsat8影像在全球生態環境變化監測方面發揮了積極作用[19]。微景一號星座衛星和Landsat8衛星主要參數指標如表1所示。

表1 微景一號星座衛星和Landsat8衛星主要參數

1.2 研究區域與數據介紹

選取山東省日照市作為研究區域。日照市位于E118°25′～119°39′，N35°04′～36°04′之間，地處我國山東半島東南部，市域總面積為5 358.6 km2，城市建成區面積為110.7 km2，年末常住人口城鎮化率為60.35%。日照市山地占總面積的19.7%，丘陵占52.9%，平原占 19.9%，水域占7.5%。日照市是未來山東乃至我國重要的鋼鐵產能基地，近年來城市建設較快，城市裸地分布范圍較廣，東港區是其主要城市區域。

本文研究區域聚焦日照市東港區主要城市區域(圖1)，研究區域面積為235.4 km2。采用微景一號02號衛星拍攝的2020年4月份日照市東港區主要城區光學影像作為實驗分析影像，影像數據為5 m空間分辨率真彩色影像。采用的參照影像Landsat8衛星遙感影像同樣拍攝于2020年4月，選取云量陰影小于10%的影像作為合格影像，在保證裸地提取的前提下共獲取2景Landsat8可用影像作為實驗對照，并通過地理坐標配準與圖像掩模裁剪處理獲得與微景一號影像一致的研究區域大小。

(a) 微景一號02星光學相機圖像(b) Landsat8 B4(R),B3(G),B2(B)假彩色合成圖像

1.3 圖像數據處理方法

本研究選取Landsat8衛星影像數據和微景一號02衛星影像做對比性研究，以研究評估微景系列小衛星所采集影像質量。對于微景一號星座02衛星，出于成本控制的考慮，小衛星在平臺和載荷研制中廣泛使用了工業級元器件，原始影像存在較大的幾何畸變和輻射誤差，需要對拍攝影像進行預處理。對于輻射部分，微景一號02星的絕對輻射定標精度≤7%，相對輻射定標精度≤3%； 在幾何精度上，影像的無控定位精度為500 m左右。利用ENVI軟件自帶的Image Registration Workflow工具將微景一號02星影像與Landsat8影像配準,匹配算法選擇Cross Correlation，最小閾值定義為0.6，配準后影像誤差精度控制在1～3個像元[12]。使用預處理后的影像進行后續裸地信息提取。常用的提取方法有監督分類方法和混合分類方法。監督分類方法在遙感圖像分類研究中廣泛應用[20]； 相比起單一的監督分類，混合分類的方式得到的分類精確度更高[21-22]。對于衛星影像裸地信息的識別提取構建了增強裸土指數(enhanced bare soil index,EBSI)[23]，可最大程度地增強裸地信息。但因微景一號02星的影像只有RGB這3個可見光波段，無法滿足計算EBSI的波段需求。本文采用基于可見光波段的無監督植被指數(ExG-ExR)[24]和監督分類(最大似然法)結合的方法對其影像進行處理?？梢姽庵脖恢笖?ExG-ExR)利用影像的RGB波段，由ExG[25]減去ExR[26]得到，可較好增強影像植被信息，其計算公式為：

ExG=2g-r-b，

(1)

ExR=1.4r-g，

(2)

式中：ExG為綠色增強植被指數，可有效增強植被信息；ExR為紅色增強植被指數，可消除圖像紅光波段的異常影響。其中r，g和b的計算公式分別為：

(3)

(4)

(5)

式中R，G，B分別為每個圖像像元的實際值，微景一號對應紅光、綠光、藍光3個波段，Landsat8影像對應B4,B3,B2波段。可見光植被指數(ExG-ExR)計算結果如圖2所示。閾值分割法是一種簡單高效的分類方法[27]，崔方寧等[28]利用Landsat影像數據和閾值分割法分析了北京冬小麥面積與裸地之間的轉化。到目前為止閾值分割圖像方法種類和分類方式繁多，如基于直方圖區域的閾值分割方法、基于空間特征信息的閾值分割方法、基于模糊集的閾值分割方法和基于非Shannon熵的閾值分割方法[29]。

(a) 微景一號02星(ExG - ExR)圖像(b) Landsat8衛星 (ExG - ExR)圖像

對于微景一號02星影像(ExG-ExR)指數，采用閾值分割法進行植被像元和非植被像元的分割。本研究采用基于直方圖確定閾值的圖像像元分割的方法，將分割出的非植被影像作為掩模對原微景一號02星真彩色圖像進行掩模裁剪，掩模裁剪后的真彩色圖像作為待處理影像，選擇最大似然法分類器，選取合適樣本(表2)并進行監督分類，得到最終的分類結果，提取出裸地像元。

表2 微景一號02星裁剪后影像不同地物特征分離度

對于Landsat8影像，本研究使用與微景一號02星相近時相(2020年4月)的數據，經過圖像拼接和掩模裁剪等處理后得到與微景一號02星一致的研究區域影像，盡可能保持研究數據的時空一致性。隨后采用相同的(ExG-ExR)指數的閾值分割方法進行裸地信息的提取，(ExG-ExR)指數結果(圖2)與監督分類最大似然所采用樣本(表3)同樣表現了較好的地物分離度。

表3 Landsat8裁剪后影像不同地物特征分離度

在分類精度評價上，利用ENVI軟件隨機點生成工具Generate Random Sample在研究影像裸地像元和非裸地像元分別撒下隨機點，對這些點進行目視解譯，統計分析精度指標。微景一號02星影像和Landsat8衛星影像處理流程如圖3所示。

圖3 影像處理流程

2 結果與討論

2.1 衛星影像識別能力

經過預處理后的微景一號02星拍攝的日照市東港區主城區真彩色影像如圖1所示。目視可知，相較于Landsat8合成的真彩色影像，微景一號02星數據在輻射上存在一定的失真，但由于具有較高的空間分辨率，因此同樣能夠清楚分辨地物特征。

在影像的空間分辨率上，微景一號02星空間分辨率更高，可以獲取更豐富的地物紋理細節，以山東省日照市東港區青島路周邊為例(圖4)，微景一號影像可以清楚看到道路左側的建筑物和道路右側的亮度值很高的裸地。但Landsat8真彩色影像分辨建筑物是較為模糊的像元，且對于道路右側的裸地來說，雖然也能較好地提取高亮度的裸地像元，但較低的空間分辨率會在裸地反演識別時造成對非裸地的錯判或漏判。在光譜分辨率上，微景一號02星只有可見光波段，而Landsat8共有9個波段，多波段在反演識別不同地物時具有明顯的優勢。如圖4所示，由Landsat8衛星B5,B4,B3波段合成的標準假彩色影像，利用植被在近紅外波段的高反射率特性，更有利于植被(影像中紅色)的識別。因此在影像處理中，可以通過先剔除植被后再進行裸地或者所需地物的提取，避免植被同其他地物的錯誤識別。

(a) 微景一號02星真彩色影像(b) Landsat8 B4(R),B3(G),B2(B)合成影像(c) Landsat8 B5(R),B4(G),B3(B)合成影像

2.2 微景一號02星反演識別裸地

提取的2020年4月研究區域裸地如圖5所示。研究表明，微景一號02星和Landsat8衛星影像提取出的裸地面積分別為18.0 km2和20.4 km2，占研究區域總面積7.2%和8.7%，兩者提取的裸地面積占比研究區面積差異為1.5個百分點。

(a) 微景一號02星(b) Landsat8衛星

圖5可以看出，微景一號02星影像和Landsat8影像提取的裸地面積分布具有較好的一致性，都以東港城區東部核心街道為中心，裸地向四周城市郊區擴散分布。本文進一步提取城市邊緣沙灘和典型裸地進行影像細節對比分析。微景一號02星在研究區域的東部海岸邊提取的裸地像元多于Landsat8影像提取的裸地像元，通過分析真彩色影像(圖6(a)和(c))發現產生提取裸地差異的原因可能為研究區域中Landsat8影像由于空間分辨率原因導致部分沙灘與周邊像元混合，造成這部分沙灘在影像上沒有被提取。研究區域南部，微景一號02星提取的典型裸地像元(圖6(b)和(d))與Landsat8影像提取的典型裸地像元基本一致，造成的細微差異由于空間分辨率不同與拍攝時間略微不同導致地物特征差異所導致。

(a) 微景一號02星海岸線真彩色影像與裸地像元(b) 微景一號02星典型裸地真彩色影像與裸地像元

(c) Landsat8衛星海岸線真彩色影像與裸地像元(d) Landsat8衛星典型裸地真彩色影像與裸地像元

2.3 衛星提取裸地精度評價

為了評價微景一號02星和Landsat8衛星影像的裸地提取精度，本研究使用ENVI軟件隨機點工具Generate Random Sample對微景一號02星和Landsat8衛星影像分層抽象，對裸地像元和非裸地像元分別撒下300個和500個隨機點，再利用微景一號02星和Landsat8衛星真彩色影像對隨機點進行目視解譯，并將目視解譯結果與衛星影像的分類結果進行混淆矩陣與Kappa系數計算。結果顯示微景一號02星影像分類精度為93.3%，Kappa系數達到0.85； Landsat8衛星影像總分類精度為91.2%，Kappa系數為0.81。2顆衛星影像分類精度評價結果見表4和表5。為了進一步探討裸地提取誤差，同時采用提取重合面積比例比較這一指標，利用Python3.6軟件提取重合面積，同時將誤差范圍定義為1～3個網格數。計算結果顯示提取裸地重合面積為13.0 km2，占比微景一號02星提取裸地像元面積超過72.2%。

表4 微景一號02星分類精度評價

表5 Landsat8衛星影像分類精度評價

衛星遙感影像處理過程中閾值分割與監督分類的樣本差異都會導致提取裸地像元的差異。從最終結果來看，相較于整體研究區，微景一號02星與Landsat8衛星影像中裸地面積提取的差異為1.5個百分點，以微景一號02星為基準，裸地提取重合度超過72.2%，說明兩者在保證拍攝時間相對一致及空間地理坐標配準的前提下，采取當前處理流程對日照市裸地進行攝取，低成本小衛星(微景一號02星)能保證獲得與Landsat8衛星相對一致的提取結果。

2.4 衛星應用與發展展望

研究表明，微景一號02星與Landsat8衛星對裸地面積提取的差異僅為1.5個百分點，2類衛星影像識別的城市裸地的時空分布具有一致性?；閰⒄盏慕Y果也能表明國產微小衛星數據能夠有效應用于裸地反演與提取。

目前我國約60%的微小衛星在高校以及科研相關領域投入使用[30]。隨著微景一號星座系統的不斷完善，若實現設計中的80顆微納衛星組成的遙感衛星星座系統，利用其中等空間分辨率以及高時間分辨率的優勢，將在國土普查、作物估產、災害監測、城市規劃以及極地觀測發揮重要作用，促進我國相關研究的開展，產生廣泛的社會服務效益。

3 結論

本文研究基于微小衛星微景一號02星拍攝的2020年4月日照市東港區影像，利用(ExG-ExR)指數與監督分類結合的方式提取裸地。并在保證時空相對一致以及相同處理流程的情況下，以Landsat8影像作為對照提取城區裸地，驗證分析探討國產小衛星微景一號02星對城市裸地的提取效果，得出的主要結論如下：

1)5 m空間分辨率的微景一號02星影像與30 m空間分辨率的Landsat8衛星影像相比，具有分辨率優勢，對地物細節拍攝得更清楚。但Landsat8影像具有多波段優勢，對于顏色相近的不同地物通過不同波段組合具有更好的分辨能力。

2)在保證相近的拍攝時間和一致地理坐標的情況下，微景一號02衛星與Landsat8衛星影像提取出來日照市東港區主要城區的裸地面積分別為18.0 km2和20.4 km2，分別占研究區域面積的7.2%和8.7%。微景一號02星與Landsat8衛星提取分類精度均達到90%以上，Kappa系數也都大于0.80。

3)微景一號02星與Landsat8衛星反演識別日照市東港區主城區裸地面積有1.5個百分點的差異，裸地提取重合度占比微景一號02星裸地像元面積超過72.2%，表明微景一號02星可以同傳統遙感衛星例如Landsat8一樣提供相當的裸地反演識別產品。

隨著微景一號星座系統的發展，微景一號星座衛星能夠提供穩定的影像質量，并且有著高空間分辨率以及過境時間的優勢。隨著星座系統的完善部署，更多微小衛星的發射升空和運用，能夠提供更多種類型和穩定高效的數據服務，并在科研與遙感監測領域大有作為。