基于GF-4 PMS的高時空分辨率遙感數據融合分析

皮 新 宇，王 盼 成，曾 永 年，盧 晗

(1.中南大學空間信息技術與可持續發展研究中心，湖南 長沙 410083; 2.國網湖南省電力公司防災減災中心電網輸變電設備防災減災國家重點實驗室，湖南 長沙 410129)

0 引言

高時空分辨率遙感影像數據在大氣環境、地表特征動態監測等研究中具有重要意義[1-4],但目前單一傳感器無法實現高空間分辨率、高頻次的對地觀測[5,6]。為此，基于多源遙感數據的時空融合技術得到發展與應用[7-14]，其中，時空自適應反射率融合模型(STARFM)[7]、增強性時空自適應反射率融合模型(ESTARFM)[15]應用最廣泛。當前時空融合實驗及應用研究中，常用的低空間分辨率、高回訪率數據為MODIS數據，常用的中高空間分辨率數據為Landsat數據[8,16-18]，前者的像元尺度(250 m、500 m、1 km)遠大于后者(30 m)，相對于GF-1 WFV/PMS、GF-2 PMS、IKNOS、Quickbird、Sentinel-2等更高空間分辨率數據像元尺度差異更大，從而影響時空融合過程中高、低空間分辨率數據的配準，而且低空間分辨率數據存在大量混合像元，對以光譜混合理論為基礎的STARFM及其改進模型應用的影響較大，為融合過程中選擇與確定光譜相似像元帶來較大的不確定性，從而影響時空融合的效果。另外，盡管MODIS與Landsat數據在可見光、近紅外具有相近的波段，但各波段光譜響應范圍仍存在一定差異，進而影響時空融合的效果與精度[19,20]，如何有效解決上述問題是目前遙感時空融合面臨的挑戰。

GF-4衛星是中國第一顆民用高分辨率靜止軌道光學成像衛星，能實現中國及周邊地區日內持續若干小時的觀測，其多光譜數據的空間分辨率優于50 m。目前，GF-4 PMS數據已應用于干旱監測[21]、地表發照率反演[22]、云檢測[23]、氣溶膠反演[24]、地表水分類[25]等領域，其真實效果亟需論證與評價[26]。同時，GF-4 PMS數據較高的時空分辨率對遙感數據時空融合效果與精度的影響也值得深入探討，然而相關研究卻尚未見報道。為此，本文應用3種典型的時空融合模型(STARFM、ESTARFM、FSDAF)，分析基于GF-4 PMS 數據融合的高時空分辨率數據(GF-1 WFV、Landsat OLI)的效果及精度，并與基于MODIS數據的融合結果進行對比分析，以期為GF-4 PMS數據的時空融合應用及像元空間尺度差異對時空融合的影響研究等提供參考。

1 研究區與數據

1.1 研究區

選取地表景觀復雜程度不同的兩個研究區(圖1)進行遙感影像數據時空融合的效果與精度分析。研究區1位于湖南省湘潭市，影像的中心經緯度為112°57′15″E、27°57′25″N，面積為92.16 km2(320×320 Landsat像元)，土地利用類型主要為林地、裸地與建設用地，各地類分布集中，地表景觀復雜程度較低；研究區2位于河南省信陽市，影像的中心經緯度為114°48′41″E、32°22′41″N，面積為144 km2(400×400 Landsat像元)，主要地類為林地、耕地、裸地與建設用地，相對于研究區1，研究區2地表覆蓋類別較復雜、異質性較高，其地表景觀復雜程度也較高。

圖1 研究區假彩色影像Fig.1 False colour images of the study areas

1.2 數據及預處理

本文選擇GF-1 WFV、GF-4 PMS、Landsat8 OLI以及MOD09GA的可見光與近紅外波段進行研究。其中，GF-1 WFV、 GF-4 PMS的時間分辨率分別為4 d、20 s，空間分辨率分別為16 m、50 m，均下載于中國資源衛星應用中心；Landsat8 OLI與MOD09GA的時間分辨率分別為16 d、1 d，空間分辨率分別為30 m、500 m，均下載于美國地質調查局(USGS),覆蓋研究區1、2的Landsat8 OLI的行列號分別為123/41、123/38，MOD09GA的行列號分別為h27v06、h27v05，各研究區數據說明見表1。由于受高分辨率數據獲取時間分辨率及天氣的影響，實際應用中很難獲得時相完全一致的基期和驗證高、低分辨率數據對。為此，本文選擇基期和驗證高、低分辨率融合數據對的時間差異均小于5 d，能滿足融合實驗的要求。首先，對獲取的4類數據進行輻射定標及大氣校正，獲得地表反射率；其次，以Landsat8 OLI為基準，分別對GF-1 WFV、GF-4 PMS及MOD09GA進行幾何配準處理，誤差小于0.5個像元；另外，對于GF-4 PMS、MOD09GA數據，采用最鄰近法重采樣至16 m和30 m空間分辨率，以便后續融合處理；最后，按研究區范圍裁剪所有數據，并選取可見光(紅、綠、藍)及近紅外波段作為融合對象。

表1 遙感數據類型及獲取時間Table 1 Types and acquisition dates of remote sensing data

2 研究方法

首先，以GF-4 PMS、MOD09GA(簡稱GF-4、MODIS)為低空間分辨率遙感數據，以GF-1 WFV、Landsat OLI(簡稱GF-1、Landsat)為高空間分辨率遙感數據，基于STARFM、ESTARFM、FSDAF模型進行影像融合，對融合影像與真實影像進行定性分析與定量精度評價，然后對比分析各融合結果。在本文融合實驗中，不同的模型由于理論假設不同，其輸入數據不同，STARFM、FSDAF模型輸入一對基期的高、低空間分辨率數據以及預測期的低空間分辨率數據進行時空融合，ESTARFM模型輸入兩對基期的高、低空間分辨率數據以及預測期的低空間分辨率數據進行時空融合。

2.1 時空融合模型

STARFM 模型[7]和ESTARFM模型[15]算法見式(1)和式(2)，FSDAF模型[27]融合過程為：1)對基期(t0)高空間分辨率影像(GF-1/Landsat)進行分類處理；2)求低空間分辨率影像中各地物類別從基期(t0)到預測期(tp)的光譜時間變化估值；3)基于各地類光譜時間變化預測高空間分辨率融合影像并計算殘差；4)利用薄板樣條插值函數將殘差分配到高空間分辨率像元上；5)基于相似像元，利用權重函數獲得融合的高空間分辨率影像。

(1)

式中：F、C分別為高、低空間分辨率影像的地表反射率；(xw/2,yw/2)為中心像元坐標，w為移動窗口大小；Wijk為i行j列像元的綜合權重；tp和tk分別為預測期與基期影像獲取時間；k為基期影像對的序號；n為參與融合的基期影像對的數量。

(2)

式中：t0和tp分別為基期與預測影像獲取的時間；B為波段；N為包括中心像元在內的相似像元總數；Wi與Vi分別為第i個相似像元的權重和轉換系數。

2.2 精度評價

為比較基于兩種不同低空間分辨率數據時空融合的精度，以預測期真實的高分辨率數據為驗證數據，在融合影像與真實影像上隨機選取75%像元為樣本，采用相關系數(R)和均方根誤差(RMSE)進行定量評價，R值越接近1、RMSE越趨近于0，表示光譜信息越相似、融合精度越高。

3 結果與分析

3.1 GF-1高時空分辨率影像融合及分析

以GF-1為高空間分辨率數據，以GF-4、MODIS為低空間分辨率數據，利用STARFM、ESTARFM、FSDAF 3種時空融合模型獲得GF-1高時空分辨率融合影像(圖2、圖3)。對于研究區1，基于GF-4數據的GF-1融合影像地表覆蓋的空間細節得到有效融合，且植被的光譜信息得到較準確預測；相對而言，基于MODIS數據的GF-1融合影像盡管空間細節得到有效融合，但地物的光譜信息存在明顯差異，尤其是基于FSDAF模型的融合結果，光譜差異最顯著(圖2)。對于研究區2，基于GF-4數據的GF-1融合影像植被空間細節得到有效融合，植被的光譜信息得到較準確預測；相對而言，基于MODIS的GF-1融合影像除基于FSDAF模型的結果外，其余兩種模型的融合結果較差(圖3)。

圖2 研究區1基于GF-4和MODIS影像及不同模型的GF-1融合結果Fig.2 Fused GF-1 images based on GF-4 and MODIS images by using different fusion models in study area 1

圖3 研究區2基于GF-4和MODIS影像及不同模型的GF-1融合結果Fig.3 Fused GF-1 images based on GF-4 and MODIS images by using different fusion models in study area 2

由表2可知，相對于基于MODIS的融合影像，3種模型中基于GF-4融合的GF-1高時空分辨率影像在研究區1與真實影像的RMSE均值分別降低了15.63%、24.24%、17.14%，R均值分別增加了10.38%、5.81%、16.48%，在研究區2與真實影像的RMSE均值分別降低了20.93%、15.79%、18.18%，R均值分別增加了2.21%、5.73%、2.18%。兩個研究區的結果分析表明，基于GF-4融合的GF-1 WFV影像和基于MODIS融合的GF-1 WFV影像均能表達出清晰的空間細節和準確的光譜信息，前者與真實影像的R均值為0.844、RMSE均值為0.031，后者與真實影像的R均值為0.823、RMSE均值為0.038，可見基于GF-4融合的GF-1 WFV影像與真實影像的R提升了2.55%、RMSE降低了18.42%，表明基于GF-4融合的GF-1高時空分辨率融合影像優于基于MODIS融合的GF-1高時空分辨率融合影像。

表2 研究區精度評價Table 2 Accuracy assessment results of the study areas

3.2 Landsat高時空分辨率影像融合及分析

以Landsat為高空間分辨率數據，以GF-4、MODIS為低空間分辨率數據，利用STARFM、ESTARFM、FSDAF模型獲得Landsat高時空分辨率融合影像(圖4、圖5)。對于研究區1，基于GF-4數據的Landsat融合影像空間細節得到有效融合，而且植被的光譜信息得到較準確預測；相對而言，基于MODIS數據的Landsat高時空分辨率融合影像與真實影像相比，盡管空間細節得到有效融合，但地物的光譜信息存在明顯差異(圖4)。對于研究區2，基于GF-4數據的Landsat融合影像植被的空間細節也得到有效融合，植被的光譜信息得到較準確預測；相對而言，基于MODIS的Landsat融合影像與真實影像相比，ESTARFM模型的融合結果較差(圖5)。

圖4 研究區1基于GF-4和MODIS影像及不同模型的Landsat融合結果Fig.4 Fused Landsat images based on GF-4 and MODIS images by using different fusion models in study area 1

圖5 研究區2基于GF-4和MODIS影像及不同模型的Landsat融合結果Fig.5 Fused Landsat images based on GF-4 and MODIS images by using different fusion models in study area 2

由表3可知，相對于基于MODIS的融合影像，3種模型基于GF-4數據的Landsat高時空分辨率融合影像在研究區1與真實影像的RMSE均值分別降低了8.70%、0.00%、8.70%，R均值分別增加了3.11%、3.31%、6.37%，在研究區2 與真實影像的RMSE均值分別降低了35.14%、36.59%、40.00%，R均值分別增加了1.83%、3.26%、1.36%。兩個研究區的結果分析表明，基于GF-4融合的Landsat影像與真實影像的R均值為0.907、RMSE均值為0.023，基于MODIS融合的Landsat影像與真實影像的R均值為0.870、RMSE均值為0.031，可見基于GF-4融合的Landsat影像與真實影像的R提升了4.25%、RMSE降低了25.81%，表明基于GF-4融合的Landsat高時空分辨率融合影像優于基于MODIS融合的Landsat高時空分辨率融合影像。

表3 研究區精度評價Table 3 Accuracy assessment results of the study areas

3.3 融合精度分析

進一步分析參與融合的高、低空間分辨率數據尺度差異對融合精度的影響(圖6、圖7),可以看出，隨著尺度差異的增大，融合結果的R逐漸降低、RMSE逐漸增大。這是由于隨著高、低空間分辨率數據間尺度差異的減小，參與融合的低空間分辨率數據中像元混合的程度隨之減少，從而降低了融合過程中幾何配準的不確定性以及同質像元選取的不確定性。因此，參與融合的高、低空間分辨率數據的尺度差異對融合數據的精度、質量具有顯著影響;同時也說明相對于MODIS數據，GF-4數據在時空融合中具有顯著優勢。另外，在兩個研究區，基于GF-4數據融合的高時空分辨率數據(GF-1、Landsat)的精度對不同融合模型的差異性不敏感(1.67倍和3.125倍尺度差異)，因此，基于GF-4數據的遙感數據時空融合可盡量選擇簡潔的融合模型。

圖6 基于不同尺度差異和不同模型的融合精度對比(研究區1)Fig.6 Comparison of fusion accuracy for different scale differences and fusion models in study area 1

圖7 基于不同尺度差異和不同模型的融合精度對比 (研究區2)Fig.7 Comparison of fusion accuracy for different scale differences and fusion models in study area 2

4 結論

本文基于3種典型的時空融合模型(STARFM、ESTARFM、FSDAF)，分析基于GF-4 PMS 數據融合的高時空分辨率數據(GF-1 WFV、Landsat OLI)的融合效果及精度，并與基于MODIS數據的融合結果進行對比分析。結論如下：1) 在不同地表復雜程度的兩個研究區，利用3種不同的時空融合模型，基于GF-4融合的GF-1、Landsat影像均能清晰表達出空間細節以及準確的光譜信息，與真實影像的R均值分別為0.844、0.907，RMSE均值分別為0.031、0.023；基于MODIS融合的GF-1 WFV、Landsat影像與真實影像的R均值分別為0.823、0.870，RMSE均值分別為0.038、0.031。相對于MODIS數據，融合的GF-4影像與真實影像的R均值分別提升了2.55%、4.25%，RMSE均值分別降低了18.42%、25.81%。定性與定量分析結果均表明，GF-4數據在時空融合中具有顯著優勢。2)參與融合的高、低空間分辨率數據的尺度差異對融合數據的精度、質量具有顯著影響，基于GF-4 數據的時空融合結果對不同模型差異不敏感，在實際應用中，基于GF-4 數據的時空融合可盡量選擇簡潔的融合模型。

本研究探討了GF-4 PMS在高時空分辨率數據融合中的優勢，并初步探究了數據尺度差異對時空融合效果的影響,后續研究將增加低空間分辨率梯度差異數據的對比實驗，以進一步探究數據尺度對數據融合效果的影響。