環境減災二號A/B衛星16 m相機在植被遙感監測中的應用測試

孫晨曦 萬華偉 寧可欣

(1 生態環境部衛星環境應用中心，北京 100094)(2 遼寧工程技術大學，遼寧阜新 123000)

植被生態系統作為陸地生態系統的主體，在我國環境保護、經濟和社會可持續發展等方面發揮著重要作用，也是生物多樣性監測和全球碳循環的核心研究內容。隨著定量遙感技術的快速發展，植被生態系統遙感監測的精度也越來越高，已經成為區域或全球尺度上植被生態系統功能不可缺少的技術手段。遙感技術能夠從不同尺度上獲取植被監測信息，近年來中高分辨率遙感數據已逐步成為植被遙感監測的主要數據之一。

在過去很長的一段時間內，我國用來監測植被的中等空間分辨率衛星遙感數據主要為美國NASA的陸地衛星(Landsat)數據。文獻[1]使用Landsat衛星的專題繪圖儀(TM)和增強型專題繪圖儀(ETM+)多光譜遙感影像，利用面向對象的方法對影像進行分割和分類，對濕地的水生植被進行提取。文獻[2]基于像元二分模型，使用Landsat-5/8衛星遙感影像和數字高程模型(DEM)數據，對岷江汶川-都江堰段植被覆蓋度動態變化進行了監測，分析了植被覆蓋度的空間格局變化和與地形特征的關系，以及汶川地震前后植被受損恢復情況。文獻[3]選用了Landsat的TM/ETM多光譜衛星數據，根據地物不同光譜特征和時序特征，建立了地表覆蓋分類和植被地表類型變化探測的決策樹算法，對三江平原七臺河地區進行地物遙感自動分類和植被地表覆蓋變化的動態監測。文獻[4]基于Landsat遙感圖像的時間序列監測美國東部國家森林保護區的森林覆蓋情況，精度達到80%。文獻[5]使用1974-2012年的Landsat衛星數據，研究中國陜西榆林地區造林重建和砍伐林地情況，總體精度為89.1%，研究結果證實陸地衛星圖像時間序列在探測森林變化和估計人工林樹齡方面的潛力。

我國高分一號衛星于2013年成功發射升空，作為中國高分辨率對地觀測系統的首發星，結合了高空間分辨率、多光譜與寬覆蓋等光學遙感的關鍵性技術，提高了對地觀測的效率和總體觀測能力，在植被監測方面也發揮著巨大作用。高分系列衛星陸續升空，延續了早期環境一號等國產衛星的中分辨率數據的應用，同時為我國中高分辨率植被遙感監測持續提供了空間更為廣泛、時間更為連續的數據。文獻[6]以杭州灣河口濕地植物為研究對象，利用地面實測數據和高分一號衛星影像相結合，并探討了物種多樣性監測的最佳遙感尺度，研究表明高分一號衛星可快速有效地監測杭州灣河口濕地植物物種多樣性水平。文獻[7]基于高分二號衛星4 m多光譜遙感影像，采用最大似然法和支持向量機方法的分類方法，對四川省甘孜州道孚縣內樹種進行識別，研究結果表明，采用的兩種方法識別出研究區域主要樹種的精度均高于80%。文獻[8]以黑龍江松嫩平原北部為研究區，使用國內首個提供紅邊波段的多光譜高分六號衛星影像，構建紅邊植被指數波段，研究紅邊特征在農作物識別中的表現和識別精度。結果表明高分六號衛星紅邊特征在作物識別中表現優越，使得識別精度顯著提高，可廣泛應用于農業遙感中。文獻[9]使用高分二號衛星圖像，繪制中國北京通州區核心區的森林覆蓋圖。結果證明對于城市森林地圖，在高分二號分類中有87.43%的森林面積與參考森林地圖中的面積相對應。因此高分二號圖像可以作為改善城市植被管理和了解城市生態系統的有價值的高分辨率數據源。文獻[10]以中國黃河三角洲為研究區，使用決策樹分類的方法，利用高分二號衛星遙感圖像檢測中國檉柳和蘆葦植被斑塊內的中國檉柳群落。研究表明，使用高分二號數據檢測檉柳群落樣本，正確檢出率為73.5%。未來需要更多的植物群落樣本和多季節圖像，如晚秋早冬落葉數據，以進一步提高檢測精度。文獻[11]以甘肅民勤盆地為研究區，使用高分六號衛星的兩個紅邊帶，并提出一種新的植被指數(歸一化差分紅邊指數，RENDVI)，計算干旱荒漠區植被覆蓋率。研究表明基于紅邊帶估計植被覆蓋度是可行和可靠的，具有高時間和空間分辨率的高分六號衛星寬視野(WFV)數據為植被覆蓋度的遠程傳感估計提供了新的數據源。

環境減災二號A/B(HJ-2A/B)衛星于2020年9月27日采用長征四號乙運載一箭雙星發射升空，相比于環境減災一號衛星，在數據獲取能力、技術性能和遙感數據精度方面上有很大提升。衛星設計壽命為5年，其中兩顆衛星都配置了包括16 m相機、高光譜成像儀、紅外相機、大氣校正儀在內的4種遙感載荷，可提供16 m多光譜(CCD)、48 m高光譜(HSI)和48 m/96 m紅外圖像(IRS)數據。HJ-2A/B衛星可與裝備了16m相機的高分一號，高分六號衛星組網運行，16 m相機1天可實現全球覆蓋，紅外相機2天可實現覆蓋觀測。HJ-2A/B衛星的成功發射，為實現大范圍、全天候、全天時中分辨率全球生態環境遙感監測提供重要數據支撐[12-13]。本文選取以北方暖溫帶落葉林為主的黃龍縣和以南方亞熱帶常綠林為主的開化縣為研究區，對HJ-2A/B衛星CCD影像和高分一號(GF-1)衛星WFV影像的植被遙感監測結果進行對比，以研究HJ-2A/B衛星在植被監測方面的應用情況。

1 研究區概況

黃龍縣位于陜西省中北部，延安市東南緣，屬暖溫帶大陸性季風氣候。該縣屬于國家重點生態功能區、國家生物多樣性保護優先區域，是國家生態文明建設示范縣，境內及周邊有陜西延安黃龍山褐馬雞國家級自然保護區、陜西黃龍山次生林省級自然保護區等重要生態空間，生態狀況優良，植被覆蓋率高。該地區植被以暖溫帶落葉闊葉林為主，森林覆蓋率約87%，森林、草地、農田、園地等植被總面覆蓋率達95%以上。

開化縣位于浙江省西部，衢州市西北部，屬亞熱帶季風氣候。同樣，該縣屬于國家重點生態功能區、國家生物多樣性保護優先區域，是國家生態文明建設示范縣。境內有古田山國家級自然保護區、錢江源國家森林公園等重要生態空間，我國首批10個國家公園試點之一的錢江源國家公園位于該縣。該地區植被以亞熱帶常綠闊葉林為主，森林覆蓋率約81%，森林、草地、農田、園地等植被總面覆蓋率近95%。

本文選取陜西省黃龍縣和浙江省開化縣作為研究區，對于暖溫帶季風氣候區的落葉林和亞熱帶季風氣候區的常綠林的植被的中高分辨率遙感監測來說有一定的代表性。

2 研究方法和數據準備

2.1 研究方法

植被指數通常是指根據植被的光譜特征，將遙感數據可見光和近紅外波段等進行組合而形成的。植被指數能很好的反映植被的長勢特征，且計算簡便，是當下植被遙感監測業務化應用的普遍指標，其中歸一化植被指數(NDVI)最為常用。

(1)

式中：NNDVI為歸一化植被指數；ρNIR為近紅外波段的地表反射率；ρRed為紅光波段的地表反射率。

本文利用HJ-2A/B衛星CCD傳感器影像和GF-1衛星WFV傳感器影像，計算獲得研究區的NDVI數據，通過目視對比以及統計值、直方圖、散點圖等對比，分析不同時間的兩衛星準同步影像的監測結果的差異。

2.2 數據準備

1)數據概況

本文所使用的HJ-2A/B衛星數據為16 m分辨率的CCD光學傳感器所獲得的遙感影像，包含藍、綠、紅、紅邊、近紅外等五個波段；所使用的GF-1衛星衛星數據為16 m分辨率的WFV光學傳感器所獲得的遙感影像，包含藍、綠、紅、近紅外等4個波段。兩種遙感數據空間分辨率、幅寬、重訪周期一致，主要波段光譜范圍相似，具體參數見表1。

表1 GF-1 WFV和HJ-2A/B CCD光學傳感器相關參數Table 1 Parameters of GF-1 WFV and HJ-2A/B CCD

2)數據選取

黃龍縣冬季天氣寒冷干燥，降水稀少；春季暖氣團勢力增強，氣溫回升較快，降水相對增多；夏季受蒙古氣旋和太平洋副熱帶海洋氣團影響，天氣溫暖多雨；秋季冷暖空氣交替出現，秋初氣溫緩慢降低，多連陰雨天氣。該地區植被以落葉林為主，植被受天氣影響明顯，因此綜合考慮植被長勢、影像云覆蓋情況、兩衛星成像時間一致性，選取春夏兩季(5月和8月各一期)的影像進行研究。

開化縣氣候溫暖濕潤，雨量豐沛，4-9月為汛期，降水較多，其中5-7月的梅汛期降水集中，7-9月受副熱帶高壓影響天氣炎熱，午后常有強對流天氣。該地區植被以常綠林為主，較北方而言，植被長勢相對穩定，但由于春夏季主要為汛期，云雨較多，對遙感監測造成影響。因此綜合考慮天氣狀況、影像云覆蓋情況、兩衛星成像時間一致性，選取秋季(9月和11月各一期)影像進行研究。具體時間見表2。

表2 遙感影像選取情況Table 2 Selection of remote sensing images

3)數據處理

為保證植被監測所需參數的有效性，需對影像進行大氣校正。本文利用6s模型(second simulation of the satellite signal in the solar spectrum)對遙感影像進行大氣校正，形成地表反射率數據。6s模型是在5s模型基礎上發展，除考慮水汽、CO2、O3和O2的吸收、分子和氣溶膠的散射以及非均一地面和雙向反射率的問題外，該模型還考慮了海拔高度、非朗伯平面的情況和CH4、NO2、CO等新的氣體類型，并提高了散射的計算精度，更好的模擬了太陽光傳輸過程中所受的大氣影響。

本文主要研究兩衛星遙感影像在植被監測應用的對比情況，因此對于相對幾何精度有一定的要求。本文先根據研究區范圍，對遙感影像進行拼接和裁剪，然后以GF-1衛星影像為基準，對同區域準同步的HJ-2A/B衛星影像進行相對幾何校正。研究區及周邊，幾何校正控制點不少于50個，較平坦地區相對幾何精度小于5個像元，部分地形復雜、影像畸變大的地區，精度放寬至10個像元。

利用處理后的影像，根據式(1)計算獲得研究區的NDVI數據，并扣除小于0的部分。雖然進行了相對幾何校正，但為進一步保證兩衛星數據的可比性，現對上述NDVI數據進行尺度上推，按照50倍像元進行聚合。

3 研究結果與分析

3.1 總體概況

總體來說，環境2號能較好的反應植被的分布特征和長勢變化，見圖1、2。以黃龍縣為例，其西南地區以農田為主，其他近90%的地區以林地為主，環境2號的兩期數據都能反映出林地NDVI高于農田。此外，5月份的HJ-2A/B NDVI中，西南地區農田NDVI較小，尚未體現出明顯的植被特征，相比之下林地NDVI則有明顯的植被特征；而8月份，農田NDVI較5月份有明顯的增加，林業也有所增加。這與農田春播夏耕的耕種規律和落葉林春季返青、夏季生長的物候特征想一致。但通過對比可見，無論是不同區域還是不同時間，高分1號的NDVI普遍高于HJ-2A/B NDVI。

圖1 黃龍縣NDVI分布圖Fig.1 NDVI distribution of Huanglong County

圖2 開化縣NDVI分布圖Fig.2 NDVI distribution of Kaihua County

3.2 NDVI對比的統計特征

對像元聚合后的NDVI進行統計，結果如表3所示。黃龍縣8月HJ-2A/B衛星NDVI比5月平均高0.11，而GF-1衛星NDVI的該值為0.14；開化縣11月HJ-2A/B衛星NDVI比9月平均低0.18，而GF-1衛星NDVI的該值為0.03。結合圖3，結果表明HJ-2A/B衛星CCD能較好的反映植被在不同時期的總體變化狀況，但兩衛星數據對于變化的敏感性不同，相比GF-1衛星NDVI來說，HJ-2A/B衛星NDVI對黃龍縣植被長勢向好的敏感性稍弱，對開化縣植被長勢減弱的敏感性較強。

表3 NDVI總體統計情況Table 3 Overall statistics of NDVI

此外，較GF-1衛星來說，黃龍縣5月和8月的HJ-2A/B衛星NDVI平均低了0.11和0.14，開化縣9月和11月的HJ-2A/B衛星NDVI平均低了0.12和0.26。結合圖3，HJ-2A/B衛星NDVI總體低于GF-1衛星NDVI，結果表明，HJ-2A/B衛星NDVI在監測植被長勢時普遍存在低估現象。

圖3 NDVI統計直方圖Fig.3 Histogram of NDVI

3.3 NDVI差異的空間分布

對比準同步的像元聚合后的GF-1 NDVI和HJ-2A/B NDVI，并計算差值，NDVI及差值分布情況見圖4、5。結果顯示，對于黃龍縣春季(5月)來說，NDVI越大的區域，HJ-2A/B NDVI較GF-1 NDVI偏低的程度越大，對于夏季(8月)則相反，NDVI越大的區域，HJ-2A/B NDVI偏低的程度越??；對于開化縣初秋(9月)來說，NDVI越大的區域，HJ-2A/B NDVI偏低的程度越小，對于秋末(11月)則相反，NDVI越大的區域，HJ-2A/B NDVI偏低的程度越大。結果表明，植被長勢較好時(NDVI較大)，HJ-2A/B NDVI較GF-1 NDVI偏低的程度較小，植被長勢較差時(NDVI較小)，HJ-2A/B NDVI較GF-1 NDVI偏低的程度較大。

圖4 黃龍縣NDVI差異的空間分布Fig.4 Distribution of difference of NDVI in Huanglong County

圖5 開化縣NDVI差異的空間分布Fig.5 Distribution of difference of NDVI in Kaihua County

3.4 NDVI的相關性

利用準同步的像元聚合后的GF-1 NDVI和HJ-2A/B NDVI，建立兩者的散點圖，并建立線性相關關系，如圖6，結果顯示，GF-1 NDVI總體明顯高于HJ-2A/B NDVI，但一致性較好。黃龍縣的5月和8月的兩種NDVI的相關系數R2高達0.91和0.86，開化縣的9月份兩種NDVI的相關系數R2高達0.88。結果表明，GF-1和HJ-2A/B衛星在植被監測方面來說，總體上有偏差，但兩者有很好的一致性。

圖6 NDVI的散點圖Fig.6 Scatter diagram of NDVI

4 結論

本文選取了以北方暖溫帶落葉林為主的黃龍縣和以南方亞熱帶常綠林為主的開化縣為研究區，通過HJ-2A/B衛星CCD影像和GF-1衛星WFV影像的處理、植被指數計算、結果對比，分析了兩者在植被長勢監測方面的差異，得出以下結論，并提出相關建議。

(1)HJ-2A/B衛星CCD影像數據能較好的應用于植被監測，分析結果符合植被在空間上的分布特征和時間上的變化特征。

(2)HJ-2A/B衛星CCD影像數據的植被長勢監測結果(用NDVI反映)普遍低于GF-1衛星WFV影像數據，且對于長勢變化的敏感性不同，但兩者有很好的相關性。

(3)兩衛星對植被長勢監測結果的差異與植被長勢高低有關。植被長勢較好時(NDVI較大)，HJ-2A/B衛星NDVI較GF-1衛星NDVI偏低的程度較小，植被長勢較差時(NDVI較小)，HJ-2A/B衛星NDVI較GF-1衛星NDVI偏低的程度較大。

(4)兩衛星在植被監測方面有較好的相關性，且兩者在波段設置、重訪周期等方面較為一致，因此可實現組網觀測，提供更廣的空間范圍和更連續的時間跨度。但本文中兩者對比發現仍有一定的差異，這可能來源于大氣校正參數選擇的差異、研究區地形造成的影像畸變，以及太陽照射和衛星觀測的天頂角和方位角的差異等。因此組網觀測需基于精確的大氣校正、地形校正，做好數據同化，確保不同載荷數據的一致。