多源氣象衛星數據融合方法與應用的比較研究

薄 宇，潘 雪，蒙婷婷

(黑龍江省生態氣象中心，黑龍江 哈爾濱 150030)

1 引言

氣象衛星是進行氣象觀測的地球衛星，通過氣象衛星可以獲取到大量的氣象觀測數據，中國成功發射的風云系列氣象衛星，表征了中國自主遙感衛星的設計與應用能力，海量的氣象衛星數據深加工后的數據與圖像[1]，可以在氣象研究、災害預警、林火監測[2]、農業監測、天氣預報和氣候預測等方面提供更好的數據基礎[3]，為氣象行業服務提供了新的思路與手段[4]。隨著現代遙感平臺與技術的蓬勃發展，氣象衛星遙感資料大量增多，克服了以往單一數據源導致的應用范圍和局限性問題[5]，但是數據源增多在增大信息量的同時，也直接導致運算量的增加和遙感數據利用率的降低[6]，如何基于當前海量氣象衛星數據，盡可能的獲取更多有效信息，已成為重點研究問題。基于這一研究現狀，多源衛星數據融合技術的研究應運而生。本研究以多源氣象衛星數據融合為中心，對當前主要文獻予以綜述，深入探討能夠充分利用遙感信息，獲取更可靠精確的數據融合方法，以期融合數據能夠更好地服務于科研與業務工作中。

2 遙感影像融合理論

數據融合這一概念始于70年代，由美國學者提出，通過融合多源數據信息，對戰場情況進行更加精確的評估分析，在90年代的海灣戰爭切實取得了理想的成果[7]。此后，Chavez[8]采用HIS變換法，以全色波段數據替換經彩色變換后的多光譜數據，但是融合效果較差，導致光譜退化現象的發生。Sheffigara[9]對比采用主成分融合法與高通濾波法發現，主成分融合法使得遙感影像的空間分辨率得以提高，但其原有物理特性有所缺失；而高通濾波法更有效的保留了多源遙感影像的信息，但是存在紋理信息缺失的情況。近年來，小波變換法占據了多源遙感影像數據融合的主導地位，其中Goshtasby[10]研究發現小波變化法能夠最大限度保留更多的遙感影像信息。目前全球存在100多顆氣象衛星，資源龐大的氣象衛星數據格式與成像原理差異大[11]，導致圖像分辨率和格式難以統一，結合不同特性的氣象衛星影像，有利于發揮遙感數據優勢，更好的獲取大氣信息，目前氣象衛星遙感影響融合研究較少，因此有必要針對氣象衛星遙感影像融合理論過程、層次、方法、效果評估等方面展開討論[12]。

2.1 氣象衛星圖像特征

氣象衛星不同通道會產生不同的圖像產品，不同產品的格式與顯示方法存在差異，常用的圖像有可見光圖像（波長≈0.5μm）、近紅外圖像（波長≈3.7 μm）、水汽圖像（波長6-7μm）、紅外圖像（波長10-12μm）和微波圖像（波長1 mm-10 cm）[13]。其中可見光圖像以黑白顯示，反射輻射強度越低圖像越黑，圖像可用于區分下墊面類型和云中水汽含量[14]；近紅外圖像夜間與紅外圖像類似，白天與可見光類似；水汽圖像則是以水汽為主要吸收氣體的譜段；紅外圖像可以表征輻射面溫度，溫度越高顏色越亮；微波圖像不受云層影響，可以進行長時間連續觀測，但是空間分辨率偏低，根據圖像特征的差異，具體的數據融合方法也存在差別[12]。不同的衛星圖像信息互補，在實際氣象衛星遙感業務中，應該集合不同傳感器、分辨率、平臺、光譜和時相的特征，例如對于微波圖像和紅外圖像融合后，就可以更好的判識云霧[15]。

2.2 氣象衛星遙感影像融合過程

由于氣象衛星分辨率差異大、光譜信息豐富、成像時間交叉偏多以及成像方式復雜，影像融合方法也比較復雜[16]。目前常用的氣象衛星格式繁雜，存在VSR格式、L1B格式、la5格式以及HDF格式[12]，因此氣象衛星遙感影像融合第一步，要將衛星遙感影像統一為一個格式，其中HDF格式儲存效率較高，更準確完備保留遙感影像和空間信息，然后對于圖像進行預處理，之后再采用空間配準的方式對數據定位處理后，針對遙感影像進行投影變化，再應用合適的算法進行有機融合，從而獲取更簡潔高效的遙感信息[17]。圖像預處理包括對原始信號輻射量化定標，對于圖像地理坐標處理定位，對于原圖像根據輻射原理校正，以及對于觀測因子的幾何畸變進行校正[16]。空間配準是以一幅影像為準，基于邊界、交叉點等特征，采用精確算法建立影像之間的映射關系，并以此對非基準影像進行重采樣實現配準[18]。氣象領域常用投影有麥卡托投影、蘭勃特投影、極射赤面投影和等經緯度投影，其中，中低緯度地區常用等經緯度投影[19]，之后針對多源氣象衛星影像數據，可基于不同的目的與層次，選用不同的融合算法展開計算。

2.3 遙感影像融合層次

氣象衛星作為人造衛星的一種，遙感融合層次與其他衛星類似。融合方法按照融合層次分類，分為基于像素、特征和決策級的融合方法，其中，像素級融合指在遙感影像預處理階段，對各圖像像元的物理量直接進行計算，這種方法造成的信息損失較少，融合水平最低；特征級融合是根據特征提取信息，操作方式比較簡便實用，但精度低于像素級融合方法；決策級融合是對圖像分類后，再基于特征融合的方法，融合水平最高[20]。特征層融合分類指的是根據多源氣象衛星遙感影像判別像素的類別，不同特征層融合法的差異在于分類技術[21]。常用的特征級融合法有熵法、帶權平均法、聚類分析法、表決法等。熵法是以與假設有聯系的信息內容為提取的度量值[22]。聚類分析法是通過預先設定的標準方法，對多源氣象衛星遙感數據進行分類。決策級融合法是指在經過特征級分類后，通過不同決策準則提取目標特色信息，將是未來數據融合方法發展的主要方向[23]。常用的決策級融合法有邏輯模板法、可靠性理論、基于知識的融合法、模糊集理論等[24]。

雖然像元級融合精度最高，但是針對不同傳感器的數據，只能應用特征和決策級融合，其中決策級融合精度低于特征級融合，但容錯性與抗干擾性更好，融合水平也較高。如今，隨著對于像元級融合的深入研究，有學者提出第四種信號級融合[25]。因為多源數據的融合水平主要取決于能否基于研究對象和數據的特點，盡可能地減少噪聲誤差與幾何畸變，使得融合影像精度高、信息損失少、抗干擾力強，工作量小[26]，所以決策級融合是融合水平最高的層次，但像素級融合也保留了盡可能多的信息量，因此本文主要對基于像素級的融合方法展開介紹。

3 遙感影像融合算法及分析

3.1 基于像素級的主要融合方法

與資源衛星類似，不同氣象衛星數據融合方法會造成不同程度的信息損耗與提升，同時不同傳感器發送的信息，可能存在錯誤和環境噪聲的負面影響，這種情況造成了遙感影像信息的大量冗余與矛盾，不同的融合方法對于冗余信息的消除方法也存在差異[27]。因此有必要探討不同融合方法的優勢與劣勢，以及可以應用的限制條件。

常用的像素級融合方法較多，其中HIS變換方法是通過把紅色、綠色和藍色波段的數據，轉變為明度、色調和飽和度形成融合圖像[28]。Brovery變換法是通過特定公式對紅色、綠色和藍色波段的數據計算，與高分辨率的遙感信息相乘，完成數據融合[29]。主成分融合法是將多源氣象衛星遙感數據經過PCA變換，分離為不同的獨立主分量，可以認為第一主成分包含了多個波段共同唯一的信息，拉伸成高分辨率全色影像，通過主成分逆變換完成數據融合[30]。小波變換法的含義是基于多源氣象衛星數據進行小波分解，利用小波變換將圖像融為一系列頻率通道形成圖像，這種方法不僅能夠提升空間分辨率，還能保持色調與飽和度的一致性[5]。

3.2 不同融合方法的優劣性與局限性

HIS方法圖像空間分辨率高，但只對三個波段融合，導致多源數據的利用率大大降低，同時應用該方法存在局限性，必須保證高光譜分辨率與多光譜影像具有一致性[31]。Brovery法圖像的目視效果較好，但是對數據要求較高，倘若數據沒有事先經過預處理和噪聲去除就難以應用[32]。主成分融合法在保留信息量方面明顯優于其他方法，但還是存在明顯的光譜扭曲[33]。小波變換法能夠更加有效的提取影像信息，最大限度的保留了光譜信息[34]。

4 定量判讀融合效果的統計指標

比較影像的融合效果主要可以基于兩方面方法，一是依靠經驗進行目視檢驗，二是根據評價指標的統計特征進行定量判讀。雖然通過目視可以直觀的判讀融合影像的清晰度，但是并不能夠定量表示不同數據融合方法信息量的提升程度，因此本研究著重討論定量判讀融合效果的統計指標。常用的定量判讀統計指標分為兩類，分別反映空間細節和光譜信息，前者可根據方差、信息熵和清晰度表示，后者可通過扭曲程度、偏差指數和相關系數判讀[35]。具體來說，方差比較大說明圖像的動態范圍較大，說明圖像的空間分解能力較強；信息熵大表示圖像信息多；同理清晰度越高表示圖像細節與紋理信息越多[20]。偏差指數可以表征融合圖像與原始的差別，偏差指數較少時，表示融合圖像與原始圖像相似度越高，說明大量的光譜信息留下比較多；相關系數大表征保留光譜信息多相似度高。

5 結束語

5.1 多源遙感影像融合的應用領域

目前多源遙感影像數據也在更廣泛的領域發揮了重要的作用，經過融合后的數據，具有更高的精度和更多的數據量，時間和空間分辨率都有所提升，對于地物識別的能力也更強，能夠滿足長時間的氣象觀測[34]。因此多源氣象遙感影像數據可應用于數值天氣預報、天氣觀測、氣候與氣候變化監測、氣象災害監測、農業遙感監測和“一帶一路”服務等研究[35]。風云系列氣象衛星作為全球衛星觀測網絡的重要組成部分[36]，在具體應用方面，風云三號衛星作為極軌衛星，空間分辨率為250 m，對于遙感應用監測有著重大的作用，但是不同軌道的數據存在斷層，鄢俊潔等[37]采用影像融合技術，消除了軌道間數據差異，并且通過了定量檢驗，顯著拓寬了風云三號遙感產品的應用途徑。鄭偉等[38]采用特征和決策級融合方法，對于風云衛星數據與高分衛星氣象衛星遙感數據融合，綜合了風云衛星的高時間分辨率和高分衛星的高空間分辨率，為生態環境監測提供了更加精細化的監測信息，在熱環境、水體生態和生物質燃燒監測方面，得到了廣泛的應用。此外程遠[39]應用美國LAPS數據融合系統對風云衛星和海洋衛星進行數據融合，獲取了更加精細化的海溫資料，更好地應用于近海寒潮與冷空氣分析研究方面。

5.2 存在的問題與發展方向

當前多源氣象衛星遙感影像數據融合存在部分關鍵問題，制約這項融合技術的發展與應用。在空間配準方面，有待于引入較好的空間配準模型，求得更好的局部化性質；在數據融合方面，算法選擇沒有一個系統的標準，為了減少工作量，有必要歸納當前廣泛應用的數據融合方法，建立統一的數據融合模型。對于融合影像的判讀也存在問題，當前評價融合水平的方式較多，但都缺乏靈活性并不能統一推廣，應該予以歸納提升。今后隨著計算機、航天、通訊與遙感技術的發展，會有更多實用簡便的融合方法出現，應該以提高實時性和智能性的方向發展，建立相對統一的模型，實現數據的實時智能地融合。加強多源氣象衛星融合方法研究，有利于提取全球及重點區域的氣象遙感監測效果，是提供更精準氣象預報和更精細氣象服務的必由之路。