环境减灾二号A/B卫星16,m相机在植被遥感监测中的应用测试
孙晨曦 万华伟 宁可欣
(1 生态环境部卫星环境应用中心，北京 100094)(2 辽宁工程技术大学，辽宁阜新 123000)
植被生态系统作为陆地生态系统的主体，在我国环境保护、经济和社会可持续发展等方面发挥着重要作用，也是生物多样性监测和全球碳循环的核心研究内容。随着定量遥感技术的快速发展，植被生态系统遥感监测的精度也越来越高，已经成为区域或全球尺度上植被生态系统功能不可缺少的技术手段。遥感技术能够从不同尺度上获取植被监测信息，近年来中高分辨率遥感数据已逐步成为植被遥感监测的主要数据之一。
在过去很长的一段时间内，我国用来监测植被的中等空间分辨率卫星遥感数据主要为美国NASA的陆地卫星(Landsat)数据。文献[1]使用Landsat卫星的专题绘图仪(TM)和增强型专题绘图仪(ETM+)多光谱遥感影像，利用面向对象的方法对影像进行分割和分类，对湿地的水生植被进行提取。文献[2]基于像元二分模型，使用Landsat-5/8卫星遥感影像和数字高程模型(DEM)数据，对岷江汶川-都江堰段植被覆盖度动态变化进行了监测，分析了植被覆盖度的空间格局变化和与地形特征的关系，以及汶川地震前后植被受损恢复情况。文献[3]选用了Landsat的TM/ETM多光谱卫星数据，根据地物不同光谱特征和时序特征，建立了地表覆盖分类和植被地表类型变化探测的决策树算法，对三江平原七台河地区进行地物遥感自动分类和植被地表覆盖变化的动态监测。文献[4]基于Landsat遥感图像的时间序列监测美国东部国家森林保护区的森林覆盖情况，精度达到80%。文献[5]使用1974-2012年的Landsat卫星数据，研究中国陕西榆林地区造林重建和砍伐林地情况，总体精度为89.1%，研究结果证实陆地卫星图像时间序列在探测森林变化和估计人工林树龄方面的潜力。
我国高分一号卫星于2013年成功发射升空，作为中国高分辨率对地观测系统的首发星，结合了高空间分辨率、多光谱与宽覆盖等光学遥感的关键性技术，提高了对地观测的效率和总体观测能力，在植被监测方面也发挥着巨大作用。高分系列卫星陆续升空，延续了早期环境一号等国产卫星的中分辨率数据的应用，同时为我国中高分辨率植被遥感监测持续提供了空间更为广泛、时间更为连续的数据。文献[6]以杭州湾河口湿地植物为研究对象，利用地面实测数据和高分一号卫星影像相结合，并探讨了物种多样性监测的最佳遥感尺度，研究表明高分一号卫星可快速有效地监测杭州湾河口湿地植物物种多样性水平。文献[7]基于高分二号卫星4 m多光谱遥感影像，采用最大似然法和支持向量机方法的分类方法，对四川省甘孜州道孚县内树种进行识别，研究结果表明，采用的两种方法识别出研究区域主要树种的精度均高于80%。文献[8]以黑龙江松嫩平原北部为研究区，使用国内首个提供红边波段的多光谱高分六号卫星影像，构建红边植被指数波段，研究红边特征在农作物识别中的表现和识别精度。结果表明高分六号卫星红边特征在作物识别中表现优越，使得识别精度显著提高，可广泛应用于农业遥感中。文献[9]使用高分二号卫星图像，绘制中国北京通州区核心区的森林覆盖图。结果证明对于城市森林地图，在高分二号分类中有87.43%的森林面积与参考森林地图中的面积相对应。因此高分二号图像可以作为改善城市植被管理和了解城市生态系统的有价值的高分辨率数据源。文献[10]以中国黄河三角洲为研究区，使用决策树分类的方法，利用高分二号卫星遥感图像检测中国柽柳和芦苇植被斑块内的中国柽柳群落。研究表明，使用高分二号数据检测柽柳群落样本，正确检出率为73.5%。未来需要更多的植物群落样本和多季节图像，如晚秋早冬落叶数据，以进一步提高检测精度。文献[11]以甘肃民勤盆地为研究区，使用高分六号卫星的两个红边带，并提出一种新的植被指数(归一化差分红边指数，RENDVI)，计算干旱荒漠区植被覆盖率。研究表明基于红边带估计植被覆盖度是可行和可靠的，具有高时间和空间分辨率的高分六号卫星宽视野(WFV)数据为植被覆盖度的远程传感估计提供了新的数据源。
环境减灾二号A/B(HJ-2A/B)卫星于2020年9月27日采用长征四号乙运载一箭双星发射升空，相比于环境减灾一号卫星，在数据获取能力、技术性能和遥感数据精度方面上有很大提升。卫星设计寿命为5年，其中两颗卫星都配置了包括16 m相机、高光谱成像仪、红外相机、大气校正仪在内的4种遥感载荷，可提供16 m多光谱(CCD)、48 m高光谱(HSI)和48 m/96 m红外图像(IRS)数据。HJ-2A/B卫星可与装备了16m相机的高分一号，高分六号卫星组网运行，16 m相机1天可实现全球覆盖，红外相机2天可实现覆盖观测。HJ-2A/B卫星的成功发射，为实现大范围、全天候、全天时中分辨率全球生态环境遥感监测提供重要数据支撑[12-13]。本文选取以北方暖温带落叶林为主的黄龙县和以南方亚热带常绿林为主的开化县为研究区，对HJ-2A/B卫星CCD影像和高分一号(GF-1)卫星WFV影像的植被遥感监测结果进行对比，以研究HJ-2A/B卫星在植被监测方面的应用情况。
黄龙县位于陕西省中北部，延安市东南缘，属暖温带大陆性季风气候。该县属于国家重点生态功能区、国家生物多样性保护优先区域，是国家生态文明建设示范县，境内及周边有陕西延安黄龙山褐马鸡国家级自然保护区、陕西黄龙山次生林省级自然保护区等重要生态空间，生态状况优良，植被覆盖率高。该地区植被以暖温带落叶阔叶林为主，森林覆盖率约87%，森林、草地、农田、园地等植被总面覆盖率达95%以上。
开化县位于浙江省西部，衢州市西北部，属亚热带季风气候。同样，该县属于国家重点生态功能区、国家生物多样性保护优先区域，是国家生态文明建设示范县。境内有古田山国家级自然保护区、钱江源国家森林公园等重要生态空间，我国首批10个国家公园试点之一的钱江源国家公园位于该县。该地区植被以亚热带常绿阔叶林为主，森林覆盖率约81%，森林、草地、农田、园地等植被总面覆盖率近95%。
本文选取陕西省黄龙县和浙江省开化县作为研究区，对于暖温带季风气候区的落叶林和亚热带季风气候区的常绿林的植被的中高分辨率遥感监测来说有一定的代表性。
2.1 研究方法
植被指数通常是指根据植被的光谱特征，将遥感数据可见光和近红外波段等进行组合而形成的。植被指数能很好的反映植被的长势特征，且计算简便，是当下植被遥感监测业务化应用的普遍指标，其中归一化植被指数(NDVI)最为常用。
(1)
式中：NNDVI为归一化植被指数；
ρNIR为近红外波段的地表反射率；
ρRed为红光波段的地表反射率。
本文利用HJ-2A/B卫星CCD传感器影像和GF-1卫星WFV传感器影像，计算获得研究区的NDVI数据，通过目视对比以及统计值、直方图、散点图等对比，分析不同时间的两卫星准同步影像的监测结果的差异。
2.2 数据准备
1)数据概况
本文所使用的HJ-2A/B卫星数据为16 m分辨率的CCD光学传感器所获得的遥感影像，包含蓝、绿、红、红边、近红外等五个波段；
所使用的GF-1卫星卫星数据为16 m分辨率的WFV光学传感器所获得的遥感影像，包含蓝、绿、红、近红外等4个波段。两种遥感数据空间分辨率、幅宽、重访周期一致，主要波段光谱范围相似，具体参数见表1。
表1 GF-1 WFV和HJ-2A/B CCD光学传感器相关参数Table 1 Parameters of GF-1 WFV and HJ-2A/B CCD
2)数据选取
黄龙县冬季天气寒冷干燥，降水稀少；
春季暖气团势力增强，气温回升较快，降水相对增多；
夏季受蒙古气旋和太平洋副热带海洋气团影响，天气温暖多雨；
秋季冷暖空气交替出现，秋初气温缓慢降低，多连阴雨天气。该地区植被以落叶林为主，植被受天气影响明显，因此综合考虑植被长势、影像云覆盖情况、两卫星成像时间一致性，选取春夏两季(5月和8月各一期)的影像进行研究。
开化县气候温暖湿润，雨量丰沛，4-9月为汛期，降水较多，其中5-7月的梅汛期降水集中，7-9月受副热带高压影响天气炎热，午后常有强对流天气。该地区植被以常绿林为主，较北方而言，植被长势相对稳定，但由于春夏季主要为汛期，云雨较多，对遥感监测造成影响。因此综合考虑天气状况、影像云覆盖情况、两卫星成像时间一致性，选取秋季(9月和11月各一期)影像进行研究。具体时间见表2。
表2 遥感影像选取情况Table 2 Selection of remote sensing images
3)数据处理
为保证植被监测所需参数的有效性，需对影像进行大气校正。本文利用6s模型(second simulation of the satellite signal in the solar spectrum)对遥感影像进行大气校正，形成地表反射率数据。6s模型是在5s模型基础上发展，除考虑水汽、CO2、O3和O2的吸收、分子和气溶胶的散射以及非均一地面和双向反射率的问题外，该模型还考虑了海拔高度、非朗伯平面的情况和CH4、NO2、CO等新的气体类型，并提高了散射的计算精度，更好的模拟了太阳光传输过程中所受的大气影响。
本文主要研究两卫星遥感影像在植被监测应用的对比情况，因此对于相对几何精度有一定的要求。本文先根据研究区范围，对遥感影像进行拼接和裁剪，然后以GF-1卫星影像为基准，对同区域准同步的HJ-2A/B卫星影像进行相对几何校正。研究区及周边，几何校正控制点不少于50个，较平坦地区相对几何精度小于5个像元，部分地形复杂、影像畸变大的地区，精度放宽至10个像元。
利用处理后的影像，根据式(1)计算获得研究区的NDVI数据，并扣除小于0的部分。虽然进行了相对几何校正，但为进一步保证两卫星数据的可比性，现对上述NDVI数据进行尺度上推，按照50倍像元进行聚合。
3.1 总体概况
总体来说，环境2号能较好的反应植被的分布特征和长势变化，见图1、2。以黄龙县为例，其西南地区以农田为主，其他近90%的地区以林地为主，环境2号的两期数据都能反映出林地NDVI高于农田。此外，5月份的HJ-2A/B NDVI中，西南地区农田NDVI较小，尚未体现出明显的植被特征，相比之下林地NDVI则有明显的植被特征；
而8月份，农田NDVI较5月份有明显的增加，林业也有所增加。这与农田春播夏耕的耕种规律和落叶林春季返青、夏季生长的物候特征想一致。但通过对比可见，无论是不同区域还是不同时间，高分1号的NDVI普遍高于HJ-2A/B NDVI。
图1 黄龙县NDVI分布图Fig.1 NDVI distribution of Huanglong County
图2 开化县NDVI分布图Fig.2 NDVI distribution of Kaihua County
3.2 NDVI对比的统计特征
对像元聚合后的NDVI进行统计，结果如表3所示。黄龙县8月HJ-2A/B卫星NDVI比5月平均高0.11，而GF-1卫星NDVI的该值为0.14；
开化县11月HJ-2A/B卫星NDVI比9月平均低0.18，而GF-1卫星NDVI的该值为0.03。结合图3，结果表明HJ-2A/B卫星CCD能较好的反映植被在不同时期的总体变化状况，但两卫星数据对于变化的敏感性不同，相比GF-1卫星NDVI来说，HJ-2A/B卫星NDVI对黄龙县植被长势向好的敏感性稍弱，对开化县植被长势减弱的敏感性较强。
表3 NDVI总体统计情况Table 3 Overall statistics of NDVI
此外，较GF-1卫星来说，黄龙县5月和8月的HJ-2A/B卫星NDVI平均低了0.11和0.14，开化县9月和11月的HJ-2A/B卫星NDVI平均低了0.12和0.26。结合图3，HJ-2A/B卫星NDVI总体低于GF-1卫星NDVI，结果表明，HJ-2A/B卫星NDVI在监测植被长势时普遍存在低估现象。
图3 NDVI统计直方图Fig.3 Histogram of NDVI
3.3 NDVI差异的空间分布
对比准同步的像元聚合后的GF-1 NDVI和HJ-2A/B NDVI，并计算差值，NDVI及差值分布情况见图4、5。结果显示，对于黄龙县春季(5月)来说，NDVI越大的区域，HJ-2A/B NDVI较GF-1 NDVI偏低的程度越大，对于夏季(8月)则相反，NDVI越大的区域，HJ-2A/B NDVI偏低的程度越小；
对于开化县初秋(9月)来说，NDVI越大的区域，HJ-2A/B NDVI偏低的程度越小，对于秋末(11月)则相反，NDVI越大的区域，HJ-2A/B NDVI偏低的程度越大。结果表明，植被长势较好时(NDVI较大)，HJ-2A/B NDVI较GF-1 NDVI偏低的程度较小，植被长势较差时(NDVI较小)，HJ-2A/B NDVI较GF-1 NDVI偏低的程度较大。
图4 黄龙县NDVI差异的空间分布Fig.4 Distribution of difference of NDVI in Huanglong County
图5 开化县NDVI差异的空间分布Fig.5 Distribution of difference of NDVI in Kaihua County
3.4 NDVI的相关性
利用准同步的像元聚合后的GF-1 NDVI和HJ-2A/B NDVI，建立两者的散点图，并建立线性相关关系，如图6，结果显示，GF-1 NDVI总体明显高于HJ-2A/B NDVI，但一致性较好。黄龙县的5月和8月的两种NDVI的相关系数R2高达0.91和0.86，开化县的9月份两种NDVI的相关系数R2高达0.88。结果表明，GF-1和HJ-2A/B卫星在植被监测方面来说，总体上有偏差，但两者有很好的一致性。
图6 NDVI的散点图Fig.6 Scatter diagram of NDVI
本文选取了以北方暖温带落叶林为主的黄龙县和以南方亚热带常绿林为主的开化县为研究区，通过HJ-2A/B卫星CCD影像和GF-1卫星WFV影像的处理、植被指数计算、结果对比，分析了两者在植被长势监测方面的差异，得出以下结论，并提出相关建议。
(1)HJ-2A/B卫星CCD影像数据能较好的应用于植被监测，分析结果符合植被在空间上的分布特征和时间上的变化特征。
(2)HJ-2A/B卫星CCD影像数据的植被长势监测结果(用NDVI反映)普遍低于GF-1卫星WFV影像数据，且对于长势变化的敏感性不同，但两者有很好的相关性。
(3)两卫星对植被长势监测结果的差异与植被长势高低有关。植被长势较好时(NDVI较大)，HJ-2A/B卫星NDVI较GF-1卫星NDVI偏低的程度较小，植被长势较差时(NDVI较小)，HJ-2A/B卫星NDVI较GF-1卫星NDVI偏低的程度较大。
(4)两卫星在植被监测方面有较好的相关性，且两者在波段设置、重访周期等方面较为一致，因此可实现组网观测，提供更广的空间范围和更连续的时间跨度。但本文中两者对比发现仍有一定的差异，这可能来源于大气校正参数选择的差异、研究区地形造成的影像畸变，以及太阳照射和卫星观测的天顶角和方位角的差异等。因此组网观测需基于精确的大气校正、地形校正，做好数据同化，确保不同载荷数据的一致。
猜你喜欢 开化县长势植被 结瓜盛期“歇茬” 恢复长势有“方”今日农业(2022年1期)2022-11-16山西270多万公顷秋粮长势良好今日农业(2022年16期)2022-09-22“同题赛场”走进 浙江省衢州市开化县（二）作文新天地(初中版)(2022年6期)2022-06-30追踪盗猎者课外生活·趣知识(2021年2期)2021-05-24第一节 主要植被与自然环境 教学设计学校教育研究(2021年24期)2021-03-28杭锦旗植被遥感分析农业与技术(2020年12期)2020-07-04开化县土地整治对农业生产发展的影响湖北农业科学(2018年1期)2018-02-02如何防治黄瓜长势不一农村农业农民·B版(2016年7期)2016-10-21浙江省开化县教育局举办《作文新天地》“同题赛场”活动作文新天地(初中版)(2015年3期)2015-03-27佚心中国摄影(2014年2期)2014-02-24