时序定量遥感-刘良云

1 长时序遥感数据定量化处理方法
Scatter plots for each Landsat band (MODIS SR values are represented on the x-axis; Landsat SR values are represented on the y-axis).
地表覆盖长时序定量遥感研究
刘良云 2016年5月5日
中国科学院遥感与数字地球研究所
研究遥感信息机理、对地观测与空间地球信息前沿理论；建设运行国家航 天航空对地观测重大科技基础设施与天空地一体化技术体系；构建形成数 字地球科学平台和全球环境与资源空间信息保障能力。。
重大装置
遥感科学
应用技术 国家 遥感 应用 工程 技术 研究 中心
2.1 基于Landsat分类特征扩展的地表覆盖分类
最大似然监督分类精度评价
水体 制图精度 用户精度 100 100
湿地 78.39 80.38
草甸 85.3 62.82
低覆盖 高覆盖 草原 草原
91.28 89.63 82.17 88.74
荒漠 79.29 84.11
沙地 97.53 91.55
1 长时序遥感数据定量化处理方法
2013年夏季全国L8图像TOA与TOC反射率差异
1 长时序遥感数据定量化处理方法
Scatterplot of AOT (left) and CWV (right) at 550nm between SONET/AERONET observations and MODIS atmospheric products
2.2 基于MODIS时序先验知识的地表覆盖分类
将参考Landsat影像的分类特征扩展到其他影像进行分类时，不同影 像之间较大的物候差异导致分类精度不高。 如果能利用植被生长季的完备Landsat数据建立时序分类特征，则可 对不同时间的Landsat数据进行分类。对于Landsat数据的每一个波 段，MODIS数据都有与之对应的波段设臵，而且MODIS数据具有高 时间分辨率，过境时间与Landsat相差较小，因此本文尝试利用 MODIS反射率数据来辅助提取时序光谱特征。
MODIS样点选择
1 MODIS云（2007年8月13日所对应的8天合成数据） 、阴影及观测角掩膜， TM （2007年8月13日数据）云及阴影掩膜 2 逐波段选择均匀区域：对于MODIS波段i中的像元k，设为 Mi,k，以该像元为中 心的3×3窗口中，如果9个像元的最大值与最小值的差值小于阈值,则在 Landsat TM分类结果图像中找到 的对应区域（约17×17像素），如果TM分类 结果图像这个对应区域中超过80%的像元为同一类别，则标记该MODIS像元 在波段i为均匀区域。 3 对于某一个MODIS像元，在除第一波段外的五个波段中，如果至少有4个波段 被标记为均匀区域，则该像元选为训练样本，其类别标记为对应TM区域中最 多的类别（即超过80%的像元所属类别）。
Yingjie Wang, Liangyun Liu et al. Development and Validation of the Landsat 8 surface reflectance products using a MODIS-based per-pixel atmospheric correction method, 2016, 37(6):1291-1314
4、中国陆地观测卫星数据中心（筹）
5、遥感科学国家重点实验室
国家科技部
6、国家遥感应用工程技术研究中心 7、国家航天局航天论证中心 8、高分应用技术中心（筹） 9、高分数据中心（筹） 10、中国科学院数字地球重点实验室 11、卫星遥感国家环境保护重点实验室 中国科学院 环境保护部 国防科工局
报告内容
=
重构地表覆盖与功 能要素变化历史
1 长时序遥感数据定量化处理方法
结合6S模型和MODIS大气参数的Landsat大气校正
传统的Landsat地表反射率反演思路：
气溶胶反演主要依赖利用暗像元法或估计能见度，但部分 图像找不到茂密的植被；水汽等参数则用经验值或低分辨
率同化数据，精度难以保证。
多源协同思路：
Product ID
MOD04_L2 MOD05_L2
Product description
L2 Aerosol, 5-Min Swath 10km L2 Total Precipitable Water Vapor, 5Min Swath 1km and 5km
Data field
Optical_Depth_Land_And_Ocean Water_Vapor_Near_Infrared
wk.baidu.com
制图效率较高； 数据定量化要求低
对数据定量化要求 低效率、人力物力投 训练样本空间位置固定， 缺点 高，图像光谱构建 入大，主观性较大 大量样本选择与更新困难 困难 中国科学院1:10万土 代表性 清华大学FROM-GLC 地利用数据集 努力中！ 成果 国家基础地理信息中心GloberLand30
2
时间序列地表反射 率遥感产品
2.1 基于Landsat分类特征扩展的地表覆盖分类 2.2 基于MODIS时序先验知识的地表覆盖分类
2
时序定量遥感的地表覆盖分类
玛多地区时序Landsat数据定量化处理
2007
相对辐射归一化
1990-08-30 1992-08-03 1994-07-24 2000-08-09 2001-07-03
TOC Reflectance image
Time series TOC Reflectance images
Relative radiometric normalization
1 长时序遥感数据定量化处理方法
基于不变象元点的相对辐射归一化：
以一期影像为基准，通过多元变化检测，找出其它时期影像中没 有发生变化的像元，然后利用这些像元，建立回归模型，对其它 影像进行处理。
1 长时序遥感数据定量化处理方法
Relative radiometric normalization
Time series images Reference TOA radiance image Atmospheric correction Target image (DN or TOA Radiance) a automatic Multivariate Alteration Detection (Canty 2008) time-invariant pixels
2001 0.100 0.190 0.244 0.331 0.417
2010 0.087 0.180 0.235 0.339 0.412
Err 0.015 0.012 0.010 0.013 0.008
B7
0.035
0.037
0.033
0.004
0.406
0.417
0.412
0.011
2
方法 分类 特征 优点
不变点的回归分析
1 长时序遥感数据定量化处理方法
陕西榆林不变样区的时序波段反射率均值
A1 A1 A1
A2
A2
A2 Desert
Water 1986 B1 B2 B3 B4 B5 0.035 0.069 0.049 0.034 0.037 2001 0.041 0.075 0.052 0.039 0.039 2010 0.036 0.061 0.043 0.032 0.035 Err 0.006 0.014 0.008 0.007 0.004 1986 0.085 0.178 0.234 0.326 0.409
1 长时序遥感数据定量化处理方法 2 时序定量遥感的地表覆盖分类
-青藏高原
3 森林覆盖变化时序定量遥感探测
4 森林生物量时序定量遥感探测
-三北防护林
背景：对地观测数据和技术积累，从量变到质变的机遇;定量遥 感是基础，对地观测进入中分辨率定量遥感时代。
时间序列 共享数据
+
定量遥感 模型算法
+
时序数据 分析模型
本特征中所有地物覆盖类别（I=1,…,n）的欧式距离dI。 2 计算与样本特征中所有地物覆盖类别（ I=1,…,n）的光谱夹角的余弦 SAMI。 3分别对欧式距离和光谱角做归一化处理
Pd , I 1 dI
d
1
I
PSAM , I
SAM I SAM I
4 利用D-S证据理论对Pd,I和PSAM,I进行融合，融合后的概率为PI ，其中 I=1,…,n。 5 根据概率最大原则，将PI分为第 M( M∈I, I =1,…,n)类地物覆盖类别，其 中 PM=MAX(PI)。
2.1 基于Landsat分类特征扩展的地表覆盖分类
参考数据分类特征应用到其它分类
影像 时间 201308-13 200607-25 200407-19 200107-03
总体 Kappa DOY 精度 系数 差异
80.7% 0.78 80.3% 0.78 76.2% 0.72 66.9% 0.62 0 19 24 41
全球信息 中国科 学院数 字地球 重点实
中国 遥感 卫星 地面 站
中国 科学 院航 空遥 感中 心
遥感 科学 国家 重点 实验 室
对地 观测 应用 技术 中心
验室
国家科技平台
名 称 隶 属
1、中国遥感卫星地面站 2、中国科学院航空遥感中心 3、遥感卫星应用国家工程实验室
国家发改委
拥有7+3个 国家级机构 1个院级机 构
地表反射率
Landsat-8 辐亮度影像
大气校正
克里格插值
大气校正系数 (30m分辨率/ UTM投影) 大气校正系数 （0.05度分辨率/ 经纬度投影）
Landsat-8 辐亮度影像
6S校正模型
转投影/重采样
DEM数据
1 长时序遥感数据定量化处理方法
Landsat 6S大气校正所需数据:
大气参数产品
时序定量遥感的地表覆盖分类
地表覆盖的定量自动 分类算法 地面调查资料 MODIS时序光谱 遥感先验知识库 长时间序列地表覆盖 变化的30米专题信息 研究区地表覆盖变化 定量监测 试验区时间序列数据
Landsat时间序列数 据定量化处理
Landsat时间序列
DN值影像
预处理
相对 辐射 校正
大气 校正
地表覆盖分类模型
裸岩 81.9 98.23
总体精度=87.38%
Kappa系数=0.85
2.1 基于Landsat分类特征扩展的地表覆盖分类
结合光谱值大小和光谱的角度信息，并利用D-S(Dempster-Shafer)证据理 论对两者进行融合，并设计分类规则进行分类。分类算法设计
1 对于某一景Landsat反射率数据中的像元J ，根据其反射率光谱计算与样
1 长时序遥感数据定量化处理方法
6S大气辐射校正流程
大气校正软件
1 长时序遥感数据定量化处理方法
地面实测光谱验证
TM反射率和地面实测数据对比 R2 均值0.773，RMSE 均值0.045
1 长时序遥感数据定量化处理方法
TOA
http://ids.ceode.ac.cn/toc
TOC
2013年夏季全国L8图像
时序定量遥感的地表覆盖分类
手动分类 半自动分类
训练样本+监督分类
自动分类
时序图像光谱库+监 督分类 时序定量反射率 光谱特征 图像光谱库可自动 获取与更新；自动 化水平高
人机交互+目视解译
纹理颜色亮度等分类 基于固定空间位置训练样 特征 本的统计光谱特征
目视解译的各种先验 知识和图像空间纹理 与光谱特征结合；精 度较高
根据 MODIS 和 Landsat 准同步过境特点（ 0.5h ），利用 高分辨率MODIS大气产品辅助对TM进行逐像素、高精度 的大气校正，且可实现业务化处理，并保证相同的精度。
1 长时序遥感数据定量化处理方法
MODIS 大气参数 产品
转投影 （0.05度分辨率 经纬度投影） 裁剪 (与Landsat 8 大小对应）
MOD07_L2
L2 Temperature and Water Vapor
Profiles, 5-Min Swath 5km
Total_Ozone
Landsat数据 辐亮度数据（单位：w/m2/sr）、成像时间 DEM数据 全球DEM数据（0.1°，ENVI安装目录），重 采样为0.05°
大气校正
2002-08-15 2003-07-17 2004-07-19 2005-08-23 2006-07-25 2007-08-13 2013-08-13
1990
玛多地区长时 序土地覆盖图
对于同一地区不同年份的Landsat数据，如果不考虑影像之间的物候差异和遥感 数据定量化误差，则不同影像之间相同地物具有相同或相似的地表反射率，因此 不同的影像可以利用相同的分类特征进行分类、一景影像的分类特征可以扩展到 其它影像进行分类。