基于MODIS数据的青藏高原地表反射率重建方法研究_陈善静.pdf

第 31 卷 第 4 期2023 年 2 月Vol.31 No.4Feb.2023光学 精密工程 Optics and Precision Engineering基于 MODIS数据的青藏高原地表反射率重建方法研究陈善静1，2，5，张文娟3*，张兵3，4，康青5，徐旭5（1.中国科学院 空天信息创新研究院，数字地球重点实验室，北京 100094；2.可持续发展大数据国际研究中心，北京 100094；3.中国科学院 空天信息创新研究院，北京 100094；4.中国科学院大学，北京 100049；5.陆军勤务学院，重庆 401311）摘要：青藏高原地表反射率在自然资源监测、生态环境保护和地球科学研究等方面有着重要应用。MOD09A1反射率数据由于云等因素的影响产生了大量异常像元，使得数据存在信息损失不完整的问题。考虑到邻近时序遥感影像具有高相关性，同类地物光谱具备高相似性，本文针对青藏高原地区提出了一种基于残缺多时相数据与地表覆盖分类信息的地表反射率深度学习重建方法。首先，以多时相 MOD09A1反射率数据和 MCD12Q1地表覆盖分类数据为基础，通过异常像元去除、有效图层提取、投影转换与拼接，得到目标区域基础反射率图像及辅助数据；其次，根据残差网络基本原理，构建了基于多时相数据与地表覆盖分类信息融合的深度学习网络模型；然后，利用 MOD09A1数据完整区域裁剪的云掩膜样本、基于地表覆盖分类和 K-means聚类算法生成的增广样本对模型进行训练；最后，将训练好的模型用于缺失数据区域地表反射率重建。通过两组对比试验表明，本文方法降低了对多时相辅助影像数据量和完整性的要求，在多时相数据残缺情况下，结合地表覆盖分类信息可实现对青藏高原大范围地表反射率的修复与重建。关键词：地表反射率；青藏高原；深度学习；MODIS数据；缺失数据重建中图分类号：TP75 文献标识码：A doi：10.37188/OPE.20233104.0429Research on method of surface reflectance reconstruction in the Tibetan Plateau based on MODIS dataCHEN Shanjing1，2，5，ZHANG Wenjuan3*，ZHANG Bing3，4，KANG Qing5，XU Xu5（1.Key Laboratory of Digital Earth Science，Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100094，China；2.International Research Center of Big Data for Sustainable Development Goals，Beijing 100094，China；3.Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100094，China；4.University of Chinese Academy of Sciences，Beijing 100049，China；5.Army Logistics University，Chongqing 401311，China）*Corresponding author，E-mail：文章编号 1004-924X（2023）04-0429-13收稿日期：2022-07-01；修订日期：2022-10-25.基金项目：国防科工局基础性军工科研院所稳定支持；重庆市自然科学基金资助项目（No.cstc2020jcyj-msxmX0156）；重庆市教委科学技术研究项目资助（No.KJQN201912905）；陆军勤务学院教学改革研究项目资助第 31 卷光学 精密工程Abstract：The surface reflectance of the Tibetan Plateau is exploited in numerous applications，such as natural resource monitoring，ecological environmental protection，and geoscience research.Typically，the reflectance data of MOD09A1 are affected by detector noise and clouds，producing numerous abnormal pixels and diminishing the integrity and accuracy of remote sensing data.To address these issues，considering the universal geoscience law indicating that neighboring time-series remote sensing images are correlative，and the spectra of adjacent ground objects belonging to the same classification are similar，this paper proposes a deep learning method of surface reflectance reconstruction in the Tibetan Plateau based on incomplete multi-temporal data and land cover classification information.First，based on the multi-temporal reflectance data of MOD09A1 and land cover classification data of MCD12Q1，the basic reflectance image and auxiliary data of the target area are obtained through abnormal pixel removal，effective layer extraction，projection conversion，and mosaic.Subsequently，a deep learning network model is constructed based on the fusion of multi-temporal data and land cover classification information，according to basic principles of the residual network.Third，the deep learning model is trained using cloud mask samples cropped from an area with complete data and augmented training samples generated based on land cover classification and the K-means clustering algorithm.Finally，the trained model is utilized for surface reflectance reconstruction in the area with missing data.Two groups of comparative experiments demonstrate that the proposed method reduces the requirements for the amount and integrity of multi-temporal auxiliary image data and achieves accurate restoration and reconstruction of large-scale surface reflectance in the Tibetan Plateau by combining incomplete multi-temporal data and land cover classification information.Key words：surface reflectance；Tibetan Plateau；deep learning；MODIS data；reconstruction of missing data1 引 言青藏高原位于亚洲内陆，是中国最大、世界海拔最高的高原，被称为“世界屋脊”。青藏高原的地表反射率在高原植被指数、冰川变化、水土流失和环境保护等方面都有着重要影响，是高原科考和区域生态环境分析的基础性科学数据1。通过遥感手段可以大范围获得地表多/高光谱图像，是获取典型地物目标反射率的重要途径2。但是由于探测器噪声和气象条件的影响，部分影像数据难以真实反映地表反射率，需要对其进行修复和重建3-4。在地表反射率数据生成和重建方面，Xiao等人针对 AVHRR（Advancedvery High Resolution Radiometer）的地表反射率产品受云和气溶胶影响，造成数据时相和空间不连续，影响后续应用的问题，提出一种基于无云区域时序 NDVI（Normalized Difference Vegetation Index）上包络线的遥感图像地表反射率重建方法5。Wu 等人以青藏高原湖泊区域的分类图为基础，采用内腐蚀掩膜法对 MOD09A1 反射率图像中受云影响造成数据缺失的区域进行了自动填充6。Tseng等人针对高分辨率 SPOT 卫星遥感影像受云影响问题，提出以多时相辅助数据为基础，采用传统的亮度增强、颜色增强以及小波变换等方法重建高质量无云图像7。Cheng等人提出利用多时相遥感影像中的相似像元对受云影响目标区域进行修复和重建8。Wang 等人利用地表覆盖分类数据对单时相 MODIS数据中受云影响的异常缺失像元进行了快速修复9。文献 10 和文献 11 以多景时序遥感影像作为辅助数据，结合传统的PCA 方法和深度学习方法，对遥感影像中受云影响区域进行了反射率数据的修复与重建。申茜等人以 GF-2 数据为基础，运用全色和多光谱融合、几何精校正和相对辐射一致化算法，生成了0.8 m 空间分辨率 2015 年2019 年北京市平原区范围地表反射率影像产品12。孙华生等人利用无人机获取的多光谱遥感数据对地表反射率进行了定量反演和重建13。何兴伟等人借助MODIS 地表反射率产品分析中国西北沙漠地区430第 4 期陈善静，等：基于 MODIS数据的青藏高原地表反射率重建方法研究地表反射率特征，再结合采用手持和机载地物光谱仪实测数据，构建了中国西北地区 10个沙漠辐射定标场的反射率光谱模型14。整体而言，各种卫星和无人机遥感图像是地表反射率制图的重要基础15。由于受云、雾和探测器噪声的影响，地表反射率数据可能存在异常。许多学者利用图像空间信息、时序信息和地面采集信息开展了地表反射率数据修复与重建工作。在众多地表反射率重建方法中，基于时序信息的地表反射率重建方法对纹理特征和细节特征修复效果较好，但是对时序遥感影像的完整性要求较高。而在大范围地表反射率修复重建过程中，部分区域的多时相辅助数据可能均为异常像元，表现为多时相数据残缺，无可参考的有效地表反射率数据。此时，该类方法对地表反射率的修复质量将受到较大影响。本文以高实时性、大 宽 幅 的 MOD09A1 时 序 遥 感 影 像 和MCD12Q1 地表覆盖分类数据为基础，考虑到时序遥感影像