黄土高原退耕还林区时间序列正射产品——以吴起县为例
| 黄土高原退耕还林区时间序列正射产品——以吴起县为例 作者：龙腾飞 何国金 焦伟利 2020年4月8日 |
 龙腾飞, 何国金, 焦伟利. 黄土高原退耕还林区时间序列正射产品——以吴起县为例[J/OL]. 中国科学数据, 2020. (2020-04-06). DOI: 10.11922/csdata.2020.0014.zh. |
摘要&关键词
[编辑]摘要：针对2013–2018年黄土高原退耕还林区（陕西省延安市吴起县及其周边地区）的130景高分一号宽幅卫星遥感数据，以Landsat-8全色正射镶嵌影像作为参考影像，通过影像自动匹配方法获取影像控制点，采用L1范数约束的最小二乘法对影像自带RPC模型进行修正，然后基于修正后的RPC模型和DEM数据对原始影像进行正射校正，得到吴起县及其周边地区的时间序列正射产品。影像数据包含可见光及近红外波段，空间分辨率为16 m，平面几何精度优于2个像元。本数据集可为深入研究黄土高原地区退耕还林还草成效及其生态、经济效应等提供数据支撑。
关键词：黄土高原；退耕还林；吴起县；即得即用；正射影像；时间序列
Abstract & Keywords
[编辑]Abstract: This datasets of a time series orthophoto products were generated from 130 scenes GF-1 WFV satellite data of the Returning Farmland to Forest Area on Loess Plateau (Wuqi County and its surrounding areas, Yan’an City, Shaanxi Province) from 2013 to 2018. Firstly, landsat-8 full-color orthophotos were used as reference images, and image control points were obtained by the automatic image matching method. Secondly, the L1 norm-constrained least square method was used to modify the RPC model with the image. Finally, the original image was orthorectified based on the modified RPC model and DEM data. The image data (spatial resolution is 16 m) includes visible light and near-infrared bands and the plane geometric accuracy is better than 2 pixels. This dataset can provide data support for in-depth study of the effects of returning farmland to forest and grassland on the Loess Plateau and its ecological and economic effects.
Keywords: Loess Plateau; returning farmland to forest; Wuqi county; Ready To Use; orthophoto; time series
数据库（集）基本信息简介
[编辑]| 数据库（集）名称 | 黄土高原退耕还林区时间序列正射产品数据集 |
| 数据作者 | 龙腾飞、何国金、焦伟利 |
| 数据通信作者 | 何国金（hegj@radi.ac.cn） |
| 数据时间范围 | 2013–2018年 |
| 地理区域 | 地理范围包括34°56′26″N–38°45′5″N，105°31′54″E–110°24′19″E。地理区域范围包括延安市吴起县及其周边地区。 |
| 空间分辨率 | 16 m |
| 数据量 | 258 GB |
| 数据格式 | *.tif, *.jpg, *.xml, *.txt |
| 数据服务系统网址 | ftp://124.16.184.141/csdata/Yanan-GF1WFV/http://www.sciencedb.cn/dataSet/handle/968 |
| 基金项目 | 中国科学院Ａ类战略性先导科技专项（XDA19090300）；国家自然科学基金项目（61701495、61731022）。 |
| 数据库（集）组成 | 本数据集包括130景数据，每景影像存放在独立文件夹中，以传感器名称、景中心经纬度及成像日期命名。每个文件夹内包括4个文件：正射影像文件，格式为tif；元数据文件，格式为xml；缩略图文件，格式为jpg；精度评价文件，格式为txt。 |
Dataset Profile
[编辑]| Title | A time series orthophoto dataset of returning farmland to forest area on the Loess Plateau |
| Data corresponding author | He Guojin (hegj@radi.ac.cn) |
| Data authors | Long Tengfei, He Guojin, Jiao Weili |
| Time range | 2013–2018 |
| Geographical scope | In and around Wuqi County, Yan’an, Shaanxi Province of China (34°56′26″N–38°45′5″N, 105°31′54″E–110°24′19″E). |
| Spatial resolution | 16 m |
| Data volume | 258 GB |
| Data format | *.tif, *.jpg, *.xml, *.txt |
| Data service system | <ftp://124.16.184.141/csdata/Yanan-GF1WFV/> <http://www.sciencedb.cn/dataSet/handle/968> |
| Sources of funding | Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Natural Science Foundation of China (61701495, 61731022). |
| Dataset composition | This dataset includes 130 scenes of images. Each scene is stored in a separate folder named after the sensor name, scene center latitude and longitude, and imaging date. The folder contains 4 files: *.tif, orthoimage file; *.xml, metadata file; *.jpg, thumbnail file; *.txt, accuracy evaluation file. |
引 言
[编辑]黄土高原气候干燥、生态系统脆弱，是世界上水土流失最为严重的地区之一[1][2]。为了修复黄土高原地区生态环境，我国于1999年启动了退耕还林还草工程[2]。工程实施20年来取得了巨大成效，植被面积大幅度提高，有效遏制了黄土高原土壤侵蚀，过去荒山秃岭、水土流失、风沙肆虐的面貌得到明显改观。然而也有不少学者认为2015年前后黄土高原地区的退耕还林草已经处于饱和状态，进入自然演替阶段，继续实施退耕还林还草工程在粮食供应、土壤干旱化、植被退化、水资源平衡、可持续对策等方面存在一定争议[3][1]。
陕西省延安市曾是黄河中上游水土流失最严重的地区之一，也是退耕还林工程的第一批实践区。1998年延安市吴起县首开全国封山禁牧先河，到1999年在全国率先开展大规模退耕还林成为最早试点，再到2013年启动实施的新一轮退耕还林，延安市始终走在退耕还林工程的第一线[4][5]。
目前对黄土高原的卫星观测数据大多来源于国外，缺乏高空间、高时间分辨率的即得即用遥感产品集，本文利用国产高分卫星多光谱数据制作了延安市吴起县地区2013–2018年的密集时间序列正射影像产品，对于黄土高原退耕还林还草的科学研究具有重要价值。
1 数据采集和处理方法
[编辑]1.1 数据源
[编辑]高分一号（GF-1）卫星于2013年4月26日在酒泉卫星发射中心成功发射，是国家高分辨率对地观测系统重大专项中的首颗卫星。高分一号卫星宽视场（WFV）传感器的主要载荷技术指标如表1所示。GF-1 WFV原始数据由中国遥感卫星地面站接收、中国资源卫星应用中心分发，影像数据自带有理函数模型（RPC模型）参数，但由于自带RPC模型存在一定误差，无法直接用于正射影像的生产。影像的覆盖范围及时相信息如图1和表2所示。
表1 GF-1卫星WFV传感器主要载荷技术指标
| GF-1 WFV 技术指标 | 指标范围 |
| 波段范围/μm | B1: 0.45–0.52 |
| B2: 0.52–0.59 | |
| B3: 0.63–0.69 | |
| B4: 0.77–0.89 | |
| 空间分辨率/m | 16 |
| 幅宽/km | 800（4台相机组合） |
| 轨道周期/d | 4 |
图1 GF-1 WFV时间序列影像覆盖范围
表2 GF-1 WFV影像获取时间
| 年度 | 日期 |
| 2013年 | 5.3, 5.10, 6.28, 7.2, 8.3, 9.13, 10.19, 10.23, 11.20, 11.24, 11.29, 12.3, 12.11, 12.27, 12.31 |
| 2014年 | 1.4, 1.8, 1.12, 1.16, 1.20, 4.8, 4.28, 5.7, 5.11, 5.19, 5.19, 6.8, 6.17, 6.21, 6.29, 7.24, 7.27, 7.28, 7.31, 8.1, 10.14, 10.14, 10.21, 11.2, 11.3, 11.11, 11.19, 11.28, 12.2, 12.22, 12.26, 12.30 |
| 2015年 | 1.8, 1.11, 1.12, 2.9, 2.14, 2.21, 3.6, 3.14, 4.16, 4.28, 5.15, 5.18, 5.23, 6.8, 7.11, 8.5, 8.17, 8.25, 8.25, 9.6, 9.14, 10.1 |
| 2016年 | 1.15, 1.28, 2.9, 2.29, 5.17, 10.8, 11.2, 11.14, 12.29 |
| 2017年 | 1.14, 1.19, 1.22, 1.27, 2.4, 2.12, 3.1, 4.2, 4.23, 4.27, 5.6, 5.26, 7.6, 7.30, 8.3, 8.8, 8.16, 9.29, 10.20, 11.2, 11.14, 11.22, 11.30, 12.4, 12.5, 12.8, 12.21 |
| 2018年 | 1.10, 1.11, 2.4, 2.24, 2.28, 3.12, 3.13, 3.29, 4.3, 4.18, 4.19, 5.17, 5.25, 5.30, 6.28, 7.26, 8.24, 9.21, 10.8, 10.25, 10.29, 11.2, 11.6, 11.18, 11.22 |
1.2 数据处理
[编辑]以Landsat-8全色正射镶嵌影像作为参考影像，利用影像自动匹配方法[6]从参考影像提取地面控制点，并利用地面控制点对影像自带RPC模型进行修正，然后基于修正后的RPC模型和DEM数据对原始影像进行正射校正，最后采用自动匹配方法从正射校正结果和参考影像采集检查点进行精度评价。数据处理流程如图2所示。
图2 高分一号WFV数据正射校正处理流程
1.2.1 影像自动匹配
[编辑]影像自动匹配是高效获取地面控制点的有效方法。为保证采集到的控制点在空间上分布均匀，我们将高分一号WFV原始影像划分为规则的格网，然后在每个格网内利用SIFT算法[7]自动匹配一个控制点。另一方面，通过划分格网也可得到大小合适的影像块，从而提高SIFT匹配算法的速度和成功率。借助待匹配影像的初始RPC模型，参考影像块的范围可以根据待匹配影像块的影像坐标近似计算得到。此外，我们还可以将参考影像块重采样成与待校正影像块相近的分辨率，从而让SIFT匹配更加稳健。
1.2.2 RPC模型优化
[编辑]有理函数模型将像点坐标图片表示为以相应地面点空间坐标图片为自变量的有理多项式的比值。为了提高方程的数值稳定性，对两个像平面坐标和三个地面空间坐标进行平移和缩放，标准化为−1.0～1.0之间。基本方程为如下形式：
图片 （1）
其中图片和图片是像素在像平面上的行列值标准化后的结果，图片是物方点空间坐标标准化后的结果，坐标的标准化通过下式计算：
其中图片和图片是两个像平面坐标的平移量，图片和图片是两个像平面坐标的缩放比例；类似的，图片，图片和图片是三个地面坐标的平移量，图片，图片和图片是三个地面坐标的缩放比例。
图片 （3）
其中，多项式系数图片称为有理函数系数（RPC参数）。
采用L1范数约束的最小二乘法[8]对初始RPC参数进行改正，得到修正后的RPC模型。
1.2.3 正射校正
[编辑]利用修正后的RPC模型和DEM数据，按WGS84坐标系UTM 49带投影和16 m分辨率建立输出正射影像的规则格网，然后计算输出影像格网中的每一点对应于原始高分一号WFV影像的像素坐标：根据输出影像左上角点的投影坐标及影像的空间分辨率计算输出格网点的投影坐标，并将投影坐标转换为地理坐标（经纬度），再利用修正后的RPC模型和DEM数据将经纬度和高程计算为对应的原始影像像平面坐标。一般地，计算得到的像平面点的坐标值不为整数，则需采用双三次卷积法插值得到相应灰度值填充到输出影像格网中。
2 数据样本描述
[编辑]本数据集包括陕西省延安市地区2013–2018年共计130景高分一号卫星宽视场（WFV）正射影像数据，其空间分辨率为16 m，坐标系为WGS1984，投影方式为UTM 49N，总数据量约为258 GB。每景影像存放在独立文件夹中，以传感器名称、景中心经纬度及成像日期命名，文件夹内包括正射影像文件、元数据文件、缩略图文件、精度评价文件4个文件。延安市吴起县附近2013年8月和2015年8月的影像如图3所示。
图片（a）
图片（b）
图3 2013年和2018年吴起县GF-1 WFV影像(a) 2013年8月3日；(b) 2018年8月24日
3 数据质量控制和评估
[编辑]以Landsat-8全色正射影像为参考，采用自动匹配方法对每景正射影像采集100个左右均匀分布的检查点，计算每景影像所有检查点的均方根误差以得到该景影像的平均平面误差，然后对130景影像的平面误差进行直方图统计，结果如图4所示。由图4可知，大多数景的平面误差在1个像元以内，且所有影像的平面误差均小于2个像元。
图4 GF-1 WFV时间序列正射影像精度报告
4 数据价值
[编辑]本数据集是延安市吴起县地区2013–2018年较完整的即得即用的高分卫星影像时间序列。本产品为多光谱数据，云量少、定位精度高，可直接用于植被指数计算、目视判别、影像自动分类或变化检测等遥感分析应用。本数据集包含影像数据、元数据、缩略图和精度评价报告，便于用户了解数据的属性及质量信息。本数据集可为深入研究黄土高原地区退耕还林还草成效及其生态、经济效应等提供数据支撑。
5 数据使用方法和建议
[编辑]延安市吴起县地区时间序列正射影像数据集保存为GeoTIFF格式，包含4个波段，能够在ENVI、PCI、ArcGIS和QGIS等遥感和GIS主流软件中读取和操作。
后续本数据集将会定期补充新的时序产品，为延安地区退耕还林还草的遥感监测提供基础数据支撑。
致 谢
[编辑]感谢中国资源卫星应用中心提供的数据支持。
参考文献
[编辑]- ^ 1.0 1.1 CHEN Y, WANG K, LIN Y, et al. Balancing green and grain trade[J]. Nature Geoscience, 2015, 8(10): 739.
- ^ 2.0 2.1 李鹏飞. 黄土高原土壤含水量对退耕还林（草）的响应[D]. 陕西杨凌: 西北农林科技大学, 2017.
- ↑ 梁海斌, 薛亚永, 安文明, 等. 黄土高原不同退耕还林植被土壤干燥化效应[J]. 水土保持研究, 2018, 25(4): 77-85.
- ↑ 李蕴琪, 韩磊, 朱会利, 等. 基于土地利用的延安市退耕还林前后生态服务价值变化[J]. 西北林学院学报, 2020, 35(1): 203-211.
- ↑ 白应飞. 延安市退耕还林工程效益调查分析[J]. 南方农业, 2019 (20): 31.
- ↑ LONG T, JIAO W, HE G, et al. A fast and reliable matching method for automated georeferencing of remotely-sensed imagery[J]. Remote sensing, 2016, 8(1): 56.
- ↑ LOWE DG. Distinctive image features from scale-invariant keypoints[J]. International journal of computer vision, 2004, 60(2): 91-110.
- ↑ LONG T, JIAO W, HE G. RPC Estimation via L1-Norm-Regularized Least Squares (L1LS)[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(8): 4554-67.
数据引用格式
[编辑]龙腾飞, 何国金, 焦伟利. 黄土高原退耕还林区时间序列正射产品[DB/OL]. Science Data Bank, 2020. (2020-04-06). DOI: 10.11922/sciencedb.968.
