黃土高原退耕還林區時間序列正射產品——以吳起縣為例
| 黃土高原退耕還林區時間序列正射產品——以吳起縣為例 作者：龍騰飛 何國金 焦偉利 2020年4月8日 |
 龍騰飛, 何國金, 焦偉利. 黃土高原退耕還林區時間序列正射產品——以吳起縣為例[J/OL]. 中國科學數據, 2020. (2020-04-06). DOI: 10.11922/csdata.2020.0014.zh. |
摘要&關鍵詞[編輯]
摘要：針對2013–2018年黃土高原退耕還林區（陝西省延安市吳起縣及其周邊地區）的130景高分一號寬幅衛星遙感數據，以Landsat-8全色正射鑲嵌影像作為參考影像，通過影像自動匹配方法獲取影像控制點，採用L1範數約束的最小二乘法對影像自帶RPC模型進行修正，然後基於修正後的RPC模型和DEM數據對原始影像進行正射校正，得到吳起縣及其周邊地區的時間序列正射產品。影像數據包含可見光及近紅外波段，空間分辨率為16 m，平面幾何精度優於2個像元。本數據集可為深入研究黃土高原地區退耕還林還草成效及其生態、經濟效應等提供數據支撐。
關鍵詞：黃土高原；退耕還林；吳起縣；即得即用；正射影像；時間序列
Abstract & Keywords[編輯]
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
數據庫（集）基本信息簡介[編輯]
| 數據庫（集）名稱 | 黃土高原退耕還林區時間序列正射產品數據集 |
| 數據作者 | 龍騰飛、何國金、焦偉利 |
| 數據通信作者 | 何國金（hegj@radi.ac.cn） |
| 數據時間範圍 | 2013–2018年 |
| 地理區域 | 地理範圍包括34°56′26″N–38°45′5″N，105°31′54″E–110°24′19″E。地理區域範圍包括延安市吳起縣及其周邊地區。 |
| 空間分辨率 | 16 m |
| 數據量 | 258 GB |
| 數據格式 | *.tif, *.jpg, *.xml, *.txt |
| 數據服務系統網址 | ftp://124.16.184.141/csdata/Yanan-GF1WFV/http://www.sciencedb.cn/dataSet/handle/968 |
| 基金項目 | 中國科學院Ａ類戰略性先導科技專項（XDA19090300）；國家自然科學基金項目（61701495、61731022）。 |
| 數據庫（集）組成 | 本數據集包括130景數據，每景影像存放在獨立文件夾中，以傳感器名稱、景中心經緯度及成像日期命名。每個文件夾內包括4個文件：正射影像文件，格式為tif；元數據文件，格式為xml；縮略圖文件，格式為jpg；精度評價文件，格式為txt。 |
Dataset Profile[編輯]
| 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[編輯]
黃土高原氣候乾燥、生態系統脆弱，是世界上水土流失最為嚴重的地區之一[1][2]。為了修復黃土高原地區生態環境，我國於1999年啟動了退耕還林還草工程[2]。工程實施20年來取得了巨大成效，植被面積大幅度提高，有效遏制了黃土高原土壤侵蝕，過去荒山禿嶺、水土流失、風沙肆虐的面貌得到明顯改觀。然而也有不少學者認為2015年前後黃土高原地區的退耕還林草已經處於飽和狀態，進入自然演替階段，繼續實施退耕還林還草工程在糧食供應、土壤乾旱化、植被退化、水資源平衡、可持續對策等方面存在一定爭議[3][1]。
陝西省延安市曾是黃河中上游水土流失最嚴重的地區之一，也是退耕還林工程的第一批實踐區。1998年延安市吳起縣首開全國封山禁牧先河，到1999年在全國率先開展大規模退耕還林成為最早試點，再到2013年啟動實施的新一輪退耕還林，延安市始終走在退耕還林工程的第一線[4][5]。
目前對黃土高原的衛星觀測數據大多來源於國外，缺乏高空間、高時間分辨率的即得即用遙感產品集，本文利用國產高分衛星多光譜數據製作了延安市吳起縣地區2013–2018年的密集時間序列正射影像產品，對於黃土高原退耕還林還草的科學研究具有重要價值。
1 數據採集和處理方法[編輯]
1.1 數據源[編輯]
高分一號（GF-1）衛星於2013年4月26日在酒泉衛星發射中心成功發射，是國家高分辨率對地觀測系統重大專項中的首顆衛星。高分一號衛星寬視場（WFV）傳感器的主要載荷技術指標如表1所示。GF-1 WFV原始數據由中國遙感衛星地面站接收、中國資源衛星應用中心分發，影像數據自帶有理函數模型（RPC模型）參數，但由於自帶RPC模型存在一定誤差，無法直接用於正射影像的生產。影像的覆蓋範圍及時相信息如圖1和表2所示。
表1 GF-1衛星WFV傳感器主要載荷技術指標
| GF-1 WFV 技術指標 | 指標範圍 |
| 波段範圍/μm | B1: 0.45–0.52 |
| B2: 0.52–0.59 | |
| B3: 0.63–0.69 | |
| B4: 0.77–0.89 | |
| 空間分辨率/m | 16 |
| 幅寬/km | 800（4台相機組合） |
| 軌道周期/d | 4 |
圖1 GF-1 WFV時間序列影像覆蓋範圍
表2 GF-1 WFV影像獲取時間
| 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 數據處理[編輯]
以Landsat-8全色正射鑲嵌影像作為參考影像，利用影像自動匹配方法[6]從參考影像提取地面控制點，並利用地面控制點對影像自帶RPC模型進行修正，然後基於修正後的RPC模型和DEM數據對原始影像進行正射校正，最後採用自動匹配方法從正射校正結果和參考影像採集檢查點進行精度評價。數據處理流程如圖2所示。
圖2 高分一號WFV數據正射校正處理流程
1.2.1 影像自動匹配[編輯]
影像自動匹配是高效獲取地面控制點的有效方法。為保證採集到的控制點在空間上分布均勻，我們將高分一號WFV原始影像劃分為規則的格網，然後在每個格網內利用SIFT算法[7]自動匹配一個控制點。另一方面，通過劃分格網也可得到大小合適的影像塊，從而提高SIFT匹配算法的速度和成功率。藉助待匹配影像的初始RPC模型，參考影像塊的範圍可以根據待匹配影像塊的影像坐標近似計算得到。此外，我們還可以將參考影像塊重採樣成與待校正影像塊相近的分辨率，從而讓SIFT匹配更加穩健。
1.2.2 RPC模型優化[編輯]
有理函數模型將像點坐標圖片表示為以相應地面點空間坐標圖片為自變量的有理多項式的比值。為了提高方程的數值穩定性，對兩個像平面坐標和三個地面空間坐標進行平移和縮放，標準化為−1.0～1.0之間。基本方程為如下形式：
圖片 （1）
其中圖片和圖片是像素在像平面上的行列值標準化後的結果，圖片是物方點空間坐標標準化後的結果，坐標的標準化通過下式計算：
其中圖片和圖片是兩個像平面坐標的平移量，圖片和圖片是兩個像平面坐標的縮放比例；類似的，圖片，圖片和圖片是三個地面坐標的平移量，圖片，圖片和圖片是三個地面坐標的縮放比例。
圖片 （3）
其中，多項式係數圖片稱為有理函數係數（RPC參數）。
採用L1範數約束的最小二乘法[8]對初始RPC參數進行改正，得到修正後的RPC模型。
1.2.3 正射校正[編輯]
利用修正後的RPC模型和DEM數據，按WGS84坐標系UTM 49帶投影和16 m分辨率建立輸出正射影像的規則格網，然後計算輸出影像格網中的每一點對應於原始高分一號WFV影像的像素坐標：根據輸出影像左上角點的投影坐標及影像的空間分辨率計算輸出格網點的投影坐標，並將投影坐標轉換為地理坐標（經緯度），再利用修正後的RPC模型和DEM數據將經緯度和高程計算為對應的原始影像像平面坐標。一般地，計算得到的像平面點的坐標值不為整數，則需採用雙三次卷積法插值得到相應灰度值填充到輸出影像格網中。
2 數據樣本描述[編輯]
本數據集包括陝西省延安市地區2013–2018年共計130景高分一號衛星寬視場（WFV）正射影像數據，其空間分辨率為16 m，坐標係為WGS1984，投影方式為UTM 49N，總數據量約為258 GB。每景影像存放在獨立文件夾中，以傳感器名稱、景中心經緯度及成像日期命名，文件夾內包括正射影像文件、元數據文件、縮略圖文件、精度評價文件4個文件。延安市吳起縣附近2013年8月和2015年8月的影像如圖3所示。
圖片（a）
圖片（b）
圖3 2013年和2018年吳起縣GF-1 WFV影像(a) 2013年8月3日；(b) 2018年8月24日
3 數據質量控制和評估[編輯]
以Landsat-8全色正射影像為參考，採用自動匹配方法對每景正射影像採集100個左右均勻分布的檢查點，計算每景影像所有檢查點的均方根誤差以得到該景影像的平均平面誤差，然後對130景影像的平面誤差進行直方圖統計，結果如圖4所示。由圖4可知，大多數景的平面誤差在1個像元以內，且所有影像的平面誤差均小於2個像元。
圖4 GF-1 WFV時間序列正射影像精度報告
4 數據價值[編輯]
本數據集是延安市吳起縣地區2013–2018年較完整的即得即用的高分衛星影像時間序列。本產品為多光譜數據，雲量少、定位精度高，可直接用於植被指數計算、目視判別、影像自動分類或變化檢測等遙感分析應用。本數據集包含影像數據、元數據、縮略圖和精度評價報告，便於用戶了解數據的屬性及質量信息。本數據集可為深入研究黃土高原地區退耕還林還草成效及其生態、經濟效應等提供數據支撐。
5 數據使用方法和建議[編輯]
延安市吳起縣地區時間序列正射影像數據集保存為GeoTIFF格式，包含4個波段，能夠在ENVI、PCI、ArcGIS和QGIS等遙感和GIS主流軟件中讀取和操作。
後續本數據集將會定期補充新的時序產品，為延安地區退耕還林還草的遙感監測提供基礎數據支撐。
致 謝[編輯]
感謝中國資源衛星應用中心提供的數據支持。
參考文獻[編輯]
- ^ 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 李鵬飛. 黃土高原土壤含水量對退耕還林（草）的響應[D]. 陝西楊凌: 西北農林科技大學, 2017.
- ↑ 梁海斌, 薛亞永, 安文明, 等. 黃土高原不同退耕還林植被土壤乾燥化效應[J]. 水土保持研究, 2018, 25(4): 77-85.
- ↑ 李蘊琪, 韓磊, 朱會利, 等. 基於土地利用的延安市退耕還林前後生態服務價值變化[J]. 西北林學院學報, 2020, 35(1): 203-211.
- ↑ 白應飛. 延安市退耕還林工程效益調查分析[J]. 南方農業, 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.
數據引用格式[編輯]
龍騰飛, 何國金, 焦偉利. 黃土高原退耕還林區時間序列正射產品[DB/OL]. Science Data Bank, 2020. (2020-04-06). DOI: 10.11922/sciencedb.968.
