风云三号D星的中分辨率光谱成像仪的轨道间数据融合技术

鄢俊洁 王燕婷

(中国气象局北京华云星地通科技有限公司，北京 100081)

引言

风云三号D星(FY-3D)是我国第二代极轨气象卫星，于2017年11月16日在太原卫星中心成功发射。其中的中分辨率光谱成像仪(MERSI-II)是FY-3D最主要的光学成像仪器，不仅能为气象服务，还可以在遥感领域中广泛应用，如为全球生态环境、灾害监测和气候评估等提供观测方案[1-2]。FY-3D卫星每间隔102 min覆盖一轨数据，由于每轨数据的卫星天顶角、太阳高度角等条件存在差异，再加上风云三号星上实时定标，每条轨道也存在定标上的差异，因此在全球拼图时不同轨道反射率数据亮度差异明显，有很明显的缝隙，再加上云的移动和变化，因此不同轨道间的云数据也会明显出现断层，从而影响整个MERSI-II全球数据的定量化应用。表1是FY-3D的MERSI-II载荷通道特性。

1 轨道间数据融合算法

1.1 问题分析

多光谱遥感数据真彩色合成图像具有处理速度快，不依赖于其他遥感产品，易于判读等特点， 其在气象、生态环境、减灾等领域具有不可替代的作用[3]。而风云三号的全球等经纬度遥感真彩色合成图是由MERSI载荷多条轨道数据拼接融合而成的。如何消除轨道间的色差问题以及缝隙的拼接痕迹，就成为决定极轨卫星真彩色合成图是否具有高精度的关键问题。

表1 FY-3D MERSI(II)载荷的所有通道特性

不同轨道间的反射率数据理论上如果辐射标定准确，卫星过境时的观测条件相同，那么在同一区域位置的物理数据均能准确反映不同下垫面的辐射特性[4]，其反射率应该没有明显差异，不需要做数据校正及轨道间数据的融合。但是实际上，由于卫星在过境时，卫星载荷在成像时，不同轨道数据来自不同地面站[5]，其卫星天顶角、太阳方位角等条件均不同，再加上风云三号是星上实时定标,不同轨数据定标也存在差异性，因此不同轨的反射率数据显示出明显差异，在拼接时出现明显的接缝，如图1所示。

图1 FY-3D的MERSI两轨数据间的图像差异

本文就图1的具体时次数据为例，具体分析产生轨道间数据差异性的原因，以及其与卫星天顶角等的关系，进一步进行轨道间融合算法的推导。

该两轨数据为FY-3D MERSI-II载荷的2018年9月8日的05:00和2018年9月8日的06:40数据，如图2所示。不同轨数据在成像时或多或少均有重复区域，这也是两轨数据融合的基础，但是在进行数据相关性分析和数据融合前，必须将两个轨道数据进行统一的数据投影处理，没有定位偏差和数据形变的情况下，才能进行分析和比较。

从两个轨道图中可以看出，数据有明显的色调差异，这就是因为每次轨道进行成像时卫星拍摄的角度以及太阳的角度不同，并且在未投影之前，存在波纹现象，同一区域数据的形状也是变形的，因此必须先进行统一的校正处理。

1.2 校正处理

针对极轨卫星不同轨道间对同一地理位置(像元)的反射率数据发生较大的差异从而造成色差的问题，本文首先是对数据进行了物理校正，得到能够定量分析和应用的校正后的地表反射率数据，其次从图像处理的角度进行了不同轨道间的图像融合处理，消除了不同轨道的影像接缝处的色差。因为本文重在说明极轨卫星影像的轨道间融合算法的处理过程，因此大气校正、太阳高度角订正和10°块的等经纬度投影只做大致介绍。

(1)大气校正：首先是利用了MODIS卫星CREFL的算法原理对原始影像做了大气校正，消除了水分子、臭氧、二氧化碳等的散射和吸收影响[6]，利用大气辐射传输方程、卫星和太阳天顶角等参数对数据进行了瑞利散射的校正。

LTOA(μs,μv,φ)=L0(μs,μv,φ)+

(1)

其中，LTOA是卫星在大气顶接收到的辐射，L0是路径辐射，T(μs)为入射光线路径上从大气顶到地面的总透过率，T(μv)为卫星观测路径上从地表到大气顶的总投射率，F0为大气顶的太阳常数，ρs为地表反射率，S为大气反照率，μs为太阳天顶角余弦，μv为观测天顶角余弦，φ为太阳和卫星方位角差[7]。

(2)太阳高度角订正：太阳高度角与太阳天顶角互为余角，反映了地球表面获得太阳热能数量的条件，对于太阳高度角小于80°以上地区做了订正[8]。

(3)等经纬度投影：以全球数据按10°块进行的等经纬度投影，将风云三号极轨卫星的每个轨道的图像数据和角度数据进行等经纬度度投影后得到的区块数据，全球被分成了648块。以本文中的数据为例，同一个位置的两轨数据进行区块等经纬度投影，如图3所示，由于05:00更靠近右边的渤海湾地区，因此靠中间块的投影会有一角数据没有，属正常现象。

1.3 轨道间融合算法推导

理论情况下，在同一区域位置的不同轨道数据，其反射率应该没有明显差异，均能准确反映不同下垫面的辐射特性，其在红光(中心波长0.47 μm)、绿光(中心波长0.55 μm)和蓝光(中心波长0.65 μm)通道下的散点图应为一条斜率为1的直线。但实际情况下，从图3可以看出，每轨数据的卫星天顶角均是在变化的，不同时次的拍摄必然导致卫星角度等条件不同。从06:40看，其卫星天顶角从左到右，角度逐渐变大，对应的图像从色调上反映也是从清楚到薄弱，均是个渐变的过程。而05:00，刚好相反，其卫星天顶角从左到右，角度是逐渐变小，对应的图像从色调上看也是越来越清楚。因此，在两轨图像搭接处，呈现一种反射率“左高右低”的现象，因此出现了明显的缝差。

我们可以通过分析两轨数据相同覆盖区域从左到右的散点图，来确定轨道数据与卫星角度的关系，如图4、图5所示。

从图5中可以看出，实际情况同一区域不同轨道间反射率数据受每轨的卫星天顶角、太阳高度角影响很大，虽是同一区域但是两轨数据的散点分布并非完全线性相关，而是分散分布；其次，随着从左至右的卫星天顶角的变化，两轨数据的相关系数和截距也在变化，随着卫星天顶角的从大变小的过程中，卫星观测也越接近星下点观测，也就是说，随着05:00卫星天顶角逐渐变小，05:00数据在相关性中所占权重越来越大，而随着06:40卫星天顶角逐渐变大，06:40数据所占权重反而变小。

图3 投影后的2018年9月8日的06：40轨道图像(a)及卫星天顶角(b),05:00轨道图像(c)及卫星天顶角(d)

图4 2018年9月8日06:40轨道图像从左到右的(a,b,c)3个不同区域数据选取(红色方框区域)

图5 2018年9月8日06:40和05:00相同覆盖下的3个不同区域(a,b,c)数据相关性 (横坐标为06:40，纵坐标为05:00)

通过对上述的轨道数据与卫星天顶角的相关性分析，通过对不同下垫面(包括沙漠、植被和云区)的测试，我们得到在将不同轨道间数据进行融合时，自身轨道数据在融合过程中所占权重的比例，与自身轨道的卫星天顶角成反比，而与卫星天顶角的余弦值成正比，且在两轨数据间的卫星天顶角较小的轨道数据所占权重较大。

基于太阳高度角的影响在大气校正处理中进行了校正，而大气校正中的太阳高度角订正技术较为成熟，此处不再详述，本文主要介绍由于卫星天顶角在不同轨道间做数据融合处理时的技术方法，但是本融合处理必须经过了大气校正以及太阳高度角订正后再处理，否则会引入新的偏差，影响融合效果。

本文经过大量测试之后总结出了适合FY-3D MERSI-II载荷的融合系数和公式，提出了如下的融合算法，k1和k2分别为两轨数据根据不同权重得到的中间系数，该权重与每轨的卫星天顶角有关。

(2)

(3)

R=r1k1+r2k2

(4)

G=g1k1+g2k2

(5)

B=b1k1+b2k2

(6)

其中，α是第1条轨道数据逐点的卫星天顶角，β是第2条轨道数据逐点的卫星天顶角，这里D为常量0.0174532925199，π/180变成弧度；r1、g1和b1分别是第1条轨道红光、绿光和蓝光通道的反射率图像值，r2、g2和b2分别是第2条轨道红光、绿光和蓝光通道的反射率图像值。得到融合后的逐点的3个波段的反射率数据R、G、B。

本文的轨道间数据融合技术，综合考虑了不同轨数据的卫星天顶角和太阳高度角等的权重影响，根据不同轨数据反射辐射特性，以及上述公式算法的最优选卫星天顶角的原则，研究出适合于FY-3D的MERSI-II载荷不同轨道间数据融合的技术，且在不同下垫面均取得了很良好的效果。

2 结果分析

极轨卫星轨道间融合技术旨在生成高精度、高质量的FY-3D全球遥感真彩色合成图像，可以每天提供覆盖全球各区域的250 m的真彩色图像数据，为水体监测、植被生长期监测、雪盖监测等遥感应用提供数据支撑服务，从根本上提高数据应用的水平是当务之急[9]，现对生成结果进行定性和定量两种方法的评价。

2.1 定性评价

撒哈拉沙漠地区、澳大利亚地区、中国地区轨道数据融合前后效果分别见图6，7，8。

图6 2018年8月22日撒哈拉地区轨道间 数据融合前(a)后(b)的两轨拼图

图7 2018年8月31日澳大利亚地区轨道间 数据融合前(a)后(b)的两轨拼图

图8 2018年9月8日中国地区轨道间数据 融合前(a)后(b)的两轨拼图

2.2 定量评价

风云三号卫星数据目前服务广泛，有其自身的数据评价指标的验证[10]。本文处理遥感影像融合后的效果评价，引用了其中对图像产品的定量评价的方法， 采用多种统计方法来评判融合后影像的质量。包括平均梯度法、信息熵等。平均梯度法来评定融合后影像的清晰程度，计算影像的方差和相关性等作为影像的数学评判标准[11]；而信息熵是来评定其信息量的大小，它是衡量信息丰富程度的一个重要指标，影像所含的信息越丰富，影像的质量越好[12]。

二元论则强调对于当地的民族特色和文化传统的挖掘，在资源开发与产品设计过程中坚持文脉原则，以实现对于原生湿地生态资源的充分利用（实践中也只有在生态旅游资源开发中融入地域文化因素，才能够真正实现资源的科学和充分利用）。因此从长远计，加强对“黄河口”文化的系列研究，深入挖掘“黄河口”文化内涵，实现原生湿地生态资源充分合理利用，是黄河口生态旅游目的地发展为国际知名旅游目的地的必由之路和发展方向。

2.2.1 信息熵法

利用信息熵法，来分析融合后的影像和融合前的影像信息熵的大小，来反映轨道融合前后的影像所含信息的丰富程度。

(7)

其中,X为输入的影像变量；Pi为影像像元灰度值为i的概率。

本文以撒哈拉沙漠地区轨道融合前后的图像(图6)为例，对撒哈拉沙漠地区r、g、b 3个波段的融合前后图像的影像概率密度分布进行计算，部分计算结果见表2，其中P1是轨道融合前的影像概率密度，P2是轨道融合后的影响概率密度。

从结果中看出，代表沙漠区域灰度范围内的概率密度，轨道融合后的结果要大于轨道融合前的结果，显示出轨道融合后图像反映的沙漠地区影像所含的信息丰富程度要高于轨道融合前，也就是说轨道融合后的影像质量要更高。

表2 撒哈拉沙漠地区r、g、b波段融合前(P1)后(P2)概率密度

2.2.2 平均梯度法

利用平均梯度法来计算轨道融合前影像和融合后影像在接缝处的影像灰度是否存在跳变进行分析，采用拉普拉斯算子，计算融合前后影像在接缝处的二阶微分算子，来反映轨道融合前后的影像的灰度梯度变化情况。

(8)

其中,在x方向上:

(9)

而在y方向上:

(10)

合起来就是：

f(x,y-1)-4f(x,y)

(11)

仍以撒哈拉沙漠地区轨道融合前后的图像为例，这里我们不考虑梯度的方向，在计算了图9蓝框内的影像的平均梯度后，得到表3中的结果。从结果可以看出，不管是在水体、云层、陆地等不同的下垫面，融合前的影像拼接处的平均梯度比融合后影像的平均梯度，都要大得多，说明轨道融合前影像在拼接处存在着明显的跳变，而融合后的影像在轨道拼接处并没有跳变，轨道间融合的效果很好，因此轨道融合后的影像质量要比融合前影像高。

图9 撒哈拉沙漠地区轨道融合前(a)后(b)图像 (蓝框为接缝处)

表3 融合前后数据的影像梯度结果(部分)

2.3 业务应用

MERSI的全球晴空数据集最高分辨率可达250 m，极大地发挥了地球观测数据的优势，用途广泛，本文消除了FY-3D的MERSI载荷轨道间的数据差异，得到的全球拼图精度质量高，可视效果好，能极大提高MERSI载荷数据的应用与服务。轨道间数据融合算法技术成熟且系统构架设计规范，已应用于风云三号D星的MERSI拼图业务系统FY3DMIPS当中。图10为2018年的“康妮”台风登陆中国浙江融合图像，为汛期的业务提供了很好的保障。发挥了极轨气象卫星的优势[13]。

3 结论

本文的轨道间数据融合技术为自主创新技术，其充分利用两条轨道间的卫星天顶角，按照相应的算法公式，进行两轨数据的融合，且在不同下垫面，沙漠、植被、云区等均有明显的效果，消除了由于不同轨道间带来的差异性，在云系的移动性上也具有很好的连贯性。应用合成后的真彩色图像，可分析不同地表和天气现象，如沙尘、积雪、蓝藻、火点烟羽和台风等[14]。在以后的研究工作中，将利用真彩色图像技术开发出高质量的业务产品，进而更好地服务于社会大众[15]：

本文处理得到的合成后数据具有很好的应用价值，为汛期业务提供了高精度的丰富的天气灾害现象图像数据。

本文的轨道间数据融合技术为通用的算法技术，理论上也适用于其他的极轨卫星，具有极高的技术价值，其应用还需要进一步的探讨和研究。