多源卫星遥感影像时空融合研究的现状及展望
1.香港中文大学地理与资源管理学系,香港;2.香港中文大学太空与地球信息科学研究所,香港;3.香港中文大学深圳研究院,深圳518057
收稿日期：2017-07-03；修回日期：2017-09-14
基金项目：国家自然科学基金（41371417）
第一作者简介：黄波(1968-),男,博士,长江学者讲座教授,研究方向为遥感图像融合、时空大数据分析、可持续城市空间规划等。E-mail:bohuang@cuhk.edu.hk
关键词：多源遥感影像时空分辨率折中时空融合地物组分空间信息时相变化
ResearchStatusandProspectofSpatiotemporalFusionofMulti-sourceSatelliteRemoteSensingImagery
Keywords:multi-sourceremotesensingimageryspatiotemporalresolutioncompromisespatiotemporalfusionlandcomponentspatialinformationtemporalchange
表1典型的光学遥感卫星的时-空分辨率对比Tab.1Thecomparisonofthespatial-temporalresolutionofthetypicalopticalremotesensingsatellites
表选项
此外，现阶段的卫星遥感数据面临着“又多又少”的问题[8]，即可用的遥感数据越来越多，然而真正能被使用的有用数据却相对很少。例如，由于云层的覆盖，即使Landsat卫星能够在16天内实现对某一地区的重复访问，一年内无云或少云的数据依然较少，一年之内获取到云覆盖率低于10%的遥感影像的概率也只有10%左右[9]，这在很大程度上影响了对地表动态变化的监测和研究。
图选项
1遥感影像时空融合概述及分类
基于这两种理论假设，时空融合算法可以分为：①基于地物类别组分的时空融合；②基于地表空间信息的时空融合；③基于地物时相变化的时空融合；④组合性的时空融合。
1.1基于地物组分的时空融合
由于基于地物组分的时空融合需满足假设①，故而也就限制了其不能应用于地物类别发生变化情况下的时空融合。因为地表的类别变化必然会导致不同组分所占的比例发生变化。同时，由于基于地物组分的时空融合是建立在线性光谱混合模型的基础之上的，因此该类融合亦不适用于地物光谱属于非线性混合的情况。
此外，多数基于地表组分的时空融合都是基于线性的光谱混合模型进行的，该模型中提取出各种地物的端元光谱值是很关键的，即得到纯净像元的像素值。但在实际应用中由于非线性光谱混合现象的大量存在，以及遥感影像空间分辨率和光谱分辨率的限制，各类地物的端元光谱值很难准确地获得，从而会对基于地表组分的时空融合产生不利的影响，增加其预测误差。
1.2基于地表空间信息的时空融合
1.3基于地物时相变化的时空融合
基于地物时相变化的时空融合，其理论基础是地物的时相变化模型具有空间尺度的不变性。这种类型的时空融合首先建立已知时相和未知时相的低分辨率影像之间的时相变化模型，然后将所得到的时相变化模型应用于已知时相的高分辨率影像上，从而得到未知时相的高分辨率影像。这种时空融合可以用下述模型表达
在一个局部窗口内，根据时相变化模型具有尺度不变性这一理论假设，时相变化模型一般可划分为3类：①差值变化，即为H(xi,yi,tk)=H(xi,yi,t0)+[L(xi,yi,tk)-L(xi,yi,t0)]；②比值变化，即为H(xi,yi,tk)=H(xi,yi,t0)·[L(xi,yi,tk)/L(xi,yi,t0)]；③比率变化，即为H(xi,yi,tk)=a·H(xi,yi,t0)+b，其中参数a、b由L(xi,yi,tk)=a·L(xi,yi,t0)+b求得。比较有代表性的时空自适应反射率融合模型STARFM[10](spatialandtemporaladaptivereflectancefusionmodel)，就是基于局部移动窗口内的差值变化模型实现的。
基于地物时相变化的时空融合应用比较广泛，例如在地表反射率[18]、地表温度[15,19]、地表蒸散[20]、植被指数[21]和叶面积指数[22]等时序数据的生成；植被季节变化监测[23]、作物长势监测[24]等方面的应用。然而，地物的时相变化模型在不同空间尺度的不变性要求高分辨率影像的像元要位于对应的低分辨率影像像元的内部，或者位于对应低分辨像元临近像元集合的内部，如此这些高-低分辨率像素才能具有相同的变化率。这一要求就限制了这类时空融合在异质地表覆盖情况下的应用，因为异质的土地覆盖对应的低分辨率像元，可能包含了不同种类的高分辨率像元，故而不能保证空间上对应的高-低分辨率像元具有相同的变化率。
1.4组合性的时空融合
对于组合性的时空融合，主要是指利用以上3种类型中的某两种类型的时空融合进行组合而成的一种组合性时空融合模型。
1.4.1基于地物组分内空间信息的时空融合
1.4.2基于地物组分内时相变化的时空融合
这种组合性的时空融合是基于不同的地物组分而不是低分辨率像素来建立地物的时相变化模型，在对已知时相的高分辨率图像进行分割或者分类从而得到不同的地物组分之后，假设不同组分的时相变化模型具有空间尺度不变性，再预测未知时相的高分辨率影像。文献[25]首先对高分辨率的图像进行分类从而获取高分辨率的地物组分，假设不同组分的时相变化具有空间一致性，然后针对不同的组分进行基于地物时相变化的时空融合。文献[26]首先对低分辨率影像进非监督分类获取低分辨率的地表组分图，通过对应组分内部无云的纯净像元建立回归关系来获得不同时相之间像素的时相变化关系。
2时空融合面临的问题和挑战
2.1多源遥感影像的辐射差异
由于地表和大气环境的变化、不同卫星获取数据时的双向反射分布函数(bidirectionalreflectancedistributionfunction，BRDF)的差异、多源传感器光谱分辨率的差异、不同卫星辐射定标精度的差异，以及不同空间分辨率的像元混合效应的差别等因素的影响[2,25,28-29]，导致多源传感器、多时相以及多分辨率的遥感影像相互之间具有辐射亮度的差异。
如果地表覆盖异质性较高，或者时相变化较为复杂，则多源遥感数据的辐射度差异会导致更严重的时空融合误差。此外，如果在融合过程中不对多源数据的辐射度差异进行处理，则会导致基于地表组分的时空融合与其他类型的时空融合结果具有不同的辐射度特征。即为基于地表组分的时空融合结果具有类似于低分辨率影像的辐射度特征，其他类型时空融合方法的结果具有类似于高分辨率影像的辐射度特征[2]。
2.2多源遥感影像的几何配准差异
由于上述的时空融合算法基本都是像素级或者特征级[30]的图像融合算法，故而这些算法都要求待融合的多源遥感影像具有很高的几何配准精度[5,13,25]。然而，由于不同卫星的数据获取方式的不同、不同时刻卫星姿态的不同及扰动等因素的影响，导致多源传感器、多时相的遥感影像相互之间往往都不是精确配准的。此外，由于数据预处理步骤的不同或者高级数据产品生产过程中重采样、重投影等处理也会影响遥感影像的几何精度[2]。例如，采用全球正弦投影的MODIS数据标准产品在中纬度和两极地区的图像几何畸变尤为明显[31]。
2.3混合像元模型的复杂性
卫星遥感影像的单个像元记录的是卫星传感器在瞬时视场角内所覆盖的地面范围内总的地物辐射能量。由于卫星传感器空间分辨率的限制、自然界地物的复杂多样性、地表辐射多次散射等因素的影响[8]，混合像元普遍存在，且低分辨率影像像元的混合程度更加明显。
一般的，低分辨率的混合像元可以被认为是对应高分辨率影像中纯净像元的加权之和。现有的绝大部分时空融合算法，例如基于地表组分的时空融合模型，所采用的混合像元模型都是线性的[5,13,25]，即假设到达卫星传感器的地表辐射是由唯一的光谱端元组分直接反射而来[8]。线性的混合像元模型适用于较大面积的同质地物覆盖的情况，当地物复杂度较高、异质性较强的时候，不同地物之间的相互多次散射也会增加，从而使得入瞳辐射产生非线性混合。线性的混合像元模型仅仅是非线性混合像元模型的特例。因此，在时空融合模型中恰当地引入非线性的混合像元模型并提高时空融合的精度，是一个有待进一步研究的问题。
2.4地物时相变化模型的复杂性
3时空融合的前瞻3.1算法的通用性
总的来说，目前尚未有一种能够适用于不同数据源和应用目的的时空融合算法出现，不仅能够考虑数据的多样性，而且能针对不同卫星传感器或者不同类型的数据都获得较好的融合效果，从而达到具有广泛实用性的价值。
3.2算法的鲁棒性
现有的时空融合算法都有特定的一些算法参数，这些算法参数都会在一定程度上影响最终融合结果的精度。例如在STARFM中，预估的地物类别数和移动窗口的尺寸是非常重要的两个参数。预估的地物类别数越高，预测结果的精度越高；移动窗口的尺寸越大，预测结果的精度越高[25]；基于一对已知影像进行字典学习的时空融合方法[4]需要设置训练字典的尺寸大小，尺寸过大或者过小都不太适宜。但是当用户在实际应用中面对大批量、多样化的遥感影像时，用户很难去逐个对每一次的时空融合算法处理去设定合适的或者普适的算法参数。因此，降低时空融合算法对模型参数的敏感度、减少时空融合算法对参数的依赖性，以提升算法本身的鲁棒性，对于时空融合算法的推广使用是有很重要的实际意义的。
4结语
然而，无论是基于何种原理或者何种应用的时空融合算法，它们都有各自的优点和局限性，时空融合算法的发展还未达到成熟的程度。多源遥感影像的几何和辐射特性差异的校正、异质地表混合像元模型的非线性散射特征的处理、地物时相变化模型的精确建模，以及算法的通用性和鲁棒性提升等方面仍有待进一步的深入研究。
【引文格式】黄波，赵涌泉。多源卫星遥感影像时空融合研究的现状及展望[J].测绘学报，2017，46(10)：1492-1499.DOI:10.11947/j.AGCS.2017.20170376
更多精彩内容：
分析|2017年中国大陆新晋SCI期刊及简析
学术前沿|单杰：从专业遥感到大众遥感
学术前沿|孙中苗：VLBI全球观测系统(VGOS)研究进展
学术前沿|党亚民：区域地质环境稳定性大地测量监测方法及应用
论文推荐|孟立秋：地图学的恒常性和易变性
学术前沿|陈锐志：基于智能手机的室内定位技术的发展现状和挑战
院士论坛|龚健雅：高分辨率光学卫星遥感影像高精度无地面控制精确处理的理论与方法
院士论坛|张祖勋：谈大数据时代的“云控制”摄影测量
学术前沿|朱庆：倾斜摄影测量三维精细建模
院士论坛|高俊：图到用时方恨少,重绘河山待后生——《测绘学报》60年纪念与前瞻
学术前沿|杨必胜：大规模三维点云智能处理与应用
学术前沿|李清泉教授：基于位置大数据的城市内外部空间分析