基于GDAL 的干旱災情遙感監(jiān)測系統(tǒng)構建研究

牛思天

（中測新圖（北京）遙感技術有限責任公司，北京100000）

干旱是全球最為常見的自然災害。據(jù)統(tǒng)計，我國每年發(fā)生的自然災害中，氣象災害占到了70%，而干旱占到了氣象災害的50%，干旱的發(fā)生頻率遠遠超過了其它氣象災害。干旱具有持續(xù)時間長、影響范圍大、危害程度高等特點[1]。

近來不斷發(fā)展的傳感器技術及圖像處理方法為旱情的快速、自動、全面化監(jiān)測開辟了一條新途徑。當前利用遙感技術檢測干旱災情主要是通過遙感專業(yè)軟件來實現(xiàn)，商業(yè)遙感數(shù)據(jù)處理系統(tǒng)雖然具備基本圖像處理分析功能，但不能滿足實際業(yè)務中特定的操作流程和處理方法，且實效性差、自動化程度低[2]。開發(fā)專業(yè)的旱災遙感監(jiān)測系統(tǒng)，可提高旱災影響范圍和影響程度的監(jiān)測效率，有利于建立旱災遙感監(jiān)測快速響應機制，實現(xiàn)影響情況的及時反饋[3]。旱災影響范圍的快速監(jiān)測也可為決策部門制定救災決策提供可靠的信息和數(shù)據(jù)支撐。編制一套可以利用內(nèi)建的專有模型實現(xiàn)干旱災情自動時序監(jiān)測的遙感監(jiān)測干旱軟件就顯得尤為重要。

GDAL 是基于C/C++平臺的開源庫，具備非常好的可擴展性和可移植性，能夠為干旱災情遙感監(jiān)測系統(tǒng)的開發(fā)提供支撐[4]。MODIS 遙感數(shù)據(jù)具有分辨率適中、覆蓋范圍大、更新周期穩(wěn)定的特點[5-7]，是干旱災害時序監(jiān)測的優(yōu)勢數(shù)據(jù)源[8]。

本文擬開發(fā)一種以C#作為平臺的基于GDAL 庫的遙感干旱監(jiān)測系統(tǒng)，系統(tǒng)具有自動化和長期運行的特點，系統(tǒng)功能包括原始遙感數(shù)據(jù)處理、圖像解譯輔助功能、干旱監(jiān)測功能，從而達到實現(xiàn)基于MODIS 遙感數(shù)據(jù)的干旱區(qū)域自動時序監(jiān)測的目的。

1 系統(tǒng)構建方法

干旱災情遙感監(jiān)測系統(tǒng)采用模塊化設計，其關鍵技術是干旱災情影響面積監(jiān)測模塊的設計。干旱災情面積監(jiān)測主要根據(jù)用戶輸入的遙感數(shù)據(jù)，系統(tǒng)自動調(diào)用檢測算法，并進行干旱災情面積計算統(tǒng)計。除了干旱災情自動監(jiān)測模塊外，還包括了遙感影像處理模塊和圖像解譯輔助模塊。同時，該系統(tǒng)還具有數(shù)據(jù)管理、空間分析等功能。其中數(shù)據(jù)管理模塊主要功能包括遙感數(shù)據(jù)輸入、通道數(shù)據(jù)管理、數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)增強等預處理功能，為精確的干旱災情面積監(jiān)測提供簡單的數(shù)據(jù)預處理，也可為干旱災情面積監(jiān)測結果進行處理，使結果圖像更簡單清晰易懂?？臻g分析模主要為系統(tǒng)生成的干旱災情面積范圍做簡單的編輯，并根據(jù)監(jiān)測數(shù)據(jù)生成監(jiān)測結果折線圖。

GDAL 開源庫是系統(tǒng)開發(fā)的基礎。GDAL 可以為系統(tǒng)的二次開發(fā)提供標準的開發(fā)接口并且能夠針對多重格式類型柵格數(shù)據(jù)進行讀取、寫入、轉(zhuǎn)換和處理等操作。

2 遙感影像處理模塊

遙感影像處理模塊的主要目的是實現(xiàn)原始影像的預處理，以及輻射校正、幾何校正、太陽高度角校正、以及遙感影像鑲嵌等幾個主要功能，遙感影像處理模塊的各個功能所包含的核心需求及算法介紹如下。

2.1 輻射校正。輻射校正主要針對由于太陽輻射到地面的強度以及地物的光譜反射率及數(shù)據(jù)獲取或傳輸系統(tǒng)隨機產(chǎn)生的輻射失真或畸變等多種因素而帶來的影響從而造成影像亮度畸變，最終達到消除或更正畸變的過程。在實際應用過程中，由于MODIS 的原始數(shù)據(jù)的存儲方式通常為16-Bit 整數(shù)，為了將整數(shù)型數(shù)據(jù)重新轉(zhuǎn)換為反射率值（反射通道）和輻射亮度（發(fā)射通道）一般采取尺度轉(zhuǎn)換的方法轉(zhuǎn)換為輻射率和僅應用于反射波段的反射率。

2.2 幾何校正。幾何校正是為了消除在遙感影像成像過程中因為多種其他因素（攝影材料變形、物鏡畸變、大氣折光、地球曲率、地球自轉(zhuǎn)、地形起伏等）而導致的原始圖像上各地物的幾何位置、形狀、尺寸、方位等特征與在參照系統(tǒng)中的表達要求不一致時產(chǎn)生的變形而采取的一種技術手段。本系統(tǒng)利用GDAL 中幾何多項式的模型來進行幾何校正，主要用到GDAL 中的函數(shù)CPL_DLL CPL_STDCALL 和DALSuggestedWarpOutput2 函數(shù)。

2.3 太陽高度角校正。太陽高度角校正主要是針對在以太陽光為主的可見光波段的大氣輻射傳輸過程中，由于成像過程中遙感器的位置變化，從而引起太陽高度角畸變，繼而產(chǎn)生的圖像接受能量變化的校正。在實際衛(wèi)星探測過程中，地表輻射亮度探測值會因為不同探測點產(chǎn)生的不同太陽高度角而出現(xiàn)偏差，其值隨太陽高度角改變而改變。與此同時，太陽天頂角的訂正，可以最大程度的將由輻射亮度探測值所帶來的不可避免的偏差，還可以將可見光和近紅外所探測而來的數(shù)據(jù)的誤差降到最低。

2.4 遙感影像鑲嵌。遙感影像鑲嵌是將兩幅或多幅遙感影像按實際需求拼接成一幅整體影像的技術過程。遙感鑲嵌形成的視覺可行全景圖像使得影像的分析和研究更為便利。為便于統(tǒng)一分析和研究[9]，本系統(tǒng)的影像鑲嵌技術步驟如下。（1）根據(jù)數(shù)據(jù)塊的名稱，獲取數(shù)據(jù)塊在整個圖幅中的行列號；（2）將所有數(shù)據(jù)塊利用算法遍歷，計算出所有數(shù)據(jù)塊的最大和最小行列號，最終獲得整個圖幅范圍；（3）將整個圖幅根據(jù)實際需要劃分成多個子圖幅；（4）最后根據(jù)各個子圖幅的范圍創(chuàng)建不同的數(shù)據(jù)集，獲取鑲嵌影像。

3 圖像解譯輔助模塊

對影像和監(jiān)測成果的快速顯示與瀏覽是遙感圖像處理與分析軟件的一個重要的功能。干旱災情遙感監(jiān)測系統(tǒng)利用GDAL的快速高效的文件讀取功能，可以實現(xiàn)動態(tài)地分塊從文件中讀取圖像塊到內(nèi)存，建立動態(tài)金字塔結構，從而有助于圖像解譯的快速實現(xiàn)。圖像解譯輔助模塊功能包括圖像漫游、圖像放大、圖像縮小等功能。

3.1 圖像漫游。圖像漫游是指在某一特定分辨率下，將圖像在顯示窗口中上下左右任意移動，從而得到目的區(qū)域的操作方法。圖像漫游的目的是為了減少由大畫面遙感圖像所造成的圖像無法完整顯示從而使得編輯作業(yè)難度增大。圖像漫游功能實現(xiàn)的主要依托于內(nèi)存金字塔的構建。

3.2 圖像放大。圖像放大的目的是為了清楚看到原圖像中所需的細節(jié)信息。在一些高精度大圖像中，細節(jié)信息必須通過放大來展現(xiàn)。圖像放大同樣依托于金字塔的構建。以在金字塔n-q 圖層是否有對應塊進行區(qū)分，從而進行后續(xù)針對性操作，若超過了設定的內(nèi)存上限，則執(zhí)行LRU 替換算法移除一些圖像塊直至出現(xiàn)可容納新加入的圖像塊數(shù)據(jù)空間，完成讀取工作；若在實驗過程中沒有發(fā)現(xiàn)對應塊，那么我們利用GDAL 類庫中的函數(shù)RasterI 從文件中讀取塊數(shù)據(jù)，將這一數(shù)據(jù)塊加入到內(nèi)存金字塔中完成圖像放大。

3.3 圖像縮小。圖像縮小的目的是使圖像在瀏覽顯示區(qū)域中完全展現(xiàn)并且在必要時刻生成目標圖像的縮略圖。這是圖像解譯三大模塊中最復雜的操作。它的完成同樣以金字塔的構建為基礎。在縮小的環(huán)節(jié)中，更多的依靠于LRU 替換算法，執(zhí)行LRU 替換算法從而移除其中一些關系不大的圖像塊直至出現(xiàn)有足夠空間可滿足新加入圖像塊的數(shù)據(jù)需求。若超出了設定的內(nèi)存上限，則執(zhí)行LRU 替換算法從中移除一些圖像塊，并且將該塊加入到內(nèi)存金字塔中，直到找到有充足的空間可以容納新的圖像塊數(shù)據(jù)，然后顯示出該塊圖像。

4 干旱災情自動監(jiān)測模塊

干旱災情遙感監(jiān)測系統(tǒng)應具有響應快速，計算高效，測量準確的性能，系統(tǒng)能夠根據(jù)用戶輸入的數(shù)據(jù)，自動對數(shù)據(jù)按照預先設定的流程進行自動化處理，利用預設算法自動提取干旱災情影響范圍，計算干旱災情面積。其中，高精度的算法是本模塊的核心內(nèi)容。

4.1 NDVI 計算功能。植被指數(shù)是利用植物在可見光、近紅外波段的反射光與土壤背景之間的差異來反映植物的生長狀況的指數(shù)。NDVI（歸一化植被指數(shù)）指數(shù)具有對不同視角和大氣條件不敏感的特性，基于遙感數(shù)據(jù)計算農(nóng)業(yè)種植區(qū)域的NDVI 指數(shù)，對監(jiān)測受干旱危害的植被覆蓋區(qū)域的程度卓有成效。

NDVI（NormalizedDifferentialVegetationIndex）是一種常用的植被指數(shù)，也是描述區(qū)域旱情的重要指標。歸一化差值植被指數(shù)處于可見光波段和近紅外波段，植被具備強吸收與強反射光譜特征，因此植被指數(shù)法應用在作物長勢監(jiān)測和土壤水分評估上具備一定的優(yōu)勢[10]。當缺水或者水分過多時，就會影響作物的生長，因此作物對可見光波段的反射率將增高并且紅外波段的反射率大大降低?；谶@個原理，通過可見光及近紅外兩個波段的線性或非線性組合而成的植被指數(shù)作為評估作物的受旱狀況的標準。

4.2 二值化圖像功能。二值化在圖像增強，圖像分割，圖像識別等領域被廣泛應用，目前采取的主流方法是全局閾值法和局部閾值法。全局閾值法是針對整幅圖像選取單一閾值來進行二值化，特點是計算速度快，背景灰度差效果顯著。局部閾值法是針對劃定好的若干區(qū)域中的每個區(qū)域進行有目的的閾值化，一些情況下也會對圖像中每一個像素點參考鄰近區(qū)域像素點的灰度變化進行逐點二值化，計算速度較全局閾值法緩慢，但在圖像復雜或背景存在噪聲等難度系數(shù)較大的背景下，效果優(yōu)于全局閾值法。

5 系統(tǒng)構建

本次旱情遙感監(jiān)測系統(tǒng)的主要功能模塊分別是：遙感影像處理模塊、圖像解譯輔助模塊、干旱災情自動監(jiān)測模塊、干旱等級劃分、干旱區(qū)域制圖。

整個系統(tǒng)按照功能劃分主要是三個區(qū)域，分別是菜單區(qū)，查詢檢索區(qū)，以及制圖表達和瀏覽區(qū)。菜單區(qū)位于界面的最上層，主要有系統(tǒng)欄（系統(tǒng)內(nèi)容設置空間清理等），特征參數(shù)欄（NDVI 植被指數(shù)、溫度、云、水體等指數(shù)產(chǎn)品提取計算、產(chǎn)品管理）、干旱指數(shù)欄（一些相關指數(shù)）。查詢檢索區(qū)是右邊欄部分，主要提供對各種指數(shù)產(chǎn)品按照時間、區(qū)域查詢、統(tǒng)計，制圖表達和數(shù)據(jù)瀏覽區(qū)為系統(tǒng)主體部分。

6 結論

本論文通過GDAL 庫能夠讀取和顯示MODIS 數(shù)據(jù)，實現(xiàn)了包括輻射校正、大氣校正、幾何校正、遙感影像鑲嵌、感興趣區(qū)裁剪等圖像預處理流程，還實現(xiàn)了圖像漫游、圖像放大與縮小的瀏覽基本操作。通過GDAL 庫讀寫波段數(shù)據(jù)，提取歸一化植被指數(shù)NDVI。以NDVI 干旱指數(shù)為基數(shù)，進行干旱等級劃分和出圖。本軟件雖然實現(xiàn)了讀取MODIS 數(shù)據(jù)，并能對其進行了一系列的圖像預處理流程和干旱指數(shù)計算，但遙感圖像格式還包括NetCDF、Geotiff、IMG、Tiff 等多種格式。后續(xù)的工作中，為了有效節(jié)省學習數(shù)據(jù)格式和數(shù)據(jù)格式轉(zhuǎn)換所帶來的時間及其人力消耗，可統(tǒng)一到GDAL 的框架體系下進行多源遙感數(shù)據(jù)的統(tǒng)一解析。此外，本文在進行干旱監(jiān)測時僅使用了NDVI 指數(shù)，常用的指數(shù)還有VCI（植被狀態(tài)指數(shù)），DVI（距平植被指數(shù)）等。但是在今后的工作中，可基于多個干旱指數(shù)進行旱情監(jiān)測，并以多個結果展開分析和對比。