基于氣象預測數據優(yōu)化衛(wèi)星成像參數

白 楊，王靈麗*，武紅宇，田世強，王 棟，鐘 興，韓 威，楊建新

（1. 長光衛(wèi)星技術有限公司，吉林 長春130051；2. 中國氣象局數值預報中心，北京 100081）

1 引 言

光學衛(wèi)星在對地觀測獲取遙感影像前，需要通過上注指令設置傳感器成像參數，用于獲取高動態(tài)范圍的高質量遙感影像數據，如視頻相機一般需要設置增益、幀頻、單幀圖像曝光時間，推掃相機需要設置積分級數、行積分時間、增益等必要的成像參數［1-2］。成像參數設置不合理會極大的降低數據質量，當成像參數設置過低時，獲取的影像數據有效動態(tài)范圍小，降低了影像對地物的解析和判讀能力，當成像參數設置過高時，會導致圖像的最大灰度超出傳感器有效范圍，而產生圖像整體或部分區(qū)域灰度值飽和現象，使得數據缺失飽和區(qū)域地物的紋理及細節(jié)信息［3-5］。因此合理設置衛(wèi)星成像參數是衛(wèi)星獲得高質量影像數據的重要保障和前提。

目前常規(guī)的光學衛(wèi)星傳感器成像參數設置方式是依據目標拍攝時刻的太陽高度角建立衛(wèi)星成像參數查找表，這種設置方式簡便易行，然而相同太陽高度角下拍攝目標點的地表反照率、大氣環(huán)境以及衛(wèi)星觀測角度均會影響傳感器的灰度響應，在不同地物拍攝過程中，難以保證圖像均獲得較好的拍攝效果。Skybox 采用MODIS 大氣光學厚度（Atmospheric Optical Thichness，AOT）歷史平均數據，利用大氣輻射傳輸模型6SV（Second Simulation of a Satellite Signal in the Solar Spectrum-Vector），預測曝光參數［2］。北京一號依據拍攝目標點太陽高度角，基于歷史數據底圖，最終根據不同的拍攝目標，如沙漠、海洋、城鎮(zhèn)等，利用6S 輻射傳輸模型預測曝光參數［6］。上述這兩種方式均能在一定程度上改善圖像的拍攝效果，但是基于歷史數據預測的方法，對于地表隨時間變化較大，或是難以根據歷史數據預估的天氣變化（如降雪等）的區(qū)域則無法獲得理想的預測效果。如何將具有時變特性的地表反照率，以及大氣變化產生的影響加入到光學衛(wèi)星成像參數設置中，成為了光學衛(wèi)星對地觀測高效率獲取高質量遙感影像數據的難題。

為了解決這一難題，本文提出了一種基于氣象預測數據的衛(wèi)星成像參數設置方法，方法基于氣象預測數據數值預測模型獲取未來10 天不同時刻的地表反照率、總云量和雪層厚度數據，再根據拍攝目標點地表反照率和云量，結合MODTRAN（Moderate Resolution Atmospheric Transmission）大氣輻射傳輸模型建立從地表到傳感器的輻射傳輸模型，模擬不同成像參數下圖像的平均灰度響應，依據圖像灰度動態(tài)范圍合理的策略選取合適的成像參數。為了驗證本文提出的成像參數設置方法，利用吉林一號視頻04 星測試成像參數預測效果，測試結果表明，本文提出的方法預測精度能夠較好地保證成像參數設置的合理有效。

2 影像檢測系統(tǒng)的構成及其工作原理

在光學衛(wèi)星對地面觀測成像前，需通過任務規(guī)劃設置衛(wèi)星的成像參數，成像參數主要包括傳感器的積分級數、增益、行積分時間等，并最終經地面站指令上注上傳至衛(wèi)星，用于保障衛(wèi)星正常成像任務。衛(wèi)星傳感器的成像方式主要分為線陣傳感器推掃成像（圖1（a））和面陣傳感器凝視成像（圖1（b）），不同的傳感器成像方式具有不同的成像參數及設置方式，本文主要研究線陣推掃成像方式傳感器的成像參數獲取方法。

線陣推掃成像TDI CCD（Time Delay Integration Charge Coupled Device）傳感器是將入瞳處輻亮度通過傳感器光電轉換獲取圖像灰度響應 DN（Digital Number）［7］，其定義如式（1）所示：

圖1 推掃與凝視成像方式Fig.1 Imaging mode of push-broom and staring

式中：M為積分級數，tint為傳感器行積分時間，G為轉換增益，單位為DN/e-，可以在成像時進行調整；L0為入瞳處譜段輻亮度，與拍攝地物相關；τ0為光學系統(tǒng)透過率，受大氣參數影響；Ad為探測像元面積，F為光學系統(tǒng)相對孔徑數，η為傳感器的量子效率，這些參數與傳感器光學系統(tǒng)、電子學性能相關，在傳感器設計完成后不再改變；h為普朗克常量，v=c/λ，c為光速。

根據公式（1），在推掃成像中可調節(jié)的衛(wèi)星成像參數為積分級數、增益和行積分時間。為了獲取清晰的圖像，成像參數行時間需要同像元運動速度相匹配［8］。由于衛(wèi)星飛行過程中緯度的變化，該參數需要實時進行調整，因此衛(wèi)星在成像期間會自主對該參數進行實時運算，無需通過成像前任務規(guī)劃進行設置。

衛(wèi)星規(guī)劃推掃成像任務時，需要設置的衛(wèi)星成像參數為積分級數和增益，由于不同傳感器的設計差異或基于圖像質量的考慮，也可能只調整積分級數或增益。若成像參數設置過高，會導致局部或整體圖像飽和，丟失被觀測地物的紋理細節(jié)信息；若成像參數設置過低，使得圖像偏暗，從而降低數據的地物識別和解譯能力。因此合理的設置衛(wèi)星成像參數是充分利用傳感器輻射分辨率，獲取灰度動態(tài)范圍適宜的圖像，保障遙感影像數據質量的重要前提。

3 成像參數推演

3.1 氣象預測數據

成像參數推演的目的是為了確定規(guī)劃拍攝目標的積分級數和增益，保證圖像灰度響應范圍適宜。根據成像參數與圖像灰度響應的關系，拍攝目標點輻亮度直接影響圖像的灰度響應，而輻亮度主要受到地表地物反照率的影響。目前雖然能夠基于歷史地物反照率建立全球地物反照率底圖用于衛(wèi)星成像參數設置，然而地物的反照率并非固定不變，它會隨著地表覆蓋地物類型以及季節(jié)發(fā)生變化，且不同年份也會有差異。因此本文提出基于國家氣象局提供的氣象預測數據中的反照率數據進行成像參數優(yōu)化的方法。

氣象預測數據是中國氣象局聯(lián)合國內多家單位，在科技部“十五”國家重點科技攻關項目《中國氣象數值預報系統(tǒng)創(chuàng)新研究》支持下，自主研究建立了新一代多尺度通用資料同化與數值預 報 系 統(tǒng) GRAPES［9］。 從 2016 年 6 月 開 始 ，GRAPES 全球同化預報系統(tǒng)正式業(yè)務化運行［10］。目前中國氣象局數值預報中心實時業(yè)務系統(tǒng)提供的全球氣象預測數據，能夠預測未來10 天的全球地表反照率、低云量、總云量和表層雪深，經過產品后處理后的全球數據柵格大小為1 440×2 880 pixels，網格水平分辨率為0.125°，預測數據時間分辨率為 1 h。圖 2 為 2017 年 3 月 2 日 19時的全球氣象預測數據。

圖2 全球地表反照率氣象預測數據Fig.2 Meteorological forecast data of global surface albedo

全球地表反照率氣象預測數據能夠較好地反映世界范圍內不同區(qū)域的地表反照率，對于冰雪、沙漠、綠植都能較好地區(qū)分。同時，全球地表反照率預測數據對于隨時間變化較大的地區(qū)同樣具有較好的預測效果，圖3 為長春地區(qū)2017 年全年上午11 時地表反照率變化曲線。

圖3 長春地區(qū)反照率全年變化Fig.3 Annual variation of surface albedo of Changchun

圖3 中橫坐標為年積日，即當日在一年中的日序，縱坐標為地表反照率。根據圖3 所示在積日為 346，即 2017 年 12 月 12 日，長春出現降雪，地表反照率發(fā)生階躍式地突變?？梢姡乇矸凑章暑A測數據能夠很好地反映地表狀態(tài)的改變，尤其對于降雪有較好的預測效果。

3.2 成像參數推演

建立遙感圖像成像鏈路模型是進行成像參數推演的重要基礎。在光學成像系統(tǒng)中，傳感器獲取的能量來源于地表反射和大氣散射，太陽光從大氣層外入射到地表，地物反射輻射太陽光，透過大氣層進入衛(wèi)星傳感器，傳感器將入瞳處輻亮度轉化為圖像灰度響應。若忽略遙感成像過程中由大氣引起的光子吸收與散射，則其物理過程可如圖4 表示。

圖4 遙感圖像成像鏈路圖Fig.4 Graph of remote sensing image-link model

根據遙感圖像成像物理過程，結合氣象預測數據中的地物反照率，進行成像參數推演?；跉庀箢A測數據的成像參數推演流程如圖5 所示。成像參數推演的具體流程為：

（1）根據衛(wèi)星任務規(guī)劃輸入規(guī)劃拍攝的目標點經緯度，以及該目標點成像時刻；

（2）根據成像時刻、目標點經緯度讀取氣象預測數據的地表反照率fal，并計算大氣輻射傳輸模型需要的參數，包括太陽高度角和方位角、衛(wèi)星觀測高度角和方位角等。模型輸入中，大氣模型由拍攝點經緯度、拍攝季節(jié)確定［11］。由于不同地物有明顯不同的反照率，故可參考地表反照率預報來粗略設置氣溶膠類型，對于反照率小于0.08 的地區(qū)，其氣溶膠模型設置為海洋型；對于反照率在0.08～0.28 區(qū)間的地區(qū)，氣溶膠類型設置為鄉(xiāng)村型；反照率在0.28～0.45 區(qū)間的地區(qū)氣溶膠類型設置為沙漠型，反照率大于0.45 的地區(qū)設置為城市型。由于缺少能見度的預測數據及足夠完整的全球能見度歷史數據集，同時不同地區(qū)氣溶膠分布具有明顯局地性［12］，故參考MODIS 的歷史MOD08_M3 大氣產品中各年每月平均550 nm 氣溶膠光學厚度值，通過輸入拍攝時刻前一年相同月份的平均550 nm 氣溶膠光學厚度來粗略代替表示能見度的特性［13］。最后將前述參數輸入MODTRAN4 大氣輻射傳輸模型計算天頂光譜輻亮度；

（3）根據各譜段的光譜響應曲線利用公式（2）計算對應譜段的輻亮度，并計算不同成像參數組合對應譜段輻亮度的灰度響應，其中圖像灰度響應根據傳感器絕對輻射定標系數圖像灰度與輻亮度線性系數進行計算，計算公式如式（3）所示，所計算出的灰度響應是成像目標區(qū)域的平均灰度響應：

其中：Lband為譜段輻亮度（band=1，2，…，n），L（λ）為利用大氣輻射傳輸模型計算得到的天頂光譜輻亮度，單位均為W/(m2·sr·μm)，Rband(λ)為譜段band 的相對光譜響應曲線。

其 中 ：DNband，i為 對 應 譜 段 band 的 輻 亮 度Lband在成像參數組合i（i=1，2，…，m）時對應的灰度響應 ，gainband，i，offsetband，i為 對 應 譜 段 和 成 像 參 數 組合傳感器絕對輻射定標線性系數的斜率和截距。

（4）設置圖像灰度響應閾值，從不同參數組合對應的灰度響應中，查找與閾值最接近的成像組合參數作為該譜段最優(yōu)成像組合參數，成像參數選取的原則是在圖像不過曝的前提下盡量保證圖像動態(tài)范圍適宜，即避免獲取的遙感影像數據在低地表反照率時過暗、在高地表反射率時過亮，故采用分段線性函數，并通過大量測試驗證的效果對比設定閾值thre，其計算方法如公式（4）所示：

其中：max_DN為圖像的最大灰度值，fal為氣象預測數據中獲取的地表反照率。

圖像灰度響應反映了通過成像鏈路模型推演的平均圖像灰度，本文提出的圖像參數選取策略是根據地表反照率設置圖像灰度響應閾值，即在地表反照率偏低時，調高閾值，避免圖像過暗，在地表反照率偏高時，降低閾值，避免高地表反照率引起圖像飽和。在圖像成像參數組合中選取灰度響應最接近閾值的一組作為成像參數來實現高動態(tài)范圍的遙感影像數據獲取。

圖5 成像參數推演流程圖Fig.5 Flow chart of imaging parameter deduction

為了定量化分析成像參數優(yōu)化效果，利用信息熵的指標進行評估。信息熵主要反映圖像包含地物信息的詳細程度，一般用熵來表達，熵是從信息論角度反映影像信息豐富程度的一種度量方式，通過對圖像信息熵的比較可以對比出影像的細節(jié)表現能力，信息熵Comentropy 的計算如公式（5）所示：

其中：k為灰度級數，bk為第 k 級的灰度值，p(bk)為bk出現的概率。

4 實驗結果分析

為了驗證本文提出的基于氣象預測數據優(yōu)化衛(wèi)星成像參數算法的有效性，使用吉林一號視頻04 星在軌進行推掃成像獲取的標準影像產品，并對獲取的影像數據進行統(tǒng)計分析。

吉林一號視頻04 星（JL104B）是長光衛(wèi)星技術有限公司于2017 年11 月成功發(fā)射入軌的高分辨率光學衛(wèi)星，衛(wèi)星通過搭載2 臺0.92 m高分辨率相機構成了雙相機結構，每臺相機均具備推掃和視頻成像能力，本文使用其推掃模式成像驗證所提出的算法，推掃模式下成像主要參數如表1 所示。推掃圖像包含全色和多光譜譜段，其中多光譜所包含的5 個譜段分別為Blue，Green，Red，Red Edge 和 NIR，雙相機幅寬20 km。

表1 JL104B 推掃成像主要參數Tab.1 Imaging parameters of JL104B push-broom mode

吉林一號視頻04 星單景影像幅寬與氣象預測數據像元分辨率0.125°基本相當，因此能夠利用氣象預測數據獲取對應拍攝目標點的地表反照率。

根據文中提出的基于氣象預測數據優(yōu)化衛(wèi)星成像參數的方法對比成像參數優(yōu)化前后的傳感器成像效果，實現優(yōu)化參數的定量評價，其中圖6 為長春區(qū)域雪景拍攝對比圖，表2 為成像參數優(yōu)化前后圖像灰度與信息熵統(tǒng)計結果。表2 中飽和率（Saturation factor）為圖像飽和像元的比率，Max（1%）和Min（1%）分別為對應圖像灰度直方圖1% 的灰度級，灰度響應范圍Range 為Max（1%）-Min（1%）。

圖 6（a）和（b）分別為長春區(qū)域（Lat：44.53，Lon：125.60）2018 年 12 月 30 日 和 2019 年 01 月03 日 雪 景 全 色 圖 像 ，2018 年 12 月 30 日 成 像 根 據目標點成像時刻太陽高度角19.3°設置增益為8.0x，積分級數為 10 級，2019 年 01 月 03 日成像采用本文提出的成像參數優(yōu)化策略，結合地表反照率預測數據，成像增益設置為4.0x，積分級數為10 級。圖6（a）中出現了雪景局部過曝的現象，表2 列出圖像飽和率為77.80%，圖像部分細節(jié)信息丟失，而圖6（b）為采用成像參數優(yōu)化后的成像效果，較好得保留了雪表面的特征，消除了圖像局部飽和的現象，相比于成像參數優(yōu)化前信息熵提升了23.71%?？梢?，本文提出的方法對于改善圖像局部過曝有較好的效果。

圖6 成像參數前后長春區(qū)域影像結果對比Fig. 6 Comparison of imaging results of Changchun before and after optimization of imaging parameters

同樣地，對低照度區(qū)域采用本文提出的方法進行在軌成像測試，圖7 為亞松森拍攝成像參數優(yōu)化前后對比圖，并列出各個譜段的灰度分布直方圖，表3 為亞松森成像參數優(yōu)化前后圖像灰度與信息熵對比結果。

表2 成像參數優(yōu)化前后對比長春拍攝Tab.2 Before and after optimization of the imaging parameters for Changchun

圖 7（a）和（c）分別為亞松森（Lat：-24.84，Lon：-57.38）2018 年 12 月 5 日和 2019 年 3 月 21日植被假彩色圖像（NIR-Red-Green），圖7 中（b）和（d）兩次成像對應的各個譜段灰度直方圖，根據灰度直方圖，圖9（c）圖像灰度動態(tài)范圍更大，而圖7（a）中Red 譜段的平均灰度僅為103，整體灰度值偏低，圖 7（c）成像效果優(yōu)于圖 7（a）。該目標點成像根據太陽高度角（65.8°和63.9°）設置成像增益為1.0x，積分級數為4 級，而采用本文提出的成像參數優(yōu)化策略，由于該目標點地表反照率偏低，2019 年 3 月 21 日（圖 9（c））將成像增益調整為2.0x，積分級數4 級，使得成像效果得到顯著提升。根據表3 中統(tǒng)計結果，在成像參數優(yōu)化后各個譜段的平均灰度響應增加，信息熵分別提高4.37%～18.63%?？梢?，本文提出的方法對于低亮度圖像灰度有明顯地改善，使得低亮度區(qū)域細節(jié)信息更為清晰（彩圖見期刊電子版）。

圖7 成像參數優(yōu)化前后亞松森拍攝區(qū)域成像結果對比Fig. 7 Comparison of imaging results of Asuncion

表3 成像參數優(yōu)化前后對比亞松森拍攝Tab.3 Before and after optimization of the imaging parameters for Asuncion

根據視頻04 星推掃成像模式的實際在軌成像效果，采用本文提出的成像參數優(yōu)化算法能夠有效保證圖像在不過曝的前提下獲取適宜的圖像灰度動態(tài)范圍。

5 結 論

光學遙感衛(wèi)星是獲取對地觀測遙感數據的重要手段，為了保障在軌運行的衛(wèi)星對地成像能夠獲得合理的動態(tài)范圍的高質量遙感數據，提升衛(wèi)星獲取數據的有效率及數據解譯能力，本文提出了將氣象衛(wèi)星數據用于陸地觀測衛(wèi)星規(guī)劃中，通過結合氣象預測數據和衛(wèi)星傳感器絕對輻射定標結果利用輻射傳輸模型核算在軌拍攝圖像灰度響應，為選取衛(wèi)星合理的成像參數提供有效依據，從而在有效避免圖像飽和的同時極大的提升了低亮度區(qū)域的圖像灰度，從根本上提升了衛(wèi)星獲取有效數據的能力及所獲取數據的解譯能力。通過吉林一號視頻04 星在軌成像進行驗證，實驗證明本文提出的算法對全色和多光譜譜段圖像信息熵分別提升4.37%～23.71%，對比成像參數優(yōu)化策略使用前后獲取的影像數據，充分證明了本文提出的方法對于圖像過曝與圖像灰度過暗具有良好的改善效果。進一步的研究計劃將關注提升圖像灰度預測精度，根據衛(wèi)星傳感器長期在軌成像特性跟蹤精細設置灰度動態(tài)選取范圍。