融合Sentinel-2和GF-6時(shí)序影像的工程動(dòng)態(tài)監(jiān)管

摘要：面對(duì)長(zhǎng)江大保護(hù)相關(guān)工程項(xiàng)目在復(fù)雜環(huán)境下的高時(shí)效性和高分辨率監(jiān)管需求，提出了一種多源遙感數(shù)據(jù)影像時(shí)空融合技術(shù)，旨在突破單一數(shù)據(jù)源在時(shí)效性和分辨率上的局限?；贔SDAF模型，對(duì)GF-6影像（2 m分辨率）與哨兵2號(hào)影像（15 m分辨率）進(jìn)行時(shí)空融合，有效整合高空間分辨率與寬覆蓋、高頻次觀測(cè)優(yōu)勢(shì)，構(gòu)建了一套高時(shí)空分辨率的監(jiān)測(cè)時(shí)序影像集。在長(zhǎng)江大保護(hù)EPC項(xiàng)目典型工程——東山水質(zhì)凈化廠建設(shè)應(yīng)用中，該技術(shù)彌補(bǔ)了GF-6時(shí)間序列上的空白，實(shí)現(xiàn)了工程進(jìn)展的月頻次動(dòng)態(tài)跟蹤，顯著提升了施工過程的監(jiān)管能力。研究成果不僅可為長(zhǎng)江大保護(hù)EPC系列工程提供有力技術(shù)支持，也可為大范圍建設(shè)工程監(jiān)管提供創(chuàng)新方法與實(shí)踐參考。

關(guān) 鍵 詞：工程監(jiān)管；時(shí)空融合；FSDAF模型；Sentinel-2；GF-6；長(zhǎng)江大保護(hù)

中圖法分類號(hào)：P23 文獻(xiàn)標(biāo)志碼：ADOI：10.16232/j.cnki.1001-4179.2024.S2.053

0 引言

在新時(shí)代生態(tài)文明建設(shè)的背景下，長(zhǎng)江大保護(hù)戰(zhàn)略已成為推動(dòng)中國(guó)綠色發(fā)展、促進(jìn)人與自然和諧共生的重要舉措。隨著長(zhǎng)江大保護(hù)相關(guān)工程的深入實(shí)施，如何高效、精準(zhǔn)地監(jiān)測(cè)與評(píng)估大型工程的建設(shè)動(dòng)態(tài)，成為亟待解決的關(guān)鍵問題。特別是在工程采購(gòu)施工（EPC）模式下，高空間分辨率與高時(shí)間分辨率的遙感數(shù)據(jù)在工程監(jiān)控過程中展現(xiàn)出無可比擬的重要性。受空間與時(shí)間分辨率限制^［1］，以及長(zhǎng)江流域特殊的氣候條件影響，連續(xù)、高質(zhì)量的遙感數(shù)據(jù)采集變得尤為困難。為了應(yīng)對(duì)這一挑戰(zhàn)，學(xué)者們提出了遙感數(shù)據(jù)時(shí)空融合技術(shù)，即通過高空間分辨率影像與低空間分辨率影像結(jié)合，從而預(yù)測(cè)出某一時(shí)期的影像，該技術(shù)為基于現(xiàn)有離散光學(xué)影像重建連續(xù)高質(zhì)量光學(xué)影像提供了可能。

近年來，國(guó)內(nèi)外學(xué)者在遙感影像時(shí)空融合領(lǐng)域的研究取得了顯著進(jìn)展。其中，Gao等提出的時(shí)空自適應(yīng)反射率融合模型（spatial and temporal adaptive reflectance fusion model，STARFM）^［2］是最常用的融合算法之一，該方法在假設(shè)高分辨率和低分辨影像反射率變化一致的情況下效果較好。在此基礎(chǔ)上，出現(xiàn)了一些改進(jìn)算法，如Zhu等提出增強(qiáng)型時(shí)空自適應(yīng)反射率融合模型（enhanced spatial and temporal adaptive reflectance fusion model，ESTARFM）^［3-4］，解決了STARFM在處理異質(zhì)性區(qū)域時(shí)的不準(zhǔn)確性問題。Zhukov^［5］等最早于1999年提出多傳感器多分辨率技術(shù)，后來有了遙感數(shù)據(jù)時(shí)空融合方法（spatial temporal data fusion approach，STDFA）^［6-7］。同時(shí)，鄔明權(quán)等^［8］利用STDFA對(duì)南京市江寧區(qū)的NDVI數(shù)據(jù)進(jìn)行了空間重構(gòu)。這些時(shí)空融合算法已被廣泛應(yīng)用于地表溫度監(jiān)測(cè)、植被變化監(jiān)測(cè)及農(nóng)作物生長(zhǎng)監(jiān)測(cè)等領(lǐng)域，但在工程建設(shè)過程中的監(jiān)測(cè)應(yīng)用較少。主要原因在于大多數(shù)時(shí)空融合算法假設(shè)基準(zhǔn)日期與預(yù)測(cè)日期之間的地物類型不變，這對(duì)于監(jiān)測(cè)變化的地物并不完全適用。Zhu等^［4］提出的一種靈活時(shí)空融合方法（flexible spatiotemporal data fusion method，F(xiàn)SDAF）模型彌補(bǔ)了以上方法的不足，它能夠利用少量甚至一對(duì)基礎(chǔ)影像完成預(yù)測(cè)，不僅減少了模型對(duì)影像的需求，而且能捕捉土地覆蓋變化引起的反射率變化，較適用于異質(zhì)地物。同時(shí)該模型還引入了薄板樣條插值（thin plate spline，TPS）算法^［9］，能夠?qū)⒋址直媛实挠跋窨s小為精細(xì)分辨率影像，實(shí)現(xiàn)更好地分配殘差，從而能更準(zhǔn)確地預(yù)測(cè)土地覆蓋類型發(fā)生突變的區(qū)域。目前國(guó)內(nèi)針對(duì)遙感影像的數(shù)據(jù)融合大多基于MODIS、Landsat等大尺度遙感數(shù)據(jù)，而將國(guó)內(nèi)GF系列衛(wèi)星數(shù)據(jù)（如GF-6）與Sentinel系列衛(wèi)星數(shù)據(jù)（Sentinel-2 A/B）相結(jié)合的實(shí)驗(yàn)較少，如果將兩顆衛(wèi)星的高分辨率影像結(jié)合起來，充分利用其重訪周期優(yōu)勢(shì)互補(bǔ)，將大大提高工程遙感監(jiān)測(cè)能力和國(guó)內(nèi)衛(wèi)星數(shù)據(jù)利用率^［10-11］。

本次研究以長(zhǎng)江大保護(hù)EPC項(xiàng)目典型工程——東山水質(zhì)凈化廠項(xiàng)目周邊區(qū)域作為研究區(qū)，旨在通過融合歐洲航天局（ESA）Sentinel-2衛(wèi)星獲取的高時(shí)間分辨率影像與國(guó)產(chǎn)高分六號(hào)（GF-6）^［12］衛(wèi)星提供的高空間分辨率影像，實(shí)現(xiàn)對(duì)長(zhǎng)江大保護(hù)EPC項(xiàng)目系列工程的動(dòng)態(tài)監(jiān)管。針對(duì)項(xiàng)目及其周邊區(qū)域的復(fù)雜監(jiān)測(cè)需求，通過FSDAF模型算法的應(yīng)用與優(yōu)化，生成具有高時(shí)空分辨率的遙感圖像產(chǎn)品，克服單一遙感數(shù)據(jù)在時(shí)間和空間分辨率上的局限性，進(jìn)而為長(zhǎng)江流域的生態(tài)保護(hù)和恢復(fù)提供更精準(zhǔn)的支持。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)介紹

東山水質(zhì)凈化廠位于宜昌市西陵區(qū)，青島路以東，中南路以西，是三峽集團(tuán)與宜昌市共建長(zhǎng)江大保護(hù)典范城市的展示窗口之一，承擔(dān)著提升水質(zhì)、防治水污染的重任。其設(shè)計(jì)污水處理能力達(dá)5萬m³/d，以公園式水廠為設(shè)計(jì)理念，地上建設(shè)為休閑公園，地下則負(fù)責(zé)污水的再生處理，致力于打造人與自然和諧共生的綠美樣板。該項(xiàng)目總占地面積8.32 hm²，規(guī)模宏大，施工環(huán)境復(fù)雜，場(chǎng)地地形起伏較大，基坑位于山坳中，周圍環(huán)境較為寬松，涉及多項(xiàng)生態(tài)修復(fù)與環(huán)境保護(hù)措施，對(duì)施工進(jìn)度、質(zhì)量和環(huán)境影響的監(jiān)管提出了嚴(yán)格要求。項(xiàng)目于2023年5月開工，預(yù)計(jì)2025年4月完工，總工期24個(gè)月。

本次研究以東山水質(zhì)凈化廠工程及其周邊影響區(qū)域?yàn)檠芯繉?duì)象，具體范圍及位置信息如圖1所示。

1.2 數(shù)據(jù)及預(yù)處理

（1）Sentinel-2和GF-6數(shù)據(jù)。Sentinel-2是歐洲航天局研發(fā)的寬幅、高分辨率、多光譜成像對(duì)地觀測(cè)系統(tǒng)^［13］，該系統(tǒng)由Sentinel-2A和Sentinel-2B兩顆衛(wèi)星組成，分別于2015年6月23日和2017年3月7日發(fā)射，二者結(jié)合可以實(shí)現(xiàn)5 d一次的對(duì)地觀測(cè)。兩顆衛(wèi)星都搭載了多光譜成像儀（MSI），包括13個(gè)波段，涵蓋可見光、紅邊、近紅外和短波紅外光譜，其中藍(lán)、綠、紅和近紅外4個(gè)波段分辨率為10 m，其他波段分辨率分別為20 m和60 m。

高分六號(hào)（GF-6）是一顆低軌光學(xué)遙感衛(wèi)星，于2018年6月2日發(fā)射。配置2 m全色/8 m多光譜高分辨率相機(jī)、16 m多光譜中分辨率寬幅相機(jī)，前者相機(jī)觀測(cè)幅寬90 km，后者相機(jī)觀測(cè)幅寬800 km，具體信息如表1所列。

（2）數(shù)據(jù)預(yù)處理。對(duì)研究區(qū)Sentinel-2數(shù)據(jù)和GF-6數(shù)據(jù)的預(yù)處理主要包括影像校正、大氣校正、輻射定標(biāo)以及去云處理等步驟。Sentinel-2 Level-1C數(shù)據(jù)通過Sen2Cor軟件自動(dòng)升級(jí)至Level-2A標(biāo)準(zhǔn)，提升了數(shù)據(jù)的質(zhì)量和適用性；進(jìn)一步采用QA60方法去除Sentinel-2數(shù)據(jù)的云霧干擾。對(duì)于GF-6數(shù)據(jù)，從中國(guó)資源衛(wèi)星應(yīng)用中心獲取了絕對(duì)輻射定標(biāo)系數(shù)后進(jìn)行輻射定標(biāo)，并利用FLAASH模型進(jìn)行大氣校正以及相應(yīng)的幾何校正等。此外，對(duì)處理后的Sentinel-2數(shù)據(jù)和GF-6數(shù)據(jù)進(jìn)行影像配準(zhǔn)，使其空間相對(duì)位置保持相對(duì)一致，并根據(jù)項(xiàng)目研究區(qū)域進(jìn)行了影像的裁剪處理，確保最終融合模型的數(shù)據(jù)準(zhǔn)確性。

2 研究方法

2.1 技術(shù)路線

本次研究基于FSDAF模型，對(duì)GF-6影像重建完整時(shí)間序列數(shù)據(jù)。相較于其他時(shí)空融合模型，F(xiàn)SDAF模型對(duì)數(shù)據(jù)量要求更低，適用于缺失影像時(shí)序數(shù)據(jù)的研究區(qū)域^［14］，具體技術(shù)路線如圖2所示。

2.2 數(shù)據(jù)融合方法（FSDAF模型）

FSDAF模型可基于t₁時(shí)刻的基礎(chǔ)影像組（如一景GF-6高空間分辨率影像與一景Sentinel-2低空間分辨率影像），以及t₂時(shí)刻的一景Sentinel-2低空間分辨率影像，較清晰地捕獲土地覆蓋類型變化的區(qū)域^［15］，來準(zhǔn)確融合出預(yù)測(cè)t₂時(shí)刻的高空間分辨率影像。

（1）FSDAF模型首先對(duì)t₁時(shí)刻的高分辨率影像（如GF-6影像）進(jìn)行分類，計(jì)算得到每個(gè)低空間分辨率所包含的每個(gè)地物類別的比重F_c。

（2）利用Sentinel-2影像的反射率變化估算t₁～t₂時(shí)刻地物類型的時(shí)序變化ΔF_c。

（3）利用時(shí)序變化計(jì)算t₂時(shí)期高分辨率影像F^TP_t2和殘差R。

（4）為了進(jìn)一步確保FSDAF模型的精確性，引入薄板樣條函數(shù)（TPS），使低空間分辨率影像通過殘差分配更精確地縮小到高空間分辨率，從而更精確地實(shí)現(xiàn)指定日期影像的預(yù)測(cè)。

（5）根據(jù)F^TP_t2與F^SP_t2值進(jìn)行殘差分布計(jì)算，即FSDAF模型通過求得F^SP_t2，計(jì)算出權(quán)重函數(shù)CW（x_ij-y_ij）。將CW（x_ij-y_ij）歸一化得到W（x_ij-y_ij），通過計(jì)算得到殘差值r（x_ij-y_ij）和ΔF_c，解算出類別為c時(shí)t₂和t₁時(shí)刻高分辨率影像（GF-6）的變化值ΔF（x_ij-y_ij）。

（6）通過空間距離權(quán)重對(duì)所有相似像素的變化信息求和，獲得目標(biāo)像素的總變化值，并將其與t₁時(shí)刻高空間分辨率影像的地表反射率值相加，得到t₂時(shí)刻的最終預(yù)測(cè)值F_t2（x_ij-y_ij）。

2.3 融合結(jié)果評(píng)價(jià)分析

為了驗(yàn)證融合獲得的t₂時(shí)刻高時(shí)空分辨率Sentinel-2影像的精度，將已有的t₂時(shí)刻GF-6影像作為驗(yàn)證數(shù)據(jù)，對(duì)二者在提取研究區(qū)域典型地物的精度差異上進(jìn)行對(duì)比分析。根據(jù)解譯類別對(duì)應(yīng)的實(shí)際類別情況，建立混淆矩陣，計(jì)算生產(chǎn)者精度和總體分類精度，對(duì)分類圖像進(jìn)行精度評(píng)價(jià)，并進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)。

3 結(jié)果與分析

3.1 融合結(jié)果分析

考慮到影像云霧、重返周期等多個(gè)因素的限制，獲取同一天的Sentinel-2影像和GF-6影像數(shù)據(jù)存在一定困難，因此模型建立的影像數(shù)據(jù)組時(shí)間控制在3 d之內(nèi)。本次研究采用了2組時(shí)間一致的GF-6影像及Sentinel-2影像（GF-6影像時(shí)間為2023年10月24日和2024年5月16日；Sentinel-2影像時(shí)間為2023年10月24日和2024年5月14日）進(jìn)行模型構(gòu)建。經(jīng)過多次調(diào)整^［16］，選擇搜索窗口為30像元×30像元，地物類別數(shù)目為6，相似像元搜索閾值為20，模型融合結(jié)果保持了GF-6影像的空間分辨率優(yōu)勢(shì)，同時(shí)也充分利用了Sentinel-2衛(wèi)星的高頻觀測(cè)特性。

通過對(duì)FSDAF模型融合出的影像進(jìn)行分析，發(fā)現(xiàn)融合影像能夠優(yōu)化圖像的質(zhì)量和信息量，相對(duì)于Sentinel-2的原始影像，它可獲取更多的信息，具體如圖3所示。圖3（a）為2024年5月14日Sentinel-2影像，分辨率較低。圖3（b）是基于FSDAF模型對(duì)Sentinel-2影像進(jìn)行融合后獲取的高分辨率的結(jié)果；圖3（c）為2024年5月16日的真實(shí)GF-6影像，此數(shù)據(jù)作為驗(yàn)證影像對(duì)融合后的結(jié)果進(jìn)行驗(yàn)證分析。從圖3中還可以看出，由于Sentinel-2影像分辨率較低，導(dǎo)致部分區(qū)域無法進(jìn)行工程建設(shè)情況的準(zhǔn)確判讀提取，F(xiàn)SDAF模型預(yù)測(cè)的影像較好地保留了空間細(xì)節(jié)，具有較好的層次性，與圖3（c）中2024年5月16日的真實(shí)高分辨率數(shù)據(jù)有很高的相似度，表明FSDAF模型在提升影像分辨率的同時(shí)也保持了較高的準(zhǔn)確性。

3.2 分類精度評(píng)價(jià)

基于融合2024年5月14日的Sentinel-2影像，得知研究區(qū)域典型地物分類中，總體分類精度達(dá)到了93.53%，Kappa系數(shù)達(dá)到了0.86，說明時(shí)空融合的結(jié)果對(duì)于該研究區(qū)域典型地物具有較高的識(shí)別精度。

3.3 工程建設(shè)變化分析

東山污水處理廠工程自2023年5月開工建設(shè)，為了監(jiān)測(cè)建設(shè)進(jìn)展，在2023年采用每?jī)蓚€(gè)月一次的分析頻率來評(píng)估工程初期變化（其中6月未有合適影像，使用5月的代替）。隨著工程推進(jìn)，2024年采用逐月分析的方式捕捉工程變化細(xì)節(jié)。然而，2024年的GF-6高分辨率衛(wèi)星影像僅可獲取5～7月的數(shù)據(jù)。本次研究利用FSDAF模型將較低分辨率的Sentinel-2影像與GF-6影像進(jìn)行了融合處理，有效填補(bǔ)了時(shí)間序列上的空白。圖4（a）～（d）為2023年兩月一次的GF-6影像，圖4（e）～（j）為2024年的逐月影像。其中，2024年2～4月的GF-6影像缺失，圖（e）、（f）、（g）分別為基于Sentinel-2低分辨率影像利用FSDAF模型融合得到的高分辨影像。

從圖4所示的時(shí)序衛(wèi)星影像中可以看出，東山污水處理廠工程于2023年5月正式開始動(dòng)工，圖4（a）顯示了工程初期的基礎(chǔ)開挖活動(dòng)，施工區(qū)域開始進(jìn)行已有建筑物的拆除和地基開挖。隨著工程的推進(jìn)，到2023年10月施工區(qū)域逐漸擴(kuò)大，圖4（c）中開挖基礎(chǔ)面結(jié)構(gòu)初步顯現(xiàn)。進(jìn)入2024年后，施工進(jìn)度顯著加快，特別是在2～4月期間可以看到明顯的建設(shè)變化。至2024年5月，根據(jù)施工現(xiàn)場(chǎng)實(shí)際情況了解，東山水圖4 時(shí)序影像進(jìn)度對(duì)比分析

質(zhì)凈化廠及其配套的管網(wǎng)、泵站工程開始了首倉(cāng)混凝土的澆筑，標(biāo)志著工廠主體工程由基坑轉(zhuǎn)入主體結(jié)構(gòu)施工階段，這一進(jìn)度與影像監(jiān)測(cè)情況相符。2024年6月，整個(gè)廠區(qū)的地上部分建筑物已經(jīng)初具雛形，東山水質(zhì)凈化廠生產(chǎn)區(qū)已完成30%的工程量。2024年7月，通過高分辨率衛(wèi)星影像圖4（j）進(jìn)一步確認(rèn)，污水處理廠的地上結(jié)構(gòu)混凝土澆筑正順利推進(jìn)。

4 結(jié)語(yǔ)

本次研究結(jié)合Sentinel-2與GF-6衛(wèi)星的時(shí)序影像數(shù)據(jù)，成功地利用FSDAF模型實(shí)現(xiàn)了對(duì)長(zhǎng)江大保護(hù)EPC項(xiàng)目典型工程——東山水質(zhì)凈化廠項(xiàng)目的有效動(dòng)態(tài)監(jiān)管。通過融合影像數(shù)據(jù)，不僅提高了空間分辨率，還增強(qiáng)了時(shí)間序列分析的能力，這對(duì)工程建設(shè)進(jìn)程的長(zhǎng)期持續(xù)監(jiān)測(cè)尤為重要。研究結(jié)果表明，F(xiàn)SDAF模型在處理多源遙感數(shù)據(jù)方面具有顯著優(yōu)勢(shì)，特別是在提高數(shù)據(jù)連續(xù)性以及增強(qiáng)對(duì)地表覆蓋變化敏感度方面表現(xiàn)突出。此外，該模型還能有效整合不同時(shí)間尺度下的觀測(cè)信息，有利于為決策者提供更為全面、及時(shí)且可靠的生態(tài)環(huán)境監(jiān)測(cè)報(bào)告。

參考文獻(xiàn)：

［1］ 羅佳歡，嚴(yán)翼，肖飛，等.五種典型遙感時(shí)空信息融合算法在濕地區(qū)域植被指數(shù)重建中的適用性比較［J］.自然資源遙感，2024，36（2）：60-69.

［2］ GAO F，MASEK J，SCHWALLER M，et al.On the blending of the landsatand MODIS surface reflectance：predicting daily landsat surface reflectance［J］.IEEE Transactions on Geoscience and Remote Sensing，2006，44（8）：2207-2218.

［3］ ZHU XL，CHEN J，GAO F，et al.An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions［J］.Remote Sensing of Environment，2010，114（11）：2610-2623.

［4］ ZHU XL，HEKMER EH，GAO F.A flexible spatio temporal method for fusing satellite images with different resolutions［J］.Remote Sensing of Environment，2016，172：165-177.

［5］ ZHUKOV B，OERTEL D，LANZL F，et al.Unmixing-based multisensor multiresolution image fusion［J］.IEEE Transactions on Geoscienceand Remote Sensing，1999，37（3）：1212-1226.

［6］ WU MQ，NIU Z，WANG CY，et al.Use of MODIS and landsat timeseries data to generate high-resolution temporal synthetic Landsatdata using aspatial and temporal reflectance fusion model［J］.Journal of Applied Remote Sensing，2012，6（1）：063507.

［7］ HUANG B，SONG HH.Spatiotemporal reflectance fusion via sparserepresentation［J］.IEEE Transactions on Geoscience and Remote Sensing，2012，50（10）：3707-3716.

［8］ 鄔明權(quán)，王潔，牛錚，等.融合MODIS與Landsat數(shù)據(jù)生成高時(shí)間分辨率Landsat數(shù)據(jù)［J］.紅外與毫米波學(xué)報(bào)，2012，31（1）：80-84.

［9］ 易桂花，張廷斌，何奕萱，等.四種氣溫空間插值方法適用性分析［J］.成都理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，47（1）：115-128.

［10］平博，孟云閃，蘇奮振.面向GF-1 WFV數(shù)據(jù)和MODIS數(shù)據(jù)的時(shí)空融合算法對(duì)比分析［J］.地球信息科學(xué)學(xué)報(bào)，2019，21（2）：157-167.

［11］羅琪，劉曉龍，史正濤，等.基于GF-1與Sentinel-2融合數(shù)據(jù)的地膜識(shí)別方法研究［J］.地理與地理信息科學(xué)，2021，37（1）：39-46.

［12］繆若梵，李孟倩，汪金花，等.GF-6與Sentinel-2A數(shù)據(jù)多層次優(yōu)選的楊樹食葉蟲害信息提取研究［J］.云南大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，46（3）：496-500.

［13］楊軍，王筱宇.GF-2和Sentinel-2全色多光譜影像融合方法比較研究［J］.測(cè)繪科學(xué)，2022（1）：47-51.

［14］鄧維熙，尤號(hào)田，雷鵬.基于FSDAF模型的紅樹林月尺度動(dòng)態(tài)變化監(jiān)測(cè)［J］.中南林業(yè)科技大學(xué)學(xué)報(bào)，2022，42（8）：13-16.

［15］王爽，王承武，張飛云.基于FSDAF模型的干旱區(qū)典型綠洲城市夏季地表熱島效應(yīng)時(shí)空演變研究［J］.干旱區(qū)地理，2021（6）：19-24.

［16］王宏宇，王瑞華.時(shí)空融合模型研究義馬礦區(qū)植被動(dòng)態(tài)演變［J］.測(cè)繪科學(xué)，2023，48（9）：180-190.

（編輯：胡旭東）