（森林经理学专业论文）MODIS+1B数据处理及反演地表温度和土壤湿度IDL实现.pdf

摘要：中分辨率成像光谱仪m o d i s ( m o d e r a t er e s o l u t i o ni m a g i n gs p e c t r o r a d i o m e t e r ) 是新一代地球观测系统中“图谱合一 的光学传感器，具有3 6 个光谱通道，分布 在0 4 1 4 # m 的电磁波谱范围内。它的地面分辨率有2 5 0 m 、5 0 0 m 和1 0 0 0 m 三种， 扫描宽度为2 3 3 0 k m 。在对地观测过程中，每秒可同时获得6 1 兆比特的来自大气、 海洋和陆地表面信息，每天或每2 天就可获取一次全球观测数据。本研究主要是对 m o d i s1 b 数据进行预处理，然后提取云雾、冰雪、水体、植被覆盖，这些都是后 续对地表温湿度反演所必不可少的步骤，并选择适合的算法，通过i d l 语言编写 的处理软件，结合e n v i 和m o d i s t o o l s 控件加以实现。主要研究内容如下： 对分层数据格式( h d f 格式) 和i d l 语言提供了的相关函数进行研究；对 m o d i s 数据预处理，包括数据条纹噪声、数据重叠消除，反( 辐) 射率定标，太 阳天顶角订正，以及亮温反演和几何纠正等，并选择不同的光谱组合和阈值，来提 取地物。针对m o d i s 数据温度的分裂窗算法进行了简要的介绍，并对参数的获取 进行了分析，并在i d l 6 2 环境下，编程实现了该算法。利用m o d i s 影像，对云南 地区的陆面温度进行反演，其反演的温度由滇西北向滇东南逐渐增加，这一现象符 合了云南高纬度与高海拔相结合、低纬度和低海拔相一致的地型环境，说明反演的 瞬时陆面温度的分布与同步气温数据的宏观变化规律基本一致。在地表温度的基础 上，结合植被指数得出植被供水指数( v s m ) 来实现对土壤湿度的反演，也可通 过第6 、7 光谱波段对水的吸收率的差异得地表含水量指数( s w c i ) 来实现，两种 方法都具有一定的可行性。 研究表明，从遥感测量得到的地面温湿度可以反映每个像元的下垫面温腽度 的平均状况和下垫面温湿度场的空间分布特征，具有传统观测方法无法比拟的优越 性。虽然利用m o d i s 遥感数据反演陆面温湿度还存在相当的问题，但它仍然是目 前获取大面积区域陆面温湿度的最有效、最简便的方法，也是未来研究和发展的方 向。 关键词：m o d i s 数据处理地表温度地表湿度 a b s t r a c t ：m o d e r a t er e s o l u t i o ni m a g i n gs p e c t r o r a d i o m e t e r ( m o d i s ) i st h eo p t i c a ls e n s o r o f ”c o l l e c t i o no fi m a g ea n ds p e c t r u mj o i no n e ”i nt h en e ws y s t e mo fo b s e r v a t i o nf o r e a r t h ，w i t h3 6s p e c t r u mb a n d s ，s p r e a d i n gi n0 4 - 1 4 t mt h ee l e c t r o m a g n e t i s mw a v es c o p e t h et h r e ee a r t hv i e w ( s c i e n c e ) p r o d u c t sr e p o r tc a l i b r a t e dd a t aa tt h et h r e es p a t i a lr e s o l u t i o n so f2 5 0 m ， 5 0 0 m ，a n dl k m t h es c a n n i n gw i d t hi s2 3 3 0 k m i nt h ec o u r s eo fo b s e r v a t i o nf o re a r t h ，i t c 姐r e c e i v e6 1m b p sw h i c hc o m e sf r o ma t m o s p h e r i c ，m a r i n ea n dl a n ds u r f a c e ，a n dc a n r e c e i v eg l o b a lo b s e r v a t i o nd a t af o ro n et i m ei nd a i l yo re a c h2d a y s t h i sr e s e a r c h f o c u s e so nt h ep r o b l e m se x i s t i n gi nm o d i s1 bd a t a , i n c l u d i n gd a t ap r o c e s s ，d r a wm i s t ， i c es n o w ，w a t e rb o d ya n dp l a n tc o v e r t h e s ei st h ee s s e n t i a ls t e pt or e t r i e v et h e t e m p e r a t u r ea n dh u m i d i t yo fs u r f a c eo fl a n dl a t e r s e l e c ta d a p t i v ea l g o r i t h ma n du s e c o m p i l e ds o f t w a r ew i t h ( r d l ) ，c o m b i n ee n v ia n dm o d i s t o o l st of u l f i l l t h em a j o r r e s e a r c hc o n t e n ti sa sf o l l o w s ： t h eh i e r a r c h i c a ld a t af o r m a t ( h d f ) i st h es t a n d a r dd a t as t o r a g ef o r m a ts e l e c t e db y t h ee a r t ho b s e r v i n gs y s t e md a t aa n di n f o r m a t i o ns y s t e m ( e o s d i s ) c o r es y s t e m ( e c s ) p a p e ri n t r o d u c eh d fa n ds o m ec o r r e l a t i v ef u n c t i o n sa b o u ti d l p r e p r o c e s s i n gd a t a i n c l u d i n gs t r i p e n o i s e sa n db o w t i e r e m o v a l ， g e o m e t r i c c o r r e c t i o n ， r e f l e c t a n c e r a d i a n c ec a l i b r a t i o n ，s o l a rz e n i t ha n g l er e c t i f i c a t i o n ，a n dg e o m e t r i cc o r r e c t i o n s e l e c t i n gd i f f e r e n ts p e c t r u mb a n d sa n dt h r e s h o l d st oi d e n t i f yo b j e c t s a n ds u r f a c e t e m p e r a t u r e ( l s t ) i sa ni m p o r t a n tp a r a m e t e ri nm e t e o r o l o g y , h y d r o l o g y , e c o l o g ya n ds o o n a tp r e s e n t , m o d i si sw i d e l yu s e df o rl s tr e t r i e v i n g ，a n dt h es p l i t sw i n d o w a l g o r i t h mi so n eo ft h em o s ta p p r o v e dm e t h o d s w eh a v ep r o g r a m m e dt h i sa l g o r i t h m u s i n gi d ll a n g u a g e r e t r i e v et h ei s to fy u n n a na r e aw i t hm o d i si m a g e s i t ss h o w st h a t t e m p e r a t u r ed e v e l o p e do nt h ec o n t r a r yf r o md i a nn o r t h w e s tt od i a ns o u t h e a s ti n c r e a s e g r a d u a l l y , t h i s 曲e n o m e n o nh a sa c c o r d e dw i t hy u n n a nl a n de n v i r o n m e n to ft h eh i g h l a t i t u d ea n dh i g he l e v a t i o n ，t h el o wl a t i t u d ea n dt h el o we l e v a t i o n i t s e x p l a i n st h e d i s t r i b u t i o no ft h er e t r i e v e di n s t a n tt e m p e r a t u r ea n dt h em a c r o s c o p i cc h a n g el a wo f s y n c h r o n o u st e m p e r a t u r ed a t a a r eb a s i c a l l yc o n s i s t e n t o nt h ef o u n d a t i o no fl s t ， c o m b i n ev e g e t a t i o ni n d e xt or e a c ht h ev e g e t a t i o ni n d e xo fw a t e rs u p p l y ( v s w i ) r e a l i z a t i o nf o rs o i lh u m i d i t y ( s h ) r e t r i e v i n g ，c a na l s og e tt h ei n d e xo ft h el a n do fw a t e r l l c o n t e n t ( s w c i ) t h r o u g ht h e7d i s c r e p a n c i e so f6 t ho fs p e c t r u mw a v cb a n df o rt h e a b s o r p t i v i t yo fw a t e rt or e a l i z e ，t w om e t h o d sh a v ec e i t a ：i nf e a s i b i l i t y r e s e a r c h ss h o w st h el s t s ht h a tg e t sf r o mt h em e a s u r eo fr e m o t es e n s i n gc a n r e f l e c ta v e r a g ec o n d i t i o no fl s t s ho fu n d e r l a ys u r f a c eo fe v e r yi m a g eu n i ta n dt h e s p a c ed i s t r i b u t i o nf e a t u r eo fl s t s hs i t eo fu n d e r l a ys u r f a c eo fi m a g e ，h a v et h e s u p e r i o r i t yt h a tt r a d i t i o n a lo b s e r v a t i o nm e t h o dc a nn o tc o m p a r e t h o u g h l s t s h r e t r i v i n gb a s e do nt h em o d i s d a t ao fr e m o t es e n s i n gs t i l lh a v ec o n s i d e r a b l ep r o b l e m ， b u ti ti ss t i l lt on o wt h em o s te f f e c t i v e ，m o s ts i m p l ea n dc o n v e n i e n tm e t h o dt or e t r i v et h e l s t s ho fl a r g ea r e a ，i sa l s ot h ed i r e c t i o no ff u t u r er e s e a r c ha n dd e v e l o p m e n t k e yw o r d s ：m o d i s ，d a t ap r o c e s s i n g ，l a n ds u r f a c et e m p e r a t u r e ，s o i lh u m i d i t y i i i 声明尸明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特i i i i 以标注和致谢的地方外，论文中不包含他人已经 发表或撰写过的研究成果，也不包含为获得西南林学院或其它教育机构的学位或证 书而使用过的材料，与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 签名：( 茎! 氢! 虱日期：巡： ! ! 关于论文使用授权的说明 本人同意：西南林学院有权保留论文的复印件，可以采用影印、缩印或其他复 制手段保存论文；提交论文一年后，允许论文被查阅和借阅，学校可以公布论文的 全部或部分内容。 ( 保密的论文在解密后应遵守此规定) 虢罐嗔国导师躲 1 绪论 1 绪论 1 1 研究背景与研究意义 t e r r a 卫星发射成功标志着人类对地观测新的里程的开始。n a s a 在介绍t e r r a 卫星意义时采取的比喻是：“如果把地球比作一位从来没有做过健康检查的中年人的话， t e r r a 就是科学家对具有4 5 亿年历史的地球的健康状况第一次进行全面检查和综合 诊断的科学工具”。由于t e r r a 卫星每日地方时上午1 0 ：3 0 时过境，因此也把它称作 地球观测第一颗上午星( e o s - - a m l ) 。a q u a 卫星保留了t e r r a 卫星上已经有了的 c e r e s 和m o d i s 传感器，并在数据采集时间上与t e r r a 形成补充。它也是太阳同步 极轨卫星，每日地方时下午过境，因此称作地球观测第一颗下午星( e o s - - p m l ) i x 】。 从数据资源开发利用和经济核算综合平衡的角度来看，更值得世界各国普遍注意的 是安装在t e r r a 和a q u a 两颗卫星上的中分辨率成象光谱仪( m o d i s ) 获取的数据。 其多波段数据可以同时提供反映陆地表面状况、云边界、云特性、海洋水色、浮游植物、 生物地理、化学、大气中水汽、气溶胶、地表温度、云顶温度、大气温度、臭氧和云顶 高度等特征的信息( 附录i ：m o d i s 波段分布特征) ，这些数据均对地球科学的综合研 究和对陆地、大气和海洋进行分门别类的研究有较高的实用价值。此外，t e r r a 和 a q u a 卫星都是太阳同步极轨卫星，t e r r a 在地方时上午过境，a q u a 将在地方时下 午过境。t e r r a 与a q u a 上的m o d i s 数据在时间更新频率上相配合，加上晚间过境 数据，对于接收m o d i s 数据来说，可以得到每天最少2 次白天和2 次黑夜更新数据。 这样的数据更新频率，对实时地球观测、应急处理( 如重大林业灾害监测) 和日内频率 的地球系统的研究有非常重要的实用价值1 1 1 。 陆地表面温度( l s t ，l a n d s u r f a c e t e m p e r a t u r e ) 是地表能量平衡中的一个重要参数， 它在地表与大气相互作用过程中起着重要的作用，特别在气象、地质、水文、生态等众 多领域有着广泛的应用需求，土壤水分状况，森林火灾的检测，地热位置的判别等都离 不开陆地表面的地物表面温度。传统的地表温度监测方法是通过地面气象站时定点观 测，这种方法费时费力，并且由于陆地表面的非均质性，地表温度在短距离之内就可能 发生较大的改变，因此，传统的观测方法已无法满足实际研究中大面积实时观测的需要。 同样土壤湿度监测是目前遥感技术应用研究的前沿领域，对于农业、水文、气象等都具 有很高的应用价值，其传统方法是利用地面观测站网进行土壤湿度监测，其主要优点是 m o d i si b 数据处理及反演地表温度和土壤湿度i d l 实现 单点测量精度较高，不足是采样点有限加之土壤特性不均一性强，难以代表大面积状况， 同时花费的人力、物力也较大，目前国内最具代表性的站网是气象部门建立的土壤湿度 观测站网。 利用卫星遥感进行地表温度和土壤水分监测可以弥补传统方法的不足。现代遥感技 术因其具有多波段、多时相、大面积实时或准实时对地观测的特点，在资源和环境研究 领域越来越受到重视，它不仅可以实现大面积的同步观测，而且还可以及时掌握地表温 度的时空变化规律，同时还可以大大节省人力、物力和财力。m o d i s 是当前世界上新 一代“图谱合一”的光学遥感仪器，共有4 9 0 个探测器，3 6 个离散光谱波段，光谱范围 宽，从0 4 微米( 可见光) 到1 4 4 微米( 热红外) 全光谱覆盖，其数据空间分辨率包括 了2 5 0 米、5 0 0 米和1 0 0 0 米三个尺度，因此为我们对地表温度和土壤湿度的反演提供 了有力的数据保障。 本文研究所依托云南省科技厅省院省校项目基于m o d i s 遥感数据的森林病虫害 监测研究及综合测报g i s 技术平台的研发( 2 0 0 5 y x 2 7 ) 的技术目标是：能接收、处理、 分析地球环境观测卫星e o s 的m o d i s 数据，每天通过对比和分析2 5 0 米像元上的多光 谱数据，来探测和表达森林植被的叶子的物理和生理变化，森林植被的环境因子变化， 从而能测报将要发生的灾变、探测到正在发生的灾害区域，并结合其它遥感数据和地理 信息数据，对正在发生的森林病虫害进行分级预警，为防治决策提供科学数据。 而本文所涉及的m o d i s1 b 数据处理及反演地表温度和土壤湿度i d l 实现是该项 目的基础研究之一。在研究中，通过编程实现对m o d i s 遥感影像数据进行预处理，便 于多光谱数据进行对比分析；并选择合适的算法，反演出地表温度和土壤湿度，来支持 研究森林植被的环境因子变化所需的数据。 1 2 本文研究内容 本研究主要是对m o d i s1 b 数据进行预处理，然后提取云雾、冰雪、水体、植被 覆盖，这些都是后续对地表温湿度反演所必不可少的步骤，并选择适合的算法，通过 i d l 语言编写的处理软件，结合e n v i 和m o d i s t o o l s 控件加以实现。 论文后续的内容主要包括下列部分： 第二部分介绍h d f 格式、m o d i s1 b 数据产品及i d l 语言及其常用的h d f a p i 数 2 1 绪论 据的函数，为后续的编程及反演打下了良好的基础； 第三部分是m o d i s 数据处理方法研究及实现，包括条带噪声消除、数据重叠现象 去除、反( 辐) 射率定标、太阳天顶角订正、热红外波段亮温反演、几何纠正等处理； 第四部分是m o d i s 影像检测，包括云检测、冰雪监测、水体检测、植被覆盖率检 测等； 第五部分是地表温度的反演，主要是利用i d l 编程实对m o d i s 数据的分裂窗算法 反演，该算法由覃志豪提出的，并已经被推荐应用于中国地表温度产品生产； 第六部分是地表湿度的反演，介绍了热惯量法、光谱法、植被供水指数法( v s w i ) 三种反演土壤的算法； 第七部分是m o d i s 数据处理及反演软件简介，包括其功能和实现的软件； 第八部分为结论，总结已经取得的成果和存在的问题。 3 m o d i s1 b 数据处理及反演地表温度和土壤湿度i d l 实现 2h d f 格式、m o d i s1 b 数据产品及i d l 语言 2 1h d f 格式介绍 m o d i s1 b 数据使用h d f e o s 格式，h d f e o s 是n a s a 为遥感应用而对n c s a ( n a t i o n a l c e n t e r f o r s u p e r c o m p u t i n g a p p l i c a t i o n s 美国国家超级计算中心) 的h d f ( h i e r a r c h i c a l d a t a f o r m a t 分级数据格式) 进行的扩充。h d f 是一种多对象的文件格式， 以便在分布环境中共享科学数据。h d f 文件包括文件头、一个以上的数据描述块和若 干数据块( 可能为o 个) 。其中，文件头用来标识h d f 文件。数据描述块中包含若干的 数据描述。每个数据描述和相应的数据元共同组成一个数据对象( d a t a o b j e c t ) 。数据对 象包括数据描述和数据元。数据元包含实际的数据。而数据描述顾名思义则给出了数据 元的类型、大小、位置信息。随着遥感事业的发展，数据共享及充分利用已经越来越成 为急需解决的问题。h d f 为统一数据格式提供了基础，必将获得越来越广泛的应用。 h d f e o s 相对于h d f 增加了三种数据对象：网格( g r i d ) 、点( p o i n t ) 、线( s w a t h ) 。 点数据序列是不同时间间隔、不同地理位置的一系列数据。线数据的概念是基于典型的 卫星扫描线的。在这种情况下，卫星沿着轨道运行的过程中，摄取一系列垂直于轨迹 ( c r o s s t r a c k ) 的扫描线。线数据非常适用于的另一种类型的数据是垂直剖面 ( v e r t i c a l p r o f i l e s ) 。在这种情况下，卫星传感器获取的不是垂直于轨迹的扫描线，而是 沿着轨迹的垂直剖面。将这两种数据组合，线数据可以用于记录一系列垂直于轨迹 ( c r o s s t r a c k ) 的垂直剖面( v e r t i c a l p r o f i l e s ) ，这是一种三维数据。网格数据和线数据 有些类似，它们都包含了一系列二维以上的数据域。二者的主要不同在于他们的地理定 位信息。线数据将包含的数据点看成是一系列孤立的点来对待，由此给出定位信息。而 网格数据的定位信息则紧凑的多。网格数据包含了一系列投影方程及其相关参数，二者 组合起来给出了网格中所有点的定位信息【。 2 2m o d i s1 b 数据产品介绍 m o d i s1 b 有1 公里、5 0 0 米和2 5 0 米三种分辨率的数据产品，各类产品可分为4 个部分：全局元数据 ( g l o b a l m e t a d a t a ) ，设备和无常s d s ( i n s t r u m e n t a n d u n c e r t a i n t y s c i e n c e d a t a s e t s )，波 段子集 s d s 4 2h d f 格式、m o d i s1 b 数据产品及i d l 语言 ( b a n d - s u b s e t t i n g s c i e n c e d a t a s e t s ) ，定位s d s ( g e o l o c a t i o n s c i e n c e d ；, a t a s e t s ) 。 全局元数据。主要包括：产品时间、名称、白天黑夜标识、时间范围、后继处理 标志、质量标识、穿越赤道时间、穿越赤道经度、轨道号、边界经纬度、卫星名称、传 感器名称、包接受时间、名称、版本、东西南北边界、扫描数、扫描类型、扫描完成标 志、镜面、e v 部分开始时间、星下点帧数、星下点经纬度、星下点太阳高度角、星下 点太阳方位角、q a 标识等。 设备和无常s d s 。每一个s d s 是一个5 维空间的数组，这5 个参数是：波段( b a n d ) 、 传感器( d e t e c t o r ) 、扫描( s c a n ) 、帧( f r a m e ) 和抽样( s a m p l e ) 。但是，为了方便写入 h d f - - e o s 线( s w a t h ) 结构，s d s 在1 b 产品中表示为3 维数组：科学数据集名称【波 段号，扫描带数木探测器数，帧数木样本数】。其中，对于1 0 0 0 米、5 0 0 米、2 5 0 米产品 的探测器数分别为1 0 、2 0 、4 0 ，其样本数分别为1 、2 、4 ( 附录i i ：m o d i s i b 地球观 测产品中科学数据集概要) 。 波段子集s d s 。包含用于实现波段子集信息的s d s 。2 5 0 米产品只有一个s d s ： b a n d2 5 0 m ，5 0 0 米产品有两个s d s ：b a n d2 5 0 m ，b a n d5 0 0 m ，1 0 0 0 米产品有四个 s d s ：b a n d 一2 1 5 0 m 、b a n d 一5 0 0 m 、b a n d l k mr e f s b 、b a n d 一1 k m e , m i s s i v e 。 定位s d s ，此部分包含用于显示的地理经纬度信剧1 1 。 2 3i d l 语言 i d l ( i n t e r a c t i v e d a t a l a n g u a g e ) 是美国r s i 公司的旗舰产品，是v c 、v b 、j a v a 、 f o r t r a n 、m a t l a b 、o p e n g l 等语言的集成。从菜单的定制、消息的传递、类的定 义与继承等方面来说，i d l 如同v c 一样具备了强大的功能。从可视化界面的设计、语 言的通俗易懂、编程的入门等方面来说，i d l 如同v b 一样。从跨平台的移植来说，i d l 的功能与j a v a 一样强大，可以在各平台之间任逍遥。从函数、子程序的调用、数据传 递、语言风格、语言组织等来说，i d l 语言与f o r t r a n 则是如此的相像。i d l 语言象 m 棚a b 样，提供了大量封装和参数化了的数学函数。i d l 的提供了丰富的二维、 三维图形图像类，其功能可与o p e n g l 媲美，而且其封装好的图形函数类的编程功能 远超过o p e n g l 函数库。同时i d l 又是如此完美的a c t i v e x 控件，在v b 、v c 中通过 a c t i v e x 控件技术能完整的再现i d l 的丰富而又巨大的功能。此外，从另一种意义上说， 5 m o d i s1 b 数据处理及反演地表温度和土壤湿度i d l 实现 i d l 语言与大型图形和g i s 应用软件相距又是如此之近。应用i d l 可以快速的开发出 功能强大的三维图形图像处理软件和三维g i s 应用系统。 由于其强大的功能和独特的特点，i d l 语言可以应用于任何领域的三维数据可视 化、数值计算、三维图形建模、科学数据读取等功能中。概括说来，在地球科学( 包括 气象、水文、海洋、土壤、地质、地下水等) 、医学影像、图像处理、g i s 系统、软件 开发，大学教学，实验室，测试技术，天文，航空航天、信号处理，防御工程，数学统 计及分析，环境工程等很多领域，i d l 语言都可以得到广泛而又深远的应用。 i d l 语言提供了大量的函数，可对h d f 数据进行读写处理，极大的方便我们对 m o d i s1 b 的h d f 数据包进行处理，如h d fs da t r r i n f o 过程可用于读取h d f 科 学数据集的属性数据，h d fs dg e t d a t a 过程可用于读取h d f 科学数据集的数据( 附 录：常用的读取h d f 数据的函数) 。 6 3m o d i s 数据处理方法研究及实现 3m o d i s 数据处理方法研究及实现 3 1 条带噪声消除， m o d i s ( m o d e r a t e r e s o l u t i o n l m a g i n g s p e c t r o m e t e r ) 探测仪器在t e r r a 卫星运行时， 采用“多元并扫 的探测方式，即并排多个探测器( 1 k m 波段包含1 0 个探测器，5 0 0 m 波段包含2 0 个探测器，2 5 0 m 波段包含4 0 个探测器) 同时对地物进行扫描，扫描带中 每一个探测器的扫描观测资料在图像中是形成一条扫描线。由于m o d i s 传感器光、电 器件在反复扫描地物的成像过程中，受扫描探测元正反扫描响应差异、传感器机械运动 和温度变化等影响，会在影像中形成具有一定周期性、方向性且呈条带状分布的噪声， 尤其在t e r r a m o d i s 数据中第5 波段均有存在，因此消除条带噪声对提高m o d i s 影像 的质量和反演精度是至关重要的。i d l 语言是美国r s i ( r e s e a r c h s y s t e m l n c ) 公司开发 的交互式数据语言，用于数据分析、处理和可视化方面应用研究的编程语言，它具有面 向矩阵的特性和完善的信号处理与图像处理功能，在遥感图像处理方面具有非常明显的 优势。 3 1 1 几种去噪方法比较 关于条带噪声去除方法主要有主成分分析法、直方图匹配法、傅立叶变换法、小波 变换法、插值法等。主成分分析法将含有噪声的p c ( 主成分) 图像数据值设置为常数 再反变换回原图像，以去除条带噪声，该方法的缺点是条带噪声混杂在各p c 图像中， 很难去耐2 1 。h o r n 和k a u t s k y 等直方图匹配法假设每个传感器所探测的地物必须具有相 同均衡的辐射分布，将光谱仪中每个传感器所形成的子图像的直方图调整到一个参考直 方图中来达到去除条带的目的。这种方法适用的前提条件有很大局限性，对于包括不同 地物的复杂地表不适用，而且只适用于几何纠正前的图像，不能用于几何纠正后的图像 3 4 1 。小波变换法，尽管消除了一些条带噪声，但条带噪声不但没有彻底去除，而且对 非条带噪声区域产生干扰，许多细节纹理信息丢失，影像被平滑【5 叫。傅立叶变换可将 空间域的复杂的卷积运算转化为频率域的简单的乘积运算，故而在影像的增强和去噪声 等影像处理中应用十分广泛1 6 。对于二维m n 数字影像f ( x ，y ) ，其傅立叶变换滤波 原理图见图3 1 。 7 m o d i s i b 数据处g 厦滴& m 度自壤湿度 d l 宴r 呦，i 塑= ! ：兰呙竺! 圆一， g ( x ，) 一自( x , y ) t ，( z ，) g 呻。h ( 1 , v ) ( “，呻 图3 - 1 及式中n ( u ，v ) 为h ( x ，y ) 的傅立叶变换，也称转移函数( 传递函数) ，h ( u ，v ) 有理想低通滤波器( i l p f ) 、巴特沃思( b u t t e t w o r t h ) 滤波器、指数滤波器( 巨l p f ) 、 形滤波器( t l p e ) 。频谱图影像在傅立叶变换中是以几何中心为原点，表示最低频率成 分，原点处的值表示最低频率成分的强度。由原点向外扩散，频谱图中的点逐步反映影 像更高频率分量的信息【9 。由于m o d i s 条带噪声在频率域表现并非都是高频信息的亮 点，也存在低频成分信息( 见图3 2 ：a m o d 0 2 h k m 2 0 0 6 1 2 2 9 0 4 3 1 0 2h d f 第5 波段截图) ， 对图3 - 2 进行傅立叶变换所得频谱图( 见图3 - 3 ) ，为“十”字交叉亮线，垂直方向强度 比较明显，说明有部份横条纹是高频信息，但如图噪声条带也包含低频信息，利用傅立 叶变换的这几种滤波器中，是难以去除噪声的，而且图像存在严重的振铃现象噪声平 滑效果最好，图像细节也变模糊。 图32 ：第5 波段影像( 截图) c h a r t3 - 2t h ew a v eb a n d o f5 “i m a g e 图33 ；傅立叶频谱图 c h a r t3 - 3f f tf r e q u e n c ys p e c t r ai m a g e 3m o d i s 数据处理方法研究及实现 3 12 邻域插值法 本文采用的邻域插值法，即利用噪声像元周边6 个非噪声像元( 左上、上、右上、 左下、下、右下) 的灰度值平均数值替代噪声像元的灰度值的方法。m o d i s 光谱波段 5 的数据每个扫描带包含2 0 个探测单元，因此影像的噪声条带是以2 0 个像元为周期重 复产生的。下面我们以图3 - 1 为例，利用程序进行噪声判读、噪声条带行号确定、对噪 声带条进行自动化处理。 ( 1 ) 噪声判读 判断像元噪声。是确定噪声条带位置的前提条件。由于低分辨率影像的相邻像元灰 度值是一个渐变的过程，凡是突变( 变暗或亮) 可以认为是噪声像元。假定一个噪声像 元，利用相邻6 个非噪声像元平均值与其相减，再除以平均值，所得值如果大于设定的 阈值t ，则为噪声。x ，为噪声的判断公式： r 。= 告( n + “) 1 ( 三二：! ! ， 式中，知，为第i 行第j 列像元灰度值，x 为6 个相邻非噪声像元平均值，t 为阐 值。t 取值越趋近于0 ，像元误判为噪声像元的可能性越大：取值过大，则会检测不出 噪声像元。 ( 2 ) 噪声条带行号确定粕r 新9 f 广一 但由黧喜黧盏黧2 0 篇纛蘸蠢雾蘸蒸一 但由于噪声条带的噪声数量在一个周期行内应该是 i 裂i 搿! i i 懋i 藿 最多的，可以作为确定噪声条带行号的依据。如图3 1 1 霸i 麓；i1 i 落童” 巍 的噪声条带分析图( 图3 - 4 ) 利用前面提出韵噪声判断 i 繇l ；魏：匿器器： 公式，确定每行的噪声总数。由于阑值取0 2 ，每行都j ；荡嚣貂。：器器嚣嚣 有大量的噪声像元，在程序处理中，没有对影像四边的 i 羹瑟1ii l 篆薰雾i 像元点进行判断，因而第0 行异常点数为0 。 骱5 4 黜“1 舭嘲。71 ” 当然在所有检测的噪声条带行【m ( i ) 中，可能存 c h 。，t3 1 9 4 ：3 - h 4 。：。黧：! 。i 。g 。 m o d i s i b n 理& 反演表温度# 土壤湿度i d l 央m l m ( 0 ) 是非常重要的。对所有的检测的噪声条带行号对2 0 取模，获得小于2 0 的行号， 累计该行号的次数，如果得到某次数最多，则该行号就是第一条噪声条带行号用u 表示，则所有噪声条带号n 可以用l f 加上周期2 0 行的倍数表示：n = l f + 2 0 - n 。 ( 3 ) 噪声条带处理 噪声条带行号确定后，通过对只对影像的噪声条带的像元处理，保留非噪声行中像 元。将噪声条带中的所有像元灰度值用其相邻6 个有交像元的平均值替代。需要指出 的是，有相关研究提出以相邻像元灰度按距离加权平均值替代噪声像元值，即上、下2 个非噪声像元乘1 ，对角的4 个乘i 2 皿。由于m o d i s 影像相邻灰度渐变，这种距离加 权方法算出的噪声灰度值比周围像元低近9 个百分点( 2 2 m + 4 ) 6 = 0 9 0 2 3 ，插值后的 结果噪声条纹并没有完全消除全部变成暗条纹。 下面两组图是对图3 2 进行平均插值后的处理图和去噪后的影差图，从除噪后的影 像图3 5 可以看出影像中的噪声条带被很好的去除了。从影像差图3 - 6 可以看到亮点 噪声灰度值减小暗点噪声灰度值增加，而非条带噪声区域没有受到任何影响，可见插 值法对处理这种有规律性的噪声是非常适合的。 图3 - 5 邻域插值法去噪后的影像 c h a r t3 - 5 ：r e m o v i n g t h e s t r i p e n o i s e s w i t h n e i g h b o r i n g - r e g i o n i n t e i ! 帕l a t l o n a l g o r i t h m i n m o d i si m a g e 圈3 石邻域插值法击噪前后的影像差 c h a r t3 击：d i f f e rf r o mb e t w e e nn e wa n do l d 1 m a g e 3m o d i s 数据处理方法研究及实现 3 13 结论与分析 通过对影像噪声条带进行分析，举例说明采用傅立叶变换法的局限性，根据每行的 异常值累计数来定位条带信息，提出了邻域插值法，对影像进行处理，取得了良好的去 嗓效果，也较好的保存了非条带区的影像特征和影像的细部特征。邻域插值法也可以消 除随机噪声如“胡椒加盐”对于噪声点的判断可以考虑对点作出“模糊( f u z z y ) 判决” 设z 点为噪声点，其概率是p ，赋给z 点新的灰度级值用下式给出： ，。( 力- o 一竹，+ p y _ c z , ) k j 式中，( ：) 为z 点灰度值，( 邑) 为郐域占内任一点五的灰度级值为邻域内象素 数。当p 很大，即z 点很象噪声，给z 点新灰度级值就很接近于邻域平均值：若p 一1 ， 了i 嬉_ f k 肯定为噪声点，就是上面讲的情况，即z 点新灰度级值就是邻域平均值7 ；若 尸小，则反之。邻域插值法最关键是对噪声的判断和定位，因此对于有些条带噪声呈几 个像元宽或分布规律不明显的影像，就应考虑通过其它滤波方式处理。 3 2 数据重叠现象去除 3 21 数据重叠现象形成的原因 m o d i s 影像数据重叠又俗称“蝴蝶 结”现象，其形成与m o d i s 探测器的成 像特点密切相关。m o d i s 探测器是一种 被动式摆动扫描探测器，其横向扫描角为 5 5 。由于在m o d i s 的l k m 分辨率的 影像中一个扫描带由1 3 4 5 1 0 个像素组 成，因而一个扫描带覆盖的区域面积大小 应为1 3 4 5 1 0 k m ，但m o d i s 探测器对地 球观测的视野几何特性、地球表面的曲率、 地形起伏和m o d i s 探测器运动中的抖动 ll 图3 7 m o d l s l k m 数据左半部分数据重叠示意图 c h a r t 3 - 7 ：b 1 0 d i s l k md a t a l e f th a l fp a r t i a l l y d a t ao v e r l a p p i n gs k e t c h 等因素的共同影响m o d i s l b 数据存在几何畸变，特别是m o d l s i b 数据的扫描带之 m o d i $ 1 b 盏据n 目演地女温度壤湿度i d l 实现 闻的错位现象十分严重。沿航迹方向上，扫描带的纵向宽度在星下点为1 0 k r a ，随着观 测角度的增大越向边缘扫描带的宽度就越大，数据重叠现象也越趋严重。计算表明，在 视角为2 4 。时，条带的重叠度为1 0 ，而在条带的两端重叠度达5 0 i ”。如图3 7 是分 辨率l k m 的m o d i s 数据左半部分的数据重叠示意图i ”，图中显示有3 条扫描带，每一 帧有1 0 个像元，每个像元在星下点处分辨率为l k m ，所以每个扫描带宽度为l o k m 。由 于每扫描一次地球会自转一定距离，图上显示3 个扫描带之间有一个小的错动。由于地 球曲率的影响和扫描角度的增大，越向边缘像元寸越大，在最边缘处的一个扫描带的宽 度己增大到2 0 k i n ，相邻的扫描带之间已有1 0 1 a n 的重叠。 影像分辨率越高，数据重叠问题也更加突出， 从昆明及周边地区2 5 0 m 分辨率m o d i s 影像图 ( 图3 - 8 ) 可以看出，影像数据重叠现象非常明 显，滇池、抚仙湖、星云湖和杞麓湖四太高源湖 泊都存在错位重叠现象，尤其是影像边缘的杞麓 湖被分隔成2 个单独的部分。 322 消除m o d i s 数据重叠的原理 我们可以借鉴郭广猛提出的以数据间的相关 性判断各列重复像元i ”，去除重复像元，然后利 用重采样方法( 是邻近插值法、职线性内插法、 遥羹 圉3 - 8 存在数据重叠影像 c h a r t 3 - 8 ：t h e r eisd a t a o v e r l a p p i n ga ni m a g e 三次卷积法等) 替换重叠部分数据。如图3 7 1 分辨率2 5 0 m 的影像数据每条扫描带为 4 0 行数据，每相邻的两条扫描带之间存在着数据重叠现象。首先计算相邻的两个扫描 带之间存在着多少行重复数据。阻第1 列为例： ( 1 ) 第1 列到第3 列、第3 8 行到第4 0 行数据产生一个3 3 矩阵a ，吼第1