基于混合像元分解的MODIS綠潮覆蓋面積精細化提取方法研究＊

辛 蕾，黃 娟，劉榮杰，鐘 山，肖艷芳，王 寧，崔廷偉

(1．山東省海洋生態環境與防災減災重點實驗室，山東 青島266061;2．國家海洋局北海預報中心，山東 青島266061;3．國家海洋局第一海洋研究所，山東 青島266061)

2007年以來，黃海綠潮災害連年爆發，經濟損失巨大［1-3］。衛星遙感以其大面積、同步、高效率的優勢成為綠潮監測的主要手段［4-6］。綠潮災害衛星遙感監測使用的數據源，主要有250 m分辨率的MODIS和30 m分辨率的HJ-1A/B CCD。但HJ-1A/B的重訪周期為2天，無法滿足1次/天的業務化監測要求，故在業務化監測中，以250 m分辨率的MODIS數據(2景/天)為主［7］。然而，相關研究表明250 m分辨率的MODIS數據提取的綠潮覆蓋面積明顯偏大，約是真值的2-3倍［8］，導致業務化監測結果存在偏差。

針對MODIS提取的綠潮面積偏大這一問題，鐘山等提出通過使用不同的閾值分別提取大面積聚集和零星分布的綠潮，以減小采用統一閾值帶來的綠潮面積偏大的影響［9］。然而這種做法并未從根本上解決混合像元的問題，且大面積聚集的綠潮和零星分布的綠潮常常混合在一起，提取困難。

本文提出了一種基于混合像元分解的綠潮面積精細化提取方法，以減小混合像元對MODIS綠潮信息提取的影響，提高MODIS數據綠潮面積提取的精度。

1 數據與方法

1．1 數據與處理

本文研究區位于膠州灣以東海域(經緯度范圍:35°27'45″-36°4'24″N，120°22'34″-121°45'59″E)，為綠潮爆發的主要區域。每年夏季，這一海域都有綠潮大規模爆發，給當地的旅游和養殖業造成大量的經濟損失。

研究采用2010年7月9日，2012年5月21日，2013年6月29日和2014年6月12日4景250 m分辨率的MODIS數據以及4景準同步的30 m分辨率HJ-1 CCD數據。其中2012年5月21日，2013年6月29日和2014年6月12日3景MODIS數據及其準同步的HJ-1 CCD數據用于模型建立;2010年7月9日的MODIS數據及其準同步的HJ-1 CCD數據用于模型檢驗。

在綠潮信息提取之前，對上述MODIS數據進行了一系列處理，包括幾何校正、輻射定標和大氣校正。其中，大氣校正采用的是MODTRAN4+大氣輻射傳輸模型。

圖1 研究區位置示意圖Fig．1 The study area

1．2 NDVI閾值法與混合像元分解方法

本文所涉及的方法主要包括歸一化差值植被指數(NDVI)閾值法和線性混合像元分解法，詳細如下:

歸一化差值植被指數(NDVI)閾值法是根據綠色植物在紅光波段(R)與近紅外波段(NIR)的光譜響應特征建立的植被信息提取模型［10］，計算公式如下:

式(1)中，r NIR為近紅外波段地表反射率，r R為紅光波段地表反射率。

線性混合像元分解法認為像元的反射率是其端元組分的反射率的線性組合［11］，計算公式如下:

式(2)中，γi是混合像元的反射率，aij表示第i個波段第j個端元組分的反射率，xj是該象元第j個端元組分的豐度，ei是第i波段的誤差，n表示選定的端元組分數［12］。為使單個象元內各個端元組分的豐度xj具有物理意義，有如下兩個約束條件:一是端元面積比例之和為1;二是所有的端元比例都為非負的［13］。

2 MODIS綠潮覆蓋面積精細化提取模型

在MODIS影像處理的基礎上，本文選取了綠潮樣區，對各樣區分別利用NDVI閾值法進行綠潮信息提取，并對提取到的像元進行混合像元分解，得到MODISNDVI混合像元分解的綠潮面積。

同樣地，在準同步的HJ-1 CCD影像處理的基礎上，選取與MODIS樣區同一范圍的區域，利用NDVI閾值法進行綠潮信息提取，得到HJ-1 CCD影像綠潮面積，并將其作為“真值”。

建立MODISNDVI混合像元分解的綠潮面積與HJ-1 CCD影像面積之間的關系模型。

2．1 樣區選取

在2012年05月21日，2013年06年29日和2014年6月12日的3景MODIS影像上選取了10個區塊作為建模樣區，樣區示例見圖2。在樣區選取時，盡量保證樣區空間分布均勻，樣區中只包含海水和綠潮，沒有云霧遮擋。同時，為了減小綠潮形態分布影響，選取的樣區既包含集聚分布的綠潮區域，也包含零星分布的綠潮區域，如圖2所示。

圖2 2013年6月29日MODIS影像樣區選取示意圖Fig．2 Selected sample area in MODISImage on June 29th，2013

2．2 模型建立

在樣區選擇的基礎上，對每個樣區采用不同的NDVI閾值分別提取綠潮信息，然后對提取結果進行混合像元分解，獲得最終的綠潮面積，然后與準同步的HJ-1 CCD數據提取的綠潮面積進行統計分析，建立二者的關系模型(見圖3)。

圖3表明MODIS數據混合像元分解得到的綠潮面積(x)與HJ-1 CCD數據提取的綠潮面積(y)之間存在著較好的相關性，二者關系表達式如下:

為了驗證該模型的有效性，利用2012年7月10日的MODIS和HJ影像，選取了4個樣區，進行了模型檢驗(見圖3)。結果顯示，利用該方法從MODIS影像提取的綠潮面積與HJ-1 CCD提取的綠潮面積偏差僅為9．25%，遠小于傳統NDVI閾值法的288%。

圖3 MODIS數據混合像元分解與HJ數據綠潮提取結果Fig．3 Scatterplot of green tide area extracted from MODIS image with mixed pixel decomposition method and those derived from HJ-1 CCD image

3 與傳統方法的比較

3．1 提取面積比較

為了比較本文所建立模型與傳統方法的優劣，文利用2013年06月29日MODIS影像上5個獨立檢驗區分別采用NDVI閾值法、混合像元分解法和本文發展的精細化模型提取綠潮面積，以準同步的HJ-1 CCD影像綠潮提取面積為“真值”，結果見圖4。

圖4 不同方法提取的MODIS綠潮覆蓋面積及與真值的比較Fig．4 Comparison of green tide area extracted from MODISimage with different methods and that from HJ-1 CCD image

由圖4可知，三種方法所提取的面積中，NDVI閾值法提取的面積最大，與真值的偏差也最大，約為真值的2．96倍;精細化模型提取結果與真值的偏差最小，約為真值的0．96倍;混合像元分解法提取的綠潮面積最小，約為真值的0．45倍。這說明上述三種方法中，精細化模型表現更好，提取結果更接近于HJ-1影像所提取面積。

3．2 對NDVI閾值的敏感性分析

在建模過程中，我們發現傳統的NDVI閾值法對閾值的變化較敏感，NDVI閾值的細微變化會導致提取的綠潮面積有較大變化。為了檢驗新模型對NDVI閾值的敏感性，利用2013年6月29日影像，選取了同時包含聚集和零星分布的綠潮樣區，分別利用NDVI閾值法、混合像元分解法和精細化模型方法，采用不同的NDVI閾值進行了綠潮提取試驗。根據目視解譯，NDVI閾值區間確定為［-0．20，-0．15］，在該區間上均勻選取了16個值進行綠潮信息提取，結果見圖5。

如圖5所示，在相同的NDVI閾值變化區間內，NDVI閾值法提取的綠潮覆蓋面積增加了41%，而精細化提取模型和混合像元分解法提取的綠潮覆蓋面積僅變化了11%。這說明，精細化模型較傳統的NDVI閾值法對NDVI取值不敏感。

圖5 三種方法對NDVI閾值敏感性Fig．5 Comparison of the sensitivity to NDVI threshold

4 結論

本文針對MODIS數據空間分辨率較低導致綠潮提取面積偏大的問題，提出了一種基于混合像元分解的綠潮信息精細化提取模型。結果表明:與傳統方法相比，新方法提取的綠潮覆蓋面積更為準確，且對NDVI閾值變化不敏感，可為精細化的綠潮衛星遙感業務監測工作提供了有益參考。

致謝:感謝張杰研究員對本文提出的寶貴意見，蔡曉晴在線性混合像元分解方法上提供的幫助。感謝NASA及中國資源衛星應用中心等機構為本研究提供遙感數據支持。

［1］ 鄭向陽，邢前國，李麗，等．2008年黃海綠潮路徑的數值模擬［J］．海洋科學，2011，35(7):82-87．ZHENG Xiangyang，XING Qianguo，LI Li，et al．Numerical simulation of the 2008 green tide in the Yellow Sea［J］．Marine Sciences，2011，35(7):82-87．

［2］ 蔣興偉，劉建強，鄒斌，等．滸苔災害衛星遙感應急監視監測系統及其應用［J］．海洋學報，2009，31(1):52-64．JIANG Xingwei，LIU Jianqiang，ZOU Bin，et al．The satellite remote sensing system used in emergency response monitoring forEntermorpha proliferadisaster and its application［J］．Acta Oceanologica Sinica，2009，31(1):52-64．

［3］ 梁宗英，林祥志，等．滸苔漂流聚集綠潮現象的初步分析［J］．中國海洋大學學報，2008，38(4):601-604．LIANG Zongying，LIN Xiangzhietal．A preliminary study of theEnteromorpha proliferadrift gathering causing the green tide phenomenon［J］．Journal of Ocean University of China，2008，38(4):601-604．

［4］ 李穎，梁剛，于水明，等．監測滸苔災害的微波遙感數據選取［J］．海洋環境科學，2011，30(5):739-742．LI Ying，LIANG Gang，YU Shuiming，et al．Selection of microwave remote sensing data of monitoring ofEntermorpha proliferadisaster［J］．Marine Environmental Science，2011，30(5):739-742．

［5］ 趙文靜，張杰，崔廷偉，等．水下懸浮滸苔海面光譜響應的輻射傳輸模擬［J］．光譜學與光譜分析，2009，29(6):1656-1660．ZHAO Wenjing，ZHANG Jie，CUI Tingwei，et al．Enteromorpha proliferaunderwater spectral research based on simulation of radiation transmission［J］．Spectroscopy and Spectral Analysis，2009，29(6):1656-1660．

［6］ 王國偉，李繼龍，楊文波，等．利用MODIS和RADARSAT數據對滸苔的監測研究［J］．海洋湖沼通報，2010，4:1-8．WANG Guowei，LI Jilong，YANG Wenbo，et al．A primary study ofEnteromorpha proliferausing the MODIS and RADARSAT［J］．Transactions of Oceanology and Limnology，2010，4:1-8．

［7］ 唐澤艷，魏永亮．綠潮衛星遙感監測技術應用研究［J］．遙感信息，2013，28(3):63-68．TANG Zeyan，WEI Yongliang．Green tide monitoring using remote sensing technology［J］．Remote Sensing Information，2013，28(3):63-68．

［8］ CUI Tingwei，ZHANG Jie，SUN Li’e，et al．Satellite monitoring of massive green macroalgae bloom(GMB):imaging ability comparison of multi-source data and drifting velocity estimation［J］．International Journal of Remote Sensing，2012，33(17):5513-5527．

［9］ 鐘山，丁一，李振，等．MODIS滸苔遙感監測誤差分析研究［J］．遙感信息，2013，28(1):38-42．ZHONG Shan，DING Yi，LI Zhen，et al．Error analysis onEnteromorpha proliferamonitoring using MODIS data［J］．Remote Sensing Information，2013，28(1):38-42．

［10］ DEERING D W．Rangeland reflectance characteristics measured by aircraft and spacecraft sensors［D］．Texas A＆M University，College Station，1978:338．

［11］ 呂長春，王忠武，錢少猛．混合像元分解模型綜述［J］．遙感信息(綜述)，2003，3:55-58．LV Changchun，WANG Zhongwu，QIAN Shaomeng．A review of pixel unmixing models［J］．Remote Sensing Information(Reviews)，2003，3:55-58．

［12］ 鄭有飛，范旻昊，張雪芬，等．基于MODIS遙感數據的混合像元分解技術研究和應用［J］．南京氣象學院學報，2008，31(2):145-150．ZHENG Youfei，FAN Minhao，ZHANG Xuefen，et al．Pixel unmixing technology of MODISremote sensing data［J］．Journal of Nanjing Institute of Meteorology，2008，31(2):145-150．

［13］ ICHOKU C，KARNIELI A．A review of mixture modeling techniques for sub-pixel land cover estimation［J］．Remote Sensing Reviews，1996，13(3-4):161-186．