天宫二号宽波段成像仪青藏高原专题数据集
摘要&关键词
编辑摘要：青藏高原是世界屋脊、亚洲水塔，是地球第三极，以第三极为起点向西扩展的面积约2000万平方公里的泛第三极地区是“一带一路”核心区。目前我国开展的第二次青藏高原综合科学考察研究将揭示青藏高原环境变化机理，优化生态安全屏障体系，对推动青藏高原可持续发展、推进国家生态文明建设、促进全球生态环境保护具有十分重要的作用。天宫二号宽波段成像仪自2016年9月发射至今，对青藏高原进行了持续观测，获得了大量多时相多谱段遥感数据。经过辐射校正、几何校正、定量反演等处理和质量控制，生产了一批青藏高原专题数据集，通过载人航天空间应用数据推广服务平台（http://www.msadc.cn）进行分发和共享。本数据集包含天宫二号宽波段成像仪发射至今获取的青藏高原地区高质量影像数据及地表反射率、地表温度、地表亮温、归一化植被指数、归一化积雪指数、归一化水体指数专题产品，将为研究该地区土地资源、湖泊水文、生态环境与生物多样性、气候变化、冰川变化等提供丰富的数据资源。
关键词：天宫二号；青藏高原；宽波段成像仪；多光谱数据；专题产品
数据库（集）基本信息简介
编辑| 数据库（集）名称 | 天宫二号宽波段成像仪青藏高原专题数据集 |
| 数据作者 | 李盛阳、张万峰、刘志文、覃帮勇、于**、王博、邵雨阳、刘康、李雷娟、黑保琴、李轩、任海根 |
| 数据通信作者 | 覃帮勇（qinby@csu.ac.cn） |
| 数据时间范围 | 2016年9月至2018年11月 |
| 地理区域 | 青藏高原地理位置：北纬26°00′–39°47′，东经73°19′–104°47′。主要由昆仑山脉、唐古拉山脉、喜马拉雅山脉等山脉，青海湖、色林错、纳木错等湖泊，长江、黄河、澜沧江、怒江等河流组成。 |
| 空间分辨率 | （1）可见近红外谱段（100 m）；（2）短波红外谱段（200 m）；（3）热红外谱段（400 m）。 |
| 数据量 | 2.0 TB |
| 数据格式 | 影像数据为Geotiff格式（*.tif），影像缩略图为png格式，影像拇指图为jpg格式，辅助文件为xml格式 |
| 数据服务系统网址 | http://www.msadc.cn/t2/t2web/data/data_list.jsp http://www.sciencedb.cn/dataSet/handle/701 |
| 基金项目 | 国家科技部国家科技基础条件平台项目“国家基础科学数据共享服务平台”（DKA2018-12-02-23）。 |
| 数据库（集）组成 | 数据集由4部分数据组成：（1）可见近红外谱段数据产品；（2）短波红外谱段数据产品；（3）热红外谱段数据产品；（4）专题产品：地表反射率产品、地表温度产品、地表亮温产品、归一化植被指数产品、归一化积雪指数产品、归一化水体指数产品。 |
引 言
编辑青藏高原是世界屋脊、亚洲水塔和地球第三极，位于北纬26°00′–39°47′，东经73°19′–104°47′之间，东西长约2800公里，南北宽约300–1500公里，总面积约250万平方公里。境内高山大川密布，地势险峻多变，其平均海拔4000 m以上，是中国最大、世界海拔最高的高原。高原腹地年平均温度在0℃以下，最暖月平均温度也不足10℃，从南往北横跨亚热带湿润气候到寒带干旱高原气候等10个气候区，是北半球气候变化的启张器和调节器。其独特的地质构造、地形地貌和高原气候造就了特有的自然资源与生态环境系统，成为我国重要的战略资源储备基地和生态安全屏障[1][2]。
天宫二号空间实验室宽波段成像仪（以下简称宽波段成像仪）是国内首次在单台仪器上，实现多光谱大视场推扫成像功能的宽刈幅（约300公里）光学遥感器，包含3个谱段：可见近红外谱段（0.4 μm–1.0 μm，14个通道）、短波红外谱段（1.0 μm–1.7 μm，2个通道）和热红外谱段（8.0 μm–10.0 μm，2个通道）。3个谱段的空间分辨率分别为100 m、200 m和400 m[3][4][5]。自发射以来，宽波段成像仪通过对青藏高原的持续观测，获得了大量青藏高原数据产品，并生成了相应的专题产品，包括地表反射率产品、地表温度产品、地表亮温产品、归一化植被指数产品、归一化积雪指数产品、归一化水体指数产品，数据量总计超过2.0 TB。数据覆盖范围如图1所示。
青藏高原专题数据集包含数据产品与专题产品，其中数据产品有可见近红外谱段数据产品、短波红外谱段数据产品和热红外谱段数据产品，专题产品有地表反射率产品、地表温度产品、归一化植被指数产品及归一化积雪指数产品等。本数据集可作为青藏高原科学研究与综合考察的参考数据，应用于气候变化、生物多样性、土地覆盖类型及湖泊水文监测变化等领域。
1 数据采集和处理方法
编辑1.1 宽波段成像仪数据产品
编辑宽波段成像仪采用推扫成像模式，可见近红外、短波红外与热红外3个谱段单独成像，可见近红外有3个视场，短波红外和热红外各有2个视场。数据下行后，首先进行解格式处理，得到各谱段格式化原始数据；再经过视场拼接和均一性校正，将多个视场组合成一幅宽刈幅影像；接着按照成像时间进行分景处理，将一轨图像分割成多个连续的标准景；标准景图像数据经过相对及绝对辐射校正后，生成入瞳处的辐亮度图像，再经过传感器校正和几何投影生成带有地理坐标的图像数据产品[3][5]。处理流程如图2。
1.2 专题产品
编辑宽波段成像仪专题产品包括地表反射率产品、地表温度产品、地表亮温产品、归一化植被指数产品、归一化积雪指数产品、归一化水体指数产品。在生成的标准数据产品的基础上，利用辐射传输模型或暗像元法进行大气校正，进而得到地表反射率和地表亮温产品，在此基础上进一步生成地表温度、归一化植被指数、归一化积雪指数、归一化水体指数专题产品。植被指数公式为：
（1）
这里 为归一化植被指数， 为位于近红外波段的遥感通道所得到的反射率， 为位于可见光波段的红光通道得到的反射率[6]， 与 分别对应宽波段成像仪可见近红外谱段的通道5和通道9。
利用积雪在绿光波段反射率较高，在短波红外波段反射率较低的独特变化特征，构建的归一化积雪指数能有效识别积雪[7]。公式为：
（2）
这里为 归一化积雪指数， 为位于可见光波段的绿光通道得到的反射率， 为位于短波红外波段的遥感通道得到的反射率， 与 分别对应宽波段成像仪可见近红外谱段通道11和短波红外谱段通道2。根据经验，一般 区域可以定义为冰雪覆盖区。
归一化水体指数是基于绿波段与近红外波段反射率的归一化比值指数[8]，其公式为：
（3）
这里为 归一化水体指数， 与 分别选取宽波段可见近红外谱段的通道11和通道5进行归一化差值处理，突出显示影像水体信息。
2 数据样本描述
编辑宽波段成像仪数据产品以辐亮度值作为灰度值存储地面空间信息与光谱特征。本数据集采用对地观测领域标准数据格式，并配套有完整的元数据信息，方便数据读取和使用。
数据产品文件名以“飞行器_载荷名称_产品标识_数据类型_数据采集开始时间_数据采集结束时间_产品级别_分段号_分景号_产品生成时间_版本号.文件后缀”的格式命名[3]。
按照前后字段顺序，具体描述如表1。
表1 数据产品文件名字段描述表
| 字段名 | 含义 | 简写 |
|---|---|---|
| 飞行器 | 天宫二号空间实验室 | T2 |
| 载荷名称 | 宽波段成像仪 | MWI |
| 产品标识 | 可见近红外谱段 | VNI |
| 短波红外谱段 | SWI | |
| 热红外谱段 | INF | |
| 数据类型 | 图像数据 | IMG |
| 地表反射率产品 | LSR-RTM | |
| 地表温度产品 | LST | |
| 数据采集开始时间 | 以北京时间为标准，表示为“年月日时分秒” | 20180121122946 |
| 数据采集结束时间 | ||
| 产品级别 | 二级产品 | L2 |
| 五级产品 | L5 | |
| 分段号 | 未分段 | 000 |
| 分段 | 001、002…… | |
| 分景号 | 显示当前数据为整轨数据的第几景 | 1、2…… |
| 产品生成时间 | 以北京时间为标准，表示为“年月日时分秒” | 20181111143510 |
| 版本号 | 识别不同版本的数据产品 | V111、V211 |
| 文件后缀 | 图像数据产品 | tif |
| 元数据文件 | xml | |
| 缩略图 | png | |
| 拇指图 | jpg |
可见近红外谱段数据产品是使用8、10、12三个通道合成的近似真彩色影像（图3），图片名称T2_MWI_VNI_IMG_20180121122946_20180121124748_L2_000_8_20181111143510_V211.tif。
短波红外谱段数据产品通道1如图4所示，图片名称T2_MWI_SWI_IMG_20180121122946_20180121124748_L2_000_8_20181111121833_V211.tif。
热红外谱段数据产品通道1如图5所示，图片名称T2_MWI_INF_IMG_20180121122946_20180121124748_L2_000_8_20181111122009_V211.tif。
地表反射率产品如图6、图7所示，图片名称分别为T2_MWI_VNI_LSR-RTM_20180121122946_20180121124748_L5_000_8_20181127091444_V211.tif、T2_MWI_SWI_LSR-RTM_20180121122946_20180121124748_L5_000_8_20181127092919_V211.tif。
地表温度产品如图8所示，图片名称为T2_MWI_INF_LST_20180121122946_20180121124748_L5_000_8_20181127123217_V211.tif。
3 数据质量控制和评估
编辑在数据处理的各个环节，对数据产品进行质量控制，以确保数据产品的质量和精度。针对传感器在轨辐射性能的变化，2018年8月在敦煌和青海湖开展了宽波段成像仪外场辐射定标试验，通过外场同步测量的方式，计算得到传感器各通道的绝对辐射定标系数，从而有效改善和提高了数据产品的辐射精度。宽波段成像仪的可见近红外和短波红外谱段的绝对辐射定标精度优于10％，热红外谱段的绝对辐射定标精度优于2K。
在数据产品质量评估方面，针对数据格式[9]、辐射质量、几何精度、云量等进行了评价，并根据评价结果进行了筛选，将满足质量要求的数据产品发布共享。
数据产品格式检查包括数据格式正确性、数据完整性及数据有效性检查。
（1）数据格式检查主要对数据的命名、数据内容及数据结构等的正确性进行检查；
（2）数据完整性检查主要对数据文件的完备性、数据内容的完整性等进行检查；
（3）数据有效性主要对数据及参数取值是否有效进行检查。
数据产品辐射质量要求地表反射率及相关的各类指数产品与MODIS的地表反射率及专题产品的交叉验证平均误差在10%以内，地表亮温与MODIS地表亮温产品交叉验证平均误差在2K以内，地表温度产品的交叉验证平均误差在2.5K以内。数据产品的平均几何定位精度在10个像元以内。 此外，为保障数据产品的可用性，在数据发布前对图像中的云量进行检测。对于云量较多的图像数据，由于可用性较低，在发布的数据集中进行了剔除。
4 数据价值
编辑宽波段成像仪获取的中等分辨率多谱段数据产品，在青藏高原区域中大尺度地物目标监测、气候变化、生物多样性变化、土地覆盖类型及湖泊水文监测变化等方面具有广泛的应用前景。可见近红外谱段数据产品及地表反射率产品等专题产品可应用于气候变化监测[10][11][12]、土地覆盖类型调查[2]、冰川及积雪分布演变[13][14][15][16]、高原湖泊提取[17]、生态环境评价及突发性灾害监测等应用研究；短波红外谱段数据产品可用于土壤湿度[18][19]、农作物长势监测、云监测等应用研究；热红外谱段数据产品、地表温度产品可用于地表温度反演与分析、火灾监测、城市热岛效应等应用研究。
致 谢
编辑感谢载人航天工程提供天宫二号宽波段成像仪数据。
参考文献
编辑- ↑ 张镱锂, 李炳元, 郑度, 等. 论青藏高原范围与面积[J]. 地理研究, 2002, 21(1): 1-8.
- ^ 2.0 2.1 张丽, 王翠珍, 杨昊翔, 等. 青藏高原地区物候数据集、地表覆盖种类图和青海湖环湖地区草地生物量数据集[J/OL]. 中国科学数据, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0132.
- ^ 3.0 3.1 3.2 覃帮勇, 李盛阳, 郝忠翁, 等. 2016～2017年天宫二号空间实验室对地观测数据产品集[J/OL]. 中国科学数据, 2017, 2(4). (2017-12-20). DOI:10.11922/csdata.2017.0003.zh.
- ↑ 文汇. 天宫二号空间实验室实现多项“首次”验证[J]. 中国航天, 2016: 4-7.
- ^ 5.0 5.1 文汇. 天宫二号空间实验室实现多项“首次”验证[J]. 中国航天, 2016: 4-7.
- ↑ 聂欣然, 刘荣, 聂爱球, 等. 基于TM影像的新型组合水体指数模型研究[J]. 江苏农业科学, 2018,46(24): 374~378.
- ↑ HALL D K, RIGGS G A, SALOMONSON V V. Development of methods for mapping glogal snow cover using moderate resolution imaging spectroradiometer data[J]. Remote Sensing of Environment, 1995, 54(2): 127-140.
- ↑ 黎慧, 赵阳. 基于TM影像水体提取方法比较研究[J]. 科技前沿, 2018, 9: 195-196.
- ↑ 蒋玲梅, 徐维新, 张娟, 等. 2015～2016年青藏高原积雪深度自动观测数据集 [J/OL]. 中国科学数据, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0116.
- ↑ 郭学军, 王永杰, 张国帅, 等. 青藏高原野外台站大气物理观测数据[J/OL]. 中国科学数据, 2016, 1(1). DOI: 10.11922/csdata.170.2015.0003.
- ↑ 周玉科, 高琪. 1960～2012年青藏高原极端气候指数数据集[J/OL]. 中国科学数据, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0143.
- ↑ Wu G X, HE B, DUAN A M, et al. Formation and Variation of the Atmospheric Heat Source over the Tibetan Plateau and Its Climate Effects[J]. ADVANCES IN ATMOSPHERIC SCIENCES, 2017, 34: 169-1184.
- ↑ 吴坤鹏, 刘时银, 郭万钦. 1980–2015年岗日嘎布地区冰川分布数据集[J/OL]. 中国科学数据, 2018, 3(4). (2018-06-05). DOI: 10.11922/csdata.2018.0013.zh.
- ↑ 拉巴卓玛, 邱玉宝, 除多, 等. 1972～2017年西藏卡若拉冰川分布数据集[J/OL]. 中国科学数据, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0121.
- ↑ 张勇, 刘时银, 王欣. 2009年贡嘎山海螺沟冰川表碛空间分布数据集[J/OL]. 中国科学数据, 2018, 3(4). (2018-06-26). DOI: 10.11922/csdata.2018.0022.zh.
- ↑ 邱玉宝, 郭华东, 除多, 等. 青藏高原MODIS逐日无云积雪面积数据集[J/OL]. 中国科学数据, 2016, 1(1). (2018-10-31). DOI: 10.11922/csdata.170.2016.0003.
- ↑ 刘康, 任海根, 李盛阳, 等. 基于天宫二号多光谱数据的青藏高原冻湖自动提取[J]. 红外与激光工程, 2019, 48(3).
- ↑ 芮俊鹏, 安家兴, 牛海山, 李香真. 内蒙古及青藏高原草地土壤生物数据集[J/OL]. 中国科学数据, 2016, 1(3). DOI:10.11922/csdata.170.2015.0021.
- ↑ 马伟强, 马耀明, 胡泽勇, 等. 土壤湿度在青藏高原地表通量模拟中的表现[J]. 第35届中国气象学会年会, 2018: 189.
数据引用格式
编辑李盛阳, 张万峰, 刘志文, 等. 天宫二号宽波段成像仪青藏高原专题数据集[DB/OL]. Science Data Bank, 2018. (2019-03-01). DOI: 10.11922/sciencedb.701.
