天宮二號寬波段成像儀青藏高原專題數據集
摘要&關鍵詞 編輯
摘要：青藏高原是世界屋脊、亞洲水塔，是地球第三極，以第三極為起點向西擴展的面積約2000萬平方公里的泛第三極地區是「一帶一路」核心區。目前我國開展的第二次青藏高原綜合科學考察研究將揭示青藏高原環境變化機理，優化生態安全屏障體系，對推動青藏高原可持續發展、推進國家生態文明建設、促進全球生態環境保護具有十分重要的作用。天宮二號寬波段成像儀自2016年9月發射至今，對青藏高原進行了持續觀測，獲得了大量多時相多譜段遙感數據。經過輻射校正、幾何校正、定量反演等處理和質量控制，生產了一批青藏高原專題數據集，通過載人航天空間應用數據推廣服務平台（http://www.msadc.cn）進行分發和共享。本數據集包含天宮二號寬波段成像儀發射至今獲取的青藏高原地區高質量影像數據及地表反射率、地表溫度、地表亮溫、歸一化植被指數、歸一化積雪指數、歸一化水體指數專題產品，將為研究該地區土地資源、湖泊水文、生態環境與生物多樣性、氣候變化、冰川變化等提供豐富的數據資源。
關鍵詞：天宮二號；青藏高原；寬波段成像儀；多光譜數據；專題產品
數據庫（集）基本信息簡介 編輯
| 數據庫（集）名稱 | 天宮二號寬波段成像儀青藏高原專題數據集 |
| 數據作者 | 李盛陽、張萬峰、劉志文、覃幫勇、於**、王博、邵雨陽、劉康、李雷娟、黑保琴、李軒、任海根 |
| 數據通信作者 | 覃幫勇（qinby@csu.ac.cn） |
| 數據時間範圍 | 2016年9月至2018年11月 |
| 地理區域 | 青藏高原地理位置：北緯26°00′–39°47′，東經73°19′–104°47′。主要由崑崙山脈、唐古拉山脈、喜馬拉雅山脈等山脈，青海湖、色林錯、納木錯等湖泊，長江、黃河、瀾滄江、怒江等河流組成。 |
| 空間分辨率 | （1）可見近紅外譜段（100 m）；（2）短波紅外譜段（200 m）；（3）熱紅外譜段（400 m）。 |
| 數據量 | 2.0 TB |
| 數據格式 | 影像數據為Geotiff格式（*.tif），影像縮略圖為png格式，影像拇指圖為jpg格式，輔助文件為xml格式 |
| 數據服務系統網址 | http://www.msadc.cn/t2/t2web/data/data_list.jsp http://www.sciencedb.cn/dataSet/handle/701 |
| 基金項目 | 國家科技部國家科技基礎條件平台項目「國家基礎科學數據共享服務平台」（DKA2018-12-02-23）。 |
| 數據庫（集）組成 | 數據集由4部分數據組成：（1）可見近紅外譜段數據產品；（2）短波紅外譜段數據產品；（3）熱紅外譜段數據產品；（4）專題產品：地表反射率產品、地表溫度產品、地表亮溫產品、歸一化植被指數產品、歸一化積雪指數產品、歸一化水體指數產品。 |
引 言 編輯
青藏高原是世界屋脊、亞洲水塔和地球第三極，位於北緯26°00′–39°47′，東經73°19′–104°47′之間，東西長約2800公里，南北寬約300–1500公里，總面積約250萬平方公里。境內高山大川密布，地勢險峻多變，其平均海拔4000 m以上，是中國最大、世界海拔最高的高原。高原腹地年平均溫度在0℃以下，最暖月平均溫度也不足10℃，從南往北橫跨亞熱帶濕潤氣候到寒帶乾旱高原氣候等10個氣候區，是北半球氣候變化的啟張器和調節器。其獨特的地質構造、地形地貌和高原氣候造就了特有的自然資源與生態環境系統，成為我國重要的戰略資源儲備基地和生態安全屏障[1][2]。
天宮二號空間實驗室寬波段成像儀（以下簡稱寬波段成像儀）是國內首次在單台儀器上，實現多光譜大視場推掃成像功能的寬刈幅（約300公里）光學遙感器，包含3個譜段：可見近紅外譜段（0.4 μm–1.0 μm，14個通道）、短波紅外譜段（1.0 μm–1.7 μm，2個通道）和熱紅外譜段（8.0 μm–10.0 μm，2個通道）。3個譜段的空間分辨率分別為100 m、200 m和400 m[3][4][5]。自發射以來，寬波段成像儀通過對青藏高原的持續觀測，獲得了大量青藏高原數據產品，並生成了相應的專題產品，包括地表反射率產品、地表溫度產品、地表亮溫產品、歸一化植被指數產品、歸一化積雪指數產品、歸一化水體指數產品，數據量總計超過2.0 TB。數據覆蓋範圍如圖1所示。
青藏高原專題數據集包含數據產品與專題產品，其中數據產品有可見近紅外譜段數據產品、短波紅外譜段數據產品和熱紅外譜段數據產品，專題產品有地表反射率產品、地表溫度產品、歸一化植被指數產品及歸一化積雪指數產品等。本數據集可作為青藏高原科學研究與綜合考察的參考數據，應用於氣候變化、生物多樣性、土地覆蓋類型及湖泊水文監測變化等領域。
1 數據採集和處理方法 編輯
1.1 寬波段成像儀數據產品 編輯
寬波段成像儀採用推掃成像模式，可見近紅外、短波紅外與熱紅外3個譜段單獨成像，可見近紅外有3個視場，短波紅外和熱紅外各有2個視場。數據下行後，首先進行解格式處理，得到各譜段格式化原始數據；再經過視場拼接和均一性校正，將多個視場組合成一幅寬刈幅影像；接着按照成像時間進行分景處理，將一軌圖像分割成多個連續的標準景；標準景圖像數據經過相對及絕對輻射校正後，生成入瞳處的輻亮度圖像，再經過傳感器校正和幾何投影生成帶有地理坐標的圖像數據產品[3][5]。處理流程如圖2。
1.2 專題產品 編輯
寬波段成像儀專題產品包括地表反射率產品、地表溫度產品、地表亮溫產品、歸一化植被指數產品、歸一化積雪指數產品、歸一化水體指數產品。在生成的標準數據產品的基礎上，利用輻射傳輸模型或暗像元法進行大氣校正，進而得到地表反射率和地表亮溫產品，在此基礎上進一步生成地表溫度、歸一化植被指數、歸一化積雪指數、歸一化水體指數專題產品。植被指數公式為：
（1）
這裡 為歸一化植被指數， 為位於近紅外波段的遙感通道所得到的反射率， 為位於可見光波段的紅光通道得到的反射率[6]， 與 分別對應寬波段成像儀可見近紅外譜段的通道5和通道9。
利用積雪在綠光波段反射率較高，在短波紅外波段反射率較低的獨特變化特徵，構建的歸一化積雪指數能有效識別積雪[7]。公式為：
（2）
這裡為 歸一化積雪指數， 為位於可見光波段的綠光通道得到的反射率， 為位於短波紅外波段的遙感通道得到的反射率， 與 分別對應寬波段成像儀可見近紅外譜段通道11和短波紅外譜段通道2。根據經驗，一般 區域可以定義為冰雪覆蓋區。
歸一化水體指數是基於綠波段與近紅外波段反射率的歸一化比值指數[8]，其公式為：
（3）
這裡為 歸一化水體指數， 與 分別選取寬波段可見近紅外譜段的通道11和通道5進行歸一化差值處理，突出顯示影像水體信息。
2 數據樣本描述 編輯
寬波段成像儀數據產品以輻亮度值作為灰度值存儲地面空間信息與光譜特徵。本數據集採用對地觀測領域標準數據格式，並配套有完整的元數據信息，方便數據讀取和使用。
數據產品文件名以「飛行器_載荷名稱_產品標識_數據類型_數據採集開始時間_數據採集結束時間_產品級別_分段號_分景號_產品生成時間_版本號.文件後綴」的格式命名[3]。
按照前後字段順序，具體描述如表1。
表1 數據產品文件名字段描述表
| 字段名 | 含義 | 簡寫 |
|---|---|---|
| 飛行器 | 天宮二號空間實驗室 | T2 |
| 載荷名稱 | 寬波段成像儀 | MWI |
| 產品標識 | 可見近紅外譜段 | VNI |
| 短波紅外譜段 | SWI | |
| 熱紅外譜段 | INF | |
| 數據類型 | 圖像數據 | IMG |
| 地表反射率產品 | LSR-RTM | |
| 地表溫度產品 | LST | |
| 數據採集開始時間 | 以北京時間為標準，表示為「年月日時分秒」 | 20180121122946 |
| 數據採集結束時間 | ||
| 產品級別 | 二級產品 | L2 |
| 五級產品 | L5 | |
| 分段號 | 未分段 | 000 |
| 分段 | 001、002…… | |
| 分景號 | 顯示當前數據為整軌數據的第幾景 | 1、2…… |
| 產品生成時間 | 以北京時間為標準，表示為「年月日時分秒」 | 20181111143510 |
| 版本號 | 識別不同版本的數據產品 | V111、V211 |
| 文件後綴 | 圖像數據產品 | tif |
| 元數據文件 | xml | |
| 縮略圖 | png | |
| 拇指圖 | jpg |
可見近紅外譜段數據產品是使用8、10、12三個通道合成的近似真彩色影像（圖3），圖片名稱T2_MWI_VNI_IMG_20180121122946_20180121124748_L2_000_8_20181111143510_V211.tif。
短波紅外譜段數據產品通道1如圖4所示，圖片名稱T2_MWI_SWI_IMG_20180121122946_20180121124748_L2_000_8_20181111121833_V211.tif。
熱紅外譜段數據產品通道1如圖5所示，圖片名稱T2_MWI_INF_IMG_20180121122946_20180121124748_L2_000_8_20181111122009_V211.tif。
地表反射率產品如圖6、圖7所示，圖片名稱分別為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。
地表溫度產品如圖8所示，圖片名稱為T2_MWI_INF_LST_20180121122946_20180121124748_L5_000_8_20181127123217_V211.tif。
3 數據質量控制和評估 編輯
在數據處理的各個環節，對數據產品進行質量控制，以確保數據產品的質量和精度。針對傳感器在軌輻射性能的變化，2018年8月在敦煌和青海湖開展了寬波段成像儀外場輻射定標試驗，通過外場同步測量的方式，計算得到傳感器各通道的絕對輻射定標係數，從而有效改善和提高了數據產品的輻射精度。寬波段成像儀的可見近紅外和短波紅外譜段的絕對輻射定標精度優於10％，熱紅外譜段的絕對輻射定標精度優於2K。
在數據產品質量評估方面，針對數據格式[9]、輻射質量、幾何精度、雲量等進行了評價，並根據評價結果進行了篩選，將滿足質量要求的數據產品發布共享。
數據產品格式檢查包括數據格式正確性、數據完整性及數據有效性檢查。
（1）數據格式檢查主要對數據的命名、數據內容及數據結構等的正確性進行檢查；
（2）數據完整性檢查主要對數據文件的完備性、數據內容的完整性等進行檢查；
（3）數據有效性主要對數據及參數取值是否有效進行檢查。
數據產品輻射質量要求地表反射率及相關的各類指數產品與MODIS的地表反射率及專題產品的交叉驗證平均誤差在10%以內，地表亮溫與MODIS地表亮溫產品交叉驗證平均誤差在2K以內，地表溫度產品的交叉驗證平均誤差在2.5K以內。數據產品的平均幾何定位精度在10個像元以內。 此外，為保障數據產品的可用性，在數據發布前對圖像中的雲量進行檢測。對於雲量較多的圖像數據，由於可用性較低，在發布的數據集中進行了剔除。
4 數據價值 編輯
寬波段成像儀獲取的中等分辨率多譜段數據產品，在青藏高原區域中大尺度地物目標監測、氣候變化、生物多樣性變化、土地覆蓋類型及湖泊水文監測變化等方面具有廣泛的應用前景。可見近紅外譜段數據產品及地表反射率產品等專題產品可應用於氣候變化監測[10][11][12]、土地覆蓋類型調查[2]、冰川及積雪分布演變[13][14][15][16]、高原湖泊提取[17]、生態環境評價及突發性災害監測等應用研究；短波紅外譜段數據產品可用於土壤濕度[18][19]、農作物長勢監測、雲監測等應用研究；熱紅外譜段數據產品、地表溫度產品可用於地表溫度反演與分析、火災監測、城市熱島效應等應用研究。
致 謝 編輯
感謝載人航天工程提供天宮二號寬波段成像儀數據。
參考文獻 編輯
- ↑ 張鐿鋰, 李炳元, 鄭度, 等. 論青藏高原範圍與面積[J]. 地理研究, 2002, 21(1): 1-8.
- ^ 2.0 2.1 張麗, 王翠珍, 楊昊翔, 等. 青藏高原地區物候數據集、地表覆蓋種類圖和青海湖環湖地區草地生物量數據集[J/OL]. 中國科學數據, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0132.
- ^ 3.0 3.1 3.2 覃幫勇, 李盛陽, 郝忠翁, 等. 2016～2017年天宮二號空間實驗室對地觀測數據產品集[J/OL]. 中國科學數據, 2017, 2(4). (2017-12-20). DOI:10.11922/csdata.2017.0003.zh.
- ↑ 文匯. 天宮二號空間實驗室實現多項「首次」驗證[J]. 中國航天, 2016: 4-7.
- ^ 5.0 5.1 文匯. 天宮二號空間實驗室實現多項「首次」驗證[J]. 中國航天, 2016: 4-7.
- ↑ 聶欣然, 劉榮, 聶愛球, 等. 基於TM影像的新型組合水體指數模型研究[J]. 江蘇農業科學, 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, 趙陽. 基於TM影像水體提取方法比較研究[J]. 科技前沿, 2018, 9: 195-196.
- ↑ 蔣玲梅, 徐維新, 張娟, 等. 2015～2016年青藏高原積雪深度自動觀測數據集 [J/OL]. 中國科學數據, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0116.
- ↑ 郭學軍, 王永傑, 張國帥, 等. 青藏高原野外台站大氣物理觀測數據[J/OL]. 中國科學數據, 2016, 1(1). DOI: 10.11922/csdata.170.2015.0003.
- ↑ 周玉科, 高琪. 1960～2012年青藏高原極端氣候指數數據集[J/OL]. 中國科學數據, 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.
- ↑ 吳坤鵬, 劉時銀, 郭萬欽. 1980–2015年崗日嘎布地區冰川分布數據集[J/OL]. 中國科學數據, 2018, 3(4). (2018-06-05). DOI: 10.11922/csdata.2018.0013.zh.
- ↑ 拉巴卓瑪, 邱玉寶, 除多, 等. 1972～2017年西藏卡若拉冰川分布數據集[J/OL]. 中國科學數據, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0121.
- ↑ 張勇, 劉時銀, 王欣. 2009年貢嘎山海螺溝冰川表磧空間分布數據集[J/OL]. 中國科學數據, 2018, 3(4). (2018-06-26). DOI: 10.11922/csdata.2018.0022.zh.
- ↑ 邱玉寶, 郭華東, 除多, 等. 青藏高原MODIS逐日無雲積雪面積數據集[J/OL]. 中國科學數據, 2016, 1(1). (2018-10-31). DOI: 10.11922/csdata.170.2016.0003.
- ↑ 劉康, 任海根, 李盛陽, 等. 基於天宮二號多光譜數據的青藏高原凍湖自動提取[J]. 紅外與激光工程, 2019, 48(3).
- ↑ 芮俊鵬, 安家興, 牛海山, 李香真. 內蒙古及青藏高原草地土壤生物數據集[J/OL]. 中國科學數據, 2016, 1(3). DOI:10.11922/csdata.170.2015.0021.
- ↑ 馬偉強, 馬耀明, 胡澤勇, 等. 土壤濕度在青藏高原地表通量模擬中的表現[J]. 第35屆中國氣象學會年會, 2018: 189.
數據引用格式 編輯
李盛陽, 張萬峰, 劉志文, 等. 天宮二號寬波段成像儀青藏高原專題數據集[DB/OL]. Science Data Bank, 2018. (2019-03-01). DOI: 10.11922/sciencedb.701.
