京津冀城市群大区域高分卫星数据产品

卫星遥感数据即得即用（RTU）产品集 II 区论文（已发表） • 版本 ZH3 Vol 5 (4) 2020

京津冀城市群大区域高分卫星数据产品

A large-region high-resolution satellite dataset of Beijing-Tianjin-Hebei Urban Agglomeration

龙腾飞，何国金，焦伟利，王桂周

Long Tengfei, He Guojin, Jiao Weili, Wang Guizhou

DOI: 10.11922/csdata.2020.0015.zh
PID: 21.86101.1/csdata.2020.0015.zh
: 10.11922/sciencedb.967

： 2020 - 04 - 06

： 2020 - 12 - 05

： 2020 - 04 - 10

： 2020 - 12 - 30

1381 9 0

摘要&关键词

摘要：采用2018–2019年的国产高分一号B/C、高分二号、高分六号等卫星遥感数据，通过影像配准、平差、几何校正、影像融合、影像镶嵌等卫星数据深加工处理方法得到京津冀城市群地区大区域高分辨率镶嵌影像，空间分辨率为2 m，是针对京津冀城市群研制的现势性较好的高分卫星即得即用数据产品。本数据集云量少、色彩均衡、几何精度约为1–2像素（即2–4 m）。影像数据包含可见光及近红外波段，可为京津冀城市群的土地利用、城市发展、生态环境监测等方面的研究及应用提供数据支撑。

关键词：即得即用；京津冀；镶嵌；大区域；正射影像

Abstract & Keywords

Abstract: Byusing domestic remote sensing data such as domestic GF-1 B/C, GF-2 and GF-6 from 2018 to 2019, and adopting value-added processing methods of satellite data such as image registration, block adjustment, geometric orthorectification, image fusion, and image mosaic, we obtained a high-resolution mosaic image of a large area in the Beijing-Tianjin-Hebei urban agglomeration with a spatial resolution of 2 m. This dataset has few clouds, balanced color, and geometric accuracy of about 1–2 pixels (2–4 m). The image data includes visible light and near-infrared bands, which can provide data support for the research and application of land use, urban development, and ecological environment monitoring in the Beijing-Tianjin-Hebei urban agglomeration

Keywords: Ready To Use; Beijing-Tianjin-Hebei; mosaic; large area; orthophoto

数据库（集）基本信息简介

数据库（集）名称	京津冀城市群大区域高分卫星数据集
数据作者	龙腾飞、何国金、焦伟利、王桂周
数据通信作者	何国金（hegj@radi.ac.cn）
数据时间范围	2018–2019年
地理区域	地理范围包括北纬43°19′3″–34°54′40″，东经113°9′16″–120°48′30″。地理区域范围包括北京市、天津市、河北省。
空间分辨率	2 m
数据量	682 GB
数据格式	*.tif
数据服务系统网址	ftp://124.16.184.141/csdata/Jingjinji2018-2019/ http://www.sciencedb.cn/dataSet/handle/967
基金项目	中国科学院Ａ类战略性先导科技专项（XDA19090300）；国家自然科学基金项目（61701495、61731022）。
数据库（集）组成	数据集共包括4个数据文件，它们分别：jingjinji.TIF、jingjinji.TIF.ovr、jingjinji_BROWSER.JPG、seamline.shp。其中：(1) jingjinji.TIF是影像数据，数据量511 GB；(2) jingjinji.TIF.ovr 是金字塔数据，数据量170 GB；(3) jingjinji_BROWSER.JPG是缩略图文件，数据量934 KB；(4) seamline.shp是镶嵌线文件，数据量2.85 MB。

Dataset Profile

Title	A large-region high-resolution satellite dataset of Beijing-Tianjin-Hebei Urban Agglomeration
Data corresponding author	He Guojin (hegj@radi.ac.cn)
Data authors	Long Tengfei, He Guojin, Jiao Weili, Wang Guizhou
Time range	2018–2019
Geographical scope	Beijing, Tianjin and Hebei (43°19′3″N – 34°54′40″N, 113°9′16″E – 120°48′30″E)
Spatial resolution	2 m
Data volume	682 GB
Data format	*.tif
Data service system	<ftp://124.16.184.141/csdata/Jingjinji2018-2019/> <http://www.sciencedb.cn/dataSet/handle/967>
Sources of funding	Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19090300); National Natural Science Foundation of China (61701495, 61731022).
Dataset composition	The dataset consists of 4 sub-datasets in total: (1) The sub-dataset named jingjinji.TIF consists of image data, with a size of 511 GB; (2) The sub-dataset named jingjinji.TIF.ovr is made up of an image pyramid, with a size of 170 GB; (3) The sub-dataset named jingjinji_BROWSER.JPG is an image browser file, with a size of 934 KB; (4) The sub-dataset named seamline.shp is a seamline file, with a size of 2.85 MB.

引言

京津冀城市群是中国的政治、文化中心，也是中国北方经济的重要核心区。近年来，随着京津冀一体化的推进，特别是北京通州城市副中心、河北雄安新区^[1]的建设，京津冀城市群的发展非常迅速，城市面貌日新月异。该区域的大气环境^[2]、城市绿地^[3]、土地利用格局^[4]、土地生态状况^[5-6]等问题受到广泛的关注。卫星遥感技术作为一种在不直接接触的情况下，对目标物或自然现象远距离感知的一门探测技术，可以快速、客观地获取城市发展、建设的有关信息，从而全面、高效地了解城市的发展变化。而随着遥感应用的深入和普及，广大用户对数据产品需求逐渐的由基础型向深加工型转变。为了能更加高效、快速地提供标准化的深加工产品，何国金等人首次提出了即得即用（Ready To Use，RTU）卫星遥感产品理念^[7-8]。该理念是将卫星遥感数据加工成用户能够直接使用的级别，免去用户在使用过程中繁琐的预处理过程，从而提高工作效率。

本文采用2018–2019年的国产高分一号B/C、高分二号、高分六号等卫星遥感数据，通过卫星数据深加工处理方法得到京津冀城市群地区大区域高分辨率镶嵌影像，是针对京津冀城市群研制的现势性较好的高分卫星即得即用数据产品。本数据集特点是云量少、定位精度高和色彩均衡，能够直接下载使用。

1 数据采集和处理方法

1.1 数据源

为保证数据集的现势性和数据质量，本数据集的数据来源包括高分一号B/C、高分二号、高分六号等多种卫星数据，合计93景，空间范围完全覆盖京津冀城市圈，全色影像空间分辨率优于2 m。高分卫星原始数据由中国遥感卫星地面站接收、中国资源卫星应用中心分发，影像数据自带有理函数模型（RPC模型）参数，但由于自带RPC模型存在一定误差，无法直接用于正射影像的生产。影像的覆盖范围及时相信息分别如图1和表1所示。

图1 高分卫星影像覆盖范围

表1 高分卫星影像获取时间

卫星	日期
高分一号B卫星	20181228, 20190122, 20190122, 20190122, 20190227, 20190227, 20190308, 20190308, 20190308, 20190316, 20190316, 20190316, 20190406, 20190422, 20190422, 20190422, 20190528, 20190528, 20190528
高分一号C卫星	20190318, 20190415, 20190522, 20190522, 20190522, 20190522, 20190522, 20190522, 20190522, 20190522, 20190701, 20190701
高分二号	20190703
高分六号	20180620, 20180620, 20180628, 20180824, 20180824, 20180906, 20180922, 20180922, 20181029, 20181127, 20181127, 20181127, 20190115, 20190115, 20190123, 20190123, 20190123, 20190123, 20190123, 20190123, 20190123, 20190123, 20190205, 20190205, 20190213, 20190217, 20190217, 20190217, 20190217, 20190221, 20190221, 20190221, 20190301, 20190301, 20190313, 20190313, 20190313, 20190313, 20190317, 20190317, 20190318, 20190318, 20190322, 20190322, 20190326, 20190326, 20190326, 20190330, 20190330, 20190330, 20190415, 20190415, 20190415, 20190415, 20190415, 20190419, 20190502, 20190502, 20190506, 20190514, 20190514

1.2 数据处理

大区域卫星数据即得即用遥感产品的深加工处理主要包含影像配准、平差、几何校正、影像融合和影像镶嵌，流程如图2。

图2 高分卫星数据深加工处理流程

以下主要对影像自动匹配、区域网平差、正射校正、影像融合和匀色镶嵌等关键步骤进行说明。

1.2.1 影像自动匹配

影像自动匹配是高效获取地面控制点和连接点的有效方法。为保证采集到的控制点在空间上分布均匀，我们将高分一号WFV原始影像划分为规则的格网，然后在每个格网内利用SIFT算法^[9]自动匹配一个控制点。另一方面，通过划分格网也可得到大小合适的影像块，从而提高SIFT匹配算法的速度和成功率。借助待匹配影像的初始RPC模型，参考影像块的范围可以根据待匹配影像块的影像坐标近似计算得到。此外，我们还可以将参考影像块重采样成与待校正影像块相近的分辨率，从而让SIFT匹配更加稳健。以2 m分辨率的正射镶嵌影像作为参考影像，利用影像自动匹配方法从参考影像提取地面控制点、在影像间提取连接点。

1.2.2 区域网平差

以RPC模型作为通用几何成像模型，利用自动匹配得到的地面控制点和连接点，根据光束法原理在DEM数据的辅助下对多源高分卫星影像进行区域网平差，修正影像自带的RPC模型，同时保证影像的绝对定位精度和影像间的接边精度。图3为区域网平差效果示例，图3(a)中，未经过区域网平差时，接边影像间存在错位；图3(b)中，经过区域网平差后，影像间几何一致性较好。

图3 区域网平差效果示例

(a) 未经过区域网平差的结果 (b) 经过区域网平差处理的结果

1.2.3 正射校正

利用修正后的RPC模型和DEM数据，按WGS84坐标系Albers投影（中央经线为110度，原点纬度为10度，双标准纬线为北纬25度和北纬47度）和2 m（全色）或8 m（多光谱）分辨率建立输出正射影像的规则格网，然后计算输出影像格网中的每一点对应于原始高分一号WFV影像的像素坐标：根据输出影像左上角点的投影坐标及影像的空间分辨率计算输出格网点的投影坐标，并将投影坐标转换为地理坐标（经纬度），然后利用修正后的RPC模型和DEM数据将经纬度和高程计算为对应的原始影像像平面坐标。一般地，计算得到的像平面点的坐标值不为整数，则需采用双三次卷积法插值得到相应的灰度值填充到输出影像格网中。

1.2.4 影像融合

基于Pansharp^[10]融合算法，综合高分辨率全色图像的几何纹理细节信息和低分辨率多光谱图像的光谱，以最大的光谱保真度实现低分辨率多光谱数据与高分辨率全色数据的融合。图4展示了局部区域融合的效果，可以看到，融合影像与原多光谱影像色彩一致性好，空间细节信息显著增强。

图4 Pansharp融合效果示意图

(a) 多光谱影像 (b) 全色影像 (c) 融合后的影像

1.2.5 影像镶嵌

针对经过几何标准化处理后的大规模遥感正射影像，采用Graph Cut方法自动提取最优镶嵌线，并匀光匀色，然后进行分布式并行镶嵌处理，实现城市群尺度高分辨率遥感影像的快速无缝镶嵌。

2 数据样本描述

本数据集为京津冀城市群2018–2019年2 m分辨率的融合、镶嵌影像，其空间分辨率为2 m，坐标系为WGS1984，投影方式为Albers投影，中央经线为110度，原点纬度为10度，双标准纬线为北纬25度和北纬47度，包含可见光和近红外4个波段，量化级数为8 bit，总数据量约为682 GB。数据集由4个文件组成：影像文件、金字塔文件、镶嵌线文件、缩略图文件。京津冀城市群2018–2019年镶嵌影像的缩略图如图5所示，北京故宫和雄安新区的局部放大效果如图6和图7所示，其中图5和图6为3、2、1波段合成的真彩色影像，图7为3、4、2波段合成的假彩色影像。

图5 京津冀城市群大区域镶嵌影像真彩色合成缩略图（RGB=321）

图6 北京故宫真彩色合成（RGB=321）

图7 雄安新区（局部）假彩色合成（RGB=342）

3 数据质量控制和评估

以2 m分辨率的正射镶嵌影像为参考，采用自动匹配方法对京津冀城市群镶嵌影像采集90个均匀分布的检查点，用于评价镶嵌影像的几何定位精度。结果表明该数据集的几何精度约为1–2像素（即2–4 m），检查点及其平面误差的分布如图8所示。

图8 京津冀城市群镶嵌影像检查点及其精度分布

4 数据价值

本数据集是京津冀城市群地区2018–2019年的无缝镶嵌影像，空间分辨率为2 m，包含可见光及近红外波段，云量少、定位精度高，可直接用于遥感影像制图、植被指数计算、目视判别、影像自动分类或变化检测等遥感分析应用。本数据集包含影像数据、影像金字塔、缩略图和镶嵌线矢量文件，便于用户了解数据的属性、影像来源及时相信息。本数据集可为京津冀城市群的土地利用、城市发展、生态环境监测等方面的研究及应用提供数据支撑。

5 数据使用方法和建议

京津冀城市群地区时间序列正射影像数据集保存为GeoTIFF格式，包含4个波段，能够在ENVI、PCI、ArcGIS和QGIS等遥感和GIS主流软件中读取和操作。

后续本数据集将会定期补充该区域新的即得即用遥感产品，为京津冀城市群的动态遥感监测提供基础数据支撑。

致谢

感谢中国资源卫星应用中心提供数据支持。

[1]

国务院. 国务院关于河北雄安新区总体规划(2018-2035年)的批复[J]. 中华人民共和国国务院公报, 2019 (2): 26-29.

+ CSCD · Baidu Scholar

[2]

陈国鹰, 郑姝慧, 张爱国, 等. 京津冀城市群大气环境效率研究[J]. 资源开发与市场, 2019, 35(1): 50-6.

+ CSCD · Baidu Scholar

[3]

王德起, 庞晓庆. 京津冀城市群绿色土地利用效率研究[J]. 中国人口·资源与环境, 2019, (4): 8.

+ CSCD · Baidu Scholar

[4]

杨浩. 京津冀城市群土地利用/覆被时空格局变化[J]. 江苏农业科学, 2018 (10): 67.

+ CSCD · Baidu Scholar

[5]

于潇, 吕春艳, 郭旭东, 等. 京津冀城市群地区土地生态状况评估[J]. 中国土地科学, 2018 (4): 89-96.

+ CSCD · Baidu Scholar

[6]

白英丽, 刘瀚, 韩维涛. 京津冀城市群区域尺度土地生态遥感监测研究[J]. 河北地质大学学报, 2019 (5): 9.

+ CSCD · Baidu Scholar

[7]

何国金, 王力哲, 马艳, 等. 对地观测大数据处理: 挑战与思考[J]. 科学通报, 2014, 60 (5-6): 470-478.

+ CSCD · Baidu Scholar

[8]

HE G J, ZHANG Z M, JIAO W L, et al. Generation of ready to use (RTU) products over china based on Landsat series data[J]. Big Earth Data, 2018, 2 (1): 56-64.

+ CSCD · Baidu Scholar

[9]

LOWE DG. Distinctive image features from scale-invariant keypoints[J]. International journal of computer vision, 2004, 60(2): 91-110.

+ CSCD · Baidu Scholar

[10]

ZHANG Y. Problems in the fusion of commercial high-resolution satellite as well as Landsat 7 images and initial solutions[C]. In ISPRS, Vol. 34, Part 4, GeoSpatial Theory, Processing and Applications, Ottawa, Canada, 2002.

+ CSCD · Baidu Scholar

数据引用格式

龙腾飞, 何国金, 焦伟利, 等. 京津冀城市群大区域高分卫星数据产品[DB/OL]. Science Data Bank, 2020. (2020-04-06). DOI: 10.11922/sciencedb.967.

稿件与作者信息

论文引用格式

龙腾飞, 何国金, 焦伟利, 等. 京津冀城市群大区域高分卫星数据产品[J/OL]. 中国科学数据, 2020, 5(4). (2020-06-08). DOI: 10.11922/csdata.2020.0015.zh.

龙腾飞

Long Tengfei

主要承担工作：算法设计和数据处理。

（1986—），男，湖北省武汉市人，博士，助理研究员，研究方向为遥感图像智能处理。

何国金

He Guojin

主要承担工作：总体思路与方案设计。

hegj@radi.ac.cn

（1968—），男，福建省龙岩市人，博士，研究员，研究方向为遥感信息智能服务。

焦伟利

Jiao Weili

主要承担工作：数据处理流程设计。

（1965—），女，辽宁省凤城市人，正高级工程师，研究方向为遥感图像处理与工程应用。

王桂周

Wang Guizhou

主要承担工作：数据收集和产品精度检查。

（1984—），男，山东省济宁市人，博士，高级工程师，研究方向为遥感图像智能处理。

出版历史

I区发布时间：2020年4月10日（版本ZH2）

II区出版时间：2020年12月30日（版本ZH3）