一种基于对象的PlanetScope卫星时间序列影像的空缺填充方法
简讯：
近年来，PlanetScope卫星以其高分辨率和高重访频率为地表监测提供了前所未有的机遇。而云层遮挡导致的有效值缺失，极大地限制了PlanetScope数据的应用场景。目前，PlanetScope时间序列影像的空缺填充仍然具有挑战性，主要受制于（1）如何针对不同大小的空缺均生成高精度填充结果，特别是针对异质景观，以及（2）如何有效恢复发生了快速土地覆盖转化的缺失像素。为此，本文提出了一种基于对象的PlanetScope卫星时间序列影像的空缺填充（OCBGF）方法。主要创新点为：（1）采用基于对象的分割方法，结合无监督分类描述景观的异质性，搜索邻近的有效像素来填补空缺，无需考虑空缺范围的大小，提高了适用性；（2）并且依据时间变化模式分配变化场景，采用特定的方式有效填补土地覆盖转化区域的空缺。文章选择了种植园、耕地、城市和森林四类土地覆盖的四个站点为代表，对所提方法进行了测试。对于每个站点，评估了OCBGF在模拟和真实云层污染场景中的性能，并与三种最先进的方法进行了对比，既邻域相似像素插值（NSPI）、自回归云移除（ARRC）以及基于光谱角制图的时空相似性方法（SAMSTS）。结果表明，在四个场景测试的各组对照实验中，OCBGF 始终保持最高的空缺填充精度。本文由港大生物科学学院、生态学及生物多样性研究所发表于期刊Remote Sensing of Environment。
1、研究背景：
地球观测卫星的时空分辨率不断突破，由180多颗卫星组成的PlanetScope星座则是其中的典型。PlanetScope具有四个光学波段（RGBN），以3米的空间分辨率提供每日到每周的全球覆盖。因此，PlanetScope卫星被广泛看作为改善地表精细监测的强大手段。不过与其它光学卫星一样，PlanetScope数据严重的受到云和云阴影的污染，导致大量的数据缺失。精确、有效的空缺填补对于推进PlanetScope数据的应用至关重要。
目前已有很多数据填补方法，常分为基于融合、基于空间、基于时间和基于时空的方法。基于融合的方法利用多源数据进行填充，基于空间的方法使用相邻的清晰像素进行空间插值，基于时间的方法利用相对归一化的近期影像替换云污染区域，而基于时空的方法整合空间和时间信息来填补空缺。其中，基于时空的方法效果较好，更常为应用，但鲜有学者探索高分辨率卫星影像的填充。可能受到两方面的限制。
首先是空缺大小的问题。基于时空的方法中的空间分量的精度和效率会随着空缺范围的增加而显著降低。而时间分量依赖空缺邻域的相似像素来模拟目标影像和参考影像之间的时间变化模式，搜索过程是十分耗时的。相同的空缺范围，PlanetScope数据缺失的像素要更多。而且其土地覆盖异质性更加显著。其次，参考影像的选择是填充空缺的重要一环，但快速的土地覆盖快速转化导致极大的不确定性。
2、研究方法：
（1）对时间序列影像进行像素级的质量控制，最大程度地减少潜在的云和云阴影的影响；
（2）在填补空缺之前，利用It0邻近缺失最少的影像整合了一个无云的时间序列Its，覆盖大约一个月，然后将Its分割并分类为不同的对象；
（3）对于It0像素缺失的每个对象类，用两种情况进行填补：单参考影像（未发生快速土地覆盖转化）和双参考影像（发生快速土地覆盖转化）；
（4）利用引导滤波进行后处理，进一步减少空缺填充影像的随机噪声。
图1：OCBGF的流程图
2、研究结果：
文章选择了四种代表全球地表不同土地覆盖类型和气候带的站点为代表，对所提方法进行测试。包括巴西的种植园、美国的农田、北京的城市以及巴拿马的森林。
（1）模拟不同缺失大小的比较
以无云影像为基准，人工模拟了七种不同范围的有效值缺失，对本文方法和三种先进方法进行了评估。四个站点中，OCBGF在其中不同范围的缺失中均得到了最高的精度和最小的方差。特别是在种植园、城市和森林，OCBGF的3个精度指标趋于稳定，而NSPI和SAMSTS在空缺范围上表现出较大的波动。在人工林、农田和城市，ARRC的稳定性与OCBGF相当，但在森林，ARRC模型的精度波动极大，接近线性下降。
图2：模拟不同缺失大小的比较
（2）土地覆被快速转化的比较
选择了24张明显发生土地覆盖转化的无云影像，人工掩膜了变化区域的像素。在所有站点，OCBGF均优于其他三种方法，具有最高的精度和最小的方差。其次是SAMSTS和ARRC，性能略好于NSPI，但方差比OCBGF大。不同土地覆盖类型，OCBGF的性能始终最高。而ARRC，SAMSTS和NSPI各自的优势参差不齐，ARRC在森林的精度最低，NSPI在农田的精度最低，而SAMSTS城市的精度最低。
图3：土地覆被快速转化的比较
（3）真实场景中应用的比较
为了评估方法应用于真实场景的性能，文章在每个站点随机选择一张云污染影像。结果表明，OCBGF实现了最佳的填充效果，对云和云阴影的敏感性总体上最低。视觉上，相对于其他三种方法，OCBGF与时间邻近的影像的一致性最高，在空缺边界的空间连续性也最优。而相比之下，NSPI重建的数据色彩模糊，尤其是大范围的空缺。ARRC在土地覆盖异质区域有着明显的噪声。SAMSTS恢复的边界不够精确，特别是在不同土地覆盖类型的交叉区域。
图4：真实场景中应用的比较
4、研究意义：
（1）开发了一种精确、有效的影像空缺的填充方法，用以自动重建PlanetScope时间序列影像中的缺失数据。
（2）本文是利用基于对象方法来有效恢复高分辨率卫星影像中的大范围空缺的一次新的尝试。
（3）土地覆盖的异质性时高分辨率卫星影像的共有特征，而且伴随着人类活动的增加而愈发普遍，突出了未来将OCBGF扩展到其他高分辨率卫星影像的潜力。
5、引用格式：
Wang J, Lee C K F, Zhu X, et al. A new object-class based gap-filling method for PlanetScope satellite image time series[J]. Remote Sensing of Environment, 2022, 280: 113136.
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
