智慧城市建设是全行业互相合作、全社会共同推进的一个“协作型任务”，需要在技术、管理等方面同时推进，因此，各行业的企业都能在智慧城市中找到自己的舞台;其中遥感技术在智慧城市中的应用也日益广泛，例如在国情监测、国情普查、城市规划以及公众服务方面也都需要有高精度遥感影像。在智慧城市建设过程中传感器会越来越多，同时现在的卫星遥感影像愈加丰富，精度也越来越高，随之而来的产品也就更加多样化，可以满足不同的行业需求和公众服务需求。
随着卫星影像的精度越来越高，卫星也越来越小，但是还没有哪个卫星能够做到搭载大量传感器，或是达到实时的更新速度。因此有人提出将影像进行融合，各取所需来得到一张高精度、实时、各种传感器都覆盖的影像。香港中文大学太空与地球信息科学研究所副所长黄波就致力于研究影相融合技术，他希望通过影像融合技术可以促进城市的可持续发展，以更好地建设智慧城市。
所得非所需
黄波告诉《3S新闻周刊》，日益增长的遥感应用对遥感影像提出了更高的要求，但是当前卫星遥感系统又具有局限性，“我们称之为分辨率制衡，即现在的卫星影像都是以高空间分辨率见长，但是在时间分辨率、光谱分辨率和角度分辨率方面都很低，这就降低了遥感应用产品的精度;相应的，如果空间分辨率、光谱分辨率以及时间分辨率都高，那么所覆盖的覆框就会比较窄。因为四大分辨率之间的相互矛盾，限制了遥感产品的精度更限制了它的很多应用。遥感研究者只能得到他们能得到的数据，而不是他们真正想要的数据。”理论上，随着科技水平的发展，卫星的体积会越来越小，发射成本越来越低，所带的传感器会更多、精度更高。但是目前来看，这些条件的代价都太大。
黄波谈到现在的遥感数据越来越多，因此他主张从多源图像结合中获得更好的质量。传统的影相融合方法多以“全色锐化”为主，即通过结合全色波段的高空间分辨率与多光谱波段的光谱特性，以形成高空间分辨率的多光谱影像，便于判读与分类，“但是所生成的影像没有矫正到真实值，也没有涉及时空或空角融合。”黄波告诉《3S新闻周刊》他正在研究的“一体化融合”就可以解决这一问题。所谓一体化融合就是利用已有的高、低分辨率影像的特性，建立他们之间的关系，并采用影像超分辨率技术，生成时间、空间、光谱及角度可选择的或全属性高分辨率影像。
监测空气污染
监测空气污染多是要监测气溶胶等颗粒的分布，但是现在的遥感平台单纯追求空间分辨率上的高精度，反而在光谱传感器上面要稍微落后，而搭载了相关传感器的遥感平台又受制于低分辨率和低更新速度，这是很无奈的现状，这也限制了空气污染监测的时效性和准确性。黄波介绍一体化融合包括时空的融合、空谱的融合和空角的融合(如图1、图2、图3)。
时空融合：Landsat具有高空间分辨率、低时间分辨率，MODIS具有低空间分辨率、高时间分辨率，通过一体化融合可以合成时间分辨率和空间分辨率都高的一组影像。
空角融合：卫星传感器能够绕固定轨道对同一地点进行多角度的观测，通过稀疏表示技术进行融合，可以体现对象的在空间上的变化。
黄波告诉《3S新闻周刊》，他们是在ArcGIS平台作为一个插件实现时空谱角一体化的融合。他的团队利用这个技术生成了世界上第一套时空谱角香港高分辨率的影像。影像也是来源于MODIS和Landsat，得出的融合产品在空气污染监测方面具有极大优势。图4左边是MODIS的影像，分辨率为10公里×10公里，是无法建立公共污染、健康监测和传染病控制的关系;(图4)右边是通过融合以后生成的产品，这就可以清晰地得到空气污染的细节。“接下来，通过跟地面的监测站建立关系，我们就可以生成覆盖整个香港全境的PM2.5、PM10的数据;最近我们主要做的工作是同OMI(Ozone Monitoring Instrument)卫星数据融合，生成二氧化碳、二氧化硫、臭氧30米全覆盖的产品”，黄波总结道。
一体化融合数据除了可以应用于空气污染的监测，还可以作为城市环境的监测手段，例如对北京地区热岛效应的监测(图5)，通过将MODIS和Landsat数据融合，各取所长，就可以生成右边这列高空间分辨率、每天一景的地面温度产品。“同时，我们还可以对目标地区的碳源、碳汇进行估算，即利用一体化融合影像遥感进行时间尺度上的估算，所生产的产品可以应用到可持续城市规划和土地利用的规划上面。”
现在公众对于PM2.5很关注，黄波表示他们正在开发可以获取PM2.5数据的App。
预测城市发展
有了一体化融合技术，可以生成高时空谱角数据，进而可进行变化建模分析，理解复杂的时空过程，并识别驱动因素，了解这些因素的权重，最后以这些分析结果可以进行优化引导，即对未来发展进行预测。
黄波介绍他们开发了一款名为ChangeAnalyst的软件，主要是用城市土地利用变化建模空间统计分析，根据一段时间内城市土地利用变化以及不同驱动因素随时间的变化，找出城市发展有哪些驱动力，来推测未来城市土地利用该如何合理分配。
黄波以香港建成区扩展分析为例，介绍ChangeAnalyst是如何得到2050年香港城市扩展的预测。首先生成香港从1991年到2007年的土地利用变化(上页图6)，设定主要因子的影响范围(图7)，利用逻辑思维的回归，通过ChangeAnalyst进行分析，最后做基于时间的内插和预测。“香港发展非常有规律，基本是沿着铁路发展，所以我们利用内插结果来验证预测结果，可以达到95.8%(图8)。”黄波总结，“这样我们就根据这个模型得出2015年的香港土地利用分布情况(图9)，当然这也要到2015年才能验证。”
通过研究城市的扩展情况，可以研究城市的扩展对于生态、环境、天气或者是气候造成的影响;这样就能在做城市规划的时候进行模拟以便让城市规划对周边环境的环境破坏达到最小。黄波告诉《3S新闻周刊》在城市规划方面，建设部门更强调物质规划，是从小到大的发展;而地理层面则更强调宏观虚拟的规划，是从地理的角度出发，从大到小的落实;他认为应该既考虑到城市的需要，也要考虑到生态环境的需要，这样才能做出一个好的规划。“一些新城区的城市规划可以直接以此为基础进行设计，这就为智慧城市打了个好的基础”黄波谈到他的研究对城市规划方面的作用，“对于一些老城区的改造、拆迁项目和城市更新也是适用的。”
遥感技术的应用范围越来越广，空间分辨率精度已经可以达到很高的水平了，但是其他分辨率就更加有待提高，我们期待更完美、更全面的卫星升天以为我们服务，但是眼下如何利用已有遥感数据进行分析就是需要动脑筋挖掘了。根据遥感数据提供更多产品和服务也许就是促进遥感技术普及的一个好办法。（文丨本刊编辑 张鹏英）
{{item.content}}