云貴高原典型地物L波段SAR散射特性分析以昆明為例

李文吉，姜德才，鄭向向，宋艷茹，楊昭穎

（中國自然資源航空物探遙感中心，北京 100083）

昆明市位于云貴高原中部，分布著十分豐富的林地、耕地、湖泊、湖泊濕地、沼澤濕地。該地區(qū)的濕地類型是我國濕地的特殊類型和重要組成部分，而林地、湖泊、濕地的保護關(guān)乎生物多樣性、水源涵養(yǎng)、土壤保持和調(diào)洪蓄水[1]。

隨著昆明地區(qū)人口的增加、城市化的推進，林、耕、濕、湖的保護和當?shù)亟?jīng)濟發(fā)展的矛盾十分突出。排水墾殖、過度開發(fā)、無序旅游、森林砍伐以及城市排污等人為活動，加上氣候變化、地質(zhì)過程等自然因素，使得當?shù)厣鷳B(tài)平衡受到嚴重威脅，主要表現(xiàn)在濕地退化、林地減少、水土流失、水質(zhì)污染、生物多樣性降低等。林地、耕地、濕地、湖泊、建筑物等典型地物的普查與動態(tài)監(jiān)測可以為處理好該地區(qū)生態(tài)保護與經(jīng)濟協(xié)調(diào)發(fā)展提供重要的基礎(chǔ)數(shù)據(jù)。

衛(wèi)星遙感技術(shù)以其廣覆蓋、時效快、周期性、高可靠等優(yōu)勢，成為典型地物動態(tài)監(jiān)測的有效手段[2]。目前，高分辨率光學遙感在典型地物分類方面的研究已經(jīng)開展了很多[3-7]。但是，對于多云霧覆蓋、多雨的低緯度地區(qū)，較長工作波段（1 mm - 1 m）的合成孔徑雷達（synthetic aperture radar, SAR）遙感以其穿透性強，在一定程度上可以穿透云霧、植被冠層等，被引入到惡劣天氣、氣候地區(qū)的典型地物監(jiān)測中[8-15]。

雷達的后向散射電磁波對地物的介電特性（建筑物材料、植被結(jié)構(gòu)、土壤粗糙度、土壤含水量等）敏感[16-18]，在長時間、大面積云霧覆蓋地區(qū)，SAR是唯一可以獲得可靠、持續(xù)、穩(wěn)定的遙感數(shù)據(jù)源。

王莉雯等在總結(jié)濕地雷達監(jiān)測研究進展時發(fā)現(xiàn)：L波段更適合于林灌地區(qū)，而C波段更適合于草原地區(qū)。因為相比于C波段，波長較長的L波段對植被的幾何形狀較為敏感，可以穿透樹木冠層，易形成二次散射回波，得到較強的后向散射[19]。Ramsey等使用L波段機載SAR數(shù)據(jù)開展實驗并得出結(jié)論：HV極化能區(qū)分森林濕地、非森林濕地和森林等地物類型，獲得較優(yōu)的總體分類；HH極化能夠較高精度的提取沼澤濕地；多極化數(shù)據(jù)是濕地、林地等地物分類的必要數(shù)據(jù)[20]。Henry等使用多極化雷達數(shù)據(jù)開展河流濕地的提取研究，結(jié)果表明：在濕地邊界提取上，HH極化優(yōu)于HV、VV極化，但HV極化在濕地提取上也能提供有價值的信息；HH和HV極化的結(jié)合使用可以更有效提取河流濕地[21]。Kim等綜合使用InSAR影像與雷達高度計測量數(shù)據(jù)開展森林濕地的水位變化監(jiān)測，研究發(fā)現(xiàn)：水平極化能夠較大穿透土壤，交叉極化對立體目標較為敏感[22]。

從以上研究可發(fā)現(xiàn)，C波段更適合應(yīng)用于監(jiān)測草地等禾本植物廣分布的地區(qū)，L波段更適合應(yīng)用于監(jiān)測森林、灌木廣分布的地區(qū)。HH和HV極化的結(jié)合使用可以更有效提取濕地邊界。本研究選取高分辨率L波段HH、HV雙極化的ALOS-2 PALSAR-2影像為主要數(shù)據(jù)源，開展昆明地區(qū)典型地物的極化后向散射特性分析。通過分析典型地物的極化后向散射空間分布，評價ALOS-2 PALSAR-2雙極化影像在該地區(qū)典型地物分類、反演及動態(tài)監(jiān)測應(yīng)用能力。

1 實驗數(shù)據(jù)及預(yù)處理

1.1 實驗區(qū)及數(shù)據(jù)源

研究區(qū)位于云南省昆明市，云貴高原中部，屬亞熱帶高山地氣候，四季如春，年降水量約為1 035 mm/a。2景ALOS-2 PALSAR-2影像的成像時間分別為2016年9月10日、2017年2月10日，影像參數(shù)如表1。影像覆蓋范圍見圖1，藍色矩形框為升軌影像，地理范圍為24°43?28?N～25°26?27?N、102°11?9?E～102°56?47?E； 紅 色 矩形框為降軌影像，地理范圍為 24°38?33?N～25°22?21?N、102°17?46?E～103°6?25?E。

輔助數(shù)據(jù)是美國宇航局（NASA）的SRTM DEM 1 arcsec數(shù)據(jù)，地面分辨率約為30 m × 30 m，高山地高程精度優(yōu)于16 m。SRTM DEM 1 arcsec與Google Earth的地理坐標系相同，都是WGS-84。SRTM DEM 1 arcsec用于ALOS-2 PALSAR-2影像的地理編碼。

昆明地區(qū)坐落著中國第六大淡水湖——滇池，因此，該地區(qū)的林地、耕地、湖泊濕地資源十分豐富?；?景ALOS-2 PALSAR-2影像，在后續(xù)實驗中將分析該地區(qū)五類典型地物的極化SAR后向散射特性。這五類典型地物分別是：建筑物、林地、耕地、濕地、深水。

圖1Google Earth圖像的PALSAR-2覆蓋區(qū)Fig.1 Study area location in Google Earth and PALSAR-2 cover extent

圖2 實驗處理流程Fig.2 Research processing flow

1.2 數(shù)據(jù)預(yù)處理

基于ALOS-2 PALSAR-2影像，開展昆明地區(qū)典型地物的極化散射特性分析流程如圖2。

為了降低SAR影像的相干斑噪聲并使影像像元大小符合實際地物形狀，對ALOS-2 PALSAR-2影像進行多視、濾波處理。升軌影像的多視視數(shù)為距離向×方位向=3×8，多視后地面分辨率為距離向×方位向=19.80m×24.90m；降軌影像的多視視數(shù)為距離向×方位向=3×8，多視后地面分辨率為距離向×方位向=24.71m×24.75m。濾波方式均使用改進Lee濾波。輻射定標過程采用Ali等的方法[23]。

地理編碼過程將ALOS-2 PALSAR-2影像從SAR坐標系編碼到WGS84地理坐標系UTM投影，過程如下：

（1）計算ALOS-2 PALSAR-2影像后向散射強度與SRTM DEM 1 arcsec之間的初始幾何結(jié)構(gòu)轉(zhuǎn)換模型；

（2）使用SRTM DEM模擬覆蓋SAR影像范圍的強度圖，并用初始幾何結(jié)構(gòu)轉(zhuǎn)換模型將模擬的強度圖逆轉(zhuǎn)換為SAR坐標系的模擬強度圖；

（3）使用基于強度影像互相關(guān)性的強度追蹤算法，將SAR坐標系模擬的強度圖與ALOS-2 PALSAR-2影像后向散射強度圖進行精配準，誤差控制在小于0.25個像元，用精配準的雙線性多項式系數(shù)精化初始幾何結(jié)構(gòu)轉(zhuǎn)換模型，得到幾何結(jié)構(gòu)精化轉(zhuǎn)換模型；

（4）用幾何結(jié)構(gòu)精化轉(zhuǎn)換模型將SAR坐標系的ALOS-2 PALSAR-2影像編碼到WGS84地理坐標系UTM投影。

昆明地區(qū)五類典型地物林地、耕地、濕地、建筑物、深水的Google Earth影像見圖3和圖4。

2 實驗結(jié)果與分析

經(jīng)過多視、濾波、輻射校正、地理編碼等處理后的ALOS-2 PALSAR-2影像的平均強度如圖5所示。圖中分布著建筑物、林地、耕地、濕地、深水等五類該地區(qū)的典型地物的592個樣本點。

以HH極化通道后向散射強度值為橫軸、HV極化通道后向散射強度值為縱軸，將典型地物的592個樣本點二維顯示為散點，如圖6。在圖中，濕地為紅色實圓點，83個；建筑物為金黃色實圓點，88個；耕地為土灰色實圓點，136個；林地為綠色實圓點，144個；深水為藍色實圓點，141個。

圖3 典型地物——建筑物、林地、耕地、深水Fig.3 Classical terrain features: buildings, forests, farmlands and deep water

圖4 典型地物——濕地公園Fig.4 Classical terrain features: wetland parks

通過對升降軌2景PALSAR-2影像（春初、秋末）樣本點的極化通道后向散射強度分布圖對比分析得：五類典型地物的HH、HV極化后向散射特征空間分布極為相似。基于20160910（升軌，秋末）、20170210（降軌，春初）PALSAR-2影像的典型地物樣本點HH、HV極化后向散射強度的均值分別為，建筑物：（-3.24，-10.18），（-1.48，-11.14）；林 地：（-8.07，-12.10），（-7.08，-12.05）； 耕 地：（-8.83，-14.87），（-9.37，-16.66）；濕地：（-9.95，-16.63），（-9.05，-17.62）；深水：（-21.54，-27.89），（-17.02，-31.31），如表2。2景PALSAR-2影像典型地物樣本點具有相似的極化特征，既作為互為驗證可靠性，也同時說明了昆明地區(qū)地物極化后向散射特性基本不受升降軌側(cè)視成像、季節(jié)性影響。

圖5SAR影像平均強度圖及典型地物樣本點分布Fig.5 Average intensity map of SAR images and sample pixel distribution of classical terrain features

圖6 極化SAR影像的昆明典型地物極化散射圖Fig.6 Polarized scattering characteristic map of classical terrain features in Kunming

表2 典型地物樣本點極化散射強度均值Table 2 Polarized scattering intensity mean values of classical terrain features

進一步具體分析昆明地區(qū)五類典型地物的極化后向散射特征。深水樣本點的HH、HV后向散射強度值較小，集中分布在左下角，極化散射特征明顯。建筑物，因包含高中低居民樓、村莊、橋梁、交通設(shè)施等，樣本點的HH、HV后向散射強度值較大，主要分布在樣本點集合的右上角但分布較為分散，極化散射特征較為明顯。林地、耕地樣本點的空間距離較近且有少部分點混合，但在空間分布上，林地多聚集在耕地右上方，說明林地的后向散射強度普遍略高于耕地，這主要是由于林木枝干形成了二次散射回波。濕地樣本點在極化后向散射空間分布上與建筑物、林地、耕地均有部分混合，這主要是因為實驗選取的濕地為滇池周邊和昆明市區(qū)的濕地公園，而濕地公園多人工建筑/構(gòu)筑物，這些濕地公園既體現(xiàn)了濕地的散射特征，又體現(xiàn)了人工建筑物/構(gòu)筑物的散射特征。

總體來說，昆明地區(qū)五類典型地物的極化后向散射特性較為明顯，可作為使用SAR后向散射強度、極化參數(shù)、極化分解等開展典型地物提取、動態(tài)監(jiān)測的可行性提供有力支撐。

3 結(jié)論

以L波段HH、HV雙極化高分辨率ALOS-2 PALSAR-2遙感影像為主要數(shù)據(jù)源，開展低緯亞熱帶高山地昆明地區(qū)的建筑物、林地、耕地、濕地、深水等五類典型地物的極化后向散射特性分析研究。首先，導入同一覆蓋區(qū)的升降軌2景ALOS-2 PALSAR-2遙感影像，對影像進行多視、濾波、輻射校正處理，降低了SAR的相干斑噪聲并使影像像元大小符合實際地物形狀；然后，借助于輔助數(shù)據(jù)SRTM DEM 1 arcsec，對SAR影像進行地面編碼；接著，在Google Earth平臺采集五類典型地物的樣本點地理坐標；最后，提取所有樣本點的極化后向散射強度值并開展極化散射空間特征分析。實驗結(jié)果表明：

（1）昆明地區(qū)五類典型地物的HH、HV極化散射特性基本不受升降軌側(cè)視成像、季節(jié)性影響；

（2）昆明地區(qū)五類典型地物樣本點的HH、HV極化后向散射空間分布區(qū)分度較為明顯，其中，水體、建筑物在HH、HV極化散射空間上明顯區(qū)別于其它三類地物，林地與耕地在HH、HV極化空間上有少量混合但各自存在聚類效應(yīng)，而濕地與建筑物、林地、耕地在HH、HV極化空間上均有混合；

（3）昆明地區(qū)五類典型地物樣本點較為明顯的HH、HV極化后向散射特性，有力證明了HH、HV雙極化SAR具有多云多霧多雨、低緯亞熱帶地帶典型地物分類、反演及動態(tài)監(jiān)測的應(yīng)用潛力，可作為光學或熱通道遙感開展地物監(jiān)測的有效補充手段，為生態(tài)多樣性動態(tài)監(jiān)測與保護提供基礎(chǔ)數(shù)據(jù)。

致謝：感謝日本宇宙航空研究開發(fā)機構(gòu)（JAXA）提供的ALOS-2 PALSAR-2影像，感謝美國地質(zhì)調(diào)查局（USGS）提供的SRTM DEM 1 arcsec數(shù)據(jù)。

參考文獻(References)

[1]黃賢金,楊達源. 山水林田湖生命共同體與自然資源用途管制路徑創(chuàng)新[J]. 上海國土資源,2016,37(3):1-4.HUANG X J, YANG D Y. Orderly ecological system for mountains,rivers, forest, farmland and lakes, and innovation path of purpose regulation of natural resources[J]. Shanghai Land & Resources,2016,37(3):1-4.

[2]盧崇頂. 國外遙感衛(wèi)星發(fā)展簡介[J]. 上海地質(zhì),2001,22(3):28-35.LU C D. Brief introduction on the delelopment of the remote sensing satellite abroad[J]. Shanghai Geology, 2001,22(3):28-35.

[3]陳基偉,李俊祥. 特大城市地表水遙感信息系統(tǒng)研究[J]. 上海地質(zhì),2004,25(4):7-10.CHEN J W, LI J X. Research on metropolitan surface water GIS using remote sensing technology[J]. Shanghai Geology,2004,25(4):7-10.

[4]干嘉元,王榮華,過仲陽. 利用航空遙感圖像進行河道自動提取的方法研究[J]. 上海地質(zhì),2007,28(1):67-70.GAN J Y, WANG R H, GUO Z Y. Rivers automaticly extracting from aerial remote sensing images[J]. Shanghai Geology,2007,28(1):67-70.

[5]王旭輝. 遙感技術(shù)及在城市國土規(guī)劃中的應(yīng)用[J]. 上海國土資源,2014,35(1):88-91.WANG X H. Remote sensing technologies and their application to urban planning[J]. Shanghai Land & Resources, 2014,35(1):88-91.

[6]謝火艷,唐婉. 基于遙感影像的廣州南沙區(qū)土地利用動態(tài)變化分析[J]. 上海國土資源,2018,39(1):57-59,68.XIE H Y, TANG W. Analyses for dynamics changes in land use based on remote sensing images of the Nansha district of Guangzhou city[J]. Shanghai Land & Resources, 2018,39(1):57-59,68.

[7]常琳,王瑞雪,馬思順. 遙感技術(shù)在昆明市官渡區(qū)地質(zhì)災(zāi)害詳查中的應(yīng)用[J]. 地質(zhì)災(zāi)害與環(huán)境保護,2017,28(3):91-95.CHANG L, WANG R X, MA S S. The application of RS technique for investigation of geological hazards in Guandu district of Kunming[J]. Journal of Geological Hazards and Environment Preservation, 2017,28(3):91-95.

[8]陳基煒. 合成孔徑雷達干涉測量技術(shù)及其對城市遙感的意義[J].上海地質(zhì),2001,22(4):52-55.CHEN J W. The technology of interferometry SAR and its significant for urban remote sensing[J]. Shanghai Geology,2001,22(4):52-55.

[9]楊成生,張勤,曲菲霏,等. 基于相位回歸性分析的SAR差分干涉圖大氣延遲改正研究[J]. 上海國土資源,2012,33(3):11-15.Yang C S, ZHANG Q, QU F F, et al. Obtaining an atmospheric delay correction for differential SAR interferograms based on regression analysis of the atmospheric delay phase[J]. Shanghai Land & Resources, 2012,33(3):11-15.

[10]陸衍. 遙感影像云霧分離的BP神經(jīng)網(wǎng)絡(luò)方法研究[J]. 上海國土資源,2015,36(3):95-97.LU Y. Research on cloud and fog separation by a back-propagation(BP) network[J]. Shanghai Land & Resources, 2015,36(3):95-97.

[11]王榮華,干嘉元,過仲陽,等. 模糊理論在遙感圖像分類中的應(yīng)用[J]. 上海地質(zhì),2007,28(4):52-55.WANG R H, GAN J Y, GUO Z Y, et al. The application of fuzzy theory in remote sensing images classification[J]. Shanghai Geology, 2007,28(4):52-55.

[12]葛大慶,張玲,王艷,等. 上海地鐵10號線建設(shè)與運營過程中地面沉降效應(yīng)的高分辨率InSAR監(jiān)測及分析[J]. 上海國土資源,2014,35(4):62-67.GE D Q, ZHANG L, WANG Y, et al. Monitoring subsidence on Shanghai Metro line 10 during construction and operation using high-resolution InSAR[J]. Shanghai Land & Resources,2014,35(4): 62-67.

[13]魏善蓉,金曉媚,王凱霖,等. 基于遙感的柴達木盆地湖泊面積變化與氣候響應(yīng)分析[J]. 地學前緣,2017,24(5):427-433.WEI S R, JIN X M, WANG K L, et al. Response of lake area variation to climate change in Qaidam basin based on remote sensing[J]. Earth Science Frontiers, 2017,24(5):427-433.

[14]黃亞博,廖順寶. 多源數(shù)據(jù)的土地覆被樣本自動提取[J]. 遙感學報,2017,21(5):757-766.HUANG Y B, LIAO S B. Automatic collection for land cover classification based on multisource datasets[J]. Journal of Remote Sensing, 2017,21(5):757-766.

[15]李慶旭,張彪,王爽,等. 京津風沙源區(qū)2000-2015年植被覆蓋狀況的區(qū)域差異研究[J]. 地學前緣,2018,25(5):304-310.LI Q X, ZHANG B, WANG S, et al. Regional differences of vegetation cover in the Beijing-Tianjin sandstorm source region from 2000 to 2015[J]. Earth Science Frontiers, 2018,25(5):304-310.

[16]沈鵬,汪長城,朱建軍,等. 融合升降軌的極化干涉SAR三層模型植被高度反演方法[J]. 測繪學報,2017,46(11):1868-1879.SHEN P, WANG C C, ZHU J J, et al. Vegetation height inversion method with three-layer model by fusing the ascending and descending PolInSAR data[J]. Acta Geodaetica et Cartographica Sinica, 2017,46(11):1868-1879.

[17]廖靜娟,龐自振. 多極化SAR數(shù)據(jù)反演額濟納沖積扇地表參數(shù)[J].地球信息科學學報,2009,11(1):77-83.LIAO J J, PANG Z Z. Surface parameters retrieval from alluvial fan in Ejina area of inner Mongolia using multi-polarization SAR data[J]. Geo-Information Science, 2009,11(1):77-83.

[18]李平湘,劉致曲,楊杰,等. 利用隨機森林回歸進行極化SAR土壤水分反演[J]. 武漢大學學報:信息科學版,2019,44(3):405-412.LI P X, LIU Z Q, YANG J, et al. Soil moisture retrieval of winter wheat fields based on random forest regression using quadpolarimetric SAR images[J]. Geomatics and Information Science of Wuhan University, 2019,44(3):405-412.

[19]王莉雯,衛(wèi)亞星. 濕地生態(tài)系統(tǒng)雷達遙感監(jiān)測研究進展[J]. 地理科學進展,2011,30(9):1107-1117.WANG L W, WEI Y X. Progress in monitoring wetland ecosystems by radar remote sensing[J]. Progress in Geography,2011,30(9):1107-1117.

[20]RAMSEY E W, NELSON G A, SAPKOTA S K, et al. Using multiple-polarization L-band radar to monitor marsh burn recovery[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999,37(1):635-639.

[21]HENRY J, CHASTANET P, FELLAH K, et al. Envisat multipolarized ASAR data forflood mapping[J]. International Journal of Remote Sensing, 2006,27(10):1921-1929.

[22]KIM J W, LU Z, LEE H, et al. Integrated analysis of PALSAR/Radarsat-1 InSAR and ENVISAT altimeter data for mapping of absolute water level changes in Louisiana wetlands[J]. Remote Sensing of Environment, 2009,113(11):2356-2365.

[23]ALI M Z, QAZI W, ASLAM N. A comparative study of ALOS-2 PALSAR and landsat-8 imagery for land cover classification using maximum likelihood classifier[J]. Egyptian Journal of Remote Sensing & Space Science, 2018,21:29-35.