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(hù)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(jìn)，林、耕、濕、湖的保護(hù)和當(dāng)?shù)亟?jīng)濟(jì)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(dāng)?shù)厣鷳B(tài)平衡受到嚴(yán)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(hù)與經(jīng)濟(jì)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(xué)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(dá)（synthetic aperture radar, SAR）遙感以其穿透性強(qiáng)，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(dá)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(dá)監(jiān)測研究進(jìn)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(qiáng)的后向散射[19]。Ramsey等使用L波段機(jī)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(dá)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(dá)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(biāo)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(lán)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(biāo)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(jìn)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(jìn)Lee濾波。輻射定標(biāo)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(biāo)系編碼到WGS84地理坐標(biāo)系UTM投影，過程如下：

（1）計算ALOS-2 PALSAR-2影像后向散射強(qiáng)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(qiáng)度圖，并用初始幾何結(jié)構(gòu)轉(zhuǎn)換模型將模擬的強(qiáng)度圖逆轉(zhuǎn)換為SAR坐標(biāo)系的模擬強(qiáng)度圖；

（3）使用基于強(qiáng)度影像互相關(guān)性的強(qiáng)度追蹤算法，將SAR坐標(biāo)系模擬的強(qiáng)度圖與ALOS-2 PALSAR-2影像后向散射強(qiáng)度圖進(jìn)行精配準(zhǔn)，誤差控制在小于0.25個像元，用精配準(zhǔn)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(biāo)系的ALOS-2 PALSAR-2影像編碼到WGS84地理坐標(biāo)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(qiáng)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(qiáng)度值為橫軸、HV極化通道后向散射強(qiáng)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(lán)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(qiáng)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(qiáng)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(qiáng)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(qiáng)度均值Table 2 Polarized scattering intensity mean values of classical terrain features

進(jìn)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(qiáng)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(qiáng)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(qiáng)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(qiáng)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(dǎo)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(jìn)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(jìn)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(biāo)；最后，提取所有樣本點的極化后向散射強(qiáng)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(xué)或熱通道遙感開展地物監(jiān)測的有效補(bǔ)充手段，為生態(tài)多樣性動態(tài)監(jiān)測與保護(hù)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(jī)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(xiàn)(References)

[1]黃賢金,楊達(dá)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(jìn)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(hù),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(dá)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(dá)木盆地湖泊面積變化與氣候響應(yīng)分析[J]. 地學(xué)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(xué)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(fēng)沙源區(qū)2000-2015年植被覆蓋狀況的區(qū)域差異研究[J]. 地學(xué)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(xué)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(jì)納沖積扇地表參數(shù)[J].地球信息科學(xué)學(xué)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(jī)森林回歸進(jìn)行極化SAR土壤水分反演[J]. 武漢大學(xué)學(xué)報:信息科學(xué)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(dá)遙感監(jiān)測研究進(jìn)展[J]. 地理科學(xué)進(jìn)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.