基于单时相双极化TerraSAR—X数据在高原山区烟草的识别

胡九超，周忠发，王瑾

摘要：为了探讨多极化雷达影像在贵州高原山区农作物上的识别应用， 采用单时相双极化TerraSAR-X数据展开烟草识别研究。选择贵州省清镇市流长乡烟草示范基地为研究区，在烟草生长期内获取了TerraSAR-X数据，通过对图像进行预处理并分析典型地物的后向散射系数，建立地物训练场，采用最大似然法进行分类，同时利用GPS采集的样方数据对烟草识别进行精度验证。结果表明，其识别精度可达80.52%，为贵州高原山区的典型农作物监测提供了理论基础与技术支撑。

关键词：高原山区;双极化;TerraSAR-X;后向散射系数;烟草

中图分类号：TP79;S572        文献标识码：A        文章编号：0439-8114（2014）23-5851-04

DOI：10.14088/j.cnki.issn0439-8114.2014.23.058

由于喀斯特地区地表支离破碎、种植作物复杂以及贵州高原山区常年多云雨天气，很难获得高时间、高空间的多光谱数据，这给农作物的实时监测带来了困难。而合成孔径雷达（SAR）具有穿透云雾和土壤的能力，并且能够全天时、全天候进行拍摄，弥补多光谱数据获取不易的弊端，为贵州高原山区的农作物监测提供了数据支撑。以往单极化影像对烟草与其他地物之间的后向散射系数没有明显的差异，因此，烟草信息的提取效果不明显。而双极化影像能进行比值处理，可消除阴影干扰，使影像数据更接近地物本身光谱反射的真实值，从而改善影像质量，突出目标信息。

针对农作物的分类，Le Toan等[1]提出了利用多时相SAR影像的比值（或差值），或不同极化方式的影像比值（或差值），寻找合理的阈值对影像进行分类以提取水稻、城镇、水体和其他地物的信息。该方法巧妙简单，且分类精度一般在80%以上[2]。杨沈斌等[3]提出了多时相多极化差值图对水稻进行分类，并且得到最大似然法的效果比其他方法更优。Shao等[4]应用多种雷达数据对南方的水稻进行分类和监测取得了很好的效果。以上的研究都是利用多时相的雷达数据，增加了数据成本和处理量。而且是针对水稻进行的分类，而对烟草的识别研究，特别是贵州高原山区烟草的识别研究几乎是一片空白。为此，研究获取了2013年5月28号团棵期烟草TerraSAR-X双极化（HHVV）数据，采用监督分类中的最大似然法进行分类，利用GPS采集的样方数据对单时相双极化TerraSAR-X数据在贵州高原山区的烟草识别能力进行评价。在贵州高原山区尝试单时相双极化的TerraSAR-X雷达影像进行烟草的监测和识别，从而降低数据成本和减少数据处理量。

1  研究区选择和数据预处理

1.1  研究区概况

贵州省清镇市种植烤烟历史悠久，是全国特色优质烟叶生产区之一。研究区位于贵州省清镇流长现代烟草农业基地单元，总面积489 km2。该地区属亚热带季风湿润气候，年均气温14 ℃，年均降水量1 150.4 mm;土壤以黄沙壤、黄壤为主，pH 5.5～6.5，有机质含量丰富。气候条件和土壤条件均有利于种植烤烟[5]。试验区海拔在600～1 400 m，相对高差较大，以峰丛洼地、峰丛谷地为主，地下暗河和落水洞广布，地表支离破碎，土地形状不规则，多成零星散状分布。

1.2  数据获取及参数

2007年6月15日TerraSAR-X雷达卫星在俄罗斯拜科努尔发射场发射升空，为贵州高原山区的烟草监测提供了新的数据源。TerraSAR雷达卫星工作在X波段（波长为3.2 cm），实现多极化方式（HH、HV、VH和VV）遥感。在烟草生长期获取了一景覆盖研究区的TerraSAR-X数据，具体的TerraSAR-X数据参数见表1。

为保证与卫星遥感数据的同步/准同步获取，在获取数据的当天进行了外业调查，对烟田、玉米地等典型农作物进行了定点定位及样方的建立;同时记录烟草的生长状况。

1.3  TerraSAR-X数据的预处理

为了对雷达影像进行分析和应用，需要对获取的TerraSAR-X数据进行几何校正、斑点噪声去除、绝对辐射定标等预处理。

几何校正：选择23个地面控制点，用遥感影像处理软件ERDAS IMAGINE 9.2完成影像的几何校正，控制点主要选择在道路交叉口，河流交汇处以及水库堤坝上，且要分布均匀，误差控制在1个像元左右。

斑点噪声去除：斑点噪声的存在会使影像的判读解译变得更加困难，甚至会影响地物有效信息的提取。滤波处理不但可以减少SAR斑点噪声的影响，提高图像的目视效果，更重要的是有助于提高对每个像元后向散射的估计精度。这将直接影响图像的分类精度[6]。常见的滤波器有Lee、Enhanced Lee、Frost、Enhanced Frost、Gamma、Kuan、Local Sigma、Bit Error等，该文采用的是Frost滤波器，窗口大小为5×5。图1和图2是滤波前后（部分）的对比，滤波后图像降低了噪声，变得更平滑。

绝对辐射定标：TerraSAR-X数据的定标公式为：

σ■■=10log■（K■|DN|■）+10log■（sin？兹■）    （1）

式中，σ■■表示后向散射系数;DN表示像元的灰度值;？兹■表示当地的入射角，可以通过GIM文件换算获得;K■为绝对定标常数，在影像头文件中可以查到。定标之后，影像像元值就是后向散射系数。

研究区提取：利用研究区边界文件裁剪影像，获得研究区区域。

2  烟草识别

2.1  烟草后向散射系数分析endprint

TerraSAR-X数据经过上述预处理之后所得图像的像元值即为后向散射系数。影像包含了两种极化方式：HH和VV影像，首先利用ENVI中的波段运算计算出两者的比值和差值图像，即HH/VV和HH-VV图像;然后选取研究区典型地物的感兴趣区域（ROI），利用感兴趣区域裁剪不同图像（HH、VV、HH/VV、HH-VV），得到典型地物在不同图像上后向散射系数的平均值（表2）。

通过对表2中数据的分析比较，烟草HH极化后向散射系数比VV极化高8.5 dB，是因为烟草此时正处于生长期的团棵期，叶片已经展开，植株冠层大大衰减了VV极化的穿透能力[7]。由于植株的垂直状态且和水面双层的相互作用而加强，水稻在HH极化方式的后向散射系数大于烟草。烟草的后向散射系数与居民点的很接近，这是因为烟草处于团棵期，大量土壤裸露，且此时期较干旱，使得反射器现象大量存在，表现出与建筑物相仿的散射特性。

2.2  烟草信息的提取

提取信息的方法有多种，比值法和差值法应用较为广泛。比值法可使影像中某些地物的均值拉开、方差缩小，便于将其分类;差值法可检测不同波段间的图像值的差别，根据波段间差值的不同，多用于区分不同的地物[8]。该文运用比值图像（HH/VV）来丰富地物信息，便于烟草信息的提取。通过对不同地物在不同图像上的后向散射系数的差异分析，了解不同地物的散射特性。

选择监督分类算法中基于图像统计的最大似然判别法[8]对组合好的HH、VV、HH/VV（R、G、B）图像（图3）进行分类。首先，选择典型地物的训练场，再根据训练场计算各类地物的统计特征值，建立分类判别函数，然后逐点扫描图像中的像元，求出其属于各类的概率，再将待判别的像元归入最大判别函数值的一组[3]。分类后，对结果进行Majority/Minority以及聚类（Clump）等分类后的处理（图4）。

2.3  精度验证

利用上述方法进行分类后，精度验证是必不可少的一个环节。因此，可以利用GPS采集的样方数据对分类结果进行验证。样方是由规则的矩形形成的，样方包括烟草、玉米、水稻等。将样方数据（矢量文件）转换成感兴趣区域，用其来裁剪分类后的矢量数据，便于计算样方中不同地物的面积。样方中不同地类的统计结果见表3。

精度验证方法如下[9，10]，假设：样方内实际是烟田的，被分为烟田的记为TT;样方内实际是烟田的，被分为非烟田的记为TO;样方内实际是非烟田的，被分为非烟田的记为OO;样方内实际是非烟田的，被分为烟田的记为OT，这里的T代表烟田，O代表非烟田。那么，分类总精度可以表示为：

（TT+OO）/（TT+TO+OO+OT）×100%     （2）

烟草识别精度表示为：

TT/（TT+TO）×100%            （3）

根据公式（2）和公式（3）可以计算出分类总精度和烟草识别精度（表4）。可以看出，利用该方法分类的烟草识别精度可以达到80.52%，效果较理想。

3  小结与讨论

通过上述的分析和结果可以看出，在贵州高原山区利用单时相双极化的TerraSAR-X数据进行烟草的识别是可行的，这为高原山区农作物监测提供了新的途径。该文获取了烟草团棵期TerraSAR-X影像，虽然分类结果较理想，但同时有以下几点值得思考：

1）团棵期的烟草叶面很小，大量土壤裸露在外，再加上季节干旱的影响，使得烟草地和建筑物表现出相似的散射特性，后向散射系数很接近，这为两者的区分带来了困难，也就是说，影像时相的选择会影响烟草识别的结果;

2）采用的是单时相双极化的雷达影像进行分类，取得了较理想的效果，但随着雷达技术的发展，多时相、多极化雷达影像的应用可以提供更丰富的地物信息，可以为高原山区目标地物的提取提供更多的选择，所以，为了提高识别精度，在研究区可以尝试使用多时相、多极化影像;

3）单时相多极化数据的使用虽然减少了成本及数据处理量，但在地物后向散射系数变化分析方面存在着弊端，这是今后研究中需要考虑的一个问题。

参考文献：

[1] LE TOAN T， LAUR H， MOUGIN E， et al. Multitemporal and dual-polarization observation of agricultural vegetation covers by X-band SAR images[J]. IEEE Transactions of Geoscience and Remote Sensing，1989，27（6）：709-718.

[2] RIBBES F， LE TOAN T. Rice field mapping and monitoring with RADARSAT data[J]. International Journal of Remote Sensing， 1999， 20（4）：745-765.

[3] 杨沈斌，李秉柏，申双和，等.基于多时相多极化差值图的稻田识别研究[J].遥感学报，2008，12（4）：613-618.

[4] SHAO Y， FAN X T， LIU H， et al. Rice monitoring and production estimation using multi-temporal RADARSAT[J].Remote Sensing of Environment，2001，76：310-325.

[5] 贾龙浩，周忠发，李  波.SAR在喀斯特山区烟草生长监测中的应用探讨[A].第十八届中国遥感大会论文集[C].北京：科学出版社，2012.867-871.

[6] 谭炳香，李增元，李秉柏，等.单时相双极化ENVISAT ASAR数据水稻识别[J].农业工程学报，2006，22（12）：121-127.

[7] 化国强，肖  靖，黄晓军，等.基于全极化SAR数据的玉米后向散射特征分析[J].江苏农业科学，2011，39（3）：562-565.

[8] 赵春霞，钱永祥.遥感影像监督分类与非监督分类的比较[J].河南大学学报（自然科学版），2004，34（3）：90-93.

[9] 杨沈斌，李秉柏，申双和，等.ENVISATASAR数据用于大区域稻田识别研究[J].南京气象学院学报，2007，30（3）：365-370.

[10] 张云柏.ASAR影像应用于水稻识别和面积测算研究——以江苏宝应县为例[D].南京：南京农业大学，2004.endprint