CBERS与ASAR影像融合处理及在提取土壤侵蚀信息中的应用

李涛++颜伟

摘要：以CBERS数据与ASAR数据为多源遥感数据源，进行CBERS影像与ASAR影像HPF像素级融合，得到了高空间分辨率的多光谱影像HPF融合影像，并结合DEM数据，提取植被覆盖度、土地类型、坡度土壤侵蚀信息，在土壤侵蚀信息准确性和丰富性方面，取得了较理想的效果，为实际应用中提取土壤侵蚀信息提供了参考。

关键词：遥感；ASAR数据；CBERS数据；HPF像素级融合；土壤侵蚀信息

中图分类号：TP79 文献标识码：A 文章编号：0439-8114（2017）10-1956-04

DOI：10.14088/j.cnki.issn0439-8114.2017.10.039

Fusion of CBERS and ASAR Images and Application for

Extracting Soil Erosion Information

LI Tao， YAN Wei

（Management Station of Forest Resources，Guiyang 550003，China）

Abstract：Using CBERS image and ASAR image as date source for image fusion at pixel level HPF， the high spatial resolution multi-spectrum image HPF fusion image were obtained. Combining with the DEM data， extraction of vegetation coverage， land type， and slope soil erosion information， the ideal results were obtained in the aspect of soil erosion information accuracy， which provided reference for extracting soil erosion information.

Key words：remote sensing；CBERS image；ASAR image；HPF fusion image；soil erosion information

在區域尺度土壤侵蚀调查中，遥感应用存在着遥感数据源和信息提取方式的局限性。遥感数据源多为美国陆地资源卫星TM[1，2]，其数据应用较少，尤其是雷达数据的应用较少，信息提取方式单一，主要依赖目视解译，其他方法的应用相对不足[3]，来自多源传感器信号所提供的信息具有冗余性和互补性。而光学遥感具有丰富的光谱信息，但雷达遥感所使用的波长比光学遥感长，空间分辨率高，且不受天气的影响和制约，因此将多源遥感影像数据融合，使多源影像数据各自的优势结合起来加以利用，可以充分利用其互补信息，且进一步提高影像分析、理解与目标识别能力，是现代多源遥感影像处理和分析中非常重要的方法[4-7]。

CBERS数据与ASAR数据融合处理可以最大限度地获取对目标或场景的信息描述，且为大范围土壤侵蚀研究提供基础数据，特别在对土壤信息提取方面将会更加全面、高效，对研究区土壤侵蚀状况评价的准确性和全面性有着重要意义[8-12]。

1 CBERS与ASAR影像融合处理

遥感影像数据融合是在同一地理坐标系中，对同一目标检测的多幅遥感图像采用一定的算法，获得比任何单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的更能有效表示该目标的图像信息。它不是数据间的简单复合，而强调信息的优化，以突出有用的专题信息，消除或抑制无关的信息，改善目标识别的图像环境，从而增加解译的可靠性，减少模糊性（即多义性、不完全性、不确定性和误差）、改善分类、扩大应用范围和效果。

为了进一步提高遥感数据的利用效率，特别是提高目标识别的精度，就有必要对多源遥感信息进行综合分析和利用。遥感影像是目标的电磁波辐射特征或地物波谱特征，用不同的成像方式生成的各种影像，因此，遥感数据的分析和挖掘主要包括对遥感影像和目标波谱特征两个方面的研究：①通过对遥感影像进行数据融合，同时获得较高的空间分辨率和光谱分辨率，从而提高了遥感影像的性能；②对目标波谱数据进行数据挖掘与信息融合，得到目标波谱更深层次的特点，从而提高目标识别的精度。

1.1 CBERS与ASAR影像预处理

1.1.1 CBERS影像预处理 采用图像对图像的校正，即以原有校正和配准好的地形图为基准底图，对所用影像进行几何校正，所用处理软件为ENVI5.0，影像投影选用UTM方式，选取的地面控制点（GCP）20个。预处理过程如图1所示，由于本研究所用的CBERS数据前4个波段位置一致，第5波段存在位置偏移，因此首先对CBERS前4个波段进行合成，合成之后用地形图进行几何校正，得到合成的1～4波段，然后利用1～4合成波段对第5波段进行几何校正，再将1～4合成波段与第5波段进行融合，得到5个波段合成的CBERS影像，最后利用研究区域的矢量数据对CBERS影像裁剪，然后进行图像增强得到研究区的CBERS影像。

1.1.2 ASAR影像预处理 雷达影像不同于可见光、红外的遥感影像，其成像机理明显区别于常规遥感影像。雷达不是通过垂直投影获得影像，而是通过倾斜投影——即雷达波束与地面成一定角度后向散射而获得的初始影像为斜距影像，通过斜距到地距的转换后才能获得地距影像（图2）。因此对于每一像元来说，在其斜距方向上每一像元入射角都不相同，每一像元的后向散射增益也不相同，这些独特的成像机理使得雷达影像的处理比常规影像处理更为困难复杂。在一般定量遥感分析中，雷达影像预处理包括雷达影像定标、滤波和几何校正[13]。

1.2 CBERS与ASAR影像融合

遥感数据融合的过程应具有空间和时间上的连续性。在同一地区获得的不同分辨率、不同光谱或不同时相的图像数据，可以构成同一地区的多源数据。随着图像分析硬件和软件的飞速发展，为图像融合的实用性和普及性提供了坚实的基础。一般来说，遥感数据融合的过程可以分为3个阶段：预处理层、信息融合层、应用层。本研究针对ASAR图像与CBERS图像进行融合处理，预处理主要是针对输入的CBERS和ASAR图像进行几何校正、噪声消除及配准（图3）。

2 融合影像在提取土壤侵蚀信息中的应用

通过对CBERS与ASAR融合图像进行分析，结合研究区域植被、土壤、土地类型等有关土壤侵蚀信息的概况，采用以目视解译为主的人机交互式解译，完成研究区域融合影像的解译。根据归一化植被指数（NDVI）来计算植被覆盖度提取研究区域植被覆盖度，采用了ISODATA非监督分类法对研究区域土地资源进行分类提取土地利用类型，利用原始数据为覆盖研究区的全球30 m分辨率DEM数字高程数据提取研究区域坡度信息。

2.1 植被覆盖度信息提取结果与分析

采用归一化植被指数（NDVI）计算植被盖度，使用预处理好的CBERS与ASAR的融合图像，在ENVI软件的Band Math下，先用NDVI=NIR-R/NIR+R编辑公式float（float（b4-b3）/float（b4+b3））计算植被指数。然后根据公式VC=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil）计算得出植被覆盖度（图4）。

从表1可以看出，基于HPF融合影像提取研究区域各植被覆盖度45%～60%所占面积最大，覆盖度30%～45%次之，覆盖度>75%所占面积最小，研究区域大部分面积植被覆盖度集中在30%至60%之间，说明研究区域植被情况较差，水土流失隐患较重。通过野外实际考察分析，研究区域地处岩溶地区，立地条件较差，植被单一，石漠化现象较为严重，进一步说明融合影像提取的植被覆盖度信息与研究区域植被情况相符，融合影像提取的植被覆盖度信息效果较为理想。

2.2 土地利用类型信息提取结果与分析

采用非监督分类（Unsupervised classification）方法分类，根据图像本身的统计特征及自然点群的分布来进行土地利用类型分类，如图5所示。

从表2可知，融合影像提取的研究区域土地利用类型中草地面积为6.35 km2，建筑和岩石为70.88 km2，山体面积为299.41 km2，坡耕地为445.36 km2，林地面积为856.82 km2，水体面积为10.56 km2，空地面积为20.98 km2，林地面积所占比例最大，坡耕地面积比例次之。由研究区域林地保护利用规划数据库可知，研究区域林地面积为875.03 km2，水体面积为10.10 km2，这与融合影像提取的林地和水体类型面积大小相近，说明融合影像数据信息与研究区域林地现状信息相差不大，效果较好。

2.3 DEM数据提取坡度信息分析

地形因子主要考虑了坡度因子，将获取的数字高程模型（DEM）在ERDAS图像处理软件图像解译模块的地形分析功能得到地形坡度要素（图6），并在Arc GIS中按照土壤侵蚀分级的参考指标进行分级（Arc GIS-Arc Map-spatial-analyst-reclassify），得到分级坡度信息矢量数据库，将作为土壤侵蚀分级的辅助信息，与植被覆盖度信息、土地利用类型信息进行空间叠加分析，并为下一步进行研究区域土壤侵蚀等级状况分析和评价提供基础数据。

3 结论

1）CBERS与ASAR影像进行融合，得到了多光谱高分辨率的HPF融合影像，融合影像不但具有CBERS影像的多光谱性，还保持了ASAR数据纹理结构信息，使融合后影像纹理细节信息得到不同程度加强，达到增强影像线性地物信息的目的，且使不清楚的地物得到补充。

2）基于HPF融合影像提取的植被覆盖度信息与研究区域野外考察的植被情况相符，融合影像提取的植被覆盖度信息效果较为理想。

3）融合影像提取的研究区域土地利用类型中林地面积为856.82 km2，水体面积为10.56 km2，与研究区域林地保护利用规划数据库中林地和水体类型面积大小相近，融合影像提取的信息与研究区域现状信息相差不大，融合影像提取土地利用类型信息效果较好。

4）基于HPF融合影像提取的植被覆盖度、土地利用类型信息和利用DEM提取的坡度信息因子为下一步进行大范围土壤侵蚀等综合分析研究提供了大量基础数据，并为研究区土壤侵蚀等级状况分析和评价中提取土壤侵蚀信息提供了参考。

参考文献：

[1] 张树文，王文娟，李 颖，等.近50年来三江平原土壤侵蚀动态分析[J].资源科学，2008，30（6）：843-849.

[2] 许月卿，彭 建.贵州猫跳河流域土地利用变化及其对土壤侵蚀的影响[J].资源科学，2008，30（8）：1218-1225.

[3] 袁金国，王 卫.多源遥感数据融合应用研究[J].地球信息科学，2005，7（9）：97-103.

[4] 李卫国，李 花，黄义德.HJ卫星遥感在水稻长势分级监测中的应用[J].江苏农业学报，2010，26（6）：1206-1209.

[5] 刘爱霞，王 静，刘正军.三峡库区土壤侵蚀遥感定量监测基于GIS和修正通用土壤流失方程的研究[J].自然灾害学报，2009， 18（4）：25-30.

[6] 侯淑涛，王洪成.多源遥感数据融合技术研究[J].测绘与空间地理信息，2008，31（8）：12-14.

[7] 刘前进，蔡强国，刘纪根，等.黄土丘陵沟壑区土壤侵蚀模型的尺度转换[J].资源科学，2004，26（8）：81-94.

[8] 朱连奇，冯文峰，朱文博.土壤侵蚀研究中的“3S”技术应用进展[J].地理科学进展，2008，27（6）：7-62.

[9] WISSMAR R C，BEER W N，TIMM R K. Spatially explicit estimates of erosion-risk indices and variable riparian buffer widths in watersheds[J].Aquatic Sciences，2004，66（4）：446-455.

[10] FELFOUL M S，SNANE M H，ALBERGEL J. Relationship between small dam efficiency and gully erodibility of the lithologic formations covering their watershed[J].Bull Eng Geol Env，2003，62（4）：315-532.

[11] SCHIMMACK W，AUERSWALD K，BUN K. Estimation of soil erosion and deposition rates at an agricultural site in Bavaria，Germany，as derived from fallout radiocesium and plutonium as tracers[J]. Naturwissenschaften，2002，89（1）：43-46.

[12] PRICE K P. Detection of soil erosion within pinyon-juniper woodlands using hematic mapper（TM） data[J].Remote Sensing of Environment，1993，45（3）：233-248.

[13] 康耀紅.数据融合理论与应用[M].西安：西安电子科技大学出版社，1997.