不同SAR参数湿地覆盖物识别与分类研究进展

狄宇飞

（内蒙古师范大学 地理科学学院，内蒙古 呼和浩特 010022）

合成孔径雷达（Synthetic Aperture Radar，SAR）能主动发射微波波段雷达信号，对于湿地水体上方的覆盖植被具有一定的穿透性，可以更好地识别水体和植被，相比于传统的光学遥感它可以不受制于天气和时间的影响进行测量，这使它针对湿地的全天候监测成为可能，并且它可以调节观测视角、实现多波段多极化观测，对不同类型的湿地和覆盖物都可以做到比较精确有效的识别分类，有较高的利用价值和发展潜力[1].

SAR技术发展于20世纪50年代，美国于1978年发射了第一颗搭载了SAR的海洋卫星Seasat-A.1983年Krohn等研究了Seasat SAR对马里兰州和弗吉尼亚州东部低地植被的响应灵敏度，研究发现密度、形态和相对于静水低地植被的相对几何关系都会影响L波段返回信号的强度[2].由于SAR技术的强大功能和精度优势，欧空局和日本分别于1991年和1992年发射了ERS-1和JERS-1卫星.加拿大于2007年在哈萨克斯坦发射RadarSat-2卫星，这也是使用比较广泛的SAR卫星之一，Touzi[3]等研究了该卫星对湿地地表覆盖识别和分类的能力，发现识别能力和分类效果优于RadarSat-1卫星.随着雷达遥感技术的进步，SAR卫星的种类越来越多，在湿地方面的应用由最初简单的湿地地表覆盖类型识别，逐渐发展到目前多元化湿地资源监测，如湿地生物量、湿地土壤水分、湿地水位监测等.

1 不同极化参数的应用进展

极化是雷达后向散射信号的参数之一，不同的极化方式带来了不同的纹理效果和特征.早期针对SAR图像纹理特征对湿地植被进行分类的研究中，Yamagata等[4]使用纹理分析法比较了ERS-1 SAR C-VV极化和JERS-1 SAR L-HH极化数据，对钏路沼泽植被进行分类，使用JERS-1图像可以有效区分沼泽植被和湿地植被，ERS-1可以把沼泽森林从沼泽植被中分离出来.Henry等[5]测试了利用Envisat ASAR多极化数据进行洪水测绘能力，采用IM和AP两种方式的ASAR数据，同时段采集获得的ERS-2数据，使用光学图像作为验证提取和解释的参考，通过实验，HH极化比HV或VV在区分淹没区域更有优势.随后廖静娟等[6]对同极化和交叉极化数据的动态范围进行了研究，研究对比了2004至2005年四种极化的SAR数据，发现同极化数据比交叉极化数据具有更大的动态范围，并且HH极化在区分水体和其他地物类型中效果更好.为了探讨了极化多样性和极化法进行湿地分类和绘图的应用，Brisco等[7]使用变换散度评估和比较了从SAR数据中提取的不同极化特征的能力，结合最大似然分类进行湿地分类，发现具有HH极化分量的双极化提取效果优于单极化.近年来无监督分类在湿地地表覆盖分类中的应用渐广，利用全极化SAR数据，Chen、Sultana[8,9]等分别使用模糊C均值（FCM）算法和H/A/α分解参数进行湿地覆盖物无监督分类，分类较为清晰，识别效果良好.

随机森林分类器是由贝尔实验室在1995年提出的多决策树分类器，它可以同时处理大量变数，并在决定类别时评估变数的重要性，这使得该算法在复杂的湿地环境中得到很好的应用.Larocque、White等[10,11]使用多极化数据，利用随机森林分类器对湿地和泥炭地的地表覆盖进行分类，总体上，随机森林分类器能给出比最大似然分类器更高的分类精度.同时，针对泛滥平原的研究中，Furtado等[12]采用低水位和高水位期间两个全极化Radarsat-2 C波段图像，通过随机森林算法对图像和极化描述进行分类，研究表明单季全极化数据可以产生比单季双极化数据更准确的分类，双季全极化数据达到了最高的准确度，研究证明了全极化C波段图像可以作为森林湿地测绘的有效工具.

不同极化对于目标湿地的特征提取和地物识别有不同的作用，但是仍然存在一些值得改进的地方.在地物的特征提取时，有许多极化特征无法用于识别和分类，这对没有先验知识的无监督分类会造成一定的影响，经过提取的特征会存在冗余情况，对特征的分类也会提高地物的分类效率.

2 不同波段参数的应用进展

不同波段对于湿地分类效果有着不同的影响，在湿地领域的研究中C（3.75～7.5cm）和 L（15～30cm）两个波段应用较多.C波段的穿透能力较弱，故主要应用范围在识别禾本植被区湿地或稀疏森林湿地中的灌丛植被和水体[13]；L波段的穿透能力较强，可以用于湿地森林的监测[14].

不同波段对于地物识别效果不同，受到地物影响也会产生强度不同的二次回波.对于云层较厚的区域，普通的光学遥感几乎无法对地表覆盖物进行有效监测，为此Shimabukuro等[15]对亚马孙流域1994年和1997年时间间隔为几天的L波段HH JERS-1和光学图像的关系进行研究，多元回归分析表明SAR数据与从光学图像得到的信息高度相关，证实了使用L波段数据作为信息的补充来源以绘制土地覆盖类型的潜力.C波段兼顾了穿透性和清晰度，性能均衡，适用性较广，广泛应用于湿地地表覆盖分类的研究中.为了对比C波段和L波段的灵敏度，王庆、Pope、Horritt等[16]使用C波段和L波段作为数据源对沼泽淹水和淹水植被进行监测，结果显示，C波段是比较适合对淹水地区覆盖物识别分类的波段.Novo等使用JERS-1 L波段和Radarsat-1 C波段研究了巴西北部水库植物站立变量和雷达后向散射之间的关系，结果显示C波段对水生植物叶片形态的敏感性优于L波段，L波段对地上生物量和站立高度更为敏感.

当下单波段已经不能满足对于湿地的研究，在许多情况下会使用多个波段来进行研究以互相补充，提高精确度.Costa等利用Radarsat-1和JERS-1图像研究了后向散射的时间变化、河漫滩植被群落淹没和分带的时空分布情况，与C波段相比，波长较长的L波段波长对植被散射元件的厚度和尺寸更为敏感，这对于植被群落和水体的识别分类有积极的影响，同时使用会大大提高结果精确度和可信度.

就上述而言，C波段在湿地覆盖物识别和分类中的适用性和实用性是比较好的，波长较长的L波段良好的穿透性可以帮助显示出更多的信息和特征.在未来的研究中，多波段SAR图像的结合可以做到对湿地由点到面的监测.

3 总结与展望

湿地是拥有复杂地表覆盖类型的比较特殊的生态系统，光学遥感不能满足对其的监测的要求，SAR信号的穿透性可以避免水面植被覆盖的影响，探测能力优于一般光学遥感卫星，准确度更高，使图像有了更多分析角度，这也为高精度湿地覆盖物识别与分类提供了技术可行性.

针对上述发展，本文提出以下展望：（1）针对不同极化的特征提取和特征分类，重要目标自动识别技术和高效分类算法的开发将是未来研究的重点.（2）地物间的二次回波机制给分析和研究存造成一定影响，今后仍需在该方面继续研究，提高结果的准确度.（3）对于多源数据的融合是未来SAR研究的大势，既可以减少误差，同时也有利于发掘更多信息.