基于Sentinel-1A雷达影像的崇明东滩芦苇盐沼植被识别提取

胥 为，周云轩，沈 芳，田 波，于 鹏

华东师范大学河口海岸学重点实验室，上海 200062

0 引言

盐沼植被是滨海湿地的重要组成部分，具有海岸侵蚀防护、生物栖息地支持、水质净化和碳汇等多种生态服务功能[1]。受滩涂围垦、海平面上升、外来物种入侵等因素影响，我国典型河口海岸带区域本土盐沼植被处于不断快速动态变化中。如长江河口自1980年人工引种美国互花米草以来，2015年其分布面积已达约6 200 hm2，它快速扩散并侵占了土著植被如芦苇盐沼植被的生境，给海岸带湿地生态系统结构和功能带来了强烈影响。对河口海岸带区域盐沼湿地植被种类、空间分布和外来盐沼植被扩散动态监测主要采用遥感与野外实地调查相结合的方法，特别是利用多时相、多分辨率光学遥感影像作为主要数据源，利用植被指数等进行盐沼植被遥感识别提取。诸多研究[2-4]表明，利用光学遥感影像进行盐沼植被的精准识别需要大量的先验知识，并辅以野外现场调查修正。而且利用光学遥感影像进行盐沼湿地植被监测存在着许多局限和不足，主要有：我国大部分沿海潮滩地区高概率出现的云层覆盖和恶劣天气等因素，加大了获取高质量多时相的光学遥感影像数据的难度；因光学影像波长短，对植被冠层缺乏穿透能力，这使得大部分盐沼植被在其生长季节对光谱响应的相似度高，导致不同植被类型和混生盐沼植被空间边界区分效果不佳；由于潮滩地带通达性差，实地调查修验存在成本高、周期长的问题，降低了利用光学遥感影像实施年际尺度，甚至更小时间尺度的盐沼植被动态变化精准监测的可行性。

合成空间雷达(synthetic aperture radar，SAR)是一种主动式对地观测系统，雷达波长一般在厘米级，可穿透云雨雾，不受天气和时间的影响，具有全天时、全天候的特点。SAR回波信号对物体的介电特性，特别是对植被叶片含水量和土壤湿度变化敏感[5]，能提供光学遥感影像所缺乏的对植被冠层的穿透性，使植被叶冠以下的信息也能被利用，可以弥补光学遥感在盐沼植被监测中的不足[6]。近年来，国内外学者利用SAR影像在盐沼湿地植被提取方面取得了不少研究成果。王安琪等[5]结合Landsat TM(thematic mapper)、长波段PALSAR(phased array type L-band synthetic aperture radar)及多时相ENVISAT ASAR(advanced synthetic aperture radar)影像，利用决策树的方法，对东北地区三江平原内的沼泽湿地植被进行了识别，所得到的分类精度整体较高。Townsend等[7]利用多季相的RADARSAT影像，对美国卡罗莱纳州东北部Roanoke河流域及其周围的湿地进行了制图。Kwoun等[8]利用多时相ERS-1/2和Radarsat-1卫星数据，采取相对辐射定标的方法，区分了Louisiana州海岸湿地的多种森林和沼泽植被类型;研究表明，单独利用一景SAR影像在识别植被类型时效果并不理想，而多时相、多极化、多来源影像结合是利用SAR影像进行湿地植被监测的发展趋势。

哨兵一号A卫星(Sentinel-1A)于2014年4月3号发射升空，属于欧空局(ESA)哥白尼计划中的地球观测卫星，是对2014年4月8号失联的ENVISAT卫星的继承。本研究以长江河口崇明东滩南部为研究区域，利用2016年11个时相的Sentinel-1A雷达卫星影像数据，研究芦苇盐沼植物在一个完整年度内不同生长季节的雷达后向散射系数变化特征，并以此为依据对芦苇的分布信息进行提取，探究Sentinel-1A卫星数据在长江口湿地植被监测中的应用前景。

1 研究区域概况

崇明东滩位于崇明岛最东端的长江河口入海处，由长江径流携带的泥沙沉积而成，是长江口规模最大、发育最完善的河口型潮滩之一[9]，被列入国际重要湿地名录，也是国家级鸟类自然保护区、国际亚太迁徙鸟类重要停歇地[10]。本文研究区域位于崇明东滩南部(图1)，是典型的河口型淤泥质潮滩。区域内多年平均潮差2.6 m，最大潮差4.6～6.0 m。潮沟发育丰富，主要分布在潮间带上部或高潮滩部位，由岸向海呈树枝状扩张态势[11]。研究区域内主要盐沼植被类型包括芦苇群落、白茅群落和海三棱藨草群落等，芦苇的最大株高可达4.0 m，白茅和海三棱藨草的最高株高一般低于0.6 m[12]。在植被生长周期内，当年11月至翌年的4月为东滩植被的枯萎期，其余时段为生长绿叶期。

2 研究方法

2.1 数据来源

Sentinel-1A雷达卫星采用4种极化(VV(vertical transmit/vertical receive)、VH(vertical transmit/horizontal receive)、HV(horizontal transmit/ vertical receive)和HH(horizontal transmit/ horizontal receive))C波段工作模式，重访周期为12 d，2016年4月Sentinel-1B卫星发射升空以后，重返周期缩短至6 d，具有重访时间短和数据产品发布快速的特点[13]。该雷达卫星数据包括4种模式，分别是宽刈幅模式(IW)、条带模式(SM)、超宽刈幅(EW)和波模式(WV)。本文选取Sentinel-1A卫星的IW模式一级产品(Level-1)中的地距格式(GRDH)影像，所有影像极化方式均为VV+VH极化。影像获取时间跨度为2016年3月—2016年12月，共11景影像(表1)，卫星运行轨道为上行，过境时间为当日17:54。下载的影像数据已进行过多视处理，分辨率为10 m×10 m[13]。

Sentinel-1A卫星数据的元数据(metadata)中包含了卫星轨道向量，其精确度一般不高，需要后续发布的精确轨道数据进行精确校准。由于雷达波具有相干波的本质，Sentinel-1A卫星影像数据不可避免地具有椒盐噪点(salt and pepper noise)[14]，降低了SAR影像的图像质量。滤波处理可以有效地减少椒盐噪点对SAR影像的不良影响。为尽量保留数据细节和纹理特征，本文选择中值滤波法进行滤波处理，滤波窗口设置为9×9。卫星数据的处理主要利用ESA开发的SNAP软件平台。完整的数据处理流程为：1)应用轨道数据(apply orbit file)；2)辐射定标(radiometric calibration)；3)滤波处理(speckle filtering)；4)地形校正(range-doppler terrain correction)；5)波段合成(layer stacking)。图2是2016-06-08 Sentinel-1A雷达卫星原始影像数据和经过预处理后的影像数据。由图2可以看出，Sentinel-1A原始影像经预处理后，椒盐噪点得到较好的抑制，影像的几何特征吻合真实地理坐标。

图1 研究区位置图Fig.1 Location of the study area

Table1ListofSentinel-1AimagesinChongmingDongtanarea

影像编号时间当日天气潮位/cm12016-03-28多云17922016-04-21阴7732016-05-15中雨转小雨27642016-06-08小雨18852016-07-26晴33362016-08-19晴10772016-09-12多云30482016-10-06多云23592016-10-30阴94102016-11-11晴240112016-12-05多云263

在本论文研究开展期间，笔者分别于2016年11月和12月前往研究区域进行野外调查工作，获取用于提取结果精度验证的野外实测数据。在野外调查过程中，利用GPS(仪器误差为±10 m)获取采样点的经纬度坐标，详细记录观测点及其周围的植被类型、植被平均高程等数据。图3为地物类型验证点分布图。

2.2 盐沼植被的后向散射机制

在有植被的潮滩区域，SAR卫星发射的雷达波与地表和植被同时发生作用。雷达回波的大小不仅取决于目标物的尺寸、密度、形状和介电常数等，也与SAR卫星本身的系统特征有关，如雷达入射角、极化方式和波长等[15]。雷达波对植被冠层的穿透性与波长有很大关系，如波长较长的L波段可以穿透茂密的灌木林和森林，而C波段则最有利于识别植被下方有水体的草本植被[7]。

图2 Sentinel-1A雷达卫星影像预处理前(a)、后(b)对比图Fig.2 Images before(a) and after(b) pre-processing of the Sentinel-1A SAR

在潮间带盐沼湿地，雷达波的散射机制大致可以分为四大类：面散射(surface scattering)、体散射(volume scattering)、镜面散射(specular scattering)及二次回波散射(double bounce scattering)。图4解释了雷达波在不同水位下与不同盖度和高度的草本植被相互作用机理。当潮滩水位很高、植被几乎被完全淹没时，大部分雷达波将直接从水面反射出去，造成影像的后向散射强度极低(图4a)；当植被部分被淹没且植被露出水面的枝秆部分足够大、植被的盖度较低时，C波段雷达波能较好地穿透植被冠层，并在枝秆和水面之间发生二次回波散射，在SAR影像上表现为后向散射强度很高的亮白部分(图4b)；当植被盖度很高且枝秆部分被淹没时，C波段雷达波能部分穿透植被冠层，但不能抵达水面，这时会同时发生面散射和体散射(图4c)。总之，盐沼植被的盖度、高度以及潮滩水位的高低决定了不同雷达散射机制的发生。一般来说，几种雷达散射机制可能同时发生，占比重最大的称为主导散射机制(dominant scattering mechanism)。因为雷达散射方式为后向散射(即入射波与反射波方向一致)，故当上述散射机制分别占据主导地位时，雷达影像象元的后向散射系数大小关系一般满足二次回波散射>体散射/面散射>镜面散射。

图3 验证点分布图Fig.3 Distribution map of the verification points

a.镜面散射；b. 二次回波散射；c. 体散射/面散射。图4 研究区雷达波与盐沼植被作用机理图Fig.4 Illustration of mechanism between the radar wave and vegetation in the study area

2.3 盐沼植被雷达后向散射强度变化分析

为比较芦苇、白茅和海三棱藨草、水体、光滩的雷达后向散射强度时相变化差异，通过高分辨航空遥感影像数据分析，结合地面现场植被考察，在Sentinel-1A雷达卫星影像上选取不同地物类型的感兴趣区域(region of interest，ROI)，研究不同地物在一个植物生长周期内的后向散射强度变化特征。由于区域内海三棱藨草和白茅的株高明显低于芦苇，在分析时将二者归为一类。调查共选择了32个样方，对4种地物类型分别提取705、533、552、541个数据像元，利用ENVITM软件进行统计分析，结果如图5所示。

分析图5可知，相较于VH极化方式，Sentinel-1A雷达数据VV极化方式的4种主要地物类型的后向散射强度整体更高，差别更为显著。对4种地物在VV极化方式下雷达反射强度的分析表明：所有时相内水体和潮沟以及光滩的雷达后向散射强度整体偏低；芦苇后向散射强度的峰值出现在4月，其值为-3.6 dB，最低值出现在6月，其值为-12.0 dB。从6月到10月，芦苇的后向散射强度低于或接近于白茅和海三棱藨草，其原因在于该时间段为芦苇的绿叶期，植被叶冠茂密，雷达波主要发生了体散射/面散射；而在芦苇的枯/落叶期，大部分C波段雷达波可以穿透冠层，发生了二次回波散射，此时的后向散射强度值高于其他地物。

图5 研究区2016年4种主要地物后向散射强度时相变化图Fig.5 Temporal variation of the back-scattering intensity of the land features of 2016 in the study area

3 结果与分析

3.1 芦苇盐沼植被分布识别

由图5可以看出，3、4月芦苇的后向散射强度与其他地物差异最为显著，且明显高于其他地物，可用作芦苇盐沼植被的识别提取。2016-03-28 Sentinel-1A卫星过境时刻潮位为179 cm，属于中高潮位，而2016-04-21时潮位为78 cm，属于低潮位。在利用4月低潮位雷达影像分析提取时，靠近堤坝处的部分芦苇由于所处位置海拔相对高，未被水淹没发生二次回波散射，不能有效识别。当单独使用3月中高潮位雷达影像时，靠近堤坝处的芦苇能较好地提取出来，但其他区域的部分芦苇处于被淹没状态，发生了镜面散射，难以被准确区分；因此使用单一时相影像进行芦苇识别提取效果并不理想。考虑到潮位高低对植被散射机制的影响，综合利用不同潮位下的影像能达到更好的识别效果。利用SNAP软件波段运算(band math)的功能，计算3、4月两景Sentinel-1A影像的像元最大值，所得影像每个像元的后向散射强度为3、4月影像的较高值。利用阈值分割法提取芦苇的分布信息，划分阈值为-8.86 dB，高于该值的像元即识别为芦苇。提取结果如图6所示。利用此前采集的现场实测数据，结合Google Earth高清卫星影像，随机均匀选取验证点，验证点总数为89，对本文的芦苇盐沼植被提取结果进行精度验证。经验证，芦苇盐沼植被的提取精度为88.7%。

图6 研究区芦苇盐沼植被空间分布图Fig.6 Spatial distribution of the phragmites australis in the study area

3.2 后向散射强度与NDVI相关性分析

利用无云雾覆盖的2016-5-20 Landsat 8 OLI(operational land imager ，陆地成像仪)影像，计算研究区域的归一化植被指数(INDV)(图7a)。将波段运算后的SAR影像进行重采样，重采样后SAR影像的分辨率与Landsat 8影像分辨率一致，为30 m×30 m(图7b)。利用ENVITM软件进行波段合成，运用统计工具Compute Statistics对两个波段进行相关性分析。结果表明，两者为正相关关系，相关系数为0.78。

图7 研究区INDV图像(a)和3、4月雷达影像波段组合运算后图像(b)Fig.7 Image of INDV(a) and SAR image of March and April after band math(b)in the study area

4 结论与展望

1)芦苇枯/落叶期的Sentinel-1A雷达影像对于芦苇的识别最有效，在植被提取的过程中需要充分考虑潮汐水位对盐沼植被雷达散射机制的影响。综合利用不同潮位情况下的雷达影像，提取效果精度更高。

2)通过雷达后向散射强度影像与相近时相的光学遥感影像归一化植被指数进行相关性分析，发现二者呈良好的正相关关系。

3)对Sentinel-1A雷达卫星在潮滩盐沼植被识别提取的应用，需要进一步研究区分低矮盐沼植被的在雷达反射上的特征判据。

4)目前在长江河口获取的Sentinel-1A卫星数据仅为双极化模式，需要进一步研究盐沼植被全极化雷达的散射特征。如何有效结合光学遥感影像进行盐沼植被时空动态演变精准识别、植被生物量定量估算及盐沼植被生物地球化学过程循环，将是雷达卫星海岸带应用的重要研究方向。