胡九超，周忠發(fā)，王瑾

摘要：為了探討多極化雷達(dá)影像在貴州高原山區(qū)農(nóng)作物上的識別應(yīng)用， 采用單時相雙極化TerraSAR-X數(shù)據(jù)展開煙草識別研究。選擇貴州省清鎮(zhèn)市流長鄉(xiāng)煙草示范基地為研究區(qū)，在煙草生長期內(nèi)獲取了TerraSAR-X數(shù)據(jù)，通過對圖像進(jìn)行預(yù)處理并分析典型地物的后向散射系數(shù)，建立地物訓(xùn)練場，采用最大似然法進(jìn)行分類，同時利用GPS采集的樣方數(shù)據(jù)對煙草識別進(jìn)行精度驗(yàn)證。結(jié)果表明，其識別精度可達(dá)80.52%，為貴州高原山區(qū)的典型農(nóng)作物監(jiān)測提供了理論基礎(chǔ)與技術(shù)支撐。

關(guān)鍵詞：高原山區(qū);雙極化;TerraSAR-X;后向散射系數(shù);煙草

中圖分類號：TP79;S572 ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? ? ?文章編號：0439-8114（2014）23-5851-04

DOI：10.14088/j.cnki.issn0439-8114.2014.23.058

由于喀斯特地區(qū)地表支離破碎、種植作物復(fù)雜以及貴州高原山區(qū)常年多云雨天氣，很難獲得高時間、高空間的多光譜數(shù)據(jù)，這給農(nóng)作物的實(shí)時監(jiān)測帶來了困難。而合成孔徑雷達(dá)（SAR）具有穿透云霧和土壤的能力，并且能夠全天時、全天候進(jìn)行拍攝，彌補(bǔ)多光譜數(shù)據(jù)獲取不易的弊端，為貴州高原山區(qū)的農(nóng)作物監(jiān)測提供了數(shù)據(jù)支撐。以往單極化影像對煙草與其他地物之間的后向散射系數(shù)沒有明顯的差異，因此，煙草信息的提取效果不明顯。而雙極化影像能進(jìn)行比值處理，可消除陰影干擾，使影像數(shù)據(jù)更接近地物本身光譜反射的真實(shí)值，從而改善影像質(zhì)量，突出目標(biāo)信息。

針對農(nóng)作物的分類，Le Toan等[1]提出了利用多時相SAR影像的比值（或差值），或不同極化方式的影像比值（或差值），尋找合理的閾值對影像進(jìn)行分類以提取水稻、城鎮(zhèn)、水體和其他地物的信息。該方法巧妙簡單，且分類精度一般在80%以上[2]。楊沈斌等[3]提出了多時相多極化差值圖對水稻進(jìn)行分類，并且得到最大似然法的效果比其他方法更優(yōu)。Shao等[4]應(yīng)用多種雷達(dá)數(shù)據(jù)對南方的水稻進(jìn)行分類和監(jiān)測取得了很好的效果。以上的研究都是利用多時相的雷達(dá)數(shù)據(jù)，增加了數(shù)據(jù)成本和處理量。而且是針對水稻進(jìn)行的分類，而對煙草的識別研究，特別是貴州高原山區(qū)煙草的識別研究幾乎是一片空白。為此，研究獲取了2013年5月28號團(tuán)棵期煙草TerraSAR-X雙極化（HHVV）數(shù)據(jù)，采用監(jiān)督分類中的最大似然法進(jìn)行分類，利用GPS采集的樣方數(shù)據(jù)對單時相雙極化TerraSAR-X數(shù)據(jù)在貴州高原山區(qū)的煙草識別能力進(jìn)行評價。在貴州高原山區(qū)嘗試單時相雙極化的TerraSAR-X雷達(dá)影像進(jìn)行煙草的監(jiān)測和識別，從而降低數(shù)據(jù)成本和減少數(shù)據(jù)處理量。

1 ?研究區(qū)選擇和數(shù)據(jù)預(yù)處理

1.1 ?研究區(qū)概況

貴州省清鎮(zhèn)市種植烤煙歷史悠久，是全國特色優(yōu)質(zhì)煙葉生產(chǎn)區(qū)之一。研究區(qū)位于貴州省清鎮(zhèn)流長現(xiàn)代煙草農(nóng)業(yè)基地單元，總面積489 km2。該地區(qū)屬亞熱帶季風(fēng)濕潤氣候，年均氣溫14 ℃，年均降水量1 150.4 mm;土壤以黃沙壤、黃壤為主，pH 5.5～6.5，有機(jī)質(zhì)含量豐富。氣候條件和土壤條件均有利于種植烤煙[5]。試驗(yàn)區(qū)海拔在600～1 400 m，相對高差較大，以峰叢洼地、峰叢谷地為主，地下暗河和落水洞廣布，地表支離破碎，土地形狀不規(guī)則，多成零星散狀分布。

1.2 ?數(shù)據(jù)獲取及參數(shù)

2007年6月15日TerraSAR-X雷達(dá)衛(wèi)星在俄羅斯拜科努爾發(fā)射場發(fā)射升空，為貴州高原山區(qū)的煙草監(jiān)測提供了新的數(shù)據(jù)源。TerraSAR雷達(dá)衛(wèi)星工作在X波段（波長為3.2 cm），實(shí)現(xiàn)多極化方式（HH、HV、VH和VV）遙感。在煙草生長期獲取了一景覆蓋研究區(qū)的TerraSAR-X數(shù)據(jù)，具體的TerraSAR-X數(shù)據(jù)參數(shù)見表1。

為保證與衛(wèi)星遙感數(shù)據(jù)的同步/準(zhǔn)同步獲取，在獲取數(shù)據(jù)的當(dāng)天進(jìn)行了外業(yè)調(diào)查，對煙田、玉米地等典型農(nóng)作物進(jìn)行了定點(diǎn)定位及樣方的建立;同時記錄煙草的生長狀況。

1.3 ?TerraSAR-X數(shù)據(jù)的預(yù)處理

為了對雷達(dá)影像進(jìn)行分析和應(yīng)用，需要對獲取的TerraSAR-X數(shù)據(jù)進(jìn)行幾何校正、斑點(diǎn)噪聲去除、絕對輻射定標(biāo)等預(yù)處理。

幾何校正：選擇23個地面控制點(diǎn)，用遙感影像處理軟件ERDAS IMAGINE 9.2完成影像的幾何校正，控制點(diǎn)主要選擇在道路交叉口，河流交匯處以及水庫堤壩上，且要分布均勻，誤差控制在1個像元左右。

斑點(diǎn)噪聲去除：斑點(diǎn)噪聲的存在會使影像的判讀解譯變得更加困難，甚至?xí)绊懙匚镉行畔⒌奶崛　V波處理不但可以減少SAR斑點(diǎn)噪聲的影響，提高圖像的目視效果，更重要的是有助于提高對每個像元后向散射的估計精度。這將直接影響圖像的分類精度[6]。常見的濾波器有Lee、Enhanced Lee、Frost、Enhanced Frost、Gamma、Kuan、Local Sigma、Bit Error等，該文采用的是Frost濾波器，窗口大小為5×5。圖1和圖2是濾波前后（部分）的對比，濾波后圖像降低了噪聲，變得更平滑。

絕對輻射定標(biāo)：TerraSAR-X數(shù)據(jù)的定標(biāo)公式為：

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

式中，σ■■表示后向散射系數(shù);DN表示像元的灰度值;？茲■表示當(dāng)?shù)氐娜肷浣?，可以通過GIM文件換算獲得;K■為絕對定標(biāo)常數(shù)，在影像頭文件中可以查到。定標(biāo)之后，影像像元值就是后向散射系數(shù)。

研究區(qū)提?。豪醚芯繀^(qū)邊界文件裁剪影像，獲得研究區(qū)區(qū)域。

2 ?煙草識別

2.1 ?煙草后向散射系數(shù)分析endprint

TerraSAR-X數(shù)據(jù)經(jīng)過上述預(yù)處理之后所得圖像的像元值即為后向散射系數(shù)。影像包含了兩種極化方式：HH和VV影像，首先利用ENVI中的波段運(yùn)算計算出兩者的比值和差值圖像，即HH/VV和HH-VV圖像;然后選取研究區(qū)典型地物的感興趣區(qū)域（ROI），利用感興趣區(qū)域裁剪不同圖像（HH、VV、HH/VV、HH-VV），得到典型地物在不同圖像上后向散射系數(shù)的平均值（表2）。

通過對表2中數(shù)據(jù)的分析比較，煙草HH極化后向散射系數(shù)比VV極化高8.5 dB，是因?yàn)闊煵荽藭r正處于生長期的團(tuán)棵期，葉片已經(jīng)展開，植株冠層大大衰減了VV極化的穿透能力[7]。由于植株的垂直狀態(tài)且和水面雙層的相互作用而加強(qiáng)，水稻在HH極化方式的后向散射系數(shù)大于煙草。煙草的后向散射系數(shù)與居民點(diǎn)的很接近，這是因?yàn)闊煵萏幱趫F(tuán)棵期，大量土壤裸露，且此時期較干旱，使得反射器現(xiàn)象大量存在，表現(xiàn)出與建筑物相仿的散射特性。

2.2 ?煙草信息的提取

提取信息的方法有多種，比值法和差值法應(yīng)用較為廣泛。比值法可使影像中某些地物的均值拉開、方差縮小，便于將其分類;差值法可檢測不同波段間的圖像值的差別，根據(jù)波段間差值的不同，多用于區(qū)分不同的地物[8]。該文運(yùn)用比值圖像（HH/VV）來豐富地物信息，便于煙草信息的提取。通過對不同地物在不同圖像上的后向散射系數(shù)的差異分析，了解不同地物的散射特性。

選擇監(jiān)督分類算法中基于圖像統(tǒng)計的最大似然判別法[8]對組合好的HH、VV、HH/VV（R、G、B）圖像（圖3）進(jìn)行分類。首先，選擇典型地物的訓(xùn)練場，再根據(jù)訓(xùn)練場計算各類地物的統(tǒng)計特征值，建立分類判別函數(shù)，然后逐點(diǎn)掃描圖像中的像元，求出其屬于各類的概率，再將待判別的像元?dú)w入最大判別函數(shù)值的一組[3]。分類后，對結(jié)果進(jìn)行Majority/Minority以及聚類（Clump）等分類后的處理（圖4）。

2.3 ?精度驗(yàn)證

利用上述方法進(jìn)行分類后，精度驗(yàn)證是必不可少的一個環(huán)節(jié)。因此，可以利用GPS采集的樣方數(shù)據(jù)對分類結(jié)果進(jìn)行驗(yàn)證。樣方是由規(guī)則的矩形形成的，樣方包括煙草、玉米、水稻等。將樣方數(shù)據(jù)（矢量文件）轉(zhuǎn)換成感興趣區(qū)域，用其來裁剪分類后的矢量數(shù)據(jù)，便于計算樣方中不同地物的面積。樣方中不同地類的統(tǒng)計結(jié)果見表3。

精度驗(yàn)證方法如下[9，10]，假設(shè)：樣方內(nèi)實(shí)際是煙田的，被分為煙田的記為TT;樣方內(nèi)實(shí)際是煙田的，被分為非煙田的記為TO;樣方內(nèi)實(shí)際是非煙田的，被分為非煙田的記為OO;樣方內(nèi)實(shí)際是非煙田的，被分為煙田的記為OT，這里的T代表煙田，O代表非煙田。那么，分類總精度可以表示為：

（TT+OO）/（TT+TO+OO+OT）×100% ? ? （2）

煙草識別精度表示為：

TT/（TT+TO）×100% ? ? ? ? ? ?（3）

根據(jù)公式（2）和公式（3）可以計算出分類總精度和煙草識別精度（表4）?？梢钥闯?，利用該方法分類的煙草識別精度可以達(dá)到80.52%，效果較理想。

3 ?小結(jié)與討論

通過上述的分析和結(jié)果可以看出，在貴州高原山區(qū)利用單時相雙極化的TerraSAR-X數(shù)據(jù)進(jìn)行煙草的識別是可行的，這為高原山區(qū)農(nóng)作物監(jiān)測提供了新的途徑。該文獲取了煙草團(tuán)棵期TerraSAR-X影像，雖然分類結(jié)果較理想，但同時有以下幾點(diǎn)值得思考：

1）團(tuán)棵期的煙草葉面很小，大量土壤裸露在外，再加上季節(jié)干旱的影響，使得煙草地和建筑物表現(xiàn)出相似的散射特性，后向散射系數(shù)很接近，這為兩者的區(qū)分帶來了困難，也就是說，影像時相的選擇會影響煙草識別的結(jié)果;

2）采用的是單時相雙極化的雷達(dá)影像進(jìn)行分類，取得了較理想的效果，但隨著雷達(dá)技術(shù)的發(fā)展，多時相、多極化雷達(dá)影像的應(yīng)用可以提供更豐富的地物信息，可以為高原山區(qū)目標(biāo)地物的提取提供更多的選擇，所以，為了提高識別精度，在研究區(qū)可以嘗試使用多時相、多極化影像;

3）單時相多極化數(shù)據(jù)的使用雖然減少了成本及數(shù)據(jù)處理量，但在地物后向散射系數(shù)變化分析方面存在著弊端，這是今后研究中需要考慮的一個問題。

參考文獻(xiàn)：

[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] 楊沈斌，李秉柏，申雙和，等.基于多時相多極化差值圖的稻田識別研究[J].遙感學(xué)報，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] 賈龍浩，周忠發(fā)，李 ?波.SAR在喀斯特山區(qū)煙草生長監(jiān)測中的應(yīng)用探討[A].第十八屆中國遙感大會論文集[C].北京：科學(xué)出版社，2012.867-871.

[6] 譚炳香，李增元，李秉柏，等.單時相雙極化ENVISAT ASAR數(shù)據(jù)水稻識別[J].農(nóng)業(yè)工程學(xué)報，2006，22（12）：121-127.

[7] 化國強(qiáng)，肖 ?靖，黃曉軍，等.基于全極化SAR數(shù)據(jù)的玉米后向散射特征分析[J].江蘇農(nóng)業(yè)科學(xué)，2011，39（3）：562-565.

[8] 趙春霞，錢永祥.遙感影像監(jiān)督分類與非監(jiān)督分類的比較[J].河南大學(xué)學(xué)報（自然科學(xué)版），2004，34（3）：90-93.

[9] 楊沈斌，李秉柏，申雙和，等.ENVISATASAR數(shù)據(jù)用于大區(qū)域稻田識別研究[J].南京氣象學(xué)院學(xué)報，2007，30（3）：365-370.

[10] 張云柏.ASAR影像應(yīng)用于水稻識別和面積測算研究——以江蘇寶應(yīng)縣為例[D].南京：南京農(nóng)業(yè)大學(xué)，2004.endprint