環(huán)境一號C衛(wèi)星SAR圖像典型環(huán)境遙感應用初探

田 維 徐 旭 卞小林 柴 勛 王世昂 宮華澤 熊文成 邵 蕓

①(中國科學院遙感與數字地球研究所 北京 100101)

②(中國科學院大學 北京 100049)

③(環(huán)境保護部衛(wèi)星環(huán)境應用中心 北京 100094)

1 引言

近十年來，國際上 SAR衛(wèi)星發(fā)展日新月異。2002年3月，搭載先進合成孔徑雷達(ASAR)傳感器的歐空局環(huán)境衛(wèi)星ENVISAT成功發(fā)射，開始了為期10年之久的遙感對地觀測任務。2007年6月和2010年6月，德國TerraSAR-X, TanDEM-X衛(wèi)星相繼成功發(fā)射，該衛(wèi)星星座系統的定軌精度高達20 cm，可獲取最高1 m分辨率的多模式SAR圖像，并可測量全球數字地表高程(DEM)。2007年12月，搭載全極化 SAR傳感器的加拿大 RADARSAT-2衛(wèi)星成功發(fā)射，至今已業(yè)務化運行5年之久。2007年陸續(xù)發(fā)射的意大利 Cosmo-SkyMed系列衛(wèi)星目前已實現4顆X波段SAR衛(wèi)星組網運行，其最大優(yōu)勢在于衛(wèi)星星座的高重訪頻率。以上 SAR衛(wèi)星已在陸地、海洋、大氣和冰川等遙感對地觀測領域取得了大量的科學研究成果[1－6]。

2012年11月19日6時53分，我國在太原衛(wèi)星發(fā)射中心利用“長征二號丙”運載火箭，將“環(huán)境一號”C衛(wèi)星(HJ-1C)成功送入預定軌道。2012年12月9日18時19分，環(huán)境一號C星下傳第1軌數據，中國科學院遙感與數字地球研究所密云接收站準時捕獲并成功接收全部數據，中國資源衛(wèi)星應用中心成功完成標準產品生產，并形成了第1幅影像圖[7]。HJ-1C衛(wèi)星是我國首顆民用S波段合成孔徑雷達(SAR)衛(wèi)星，衛(wèi)星質量890 kg，軌道高度499 km，為太陽同步圓軌道，降交點地方時上午6時。HJ-1C 衛(wèi)星具有條帶(strip)和掃描(scan)兩種工作模式，成像帶寬度分別為40 km和100 km，單視模式下分別對應于空間分辨率5 m和20 m。HJ-1C衛(wèi)星與2008年9月發(fā)射的“環(huán)境一號”A, B衛(wèi)星(HJ-1A/1B)組成環(huán)境與災害監(jiān)測預報小衛(wèi)星星座，形成了具備中高空間分辨率、高時間分辨率、高光譜分辨率和寬覆蓋的對地觀測遙感系統，可有效提升我國環(huán)境與災害的動態(tài)監(jiān)測預報能力。

為了科學評價我國首顆民用 SAR衛(wèi)星數據在環(huán)境遙感監(jiān)測領域的應用能力，充分挖掘HJ-1C衛(wèi)星數據的環(huán)境遙感應用潛力，本文開展了HJ-1C衛(wèi)星 SAR圖像典型環(huán)境遙感應用的探索，以期為環(huán)境一號C衛(wèi)星的相關用戶開展環(huán)境遙感業(yè)務化應用提供有價值的參考依據。本文以2012年12月～2013年1月期間獲取的9景HJ-1C衛(wèi)星數據2級產品SAR圖像為實驗數據源，以北京市和福建省沿海區(qū)域為研究實驗區(qū)，分別開展了HJ-1C衛(wèi)星SAR圖像土地利用類型人工解譯與制圖、地表覆蓋自動分類、近海海洋溢油污染識別、海浪特征參數反演、海水養(yǎng)殖區(qū)信息提取等近海海洋環(huán)境 SAR遙感監(jiān)測方法研究，并給出了相應的實驗結果。

2 HJ-1C衛(wèi)星SAR圖像土地利用人工解譯與地表覆蓋自動分類

合成孔徑雷達具有全天時、全天候的對地觀測能力，可以為我國廣大多云多雨地區(qū)的地理國情監(jiān)測等提供更為及時、可靠和豐富的數據源補充。國內外關于 SAR與光學圖像融合進行土地利用和地表覆蓋分類的研究較多。2011年，尤淑撐等人[8]對TerraSAR-X, Cosmo SkyMed, RADARSAT-2高分辨率 SAR衛(wèi)星圖像進行了人工解譯，綜合評價了高分辨率SAR衛(wèi)星的地物識別能力。2007年，dos Santos等人[9]研究了L波段機載SAR圖像在巴西熱帶雨林地區(qū)的土地利用與地表覆蓋分類能力，并分析了最優(yōu)極化組合。2012年，Jacob等人[10]基于多時相的ENVISAT ASAR和HJ-1B數據進行了土地覆蓋分類。融合SAR與HJ-1B光學數據后，整體分類精度會更高。2012年，Cervone等人[11]基于RADARSAT-1和ASTER融合數據，利用監(jiān)督分類法進行了地表覆蓋分類研究。結果表明：融合SAR與光學數據進行分類的精度要高于單獨運用其中任意一種數據源的情況。

HJ-1C與HJ-1A/1B衛(wèi)星組成的小衛(wèi)星星座，具有多空間分辨率、高時間分辨率、高光譜分辨率和寬覆蓋等獨特優(yōu)勢，因此HJ-1C衛(wèi)星S波段SAR與HJ-1A/1B衛(wèi)星多光譜融合圖像用于地表覆蓋分類可以提高應用單一種類傳感器的分類精度。本文分別開展了HJ-1C衛(wèi)星SAR圖像土地利用類型人工解譯與制圖，以及基于HJ-1C衛(wèi)星SAR圖像與HJ-1B多光譜融合圖像的地表覆蓋自動分類，并給出了精度評價結果。

2.1 實驗區(qū)概況

本文選取北京市轄區(qū)縣及相鄰的河北省部分區(qū)域作為土地利用類型人工解譯及地表覆蓋自動分類的研究實驗區(qū)，實驗區(qū)內地勢平坦，以耕地、林地、住宅用地等土地利用類型為主。

2.2 數據源

選取2013年1月23日過境的HJ-1C衛(wèi)星3景同軌SAR圖像和2013年1月 17日過境的1景HJ-1B衛(wèi)星多光譜圖像作為實驗數據源，產品級別均為2級，具體參數如表1所示。

2.3 實驗過程與結果

2.3.1 土地利用人工解譯與制圖 根據《中華人民共和國土地管理行業(yè)標準第二次全國土地調查技術規(guī)程》[12]中的“第二次全國土地調查土地分類”方法，我國的土地利用類型可大體分為耕地、園地、林地等13個一級類，旱地、果園、河流水面等62個二級類。本文以北京地區(qū)冬季常見的土地利用類型為例，開展了HJ-1C衛(wèi)星SAR圖像土地利用類型人工解譯，并初步評價了土地利用類型制圖精度。

(1) 耕地

北京地區(qū)的耕地以水澆地為主。由于本文實驗數據的獲取時間正處于北方地區(qū)的冬季，因此耕地上已基本沒有農作物覆蓋，接近于裸地的狀態(tài)，HJ-1C衛(wèi)星SAR圖像的雷達后向散射強度較低，無明顯紋理特征，如圖1所示。

(2) 林地

冬季北京地區(qū)的林地主要為稀疏林，無葉片生長，HJ-1C衛(wèi)星SAR圖像的雷達后向散射強度比裸地高，由于存在樹干與地面之間的二面角反射效應，林地在 SAR圖像中表現為具有一定規(guī)則排列形式的、和雷達波入射方向相關的高亮反射點特征，如圖2所示。

(3) 公路用地

公路在HJ-1C衛(wèi)星SAR圖像上呈較低的雷達后向散射特征，幾何形狀規(guī)則。由于城區(qū)高大建筑物的疊掩效應，市區(qū)道路易被路旁建筑遮擋，如圖3所示。

(4) 河流水面

河流水面是指天然形成或人工開挖河流常水位岸線之間的水體[13]。由于鏡面反射效應，河流水面在HJ-1C衛(wèi)星SAR圖像中呈現為極低的雷達后向散射特征。和公路相比，河流水面通常具有不規(guī)則的幾何形狀特征，如圖4所示。

(5) 城鎮(zhèn)住宅用地

北京地區(qū)城市住宅用地在HJ-1C衛(wèi)星SAR圖像上具有極高的雷達后向散射強度，呈現規(guī)則的條帶狀、片狀或塊狀特征，易于識別解譯，如圖5所示。

(6) 農村宅基地

北京地區(qū)的農村宅基地多為密集分布的低矮平房，HJ-1C衛(wèi)星SAR圖像雷達后向散射較強，但與城鎮(zhèn)住宅用地不同，圖像特征無明顯的條帶狀、塊狀規(guī)則紋理結構，且周邊多為耕地等土地利用類型，如圖6所示。

表1 土地利用解譯與地表覆蓋自動分類精度評價實驗數據源Tab.1 The data source employed for the accuracy evaluations of the land use interpretations and land cover classifications

圖1 北京地區(qū)冬季耕地的圖像特征Fig.1 The images of farm land in winter of Beijing

圖2 北京地區(qū)冬季林地的圖像特征Fig.2 The images of woodland in winter of Beijing

圖3 北京城區(qū)公路用地的圖像特征Fig.3 The images of highway of Beijing

圖4 北京城區(qū)河流水面的圖像特征Fig.4 The images of river of Beijing

圖5 北京地區(qū)城鎮(zhèn)住宅用地的圖像特征Fig.5 The images of urban residance of Beijing

為了評價HJ-1C衛(wèi)星SAR圖像土地利用類型的制圖精度，首先選取了2013年1月23日過境的北京市海淀區(qū)蘇家坨鎮(zhèn)HJ-1C衛(wèi)星SAR圖像(表1編號2)，開展人工解譯分類，分類結果如圖7所示；然后分別統計基于HJ-1C衛(wèi)星SAR圖像和高分辨率Google Earth光學圖像(2013年3月4日)的圖斑勾繪面積(每一個統計地類分別選取了2個樣本)；最后給出了圖斑勾繪面積誤差的統計結果，如表 2所示。

2.3.2 地表覆蓋自動分類 根據國際地圈—生物圈計劃(IGBP)提出的全球土地覆蓋類型分類方法[13]，可將自然地表覆蓋分為水體、農田、城鎮(zhèn)與建成區(qū)等17個類別。據此分類體系，本文開展了基于HJ-1B多光譜圖像和HJ-1B與HJ-1C SAR融合圖像的實驗區(qū)地表覆蓋自動分類，并給出了分類精度的初步評價結果。具體流程為：

圖6 北京地區(qū)農村宅基地的圖像特征Fig.6 The images of rural residance of Beijing

圖7 基于HJ-1C衛(wèi)星SAR圖像的北京市海淀區(qū)蘇家坨鎮(zhèn)局部地區(qū)土地利用類型人工分類結果圖Fig.7 The thematic map of a local town of Beijing produced by manual interpretation using a HJ-1C SAR image

表2 HJ-1C衛(wèi)星圖像土地利用類型人工解譯的面積勾繪誤差統計結果Tab.2 The error analyses of land use interpreted with HJ-1C SAR image

(1) HJ-1C與HJ-1B圖像配準：將HJ-1B多光譜圖像的4, 3, 2波段分別賦為R, G, B分量進行假彩色合成，并以該圖像作為基準影像，以HJ-1C圖像為待配準影像，人工選取了12個同名點，實現了兩幅圖像的配準，配準誤差小于2個像元。

(2) 裁剪：裁剪HJ-1B多光譜圖像，使之與配準后的HJ-1C SAR圖像大小相同。

(3) 圖像融合：將多光譜圖像從RGB空間轉換為HIS空間，并以經過增強Frost濾波處理的SAR圖像替換 I分量，再將該圖像從 HIS空間轉換至RGB空間，實現多光譜圖像與SAR圖像的融合。融合圖像相對于多光譜圖像的紋理特征得到顯著增強，這有助于提高城鎮(zhèn)與建成區(qū)的分類精度。

(4) 地表覆蓋自動分類：利用 Envi4.8軟件，采用基于最大似然準則的監(jiān)督分類算法，分別對HJ-1B多光譜圖像和HJ-1B與HJ-1C的融合圖像進行自動分類(分類結果如圖8所示)。

為了評價應用HJ-1C與HJ-1B融合圖像對實驗區(qū)地表覆蓋自動分類精度的改善效果，隨機選取了20個樣點，利用野外實地調查數據，分別統計了融合前后的分類結果精度，如表3所示。

表3 基于HJ-1B多光譜圖像和HJ-1B, HJ-1C SAR融合圖像的地表覆蓋分類精度對比Tab.3 The accuracy of land cover classifcation by HJ-1B CCD image compared with the fusion image of HJ-1B CCD with HJ-1C SAR

由于融合后的圖像兼具多光譜圖像的光譜特性與SAR圖像的高分辨率特性，SAR具有對城鎮(zhèn)與建成區(qū)、水體等地物敏感且成像過程不受云霧遮擋影響等特點，因此與單一多光譜圖像相比，融合圖像可包含更多的地物類型信息。由表3可見，HJ-1C與 HJ-1B的融合圖像地表覆蓋總體分類精度提高了8%。

2.4 實驗結論

HJ-1C衛(wèi)星數據2級產品SAR圖像具有較好的土地利用類型人工解譯能力，對于選定的實驗區(qū)，HJ-1C衛(wèi)星SAR圖像土地利用類型人工解譯的面積勾繪誤差在5%以內，基于HJ-1C與HJ-1B的融合圖像比基于 HJ-1B多光譜圖像的地表覆蓋自動分類精度提高了8%。

3 HJ-1C衛(wèi)星SAR圖像近海海洋環(huán)境監(jiān)測

我國擁有300萬km2海域和1.8萬km海岸線。近年來，受全球氣候變化、環(huán)境污染和人類開發(fā)活動等多種因素影響，中國近海海洋環(huán)境災害呈逐漸增加的趨勢。海洋溢油污染、海洋藻類大規(guī)模爆發(fā)、大型圍填海、大規(guī)模近海養(yǎng)殖及過度漁業(yè)捕撈等是造成中國海洋生態(tài)系統退化、生物多樣性喪失、生態(tài)環(huán)境風險增加的直接原因[14]。HJ-1C SAR衛(wèi)星具有全天時、全天候的對地觀測能力，是近海海洋環(huán)境污染與災害監(jiān)測的有效手段。國際上利用RADARSAT-2, Cosmo-SkyMed, TerraSAR-X等商業(yè) SAR衛(wèi)星開展近海海洋環(huán)境遙感監(jiān)測已取得了顯著的應用成果和社會效益[3]。2007年12月7日，一艘韓國拖船在韓國西部海域與一艘中國香港籍油輪“Hebei Spirit”相撞，導致萬余噸原油泄漏，造成大面積海域污染事故，Kim 等人[15]利用TerraSAR-X, ERS-2, ENVISAT ASAR等SAR衛(wèi)星圖像開展了溢油事故的遙感監(jiān)測，Tian等人[16,17]利用多源 SAR遙感圖像對該事故中海洋溢油的擴散趨勢開展了多期次的遙感監(jiān)測，并驗證了“海洋溢油雷達后向散射模型”的有效性。在 2010年 6月美國墨西哥灣“深水地平線”號石油鉆井平臺溢油污染泄漏事故中，Leifer等人[18]綜合運用AVIRIS,MODIS, UAVSAR等機載、星載不同平臺，光學、微波等不同傳感器的遙感數據探測了海洋溢油。快速、準確、有效地獲取海浪的波長和波向等特征參數，對海洋防災減災等具有重要社會效益。提取海浪特征參數通常采用2維頻譜分析法，即對海浪圖像進行2維Fourier變換得到2維波數譜，其峰值反映了海浪的波長與傳播方向；對于傳播方向的180°模糊問題，可以通過交叉譜等方法解決[19]。2002年，楊勁松等人[20]從海浪傳播理論入手，利用海浪的彌散關系，反演了各子圖像中海浪主波波長的大小。在近海養(yǎng)殖和海洋漁業(yè)遙感監(jiān)測方面，樊建勇等人[21]利用RADARSAT-1衛(wèi)星圖像研究了海面養(yǎng)殖區(qū)的方法。初佳蘭等人[22]選用長海縣廣鹿島海區(qū)的 SAR圖像，對圖像進行多種方法濾波分析，提取了浮筏養(yǎng)殖用海的范圍、面積、浮筏數量和吊籠總數等信息，相對誤差優(yōu)于10.8%。

圖8 HJ-1B CCD圖像，HJ-1B CCD與HJ-1C SAR融合圖像的監(jiān)督分類結果對比圖Fig.8 The supervised classification maps by the HJ-1B CCD image and by the fusion image of HJ-1B CCD with HJ-1C SAR

本文以近海海洋溢油污染監(jiān)測、近海海浪特征參數反演、近海養(yǎng)殖及漁業(yè)捕撈船只監(jiān)測等為例，分析了HJ-1C衛(wèi)星SAR圖像在近海海洋環(huán)境監(jiān)測方面的應用能力。

3.1 實驗區(qū)概況

本文選取福建省寧德市霞浦縣附近海域作為HJ-1C衛(wèi)星SAR圖像近海海洋環(huán)境監(jiān)測實驗區(qū)。霞浦縣位于福建省東北部，臺灣海峽西北岸，全縣年水產品總量均在30萬噸以上，其中海洋捕撈年產量約15.9萬噸，海水養(yǎng)殖年產量約24.3萬噸。

3.2 數據源

選取2012年12月14日早6時(北京時間)過境的HJ-1C衛(wèi)星同一軌道6景連續(xù)SAR圖像作為近海海洋環(huán)境監(jiān)測實驗數據源，數據產品級別均為 2級，具體參數如表4所示，實驗區(qū)及實驗數據的覆蓋范圍如圖9所示。

表4 HJ-1C衛(wèi)星SAR圖像近海海洋環(huán)境監(jiān)測實驗數據源Tab.4 The HJ-1C SAR data source employed for the monitoring of marine environment

圖9 HJ-1C衛(wèi)星SAR圖像近海海洋環(huán)境監(jiān)測實驗區(qū)及實驗數據覆蓋范圍Fig.9 The coverage of HJ-1C SAR images for the monitoring of marine environment

3.3 實驗過程與結果

3.3.1 近海海洋溢油污染監(jiān)測 由于海面油膜阻尼了海水的短表面波(毛細波和短重力波)，減小了海水表面張力，降低了海面粗糙度，因此溢油覆蓋海面的雷達后向散射強度減弱，在SAR圖像中海洋溢油的圖像特征為具有不規(guī)則形態(tài)分布的暗斑[23]。圖10(a1)為2011年9月15日ENVISAT ASAR圖像捕捉到的海南島以東附近海域一處條帶狀海洋溢油及其局部特征放大圖，圖10(b1)為根據2012年12月14日HJ-1C衛(wèi)星SAR圖像(表4編號2)解譯的福建沿海一處海洋溢油及其局部特征放大圖。

為了進一步評價HJ-1C衛(wèi)星SAR圖像的近海海洋溢油監(jiān)測能力，本文對比分析了HJ-1C衛(wèi)星和歐空局ENVISAT ASAR衛(wèi)星所探測到的海洋溢油污染物的 SAR圖像特征。由于目前 HJ-1C衛(wèi)星SAR圖像無法進行絕對輻射定標處理，本文的分析對象僅限于上述兩衛(wèi)星數據的幅度圖像。

圖10 SAR圖像探測到的海洋溢油Fig.10 Oil spills detected in diversed SAR imageries

首先，利用Envi4.8遙感圖像處理軟件，分別將圖 10(a1)，圖 10(b1)中的 ENVISAT ASAR 和HJ-1C衛(wèi)星圖像像元量化級別歸一化處理為8 bit。其次，由于HJ-1C衛(wèi)星數據為單視成像處理模式，為抑制其斑點噪聲，采用增強Frost濾波器(窗口大小3×3，阻尼因子1.0，其余參數采用默認值)對其進行一次濾波處理[24]。最后，分別提取 ENVISAT ASAR和HJ-1C兩幅衛(wèi)星圖像的海面溢油目標特征(被測像元位于圖10(a2)，圖10(b2)的黃色區(qū)域)。圖11給出了統計結果。

由圖11可見，ENVISAT ASAR和HJ-1C衛(wèi)星 SAR圖像所探測到的海洋溢油目標的像元 DN值直方圖具有相似的“雙峰”分布結構：“左峰”由海面溢油像元形成，“右峰”由相鄰的海面像元形成。其中，ENVISAT和HJ-1C衛(wèi)星的溢油目標像元DN值分別為，相鄰海面的像元DN值分別為。定義表征海洋溢油對海面雷達后向散射阻尼效應的特征參數[3,14]：

ENVISAT ASAR圖像的溢油阻尼系數：

HJ-1C圖像的溢油阻尼系數：

由此可見，在中等海況條件下，HJ-1C S波段SAR圖像和ENVISAT ASAR C波段SAR圖像對于海洋溢油污染物具有相似的探測性能：二圖像的海洋溢油阻尼系數σ相差1.3 dB。因此，HJ-1C衛(wèi)星可以較好地區(qū)分海面溢油污染和相鄰海洋背景，具有海洋溢油污染監(jiān)測能力。

圖11 海洋溢油的SAR圖像特征統計結果Fig.11 The characterizing of oil spills by different SAR imageries

3.3.2 近海海浪特征參數反演 以2012年12月14日早6時過境的HJ-1C衛(wèi)星SAR圖像作為實驗數據(表4編號3)。分別選取3幅子圖像(對應1024×1024像元，5.12×5.12 km2海域)作為近海海浪特征參數反演樣本圖像，從左至右依次標記為a, b, c，經FFT處理，保留40 m至160 m波長范圍內的譜圖像，得到2維波數譜，如圖12所示。基于2維波數譜，通過式(1)反演子圖像a, b, c的主波波長與傳播方向[19]，計算結果如表5所示。

其中，Lp表示海浪波長，θp表示海浪傳播方向，kpx與kpy表示波數域峰值坐標。

根據有限深水域的海面重力波彌散關系，即可計算海浪傳播周期[19]：

表5 子圖像中海浪的主波波長與傳播方向Tab.5 The retrived wavelength and direction of the dominant wave within the sub-image

式中T表示海浪傳播周期，g表示重力加速度，Lp表示波長，d表示水深。

為了驗證本文HJ-1C衛(wèi)星SAR圖像近海海洋環(huán)境參數反演結果的可靠性，獲取了距離實驗海域最近的、與實驗數據(表4編號3)成像時間相同的福建黃岐浮標(位置如圖12所示)數據，如表6所示。

表6 福建海洋預報臺浮標數據(黃岐浮標)Tab.6 The Huang-Qi buoy data provided by the Fujian Marine Forecasts

由于浮標所在位置的海水深度約為25 m(數據來源：http://map.enclive.cn)，據式(2)可計算表5編號a子圖像反演的主波波長所對應的周期為6.96 s。與表6浮標數據(2012-12-1406:00)對比可得：本文反演的海浪周期絕對誤差為 0.46 s，相對誤差為7.1%。

在海浪向近岸淺海海域傳播時，淺海地形的變化將引起海浪波長與傳播方向的變化，形成海浪的折射與繞射現象[25,26]。本文實驗圖像位于近岸海域，圖像中可見較為清晰的海浪折射與繞射特征，根據近岸海浪波長由c向a遞減(表5)，推測海浪傳播方向如圖12黃色剪頭方向所示。

圖12 福建近海海域HJ-1C衛(wèi)星SAR圖像(圖中方框a, b與c為計算主波波長的子圖位置，上方依次為對應的2維波數譜圖像，表示推測的海浪傳播方向，表示浮標位置)Fig.12 The HJ-1C SAR image (No.4 in Tab.4).The squares labeled with a, b and c refer to the sub-images wherein the wavelength and direction of the dominant wave were retrived respectively, where the 2-D wavenumber spectrums were accordingly attached above.The symbol was corresponding to the location of the Huang-Qi buoy.

3.3.3 近海養(yǎng)殖及漁業(yè)捕撈船只監(jiān)測 以2012年12月14日早6時過境的HJ-1C衛(wèi)星SAR圖像(圖13(a))作為實驗數據(表4編號1)，以2012年11月11日過境的資源3號衛(wèi)星多光譜圖像(圖13(b))作為對比數據，開展了HJ-1C衛(wèi)星SAR圖像近海養(yǎng)殖區(qū)監(jiān)測及養(yǎng)殖區(qū)面積提取。由圖13(a)可見，近海養(yǎng)殖區(qū)在HJ-1C衛(wèi)星SAR圖像中具有規(guī)則的紋理結構和清晰的幾何邊界，雷達后向散射較強，SAR圖像解譯效果理想，表7給出了該養(yǎng)殖區(qū)信息的提取結果。比較而言，該近海養(yǎng)殖區(qū)的多光譜彩色合成圖像紋理特征(圖13(b))不明晰，尤其是對于養(yǎng)殖密度較大的圖13(a)的2號，3號區(qū)域，多光譜圖像的可解譯性遜于HJ-1C衛(wèi)星SAR圖像。

以2012年12月14日早6時過境的HJ-1C衛(wèi)星 SAR圖像作為實驗數據(表 4編號 6)，經增強Frost濾波、對比度增強等預處理，可以清晰地由圖像識別出位于福建省平潭縣鐘嶼附近的漁業(yè)捕撈船只，如圖14所示。

3.4 實驗結論

HJ-1C衛(wèi)星SAR圖像具有近海海洋環(huán)境監(jiān)測的應用能力：可以實現海洋溢油污染物識別與監(jiān)測、海浪特征參數反演、近海養(yǎng)殖區(qū)監(jiān)測與信息提取、漁業(yè)捕撈船只識別與監(jiān)測等。此外，由于HJ-1C衛(wèi)星目前只提供單視處理模式的 SAR圖像，因此圖像斑點噪聲比較明顯。經對比試驗，增強Frost濾波是必要的和較好的降低圖像斑點噪聲的方法。

表7 基于HJ-1C衛(wèi)星SAR圖像的近海養(yǎng)殖區(qū)信息提取結果Tab.7 The features of inshore mariculture identified by the HJ-1C SAR image

4 結束語

圖13 HJ-1C衛(wèi)星SAR圖像與ZY-3衛(wèi)星多光譜圖像的近海養(yǎng)殖區(qū)特征對比圖Fig.13 The inshore mariculture imaged by the HJ-1C SAR in comparison with the ZY-3 CCD

圖14 HJ-1C衛(wèi)星SAR圖像近海漁業(yè)捕撈船只監(jiān)測Fig.14 The detection of fishing boat nearby the Zhongyu Island with the HJ-1C SAR image

環(huán)境一號C衛(wèi)星是我國首顆民用合成孔徑雷達衛(wèi)星，為了科學評價該星在環(huán)境遙感監(jiān)測領域的應用能力，充分挖掘其應用潛力，本文開展了基于HJ-1C衛(wèi)星SAR圖像的典型環(huán)境遙感應用研究。實驗結果表明，HJ-1C衛(wèi)星SAR圖像具有較好的土地利用類型人工解譯和地表覆蓋分類能力；在海洋溢油污染監(jiān)測、海浪特征參數反演、近海養(yǎng)殖和漁業(yè)捕撈船只監(jiān)測等近海海洋環(huán)境遙感監(jiān)測方面具有較好的應用前景。在衛(wèi)星業(yè)務化運行之后，如能提供SAR圖像的絕對定標常數，HJ-1C衛(wèi)星SAR圖像還可以用于地表參數反演、農作物估產等，這將進一步拓寬HJ-1C衛(wèi)星數據的遙感應用領域。

[1]Short N, Brisco B, Couture N, et al..A comparison of TerraSAR-X, RADARSAT-2 and ALOS-PALSAR interferometry for monitoring permafrost environments, case study from Herschel Island, Canada[J].Remote Sensing of Environment, 2011, 115(12): 3491-3506.

[2]Evans T L and Costa M.Landcover classification of the lower Nhecolandia subregion of the Brazilian Pantanal Wetlands using ALOS/PALSAR, RADARSAT-2 and ENVISAT/ASAR imagery[J].Remote Sensing of Environment,2013, 128: 118-137.

[3]Migliaccio M, Nunziata F, Montuori A, et al..A multifrequency polarimetric SAR processing chain to observe oil fields in the Gulf of Mexico[J].IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(12): 4729-4737.

[4]Qi Z, Yeh A G O, Li X, et al..A novel algorithm for land use and land cover classification using RADARSAT-2 polarimetric SAR data[J].Remote Sensing of Environment,2012, 118: 21-39.

[5]Pettinato S, Santi E, Brogioni M, et al..The potential of COSMO-SkyMed SAR images in monitoring snow cover characteristics[J].IEEE Geoscience and Remote Sensing Letters, 2013, 10(1): 9-13.

[6]Bovenga F, Wasowski J, Nitti D O, et al..Using COSMO/SkyMed X-band and ENVISAT C-band SAR interferometry for landslides analysis[J].Remote Sensing of Environment, 2012, 119: 272-285.

[7]環(huán)境一號 C星獲取首幅對地觀測影像圖[OL].http://news.xinhuanet.com/2012-12/10/c_113973140.htm, 2012.

[8]尤淑撐, 劉順喜, 徐宗學.星載高分辨率 SAR土地利用調查監(jiān)測應用潛力評價[J].中國農學通報, 2011, 27(8): 460-463.You Shu-cheng, Liu Shun-xi, and Xu Zong-xue.Evaluation on high spatial resolution SAR data for land use discrimination and land change detection[J].Chinese Agricultural Science Bulletin, 2011, 27(8): 460-463.

[9]dos Santos J R, Gon?alves F G, Dutra L V, et al..Analysis of airborne SAR data (L-band) for discrimination land use/land cover types in the Brazilian Amazon region[C].IEEE Geoscience and Remote Sensing Symposium, 2007,Barcelona, Spain, 2007: 2342-2345.

[10]Jacob A and Ban Y.Fusion of multitemporal ENVISAT ASAR and HJ-1 data for object-based urban land cover classification[C].1st EARSeL Workshop on Temporal Analysis of Satellite Images, Mykonos, Greece, 2012: 1-6.

[11]Cervone G and Haack B.Supervised machine learning of fused RADAR and optical data for land cover classification[J].Journal of Applied Remote Sensing, 2012,6(1): 1-18.

[12]中華人民共和國國土資源部.第二次全國土地調查技術規(guī)程(TD/T 1014-2007)[S].北京: 中國標準出版社, 2007.

[13]Loveland T R, Reed B C, Brown J F, et al..Development of a global land cover haracteristics database and IGBP DISCover from 1 km AVHRR data[J].International Journal of Remote S ensing, 2000, 21(6/7): 1303-1330.

[14]2012年中國海洋環(huán)境狀況公報[OL].http://www.coi.gov.cn/gongbao/huanjing/201304/t20130401_26428.ht ml, 2013.

[15]Kim D, Moon W M, and Kim Y S.Application of TerraSARX data for emergent oil-spill monitoring[J].IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(2): 852-863.

[16]Tian W, Shao Y, Yuan J, et al..Radar backscattering model of oil spill and its applications[C].Proceedings of the 30th Asian Conference on Remote Sensing, Beijing, China, 2009.

[17]Shao Y, Tian W, Wang S, et al..Oil spill monitoring using multi-temporal SAR and microwave scatterometer data[C].Geoscience and Remote Sensing Symposium, Boston, USA,2008, 3: 1378-1381.

[18]Leifer I, Lehr W J, Simecek-Beatty D, et al..State of the art satellite and airborne marine oil spill remote sensing:application to the BP Deepwater Horizon oil spill[J].Remote Sensing of Environment, 2012, 124: 185-209.

[19]Stephan B , Philipp H, Susanne L, et al..Underwater bottom topography in coastal areas from TerraSAR-X data[J].International Journal of Remote Sensin g, 2011, 32(16):4527-4543.

[20]楊勁松, 黃韋艮, 周長寶.星載 SAR海浪遙感中波向確定的一種新方法[J].遙感學報, 2002, 6(2): 113-116.Yang Jin-song, Huang Wei-gen, and Zhou Chang-bao.A new method on wave propagation direction determination from SAR imagery[J].Journal of Remote Sensing, 2002, 6(2):113-116.

[21]樊建勇, 黃海軍, 樊輝, 等.利用RADARSAT-1數據提取海水養(yǎng)殖區(qū)面積[J].海洋科學, 2005, 29(10): 44-47.Fan Jian-yong, Huang Hai-jun, Fan Hui, et al..Extracting aquaculture area with RADASAT-1[J].Marine Sciences,2005, 29(10): 44-47.

[22]初佳蘭, 趙冬至, 張豐收, 等.基于衛(wèi)星遙感的浮筏養(yǎng)殖監(jiān)測技術初探—以長海縣為例[J].海洋環(huán)境科學, 2008, 27(2):35-40.Chu Jia-lan, Zhao Dong-zhi, Zhang Feng-shou, et al..Monitormethod of rafts cultivation by remote sense—a case of Changhai[J].Marine Environmental Science, 2008, 27(2):35-40.

[23]Solberg A H S, Brekke C, and Husoy P O.Oil spill detection in RADARSAT and ENVISAT SAR images[J].IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(3):746-755.

[24]杜培軍.RADARSAT圖像濾波的研究[J].中國礦業(yè)大學學報,2002, 31(2): 132-137.Du Pei-jun.Research on filtering of RADARSAT images[J].Journal of China University of Mining & Technology, 2002,31(2): 132-137.

[25]文圣常, 余宙文.海浪理論與計算原理[M].北京: 科學出版社, 1984: 614-616.Wen Sheng-chang and Yu Zhou-wen.Theories and Computations of Sea Waves[M].Beijing, China, SciencePress, 1984: 614-616.

[26]朱敏慧.SAR的海洋動力探測研究及應用淺析[J].雷達學報,2012, 1(4): 342-352.Zhu Min-hui.Review of ocean dynamical SAR detection[J].Journal of Radars, 2012, 1(4): 342-352.