基于單時相雙極化TerraSAR—X數據在高原山區煙草的識別

胡九超，周忠發，王瑾

摘要：為了探討多極化雷達影像在貴州高原山區農作物上的識別應用， 采用單時相雙極化TerraSAR-X數據展開煙草識別研究。選擇貴州省清鎮市流長鄉煙草示范基地為研究區，在煙草生長期內獲取了TerraSAR-X數據，通過對圖像進行預處理并分析典型地物的后向散射系數，建立地物訓練場，采用最大似然法進行分類，同時利用GPS采集的樣方數據對煙草識別進行精度驗證。結果表明，其識別精度可達80.52%，為貴州高原山區的典型農作物監測提供了理論基礎與技術支撐。

關鍵詞：高原山區;雙極化;TerraSAR-X;后向散射系數;煙草

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

DOI：10.14088/j.cnki.issn0439-8114.2014.23.058

由于喀斯特地區地表支離破碎、種植作物復雜以及貴州高原山區常年多云雨天氣，很難獲得高時間、高空間的多光譜數據，這給農作物的實時監測帶來了困難。而合成孔徑雷達（SAR）具有穿透云霧和土壤的能力，并且能夠全天時、全天候進行拍攝，彌補多光譜數據獲取不易的弊端，為貴州高原山區的農作物監測提供了數據支撐。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。而雙極化影像能進行比值處理，可消除陰影干擾，使影像數據更接近地物本身光譜反射的真實值，從而改善影像質量，突出目標信息。

針對農作物的分類，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行分類以提取水稻、城鎮、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行分類，并且得到最大似然法的效果比其他方法更優。Shao等[4]應用多種雷達數據對南方的水稻進行分類和監測取得了很好的效果。以上的研究都是利用多時相的雷達數據，增加了數據成本和處理量。而且是針對水稻進行的分類，而對煙草的識別研究，特別是貴州高原山區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號團棵期煙草TerraSAR-X雙極化（HHVV）數據，采用監督分類中的最大似然法進行分類，利用GPS采集的樣方數據對單時相雙極化TerraSAR-X數據在貴州高原山區的煙草識別能力進行評價。在貴州高原山區嘗試單時相雙極化的TerraSAR-X雷達影像進行煙草的監測和識別，從而降低數據成本和減少數據處理量。

1 ?研究區選擇和數據預處理

1.1 ?研究區概況

貴州省清鎮市種植烤煙歷史悠久，是全國特色優質煙葉生產區之一。研究區位于貴州省清鎮流長現代煙草農業基地單元，總面積489 km2。該地區屬亞熱帶季風濕潤氣候，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，有機質含量豐富。氣候條件和土壤條件均有利于種植烤煙[5]。試驗區海拔在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，土地形狀不規則，多成零星散狀分布。

1.2 ?數據獲取及參數

2007年6月15日TerraSAR-X雷達衛星在俄羅斯拜科努爾發射場發射升空，為貴州高原山區的煙草監測提供了新的數據源。TerraSAR雷達衛星工作在X波段（波長為3.2 cm），實現多極化方式（HH、HV、VH和VV）遙感。在煙草生長期獲取了一景覆蓋研究區的TerraSAR-X數據，具體的TerraSAR-X數據參數見表1。

為保證與衛星遙感數據的同步/準同步獲取，在獲取數據的當天進行了外業調查，對煙田、玉米地等典型農作物進行了定點定位及樣方的建立;同時記錄煙草的生長狀況。

1.3 ?TerraSAR-X數據的預處理

為了對雷達影像進行分析和應用，需要對獲取的TerraSAR-X數據進行幾何校正、斑點噪聲去除、絕對輻射定標等預處理。

幾何校正：選擇23個地面控制點，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。

斑點噪聲去除：斑點噪聲的存在會使影像的判讀解譯變得更加困難，甚至會影響地物有效信息的提取。濾波處理不但可以減少SAR斑點噪聲的影響，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：TerraSAR-X數據的定標公式為：

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

式中，σ■■表示后向散射系數;DN表示像元的灰度值;？茲■表示當地的入射角，可以通過GIM文件換算獲得;K■為絕對定標常數，在影像頭文件中可以查到。定標之后，影像像元值就是后向散射系數。

研究區提取：利用研究區邊界文件裁剪影像，獲得研究區區域。

2 ?煙草識別

2.1 ?煙草后向散射系數分析endprint

TerraSAR-X數據經過上述預處理之后所得圖像的像元值即為后向散射系數。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;然后選取研究區典型地物的感興趣區域（ROI），利用感興趣區域裁剪不同圖像（HH、VV、HH/VV、HH-VV），得到典型地物在不同圖像上后向散射系數的平均值（表2）。

通過對表2中數據的分析比較，煙草HH極化后向散射系數比VV極化高8.5 dB，是因為煙草此時正處于生長期的團棵期，葉片已經展開，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且和水面雙層的相互作用而加強，水稻在HH極化方式的后向散射系數大于煙草。煙草的后向散射系數與居民點的很接近，這是因為煙草處于團棵期，大量土壤裸露，且此時期較干旱，使得反射器現象大量存在，表現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，根據波段間差值的不同，多用于區分不同的地物[8]。該文運用比值圖像（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的差異分析，了解不同地物的散射特性。

選擇監督分類算法中基于圖像統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）進行分類。首先，選擇典型地物的訓練場，再根據訓練場計算各類地物的統計特征值，建立分類判別函數，然后逐點掃描圖像中的像元，求出其屬于各類的概率，再將待判別的像元歸入最大判別函數值的一組[3]。分類后，對結果進行Majority/Minority以及聚類（Clump）等分類后的處理（圖4）。

2.3 ?精度驗證

利用上述方法進行分類后，精度驗證是必不可少的一個環節。因此，可以利用GPS采集的樣方數據對分類結果進行驗證。樣方是由規則的矩形形成的，樣方包括煙草、玉米、水稻等。將樣方數據（矢量文件）轉換成感興趣區域，用其來裁剪分類后的矢量數據，便于計算樣方中不同地物的面積。樣方中不同地類的統計結果見表3。

精度驗證方法如下[9，10]，假設：樣方內實際是煙田的，被分為煙田的記為TT;樣方內實際是煙田的，被分為非煙田的記為TO;樣方內實際是非煙田的，被分為非煙田的記為OO;樣方內實際是非煙田的，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）。可以看出，利用該方法分類的煙草識別精度可以達到80.52%，效果較理想。

3 ?小結與討論

通過上述的分析和結果可以看出，在貴州高原山區利用單時相雙極化的TerraSAR-X數據進行煙草的識別是可行的，這為高原山區農作物監測提供了新的途徑。該文獲取了煙草團棵期TerraSAR-X影像，雖然分類結果較理想，但同時有以下幾點值得思考：

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

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

3）單時相多極化數據的使用雖然減少了成本及數據處理量，但在地物后向散射系數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：

[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，李 ?波.SAR在喀斯特山區煙草生長監測中的應用探討[A].第十八屆中國遙感大會論文集[C].北京：科學出版社，2012.867-871.

[6] 譚炳香，李增元，李秉柏，等.單時相雙極化ENVISAT ASAR數據水稻識別[J].農業工程學報，2006，22（12）：121-127.

[7] 化國強，肖 ?靖，黃曉軍，等.基于全極化SAR數據的玉米后向散射特征分析[J].江蘇農業科學，2011，39（3）：562-565.

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

[9] 楊沈斌，李秉柏，申雙和，等.ENVISATASAR數據用于大區域稻田識別研究[J].南京氣象學院學報，2007，30（3）：365-370.

[10] 張云柏.ASAR影像應用于水稻識別和面積測算研究——以江蘇寶應縣為例[D].南京：南京農業大學，2004.endprint