一種利用雙時相ASAR數(shù)據(jù)監(jiān)測土壤濕度的方法

游代安趙少華史園莉姚云軍

(1.環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心，北京 100094;2.國家環(huán)境保護(hù)衛(wèi)星遙感重點(diǎn)實(shí)驗(yàn)室，北京 100101;3.北京師范大學(xué)地理學(xué)與遙感科學(xué)學(xué)院，北京 100875)

微波遙感是監(jiān)測土壤濕度的一個有效手段，它是指通過微波傳感器獲取從目標(biāo)地物發(fā)射或反射的微波輻射，經(jīng)過判讀處理來識別地物的技術(shù)。其特點(diǎn)是不受光照、氣候條件的限制，可全天時、全天候工作，能夠穿透云層，對植被覆蓋區(qū)和松散蓋層具有一定的穿透能力，最深可有20～30個波長，并通過極化、相位、干涉等技術(shù)獲得更多更精確的信息。其探測土壤濕度的物理基礎(chǔ)是基于微波信號和土壤的介電常數(shù)密切相關(guān)這一原理，而土壤的介電常數(shù)隨土壤濕度的變化而變化［1－2］。它可分為被動微波和主動微波遙感兩種。被動微波遙感主要是通過輻射計(jì)測量土壤亮溫監(jiān)測土壤水分，但空間分辨率過低，應(yīng)用上有一定限制。主動微波遙感主要是利用雷達(dá)回波信號(后向散射系數(shù))監(jiān)測土壤水分，使用最多的是合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)技術(shù)，因?yàn)樗鼣[脫了真實(shí)孔徑雷達(dá)天線長度的制約。

由于SAR具有微波遙感的許多優(yōu)勢，再加上較高的空間分辨率，因此能夠獲得土壤濕度相對精確的信息，國內(nèi)外已有不少該方面的研究［3－7］。Envisat－1是歐空局發(fā)射的極軌對地觀測衛(wèi)星系列之一，于2002年3月1號發(fā)射升空，衛(wèi)星高度800km，重訪周期35天，星上載有10種探測設(shè)備，其中最大的設(shè)備是高級合成孔徑雷達(dá)(ASAR)，可生成海洋、海岸、極地冰冠和陸地的高質(zhì)量圖像。具有多極化、可變觀測角度、寬幅成像和多工作模式的特性，在陸面和海面監(jiān)測上比ERSSAR，RADARSAT－SAR更具優(yōu)勢，可以對農(nóng)作物、森林的面積、狀況、自然災(zāi)害、水文水資源等進(jìn)行監(jiān)測［8－9］。其中對土壤濕度的監(jiān)測，國內(nèi)外的研究還不過。這些研究中大多基于地面試驗(yàn)或調(diào)查數(shù)據(jù)等先驗(yàn)知識來監(jiān)測土壤濕度，如Holah等(2005)［10］、Statlino等(2005)［11］、Mattia等(2006)［12］、鮑艷松等［13］和李森(2007)［14］的研究。也有少量研究擺脫了地面參數(shù)的依賴，僅靠多入射角的遙感影像即可獲知土壤濕度信息，如Baghdadi等［15］、Baup等(2007)［16］、Rahman等(2008)［17］和趙少華等(2008)I［18］的研究。總的來看，這些研究大多依賴于地面先驗(yàn)知識的獲取，雖然部分研究依靠多入射角的影像擺脫了地面先驗(yàn)知識的依賴，但也是基于經(jīng)驗(yàn)?zāi)Ｐ突驈?fù)雜散射機(jī)理的物理模型，并不便于推廣應(yīng)用，而半經(jīng)驗(yàn)?zāi)Ｐ蛣t能較好地結(jié)合二者優(yōu)勢，既能從機(jī)理上解釋微波對地物的散射特性，又基于經(jīng)驗(yàn)統(tǒng)計(jì)具有較好的精度，因此是未來的一個發(fā)展方向。基于此目的，在Oh等(2002)［19］提出的半經(jīng)驗(yàn)?zāi)Ｐ突A(chǔ)上，通過對該模型進(jìn)行改進(jìn)，趙少華(2008)［20］提出了一種不需地面參數(shù)的先驗(yàn)知識，僅利用采用雙時相的ASAR影像即可獲知土壤濕度信息的半經(jīng)驗(yàn)?zāi)Ｐ停虼吮疚募蠢迷撃Ｐ烷_展應(yīng)用。

1 研究區(qū)域和數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)位于北京昌平區(qū)的小湯山鎮(zhèn)和順義區(qū)的趙全營鎮(zhèn)，地處東經(jīng)116°20～116°37，北緯40°07～40°15，海拔高度在30～60m，區(qū)內(nèi)主要土地類型是城鎮(zhèn)、農(nóng)田(小麥和苜蓿)、裸地和水體等。研究區(qū)地勢平坦，起伏較小。

1.2 數(shù)據(jù)獲取

ASAR工作在C波段，波長5.6cm，五種工作模式，其中歐空局對外提供的只有前三種，Image，Alternating Polarization和Wide Swath模式。本研究數(shù)據(jù)采用Alternating Polarization工作模式下的Level 1B的多視、地距圖像(Precision Image)，即ASA_APP_1P產(chǎn)品，數(shù)據(jù)分辨率為30m。根據(jù)研究區(qū)域，本文選取了2005年4月12號和13號的兩景影像，影像的詳細(xì)特征見表1，圖2和圖3是這兩景影像的示意圖。影像從國家科技基礎(chǔ)條件平臺對地觀測系統(tǒng)的Envisat數(shù)據(jù)共享網(wǎng)站獲取(http：//ds.rsgs.ac.cn/index.aspx)。

表1 2005年ASAR影像的主要特征

圖1 2005年4月12日ASAR影像圖(左圖)HH極化;(右圖)VV極化

1.3 數(shù)據(jù)處理

獲取的ASAR數(shù)據(jù)采用歐空局提供的BEST(Basic Envisat SAR Toolbox)軟件提取后向散射系數(shù)σ°，包括頭文件分析、全分辨率提取、幅度至強(qiáng)度的轉(zhuǎn)換和σ°的提取，最后輸出為Geo TIFF文件。在提取σ°過程中，選擇生成dB數(shù)據(jù)，還要根據(jù)不同的影像輸入不同的定標(biāo)常數(shù)，定標(biāo)常數(shù)可從歐空局網(wǎng)站上的定標(biāo)文件獲取。圖像上的強(qiáng)度值與σ°的關(guān)系為：

圖2 2005年4月13日ASAR影像圖(左圖)HH極化;(右圖)VV極化

公式中A為圖像上的強(qiáng)度DN值，K為絕對定標(biāo)因子(即上文中的定標(biāo)常數(shù))，θ為雷達(dá)入射角，可從對應(yīng)圖像的頭文件中獲取［21］。

由于雷達(dá)影像上一般存在比較明顯的斑點(diǎn)噪音，即在同一片均勻區(qū)域，分辨單元中有的呈亮點(diǎn)，有的呈暗點(diǎn)，使得圖像灰度劇烈變化，從而降低了圖像的分辨率和信噪比，影響了圖像的可解譯性，甚至導(dǎo)致地物特征的消失，因此還要對輸出的Geo TIFF文件濾波(利用ENVI軟件)。濾波選擇Gamma自適應(yīng)濾波，因?yàn)樵摓V波考慮了斑點(diǎn)的特點(diǎn)和地物目標(biāo)散射特征的統(tǒng)計(jì)規(guī)律，在平滑斑點(diǎn)的同時還能很好地保護(hù)圖像紋理［22－23］。濾波后，根據(jù)地形圖選用地面控制點(diǎn)對影像進(jìn)行幾何校正配準(zhǔn)。

2 方法與結(jié)果

2.1 模型的推導(dǎo)

對于裸地可以利用半經(jīng)驗(yàn)的OSU П(2002)的后向散射系數(shù)模型來估算其土壤濕度，下面介紹一種基于該模型改進(jìn)的只需兩景HH/VV同極化影像即可獲知地表土壤濕度的新的半經(jīng)驗(yàn)?zāi)Ｐ汀Ｊ紫龋琌SU П(2002)模型描述如下：

對于裸地或低植被覆蓋區(qū)域，假設(shè)我們有兩景時相相距很近(時間間隔在一周之內(nèi))的HH/VV雙極化雷達(dá)影像，這期間沒有降雨/雪和灌溉等事件發(fā)生，也沒有較大的人類農(nóng)業(yè)活動等，所以我們可以認(rèn)為其土壤濕度和粗糙度恒定不變，因此根據(jù)上述OSU П(2002)模型中的同極化比公式(3a)，我們可以得到兩景HH/VV影像的同極化比p1，p2分別如下：

p1，p2移項(xiàng)相除消去地表粗糙度ks再化簡得(5)：

對(5)解方程得到求地表濕度的公式(6)：

從該式可以看出，要保證Mv有意義，必須滿足θ1不等于θ2。再把(6)代入(4a)和(4b)中，得到求地表粗糙度的式(7a)或(7b)。

至此，我們得到不依賴于地面先驗(yàn)知識而只依靠兩景HH/VV雙極化影像的同極化比和不同的雷達(dá)入射角即可同時獲取地表土壤濕度和粗糙度信息的半經(jīng)驗(yàn)?zāi)Ｐ汀Ｓ捎谠撃Ｐ褪窃贠SU П(2002)模型的基礎(chǔ)上推演而來，因此也適合較廣的地表范圍。該模型應(yīng)用的關(guān)鍵是兩景時相相鄰的HH/VV雙極化影像，并且時相間隔內(nèi)無降雨和改變地表粗糙度的人類活動發(fā)生，從而可以忽略土壤濕度及地表粗糙度的變化而假定其是恒定的。

2.2 結(jié)果分析

圖1、2分別是所采用的兩景預(yù)處理過的ASAR的HH/VV極化影像，預(yù)處理包括輻射標(biāo)定、幾何精校正、濾波等。圖中間較亮的白色區(qū)域是城鎮(zhèn)像元，這里是北京市區(qū)，黑色的斑塊是湖泊水體等。由于兩景影像的時間分別是2005年4月12日和4月13日，相差僅一天，期間沒有降水、灌溉事件發(fā)生等，因此可以認(rèn)為土壤濕度沒有變化。研究選擇北京昌平區(qū)的小湯山鎮(zhèn)和順義區(qū)的趙全營鎮(zhèn)這兩個地方，是因?yàn)樽鳛楸本┦械慕紖^(qū)，這里地勢較為平坦，因此可以忽略地形校正。主要是小麥農(nóng)田，另外具有相當(dāng)面積的荒地，因此可基本視為裸地和低矮植被區(qū)，來應(yīng)用該模型。

由于篇幅有限，所以本研究不對粗糙度反演，而僅對土壤濕度進(jìn)行反演。反演過程中，對于研究區(qū)內(nèi)的城鎮(zhèn)、道路等像元，由于這部分的后向散射系數(shù)(dB)大于零，所以令其土壤濕度為0，從而進(jìn)行剔除，對于體積含水量大于1的像元，均令其為1，這部分主要是水體等。我們把反演的土壤濕度分為四個等級，其結(jié)果如圖3、5所示。基于此，對于圖3的小湯山鎮(zhèn)的土壤濕度反演結(jié)果，其城鎮(zhèn)像元大概占54.09%，土壤體積含水量在0%～10%的像元占23.68%，10%～20%的像元占7.88%，20%～30%的像元占3.56%，＞30%的像元占10.79%，其百分比分布圖見4。從不同土壤濕度等級所占的百分比可以看出，土壤體積含水量主要分布在0%～30%，高土壤體積含水量的像元則較少，如果扣除掉城鎮(zhèn)、道路等像元，土壤含水量在0%～30%的像元將會達(dá)到76.50%。

對于圖5的趙全營鎮(zhèn)的土壤濕度反演結(jié)果，其城鎮(zhèn)像元大概占54.60%，土壤體積含水量在0%～10%的像元占22.76%，10－20%的像元占7.77%，20%～30%的像元占3.64%，＞30%的像元占11.23%，其百分比分布圖見6。從不同土壤濕度等級所占的百分比可以看出，土壤體積含水量主要分布在0%～30%，高土壤體積含水量的像元較少，扣除掉城鎮(zhèn)、道路等像元后，土壤含水量在0%～30%的像元將會達(dá)到75.26%。

因此，從上述兩個鎮(zhèn)的反演結(jié)果來看，土壤體積含水量主要分布在0%～30%，高于30%的像元則較少，基本符合模型適合的地表范圍(0.04＜Mv＜0.291m3/m3，0.13＜ks＜6.98，10°＜θ＜70°)。然而，遺憾的是，這里并沒有土壤水分的實(shí)測值進(jìn)行驗(yàn)證，但結(jié)合有關(guān)的土地利用類型、歷史及其他研究資料，發(fā)現(xiàn)反演結(jié)果比較符合實(shí)際情況。未來的研究中，將結(jié)合地面同步試驗(yàn)進(jìn)行進(jìn)一步的驗(yàn)證工作，以便該模型的推廣應(yīng)用。

本研究介紹了一種只需兩景同雙極化的雷達(dá)影像，不依賴地面參數(shù)的先驗(yàn)知識即可獲得裸地表層土壤濕度和粗糙度信息的半經(jīng)驗(yàn)?zāi)Ｐ汀Ｔ撃Ｐ瓦m合較寬的地表?xiàng)l件，其應(yīng)用的關(guān)鍵是兩景影像的間隔時間較短，并且沒有降雨、灌溉以及較強(qiáng)人類活動的影響，以至于這期間土壤濕度和粗糙度的變化可以忽略，而假定其恒定。然而，受影像獲取限制，該研究并沒有對應(yīng)的地面觀測數(shù)據(jù)，研究區(qū)遙感影像的時相也不是很適合，比較好的時相應(yīng)該在3月初或者10月底和11月初，因?yàn)槟菚r的裸地、荒地分布面積更大，更適合該模型的應(yīng)用。

3 討論

本研究介紹了一種適合較寬的地表?xiàng)l件，不需要地面先驗(yàn)知識而僅靠雷達(dá)影像，即可監(jiān)測土壤濕度和粗糙度信息的半經(jīng)驗(yàn)?zāi)Ｐ汀Ｔ撃Ｐ推鋺?yīng)用的關(guān)鍵是兩景影像的時相間隔較短，并且沒有降雨、灌溉以及較強(qiáng)人類活動的影響，以至于這期間土壤濕度和粗糙度的變化可以忽略，而假定其恒定。

圖3 北京市昌平區(qū)小湯山鎮(zhèn)的土壤體積含水量反演分布圖

圖4 北京市昌平區(qū)小湯山鎮(zhèn)的土壤濕度范圍分類

圖5 北京市順義區(qū)趙全營鎮(zhèn)的土壤體積含水量反演分布圖

針對這種方法，利用兩景ASAR影像在北京郊區(qū)進(jìn)行了應(yīng)用。然而遺憾的是，由于沒有對應(yīng)的地面實(shí)測數(shù)據(jù)驗(yàn)證，因此結(jié)合土地利用類型、歷史及其它研究資料等，只根據(jù)反演所得的土壤濕度分布范圍百分比進(jìn)行了初步分析。下一步的研究中，將會加強(qiáng)地面試驗(yàn)的同步驗(yàn)證。然而，作為采用多極化和多時相的手段，消除粗糙度的影響從而獲得土壤濕度的一種新方法，該研究將為土壤濕度的遙感監(jiān)測提供一條思路。

圖6 北京市順義區(qū)趙全營鎮(zhèn)的土壤濕度范圍分類

［1］Schmugge T J.Remote sensing of soil moisture：recent advances［J］.IEEE Trans Geosci remote sens，1983，21：336－344.

［2］Engman E T，Chauhan N.Status of Microwave Soil Moisture Measurements with Remote Sensing［J］.Remote Sens Environ，1995，51：189－198.

［3］熊文成，邵蕓.基于IEM模擬的干旱區(qū)多時相數(shù)據(jù)含水含鹽量反演模型及分析［J］.遙感學(xué)報，2006，10(1)：111－117.

［4］張曉娟，張文吉，路曉榮等.雙頻多極化SAR測量深層土壤濕度［J］.電子與信息學(xué)報，2007，29(11)：2711－2714.

［5］Narayanan R M，Hirsave P P.Soil moisture estimation models using SIR－C SAR data：a case study in New Hampshire，USA［J］.Remote Sens Environ，2001，75：385－396.

［6］Romshoo S A.Geostatistical analysis of soil moisture measurements and remotely sensed data at different spatial scales［J］.Environ Geo，2004，339－349.

［7］D’Urso G，Minacapilli M.A semi－empirical approach for surface soil water content estimation from radar data without a priori information on surface roughness［J］.Hydro J，2006，321：297－310.

［8］European Space Agency，2006.ASAR product handbook［R］，issue 2.1.

［9］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)：121－126.

［10］Holah N，Baghdadi N，Zribi M，et al.Potential of ASAR/ENVISAT for the characterization of soil surface parameters over bare agricultural field［J］.Remote Sensing of Environment，2005，96：78－86.

［11］Satalino G，Mattia F，Pasquariello G，Dente L.Soil moisture retrieval from ASAR measurements over natural surfaces with a large roughness variability［A］.IEEE International Geoscience and Remote Sensing Symposium Proceedings(25th)(IGARSS 2005)，Seoul，Korea，25－29，July 2005.

［12］Mattia F，Satalino G，Dente L，Pasquariello G.Using a priori information to improve soil moisture retrieval from ENVISAT ASAR AP data in semiarid regions［J］.IEEE Transaction on Geoscience and Remote Sensing，2006，44(4)：900－912.

［13］鮑艷松，劉良云，王紀(jì)華等.利用ASAR圖像監(jiān)測土壤含水量和小麥覆蓋度［J］.遙感學(xué)報，2006，10(2)：263－271.

［14］李森.基于IEM的多波段、多極化SAR土壤水分算法反演研究［D］.北京：中國農(nóng)業(yè)科學(xué)院博士學(xué)位論文，2007.

［15］Baghdadi N，Holah N，Zribi M.Soil moisture estimation using multi－incidence and multi－polarization ASAR data［J］.Int J Remote Sens，2006，27(10)：1907－1920.

［16］Baup F，Mougin E，de Rosnay P，et al.Surface soil moisture estimation over the AMMA Sahelian site in Mali using ENVISAT/ASAR data.Remote Sens Environ，2007，109：473－481.

［17］Rahman M M，Moran M S，Thoma D P，et al.Mapping surface roughness and soil moisture using multi－angle radar imginery without ancillary data［J］.Remote Sensing of Environment，2008，112：391－402.

［18］趙少華，楊永輝，邱國玉等.基于雙時相ASAR影像的土壤濕度反演研究.農(nóng)業(yè)工程學(xué)報，2008，24(6)：184－188.

［19］Oh Y，Sarabandi K，Ulaby FT.Semi－empirical model of the ensemble－averaged differential Mueller matrix for microwave backscattering from bare soil surfaces［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40(6)：1348－1355.

［20］趙少華.2008.河北平原土壤濕度的遙感監(jiān)測研究［D］.北京師范大學(xué)博士學(xué)位論文，北京.

［21］董彥芳，龐勇，孫國清等.ENVISAT ASAR數(shù)據(jù)用于水稻監(jiān)測和參數(shù)反演［J］.武漢大學(xué)學(xué)報信息科學(xué)版，2006，31(2)：124－127.

［22］杜培軍.RADARSAT圖像濾波的研究［J］.中國礦業(yè)大學(xué)學(xué)報，2002，31(2)：132－137.

［23］燕英，周蔭清.基于分割途徑的SAR單視圖像斑點(diǎn)噪聲抑制方法［J］.北京航空航天大學(xué)學(xué)報，2003，29(2)：132－135.