極化SAR在海洋探測中的應用與探討

張 杰 張 晰范陳清 孟俊敏

(國家海洋局第一海洋研究所 青島 266061)

極化SAR在海洋探測中的應用與探討

張 杰 張 晰*范陳清 孟俊敏

(國家海洋局第一海洋研究所 青島 266061)

合成孔徑雷達(Synthetic Aperture Radar, SAR)是重要的對地觀測傳感器，在陸地和海洋中都有廣泛的應用。極化合成孔徑雷達通過不同的收發通道組合，能夠獲取豐富的目標散射信息，可以提升目標檢測、分類識別、定量反演的能力。該文以海冰、艦船、溢油、海浪、內波、風場、海底地形等海上目標和海洋動力環境要素為例，分析了極化SAR在海洋監測中的重要作用，探討了極化SAR未來的發展方向，給出了進一步開展極化SAR海洋應用的建議。

極化SAR；海洋應用；海上目標；海洋動力環境要素

1 引言

海洋作為藍色國土，是我們賴以生存和發展的空間。海洋中的艦船監測關系到海洋主權與權益維護，海冰、內波、海浪等則對海上航運、海上作業、海洋工程存在嚴重威脅，海上溢油會造成巨大經濟損失與環境污染，為了能更好地利用和保護海洋，需要對海洋中的目標和環境動力要素進行可靠有效的監測。合成孔徑雷達(Synthetic Aperture Radar, SAR)由于其全天時全天候的工作能力而成為了海洋監測的主要手段，星載SAR發射成功后的30多年間，已經在海洋領域得到了廣泛的應用。

極化合成孔徑雷達(PolSAR)是雷達理論和技術發展的新技術，美國JPL實驗室在1985研制出第1部機載極化SAR系統，開創了極化成像雷達研究的新紀元。隨著極化SAR理論和技術的同步發展，國外相繼發射了Radarsat-2, TerraSAR-X, Cosmo-SkyMed, ALOS-2等搭載了極化SAR系統的衛星，這些SAR衛星在對地觀測中發揮了重要作用[1-5]。

近幾年，我國的極化SAR理論與應用研究在多個科研項目的支持下取得了較大進展。自主的高分辨率極化SAR衛星也已發射，即將建成高分辨率SAR對地觀測系統。未來極化數據的獲取將更加便捷，極化SAR也將在目標檢測、類型識別、參數估計、定量反演中發揮更加重要的作用。

本文首先概述了極化SAR的基本理論，然后主要以張杰團隊在海冰、艦船、溢油、海浪、內波、風場、海底地形的極化SAR監測工作為例，論述了極化SAR在海洋監測中的重要作用和發展潛力，最后，對極化SAR未來的發展方向做了展望，以期得到進一步開展極化SAR海洋監測研究的啟示。

2 極化SAR基本理論

雷達通過發射電磁波和接收散射回波來獲取目標信息。電磁波在與其傳播方向垂直平面上的分量的時空變化軌跡稱為極化。極化SAR系統中，為了能夠定量計算和分析地物的電磁散射特性，常用一個復矩陣(稱之為極化散射矩陣，Sinclair矩陣)，來描述地物的電磁散射過程[6]，利用散射矩陣可以進一步推導出分布式目標的相干矩陣和協方差矩陣來描述目標或環境的電磁散射特性[7]。

一般而言，極化SAR系統包含雙極化和全極化兩種模式。雙極化系統發射水平或垂直方向的電磁波，同時接收水平和垂直方向的電磁波，能獲取HH/HV或VV/VH兩個通道的數據；全極化系統發射水平和垂直方向的電磁波，同時接收水平和垂直方向的電磁波，能獲取HH, HV, VV, VH 4通道的數據。

簡縮極化SAR系統是雙極化SAR與全極化SAR系統的折中，與全極化SAR系統相比，系統設計復雜度低，成像范圍大，與雙極化SAR系統相比，簡縮極化SAR系統發射和接收信號組合更豐富[8]。簡縮極化SAR系統只發射一個方向的電磁波，接收兩個方向的回波信號，有3種常用的簡縮極化模式。π/4模式[9]：系統發射45°方向的線極化波，接收水平和垂直回波信號；雙圓極化(Dual Circular Polarization, DCP)模式[10]：系統發射圓極化波，同時接收左圓和右圓極化波。混合(Circular-Transmit-and-Linear-Receive, CTLR) 模式[11,12]，系統發射圓極化波，接收一組水平和垂直回波信號。簡縮極化的最大優勢能夠重構大幅寬的全極化數據，更適于大范圍的海洋監測。

無論是雙極化、全極化、還是簡縮極化SAR，都可以獲得多通道數據，相比于單極化SAR單一的灰度圖像，極化SAR通過通道組合得到偽彩色圖像，在海洋監視的目標解譯中更具有優勢。

極化信息與目標尺度、形狀、結構、取向和材料等目標屬性存在著本質的內在聯系。利用極化數據提供的散射矩陣和相干矩陣和協方差矩陣，可進一步提取SAR圖像中地物目標的散射特征[13-15]，如熵、alpha角、各向異性度等。對于艦船、海冰、海上平臺等海洋目標監測來說，極化SAR豐富的散射信息和極化特征有助于海上目標的幾何細節刻畫和散射特性分析，從而實現目標的檢測、分類和識別。

對于海洋動力環境要素，極化SAR對不同海況條件下的不同尺度的海浪、海流、海面風場的敏感程度不同，且只用單極化SAR進行海浪、海流、海面風場等海洋動力環境要素的反演時，一般都會存在180°的方向模糊，如果缺少現場數據，則無法確定其真實傳播方向。極化SAR不僅能夠利用影像的幅度信息，其通道間的相對相位信息有助于消除方向上的模糊。

因此，極化信息的使用增加了SAR信息的維度，更有利于目標的有效識別和動力要素的準確提取。

3 極化SAR海上目標監測應用

3.1 艦船監測

在單極化SAR船只目標檢測研究中，Rey[16]最早提出利用K分布海雜波模型結合恒虛警率(Constant False Alarm Rate, CFAR)的檢測方法。后來，Novak[17]發展了利用高斯模型的雙參數CFAR的方法。隨著SAR圖像分辨率不斷提高，艦船由低分辨率SAR圖像中的點目標擴展為面目標，而且高分辨率SAR中海雜波的分布也表現出了新的特性。Xing[18]提出了基于a穩態分布與EXS-C-CFAR算法相結合的方法，該方法能夠有效地減少漏檢，且很好地保留了艦船輪廓信息。背景窗中可能存在船只會干擾海雜波的統計；Tao等人提出了基于截斷統計的方法解決背景窗口中可能存在的船只對海雜波統計的影響[19]。

與單極化SAR相比，極化SAR提供了豐富的散射信息，雷達發射的電磁波與船只目標的相互作用以二次散射為主，而與海面的相互作用以Bragg散射為主，根據船只與海洋極化散射特性的異同就可以實現目標檢測。Sugimoto等人結合Yamaguchi分解理論和CFAR方法達到了船只檢測的目的[20]，R. Touzi利用RS-2全極化數據證明極化度極差可以檢測出HV極化下難以用肉眼觀察到的小目標[21]，Wei等人將船只的SAPN值作為迭代準則，利用Wishart距離分類器進行了船海分割[22]。張杰團隊開展了全極化與雙極化SAR船只監測的工作，對于全極化SAR，根據實部的正負來區分船只目標與海洋背景[23]，對于雙極化數據，使用極化香農熵的正負來實現船海分離[24]。圖1和圖2分別為使用UAVSAR全極化和RADARSAR-2雙極化數據進行船只檢測的個例，利用相關的參數的符號就可以快捷地實現目標檢測。上述方法的品質因數都在0.92以上，優于K-CFAR、G0-CFAR檢測算法，并且克服了傳統CFAR方法因虛警率設置產生的算法自動性差的缺點。

圖1 UAVSAR, 2010-06-23. Re圖，剖面包含海水和船只Fig. 1 The Reimage for UAVSAR in 2010-06-23 with the profile of ship and sea

近年來，隨著SAR高分辨率的提高，利用SAR進行艦船類型識別成為可能，目前的研究主要集中在分類特征和分類器的構造上。較多的特征是從圖像角度出發選取的紋理特征、幾何特征等，隨著極化SAR的應用，與目標自身本質特性相關的極化特征也被發掘使用。Touzi、張晰等人根據艦船散射體的分布區分艦船類型[25,26]。張杰團隊使用Ji[27]的艦船數據庫，選取了貨船、集裝箱、油輪3種類型目標的21項目標特征，使用5種常用的分類器進行了最優分類組合實驗，發展的優勝團隊選取方法對3種類型船只的分類精度達到了90%以上[28]，該結果在目前船只分類文獻中精度最高。

3.2 海冰監測

海冰類型是海冰監測的重要參數，是海冰冰情評估及預報的重要指標。早期，針對單極化SAR數據，主要是Clausi和Yu利用紋理特征進行了海冰分類[29-31]，Yu進一步加入了形狀特征識別海冰類型[32]。但單極化SAR的海冰分類精度不高，如在初生冰和開闊水域分類中常出現誤判。多極化海冰SAR數據能提取更多極化特征，張杰團隊通過分析利用RADARSAT-2全極化數據提取的海冰極化相關系數、圓極化系數、散射熵和Alpha角等極化特征，不僅可以區分海水和初生冰，而且能夠區分出灰冰、灰白冰，固定冰，發展了基于二叉樹思想的高分辨率全極化SAR海冰分類算法，并利用上述極化特征進行了海冰分類(見圖3)，海水的識別精度達到99.67%；固定冰達到95.24%；灰白冰和灰冰分別為82.29%和73.17%，識別率最差的是初生冰精度為59.38%；總精度為86.67%的準確率[33,34]。

圖2 船只目標極化SAR探測Fig. 2 Ship detection by PolSAR data

圖3 極化SAR海冰分類Fig. 3 Sea ice classification by PolSAR

3.3 溢油監測

SAR溢油檢測主要包括海水與油膜的區分。單極化SAR提供的目標特征較少，Keramitsoglou[35]、Frate[36]、蘇騰飛[37]等人開展了基于模糊方法、神經網絡方法的單極化SAR溢油監測方法來區分油水。但除油膜外，生物膜及低風區、雨團、船尾跡、上升流等一些海洋現象也在SAR影像上表現為暗區域(低后向散射強度)，使得單極化SAR溢油檢測誤識別率較高。

多極化SAR可以同時獲得目標散射的能量信息、相位信息及極化信息，在SAR在溢油檢測、識別方面有著顯著優勢。近年來，相關學者利用多極化SAR所特有的極化信息尋找區分油膜和類油膜的有效特征，提出了若干溢油SAR監測極化參數，如：F參數[38]、一致性參數[39]可以區分油膜和海水，同極化相位差的標準差[40,41]、散射熵H的概率密度函數[42,43]、CT參數[44]、極化度[45]等其他極化參數[46]不僅能區分油膜和海水，還可以區分油膜與類油膜。張杰團隊通過分析Radarsat-2數據中海水與油膜的極化特征分析，引入了單次反射特征值相對差異度(Single bounce Eigenvalue Relative Difference, SERD)特征可以有效地區分溢油和海水，并且在原油和生物油膜的區分方面也有優勢，可用于溢油檢測[47](見圖4)。

圖4 SAR溢油檢測Fig. 4 Oil spill detection by SAR data

4 極化SAR海洋動力要素監測

4.1 海浪監測

SAR 是目前唯一可以提供海浪方向譜的星載微波遙感器，可以計算得到有效波高、平均波周期、主波波長、主波波向等海浪參數。Hasselmann等采用雙尺度海面模型，建立了海浪譜到圖像譜的變換關系[48]。以此關系為基礎，發展了系列的SAR海浪反演算法，有代表性的是MPI算法[28]、交叉譜算法、PARSA算法。其中，Engen[49]發展的基于交叉譜的海浪信息提取算法解決了海浪傳播方向上的180°模糊問題，但存在較大誤差。Schulz[50]結合MPI和交叉譜方法提出了PARSA算法，解決了180°模糊的問題，又具有比交叉譜方法更好的精度。

極化SAR海浪信息提取方面，Schuler[51-53]等首先給出了利用極化方向角和H-Alpha分解提取海浪斜率譜的算法，該方法可以直接測量海浪譜，不需要復雜的調制傳遞函數，在中低海況下精度較高。何宜軍等人通過對線性極化方向調制傳遞函數和傾斜調制傳遞函數的數值仿真，檢驗了雷達和海浪參數對線性極化SAR圖像譜的影響，提出了一種消除180°方向模糊的方法[54]。之后，他們又提出了一種使用C波段全極化SAR數據測量海浪波斜譜的新方法[55]。張杰團隊利用AIRSAR數據，用文獻[54]方法反演了海浪譜(圖5)，通過與實測浮標數據比對，取得了較好的反演結果(見表1)。

圖5 極化SAR海浪探測Fig. 5 Sea wave detection by PolSAR data

表1 SAR反演海浪參數值與對應的浮標測量值對比Tab. 1 Inversion results of wave parameters and the corresponding buoy measurements

4.2 風場監測

SAR具有觀測海面風場的能力。對于單極化SAR，目前常用C波段VV極化數據的地球物理模型函數為CMOD系列模型，主要包括CMOD4, CMOD-IFR2, CMOD5以及CMOD5.N模型算法。SAR圖像為單一視向，無法利用CMOD模型算法同時反演風速和風向。因此，傳統C波段VV極化SAR反演海面風場時一般先利用2維FFT變換法、小波分析法、梯度法等方法從SAR圖像風條紋信息中估計出風向，再利用CMOD模型反演風速[56,57]。利用HH極化SAR圖像進行風場信息反演時，需要先利用Thompson、Elfouhaily、AD模型、Kirchoff等極化比模型[58-60]，將HH極化轉換到VV極化，再利用VV極化的風場反演方法進行計算。此外，Ren等人在CMOD基礎上發展了針對于X波段的XMOD模型函數[61]。

極化SAR海面風場反演中，目前主要的方法是利用交叉極化SAR反演海面風速，該方法通過建立風速與交叉極化后向散射系數之間的經驗關系實現。由于交叉極化信號小，低風速信息容易湮沒在噪聲之中，導致風速無法反演。隨著C波段RADARSAT-2衛星的業務化運行，其多極化(尤其是全極化)SAR數據的高信噪比使得利用多極化SAR數據反演海面風場成為可能。張彪等人基于C波段RADARSAT-2全極化SAR提出了一個同時依賴于入射角和風速(記為SAD模型)的分析極化比模型，結合CMOD5.N模型反演風速，結果表明SAD模型精度較高[62]。

4.3 內波監測

SAR能夠監測內波的振幅、傳播速度、傳播方向。SAR內波的監測工作主要集中在兩方面。第一是內波的時空分布特征：其中，孟俊敏分析了南海北部和臺灣東北部的內波分布特征[63]；Zheng等人分析了南海內波的時空分布特征[64]；Li利用MITgcm模式模擬了南海西北部內波的生成與傳播，此處內波多是由海底山脊與海潮相作用形成[65]；Zhang使用SUNTANS模型，對中國南海內波進行了數值模擬，該模型能夠準確地預測內波的到達時間[66]。第二是內波SAR參數反演：如，Small等利用多時相SAR提取了內波的振幅[67]。Li等人利用單景SAR影像提取了內波上混合層厚度[68]，種勁松利用時間序列SAR影像提取了內波的波長、傳播速度、傳播方向、極性等參數[69,70]，Cai等人分析了南海內波的頻散系數和非線性系數等[71]。

在極化SAR內波監測應用中，Schuler利用極化SAR研究了內波對極化方向角產生的影響，并提出了方向角擾動與潛在內波流強度的經驗關系[32]。張杰團隊利用ALOS PALSAR全極化SAR數據，提取并分析了SAR海洋內波的后向散射系數、極化比、極化特征值等11種極化特征在內波檢測中的性能，指出極化熵和極化角可以有效地識別內波[72](見圖6)，該工作將有助于后續極化SAR內波監測的開展。

圖6 內波極化SAR圖像及其極化特征Fig. 6 Internal-wave SAR image and its polarimetric features

4.4 海底地形反演

SAR不能直接觀測到海底地形，SAR測量的是海面的后向散射，海底地形之所以被SAR觀測到是由于水下地形間接地改變了海面的后向散射。

Shuchman等人采用了不同的含有松馳率項的源函數，利用射線追蹤的方法對作用量平衡方程進行了求解[73]。之后，出現了大量的改進成像模型，如BRM模型[74]和Inglada[75]模型等。袁業立從理論上導出了海面微尺度波高頻譜的表達式，為定量的SAR影像仿真與地形反演奠定了理論基礎[76]，后有學者陸續在其基礎上建立了水下地形仿真和反演模型[77]，研究并分析了不同地形條件下，淺海水下地形的雷達后向散射截面[78]，利用ERS-1和Radarsat SAR影像對南沙群島雙子礁開展了水下地形SAR監測研究[79]。

基于單極化SAR的水下地形監測沒有考慮極化方式對雷達成像的影響。事實上，水下地形SAR成像與SAR的極化方式具有密切關系，張杰團隊利用Radarsat-2全極化SAR數據(見圖7)，在進行極化白化濾波后，對臺灣淺灘區域開展水下地形監測研究，反演結果總體平均絕對誤差為2.56 m，而VVHHVH的平均誤差分別為2.63 m, 2.65 m, 3.19 m(見圖8)，可見全極化的監測精度高于單極化SAR的監測精度[80]。

圖7 Radarsat-2全極化SAR影像，2009-01-06Fig. 7 Radarsat-2 PolSAR images, 2009-01-06

圖8 全極化SAR水下地形監測結果Fig. 8 The results of underwater topography detection by PolSAR data

5 結論與展望

本文對艦船、海冰、溢油、海浪、內波、水下地形等海洋要素的極化SAR監測現狀進行了論述，從中可以看出極化SAR已在海洋監測中發揮了重要的作用。隨著極化SAR分辨率的提高，極化新技術的發展，SAR海洋監測仍有許多重要的工作仍需進一步開展。對于海洋監測業務，需要從工程和算法的角度發展高效智能的SAR圖像目標解譯和認知算法。

近年來，國內外學者相繼提出了干涉極化、緊縮極化SAR等多種極化SAR體制。緊縮極化具備雙極化SAR和全極化SAR的優點，在大范圍的海洋環境監測中有廣泛的應用前景。交軌干涉極化SAR在艦船、海冰、海島、海上構造物等海洋目標的幾何結構精細化提取和3維重構中有很大的應用潛力。順軌干涉極化SAR在海上目標和海流速度提取[81]方面能發揮重要作用。新體制極化SAR系統設計復雜，定標難度大，也是未來一個重要的研究方向。

對于艦船檢測，需要建立適用于高分辨率極化SAR圖像的海雜波模型，提高目標檢測的準確率。對于艦船類型識別，現有的研究主要針對貨船、油輪、集裝箱3種目標，需要擴大識別的范圍，同時，需考慮利用極化散射特征提取船只的上層結構甚至3維特征，提高類型識別的精度。

對于海冰監測，利用極化散射信息可提高分類的精細化程度和海冰分類精度，極化SAR信息的引入可以進一步定量提取海冰厚度及冰上雪厚。

對于海面溢油監測，利用極化SAR數據，一方面，有助于解決從低風區、內波、雨團、船尾跡、上升流、油脂冰等偽信息中準確地提取溢油區域的技術難題，另一方面，有可能實現油膜厚度的提取。

SAR是獲取海面風場、海浪等海洋動力環境要素的主要手段之一，實現復雜和極端海況條件下海洋動力環境要素的準確提取將推動SAR在海洋監測應用中的廣泛應用。極化SAR的出現有助于解決諸如海浪探測中180°向模糊、高海況條件下的風場探測等問題，借鑒相關的思路和方法可以開展內波、中尺度渦等海洋動力過程的高精度探測。

隨著科學技術的不斷發展，MIMO、干涉星座、DBF寬測繪帶成像等新體制雷達應運而生[82]，必將在海上目標和海洋動力環境監測中發揮重要的作用，為我國海洋環境安全和海上權益維護提供技術支撐與保障。

[1]Boerner W-M. Introduction to radar polarimetry with assessments of the historical development and of the current state of the art[C]. Proceedings: International Workshop on Radar Polarimetry, JIPR-90, 20-22, Nantes, France, March 1990.

[2]Boerner W-M. Recent advances in extra-wide-band polarimetry, interferometry and polarimetric interferometry in synthetic aperture remote sensing and its applications[J].IEE Proceedings-Radar,Sonar and Navigation, 2003, 150(3): 113-124.

[3]Ulaby F T and Elachi C. Radar polarimetry for geoscience applications[J].Geocarto International, 1990, 5(3): 38.

[4]王雪松. 雷達極化技術研究現狀與展望[J]. 雷達學報, 2016, 5(2): 119-131. Wang X S. Status and prospects of radar polarimetry techniques[J].Journal of Radars, 2016, 5(2): 119-131.

[5]Lee J S and Pottier E. Polarimetric Radar Imaging[M]. CRC Press, 2015.

[6]Kostinski A and Boerner W M. On foundations of radar polarimetry[J].IEEE Transactions on Antennas and Propagation, 1986, 34(12): 1395-1404.

[7]Cloude S R. Group theory and polarization algebra[J].Optik, 1986, 75(1): 26-36.

[8]張紅, 謝鐳, 王超, 等. 簡縮極化SAR數據信息提取與應用[J].中國圖象圖形學報, 2013, 18(9): 1065-1073. Zhang H, Xie L, Wang C,et al.. Information extraction and application of compact polarimetric SAR data[J].Chinese Journal of Image and Graphics, 2013, 18(9): 1065-1073.

[9]Souyris J C, lmbo P, Fjortofi R,et al.. Compact polarimetry based on symmetry properties of geophysical media: The mode[J].IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(3): 634-646.

[10]Slaw N and Preiss M. Compact polarimetric analysis of X-band SAR data[C]. 6th European Conference on Synthetic Aperture Radar, 2006: 1-4．

[11]Raney R K. Dual-polarized SAR and stokes parameters[J].IEEE Geoscience and Remote Sensing Letters, 2006, 3(3): 317-319.

[12]Raney R K. Hybrid-polarity SAR architecture[J].IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(11): 3397-3404.

[13]Cloude S R and Pottier E. An entropy based classification scheme for land applications of polarimetric SAR[J].IEEE Transactions on Geosciences and Remote Sensing, 1997, 35(1): 68-78.

[14]Freeman A and Durden S L. A three-component scattering model for polarimetric SAR data[J].IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(3): 963-973.

[15]Cameron W L and Leung L K. Feature motivated polarization scattering matrix decomposition[C]. IEEE International Conference on Radar, 1990: 549-557.

[16]Rey M T, Campbell J, and Petrovic D. A comparison of ocean clutter distribution estimators for CFAR-based ship detection in RADARSAT imagery[R]. Defence Research Establishment, Report No.1340, 1998.

[17]Novak L M, Burl M C, and Irving W W. Optimal polarimetric processing for enhanced target detection[J].IEEE Transactions on Aerospace and Electronic Systems, 1993, 29(1): 234-244.

[18]Xing X W, Ji K F, Zou H,et al.. High resolution SAR imagery ship detection based on EXS-C-CFAR in Alphastable clutters[C]. IGRASS, 2011: 316-319.

[19]Tao D, Anfinsen S N, and Brekke C. Robust cfar detector based on truncated statistics in multiple-target situations[J].IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(1): 117-134.

[20]Sugimoto M, Ouchi K, and Nakamura Y. On the novel use of model-based decomposition in SAR polarimetry for target detection on the sea[J].Remote Sensing Letters, 2013, 4(9): 843-852.

[21]Touzi R, Hurley J, and Vachon P. Ship detection using polarimetric Radarsat-2[C]. Asia-Pacific Conference on Synthetic Aperture Radar (APSAR), 2013: 104-107.

[22]Wei J, Li P, Yang J,et al.. A new automatic ship detection method using L-band polarimetric SAR imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(4): 1383-1393.

[23]Zhang X, Zhang J, Meng J M,et al.. A novel polarimetric SAR ship detection filter[C]. International Radar Conference, 2013: 1-5.

[24]龍夢啟, 楊學志, 孟俊敏, 等. 利用香農熵的雙極化合成孔徑雷達船只檢測[J]. 遙感信息, 2015, 30(5): 14-19. Long M Q, Yang X Z, Meng J M,et al.. Dual polarimetric SAR data for ship detection based on Shannon entropy[J].Remote Sensing Information, 2015, 30(5): 14-19.

[25]Touzi R and Charbonneau F. The SSCM for ship characterization using polarimetric SAR[C]. IGARSS 2003, 2003: 194-196.

[26]張晰, 張杰, 紀永剛, 等. 基于結構特征的SAR船只類型識別能力分析[J]. 海洋學報(中文版), 2010, 32(1): 146-152. Zhang X, Zhang J, Ji Y G,et al.. The capability analysis of ship classificationby structure feature using SAR images[J].Acta Oceanologica Sinica(Chinese), 2010, 32(1): 146-152.

[27]Xing X, Ji K, Zou H,et al.. Ship classification in TerraSARX images with feature space based sparse representation[J].IEEE Geoscience and Remote Sensing Letters, 2013, 10(6): 1562-1566.

[28]Lang H, Zhang J, Zhang X,et al.. Ship classification in SAR image by joint feature and classifier selection[J].IEEE Geoscience and Remote Sensing Letters, 2016, 13(2): 212-216.

[29]Clausi D A and Yue B. Comparing co-occurrence probabilities and Markov random fields for texture analysis of SAR sea ice imagery[J].IEEE Transactions on Geosciences and Remote Sensing, 2004, 42(1): 215-228.

[30]Yu Q and Clausi D A. Filament preserving segmentation for SAR sea ice imagery using a new statistical model[J].IEEE Transactions on Geosciences and Remote Sensing, 2006, 44(12): 3678-3684.

[31]Palenichka R, Hirose T, and Lakhssassi A. Sea ice segmentation of SAR imagery using multi-temporal and multi-scale feature extraction[C]. 2011 2nd International Conference on Space Technology, 2011: 1-4.

[32]Yu Q and Clausi D A. IRGS: MRF based image segmentation using edge penalties and region growing[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008, 30(12): 2126-2139.

[33]張晰. 極化SAR渤海海冰厚度探測研究[D]. [博士論文], 中國海洋大學, 2011. Zhang X. Research on sea ice thickness detection by polarimetric SAR in bohai sea[D]. [Ph.D. dissertation], Ocean University of China, 2011.

[34]劉眉潔, 戴永壽, 張杰, 等. 高分辨率全極化合成孔徑雷達數據海冰二次分類方法研究[J]. 海洋學報(中文版), 2013, 35(4): 80-87. Liu M J, Dai Y S, Zhang J,et al.. The research on the object-based method of sea ice classification of highresolution quad-polarization SAR data[J].Acta Oceanologica Sinica(Chinese), 2013, 35(4): 80-87.

[35]Keramitsoglou I, Cartalis C, and Kiranoudis C. Automatic idetification of oil spills on satellite images[J].Environmental Modelling and Software, 2006, 21(5): 640-652.

[36]Frate F and Petrocchi A. Neural networks for oil spill detection using ERS-SAR data[J].IEEE Transactions on Geosciences and Remote Sensing, 2000, 38(5): 2282-2287.

[37]蘇騰飛. 面向對象的SAR溢油檢測算法與系統構建[D]. [碩士論文], 國家海洋局第一海洋研究所, 2013. Su T F. Object-oriented SAR oil spill detection algorithm and system implementation[D]. [Master dissertation], The First Institute of Cceanography, SOA, 2013.

[38]Liu P, Li X, Qu J,et al.. Oil spill detection with fully polarimetric UAVSAR data[J].Marine Pollution Bulletin, 2011, 62(12): 2611-2618.

[39]Zhang B, Perrie W, Li X,et al.. Mapping sea surface oil slicks using RADARSAT-2 quad-polarization SAR image[J].Geophysical Research Letters, 2011, 38(10): 415-421.

[40]Migliaccio M and Nunziata F. On the co-polarized phase difference for oil spills observe[J].International Journal of Remote Sensing, 2009, 30(6): 1587-1602.

[41]Velotto D and Nunziata F. Dual-polarized TerraSAR-X data for oil-spill observation[J].IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(12): 4751- 4762.

[42]Migliaccio M, Gambardella A, and Massimo T. Oil spill observation by means of polarimetric SAR data[C]. Proceedings of SEASAR 2006, ESA SP-613, 2006: 1-6.

[43]Migliaccio M and Tranfaglia M. A study on the capability of SAR polarimetry to observe oil spills[C]. Proceedings of the 2nd International Workshop POLINSAR 2005, ESA SP-586, 2005: 1-6.

[44]Duan B and Chong J S. Based on the covariance and coherency matrix for SAR sea oil spill observation[C]. Proceedings of 2011 IEEE CIE International Conference on Radar, Chengdu, China, 2011, 2: 1291-1294.

[45]Nunziata F, Gambardella A, and Migliaccio M. On the degree of polarization for SAR sea oil slick observation[J].ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 78: 41-49.

[46]Skrunes S, Brekke C, and Eltoft T. Characterization of marine surface slicks by Radarsat-2 multipolarization feature[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(9): 5302-5319.

[47]鄭洪磊. 基于極化特征的SAR溢油檢測研究[D]. [碩士論文],中國海洋大學, 2015. Zheng H L. Oil spill detection based on polarimetric features[D]. [Master dissertation], Ocean University of China, 2015.

[48]Hasselmann K and Hasselmann S. On the nonlinear mapping of an ocean wave spectrum into a synthetic aperture radar image spectrum and its inversion[J].Journal of Geophysical Research:Oceans, 1991, 96(C6): 10713-10729.

[49]Engen G and Johnsen H. SAR-ocean wave inversion using image cross spectra[J].IEEE Transactions on Geoscience and Remote Sensing, 1995, 33(4): 1047-1056.

[50]Schulz-Stellenfleth J, Lehner S, and Hoja D. A parametric scheme for the retrieval of two-dimensional ocean wave spectra from synthetic aperture radar look cross spectra[J].Journal of Geophysical Research:Oceans, 2005, 110: C05004.

[51]Schuler D, Lee J, Kasilingam D,et al.. Measurement ofocean surface slopes and wave spectra using polarimetric SAR image data[J].Environment Remote Sensing, 2004, 91(2): 198-211.

[52]Schuler D L, Jansen R W, Lee J S,et al.. Polarisation orientation angle measurements of ocean internal waves and current fronts using polarimetric SAR radar[J].IEE Proceedings-Radar,Sonar and Navigation, 2003, 150(3): 135-143.

[53]Schuler D L, Lee J S, Kasilingam D,et al.. Measurement of ocean surface slopes and wave spectra using polarimetric SAR image data[J].Remote Sensing of Environment, 2004, 91(2): 198-211.

[54]He Y J, Shen H, and Perrie W. Remote sensing of ocean waves by polarimetric SAR[J].Journal of Atmospheric and Oceanic Technology, 2006, 23(12): 1768-1773.

[55]He Y J, Perrie W, Xie T,et al.. Ocean wave spectra from a linear polarimetric SAR[J].IEEE Transactions on Geosciences and Remote Sensing, 2004, 42(11): 2623-2631.

[56]Gerling T W. Structure of the surface wind field from the Seasat SAR[J].Journal of Geophysical Research, 1986, 91(C2): 2308-2320.

[57]Gisela C, Leif E B, Ulander L M,et al.. Retrieval and assessment of sub-mesoscale wind velocity vectors with Synthetic Aperture Radar[C]. IGARSS 2011, 2011: 2041-2044.

[58]Bergeron Thomas, Bernier Monique, Chokmani Karem,et al.. Wind speed estimation using polarimetric RADARSAT-2 images: Finding the best polarization and polarization ratio[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2011, 4(4): 896-904.

[59]Mouche A, Hauser D, Daloze J F,et al.. Dual-polarization measurements at C-band over the ocean: Results from airborne radar observations and comparison with ENVISAT ASAR data[J].IEEE Transactions on Geoscience&Remote Sensing, 2005, 43(4): 753-769.

[60]Horstmann J, Monaldo F, Thompson D R,et al.. First assessment of C-band polarization ratio from ENVISAT ASAR imagery[C]. IGARSS 2005, 2005: 1002-1005.

[61]Ren Y, Lehner S, Brusch S,et al.. An algorithm for the retrieval of sea surface wind fields using X-band TerraSARX data[J].International Journal of Remote Sensing, 2012, 33(23): 7310-7336.

[62]Zhang Biao, Perrie Will, and He Yijun. Wind speed retrieval from RADARSAT-2 quad-polarization images using a new polarization ratio model[J].Journal of Geophysical Research:Oceans, 2011, 116: C08008.

[63]孟俊敏. 利用SAR影像提取海洋內波信息的技術研究[D]. [博士論文], 中國海洋大學, 2002. Meng J M. A study of information extraction technology of ocean internal waves from SAR images[D]. [Ph.D. dissertation], Ocean University of China, 2002.

[64]Zheng Q A, Susanto D R, Ho C,et al.. Statistical and dynamical analyses of generation mechanisms of solitary internal waves in the northern South China Sea[J].Journal Geophysical Research:Oceans, 2007, 112: C03021.

[65]Li D, Chen X, and Liu A. On the generation and evolution of internal solitary waves in the northwestern South China Sea[J].Ocean Modeling, 2011, 40(2): 105-119.

[66]Zhang Z, Fringer O B, and Ramp S R. Three-dimensional, nonhydrostatic numerical simulation of nonlinear internal wave generation and propagation in the South China Sea[J].Journal of Geophysical Research:Oceans, 2011, 116: C05022.

[67]Small J, Hallock Z, Pavey G,et al.. Observations of large amplitude internal waves at the Malin Shelf edged during SESAME 1995[J].Continental Shelf Research, 1999, 19(11): 1389-1436.

[68]Li X, Clemente-Colon P, Friedman K S,et al.. Estimating oceanic mixed layer depth from internal wave evolution observed from Radarsat-1 SAR[J].Johns Hopkins APL Technical Digest, 2000, 21(1): 130-135.

[69]楊勁松. 合成孔徑雷達海面風場、海浪和內波遙感技術[D]. [博士論文], 青島海洋大學, 2001. Yang J S. Sea surface wind, waves and waves of remote sensing technology about Synthetic aperture radar[D]. [Ph.D. dissertation], Ocean University of Qingdao, 2001.

[70]種勁松, 歐陽越, 李飛, 等. 合成孔徑雷達圖像海洋內波探測[M]. 北京: 海洋出版社, 2010. Chong J S, Ouyang Y, and Li F,et al.. Oceanic Internal Wave Detection in Synthetic Aperture Radar Image[M]. Beijing: Ocean Press, 2010.

[71]Cai S, Xie J, Xu J,et al.. Monthly variation of some parameters about internal solitary waves in the South China Sea[J].Deep Sea Research Part I:Oceanographic Research Papers, 2014, 84: 73-85.

[72]李魯靖, 孟俊敏, 張晰, 等. SAR極化特征圖像與s0圖像的海洋內波可視性對比[J]. 海洋學研究, 2014, 32(2): 23-34. Li L J, Meng J M, Zhang X,et al.. Comparison for the visibility of the SAR polarization characteristics ands0images of internal waves[J].Journal of Marine Sciences, 2014, 32(2): 23-34.

[73]Shuchman R A, Lyzenga D R, and Meadows G A. Synthetic aperture radar imaging of ocean bottom topography via tidal-current interactions: Theory and observation[J].International Journal of Remote Sensing, 1985, 6(7): 1179-1120.

[74]Chubb S R, Valenzuela G R, and Greenberg D A. Radar surface signatures based on the two-dimensional tidal circulation of Phelps Band[J].IEEE Transactions on Geoscience and Remote Sensing, 1991, 29(1): 129-134.

[75]Inglada J and Garello R. On rewriting the imaging mechanism of underwater bottom topography by synthetic aperture radar as a Volterra series expansion[J].Journal of Oceanic Engineering, 2002, 27(3): 665-674.

[76]Yuan Y L. Representation of high frequency spectra of ocean waves and the basis for analyzing SAR images[J].Oceanologia et Limnologia Sinica, 1997, 28(Suppl.): 1-5.

[77]Jin M B and Yuan Y L. Formulation and solution of the mathematical and physical inverse problem detecting sea topography by SAR image[J].Oceanologia et Limnologia Sinica, 1997, 28(Suppl.): 27-31.

[78]Fu B, Huang W G, Zhou C B,et al.. Simulation study of sea bottom topography mapping by Spaceborne SARRelationship between topography parameters and measurement of water depth[J].Acta Oceanologica Sinica, 2001, 23(1): 35-42.

[79]Yang J G, Zhang J, and Meng J M. Underwater topography detection of Shuangzi Reefs with SAR images acquired in different time[J].Acta Oceanologica Sinica, 2007, 26(1): 48-54.

[80]畢曉蕾, 孟俊敏, 楊俊鋼, 等. 極化信息在水下地形SAR探測中的應用[J]. 遙感學報, 2013, 17(1): 34-45. Bi X L, Meng J M, Yang J G,et al.. Application of SAR polarization information for detection of underwater topography[J].Journal of Remote Sensing, 2013, 17(1): 34-45.

[81]Romeiser R and Graber H C. Advanced remote sensing of internal waves by spaceborne along-track InSAR-A demonstration with TerraSAR-X[J].IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(12): 6735-6751.

[82]蔡愛民, 王燕宇. 雙/多基地 SAR 成像研究進展與趨勢及其關鍵技術[J]. 上海航天, 2016, 33(4): 112-118. Cai A and Wang Y. Progress incidence and key technology of Bi/Multi SAR imaging[J].Aerospace Shanghai, 2016, 33(4): 112-118.

Discussion on Application of Polarimetric Synthetic Aperture Radar in Marine Surveillance

Zhang Jie Zhang Xi Fan Chenqing Meng Junmin
(First Institute of Oceanography,State Oceanic Administration,Qingdao266061,China)

Synthetic Aperture Radar (SAR), an important earth observation sensor, has been used in a wide range of applications for land and marine surveillance. Polarimetric SAR (PolSAR) can obtain abundant scattering information of a target to improve the ability of target detection, classification, and quantitative inversion. In this paper, the important role of PolSAR in ocean monitoring is discussed with factors such as sea ice, ships, oil spill, waves, internal waves, and seabed topography. Moreover, the future development direction of PolSAR is put forward to get an inspiration for further research of PolSAR in marine surveillance applications.

Polarimetric SAR; Marine application; Target; Ocean dynamic environmental factors

TN95

A

2095-283X(2016)06-0596-11

10.12000/JR16124

張杰, 張晰, 范陳清, 等. 極化SAR在海洋探測中的應用與探討[J]. 雷達學報, 2016, 5(6): 596-606.

10.12000/JR16124.

Reference format:Zhang Jie, Zhang Xi, Fan Chenqing,et al.. Discussion on application of polarimetric synthetic aperture radar in marine surveillance[J].Journal of Radars, 2016, 5(6): 596-606. DOI: 10.12000/JR16124.

張 杰(1963-)，男，內蒙古包頭人，博士，國家海洋局第一海洋研究所，研究員，室主任。研究方向為海洋遙感技術與應用，主要成果為主持國家自然科學基金、863計劃、國家載人航天工程等項目30余項，獲多項海洋創新成果獎，出版專著1部，在國內外重要學術刊物上與學生合作發表論文百余篇。 社會兼職：國家海洋局與中國航天科技集團海洋遙測工程技術研究中心主任。

2016-11-07；改回日期：2016-11-23；

2016-12-21

*通信作者：張晰 xi.zhang@fio.org.cn

國家高技術研究發展計劃(863計劃)(2013AA122803), 國家自然科學基金(61471136)

Foundation Items: The National High-tech R & D Program of China (863 Program)(2013AA122803), The National Natural Science Foundation of China (61471136)

E-mail: zhangjie@fio.org.cn