林火干擾區全極化SAR影像的散射特性分析

祁帥， 張永紅， 汪慧琴

(1.蘭州交通大學測繪與地理信息學院，蘭州　730070； 2.中國測繪科學研究院，北京　100830；3.上海米度測量技術有限公司，上海　200123)

林火干擾區全極化SAR影像的散射特性分析

祁帥1,2， 張永紅2， 汪慧琴3

(1.蘭州交通大學測繪與地理信息學院，蘭州730070； 2.中國測繪科學研究院，北京100830；3.上海米度測量技術有限公司，上海200123)

摘要：目前，利用合成孔徑雷達(synthetic aperture Radar,SAR)影像進行林火監測主要限于從林火前后時相的單極化通道振幅數據或者火后全極化影像振幅數據開展，而從林火對森林散射機制改變角度開展多時相全極化SAR林火監測的研究還較少。以2009年阿拉斯加地區發生的林火為例，以林火發生前后獲取的Radarsat-2全極化影像為實驗數據，從林火所改變的森林后向散射強度和散射機制角度，對林火發生前后各個極化通道后向散射強度、主導散射機制和去極化作用參數進行了定量分析，并對變化原因給出了解釋。研究表明，對于北方森林，林火發生后林火干擾區的后向散射強度在同極化通道相比林火前增加了20%，交叉極化通道也有小幅增加，主導散射由林火前占59%的體散射變為林火后占53%的表面散射，去極化作用相比林火前減小45%。這些結論對于利用多時相全極化SAR數據開展林火燃燒面積或者燃燒強度監測具有參考價值。

關鍵詞：極化合成孔徑雷達； 北方森林； 后向散射強度； 散射機制； 去極化作用

0引言

北方森林(Boreal forests)的面積約占地球陸地面積的10%，儲存有超過全球陸地生物群系中35%的碳[1]。有關研究表明，每年大概有百萬hm2的北方森林被林火燃燒[2]。森林燃燒時其中存儲的碳釋放到大氣中，會對全球氣候及生態系統產生嚴重影響。由于北方森林的恢復能力很弱，這種影響會持續很長的時間。因此對北方森林的林火進行監測，一直是遙感應用領域的重要方面。

合成孔徑雷達(synthetic aperture Radar,SAR)影像能全天時全天候獲取，不受云與煙的干擾，而且對地物的結構信息比較敏感，因此用SAR影像進行林火監測具有獨特的優勢[3]。SAR影像林火監測，早期主要采用單極化影像的振幅數據。例如，Kasischke和Bourgeau-Chavez等[4-5]在阿拉斯加北方森林的研究中發現，在SAR影像上過火跡地的后向散射明顯高于未受林火干擾的地區； Siegert和Ruecker等[6-7]在印度尼西亞熱帶雨林地區的監測中發現，過火林地的后向散射出現了明顯下降，其原因是在熱帶雨林地區，林火完全或部分燒毀了植被冠層，并使地面水分蒸發而變得干燥，燃燒后來自于干燥地面的后向散射明顯低于未受林火干擾地區來自于植被冠層的體散射。而基于火后全極化SAR數據的林火研究，Goodenough等[8-9]曾應用過火后全極化Radarsat-2數據分析林火燃燒面積。

但是這些基于林火干擾區單極化影像振幅數據的研究，只能反映出林火對某個極化通道的影響，不能反映林火對雷達后向散射機理和強度影響的完整信息； 而基于火后全極化振幅數據的研究，僅能夠表達火后林火干擾區與其他地物的差異，不能充分反映林火干擾區自身在林火發生前后的變化。因此，本文利用林火發生前后的全極化SAR影像，從林火改變森林后向散射強度和散射機制2個角度對阿拉斯加北方森林過火后的變化進行了定量研究，并分析了出現這種變化的原因。

1實驗數據及其預處理

1.1實驗區及其數據源

實驗區位于美國阿拉斯加中東部，火災中心位置在N 66°05′24.4″，W 146°31′16.9″。火災發生于2009年7月18日至2009年8月5日期間。實驗數據為2009年7月17日和2009年9月3日獲取的2景Radarsat-2全極化單視復影像，均為精細全極化模式的升軌影像。表1為實驗數據的具體參數。

表1　SAR數據參數

實驗區位置及影像覆蓋范圍如圖1所示。左圖為實驗區在阿拉斯加地區的位置，右圖為Radarsat-2影像的覆蓋范圍，圖中黃線內區域為美國地質調查局MTBS(monitoring trends in burn severity)項目提供的人工勾繪的林火干擾區范圍。

圖1　實驗區位置及影像覆蓋范圍

實驗輔助數據主要包括全球土地覆蓋類型和永久凍土層分布等。通過查閱得知，實驗區內森林為常綠針葉林，并位于連續永久凍土分布區。

1.2數據預處理

為了對林火發生前后林火干擾區的散射特性進行定量分析，需要對2景SAR影像進行的預處理主要包括輻射定標、圖像配準和多視濾波等。

對林火前后的2景影像分別進行輻射定標處理的公式為

(1)

式中：Iσ,Qσ分別為定標后像元的實部和虛部；DNI,DNQ分別為原始單視復影像像元的實部和虛部；Aj是與斜距有關的增益系數，由附帶的查找表文件(lutSigma.xml)提供[10]。

為保證林火發生前后2個時相影像極化參數坐標的統一，使用Gamma軟件對2景SAR影像進行了高精度配準。輻射定標和精確配準后的2景極化SAR影像均采用極化散射矩陣S表達。

對影像進行多視濾波處理(方位向多視參數為3，距離向多視參數為2)所生成各自的協方差矩陣C3。為進一步抑制斑點噪聲，對協方差矩陣進行了窗口大小為3像素×3像素的增強Lee濾波。圖2為預處理后的2幅PauliRGB合成圖像。圖像上的黑色區域為水體。從火后影像即圖2(b)上可以看到，林火干擾區為河流以西的粉色區域。

(a) 2009年7月17日影像 (b) 2009年9月3日影像

圖2預處理后的Radarsat-2影像

Fig.2Pre-processed Radarsat-2 images

2實驗與分析

2.1林火干擾區散射特性參數

林火干擾區通過2種模式改變雷達后向散射： ①通過改變后向散射體的濕度、粗糙度等環境參數從而改變后向散射的強度； ②通過改變植被冠層及其結構從而改變后向散射機制。所以本文選取與后向散射強度和森林散射機制變化密切相關的參數進行定量分析。

2.1.1后向散射強度參數

全極化SAR影像記錄了地面每個分辨單元在4種基本極化狀態下散射回波的幅度和相位，形成極化散射矩陣S，即

(2)

式中SHH，SHV，SVH和SVV表示發射波和接收波分別為水平和垂直時的4種組合。通常在對影像分析前要進行多視濾波處理以減小相干斑的影響，即將N個臨近像素進行空間平均。多視濾波處理后圖像的協方差矩陣一般定義為

(3)

式中， *表示共軛； 〈〉表示統計平均。協方差矩陣C3包含了所有的極化信息，其中HH，HV和VV 3個極化通道的后向散射系數σHH，σHV和σVV分別為

(4)

選取3個極化通道的后向散射系數σHH，σHV和σVV來分析林火發生前后后向散射強度的變化。

2.1.2主導散射機制參數

極化目標分解是將目標的散射特征分解為若干個簡單散射體的疊加，來揭示散射體的物理特性[11]。基于協方差矩陣C3的Yamaguchi分解，它將目標散射特征分解為螺旋體散射、體散射、偶次散射和表面散射4個獨立分量。Yamaguchi 4分量分解[12]中各散射機制的散射功率表達式為

(5)

式中：Ps，Pd，Pv和Ph分別為表面散射(Odd)、偶次散射(Dbl)、體散射(Vol)和螺旋體散射(Hlx)對應的散射功率；Im表示取實部操作。選取Yamaguchi分解的4個分量分析其在林火發生前后的變化推斷林火干擾區主導散射機制的變化。

2.1.3去極化作用參數

森林地區的植被主要由冠層、樹干、林下灌木、草地或枯枝落葉等組成。短波長雷達信號主要與植被冠層相互作用。由于植被冠層散射元的空間分布比較隨機，會引起極化波振動方向的改變即去極化作用。

極化合成是根據目標的散射矩陣S計算在發射和接收天線任意極化組合下接收到的回波功率。極化合成公式[13]為

(6)

式中： φr，φt分別為接收天線和發射天線的極化橢圓方位角； χr，χt分別為接收天線和發射天線的極化橢圓橢率角； k(λ,θ,φ)為與天線有效面積和波阻抗有關的常數； K為目標的Stokes矩陣。

由極化合成公式可以看出，對于特定目標，如果給定發射和接收天線的極化狀態就可以得到接收功率值。那么，必然存在一種發射和接收組合使接收功率取得極值，其中極小值為最小接收功率Pmin[13],它表征地物去極化的絕對量。Zhang等[14]提出相對去極化比D的定義，其表示散射回波中完全非極化波與總散射功率的相對大小，是衡量地物去極化作用的一個相對量，公式為

D=[λ1(K)-Pmax]/λ1(K) ,

(7)

式中：λ1(K)為Stokes矩陣的最大特征值，表示目標散射的電磁波信號在到達接收雷達天線之前的散射功率；Pmax為目標的最大接收功率。在沒有去極化作用的情況下，Pmax與λ1(K)相等。但當地物有去極化作用時，Pmax比λ1(K)要小。本文選取Pmin和D進行定量分析。

2.2極化參數在林火前后的變化情況

2.2.1后向散射強度的變化

在2009年9月3日獲取的PauliRGB合成圖上選取林火干擾區(A)和未受到林火干擾地區(B)2類樣本，樣本分布如圖3所示。

圖3　樣本分布

分別計算圖3中所示2類樣本在林火發生前后3個極化通道影像上后向散射強度的均值，統計結果如圖4所示。圖中，橫坐標中A指林火干擾地區，B指林火未干擾地區，數字表示影像的獲取時間，0717為2009年7月17日獲取即火前影像，0903為2009年9月3日獲取即火后影像。

圖4　各極化通道后向散射強度的變化

從圖4中可看出，A區樣本后向散射強度在HH通道由林火前的-9.0db增加到林火后的-7.2db； 在VV通道由林火前的-9.9db增加到林火后的-8.0db； 在HV通道由林火前的-15.5db增加到林火后的-14.8db。即在HH，VV和HV3個通道分別增加了1.8db，1.9db和0.7db。而B區樣本的后向散射強度在這3個通道增加都很小，均在0.2db以內，相對A區可以忽略不計。

A區后向散射強度值在3個通道顯著增加的原因是： 實驗區位于永久凍土連續分布的區域，永久凍土層受到林火影響導致地表溫度升高[15]，凍土層融化，土壤濕度隨之增加，后向散射也增大。對于不同的極化通道，其后向散射值也都同時增加，這與文獻[4-5，8]的研究相符合。

另外，后向散射強度在林火發生前后的影像上都存在一個規律，即后向散射強度在HH極化上最高，VV極化次之，HV極化最低。HH極化后向散射強度最高的原因是因為其天線發射的是水平極化波，對垂直生長的森林的穿透能力較弱，強度衰減自然就小； 而VV極化發射的是垂直極化波，對森林的穿透能力較強，在穿透森林冠層的過程中強度衰減也就會大些[16]。HV極化說明的是地物改變極化方式程度的大小，而且它的回波是分散在各個方向上的，所以雷達能夠接收到的HV回波強度與同極化(HH和VV)強度相比是最小的[17]。

2.2.2主導散射機制的變化

分別對林火發生前后的影像做Yamaguchi4分量分解，計算圖3所示的2類樣本在各個分量圖像上的均值，并統計各個分量在林火前后的占比情況，結果如圖5所示。

圖5　Yamaguchi 4分量占比的變化

從圖5可看出，B區在林火發生前后Vol占比都為58%，其他散射占比較小，說明其主導散射都為Vol，而且沒有發生變化。

而A區在林火發生前Vol占59%，Odd占35%，Hlx和Dbl占比都比較小，主導散射為Vol。林火發生后Vol占比減小到37%，Odd增加到53%，Hlx和Dbl占比仍都比較小，主導散射變成了Odd。這表明林火的發生導致林火干擾區的主導散射由Vol變為了Odd。

出現這種現象的主要原因是： 林火發生前，由于Radarsat-2C波段的雷達波波長較短，穿透性較差，回波信號主要來自森林的冠層，而冠層散射元的空間分布比較隨機，所以形成的主導散射是Vol。隨著林火的燃燒，森林冠層、樹干、林下灌木、草叢或枯枝落葉發生不同程度的燒毀，森林生物量明顯減少，導致Vol的散射元減小，雷達信號得以穿過森林冠層沿樹干繼續向下傳播，相比林火前到達土壤表面的雷達信號增多，Odd增加，以至成為主導散射。

2.2.3去極化作用的變化

計算圖3所示2類樣本最小接收功率參數Pmin和相對去極化比參數D的均值，統計結果如圖6、圖7所示。

圖6　最小接收功率的變化

圖7　相對去極化比的變化

從圖6中看到，B區的Pmin在林火發生前后都在-14.3db左右，可以認為沒有發生變化。A區Pmin則由林火發生前的-14.3db增加到林火發生后的-13.6db，增加了0.7db。

眾所周知，林火發生前森林分布著大量的隨機散射體，去極化作用較強。從2.2.2節分析知道林火發生后A區主導散射由Vol變為Odd，說明Vol的散射元減少，去極化作用應該減弱。但是表征去極化作用的Pmin卻是增加的，兩者間似乎出現了“矛盾”。出現這種情況的原因主要是，實驗區位于凍土分布區域，林火導致了凍土融化，土壤濕度增加，回波功率也會相應增大。2.2.1節分析的后向散射在3個極化通道都增加就是這個原因，所以作為回波功率值的Pmin也會相應增加。但是Pmin絕對量的增加，并不能說明去極化作用增加，因為總散射功率同時也增加。這就需要一個相對量去衡量去極化作用的變化，即相對去極化比D。

從圖7中看到，B區樣本的D在林火發生前后沒有發生變化。而A區則由火前的0.13減小到火后的0.07，減小了大約45%。充分說明去極化成分相對總散射功率在減小，也就是說，完全非極化波的功率相對總散射功率減小了，林火干擾區在最小接收功率有所增加的情況下去極化作用有所減弱。

3結論

本文從林火改變森林后向散射強度和散射機制2個角度運用林火發生前后全極化SAR影像對林火進行了監測分析。定量比較了與后向散射強度和散射機制密切相關參數的變化情況，并對變化原因給出解釋。通過Radarsat-2數據的實驗結果證實：

1)在有永久凍土層覆蓋的阿拉斯加地區，林火發生后因為凍土的融化，土壤水分增加，地物的后向散射強度在各個通道都增加。其中HH和VV增加大約20%，HV只有小幅的增加。并且后向散射強度值在林火發生前后都存在HH通道最高，VV次之，HV最小的規律。

2)林火后林火干擾區主導散射由體散射Vol變為表面散射Odd。

3)林火干擾區的相對去極化比D相對火前減小了45%，說明林火導致森林的去極化作用減弱。

但是，本文的實驗區是在有凍土覆蓋的北方森林地區，在熱帶雨林地區結果可能不同。另外，本文用到的是C波段的全極化SAR數據，對于其他類型數據，由于波長不同，結果可能也不相同。

參考文獻(References)：

[1]KasischkeES,ChristensenJrNL,StocksBJ.Fire,globalwarmingandthecarbonbalanceofborealforests[J].EcologicalApplications,1995,5(2):437-451.

[2]Bourgeau-ChavezLL,KasischkeES,FrenchNHF.Detectionandinterpretationoffire-disturbedborealforestecosystemsinAlaskausingspacebarneSARdata[C]//ProceedingsofIEEEtopicalcombinedoptical,microwave,earthandatmospheresensing.Albuquerque,NM:IEEE,1993:236-239.

[3]黃燕平,陳勁松.基于SAR數據的森林生物量估測研究進展[J].國土資源遙感,2013,25(3):7-13.doi:10.6046/gtzyyg.2013.03.02.

HuangYP,ChenJS.AdvancesintheestimationofforestbiomassbasedonSARdata[J].RemoteSensingforLandandResources,2013,25(3):7-13.doi:10.6046/gtzyyg.2013.03.02.

[4]KasischkeES,Bourgeau-ChavezLL,FrenchNHF.ObservationsofvariationsinERS-1SARimageintensityassociatedwithforestfiresinAlaska[J].IEEETransactionsonGeoscienceandRemoteSensing,1994,32(1):206-210.

[5]Bourgeau-ChavezLL,KasischkeES,BrunzellS,etal.Mappingfirescarsinglobalborealforestsusingimagingradardata[J].InternationalJournalofRemoteSensing,2002,23(20):4211-4234.

[6]SiegertF,RueckerG.UseofmultitemporalERS-2SARimagesforidentificationofburnedscarsinsouth-eastAsiantropicalrainforest[J].InternationalJournalofRemoteSensing,2000,21(4):831-837.

[7]RüeckerG,SiegertF.BurnscarmappingandfiredamageassessmentusingERS-2SARimagesineastKalimantan,Indonesia[J].InternationalArchivesofPhotogrammetryandRemoteSensing,2000,15(PartB7):1286-1293.

[8]GoodenoughDG,ChenH,DykA.EvaluationofConvair-580andsimulatedRadarsat-2polarimetricSARforforestchangedetection[C]//ProceedingsofIEEEInternationalConferenceonGeoscienceandRemoteSensingSymposium.Denver,Colorado,USA:IEEE,2006:1788-1791.

[9]GoodenoughDG,ChenH,RichardsonA,etal.MappingfirescarsusingRadarsat-2polarimetricSARdata[J].CanadianJournalofRemoteSensing,2011,37(5):500-509.

[10]MacDonaldD.Radarsat-2ProductFormatDefinition[R].Richmond:MDA,2008.

[11]王慶,曾琪明,廖靜娟.基于極化分解的極化特征參數提取與應用[J].國土資源遙感,2012,24(3):103-110.doi:10.6046/gtzyyg.2012.03.19.

WangQ,ZengQM,LiaoJJ.Extractionandapplicationofpolarimetriccharacteristicparametersbasedonpolarimetricdecomposition[J].RemoteSensingforLandandResources,2012,24(3):103-110.doi:10.6046/gtzyyg.2012.03.19.

[12]YamaguchiY,YajimaY,YamadaH.Afour-componentdecompositionofPOLSARimagesbasedonthecoherencymatrix[J].IEEEGeoscienceandRemoteSensingLetters,2006,3(3):292-296.

[13]余海坤.極化SAR目標特征提取及其應用研究[D].徐州:中國礦業大學,2005.

YuHK.StudyontheExtractionofTargetCharactersandItsApplicationBasedonPolarimetricSARData[D].Xuzhou:ChinaUniversityofMiningandTechnology,2005.

[14]ZhangYH,ZhangJX,LuZ,etal.AnewnumericalmethodforcalculatingextremaofreceivedpowerforpolarimetricSAR[J].IEEEGeoscienceandRemoteSensing,2009,6(4):666-670.

[15]WangY,KasischkeES,MelackJM,etal.TheeffectsofchangesinloblollypinebiomassandsoilmoistureonERS-1SARbackscatter[J].RemoteSensingofEnvironment,1994,49(1):25-31.

[16]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.

HuaGQ,XiaoJ,HuangXJ,etal.BasedonpolarimetricSARdataanalysisofthebackscatteringcharacteristicsofmaize[J].JiangsuAgriculturalSciences,2011,39(3):562-565.

[17]張露,李新武,杜鶴娟,等.玉米作物極化SAR數據模擬[J].遙感學報,2010,14(4):621-636.ZhangL,LiXW,DuHJ,etal.CoherentpolarimetricSARsimulationofmaize[J].JournalofRemoteSensing,2010,14(4):621-636.

(責任編輯： 陳理)

AnalysisoffiredisturbedforestsscatteringcharacteristicsusingpolarimetricSARimage

QIShuai1,2，ZHANGYonghong2，WANGHuiqin3

(1. Faculty of Geomatics Lanzhou Jiaotong University, Lanzhou 730070, China; 2. Chinese Academy of Survering and Mapping,Beijing 100830, China; 3. Shanghai M&D Technical Measurement Company Limited, Shanghai 200123, China)

Abstract:So far forest fire monitoring is only confined to single channel polarimetric amplitude data before and after fire or the utilization of the amplitude of the fully polarimetric SAR after fire, and less research have been conducted from the viewpoint of applying change of the scattering mechanism by forest fire to monitoring forest fire by using fully polarimetric SAR. In this paper, the authors analyzed a forest fire that occurred in 2009 in Alaska, used Radarsat-2 fully polarimetric SAR data obtained before and after the fire and, from the aspect of forest fires changing backscatter intensity and changing forest scattering mechanisms, quantitatively analyzed the intensity of each polarization channel, the dominant scattering mechanism and depolarization parameters and gave reasons for each change. The results obtained by the authors show that, for boreal forests after fire, the backscatter intensity increased by 20% in co-pol channels, and cross-pol channel increased slightly, that forest dominant scattering mechanism changed from volume scattering accounting for 59% before the fire to surface scattering accounting for 53% after the fire, and that depolarization of forests was reduced by 45% in comparison with things before fire. These conclusions have reference values for applying multitemporal polarimetric SAR data to mapping forest fire scar or monitoring burn severity.

Keywords:polarimetric synthetic aperture Radar; boreal forest; backscatter intensity; scattering mechanism; depolarization

doi:10.6046/gtzyyg.2016.02.08

收稿日期：2014-12-03；

修訂日期：2015-01-21

基金項目：國家自然科學基金項目“衛星極化雷達林火監測研究”(編號： 41271430)資助。

中圖法分類號：TP 79

文獻標志碼：A

文章編號：1001-070X(2016)02-0048-06

第一作者簡介：祁帥(1989- )，男，碩士研究生，主要研究方向為極化SAR影像信息提取與變化檢測。Email: 14yebj@sina.cn。

引用格式： 祁帥,張永紅,汪慧琴.林火干擾區全極化SAR影像的散射特性分析[J].國土資源遙感,2016,28(2):48-53.(Qi S,Zhang Y H,Wang H Q.Analysis of fire disturbed forests scattering characteristics using polarimetric SAR image[J].Remote Sensing for Land and Resources,2016,28(2):48-53.)