基于多時相Sentinel-1A SAR數(shù)據(jù)草原地區(qū)降水量反演

章釗穎， 魯奕岑， 吳國周， 王永利

(1.錫林郭勒盟氣象局，錫林浩特 026000； 2.浙江省氣象局，杭州 310002；3.內(nèi)蒙古生態(tài)與農(nóng)業(yè)氣象中心，呼和浩特 010051)

基于多時相Sentinel-1A SAR數(shù)據(jù)草原地區(qū)降水量反演

章釗穎1， 魯奕岑2， 吳國周3， 王永利3

(1.錫林郭勒盟氣象局，錫林浩特 026000； 2.浙江省氣象局，杭州 310002；3.內(nèi)蒙古生態(tài)與農(nóng)業(yè)氣象中心，呼和浩特 010051)

水資源對草原地區(qū)牧草生長至關(guān)重要，準(zhǔn)確獲取降水量信息對陸地生態(tài)系統(tǒng)和水循環(huán)研究具有重要意義?；诮邓^程前后土壤含水量變化引起的介電常數(shù)變化，會導(dǎo)致后向散射系數(shù)變化這一事實，提出了基于多時相SAR數(shù)據(jù)反演降水量的方法。以二連浩特和錫林浩特2個觀測站點為例，利用降水過程前后Sentinel-1A SAR數(shù)據(jù)和降水量數(shù)據(jù)進(jìn)行研究及對比驗證。結(jié)果表明，降水過程前后后向散射系數(shù)差值與降水量的回歸關(guān)系較好； 采用該方法可以獲得植被覆蓋度較低地區(qū)真實的降水量空間分布； 二連浩特地區(qū)2015年9月21日的降水量空間分布與考慮影像獲取時間和大氣運(yùn)動后的MODIS大氣可降水量產(chǎn)品數(shù)據(jù)空間分布一致性較高。

Sentinel-1A； SAR； 后向散射系數(shù)； 多時相； 降水量

0 引言

降水量是反映一個地區(qū)大氣水分以液態(tài)水降落到地面的數(shù)據(jù)[1]。準(zhǔn)確獲取降水量信息對水循環(huán)和陸地生態(tài)系統(tǒng)研究具有重要意義。傳統(tǒng)的地面降水量數(shù)據(jù)來源于氣象站點觀測，然而單個氣象站點的降水量數(shù)據(jù)缺乏空間代表性[2]。隨著遙感技術(shù)的發(fā)展，獲得空間連續(xù)的降水量數(shù)據(jù)成為可能。1988年，Adler等[3]利用地球同步衛(wèi)星GOES熱紅外通道數(shù)據(jù)來估算降水量，但該波段范圍對云層的穿透性較差，降低了遙感估算降水量的精度。

微波遙感具備穿透雨云、全天候、全天時獲取數(shù)據(jù)的特點，已被廣泛用于大氣降水量監(jiān)測。但由于大部分被動微波遙感數(shù)據(jù)空間分辨率較低，限制了其在監(jiān)測小范圍降雨活動中的應(yīng)用。主動微波遙感空間分辨率較高，以Sentinel-1A SAR數(shù)據(jù)為例，空間分辨率可達(dá)到10 m，已被應(yīng)用于土壤含水量監(jiān)測[4]與洪水淹沒范圍提取[5]等研究。然而針對實際降水量的主動微波遙感監(jiān)測，目前還鮮見報道。

由于土壤后向散射系數(shù)對土壤含水量十分敏感[6-7]，降雨后土壤表面含水量增高，介電常數(shù)增大，導(dǎo)致后向散射系數(shù)隨之升高。利用降雨前后2個時期的后向散射系數(shù)差值可以反映出實際降水量多少。基于此,獲得了研究區(qū)降水量的空間分布，并與MODIS大氣可降水量產(chǎn)品進(jìn)行比較，評價多時相SAR數(shù)據(jù)估算降水量的可行性。

1 數(shù)據(jù)與方法

1.1 研究區(qū)

由于衛(wèi)星接收到的總后向散射信號一部分來自于土壤，一部分來自于植被，在植被覆蓋度高的區(qū)域難以從總后向散射信號中提取土壤的后向散射信息。為此，選擇內(nèi)蒙古二連浩特和錫林浩特2個植被覆蓋度不高的地區(qū)作為研究區(qū)，其地貌類型分別屬于荒漠和草甸草原。

1.2 數(shù)據(jù)源

Sentinel-1A作為ESA哥白尼計劃的第一顆用于環(huán)境監(jiān)測的衛(wèi)星，于2014年4月3日發(fā)射升空。Sentinel-1A搭載了C 波段的SAR 傳感器，工作頻率為5.4 GHz?？偣灿? 種數(shù)據(jù)獲取模式： 條帶模式(stripmap model，SM)、干涉寬幅(interferometric wide swath，IW) 模式、超寬幅(extra-wide swath，EW)模式和波模式(wave mode，WM)。

獲取了2015年2月至10月包含二連浩特和錫林浩特地區(qū)的IW模式的數(shù)據(jù)，利用歐空局提供的Sentinel-1 Toolbox軟件進(jìn)行預(yù)處理，得到VV極化方式的后向散射系數(shù)。預(yù)處理流程包括： 輻射定標(biāo)、Refined Lee濾波和地形校正。預(yù)處理后的圖像空間分辨率為10 m。

選用MODIS NDVI數(shù)據(jù)評估研究區(qū)的牧草覆蓋情況。NDVI值越低，植被覆蓋度越低，牧草對衛(wèi)星接收到的土壤后向散射信號干擾越小[9-10]。選用了近紅外通道反演得到的MODIS大氣可降水量產(chǎn)品，通過比較吸收波段和臨近的非吸收波段地表反射的太陽輻射獲得[8]，用于降水量空間分布的對比驗證。

1.3 降水量和后向散射系數(shù)提取

在獲取二連浩特和錫林浩特地區(qū)2015年逐日降水量數(shù)據(jù)基礎(chǔ)上，定義如下假設(shè)： ①由于土壤的保濕作用，定義當(dāng)天和前一天的降水量之和為當(dāng)天累計降雨量; ②由于降水量過少，當(dāng)天累計降水量低于1 mm時，土壤濕度的變化不明顯，故定義當(dāng)天累計降水量高于1 mm的日期為顯著降水日，其他為不顯著降水日。例如6月1日降水量為0.2 mm，2日降水量為0.6 mm，3日降水量為0.8 mm，故2日和3日的當(dāng)天累計降水量分別為0.8和1.4 mm，則2日為不顯著降水日，3日為顯著降水日。基于此，提取出顯著降水日的后向散射系數(shù)，以及降水前不顯著降水日的后向散射系數(shù)，得出降水前后后向散射系數(shù)的差值。

2 結(jié)果與分析

2.1 觀測站點NDVI時間序列

二連浩特和錫林浩特觀測站點2015年牧草生長季的NDVI月平均時間序列如圖1所示。

圖1 觀測點2015年牧草生長季NDVI時間序列Fig.1 NDVI time series in the period of meadow growth in 2015 in observation points

從圖1可以看出，二連浩特觀測點全年NDVI值均在0.2以下，屬于典型的荒漠草原，牧草覆蓋度低。錫林浩特觀測點NDVI在8月份達(dá)到了最大值0.45，但仍遠(yuǎn)低于牧草覆蓋度高的地區(qū)。這2個觀測站點的植被覆蓋情況均滿足本文提出的基于多時相SAR數(shù)據(jù)的降水量反演方法的應(yīng)用條件。

2.2 數(shù)據(jù)提取結(jié)果

研究區(qū)降水過程前后后向散射系數(shù)差值與當(dāng)天累計降水量提取結(jié)果如表1所示。其中，滿足提取條件的衛(wèi)星數(shù)據(jù)在二連浩特地區(qū)僅有1對,錫林浩特地區(qū)有5對。對于錫林浩特8月23日降水過程來說，由于影像數(shù)據(jù)量不足，缺乏降水前無顯著降水日的影像，采用9月9日的數(shù)據(jù)代替。

表1 研究區(qū)降水過程前后后向散射系數(shù)差值與當(dāng)天累計降水量提取結(jié)果Tab.1 Difference of backscattering coefficients before and after the process of precipitation and accumulated precipitation in study areas

降水過程前后后向散射系數(shù)差值與當(dāng)天累計降水量的回歸分析如圖2所示。

圖2 降水前后后向散射系數(shù)差值與當(dāng)天累計降水量回歸分析Fig.2 Regression of difference of backscattering coefficients before and after the process of precipitation and accumulated precipitation

從圖2中可以看出兩者的線性變化趨勢，后向散射系數(shù)差值越大，反映出當(dāng)天累計降水量越高，與前文的理論推導(dǎo)一致。后向散射系數(shù)差值與降水量回歸模型的R2達(dá)到0.76。

2.3 降水強(qiáng)度空間分布

以二連浩特9月21日和錫林浩特7月23日降水量反演為例，根據(jù)地面NDVI值判斷本文方法的可行性，由于該天MODIS影像受云和降雨的影響，無法獲得地面NDVI情況，圖3為二連浩特9月18日和錫林浩特7月27日NDVI的空間分布。僅保留了圖像累積百分比在1%～99%的像元進(jìn)行顯示。

(a) 9月18日二連浩特 (b) 7月27日錫林浩特

圖3NDVI空間分布

Fig.3NDVIspatialdistribution

二連浩特地區(qū)NDVI 累計百分比為1%和99%處的值分別是0.1和0.3，該區(qū)絕大部分NDVI值在0.15左右，表明牧草覆蓋度較低，可以采用本文方法反演降水量。二連浩特地區(qū)9月21日降水強(qiáng)度的空間分布如圖4(a)所示，降水量范圍為0.2～15.5 mm。對于錫林浩特地區(qū)來說，NDVI值范圍為0.3～0.8，高于二連浩特地區(qū)，可能的原因是獲取影像前存在連續(xù)降水，使得植被綠度增加。該地區(qū)7月23日降水強(qiáng)度的空間分布如圖4(b)所示，降水量范圍為0.1～17 mm。

(a) 9月21日二連浩特 (b) 7月23日錫林浩特

圖4降水量空間分布

Fig.4Precipitationspatialdistribution

從圖4(a)中可以看出，降水量的空間分布不連續(xù)，在左上角和右下角地區(qū)降水量偏少，中部降水量較高。二連浩特觀測到的降雨量為6 mm，僅用單個站點觀測到的降水量難以代表整個地區(qū)的降水量。

圖5為二連浩特和錫林浩特地區(qū)MODIS根據(jù)近紅外通道得到的大氣可降水量空間分布。

(a) 9月21日二連浩特 (b) 7月23日錫林浩特

圖5MODIS近紅外反演的可降水量空間分布

Fig.5PrecipitablewaterretrievedfromtheMODISnear-infraredchannel

從圖5(a)中可以看出,右下角地區(qū)可降水量高，與本文基于SAR數(shù)據(jù)的反演結(jié)果不一致。主要由于MODIS數(shù)據(jù)的獲取時間為北京時間12：10，而SAR數(shù)據(jù)獲取時間為北京時間18：22，比MODIS數(shù)據(jù)晚6 h左右。由于大氣中云層是移動的，圖5中黑色箭頭為當(dāng)天的最大風(fēng)向，故推測6 h后MODIS得到的可降水量較高的區(qū)域會移動到本文SAR數(shù)據(jù)反演得到的降水量高值區(qū)域。對于錫林浩特地區(qū)來說，MODIS可降水量與SAR反演的降水量數(shù)據(jù)空間分布沒有顯著的規(guī)律，可能的原因是下墊面的部分地區(qū)植被較多，影響了降水量的反演精度。

3 討論與結(jié)論

提出了一種基于多時相Sentinel-1A SAR數(shù)據(jù)的降水量反演方法，并在二連浩特和錫林浩特地區(qū)進(jìn)行驗證，結(jié)果表明該方法可以得到牧草覆蓋度較低地區(qū)高空間分辨率降水量空間分布，對研究小尺度降水、陸地生態(tài)系統(tǒng)以及水循環(huán)研究具有一定參考意義。

二連浩特地區(qū)屬于典型的荒漠草原，全年牧草覆蓋度均較低，土壤裸露面積較大。以二連浩特9月21日降水過程為例，應(yīng)用該方法可以得到降水量的空間分布情況，并與MODIS大氣可降水量產(chǎn)品進(jìn)行比較，考慮影像獲取時間和大氣運(yùn)動后，2類降水量數(shù)據(jù)的空間分布一致性較高。錫林浩特地區(qū)屬于草甸草原，在牧草生長季，錫林浩特站點NDVI最大值可以達(dá)到0.45。部分地區(qū)的NDVI值可以達(dá)到0.8左右，影響了降水量反演精度，本方法不適用于牧草覆蓋度較高地區(qū)的降水量反演。

已有研究大多采用MODIS大氣可降水量產(chǎn)品間接估測降水量，而MODIS大氣可降水量產(chǎn)品反映了大氣中的水汽含量，也就是有可能降落到地表的含水量，由于大氣處于一個實時變化的動態(tài)系統(tǒng)中，何時何地降水充滿了未知。而且受時間分辨率的限制，MODIS的大氣可降水量產(chǎn)品并不能反映出地表真實的降水量。本文提出的方法利用降水量前后土壤后向散射系數(shù)的變化，能夠反映出地表的真實降水量。

Sentinel-1A搭載的C波段SAR傳感器，其信號的穿透深度與土壤類型有關(guān)，且隨著土壤含水量增大而變淺。草原地區(qū)的土質(zhì)以沙土為主，滲透性強(qiáng)，在降雨量較大的時候，雨水會從近地表滲透到較深的土層。而SAR傳感器只反映了近地表土壤含水量的信息，此時衛(wèi)星信號達(dá)到飽和狀態(tài)，將影響降水量的反演精度。絕大部分時候內(nèi)蒙古地區(qū)的降雨量都較少，并不會使SAR信號達(dá)到飽和，本文方法在該研究區(qū)仍然有一定的應(yīng)用前景，但不適用于其他沙土質(zhì)地區(qū)較大降水量的反演。

志謝： 本文研究所用的降雨量數(shù)據(jù)由錫林郭勒盟氣象局提供，在此表示由衷感謝。

[1] 尹燕亭,侯向陽,運(yùn)向軍.氣候變化對內(nèi)蒙古草原生態(tài)系統(tǒng)影響的研究進(jìn)展[J].草業(yè)科學(xué),2011,28(6):1132-1139.

Yin Y T,Hou X Y,Yun X J.Advances in the climate change influencing grassland ecosystems in Inner Mongolia[J].Pratacultural Science,2011,28(6):1132-1139.

[2] 廖彬武.基于雷達(dá)資料降水量的反演[J].河南科技,2016(1):151-152.

Liao B W.Retrieval of precipitation based on Radar data[J].Journal of Henan Science and Technology,2016(1):151-152.

[3] Adler R F,Negri A J.A satellite infrared technique to estimate tropical convective and stratiform rainfall[J].Journal of Applied Meteorology,1988,27(1):30-51.

[4] 何 連,秦其明,任華忠,等.利用多時相Sentinel-1 SAR數(shù)據(jù)反演農(nóng)田地表土壤水分[J].農(nóng)業(yè)工程學(xué)報,2016,32(3):142-148.

He L,Qin Q M,Ren H Z,et al.Soil moisture retrieval using multi-temporal Sentinel-1 SAR data in agricultural areas[J].Transaction of the Chinese Society of Agricultural Engineer,2016,32(3):142-148.

[5] 曾玲方,李 霖,萬麗華.基于Sentinel-1衛(wèi)星SAR數(shù)據(jù)的洪水淹沒范圍快速提取[J].地理信息世界,2015,22(5):100-103,107.

Zeng L F,Li L,Wan L H.SAR-based fast flood mapping using Sentinel-1 imagery[J].Geomatics World,2015,22(5):100-103,107.

[6] 李新武,郭華東,李 震,等.重復(fù)軌道SIR-C極化干涉SAR數(shù)據(jù)植被覆蓋區(qū)土壤水分反演研究[J].遙感學(xué)報,2009,13(3):423-436.

Li X W,Guo H D,Li Z,et al.The inversion method study of sub-canopy soil moisture estimation using repeat pass SIR-C PolInSAR data[J].Journal of Remote Sensing,2009,13(3):423-436.

[7] 胡 蝶,郭 鈮,沙 莎,等.Radarsat-2/SAR和MODIS數(shù)據(jù)聯(lián)合反演黃土高原地區(qū)植被覆蓋下土壤水分研究[J].遙感技術(shù)與應(yīng)用,2015,30(5):860-867.

Hu D,Guo N,Sha S,et al.Soil moisture retrieved using Radarsat-2/SAR and MODIS remote sensing data in vegetated areas of Loess Plateau[J].Remote Sensing Technology and Application,2015,30(5):860-867.

[8] 姜立鵬,覃志豪,謝 雯.針對MODIS近紅外數(shù)據(jù)反演大氣水汽含量研究[J].國土資源遙感,2006,18(3):5-9.doi:10.6046/gtzyyg.2006.03.02.

Jiang L P,Qin Z H,Xie W.Retrieving atmospheric water vapor from MODIS near infrared data[J].Remote Sensing for Land and Resources,2006,18(3):5-9.doi:10.6046/gtzyyg.2006.03.02.

[9] 程紅芳,章文波,陳 鋒.植被覆蓋度遙感估算方法研究進(jìn)展[J].國土資源遙感,2008,20(1):13-18.doi:10.6046/gtzyyg.2008.01.02.

Cheng H F,Zhang W B,Chen F.Advances in researches on application of remote sensing method to estimating vegetation coverage[J].Remote Sensing for Land and Resources,2008,20(1):13-18.doi:10.6046/gtzyyg.2008.01.02.

[10] 徐 爽,沈潤平,楊曉月.利用不同植被指數(shù)估算植被覆蓋度的比較研究[J].國土資源遙感,2012,24(4):95-100.doi:10.6046/gtzyyg.2012.04.16.

Xu S,Shen R P,Yang X Y.A comparative study of different vegetation indices for estimating vegetation coverage based on the dimidiate pixel model[J].Remote Sensing for Land and Resources,2012,24(4):95-100.doi:10.6046/gtzyyg.2012.04.16.

Retrievalofprecipitationforgrasslandbasedonthemulti-temporalSentinel-1SARdata

ZHANG Zhaoying1, LU Yicen2, WU Guozhou3, WANG Yongli3

(1.XilingolMeteorologicalBureau,Xilinhot026000,China; 2.ZhejiangMeteorologicalBureau,Hangzhou310002,China;3.EcologicalandAgriculturalMeteorologyCenterofInnerMongolia,Hohhot010051,China)

Water resource is indispensable to the growth of meadows in prairie, and the precise acquisition of the amount of precipitation is of great significance to the continental ecosystem and hydrological circle. This study proposed a novel technique to retrieve the precipitation on the basis of multi-temporal SAR imagery based on the fact that variations of the dielectric constant give rise to modifications of the soil moisture before and after the process of precipitation, allowing for the immediate changes in soil backscattering coefficients. Sentinel-1A SAR and actual measurements of rainfall in the meteorological stations of Erlianhot and Xilinhot were used to verify the retrieval results, which indicated the superb exponential regressive model between the difference values of backscattering coefficient before and after the process of precipitation and the real precipitation measurements. Thus, the spatial distribution of the retrieved precipitation on September 21, 2015 was obtained in the use of this method with Erlianhot as an example, meanwhile, the result shows the favorable spatial distribution consistency of the derived one in comparison with the product of MODIS atmospheric precipitable water considering the atmospheric motion and the acquisition time of imagery. Therefore, this pragmatic method is contrived to yield the actual rainfall spatial distribution in low vegetation coverage regions.

Sentine1-1A; SAR; backscattering; multi-temporal; precipitation

10.6046/gtzyyg.2017.04.23

章釗穎,魯奕岑,吳國周，等.基于多時相Sentinel-1A SAR數(shù)據(jù)草原地區(qū)降水量反演[J].國土資源遙感,2017,29(4)：156-160.(Zhang Z Y,Lu Y C,Wu G Z,et al.Retrieval of precipitation for grassland based on the multi-temporal Sentinel-1 SAR data[J].Remote Sensing for Land and Resources,2017,29(4)：156-160.)

TP 79

A

1001-070X(2017)04-0156-05

2016-04-16；

2016-08-20

錫林郭勒盟氣象局科研項目“基于多源遙感數(shù)據(jù)融合錫林郭勒盟地區(qū)積雪深度監(jiān)測系統(tǒng)開發(fā)研究”(編號： xmqxjkyxm201602)和“基于衛(wèi)星熒光數(shù)據(jù)錫林郭勒地區(qū)牧草生物量的監(jiān)測研究”(編號： xmqxjkyxm201603)共同資助。

章釗穎(1992-)，女，碩士研究生，主要從事氣象災(zāi)害、微波遙感和高光譜遙感研究。Email: zzymatlab@163.com。

王永利(1977-)，男，博士，主要從事微波遙感、地理信息系統(tǒng)研究。Email: Wangyongli526@gmail.com。

(責(zé)任編輯：陳理)