韋詩瑩 張風麗 張瑞菊 劉杉 邵蕓

引言

SAR即英語“Synthetic Aperture Radar”的縮寫，意為合成孔徑雷達。雷達發展的初期出現的是真實孔徑雷達（Real Aperture Radar，RAR），但受天線物理尺寸大小的限制，很難獲得高分辨率（SAR圖像區分兩個相鄰地物的能力）的圖像。合成孔徑雷達技術是雷達沿著軌道連續地獲取一系列圖像，通過后期處理將這些圖像組合起來，最終得到看起來就像來源于一個大天線的，高分辨率的SAR圖像。與光學遙感相比，合成孔徑雷達能夠不受光照和天氣條件的限制，全天時、全天候進行對地觀測，并且對某些地物具有一定的穿透能力，這些特點使得SAR技術在災害應急監測、環境監測、海洋監測、地形測繪及軍事等方面具有獨特的優勢，起到其他遙感技術無法替代的作用。

我國是地震災害較為嚴重的國家之一，據統計我國7級以上大陸地震的數目占全世界的35%。大地震會造成大量的建筑物損毀和人員傷亡，而且震后一般都伴隨著持續的惡劣天氣。受到光照及云層的影響，光學遙感衛星無法第一時間拍攝災區衛星圖像，航拍無人機也不能快速進入災區作業。而雷達遙感技術憑借不受云雨天氣影響，可以連續對地觀測的優勢，成為了地震災情評估與應急救援中不可或缺的技術手段。

快速獲取災區建筑物損毀信息，對于制訂應急救援方案，采取正確的應急措施是非常重要的。目前，利用雷達圖像獲取震后建筑物損毀信息常用的方法有以下四種。第一種是目視解譯，即專業人員通過目視，對比地震前后SAR圖像的變化情況，該種方法速度較快，但是對人員專業技能要求較高，對分辨率較低的圖像解讀難度較大；第二種是差值法，即通過計算建筑物等地物目標，對災前和災后SAR圖像上某參數的差值、比值等信息，進行損毀檢測和損毀區域判別，該方法雖然耗時較短，但是受到SAR圖像質量的影響，損毀檢測準確度不高；第三種是利用SAR圖像的相位特征，即根據地震前后雷達信號波形的變化來進行損毀區域檢測，但是該方法受SAR成像條件，例如基線長度、間隔時長、波長及地表植被變化等影響較大，穩健性較低；第四種是利用SAR圖像的極化相關參數進行損毀檢測，極化參數與雷達信號發射和接收的方式有關，有HH極化（水平發射、水平接收），HV極化（水平發射、垂直接收），VV極化（垂直發射、垂直接收），VH極化（垂直發射、水平接收）四種類型，但該方法需要衛星具備全極化工作能力，同時極化分解速度較慢。

災后城市建筑物損毀嚴重區域稱為受災靶區，是本文重點關注的區域，針對上述四類方法的局限性，本文將后向散射強度差值計算與相關系數計算進行組合，組合后的參數稱為Z因子，通過對比地震前后Z因子的變化來進行震后建筑物損毀靶區檢測。本研究表明該算法能在地震發生后快速對受災情況進行初步解譯，結果準確，耗時少。

基于Z因子的損毀靶區檢測方法

針對差值法對受災靶區檢測不準確的問題，我們將災前災后后向散射強度的差值和相關性的變化進行組合，形成一個新的特征指數，稱為Z因子，以便更好地反映地震前后地物目標在SAR圖像上的變化，其中后向散射強度是指雷達傳感器向地物發射和接收脈沖信號強度的比值。建筑物損毀后發生倒塌，一般而言二次散射減弱會使得后向散射減小，但有時由于建筑物破碎度較高，粗糙度大幅增大，其后向散射強度有可能反而升高。可見，雷達后向散射強度的變化可被用來描述損毀發生的概率，變化差值絕對值越大，代表發生損毀的可能性越高。Pearson相關系數是描述兩幅圖像之間的相關程度，它可以反映地震前后后向散射強度的相關性，也可以反映損毀發生的概率，相關性越高代表發生變化的可能性越小。

SAR圖像像元是傳感器對地物進行采樣的最小單元，定義地震前后目標區SAR圖像所有像元的雷達后向散射強度差值的均值為d，定義該目標區所有像元災前災后的后向散射強度均值的Pearson相關系數為r，則變化指數Z因子表達式為：

其中， |d|是災前災后后向散射強度差值取絕對值， max（d）是強度差值的最大值， 是相關系數值的權重。

利用Z因子對高分辨率SAR圖像進行建筑物損毀解譯，總體方法流程圖如圖1所示。首先對災前災后SAR圖像進行預處理，包括對SAR圖像進行配準，使用濾波減少SAR圖像斑點噪聲，將濾波結果進行地理編碼和輻射定標，得到兩個時相數據的后向散射強度值，然后將城市建筑物區域提取出來，對結果圖像分別計算后向散射強度差值和相關系數值，并通過Z值公式將其結果進行組合，計算得到Z值結果圖，最后對Z值結果圖進行快速解譯，圈定受災靶區范圍。

圖1 方法流程圖

圖2 地震受災情況：綠色方框代表日本熊本市范圍，黃色方框代表受災靶區益城町范圍，白色方框代表受災靶區中兩處建筑物損毀詳細情況，紅色方框代表損毀建筑物

日本熊本地震災區SAR數據

2016年4月14日，日本熊本市發生7級地震，造成49人遇難，大量建筑物受到不同程度的損毀。日本大地2號（ALOS 2）陸地觀測衛星獲取了此次地震前后的高分辨率SAR數據，經過對近幾年地震前后獲取的SAR數據進行對比發現，此次地震前后的SAR數據分辨率高，數據時間間隔短，地表及地表植被季節性變化對SAR圖像影響較小，具備良好的損毀檢測條件。同時損毀區域集中在城市居民區，人口密集度較大，從減災角度進行損毀檢測具有更大的現實意義。因此本文選取日本熊本市地區地震前后ALOS 2數據作為實驗數據源。

在進行SAR數據分析之前，首先收集了地震前后光學遙感數據和建筑物損毀地面調查結果，作為損毀檢測結果的參照。根據地震前后光學遙感數據目視解譯的結果，受災情況如圖2所示，綠色方框代表日本熊本市范圍，截取本次受災靶區益城町中兩處（白色方框）建筑物損毀情況進行目視解譯，目視解譯結果如圖中紅色部分所示，由光學圖像顯示得到益城町區 域建筑物損毀情況非常嚴重。圖3則顯示了本次地震建筑物損毀整體分布情況的地面調查結果，紅色表示損毀嚴重區域。

圖3 建筑物損毀地面調查情況

圖4 ALOS 2原始圖像

圖5 預處理結果

SAR圖像選取了地震前后（2016年3月7日和2016年4月18日）兩個時相，HH極化的高分辨率ALOS 2數據（圖4），分辨率為1.43m×2.03m。本次SAR數據均為沿著衛星飛行方向的右方側視成像，入射角均為36.2度。首先對地震前后SAR圖像進行預處理，并裁剪出熊本市城市區域。預處理包括配準、濾波、地理編碼與輻射定標，并將城市范圍的山林、河流區域去除，實驗區預處理后的SAR圖像如圖 5所示。其中圖像配準是對不同時間、不同條件（氣候、亮度、入射角等）獲取的兩幅圖像進行匹配的過程；濾波是為了減少SAR圖像上的斑點噪聲（SAR圖像上隨機的白點）對圖像的影響；由于該信息編碼在雷達系統下，需要對圖像進行地理編碼，將SAR數據從斜距坐標系轉到地理坐標系；輻射定標則是將地理編碼后的SAR數據歸一化到同一標準，以便于對兩幅SAR圖像數據進行分析計算。

實驗結果與討論

以預處理結果為基礎，分別以兩個單一參數（后向散射強度差值、后向散射強度的Pearson相關系數）和組合參數Z因子作為檢測參數，對目標區地震前后的SAR圖像進行受災靶區快速解譯。解譯結果如圖6和圖7所示。

圖 6（a）是對地震前后圖像進行單一后向散射強度的差值變化檢測的結果，差值絕對值越大，代表變化可能性越高，在圖中呈現偏紅色和藍色，在該區域差值范圍在[-5,5]之間。差值結果圖中的益城町區域沒有明顯顯示出來，說明僅使用該結果無法對地震損毀區域進行解譯判定。

圖6（b）是災前災后后向散射強度Pearson相關系數的計算結果，相關系數越低，建筑物受到損毀的可能性則越高，在圖中則顯示為偏藍色。該實驗區相關系數數值范圍為[-1,1]。建筑物損毀引起后向散射變化，降低了相關性，因此可以明顯看到受損較為嚴重的益城町區域，存在大片較為集中的藍色的區域，說明Pearson相關系數比后向散射強度差值法更適用于對地震損毀區域的解譯判定，但解譯結果中損毀建筑比較分散不符合地面調查結果。

圖 7是相關系數值的權重w取值為0.5時，Z因子計算的計算結果。Z值越大，損毀可能性越高，在結果圖中呈現為黃色或紅色區域，更容易被人眼識別。該實驗區的Z值范圍是[-0.5,0.5]。根據公式，紅色方框范圍內Z因子值較高并且較為集中，判定為本次地震受災靶區，對比地面真實調查數據情況（圖3），該區域確實是本次地震中建筑物損毀最為嚴重的區域。

圖6 強度差值法及相關系數法結果圖

圖7 Z因子結果圖

從圖6、圖7的對比可以看出，Z因子方法同時考慮災害前后建筑物后向散射強度的變化和相關性，可以較為準確獲取地震后受災情況，解譯人員在Z值結果圖中能快速獲取受災靶區范圍，比單使用一個檢測因子的結果更為準確。

結語

本文針對常用的差值法受SAR圖像斑點噪聲影響較大的問題，提出了結合強度差值與相關系數的Z因子方法對受災靶區進行圈定，并利用ALOS 2數據對震后受災靶區進行快速解譯實驗。首先對地震前后SAR圖像進行預處理，然后計算差值與相關系數，將兩者結合計算Z因子，得到地震損毀結果圖，最后進行解譯，確定受災靶區范圍。基于2016年4月14日日本熊本地震前后的高分辨率ALOS 2圖像的實驗表明，基于Z因子的損毀檢測方法能夠較準確地圈定地震后建筑物嚴重損毀區域，進而幫助解譯人員快速識別受災靶區，為災后救援和應急響應提供信息支持。