基于合成孔徑雷達影像的洪澇災害監測方法研究

王微 余海坤

（1.河南省遙感院，河南 鄭州 450003；2.河南省遙感大數據工程技術研究中心，河南 鄭州 450003）

1 引言

河南省在近兩年汛期均遭受了嚴重的暴雨洪澇災害。2020 年6 月1 日至7 月23 日，河南先后出現八次強降雨過程，其中，最大點雨量出現在信陽市固始縣鎖口雨量站，降雨達到439.5 毫米；累計降雨超過400 毫米的站點9 處，均超100 年一遇。持續強降雨致固始境內淮河干流、14 條支流出現險情，97 座中小水庫全部溢洪[1]。2021 年7 月17 日至23 日，河南省遭遇歷史罕見特大暴雨，發生嚴重洪澇災害，特別是7 月20 日鄭州市遭受重大人員傷亡和財產損失。災害共造成河南省150 個縣（市、區）1478.6 萬人受災，因災死亡失蹤398 人，其中鄭州市380 人、占全省95.5%；直接經濟損失1200.6 億元，其中鄭州市409億元，占全省34.1%[2]。

及時掌握洪澇災害影響范圍不僅可以輔助災害應急指揮決策，也為災后重建、恢復生產等工作提供數據的支撐。利用衛星影像大范圍地對各類災害進行監測已經成為一種高效、及時的方法和手段。但是，暴雨洪澇災害往往伴隨著長期的陰雨天氣，光學衛星無法獲取災區影像。合成孔徑雷達（SAR）是通過接收衛星主動發射的微波反射信號而生成圖像的，具有穿云透霧的特性，因此SAR 衛星不僅可以在夜晚成像，也可以在陰雨天氣下成像，所以利用SAR 衛星可以成為暴雨洪澇災害監測最及時高效的手段[3]。

本研究采用哨兵1 號SAR 衛星影像，識別并提取近兩年河南省汛期洪澇災害，探索凸顯洪澇災害的快速制圖方法，從而實現監測暴雨洪澇災害影響范圍和發展趨勢的目標。

2 數據與方法

2.1 數據介紹

哨兵1 號衛星IW 模式下的1 級地距影像數據（Ground Range Detected，GRD）可以從哨兵1 號科學中心（https://scihub.esa.int）免費獲取，該數據重訪周期為12 天，空間分辨率為20 米[4]。此次采用2020 年2 期和2021 年4 期哨兵1 號SAR 影像，對2020 年和2021 年河南省汛期洪澇災害進行研究，影像極化方式為VV/VH 雙極化模式，軌道類型均為升軌。影像信息如表1 所示。

表1 SAR影像數據信息

2020 年7 月，信陽地區均小到暴雨天氣21 天，其他均為多云天氣；2021 年7 月至8 月份，鶴壁、新鄉地區晴天僅有5 天，其他均為多云或陰雨天氣。在這樣的天氣狀況下，光學衛星只能觀測個別時間窗口中局部地區的災害狀況，無法實現大范圍洪澇災害的觀測。

2.2 數據預處理

雙極化SAR 影像的處理過程包括影像配準、影像濾波、輻射定標、地理編碼等步驟，獲取具有地理位置信息的雙極化雷達強度影像數據[5]。本研究采用ENVI-SARscape 軟件進行自動化預處理。

SAR 影像配準和重采樣將校正偏移、旋轉和縮放差異。影像配準首先基于衛星的精確軌道數據和數字高程模型（DEM）計算局部非參數偏移估計；在參考主影像上根據移動步長和距離向、方位向的像素個數確定一組窗口，計算每個窗口中主副影像間的互相關函數，相關性越大表示窗口區域的影像畸變越小，同時記錄對應窗口的偏移殘差；利用多項式模擬空間殘差分布，從而校正副影像的空間畸變[6]。

從SAR 系統等相關傳感器獲得的圖像具有散斑特征，這是一種空間隨機乘性噪聲，噪聲是與影像中每個像素的雷達反射率相關聯的統計波動[7]，影像濾波通常是以犧牲空間分辨率為代價的。利用距離向和方位向為1 ∶2 比例進行多視處理，可以有效濾除影像噪聲。

雷達傳感器記錄的發射電磁波和接收反射回波的信號比，稱為后向散射。經過輻射定標的后向散射不受觀測幾何的影響，可以對其進行分析研究[8]。

由于SAR 影像在距離和方位方向上的幾何特性完全不同，地理編碼必須分別考慮軌道的橫向和縱向。距離向畸變主要是由地形變化引起，相對容易糾正；方位向的畸變較小，但糾正更為復雜[9]。

經過ENVI-SARscape 軟件自動化預處理SAR 影像如圖1 所示。

圖1 不同期SAR影像預處理后VV、VH極化對比

2.3 洪澇災害提取

提取洪澇災害范圍的方法是將同一地區的兩期或多期SAR 影像疊加，形成時序組合影像，通過人工識別原有水體、洪澇淹沒區，建立影像分類樣本，利用監督分類的方法，自動化地對洪澇災害進行監測和范圍提取。

鑒于SAR 影像常見有四種極化方式，每種極化方式對同類地物的反射特性不同。因此在進行時序影像分析時，應當采用同一極化方式的SAR 影像。SAR 影像洪澇災害提取流程如圖2 所示。

圖2 SAR影像洪澇災害提取流程

3 結果與分析

3.1 2020 年洪澇災害提取分析

2020 年7 月8 日 和2020 年7 月20 日 的VV 極 化SAR 影像經過預處理之后，相互疊加，形成一個災害前后的時序組合影像。根據圖像判別，在該組合影像上繪制出原有水體、洪澇淹沒區、耕地林地、人類聚集區等樣本圖斑，利用監督分類的方法，對時序組合影像進行計算機解譯。經過影像分類后處理，解譯結果如圖3 所示。

圖3 2020年7月20日信陽地區洪澇災害SAR影像提取結果

利用災前、災后的VV 極化SAR 衛星影像，可以提取洪澇災害淹沒區域。在圖3 中可以看出，2020 年洪澇災害主要分布在羅山縣、息縣、光山縣、潢川縣、淮濱縣、固始縣。利用7 月20 日哨兵1 號SAR 衛星監測到的各縣洪澇淹沒區面積如表2 所示。

表2 2020年7月20日信陽地區洪澇災害淹沒面積統計表

3.2 2021 年洪澇災害提取分析

采用2021 年7 月15 日、27 日和8 月8 日、20 日4 期哨兵1 號SAR 衛星影像，持續觀測新鄉、鶴壁、安陽等地區的洪澇災害。影像預處理之后，將7 月27日和8 月8 日、20 日VH 極化SAR 影像分別與7 月15日VH 極化影像疊加，生成時序組合影像。人工識別時序組合影像中原有水體、洪澇淹沒區、建筑物、耕地等主要地物，形成分類樣本。利用監督分類的方法，對三組時序組合影像計算機自動解譯。經過影像分類后處理，解譯結果如圖4 到圖6 所示。

圖4 7月27日洪澇災害淹沒區解譯結果

圖5 8月8日洪澇災害淹沒區解譯結果

圖6 8月20日洪澇災害淹沒區解譯結果

利用災前、災后的VH 極化SAR 衛星影像，同樣可以提取洪澇災害淹沒區域。從7 月27 日和8 月8 日、20 日的洪澇淹沒區可以看出，洪澇災害淹沒區是在明顯減少的。新鄉、安陽市內的洪澇災害在8 月8 日基本已經消退；鶴壁市8 月8 日的洪澇災害在南部消退，在北部卻繼續發展，原因是共產主義渠東側泄洪后，水位較高且長期不退。截至8 月20 日，除部分地區洪澇未退外，大部分地區的洪澇災害風險已經解除。

利用哨兵1 號SAR 影像提取的洪澇災害淹沒面積如表3 所示。

表3 2021年7月～8月洪澇淹沒面積統計

3.3 快速制圖

在實際工作中，為滿足災害應急觀測的需求，往往需要快速提供災區影像圖，宏觀地了解災情狀況及變化趨勢，無需對災害范圍進行提取。但是黑白色調的雷達影像，既不能滿足人們分析圖紙的習慣，也不能從單一時期的雷達影像中區分原有水體和淹沒區。

利用災前、災后的兩期雷達影像，使用紅綠藍彩色進行渲染，通常災前影像渲染為紅，災后影像渲染為藍和綠色，合成假彩色影像。針對哨兵1 號SAR 影像，圖像拉伸方式采用標準差拉伸，標準差n 值可設為0.5左右。在此基礎上應用GAMMA 拉伸，紅、綠、藍拉伸系數分別采用3、4、4。災害前后對比影像快速制圖結果如圖7 所示，圖中紅色即為洪澇災害影響區域，圖中黑色即為原有水體。

如果僅需要查看災后雷達影像，可以使用不同極化影像進行假彩色合成，通常VH 極化渲染為紅色，VV極化渲染為綠和藍色，合成假彩色影像。針對哨兵1號SAR 影像，圖像拉伸方式采用標準差拉伸，標準差n 值可設為0.7 左右。在此基礎上應用GAMMA 拉伸，紅、綠、藍拉伸系數分別采用3、3、3，從而生成一幅突出洪澇災區及水體的衛星影像圖，如圖8 所示。

圖7 災害前后兩期SAR影像假彩色快速制圖

圖8 災后單期SAR影像假彩色快速制圖

4 結論

利用衛星影像可以實現對洪澇災害的廣域、高效的監測。但洪澇災害發生時往往伴隨著長期的陰雨天氣，利用合成孔徑雷達（SAR）衛星影像，能夠克服天氣影響，實現對地表觀測。多極化SAR 影像均可實現對洪澇災害淹沒范圍的監測，但因每種極化影像對地物的表現特征不同，因此應采用災前、災后同種極化SAR 影像進行洪澇災害的監測。由于SAR 影像對水體較為敏感，在應急條件下，可以采用不同期影像或同期多極化影像快速制圖，突出洪澇災害的分布情況。