基于多极化后向散射系数的海洋悬浮物反演研究

李致博，刘湘南*,李露锋

（中国地质大学（北京）信息工程学院，北京 100083）

基于多极化后向散射系数的海洋悬浮物反演研究

李致博，刘湘南*,李露锋

（中国地质大学（北京）信息工程学院，北京 100083）

以珠江口东岸香港海域为研究对象，准同步获取实测悬浮物浓度和Radarsat-2影像数据。对影像进行滤波处理和掩模处理后，利用Radarsat-2四种极化下的后向散射系数建立悬浮物浓度单极化回归模型；通过多极化后向散射系数构造多个遥感参数，运用相关性分析得到4个敏感因子，建立悬浮物浓度多极化回归模型。最终得到研究区域悬浮物浓度的反演模型为∶SSC=11.08+0.06(HH+VV)-0.002(HH+VV)2，R2=0.84，其中SSC为悬浮物浓度，HH和VV为该极化下的后向散射系数，R2为决定系数。研究表明：HH和VV极化的后向散射系数之和对研究区域悬浮物反演最为敏感，得到的反演模型能较好预测海洋悬浮物的分布情况。

悬浮物浓度；极化；后向散射系数；相关分析；回归模型

海洋悬浮物是指悬浮在海水中的固体物质，包括不溶于水中的无机物、有机物及泥砂、黏土、微生物等。悬浮物浓度（Suspended Solids Concentration，SSC）直接影响海水的透明度、粗糙度和介电常数等，是海洋水质监测的重要参数。这一领域的研究，国内外学者取得大量成果。Blondean等结合SeaWIFS和MODIS数据反演了英吉利海峡西部的叶绿素与悬浮物质浓度[1]。丁晓英等利用近20 a的TM数据，建立了反演广东省韩江口悬浮泥沙浓度的对数模型[2]。

实地测量法，耗费大量的人和物力，数据测量及更新周期长。光学遥感克服了实地测量法的缺点，却受到气候条件的限制，不能及时连续地获取数据。根据瑞利散射，微波在空气传播时散射强度远小于可见光，具有很强的穿透性，受气候及天气条件的影响很小[3]。因此，微波遥感研究悬浮物浓度既继承了光学遥感的优点又弥补了光学遥感的不足。

1 数据采集与预处理

珠江口东岸香港海域的经纬度范围为113°34'E～114°17'E，22°09'N～22°48'N。近几年，随着我国经济高速发展和人类活动的加剧，大量生活污水和工业废水排入海洋，使得海洋悬浮物浓度上升，水质降低。

1.1 数据采集

遥感数据为加拿大高分辨率商用雷达卫星Radarsat-2获得的C波段四极化精细波束模式影像数据，包括HH、HV、VH、VV四种不同极化方式的单层数据，入射角25°～28°，地面分辨率12 m*8 m。

实测悬浮物浓度是本项目组根据国家悬浮物浓度测量标准进行采集的，共得到50个实测数据，经过异常值剔除后剩余45个，30个用于建立模型，15个用于模型检验。

1.2 数据预处理

1.2.1 滤波处理

本研究选取Enhance Lee滤波对四种极化下的后向散射系数影像进行去噪处理[4]。图1是对HH极化下的后向散射系数影像进行Enhance Lee滤波处理的效果对比图。通过处理我们发现：处理后的影像灰度对比度明显增加，细节体现更好，平均亮度要大于处理前的影像，斑点噪声明显降低。

图1 原始HH极化后向散射影像Enhance Lee滤波前后对比

1.2.2 掩膜处理

掩膜处理是用掩膜除掉陆地信息，消除其对有用信息的影响，提高了信噪比。最常用的掩膜处理是阈值分割法[5]，通过对VH极化下后向散射系数影像的研究，选取-25 dB作为掩模的阀值，图2为VH极化下后向散射系数影像进行掩模处理的效果图：处理后陆地部分的后向散射系数为零，在图中高亮显示。由于掩模处理只是制作了一个模具将陆地信息掩盖，而四种极化下的后向散射系数影像为同一地区同一时间的，因此其具有基本一致的海陆界线，故将该掩模应用于其余三种影像去除陆地噪声。

图2 VH影像掩膜处理效果图

2 原理与方法

根据雷达方程可知，雷达的回波功率与雷达的发射功率、天线增益、发射波长和地物目标的后向散射系数成正比，与雷达到地物目标的距离成反比，其中雷达的发射功率、天线增益和发射波长是雷达的固有参数。因此当微波遥感所用雷达确定后，雷达的回波功率就与地物目标的后向散射系数直接相关，而地物目标的后向散射系数由其自身的复介电常数、坡度和表面粗糙度等理化性质决定[6]。根据学者的研究，水体的组分和粒径因素等可以影响水体的后向散射系数[7]。海洋悬浮物的存在影响了海水组分、海水中的粒径因素以及海水浑浊度等海水固有的理化性质，从而影响了海水的后向散射系数并最终在雷达影像上形成响应。同时，为了避免海洋风场对后向散射系数的影响，本研究采取两项措施，一是在数据采集时选择天气晴朗风平浪静的气候条件，二是采用直方图最小值法，即给四种极化下的所有后向散射系数值减去该极化下最小的后向散射系数值，该方法假设后向散射系数的最小值主要是由海洋风场所造成的，可以减少海洋风场对本研究的干扰。微波对水的穿透能力不强，因此，本研究反演的海洋悬浮物浓度均为海表悬浮物浓度。本研究首先从四种极化的后向散射系数影像中分别提取与35个实测数据所对应的后向散射系数；其次，分别对四种极化下的后向散射系数与实测悬浮物浓度进行相关分析并建立回归模型；再次，利用四种极化的后向散射系数进行代数运算构造多个遥感参数，与实测悬浮物浓度进行相关分析，得到悬浮物浓度的敏感因子，并建立回归模型；最后，选取其中较好的模型进行检验并将其应用于原始影像得到研究区域内悬浮物浓度分布图，通过对比分析最终确定研究区域内的悬浮物浓度反演模型。

3 结果与讨论

3.1 悬浮物浓度反演模型建立

海洋悬浮物浓度反演模型主要分为两类：一是理论模型，即以大气物理和海洋光学的基本特性为依据，从理论上导出反射率随悬浮物浓度变化的基本关系[8-10]；二是经验模型，即通过遥感数据和同步测量或者准同步测量数据建立相关关系式[11-13]。这一领域的研究，光学遥感相对成熟，而微波遥感相对较少。雷达发射微波，通过接收回波信号来探测地物目标，所以，地物目标的信息载体为散射回波，而散射回波的表征量即为后向散射系数，这与光学遥感的基本原理一致，所不同的是光学遥感中地物目标信息表征量为光谱反射率。因此，光学遥感的反演悬浮物浓度的思路和方法值得借鉴。

图3 悬浮物浓度单极化回归模型对比图

3.1.1 悬浮物浓度单极化回归模型

本研究所用数据为单波段全极化SAR影像，不同的极化方式下，后向散射系数是不一样的。首先，利用NEST软件分别从四种极化下的后向散射影像上提取与实测悬浮物浓度对应的后向散射系数，然后与悬浮物浓度进行相关分析并建立悬浮物浓度的单极化回归模型，其结果如图3所示。

由建模结果发现：整体上，悬浮物浓度与后向散射系数呈正相关关系；HH极化下的回归模型优于其他3种极化的回归模型，但是效果并不特别理想。因此，进一步建立悬浮物浓度的多极化回归模型。

3.1.2 悬浮物浓度多极化回归模型

光学遥感中，经常用不同波段的光谱反射率代数组合来表征某一地物目标，NDVI就是其中的代表。基于这一思路，本研究利用4种极化下后向散射系数的代数组合构造24个遥感参数，构造遥感参数时，为了表述方便，用极化方式表示该极化方式下的后向散射系数。构造的遥感参数及其与悬浮物浓度相关系数如表1所示。

表1 遥感参数及其与悬浮物浓度相关系数

图4 悬浮物浓度多极化回归模型对比图

从比值、和值、差值和复合参数中分别选取相关系数最高的作为悬浮物浓度的比值、和值、差值和复合敏感因子，其为：VH/HH、VV+HH、HH-VH 和(VH+HH)/(HH-VH)。以此建立悬浮物浓度的4类多极化回归模型，其结果如图4所示。

由建模结果可知：VV+HH敏感因子的回归模型拟合系数高于其他敏感因子的，总体效果最为理想。

3.2 悬浮物浓度反演模型讨论

通过对上述悬浮物浓度回归模型的建模过程及结果进行分析可以发现：

（1）同向极化（HH和VV）即雷达发射的和接收的是同一类型极化波的回归模型优于异向极化（HV和VH）的回归模型。根据瑞利散射理论，当一种极化波遇到多次较强的散射后，会改变其极化方式[14]。对于本研究而言，雷达发射的极化波，在遇到海面及悬浮物散射后，部分极化波会改变其极化方式，由于海面相对较平滑，这种散射并不是很强，所以大部分极化波不会改变其极化方式，因此，同向极化接收的回波信号相对较强，回归效果相对较好；

（2）平方回归模型好于各自的线性回归模型。当悬浮物浓度达到某一值时，其对后向散射系数的影响趋于饱和，后向散射系数的变化将不再是悬浮物浓度所导致的，因而，悬浮物浓度不再随着后向散射系数的变化而变化。在线性回归模型中悬浮物浓度随后向散射系数的增大而一直增大，平方回归模型中悬浮物浓度随后向散射系数的增大而增大但最终趋于平缓，因此，平方回归模型更加接近实际情况，效果优于线性回归模型；

（3）比值参数和差值参数与悬浮物浓度的相关系数普遍低于其对应的和值参数的相关系数，比值敏感因子和差值敏感因子的回归模型劣于和值敏感因子的回归模型，复合敏感因子回归模型效果介于两者之间。这是由于比值运算和差值运算将单极化各自的有效信息互相削弱了，而和值运算将单极化各自的有效信息扩大了。和值敏感因子（VV+HH）的回归模型拟合系数最高，效果最好，这一结果与（2）中的讨论结果一致。

在上述讨论中，以回归模型的决定系数作为模型好坏的评价标准，然而拟合系数只是评价回归模型的一种标准而并非唯一标准。本研究从单极化和4类多极化回归模型中分别选取本类模型中决定系数最高的5个模型，由于差值敏感因子（HH-VH）的回归模型决定系数（0.69）太低，所以除去该模型剩余4个模型，进一步做模型检验及应用，以便结合决定系数、检验效果和应用效果三者更好地比较各类回归模型。选取的4个模型如表2所示：

表2 选取的4个悬浮物浓度回归模型

3.3 悬浮物浓度反演模型检验及应用

在数据采集时，共有45个实测悬浮物浓度数据，其中30个用于建模，剩余15个用于模型检验，将这15个实测数据对应位置的后向散射系数分别代入模型1-4中得到4组预测悬浮物浓度值，每组15个，并计算每个模型检验的平均绝对误差和平均相对误差。其检验结果如图5所示。

图5 4个模型检验结果图

由图5可知，4个模型中3号和14号站点的实测值和预测值都偏差较大，这可能是由于3号和14号站点更靠近珠江口，污染较为严重，其余站点实测值与预测值偏差较小，模型3和模型4的平均绝对误差和平均相对误差低于模型1和模型2，检验效果较好。将这4个模型应用于原始SAR影像，利用ENVI中的波段运算及密度分割功能[15]得到研究区域内的预测悬浮物浓度分布图，如图6所示。

图6 4个模型的悬浮物浓度分布图

根据香港环境保护署的统计数据，研究区域内平均悬浮物浓度为8.75 mg/L，模型3预测悬浮物分布图中大部分海域悬浮物浓度为1级和2级，最接近统计数据，预测效果最好。由模型3预测悬浮物分布图可知：研究海域悬浮物浓度总体处于中低水平，大部分海域悬浮物浓度在0～5 mg/L和5～10 mg/L范围内；悬浮物浓度分布呈现由近岸海域向中心海域递减的趋势，原因是近岸海域较浅，沉积悬浮物多，海水涨潮退潮时容易卷起底部沉积物形成悬浮物，加之河流带来的陆地悬浮物多在河口处富集，流向中心海域时，由于各种海洋理化性质的变化，悬浮物易发生沉降，其浓度明显降低；维多利亚湾海域比其他海域悬浮物浓度高，这是由于维多利亚港经济发达，人口集中以及人为活动频繁等因素造成。

综合考虑决定系数、检验结果和预测悬浮物浓度分布的效果，最终确定研究区域内悬浮物浓度的反演模型为模型 3：SSC=11.08+0.06(HH+VV)-0.002(HH+VV)2，R2=0.84。

4 结论

通过上述悬浮物浓度反演模型的研究得到以下结论：（1）珠江口东岸香港海域的悬浮物浓度总体上处于中下水平，污染程度不严重；悬浮物浓度呈现靠近海岸区域高，远离海岸区域低的特点；维多利亚湾海域比其他海域悬浮物浓度高。（2）多极化后向散射系数可以用来反演悬浮物浓度，两者总体呈正相关关系；同向极化反演效果优于异向极化；平方回归效果好于简单的线性回归。（3）多种极化方式下后向散射系数的比值差值组合并不能很好地提高反演的效果，和值组合较好的提高了反演的精度及效果，最终得到本研究区域内悬浮物浓度的经验反演模型为：SSC=11.08+0.06(HH+VV)-0.002(HH+VV)2，该模型的决定系数R2为0.84，检验结果较好，能够较理想地预测研究区域的悬浮物浓度分布情况。

[1]BrandoVE，Dekker AG.Satellite hyperspectral remote sensingfor estimatingestuarine and coastal water quality[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41：1378-1387.

[2] 丁晓英，陈晓翔.基于环境因素的沿岸水域叶绿素遥感探测研究[J].遥感学报，2005,9(4)：446-451.

[3] 秦蕴珊，李凡，徐善民，等.南黄海海水中悬沙的研究[J].海洋与湖沼，1989(2)：103-110.

[4]Lee J S.Digital image enhancement and noise filteringbyuse oflocal statistics[J].IEEE Transactions on Pat tern Analysis and Machine Intelligence,1980,2(2)：165.

[5] 李洪忠,王超,张红,等.基于海图信息的SAR影像海陆自动分割[J].遥感技术与应用，2009,24(6)：732-736.

[6] 赵英时，等.遥感应用分析原理与方法[M].北京：科学出版社，2003：135-144.

[7] 陈利博，李桐基，黄妙芬，等.两种水体后向散射系数测量方法的比较研究[J].海洋技术，2011,30（1），58-60.

[8] 刘小平，邓孺孺，彭晓娟.悬浮泥沙定量遥感综合模式及其在珠江口的应用[J].中山大学学报，2005,44(3)：109-113.

[9] 姜杰.利用遥感反演悬浮泥沙浓度的方法研究[J].海洋地质动态，2006，22(9)：32-34.

[10]黎夏.悬浮泥沙遥感定量的统一模式及其在珠江口中的应用[J].环境遥感，1992,7(2)：106-114.

[11]刘灿德，何报寅，李茂田.利用MODIS反演长江中游悬浮泥沙含量的初步研究[J].地质科技情报，2006，25(2)：99-100.

[12]曹文熙,钟其英,等.南海水色遥感的主因子分析[J].遥感学报,1999(2)：112-115.

[13]李四海，恽才兴,等.河口表层悬浮泥沙气象卫星遥感定量模式研究[J].遥感学报，2001(2)：154-160.

[14]周冠华,刘志刚,柳钦火,等.水色遥感中偏振信息的研究进展[J].遥感学报,2008,12(2)：323-330.

[15]赵文吉，段福州，刘晓盟，等.遥感影像处理专题与实践[M].北京：中国环境科学出版社，2007：318-327.

Inverse Model of the Ocean Suspended Solids Based on Multi-polar Backscattering Coefficient

LI Zhi-bo,LIU Xiang-nan,LI Lu-feng
(China University of Geosciences （Beijing） Information Technology Institute,Beijing 100083,China)

Taking East coast of the Pearl River Estuary-Hong Kong Sea as research object,the suspended solids concentration(SSC)and Radarsat-2 image data are quasi-synchronized acquired to be filtered and masked.Then,the SSC single-polar regression model is established using Radarsat-2 four polarized backscattering coefficient.Multiple remote sensing parameters are constructed using multi-polarization backscatter coefficient.Four sensitive factors are obtained using the correlation analysis.Finally,the multi-polar regression model of SSC is established.The regression model is:SSC=11.08+0.06(HH+VV)-0.002(HH+VV)2,R2=0.84,which HH and VV is backscatter coefficient of HH and VV polarization,R2is determination coefficient.The results show that:The sum of HH and VV polarized backscattering coefficient is most sensitive to the study area SSC and the inverse model can predict the distribution of SSC better.

suspended solids concentration;polarization;backscattering coefficient;correlation analysis;regression model

P7；TP7

B

1003-2029（2011）04-0068-06

2011-07-13

国家自然科学基金资助项目（U0933005）

李致博 (1987—)，男，硕士研究生，研究方向为GIS应用、海洋遥感和地学遥感。Email：lzb04505221dyl@126.com

刘湘南，教授，博导。Email:liuxncugb@163.com