雷达技术及其在林业上的应用

2013-08-15胡云云闵志强

陕西林业科技 2013年3期

胡云云，闵志强

（国家林业局西北林业调查规划设计院，西安710048）

由于雷达具有全天候（不怕云、雨的影响）、全天时（主动被动都不依赖太阳）、远距离和宽广观测带；具有一定的穿透能力（波长越长、湿度越小，穿透越深）；能提供一些特殊信息，如海面形状、海面风速、土壤水分等；还能提供一些相位信息，如高程信息、地形形变信息等优点，使之在军事侦察、地形测绘、海洋研究等众多领域具有重要作用和巨大的应用价值。随着遥感技术应用日益深入和成熟，合成孔径雷达和激光雷达技术已逐渐应用到林业工作中，并取得了突破性进展。

1 雷达成像技术

根据载体不同，雷达可分为星载雷达、机载雷达和无人机载雷达等类型。但不论是哪种方式获得的雷达影像，其原理都是相同的，即由于地物目标所处的位置、地物结构、表面形态和介电性能等不同，对雷达波束的反应是不一样的。同时不同雷达波段、极化方式、入射角也会使地物产生不同的反应，因而图像上形成不同的色调和纹理。

合成孔径雷达（Synthetic Aperture Radar，简称SAR）是利用雷达与目标的相对运动把尺寸较小的真实天线孔径用数据处理的方法合成一个较大的等效天线孔径的雷达。它是一种高分辨率二维成像雷达，主要利用信号处理技术合成孔径和脉冲压缩以小的真实孔径天线来达到高分辨力成像的目的，特别适于大面积的地表成像。

激光雷达（Lidar，Light Detection and Ranging）是激光探测及测距系统的简称，是一种类似于雷达的主动式遥感技术，但利用的是激光光波而不是无线电波。激光具有快速、准确地穿透云层的能力，因此其光束能在云层中传播，可以观测许多地表特征和低空大气现象。这类传感器对物体表面发射激光能量脉冲，入射脉冲与地球表面及植被冠层的枝干、叶相互作用后被反射，由激光雷达的电波望远镜接收返回的光子，记录脉冲从发射到返回所消耗的时间，可获得传感器与目标物之间的距离或范围，因此也可将激光雷达技术称为“激光测高法”［1］。由于激光雷达极高的角分辨能力、距离分辨能力、抗干扰能力等独特的优点，使之可以高精度地获取地表物体的高度信息。

2 合成孔径雷达技术在林业上的应用

传统的森林参数测定需要外业实地测量，仅能获得一些点上的数据，不利于研究区域尺度或大范围的森林参数。星载SAR 影像处理技术在三维测图、区域地形形变监测领域极具潜力，利用其提取地理信息，对地形测绘、地区自然资源调查等工作有着非常重要的作用。

2.1 土地利用分类

目前，我国土地利用遥感调查监测最普遍应用的是光学遥感数据，但我国南方特别是西南地区，由于气候湿润、多云多雨，极大地限制了光学遥感数据的及时获取和应用效果。雷达遥感可作为多云多雨地区土地利用调查与监测重要的补充遥感数据源［2－3］。高空间分辨率合成孔径雷达卫星，如TERRASAR、COSMO SkyMed和RADARSAT－2等，极大地提高了SAR 数据在土地利用调查监测领域的应用能力［4］。Strozzi等利用ERS SAR 干涉测量对土地利用进行分类，精度在75%以上，区分森林和非森林的精度在80%～85%之间［5］。Wiesmann等应用西伯利亚地区的多时相ASAR WSM 数据提取了森林土地覆盖类型信息［6］。我国利用SAR 图像对海南省乐东县热带林分析结果表明，利用SAR 图像区分林业用地与非林业用地、针叶林与阔叶林的效果较好。林业用地在该图像中亮度较大，其中以针叶林亮度最大；非林业用地亮度较小，以水体为最小。利用密度分割法对SAR 图像进行分类，结果表明利用星载SAR 图像对森林进行分类，尤其中龄林以上的林分更为有效［7］。陈富龙等引入面向对象影像分割、分类技术对中、高分辨率星载SAR 影像进行土地利用分类及遥感动态监测，得出中、高分辨率星载SAR 能实现城镇、耕地、林地、草地、水体、交通设施、数据空白区土地利用分类；通常情况下，中分辨率星载SAR 能满足1∶50 000～1∶100 000土地利用分类制图的需求，高分辨率星载SAR 数据由于分辨率的提高，其影像的解译性得到提高，影像纹理信息更丰富，主要表现在能清晰判别房子的边缘，耕地之间田埂也依稀可见［8］。还可以通过合成孔径雷达影像干涉相位相关性信息合成的SAR 彩色图像，清晰地区分森林覆盖区、林间空地、岩石裸露区、城镇居民点以及河流等自然水体［9］。

2.2 森林资源调查

欧空局的TerraSAR－X 数据目前被应用于森林资源调查，包括区域林木覆盖率调查、主要树种的分布情况调查、林业生产状况（林分质量、林木蓄积等）调查，以及林区基础设施建设和森林资源控制（评估资源损失和资源变化的动态监测）等［10］。SAR 遥感数据可用于识别森林类型、森林密度、年龄和监测森林生长、再生状况、森林灾害、森林砍伐以及估算森林的蓄积量，特别是对热带雨林砍伐监测，雷达几乎是唯一可以依赖的信息源［11］。

Neeff等在热带森林测量中利用SAR 干涉技术对其X 和P波段进行研究，获得SAR－P波段的后向散射信息，用于估测森林植被高度；实验显示：较低的植被测量精确度为19%～34%，平均水平的植被精确度达到83%，较高的植被精确度可达到89%［12］。李新武等提出了基于模拟加温—退火算法的极化干涉雷达数据地表植被参数反演算法，并通过该算法较准确地估计了地表植被的高度［13］。由于单基线极化干涉SAR 技术（如三阶段法、ESPRIT 算法等）反演植被参数的方法受限于具有最小地体幅度比的观测数据，影响冠层或地表有效相位中心的估计，因此往往低估植被的高度。陈曦等引入双基线极化干涉SAR 数据估计植被参数，并使用模拟植被数据和真实E－SAR 数据来验证算法，精度有较大的提高，但仍低估真实的森林树高［14］。黄南通过对TerraSAR－X 立体像对进行研究，得出利用距离多普勒构象模型用类似摄影测量方法，进行双像解析提取DEM 方法是可行的［15］。对于一些不需要非常精确高程信息的资源调查应用领域，还可利用雷达测角从单幅雷达影像来获得地面高程信息［16］。高帅等分析两种极化影像雷达波散射强度及纹理特征与实测叶面积指数（LAI）的相关性，结果发现HH 极化方式的相关系数达到0.68、VV 极化的为0.87［17］。

2.3 土壤水分估测

雷达技术的全天时、全天候并对地物有一定的穿透能力等特点，打破传统通过有限测站点监测土壤水分的方法，使得大面积土壤水分实时或准实时动态监测成为可能。曾远文等结合微波雷达与光学影像在监测表层土壤水分信息上的优势，提取了山西省西山矿区的表层土壤水分状况，分析得出雷达监测能较精确地估计地表层0～5 cm 深度的土壤水分信息［18］。周鹏等联合使用雷达数据和光学遥感数据，建立土壤后向散射系数与土壤含水量的关系，结果表明利用C 波段HH极化雷达影像数据结合光学影像数据，进行干旱半干旱地区棉花、玉米等农作物种植区地表土壤水分反演时，在中等覆盖条件下去除植被影响有较好的效果［19］。刘万侠等应用多极化星载雷达数据结合微波散射的水云模型，去除了植被层的影响，拟合两种极化方式的后向散射系数与实测土壤含水量之间的关系，得出VV 极化优于HH极化，但两者拟合精度都不是很高，有待作进一步的改进［20］。

2.4 森林蓄积量和生物量估测

光学和近红外光谱只和绿叶生物量产生反应，而微波具有穿透树冠的能力，不仅能和树叶发生作用，而且主要是和森林生物量的主体—枝和树干发生作用。因此，采用微波遥感数据估测区域或全球森林蓄积量和生物量具有其它光学遥感数据不可替代的作用。

王臣立等的研究结果表明：Radarsat SAR 后向散射系数与森林蓄积量、树高及胸径之间的关系可以用对数模型模拟；树种对后向散射系数具有一定影响；利用后向散射系数估测森林蓄积量，其精度基本符合林场大面积总体估测的精度要求，但小班水平应用效果不理想［21］。朱海珍等基于统计方法对多时相ENVI—SAT ASAR 数据进行森林蓄积量估测研究，分别选取HH、HV 及HV／HH 值分析森林蓄积量与SAR 后向散射系数之间的关系，ASAR 数据的后向散射序列值与森林蓄积量之间存在一定的相关性［22］。宋茜等利用大兴安岭地区野外实测数据系统分析了ALOS PALSAR L波段HH 极化数据与森林各成分参数的关系，并采用简单线性模型、指数模型和加入地理因子模型建立森林地上生物量的估算模型进行最优反演［23］。陈尔学用SAR 对森林生物量的敏感性进行了系统分析，探讨了P、L 和C三个波段及其不同极化方式对森林生物量的敏感性和饱和点等反应特性，总结了利用SAR 进行森林生物量估测的技术路线［24］。黎夏等人在建立雷达后向散射系数与红树林湿地植被生物量间的估算模型基础上运用遗传算法确定了模型中的参数，并反演了珠江三角洲地区的红树林生物量［25］。

3 激光雷达技术在林业上的应用

激光雷达具有极高的角分辨能力、距离分辨能力、抗干扰能力等独特的优点，使得激光雷达可以高精度地获取地表物体的高度信息。普通的光学传感器只能用于提供森林水平分布的详细信息；而激光雷达遥感根据采样方式和配置不同（离散回波还是波形激光雷达）可以高精度地提供森林水平和垂直分布的信息。用于林业的激光雷达主要有2类：记录完整波形数据的大光斑激光雷达与仅记录少量回波的小光斑激光雷达。前者主要通过回波波形用于反演大范围森林的垂直结构与生物量等参数，后者则利用高密度的激光点云进行精确的单木水平上的高度估测等工作。

国外已经将激光雷达在林业上进行了大量成功的应用，利用Lidar数据估测如单株木的树高和冠幅，林分的平均胸径、树高和郁闭度，林分生物量和蓄积量以及碳储量等林分参数，还可用于监测森林的健康，确定森林从大气中吸收二氧化碳的能力［26－27］。国内应用大光斑激光雷达、小光斑激光雷达以及地面激光测距技术的研究也越来越多，反演的森林参数也逐渐增加，包括树高、树冠体积、树冠表面积、生物量和蓄积量等。

北京林业大学测绘与3S技术中心与北京市测绘设计研究院联合开展了地面激光雷达在森林计测方面的应用。应用地面激光雷达得到的点云数据测得树高，建立树高与材积之间的回归模型，结合地面调查树高数据，预测得到测区蓄积量［28］。中国林业科学研究院于2005年5月在山东泰安进行了机载Lidar数据获取和外业测量。通过对Lidar点云数据的分类处理，对高程归一化的植被点云子集计算了上四分位数处的高度，与实地测量的数据进行比较，结果表明：对于较低密度的点云数据，使用分位数法可以较好地进行林分平均高的估计，精度高于87%，总体平均精度为90.59%，其中阔叶树的精度高于针叶树［29］。覃驭楚等利用Axelsson提出的渐进式不规则三角网加密法，分别采用反距离权重方法、样条插值方法以及普通克里格方法对小光斑激光雷达的多次回波数据进行滤波，对冠层与林下高程分别进行了重建并做了精度检验，研究结果证明：RADAR 数据获取的树高可以达到实地调查的精度，其误差绝对平均值均在1.4m 以内［30］。

刘东起等利用激光雷达数据的特点与TerraScan的强大功能对小兴安岭凉水地区的航拍数据进行研究，估测了树高、胸径等林分参数以及不同林分类型的生物量，其精度均达到了90%以上，能够满足实际生产的需要［31］。刘清旺等利用高采样密度的机载激光雷达数据（离散回波，平均激光点间隔0.52m、平均光斑直径0.3m），研究了单株木的树高提取技术和树冠边界识别算法，并对单株木树高和冠幅以及样地的平均树高和平均冠幅进行了验证，结果表明：样地尺度的相关性明显高于单株木尺度的相关性［32］。刘永霞等应用机载激光雷达数据，获得了高精度的树冠底部地形信息及树高信息，提取了包含植被冠层高度的数字表面模型，即林冠层三维信息模型（DCM），结合研究区的数字高程模型（DEM）可以获得用常规方法很难准确获取的森林植被参数，如冠层垂直结构、森林高度、郁闭度等［33］。另外，将三维激光扫描成像系统运用于立木测量，建立立木三维模型，通过对模型进行量测获取包括树冠体积、表面积等各种测树因子，以此为基础，运用非线性回归方程法建立树冠体积和表面积回归方程，并进一步将树冠因子引入生物量模型，建立包含树冠体积和表面积的生物量模型，获得了比传统CAR 模型更好的效果［34］。

4 存在问题及发展趋势

4.1 SAR 图像滤波

合成孔径雷达（SAR）是雷达遥感的主要形式，但由于雷达成像过程中相干处理造成的斑点噪声表现为图像灰度的剧烈变化，即在同一片均匀区域分布许多明暗不同的斑点，降低了图像的空间分辨率，隐藏了图像的精细结构，严重影响图像的判读性和可解译性，甚至可能导致地物特征的消失。雷达影像应用中一个最重要的问题就是去除这种斑点噪声，即SAR 图像滤波。孟淑英等针对高分辨率COSMO 雷达遥感影像，对比不同方法滤波效果，得出Kuan滤波方法能够较好的平滑影像的斑点噪声，增强Frost滤波方法能够较好的还原影像的纹理特征［35］。但由于不同土地覆被具有不同的后向散射系数，因此不同的滤波算法对不同的土地覆被效果也不同，如何针对具体的图像应用目标与区域特性，选择最适宜的滤波算法，尚有待进一步的研究。田养军等提出基于提升小波分解的曲波变换比传统小波分解的曲波变换对雷达影像消噪效果好，同时与传统的均值滤波相比效果更好［36］。

4.2 SAR 影像纠正

由于侧视成像的特点，地形起伏会造成SAR影像几何畸变很大，存在着透视收缩、迭掩、阴影等特有现象，从而大大限制了其应用范围。如果需要从SAR 影像提取空间位置信息，或进行多时相、多源信息的综合分析，必须对其进行高精度几何纠正。由于SAR 成像模式和数据特性与光学遥感不同，光学遥感数据影像纠正技术流程不能完全适用于SAR 数据处理。目前常用的主要有多项式法、多项式正射纠正法及距离—多普勒方法，张利等利用ERS－2数据和RADARSAT 数据进行了实验，结果表明：多项式正射纠正方法和距离—多普勒方法纠正精度较高［37］。魏雪云等研究了基于距离—多普勒（rang－Doppler，RD）模型的星载合成孔径雷达影像几何校正原理，提出了改进的R－D 解算算法，通过仿真数据进行了验证和比较，、结果表明新算法能校正因地形起伏引起的形变［38］。

4.3 激光雷达应用的局限性

尽管Lidar在很多森林参数反演上取得了很大的成功，但其数据有限，成本太高，理论体系尚有待进一步完善，缺乏数据分析专业处理软件，反演所需的算法及模型仍不成熟。小光斑系统需要增大采样密度，降低飞行高度，导致大范围应用所需费用很高；大光斑系统有效地避免了树顶的错失，幅宽也可以更大，但太大的光斑会受到林下地形和树木空间结构的影响。

总之，作为一个新兴的技术，雷达技术为林业遥感提供了更为丰富的信息源，给森林资源清查和监测工作带来了新的契机。星载合成孔径雷达干涉测量（INSAR）技术在获取大范围区域性地形和地表形变信息上具有独到的优势，可以进行大范围长期追踪监测地表形变，为减灾防灾提供决策依据。在玉树地震中，中国首套自主研制的“机载多波段多极化SAR 测图系统”，及时为抗震救灾、灾情评估、灾害分析和重建规划提供了支撑保障［39］。激光雷达很难提供大范围全覆盖的数据，但可与其他遥感技术手段相结合提供更准确、更全面的森林参数估计，还可利用高精度的激光雷达反演的森林参数作为其他遥感手段的训练数据和验证数据。最近几年发展的地基激光雷达系统在树木近景测量、木材质量评价等方面也展现出了很好的应用前景。

［1］ Ralph O D，Jason B D.Lidar Remote Sensing for Forestry Applications［J］.Journal of Forestry，2000，98：44－46.

［2］ Bamler R.，Breit H.Experience with ERS－1SAR signal processing at the German PAF［J］.Geoscience and Remote Sensing Symposium，1992，2（1）：1353－1355.

［3］ Curlander J C.Location of Spaceborne Sar Imagery［J］.IEEE Transactions on Geoscience and Remote Sensing，1982，20（3）：359－364.

［4］尤淑撑，刘顺喜，徐宗学.星载高分辨率合成孔径雷达影像纠正技术［J］.遥感应用，2011（6）：57－60.

［5］ Strozzi T，Dammert P，Wegmüller U，et al.Landuse Mapping with ERS SAR Interferometry［J］.IEEE Transactions on Geoscience and Remote Sensing，2000，38（2）：766－775.

［6］ Wiesmann A，Wegmüller U，Le T T，et al.Use of ENVISAT ASAR wide－swath mode data over Siberia for large area land cover mapping，parameter retrieval，and change detection［J］.Geoscience and Remote Sensing Symposium，2005（5）：3595－3598.

［7］芮本善.航天合成孔径雷达技术应用研究及其进展［J］.国外铀金地质，1999，16（1）：63－68.

［8］陈富龙，王超，张红，等.单极化合成孔径雷达影像在土地利用分类中的潜力分析［J］.遥感技术与应用，2008，23（3）：289－293.

［9］张箐.InSAR 影像干涉相关性的遥感应用研究［J］.国土资源遥感，2006（2）：72－74.

［10］巨文珍，王新杰.合成孔径雷达技术在林业中的应用［J］.世界林业研究，2009，22（5）：40－44.

［11］魏钟铨.合成孔径雷达卫星［M］.北京：科学出版社，2001.

［12］ Neeff T，Dutra L V，dos Santos J R，et al.Tropical forest measurement by interferometric height modeling and Pband radar backscatter［J］.Forest Science，2005，51（6）：585－594.

［13］李新武，郭华东，廖静娟，等.航天飞机极化干涉雷达数据反演地表植被参数［J］.遥感学报，2002，6（6）：424－429.

［14］陈曦，张红，王超.双基线极化干涉合成孔径雷达的植被参数提取［J］.电子与信息学报，2008，30（12）：2858－2861.

［15］黄南.合成孔径雷达影像在DEM 中的应用［J］.江西测绘，2012（1）：42－45.

［16］杨杰，廖明生，江万寿，等.从单幅雷达影像提取地面高程信息［J］.武汉测绘科技大学学报，2000，25（6）：537－541.

［17］高帅，牛铮，刘翔，等.结合雷达影像纹理特征的作物叶面积指数估测［J］.国土资源遥感，2010（3）：36－40.

［18］曾远文，陈浮，雷少刚，等.基于雷达和光学影像监测土壤表层水分［J］.江苏农业科学，2012，40（2）：320－323.

［19］周鹏，丁建丽，王飞，等.植被覆盖地表土壤水分遥感反演［J］.遥感学报，2010，14（5）：966－981.

［20］刘万侠，王娟，刘凯，等.植被覆盖地表主动微波遥感反演土壤水分算法研究［J］.热带地理，2007，27（5）：411－415.

［21］王臣立，牛铮，郭治兴，等.Radarsat SAR 的森林生物物理参数信号响应及其蓄积量估测［J］.国土资源遥感，2005（2）：24－28.

［22］朱海珍，庞勇，杨飞，等.基于ENVISAT ASAR 数据的森林蓄积量估测研究［J］.地理与地理信息科学，2007，23（2）：51－55.

［23］宋茜，范文义.大兴安岭植被生物量的ALOS PALSAR 估算［J］.应用生态学报，2011，22（2）：303－308.

［24］陈尔学.合成孔径雷达森林生物量估测研究进展［J］.世界林业研究，1999，12（6）：18－23.