Radarsat—2四极化影像在河套灌区土壤含盐量反演中的应用

申晓华+王耀强+郑磊+郭小静

摘要：以位于河套平原的巴彦淖尔市杭锦后旗陕坝镇为试验区域，利用Radarsat-2四极化数据，配合DEM数据计算得到研究区域的后向散射系数（Sigma Nought）值。通过分析得出Sigma Nought值与土壤含盐量之间的反演关系，并以此为依据对整幅影像进行决策树分类，以确定其盐渍化程度及分布。通过58个点建立的反演模型的决定系数R2=0.753。研究发现此模型的遥感反演效果较好，具有一定的参考和应用价值。

关键词：Radarsat-2；Sigma Nought；盐渍化；河套平原

中图分类号：S153.2 文献标识码：A 文章编号：0439-8114（2014）15-3533-03

Using Radarsat-2 Four Polarization Images in Salinity Inversion of Hetao Irrigated Soil

SHEN Xiao-hua， WANG Yao-qiang， ZHENG Lei， GUO Xiao-jing

（Inner Mongolia Agricultural University， Hohhot 010018， China）

Abstract：Using Shanba Hangjinhouqi area as the experiment object， Radarsat-2 four polarization data and DEM data were used to calculate the backscattering coefficient （Sigma Nought）. By analyzing Sigma Nought and soil salinity，Decision Trees were used to classify the entire image. Coefficient of determination of the inversion model established by 58 points is 0.753. Remote sensing based on this model was found to be better， with certain values of reference and application.

Key words： Radarsat-2； Sigma Nought； Salinization； Hetao Plain

收稿日期：2013-12-16

基金项目：国家自然科学基金项目（51169016）

作者简介：申晓华，（1987-），男，河北邢台人，在读硕士研究生，研究方向为3S技术在农业水土工程中的应用（电话）13847136321（电子信箱）

attsxh@126.com。

土壤盐渍化是影响河套平原农业生产的重要因素，对农业生态系统带来了破坏性的影响，给当地农民带来了直接的经济损失。内蒙古河套灌区的盐渍化土地面积约占内蒙古盐渍化土地面积的70%。因此，对河套平原盐渍化程度进行遥感监测与反演，为该地区灌溉制度制定、盐渍化土壤治理方案制定提供参考。本研究以Radarsat-2四极化卫星数据为数据源，研究盐渍化信息提取方法，证实Radarsat-2四极化卫星数据在土壤盐渍化反演方面的适用性。

1 研究区域概况

陕坝镇是杭锦后旗的政府所在地，是国家西部大开发的重点区域。陕坝镇位于河套平原，当地农民赖以生存的引黄灌溉对发展灌区农业生产和改善农业生态环境发挥着重要作用，但长期的大水漫灌和渠系水渗漏诱发下部盐分向表层聚集，产生土壤次生盐渍化[1]。

2 数据源

Radarsat-2是一颗C波段的雷达卫星，而C波段可提取地表0～5 cm的土壤信息[2]。本研究使用Radarsat-2四极化精细模式数据，影像覆盖面积为25 km×25 km，入射角范围为35.3109398°～36.8815956°。Google Earth软件能够显示地物的精确经纬度坐标，利用其这一优势，对遥感图像进行几何校正，能够提高几何校正的精度[3]。故在本研究中采用Google Earth对Radarsat-2影像进行几何校正。

2.1 卫星影像数据

本研究中数据接收日期为2013年4月20日10∶47∶50（UTC时间），FQ（Fine Quad-Pol）模式、HH+HV+VH+VV极化，标称分辨率8 m的Radarsat-2卫星SLC影像。以陕坝镇西25公里、北12公里、南12公里区域为研究区域，影像四角经纬度为：NW：40°59′N/106°53′E，NE： 41°01′N/107°08′E，SW：40°44′N/106°57′E，SE：40°47′N/107°12′E。

2.2 采样点位置数据和全盐量数据

在卫星过境当天、过境前后各1 d时间内，采集影像覆盖区域内的土壤表层样本80个，现场通过手持GPS测量并记录采样点经纬度信息，同时在Google Earth中标记并核对位置是否正确。所取样本带回实验室进行土壤水溶性盐分的测定。

2.3 Google Earth上截取的影像

以Google Earth可以进行几何校正，操作简单且十分精确。重采样会给影像带来信息的损失[4]，但是Google Earth提供高分辨率影像仅供浏览不供下载，无法利用其进行影像配准，以应用ENVI提供的predict功能在不损失图像信息的情况下获得采样点后向散射系数值。所以利用GETScreen软件从Google Earth上截取了1 900张图像，然后拼接、处理成所需影像，用以进行影像配准。

3 雷达影像处理

通过ENVI软件的SARScape模块对原始SLC影像进行多视、滤波、地理编码和定标处理后，得到雷达后向散射系数影像。然后利用实地Google Earth影像，选取GCP对影像进行配准，最终得到一幅坐标与实地一致的、能反应实地后向散射系数的影像。

3.1 滤波

雷达影像与可见光遥感影像有所不同：由于采用相干微波源照射，所以各散射中心回波的相干叠加，造成合成矢量的振幅和相位都有一定的起伏，而且其幅度和相位与回波的方向有很大关系，其散射回来的总回波并不完全由地物目标的后向散射系数决定，而是围绕这些后向散射系数值有较大的随机起伏，使SAR对目标后向散射系数的测量产生很大偏差，在最终得到的图像中出现相干斑噪声[5]。ENVI的高级雷达处理模块，即SARScape模块，提供了多种滤波方法[6-12]。经过对处理后影像的对比，选择了Lee、Frost和Refined Lee 3种滤波方法得到的后向散射系数与实测含盐量做相关性做比较。经过反复的比较，最终得出Lee滤波最适合进行土壤含盐量反演的要求的结论。

3.2 影像配准

图像配准用于将图像纠正在某种地理编码的坐标系统中，使得它与某个参考影像具有相同的几何属性。图像配准包括地面控制点（GCP）的选取和几何纠正两个步骤。选取GCP的原则是应选取图像上易于分辨的特征点，如路的交叉点等；控制点应尽可能的均与分布在整幅图像上。本研究中在影像上比较均匀的选取了14个GCP点，其相对位置如图1所示（图中白色方块处）。几何纠正过程中，为了减少重采样带来的图像信息损失，没有对影像直接进行几何纠正，而是利用了ENVI影像配准中提供的predict功能在不进行重采样的情况下获得采样点的后向散射系数。通过保存这些点所在位置的ROI文件，可以方便地得到相同点其他极化方式的后向散射系数值。

4 表层土壤含盐量反演

4.1 建立多元线性回归方程

在80个采样点中，随机的选取了58个为建立回归方程所用，其余22个点用作验证。用SPSS 19.0软件进行相关分析和多元回归分析对含盐量与后向散射系数值及其数学变换形式进行分析，建立土壤水溶性盐分总量（y）与后向散射系数间的回归方程：

y=-2.294HV+1.925HV+0.509VV+（-0.535HH2-4.377HV2+3.54VH2+2.671VV2）/100-0.584。式中：y表示土壤全盐量，HH、HV、VH、VV分别为HH、HV、VH、VV极化方式的后向散射系数值。该回归方程的决定系数为R2=0.753，说明用此公式进行反演的可信程度高。反演值与实测值的关系如图2所示。

4.2 回归模型反演结果分析

利用Radarsat-2遥感影像对陕坝地区土壤全盐量进行反演，列举14个样本点反演结果（见表1）。由表1可知，大部分样点的误差和相对误差都比较小，说明利用统计模型反演含盐量的精度较高。

利用遥感反演模型将研究区域土壤含盐量现在直观的显示出来，通过ENVI决策树方法对影像进行分类，其结果见图3。

图3中绿色表示全盐量在0～0.3 g/kg，蓝色表示全盐量在0.3～0.6 g/kg，黄色表示全盐量在0.6～1.0 g/kg，红色表示表示全盐量在1.0～1.3 g/kg，黑色表示全盐量在1.3 g/kg以上的水域。图3左上角为山区，右侧中部为杭锦后旗陕坝镇。由图3可知，山区、居民地在图中以黄色、绿色为主，红色为辅；农田呈蓝色为主，夹杂着黄色、绿色纹理和少许片状红色斑块。

5 小结

1）通过对Radarsat-2四极化影像的分析，其Lee滤波的极化组合适合对土壤的含盐量进行反演。

2）建立土壤含盐量与雷达后向散射系数的统计模型，利用决策树分类将反演得到的含盐量进行分类，发现研究区域土壤含盐量大部分为0.3～0.6 g/kg，与实测的80个数据中0.3～0.6 g/kg之间的66个（82.5%）相互印证。

参考文献：

[1] 刘秉旺，张茂盛，陈龙生，等.内蒙古河套灌区土壤盐渍化成因研究[J].西部资源，2013，3：172-173.

[2] ZHOU P， DING J L， WANG F， et al. Retrieval method of soil water content in vegetation covering areas based on multi-source remote sensing data[J]. Journal of Remote Sensing，2010，14（5）：959-965.

[3] 黄宝华，郭福生，姜勇彪，等.广丰盆地遥感图像几何校正方法比较[J].水利科技与经济，2010，16（2）：227-234.

[4] 尤红建.合成孔径雷达图像精准处理[M].北京：科学出版社，2011.

[5] 王 超，张 红，陈 曦，等.全极化合成孔径雷达图像处理[M].北京：科学出版社，2008.

[6] 张成雯，唐家奎，于新菊，等.黄河三角洲土壤含盐量定量遥感反演[J].中国科学院研究生院学报，2013，30（2）：220-227.

[7] 王耿明，李 达，王忠忠，等.松辽平原盐碱土含盐量的遥感反演研究[J].水土保持研究，2009，16（3）：235-237.

[8] 依力亚斯江·努尔麦麦提，塔西浦拉提·特依拜，舒 宁，等.基于Radarsat和TM图像融合与土壤分类的土壤盐渍化信息遥感监测研究[J].测绘科学，2009，34（1）：56-59.

[9] 安永清，屈永华，高鸿永，等.内蒙古河套灌区土壤盐碱化遥感监测方法研究[J].遥感技术与应用，2008，23（3）：316-319.

[10] 熊文成，邵 云. 氯化钠盐土壤介电虚部特性的初步研究[J].遥感学报，2006，10（2）：280-282.

[11] BENDOR E， PATKIN K， BANIN A， et al. Mapping of several soil properties using DAIS-7915 hyperspectral scanner data A case study over soil in Israel[J].International Joumal of Remote Sensing，2002，23：1043-1062.

[12] 韦建波.RADARSAT-2数据再干旱区盐渍地信息提取中的应用[D]. 乌鲁木齐：新疆大学，2009.

3 雷达影像处理

通过ENVI软件的SARScape模块对原始SLC影像进行多视、滤波、地理编码和定标处理后，得到雷达后向散射系数影像。然后利用实地Google Earth影像，选取GCP对影像进行配准，最终得到一幅坐标与实地一致的、能反应实地后向散射系数的影像。

3.1 滤波

雷达影像与可见光遥感影像有所不同：由于采用相干微波源照射，所以各散射中心回波的相干叠加，造成合成矢量的振幅和相位都有一定的起伏，而且其幅度和相位与回波的方向有很大关系，其散射回来的总回波并不完全由地物目标的后向散射系数决定，而是围绕这些后向散射系数值有较大的随机起伏，使SAR对目标后向散射系数的测量产生很大偏差，在最终得到的图像中出现相干斑噪声[5]。ENVI的高级雷达处理模块，即SARScape模块，提供了多种滤波方法[6-12]。经过对处理后影像的对比，选择了Lee、Frost和Refined Lee 3种滤波方法得到的后向散射系数与实测含盐量做相关性做比较。经过反复的比较，最终得出Lee滤波最适合进行土壤含盐量反演的要求的结论。

3.2 影像配准

图像配准用于将图像纠正在某种地理编码的坐标系统中，使得它与某个参考影像具有相同的几何属性。图像配准包括地面控制点（GCP）的选取和几何纠正两个步骤。选取GCP的原则是应选取图像上易于分辨的特征点，如路的交叉点等；控制点应尽可能的均与分布在整幅图像上。本研究中在影像上比较均匀的选取了14个GCP点，其相对位置如图1所示（图中白色方块处）。几何纠正过程中，为了减少重采样带来的图像信息损失，没有对影像直接进行几何纠正，而是利用了ENVI影像配准中提供的predict功能在不进行重采样的情况下获得采样点的后向散射系数。通过保存这些点所在位置的ROI文件，可以方便地得到相同点其他极化方式的后向散射系数值。

4 表层土壤含盐量反演

4.1 建立多元线性回归方程

在80个采样点中，随机的选取了58个为建立回归方程所用，其余22个点用作验证。用SPSS 19.0软件进行相关分析和多元回归分析对含盐量与后向散射系数值及其数学变换形式进行分析，建立土壤水溶性盐分总量（y）与后向散射系数间的回归方程：

y=-2.294HV+1.925HV+0.509VV+（-0.535HH2-4.377HV2+3.54VH2+2.671VV2）/100-0.584。式中：y表示土壤全盐量，HH、HV、VH、VV分别为HH、HV、VH、VV极化方式的后向散射系数值。该回归方程的决定系数为R2=0.753，说明用此公式进行反演的可信程度高。反演值与实测值的关系如图2所示。

4.2 回归模型反演结果分析

利用Radarsat-2遥感影像对陕坝地区土壤全盐量进行反演，列举14个样本点反演结果（见表1）。由表1可知，大部分样点的误差和相对误差都比较小，说明利用统计模型反演含盐量的精度较高。

利用遥感反演模型将研究区域土壤含盐量现在直观的显示出来，通过ENVI决策树方法对影像进行分类，其结果见图3。

图3中绿色表示全盐量在0～0.3 g/kg，蓝色表示全盐量在0.3～0.6 g/kg，黄色表示全盐量在0.6～1.0 g/kg，红色表示表示全盐量在1.0～1.3 g/kg，黑色表示全盐量在1.3 g/kg以上的水域。图3左上角为山区，右侧中部为杭锦后旗陕坝镇。由图3可知，山区、居民地在图中以黄色、绿色为主，红色为辅；农田呈蓝色为主，夹杂着黄色、绿色纹理和少许片状红色斑块。

5 小结

1）通过对Radarsat-2四极化影像的分析，其Lee滤波的极化组合适合对土壤的含盐量进行反演。

2）建立土壤含盐量与雷达后向散射系数的统计模型，利用决策树分类将反演得到的含盐量进行分类，发现研究区域土壤含盐量大部分为0.3～0.6 g/kg，与实测的80个数据中0.3～0.6 g/kg之间的66个（82.5%）相互印证。

参考文献：

[1] 刘秉旺，张茂盛，陈龙生，等.内蒙古河套灌区土壤盐渍化成因研究[J].西部资源，2013，3：172-173.

[2] ZHOU P， DING J L， WANG F， et al. Retrieval method of soil water content in vegetation covering areas based on multi-source remote sensing data[J]. Journal of Remote Sensing，2010，14（5）：959-965.

[3] 黄宝华，郭福生，姜勇彪，等.广丰盆地遥感图像几何校正方法比较[J].水利科技与经济，2010，16（2）：227-234.

[4] 尤红建.合成孔径雷达图像精准处理[M].北京：科学出版社，2011.

[5] 王 超，张 红，陈 曦，等.全极化合成孔径雷达图像处理[M].北京：科学出版社，2008.

[6] 张成雯，唐家奎，于新菊，等.黄河三角洲土壤含盐量定量遥感反演[J].中国科学院研究生院学报，2013，30（2）：220-227.

[7] 王耿明，李 达，王忠忠，等.松辽平原盐碱土含盐量的遥感反演研究[J].水土保持研究，2009，16（3）：235-237.

[8] 依力亚斯江·努尔麦麦提，塔西浦拉提·特依拜，舒 宁，等.基于Radarsat和TM图像融合与土壤分类的土壤盐渍化信息遥感监测研究[J].测绘科学，2009，34（1）：56-59.

[9] 安永清，屈永华，高鸿永，等.内蒙古河套灌区土壤盐碱化遥感监测方法研究[J].遥感技术与应用，2008，23（3）：316-319.

[10] 熊文成，邵 云. 氯化钠盐土壤介电虚部特性的初步研究[J].遥感学报，2006，10（2）：280-282.

[11] BENDOR E， PATKIN K， BANIN A， et al. Mapping of several soil properties using DAIS-7915 hyperspectral scanner data A case study over soil in Israel[J].International Joumal of Remote Sensing，2002，23：1043-1062.

[12] 韦建波.RADARSAT-2数据再干旱区盐渍地信息提取中的应用[D]. 乌鲁木齐：新疆大学，2009.

3 雷达影像处理

通过ENVI软件的SARScape模块对原始SLC影像进行多视、滤波、地理编码和定标处理后，得到雷达后向散射系数影像。然后利用实地Google Earth影像，选取GCP对影像进行配准，最终得到一幅坐标与实地一致的、能反应实地后向散射系数的影像。

3.1 滤波

雷达影像与可见光遥感影像有所不同：由于采用相干微波源照射，所以各散射中心回波的相干叠加，造成合成矢量的振幅和相位都有一定的起伏，而且其幅度和相位与回波的方向有很大关系，其散射回来的总回波并不完全由地物目标的后向散射系数决定，而是围绕这些后向散射系数值有较大的随机起伏，使SAR对目标后向散射系数的测量产生很大偏差，在最终得到的图像中出现相干斑噪声[5]。ENVI的高级雷达处理模块，即SARScape模块，提供了多种滤波方法[6-12]。经过对处理后影像的对比，选择了Lee、Frost和Refined Lee 3种滤波方法得到的后向散射系数与实测含盐量做相关性做比较。经过反复的比较，最终得出Lee滤波最适合进行土壤含盐量反演的要求的结论。

3.2 影像配准

图像配准用于将图像纠正在某种地理编码的坐标系统中，使得它与某个参考影像具有相同的几何属性。图像配准包括地面控制点（GCP）的选取和几何纠正两个步骤。选取GCP的原则是应选取图像上易于分辨的特征点，如路的交叉点等；控制点应尽可能的均与分布在整幅图像上。本研究中在影像上比较均匀的选取了14个GCP点，其相对位置如图1所示（图中白色方块处）。几何纠正过程中，为了减少重采样带来的图像信息损失，没有对影像直接进行几何纠正，而是利用了ENVI影像配准中提供的predict功能在不进行重采样的情况下获得采样点的后向散射系数。通过保存这些点所在位置的ROI文件，可以方便地得到相同点其他极化方式的后向散射系数值。

4 表层土壤含盐量反演

4.1 建立多元线性回归方程

在80个采样点中，随机的选取了58个为建立回归方程所用，其余22个点用作验证。用SPSS 19.0软件进行相关分析和多元回归分析对含盐量与后向散射系数值及其数学变换形式进行分析，建立土壤水溶性盐分总量（y）与后向散射系数间的回归方程：

y=-2.294HV+1.925HV+0.509VV+（-0.535HH2-4.377HV2+3.54VH2+2.671VV2）/100-0.584。式中：y表示土壤全盐量，HH、HV、VH、VV分别为HH、HV、VH、VV极化方式的后向散射系数值。该回归方程的决定系数为R2=0.753，说明用此公式进行反演的可信程度高。反演值与实测值的关系如图2所示。

4.2 回归模型反演结果分析

利用Radarsat-2遥感影像对陕坝地区土壤全盐量进行反演，列举14个样本点反演结果（见表1）。由表1可知，大部分样点的误差和相对误差都比较小，说明利用统计模型反演含盐量的精度较高。

利用遥感反演模型将研究区域土壤含盐量现在直观的显示出来，通过ENVI决策树方法对影像进行分类，其结果见图3。

图3中绿色表示全盐量在0～0.3 g/kg，蓝色表示全盐量在0.3～0.6 g/kg，黄色表示全盐量在0.6～1.0 g/kg，红色表示表示全盐量在1.0～1.3 g/kg，黑色表示全盐量在1.3 g/kg以上的水域。图3左上角为山区，右侧中部为杭锦后旗陕坝镇。由图3可知，山区、居民地在图中以黄色、绿色为主，红色为辅；农田呈蓝色为主，夹杂着黄色、绿色纹理和少许片状红色斑块。

5 小结

1）通过对Radarsat-2四极化影像的分析，其Lee滤波的极化组合适合对土壤的含盐量进行反演。

2）建立土壤含盐量与雷达后向散射系数的统计模型，利用决策树分类将反演得到的含盐量进行分类，发现研究区域土壤含盐量大部分为0.3～0.6 g/kg，与实测的80个数据中0.3～0.6 g/kg之间的66个（82.5%）相互印证。

参考文献：

[1] 刘秉旺，张茂盛，陈龙生，等.内蒙古河套灌区土壤盐渍化成因研究[J].西部资源，2013，3：172-173.

[2] ZHOU P， DING J L， WANG F， et al. Retrieval method of soil water content in vegetation covering areas based on multi-source remote sensing data[J]. Journal of Remote Sensing，2010，14（5）：959-965.

[3] 黄宝华，郭福生，姜勇彪，等.广丰盆地遥感图像几何校正方法比较[J].水利科技与经济，2010，16（2）：227-234.

[4] 尤红建.合成孔径雷达图像精准处理[M].北京：科学出版社，2011.

[5] 王 超，张 红，陈 曦，等.全极化合成孔径雷达图像处理[M].北京：科学出版社，2008.

[6] 张成雯，唐家奎，于新菊，等.黄河三角洲土壤含盐量定量遥感反演[J].中国科学院研究生院学报，2013，30（2）：220-227.

[7] 王耿明，李 达，王忠忠，等.松辽平原盐碱土含盐量的遥感反演研究[J].水土保持研究，2009，16（3）：235-237.

[8] 依力亚斯江·努尔麦麦提，塔西浦拉提·特依拜，舒 宁，等.基于Radarsat和TM图像融合与土壤分类的土壤盐渍化信息遥感监测研究[J].测绘科学，2009，34（1）：56-59.

[9] 安永清，屈永华，高鸿永，等.内蒙古河套灌区土壤盐碱化遥感监测方法研究[J].遥感技术与应用，2008，23（3）：316-319.

[10] 熊文成，邵 云. 氯化钠盐土壤介电虚部特性的初步研究[J].遥感学报，2006，10（2）：280-282.

[11] BENDOR E， PATKIN K， BANIN A， et al. Mapping of several soil properties using DAIS-7915 hyperspectral scanner data A case study over soil in Israel[J].International Joumal of Remote Sensing，2002，23：1043-1062.

[12] 韦建波.RADARSAT-2数据再干旱区盐渍地信息提取中的应用[D]. 乌鲁木齐：新疆大学，2009.