针对TM和SAR数据联合提取地物的覆盖度模型

黄 琼

(成都理工大学 四川 成都 610059)

地物覆盖度在地质灾害的监测和预报起着至关重要的作用，特别是在雪线的演变，优化水力发电生产，减轻滑坡风险，检测地表沉降等方面。随着卫星遥感领域的不断发展,合成孔径雷达理论技术也不断的完善[1]。合成孔径雷达因为能够补充光学系统的信息，穿透云层，有能力在白天和黑夜提供各种天气条件下的业务服务，因此在各个研究区域也应用广泛。前人利用SAR数据实现了大区域范围的滑坡的识别与变形监测和大空间尺度的地面沉降监测。本工作的重点是利用干涉技术(InSAR)和TM影像联合建立地物提取的模型。

一、SAR工作原理

SAR是一种全天候、全天时的现代高分辨率微波成像雷达[2]。由于先进的数字信号处理算法的发展，使SAR处理信号的能力越来越便捷高效，具备全天候、全天时工作和实时的工作能力[3]。它在不同频段、不同极化下都可得到目标的高分辨率雷达图像。合成孔径雷达所接收的回波中,包含了可提取地球表面的高精度的三维信息的相位信息，可以得到某一地区精确的三维位置。 按照一定的几何关系可以得到目标区域的地形高度，从而监测地面的高度变化[4]。综合前人的研究来看，SAR 图像有以下的特点：更强的穿透力，对方位角分类更细致；极化方式简单易操作；高质量的地球地表模型。

二、地质灾害信息提取

一般自然灾害可以总结为内外因素相互作用产生变形及蠕动[5]，进而形成地质灾害,最后会以某种形式达到地球生态系统的平衡。地质灾害运动具有时空不确定性，难以实时观测，并且地质灾害是一个非线性的复杂运动，普通的简单模型难以达到预测效果。如果我们能结合遥感数据，反演灾害过程不易观测的信息[6]，就能定性与定量监测，达到提高灾害监测效率以及预报预警时空精度的目的。同时,新的科学技术发展也为相应的研究提出了新的研究内容和研究方法[7]。

三、样本数据处理

(1)数据下载与处理。下载哨兵数据分别为2017年4月13日和2017年4月18日的数据，对原始数据进行辐射校正、斑点滤波和地形校正等基础步骤进行处理[7]。另外下载同时间landsat8数据，覆盖研究区域及周边。我们处理的基本流程是波段合并、添加头文件信息、辐射定标、裁剪目标区域、大气校正。结果显示重投影后两景图像的重合度较高，如图所示。

图1 两幅影像重合度

(2)SAR和TM线性回归处理。对SAR和TM影像进行线性回归处理，使图像快速恢复场景。根据相关系数最高的将LANDSAT波段7，5，2分别匹配哨兵数据VH-DB，VV-DB，VH。根据偏相关系数以及颜色识别等数据，利用函数实现对应波段间的系数和常数，重要程序显示如下图2，结果显示三个波段的匹配误差分别为0.0010907359、1.3715259e-005、1.1972773e-005，误差都比较小。

图2 线性回归程序

把提取的数据一共分为5类其中包括积雪，河流，裸岩，植被和其他；其中TM影像分类结果为积雪占比15.003%，河流占比3.585%，裸岩占比35.461%，植被占比41.113%，其他占比2.759%，哨兵数据影像分类后积雪占比19.279%，河流占比3.219%，裸岩占比39.720%，植被占比37.146%，其他占比0.638%。微波数据的分辨率较高，也不会受到云的干扰，所以利用哨兵数据做基础数据，TM数据做辅助提取出来的地物准确度会高一点，对精确提取目标地区地物覆盖度提供了帮助。

四、总结

为了提高雷达数据的精度和准确，本文中下载了两组SAR数据和一组TM影像，对数据进行处理后发现结合两者数据能够大大的提高对图像的精确度，达到更接近现实的数据，如图3，就能为反演自然灾害带来便捷。针对地质水文、积雪覆盖、地形地貌、高山植被等可能导致地质灾害的因素，如果可以提前预警和关注重点区域的地质变化，就能减少对灾害发生后带来的重大的财产损失。