基于Sentinel-1A雷达影像阳澄湖凤眼莲遥感动态提取分析

2022-10-11张金龙张乃祥

北京测绘 2022年9期

田晨张金龙张乃祥王彬

(1. 苏州市水利水务信息调度指挥中心, 江苏苏州 215011 2. 苏州中科蓝迪软件技术有限公司, 江苏苏州 215163)

0 引言

凤眼莲属雨久花科凤眼蓝属浮水草本植物,原产于南美洲,是世界上最具有侵入性的杂草物种之一,对亚热带地区的生态和经济造成了重大影响[1]。由于我国南方具备良好的水热条件,且缺少凤眼莲天敌,导致凤眼莲在我国多个湖泊中大量泛滥[2]。针对凤眼莲进行大规模动态监测,对于制定有效的防治凤眼莲传播以及环境治理策略具有重要的意义。

遥感技术的出现为我们监测凤眼莲提供了便捷手段。目前国内外学者基于光学遥感数据开展了许多水生植被与凤眼莲监测研究,但光学遥感受云层和气象条件干扰较为严重,存在着许多局限与不足。合成孔径雷达(synthetic aperture radar,SAR)是一种主动式对地观测系统,随着合成孔径雷达的发展,因其拥有毫米级以上的波长,可以穿透云雾,不受水汽、云层的干扰,具有全天时、穿透云层的优点,可以弥补光学遥感影像监测的不足[3],且雷达回波信号对水生植被具有较高的敏感性,能够较好地进行水生植被反演[4]。

国外对与雷达数据研究起步较早,Morgan Simpson等[5]基于哨兵一号卫星数据对印度库塔纳德湖泊进行凤眼莲信息提取,结果表明,基于凤眼莲的后向散射系数特征进行凤眼莲提取具有较好的结果。Vahid Akbari等[6]开展了基于机器学习的哨兵1号(Sentinel-1)凤眼莲提取算法研究,提取结果也具有较高的精度。由此可见,基于雷达数据进行凤眼莲识别提取具有一定的优势与意义。国内学者对于雷达数据研究起步较晚,研究领域主要覆盖林业[7]、水体[8]、海冰[9]、洪涝[10]等,对于凤眼莲识别研究较少。朱凤敏等[11]利用哨兵一号数据,基于农作物的后向散射系数,进行作物识别分类研究,胥为等[12]基于哨兵一号数据开展了崇明东滩芦苇植被识别提取,所得的识别结果精度整体较高。

哨兵一号A星于2014年4月3号发射成功,属于欧洲空间局(European Space Agency,ESA)哥白尼计划中的地球观测卫星[13]。本研究以江苏省阳澄湖区为研究区域,利用2021年12个时相的Sentinel-1A雷达数据,研究阳澄湖凤眼莲在一个完整年度内的不同极化模式下雷达后向散射强度变化特征,并以此为基础进行阳澄湖凤眼莲动态信息提取,探究Sentinel-1A卫星数据在阳澄湖区凤眼莲监测的应用前景。

1 研究区域

阳澄湖位于江苏省南部,地处北纬31°21′～31°30′,东经120°39′～120°51′之间,湖体水域面积约为118.93 km2。阳澄湖畔,东依上海,西临苏州,是江苏省重要淡水湖泊,也是苏州市饮用水源取水口之一[14]。近年来,凤眼莲在阳澄湖疯狂繁殖生长,严重影响湖体水质,凤眼莲治理工作刻不容缓。

2 研究数据

2.1 雷达数据简介

哨兵1号卫星是欧洲航天局哥白尼计划的对地观测卫星,哨兵一号观测任务是由两颗极地轨道卫星哨兵一号A星和哨兵一号B星组成,分别于2014年4月和2016年4月发射成功,两颗卫星均载有C波段合成孔径雷达。哨兵一号雷达采用四种极化方式,分别为垂直发射垂直接收(vertical transmit/vertical receive,VV)、垂直发射水平接收(vertical transmit/horizontal receive,VH)、水平发射垂直接收(horizontal transmit/vertical receive,HV)、水平发射水平接收(horizontal transmit/horizontal receive,HH),同时哨兵一号雷达还包括四种成像模式[13],见表1。

表1 Sentinel-1数据模式、产品、极化方式

哨兵1号各种成像模式应用场景各不相同。其中SM成像模式是一种标准的SAR条带图成像模式,适用于小岛,一般在紧急情况管理特殊事件时使用;IW成像模式是陆地主要采集模式;EWS成像模式主要用于沿海监测,包括海运监测,溢油监测和海冰监测;WV成像模式是一种哨兵一号在海上的操作模式。

本研究采用IW模式下的地距影像(ground range detected,GRDH)进行凤眼莲监测研究,该数据提供了VV+VH两种极化组合方式,空间分辨率为10 m。

2.2 雷达数据预处理

本研究利用欧空局提供的哨兵应用程序平台工具对哨兵一号数据进行预处理操作,具体预处理操作主要包括以下几个步骤[15]。

(1)轨道校正：原始数据的轨道位置一般不准确,因此需要利用精确轨道数据进行精轨道校正。

(2)热噪声处理：热噪声是系统自带的噪声,特别是在交叉极化通道中,热噪声去除减少了子带纹理中的噪声效应,特别是可以将雷达场景中的后向散射信号正常化。

(3)辐射定标：是将后向散射能量转换为有单位的物理量,如后向散射系数。对于SAR数据而言,由于云层的穿透性,不需要进行大气校正,只需要进行热噪声处理即可。

(4)斑点滤波：相干斑是SAR影像常见的噪声现象,通过减少散斑来提高图像质量的方法,本研究选用Refined Lee滤波器,能有效消除图像中的斑点滤波。

(5)地形校正：由于地形起伏和SAR数据侧视成像的特点,SAR图像出现透视收缩、倒置、叠掩等现象,对地形引起的几何畸变进行校正,并使用数字高程模型数据来校正每个像素的位置。

(6)分贝化处理,使用对数变换将无单位的后向散射系数转换为分贝值dB。

2.3 实地调查数据

在卫星过境前后的时间对阳澄湖凤眼莲生长情况进行实地调查工作,调查结果用于遥感反演的精度验证。实地调查方法采用人工目视判别,到达调查点位后记录该点位是否有凤眼莲生长。调查日期为2021年8月26日、2021年10月13日、2021年11月25日。

3 研究方法

3.1 后向散射强度时序特征

平滑的水面对于电磁波发生镜面散射,因此具有低后向散射值的特征,在雷达影像上通常表现为暗像元。凤眼莲作为一种漂浮在水面上的水生植被,相对于开阔水域,凤眼莲的后向散射强度普遍高于开阔水面,因此后向散射特征是最基本的判定。但SAR图像固有的斑点噪声以及波浪,使得水体表面出现一定程度的明暗变化;而陆地效应和凤眼莲都有较强的多重散射效应,会对凤眼莲识别造成干扰,本文在进行凤眼莲识别之前,进行阳澄湖研究区域范围的养殖围网和陆地掩膜,将陆地与围网排除在外。

清洁水体与生长凤眼莲的水体在雷达影像上表现出不同的后向散射强度特征,绘制两种情况的后向散射强度频率直方图进行对比(图1),发现清洁水体后向散射强度偏低,而生长凤眼莲的水体后向散射强度整体偏高。这是由于凤眼莲增大了水面粗糙程度,从而导致了生长有凤眼莲的水域频率直方图后向散射强度要远大于纯净水面,因此用这一特征能够较好地分辨阳澄湖内的清洁水体和凤眼莲。

图1 不同情况后向散射系数频率直方图

凤眼莲在不同的生长周期内表现出植物叶片形态不同,因此在整个凤眼莲生长周期内,雷达回波信号的强度也各不相同。凤眼莲适应能力强,具有一定的耐寒性,在南方水域可以安全过冬,在排除人为干扰的情况下,阳澄湖全年各月份均可以在湖区范围中监测到凤眼莲。本研究挑选了2021年12期影像,拍摄日期分别为2021年1月18日、2021年2月5日、2021年3月31日、2021年4月24日、2021年5月24日、2021年6月23日、2021年7月17日、2021年8月10日、2021年9月3日、2021年10月22日、2021年11月2日、2021年12月20日。本文利用多景Sentinel-1A雷达影像,选取凤眼莲感兴趣区,研究其生长周期内后向散射强度变化特征,进行统计分析,结果如图2所示。相较于VH极化方式,VV极化方式下的雷达散射强度整体更高,对于VV极化方式,凤眼莲后向散射强度的峰值出现在3月,其值为-10 dB,最低值出现在7月,其值为-15.1 dB;对于VH极化方式,其后向散射强度峰值出现在1月,其值为-13 dB,最低值同样出现在7月,其值为-19.0 dB。

图2 凤眼莲后向散射强度时相变化

3.2 不同极化模式识别结果

不同的极化方式对地物的勘测能力不同,得到的后向散射情况也不一样,通过图3同一影像下的不同极化模式图可以看到,与VH影像相比,VV极化方式下的图像水面上表现出更多的细节,但影像上的斑点以及噪声等特征相对来说更为明显。

(a)VH极化

为了探究对比VV、VH两种极化方式下凤眼莲的提取结果,根据上一节中得到的凤眼莲后向散射强度变化结果,作为凤眼莲提取的依据。本研究基于阈值的分割方法,通过测定不同月份的不同后向散射强度进行凤眼莲监测提取,得到阳澄湖凤眼莲提取结果,结果如图4所示,可以看到,两种极化模式下的凤眼莲分布范围大体趋于一致,但VV极化模式下的提取结果,存在明显的由于斑点噪声造成的凤眼莲误判。