基于TerraSAR—X數據在高原山區煙草識別方法的對比研究

胡九超+周忠發

摘要：農作物的識別是農情監測的基礎，能為農業和政策制定提供重要的參考數據。在多云多雨地區使用合成孔徑雷達（SAR）對農作物進行識別和監測有較大的優勢。分別采用單時相和多時相的TerraSAR-X數據應用于貴州高原山區煙草的識別，選擇貴州省清鎮市流長鄉煙草示范基地為研究區，在煙草生長期內，獲取了TerraSAR-X數據，通過對圖像進行預處理并分析典型地物的后向散射系數，建立地物訓練場，采用最大似然法進行分類，同時利用GPS采集的樣方數據對2種方法下的煙草識別進行精度驗證。結果顯示，多時相多極化TerraSAR-X的識別精度（82.23%）比單時相雙極化的（80.52%）略高，表明多時相的TerraSAR-X數據在高原山區的煙草識別應用中更具優勢。

關鍵詞：高原山區;合成孔徑雷達;單時相;多時相;TerraSAR-X;煙草

中圖分類號： S127 文獻標志碼： A

文章編號：1002-1302（2015）04-0357-03

收稿日期：2014-05-07

基金項目：貴州省科技計劃 （編號：黔科合GY字〔2013〕3062）。

作者簡介：胡九超（1987—），男，江西九江人，碩士研究生，研究方向為地理信息系統與遙感。E-mail：diewucanghai0523@163.com。

通信作者：周忠發，教授，博士生導師，主要從事地理信息系統與遙感研究。E-mail：fa6897@163.com。

貴州是我國煙草種植的第二大省，煙草是貴州省重要的經濟作物，煙草的長勢監測、面積提取和產量估算，對貴州農業和經濟的發展具有重要的現實意義。由于喀斯特地區地表支離破碎、種植作物復雜以及貴州高原山區常年多云雨天氣，很難獲得高時間、高空間的多光譜數據，這給農作物的實時監測帶來了困難。而合成孔徑雷達（SAR）具有穿透云霧和土壤的能力，并且能夠全天時、全天候進行拍攝，彌補多光譜數據獲取不易的弊端，為貴州高原山區的農作物監測提供了數據支撐。

針對農作物的分類，le Toan等提出了利用多時相SAR影像的比值（或差值）或不同極化方式的影像比值（或差值），尋找合理的閾值對影像進行分類以提取水稻、城鎮、水體和其他地物的信息[1]。該方法巧妙簡單，而且分類精度一般在80%以上[2]。邵蕓等應用多種雷達數據對南方的水稻進行分類和監測取得了很好的效果[3]。大體來講，多數研究是針對平坦區域水稻而進行的，利用雷達遙感對高原山區農作物的研究相對缺乏。本研究以研究區內的煙草為研究對象，研究和探討在高原山區利用雷達遙感識別煙草的方法，并對方法進行比較分析，以期為高原山區農作物的遙感分類技術提供借鑒和參考。

1 研究區概況

貴州省清鎮市種植烤煙歷史悠久，是全國特色優質煙葉生產區之一。研究區位于貴州省清鎮市流長鄉，地處清鎮市西部，屬北亞熱帶季風濕潤氣候，四季分明，雨量充沛;土壤以黃沙壤、黃壤為主;pH值5.5～6.5，呈微酸性;有機質含量豐富，氣候條件和土壤條件均有利于烤煙生產[4]。研究區屬于國家現代煙草農業基地單元，位于，總面積為489 km2?；貑卧孛差愋蛷碗s多樣，其主產煙區流長苗族鄉和犁倭鄉為典型的喀斯特高原山地地貌，海拔在600～1 400 m之間，相對高差較大，以峰叢洼地、峰叢谷地為主，地下暗河和落水洞廣布，地表支離破碎，土地形狀不規則，多成零星散狀分布。

2 研究方法

2.1 數據獲取及處理

2007年6月15日TerraSAR-X雷達衛星在俄羅斯拜科努爾發射場發射升空，為貴州高原山區的煙草監測提供了新的數據源。TerraSAR雷達衛星工作在X波段（波長為3.2 cm），實現多極化方式（HH、HV、VH和VV）遙感，在煙草生長期獲取了兩景覆蓋研究區的TerraSAR-X數據。為了保證與衛星遙感數據的同步/準同步獲取，在獲取數據的當天進行了外業調查，對煙田、玉米地等典型農作物進行了定點定位及樣方的建立;同時記錄煙草的生長狀況。

為了對雷達影像進行分析和應用，需要對獲取的TerraSAR-X數據進行幾何校正、斑點噪聲去除、絕對輻射定標等預處理：（1）幾何校正。選擇23個地面控制點，用遙感影像處理軟件ERDAS IMAGINE 9.2完成影像的幾何校正，控制點主要選擇在道路交叉口，河流交匯處以及水庫堤壩上，且要分布均勻，誤差控制在1個像元左右。（2）斑點噪聲壓縮。斑點噪聲的存在會使影像的判讀解譯變得更加困難，甚至會影響地物有效信息的提取。濾波處理不但可以減少SAR斑點噪聲的影響，提高圖像的目視效果，更重要的是有助于提高對每個像元后向散射的估計精度。這將直接影響圖像的分類精度[5]。常見的濾波器有Lee、Enhanced Lee、Frost、Enhanced Frost、Gamma、Kuan、Local Sigma、Bit Error等，文章采用的是Frost濾波器，窗口大小為5×5。濾波后圖像降低了噪聲，變得更平滑。（3）絕對輻射定標。TerraSAR-X數據的定標公式為：

σ0dB=10lg（Ks|DN|2）+10lg（sinθloc）

（1）

式中，σ0dB表示后向散射系數;DN表示像元的灰度值;θloc表示當地的入射角，可以通過GIM文件換算獲得;Ks為絕對定標常數，在影像頭文件中可以查到。定標之后，影像像元值就是后向散射系數。（4）研究區提取。利用研究區邊界文件裁剪影像，獲得研究區區域。

2.2 煙草識別方法

提取信息的方法有多種，比值法和差值法應用較為廣泛。比值法可使影像中某些地物的均值拉開、方差縮小，便于將其分類;差值法可檢測不同波段間的圖像值的差別，根據波段間差值的不同，多用于區分不同的地物[6]。文章分別應用單時相多極化比值法和多時相多極化差值法2種方法，對研究區的煙草進行遙感識別分類。endprint

2.2.1 單時相多極化比值法 TerraSAR-X數據（2013年5月28日）經過上述預處理之后所得圖像的像元值即為后向散射系數。影像包含了2種極化方式——HH和VV影像，首先利用ENVI中的波段運算計算出兩者的比值和差值圖像，即HH/VV和HH-VV圖像;然后選取研究區典型地物的感興趣區域（ROI），利用感興趣區域裁剪不同圖像（HH、VV、HH/VV、HH-VV），得到典型地物在不同圖像上后向散射系數的平均值（表1）。

2.2.2 多時相多極化差值法 研究采用的TerraSAR-X交叉極化模式影像包含2種極化方式——HH極化和VV極化。與單極化影像相比，雙極化影像包含更豐富的地物信息。地

表1 典型地物在不同圖像上后向散射系數的平均值

典型地物 σ0HH

（dB） σ0VV

（dB） σ0HH/VV

（dB） σ0HH-VV

（dB）

煙草 -3.6 -12.1 0.40 9.07

玉米 -2.7 -11.5 0.30 9.04

水稻 -2.3 -12.2 0.26 9.31

有林地 -3.4 -13.7 0.42 10.83

居民點 -3.6 -10.98 0.37 8.45

物對不同極化的去極化能力及與雷達波之間的相互作用，反映了地物不同的介電特性、表面粗糙度、幾何形態和方向等屬性特征[7-9]。同樣，在不同時期（2013年5月28日、8月24日）獲取同一地區的圖像也能夠反映某些地物隨時間變化的信息，即使極化方式相同，但由于地物幾何形態的改變、介電特性的變化等，造成2個時間點上地物后向散射系數極大的差異。因此，利用這些變化信息來提取地物是可行的。

為了進一步說明地物后向散射系數的變化情況，分別計算了2個時相HH極化和VV極化后向散射系數的差值，簡稱同時相多極化差值，公式為：

Δσ00528=σ00528HH-σ00528VV;

（2）

Δσ00824=σ00824HH-σ00824VV。

（3）

和2個時相間HH極化和VV極化后向散射系數的差值，簡稱同極化多時相差值[6]，公式為：

Δσ0HH=σ00824HH-σ00528HH;

（4）

Δσ0VV=σ00824VV-σ00528VV。

（5）

從各差值圖中截取了研究區的部分區域，根據灰度圖的像元值大小用彩色表現出來（圖1）。

為了將差值圖上的像元信息變化與實際地物相對應，從野外采集的樣方數據中提取了5類典型地物后向散射系數差值（用平均值表示），如圖2所示。從圖2可以看出，水稻的后向散射系數差值平均值變化最大，玉米次之，煙草居中，居民點的變化最小。

在5月28日時相上，煙草的后向散射系數差值主要分布在8.11 dB左右，與圖1-A圖例中的第5等級顏色（淡藍色）相對應。根據煙草生長周期，在該時相上，煙草處在團棵期，煙苗較小且分布稀疏，同時大量干旱土壤裸露，部分區域還存在不同程度的石漠化現象。玉米同樣處于幼苗期， 土壤

背景和石漠化背景對玉米的后向散射系數影響很大，使得玉米、煙草和土壤的散射特性類似。盡管煙草和玉米葉子的大小不同以及土壤紋理和土壤濕度的不同會造成后向散射系數的差別，但在該時相上很難區分煙草、玉米和裸露土壤。

在8月24日時相上，煙草處于生長周期中的成熟期，煙葉面積增大，冠層覆蓋率較高，同時株高較高，使得煙草對HH極化和VV極化雷達波造成不同程度的衰減，但此時期天氣較干旱，土壤和煙草的含水量都較低，2種極化方式下的后向散射系數差值很小，在0.03 dB左右，和有林地、玉米的相差不大，與圖1-B圖例中的第4等級顏色（藍色）相對應。因此，該時相上的煙草、有林地和玉米易混淆。對于同極化多時相差值圖，從圖2可以看出，煙草的HH極化、VV極化多時相差值居中，其平均值約為-4.38、2.98 dB。在圖1-C中，煙草對應圖例中的第5等級顏色，而在圖1-D中反映為圖例中的第8等級顏色。通過圖1-B和圖1-D的對比可知，圖1-B中的煙草區域與圖1-D中反映煙草的區域吻合度較大。

3 結果與分析

3.1 煙草識別

提取信息的方法有多種，比值法和差值法應用較為廣泛。比值法可使影像中某些地物的均值拉開、方差縮小，便于將其分類;差值法可檢測不同波段間的圖像值的差別，根據波段間差值的不同，多用于區分不同的地物[6]。文章分別運用比值圖像（HH/VV）和差值圖像來豐富地物信息，便于煙草信息的提取。通過對不同地物在不同圖像上的后向散射系數的差異分析，了解不同地物的散射特性。

選擇監督分類算法中基于圖像統計的最大似然判別法[10]對組合好的圖像（圖1）進行分類。首先，選擇典型地物的訓練場，再根據訓練場計算各類地物的統計特征值，建立分類判別函數，然后逐點掃描圖像中的像元，求出其屬于各類的概率，再將待判別的像元歸入最大判別函數值的一組[11]。分類后，對結果進行Majority/Minority以及聚類（Clump）等分類后的處理。

3.2 精度驗證對比

利用上述2種方法進行分類后，研究利用在高分辨率航拍圖上采集的典型地物的樣方數據對分類結果進行驗證。樣方是由規則的矩形形成的，包括煙草、玉米、水稻等，將樣方數據（矢量文件）轉換成感興趣區域，用其來裁剪分類后的矢量數據，便于計算樣方中不同地物的面積。樣方中不同地類的統計結果見表2。精度驗證方法如下[12-13]，假設：樣方內實際上是煙田的，被分為煙田的記為;樣方內實際是煙田的，被分為非煙田的記為;樣方內實際是非煙田的，被分為非煙田的記為;樣方內實際是非煙田的，被分為煙田的記為，這里的 代表煙田，代表非煙田。那么，分類總精度可以表示為：endprint

（TT+OO）/（TT+TO+OO+OT）×100%;

（6）

煙草識別精度表示為：TT/（TT+TO）×100%。

（7）

根據上述公式可以計算出分類總精度和煙草識別精度（表3）。

表2 樣方數據中不同地類的統計結果

地類 面積

（hm2） 所占比例

（%）

煙草 11.337 32 29.35

玉米 15.282 61 39.57

水稻 1.178 43 3.05

有林地 6.880 95 17.81

居民點 3.945 85 10.22

表3 研究區煙草識別精度對比

樣方 單時相多極化

比值法 多時相多極化

差值法

TT 10.528 12 11.056 29

TO 2.547 36 2.388 95

OO 21.432 62 21.219 19

OT 4.117 06 3.960 73

分類總精度 82.75% 83.56%

煙草識別精度 80.52% 82.23%

4 結論與討論

通過對研究區煙草遙感分類識別方法的對比研究發現，在貴州高原山區利用單時相多極化和多時相多極化的TerraSAR-X數據進行煙草的識別都是可行的，但利用多時相多極化數據進行識別的精度稍高，這為提高煙草識別精度提供了思考的方向。單時相的數據雖然能夠完成煙草的識別任務，但多時相數據能夠提供更豐富的地物信息，更有利于地物的識別。為了進一步提高高原山區煙草的識別精度，多源數據、多時相數據以及多種分類方法相結合是今后研究和探討的重點。

參考文獻：

[1]le Toan T，Laur H，Mougin E，et al. Multi-temporal and dual polarisation observation of agricultural vegetation covers by X-band SAR images[J]. IEEE Transactions of Geoscience and Remote Sensing，1989，27（6）：709-718.

[2]Ribbes F，le Toan T. Rice field mapping and monitoring with RADARSAT data[J]. International Journal of Remote Sensing，1999，20（4）：745-765.

[3]Shao Y，Fan X T，Liu H，et al. Rice monitoring and production estimation using multi-temporal RADARSAT[J]. Remote Sensing of Environment，2001，76：310-325.

[4]賈龍浩，周忠發，李 波.SAR在喀斯特山區煙草生長監測中的應用探討[C]//單 杰，張繼賢. 第十八屆中國遙感大會論文集. 北京：科學出版社，2012：867-871.

[5]譚炳香，李增元，李秉柏，等. 單時相雙極化ENVISAT ASAR數據

水稻識別[J]. 農業工程學報，2006，22（12）：121-127，封4.

[6]比值圖像[EB/OL]. [2014-05-07]. http：//baike.so.com/doc/575054.html.

[7]邵 蕓. 水稻時域散射特征分析及其應用研究[D]. 北京：中國科學院，2000.

[8]邵 蕓，郭華東，范湘濤，等. 水稻時域散射特征分析及其應用研究[J]. 遙感學報，2001，5（5）：340-345.

[9]邵 蕓，廖靜娟，范湘濤，等. 水稻時域后向散射特性分析：雷達衛星觀測與模型模擬結果對比[J]. 遙感學報，2002，6（6）：440-450.

[10]趙春霞，錢樂祥.遙感影像監督分類與非監督分類的比較[J]. 河南大學學報：自然科學版，2004，34（3）：90-93.

[11]楊沈斌，李秉柏，申雙和，等. 基于多時相多極化差值圖的稻田識別研究[J]. 遙感學報，2008，12（4）：613-619.

[12]楊沈斌，申雙和，張萍萍，等. ENVISAT ASAR數據用于大區域稻田識別研究[J]. 南京氣象學院學報，2007，30（3）：365-370.

[13]張云柏.ASAR影像應用于水稻識別和面積測算研究——以江蘇寶應縣為例[D]. 南京：南京農業大學，2004.endprint