微波遥感讲课演示文稿-12-6课件

微波遥感微波遥感MICROWAVE REMOTE SENSING PART VI 六、城市城市SAR的主要应用的主要应用 居民地检测 人口估算 城镇土地覆盖或利用的识别与制图 城镇土地利用的变化与城市化监测 城镇社会经济条件的分析 人类活动对环境的影响等居民地检测居民地检测人口估计和居民地类型识别的前提 检测居民地成像雷达特别适合建筑物特殊的几何形态、材料和水平与垂直结构(二面或三面角反射器)的分布产生强回波在雷达图像上特别突出城市和建筑物呈亮色回波2000年12月成像的都江堰地区的机载L-SAR图像武汉市1998年RADARSAT影像人口为1000以上的居民地在雷达图像上一般可以识别如在苏丹、突尼斯、德国、美国和英国很容易从SIR-A或S1R-B的L波段图像识别城市居民地在英格兰利用K波段图像 识别人口在7000以上的居民地的精度达到了80 几点说明：居民地的可识别性随着建筑的种类和功能而变化 建筑的材料影响可识别性 周围土地覆盖类型可引起与居民地特征的混淆 可能在一个地方有助于居民地的识别，而在另个一地方却造成混淆 较小的居民地或中等城市比大的容易检测和定界 波长、极化、视向、视角影响居民地图像特征 解译者的经验和对研究区的熟悉程度影响识别精度人口估计人口普查的精度在发达国家最好的 有25的误差在其他地区，甚至达到过77208的误差 人口普查与人口数据的发布之间较大的时间滞后 最好的情况，一年或更长的时间也是常事第一次利用遥感数据在利比里亚利用航片来统计居住单元的数量(1956年)棚屋数量乘以由地面调查得到的 每一居住单元的平均人口数量 得到对总人口数量的估计根据建筑区面积估算人口的理论基础描述土地面积与人口之间关系的异速增长模型(1965年)一块居民地的建筑区面积与人口数量的若干次方成比例最初用来从公布的人口数量来估算建筑区的面积这个关系很容易反过来用于从量测到的土地面积来提取人口数量建筑面积可以直接从图像上测得换算公式的系数和指数可以从已有的人口数据或 抽样调查中经验地获得美国19处城镇地区 利用K波段机载雷达图像做了测量(1969年)美国5个地区的SIR-A图像 相关系数为098有4个地区西班牙东部城镇的SIR-A图像人口大于20 000的城市，得到098的相关系数人口1 000到10000之间的城镇，得到089的相关系数城镇土地利用类型及变化制图美国几个城市的K波段多极化图像(1969)很多人文特征可以识别如工业区、购物中心、商业区、公共机构等可分植被妨碍了居民地的识别多数城镇土地覆盖类型的识别选择交叉极化图像比较合适比较X波段与L波段数据X波段图像比较合适多波段、多极化更为有利(Byran，1974，1975；Haack，1984)可以识别出6到8种城镇土地覆盖类型如工业区、商业区、娱乐区、居民区、水域、空地和一些公用与交通设施(Dowman and Morris，1982；Fasler，1980；Henderson，1985，1986)混淆存在于一些传统的土地覆盖类型之间如独户住宅与空地，工业区与商业区商业服务区、轻工业区与中等密度居民区七、雷达森林生态分析雷达森林生态分析森林对于全球碳循环、水循环以及能量平衡等极为重要1983年美国宇航局NASA统计表明全球33的土地为森林覆盖90的生物量来自于森林65的净原生产物(net primary production)来自森林随着全球人口的增加，森林资源不断地减少准确、实时地获取全球森林变化的有关信息尤其重要传统方法数据信息准确性极不稳定遥感的方法可满足这方面的需求例如，AVHRR数据在多云雨和雾的热带亚热带地区及高纬度地区可见光和红外遥感受到极大的限制微波遥感对云雾具有穿透能力 及全天时、全天候成像能力成为能获取各种森林的生物物理参数的有利工具可提高人们对全球气候、水循环和能量平衡等的认识雷达遥感在森林中的应用已有二十多年历史20世纪70年代初期开始利用单波段真实孔径雷达在北美和热带地区进行森林调查和制图研究80年代美国宇航局喷气推进实验室(NASAJPL)CV990980AIRSAR和加拿大遥感中心(CCRS)CV580SAR为代表多波段、多极化合成孔径雷达(SAR)系统在北美和欧洲开展大量试验借助于光学遥感的图像处理方法和解译方法开展森林类型识别、森林砍伐地与再生地评价、生物量和森林结构估测等多方面的研究在地面开展散射计测量工作开始进行森林微波后向散射特征的定量分析和模拟研究在森林雷达后向散射特征研究方面以电磁波理论和辐射传输理论为基础利用散射计测量数据、地面测量数据和各种SAR数据建立了各种类型的森林微波后向散射模型成功地预测了各种森林的雷达后向散射特征近年来，开始利用这些模型直接从SAR数据中提取森林的生物物理参数及生态参数利用雷达遥感进行森林类型识别、分类和制图研究表明X波段HH极化图像比HV图像更容易识别针叶林和落叶林HV图像雷达阴影有助于识别森林砍伐区图像纹理信息有助于森林覆盖类型的识别以高分辨率SAR数据为基础利用图像色调及纹理分析方法识别加拿大Albeta北部2040cm厚积雪覆盖下森林类型在这种条件下，落叶林雷达回波较强在C-VV图像上，可识别出各种落叶林类型尤其是硬木(Hardwood)类森林效果更好对于不同密度的森林多极化SAR图像就可以识别同极化数据比较适合于天然林的识别交叉极化数据则有助于人工林的识别树种的识别主要依赖于图像的色调与纹理的不同L-HH对于云杉树和松树的区分最为有利X-HH对针叶林和阔叶林的区分最为有利雷达生态研究另一个重要内容进行森林生物量的估测大量研究表明长波段雷达后向散射与地表森林的生物量显著相关在C、L和P波段，随着波长增加森林的雷达后向散射显著相关，生物量明显增加在P波段达到最高HH、HV极化比VV极化对生物量更为敏感通过数学回归方法可以估测森林的生物量如，Wu(1987)利用线性回归方法估测松树生物量Sade(1987)利用L波段多极化图像估测美国密西西比南部森林生物量、树冠结构和树种成分近年来许多研究结合森林后向散射模型进行多波段、多极化SAR数据的森林生物量估测与制图探讨森林的动态变化与全球气候和环境变化的关系应用举例 广东肇庆地区松树平均年龄为1015年树冠基本未郁闭利用不连续树冠模型模拟松树雷达后向散射特征与SIRC图像上提取的雷达后向散射特征进行对比探讨森林的雷达后向散射机制数据为1994年10月美国奋进号航天飞机SIRCL和C两个波段，HH，HV，VH和VV四种极化方式图像中心的入射角为28像元大小为12.5m 12.5m距离向和方位向的分辨率为25m像幅宽度24km地面数据森林参数、地表参数和介电常数森林参数野外实地测量和地方林业部门调查数据的综合树密度为地方林业部门的调查数据树枝密度和树叶密度根据摄影照片估测出在野外对树高、树冠宽度和高度、树干平均胸径、树枝、树叶的长度和直径实地测量利用测量数据分别对树高、树冠宽度和高度与树干平均胸径进行回归分析，求得回归方程地物的介电常数主要对面散射影响较大而对地物的体散射影响较小可以假设树干、树枝和树叶的介电常数相同测得在L和C波段的介电常数分别为(20.0 5.0)和(22.5 7.5)利用野外采集的地表土壤样品测得该区土壤的介电常数为(4.1 0.3)地表粗糙度用粗糙度仪在实地进行测量测得相关长度和均方根高度表示，分别为0.09m和0.01m在多波段、多极化SIR-C数据(L-HH、L-HV和C-HV)合成的彩色图上松树呈绿色SIR-C数据已经定标，可以提取松树的后向散射系数对于L和C波段，SIR-C数据的定标不确定性分别有2dB和32dB利用不连续树冠模型分别计算入射角为28时L和C波段HH、HV和VV极化的森林雷达后向散射系数sd*标准偏差，S1R-C图像提取的后向 散射系数值均为不少于50个像元点的平均值从表中可见：(1)模型能较好地预测L和C波段同极化的雷达后向散射特征模拟值和SAR图像上提取的值相比略有差异基本在定标的不确定范围内对于交叉极化，模型对C波段的预测比L波段好SIR-C图像提取的后向散射系数和模拟计算的后向散射系数(2)L波段同极化的后向散射系数均比C波段的大说明在L波段同极化下，松树的雷达回波均比C波段强(3)不论L波段还是C波段同极化的后向散射系数均比交叉极化的大HH的后向散射系数均比VV的大说明同极化的雷达回波比交叉极化的强HH的回波比VV强以下将利用后向散射模型来说明这些特征。根据不连续树冠森林微波后向散射模型松树的后向散射由四部分组成即地表散射、冠层体散射、冠层与地表相互作用散射和树干与地表双向作用散射通过模型计算各种散射作用对松树总后向散射的贡献从而分析和探讨散射作用机理模拟计算的C波段HH后向散射成分模拟计算的C波段HV后向散射成分模拟计算的C波段VV后向散射成分模拟计算的L波段HH后向散射成分模拟计算的L波段HV后向散射成分模拟计算的L波段VV后向散射成分对于C波段，松树雷达后向散射主要来自冠层体散射入射波能量基本不能达到树干层和地表后向散射强度基本上由冠层体散射的强度决定与树干和地表参数关系不大对于L波段，波长较长入射波能最大限度地穿透树冠层，到达树干和地表雷达的后向散射不仅来自于树干和地表的双向散射、冠层和地表的相互作用散射也部分来自于地表散射及冠层体散射L波段的雷达回波普遍比C波段强对于极化不论L波段还是C波段交叉极化雷达后向散射均主要来自冠层体散射交叉极化的后向散射强度常常比同极化的弱L-HV入射波能量穿过树冠层时不仅产生体散射且有一定程度的衰减因而L-HV的雷达回波甚至比C-HV弱C-HH随着入射角增大树冠与地表以及树干与地表的散射作用增加C-VV当入射角小于50，随着入射角增大也将增加树干与地表之间的双向作用散射故C波段HH和VV 极化的散射强度均比HV极化强而且HH比VV强。L-HH后向散射主要来自于树干与地表的双向散射随着入射角增大，双向散射的贡献越大L-VV地表散射、冠层体散射和树干与地表的双向作用散射共同决定总的后向散射强度其中地表散射随着入射角增大而减弱树干与地表的双向作用散射在35-45时达到最大冠层体散射则变化很少从而决定了L-VV的雷达回波强度比L-HH弱雷达森林生态应用分析雷达森林生态应用分析森林类型识别与分类利用遥感进行森林类型识别、分类和制图是森林监测的主要内容在该方面的应用已经取得了不少成功的经验广东肇庆地区针、阔叶林识别肇庆地处南方，为热带亚热带地区可见光和红外遥感在该地区很难获取数据通过进行全球雷达遥感项目在该地区获取了C、X波段HH、HV、VH和VV四种极化的雷达数据是在中国国土上首次获取多波段、多极化机载SAR数据覆盖面积达8000km2利用该数据开展了森林类型识别的研究首先对获取的SAR数据进行了天线模式校正消除图像在距离向上因成像方式而造成的照射不均匀然后利用该区1：5万地形图数字化得到的DEM对SAR图像进行几何校正以消除因地形 SAR图像产生的畸变最后对C、X波段HH、HV和VV极化的图像进行了彩色合成产生彩色合成图像并对图像进行了滤波与增强处理合成的彩色图像上森林特有的色调和纹理区别于其他地物(如 水体、农业用地、果园等)由于不同类型的森林具有不同的色调识别出松树和桉树两种森林类型松树为针叶树，其叶子为长条形桉树为阔叶树，其叶子大而密二者在图像上的亮度不尽相同表现为桉树的亮度比松树强在CX波段，森林的后向散射主要来自于冠层HV极化对森林类型的识别最为有利陕西宜川县三北防护林的识别与分类宜川县位于陕北黄土高原地区黄河于东侧南流平均海拔1300-1400m地表切割破碎千沟万壑的黄土丘陵地貌气候属暖温带，年降水较少为干旱半干旱地区该地区的森林为我国三北防护林的一部分主要分布于宜川县西部森林类型主要有阔叶林、针叶林和混交林阔叶林主要有山杨林和栎树林针叶林主要为油松混交林则主要为阔叶混交林和针阔混交林1994年4月，航天飞机成像雷达SIR-CX-SAR获取了该区多波段多极化雷达数据多波段、多极化成像雷达数据经过格式转换可形成8bit的单波段、单极化图像数据对图像数据进行几何配准产生多通道彩色合成图像然后对图像进行增强lee滤波消除雷达图像的斑点噪声利用PCI软件的图像分类器对原始图像数据进行了监督分类，产生分类结果图雷达图像上图像的色调是识别不同森林类型的有效工具通过计算机图像处理软件将多波段、多极化雷达数据配准、合成为彩色图像后不同的森林类型将会在图像上呈现不同的颜色从而可以在图像上直接区分出不同类型的森林利用L和C波段HH和HV极化及X波段VV极化的SIR-CX-SAR数据产生彩色合成图像在L-HH(红)、L-HV(绿)和C-HV(蓝)彩色合成图像上针叶林呈黄色，混交林为红白色，阔叶林为蓝色但在单波段单极化图像难以区分出这些森林类型单波段单极化雷达图像上三种森林类型的后向散射特征极为相近波长不同而极化相同时针叶林、阔叶林和混交林的雷达后向散射系数值变化不大 如L-HH和C-HH后向散射系数值变化在-3.56-5.75dB之间L-HV和C-HV变化在-5.847.96dB之间X-VV变化在-3.37-3.64dB之间波长主要反映雷达对森林树冠不同程度的穿透能力波长越长，穿透树冠的深度越大长波段(如P、L波段)雷达可以穿透整个树冠揭示出树冠下树枝、树干和地表的信息C和X波段则主要反映来自树冠的信息当波长相同极化不同时三种森林类型的后向散射系数都相差较大说明极化对区分不同的森林类型较为有效由于极化主要反映森林的表面形态和森林特征对树叶的形态具有较强的刻画能力故对森林类型的识别较为有效通过对多波段、多极化雷达数据的合成可以充分发挥波长和极化的不同作用使之能明显区别出不同的森林类型参照1：50万中国黄土高原地区森林图在多波段、多极化彩色合成图像上选取57个训练样区利用最大似然法对L和C波段HH和HV极化的雷达数据进行监督分类可以区分出针叶林、阔叶林、混交林、河道或冲沟以及雷达阴影得出分类结果的混淆矩阵三种森林类型分类的结果较为理想针叶林的分类效果最好，精度达797其次为混交林，精度为68阔叶林的精度则为602平均分类精度为7510全局精度为704可见，SIRCXSAR数据对于三北防护林的识别与分类较为成功海南乐东县热带森林的识别与分类乐东县位于海南西南部北纬182418 58 东经108 39 109 24 总面积43238万亩位于我国南部热带地区森林以热带山地雨林为主也有热带常绿季雨林，半落叶雨林及人工林利用1981年11月获取的SIR-A图像(平台高度258km，中心分辨率40m波长235cm，极化HH辐照宽度50km，入射角47)经C-4500转鼓扫描仪扫描放大成1：10万图像进行斑点滤波和分类线性拉伸处理结合外业调查，对图像进行了密度分割处理在SIB-A图像上区分林业用地与非农业用地，针叶林与阔叶林效果较好林业用地在图像上亮度较大天然或人工阔叶林为中等亮度经济林以橡胶林为主，也有小面积腰果林呈中等亮度分布常绿针叶林以栽植在湖岸滩地、路旁和居民点附近的木麻黄林为主在图像上亮度最大灌木及疏林地呈中等亮度斑块状分布，辨别较为困难在非林业用地中水体亮度最低，在图像上最暗，其次为农田利用密度分割法，可对SIR-A影像进行分类水体灰度范围为：0102农业用地：103-108；109115灌木疏林：116122阔叶林：123133；针叶林：134 225图像上针叶林的亮度值大于阔叶林与该区阔叶林主要分布在山区有关由于SIR-A的入射角(47)较大地形对雷达的回波影响较大使得朝向雷达波的回波较强而背坡较弱，从而使平均亮度仍较小针叶林为人工林，主要栽植在沙滩且密度大，高度高，从而使亮度增强森林蓄积量和生物量估测1)雷达后向散射与森林参数的相关性分析利用1993年11月CV-580SAR获取的CX波段HH和VV极化的GlobeSAR雷达数据在广州肇庆地区开展了这方面的研究GlobeSAR数据没有进行定标在对之进行天线模式校正和几何校正后直接提取与地面实测数据相对应的雷达后向散射强度(即灰度)来代替雷达后向散射系数提取的每个区域的雷达后向散射强度值为不少于200个像元点值的平均值地面实测的森林参数有基本面积，森林密度，树的平均高度和胸径对雷达后向散射的强度和森林参数进行相关分析树的平均高度和胸径与雷达后向散射强度相关性较高树的平均胸径和高度的增加C-HH、C-VV、X-HH和X-VV的散射强度增加说明随着树体积的增加，雷达后向散射也相应增强树的密度和基本面积与雷达的后向散射强度相关性极低说明树的密度虽然增加，但树的体积参数(如胸径、树高、树冠高)的变化极不规则的密度和基本面积不是影响雷达后向散射变化主要因素森林蓄积量估测利用广东肇庆试验区GlobeSAR数据对应地面调查点提取CX波段HH和VV极化后向散射值利用多元线性回归方法建立森林蓄积量与雷达后向散射强度之间的回归方程：其中y和x分别为森林蓄积量和后向散射强度值x l，x2，x3，x4对应C-HH、C-VV、CX-HH和X-VV、X-HH和X-VV的强度值a0，a1，a2，a3，a4为回归系数经计算a0=-106589，a1=-013 a2=-066，a3=120，a4=059通过该回归方程对试验区内面积约600km2的松树林进行了蓄积量估测为了检验估测的精度选取了四个子区进行估测值与实测值之间的误差分析用下式：得到子区1、2、3的误差分别为154，29和103与地面实测结果基本吻合，可以满足实际调查的需要子区4的误差为531，精度相对较低这与该子区地面有许多其他幼龄树有关幼龄树对雷达后向散射有一定影响但在地表实际估测蓄积量时没有将它们考虑进去导致用SAR数据估测的值比实际值高生物量估测地球表面生物量多少和分布对于全球碳循环极为重要地表活生物的数量和地下埋藏的死亡生物数量 构成了地球表面碳的储存两种生物量决定地表生物圈中碳向大气释放的数量及大气圈中与温室效应有关的CO2能被吸收和转化的数量这些动态过程，不仅与各种环境因素(如气温、湿度、营养)的变化有关也与各种自然和人为的干扰方式(如森林火灾、物种减灭、森林退化、大气沉淀)有关要准确获取某一地区或某种生态类型的生物量十分困难在地面测量生物量不仅耗时、耗力有时还受自然条件的限制而不能进行光学遥感方法进行生物量估测时生物量很低时，就开始出现饱和点，也显得极不稳定目前，雷达遥感方法已为生物量估测提供了最大保证研究表明，雷达的后向散射对生物量极为敏感单波段单极化雷达的后向散射对生物量的敏感性在生物量达到一定水平时就出现饱和生物量对雷达后向散射的依赖关系与雷达的波长有关波长越长，饱和点越高对于极化，一般HV极化对生物量最为敏感VV极化敏感性较差雷达后向散射不仅与森林的总生物量有关而且还与树的各种成分的生物量(如树枝生物量、树叶生物量、树干生物量)和树的物理结构参数(如树高，森林基本面积等)相关不同频率、不同极化的微波后向散射分别来自于树的不同部位因而可以利用多通道SAR数据对地表生物量估测生物量估测方法 目前估测生物量的方法主要有四种：简单雷达截面法Ranson法Dobson法Kasischke法 简单雷达截面法(Simple Radar Cross Section Method)又称单步法利用不同通道的雷达数据作为自变量总生物量作为变量建立多元线性回归方程估测总生物量该方法使用的多通道雷达数据为从雷达图像上提取的后向散射截面即后向散射系数Ranson法Ranson等于1994年提出又称极化比法使用低频率与高频率SAR数据之比(如L HVCHV)作为自变量总生物量作为变量进行线性回归从而估测生物量估测时，雷达后向散射系数采用后向散射模型模拟得到Dobson法又称三步法由Dobson等提出该方法首先利用多通道的SAR数据通过分步多元线性回归方程估测出树冠生物量、树高和基本面积然后利用地面实测数据建立起森林的同质异性方程通过已估测出的基本面积和树高估测树干的生物量从而从树干和树冠的生物量得出总生物量Kasischke法又称两步法由Kasischke等提出首先利用多通道雷达数据估测出总树枝生物量树的其余部分的生物量则通过它们与树枝生物量的同质异性方程来估测用这些方法对生物量进行估测时存在这样几条相关关系：树干生物量是树高和基本面积的函数树干生物量是树枝生物量的函数树冠生物量、树干生物量和总生物量是树枝生物量的函数应用举例1994年4月和10月航天飞机成像雷达SIR-CX-SAR两次飞过北卡罗林那中部的Duke森林试验区Harrell等利用两次获取的数据分别用四种方法估测了该区的生物量并对估测结果进行了对比两次飞行中正好位于雷达的辐射中心试验区内森林以loblolly松树为主，落叶树数量较少树龄在0-84年之间，地表生物量在044.5kgm2之间4月份，试验区土壤非常湿润，森林树冠水分充益10月份，土壤和冠层都非常干燥，但树叶极为茂盛使用L和C波段多极化的SIR-C数据选取50个试验点，并分为两组第一组27个试验点为训练数据用来建立与雷达后向散射有关的林分特征模型第二组23个试验点为校正数据用来检验训练数据产生的模型首先对训练数据库中各种林分结构特征参数与各通道的雷达后向散射系数进行相关分析L-HV与林分结构参数的相关系数最大其次为L-HVC-HV，二者的相关系数相差不多但是对于4月份和10月份，相关系数却相差较多可能与这两个月地表的土壤水分有关利用四种生物量估测方法分别建立了4月和10月的生物量估测的回归方程并分别对估测结果进行均方根误差(RMS)分析利用10月份数据估测生物量效果比4月份估测的效果好其中当生物量20kgm2时用多步法得到最低均方根误差为5.91kgm2对于总生物量，简单回归方法得到最低均方根误差为8.1kgm2无论是总生物量还是各种等级的生物量Hanson法估测的效果都比较差说明L-HVC-HV极化比不能很好地反映森林结构变化但是多步法有突出的优点可以提供各种林分结构的成分和生物量如平均树高、基本面积、树枝生物量、树冠生物量、树干生物量和树叶生物量在各种生物量估测中L-HV是最重要的参数根据总生物量与雷达后向散射的相关性估测生物量较高的森林时利用多通道雷达图像或多步骤方法估测的结果比单波段、单系统估测的结果精度高但估测方法的复杂性越高树种多的地区估测结果的不确定性大进行生物量估测时，必须对雷达图像进行地面定标并利用抽样方法对森林生物量的分布方式进行定量在进行生物量估测之前必须对地表森林覆盖类型进行分类对于森林生态应用极化雷达和多极化雷达极为重要的极化雷达具有相位相干的特点可以产生任意极化组合下的雷达数据多极化雷达虽然不具有相位相干的特点仅可以得到雷达的后向散射强度其系统设计和构成比极化雷达简单、花费少极化雷达主要用于森林分类和土壤水分监测对于森林生态应用中其他领域的研究尚需进一步加强与拓展