張婷 張杰 劉眉潔 張晰

（1國家海洋局第一海洋研究所，山東青島266061；2青島大學，山東青島266071）

0 引言

地球上海冰的全年覆蓋面積約占海洋面積的7%，地球總冰蓋面積的67%，主要分布在兩極地區(qū)。極地地區(qū)的海冰對全球氣候、海表物理特性和大洋環(huán)流等地球物理過程都有明顯的影響和作用，是全球氣候系統(tǒng)的重要組成部分。因此，海冰得到越來越廣泛的研究。

早期對海冰的探測主要依靠人工的統(tǒng)計記錄來分析海冰變化，這類方法不但觀測范圍小，而且耗費大量的人力、物力和財力。合成孔徑雷達（Synthetic Aperture Radar，SAR）是微波遙感中的一種常用傳感器，可獲取高區(qū)分率的影像，與傳統(tǒng)的地面探測方式相比，SAR監(jiān)測能高效率地獲取大范圍的海冰信息，不僅能以圖像形式直觀反映雷達觀測到的海冰表面粗糙度和豐富的紋理信息，還能提供海冰微觀物理結構信息等。近年來，大量全極化SAR投入應用，能夠提供更多的海冰極化信息，為海冰要素的監(jiān)測和反演提供更多有用信息。

Nghiem等［1］對北極海冰測繪中的C波段、多極化后向散射信號進行了大量研究，研究成果表明，在微風大入射角時水平后向散射特性能更好地區(qū)分一年冰和開闊海面；而在強風及較大的入射角范圍內時，垂直后向散射特性能更好地對海冰類型和開闊水面進行區(qū)分。Scheuchl等［2］討論了星載C波段極化SAR數(shù)據(jù)在海冰探測和分類中的應用，指出三種極化特性HV強度、HH／VV極化比和各向異性可用于海冰邊緣的探測，并能很好地對海冰和開闊水面進行區(qū)分。Manore等［3］論述了多極化SAR數(shù)據(jù)在海冰監(jiān)測中的應用，指出多極化可以提高小角度入射時的冰／水識別能力，但遙感器的系統(tǒng)噪聲可能會對冰類型的識別產(chǎn)生影響。Wakabayashi等［4］進行了極化干涉雷達在海冰調查中的應用研究，研究結果表明極化的一致性及相位差以及各向異性都可以用于探測海冰和開闊水面。Geldsetzer等［5］利用RADARSAT-2多極化SAR數(shù)據(jù)，分析了不同極化對海冰類型的識別能力，指出多極化組合可大大提高海冰類型的識別精度；Sanden等［6］分析了C波段SAR（RADARSAT-2）和L波段SAR（ALOS PALSAR）對海冰類型的識別能力，指出L波段SAR能觀測到更多的海冰形變信息。Eriksson等人［7］指出L波段在區(qū)分冰水時可用的極化參數(shù)比C波段多，如VV后向散射系數(shù)，HH和VV的相關系數(shù)等。Dierking等人［8］指出在海冰邊緣處L波段對冰水的區(qū)分能力要優(yōu)于C波段。Arkett等人［9］指出L波段與C波段相比，在海冰探測中具有一些明顯優(yōu)勢，L波段在表面起伏明顯、含水量較高的海冰區(qū)域具有較好的探測能力，是C波段SAR的有益補充，兩者結合對提高海冰監(jiān)測能力具有積極意義。

本文利用6景南極區(qū)域的全極化SIR-C數(shù)據(jù)，選取了海冰探測中常用的13種極化散射特性，分別分析了L波段和C波段的各種極化散射特性下海冰與海水的區(qū)分度，為海冰探測的研究提供了有用的參考。

1 數(shù)據(jù)介紹

航天飛機成像雷達3號及X波段合成孔徑雷達（SIR-C／X-SAR）是一項大型國際空間雷達對地觀測計劃，其硬件系統(tǒng)由美國宇航局、德國空間局及意大利空間局聯(lián)合研制［10-11］。1994年4月SIR-C／XSAR第一次升空進行了為期10天的對地探測，同年10月再次升空進行了10天的對地探測。同其他單波段單極化雷達系統(tǒng)相比，SIR-C有著明顯的技術特點：它是運行在地球軌道高度的第一個多波段多極化同時成像且具有干涉測量能力的雷達系統(tǒng)；SIR-C有L、C兩個波段，有HH、HV、VH、VV四個極化組合；同時SIR-C可提供4種極化回波的相位差數(shù)據(jù)，據(jù)此可求出每一象元的全散射矩陣，獲得全極化信息。SIR-C發(fā)展并采用了干涉雷達成像技術、掃描雷達成像技術、定標技術及SAR數(shù)據(jù)實時處理技術［12］。

本文使用的是南極區(qū)域的SIR-C全極化影像圖，研究區(qū)域及影像位置見圖1。根據(jù)冰水面積相當且影像質量較高的原則，選取了3景L波段影像（圖2）及對應的3景C波段影像，共6景影像，影像基本信息見表1。

圖1 研究區(qū)域圖Fig.1.Research area

圖2 L波段SIR-C影像圖Fig.2.L-band SIR-C images

表1 選取的6景SIR-C影像的基本信息Table 1.Basic information of 6 selected SIR-C images

2 極化特征介紹

SAR探測海冰時常用的13種主要特征參數(shù)如表2所示。

表2 所用的極化特征參數(shù)Table 2.Sea ice polarization parameters in six groups

海冰SAR極化比是海冰SAR后向散射系數(shù)的比值，是反映海冰SAR去極化特性的重要參量之一。極化相關系數(shù)也是描述海冰極化特性的重要參數(shù)，可以反映不同海冰極化后向散射系數(shù)之間的相關性，也是重要的海冰SAR去極化特征參數(shù)之一。H-A-α分解是為了處理全極化數(shù)據(jù)發(fā)展起來的特征矩陣分解方法。

3 數(shù)據(jù)處理與分析

3.1 數(shù)據(jù)處理

SAR發(fā)射的單頻電磁波由分布式地物散射，導致不同散射元的回波存在波程差，因而回波相干疊加產(chǎn)生相干斑［14］，使極化SAR圖像解譯困難，直接影響到目標檢測、分類和識別等［15］。抑制相干斑噪聲的常用算法有：Lee濾波算法、增強Lee濾波算法、Kuan濾波算法、增強Kuan濾波算法等［16］。本文利用了增強極化Lee濾波算法去除SAR圖像的相干斑噪聲［17］，圖3是濾波前后的影像圖。

圖3 濾波前后的SIR-C影像Fig.3.SIR-C image before and after filtering

從6景影像中分別選取海冰和海水的樣本，以分析海冰和海水的極化特征差異。利用目視解譯方法，進行海冰、海水樣本的選擇。以PR53003影像為例，示意如圖4。

為了確保樣本的準確性、盡可能地避免誤判，選擇海冰特征最為明顯的像元作為海冰樣本，選擇清晰、均勻的海水像元作為海水樣本。同時，盡可能選擇空間上分散、來自不同區(qū)域的像元，以使結果更具代表性。所使用的6景SIR-C影像中，每景影像均選取海冰、海水各20個樣本區(qū)域，每個樣本區(qū)域均包含100個像元。

3.2 極化特征計算與分析

分別計算了L波段和C波段下海冰和海水各60個樣本區(qū)域的各種特征參數(shù)，計算了海冰和海水的各種特征參數(shù)的平均值（表3），并做出特征圖（圖5—圖17），統(tǒng)計分析各種特征參數(shù)對海冰與海水的區(qū)分能力。

圖4 PR53003影像及選取的海冰、海水樣本（海域中綠色框內為選取的海冰樣本，紅色框內為所選取的海水樣本）Fig.4.PR53003 Image and selected samples of sea ice（green box）and seawater（red box）

表3 海冰和海水的各種特征參數(shù)的平均值Table 3.The average characteristic parameters of sea ice and seawater

圖5是L波段和C波段下海冰與海水的HH后向散射系數(shù)關系圖，其中σ表示后向散射系數(shù)（下同）?？梢钥闯?，在L波段海冰和海水大部分樣本點有明顯的區(qū)分，海冰的HH極化后向散射系數(shù)大于海水的HH極化后向散射系數(shù)，但是仍有兩者混在一起無法區(qū)分的樣本；在C波段海冰和海水有明顯的區(qū)分，海冰的后向散射系數(shù)基本＞－6 dB，而海水的后向散射系數(shù)＜－6 dB。

圖5 不同波段下海冰與海水的HH圖Fig.5.The HH figure of sea ice and seawater on different bands

圖6顯示，在L波段和C波段海冰和海水均有明顯的區(qū)分，L波段下海冰的HV極化后向散射系數(shù)基本＞－14 dB，而海水的HV極化后向散射系數(shù)＜－14 dB；C波段下海冰的HV極化后向散射系數(shù)基本＞－11 dB，而海水的HV極化后向散射系數(shù)＜－11 dB。

圖7顯示，在L波段海冰和海水的VV極化后向散射系數(shù)無明顯的區(qū)分；在C波段海冰和海水大部分樣本點可以區(qū)分，海冰的VV極化后向散射系數(shù)大于海水的VV極化后向散射系數(shù)，但是仍有兩者混在一起無法區(qū)分的樣本。

圖6 不同波段下海冰與海水的HV圖Fig.6.The HV figure of sea ice and seawater on different bands

圖7 不同波段下海冰與海水的VV圖Fig.7.The VV figure of sea ice and seawater on different bands

圖8顯示，在L波段和C波段海冰和海水均有明顯的區(qū)分，L波段下海冰的同極化比VV／HH＜1 dB，而海水的同極化比VV／HH＞1 dB；C波段下海冰的同極化比VV／HH基本＜0.6 dB，而海水的同極化比VV／HH＞0.6 dB。L波段下的海冰與海水區(qū)分能力更明顯。

圖8 不同波段下海冰與海水的VV／HH圖Fig.8.The VV／HH figure of sea ice and seawater on different bands

圖9顯示，在L波段海冰和海水大部分樣本點有明顯的區(qū)分，海冰的交叉極化比HV／HH大于海水的交叉極化比HV／HH，但是仍有兩者混在一起無法區(qū)分的樣本；在C波段海冰和海水的交叉極化比HV／HH無明顯的區(qū)分。

圖9 不同波段下海冰與海水的HV／HH圖Fig.9.The HV／HH figure of sea ice and seawater on different bands

圖10顯示，在L波段海冰和海水有明顯的區(qū)分，海冰的交叉極化比HV／VV＞－6 dB，而海水的交叉極化比HV／VV＜－6 dB；C波段下海冰和海水大部分樣本點有明顯的區(qū)分，海冰的交叉極化比HV／VV大于海水的交叉極化比HV／VV，但是仍有兩者混在一起無法區(qū)分的樣本。

圖10 不同波段下海冰與海水的HV／VV圖Fig.10.The HV／VV figure of sea ice and seawater on different bands

圖11顯示，在L波段和C波段海冰和海水均有明顯的區(qū)分，L波段下海冰的同極化相關系數(shù)ρHH-VV＜0.85，而海水的同極化相關系數(shù)ρHH-VV＞0.85；C波段下海冰的同極化相關系數(shù)ρHH-VV基本＜0.8，而海水的同極化相關系數(shù)ρHH-VV＞0.8。L波段下同極化相關系數(shù)ρHH-VV區(qū)分海冰與海水的能力更明顯。

圖12顯示，在L波段和C波段海冰和海水的交叉極化相關系數(shù)ρHH-HV均無明顯的區(qū)分。

圖13顯示，在L波段和C波段海冰和海水的交叉極化相關系數(shù)ρHV-VV均無明顯的區(qū)分。

圖11 不同波段下海冰與海水的ρHH-VV圖Fig.11.TheρHH-VV figure of sea ice and seawater on different bands

圖12 不同波段下海冰與海水的ρHH-HV圖Fig.12.TheρHH-HV figure of sea ice and seawater on different bands

圖13 不同波段下海冰與海水的ρHV-VV圖Fig.13.TheρHV-VV figure of sea ice and seawater on different bands

圖14顯示，在L波段和C波段海冰和海水均有明顯的區(qū)分，L波段下海冰的散射熵＞0.35，而海水的散射熵＜0.3；C波段下海冰的散射熵＞0.4，而海水的散射熵＜0.4。L波段下散射熵區(qū)分海冰與海水的能力更明顯。

圖15顯示，在L波段和C波段海冰和海水的反熵均無明顯的區(qū)分。

圖14 不同波段下海冰與海水的散射熵（Entropy，H）圖Fig.14.The Entropy figure of sea ice and seawater on different bands

圖15 不同波段下海冰與海水的反熵（Anisotropy，A）圖Fig.15.The Anisotropy figure of sea ice and seawater on different bands

圖16顯示，在L波段海冰和海水有明顯的區(qū)分，海冰的Alpha角＜53°，而海水的Alpha角＞52°；C波段下海冰的Alpha角基本小于海水的Alpha角，但仍有混在一起無法區(qū)分的樣本。

圖17顯示，在L波段和C波段海冰和海水的特征值λ均無明顯的區(qū)分。

3.3 不同極化特征海冰提取能力對比

借鑒模式識別領域兩類樣本區(qū)分所采用的“類間距”概念，利用如下的指標來評判不同算法的海冰信息提取能力差異：

其中μi、μw分別為海冰、海水樣本某一特征參數(shù)計算結果的均值分別為相應計算結果的方差。某一特征參數(shù)的D＿iw越大，則該特征參數(shù)對海冰和海水的區(qū)分能力越好；反之，則表明該特征參數(shù)對兩者的區(qū)分能力弱［18］。

針對本文選取的13種極化特征參數(shù)，將上述算法分別應用于所選擇的L波段和C波段影像的海冰、海水樣本，由相應樣本計算結果的均值和方差計算D＿iw，結果如圖18所示。

圖16 不同波段下海冰與海水的Alpha角（alpha，α）圖Fig.16.The Alpha figure of sea ice and seawater on different bands

圖17 不同波段下海冰與海水的特征值λ圖Fig.17.The Lambda figure of sea ice and seawater on different bands

圖18 L波段和C波段下13種極化特征參數(shù)提取海冰能力對比Fig.18.Comparison of sea ice extraction capability between 13 kinds of polarization characteristic parameters on L-band and C-band

從圖18中可以直觀地看出：L波段下區(qū)分海冰與海水的最佳參數(shù)是散射熵、交叉極化比HV／VV、同極化比VV／HH、同極化相關系數(shù)ρHH-VV、HV極化后向散射系數(shù)、Alpha角，其次是HH極化后向散射系數(shù)、交叉極化比HV／HH。C波段區(qū)分效果最好的參數(shù)是散射熵、同極化相關系數(shù)ρHH-VV、HV極化后向散射系數(shù)、同極化比VV／HH，其次是HH極化后向散射系數(shù)、交叉極化比HV／VV、Alpha角和VV極化后向散射系數(shù)。且總體來看，L波段區(qū)分海冰和海水的能力好于C波段。

4 結論

本文利用1994年10月的6景SIR-C影像，評估了L波段和C波段下13種主要的SAR極化特征參數(shù)區(qū)分海冰、海水信息的能力。結果表明：L波段下有6種參數(shù)能較好地區(qū)分海冰和海水，它們是：散射熵、交叉極化比HV／VV、同極化比VV／HH、同極化相關系數(shù)ρHH-VV、HV極化后向散射系數(shù)、Alpha角；另外，HH極化后向散射系數(shù)、交叉極化比HV／ HH具有一定的區(qū)分海冰和海水的能力；其余5種難以區(qū)分海冰和海水。C波段下有4種參數(shù)能較好地區(qū)分海冰和海水，它們是：散射熵、同極化相關系數(shù)ρHH-VV、HV極化后向散射系數(shù)、同極化比VV／HH；HH極化后向散射系數(shù)、交叉極化比HV／VV、Alpha角和VV極化后向散射系數(shù)這4種參數(shù)具有一定的區(qū)分海冰和海水的能力；其余5種難以區(qū)分海冰和海水。根據(jù)本文的分析，L波段區(qū)分海冰和海水的能力好于C波段，這為海冰探測的研究提供了有用的參考。本文中沒有涉及冰厚的變化對于本研究結果的影響，作者將在下一步的工作中考慮不同冰厚情況下的L波段與C波段冰水區(qū)分能力評價。

1 Yu Q Y，Moloney C，Williams FM.SAR Sea-ice Texture Classification using DiscreteWavelet Transform Based Methods／／2002 IEEE International Geoscience and Remote Sensing Symposium.Toronto，Ontario，Canada：IEEE，2002：3041—3043.

2 Scheuchl B，Caves R，Cumming I，et al.Automated sea ice classification using spaceborne polarimetric SAR data／／IEEE International Symposium Geoscience and Remote Sensing.Sydney，NSW：IEEE，2001：3117—3119.

3 Manore M J，F(xiàn)lett D G，De Abreu R A，etal.Multi-polarization SAR data for operational icemonitoring／／IEEE 2001 International Geoscience and Remote Sensing Symposium.Sydney，NSW：IEEE，2001：1246—1248.

4 Wakabayashi H，Matsuoka T，Nakamura K，et al.Polarimetric characteristics of sea ice in the sea of Okhotsk observed by airborne L-band SAR.IEEE Transactions on Geoscience and Remote Sensing，2004，42（11）：2412—2425.

5 Geldsetzer T，Van der Sanden JJ，Drouin H.Advanced SAR applications for Canada′s river and lake ice／／2011 IEEE International Geoscience and Remote Sensing Symposium（IGARSS）.Vancouver，BC：IEEE，2011：3168—3170.

6 Van der Sanden JJ，Drouin H.Satellite SARObservationsof River Ice Cover：A RADARSAT-2（C-band）and ALOSPALSAR（L-band）Comparison／／CGU HSCommittee on River Ice Processes and the Environment.Winnipeg Manitoba，2011：179—197.

7 Eriksson L，Drinkwater M，Holt B，et al.SIR-C polarimetric radar results from theWeddell Sea，Antarctica／／1998 IEEE International Geoscience and Remote Sensing Symposium Proceedings，Seattle，WA：IEEE，1998：2222—2224.

8 Dierking W，Busche T.Sea Ice Monitoring by L-Band SAR：An assessment based on literature and comparisons of JERS-1 and ERS-1 imagery.IEEE Transactions on Geoscience and Remote Sensing，2006，44（2）：957—970.

9 Arkett M，F(xiàn)lett D，De Abreu R，et al.Evaluating ALOS-PALSAR for icemonitoring-what can L-band do for the North American ice service？／／2008 IEEE International Geoscience and Remote Sensing Symposium.Boston，MA：IEEE，2008：188—191.

10 Stofen E R，Evans D L，Schmullius C，et al.Overview of Results of spaceborne imaging Radar-C，X-band synthetic aperture radar（SIR-C／XSAR）.IEEE Transactions on Geoscience and Remote Sensing，1995，33（4）：817—828.

11 郭華東.雷達對地觀測技術與作用.遙感技術與應用，1994，9（4）：58—60.

12 郭華東.航天多波段全極化干涉雷達的地物探測.遙感學報，1997，1（1）：32—39.

13 Lee JS，Pottier E.Polarimetric Radar Imaging：From Basics to Applications.Boca Raton：CRC Press，2009.

14 李瑩，鄭永果.一種改進的增強Lee濾波算法.計算機應用與軟件，2012，29（7）：243—245.

15 江勇，張曉玲，師君.極化SAR改進Lee濾波相干斑抑制研究.電子科技大學學報，2009，38（1）：5—8.

16 Kuan D T，Sawchuk A A，Strand TC，et al.Adaptive noise smoothing filter for imageswith signal-dependent noise.IEEE Transactions on Pattern Analysisand Machine Intelligence，1985，7（2）：165—177.

17 譚衡霖，邵蕓，范湘濤，等.全方向自適應動態(tài)窗口SAR斑點噪聲抑制算法.遙感學報，2002，6（6）：464—469.

18 Webb A R.統(tǒng)計模式識別（第二版）.王萍，楊培龍，羅穎聽譯.北京：電子工業(yè)出版社，2004.