姬永杰 岳彩榮 張王菲（西南林業(yè)大學林學院，云南昆明650224）

?

SAR數(shù)據(jù)與光學數(shù)據(jù)融合在土地覆蓋分類中的應用研究

姬永杰 岳彩榮 張王菲
（西南林業(yè)大學林學院，云南昆明650224）

摘要：采用ALOS-1-PALSAR數(shù)據(jù)的強度信息、HV/ HH極化比值信息和HV＆HH相干系數(shù)與TM影像融合，以支持向量機（SVM）的方法對土地覆蓋進行分類，對比了TM影像、TM+SAR強度影像、TM+HV/ HH比值影像、TM+相干影像的分類結(jié)果。結(jié)果表明：分類精度由高到依次為TM+相干影像>TM+HV/ HH比值影像>TM+SAR強度影像>TM影像；采用SAR數(shù)據(jù)與光學數(shù)據(jù)融合，可以在不同程度上提高土地利用覆蓋分類的精度。

關鍵詞：土地覆蓋分類；SAR；TM；融合

土地覆蓋是隨著遙感技術發(fā)展而出現(xiàn)的一個新概念，具體是指根據(jù)土地的自然屬性將地球陸地表面分為不同的覆蓋類型，包括地表植被、水體、湖泊、人工建筑物、土壤等類型［1］。土地利用覆蓋變化是全球變化研究中的一個主要內(nèi)容，隨著遙感技術的興起，已經(jīng)成為土地覆蓋分類研究的一個重要手段。大數(shù)據(jù)時代帶來了大量不同類型的數(shù)據(jù)源，使得采用多源數(shù)據(jù)進行土地利用分類研究不僅成為可能，而且成為一種必然的趨勢。目前，在土地利用覆蓋類型相關研究中，主流數(shù)據(jù)仍為光學數(shù)據(jù)。光學遙感由于其波長特征，在多云多雨的地區(qū)會受到限制，而合成孔徑雷達（synthetic aperture radar，SAR）技術由于具有全天時、全天候的特點，成為傳統(tǒng)光學圖像不可缺少的補充。近年來，伴隨著新型SAR傳感器的相繼升空，微波遙感數(shù)據(jù)獲取方式已由單波段、單極化、單角度發(fā)展到多尺度、多頻率、多極化以及多時相等多種方式，使得SAR與多光譜數(shù)據(jù)相結(jié)合的研究手段在土地覆蓋分類的研究與應用中越來越廣泛［2-3］。光學數(shù)據(jù)中包含大量的光譜信息，而SAR由于其特殊成像方式，包含了地物的形狀、介電常數(shù)、粗糙度和方位取向等信息，進行多源數(shù)據(jù)的融合是實現(xiàn)兩者互補合作的有效手段。遙感融合主要有3個層次：像素級融合、特征級融合和決策級融合。但是由于光學影像和SAR影像的成像方式差異較大，目前針對高分辨率影像實現(xiàn)像素級融合是很困難的，但是針對分辨率較低的光學和SAR影像，仍然可用HSV、主成分分析等像素級融合方法［1-3］。近年來，日本宇航局向全球開放了25 m空間分辨率的L波段的PALSAR數(shù)據(jù)，極大的促進了采用L波段數(shù)據(jù)在土地利用覆蓋、森林生物量反演方面的應用［4-6］。本研究以L波段PALSAR雙極化數(shù)據(jù)為SAR數(shù)據(jù)源（多視處理后分辨率約為18 m），TM數(shù)據(jù)作為光學數(shù)據(jù)（分辨率30m），分別將SAR數(shù)據(jù)的強度影像、相干系數(shù)影像及比值影像與TM數(shù)據(jù)采用不同的遙感數(shù)據(jù)融合方法融合，基于SVM對融合結(jié)果進行土地覆蓋分類，探索SAR數(shù)據(jù)與光學數(shù)據(jù)在土地利用覆蓋分類中的應用。

1　研究區(qū)自然概況

研究區(qū)設在黑龍江省遜克縣，位于黑龍江省北部，小興安嶺北麓，黑龍江右岸，地處東經(jīng)127°24′～129°17′，北緯47°58′～49°36′。境內(nèi)地形平坦，最高處海拔795 m，屬于寒溫帶大陸性季風氣候。冬季漫長而寒冷，夏季短暫而炎熱，晝夜溫差較大。區(qū)域內(nèi)地表覆蓋類型多樣，有林地、農(nóng)地、水體和居民地等，其中森林覆蓋率達到64%［7］。

2　數(shù)據(jù)獲取及預處理

2.1數(shù)據(jù)獲取

研究區(qū)的光學影像為TM影像；同時獲取2003年土地利用分類圖作為參考，該圖在中國土地利用現(xiàn)狀分類統(tǒng)一標準的基礎上，結(jié)合東北地區(qū)制圖需要最終將地類劃分為林地、農(nóng)地、草地、沙地、居民地、水體等6類。SAR影像為ALOS-1衛(wèi)星的PALSAR數(shù)據(jù)，SAR數(shù)據(jù)為2個時相的雙極化數(shù)據(jù)，即2007年6月22日、2007年8月7日的HH及HV極化。

2.2數(shù)據(jù)預處理

SAR數(shù)據(jù)采用（1）式進行了輻射定標［8］，然后采用25 m分辨率的DEM進行了地形幾何及輻射校正。

式中：NRCS為輻射校正后雷達截面；I為單視復數(shù)據(jù)的實部通道；Q為虛部通道；CF為定標系數(shù)。

經(jīng)過輻射定標和影像正射校正后，就可獲得可以使用的強度圖像數(shù)據(jù)，由于HV較HH對地物可分性更高，本研究以HV影像為例見圖1（a）。

隨著極化信息應用的深入，研究發(fā)現(xiàn)對極化信息進行多維度綜合利用可以挖掘更豐富的解譯信息，由于HH和HV的比值圖像與植被的相關性較高。分別對2個時期的HH和HV進行相應的比值作計算，取均值作為融合后HH和HV的比值圖像見圖1（b）。

圖1　強度圖像、比值圖像和相干圖像Fig.1 Intensity image，ratio image and coherence image

因此，本研究通過計算HH和HV極化強度圖像數(shù)據(jù)的比值，獲得比值數(shù)據(jù)圖像。同時，不同極化間的相干性程度也可以用于區(qū)別地物類型，因此，在地形配準基礎上，以不同時相的數(shù)據(jù)分別作為主輔影像，采用（2）式［8-9］，得到了歸一化的干涉相干圖。取可分性較高的HH干涉影像為例見圖1（c）。

式中：S1和S2為2幅相干影像；γ為相干系數(shù)。

3　融合與分類結(jié)果評價

3.1融合結(jié)果比較

采用HSV變換法、Brovey變換法、PCA變換和Gram-Schmidt融合方法對PALSAR數(shù)據(jù)和TM數(shù)據(jù)進行融合，以HV極化為例，融合結(jié)果見圖2。

HSV變換方法與Brovey變換法使得圖像的高亮度與低亮度之比增強，色彩對比突出，視覺效果較好。2幅影像上地物間色彩對比較明顯，紋理特性保持較好，居民地、植被與水體色調(diào)突出，結(jié)果便于進行居民用地及植被覆蓋用地的區(qū)分；但在進行水體與農(nóng)田、林地與草地比較時由于色調(diào)接近基本難以區(qū)分，且由于2種方法均為選取4、3、2共3個TM低分辨率波段與SAR高分辨率后向散射數(shù)據(jù)進行融合，導致2幅影像波譜信息損失較大，整體清晰度相對較低、色調(diào)相對單一，效果稍顯模糊。在2種方法的優(yōu)劣方面，HSV在色調(diào)對比上相對較好，對區(qū)分地物效果更好。

采用主成分變換法和Gram-Schmidt法進行融合后的效果明顯優(yōu)于HSV變換方法與Brovey變換法，其在保持了多光譜特性的基礎上，融入了SAR高分辨數(shù)據(jù)的空間特性，在空間的分辨率、影像的紋理特性、影像的逼真度、色調(diào)豐富性等方面是前2種方法無法比擬的。這是由于主成分變換法和Gram-Schmidt法均是6個波段全參與融合，在波譜信息方面損失極小。2種方法相對比，主成分（PCA）變換方法對第一主成分信息高度集中，色調(diào)發(fā)生較大變化，有些許發(fā)生失真，容易造成水體與農(nóng)田的混分；而Gram-Schmidt法在空間紋理與光譜高保真上相對較好。另外通過信息熵計算分析發(fā)現(xiàn)，無論采用何種方法融合，融合后影像平均熵均高于原始影像，且融合結(jié)果中Gram-Schmidt法信息熵最高。

3.2支持向量機的分類

Corinna Cortes等于1995年提出支持向量機（SVM）的概念，其通過構(gòu)造一個超平面或者無限維空間，使得在有限維空間中線性不可分的類別在更高維空間中可以進行區(qū)分，因而被廣泛應用于遙感影像分類中［10-11］。

SVM的核心是求取能夠?qū)⒋謽颖菊_分開的最優(yōu)分類面（OSH），在求解最優(yōu)分類面（OSH）的過程中往往加入懲罰因子（C）。C值較大時，分類誤差較小，但計算時間偏長；C值較小時，分類誤差較大，但計算時間較短，因此懲罰因子（C）在一定程度上控制著錯分。

最常用的核函數(shù)是高斯核函數(shù)，又稱為徑向基核函數(shù)（RBF），它能將原始特征映射到無限維，因此本研究采用RBF核函數(shù)來實現(xiàn)影像數(shù)據(jù)到高維空間的映射。RBF僅有2個必備參數(shù)懲罰因子（C）和核參數(shù)（γ），這2個參數(shù)的取值直接影響到分類精度，研究中采用一種基于交叉驗證的“網(wǎng)格”搜尋方法尋找最優(yōu)γ和γ的參數(shù)組合。首先將訓練樣本劃分為n部分，其中n-1部分作為模型的訓練樣本，其余部分作為模型參數(shù)的檢驗樣本，直到選取出檢驗精度最高的C和γ的值。根據(jù)經(jīng)驗，將C和γ以指數(shù)增長方式進行搜索，可快速且準確確定C和γ的值，其中C和γ在計算中分別獨立增長。選取Libsvm 2.6軟件提供的參數(shù)選擇模型來確定C和γ的取值，其取值結(jié)果見表1。

利用支持向量機的方法，設置表1中的懲罰因子與核參數(shù)對單純TM數(shù)據(jù)和3種SAR與TM融合數(shù)據(jù)進行分類處理。而后在分類的結(jié)果基礎之上，進行3×3窗口的融合處理，再對同一個類別進行合并，最后只剩下6個大的類別，即林地、農(nóng)地、草地、沙地、居民地、水體。分類結(jié)果見圖3。

圖3　分類結(jié)果Fig.3 The results of classification

3.3分類結(jié)果評價

選取70多個實地調(diào)查數(shù)據(jù)，對4種分類效果進行精度評價，結(jié)果見表2。

表2　不同數(shù)據(jù)分類精度比較Table 2 The comparison of classification accuracy based on different data

從表2分析得出，3種SAR與TM融合數(shù)據(jù)分類結(jié)果均比較理想，而單純的TM數(shù)據(jù)分類精度偏低，其中SAR相干數(shù)據(jù)與TM的分類精度最高。SAR相干數(shù)據(jù)與TM融合分類數(shù)據(jù)、SAR比值數(shù)據(jù)與TM融合分類數(shù)據(jù)、SAR后向散射數(shù)據(jù)與TM融合分類數(shù)據(jù)、TM數(shù)據(jù)分類精度分別為85.5%、83.2%、80.6%、75.8%，Kappa系數(shù)分別為0.809 1、0.791 7、0.756 9、0.708 2。SAR與TM融合后將更多的空間信息融入，使其比單純的TM數(shù)據(jù)分類精度有較大的提高，這主要由于TM數(shù)據(jù)分類中存在對水體以及居民地中城市道路的漏分，以及將部分草地錯分為農(nóng)地，或?qū)⒘阈橇值劐e分水體，造成精度的下降。

在SAR與TM 3種融合結(jié)果中，也存在著部分錯分現(xiàn)象。如在SAR后向散射與TM融合數(shù)據(jù)中，由于在HV中，森林和城市用地散射均高，且森林遠遠大于城市、農(nóng)地中等、水體散射最弱，但獲取影像受到雨季的影響，水體和農(nóng)地的散射特征相差不明顯，造成部分水體和農(nóng)地錯分的現(xiàn)象。SAR比值影像與TM融合數(shù)據(jù)中，森林和水體的差別較小，造成這兩類用地類型的混分。而在SAR干涉影像與TM融合影像中，建筑物與水體的去相干性不同，建筑物去相干較小，而水體去相干較大；同時，由于L波段林地散射由樹干主導，林地的時間去相干與建筑物相似，農(nóng)地次之，因此建筑物和森林不容易區(qū)分；但是結(jié)合TM數(shù)據(jù)對2種類型的可區(qū)分性，使得其分類精度相較其他數(shù)據(jù)類型更高。

總體分析表明，3種SAR與TM融合分類數(shù)據(jù)精度相差其實并不大，而SAR比值與TM融合數(shù)據(jù)分類比后向散射與TM融合數(shù)據(jù)分類結(jié)果要高一些。主要是因為：SAR比值數(shù)據(jù)是對原始的后向散射數(shù)據(jù)進行了變換，融入了更多極化信息，對原有的信息進行了增強，也更有助于地物類別的識別。

4　結(jié)　論

本研究通過對PALSAR數(shù)據(jù)的不同信息與TM數(shù)據(jù)融合，探索了SAR數(shù)據(jù)與光學數(shù)據(jù)在土地利用覆蓋分類應用中的可能性。研究表明，3種SAR數(shù)據(jù)新與TM數(shù)據(jù)融合，均可有效增加數(shù)據(jù)信息量，提高分類結(jié)果精度。基于3類SAR信息與TM的分類結(jié)果表明，SAR數(shù)據(jù)相干信息與TM的融合獲得了較高的分類精度，這與SAR相干性對于光學影像不易區(qū)分的農(nóng)地和森林具有較好的區(qū)分性有關，SAR極化比值信息與TM融合分類結(jié)果次之，而SAR后向散射信息與TM融合分類結(jié)果略差，這是由于比值信息相比強度影像增加了更多極化信息。

研究中還發(fā)現(xiàn)，在強度影像中，水體與農(nóng)地的散射特征相差不大，考慮到影像獲取時的氣象狀況，這可能是由于降雨所導致的，但具體原因仍需進一步分析。

綜上所述，采用SAR數(shù)據(jù)與光學數(shù)據(jù)融合，可以在不同程度上提高土地利用覆蓋分類的精度，在后續(xù)研究中可以結(jié)合SAR數(shù)據(jù)特點，提取更多有效參數(shù)信息，與光學數(shù)據(jù)結(jié)合進行土地利用覆蓋分類研究。

致謝：本研究所使用試驗數(shù)據(jù)由中國林業(yè)科學院“復雜地表遙感信息動態(tài)分析與建?！保?73計劃）課題小組提供，特此表示感謝。

［參考文獻］

［1］宮攀，陳仲新，唐華俊，等.土地覆蓋分類系統(tǒng)研究進展［J］.中國農(nóng)業(yè)資源與區(qū)劃，2006，27（2）：35-40.

［2］鄭凱，管磊，劉佳佳.利用多光譜與合成孔徑雷達圖像研究土地利用/土地覆動態(tài)變化［J］.中國海洋大學學報，2009，39（S）：445-449.

［3］陳富龍，王超，張紅，等.單極化合成孔徑雷達影像在土地利用分類中的潛力分析［J］.遙感技術與應用，2008，23（3）：289-294.

［4］劉騮.合成孔徑雷達與光學圖像融合檢測方法與仿真研究［D］.上海：上海交通大學，2013.

［5］朱俊杰.高分辨率光學和SAR遙感數(shù)據(jù)融合及典型目標提取方法研究［D］.北京：中國科學院遙感應用研究所，2005.

［6］何祺勝.星載雷達圖像在干旱區(qū)鹽漬地信息提取中的應用研究［D］.烏魯木齊：新疆大學，2007.

［7］王馨爽.多維度SAR森林及其類型分類識別方法研究［D］.西安：西安科技大學，2013.

［8］Li Weiguo，Jiang Nan，Ge Guangxiu.Analysis of spectral characteristics based on optical remote sensing and SAR image fusion［J］.Journal of Applied Polymer Science，2014，9（11）：2035-2038.

［9］卜麗靜，吳暢，何志博，等.利用紋理特征的SAR與光學圖像融合方法研究［J］.測繪工程，2015，24（5）：6-10.

［10］Lee J S，Grunes M R，Pottier E，et al.Unsupervised terrain classification preserving polarimetric scattering characteristics［J］.IEEE Transactions on Geoscience ＆Remote Sensing，2004，42（4）：722-731.

［11］Hellmann M，Cloude S R，et al.Classification using polarimetric and interferometric SAR data［C］/ / Geoscience and Remote Sensing，1997.IGARSS′97.Remote Sensing - A Scientific Vision for Sustainable Development，IEEE，1997.

（責任編輯曹龍）

第1作者：姬永杰（1979—），男，助理研究員。研究方向：林業(yè)遙感。Email：jiyongjie＠swfc.edu.cn。

Use Fusion of SAR and Optical images for Land Cover Classification

Ji Yongjie，Yue Cairong，Zhang Wangfei
（College of Forestry，Southwest Forestry University，Kunming Yunnan 650224，China）

Abstract：In this paper，we fused TM image with intensity information of ALOS-1-PALSAR data，the information of HV/ HH polarization ratio and coherence coefficient.The support vector machine（SVM）method was used to classify the land cover.The classification results of TM image，TM+SAR intensity image，TM+HV/ HH ratio image and TM+ coherence image were compared.The results showed that the highest classification accuracy was the fusion of TM and coherence image，the followed one was TM and HV/ HH，then was TM and intensity image and the lowest one is TM image.To varying degrees，the classification accuracy of land utilizes and cover could be improved with the fusion of optical images and SAR images.

Key words：classification of land cover，Synthetic Aperture Radar（SAR），TM，fusion

通信作者：張王菲（1979—），女，副教授。研究方向：GIS及遙感技術在林業(yè)中的應用。Email：mewhff＠163.com。

基金項目：西南林業(yè)大學科研啟動基金項目（SWFC.IP2012111209）資助；國家自然科學地區(qū)科學基金（31260156）資助；西南地區(qū)生物多樣性保育國家林業(yè)局重點實驗室開放基金資助。

收稿日期：2016-03-09

doi：10.11929/ j.issn.2095-1914.2016.03.027

中圖分類號：S771.8

文獻標志碼：A

文章編號：2095-1914（2016）03-0158-05