劉 琦，章皖秋，岳彩榮，王宗梅，談啟龍

(西南林業(yè)大學林學院，云南 昆明 650224)

TanDEM-X數(shù)據(jù)干涉地形信息精度分析

劉 琦，章皖秋，岳彩榮，王宗梅，談啟龍

(西南林業(yè)大學林學院，云南 昆明 650224)

以德國宇航中心TanDEM-X數(shù)據(jù)為信息源，采用干涉技術提取植被覆蓋區(qū)的地形，將相關系數(shù)、山脊線與山谷—水系線作為評價指標，對比5種地形數(shù)據(jù)(數(shù)字化 DEM、SRTM-DEM、ASTER GDEM、TanDEM-X Monostatic-DEM, TanDEM-X Bistatic-DEM)在地表起伏表達方面的差異。研究結果顯示，數(shù)字化DEM精度高，但是獲取方式費時費力；SRTM-DEM能表現(xiàn)宏觀地形，但分辨率低；ASTER GDEM分辨率有所提升，但是對地形的表達精度偏低；TanDEM-X干涉地形數(shù)據(jù)分辨率高，但是在林區(qū)受到森林冠層高度影響，實為數(shù)字表面模型，無法提供準確可靠的林下地形信息。

TerraSAR-X/TanDEN-X；數(shù)字高程模型(DEM)；干涉SAR；地形信息；精度分析

數(shù)字高程模型(Digital Elevation Model，DEM)是地學領域用于反映地球表面起伏狀況的實體模型，采用柵格矩陣表示地面位置及其高程信息。DEM的概念于20世紀50年代提出，伴隨著信息網(wǎng)絡技術的迅猛發(fā)展，在經(jīng)濟建設、科學研究和軍事領域等方面的應用與日俱增。

當前，全球范圍可用DEM數(shù)據(jù)十分有限。美國航天飛機雷達地形測繪使命(SRTM)通過搭載在“奮進”號航天飛機上的C波段雷達傳感器，獲取了超過陸地面積80%的DEM，公開數(shù)據(jù)空間分辨率90 m[1]。日美合作的先進星載熱發(fā)射和反射輻射儀全球數(shù)字高程模型(ASTER GDEM)是目前唯一基本覆蓋全球陸地表面的高分辨率DEM，空間分辨率30 m[2]。DLR SRTM是德國宇航中心設置在航天飛機上的X波段雷達傳感器獲取的DEM，分辨率可達10 m，呈網(wǎng)狀分布，覆蓋面積較少[1]。上述幾種DEM基于10年前的影像生成，現(xiàn)勢性差，無法反應最新的地貌特征。

常見的DEM獲取方式包括地面測量、數(shù)字化地形圖和遙感航測。傳統(tǒng)地面測量獲取大比例尺的DEM，服務于工程設計施工，精度高，但不適合大范圍數(shù)據(jù)采集。數(shù)字化地形圖依托現(xiàn)有地形圖數(shù)據(jù)，經(jīng)過人工數(shù)字化等高線生成DEM，耗費人力大，僅對現(xiàn)有地形圖的地區(qū)可行。遙感航測，特別是新興的無人機測量，通過光學立體成像提供了快捷經(jīng)濟的DEM獲取手段，前景廣闊，但是易受成像幾何、氣象條件限制。

合成孔徑雷達干涉測量(SAR Interferometry)基于高分辨率成像雷達，具有全天時、全天候和穿透云霧冰雪等極端氣象條件的能力[3]，對地物的高度和垂直分布信息十分敏感，具備了測繪地表高程的能力。1986年，Zebker和Goldstein[4]將機載平臺SAR用于地面觀測，采用干涉技術獲取了美國舊金山灣區(qū)附近的地形圖。1988年，Gabriel和Goldstein[5]利用搭載在航天飛機上的Sir-B星載SAR系統(tǒng)生成了加拿大不列顛哥倫比亞省局部地形圖。近年來，隨著歐空局ERS-1/2，日本ALOS-1/2，加拿大RADARSAT-1/2，德國TerraSAR-X/TanDEM-X等星載SAR系統(tǒng)陸續(xù)投入使用，干涉SAR技術獲取DEM數(shù)據(jù)的應用日趨成熟。劉國祥[6]等使用歐空局ERS-1/2數(shù)據(jù)，干涉處理生成了香港元朗地區(qū)DEM，并使用外部地形數(shù)據(jù)對結果進行評價。周偉[7]等采用優(yōu)化干涉理論，基于ALOS PALSAR干涉數(shù)據(jù)獲取了山東泰安地區(qū)DEM，相比傳統(tǒng)單極化干涉SAR方法提高了DEM精度。杜亞男[8]等基于TerraSAR-X/TanDEM-X數(shù)據(jù)，提出顧及垂直基線、陰影和疊掩的數(shù)據(jù)融合新方法，構建了澳門、珠海地區(qū)的DEM。

本文基于德國宇航中心TanDEM-X干涉數(shù)據(jù)，選取云南省勐臘縣為研究區(qū)，通過干涉SAR獲得了TanDEM-X Monostatic-DEM和TanDEM-X Bistatic-DEM 2種地形數(shù)據(jù)，結合幾種常見數(shù)字高程模型(SRTM-DEM、ASTER GDEM和數(shù)字化1：5萬地形圖)，分析了X波段星載干涉數(shù)據(jù)獲取地形信息的特點及適用范圍，比較了幾種數(shù)字高程模型對地形細節(jié)，特別是對林下地形的表達能力。

1 干涉SAR(InSAR)原理

干涉SAR[9]是基于雷達復圖像對的相位信息提取地物空間位置參數(shù)的技術。其基本思想是采用雷達雙天線成像或單天線重復成像的方式，獲取相同地區(qū)的雷達復圖像對，由于兩幅天線拍攝時與地面目標距離不同，雷達復圖像對在同一位置點產生了相位差，形成干涉條紋圖。根據(jù)干涉條紋圖的相位信息，即兩幅天線成像的相位差，以及與地面目標空間位置之間的幾何關系，結合雷達飛行軌道參數(shù)，測定地面目標的空間坐標，提供大范圍高精度的數(shù)字高程模型。圖1為干涉SAR幾何示意圖[10]。

圖1 干涉SAR幾何示意Fig.1 SAR Interferometry geometric sketch

待測點P到天線的距離為R1和R2，路徑差△R=R1-R2。φs1和φs2代表主輔天線S1和S2接收目標回波信號的相位信息，主輔天線影像復共軛相乘得到干涉條紋圖，即主輔影像相位差。式(1)為相位差與天線路徑差的關系。

(1)

由于SAR系統(tǒng)只能記錄2π內的相位信息，因此不計2π相位模糊。根據(jù)三角形幾何關系求出斜距R1，并最終獲得P點高度值h0，如式(2)、(3)，式中θ0為S1天線入射角，δb為基線與水平方向的夾角。

(2)

h0=H-R1cosθ

(3)

2 實驗數(shù)據(jù)

2.1 研究區(qū)概況

研究區(qū)位于云南省西雙版納州勐臘縣，瀾滄江大斷裂以東，無量山南端尾梢，海拔613～1 501 m。地貌為典型的河谷盆地，瀾滄江支流南臘河自北向南流經(jīng)形成河谷。兩側為山地，其中，西側同時分布有南北、東西走向山脈，坡向分布不規(guī)律；東側山脈呈東西走向為主，多為南北坡向。該區(qū)域地形起伏明顯，河谷地區(qū)坡度平緩，一般不超過5°；山區(qū)坡度大于15°，部分區(qū)域可達50°，屬于地形較為陡峭的地區(qū)(圖2)。

圖2 研究區(qū)位置Fig.2 StudyArea

2.2 TerraSAR-X和TanDEM-X星載干涉數(shù)據(jù)

德國宇航中心TerraSAR-X[11]是世界上首顆分辨率達到1m的商用高分辨率雷達衛(wèi)星，工作波段為X波段。TanDEM-X計劃[12]由編隊飛行的TerraSAR-X和TanDEM-X 2顆太陽同步軌道衛(wèi)星構成，以形成高精度干涉SAR系統(tǒng)獲取數(shù)字高程模型，其最顯著的優(yōu)勢是避免了時間去相干和大氣干擾等因素對干涉成像質量的影響，具備良好的干涉測量性能和復雜地形處理能力，可生成空間分辨率12 m，高程精度2 m的DEM數(shù)據(jù)[13]。

TanDEM-X Monostatic-DEM(以下簡稱Mono-DEM)為TerraSAR-X和TanDEM-X衛(wèi)星單一靜態(tài)模式下干涉生成的DEM，工作中2顆衛(wèi)星相互獨立，僅接收自身發(fā)射信號的后向散射。TanDEM-X Bistatic-DEM(以下簡稱Bi-DEM)采用收發(fā)分置模式獲取，TerraSAR-X發(fā)射信號，并與TanDEM-X同時接收地面回波信號，該模式下主輔影像的時間基線幾乎為“0”，能夠最大限度地克服時間、大氣去相干和軌道等干擾，干涉效果好。

圖3 主輔影像強度Fig.3 Intensityofmainandsupplementimage

圖4為干涉SAR獲取DEM的部分實驗數(shù)據(jù)。主輔天線影像干涉形成條紋圖(圖4(A))；去除干涉條紋圖中的平地相位影響后獲得僅帶有地形相位信息的干涉條紋圖(圖4(B))；去平后的干涉條紋圖經(jīng)過濾波、相位解纏等處理生成DEM(圖4(C))。

2.3 幾種常用DEM數(shù)據(jù)

1)地圖數(shù)字化，基于勐臘縣1∶5萬地形圖繪制研究區(qū)的等高線，生成25 m分辨率的DEM(圖5)。

2)第三方DEM數(shù)據(jù)。SRTM-DEM和ASTER GDEM數(shù)據(jù)由USGS(美國地質勘探局)提供下載，其中SRTM-DEM空間分辨率為90 m，ASTER GDEM空間分辨率為30 m。

3 實驗結果

以數(shù)字化DEM為標準，對比SRTM-DEM、ASTER GDEM、Mono-DEM和Bi-DEM對地形的表達效果，由于數(shù)字化DEM采用黃海海平面為高程起算面，而其他幾種DEM采用地心為中心的全球通用橢球面，既它們的高程起算點不同，無法直接比較。因此，本文通過5種DEM的相關系數(shù)、標準差以及山脊線、山谷—水系線的情況，分析對地形的表達效果及相似程度。

圖4 實驗數(shù)據(jù)Fig.4 Experimental data

圖5 數(shù)字化等高線及其相應DEMFig.5 DigitalizedcontoursandDEM

3.1 5種DEM相關性對比

以數(shù)字化DEM為基準，分別對其余4種地形數(shù)據(jù)進行幾何糾正，確保5種DEM在地理坐標上匹配。計算數(shù)字化DEM與其余4種地形數(shù)據(jù)間的相關系數(shù)，以及各自的數(shù)據(jù)標準差(表1)。

根據(jù)相關系數(shù)，Mono-DEM、SRTM-DEM與數(shù)字化DEM相關性高， ASTER GDEM與數(shù)字化DEM相關性低。

表1 DEM數(shù)據(jù)標準差與相關系數(shù)

根據(jù)標準差，ASTER GDEM標準差最大，說明該DEM高程值波動較大，SRTM-DEM、Mono-DEM、Bi-DEM和數(shù)字化DEM的高程值標準差較為接近，相比ASTER GDEM標準差明顯偏小，說明該4種DEM的數(shù)值波動較小，且對地形起伏的波動表達近似。

3.2 5種DEM山脊線、山谷—水系線對比

山脊線和山谷—水系線是地形起伏變化的界限，可以表現(xiàn)出區(qū)域地形的細節(jié)特征，在評價數(shù)字高程模型對地形的表達精度方面具有重要意義，分別生成5種DEM的山脊線和山谷—水系線。 圖6為數(shù)字化DEM、SRTM-DEM、ASTER GDEM、Mono-DEM和Bi-DEM的山脊線。

根據(jù)圖6，整體上SRTM-DEM和數(shù)字化DEM山脊線最為清晰，線條連續(xù)且長；Mono-DEM、Bi-DEM和 ASTER GDEM山脊線線條不連續(xù)且短，表現(xiàn)為破碎化，數(shù)量較多。

選取研究區(qū)某一區(qū)域，分別從5種DEM的山脊線圖上提取同一位置的一條山脊線，從圖7局部山脊線可以發(fā)現(xiàn)，該條山脊線在SRTM-DEM和數(shù)字化DEM上表現(xiàn)為一條完整而連續(xù)的山脊，而在其他3種DEM上表現(xiàn)為斷斷續(xù)續(xù)的短小山脊線組合，無法形成一個整體，且只能大致標明山體走向。對比5種DEM的山谷—水系線圖，也呈現(xiàn)出相似規(guī)律。

圖6 DEM提取山脊線Fig.6 Ridge lines extracted from DEM

圖7 局部山脊線Fig.7 Partial ridge lines

圖8是根據(jù)5種DEM提取的山脊線、山谷—水系線數(shù)量統(tǒng)計圖，直觀地反映出5種DEM在山脊線、山谷—水系線的提取差異。橫坐標表示5種DEM，其中藍色方柱表示山脊線，紅色方柱表示山谷—水系線，縱坐標表示對應該山脊線、山谷—水系線的數(shù)量。

圖8 5種DEM山脊、山谷—水系數(shù)量Fig.8 Number of ridge and valley lines of five DEMs

從圖8中可以看出：

1)山脊線提取數(shù)量：Bi-DEM>ASTER GDEM>數(shù)字化DEM>Mono-DEM>SRTM-DEM

2)山谷—水系線提取數(shù)量：Mono-DEM>Bi-DEM>ASTER GDEM>數(shù)字化DEM>SRTM-DEM

3)SRTM-DEM和數(shù)字化DEM的山脊線、山谷—水系線數(shù)量較少。

4 結論與總結

根據(jù)相關系數(shù)，SRTM-DEM、Mono-DEM 與數(shù)字化DEM最為相似，其次是Bi-DEM，而ASTER GDEM與數(shù)字化DEM的相似度較差。根據(jù)DEM標準差，SRTM-DEM、ASTER GDEM、Mono-DEM和Bi-DEM數(shù)據(jù)波動性均大于數(shù)字化DEM。從山脊線和山谷—水系線來看，數(shù)字化DEM能夠提取出相對完整的山脊線、山谷—水系線，宏觀地形表達較好，SRTM-DEM的表達效果次之，而ASTER GDEM、 Mono-DEM、Bi-DEM的山脊線、山谷—水系線較為破碎、短小。

從原理上分析以上差異，數(shù)字化DEM經(jīng)過地面實測和人工制圖綜合后，對地表起伏的概括性大，忽略了部分地形細節(jié)信息。SRTM-DEM通過C波段傳感器干涉SAR獲取，包含細節(jié)信息多；由于C波段穿透性較差，在森林區(qū)域反映的高程是地表高程與樹冠高度的綜合；ASTER GDEM由光學影像立體像對成像方式獲得，在森林區(qū)域也容易表達為攜帶樹冠的地形。因此，以上2種DEM在林區(qū)的地形信息包括森林冠層起伏，而非實際地形高程。

TanDEM-X數(shù)據(jù)干涉DEM對地表細節(jié)信息測量準確，能夠體現(xiàn)局部微地形變化；但是X波段穿透性低，Mono-DEM和Bi-DEM也是帶有樹冠的地形，由于森林高度分布具有隨機性，使得這2種DEM的高度值帶上了“噪音”。在地形細節(jié)信息以及森林冠層高度的雙重影響下，Mono-DEM和Bi-DEM難以提取出完整的山脊線及山谷—水系線，表達地形效果不佳。

研究表明，TanDEM-X數(shù)據(jù)干涉提供了高分辨率數(shù)字表面模型，實現(xiàn)了大范圍實時地表高度信息獲取。但是，由于X波段穿透性差的原因，Mono-DEM與Bi-DEM在林區(qū)攜帶有大量的森林高度信息，無法作為可靠的數(shù)字高程模型，僅可以為部分區(qū)域提供地形參考，極大地制約了TanDEM-X數(shù)據(jù)干涉DEM技術的應用發(fā)展，如何解決星載X波段干涉獲取高精度林下地形信息的問題，成為今后研究的方向。

[1] WALKER W S, KELLNDORFER J M, PIERCE L E.Quality assessment of SRTM C-and X-band interferometric data: Implications for the retrieval of vegetation canopy height[J].Remote Sensing of Environment, 2007, 106(4): 428-448.

[2] TACHIKAWA T, KAKU M, IWASAKI A, et al.ASTER global digital elevation model version 2-summary of validation results[R].NASA, 2011.

[3] 吳一戎, 洪文, 王彥平.極化干涉SAR的研究現(xiàn)狀與啟示[J].電子與信息學報, 2007(5):1258-1262.

[4] ZEBKER H A, GOLDSTEIN R M.Topographic mapping from interferometric synthetic aperture radar observations[J].Journal of Geophysical Research: Solid Earth, 1986, 91(B5): 4993-4999.

[5] GABRIEL A K, GOLDSTEIN R M.Crossed orbit interferometry: theory and experimental results from SIR-B[J].International Journal of Remote Sensing, 1988, 9(5): 857-872.

[6] 劉國祥,丁曉利,李志林,等.使用InSAR建立DEM的試驗研究[J].測繪學報, 2001(4):336-342.

[7] 周偉,陳爾學,劉國林,等.基于ALOS極化干涉SAR數(shù)據(jù)的DEM提取方法研究[J].遙感技術與應用, 2013(1):44-51.

[8] 杜亞男,馮光財,李志偉,等.TerraSAR-X/TanDEM-X獲取高精度數(shù)字高程模型技術研究[J].地球物理學報, 2015(9):3089-3102.

[9] 楊震,楊汝良.極化合成孔徑雷達干涉技術[J].遙感技術與應用, 2001(3):139-143.

[10] 羅環(huán)敏.基于極化干涉SAR的森林結構信息提取模型與方法[D].北京：電子科技大學, 2011.

[11] 隋立春,徐花芝,李建武.德國新型雷達遙感系統(tǒng)TerraSAR-X介紹[J].測繪科學技術學報, 2007, 24(5):321-324.

[12] 廖明生,田馨,趙卿.TerraSAR-X/TanDEM-X雷達遙感計劃及其應用[J].測繪信息與工程, 2007(2):44-46.

[13] KUGLER F, LEE S, HAJNSEK I, et al.Forest height estimation by means of Pol-InSAR data inversion: The role of the vertical wavenumber[J].IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(10):5294-5311.

Accuracy Assessment of Topography Information Extracted from
TanDEM-X Data by SAR Interferometry

LIU Qi，ZHANG Wanqiu，YUE Cairong，WANG Zongmei, TAN Qilong

(Forestry College，Southwest Forestry University，Kunming 650224，China)

By applying SAR Interferometry and selecting TanDEM-X data provided by DLR as data source, DEM in forest area was extracted. This study took correlation coefficients, ridge and valley lines as evaluation index, and compared the performance of presenting local topography in five DEMs (Digitalized DEM, SRTM-DEM, ASTER GDEM, TanDEM-X Monostatic-DEM and TanDEM-X Bistatic-DEM). The results showed that Digitalized DEM had the best accuracy, but hard to collect; SRTM-DEM performed well on macro-topography, but spatial resolution was low; ASTER GDEM had a better spatial resolution, but the accuracy on presenting the topography was low. Results also found that the topography extracted from TanDEM-X data had a high spatial resolution, but the TanDEM-X SAR Interferometry actually was Digital Surface Model not Digital Elevation Model for the impact of forest canopy height, which cannot provide reliable underlying forest Topography Information.

TerraSAR-X/TanDEM-X；digital elevation model；SAR Interferometry; topographic information; precision analysis

10.3969/j.issn.1671-3168.2017.01.001

2016-12-05.

國家自然科學基金(31260156)；德國DLR TanDEM-X Science Phase計劃資助(XTI_VEGE6852)；西南林業(yè)大學云南省省級重點學科(林學)資助；云南省林學一流學科建設經(jīng)費資助.

劉 琦(1991-)，男，山西太原人，碩士研究生.從事資源環(huán)境遙感方面的應用研究.Email:swfu_liuqi@163.com

章皖秋，講師.從事GIS理論與遙感技術應用等研究.

S771.8；P228

A

1671-3168(2017)01-0001-06