馮娟， 丁建麗， 魏雯瑜

(1.新疆大學(xué)綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830046； 2.吉木薩爾縣氣象局，昌吉 831700)

0 引言

在自然環(huán)境和人類活動(dòng)的影響下，可溶性鹽類在地表堆積，會(huì)形成不同程度的鹽漬化。土壤鹽漬化是造成干旱區(qū)土壤荒漠化的重要原因[1-4]，不僅影響土壤質(zhì)地，而且制約著生產(chǎn)力與生態(tài)系統(tǒng)的穩(wěn)定以及人類的健康[5]。新疆渭庫(kù)綠洲處于干旱極干旱地區(qū)，降水稀少而蒸發(fā)力強(qiáng)的自然環(huán)境以及不合理灌溉等人類活動(dòng)導(dǎo)致該區(qū)鹽漬化問(wèn)題突出，生態(tài)環(huán)境逐漸脆弱[6]，對(duì)生態(tài)安全和農(nóng)業(yè)可持續(xù)發(fā)展構(gòu)成了威脅。如何應(yīng)用遙感手段，尤其是微波遙感方法宏觀、快速地掌握土壤鹽漬化現(xiàn)狀已成為一個(gè)急需解決的問(wèn)題。

目前，干旱區(qū)區(qū)域尺度的土壤鹽漬化遙感監(jiān)測(cè)已成為很多學(xué)者的研究趨勢(shì)[7-8]。微波遙感是一種常見(jiàn)的地表信息獲取手段，微波數(shù)據(jù)對(duì)地物有一定的穿透能力[9-10]，是對(duì)地物表面粗糙度、復(fù)介電常數(shù)和體結(jié)構(gòu)的反映，在土壤水分監(jiān)測(cè)中被認(rèn)為是最有潛力的手段之一[11]。然而,采用雷達(dá)極化分解技術(shù)和多種分類方法同時(shí)監(jiān)測(cè)土壤鹽漬化并提取鹽漬化信息的研究并不多，基本上還處于初步研究階段[12-14]。

全極化合成孔徑雷達(dá)(polarimetric synthetic aperture Radar,PolSAR)是一種多通道、多參數(shù)的微波成像系統(tǒng)，相對(duì)于單極化合成孔徑雷達(dá)(synthetic aperture Radar,SAR)圖像，能夠提供更加豐富的地物信息。目前，很多學(xué)者提出了多種對(duì)PolSAR圖像的極化分解方法，并將分解后圖像應(yīng)用到分類中，結(jié)果表明基于極化分解后數(shù)據(jù)分類效果優(yōu)于單極化分類效果[15-16]。因此目前對(duì)PolSAR數(shù)據(jù)極化信息提取已成為重要的研究領(lǐng)域之一。PolSAR數(shù)據(jù)及其極化分解參數(shù)為干旱區(qū)土壤鹽漬化信息監(jiān)測(cè)與提取提供了一種有效的方法，可以及時(shí)、動(dòng)態(tài)地對(duì)干旱區(qū)農(nóng)業(yè)生產(chǎn)實(shí)踐給予指導(dǎo)。

本文采用2種極化分解方法，將Radarsat-2數(shù)據(jù)進(jìn)行極化分解，利用SVM-Wishart半監(jiān)督協(xié)同分類方法對(duì)極化分解后影像進(jìn)行土壤鹽漬化信息提取，結(jié)合野外實(shí)地?cái)?shù)據(jù)，對(duì)分類結(jié)果進(jìn)行驗(yàn)證與對(duì)比分析，旨在探討SAR數(shù)據(jù)在干旱區(qū)土壤鹽漬化監(jiān)測(cè)中的應(yīng)用潛力。

1 研究區(qū)及其數(shù)據(jù)源

1.1 研究區(qū)概況

渭庫(kù)綠洲位于新疆塔里木盆地中北部，屬渭干河—庫(kù)車河流域，隸屬阿克蘇地區(qū)的新和、沙雅和庫(kù)車3個(gè)縣管轄，總面積為523.76×104hm2。據(jù)統(tǒng)計(jì)，沙雅縣每年因土壤鹽漬化危害的失收面積達(dá)2 667 hm2，最高年份曾達(dá)8 000 hm2； 因鹽漬化棄草地面積已達(dá)4.56×104hm2，新和與庫(kù)車2縣鹽漬化面積也都在3.72×104hm2左右[17]。渭庫(kù)綠洲屬溫帶大陸性干旱氣候區(qū)，年平均蒸發(fā)量為1 991.0～2 864.3 mm，多年平均降水量為51.3 mm，蒸發(fā)量遠(yuǎn)大于降水量； 多年平均氣溫為10.6～14.8 ℃，年極高、極低氣溫分別為41.3℃和-28.7 ℃。降水量少而蒸發(fā)極強(qiáng)，使該地區(qū)土壤鹽漬化現(xiàn)象普遍存在，鹽分不斷在表層溢出，植被覆蓋度不斷減少，最終會(huì)形成鹽斑，成為重度鹽漬化區(qū)。在綠洲外圍輕、中度鹽漬化區(qū)域內(nèi)，植物主要以蘆葦、檉柳、駱駝刺、花花柴和鹽爪爪為主。近年來(lái)，土壤鹽漬化和沙質(zhì)荒漠化不斷加劇，綠洲土地退化日益加劇，生態(tài)環(huán)境逐漸脆弱，對(duì)當(dāng)?shù)丶靶陆目沙掷m(xù)發(fā)展造成了嚴(yán)重影響[18-20](圖1)。

(a) Landsat8 OLI B7(R),B5(G),B4(B)假彩色合成影像(b) Radarsat-2數(shù)據(jù)pauli分解圖[HH-VV](R)，[HV](G)，[HH+VV](B)合成

圖1研究區(qū)示意圖

Fig.1Locationmapofstudyarea

1.2 數(shù)據(jù)源及其預(yù)處理

遙感數(shù)據(jù)采用2014年7月4日獲取的Radarsat-2的四極化標(biāo)準(zhǔn)數(shù)據(jù)(表1)。

表1 全極化Radarsat-2數(shù)據(jù)主要參數(shù)Tab.1 Main parameters of fully polarimetric Radarsat-2 data

Radarsat-2為主動(dòng)微波傳感器，當(dāng)SAR傳感器以一定入射角度(θ<90°)向地物發(fā)射一定頻率的電磁波束，會(huì)導(dǎo)致地物在成像時(shí)發(fā)生疊掩或透視收縮現(xiàn)象。此外，影像各像元與傳感器的距離不一，導(dǎo)致影像的后向散射修正系數(shù)亦不相同。本文首先應(yīng)用SAR Scape5.2.1軟件對(duì)雷達(dá)數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)導(dǎo)入、多視處理、噪聲濾波、地理編碼及輻射定標(biāo)等。

根據(jù)渭庫(kù)綠洲地貌、氣候、植被分布及土壤鹽漬化程度等不同條件，選擇7—8月進(jìn)行野外實(shí)地調(diào)查，并在研究區(qū)內(nèi)設(shè)置地下水位觀測(cè)井，在研究區(qū)內(nèi)不同鹽漬化程度區(qū)域布置采樣地38個(gè)，對(duì)每個(gè)采樣點(diǎn)地物類型拍照并記錄，然后進(jìn)行土樣含鹽量和電導(dǎo)率室內(nèi)實(shí)驗(yàn)，共獲得597個(gè)樣本點(diǎn)數(shù)據(jù)； 結(jié)合野外考察和研究區(qū)域的實(shí)際情況將研究區(qū)地物分為裸地、農(nóng)田、水體、中輕度鹽漬地和重度鹽漬地等5種類型。5種地物類型訓(xùn)練和驗(yàn)證樣本具體情況如表2所示。

表2 地物分類訓(xùn)練和驗(yàn)證樣本數(shù)量Tab.2 Characteristics of training and validation groups (個(gè))

2 研究方法

本研究對(duì)Radarsat-2全極化數(shù)據(jù)進(jìn)行Freeman-Durden分解和H-α分解2種極化分解，得到相應(yīng)特征參數(shù)，分析討論參數(shù)特征并構(gòu)建參數(shù)間特征空間，研究各特征空間分布規(guī)律，然后結(jié)合SVM-Wishart半監(jiān)督分類方法對(duì)研究區(qū)土地類型進(jìn)行分類并提取土壤鹽漬化信息。本研究方法的技術(shù)路線如圖2所示。

圖2 技術(shù)路線Fig.2 flowchart of methodology

2.1 PolSAR數(shù)據(jù)極化分解

PolSAR極化數(shù)據(jù)的特征提取主要是利用目標(biāo)分解方法。由于地物的散射機(jī)制不同，目標(biāo)地物的分類可以依據(jù)所提取不同的散射信息對(duì)其分類，而單一的目標(biāo)分解方法不能有效反映所有地物散射信息，對(duì)地物邊緣和復(fù)雜區(qū)域很難表示，因此結(jié)合多種散射特性協(xié)同訓(xùn)練方法，對(duì)研究區(qū)目標(biāo)地物信息進(jìn)行分類。

H/α分解[21]包含所有散射機(jī)理的分解定理，最大的優(yōu)點(diǎn)是在不同極化情況下，保持特征值不變，極化分解的結(jié)果用散射熵、平均散射角和反熵來(lái)描述。Freeman-Durden分解[22]將協(xié)方差矩陣分解成3種不同的散射機(jī)制： ①表面散射或單次散射，其模型是一階Bragg表面散射體； ②二次散射，其模型是二面角散射體； ③體散射，其模型是一組方向隨機(jī)的偶極子集。

表3 散射矩陣分解參數(shù)Tab.3 Scattering matrix decomposition parameters

2.2 SVM-Wishart半監(jiān)督協(xié)同分類方法

2.2.1 樣本篩選

依據(jù)散射分解方法得到散射特征參數(shù)分布情況，對(duì)比分析后，選取n個(gè)較為可靠的樣本，利用2個(gè)支持向量機(jī)(support vector machine,SVM)分類器分別對(duì)樣本進(jìn)行分類，將分類結(jié)果標(biāo)記為相同的樣本，利用歐式距離判別式，即

(1)

式中xi和xj分別表示第t類樣本的群聚中心和通過(guò)分類后標(biāo)記相同的任意樣本，選取距群中心距離最小的樣本作為挑選的最終樣本。

2.2.2 SVM分類

SVM分類方法對(duì)解決小樣本、高維及非線性等問(wèn)題有較好的效果，在遙感影像分類中得到了廣泛應(yīng)用。采用SVM分類方法對(duì)土壤鹽漬化信息進(jìn)行提取，重點(diǎn)在于模型類型及參數(shù)選擇。本文利用高斯徑向基核函數(shù)(radial basis function，RBF)分類方法對(duì)研究區(qū)土壤鹽漬化信息進(jìn)行分類，RBF核函數(shù)中c為懲罰參數(shù)，g為核參數(shù)，其中c用來(lái)平衡模型的經(jīng)驗(yàn)風(fēng)險(xiǎn)和結(jié)構(gòu)風(fēng)險(xiǎn)，可用來(lái)提高所建模型的泛化性能；g用來(lái)控制模型的回歸誤差，利用精細(xì)網(wǎng)格搜索法來(lái)選擇最佳的c和g。

2.2.3 復(fù)Wishart分類

Lee等[23]根據(jù)極化協(xié)方差矩陣提出了一種基于最大似然法的Wishart監(jiān)督分類方法，應(yīng)用最大似然法得到每個(gè)像素點(diǎn)相關(guān)矩陣與類別中心矩陣的Wishart距離，即

(2)

式中: tr表示矩陣的跡；Z表示任意樣本的協(xié)方差矩陣；Vt表示第t類樣本的聚類中心，任意樣本若滿足

d(Z,Vt)≤d(Z,Vj)，

(3)

則認(rèn)為該點(diǎn)屬于第t類。

本文實(shí)驗(yàn)具體步驟如下： 利用Lee濾波算法對(duì)SAR影像進(jìn)行濾波處理，利用極化分解方法將PolSAR進(jìn)行極化分解，得到影像分解后的特征參數(shù)與特征向量，確定每個(gè)像素的占有散射機(jī)制，根據(jù)研究區(qū)地類特征，將影像中各個(gè)像素組成的混合散射類型進(jìn)行初步聚類，對(duì)每類隨機(jī)選擇n個(gè)樣本中C1和C2作為訓(xùn)練集，剩余樣本S1和S2作為驗(yàn)證樣本。利用SVM根據(jù)C1和C2樣本對(duì)研究區(qū)分別進(jìn)行地物分類，再分別用S1和S2樣本對(duì)分類結(jié)果進(jìn)行驗(yàn)證，對(duì)上述分類過(guò)程進(jìn)行迭代，直到迭代停止。最終對(duì)2個(gè)SVM分類結(jié)果進(jìn)行標(biāo)記，對(duì)于同一地物有相同標(biāo)記的作為最后標(biāo)記，如果標(biāo)記不同，對(duì)所有標(biāo)記相同的點(diǎn)計(jì)算聚類中心，最后用復(fù)Wishart分類對(duì)不同標(biāo)記的類別進(jìn)行重分類。

3 結(jié)果與分析

3.1 全極化Radarsat-2數(shù)據(jù)目標(biāo)分解特征參數(shù)

Freeman-Durden分解和H-α分解的極化分解參數(shù)如圖3所示，其中Freeman-Durden分解后得到3種散射機(jī)制，分別為體散射、二次散射和單次散射。H-α分解有3個(gè)有效參數(shù)，散射熵H是確定散射隨機(jī)性的一個(gè)重要參數(shù)，而α與散射機(jī)制有直接關(guān)系，給出基于H-α分解的3個(gè)特征參量(散射熵、平均散射角及反熵)空間分布。H從0到1表示媒質(zhì)從各向同性散射到完全隨機(jī)散射，當(dāng)H值較高時(shí)，表示目標(biāo)不只是一種等階的散射矩陣，此時(shí)對(duì)目標(biāo)的去極化效應(yīng)較強(qiáng)，散射中的噪聲趨于一個(gè)隨機(jī)過(guò)程，需要對(duì)過(guò)程中的所有特征值進(jìn)行考慮； 而當(dāng)H值較小時(shí)，針對(duì)目標(biāo)去極化的效果較弱，其中目標(biāo)散射矩陣中占主導(dǎo)地位的主要是最大特征值對(duì)應(yīng)的特征向量。從圖3(a)—(c)中可以得到，植被覆蓋區(qū)為農(nóng)田時(shí)主要散射為體散射和單次散射，鹽漬地單次散射和體散射都低于農(nóng)田，水體在3種散射機(jī)制中都最弱。從重度鹽漬地到中度再到輕度鹽漬地的過(guò)渡中，顏色逐漸變深，說(shuō)明散射值逐漸增大。在重度鹽漬地范圍內(nèi)植被覆蓋度小，其后向散射值小于農(nóng)田和輕度鹽漬地。在輕度鹽漬地范圍內(nèi)，由于影像獲取時(shí)間、地理位置和氣溫等因素，該區(qū)域一般為草地覆蓋，而草地的植株高度及含水量都比農(nóng)田低，在分解后的影像中輕度鹽漬地在體散射上表現(xiàn)出數(shù)值高于重度鹽漬地而低于農(nóng)田的特征。從如圖3(d)中可知，鹽漬地在中高散射熵區(qū)域隨機(jī)性較強(qiáng)，對(duì)于輕中度鹽漬地，植被植株低矮，而植被散射各向異性較強(qiáng)，同時(shí)區(qū)域鹽分含量不同，使得該區(qū)域散射的隨機(jī)性較強(qiáng)。

(a) 體散射(b) 二次散射(c) 單次散射

(d) 散射熵(e) 平均散射角(f) 反熵

圖3極化分解參數(shù)

Fig.3Parametersofpolarizationdecomposition

3.2 各分解參數(shù)特征空間分布

同種極化分解后對(duì)得到的分解參數(shù)進(jìn)行特征空間構(gòu)建。Freeman-Durden分解和H-α分解分別得到3個(gè)分解參數(shù)，再在同種分解法內(nèi)部隨機(jī)取2種分解參數(shù)構(gòu)建特征空間，共得到6種參數(shù)特征空間(圖4)。

(a) 體散射與二次散射(b) 體散射與單次散射(c) 單次散射與二次散射

(d) 散射熵與平均散射角(e) 散射熵與反熵(f) 反熵與平均散射角

圖4參數(shù)特征空間構(gòu)建

Fig.4Parametersspaceconstruction

如圖4所示，各分解參數(shù)之間密度分布，從外側(cè)向內(nèi)部逐漸增高。特征空間分布中由Freeman-Durden分解得到的分解參數(shù)所構(gòu)建的特征空間(圖4(a)—(c))，離散度小，參數(shù)值域較小，數(shù)值分布較集中，其中體散射與單次散射構(gòu)成的特征空間參數(shù)數(shù)值分布較為廣泛，密度中心突出，且類別辨識(shí)度較高。H-α分解得到的分解參數(shù)所構(gòu)建的特征空間(圖4(d)—(f))，數(shù)值分布廣泛，且離散度高于Freeman-Durden分解后參數(shù)特征空間的數(shù)值離散度。

對(duì)各個(gè)特征空間散點(diǎn)分布進(jìn)行研究發(fā)現(xiàn)，經(jīng)過(guò)H-α極化分解散射熵與平均散射角構(gòu)成的特征空間具有明顯規(guī)律，對(duì)該特征空間進(jìn)行逐步分析，如圖5所示。

(a) 散射熵與平均散射角的散點(diǎn)圖(b) 散點(diǎn)圖對(duì)應(yīng)Radar-sat-2影像

圖5H-α特征空間

Fig.5FeaturespaceofH-α

從圖5可以看出，重度鹽漬地(C區(qū)域黃色部分)的散射熵與平均散射角較小，而農(nóng)田(B區(qū)域綠色部分)在散點(diǎn)圖特征空間中表現(xiàn)出散射熵與平均散射角較高，而水體(A區(qū)域藍(lán)色部分)則呈現(xiàn)出離散分布。

3.3 SVM-Wishart鹽漬化信息提取及精度評(píng)價(jià)

利用SVM-Wishart方法對(duì)處理后的PolSAR影像分類，結(jié)果如圖6所示。

(a) H/α分解SVM-Wishart分類(b) Freeman-Durden分解SVM-Wishart分類(c) Freeman-Durden分解SVM分類

圖6SVM-Wishart分類結(jié)果

Fig.6SVM-Wishartclassificationresults

圖6中可以看出，研究區(qū)裸地面積最大(包括沙漠與礫石地)，其次為農(nóng)田面積，重度鹽漬地面積小于中輕度鹽漬地面積。將分類結(jié)果與實(shí)際采樣點(diǎn)比對(duì)，發(fā)現(xiàn)中輕度鹽漬地主要為鹽漬草地。重度鹽漬地一般處于地勢(shì)平坦的低洼處，其植被覆蓋少，后向散射值與水體相近。研究中分別采用Freeman-Durden分解和H/α分解2種分解方法，對(duì)SAR影像進(jìn)行分解分類，與傳統(tǒng)的光學(xué)影像分類相比，通過(guò)極化分解得到6個(gè)特征參數(shù)： 體散射、二次散射、單次散射、散射熵、平均散射角及反熵，由于每類地物都具有獨(dú)特的散射特性，其表現(xiàn)的特征值也各不相同，如農(nóng)田主要散射為體散射和單次散射，經(jīng)過(guò)分解后，影像對(duì)地表結(jié)構(gòu)更敏感，地物結(jié)構(gòu)信息更容易體現(xiàn)，分類結(jié)果顯示出規(guī)則的紋理信息，表現(xiàn)出規(guī)則的田間規(guī)劃。而鹽漬地從輕度到重度，散射值逐漸減小，其后向散射值小于農(nóng)田，重度鹽漬地趨近與水體。利用分解后的SAR影像進(jìn)行鹽漬地信息識(shí)別時(shí)表現(xiàn)出一定的優(yōu)勢(shì)，從分類中可以得到研究區(qū)內(nèi)鹽漬地主要集中在綠洲的東北角，其中綠洲內(nèi)部鹽漬地呈帶狀分布，而荒漠綠洲交錯(cuò)帶的鹽漬地呈片狀分布的結(jié)果。綠洲東北角的土壤鹽漬化現(xiàn)象較為明顯且逐漸嚴(yán)重的主要原因是綠洲東北角海拔較低，綠洲內(nèi)部農(nóng)業(yè)與人類活動(dòng)排放的水向地勢(shì)較低的該區(qū)段累積，導(dǎo)致地下水位增高，而高溫強(qiáng)蒸發(fā)加少量的降水，最終造成了該區(qū)段土壤鹽漬化程度加重。

運(yùn)用野外實(shí)際采樣點(diǎn)，驗(yàn)證SAR影像分類結(jié)果精度，結(jié)果如表4所示。

表4 土壤鹽漬化信息監(jiān)測(cè)分類信息驗(yàn)證Tab.4 Precision validation of monitoring accuracy of salinized soil information

利用Freeman-Durden分解和H/α分解，結(jié)合SVM-Wishart分類得出，Kappa系數(shù)分別為0.83和0.71，總體分類精度分別為88.00%和78.96%，從數(shù)值上看分類精度Freeman-Durden分解分類結(jié)果優(yōu)于H/α分解，主要體現(xiàn)在鹽漬地和農(nóng)田的提取方面，可能原因是H/α分解后特征參數(shù)由其特性只分成了8類，應(yīng)用SVM進(jìn)行迭代時(shí)由于初始類別的局限，類別劃分界限相對(duì)粗糙，對(duì)復(fù)雜地物的劃分缺乏靈活性，許多植被以及輕度鹽漬地都沒(méi)有被劃分清楚，鹽漬地的等級(jí)邊界沒(méi)有很好地被區(qū)分，細(xì)節(jié)部分沒(méi)有被識(shí)別出來(lái)，從而導(dǎo)致分類精度偏低； 而Freeman-Durden分解將極化數(shù)據(jù)劃分為3個(gè)初始聚類，然后對(duì)各個(gè)初始聚類進(jìn)行細(xì)分類再合并到指定的類別數(shù)目，最后在各初始聚類內(nèi)利用分類器進(jìn)行SVM迭代劃分為15類，細(xì)節(jié)可以較為突出地體現(xiàn)出來(lái)，水體、重度鹽漬地和裸地等局部地物也可以被較好地區(qū)分，因而分類精度相對(duì)較高。Freeman-Durden分解后利用SVM-Wishart分類的效果優(yōu)于傳統(tǒng)的SVM分類，其原因可概括為通過(guò)SVM-Wishart協(xié)同分類，在兼顧了2種分類條件的前提下，結(jié)合2種分類的優(yōu)勢(shì)，充分利用了PolSAR影像分解后的特征參數(shù)，提高了分類精度。

4 結(jié)論與討論

本研究利用Freeman-Durden和H/α這2種目標(biāo)分解技術(shù)分別對(duì)SAR影像進(jìn)行目標(biāo)分解，結(jié)合SVM-Wishart分類方法對(duì)研究區(qū)地物類型進(jìn)行信息提取，通過(guò)對(duì)2種分解方法的分類結(jié)果進(jìn)行定性與定量比較與分析，得出以下結(jié)論：

1)應(yīng)用不同極化分解得到的特征參數(shù)進(jìn)行影像類型識(shí)別和參數(shù)特征空間構(gòu)建，不同參數(shù)信息識(shí)別度不同，且參數(shù)之間特征空間分布不同，H/α分解后特征參數(shù)構(gòu)成的特征空間存在明顯規(guī)律，地物類型與空間特征關(guān)系密切，較好地反映了地物的分布情況。

2)利用SVM-Wishart半監(jiān)督協(xié)同分類方法，對(duì)干旱區(qū)土壤鹽漬化信息進(jìn)行提取，分類結(jié)果表明，經(jīng)過(guò)Freeman-Durden分解分類效果優(yōu)于H/α分解分類效果，基于Freeman-Durden分解能夠更好地識(shí)別地物類型，更好地反映豐富的地物信息，但2種分解方法都驗(yàn)證了結(jié)合極化分解參數(shù)提取地物信息的有效性。

3)半監(jiān)督SVM-Wishart分類效果優(yōu)于傳統(tǒng)SVM分類效果。SVM-Wishart分類方法結(jié)合了2種分類方法的優(yōu)勢(shì)，可以更好地對(duì)土壤鹽漬化信息進(jìn)行提取。

對(duì)PolSAR數(shù)據(jù)分解提取土壤鹽漬化信息，發(fā)現(xiàn)特征參數(shù)對(duì)土壤各類信息敏感度不同，粗糙度較小的重度鹽漬地的雷達(dá)后向散射值較小，容易與水體混分，今后可以在分類前結(jié)合光學(xué)影像先將水體與鹽漬地進(jìn)行區(qū)分。同時(shí)分類結(jié)果顯示，對(duì)于單獨(dú)的相干矩陣并不能對(duì)雷達(dá)圖像包含的信息進(jìn)行充分挖掘，而結(jié)合目標(biāo)分解后的參數(shù)構(gòu)成的特征空間信息，可以更好地對(duì)研究區(qū)信息進(jìn)行提取。本文只是采用了Freeman-Durden分解和H/α分解，未對(duì)其他分解方法進(jìn)行研究，今后的土壤鹽漬化信息提取研究中，可考慮利用極化分解后參數(shù)構(gòu)成的特征空間規(guī)律和極化分解后特征參數(shù)的交叉組合，使研究?jī)?nèi)容更加豐富與完善。利用全極化Radarsat-2數(shù)據(jù)，結(jié)合極化分解后參數(shù)特征空間通過(guò)半監(jiān)督分類法提取土壤鹽漬化信息，對(duì)于干旱區(qū)土壤鹽漬化監(jiān)測(cè)具有一定的研究意義。