梅 新，聶 雯，劉俊怡

(1.湖北大學(xué)資源環(huán)境學(xué)院，武漢 430062； 2.武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北武漢 430079)

0 引言

植被指數(shù)作為反映植被生長(zhǎng)狀態(tài)和分布信息的重要參數(shù)[1]，通過(guò)對(duì)植被狀態(tài)信息的定性和定量表達(dá)，在監(jiān)測(cè)環(huán)境變化、識(shí)別作物生長(zhǎng)狀態(tài)以及動(dòng)態(tài)監(jiān)測(cè)植被變化趨勢(shì)等方面有著廣泛的應(yīng)用?；诤铣煽讖嚼走_(dá)(synthetic aperture radar，SAR)提取的雷達(dá)植被指數(shù)兼具監(jiān)測(cè)植被能力和微波遙感穿透力強(qiáng)、雷達(dá)影像不受天氣干擾、可全天候獲取數(shù)據(jù)等優(yōu)勢(shì)。由于SAR數(shù)據(jù)在高分辨率成像上比多光譜影像具有更精確的監(jiān)測(cè)能力[2]，雷達(dá)植被指數(shù)在有云區(qū)域作物分類[3]、植被含水量監(jiān)測(cè)[4]和森林監(jiān)測(cè)[5]方面比光學(xué)影像更有優(yōu)勢(shì)。

目前，常用的雷達(dá)植被指數(shù)主要有：基于Freeman分解，通過(guò)計(jì)算體散射、二面角散射和表面散射的雷達(dá)植被指數(shù)(Freeman_RVI)； 基于H/A/alpha分解計(jì)算特征值的雷達(dá)植被指數(shù)(Van_RVI)和基于后向散射強(qiáng)度計(jì)算的雷達(dá)植被指數(shù)(Kim_RVI)。3種RVI在作物葉面積指數(shù)估計(jì)[6]、生物量反演[7]和作物估產(chǎn)方面[8]都有廣泛的應(yīng)用和研究。Freeman_RVI提出的時(shí)間最早[9]，對(duì)植被疏密程度敏感性較高[10]?；谔卣魇噶糠纸獾腣an_RVI包含的信息更為全面，在水土流失監(jiān)測(cè)[11]、土地利用分類[12]和作物倒伏識(shí)別[13]等領(lǐng)域有廣泛應(yīng)用。Kim_RVI算法較為簡(jiǎn)單，在土壤含水量估計(jì)[14]等領(lǐng)域有廣泛應(yīng)用。

由于不同雷達(dá)植被指數(shù)的構(gòu)建有著不同的理論依據(jù)和應(yīng)用價(jià)值，文章基于Radarsat-2全極化數(shù)據(jù)，構(gòu)建了Freeman_RVI、Van_RVI和Kim_RVI 3種雷達(dá)植被指數(shù)。結(jié)合Google earth 歷史影像和實(shí)地調(diào)研數(shù)據(jù)，對(duì)研究區(qū)域地物采樣，選取林地、灌叢、草地、耕地、水生植被、建筑、道路、裸地、湖泊、河流10種典型地物樣本，通過(guò)RVI分布折線圖、不同種類樣本均值、標(biāo)準(zhǔn)差等參數(shù)對(duì)比分析了3種RVI對(duì)植被類型地物與非植被類型地物的區(qū)分能力、對(duì)不同類型的植被地物、非植被地物的敏感程度，為雷達(dá)植被指數(shù)的應(yīng)用提供依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)介紹

實(shí)驗(yàn)數(shù)據(jù)為武漢市Radarsat-2全極化合成孔徑雷達(dá)數(shù)據(jù)，研究區(qū)位置如圖1b中紅色線框區(qū)域，成像時(shí)間為2015年6月25日。圖像分辨率為8m，衛(wèi)星通過(guò)方向?yàn)樯壏较?，入射角?5.23°，實(shí)驗(yàn)數(shù)據(jù)Pauli分解假彩圖如圖1a所示。按照植被分區(qū)[15]對(duì)研究區(qū)域植被分為林地、灌叢、草地、耕地和水生植被5種植被類型，非植被地物類型包括建筑、道路、裸地、湖泊和河流5種。其中，耕地類型為旱地，作物類型主要為芝麻，水生植物主要作物類型為荷花。結(jié)合Google earth歷史影像(2015年7月29日)，手動(dòng)選取樣本點(diǎn)，樣本點(diǎn)統(tǒng)計(jì)表為表1所示，分布見(jiàn)圖1a，每種地物選取約200個(gè)樣本， 10種地物總計(jì)選取2 166個(gè)樣本點(diǎn)參與統(tǒng)計(jì)分析。

圖1 2015年武漢市實(shí)驗(yàn)數(shù)據(jù)覆蓋范圍及不同地物樣本分布

表1 地物樣本數(shù)量統(tǒng)計(jì)表

地物類型樣本點(diǎn)數(shù)量草地199耕地186水生植物244灌木197喬木249裸地210道路198湖泊217河流231建筑235合計(jì)2 166

圖2 Radarsat-2數(shù)據(jù)預(yù)處理流程

1.2 數(shù)據(jù)預(yù)處理

由于3種RVI對(duì)應(yīng)極化分解算法不同，SAR影像預(yù)處理流程也不同。Radarsat-2 影像預(yù)處理如圖2所示，具體步驟如下：(1)輻射定標(biāo)：將Radarsat-2數(shù)據(jù)DN值轉(zhuǎn)換為后向散射系數(shù)，并根據(jù)雷達(dá)探測(cè)角度進(jìn)行輻射校正； (2)使用窗口大小為11×11的精致Lee濾波減少雷達(dá)數(shù)據(jù)噪聲； (3)對(duì)濾波后影像進(jìn)行H/A/alpha分解和Freeman分解，并在此基礎(chǔ)上進(jìn)行RVI的計(jì)算； (4)地形校正得到糾正后的RVI。該文利用SAR數(shù)據(jù)處理軟件NEST 4C(Next ESA SAR Toolbox)進(jìn)行輻射定標(biāo)和地形校正，利用極化SAR數(shù)據(jù)處理軟件PolSARpro 5.0進(jìn)行極化濾波和分解。

1.3 雷達(dá)植被指數(shù)計(jì)算

該文選取了3種常用的雷達(dá)植被指數(shù)，分析計(jì)算不同算法的RVI在不同地物上的表現(xiàn)差異，計(jì)算結(jié)果如圖3所示。

(1)Freeman_RVI:Freeman_RVI是最早提出的雷達(dá)植被指數(shù)。Freeman 基于3種簡(jiǎn)單散射機(jī)制，將全極化SAR數(shù)據(jù)的協(xié)方差矩陣分解得到奇次散射(Fd)、偶次散射(Fs)和體散射(Fv)的散射功率分量。根據(jù)3種散射機(jī)制分量的比例構(gòu)建的基于Freeman-Durden分解的雷達(dá)植被指數(shù)為[6]：

(1)

(2)Van_RVI:Van用隨機(jī)取向的介電圓柱體模型，應(yīng)用隨機(jī)方向的圓柱電介質(zhì)模型對(duì)普通形狀的植被電磁散射進(jìn)行了模擬，通過(guò)分析植被區(qū)域電磁散射具有極化特性，提出雷達(dá)植被指數(shù)為[16]：

(2)

式(2)中，λ1、λ2、λ3為極化相干矩陣T3的特征值，且λ1>λ2>λ3。

(3)Kim_RVI:Kim根據(jù)同極化和交叉極化后向散射系數(shù)之間的關(guān)系，推導(dǎo)出的雷達(dá)植被指數(shù)為[17]：

(3)

式(3)中，σHH、σVV為同極化后向散射系數(shù)，σHV為交叉極化后向散射系數(shù)。

圖3 3種雷達(dá)植被指數(shù)計(jì)算結(jié)果

2 3種RVI比較與分析

根據(jù)目視判別和實(shí)地調(diào)研，結(jié)合Google earth影像，試驗(yàn)區(qū)土地覆被分為林地、灌叢、草地、耕地、水生植物、建筑、道路、裸地、湖泊、河流10種類型。對(duì)試驗(yàn)區(qū)選取了2 166個(gè)樣本點(diǎn)，得到不同植被、非植被類型地物RVI分布折線圖如圖4。從數(shù)據(jù)分布特性分析比較了3種雷達(dá)植被指數(shù)對(duì)于植被與非植被、不同種類植被、不同種類非植被的敏感程度。

由圖4(a)、(b)、(c)對(duì)比可見(jiàn)， 3種雷達(dá)植被指數(shù)對(duì)于不同類型植被的敏感性不同。植被類型地物的Van_RVI值主要分布在大于0.4區(qū)域，非植被樣本的Van_RVI主要分布在小于0.4區(qū)域(圖4(4))，植被與非植被在值域上交集較少，可用于提取植被；Kim_RVI折線圖中，植被RVI>0.4，且不同種植被折線圖峰值較為聚集，對(duì)植被類型的識(shí)別能力較弱；Freeman_RVI對(duì)植被密集的林地非常敏感，絕大多數(shù)的RVI>0.9。3種植被指數(shù)均能有效區(qū)分耕地與林地，對(duì)草地、灌木和水生植物的識(shí)別能力較差。

對(duì)比非植被樣本折線圖4(d)、(e)、(f)，Kim_RVI、Freeman_RVI對(duì)建筑區(qū)域較為敏感，但對(duì)于水體、裸地區(qū)分能力較差。Kim_RVI非植被樣本多集中在0.1～0.6區(qū)間，與植被區(qū)域(>0.4)交集較大，且耕地(0.3～0.6)與水體、道路和裸地分布一致，難以區(qū)分；Freeman_RVI對(duì)密集建筑區(qū)極為敏感，主要樣本RVI>0.4，難以與植被區(qū)分；Van_RVI在非植被區(qū)域折線圖分布較為離散，建筑、道路樣本無(wú)明顯規(guī)律，水體的Van_RVI分布較為集中(RVI<0.35)，裸地樣本Van_RVI值稍大于水體，但與建筑、道路難以區(qū)分。

圖4 不同地物類型樣本的RVI分布折線

2.1 植被與非植被

從植被與非植被的區(qū)分能力，對(duì)3種RVI比較分析，得到分布特征折線圖如圖5。對(duì)植被與非植被樣本統(tǒng)計(jì)混合樣本數(shù)，計(jì)算得到Van_RVI、Freeman_RVI、Kim_RVI混分率分別為： 12.7%、26%和19.7%。Van_RVI的植被與非植被的可分離性最強(qiáng)，F(xiàn)reeman_RVI對(duì)植被與非植被的區(qū)分能力最弱。

2.2 植被

對(duì)林地、灌叢、草地、耕地、水生植物分別統(tǒng)計(jì)樣本特征，得到不同種類植被混分率。其中， 3種雷達(dá)植被指數(shù)都對(duì)林地、耕地的識(shí)別能力較好，特征折線圖如圖6。耕地的Van_RVI、Freeman_RVI、Kim_RVI混分率分別為： 16%、17.5%和13.3%； 林地的Van_RVI、Freeman_RVI、Kim_RVI混分率分別為： 17.5%、18.7%和27.2%。草地、灌叢與水生植物之間可分離性較差，難以有效識(shí)別。

2.3 非植被

雷達(dá)植被指數(shù)對(duì)非植被類型地物總體敏感性較差，但Freeman_RVI、Kim_RVI對(duì)建筑較為敏感，建筑樣本分布折線圖如圖7所示。由于研究區(qū)域主要集中在城市區(qū)域，建筑高度較高且密集，體散射分量較大，F(xiàn)reeman_RVI對(duì)密集建筑區(qū)敏感程度很高。

圖5 植被類型地物樣本與非植被類型地物樣本RVI分布折線

圖6 不同植被類型地物樣本RVI分布折線

圖7 建筑樣本RVI分布折線

2.4 3種RVI比較分析

對(duì)10類樣本數(shù)據(jù)，從數(shù)據(jù)分布范圍、均值、樣本數(shù)據(jù)標(biāo)準(zhǔn)差等方面對(duì)3種算法的RVI進(jìn)行了比較分析。表1為10種地物類型的樣本平均值及數(shù)值分布范圍， 3種雷達(dá)植被指數(shù)對(duì)部分地物敏感程度較為一致，主要為：林地>水生植物>草地、灌叢>耕地>非植被。但不同參數(shù)的取值范圍有較大差異，F(xiàn)reeman_RVI在不同地物中均值差異最大，說(shuō)明Freeman_RVI對(duì)不同地物敏感程度較好。非植被地物類型中，RVI平均值分布主要規(guī)律為：建筑>道路、裸地>水體。Freeman_RVI、Kim_RVI在建筑區(qū)域均值較高，對(duì)建筑區(qū)域非常敏感，Kim_RVI水體樣本均值較高，對(duì)水體敏感。

表2 不同地物樣本點(diǎn)的雷達(dá)植被指數(shù)分布

地物類型RVIs平均值(分布范圍)Freeman_RVIⅤan_RVIKim_RVI植被林地0.87(0.60～1.0)0.68(0.50～0.97)0.86(0.57～1.4)水生植物0.71(0.40～1.0)0.53(0.35～0.70)0.68(0.40～1.18)灌叢0.69(0.34～1.0)0.49(0.37～0.60)0.67(0.33～1.0)草地0.64(0.42～0.9)0.51(0.35～0.68)0.68(0.42～1.0)耕地0.48(0.29～0.92)0.43(0.30～0.59)0.49(0.31～0.68)非植被建筑0.70(0.23～1)0.33(0.12～0.58)0.63(0.11～1.37)道路0.40(0.11～0.64)0.32(0.16～0.49)0.39(0.06～0.7)裸地0.35(0.06～0.63)0.31(0.1～0.5)0.38(0.06～0.62)湖泊0.26(0.14～0.40)0.26(0.17～0.38)0.45(0.30～0.66)河流0.26(0.15～0.42)0.26(0.13～0.40)0.49(0.26～0.80)

表3 不同地物樣本點(diǎn)的雷達(dá)植被指數(shù)標(biāo)準(zhǔn)差

地物類型RVIs標(biāo)準(zhǔn)差Freeman_RVIⅤan_RVIKim_RVI植被林地0.130.100.18水生植物0.170.090.16灌叢0.180.160.16草地0.120.080.15耕地0.120.070.10非植被建筑0.140.090.13道路0.240.110.28裸地0.120.090.14湖泊0.130.090.13河流0.070.050.09總體0.210.140.16

表4 3種雷達(dá)植被指數(shù)對(duì)不同植被識(shí)別潛力

林地灌叢耕地草地水生植物植被Freeman_RVI++—+——+Van_RVI++—+——++Kim_RVI+—+——- 注:++、+、-、—分別代表區(qū)分能力強(qiáng)、區(qū)分能力較強(qiáng)、區(qū)分能力較弱、不能區(qū)分

對(duì)10種地物分布統(tǒng)計(jì)樣本方差，得到不同地物樣本點(diǎn)的3種RVI方差，方差值越小數(shù)據(jù)震蕩越小，對(duì)同種地物識(shí)別越敏感，計(jì)算結(jié)果如表2。Van_RVI在非植被樣本中標(biāo)準(zhǔn)差最低，RVI數(shù)值較為集中，且植被區(qū)域RVI平均值較低(表1)，便于區(qū)分植被與非植被。Freeman_RVI、Kim_RVI在建筑區(qū)域，樣本數(shù)據(jù)震蕩較大，且建筑樣本RVI均值較高，部分建筑RVI值易于植被區(qū)域混合，對(duì)植被提取和分類干擾較大。Kim_RVI對(duì)水體也較為敏感，水體RVI均值與耕地較為相近，對(duì)植被提取干擾也較大。湖泊與河流的樣本方差在3種RVI中無(wú)明顯區(qū)別。

通過(guò)以上對(duì)比分析得到的3種RVI對(duì)植被的區(qū)分能力見(jiàn)表格3。3種RVI對(duì)灌木、水生植物、草地的區(qū)分能力較差，很難從其他植被中分離出目標(biāo)地物。3種RVI都對(duì)林地、耕地較為敏感。3種RVI對(duì)非植被地物敏感性差別較大，Kim_RVI和Freeman_RVI對(duì)建筑敏感性良好，Kim_RVI對(duì)水體也較為敏感，Van_RVI對(duì)5種非植被類型地物敏感性都較差。

3 結(jié)論

該文針對(duì)典型的5種植被和5種非植被地物，結(jié)合Google earth歷史影像選取樣本點(diǎn)，計(jì)算3種常用雷達(dá)植被指數(shù)，并提取樣本RVI值，通過(guò)對(duì)比植被與非植被、不同種類植被、不同種類非植被RVI值，比較3種雷達(dá)植被指數(shù)對(duì)不同類型地物的敏感程度。結(jié)果表明， 3種雷達(dá)植被指數(shù)對(duì)植被總體敏感程度較為相似，但對(duì)于不同植被類型， 3種雷達(dá)植被指數(shù)敏感性存在差異。通過(guò)對(duì)比研究，得到3種雷達(dá)植被指數(shù)的適用性如下。

(1)Freeman_RVI對(duì)于植被密集的林地較為敏感，可用于大面積林地提取，如森林制圖等應(yīng)用； 對(duì)植被與非植被區(qū)分情況良好； 基于Freeman分解的雷達(dá)植被指數(shù)，對(duì)于體散射比例顯著的建筑區(qū)較為敏感，RVI值與植被難以區(qū)分；Freeman_RVI對(duì)水體、道路、裸地敏感性差，難以有效區(qū)分。

(2)Van_RVI的植被樣本統(tǒng)計(jì)標(biāo)準(zhǔn)差最低，對(duì)研究區(qū)域植被與非植被地物類型的區(qū)分性最強(qiáng)，相比其他兩種植被指數(shù)，更適用于植被提?。?在5種植被樣本中，Van_RVI對(duì)于區(qū)分耕地與林地、灌木與林地效果良好； 但對(duì)于非植被地物間的區(qū)分能力較差。

(3)Kim_RVI圖像預(yù)處理流程最為簡(jiǎn)單，計(jì)算時(shí)間最短，最適用于應(yīng)急情況下的植被指數(shù)產(chǎn)品生產(chǎn)； 在5種植被樣本中，對(duì)耕地與林地的區(qū)分能力較好，且對(duì)水生植被有一定的敏感性； 但對(duì)不同種類植被RVI均值差別不大，對(duì)不同種類植被區(qū)分能力較弱； 植被與非植被樣本混分率最高，對(duì)植被與非植被的區(qū)分能力較差。