高 晗，汪長城,2，楊敏華，胡燦程，羅興軍

(1.中南大學(xué) 地球科學(xué)與信息物理學(xué)院，湖南 長沙 410083;2.中南大學(xué) 有色金屬成礦預(yù)測教育部重點實驗室，湖南 長沙 410083)

2016-08-10，我國自主研發(fā)的首顆高分辨率、多極化通道的C波段合成孔徑雷達(SAR)衛(wèi)星—高分三號(GF-3)衛(wèi)星成功發(fā)射，其具備12種成像模式，空間分辨率最高可達1 m[1]。這縮短我國在星載SAR系統(tǒng)方面和國際上的差距，同時是我國在對地觀測領(lǐng)域前進的重要一步。GF-3衛(wèi)星擁有SAR衛(wèi)星不受云霧、天氣影響的優(yōu)勢，可以全天候、全天時對海洋和陸地進行監(jiān)測，而且其獨特的左右姿態(tài)模式機動地擴大觀測范圍，提高災(zāi)害發(fā)生時的快速響應(yīng)能力。雖然以上這些優(yōu)勢使得GF-3衛(wèi)星的應(yīng)用空間十分廣泛，但迄今為止，國內(nèi)學(xué)者研究GF-3衛(wèi)星的研究重點主要局限在幾何定位[2-3]、圖像質(zhì)量增強[4]、海洋定量遙感[5-6]、艦船識別[7]等以海洋為主的應(yīng)用領(lǐng)域，而針對極化SAR地物分類，尤其是極化SAR農(nóng)作物分類方面的研究還很少。與傳統(tǒng)的光學(xué)遙感手段相比，使用極化SAR數(shù)據(jù)對農(nóng)作物進行分類，不僅可以克服惡劣天氣和云霧遮蓋的影響，而且還可以借助不同極化通道對農(nóng)作物結(jié)構(gòu)信息敏感的特點，對農(nóng)作物進行更為精準(zhǔn)的分類，這也對我國“精細(xì)農(nóng)業(yè)”的實行和推廣大有裨益[8]。

本文針對GF-3衛(wèi)星的多極化特征進行研究，選取湖南省岳陽縣洞庭湖流域的一塊農(nóng)田區(qū)作為實驗區(qū)域，深入分析不同農(nóng)作物的極化散射特性。然后分別利用H/α-wishart和H/A/α-wishart分類方法進行農(nóng)作物分類并進行精度評定。

1 實驗數(shù)據(jù)及預(yù)處理

GF-3衛(wèi)星的各項圖像質(zhì)量指標(biāo)已經(jīng)通過了在軌驗證[9]和實地驗證[10-11]，其極化隔離度≥37 dB，極化幅度不平衡度<0.3 dB，極化相位不平衡度<±6.9°，噪聲等效后向散射系數(shù)≤-20 dB(空間分辨率為1～10 m)，其相對輻射精度為0.7～0.8 dB，絕對輻射精度為1.3～1.4 dB，輻射分辨率<3.0 dB(空間分辨率為1～10 m)，以上指標(biāo)已經(jīng)可以滿足不同行業(yè)用戶的應(yīng)用需求。本實驗所用數(shù)據(jù)為GF-3全極化數(shù)據(jù)，其具體參數(shù)見表1。

表1 衛(wèi)星參數(shù)情況

實驗區(qū)域位于湖南省岳陽縣洞庭湖流域。如圖1所示，本文獲取位于該實驗區(qū)10 m分辨率的Sentinel-2A光學(xué)影像作為對比。光學(xué)影像獲取時間與GF-3影像獲取時間為同一天，均為2017-09-15。GF-3的原始數(shù)據(jù)類型為壓縮后的16位tiff格式，將每個極化通道的數(shù)據(jù)讀入后，分別得到其實部和虛部。首先要將其強制類型轉(zhuǎn)換為32位float格式，之后再將實部和虛部進行融合，轉(zhuǎn)換為復(fù)數(shù)格式。然后使用高分三號原始數(shù)據(jù)中提供的定標(biāo)常數(shù)對不同極化通道的散射幅度進行校正，并使用校正后的散射矩陣求得極化相干矩陣T3，并基于T3進行Non-Local濾波。濾波后，對極化數(shù)據(jù)進行H/A/α分解，統(tǒng)計不同農(nóng)作物的極化特征，并分析其極化散射特性。最后進行H/α-wishart分類和H/A/α-wishart分類，并評價分類精度。圖2為實驗的整體流程圖，圖3為Non-Local濾波前后的Pauli基偽彩色合成圖。Non-Local濾波[12]是一種極化SAR影像濾波方法，其因為斑點噪聲的高抑制性和細(xì)節(jié)信息的高保真性，受到行業(yè)內(nèi)廣泛的使用。最后對實驗區(qū)進行實地調(diào)查，選取了6種主要地物，其中農(nóng)作物有4類，真實地物覆蓋情況如圖4所示。

圖1 實驗區(qū)概覽圖，光學(xué)影像為Sentinel-2A數(shù)據(jù)(10 m分辨率)

2 農(nóng)作物極化散射特性分析

2.1 H/A/α分解

極化相干矩陣T3是一種基于Pauli基散射向量k的二階統(tǒng)計矩陣：

(1)

圖2 實驗整體流程

圖3 極化SAR影像Pauli基偽彩色合成

圖4 實驗區(qū)真實地物類別覆蓋情況

而H/A/α分解方法[13]是國際上公認(rèn)的反映目標(biāo)物理散射機制的一種極化分解方法，其主要思想是將T3分解為3種相互獨立的散射機制，其對應(yīng)的特征值分別代表3種散射機制所占的權(quán)重。

1)極化散射熵H代表3個特征值在統(tǒng)計意義上的無序性，其式：

(2)

(3)

其中λi表示對應(yīng)散射機制的特征值，Pi表示其偽概率。

2)極化散射角α代表該像元主導(dǎo)的散射機制類型，其范圍為[0°,90°]。當(dāng)α∈[0°,42.5°)，主導(dǎo)的散射機制是表面散射；當(dāng)α∈(42.5°,47.5°]，主導(dǎo)的散射機制是體散射；當(dāng)α∈(47.5°,90°]，主導(dǎo)的散射機制是二面角散射。

3)極化散射各項異性度A沒有具體的物理含義，它是為了進一步區(qū)分在高熵區(qū)域內(nèi)兩個次優(yōu)的散射機制的相對大小，其式：

(4)

2.2 實驗區(qū)農(nóng)作物極化散射特性分析

農(nóng)作物極化散射特性的分析主要通過極化特征的統(tǒng)計來進行。本文對不同類別的農(nóng)作物及其地物進行極化特征的統(tǒng)計，在這里不僅統(tǒng)計H/A/α分解得到的3個參數(shù)的分布，而且還統(tǒng)計同極化通道HH和交叉極化通道HV下的后向散射系數(shù)的分布，以及同極化通道HH和VV之間的極化相位差分布見圖5和表2。H/A/α分解得到的極化散射熵H和極化散射角α可以表征地物的物理特征

圖5 極化散射特征統(tǒng)計圖

Hα/(°)Ameanstdmeanstdmeanstd荷塘0.800.0542.754.360.470.09西瓜(大棚)0.820.0436.953.640.230.07二季水稻0.810.0846.602.950.240.10一季水稻0.860.0545.432.75 0.250.08水體0.660.0529.722.530.370.08裸地0.720.0730.304.720.250.09σHH/dBσHV/dBΔφHH_VV/(°)meanstdmeanstdmeanstd荷塘-3.241.53-12.101.75-17.2030.32西瓜(大棚)-5.750.77-12.340.89-13.7610.66二季水稻-6.441.50-14.091.46-14.8037.95一季水稻-8.111.18-14.941.04-5.9026.23水體-20.252.77-27.102.42-2.0441.55裸地-8.390.97-15.901.38-7.9011.24

和結(jié)構(gòu)信息，而各項異性度A則可以進一步將地物進行劃分。另外，對于C波段SAR數(shù)據(jù)，同極化通道間的極化相位差對農(nóng)作物的結(jié)構(gòu)表征十分重要，其在一定程度上表示了微波在農(nóng)作物內(nèi)部的穿透深度。

圖5為極化熵H、極化散射角α等6個極化特征在不同類別下的統(tǒng)計分布曲線。通過圖5和表2的結(jié)果可以得到以下結(jié)論：

1)水體的熵均值最低，其次是裸地，這是由這兩種地物本身較高的同質(zhì)性導(dǎo)致的。從極化散射角來看，水體和裸地這兩類都表現(xiàn)出很明顯的表面散射。這說明使用H和α可以很好地將水體和裸地與農(nóng)作物分離開來。從同極化通道和交叉極化通道的后向散射系數(shù)分布來看，水體的后向散射系數(shù)分布曲線明顯不同于裸地及農(nóng)作物；

2)西瓜(大棚)與其余農(nóng)作物相比，其極化散射角主要分布在[20°,40°]之間，呈現(xiàn)表面散射，這與實際情況很吻合。因為在9月，西瓜是在大棚里進行種植。而且從同極化通道的后向散射系數(shù)分布曲線和極化相位差分布曲線來看，西瓜(大棚)與其余農(nóng)作物的區(qū)分度也較高；

3)從極化散射角分布曲線來看，荷塘、二季水稻和一季水稻都表現(xiàn)為體散射，這是因為C波段的穿透能力較差，微波主要作用于這3種作物的冠層；

4)雖然荷塘使用各項異性參數(shù)來進行區(qū)分，但荷塘的同極化后向散射系數(shù)分布與其余農(nóng)作物的后向散射系數(shù)分布相比有更大的差異，其同極化后向散射系數(shù)均值明顯大于其余農(nóng)作物；

5)二季水稻和一季水稻因結(jié)構(gòu)較相似，在后向散射系數(shù)、極化散射熵、極化散射角和各項異性參數(shù)上的分布差異較小，經(jīng)典的幾種極化特征很難將二者區(qū)分開來。然而二者的極化相位差的差異較大，主要原因在于其處于不同的生長周期。

3 極化SAR農(nóng)作物分類

3.1 非監(jiān)督分類方法

本文使用H、A和α3個極化分解參數(shù)可以按照H/α分類平面或H/A/α分類空間對極化圖像進行劃分，如圖6所示，將本文實驗數(shù)據(jù)參數(shù)分解的情況投影在3個平面——H/α平面、H/A平面和A/α平面。所劃分的每一類都有對應(yīng)的物理表示。

通過上述劃分后，可以將H/α分類結(jié)果或H/A/α分類結(jié)果作為初始分類，然后進行wishart分類迭代。其迭代原則為距離最小原則，其wishart距離式為:

(5)

3.2 實驗區(qū)農(nóng)作物分類結(jié)果

首先，本文分別使用H/α分割和H/A/α分割來對實驗區(qū)的農(nóng)作物進行初始劃分，之后使用wishart迭代得到分類結(jié)果，結(jié)果如圖7所示。然后本文對分類的精度進行評價，得到兩種分類方法所對應(yīng)的混淆矩陣，如表3和表4所示。最終得到H/α-wishart分類結(jié)果的整體精度為85.30%，Kappa系數(shù)為0.822 4；而H/A/α-wishart分類結(jié)果的整體精度為86.57%，Kappa系數(shù)為0.837 7。后者的分類精度整體上略高于前者。

圖6 分類平面投影

圖7 實驗區(qū)農(nóng)作物分類結(jié)果圖

%

表4 H/A/α-wishart分類混淆矩陣 %

從混淆矩陣來看，H/A/α-wishart分類所增加的各項異性參數(shù)A進一步將水體和裸地與農(nóng)作物類別分離開來，而且其使得二季水稻分類精度更高。就具體的地物類別來看，以表面散射為主的水體、裸地和西瓜(大棚)平均精度都較高，在90%以上，荷塘和一季水稻的平均精度在80%～90%之間。而二季水稻的平均精度不到60%，造成這種情況的主要原因是經(jīng)典的極化分類方法無法將二季水稻和一季水稻很好地區(qū)分。最后，如圖8所示，本文將兩種方法的精度進行比較后，可以得出結(jié)論：就農(nóng)作物分類而言，H/A/α-wishart整體上要略優(yōu)于H/α-wishart分類，但就工程應(yīng)用來說，兩者的結(jié)果都可以滿足基本要求。

圖8 分類精度對比直方圖

4 結(jié) 論

為了驗證GF-3衛(wèi)星的多極化特征是否可以用于農(nóng)作物分類，本文選取洞庭湖流域的農(nóng)田區(qū)域進行實驗。實驗首先對極化SAR數(shù)據(jù)進行預(yù)處理，其中濾波方法選用Non-Local濾波，然后對極化SAR數(shù)據(jù)進行H/A/α分解，針對分解得到的3個參數(shù)以及同極化HH后向散射系數(shù)、交叉極化HV后向散射系數(shù)和同極化相位差共6個極化特征進行不同類別的統(tǒng)計分析后，得出GF-3衛(wèi)星對農(nóng)作物及水體和裸地的表征正常。最后利用H/α-wishart和H/A/α-wishart兩種分類方法對進行分類，結(jié)果表明兩種方法的分類精度都達到了85%以上，Kappa系數(shù)大于0.8，而且經(jīng)過精度對比，后者的整體精度略高于前者。綜上所述，GF-3衛(wèi)星極化SAR數(shù)據(jù)可以正確反映農(nóng)作物的極化散射特征，并可以用于極化SAR農(nóng)作物分類的相關(guān)研究。