佀文娜，何 敏，王茂山

（1.河海大學(xué)地球科學(xué)與工程學(xué)院，江蘇 南京 211100）

目前基于Sentinel-1數(shù)據(jù)[1]的地物相干性研究較少，特別是長時間序列的研究。為了系統(tǒng)分析長時間序列下地物的時間失相干現(xiàn)象，實驗選取了美國加利福尼亞州南部柯汶納市及其周邊區(qū)域進行研究，使用2017-06-20～2020-09-02的50景Sentinel-1影像，分析了典型地物的時間失相干現(xiàn)象，并研究了風(fēng)雨等天氣因素及不同極化方式對相干性的影響。

1 研究方法

1.1 相干性估計

相干性表示從同一片區(qū)域獲取的兩張SAR復(fù)影像之間的相似程度，它是由2個復(fù)數(shù)信號之間的相關(guān)系數(shù)定義，公式如下：

式中，γ是干涉相關(guān)系數(shù)；s1和s2是復(fù)數(shù)信號；上標*表示復(fù)共軛，E[·]代表期望。由于在實際觀測中，數(shù)學(xué)期望很難獲得，因此假設(shè)目標均勻分布，使用移動窗口中L個像素的空間平均來估計相干性[2]。

式中，i代表相干性估計窗的第i個像素；每個估計窗中有L個像素。相干性范圍為[0,1]，0表示完全失相干，1表示完全相關(guān)。

為了得到更精確的相干性，使用蔣彌[3]等的SHPS-InSAR開源工具包來選取同質(zhì)點。同質(zhì)點選取，又名同統(tǒng)計分布樣本選擇，是以統(tǒng)計推斷為手段度量鄰域像素與中心像素相似度的一種算法，在同類地物目標具有相同后向散射屬性和相同相位散射中心的假設(shè)前提之下，將同類像素匯集進行參數(shù)估計，可以實現(xiàn)信噪比的提升并兼顧圖像分辨率。

實驗使用ISCE軟件配準單視復(fù)數(shù)（SLC）圖像后，先選取同質(zhì)樣本集合，然后用式（2）獲得精確的相干性估計結(jié)果。

1.2 影響相干性因素

在實際干涉相干測量中，有許多影響因素，主要的失相干源可以分為以下幾個部分：幾何失相干、熱噪聲和時間失相干[4-5]。觀測得到的相干性為：

式中，γobs表示觀測得到的總相干性；γgeom是幾何失相干；γsnr代表雷達熱噪聲引起的失相干；γtemp表示時間失相干。為了分析時間失相干的影響，其他的失相干源需要被排除或者校正。

在這些失相干因素中，幾何失相干很大程度上取決于衛(wèi)星兩次重復(fù)訪問同一個區(qū)域時空間位置的距離，即空間基線[6]。由于哨兵一號系統(tǒng)的軌道狹窄，使得衛(wèi)星重復(fù)訪問位置間距很近。經(jīng)統(tǒng)計，此次研究的垂直基線均小于123 m，正是由于垂直基線較短，相對于時間失相干來說，幾何失相干的影響可以忽略不計[7]。

對于系統(tǒng)熱噪聲引起的失相干，通過官方發(fā)布的數(shù)據(jù)發(fā)現(xiàn)，相對于傳統(tǒng)的ScanSAR模式，哨兵一號TOPSAR模式的信噪比非常高。通過計算獲得系統(tǒng)熱噪聲引起的失相干大于0.99，所以對此項造成的影響不予考慮。

時間失相干是指在相同區(qū)域的兩次成像時間間隔內(nèi)，由于散射體本身特性改變或位置移動，導(dǎo)致相干性降低。時間失相干是失相干源中最難確定的部分，探究影響Sentinel-1時間失相干的因素對形變監(jiān)測有較大意義。

2 研究區(qū)概況與數(shù)據(jù)集

此次研究區(qū)位于美國加利福尼亞州南部柯汶納附近，地處洛杉磯東部，地形較為平坦，地表類型多樣。研究區(qū)覆蓋范圍約為230 km2，如圖1所示。實驗共收集了50景Sentinel-1衛(wèi)星TOPSAR干涉寬幅模式C波段雙極化影像數(shù)據(jù)，影像范圍如圖1紅框所示，時間跨度為2017-06-20～2020-09-02，主影像為2017-06-20。

圖1 研究區(qū)位置

實驗使用NLCD 2016作為主要的土地覆蓋類型來源，NLCD 2016是美國地質(zhì)調(diào)查局發(fā)布的新一代土地覆蓋數(shù)據(jù)，根據(jù)Landsat衛(wèi)星圖像和地理空間輔助數(shù)據(jù)集進行分類和匯編，空間分辨率為30 m，覆蓋美國本土地區(qū)。NLCD 2016產(chǎn)品基于修正的安德森二級分類系統(tǒng)劃分，分為16個土地覆蓋級別，研究表明安德森二級分類精度達到82%[8]。

通過官方發(fā)布的國家氣候數(shù)據(jù)中心（NCDC）檔案，此次研究收集了覆蓋研究區(qū)所有氣象站的氣象數(shù)據(jù)，包括每小時風(fēng)速和日降水量等數(shù)據(jù)。

3 結(jié)果與分析

從圖2可以看出，水體的失相干現(xiàn)象非常嚴重，呈現(xiàn)的亮度最低。人工建筑物的相干性很高，相干圖上的亮度最高。常綠樹的相干性低，呈現(xiàn)的亮度較低。農(nóng)作物的相干性較高，呈現(xiàn)的亮度較高。對比三張相干圖可以看到，隨著時間基線增大，失相干現(xiàn)象越來越明顯。

圖2 研究區(qū)土地覆蓋分類圖和相干圖

3.1 典型地物的時間失相干現(xiàn)象

實驗選取4種典型地物進行時間失相干分析，分別為：水體、人工建筑物、常綠林、農(nóng)作物。常綠林和混合林是研究區(qū)內(nèi)覆蓋的主要樹種，其中常綠林占絕大部分，故選取常綠林作為樹林代表。圖3是4種地物隨時間基線變化的時序相干性，時間基線最長為39個月?？梢詮膱D中明顯看到，不同地物的相干性不同，隨著時間變化，失相干現(xiàn)象也不同。

圖3 隨時間變化的地物相干性

水體的相干性最低，是因為水體的表面相對于C波段較為光滑，導(dǎo)致絕大多數(shù)雷達入射波發(fā)生鏡面反射，雷達傳感器幾乎無法接收到返回的電磁波。當水體受到外界因素干擾或地形因素影響，水體的表面粗糙度較大時，此時雖然其后向散射強度較大，但由于水體的形態(tài)不斷在變化，導(dǎo)致相干值很低。

圖4是水體相干性的概率密度直方圖，結(jié)合圖3、4可知，水體相干性的平均值在0.25左右，大多數(shù)分布在0.15～0.25區(qū)間內(nèi)。對于秒級失相干的水體，相干性應(yīng)該接近0，Touzi[9]等認為這個現(xiàn)象是估計相干性時的自然偏差。相干性估計偏差受平均視數(shù)大小的影響，本次實驗取的估計窗口大小為9×9，這個大小的估計窗口會有約0.2的相干值估計偏差[14]。圖4中有少部分水體相干值較大，這是由于土地分類的不準確，水體周圍相干性較高的點如水岸等被誤分類。

圖4 水體相干性的概率密度直方圖

人工建筑物的相干值最高，這是因為其后向散射特性較為穩(wěn)定，而且人工建筑物大多會發(fā)生雙彈反射，將入射波幾乎完全反射回傳感器。從圖3中可以看到，人工建筑物的相干性最初在0.64左右，隨著時間基線增長，相干性自然下降，且下降速度逐漸減緩，在數(shù)月后基本保持在0.55左右。時間基線達到39個月時，相干值在0.52附近。

常綠樹的相干性較為平穩(wěn)，但值很低，在0.28左右。這是因為此地區(qū)分布的橡樹冠層較高，C波段的入射波在冠層中多次發(fā)生散射，即體散射，大部分能量在這個過程中被散射或吸收，導(dǎo)致相干值較低。

農(nóng)作物的相干性變化最大。研究的前5個月，相干性有明顯的下降，從0.57降到0.4以下，然后總體上趨于穩(wěn)定。前5個月相干值明顯下降的原因，是由于隨時間基線增長，相干性的自然下降，還可能是受土壤含水量變化的影響[15]。由于農(nóng)作物相對較為低矮，時間失相干程度較輕，而且有一部分能量由地面反射回雷達傳感器，因此其相干值相對于樹木偏高。

圖3中人工建筑物和農(nóng)作物存在相干性驟降的現(xiàn)象，比如2018-03-11，主要受天氣因素影響，在下一節(jié)中具體分析。

3.2 天氣對相干性的影響

為了研究天氣對相干性的影響，收集了研究區(qū)內(nèi)所有氣象站的每小時風(fēng)速和日降水量數(shù)據(jù)。

統(tǒng)計每小時風(fēng)速后發(fā)現(xiàn)，風(fēng)速大于6 m/s的僅有2017-12-05和2018-07-09兩次，分別為7.5 m/s和6.2 m/s，兩者的相干性都沒有明顯變化（如圖3箭頭標識）。因此判定小于7.5 m/s的風(fēng)速對C波段相干性幾乎無影響。

因數(shù)據(jù)量較大，經(jīng)查詢研究期間的日降水量，截取了有較大降水分布的區(qū)間進行分析，如圖5所示。區(qū)間內(nèi)共獲取影像31張，獲取時有較大降水的影像有7張，日期分別為2018-03-11、2018-05-22、2018-10-13、2018-11-30和2019-01-17、2019-03-06、2019-05-17，如X軸上標記O所示，對應(yīng)降水量分別為17.8mm、4.3 mm、20.8 mm、16.5 mm、66.5 mm、21.2 mm和11.8 mm，用標記*在圖5標識。

圖5 隨時間變化的地物相干性和降水量

為了更直觀、多樣、全面地看到相干性的變化情況，構(gòu)建了前31幅影像的相干系數(shù)矩陣圖，如圖6所示。通過改變主影像，獲得了后續(xù)影像與主影像之間的相干性。每一小格代表橫軸對應(yīng)日期與縱軸對應(yīng)日期獲取影像的相干性，4個相干系數(shù)矩陣均為對稱矩陣，箭頭指示位置表示有較大降水。

圖6 相干系數(shù)矩陣圖

綜合圖5、6可以發(fā)現(xiàn)，圖5有*標記的7景影像,由于獲取影像時有降水，導(dǎo)致人工建筑物和農(nóng)作物的相干性下降。人工建筑物因為表面雨水，影響射入波的反射，從而導(dǎo)致相干性下降；農(nóng)作物相干性下降的原因分為農(nóng)作物和土壤2個因素，雨水使農(nóng)作物散射特性發(fā)生變化，也使土壤含水量發(fā)生變化，導(dǎo)致相干性下降?？傮w來看，降水量越大，人工建筑物和農(nóng)作物的時間失相干現(xiàn)象越嚴重。

2018-01-22無降水，但是農(nóng)作物的相干值下降，而人工建筑物的相干值不變，這可能是因為10 d前有連續(xù)2 d的較大降水，人工建筑物表面的雨水已蒸發(fā)，但土壤的含水量變化較慢，所以導(dǎo)致返回信號變化。

2019-02-10降水量僅為1.05 mm，雖然相比于前后兩景，相干值有回升，其中人工建筑物回升較大，農(nóng)作物回升較小，但相比于平均值，人工建筑物和農(nóng)作物的相干值仍較低。有回升是因為獲取前后兩景衛(wèi)星影像時有較大降水，此次獲取影像時是小降水，因而影響較小。相干值比平均值低是因為獲取影像的5 d前有連續(xù)的較大降水，土壤含水量的變化導(dǎo)致農(nóng)作物相干性低，而人工建筑物表面雨水揮發(fā)快，所以降水對農(nóng)作物相干性的影響比對人工建筑物的影響持續(xù)性久。

從圖3中還可以看到2019-12-13～2020-04-11的影像相干值有小幅降低，如圖3中矩形框所示。這是因為在此期間內(nèi)一直有10～20 mm的小降水影響。其他無降水影響的時期，4種地物的相干性都比較穩(wěn)定。

3.3 不同極化方式對相干性的影響

此次研究是在Sentinel-1衛(wèi)星干涉寬幅模式下獲取的雙極化數(shù)據(jù)，分別為VV極化和VH極化，前文的分析均基于VV極化。

圖7是VV極化減VH極化的相干性差值，2種極化方式的相干值差值在0.02～0.11之間。總體來看VH極化方式比VV極化方式相干值低，信號的損失更大。

圖7 兩種極化方式相干性差值

常綠林的相干性差值較為穩(wěn)定，在0.02左右。水體的相干性差值一直有較小波動，但一直維持在0.03～0.05之間，這個波動可能是由于土地覆蓋分類不準確導(dǎo)致的小偏差。人工建筑物和農(nóng)作物的相干性差值曲線與圖3的變化趨勢幾乎一致，特別在有降水因素影響的時期，VV與VH的相干性差值明顯減小。說明VH極化對變化的感知能力沒有VV極化強，但反過來也可以發(fā)現(xiàn)VH極化的相干性較為穩(wěn)定，抗外界干擾能力更強。

4 結(jié)語

實驗使用時間基線最長為39個月的50景Sentinel-1衛(wèi)星影像，定量分析了不同地物的時間失相干現(xiàn)象，并分析了風(fēng)雨等天氣因素和不同極化方式對地物相干性的影響。此次研究使用同質(zhì)點選取方法獲得相干值，并借助NLCD數(shù)據(jù)進行不同地物的相干性研究，還通過從NCDC檔案獲取的每小時風(fēng)速和日降水量對地物相干性下降的原因進行分析。主要得出以下結(jié)論：①Sentinel-1數(shù)據(jù)典型地物的失相干特征區(qū)別較大，可以較好的指導(dǎo)地物識別、輔助土地分類，尤其是建筑物的識別分類；②小于7.5 m/s的風(fēng)速對相干性幾乎無影響，而降水是導(dǎo)致地物失相干的重要因素，通過影響土壤含水量導(dǎo)致農(nóng)作物相干性降低，對農(nóng)作物相干性的影響比對人工建筑物的影響大且持續(xù)性久；③VH極化方式抗干擾能力更強，VV極化方式對變化的感知能力更強。上述實驗研究表明：選取相干目標應(yīng)考慮土地覆蓋類型的影響，特別是在植被覆蓋區(qū)域做形變分析，也需要利用氣象數(shù)據(jù)對干涉圖失相干情況進行評估，同時應(yīng)充分利用不同極化方式的數(shù)據(jù)。