林 熙，羅 鼎*，連 蓉，魏文杰

（1.重慶市地理信息和遙感應用中心，重慶 401147；2.高分辨率對地觀測系統(tǒng)重慶數據與應用中心，重慶 401147）

高分三號（GF-3）衛(wèi)星是“國家高分辨率對地觀測系統(tǒng)重大專項”中唯一的民用微波遙感成像衛(wèi)星，也是我國首顆分辨率達到1 m的C頻段多極化高分辨率合成孔徑雷達衛(wèi)星，具備聚束、全極化條帶、波成像等12種成像模式[1-2]。在不同成像模式下，其空間分辨率從1～500 m，幅寬則從10～650 km，具備詳查和普查功能[2]。尤其是GF-3聚束模式數據，分辨率達1 m，可為洪水應急監(jiān)測中水域提取工作提供更高的精度和準確度。目前，我國的GF-3和歐洲的Sentinel-1已被應用于各地洪水監(jiān)測[3-5]，本文以重慶市為例，探討其洪水應急監(jiān)測的應用價值。

1 研究區(qū)概況

研究區(qū)域位于長江、嘉陵江交匯處，重慶市朝天門一帶，該區(qū)域屬于重慶兩江四岸的核心區(qū)，自古以來都是長江上游商貿最繁忙的水域。2020-08-19～2020-08-20，長江上游最大洪峰“長江2020年第5號”洪水和“嘉陵江2020年第2號”洪水在重慶匯集并通過主城區(qū)，長江重慶寸灘站20日8∶15時出現(xiàn)洪峰水位191.62 m，相應流量74 500 m3/s，超過保證水位8.12 m；嘉陵江磁器口站20日14∶00時出現(xiàn)洪峰水位194.29 m，超過保證水位8.65 m[6]?！伴L江2020年第5號洪水”是我國長江流域自1981年以來發(fā)生的最大的洪水災害，與“長江2020年第4號洪水”相差時間短，甚至在第4號洪汛過程尚未結束的情況下再次過境，多地發(fā)生了超歷史洪水，造成了較大的經濟損失，并導致長江干流全線大幅超過保證水位。三峽水庫迎來了建庫以來流量的最大值74 000 m3/s，并首次開啟十一孔泄洪[7]。為了保護群眾生命財產安全，重慶啟動了防汛I級應急響應，全力應對。在本次應急中，重慶市應急救援隊第一時間聯(lián)系中國資源衛(wèi)星應用中心，調動高分衛(wèi)星對長江重慶區(qū)域進行及時拍攝，同時出動無人機對重點區(qū)域進行定點監(jiān)控，為防洪救災提供最新的地理信息數據。

2 實驗數據及水體提取原理介紹

2.1 實驗數據

本文所使用的實驗數據為GF-3聚束模式數據，成像時間為2020-08-19（23∶34時），方位向分辨率為1.0～1.5 m，距離向分辨率為0.9～2.5 m，成像寬度為10 km。所使用的其他輔助數據包括ALOS 12.5 m DEM地形數據，輔助進行地形糾正和水域提取。

2.2 SAR數據水體提取原理

SAR影像的灰度值代表了雷達回波強度的大小，雷達回波強度又定量地由雷達后向散射系數決定。后向散射系數受雷達系統(tǒng)的波長、極化方式、入射角、地面目標的表面粗糙度和復介電常數等因素影響。通常一個具體的雷達系統(tǒng)的波長、極化方式、入射角是固定的，地面復介電常數受多種因素的影響，與表層土壤的水分含量有較好的相關性。洪水期間，表層土壤的濕度相差不大。因此，可以認為地面分辨率單元內的回波強度由該單元范圍內的平均粗糙度決定[8]，即當地表濕度較大時，SAR影像像元亮度就反映了該像元所對應的地面平均粗糙度。當表面粗糙程度愈大時，雷達回波強度較大，影像上表現(xiàn)為亮色調；而光滑表面由于雷達波束的側視，鏡面反射使回波的能量很弱，回波強度較小，在影像上表現(xiàn)為黑色調[9]。與SAR波長相比，陸地相對為粗糙表面，水面相對為光滑表面，因此在SAR微波遙感影像上陸地通常為灰白色或黑灰色，水體為暗色或黑色。然而，洪水一般帶有較多泥沙和懸浮物，洪水周邊高樓的漫反射同樣會影響洪水表面信號的反射，因此洪水的雷達回波信號受多種因素影響，較非洪水期間河水雷達信號反射強度大，如圖1所示。

圖1 雷達波在不同水面的反射情況

聚束模式成像是衛(wèi)星在運動過程中，通過控制天線方位向波束指向來調整雷達視線角，使其固定指向某一場景來提高方位向積累時間，從而通過等效的增加合成孔徑長度的方法得到更高的方位分辨率[10]。如圖2所示，衛(wèi)星在對固定區(qū)域進行長時間拍攝時，在增加方位分辨率的同時，區(qū)域累計回波信號也更強，這使得高反射地物容易過度曝光，低反射地物反射信息也得到加強。因此，聚束模式數據上水體的反射強度更高，周邊地物的信號漫反射對水體信號影響更大，傳統(tǒng)閾值法或雙峰法難以將水體和周邊地物區(qū)分開。因此，本文使用光學遙感提取的思路，使用面向對象的方法，綜合考慮亮度、形狀、紋理、對象間關系、高程等多種因素對SAR影像進行水域提取。

圖2 聚束成像模式原理

3 高分三號聚束模式數據水域提取

3.1 數據預處理

本文使用GAMMA軟件進行GF-3數據處理，處理流程如圖3所示。首先將數據格式轉換為GAMMA軟件格式，然后進行多視處理，采用多視處理對單視復數數據進行方位向和距離向平均，抑制斑點噪聲，提升影像的輻射分辨率。多視處理后的結果如圖4所示，從圖中可以看出，長江和嘉陵江的江面灰度值并不一致，在渝中半島周邊受密集高樓的影響，亮度較其他地方偏高；同時部分高反射地物出現(xiàn)了高曝光情況，如南濱路的雙子樓，以及朝天門的來福士大樓。這對水體提取帶來了一定程度的影響。對多視處理后的數據，結合DEM數據進行地理編碼，得到地圖坐標系下的SAR數據。由于SAR數據分辨率較高，為了在地理編碼中不降低SAR數據分辨率，需要得到與之分辨率相對應的查找表，因此需要分辨率相近的DEM數據。由于所使用的DEM數據分辨率為12.5 m，因此將其重采樣分辨率為3 m，再進行地理編碼，如圖5所示。

圖3 GF-3數據預處理流程圖

圖4 多視處理后的結果

圖5 地理編碼后的結果

3.2 水域提取

由于洪水期間水面雷達反射回波情況受多種因素影響，較難通過閾值法或雙峰法來將其區(qū)分開來，因此，本文使用面向對象的方式，對影像進行水域提取。基于面向對象分割的水體提取算法可以對SAR影像進行多尺度分割，充分考慮地物的散射、形狀和紋理等特征，將整個圖像分成眾多的“同質均一”的斑塊，可以有效避免“椒鹽現(xiàn)象”，提取的結果更加具有完整性，且對細小水體的提取更加有效[11]。

本文使用eCognition軟件對GF-3數據進行水體提取，考慮水體灰度的不均勻性，實驗引入DEM地形數據進行輔助提取。對SAR數據和DEM數據進行多尺度分割，設置SAR數據分割權重為2，DEM數據分割權重為1。分割后，水體和其他地物輪廓有較好的體現(xiàn)。通過分析水體灰度直方圖設置閾值，并結合DEM高程進行水體提取。通過高程限定，一定程度避免了高樓陰影和山體陰影對提取結果造成的影響。針對提取出的水體較零散，部分高樓強曝光對水體提取造成的影響，對已提取水體進行形態(tài)學修復，最終提取結果如圖6所示。

圖6 水體提取結果

3.3 結果分析

從結果圖可以看出，洪水范圍基本在長江、嘉陵江河谷，這得益于重慶山地地形，城區(qū)地勢高，即便本次洪水超保證水位8 m，依然沒有對城市主體生產生活造成影響。就具體細節(jié)來看，如圖7-1所示，濱江道路部分已被水淹沒，沿江建筑物部分進水；朝天門廣場下面階梯部分已全部被淹沒。

由于洪水過境時間較短且受天氣影響，期間未拍攝到高分辨率的光學影像。因此，為驗證實驗的準確性，將實驗結果與19日17∶37時朝天門附近航拍照片進行對比，通過無人機航拍影像獲得典型位置洪水實際淹沒范圍，再在該區(qū)域歷史光學影像上量測洪水真實覆蓋范圍和提取范圍，進行精度驗證。圖7-2、3、4為圖7-1中區(qū)域a、b、c分別對應的實際位置，從航拍畫面中可清晰看到洪水實際覆蓋情況，再在圖8歷史影像中量測洪水實際超過正常水位線分別是104 m、80 m、96 m，而實驗提取范圍在相同位置量測的洪水超過正常水位線分別為94 m、70 m、120 m，準確率分別為90%、88%、75%，平均準確率為84%。

圖7 提取結果細節(jié)與航拍對比

圖8 提取范圍定量分析

對比表明，實驗提取結果與航拍畫面基本保持一致，證明了提取的有效性。與傳統(tǒng)統(tǒng)計方式相比，遙感應急監(jiān)測的快速性和準確性作用得到充分體現(xiàn)。同時提取結果與實際結果仍然存在一定的差異，且江面仍然存在異常圖斑，這可能是城市高樓反射的雷達回波，以及江面船只或雜物導致的反射異常。

4 結語

利用GF-3聚束數據對“長江2020年第5號”洪水和“嘉陵江2020年第2號”洪水交匯時進行了應急監(jiān)測，提取了洪水范圍，與航拍照片對比，驗證了提取的準確性。同時實驗所采用的水體提取流程成熟、高效，在應急狀態(tài)下可迅速提取結果供應急使用。實驗充分發(fā)揮了遙感大面積監(jiān)測特點以及GF3聚束數據的高分辨率特征，對沿江淹沒情況有較好的反映。結果表明GF-3衛(wèi)星在洪澇災害應急監(jiān)測中，可以提供有力的數據支持，當洪澇災害發(fā)生時可以迅速啟動應急響應，在最短的時間內獲取災區(qū)的SAR影像，通過雷達圖像解譯進行受災體的識別，從而為救災工作提供實時、準確的信息。