吳志鵬, 張 平, 李 震, 黃 磊, 劉 暢, 高 碩

(1. 中國(guó)科學(xué)院空天信息創(chuàng)新研究院, 北京 100094; 2. 三亞中科遙感研究所海南省地球觀測(cè)重點(diǎn)實(shí)驗(yàn)室, 海南 三亞 572029; 3. 中國(guó)科學(xué)院大學(xué), 北京 100049)

0 引 言

植被高度是森林資源質(zhì)量評(píng)價(jià)體系的重要指標(biāo)參數(shù),表征了森林的生長(zhǎng)狀況及其健康程度,為科學(xué)合理地制定森林資源經(jīng)營(yíng)管理措施提供了有效依據(jù)。作為主要的森林結(jié)構(gòu)參數(shù)之一,植被高度在林業(yè)遙感領(lǐng)域成為森林蓄積量、地上生物量(aboveground biomass, AGB)和碳儲(chǔ)量估測(cè)研究的主要因子[1]。傳統(tǒng)的基于地面實(shí)測(cè)數(shù)據(jù)的森林資源調(diào)查方法對(duì)植被高度數(shù)據(jù)的獲取需要耗費(fèi)大量人力物力,時(shí)效性差,無(wú)法實(shí)現(xiàn)森林高度的動(dòng)態(tài)監(jiān)測(cè),且難以獲取大范圍森林高度觀測(cè)信息,不能滿(mǎn)足森林資源管理、監(jiān)督和可持續(xù)利用的需求。衛(wèi)星遙感技術(shù)能夠快速、準(zhǔn)確、宏觀地以不同時(shí)空尺度獲取地面森林資源分布、結(jié)構(gòu)、動(dòng)態(tài)變化及過(guò)程信息,已經(jīng)廣泛地應(yīng)用于大尺度范圍的植被高度信息獲取[2-4]。而對(duì)于較小尺度森林生態(tài)系統(tǒng)的監(jiān)測(cè),衛(wèi)星遙感的分辨率和精度往往很難滿(mǎn)足應(yīng)用需求。

近年來(lái),輕小型無(wú)人機(jī)與遙感傳感器的快速發(fā)展,為森林資源的遙感監(jiān)測(cè)提供了新的手段[5]。與衛(wèi)星遙感相比,無(wú)人機(jī)平臺(tái)的飛行高度通常不超過(guò)500 m,屬于近地觀測(cè)范疇,能夠獲得更高分辨率和精度的目標(biāo)區(qū)域觀測(cè)數(shù)據(jù)[6];與航空遙感相比,無(wú)人機(jī)能夠由內(nèi)置的飛行控制系統(tǒng)實(shí)現(xiàn)航線(xiàn)規(guī)劃和自動(dòng)執(zhí)飛功能,具有低成本、易操作、便于攜帶等特點(diǎn),并且不受起飛場(chǎng)地的限制,機(jī)動(dòng)性強(qiáng)。其搭載的不同傳感器能夠獲得多層面的森林資源調(diào)查數(shù)據(jù),豐富了數(shù)據(jù)的多樣性,大大拓展了森林資源調(diào)查的深度和廣度[7-8]。

目前,國(guó)內(nèi)外無(wú)人機(jī)遙感的植被高度反演研究大都基于激光雷達(dá)(light detection and ranging, LIDAR)[9-11]或合成孔徑雷達(dá)(synthetic aperture radar, SAR)[12]載荷。LIDAR利用激光掃描測(cè)量距離和角度[13],慣性測(cè)量單元(inertial measurement unit, IMU)測(cè)量姿態(tài)以及通過(guò)差分全球定位系統(tǒng)(differential global positioning system, DGPS)達(dá)到厘米級(jí)定位,能夠獲取高分辨率、高精度的數(shù)字地表模型進(jìn)而提取植被高度等信息[14]。已有學(xué)者嘗試使用激光掃描儀集成的無(wú)人機(jī)LIDAR系統(tǒng)進(jìn)行植被高度反演研究,例如Zhang等[15]基于RIEGL VUX-1無(wú)人機(jī)載LIDAR系統(tǒng)獲取了呼倫貝爾地區(qū)0.1 m分辨率的草地植被高度分布信息,并進(jìn)一步估測(cè)了該區(qū)域的AGB。Guo等[16]利用配備了VLP-16激光掃描儀的無(wú)人機(jī)LIDAR系統(tǒng),繪制了中國(guó)地區(qū)3種生態(tài)系統(tǒng)的高分辨率冠層高度模型。Sankey等[17]將無(wú)人機(jī)LIDAR數(shù)據(jù)與高光譜數(shù)據(jù)融合,提升了高生物量地區(qū)植被冠層高度和數(shù)字高程模型(digital elevation model, DEM)反演的準(zhǔn)確率。但高昂的數(shù)據(jù)獲取成本限制了LIDAR的大規(guī)模應(yīng)用。SAR作為一種主動(dòng)式的微波對(duì)地觀測(cè)系統(tǒng),其發(fā)射的信號(hào)波長(zhǎng)較長(zhǎng),能夠穿透部分樹(shù)枝、樹(shù)葉到達(dá)冠層下部,具有獲得指示植被垂直方向參數(shù)的能力,已經(jīng)被廣泛地應(yīng)用于森林高度信息提取[18]。Hensley等[19]首次將多基線(xiàn)極化干涉無(wú)人機(jī)SAR數(shù)據(jù)應(yīng)用到森林結(jié)構(gòu)反演中,先利用Rvog模型分離地體散射,然后對(duì)來(lái)自地表和冠層信號(hào)采用頻譜分析的方法分別進(jìn)行層析成像,進(jìn)而提取植被高度。El Moussawi等[20]和Asopa等[21]利用Capon譜估計(jì)的方法對(duì)L波段無(wú)人機(jī)SAR數(shù)據(jù)進(jìn)行層析成像,得到了熱帶雨林的三維結(jié)構(gòu),并進(jìn)一步估算出了森林冠層高度?？梢钥闯?目前主要通過(guò)SAR層析數(shù)據(jù)得到植被高度維剖面進(jìn)而反演植被高度[22-23],而層析處理算法較為復(fù)雜,且要求高質(zhì)量的多航過(guò)數(shù)據(jù),因此雷達(dá)系統(tǒng)較為復(fù)雜,通常使用大型無(wú)人機(jī),成本較高。本文研制了一種高度集成、輕量化、高可靠性的無(wú)人機(jī)雷達(dá)系統(tǒng),能夠滿(mǎn)足輕小型無(wú)人機(jī)載荷的需要,并提出一種利用該系統(tǒng)獲取的數(shù)據(jù)反演植被高度信息的方法,該方法模型簡(jiǎn)單、處理便捷,且只需一次航過(guò)便可反演得到植被高度值。

1 無(wú)人機(jī)雷達(dá)系統(tǒng)與數(shù)據(jù)獲取

無(wú)人機(jī)雷達(dá)系統(tǒng)采用模塊化設(shè)計(jì),具備高度集成、輕量化、高可靠性等特點(diǎn),平臺(tái)的搭建以模塊化的信號(hào)收發(fā)器為基礎(chǔ),利用單板計(jì)算機(jī)(single board computer,SBC)完成雷達(dá)信號(hào)發(fā)射/接收通信管理,利用超寬帶信號(hào)處理器產(chǎn)生脈沖信號(hào),通過(guò)對(duì)數(shù)周期天線(xiàn)發(fā)射、接收信號(hào),利用數(shù)據(jù)記錄板采集數(shù)據(jù)信息,整個(gè)系統(tǒng)集成后掛載在無(wú)人機(jī)平臺(tái)下。無(wú)人機(jī)雷達(dá)協(xié)同的硬件組成如圖1所示。

圖1 無(wú)人機(jī)雷達(dá)協(xié)同的硬件組成

雷達(dá)系統(tǒng)的主控模塊選用通用單板計(jì)算機(jī),分別通過(guò)以太網(wǎng)、通用串行總線(xiàn)(universal serial bus, USB)接口完成與超寬帶信號(hào)處理器、存儲(chǔ)模塊的通信連接。雷達(dá)模塊選用PulsOn 440超寬帶信號(hào)處理器(簡(jiǎn)稱(chēng)P440)產(chǎn)生脈沖信號(hào),其工作頻率在3.1～4.8 GHz之間,中心頻率為3.95 GHz。P440能夠?qū)γ恳粋€(gè)發(fā)射脈沖的能量進(jìn)行相干疊加,在不改變發(fā)射強(qiáng)度的基礎(chǔ)上,累積更多的脈沖能量以增加接收信號(hào)的信噪比,有效改善了系統(tǒng)的接收性能。雷達(dá)系統(tǒng)的天線(xiàn)采用發(fā)射、接收雙天線(xiàn)設(shè)計(jì),選擇對(duì)數(shù)周期天線(xiàn),天線(xiàn)波束寬度為30°,增益設(shè)計(jì)為6 dB,頻率范圍可達(dá)2～11 GHz,以下視配置安裝在雷達(dá)上。

為了對(duì)無(wú)人機(jī)雷達(dá)系統(tǒng)的有效性進(jìn)行評(píng)估,于2021年4月21日在海南省文昌市八門(mén)灣紅樹(shù)林保護(hù)區(qū)內(nèi)進(jìn)行測(cè)試實(shí)驗(yàn),實(shí)驗(yàn)區(qū)域如圖2所示。共飛行2個(gè)架次,一號(hào)航線(xiàn)飛行距離約315 m,飛行時(shí)間約5 min,二號(hào)航線(xiàn)飛行距離約584 m,飛行時(shí)間約10 min。無(wú)人機(jī)飛行高度均設(shè)置為44 m,飛行速度為1 m/s,航向采樣率約為5 Hz。雷達(dá)觀測(cè)的快時(shí)間窗設(shè)置為166.1～332.6 ns,在600 s的慢時(shí)間范圍內(nèi)采集雷達(dá)原始數(shù)據(jù),每條掃描數(shù)據(jù)在高度向上有3 264個(gè)采樣點(diǎn)。

圖2 實(shí)驗(yàn)區(qū)域

輕小型無(wú)人機(jī)在飛行過(guò)程中容易受到不平穩(wěn)氣流的影響,倘若飛行平臺(tái)在氣流影響下造成嚴(yán)重顛簸,會(huì)使獲得的雷達(dá)圖像失真,從而給目標(biāo)檢測(cè)和定位帶來(lái)困難。飛控系統(tǒng)中記錄的兩次航過(guò)的飛行姿態(tài)數(shù)據(jù)顯示,無(wú)人機(jī)平臺(tái)飛行高度在43.9～44.0 m的范圍內(nèi)波動(dòng),俯仰角和偏航角的擺動(dòng)幅度均不超過(guò)5°,在高度測(cè)量誤差允許的范圍內(nèi),可以近似認(rèn)為航線(xiàn)姿態(tài)是穩(wěn)定的。

2 數(shù)據(jù)處理

被觀測(cè)目標(biāo)在無(wú)人機(jī)雷達(dá)圖像上的特征取決于目標(biāo)的位置、形狀、散射特性、電磁波傳播速度以及飛行平臺(tái)的速度等[24]。由于實(shí)際應(yīng)用場(chǎng)景中雷達(dá)波的介質(zhì)環(huán)境非常復(fù)雜,接收信號(hào)的成分既包含目標(biāo)回波,也包含噪聲和干擾等,通常信噪比較低。為了提高無(wú)人機(jī)雷達(dá)圖像質(zhì)量,實(shí)現(xiàn)對(duì)目標(biāo)信息的精確提取,需要對(duì)獲得的原始數(shù)據(jù)進(jìn)行處理。首先,通過(guò)回波信號(hào)變換將原始實(shí)數(shù)數(shù)據(jù)轉(zhuǎn)換為雷達(dá)復(fù)數(shù)數(shù)據(jù);然后,再降低直耦波和噪聲對(duì)目標(biāo)后向散射的影響;最后,利用基于互相關(guān)信息的后向投影方法進(jìn)一步增強(qiáng)目標(biāo)信號(hào),以提取到更可靠的植被高度。數(shù)據(jù)處理方法的具體流程如圖3所示。

圖3 數(shù)據(jù)處理方法流程圖

2.1 回波信號(hào)變換

雷達(dá)發(fā)射高斯信號(hào),信號(hào)形式如下:

(1)

式中:A表示信號(hào)幅度;t表示時(shí)間變量;tR表示目標(biāo)位置對(duì)應(yīng)的采樣時(shí)刻;f0表示信號(hào)的中心頻率。根據(jù)信號(hào)形式進(jìn)行模擬分析,模擬結(jié)果如圖4所示。

圖4 雷達(dá)信號(hào)模擬分析

可以看出,將信號(hào)直接進(jìn)行希爾伯特變換,即可得到分辨率較好的尖脈沖,同時(shí)獲得雷達(dá)復(fù)數(shù)數(shù)據(jù)。圖5(a)和圖5(b)分別為1號(hào)航線(xiàn)和2號(hào)航線(xiàn)獲取的原始實(shí)數(shù)數(shù)據(jù)經(jīng)回波信號(hào)變換后得到的雷達(dá)復(fù)數(shù)圖像數(shù)據(jù)。其中,橫坐標(biāo)為水平測(cè)量點(diǎn)的位置,每個(gè)測(cè)量點(diǎn)間隔0.236 m;縱坐標(biāo)為高度方向采樣點(diǎn)位置,零點(diǎn)表示信號(hào)截?cái)辔恢?，每個(gè)采樣點(diǎn)間隔為0.01 m。

圖5 雷達(dá)復(fù)數(shù)圖像數(shù)據(jù)

2.2 直耦波抑制

圖6 二維濾波法抑制直耦波

2.3 基于剩余圖像熵的自適應(yīng)主元分析去噪方法

經(jīng)直耦波抑制之后的雷達(dá)信號(hào)仍然摻雜著噪聲的干擾,這些噪聲會(huì)對(duì)雷達(dá)圖像的分辨率造成影響,掩蓋圖像的細(xì)節(jié)信息,從而降低植被高度反演精度。主元分析法是一種線(xiàn)性的子空間投影算法,該方法基于最小均方誤差準(zhǔn)則,能夠有效地壓制噪聲能量,提高信噪比[26-27]。目前,主元的選擇方法主要采用經(jīng)驗(yàn)值法[28]和特征能量百分比法[29],這兩種方法受主觀影響較大,穩(wěn)定性差,難以實(shí)現(xiàn)主元的自主選擇。本文針對(duì)于上述應(yīng)用場(chǎng)景,提出一種聯(lián)合剩余圖像熵與奇異值分解的自適應(yīng)主元分析法抑制噪聲,以去除前k個(gè)主元之后剩余圖像熵值達(dá)到局部最小值為準(zhǔn)則,實(shí)現(xiàn)主元的自主選擇,以達(dá)到最佳的去噪效果。

假設(shè)SR∈CM×N代表去除直耦波之后雷達(dá)數(shù)據(jù),SR的奇異值分解表示為

(2)

(3)

(4)

ω(k)=Ω(W(k)),k=1,2,…,Q

(5)

以1號(hào)航線(xiàn)獲得的無(wú)人機(jī)雷達(dá)數(shù)據(jù)為例,通過(guò)式(5)得到熵值ω(k)隨k值變化,如圖7所示?？梢钥闯?一開(kāi)始圖像能量主要包含目標(biāo)能量和噪聲能量,且大部分能量主要集中在目標(biāo)能量部分,整幅圖像的能量較分散,熵值較大,隨著k值增大,目標(biāo)部分的能量被不斷去除,整幅圖像的能量趨于集中,熵值逐漸減小。當(dāng)k=94 時(shí),ω(k)達(dá)到局部最小值,此時(shí)可以認(rèn)為目標(biāo)能量全部被去除,整幅圖像的能量都集中在噪聲部分,即第94個(gè)主元之后所對(duì)應(yīng)的信號(hào)全為噪聲信號(hào),那么選擇第1～93個(gè)主元重構(gòu)該圖像,能夠保留目標(biāo)信息且達(dá)到較好的去噪效果。

圖7 熵值隨k值變化

圖8為1號(hào)航線(xiàn)無(wú)人機(jī)雷達(dá)數(shù)據(jù)去噪結(jié)果,對(duì)比圖6(b)可以看出,大量的背景噪聲得到了有效去除,同時(shí)保留了目標(biāo)的邊緣和細(xì)節(jié)特征,目標(biāo)信號(hào)更加清晰。該方法解決了傳統(tǒng)主元分析法在噪聲抑制中主元依賴(lài)人工選擇、閾值不穩(wěn)定的問(wèn)題,避免了針對(duì)不同數(shù)據(jù)需人機(jī)交互判定主元數(shù)目帶來(lái)的麻煩,具有一定的魯棒性,能夠適應(yīng)不同的應(yīng)用場(chǎng)景。

圖8 基于剩余圖像熵的自適應(yīng)主元分析法去噪結(jié)果

2.4 基于通道互相關(guān)的后向投影算法

后向投影算法是一種時(shí)域重建目標(biāo)影像的方法,其核心是補(bǔ)償每一成像點(diǎn)相對(duì)于每一時(shí)刻雷達(dá)天線(xiàn)位置的相位,并將該點(diǎn)對(duì)應(yīng)的合成孔徑內(nèi)所有回波數(shù)據(jù)相干疊加,實(shí)現(xiàn)雷達(dá)方位向的高分辨率成像。由于本系統(tǒng)雷達(dá)天線(xiàn)具有寬視角的特點(diǎn),所以其在每個(gè)時(shí)延位置處收集到的散射響應(yīng)包含了天線(xiàn)照射范圍內(nèi)所有點(diǎn)在該時(shí)延位置處的響應(yīng),容易出現(xiàn)雜波干擾能量較大的問(wèn)題。根據(jù)各接收通道之間目標(biāo)信號(hào)和雜波相關(guān)性不同這一特性,利用后向投影算法處理時(shí)對(duì)各接收通道之間回波信號(hào)進(jìn)行互相關(guān)運(yùn)算可以消除雜波的干擾,增強(qiáng)目標(biāo)響應(yīng)[32]。本文利用基于互相關(guān)信息的后向投影算法對(duì)噪聲抑制后的數(shù)據(jù)進(jìn)行處理,如圖9所示,與圖8相比,雜波的影響得到了有效地抑制,目標(biāo)信號(hào)與背景的對(duì)比度獲得了較大提升,提高了目標(biāo)信息的識(shí)別能力。

圖9 不同航線(xiàn)基于互相關(guān)信息的后向投影算法處理結(jié)果圖

3 植被冠層提取與驗(yàn)證

3.1 植被散射機(jī)制分析與冠層提取

當(dāng)電磁波照射到隨機(jī)分布,截面較大的體散射單元上時(shí),雖然每個(gè)散射單元都有各自方向的散射響應(yīng),但總體來(lái)看其取向是隨機(jī)的,后向散射回波在各個(gè)方向均勻分布。但當(dāng)電磁波照射到光滑表面上時(shí)則會(huì)發(fā)生鏡面反射,散射體的回波信號(hào)只在一個(gè)方向疊加,其他方向相互抵消,雷達(dá)幾乎無(wú)法接收到后向散射回波。所以,雷達(dá)入射到較為平靜的水體發(fā)生的主要為鏡面反射,水體雷達(dá)后向散射系數(shù)幾乎為0,入射到水面上的電磁波后向散射回波也近乎為0,但是水面上的植被冠層將發(fā)生體散射,加之水面與樹(shù)干之間的二次散射,將導(dǎo)致植被區(qū)域的散射較水體散射強(qiáng)很多,如圖10所示。因此,根據(jù)回波信號(hào)在高度向上迅速衰減這一特性,可以識(shí)別出林下地表所對(duì)應(yīng)的高程值,從而直接從無(wú)人機(jī)雷達(dá)圖像中反演出植被高度,避免了應(yīng)用物理模型的先驗(yàn)信息。

圖10 植被散射機(jī)制示意圖

根據(jù)上述分析,雷達(dá)接收到的回波信號(hào)中,來(lái)自植被體散射的信號(hào)能量較強(qiáng)?；诨夭芰吭诟叨认蛏系姆植夹螤?可以估測(cè)該區(qū)域植被的冠層高度。將雷達(dá)圖像上回波能量分布分為相位中心區(qū)、功率損失區(qū)、噪聲區(qū)3個(gè)區(qū)域[33],來(lái)自植被的回波能量絕大多數(shù)集中在相位中心區(qū),損失區(qū)的能量由于植被密度的降低而逐漸減弱,繼續(xù)沿高度向向上的能量基本來(lái)自噪聲。所以,可以通過(guò)識(shí)別損失區(qū)和噪聲區(qū)的分界位置提取冠層高度。從圖9可以看出,經(jīng)過(guò)基于通道互相關(guān)的后向投影算法處理之后,噪聲區(qū)的能量已得到較好的壓制。在雷達(dá)圖像上應(yīng)用Sobel邊緣檢測(cè)算子提取回波信號(hào)輪廓線(xiàn)所對(duì)應(yīng)的高度值,即可獲取到被測(cè)區(qū)域的植被冠層高度,如圖11所示,圖中也可以發(fā)現(xiàn)回波信號(hào)在高度向上約1.5 m處迅速衰減,表明了水體位置。

圖11 不同航線(xiàn)雷達(dá)數(shù)據(jù)植被冠層高度反演結(jié)果

3.2 精度驗(yàn)證

開(kāi)展地面植被高度測(cè)量時(shí),由于紅樹(shù)林大都生長(zhǎng)在潮間帶的淺灘和淤泥等測(cè)量人員難以進(jìn)入的區(qū)域中,獲得大面積的地面實(shí)測(cè)數(shù)據(jù)較為困難,所以在進(jìn)行雷達(dá)測(cè)量的同時(shí),僅對(duì)部分樹(shù)高采用地面激光測(cè)高儀采集了樹(shù)高實(shí)測(cè)值。另外一部分植被根系位于海面以下的區(qū)域采用數(shù)字地表模型作為植被高度驗(yàn)證數(shù)據(jù),對(duì)基于無(wú)人機(jī)雷達(dá)數(shù)據(jù)提取到的樹(shù)高進(jìn)行驗(yàn)證,并以相關(guān)系數(shù)R、均方根誤差(root mean squared error,RMSE)作為定量評(píng)價(jià)指標(biāo),具體公式如下:

(6)

(7)

圖12 無(wú)人機(jī)雷達(dá)數(shù)據(jù)反演植被高度的精度

4 結(jié) 論

考慮到現(xiàn)有的植被高度遙感反演方法存在模型復(fù)雜、數(shù)據(jù)獲取難度大等問(wèn)題,本文設(shè)計(jì)了一種輕小型無(wú)人機(jī)雷達(dá)系統(tǒng),并提出利用該系統(tǒng)反演植被高度信息的方法,利用飛行實(shí)驗(yàn)對(duì)該方法的有效性進(jìn)行了評(píng)估。無(wú)人機(jī)雷達(dá)數(shù)據(jù)獲取系統(tǒng)采用了模塊化設(shè)計(jì),具備高度集成、輕量化、高可靠性等特點(diǎn);在雷達(dá)數(shù)據(jù)處理方面,采用二維濾波和主元分析法對(duì)雜波及噪聲進(jìn)行抑制,提出基于剩余圖像熵的主元自動(dòng)選擇方法,以解決傳統(tǒng)經(jīng)驗(yàn)法和能量百分比法主元選擇不穩(wěn)定的問(wèn)題,并利用基于互相關(guān)信息的后向投影算法進(jìn)一步減弱雜波的影響,得到了更高精度的植被高度反演結(jié)果。驗(yàn)證結(jié)果表明,該方法提取得到的植被高度能夠具有較高的精度。系統(tǒng)與其他方法相比,數(shù)據(jù)表現(xiàn)形式更加直觀、模型更加簡(jiǎn)單,只需一次航過(guò)便可反演得到植被高度值,降低了數(shù)據(jù)獲取成本,為反演高時(shí)空分辨率、高精度的植被高度信息提供了新的思路。