利用Sentinel-1A...光谱特征估算草地绿色生物量_罗森.pdf

第 卷，第期 光谱学与光谱分析 ，年月 ，利用 影像光谱特征估算草地绿色生物量罗森，任鸿瑞，张悦琦太原理工大学测绘科学与技术系，山西 太原 北京师范大学遥感科学国家重点实验室，北京 摘要草地绿色生物量是监测草地生态系统的重要指标。高效高精度估算草地绿色生物量对草地生态系统具有重要意义。遥感技术因方便快捷、成本较低等优势，已被广泛应用于生物量估算，而传统光学遥感技术易受云层、气候条件等因素影响，不适用于高密度植被区。因此，受外界环境影响较小且具有一定穿透性的合成孔径雷达技术在生物量估算中得到了推广；但当前 技术多用于估算森林生物量与作物生物量，鲜有估算草地绿色生物量的研究。故选取内蒙古草原为研究区，基于 影像提取后向散射系数、纹理特征、极化分解量共 种雷达指数，并根据已有雷达植被指数（和）引入种雷达植被指数（和），结合草地绿色生物量实测数据分别对 种雷达指数进行建模分析。结果表明纹理特征中的均值、后向散射系数为估算草地绿色生物量最佳雷达指数，其估算模型分别为 和 ，分别为 和 ，此外，雷达植被指数和估算草地绿色生物量也可获得较高精度，其估算模型分别为 和 ，分别为 和 。研究证明 技术在高效高精度草地绿色生物量估算中具有较强应用潜力，但在误差消除方面仍需改进。关键词草地绿色生物量；纹理特征；雷达指数中图分类号：文献标识码：（）收稿日期：，修订日期：基金项目：国家重点研发计划项目（），遥感科学国家重点实验室开放基金项目（），山西省重点研发计划（国际科技合作）项目（）资助作者简介：罗森，年生，太原理工大学测绘科学与技术系硕士研究生 ：通讯作者 ：引言草地绿色生物量是评价草原植被长势的重要参数，对维系草地生态系统平衡具有重要意义。通过传统地面实测方法测定草地绿色生物量具有较高精度，但耗费成本较高，且不适用于大尺度和地势复杂的区域，如何高效高精度低成本估算草地绿色生物量已成为生态系统研究中急需解决的问题之一。遥感技术具有瞬时成像、实时传输等特点，且能够以较低成本实现大面积同步观测，因此利用遥感技术估算草地绿色生物量具有重大意义。虽然传统光学遥感在生物量估算中展现了一定应用潜力，但其易受外界环境影响，且可见光波长短，穿透力较弱，估算生物量时存在易饱和问题，尽管张爱武等通过引入间接因子和空间因子在一定程度上提高了反演模型的饱和点，但优化后模型饱和点仍处于较低水平。而合成孔径雷达（，）技术不受云雨雾影响，能够实现全天时全天候连续监测，具有强穿透性，在估算生物量时饱和点较高，可有效弥补传统光学遥感技术的不足，因此，近年来 技术在生物量估算研究中已得到广泛应用。在已有研究中多通过提取 影像后向散射系数、纹理特征、极化分解量、雷达植被指数等进行生物量估算。后向散射系数指入射方向目标单位截面积的雷达反射率，与入射角、目标单位的表面粗糙度、植被覆盖度有关，不同地物之间后向散射系数通常存在一定差异。张海波等基于全极化 数据，提取后向散射系数与实测森林生物量进行建模分析，发现在生物量水平较低时，后向散射系数估算生物量效果较好。影像纹理特征蕴含着丰富的地物空间信息，能够有效弥光学遥感中存在的“同物异谱，异物同谱”不足，潘磊等通过提取 影像纹理特征，显著提高了杉木林地上生物量的估算精度。极化分解量是对 影像进行极化目标分解得到的参数，可有效体现地物极化特征，潘婧靓等通过提取 数据极化分解量，证明极化分解量在森林地上生物量估算中具有一定应用价值。雷达植被指数是联合雷达数据各极化通道的一种特征参数，具有增强植被信号的作用，等基于 数据提出一种全新雷达植被指数 ，实现了对油菜、大豆、小麦的生物量估算。当前估算森林生物量与作物生物量的研究较多，鲜有估算草地绿色生物量的研究。故本研究基于 数据，提取后向散射系数、纹理特征、极化分解量、以及根据已有雷达植被指数（和）引入种雷达植被指数（和）共 种雷达指数，并结合草地绿色生物量实测数据建模分析，筛选适合估算草地绿色生物量的雷达指数。实验部分 实验设计实验地点为中国内蒙古自治区，选取包头至呼伦贝尔草原采集草地绿色生物量，主要采集地段为锡林郭勒盟典型草原与呼伦贝尔草甸草原，采集时间为 年月和 年月。将草原植被空间分布较均匀且能代表大尺度区域的典型地段作为大样地，年和 年分别选取 与 个。在大样地内随机选取个 小样方，分别测取绿色生物量并取平均值作为大样地的绿色生物量值。为匹配遥感影像，在 测取样 地 绿 色生物 量 时 需 测 定 样 地 经 纬度与海拔。卫星数据与 数据获取采集 景 影像，极化方式均为干涉宽幅模式（，）模式下的 极化。由于草地绿色生物量实测的同期影像部分缺失，采集的影像以 年月和 年月为主，为减少因时间推移造成的估算误差，缺失部分选择采集临近时间段的影像，年缺失部分选择采集月影像，年缺失部分选择采集月影像。本研究所用 数据是从地理空间数据云（）下载的 数据，空间分辨率为，用于 影像地形校正与地理编码。数据预处理 轨道校正为提升估算精度，使用精密轨道文件替换元数据内轨道参数（如星历数据等），削弱卫星轨道误差。精密轨道文件可通过 自动获取，或从欧空局轨道文件数据查询下载网址（：）下载使用。辐射定标后向散射系数在草地绿色生物量估算中具有重要作用，辐射定标可将 影像像素值转换为以 为单位的后向散射系数和通过余弦校正的归一化后向散射系数。多视处理采用的 影像为经过聚焦处理的一级数据，蕴含丰富的相位与振幅信息。在成像过程中由于雷达回波信号的相干叠加，导致大量噪声包含在强度信息中，多视处理将 影像的方位和或距离向做平均，由此得到强度数据，并在一定程度上抑制图像斑点噪声。滤波相干斑噪声在 成像过程中难以避免，通常采用滤波方式进行抑制。常用方法有 滤波法、增强 滤波法、滤波法、增强 滤波法、滤波法等。滤波法边缘保持能力较强，但抑制噪声效果较差；滤波法能较好地抑制噪声，但在边缘保持方面仍需改进；增强 滤波法、滤波法的噪声抑制效果与增强 滤波法相差无几，但增强 滤波法边缘保持能力更佳。因此采用增强 滤波法进行滤波处理。地形校正与地理编码由于 影 像 成 像 方 式为侧视成像，地 形 起 伏 会 使 影像上出现透视收缩、叠掩、阴影等现象，通过地形校正可消除地形起伏造成的影响。地理编码将 影像由斜距坐标系转换为与 相同的 坐标系，便于提取影像信息。雷达指数提取（）后向散射系数。草原地物大多为低后向散射目标，在这种情况下归一化后向散射系数图能较好地反映地物信息。故提取实测点对应的后向散射系数、后向散射系数、归一化 后向散射系数、归一化 后向散射系数与实测分别与草地绿色生物量建模分析。（）纹理特征。目前常通过灰度共生矩阵提取影像纹理特征，且已有研究表明极化后向散射系数估算生物量精度较高，故提取极化后向散射系数图的纹理特征。在窗口下提取种典型纹理特征，分别为均值（）、方差（）、熵（）、对比度（）。（）极化分解量。由于草原地物多为非相干目标，故选 择 非 相 干 目 标 分 解 法 进 行 极 化 分 解。三分量分解法和分解法是非相干目标分解中两种主要分解方式，分解法是在全极化数据基础上分解，而实验中采用的 数据只包含与极化方式，因此使用分解法对双极化 数据进行极化分解，获取地物目标的散射熵（）、各向异性度（）、平均散射角（）。（）雷达植被指数。基于刘之榆等使用的种雷达植被指数（和），对和后向散射系数与归一化后向散射系数进行极化组合，引入种极化组合的雷达植被指数（和）进行草地绿色生物量估算。使用的雷达植被指数如式（）式（）所示（）（）（）（）式中，为极化后向散射系数；为极化后向散射系数；为 极化归一化后向散射系数；为 极化归一化后向散射系数。建模方法线性回归分析常用于分析变量之间相关性，并在变量之间建立模型，故使用线性回归方法建立各雷达指数与草地绿色生物量之间的关系。以不同雷达指数作为自变量，建立各光谱学与光谱分析第 卷指数与草地绿色生物量之间估算模型，以决定系数（）和均方根误差（）作为模型评价标准，挑选出决定系数最大和均方根误差最小的模型作为最优模型。模型验证为验证估算模型准确性，随机选取实测样点的与雷达指数进行建模分析，剩余用于模型验证。利用估算模型计算剩余样点的模拟值并与对应观测值进行建模分析，通过决定系数、均方根误差 及模拟值与观测值的分布，验证估算模型准确性。结果与讨论 后向散射系数与草地绿色生物量相关性分析将种后向散射系数分别与实测草地绿色生物量进行建模分析，建模结果如图。在种后向散射系数建模结果中，极化后向散射系数与草地绿色生物量之间相关性最高，为 ，为 ，证明极化后向散射系数能够较好地应图后向散射系数与草地绿色生物量之间相关性（）：极化后向散射系数与草地绿色生物量之间相关性；（）：极化后向散射系数与草地绿色生物量之间相关性；（）：极化归一化后向散射系数与草地绿色生物量之间相关性；（）：极化归一化后向散射系数与草地绿色生物量之间相关性 （）：；（）：；（）：；（）：第期 罗森等：利用 影像光谱特征估算草地绿色生物量图纹理特征与草地绿色生物量之间相关关系（）：均值与草地绿色生物量之间相关关系；（）：方差与草地绿色生物量之间相关关系；（）：对比度与草地绿色生物量之间相关关系；（）：熵与草地绿色生物量之间相关关系 （）：；（）：；（）：；（）：用于草地绿色生物量估算。极化后向散射系数和极化归一化后向散射系数分别为 和 ，分别为 和 ，说明种指数在草地绿色生物量估算中具有一定作用。纹理特征与草地绿色生物量相关性分析基于极化后向散射系数图提取种典型纹理特征，并与实测草地绿色生物量进行建模分析，建模结果如图。种纹理特征与草地绿色生物量建模结果表明，均值与草地绿 色 生 物 量 具 有 较 高 相 关 性，其高 达 ，且 为 ，证明纹理特征中均值在估算草地绿色生物量中具有较高应用潜力，而方差、对比度、熵与草地绿色生物量之间相关性较低，分别为 ，和 ，估算效果较差。极化分解量与草地绿色生物量相关性分析将极 化 分 解 得 到的散射 熵（）、各 向 异 性 度（）、平均散射角（）分别与实测草地绿色生物量进行建模分析，建模结果如图。图极化分解量与草地绿色生物量之间相关关系（）：散射熵与草地绿色生物量之间相关关系；（）：各向异性度与草地绿色生物量之间相关关系；（）：平均散射角与草地绿色生物量之间相关关系 （）：；（）：；（）：光谱学与光谱分析第 卷极化分解量与草地绿色生物量建模结果表明，种极化分解量与草地绿色生物量相关性较差，估算模型均低于 ，说明本研究区内极化分解量估算草地绿色生物量效果较差。雷达植被指数与草地绿色生物量相关性分析将极化组合的种雷达植被指数分别与草地绿色生物量进行建模分析，建模结果如图。种极化组合的雷达植被指数与草地绿色生物量建模结果显示，与估算草地绿色生物量精度较高，其估算模型分别为 和 ，分 别 为 和 。与 与草地绿色生物量之间模型分别为 与 ，其 分别为 和 。精度验证对估算草 地 绿 色 生 物 量 效 果 最 好 的 两 种 指 数（与 ）进行模型精度验证。在已有的 个实测点中随机选取 个点（样本总数的）再次与实测草地绿色生物量进行建模分析，剩余 个点用于精度验证，验证结果如图所示。结果表明种验证模型分别为 和 ，处于较高水图极化组合的雷达植被指数与草地绿色生物量之间相关关系（）：与草地绿色生物量之间相关关系；（）：与草地绿色生物量之间相关关系；（）：与草地绿色生物量之间相关关系；（）：与草地绿色生物量之间相关关系 （）：；（）：；（）：；（）：图验证结果（）：验证结果；（）：验证结果 （）：；（）：第期 罗森等：利用 影像光谱特征估算草地绿色生物量平；分别为 和 ，处于较低水平；且模拟值与观测 值 基本 均 匀 分 布在两 侧，表 明与 能较好地估算草地绿色生物量。讨论（）森林区域内地势较为复杂，且树高度、密度等都会使 卫星回波受到较大影响，而草原地势平坦，植被高度较低，因此利用 技术估算草地绿色生物量具有一定可行性。本文使用 种雷达指数与实测草地绿色生物量建模结果如表所示，其中、纹理特征中的均值、和均