0 引言

鹽沼植被是濱海濕地的重要組成部分，具有海岸侵蝕防護、生物棲息地支持、水質凈化和碳匯等多種生態服務功能[。受灘涂圍墾、海平面上升、外來物種入侵等因素影響，我國典型河口海岸帶區域本土鹽沼植被處于不斷快速動態變化中。如長江河口自1980年人工引種美國互花米草以來，2015年其分布面積已達約6 200 hm2，它快速擴散并侵占了土著植被如蘆葦鹽沼植被的生境，給海岸帶濕地生態系統結構和功能帶來了強烈影響。對河口海岸帶區域鹽沼濕地植被種類、空間分布和外來鹽沼植被擴散動態監測主要采用遙感與野外實地調查相結合的方法，特別是利用多時相、多分辨率光學遙感影像作為主要數據源，利用植被指數等進行鹽沼植被遙感識別提取。諸多研究[表明，利用光學遙感影像進行鹽沼植被的精準識別需要大量的先驗知識，并輔以野外現場調查修正。而且利用光學遙感影像進行鹽沼濕地植被監測存在著許多局限和不足，主要有：我國大部分沿海潮灘地區高概率出現的云層覆蓋和惡劣天氣等因素，加大了獲取高質量多時相的光學遙感影像數據的難度；因光學影像波長短，對植被冠層缺乏穿透能力，這使得大部分鹽沼植被在其生長季節對光譜響應的相似度高，導致不同植被類型和混生鹽沼植被空間邊界區分效果不佳；由于潮灘地帶通達性差，實地調查修驗存在成本高、周期長的問題，降低了利用光學遙感影像實施年際尺度，甚至更小時間尺度的鹽沼植被動態變化精準監測的可行性。

合成空間雷達(synthetic aperture radar，SAR)是一種主動式對地觀測系統，雷達波長一般在厘米級，可穿透云雨霧，不受天氣和時間的影響，具有全天時、全天候的特點。SAR回波信號對物體的介電特性，特別是對植被葉片含水量和土壤濕度變化敏感[，能提供光學遙感影像所缺乏的對植被冠層的穿透性，使植被葉冠以下的信息也能被利用，可以彌補光學遙感在鹽沼植被監測中的不足[。近年來，國內外學者利用SAR影像在鹽沼濕地植被提取方面取得了不少研究成果。王安琪等[結合Landsat TM(thematic mapper)、長波段PALSAR(phased array type L-band synthetic aperture radar)及多時相ENVISAT ASAR(advanced synthetic aperture radar)影像，利用決策樹的方法，對東北地區三江平原內的沼澤濕地植被進行了識別，所得到的分類精度整體較高。Townsend等[利用多季相的RADARSAT影像，對美國卡羅萊納州東北部Roanoke河流域及其周圍的濕地進行了制圖。Kwoun等[利用多時相ERS-1/2和Radarsat-1衛星數據，采取相對輻射定標的方法，區分了Louisiana州海岸濕地的多種森林和沼澤植被類型; 研究表明，單獨利用一景SAR影像在識別植被類型時效果并不理想，而多時相、多極化、多來源影像結合是利用SAR影像進行濕地植被監測的發展趨勢。

哨兵一號A衛星(Sentinel-1A)于2014年4月3號發射升空，屬于歐空局(ESA)哥白尼計劃中的地球觀測衛星，是對2014年4月8號失聯的ENVISAT衛星的繼承。本研究以長江河口崇明東灘南部為研究區域，利用2016年11個時相的Sentinel-1A雷達衛星影像數據，研究蘆葦鹽沼植物在一個完整年度內不同生長季節的雷達后向散射系數變化特征，并以此為依據對蘆葦的分布信息進行提取，探究Sentinel-1A衛星數據在長江口濕地植被監測中的應用前景。

1 研究區域概況

崇明東灘位于崇明島最東端的長江河口入海處，由長江徑流攜帶的泥沙沉積而成，是長江口規模最大、發育最完善的河口型潮灘之一[，被列入國際重要濕地名錄，也是國家級鳥類自然保護區、國際亞太遷徙鳥類重要停歇地[。本文研究區域位于崇明東灘南部([。研究區域內主要鹽沼植被類型包括蘆葦群落、白茅群落和海三棱藨草群落等，蘆葦的最大株高可達4.0 m，白茅和海三棱藨草的最高株高一般低于0.6 m[。在植被生長周期內，當年11月至翌年的4月為東灘植被的枯萎期，其余時段為生長綠葉期。

圖 1 研究區位置圖

Figure 1 Location of the study area

2 研究方法

2.1 數據來源

Sentinel-1A雷達衛星采用4種極化(VV(vertical transmit/vertical receive)、VH(vertical transmit/horizontal receive)、HV(horizontal transmit/ vertical receive)和HH(horizontal transmit/ horizontal receive))C波段工作模式，重訪周期為12 d，2016年4月Sentinel-1B衛星發射升空以后，重返周期縮短至6 d，具有重訪時間短和數據產品發布快速的特點[。該雷達衛星數據包括4種模式，分別是寬刈幅模式(IW)、條帶模式(SM)、超寬刈幅(EW)和波模式(WV)。本文選取Sentinel-1A衛星的IW模式一級產品(Level-1)中的地距格式(GRDH)影像，所有影像極化方式均為VV+VH極化。影像獲取時間跨度為2016年3月—2016年12月，共11景影像([。

表 1 崇明東灘Sentinel-1A衛星影像數據表

Table 1 List of Sentinel-1A images in Chongming Dongtan area

影像編號

時間

當日天氣

潮位/cm

1

2016-03-28

多云

179

2

2016-04-21

陰

77

3

2016-05-15

中雨轉小雨

276

4

2016-06-08

小雨

188

5

2016-07-26

晴

333

6

2016-08-19

晴

107

7

2016-09-12

多云

304

8

2016-10-06

多云

235

9

2016-10-30

陰

94

10

2016-11-11

晴

240

11

2016-12-05

多云

263

Sentinel-1A衛星數據的元數據(metadata)中包含了衛星軌道向量，其精確度一般不高，需要后續發布的精確軌道數據進行精確校準。由于雷達波具有相干波的本質，Sentinel-1A衛星影像數據不可避免地具有椒鹽噪點(salt and pepper noise)[，降低了SAR影像的圖像質量。濾波處理可以有效地減少椒鹽噪點對SAR影像的不良影響。為盡量保留數據細節和紋理特征，本文選擇中值濾波法進行濾波處理，濾波窗口設置為9×9。衛星數據的處理主要利用ESA開發的SNAP軟件平臺。完整的數據處理流程為：1)應用軌道數據(apply orbit file)；2)輻射定標(radiometric calibration)；3)濾波處理(speckle filtering)；4)地形校正(range-doppler terrain correction)；5)波段合成(layer stacking)。

圖 2 Sentinel-1A雷達衛星影像預處理前(a)、后(b)對比圖

Figure 2 Images before(a) and after(b) pre-processing of the Sentinel-1A SAR

在本論文研究開展期間，筆者分別于2016年11月和12月前往研究區域進行野外調查工作，獲取用于提取結果精度驗證的野外實測數據。在野外調查過程中，利用GPS(儀器誤差為±10 m)獲取采樣點的經緯度坐標，詳細記錄觀測點及其周圍的植被類型、植被平均高程等數據。

圖 3 驗證點分布圖

Figure 3 Distribution map of the verification points

2.2 鹽沼植被的后向散射機制

在有植被的潮灘區域，SAR衛星發射的雷達波與地表和植被同時發生作用。雷達回波的大小不僅取決于目標物的尺寸、密度、形狀和介電常數等，也與SAR衛星本身的系統特征有關，如雷達入射角、極化方式和波長等[。雷達波對植被冠層的穿透性與波長有很大關系，如波長較長的L波段可以穿透茂密的灌木林和森林，而C波段則最有利于識別植被下方有水體的草本植被[。

在潮間帶鹽沼濕地，雷達波的散射機制大致可以分為四大類：面散射(surface scattering)、體散射(volume scattering)、鏡面散射(specular scattering)及二次回波散射(double bounce scattering)。

a.鏡面散射；b.二次回波散射；c.體散射/面散射。

圖 4 研究區雷達波與鹽沼植被作用機理圖

Figure 4 Illustration of mechanism between the radar wave and vegetation in the study area

2.3 鹽沼植被雷達后向散射強度變化分析

為比較蘆葦、白茅和海三棱藨草、水體、光灘的雷達后向散射強度時相變化差異，通過高分辨航空遙感影像數據分析，結合地面現場植被考察，在Sentinel-1A雷達衛星影像上選取不同地物類型的感興趣區域(region of interest，ROI)，研究不同地物在一個植物生長周期內的后向散射強度變化特征。由于區域內海三棱藨草和白茅的株高明顯低于蘆葦，在分析時將二者歸為一類。調查共選擇了32個樣方，對4種地物類型分別提取705、533、552、541個數據像元，利用ENVITM軟件進行統計分析，結果如

圖 5 研究區2016年4種主要地物后向散射強度時相變化圖

Figure 5 Temporal variation of the back-scattering intensity of the land features of 2016 in the study area

分析

3 結果與分析

3.1 蘆葦鹽沼植被分布識別

由

圖 6 研究區蘆葦鹽沼植被空間分布圖

Figure 6 Spatial distribution of the phragmites australis in the study area

3.2 后向散射強度與NDVI相關性分析

利用無云霧覆蓋的2016-5-20 Landsat 8 OLI(operational land imager，陸地成像儀)影像，計算研究區域的歸一化植被指數(INDV)(TM軟件進行波段合成，運用統計工具Compute Statistics對兩個波段進行相關性分析。結果表明，兩者為正相關關系，相關系數為0.78。

圖 7 研究區INDV圖像(a)和3、4月雷達影像波段組合運算后圖像(b)

Figure 7 Image of INDV(a) and SAR image of March and April after band math(b)in the study area

4 結論與展望

1) 蘆葦枯/落葉期的Sentinel-1A雷達影像對于蘆葦的識別最有效，在植被提取的過程中需要充分考慮潮汐水位對鹽沼植被雷達散射機制的影響。綜合利用不同潮位情況下的雷達影像，提取效果精度更高。

2) 通過雷達后向散射強度影像與相近時相的光學遙感影像歸一化植被指數進行相關性分析，發現二者呈良好的正相關關系。

3) 對Sentinel-1A雷達衛星在潮灘鹽沼植被識別提取的應用，需要進一步研究區分低矮鹽沼植被的在雷達反射上的特征判據。

4) 目前在長江河口獲取的Sentinel-1A衛星數據僅為雙極化模式，需要進一步研究鹽沼植被全極化雷達的散射特征。如何有效結合光學遙感影像進行鹽沼植被時空動態演變精準識別、植被生物量定量估算及鹽沼植被生物地球化學過程循環，將是雷達衛星海岸帶應用的重要研究方向。

總結

以上是生活随笔為你收集整理的基于sentinel湿地_基于Sentinel-1A雷达影像的崇明东滩芦苇盐沼植被识别提取的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。