利用多時相多極化差值圖在高原山區進行煙草識別

胡九超　周忠發

摘要：農作物的識別是農情監測的基礎，能為制定農業政策提供重要的參考數據。在多云多雨地區使用合成孔徑雷達（SAR）對農作物進行識別監測有較大的優勢。利用單時相影像進行地物識別時容易受陰影的干擾，差值法可檢測不同波段間圖像值的差別，根據波段間差值的不同，可以區分不同地物。利用2個時相的TerraSAR-X交叉極化模式數據（HH、VV）計算同時相多極化差值圖、同極化多時相差值圖，分析比較差值圖，選擇最優的差值圖組合用于煙草提取，識別精度達82.23%。

關鍵詞：高原山區；合成孔徑雷達；差值圖；TerraSAR-X；煙草

中圖分類號： TP391.41 文獻標志碼： A

文章編號：1002-1302（2015）03-0388-03

煙草是貴州省重要的經濟作物，煙草長勢監測、面積提取、產量估算對于貴州省農業、經濟發展具有重要的現實意義。貴州省地處云貴高原，多云雨，導致傳統統計方法、常規遙感技術很難得到精確的煙草種植面積、產量，應用雷達遙感影像資料進行煙草面積監測可以不受云、雨、霧的影響，具有全天時、全天候的觀測能力，是可靠的遙感數據源[1-2]。邵蕓首次應用多時相Radarsat數據對多云雨地區進行水稻制圖，采用神經網絡分類方法，分類精度達到90%以上[3]。張萍萍等利用多時相多極化ENVISAT ASAR影像進行局部區域稻田識別，也獲得了較高的稻田識別精度[1]。然而，與煙草相關的雷達遙感監測識別研究極少。差值法可檢測不同波段間的圖像值的差別，根據波段間差值的不同，可以區分不同地物。本研究計算多時相多極化的差值，從差值圖上識別煙草，利用2個時相的TerraSAR-X交叉極化模式數據（HH、VV）計算同時相多極化差值圖、同極化多時相差值圖，分析比較差值圖，選擇最優的差值圖組合，利用監督分類方法對差值圖進行煙草識別，得到煙田分布，對多時相多極化差值圖的煙草識別能力進行驗證，旨在為貴州高原山區的典型農作物監測提供技術支撐。

1 研究區概況及雷達數據源概況

1.1 研究區概況

研究區位于貴州省清鎮市流長鄉，地處清鎮市西部，屬北亞熱帶季風濕潤氣候，四季分明，雨量充沛；土壤以黃沙壤、黃壤為主，pH值為5.5～6.5，呈微酸性，有機質含量高，氣候條件、土壤條件均有利于烤煙生產。研究區屬于國家現代煙草農業基地單元，該基地單元地貌類型復雜多樣，主產煙區流長苗族鄉、犁倭鄉為典型的喀斯特高原山地地貌，以峰叢洼地、峰叢谷地為主，地下暗河、落水洞廣布，地表支離破碎，土地形狀不規則，多呈零星散狀分布。烤煙從煙苗移栽到煙葉成熟采摘完畢可以劃分為4個生育期階段，分別為還苗期、伸根期、旺長期、成熟期。其中，還苗期的生長特點是根系生長活躍，莖葉生長幾乎停止。約10 d之后，煙草進入伸根期（煙苗成活到團棵），該時期莖葉恢復生長，新葉不斷出現。隨后煙草進入旺長期，該時期煙葉生長中心從團棵期的地下部分轉移到地上部分。最后，煙葉進入成熟期階段，煙株現蕾以后，下部葉逐漸衰老，葉片由下而上依次落黃成熟，成熟期持續約2個月。

1.2 雷達數據源概況

采用了2013年5月28日、8月24日TerraSAR-X交叉極化1B級數據（表1）。由于2景影像獲取時的軌道參數完全一致，因此避免了因軌道偏差造成同一研究區內雷達波入射角不同所帶來的潛在誤差[4]。獲取影像的同時，對煙田、玉米地等典型農作物進行了定點定位及樣方建立，同時記錄煙草的生長狀況及生理結構參數，包括葉長、葉寬、株高等。

1.3 數據預處理

在對雷達影像進行分析應用之前，需要對獲取的 TerraSAR-X 數據進行幾何校正、斑點噪聲去除、絕對輻射定標等預處理。經過影像的預處理，截取了研究區部分假彩色合成影像（R：8月24日HH極化；G：8月24日VV極化；B：8月24日VV極化；5月28日VV極化差值）（圖1）。

2 多時相多極化TerraSAR-X影像差值圖分析

2.1 多時相多極化差值的計算

本研究采用的TerraSAR-X交叉極化模式影像包含2種極化方式：HH極化、VV極化。與單極化影像相比，雙極化影像包含更豐富的地物信息。地物對不同極化的去極化能力及與雷達波之間相互作用，反映了地物不同的介電特性、表面粗糙度、幾何形態、方向等屬性特征[5-6]。同樣，在不同時期獲

取同一地區的圖像也能夠反映某些地物隨時間變化的信息。即使極化方式相同，但由于地物幾何形態改變、介電特性變化等，造成2個時間點地物后向散射系數極大差異。因此，利用這些變化信息來提取地物是可行的 。為了進一步說明地物后向散射系數的變化情況，筆者分別計算了2個時相HH極化、VV極化后向散射系數的差值，簡稱同時相多極化差值，計算公式如下：

2.2 多時相多極化差值圖的分析

從各差值圖中截取研究區的部分區域，根據灰度圖的像元值大小用彩色表現出來（圖2）。

圖2-A、圖2-B分別代表5月28日、8月24日HH極化、VV極化的差值圖，圖2-A圖像的像元值為1.12～2595 dB。圖2-A中紅色區域的像元值在圖2-B中基本得到保持，藍色區域保持了部分，大部分藍色區域在圖2-B中顯示為不同的顏色。圖2-B圖像的像元值為-14.68～57.93 dB，色彩分布范圍較廣，由此可知，藍色區域的像元值增加幅度較大。圖2-C、圖2-D分別是2個時相（8月24日、5月28日）的HH極化的差值圖、VV極化的差值圖。圖 2-C 圖像的像元值為-21.01～34.55 dB，VV極化差值圖的像元值范圍比HH極化差值圖更廣，為-31.47～46.85 dB。由此可知，VV極化差值圖能夠反映更豐富的地物時相變化信息，HH極化對地物的時相信息變化敏感度不及VV極化。為了將差值圖上的像元信息變化與實際地物相對應，筆者從野外采集的樣方數據中提取了5類典型地物后向散射系數差值（用平均值表示）。從圖3可以看出，水稻后向散射系數差值平均值變化最大，玉米次之，煙草居中，居民點變化最小。

5月28日時相上，煙草的后向散射系數差值主要分布在8.11 dB左右，與圖2-A圖例中的第5等級顏色（淡藍色）相對應。根據煙草生長周期，在該時相上，煙草處在團棵期，煙苗較小且分布稀疏，同時大量干旱土壤裸露，部分區域還存在不同程度的石漠化現象。玉米同樣處于幼苗期，土壤背景、石漠化背景對玉米后向散射系數影響很大，導致玉米、煙草、土壤的散射特性類似。盡管煙草、玉米葉片的大小不同以及土壤紋理、土壤濕度不同會造成后向散射系數差別，但在該時相上很難區分煙草、玉米、裸露土壤。8月24日時相上，煙草處于成熟期，煙葉面積增大，冠層覆蓋率較高，同時株高較高，使得煙草對HH極化、VV極化雷達波造成不同程度衰減，但此時期天氣較干旱，土壤、煙草含水量都較低，2種極化方式下的后向散射系數差值很小，和有林地、玉米相差不大，與圖 2-B 圖例中的第4等級顏色（藍色）相對應。因此，該時相上的煙草、有林地、玉米易混淆。從圖3可以看出，煙草的HH極化、VV極化多時相差值居中，其平均值大約分別為-4.38、2.98 dB。圖2-C中，煙草對應圖例中的第5等級顏色在圖2-D中反映為圖例中的第8等級顏色。將圖2-B與圖2-D進行對比可知，圖2-B中的煙草區域與圖2-D中反映煙草的區域吻合度較高。

3 煙草識別

提取信息的方法很多，其中比值法、差值法應用較為廣泛。差值法可檢測不同波段間圖像值的差別，波段間差值可用于區分不同的地物。本研究采用多時相多極化差值圖像來豐富地物信息，便于提取煙草信息。通過對不同地物在不同圖像上的后向散射系數進行差異分析，了解不同地物的散射特性。選擇監督分類算法中基于圖像統計的最大似然判別法[7]，對組合好的Δσ0HH、Δσ0VV、Δσ00824（R、G、B）圖像進行分類。首先，選擇典型地物的訓練場，再根據訓練場計算各類地物的統計特征值，建立分類判別函數，然后逐點掃描圖像中的像元，求出其屬于各類的概率，再將待判別的像元歸入最大判別函數值 。分類后，對結果進行Majority/Minority以及聚類（clump）等處理。

4 煙草識別精度驗證

本研究利用在高分辨率航拍圖上采集的典型地物樣方數據對分類結果進行驗證。樣方由規則的矩形形成，包括煙草、玉米、水稻等。將樣方數據（矢量文件）轉換成感興趣區域，用其來裁剪分類后的矢量數據，計算樣方中不同地物的面積（表2）。假設樣方內實際是煙田，被分為煙田的記為TT；樣方內實際是煙田，被分為非煙田的記為TO；樣方內實際是非煙田，被分為非煙田的記為OO；樣方內實際是非煙田，被分為煙田的記為OT，T代表煙田，O代表非煙田[8-9]。分類總精度計算公式如下：

5 結論與討論

本研究表明，在貴州省高原山區利用TerraSAR-X多時相多極化差值圖識別煙草是可行的，為高原山區農作物監測提供了新途徑。本研究采用的2個時相的數據分別是團棵期、成熟期，2個時期煙草的株型、冠層覆蓋率等特征變化較大，這是煙草識別的有利因素。利用TerraSAR-X多時相多極化差值圖進行煙草識別得到了較理想的結果，但研究區內玉米以及有林地的存在對識別煙草產生了一定干擾，這是因為玉米的生長周期、散射特性等因素與煙草的類似，成熟期的煙草較茂盛，易與有林地混淆。關于其他可能的時相、極化組合對煙草識別精度的影響，還需進一步分析。此外，石漠化現象以及極少數覆膜煙田的存在對煙草識別的具體影響還有待進一步研究。

參考文獻：

[1]張萍萍，申雙和，李秉柏，等. 水稻極化散射特征分析及稻田分類方法研究[J]. 江蘇農業科學，2006（1）：148-152.

[2]Le T T，Laur H，Mougin E，et al. Multi-temporal and dual polarisation observation of agricultural vegetation covers by X-band SAR images[J]. IEEE Transactions of Geoscience and Remote Sensing，1989，27（6）：709-718.

[3]邵 蕓. 水稻時域散射特征分析及其應用研究[D]. 北京：中國科學院，2000.

[4]楊沈斌，李秉柏，申雙和，等. 基于多時相多極化差值圖的稻田識別研究[J]. 遙感學報，2008，12（4）：613-619.

[5]邵 蕓，郭華東，范湘濤，等. 水稻時域散射特征分析及其應用研究[J]. 遙感學報，2001，5（5）：340-345.

[6]邵 蕓，廖靜娟，范湘濤，等. 水稻時域后向散射特性分析：雷達衛星觀測與模型模擬結果對比[J]. 遙感學報，2002，6（6）：440-450.

[7]趙春霞，錢樂祥. 遙感影像監督分類與非監督分類的比較[J]. 河南大學學報：自然科學版，2004，34（3）：90-93.

[8]楊沈斌，申雙和，張萍萍，等. ENVISAT ASAR數據用于大區域稻田識別研究[J]. 南京氣象學院學報，2007，30（3）：365-370.

[9]張云柏. ASAR影像應用于水稻識別和面積測算研究——以江蘇寶應縣為例[D]. 南京：南京農業大學，2004.