基于H/α分解原理的古河道信息提取——以松嫩平原西部地区为例

古河道对于重现古气候、古生态环境变化有着重要的意义。极化合成孔径雷达（SAR）数据以散射矩阵的形式记录了地物的后向散射信息,能有效地识别隐伏的古河道信息。本文以古河道发育的松嫩平原西部作为研究区域,选取Sentinel-1双极化数据（VV-VH）作为数据源,通过VV-VH双极化模式下的H/α分解处理,构建了由散射熵H与散射角α构成的二维H/α平面。依据雷达波在古河道充填沉积物中发生体散射以及在古河床底界面发生二次散射,并且体散射功率大于二次散射功率,确定了古河道散射类型属于H/α平面上的高熵多次散射。结合此特征与Sentinel-2影像,最终对研究区内的古河道信息进行了提取。研究表明,通过VV-VH双极化模式下的H/α分解方式可以提取到在Sentinel-2影像上无明显特征的古河道信息。     

基于星载雷达特征参数的黄河冰厚反演及冰储量估算

冰厚是冰凌成因分析及预报的重要基础信息,可为防凌减灾提供重要依据。以黄河内蒙古段包头至头道拐水文站为例,利用Sentinel-1雷达影像结合Sentinel-2光学影像对研究区河冰厚度进行估算,首先对Sentinel-2光学影像进行处理,提取凌汛期前黄河主河道边界;然后对Sentinel-1雷达影像进行处理,提取2个强度信息和4个极化分解参数,分析6个雷达特征参数与河冰厚度的相关性;选择相关性最高的参数,采用统计回归方法建立冰厚反演线性回归模型,模型的调整R²为0.657,验证RMSE为9.82 cm,MRE为13.46%,MAE为8.26 cm;对凌汛期黄河冰厚进行反演,分析冰厚时空变化特征,并估算冰储量,同时讨论了河冰的散射机制。研究证明了主动微波遥感数据在黄河冰厚反演中的可行性,可为黄河内蒙古段防凌减灾提供科学参考。     

主动微波遥感黄河上游玛曲地区夏季土壤水分

利用ENVISAT-1/ASAR的VV极化主动微波资料,基于裸土表层微波后向散射GOM物理模型,并利用"水-云"模型处理植被层对土壤表层微波后向散射的影响,遥感估算了夏季黄河上游玛曲地区土壤水分空间分布.通过地面观测网的同步观测资料验证,卫星遥感的土壤体积水分含量和地面测值间的均方根误差RMSE<0.02 m3/m3,...     

云贵高原典型地物L波段SAR散射特性分析——以昆明为例

高分光学遥感在典型地物分类研究中已开展很多,但受限制于多云雾覆盖、多雨的低纬度地区。合成孔径雷达可穿透云雾、植被冠层,被引入典型地物分类中。本研究以L波段HH、HV双极化2景高分辨率ALOS-2 PALSAR-2遥感影像为主要数据源,开展了低纬亚热带高山地昆明地区的建筑物、林地、耕地、湿地、深水等五类典型地物的极化后向散射特性分析实验研究。实验结果表明:五类典型地物的HH、HV极化散射特性基本不受升降轨侧视成像、季节性影响;五类典型地物样本点的HH、HV极化后向散射空间特征较为明显。实验结果有力证明了HH、HV双极化SAR具有多云雾、低纬亚热带地区典型地物分类、反演及动态监测的应用潜力,可作为光学或热通道遥感开展地物监测的有效补充手段。     

应用极化雷达估算农作物覆盖地区土壤水分相对变化

通过应用一阶离散植被模型,结合前人研究成果及雷达极化特性提出了多时相多极化雷达后向散射消除农作物覆盖层影响的算法:①应用已知的假设关系将植被层的体散射用交叉极化的总散射代替;②分析并将垂直极化的总后向散射中贡献很小的植被-土壤多次散射忽略;③将直接地表的后向散射分解成土壤水分与地表粗糙度的函数,使用重轨数据消除了地表粗糙度和农作物覆盖层的影响,并使用多时相全极化L波段(频率为1.2GHz)机载雷达测量数据进行验证,成功的估算了地表土壤水分的相对变化。     

GNSS-R Land Remote Sensing about Reflected Signal＇ s Polarization Characteristics

GNSS-R是利用导航卫星的反射信号对海面或：著陆面进行遥感的一种成本低、功耗小、时空分辨率相对较高的新型遥感手段。从机理上讲GNSS-R为双站雷达,以微波电磁散射模型为研究基础,对于右旋圆极化发射,右旋圆极化（RHCP）、左旋圆极化（LHCP）、H极化和V极化接收时,裸土和植被的散射特性进行了理论模拟。裸土散射特征的模拟采用镜像反射率模型和物理光学模型（PO）c对于植被部分,则采用镜像模型Spec-mimics（Specular-mimics）。在后向散射模型Mimics的基础上,加入散射角度（天顶角和方位角）,同时修改由于散射角度加入而导致的相位矩阵、消光矩阵和地表反射矩阵、散射矩阵等,可以得到双站散射模型Bi．mimics。在其基础上,将角度设置为镜像,得到Spec—mimics模型。模拟结果表明,在10°～70°的入射角范围内,接收为LI-ICP极化时,只有在大的入射角（小接收机仰角）下会有散射值。线极化（H极化和V极化）则在整个角度范围内都有响应。而V极化在此角度范围内动态响应最大。因此如果在小入射角时,采用LHCP天线接收地表反射信号,极化损失较为严重;线极化在该入射角度范围内均可接收到地表反射信号,V极化由于对角度响应较好,因此更有利于地物特征研究。该理论模拟对接收机天线的极性设计提供了一定的理论指导。     

基于Sentinel-1和DEM数据的南岭高植被覆盖区地形线性特征提取方法

在南岭高海拔山脉、植被茂密等地区开展地质调查难度大,人员和物资难以进入,因此需提前根据该区域的地形线性特征合理设计野外调查路线;此外地形线性特征可为区域构造运动信息的认知提供辅助知识.遥感技术以其宏观性、多尺度、多层次的特点成为地质研究和地质勘查的重要手段,然而在高植被覆盖区,常见的光学影像难以穿透植被,而微波雷达遥感则因为较好的植被穿透性,使得其应用成为可能.因此,提出了一种基于雷达卫星Sentinel-1和数字高程模型（digital elevation model,DEM）数据的地形线性特征提取方法.该方法首先利用似然比边缘检测算法提取Sentinel-1影像中的边缘特征,然后对DEM进行线性特征增强以生成山体阴影影像,再利用Canny边缘检测算子提取DEM数据中的山脊线与山谷线等主要线性特征,以DEM提取出的特征线为中心建立缓冲区并与雷达影像的提取结果做相交处理,将得到的线性特征利用道格拉斯-普克算法进行局部直线拟合,最后得到研究区的地形线性特征.结果表明,该方法综合考虑了雷达影像的微观细节信息和DEM数据的宏观趋势信息,在保留主要线性地形特征的同时剔除了伪边缘和噪声点,提取效果较好.      

GNSS-R陆面遥感中反射信号的极化特性研究

GNSS-R是利用导航卫星的反射信号对海面或者陆面进行遥感的一种成本低、功耗小、时空分辨率相对较高的新型遥感手段。从机理上讲GNSS-R为双站雷达,以微波电磁散射模型为研究基础,对于右旋圆极化发射,右旋圆极化(RHCP)、左旋圆极化(LHCP)、H极化和V极化接收时,裸土和植被的散射特性进行了理论模拟。裸土散射特征的模拟采用镜像反射率模型和物理光学模型(PO)。对于植被部分,则采用镜像模型Spec-mimics(Specular-mimics)。在后向散射模型Mimics的基础上,加入散射角度(天顶角和方位角),同时修改由于散射角度加入而导致的相位矩阵、消光矩阵和地表反射矩阵、散射矩阵等,可以得到双站散射模型Bi-mimics。在其基础上,将角度设置为镜像,得到Spec-mimics模型。模拟结果表明,在10°～70°的入射角范围内,接收为LHCP极化时,只有在大的入射角(小接收机仰角)下会有散射值。线极化(H极化和V极化)则在整个角度范围内都有响应。而V极化在此角度范围内动态响应最大。因此如果在小入射角时,采用LHCP天线接收地表反射信号,极化损失较为严重;线极化在该入射角度范围内均可接收到地表反射信号,V极化由于对角度响应较好,因此更有利于地物特征研究。该理论模拟对接收机天线的极性设计提供了一定的理论指导。     

典型地物后向散射特性的测量与分析

利用S和C波段FM-CW制式陆基微波散射计测量了不同极化、不同入射角以及不同方位向和不同时间的典型地物后向散射系数,包括裸土、冻土、草地和玉米等。首先介绍了实验装置和测量方法,根据不同的散射机制,将地物分为以面散射为主和以体散射为主两大类并进行了详细的分析:包括各种地物在不同入射角、不同极化状态和不同时间的散射特性,以及产生这些差异的原因;同时还结合相应的地物散射模型,定量研究了后向散射系数随地表参数的函数关系,反演得到了不同地物的地表参数,并对比实测数据分析了各种影响因素。     

基于地面激光扫描的典型海岸带盐沼潮滩地形反演

海岸带潮滩地形具有快速变化的特点;在盐沼植被覆盖的潮滩区域,地面激光扫描仪（terrestrial laser scanning,TLS）获取地形数据受到地表植被的影响。为了研究TLS在盐沼潮滩使用的地形测量精度与盐沼植被种类、盖度的关系,本文以芦苇群落、白茅群落、互花米草群落、海三棱藨草群落4种典型海岸带盐沼植被群落为研究对象,在移动窗口法的基础上辅以聚类分析的植被滤除算法,分别从点云原始数据中恢复地表地形地貌特征。研究结果表明：1）植被盖度越高,TLS反演地形精度越低,两者负相关。2）不同植被的激光穿透能力不同：盖度大于50%时,激光无法穿透原始盖度分别为70%、65%、65%的白茅群落、互花米草群落、海三棱藨草群落,均方根误差（root-mean-square error,RMSE）分别为22.0、22.0、8.6 cm;盖度等于50%时,白茅群落、海三棱藨草群落、芦苇群落和互花米草群落的RMSE分别为16.0、6.6、4.5、5.7 cm;盖度小于50%时,芦苇群落、互花米草群落、海三棱藨草群落地形反演精度小幅度提高,白茅群落地形反演精度提升较为明显。3）在盐沼潮滩地区使用TLS反演地形时,增加TLS架设高度、对同一区域多方位反复扫描可能有助于提高地形反演效果。     

天山地区SAR数据雪盖制图研究

在分析合成孔径雷达（ＳＡＲ）成像机理及雪盖参数散射特性的基础上，利用航天飞机搭载的成像雷达（ＳＩＲ－Ｃ）获取的天山Ｃ波段、多极化ＳＡＲ数据，进行提取雪盖信息的实验。数据通过预处理、散射系数图像的计算、去噪、入射角改正等处理后，利用ＢＡＹＥＳ监督分类方法产生该地区的雪盖分类图。实验结果表明，利用多波段、多极化ＳＡＲ进行雪盖制图是可行的。     

基于Worldview-3与Sentinel-1 SAR数据的草原矿区复垦植被生物量反演方法研究

利用多源遥感数据定量反演矿区复垦植被生物量是高效、动态、大面积监测土地复垦和生态恢复效果的必要手段之一。本文以内蒙古草原露天煤矿为研究区,联合遥感光学与雷达数据各自的优势,探索基于Worldview-3(WV-3)与Sentinel-1 SAR数据的矿区复垦植被生物量反演方法,选择主成分-小波变换(W-PCA)算法对WV-3与Sentinel-1 SAR数据进行融合,揭示波段反射率、植被指数、后向散射系数及纹理特征等参数与生物量之间的相关关系,建立多变量的生物量反演模型,并分析不同生物量模型的空间不确定性。结果表明:(1)通过W-PCA算法得到融合后的图像,信息熵的提高反映了融合图像与光学WV-3图像相比具有更多的细节信息,平均梯度的提高反映了融合图像与Sentinel-1 SAR图像相比具有更高的清晰度和更丰富的纹理信息。融合后的第8波段相关系数最高、光谱扭曲度最低、光谱保真度最高。(2)通过相关性分析,发现增强型植被指数(EVI)、归一化植被指数(NDVI)、VH极化、VH均值纹理以及融合后第8波段与生物量显著正相关。WV-3的NDVI与Sentinel-1的VH_ME建模精度(R²=0.834 0,RMSE=16.464 6 g/m²,Ac=81.52%)最高,融合后的第8波段验证精度(R²=0.798 3,RMSE=22.828 3 g/m²,Ac=74.64%)最高。(3)基于不同模型的残差不确定性分析,Sentinel-1 SAR数据变量建立的模型估测结果更容易出现高估及饱和现象,两者联合变量建立的模型可实现优势互补,利用融合数据建立的模型明显改善生物量小于40 g/m²时的高估计现象以及生物量大于100 g/m²时的两者饱和现象,其不确定性降低2.42~9.68 g/m²。因此,利用光学和雷达遥感融合能够有效提高复垦植被生物量的估算精度,为草原矿区复垦植被精细监测提供有效的数据支持。     

Evaluation of Sentinel-1 data for flood mapping in the upstream of Sidi Salem dam (Northern Tunisia)

Flood mapping is a powerful asset that allows drawing better strategies to contain possible economic repercussions and to rescue the affected population. This work is directly unfolded after the rainfall events that occurred in the north of the country, in February 2015, during which certain cities located in the vicinity of the Tunisian basin of Medjerda were flooded by the overflow of the Medjerda river, causing important damage to the towns of Jendouba and Bou Salem. The present research illustrates the potentiality of Sentinel-1 sensor in detecting flood areas in the upstream of Medjerda river. The Medjerda is the most important river in Tunisia, with an annual water potential reaching 0.8 billion m³. We compared the signature of flood water in vertical transmit and horizontal received (VH) and vertical transmit and vertical received (VV) polarizations of radar data. The study proves that the segregation of land/water areas with a threshold technique is better observed in VH polarization rather than VV polarization.     

纹理特征辅助的S AR影像冰川识别

青藏高原的冰川监测对气候变化研究有着重要的意义,通过遥感图像可以大范围长时间的监测冰川的变化,识别冰川边界是研究的重点。为了研究SAR影像纹理特征在冰川识别中的作用,以喀喇昆仑山地区的克勒青河上游为研究区,利用2018年Sentinel-1A数据进行干涉处理得到相干系数,然后基于相干系数提取了均值、方差、同质性、反差、相异性、熵、相关性共7种纹理特征,并对不同纹理特征组合之间的提取效果进行了比较。结果表明VV极化方式下均值、方差、同质性、相异性的特征组合冰川识别效果最好。据此提取了克勒青河上游区域的冰川边界,最高精度达到91.36%,该方法明显优于基于相干系数图的阈值分割法和基于光学影像的波段比值法,冰川识别精度提高了约2%。     

Measuring precursory movements of the recent Xinmo landslide in Mao County,China with Sentinel-1 and ALOS-2 PALSAR-2 datasets

The Xinmo landslide occurred in the early morning of 24 June 2017 at about 5:38 am local time. This catastrophic event caused enormous casualties and huge economic losses in Xinmo Village, Mao County, Sichuan Province, China. In this study, Synthetic Aperture Radar (SAR) datasets acquired by X-band TerraSAR-X, Phased Array type L-band Synthetic Aperture Radar-2 (PALSAR-2) aboard the Advanced Land Observing Satellite-2 (ALOS-2), and C-band Sentinel-1 over the disaster area were collected and analyzed to characterize this landslide. The high-resolution TerraSAR-X intensity images were used to evaluate the landslide disaster and delineate the sliding area. Afterwards, two ALOS-2 PALSAR-2 image pairs and a stack of 45 Sentinel-1 images were processed to detect precursory movements of the landslide surface, using the conventional differential InSAR (DInSAR) method and advanced time series InSAR analysis. The unstable source area near the ridge was identified from the displacement rate map derived from Sentinel-1 datasets. The maximum displacement rate detected at the source area was ?35mm/year along the radar line of sight (LOS) direction. The time series of LOS displacements over 2 years presents an easily discerned seasonal evolution pattern. In particular, a sudden acceleration of the displacement, dozens of days before the collapse was clearly captured by the Sentinel-1 observations, which might suggest that early warning of landslide disasters is possible given the availability of operational SAR data acquired in frequent repeat-pass mode, such as the Sentinel-1 twin-satellite constellation.     

科尔沁沙地典型区生长季蒸散发估算及其变化特征

为揭示科尔沁沙地典型区地表参数和蒸散发的时空分布以及变化特征,采用Landsat-7和气象数据,并结合METRIC(Mapping Evapotranspiration at high Resolution with Internalized Calibration)模型,分析了研究区净辐射(Rn)和蒸散发(ET)的时空变化、不同土地覆被类型ET特征及其影响因素。结果表明:(1)研究区典型土地覆被沙丘和草甸的Rn和ET估算值与涡度相关实测值拟合结果均良好,说明METRIC模型可以为研究区提供合理的ET估算;(2)研究区下垫面Rn和ET的时空分布情况为:各年Rn和ET在年内变化趋势相同,空间上不同土地覆被类型中水体的Rn和ET最大,农田和草甸次之,沙丘最小;(3)沙丘的CV值大于农田与草甸,表明年际间沙丘的ET波动较大,农田和草甸相对稳定,ET年际变化主要受气象因素的影响。     

Changes in surface soil mositure during freeze-thaw process under different vegetated status using Sentinel-1A in Beiluhe北大核心CSCD

Beiluhe basin lies in a permafrost region where is located in the interior of Tibetan Plateau. Ecosystem in the area is subjected to the freeze-thaw process of the active tjaele,and there is conspicuous correlation between soil moisture（SM）and vegetation coverage. To retrieve the soil moisture content of Beiluhe basin with a total area of 2 037. 94 km2,a synergistic method,which combined improved water cloud model,Oh,Dubois and Topp model,was presented in this paper base on Sentinel-1A multi-polarization SAR and Landsat-8 time series images data. The accuracy was validated with the in-situ point SM data：Adjusted-R2 of the regression equation is 0. 6848,and RMSE is 0. 039 cm3·cm-3. The analysis of correlation among freeze-thaw process,SM and vegetation cover from macro watershed scale manifests：Vegetation coverage has a significant delayed effect on the freeze-thaw process of the active tjaele,that is,the higher vegetation coverage,the more lagging freeze-thaw time;These study results are basically consistent with predecessors in-situ observation data,verifying the feasibility of studying correlation among soil freeze-thaw process,SM,and vegetation coverage from the macro watershed scale based on Sentinel-1A annual time series data. © 2022 Science Press (China).