林火干扰区全极化SAR影像的散射特性分析

祁帅， 张永红， 汪慧琴

(1.兰州交通大学测绘与地理信息学院，兰州　730070； 2.中国测绘科学研究院，北京　100830；3.上海米度测量技术有限公司，上海　200123)

林火干扰区全极化SAR影像的散射特性分析

祁帅1,2， 张永红2， 汪慧琴3

(1.兰州交通大学测绘与地理信息学院，兰州730070； 2.中国测绘科学研究院，北京100830；3.上海米度测量技术有限公司，上海200123)

摘要：目前，利用合成孔径雷达(synthetic aperture Radar,SAR)影像进行林火监测主要限于从林火前后时相的单极化通道振幅数据或者火后全极化影像振幅数据开展，而从林火对森林散射机制改变角度开展多时相全极化SAR林火监测的研究还较少。以2009年阿拉斯加地区发生的林火为例，以林火发生前后获取的Radarsat-2全极化影像为实验数据，从林火所改变的森林后向散射强度和散射机制角度，对林火发生前后各个极化通道后向散射强度、主导散射机制和去极化作用参数进行了定量分析，并对变化原因给出了解释。研究表明，对于北方森林，林火发生后林火干扰区的后向散射强度在同极化通道相比林火前增加了20%，交叉极化通道也有小幅增加，主导散射由林火前占59%的体散射变为林火后占53%的表面散射，去极化作用相比林火前减小45%。这些结论对于利用多时相全极化SAR数据开展林火燃烧面积或者燃烧强度监测具有参考价值。

关键词：极化合成孔径雷达； 北方森林； 后向散射强度； 散射机制； 去极化作用

0引言

北方森林(Boreal forests)的面积约占地球陆地面积的10%，储存有超过全球陆地生物群系中35%的碳[1]。有关研究表明，每年大概有百万hm2的北方森林被林火燃烧[2]。森林燃烧时其中存储的碳释放到大气中，会对全球气候及生态系统产生严重影响。由于北方森林的恢复能力很弱，这种影响会持续很长的时间。因此对北方森林的林火进行监测，一直是遥感应用领域的重要方面。

合成孔径雷达(synthetic aperture Radar,SAR)影像能全天时全天候获取，不受云与烟的干扰，而且对地物的结构信息比较敏感，因此用SAR影像进行林火监测具有独特的优势[3]。SAR影像林火监测，早期主要采用单极化影像的振幅数据。例如，Kasischke和Bourgeau-Chavez等[4-5]在阿拉斯加北方森林的研究中发现，在SAR影像上过火迹地的后向散射明显高于未受林火干扰的地区； Siegert和Ruecker等[6-7]在印度尼西亚热带雨林地区的监测中发现，过火林地的后向散射出现了明显下降，其原因是在热带雨林地区，林火完全或部分烧毁了植被冠层，并使地面水分蒸发而变得干燥，燃烧后来自于干燥地面的后向散射明显低于未受林火干扰地区来自于植被冠层的体散射。而基于火后全极化SAR数据的林火研究，Goodenough等[8-9]曾应用过火后全极化Radarsat-2数据分析林火燃烧面积。

但是这些基于林火干扰区单极化影像振幅数据的研究，只能反映出林火对某个极化通道的影响，不能反映林火对雷达后向散射机理和强度影响的完整信息； 而基于火后全极化振幅数据的研究，仅能够表达火后林火干扰区与其他地物的差异，不能充分反映林火干扰区自身在林火发生前后的变化。因此，本文利用林火发生前后的全极化SAR影像，从林火改变森林后向散射强度和散射机制2个角度对阿拉斯加北方森林过火后的变化进行了定量研究，并分析了出现这种变化的原因。

1实验数据及其预处理

1.1实验区及其数据源

实验区位于美国阿拉斯加中东部，火灾中心位置在N 66°05′24.4″，W 146°31′16.9″。火灾发生于2009年7月18日至2009年8月5日期间。实验数据为2009年7月17日和2009年9月3日获取的2景Radarsat-2全极化单视复影像，均为精细全极化模式的升轨影像。表1为实验数据的具体参数。

表1　SAR数据参数

实验区位置及影像覆盖范围如图1所示。左图为实验区在阿拉斯加地区的位置，右图为Radarsat-2影像的覆盖范围，图中黄线内区域为美国地质调查局MTBS(monitoring trends in burn severity)项目提供的人工勾绘的林火干扰区范围。

图1　实验区位置及影像覆盖范围

实验辅助数据主要包括全球土地覆盖类型和永久冻土层分布等。通过查阅得知，实验区内森林为常绿针叶林，并位于连续永久冻土分布区。

1.2数据预处理

为了对林火发生前后林火干扰区的散射特性进行定量分析，需要对2景SAR影像进行的预处理主要包括辐射定标、图像配准和多视滤波等。

对林火前后的2景影像分别进行辐射定标处理的公式为

(1)

式中：Iσ,Qσ分别为定标后像元的实部和虚部；DNI,DNQ分别为原始单视复影像像元的实部和虚部；Aj是与斜距有关的增益系数，由附带的查找表文件(lutSigma.xml)提供[10]。

为保证林火发生前后2个时相影像极化参数坐标的统一，使用Gamma软件对2景SAR影像进行了高精度配准。辐射定标和精确配准后的2景极化SAR影像均采用极化散射矩阵S表达。

对影像进行多视滤波处理(方位向多视参数为3，距离向多视参数为2)所生成各自的协方差矩阵C3。为进一步抑制斑点噪声，对协方差矩阵进行了窗口大小为3像素×3像素的增强Lee滤波。图2为预处理后的2幅PauliRGB合成图像。图像上的黑色区域为水体。从火后影像即图2(b)上可以看到，林火干扰区为河流以西的粉色区域。

(a) 2009年7月17日影像 (b) 2009年9月3日影像

图2预处理后的Radarsat-2影像

Fig.2Pre-processed Radarsat-2 images

2实验与分析

2.1林火干扰区散射特性参数

林火干扰区通过2种模式改变雷达后向散射： ①通过改变后向散射体的湿度、粗糙度等环境参数从而改变后向散射的强度； ②通过改变植被冠层及其结构从而改变后向散射机制。所以本文选取与后向散射强度和森林散射机制变化密切相关的参数进行定量分析。

2.1.1后向散射强度参数

全极化SAR影像记录了地面每个分辨单元在4种基本极化状态下散射回波的幅度和相位，形成极化散射矩阵S，即

(2)

式中SHH，SHV，SVH和SVV表示发射波和接收波分别为水平和垂直时的4种组合。通常在对影像分析前要进行多视滤波处理以减小相干斑的影响，即将N个临近像素进行空间平均。多视滤波处理后图像的协方差矩阵一般定义为

(3)

式中， *表示共轭； 〈〉表示统计平均。协方差矩阵C3包含了所有的极化信息，其中HH，HV和VV 3个极化通道的后向散射系数σHH，σHV和σVV分别为

(4)

选取3个极化通道的后向散射系数σHH，σHV和σVV来分析林火发生前后后向散射强度的变化。

2.1.2主导散射机制参数

极化目标分解是将目标的散射特征分解为若干个简单散射体的叠加，来揭示散射体的物理特性[11]。基于协方差矩阵C3的Yamaguchi分解，它将目标散射特征分解为螺旋体散射、体散射、偶次散射和表面散射4个独立分量。Yamaguchi 4分量分解[12]中各散射机制的散射功率表达式为

(5)

式中：Ps，Pd，Pv和Ph分别为表面散射(Odd)、偶次散射(Dbl)、体散射(Vol)和螺旋体散射(Hlx)对应的散射功率；Im表示取实部操作。选取Yamaguchi分解的4个分量分析其在林火发生前后的变化推断林火干扰区主导散射机制的变化。

2.1.3去极化作用参数

森林地区的植被主要由冠层、树干、林下灌木、草地或枯枝落叶等组成。短波长雷达信号主要与植被冠层相互作用。由于植被冠层散射元的空间分布比较随机，会引起极化波振动方向的改变即去极化作用。

极化合成是根据目标的散射矩阵S计算在发射和接收天线任意极化组合下接收到的回波功率。极化合成公式[13]为

(6)

式中： φr，φt分别为接收天线和发射天线的极化椭圆方位角； χr，χt分别为接收天线和发射天线的极化椭圆椭率角； k(λ,θ,φ)为与天线有效面积和波阻抗有关的常数； K为目标的Stokes矩阵。

由极化合成公式可以看出，对于特定目标，如果给定发射和接收天线的极化状态就可以得到接收功率值。那么，必然存在一种发射和接收组合使接收功率取得极值，其中极小值为最小接收功率Pmin[13],它表征地物去极化的绝对量。Zhang等[14]提出相对去极化比D的定义，其表示散射回波中完全非极化波与总散射功率的相对大小，是衡量地物去极化作用的一个相对量，公式为

D=[λ1(K)-Pmax]/λ1(K) ,

(7)

式中：λ1(K)为Stokes矩阵的最大特征值，表示目标散射的电磁波信号在到达接收雷达天线之前的散射功率；Pmax为目标的最大接收功率。在没有去极化作用的情况下，Pmax与λ1(K)相等。但当地物有去极化作用时，Pmax比λ1(K)要小。本文选取Pmin和D进行定量分析。

2.2极化参数在林火前后的变化情况

2.2.1后向散射强度的变化

在2009年9月3日获取的PauliRGB合成图上选取林火干扰区(A)和未受到林火干扰地区(B)2类样本，样本分布如图3所示。

图3　样本分布

分别计算图3中所示2类样本在林火发生前后3个极化通道影像上后向散射强度的均值，统计结果如图4所示。图中，横坐标中A指林火干扰地区，B指林火未干扰地区，数字表示影像的获取时间，0717为2009年7月17日获取即火前影像，0903为2009年9月3日获取即火后影像。

图4　各极化通道后向散射强度的变化

从图4中可看出，A区样本后向散射强度在HH通道由林火前的-9.0db增加到林火后的-7.2db； 在VV通道由林火前的-9.9db增加到林火后的-8.0db； 在HV通道由林火前的-15.5db增加到林火后的-14.8db。即在HH，VV和HV3个通道分别增加了1.8db，1.9db和0.7db。而B区样本的后向散射强度在这3个通道增加都很小，均在0.2db以内，相对A区可以忽略不计。

A区后向散射强度值在3个通道显著增加的原因是： 实验区位于永久冻土连续分布的区域，永久冻土层受到林火影响导致地表温度升高[15]，冻土层融化，土壤湿度随之增加，后向散射也增大。对于不同的极化通道，其后向散射值也都同时增加，这与文献[4-5，8]的研究相符合。

另外，后向散射强度在林火发生前后的影像上都存在一个规律，即后向散射强度在HH极化上最高，VV极化次之，HV极化最低。HH极化后向散射强度最高的原因是因为其天线发射的是水平极化波，对垂直生长的森林的穿透能力较弱，强度衰减自然就小； 而VV极化发射的是垂直极化波，对森林的穿透能力较强，在穿透森林冠层的过程中强度衰减也就会大些[16]。HV极化说明的是地物改变极化方式程度的大小，而且它的回波是分散在各个方向上的，所以雷达能够接收到的HV回波强度与同极化(HH和VV)强度相比是最小的[17]。

2.2.2主导散射机制的变化

分别对林火发生前后的影像做Yamaguchi4分量分解，计算图3所示的2类样本在各个分量图像上的均值，并统计各个分量在林火前后的占比情况，结果如图5所示。

图5　Yamaguchi 4分量占比的变化

从图5可看出，B区在林火发生前后Vol占比都为58%，其他散射占比较小，说明其主导散射都为Vol，而且没有发生变化。

而A区在林火发生前Vol占59%，Odd占35%，Hlx和Dbl占比都比较小，主导散射为Vol。林火发生后Vol占比减小到37%，Odd增加到53%，Hlx和Dbl占比仍都比较小，主导散射变成了Odd。这表明林火的发生导致林火干扰区的主导散射由Vol变为了Odd。

出现这种现象的主要原因是： 林火发生前，由于Radarsat-2C波段的雷达波波长较短，穿透性较差，回波信号主要来自森林的冠层，而冠层散射元的空间分布比较随机，所以形成的主导散射是Vol。随着林火的燃烧，森林冠层、树干、林下灌木、草丛或枯枝落叶发生不同程度的烧毁，森林生物量明显减少，导致Vol的散射元减小，雷达信号得以穿过森林冠层沿树干继续向下传播，相比林火前到达土壤表面的雷达信号增多，Odd增加，以至成为主导散射。

2.2.3去极化作用的变化

计算图3所示2类样本最小接收功率参数Pmin和相对去极化比参数D的均值，统计结果如图6、图7所示。

图6　最小接收功率的变化

图7　相对去极化比的变化

从图6中看到，B区的Pmin在林火发生前后都在-14.3db左右，可以认为没有发生变化。A区Pmin则由林火发生前的-14.3db增加到林火发生后的-13.6db，增加了0.7db。

众所周知，林火发生前森林分布着大量的随机散射体，去极化作用较强。从2.2.2节分析知道林火发生后A区主导散射由Vol变为Odd，说明Vol的散射元减少，去极化作用应该减弱。但是表征去极化作用的Pmin却是增加的，两者间似乎出现了“矛盾”。出现这种情况的原因主要是，实验区位于冻土分布区域，林火导致了冻土融化，土壤湿度增加，回波功率也会相应增大。2.2.1节分析的后向散射在3个极化通道都增加就是这个原因，所以作为回波功率值的Pmin也会相应增加。但是Pmin绝对量的增加，并不能说明去极化作用增加，因为总散射功率同时也增加。这就需要一个相对量去衡量去极化作用的变化，即相对去极化比D。

从图7中看到，B区样本的D在林火发生前后没有发生变化。而A区则由火前的0.13减小到火后的0.07，减小了大约45%。充分说明去极化成分相对总散射功率在减小，也就是说，完全非极化波的功率相对总散射功率减小了，林火干扰区在最小接收功率有所增加的情况下去极化作用有所减弱。

3结论

本文从林火改变森林后向散射强度和散射机制2个角度运用林火发生前后全极化SAR影像对林火进行了监测分析。定量比较了与后向散射强度和散射机制密切相关参数的变化情况，并对变化原因给出解释。通过Radarsat-2数据的实验结果证实：

1)在有永久冻土层覆盖的阿拉斯加地区，林火发生后因为冻土的融化，土壤水分增加，地物的后向散射强度在各个通道都增加。其中HH和VV增加大约20%，HV只有小幅的增加。并且后向散射强度值在林火发生前后都存在HH通道最高，VV次之，HV最小的规律。

2)林火后林火干扰区主导散射由体散射Vol变为表面散射Odd。

3)林火干扰区的相对去极化比D相对火前减小了45%，说明林火导致森林的去极化作用减弱。

但是，本文的实验区是在有冻土覆盖的北方森林地区，在热带雨林地区结果可能不同。另外，本文用到的是C波段的全极化SAR数据，对于其他类型数据，由于波长不同，结果可能也不相同。

参考文献(References)：

[1]KasischkeES,ChristensenJrNL,StocksBJ.Fire,globalwarmingandthecarbonbalanceofborealforests[J].EcologicalApplications,1995,5(2):437-451.

[2]Bourgeau-ChavezLL,KasischkeES,FrenchNHF.Detectionandinterpretationoffire-disturbedborealforestecosystemsinAlaskausingspacebarneSARdata[C]//ProceedingsofIEEEtopicalcombinedoptical,microwave,earthandatmospheresensing.Albuquerque,NM:IEEE,1993:236-239.

[3]黄燕平,陈劲松.基于SAR数据的森林生物量估测研究进展[J].国土资源遥感,2013,25(3):7-13.doi:10.6046/gtzyyg.2013.03.02.

HuangYP,ChenJS.AdvancesintheestimationofforestbiomassbasedonSARdata[J].RemoteSensingforLandandResources,2013,25(3):7-13.doi:10.6046/gtzyyg.2013.03.02.

[4]KasischkeES,Bourgeau-ChavezLL,FrenchNHF.ObservationsofvariationsinERS-1SARimageintensityassociatedwithforestfiresinAlaska[J].IEEETransactionsonGeoscienceandRemoteSensing,1994,32(1):206-210.

[5]Bourgeau-ChavezLL,KasischkeES,BrunzellS,etal.Mappingfirescarsinglobalborealforestsusingimagingradardata[J].InternationalJournalofRemoteSensing,2002,23(20):4211-4234.

[6]SiegertF,RueckerG.UseofmultitemporalERS-2SARimagesforidentificationofburnedscarsinsouth-eastAsiantropicalrainforest[J].InternationalJournalofRemoteSensing,2000,21(4):831-837.

[7]RüeckerG,SiegertF.BurnscarmappingandfiredamageassessmentusingERS-2SARimagesineastKalimantan,Indonesia[J].InternationalArchivesofPhotogrammetryandRemoteSensing,2000,15(PartB7):1286-1293.

[8]GoodenoughDG,ChenH,DykA.EvaluationofConvair-580andsimulatedRadarsat-2polarimetricSARforforestchangedetection[C]//ProceedingsofIEEEInternationalConferenceonGeoscienceandRemoteSensingSymposium.Denver,Colorado,USA:IEEE,2006:1788-1791.

[9]GoodenoughDG,ChenH,RichardsonA,etal.MappingfirescarsusingRadarsat-2polarimetricSARdata[J].CanadianJournalofRemoteSensing,2011,37(5):500-509.

[10]MacDonaldD.Radarsat-2ProductFormatDefinition[R].Richmond:MDA,2008.

[11]王庆,曾琪明,廖静娟.基于极化分解的极化特征参数提取与应用[J].国土资源遥感,2012,24(3):103-110.doi:10.6046/gtzyyg.2012.03.19.

WangQ,ZengQM,LiaoJJ.Extractionandapplicationofpolarimetriccharacteristicparametersbasedonpolarimetricdecomposition[J].RemoteSensingforLandandResources,2012,24(3):103-110.doi:10.6046/gtzyyg.2012.03.19.

[12]YamaguchiY,YajimaY,YamadaH.Afour-componentdecompositionofPOLSARimagesbasedonthecoherencymatrix[J].IEEEGeoscienceandRemoteSensingLetters,2006,3(3):292-296.

[13]余海坤.极化SAR目标特征提取及其应用研究[D].徐州:中国矿业大学,2005.

YuHK.StudyontheExtractionofTargetCharactersandItsApplicationBasedonPolarimetricSARData[D].Xuzhou:ChinaUniversityofMiningandTechnology,2005.

[14]ZhangYH,ZhangJX,LuZ,etal.AnewnumericalmethodforcalculatingextremaofreceivedpowerforpolarimetricSAR[J].IEEEGeoscienceandRemoteSensing,2009,6(4):666-670.

[15]WangY,KasischkeES,MelackJM,etal.TheeffectsofchangesinloblollypinebiomassandsoilmoistureonERS-1SARbackscatter[J].RemoteSensingofEnvironment,1994,49(1):25-31.

[16]化国强,肖靖,黄晓军,等.基于全极化SAR数据的玉米后向散射特征分析[J].江苏农业科学,2011,39(3):562-565.

HuaGQ,XiaoJ,HuangXJ,etal.BasedonpolarimetricSARdataanalysisofthebackscatteringcharacteristicsofmaize[J].JiangsuAgriculturalSciences,2011,39(3):562-565.

[17]张露,李新武,杜鹤娟,等.玉米作物极化SAR数据模拟[J].遥感学报,2010,14(4):621-636.ZhangL,LiXW,DuHJ,etal.CoherentpolarimetricSARsimulationofmaize[J].JournalofRemoteSensing,2010,14(4):621-636.

(责任编辑： 陈理)

AnalysisoffiredisturbedforestsscatteringcharacteristicsusingpolarimetricSARimage

QIShuai1,2，ZHANGYonghong2，WANGHuiqin3

(1. Faculty of Geomatics Lanzhou Jiaotong University, Lanzhou 730070, China; 2. Chinese Academy of Survering and Mapping,Beijing 100830, China; 3. Shanghai M&D Technical Measurement Company Limited, Shanghai 200123, China)

Abstract:So far forest fire monitoring is only confined to single channel polarimetric amplitude data before and after fire or the utilization of the amplitude of the fully polarimetric SAR after fire, and less research have been conducted from the viewpoint of applying change of the scattering mechanism by forest fire to monitoring forest fire by using fully polarimetric SAR. In this paper, the authors analyzed a forest fire that occurred in 2009 in Alaska, used Radarsat-2 fully polarimetric SAR data obtained before and after the fire and, from the aspect of forest fires changing backscatter intensity and changing forest scattering mechanisms, quantitatively analyzed the intensity of each polarization channel, the dominant scattering mechanism and depolarization parameters and gave reasons for each change. The results obtained by the authors show that, for boreal forests after fire, the backscatter intensity increased by 20% in co-pol channels, and cross-pol channel increased slightly, that forest dominant scattering mechanism changed from volume scattering accounting for 59% before the fire to surface scattering accounting for 53% after the fire, and that depolarization of forests was reduced by 45% in comparison with things before fire. These conclusions have reference values for applying multitemporal polarimetric SAR data to mapping forest fire scar or monitoring burn severity.

Keywords:polarimetric synthetic aperture Radar; boreal forest; backscatter intensity; scattering mechanism; depolarization

doi:10.6046/gtzyyg.2016.02.08

收稿日期：2014-12-03；

修订日期：2015-01-21

基金项目：国家自然科学基金项目“卫星极化雷达林火监测研究”(编号： 41271430)资助。

中图法分类号：TP 79

文献标志码：A

文章编号：1001-070X(2016)02-0048-06

第一作者简介：祁帅(1989- )，男，硕士研究生，主要研究方向为极化SAR影像信息提取与变化检测。Email: 14yebj@sina.cn。

引用格式： 祁帅,张永红,汪慧琴.林火干扰区全极化SAR影像的散射特性分析[J].国土资源遥感,2016,28(2):48-53.(Qi S,Zhang Y H,Wang H Q.Analysis of fire disturbed forests scattering characteristics using polarimetric SAR image[J].Remote Sensing for Land and Resources,2016,28(2):48-53.)