多時(shí)相雙極化合成孔徑雷達(dá)干涉測(cè)量土地覆蓋分類方法

王馨爽，陳爾學(xué)，李增元，姚頑強(qiáng)，趙 磊.中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京0009；2.國(guó)家測(cè)繪地理信息局陜西基礎(chǔ)地理信息中心，陜西西安70054；.西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院，陜西西安70054

多時(shí)相雙極化合成孔徑雷達(dá)干涉測(cè)量土地覆蓋分類方法

王馨爽1，2，陳爾學(xué)1，李增元1，姚頑強(qiáng)3，趙 磊1
1.中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京100091；2.國(guó)家測(cè)繪地理信息局陜西基礎(chǔ)地理信息中心，陜西西安710054；3.西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院，陜西西安710054

綜合采用時(shí)相、極化和干涉3種維度的SAR數(shù)據(jù)進(jìn)行土地覆蓋分類。以黑龍江省遜克縣多時(shí)相ALOS PALSAR數(shù)據(jù)覆蓋區(qū)為研究區(qū)，利用不同時(shí)相極化SAR、干涉SAR信號(hào)對(duì)地物特征的敏感性，結(jié)合后向散射強(qiáng)度和干涉相干的時(shí)變特征進(jìn)行地物解譯，發(fā)展了基于多時(shí)相、多極化、干涉SAR數(shù)據(jù)的SVM土地覆蓋分類方法。研究結(jié)果表明，引入雙極化SAR中不同極化（HH-HV）間的相干系數(shù)，并結(jié)合所選擇的時(shí)相特征、極化特征以及干涉相干特征進(jìn)行分類，可解決雙極化SAR影像中林地與城市及建設(shè)用地的混分問(wèn)題，得到更高精度的土地覆蓋分類結(jié)果。

多時(shí)相；極化；干涉合成孔徑雷達(dá)；土地覆蓋分類

1　引 言

合成孔徑雷達(dá)（synthetic aperture radar，SAR）以其全天時(shí)、全天候、強(qiáng)穿透的成像能力，已經(jīng)成為光學(xué)遙感的有益補(bǔ)充，有時(shí)甚至是數(shù)據(jù)獲取的唯一手段［1］。目前，利用極化SAR（polarimetric SAR，PolSAR）數(shù)據(jù)進(jìn)行土地覆蓋分類在國(guó)際遙感領(lǐng)域受到高度重視，已成為SAR的主要研究方向之一，也取得了較好的分類精度［2-8］。然而，由于相干斑噪聲和地形等方面的影響，單維度SAR影像識(shí)別地表覆蓋類型效果并不理想，尤其是散射機(jī)制類似的森林和城市區(qū)域［9］。隨著新型SAR傳感器的相繼升空，微波遙感數(shù)據(jù)的獲取方式已由單波段、單極化、單角度等發(fā)展到多頻率、多極化、多角度、多時(shí)相等綜合獲取方式，這就為SAR土地覆蓋分類的研究和應(yīng)用提供了前所未有的潛力和機(jī)遇，也給數(shù)據(jù)處理和應(yīng)用方法提出了挑戰(zhàn)。

目前，支持向量機(jī)（support vector machine，SVM）是一種較好的監(jiān)督分類算法，可有效地避免經(jīng)典分類方法中維數(shù)災(zāi)難、過(guò)學(xué)習(xí)、局部極小等問(wèn)題，在SAR影像分類中也得到了廣泛應(yīng)用［10-12］。利用單時(shí)相PolSAR、干涉SAR（interferometric SAR，InSAR）影像進(jìn)行地物分類在國(guó)內(nèi)外也有了一定的研究成果，但是，基于多時(shí)相InSAR數(shù)據(jù)的分類研究還比較少見(jiàn)。文獻(xiàn)［13］采用InSAR技術(shù)提取出地物參數(shù)，并使用重軌InSAR及多時(shí)相InSAR數(shù)據(jù)進(jìn)行地表覆蓋類型的區(qū)分，取得了較好的分類結(jié)果。文獻(xiàn)［14］采用多時(shí)相的RADARSAT-2極化SAR數(shù)據(jù)，發(fā)展了一種基于規(guī)則和面向?qū)ο蟮腟VM分類方法，結(jié)果表明綜合采用不同時(shí)相極化總功率對(duì)于城市土地覆蓋制圖有很好的效果。文獻(xiàn)［15］使用Envisat ASAR多時(shí)相單極化數(shù)據(jù)對(duì)念青唐古拉山脈西段的地表覆蓋進(jìn)行分類研究，結(jié)果表明各種地物雷達(dá)后向散射系數(shù)具有明顯的時(shí)相差異，可有效區(qū)分草原、草甸、裸巖、水體及終年積雪。文獻(xiàn)［16］利用ERS-1/2獲取的多時(shí)相干涉數(shù)據(jù)可識(shí)別出水體、林地、旱地等不同的土地類型，初步探討了時(shí)間序列上地表特征的變化情況。

以上研究已經(jīng)較好地將時(shí)相及干涉相干特征應(yīng)用到土地覆蓋分類中，但尚未有研究綜合考慮地物的極化信息以及不同時(shí)相、極化之間相干性。因此，本文從時(shí)相、極化、干涉3個(gè)維度出發(fā)，并引入不同極化之間的相干系數(shù)，結(jié)合模式識(shí)別中經(jīng)典的SVM方法，提出一種基于多時(shí)相、多極化、干涉SAR數(shù)據(jù)的SVM土地覆蓋分類方法。

2　研究區(qū)與數(shù)據(jù)源

2.1 研究區(qū)

研究區(qū)位于黑龍江省小興安嶺中段北麓的遜克縣境內(nèi)，該縣與俄羅斯阿穆?tīng)栔莞艚嗤?，地?27°24′E—129°17′E，47°58′N(xiāo)—49°36′N(xiāo)，面積17 344km2，海拔高度為180～560m，屬于寒溫帶大陸性季風(fēng)氣候。地表覆蓋類型多樣，包括林地、耕地、水體、城市及建設(shè)用地等，其中林地覆蓋率達(dá)64%，由天然林和人工林組成。耕地內(nèi)農(nóng)作物大多為大豆，5月20日左右播種，9月30日開(kāi)始收割。大豆從播種之日起大約18d開(kāi)始出苗；7月22日左右12葉1心，豆苗基本成型，為初花期；8月5日開(kāi)始進(jìn)入終花期，豆苗開(kāi)始逐漸變黃直到收割。本文截取了小范圍區(qū)域開(kāi)展土地覆蓋分類研究工作，如圖1方框所示。

圖1　研究區(qū)地理位置圖Fig.1 The geographic location of test site

2.2 數(shù)據(jù)源

目前獲取一個(gè)時(shí)間序列的機(jī)載SAR數(shù)據(jù)成本太高，比較可行的方案是采用星載多時(shí)相SAR數(shù)據(jù)進(jìn)行研究。由于L波段數(shù)據(jù)多極化的觀測(cè)能力比較適合生態(tài)環(huán)境監(jiān)測(cè)相關(guān)領(lǐng)域的遙感應(yīng)用。因此，本研究選取日本JAXAALOS衛(wèi)星PALSAR數(shù)據(jù)，衛(wèi)星重訪周期為46d。獲取了遜克縣2007年6月22日、2007年8月7日和2007年9月22日3個(gè)時(shí)相的PALSAR雙極化（HH/ HV）Level1.1級(jí)產(chǎn)品數(shù)據(jù)，已經(jīng)經(jīng)過(guò)距離向和方位向壓縮，方位向、距離向像元大小分別為比較可行的、9.6m，本文進(jìn)行多視化和重采樣后像元大小為25m×25m。由于該數(shù)據(jù)所使用的L波段波長(zhǎng)較長(zhǎng)，時(shí)間去相干相對(duì)較輕，在植被覆蓋區(qū)仍然可得到有效的InSAR數(shù)據(jù)。

為了更精確地獲取分類所需要的訓(xùn)練樣本及檢驗(yàn)樣本。在遜克縣林業(yè)局的協(xié)助下，獲取了2003年研究區(qū)TM影像土地利用分類圖和2003年遜克縣森林資源二類調(diào)查圖，并于2012年9月對(duì)研究區(qū)范圍內(nèi)的土地類型進(jìn)行了詳細(xì)調(diào)查，獲取了188個(gè)樣點(diǎn)，同時(shí)對(duì)研究區(qū)的主要地類進(jìn)行了定位和拍照，獲得了可靠的地面實(shí)況數(shù)據(jù)。ALOSPALSAR影像的獲取時(shí)間為2007年，通過(guò)詢問(wèn)當(dāng)?shù)亓謽I(yè)局，得知對(duì)于地物類型而言，2007—2012年基本沒(méi)有變化，只是耕地中的農(nóng)作物類型略有變化。因此，影像獲取時(shí)間與實(shí)測(cè)數(shù)據(jù)獲取時(shí)間的差別對(duì)于分類結(jié)果及精度評(píng)價(jià)影響甚微。

3　分類方法

3.1 分類系統(tǒng)

本研究參照文獻(xiàn)［17］，同時(shí)綜合考慮極化SAR影像的地物識(shí)別能力以及研究區(qū)地表自然屬性特征，將分類系統(tǒng)確定為林地、耕地、水體、城市及建設(shè)用地四大類。

3.2 數(shù)據(jù)預(yù)處理

不同時(shí)相極化SAR影像之間的相干系數(shù)是本文所要獲取的重要參數(shù)之一。相干系數(shù)是指兩幅單視復(fù)數(shù)（single look complex，SLC）影像間相關(guān)程度的高低，反映了主輔影像獲取時(shí)間間隔內(nèi)地物目標(biāo)的變化信息，與不同地物類型、體散射模型等都有一定的關(guān)系，可進(jìn)行地表覆蓋分類研究，甚至開(kāi)展森林植被類型的細(xì)致識(shí)別。兩幅影像s1和s2之間的相干系數(shù)γ定義為［18］

式中，＊代表共軛轉(zhuǎn)置。該系數(shù)反映了影像之間的相關(guān)程度，取值范圍是［0，1］。若主輔影像接收到的雷達(dá)信號(hào)完全一致，則γ為最大值1；若接收到的信號(hào)完全不一致，則γ為0。

本研究采用GAMMA軟件對(duì)ALOS PALSAR雙極化數(shù)據(jù)進(jìn)行預(yù)處理。該軟件包括了整個(gè)雷達(dá)影像處理的全部功能，如從SAR原始信號(hào)處理到SLC影像、多視處理、濾波、正射校正、影像配準(zhǔn)、DEM提取及形變分析等。研究中主要采用地理編碼模塊和干涉處理模塊，進(jìn)行輻射定標(biāo)、多視化、相干性估計(jì)、濾波、地理編碼等預(yù)處理，最終得到一個(gè)時(shí)間序列的強(qiáng)度影像和干涉影像。

3.3 典型地物SAR時(shí)變特征分析

PALSAR影像中每一類地物的各項(xiàng)參數(shù)值隨著時(shí)間的變化而有所改變，如農(nóng)作物物候期變化、氣候變化所引起的水體變化、風(fēng)力條件改變及降水所引起的土壤濕度變化、地表介電常數(shù)變化等［19］。所引起的雷達(dá)后向散射系數(shù)及干涉相干系數(shù)的變化，都可以為地物目標(biāo)解譯提供有效信息。因此，本研究參考森林資源二類調(diào)查及地面實(shí)測(cè)數(shù)據(jù)，對(duì)多極化、多時(shí)相影像中各個(gè)地類的SAR后向散射特征和干涉相干性進(jìn)行細(xì)致的分析，得到后向散射系數(shù)、干涉相干系數(shù)統(tǒng)計(jì)信息以及兩個(gè)參數(shù)的時(shí)變特征統(tǒng)計(jì)信息。

首先，通過(guò)選取感興趣區(qū)域（ROI）定量的分析不同時(shí)相、極化影像中林地、耕地、水體和城市及建設(shè)用地4種類型的后向散射系數(shù)。為了能直觀地表示4種類型后向散射系數(shù)的可分離性，分析了其在多通道數(shù)據(jù)中的統(tǒng)計(jì)直方圖，如圖2所示（見(jiàn)后文）。圖3反映了6月、8月及9月3個(gè)時(shí)相每類地物后向散射系數(shù)的變化信息。

基于各個(gè)地物后向散射特征的分析，可以看到，所有特征中，林地和水體都能很好地區(qū)分開(kāi)來(lái)，而林地和城市及建設(shè)用地存在混淆現(xiàn)象，對(duì)這兩種地物的區(qū)分是本文需要解決的關(guān)鍵問(wèn)題。另外，6月份獲取的HH以及HV極化，9月份的HV和HH極化影像是區(qū)分森林和農(nóng)田的最佳特征；而8月份獲取的HH、HV極化影像是區(qū)分耕地水體的最佳特征。

圖3　PALSAR雙極化影像土地覆蓋類型后向散射系數(shù)時(shí)變特征Fig.3 Time series characteristics of multi-temporal and dual-polarization SAR image in backscatter coefficient of land cover types

另外，對(duì)兩個(gè)時(shí)相的PALSAR影像進(jìn)行干涉，可獲取相干系數(shù)和相位兩個(gè)重要參數(shù)。相位信息已用于DEM生成、植被高度反演及地表沉降等物理參數(shù)的獲取研究中，對(duì)于地物解譯貢獻(xiàn)甚小，而相干系數(shù)這一重要參數(shù)已被應(yīng)用于地物特征的基礎(chǔ)性分析中。因此，基于同樣的ROI分析4種地類在不同時(shí)相的干涉相干系數(shù)，如圖4所示（見(jiàn)后文）。不同極化土地覆蓋類型干涉相干系數(shù)的時(shí)變特征如圖5所示。

圖5　PALSAR雙極化影像土地覆蓋類型干涉相干性時(shí)變特征分析Fig.5 Time series characteristics of multi-temporal and dual-polarization SAR image in correlation coefficient of land cover type

由圖4和圖5可得如下結(jié)果：

（1）林地和城市及建設(shè)用地具有較高的相干性。這是因?yàn)長(zhǎng)波段雷達(dá)波可以穿透冠層，主要照射到森林樹(shù)干及其下墊面，而這些物質(zhì)不像樹(shù)冠層容易受風(fēng)等因素的影響，具有相對(duì)比較穩(wěn)定的物理結(jié)構(gòu)；城市及建設(shè)用地也受時(shí)間及環(huán)境因素影響較小，所以這兩種地物具有相對(duì)較高的相干性。

（2）耕地的相干性相對(duì)較小，8月和9月兩個(gè)月份的干涉相干性變大。耕地由于大豆的生長(zhǎng)及農(nóng)民耕作活動(dòng)會(huì)引起作物及地表狀況的改變，失相干較嚴(yán)重，由研究區(qū)中關(guān)于大豆物候期介紹可知，這在6—8月更為嚴(yán)重，而從8月至9月，大豆已經(jīng)進(jìn)入成熟期，沒(méi)有太大的變化，因此相干系數(shù)相對(duì)其他時(shí)相最大。

（3）水體的相干性最低。這是因?yàn)樗w表面容易受風(fēng)等自然因素的影響，是極其不穩(wěn)定的散射體，在所有時(shí)相的干涉中幾乎都沒(méi)有相干性。

鑒于以上分析，地表的變化程度不同，從而引起各類地物相干性也不同，這就為地類的區(qū)分提供了有效的信息。其中，林地、耕地、水體都具有一定的可分性，2007-8-7與2007-9-22HH極化干涉相干性影像中，森林與城市及建設(shè)用地表現(xiàn)出了相比于強(qiáng)度信息更好的可分離性。因此，相比于單極化、單時(shí)相特征，綜合采用多時(shí)相的雙極化、干涉信息可以更好地進(jìn)行SAR土地覆蓋解譯。

3.4 基于多時(shí)相、多極化、干涉SAR的SVM分類

由典型SAR地物的時(shí)變特征分析結(jié)果可知，林地和城市及建設(shè)用地仍然存在較嚴(yán)重的混分現(xiàn)象。已有研究表明，不同極化之間的相干系數(shù)與地物介電連續(xù)性參數(shù)及粗糙表面后向散射參數(shù)有一定的敏感性［20］。經(jīng)過(guò)多次試驗(yàn)及分析，發(fā)現(xiàn)PALSAR雙極化影像復(fù)協(xié)方差［C2］矩陣的相關(guān)系數(shù)ρij對(duì)林地和城市及建設(shè)用地有一定的可分離性，該參數(shù)表示了HH與HV極化之間的相關(guān)程度，如式（2）所示，i表示HH極化；j表示HV極化

圖6所示的統(tǒng)計(jì)直方圖可以清楚地看到該參數(shù)對(duì)林地與城市及建設(shè)用地的有效分離性（見(jiàn)后文）。因此，為了使觀測(cè)空間得到進(jìn)一步的擴(kuò)展，更好地識(shí)別林地和城市及建設(shè)用地，本研究將3個(gè)時(shí)相不同極化（HH-HV）間的平均相干系數(shù)ρHH-HV作為分類的一個(gè)有效特征引入SVM分類器中。

與此同時(shí)，去掉對(duì)分類不利的冗余參數(shù)，選擇與各個(gè)土地覆蓋類型相關(guān)性好的極化、干涉共6個(gè)特征，分別為8月份HH極化后向散射強(qiáng)度8＿HH、6月份HV極化后向散射強(qiáng)度6＿HV、2007-6-22與2007-9-22HH干涉相干系HH、2007-8-7與2007-9-22HH干涉相干系數(shù)HH、2007-6-22與2007-8-7HV干涉相干系數(shù)HV。將這6個(gè)特征引入SVM分類器進(jìn)行土地覆蓋分類，應(yīng)該能夠從極化特性、相干特性、時(shí)變特性等不同的角度最有效地識(shí)別土地覆蓋類型。

4　結(jié)果與分析

SVM分類器在建模的過(guò)程中，核函數(shù)類型及懲罰因子c、γ等參數(shù)的不同會(huì)直接影響模型的精度。對(duì)于參數(shù)的選擇，尤其是核函數(shù)類型的選擇，尚沒(méi)有明確的理論指導(dǎo)，需要根據(jù)試驗(yàn)確定。因此，為了得到更好的分類精度，需要對(duì)分類器參數(shù)進(jìn)行優(yōu)化。在土地覆蓋及林地類型中，每類地物分別選取15個(gè)樣本，提取樣本的10種特征值，10種特征值的數(shù)值范圍各不相同，需要將樣本的特征值歸一化到一個(gè)區(qū)間內(nèi)。然后，采用交叉驗(yàn)證的方法驗(yàn)證模型的精度，將模型精度最大時(shí)的參數(shù)作為最優(yōu)參數(shù)。本試驗(yàn)中，得到的最優(yōu)核函數(shù)類型為RBF核函數(shù)，最優(yōu)c為2.0，最優(yōu)γ為0.5，最優(yōu)模型精度為97%，參數(shù)優(yōu)化過(guò)程如圖7所示。

圖7　參數(shù)優(yōu)化結(jié)果Fig.7 Result of parameter optimization

根據(jù)確定的最優(yōu)參數(shù)再次建立模型，并采用訓(xùn)練樣本歸一化方法對(duì)數(shù)據(jù)進(jìn)行歸一化處理，最后執(zhí)行分類。通過(guò)優(yōu)化后的模型，最終得到的分類結(jié)果如圖8所示（見(jiàn)后文），并選擇了4種地類可分離性最好的單時(shí)相影像（8月份HH-HV雙極化）的分類結(jié)果作為比較，如圖8（a）所示?？梢钥吹剑捎诰S度信息量較少，采用分離度最好的單時(shí)相極化SAR影像得到的分類結(jié)果并不理想。而將ρHH-HV、時(shí)相、極化、強(qiáng)度、干涉相干系數(shù)等有效的多維度特征參數(shù)引入SVM分類器后可以很大程度上改善分類結(jié)果。

得到分類結(jié)果之后，需要依據(jù)外業(yè)調(diào)查的地面實(shí)況數(shù)據(jù)進(jìn)行精度評(píng)價(jià)，通過(guò)混淆矩陣驗(yàn)證分類結(jié)果與地面真實(shí)樣本訓(xùn)練區(qū)影像之間的吻合程度。由于實(shí)際中獲取條件的限制，通過(guò)地面調(diào)查得到所有驗(yàn)證點(diǎn)存在很大的困難，故采用均勻抽樣的方法，以各個(gè)類型的部分像元代替整幅影像來(lái)評(píng)價(jià)精度。

為了使檢驗(yàn)樣本更精更準(zhǔn)，還參考了研究區(qū)的森林資源二類調(diào)查數(shù)據(jù)以及光學(xué)TM影像作為參考。研究中共均勻選取了77個(gè)樣本訓(xùn)練區(qū)，得到的精度驗(yàn)證結(jié)果如表1所示?？梢钥吹?，通過(guò)引入有效的特征參數(shù)以及優(yōu)化后的SVM分類模型，分類總精度為91.37%，Kappa系數(shù)為0.87，比單時(shí)相的分類結(jié)果提高了7.7%。本文所發(fā)展的SVM分類方法取得了較為滿意的地類解譯結(jié)果。

表1　土地覆蓋分類精度驗(yàn)證表Tab.1 Accuracy validation of land cover type classification results

5　結(jié) 論

地表覆蓋分類研究對(duì)國(guó)土資源調(diào)查及評(píng)估具有基礎(chǔ)性和關(guān)鍵性的意義。本文首先，對(duì)所獲數(shù)據(jù)進(jìn)行輻射定標(biāo)、配準(zhǔn)、濾波等預(yù)處理，得到一個(gè)時(shí)間序列的后向散射強(qiáng)度影像，同時(shí)對(duì)相鄰時(shí)相的數(shù)據(jù)進(jìn)行干涉處理，得到一個(gè)時(shí)間序列的SAR相干影像。其次，分析各個(gè)地類SAR后向散射系數(shù)、干涉相干系數(shù)的時(shí)相變化特征，并引入對(duì)于區(qū)分林地和城市及建設(shè)用地有效的極化相干系數(shù)ρij，同時(shí)對(duì)SVM分類器進(jìn)行參數(shù)優(yōu)化，發(fā)展了基于時(shí)間序列多極化、干涉SAR的SVM土地覆蓋分類方法。最后，采用地面實(shí)況數(shù)據(jù)，并參考研究區(qū)的森林資源二類調(diào)查數(shù)據(jù)以及光學(xué)TM影像進(jìn)行精度評(píng)價(jià)，得到以下3點(diǎn)結(jié)論：

圖2　多時(shí)相雙極化影像地物類型后向散射系數(shù)直方圖Fig.2 Histogram of multi-temporal and dual-polarization SAR image in backscatter coefficient of land cover types

圖4　多時(shí)相雙極化影像土地覆蓋類型干涉相干系數(shù)直方圖Fig.4 Histogram of multi-temporal and dual-polarization SAR image in correlation coefficient of land cover type

圖6　不同極化通道間的相干系數(shù)特征Fig.6The correlation coefficient between different polarization channel characteristics

圖8　不同方法的分類結(jié)果Fig.8 The classification results of different methods

（1）HH極化影像中水體具有較為明顯的時(shí)變特征，因此，HH極化的多時(shí)相影像對(duì)于識(shí)別水體非常有利。

（2）綜合采用多時(shí)相極化信息與不同時(shí)相間的干涉相干信息，可使耕地、水體與其他兩類地物更好地區(qū)分開(kāi)來(lái)。

（3）引入多時(shí)相HH與HV極化之間的相關(guān)系數(shù)，可使林地更好地與城市及建設(shè)用地區(qū)分開(kāi)來(lái)。本文所發(fā)展的基于多時(shí)相、多極化、干涉SAR測(cè)量的SVM土地覆蓋分類方法得到的分類總精度為91.37%，Kappa系數(shù)為0.87，比最優(yōu)單時(shí)相的分類結(jié)果提高了7.7%，取得了較好的分類結(jié)果。

文中對(duì)于各類地物后向散射特征和干涉相干性已進(jìn)行了詳細(xì)的理論分析說(shuō)明，能夠較好地支撐所得的3點(diǎn)結(jié)論。由于數(shù)據(jù)獲取的限制，未能用多種類型的數(shù)據(jù)依次驗(yàn)證，從而得到最好的適用性。如降雨、風(fēng)等自然條件可能引起地物后向散射以及干涉相干系數(shù)的微小變化，這種影響程度對(duì)于不同地物也不盡相同，甚至有利于地物的區(qū)分，因此，這些因素對(duì)于本文結(jié)論影響不大。另外，本研究中林地區(qū)域的HH、HV干涉統(tǒng)計(jì)直方圖中均出現(xiàn)了兩個(gè)波峰，表明相干性對(duì)于林地類型的進(jìn)一步精細(xì)分類具有一定的潛力。下一步可就干涉相干性對(duì)林地類型識(shí)別的敏感性開(kāi)展更深層次的研究。

［1］ CHEN Erxue.Development of Forest Biomass Estimation Using SAR Data［J］.World Forestry Research，1999，12（6）：18-23.（陳爾學(xué).合成孔徑雷達(dá)森林生物量估測(cè)研究進(jìn)展［J］.世界林業(yè)研究，1999，12（6）：18-23.）

［2］ CLOUDE S R，POTTIER E.An Entropy Based Classification Scheme for Land Applications of Polarimetric SAR［J］. IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）：68-78.

［3］ QI Z，YEH A，LI X，et al.A Novel Algorithm for Land Use and Land Cover Classification Using RADARSAT-2 Polarimetric SAR Data［J］.Remote Sensing of Environment，2012，118：21-39.

［4］ HE Chu，LIU Ming，F(xiàn)ENG Qian，et al.PolInSAR Image Classification Based on Compressed Sensing and Multi-scale Pyramid［J］.Acta Automatica Sinica，2011，37（7）：820-827.（何楚，劉明，馮倩，等.基于多尺度壓縮感知金字塔的極化干涉SAR圖像分類［J］.自動(dòng)化學(xué)報(bào)，2011，37（7）：820-827.）

［5］ LANG Fengkai，YANG Jie，ZHAO Lingli，et al.Polarimetric SAR Data Classification with Freeman Entropy and Anisotropy Analysis［J］.Acta Geodaetica et Cartographica Sinica，2012，41（4）：556-562.（郎豐鎧，楊杰，趙伶俐，等.基于Freeman散射熵和各向異性度的極化SAR影像分類算法研究［J］.測(cè)繪學(xué)報(bào)，2012，41（4）：556-562.）

［6］ SHI L，ZHANG L，ZHAO L，et al.The Potential of Linear Discriminative Laplacian Eigen Maps Dimensionality Reduction in Polarimetric SAR Classification for Agricultural Areas［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2013，86：124-135.

［7］ LI Z，PANG Y，SCHMULLIUS C，et al.Forest Mapping Using ENVISAT and ERS SAR Data in Northeast of China［C］∥Proceedings of Geoscience and Remote Sensing Symposium.［S.l.］：IEEE，2005（7）：5670-5673.

［8］ SKRIVER H.Crop Classification by Multitemporal C-and L-band Single-and Dual-polarization and Fully Polarimetric SAR［J］.IEEE Transactions on Geoscience and Remote Sensing，2012，50（6）：2138-2149.

［9］ LEE J S，PAPATHANASSIOU K P，HAJNSEK I，et al. Applying Polarimetric SAR Interferometric Data for Forest Classification［C］∥Proceedings of Geoscience and Remote Sensing Symposium.［S.l.］：IEEE，2005，7：4848-4851.

［10］ SHAH H R，ENTEZARI I，HOMAYOUNI S，et al. Classification of Polarimetric SAR Images Using Support Vector Machines［J］.Canadian Journal of Remote Sensing，2011，37（2）：220-233.

［11］ FU Zhongliang，ZHANG Wenyuan，MENG Qingxiang.SAR Image Classification Based on SVM with Fusion of Gray Scale and Texture Features［J］.Journal of Applied Sciences，2012，30（5）：498-504.（付仲良，張文元，孟慶祥.灰度和紋理特征組合的SAR影像SVM分類［J］.應(yīng)用科學(xué)學(xué)報(bào)，2012，30（5）：498-504.）

［12］ HUANG L，LI Z，TIAN B，et al.Recognition of Supraglacial Debris in the Tianshan Mountains on Polarimetric SAR Images［J］.Remote Sensing of Environment，2014，145： 47-54.

［13］ WEGMULLER U，WERNER C.Retrieval of Vegetation Parameters with SAR Interferometry［J］.IEEE Transactions on Geoscience and Remote Sensing，1997（35）：18-24.

［14］ NIU X，BAN Y.Multi-temporal RADARSAT-2Polarimetric SAR Data for Urban Land-cover Classification Using an Object-based Support Vector Machine and a Rule-based Approach［J］.International Journal of Remote Sensing，2013，34（1）：1-26.

［15］ CAO Yungang.Study on Land Classification Using Multitemporal A SAR Data［J］.Science of Surveying and Mapping，2007，32（5）：103-105.（曹云剛.多時(shí)相ASAR數(shù)據(jù)的地表覆蓋分類研究［J］.測(cè)繪科學(xué)，2007，32（5）：103-105.）

［16］ LIAO Jingjuan，GUO Huadong，SHAO Yun.Surface Feature Detection Using Multi-temporal SAR Interferometric Data［J］.Remote Sensing Technology Application，2005，20（6）：543-545.（廖靜娟，郭華東，邵蕓.多時(shí)相SAR干涉測(cè)量數(shù)據(jù)探測(cè)地表特征變化［J］.遙感技術(shù)與應(yīng)用，2005，20（6）：543-545.）

［17］ Ministry of Land and Resources of the People’s Republic of China.TD/T1010—1999The Procedure of Land Use Monitoring by Remote Sensing［S］.Beijing：Geosciences Press，1999.（中華人民共和國(guó)國(guó)土資源部.TD/T1010—1999土地利用動(dòng)態(tài)遙感監(jiān)測(cè)規(guī)程［S］.北京：地質(zhì)出版社，1999.）

［18］ ROSEN P A，HENSLEY S，JOUGHIN I R，et al.Synthetic Aperture Radar Interferometry［J］.Proceedings of the IEEE，2000，88（3）：333-382.

［19］ ULABY F T，MOORE R K，F(xiàn)UNGA K.Microwave Remote Sensing：Microwave Remote Sensing Fundamental Sand Radiometry［M］.［S.l.］：Addison-Wesley Publishing Company，1981.

［20］ BORGEAUDM，WEGMULLER U.On the Use of ERS SAR Interferometry for the Retrieval of Geo-and Biophysical Information［C］∥Proceedings of the Fringe 96 Workshop，Zurich：［s.n.］，1997：83-94.

（責(zé)任編輯：陳品馨）

E-maiI：chenerx@caf.ac.cn

MuIti-temporaI and DuaI-poIarization Interferometric SAR for Land Cover Type CIassification

WANG Xinshuang1，2，CHEN Erxue1，LI Zengyuan1，YAO Wanqiang3，ZHAO Lei1
1.Research Institute of Forest Resource Information Techniques，CAF，Beijing100091，China；2.Shaanxi Geomatics Center of NASG，Xi’an 710054，China；3.Department of Geomatics，Xi’an University of Science and TechnoIogy，Xi’an 710054，China

In order to study SAR Iand cover cIassification method，this paper uses the muIti-dimensionaI combination of temporaI，poIarization and InSAR data.The area covered by space borne data of ALOS PALSAR in Xunke County，HeiIongjiang Province was chosen as test site.A Iand cover cIassification technique of SVM based on muIti-temporaI，muIti-poIarization and InSAR data had been proposed，using the sensitivity to Iand cover type of muIti-temporaI，muIti-poIarization SAR data and InSAR measurements，and combing time series characteristic of backscatter coefficient and correIation coefficient to identify ground objects.The resuIts showed the probIem of confusion between forest Iand and urban construction Iand can be niceIy soIved，using the correIation coefficient between HH and HV，and aIso combing the seIected temporaI，poIarization and InSAR characteristics.The Iand cover cIassification resuIt with higher accuracy is gotten using the cIassification aIgorithm proposed in this paper.

muIti-temporaI；poIarization；InSAR；Iand cover cIassification

The NationaI High-tech Research and DeveIopment Program of China（863 Program）（Nos.2011AA120405；2011AA120404）

WANG Xinshuang（1988—），femaIe，assistant engineer，majors in cIassification of microwave remote sensing.

CHEN Erxue

P227

A

1001-1595（2015）05-0533-08

國(guó)家863計(jì)劃（2011AA120405；2011AA120404）

WANG Xinshuang，CHEN Erxue，LI Zengyuan，et al.Multi-temporal and Dual-polarization Interferometric SAR for Land Cover Type Classification［J］.Acta Geodaetica et Cartographica Sinica，2015，44（5）：533-540.（王馨爽，陳爾學(xué)，李增元，等.多時(shí)相雙極化合成孔徑雷達(dá)干涉測(cè)量土地覆蓋分類方法［J］.測(cè)繪學(xué)報(bào)，2015，44（5）：533-540.）

10.11947/j.AGCS.2015.20130244

2013-12-10

王馨爽（1988—），女，助理工程師，主要研究方向?yàn)槲⒉ㄟb感影像分類。

陳爾學(xué)

修回日期：2014-12-01