CBERS與ASAR影像融合處理及在提取土壤侵蝕信息中的應用

李濤++顏偉

摘要：以CBERS數據與ASAR數據為多源遙感數據源，進行CBERS影像與ASAR影像HPF像素級融合，得到了高空間分辨率的多光譜影像HPF融合影像，并結合DEM數據，提取植被覆蓋度、土地類型、坡度土壤侵蝕信息，在土壤侵蝕信息準確性和豐富性方面，取得了較理想的效果，為實際應用中提取土壤侵蝕信息提供了參考。

關鍵詞：遙感；ASAR數據；CBERS數據；HPF像素級融合；土壤侵蝕信息

中圖分類號：TP79 文獻標識碼：A 文章編號：0439-8114（2017）10-1956-04

DOI：10.14088/j.cnki.issn0439-8114.2017.10.039

Fusion of CBERS and ASAR Images and Application for

Extracting Soil Erosion Information

LI Tao， YAN Wei

（Management Station of Forest Resources，Guiyang 550003，China）

Abstract：Using CBERS image and ASAR image as date source for image fusion at pixel level HPF， the high spatial resolution multi-spectrum image HPF fusion image were obtained. Combining with the DEM data， extraction of vegetation coverage， land type， and slope soil erosion information， the ideal results were obtained in the aspect of soil erosion information accuracy， which provided reference for extracting soil erosion information.

Key words：remote sensing；CBERS image；ASAR image；HPF fusion image；soil erosion information

在區(qū)域尺度土壤侵蝕調查中，遙感應用存在著遙感數據源和信息提取方式的局限性。遙感數據源多為美國陸地資源衛(wèi)星TM[1，2]，其數據應用較少，尤其是雷達數據的應用較少，信息提取方式單一，主要依賴目視解譯，其他方法的應用相對不足[3]，來自多源傳感器信號所提供的信息具有冗余性和互補性。而光學遙感具有豐富的光譜信息，但雷達遙感所使用的波長比光學遙感長，空間分辨率高，且不受天氣的影響和制約，因此將多源遙感影像數據融合，使多源影像數據各自的優(yōu)勢結合起來加以利用，可以充分利用其互補信息，且進一步提高影像分析、理解與目標識別能力，是現代多源遙感影像處理和分析中非常重要的方法[4-7]。

CBERS數據與ASAR數據融合處理可以最大限度地獲取對目標或場景的信息描述，且為大范圍土壤侵蝕研究提供基礎數據，特別在對土壤信息提取方面將會更加全面、高效，對研究區(qū)土壤侵蝕狀況評價的準確性和全面性有著重要意義[8-12]。

1 CBERS與ASAR影像融合處理

遙感影像數據融合是在同一地理坐標系中，對同一目標檢測的多幅遙感圖像采用一定的算法，獲得比任何單一數據更精確、更豐富的信息，生成一幅具有新的空間、波譜、時間特征的更能有效表示該目標的圖像信息。它不是數據間的簡單復合，而強調信息的優(yōu)化，以突出有用的專題信息，消除或抑制無關的信息，改善目標識別的圖像環(huán)境，從而增加解譯的可靠性，減少模糊性（即多義性、不完全性、不確定性和誤差）、改善分類、擴大應用范圍和效果。

為了進一步提高遙感數據的利用效率，特別是提高目標識別的精度，就有必要對多源遙感信息進行綜合分析和利用。遙感影像是目標的電磁波輻射特征或地物波譜特征，用不同的成像方式生成的各種影像，因此，遙感數據的分析和挖掘主要包括對遙感影像和目標波譜特征兩個方面的研究：①通過對遙感影像進行數據融合，同時獲得較高的空間分辨率和光譜分辨率，從而提高了遙感影像的性能；②對目標波譜數據進行數據挖掘與信息融合，得到目標波譜更深層次的特點，從而提高目標識別的精度。

1.1 CBERS與ASAR影像預處理

1.1.1 CBERS影像預處理 采用圖像對圖像的校正，即以原有校正和配準好的地形圖為基準底圖，對所用影像進行幾何校正，所用處理軟件為ENVI5.0，影像投影選用UTM方式，選取的地面控制點（GCP）20個。預處理過程如圖1所示，由于本研究所用的CBERS數據前4個波段位置一致，第5波段存在位置偏移，因此首先對CBERS前4個波段進行合成，合成之后用地形圖進行幾何校正，得到合成的1～4波段，然后利用1～4合成波段對第5波段進行幾何校正，再將1～4合成波段與第5波段進行融合，得到5個波段合成的CBERS影像，最后利用研究區(qū)域的矢量數據對CBERS影像裁剪，然后進行圖像增強得到研究區(qū)的CBERS影像。

1.1.2 ASAR影像預處理 雷達影像不同于可見光、紅外的遙感影像，其成像機理明顯區(qū)別于常規(guī)遙感影像。雷達不是通過垂直投影獲得影像，而是通過傾斜投影——即雷達波束與地面成一定角度后向散射而獲得的初始影像為斜距影像，通過斜距到地距的轉換后才能獲得地距影像（圖2）。因此對于每一像元來說，在其斜距方向上每一像元入射角都不相同，每一像元的后向散射增益也不相同，這些獨特的成像機理使得雷達影像的處理比常規(guī)影像處理更為困難復雜。在一般定量遙感分析中，雷達影像預處理包括雷達影像定標、濾波和幾何校正[13]。

1.2 CBERS與ASAR影像融合

遙感數據融合的過程應具有空間和時間上的連續(xù)性。在同一地區(qū)獲得的不同分辨率、不同光譜或不同時相的圖像數據，可以構成同一地區(qū)的多源數據。隨著圖像分析硬件和軟件的飛速發(fā)展，為圖像融合的實用性和普及性提供了堅實的基礎。一般來說，遙感數據融合的過程可以分為3個階段：預處理層、信息融合層、應用層。本研究針對ASAR圖像與CBERS圖像進行融合處理，預處理主要是針對輸入的CBERS和ASAR圖像進行幾何校正、噪聲消除及配準（圖3）。

2 融合影像在提取土壤侵蝕信息中的應用

通過對CBERS與ASAR融合圖像進行分析，結合研究區(qū)域植被、土壤、土地類型等有關土壤侵蝕信息的概況，采用以目視解譯為主的人機交互式解譯，完成研究區(qū)域融合影像的解譯。根據歸一化植被指數（NDVI）來計算植被覆蓋度提取研究區(qū)域植被覆蓋度，采用了ISODATA非監(jiān)督分類法對研究區(qū)域土地資源進行分類提取土地利用類型，利用原始數據為覆蓋研究區(qū)的全球30 m分辨率DEM數字高程數據提取研究區(qū)域坡度信息。

2.1 植被覆蓋度信息提取結果與分析

采用歸一化植被指數（NDVI）計算植被蓋度，使用預處理好的CBERS與ASAR的融合圖像，在ENVI軟件的Band Math下，先用NDVI=NIR-R/NIR+R編輯公式float（float（b4-b3）/float（b4+b3））計算植被指數。然后根據公式VC=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil）計算得出植被覆蓋度（圖4）。

從表1可以看出，基于HPF融合影像提取研究區(qū)域各植被覆蓋度45%～60%所占面積最大，覆蓋度30%～45%次之，覆蓋度>75%所占面積最小，研究區(qū)域大部分面積植被覆蓋度集中在30%至60%之間，說明研究區(qū)域植被情況較差，水土流失隱患較重。通過野外實際考察分析，研究區(qū)域地處巖溶地區(qū)，立地條件較差，植被單一，石漠化現象較為嚴重，進一步說明融合影像提取的植被覆蓋度信息與研究區(qū)域植被情況相符，融合影像提取的植被覆蓋度信息效果較為理想。

2.2 土地利用類型信息提取結果與分析

采用非監(jiān)督分類（Unsupervised classification）方法分類，根據圖像本身的統計特征及自然點群的分布來進行土地利用類型分類，如圖5所示。

從表2可知，融合影像提取的研究區(qū)域土地利用類型中草地面積為6.35 km2，建筑和巖石為70.88 km2，山體面積為299.41 km2，坡耕地為445.36 km2，林地面積為856.82 km2，水體面積為10.56 km2，空地面積為20.98 km2，林地面積所占比例最大，坡耕地面積比例次之。由研究區(qū)域林地保護利用規(guī)劃數據庫可知，研究區(qū)域林地面積為875.03 km2，水體面積為10.10 km2，這與融合影像提取的林地和水體類型面積大小相近，說明融合影像數據信息與研究區(qū)域林地現狀信息相差不大，效果較好。

2.3 DEM數據提取坡度信息分析

地形因子主要考慮了坡度因子，將獲取的數字高程模型（DEM）在ERDAS圖像處理軟件圖像解譯模塊的地形分析功能得到地形坡度要素（圖6），并在Arc GIS中按照土壤侵蝕分級的參考指標進行分級（Arc GIS-Arc Map-spatial-analyst-reclassify），得到分級坡度信息矢量數據庫，將作為土壤侵蝕分級的輔助信息，與植被覆蓋度信息、土地利用類型信息進行空間疊加分析，并為下一步進行研究區(qū)域土壤侵蝕等級狀況分析和評價提供基礎數據。

3 結論

1）CBERS與ASAR影像進行融合，得到了多光譜高分辨率的HPF融合影像，融合影像不但具有CBERS影像的多光譜性，還保持了ASAR數據紋理結構信息，使融合后影像紋理細節(jié)信息得到不同程度加強，達到增強影像線性地物信息的目的，且使不清楚的地物得到補充。

2）基于HPF融合影像提取的植被覆蓋度信息與研究區(qū)域野外考察的植被情況相符，融合影像提取的植被覆蓋度信息效果較為理想。

3）融合影像提取的研究區(qū)域土地利用類型中林地面積為856.82 km2，水體面積為10.56 km2，與研究區(qū)域林地保護利用規(guī)劃數據庫中林地和水體類型面積大小相近，融合影像提取的信息與研究區(qū)域現狀信息相差不大，融合影像提取土地利用類型信息效果較好。

4）基于HPF融合影像提取的植被覆蓋度、土地利用類型信息和利用DEM提取的坡度信息因子為下一步進行大范圍土壤侵蝕等綜合分析研究提供了大量基礎數據，并為研究區(qū)土壤侵蝕等級狀況分析和評價中提取土壤侵蝕信息提供了參考。

參考文獻：

[1] 張樹文，王文娟，李 穎，等.近50年來三江平原土壤侵蝕動態(tài)分析[J].資源科學，2008，30（6）：843-849.

[2] 許月卿，彭 建.貴州貓?zhí)恿饔蛲恋乩米兓捌鋵ν寥狼治g的影響[J].資源科學，2008，30（8）：1218-1225.

[3] 袁金國，王 衛(wèi).多源遙感數據融合應用研究[J].地球信息科學，2005，7（9）：97-103.

[4] 李衛(wèi)國，李 花，黃義德.HJ衛(wèi)星遙感在水稻長勢分級監(jiān)測中的應用[J].江蘇農業(yè)學報，2010，26（6）：1206-1209.

[5] 劉愛霞，王 靜，劉正軍.三峽庫區(qū)土壤侵蝕遙感定量監(jiān)測基于GIS和修正通用土壤流失方程的研究[J].自然災害學報，2009， 18（4）：25-30.

[6] 侯淑濤，王洪成.多源遙感數據融合技術研究[J].測繪與空間地理信息，2008，31（8）：12-14.

[7] 劉前進，蔡強國，劉紀根，等.黃土丘陵溝壑區(qū)土壤侵蝕模型的尺度轉換[J].資源科學，2004，26（8）：81-94.

[8] 朱連奇，馮文峰，朱文博.土壤侵蝕研究中的“3S”技術應用進展[J].地理科學進展，2008，27（6）：7-62.

[9] WISSMAR R C，BEER W N，TIMM R K. Spatially explicit estimates of erosion-risk indices and variable riparian buffer widths in watersheds[J].Aquatic Sciences，2004，66（4）：446-455.

[10] FELFOUL M S，SNANE M H，ALBERGEL J. Relationship between small dam efficiency and gully erodibility of the lithologic formations covering their watershed[J].Bull Eng Geol Env，2003，62（4）：315-532.

[11] SCHIMMACK W，AUERSWALD K，BUN K. Estimation of soil erosion and deposition rates at an agricultural site in Bavaria，Germany，as derived from fallout radiocesium and plutonium as tracers[J]. Naturwissenschaften，2002，89（1）：43-46.

[12] PRICE K P. Detection of soil erosion within pinyon-juniper woodlands using hematic mapper（TM） data[J].Remote Sensing of Environment，1993，45（3）：233-248.

[13] 康耀紅.數據融合理論與應用[M].西安：西安電子科技大學出版社，1997.