基于Sentinel-1的典型地物時(shí)間失相干分析

佀文娜，何 敏，王茂山

（1.河海大學(xué)地球科學(xué)與工程學(xué)院，江蘇 南京 211100）

目前基于Sentinel-1數(shù)據(jù)[1]的地物相干性研究較少，特別是長(zhǎng)時(shí)間序列的研究。為了系統(tǒng)分析長(zhǎng)時(shí)間序列下地物的時(shí)間失相干現(xiàn)象，實(shí)驗(yàn)選取了美國(guó)加利福尼亞州南部柯汶納市及其周邊區(qū)域進(jìn)行研究，使用2017-06-20～2020-09-02的50景Sentinel-1影像，分析了典型地物的時(shí)間失相干現(xiàn)象，并研究了風(fēng)雨等天氣因素及不同極化方式對(duì)相干性的影響。

1 研究方法

1.1 相干性估計(jì)

相干性表示從同一片區(qū)域獲取的兩張SAR復(fù)影像之間的相似程度，它是由2個(gè)復(fù)數(shù)信號(hào)之間的相關(guān)系數(shù)定義，公式如下：

式中，γ是干涉相關(guān)系數(shù)；s1和s2是復(fù)數(shù)信號(hào)；上標(biāo)*表示復(fù)共軛，E[·]代表期望。由于在實(shí)際觀測(cè)中，數(shù)學(xué)期望很難獲得，因此假設(shè)目標(biāo)均勻分布，使用移動(dòng)窗口中L個(gè)像素的空間平均來(lái)估計(jì)相干性[2]。

式中，i代表相干性估計(jì)窗的第i個(gè)像素；每個(gè)估計(jì)窗中有L個(gè)像素。相干性范圍為[0,1]，0表示完全失相干，1表示完全相關(guān)。

為了得到更精確的相干性，使用蔣彌[3]等的SHPS-InSAR開源工具包來(lái)選取同質(zhì)點(diǎn)。同質(zhì)點(diǎn)選取，又名同統(tǒng)計(jì)分布樣本選擇，是以統(tǒng)計(jì)推斷為手段度量鄰域像素與中心像素相似度的一種算法，在同類地物目標(biāo)具有相同后向散射屬性和相同相位散射中心的假設(shè)前提之下，將同類像素匯集進(jìn)行參數(shù)估計(jì)，可以實(shí)現(xiàn)信噪比的提升并兼顧圖像分辨率。

實(shí)驗(yàn)使用ISCE軟件配準(zhǔn)單視復(fù)數(shù)（SLC）圖像后，先選取同質(zhì)樣本集合，然后用式（2）獲得精確的相干性估計(jì)結(jié)果。

1.2 影響相干性因素

在實(shí)際干涉相干測(cè)量中，有許多影響因素，主要的失相干源可以分為以下幾個(gè)部分：幾何失相干、熱噪聲和時(shí)間失相干[4-5]。觀測(cè)得到的相干性為：

式中，γobs表示觀測(cè)得到的總相干性；γgeom是幾何失相干；γsnr代表雷達(dá)熱噪聲引起的失相干；γtemp表示時(shí)間失相干。為了分析時(shí)間失相干的影響，其他的失相干源需要被排除或者校正。

在這些失相干因素中，幾何失相干很大程度上取決于衛(wèi)星兩次重復(fù)訪問(wèn)同一個(gè)區(qū)域時(shí)空間位置的距離，即空間基線[6]。由于哨兵一號(hào)系統(tǒng)的軌道狹窄，使得衛(wèi)星重復(fù)訪問(wèn)位置間距很近。經(jīng)統(tǒng)計(jì)，此次研究的垂直基線均小于123 m，正是由于垂直基線較短，相對(duì)于時(shí)間失相干來(lái)說(shuō)，幾何失相干的影響可以忽略不計(jì)[7]。

對(duì)于系統(tǒng)熱噪聲引起的失相干，通過(guò)官方發(fā)布的數(shù)據(jù)發(fā)現(xiàn)，相對(duì)于傳統(tǒng)的ScanSAR模式，哨兵一號(hào)TOPSAR模式的信噪比非常高。通過(guò)計(jì)算獲得系統(tǒng)熱噪聲引起的失相干大于0.99，所以對(duì)此項(xiàng)造成的影響不予考慮。

時(shí)間失相干是指在相同區(qū)域的兩次成像時(shí)間間隔內(nèi)，由于散射體本身特性改變或位置移動(dòng)，導(dǎo)致相干性降低。時(shí)間失相干是失相干源中最難確定的部分，探究影響Sentinel-1時(shí)間失相干的因素對(duì)形變監(jiān)測(cè)有較大意義。

2 研究區(qū)概況與數(shù)據(jù)集

此次研究區(qū)位于美國(guó)加利福尼亞州南部柯汶納附近，地處洛杉磯東部，地形較為平坦，地表類型多樣。研究區(qū)覆蓋范圍約為230 km2，如圖1所示。實(shí)驗(yàn)共收集了50景Sentinel-1衛(wèi)星TOPSAR干涉寬幅模式C波段雙極化影像數(shù)據(jù)，影像范圍如圖1紅框所示，時(shí)間跨度為2017-06-20～2020-09-02，主影像為2017-06-20。

圖1 研究區(qū)位置

實(shí)驗(yàn)使用NLCD 2016作為主要的土地覆蓋類型來(lái)源，NLCD 2016是美國(guó)地質(zhì)調(diào)查局發(fā)布的新一代土地覆蓋數(shù)據(jù)，根據(jù)Landsat衛(wèi)星圖像和地理空間輔助數(shù)據(jù)集進(jìn)行分類和匯編，空間分辨率為30 m，覆蓋美國(guó)本土地區(qū)。NLCD 2016產(chǎn)品基于修正的安德森二級(jí)分類系統(tǒng)劃分，分為16個(gè)土地覆蓋級(jí)別，研究表明安德森二級(jí)分類精度達(dá)到82%[8]。

通過(guò)官方發(fā)布的國(guó)家氣候數(shù)據(jù)中心（NCDC）檔案，此次研究收集了覆蓋研究區(qū)所有氣象站的氣象數(shù)據(jù)，包括每小時(shí)風(fēng)速和日降水量等數(shù)據(jù)。

3 結(jié)果與分析

從圖2可以看出，水體的失相干現(xiàn)象非常嚴(yán)重，呈現(xiàn)的亮度最低。人工建筑物的相干性很高，相干圖上的亮度最高。常綠樹的相干性低，呈現(xiàn)的亮度較低。農(nóng)作物的相干性較高，呈現(xiàn)的亮度較高。對(duì)比三張相干圖可以看到，隨著時(shí)間基線增大，失相干現(xiàn)象越來(lái)越明顯。

圖2 研究區(qū)土地覆蓋分類圖和相干圖

3.1 典型地物的時(shí)間失相干現(xiàn)象

實(shí)驗(yàn)選取4種典型地物進(jìn)行時(shí)間失相干分析，分別為：水體、人工建筑物、常綠林、農(nóng)作物。常綠林和混合林是研究區(qū)內(nèi)覆蓋的主要樹種，其中常綠林占絕大部分，故選取常綠林作為樹林代表。圖3是4種地物隨時(shí)間基線變化的時(shí)序相干性，時(shí)間基線最長(zhǎng)為39個(gè)月。可以從圖中明顯看到，不同地物的相干性不同，隨著時(shí)間變化，失相干現(xiàn)象也不同。

圖3 隨時(shí)間變化的地物相干性

水體的相干性最低，是因?yàn)樗w的表面相對(duì)于C波段較為光滑，導(dǎo)致絕大多數(shù)雷達(dá)入射波發(fā)生鏡面反射，雷達(dá)傳感器幾乎無(wú)法接收到返回的電磁波。當(dāng)水體受到外界因素干擾或地形因素影響，水體的表面粗糙度較大時(shí)，此時(shí)雖然其后向散射強(qiáng)度較大，但由于水體的形態(tài)不斷在變化，導(dǎo)致相干值很低。

圖4是水體相干性的概率密度直方圖，結(jié)合圖3、4可知，水體相干性的平均值在0.25左右，大多數(shù)分布在0.15～0.25區(qū)間內(nèi)。對(duì)于秒級(jí)失相干的水體，相干性應(yīng)該接近0，Touzi[9]等認(rèn)為這個(gè)現(xiàn)象是估計(jì)相干性時(shí)的自然偏差。相干性估計(jì)偏差受平均視數(shù)大小的影響，本次實(shí)驗(yàn)取的估計(jì)窗口大小為9×9，這個(gè)大小的估計(jì)窗口會(huì)有約0.2的相干值估計(jì)偏差[14]。圖4中有少部分水體相干值較大，這是由于土地分類的不準(zhǔn)確，水體周圍相干性較高的點(diǎn)如水岸等被誤分類。

圖4 水體相干性的概率密度直方圖

人工建筑物的相干值最高，這是因?yàn)槠浜笙蛏⑸涮匦暂^為穩(wěn)定，而且人工建筑物大多會(huì)發(fā)生雙彈反射，將入射波幾乎完全反射回傳感器。從圖3中可以看到，人工建筑物的相干性最初在0.64左右，隨著時(shí)間基線增長(zhǎng)，相干性自然下降，且下降速度逐漸減緩，在數(shù)月后基本保持在0.55左右。時(shí)間基線達(dá)到39個(gè)月時(shí)，相干值在0.52附近。

常綠樹的相干性較為平穩(wěn)，但值很低，在0.28左右。這是因?yàn)榇说貐^(qū)分布的橡樹冠層較高，C波段的入射波在冠層中多次發(fā)生散射，即體散射，大部分能量在這個(gè)過(guò)程中被散射或吸收，導(dǎo)致相干值較低。

農(nóng)作物的相干性變化最大。研究的前5個(gè)月，相干性有明顯的下降，從0.57降到0.4以下，然后總體上趨于穩(wěn)定。前5個(gè)月相干值明顯下降的原因，是由于隨時(shí)間基線增長(zhǎng)，相干性的自然下降，還可能是受土壤含水量變化的影響[15]。由于農(nóng)作物相對(duì)較為低矮，時(shí)間失相干程度較輕，而且有一部分能量由地面反射回雷達(dá)傳感器，因此其相干值相對(duì)于樹木偏高。

圖3中人工建筑物和農(nóng)作物存在相干性驟降的現(xiàn)象，比如2018-03-11，主要受天氣因素影響，在下一節(jié)中具體分析。

3.2 天氣對(duì)相干性的影響

為了研究天氣對(duì)相干性的影響，收集了研究區(qū)內(nèi)所有氣象站的每小時(shí)風(fēng)速和日降水量數(shù)據(jù)。

統(tǒng)計(jì)每小時(shí)風(fēng)速后發(fā)現(xiàn)，風(fēng)速大于6 m/s的僅有2017-12-05和2018-07-09兩次，分別為7.5 m/s和6.2 m/s，兩者的相干性都沒(méi)有明顯變化（如圖3箭頭標(biāo)識(shí)）。因此判定小于7.5 m/s的風(fēng)速對(duì)C波段相干性幾乎無(wú)影響。

因數(shù)據(jù)量較大，經(jīng)查詢研究期間的日降水量，截取了有較大降水分布的區(qū)間進(jìn)行分析，如圖5所示。區(qū)間內(nèi)共獲取影像31張，獲取時(shí)有較大降水的影像有7張，日期分別為2018-03-11、2018-05-22、2018-10-13、2018-11-30和2019-01-17、2019-03-06、2019-05-17，如X軸上標(biāo)記O所示，對(duì)應(yīng)降水量分別為17.8mm、4.3 mm、20.8 mm、16.5 mm、66.5 mm、21.2 mm和11.8 mm，用標(biāo)記*在圖5標(biāo)識(shí)。

圖5 隨時(shí)間變化的地物相干性和降水量

為了更直觀、多樣、全面地看到相干性的變化情況，構(gòu)建了前31幅影像的相干系數(shù)矩陣圖，如圖6所示。通過(guò)改變主影像，獲得了后續(xù)影像與主影像之間的相干性。每一小格代表橫軸對(duì)應(yīng)日期與縱軸對(duì)應(yīng)日期獲取影像的相干性，4個(gè)相干系數(shù)矩陣均為對(duì)稱矩陣，箭頭指示位置表示有較大降水。

圖6 相干系數(shù)矩陣圖

綜合圖5、6可以發(fā)現(xiàn)，圖5有*標(biāo)記的7景影像,由于獲取影像時(shí)有降水，導(dǎo)致人工建筑物和農(nóng)作物的相干性下降。人工建筑物因?yàn)楸砻嬗晁?，影響射入波的反射，從而?dǎo)致相干性下降；農(nóng)作物相干性下降的原因分為農(nóng)作物和土壤2個(gè)因素，雨水使農(nóng)作物散射特性發(fā)生變化，也使土壤含水量發(fā)生變化，導(dǎo)致相干性下降。總體來(lái)看，降水量越大，人工建筑物和農(nóng)作物的時(shí)間失相干現(xiàn)象越嚴(yán)重。

2018-01-22無(wú)降水，但是農(nóng)作物的相干值下降，而人工建筑物的相干值不變，這可能是因?yàn)?0 d前有連續(xù)2 d的較大降水，人工建筑物表面的雨水已蒸發(fā)，但土壤的含水量變化較慢，所以導(dǎo)致返回信號(hào)變化。

2019-02-10降水量?jī)H為1.05 mm，雖然相比于前后兩景，相干值有回升，其中人工建筑物回升較大，農(nóng)作物回升較小，但相比于平均值，人工建筑物和農(nóng)作物的相干值仍較低。有回升是因?yàn)楂@取前后兩景衛(wèi)星影像時(shí)有較大降水，此次獲取影像時(shí)是小降水，因而影響較小。相干值比平均值低是因?yàn)楂@取影像的5 d前有連續(xù)的較大降水，土壤含水量的變化導(dǎo)致農(nóng)作物相干性低，而人工建筑物表面雨水揮發(fā)快，所以降水對(duì)農(nóng)作物相干性的影響比對(duì)人工建筑物的影響持續(xù)性久。

從圖3中還可以看到2019-12-13～2020-04-11的影像相干值有小幅降低，如圖3中矩形框所示。這是因?yàn)樵诖似陂g內(nèi)一直有10～20 mm的小降水影響。其他無(wú)降水影響的時(shí)期，4種地物的相干性都比較穩(wěn)定。

3.3 不同極化方式對(duì)相干性的影響

此次研究是在Sentinel-1衛(wèi)星干涉寬幅模式下獲取的雙極化數(shù)據(jù)，分別為VV極化和VH極化，前文的分析均基于VV極化。

圖7是VV極化減VH極化的相干性差值，2種極化方式的相干值差值在0.02～0.11之間?？傮w來(lái)看VH極化方式比VV極化方式相干值低，信號(hào)的損失更大。

圖7 兩種極化方式相干性差值

常綠林的相干性差值較為穩(wěn)定，在0.02左右。水體的相干性差值一直有較小波動(dòng)，但一直維持在0.03～0.05之間，這個(gè)波動(dòng)可能是由于土地覆蓋分類不準(zhǔn)確導(dǎo)致的小偏差。人工建筑物和農(nóng)作物的相干性差值曲線與圖3的變化趨勢(shì)幾乎一致，特別在有降水因素影響的時(shí)期，VV與VH的相干性差值明顯減小。說(shuō)明VH極化對(duì)變化的感知能力沒(méi)有VV極化強(qiáng)，但反過(guò)來(lái)也可以發(fā)現(xiàn)VH極化的相干性較為穩(wěn)定，抗外界干擾能力更強(qiáng)。

4 結(jié)語(yǔ)

實(shí)驗(yàn)使用時(shí)間基線最長(zhǎng)為39個(gè)月的50景Sentinel-1衛(wèi)星影像，定量分析了不同地物的時(shí)間失相干現(xiàn)象，并分析了風(fēng)雨等天氣因素和不同極化方式對(duì)地物相干性的影響。此次研究使用同質(zhì)點(diǎn)選取方法獲得相干值，并借助NLCD數(shù)據(jù)進(jìn)行不同地物的相干性研究，還通過(guò)從NCDC檔案獲取的每小時(shí)風(fēng)速和日降水量對(duì)地物相干性下降的原因進(jìn)行分析。主要得出以下結(jié)論：①Sentinel-1數(shù)據(jù)典型地物的失相干特征區(qū)別較大，可以較好的指導(dǎo)地物識(shí)別、輔助土地分類，尤其是建筑物的識(shí)別分類；②小于7.5 m/s的風(fēng)速對(duì)相干性幾乎無(wú)影響，而降水是導(dǎo)致地物失相干的重要因素，通過(guò)影響土壤含水量導(dǎo)致農(nóng)作物相干性降低，對(duì)農(nóng)作物相干性的影響比對(duì)人工建筑物的影響大且持續(xù)性久；③VH極化方式抗干擾能力更強(qiáng)，VV極化方式對(duì)變化的感知能力更強(qiáng)。上述實(shí)驗(yàn)研究表明：選取相干目標(biāo)應(yīng)考慮土地覆蓋類型的影響，特別是在植被覆蓋區(qū)域做形變分析，也需要利用氣象數(shù)據(jù)對(duì)干涉圖失相干情況進(jìn)行評(píng)估，同時(shí)應(yīng)充分利用不同極化方式的數(shù)據(jù)。