基于輕小型無人機雷達的植被高度反演方法

吳志鵬, 張 平, 李 震, 黃 磊, 劉 暢, 高 碩

(1. 中國科學院空天信息創(chuàng)新研究院, 北京 100094; 2. 三亞中科遙感研究所海南省地球觀測重點實驗室, 海南 三亞 572029; 3. 中國科學院大學, 北京 100049)

0 引 言

植被高度是森林資源質(zhì)量評價體系的重要指標參數(shù),表征了森林的生長狀況及其健康程度,為科學合理地制定森林資源經(jīng)營管理措施提供了有效依據(jù)。作為主要的森林結(jié)構(gòu)參數(shù)之一,植被高度在林業(yè)遙感領(lǐng)域成為森林蓄積量、地上生物量(aboveground biomass, AGB)和碳儲量估測研究的主要因子[1]。傳統(tǒng)的基于地面實測數(shù)據(jù)的森林資源調(diào)查方法對植被高度數(shù)據(jù)的獲取需要耗費大量人力物力,時效性差,無法實現(xiàn)森林高度的動態(tài)監(jiān)測,且難以獲取大范圍森林高度觀測信息,不能滿足森林資源管理、監(jiān)督和可持續(xù)利用的需求。衛(wèi)星遙感技術(shù)能夠快速、準確、宏觀地以不同時空尺度獲取地面森林資源分布、結(jié)構(gòu)、動態(tài)變化及過程信息,已經(jīng)廣泛地應(yīng)用于大尺度范圍的植被高度信息獲取[2-4]。而對于較小尺度森林生態(tài)系統(tǒng)的監(jiān)測,衛(wèi)星遙感的分辨率和精度往往很難滿足應(yīng)用需求。

近年來,輕小型無人機與遙感傳感器的快速發(fā)展,為森林資源的遙感監(jiān)測提供了新的手段[5]。與衛(wèi)星遙感相比,無人機平臺的飛行高度通常不超過500 m,屬于近地觀測范疇,能夠獲得更高分辨率和精度的目標區(qū)域觀測數(shù)據(jù)[6];與航空遙感相比,無人機能夠由內(nèi)置的飛行控制系統(tǒng)實現(xiàn)航線規(guī)劃和自動執(zhí)飛功能,具有低成本、易操作、便于攜帶等特點,并且不受起飛場地的限制,機動性強。其搭載的不同傳感器能夠獲得多層面的森林資源調(diào)查數(shù)據(jù),豐富了數(shù)據(jù)的多樣性,大大拓展了森林資源調(diào)查的深度和廣度[7-8]。

目前,國內(nèi)外無人機遙感的植被高度反演研究大都基于激光雷達(light detection and ranging, LIDAR)[9-11]或合成孔徑雷達(synthetic aperture radar, SAR)[12]載荷。LIDAR利用激光掃描測量距離和角度[13],慣性測量單元(inertial measurement unit, IMU)測量姿態(tài)以及通過差分全球定位系統(tǒng)(differential global positioning system, DGPS)達到厘米級定位,能夠獲取高分辨率、高精度的數(shù)字地表模型進而提取植被高度等信息[14]。已有學者嘗試使用激光掃描儀集成的無人機LIDAR系統(tǒng)進行植被高度反演研究,例如Zhang等[15]基于RIEGL VUX-1無人機載LIDAR系統(tǒng)獲取了呼倫貝爾地區(qū)0.1 m分辨率的草地植被高度分布信息,并進一步估測了該區(qū)域的AGB。Guo等[16]利用配備了VLP-16激光掃描儀的無人機LIDAR系統(tǒng),繪制了中國地區(qū)3種生態(tài)系統(tǒng)的高分辨率冠層高度模型。Sankey等[17]將無人機LIDAR數(shù)據(jù)與高光譜數(shù)據(jù)融合,提升了高生物量地區(qū)植被冠層高度和數(shù)字高程模型(digital elevation model, DEM)反演的準確率。但高昂的數(shù)據(jù)獲取成本限制了LIDAR的大規(guī)模應(yīng)用。SAR作為一種主動式的微波對地觀測系統(tǒng),其發(fā)射的信號波長較長,能夠穿透部分樹枝、樹葉到達冠層下部,具有獲得指示植被垂直方向參數(shù)的能力,已經(jīng)被廣泛地應(yīng)用于森林高度信息提取[18]。Hensley等[19]首次將多基線極化干涉無人機SAR數(shù)據(jù)應(yīng)用到森林結(jié)構(gòu)反演中,先利用Rvog模型分離地體散射,然后對來自地表和冠層信號采用頻譜分析的方法分別進行層析成像,進而提取植被高度。El Moussawi等[20]和Asopa等[21]利用Capon譜估計的方法對L波段無人機SAR數(shù)據(jù)進行層析成像,得到了熱帶雨林的三維結(jié)構(gòu),并進一步估算出了森林冠層高度。可以看出,目前主要通過SAR層析數(shù)據(jù)得到植被高度維剖面進而反演植被高度[22-23],而層析處理算法較為復雜,且要求高質(zhì)量的多航過數(shù)據(jù),因此雷達系統(tǒng)較為復雜,通常使用大型無人機,成本較高。本文研制了一種高度集成、輕量化、高可靠性的無人機雷達系統(tǒng),能夠滿足輕小型無人機載荷的需要,并提出一種利用該系統(tǒng)獲取的數(shù)據(jù)反演植被高度信息的方法,該方法模型簡單、處理便捷,且只需一次航過便可反演得到植被高度值。

1 無人機雷達系統(tǒng)與數(shù)據(jù)獲取

無人機雷達系統(tǒng)采用模塊化設(shè)計,具備高度集成、輕量化、高可靠性等特點,平臺的搭建以模塊化的信號收發(fā)器為基礎(chǔ),利用單板計算機(single board computer,SBC)完成雷達信號發(fā)射/接收通信管理,利用超寬帶信號處理器產(chǎn)生脈沖信號,通過對數(shù)周期天線發(fā)射、接收信號,利用數(shù)據(jù)記錄板采集數(shù)據(jù)信息,整個系統(tǒng)集成后掛載在無人機平臺下。無人機雷達協(xié)同的硬件組成如圖1所示。

圖1 無人機雷達協(xié)同的硬件組成

雷達系統(tǒng)的主控模塊選用通用單板計算機,分別通過以太網(wǎng)、通用串行總線(universal serial bus, USB)接口完成與超寬帶信號處理器、存儲模塊的通信連接。雷達模塊選用PulsOn 440超寬帶信號處理器(簡稱P440)產(chǎn)生脈沖信號,其工作頻率在3.1～4.8 GHz之間,中心頻率為3.95 GHz。P440能夠?qū)γ恳粋€發(fā)射脈沖的能量進行相干疊加,在不改變發(fā)射強度的基礎(chǔ)上,累積更多的脈沖能量以增加接收信號的信噪比,有效改善了系統(tǒng)的接收性能。雷達系統(tǒng)的天線采用發(fā)射、接收雙天線設(shè)計,選擇對數(shù)周期天線,天線波束寬度為30°,增益設(shè)計為6 dB,頻率范圍可達2～11 GHz,以下視配置安裝在雷達上。

為了對無人機雷達系統(tǒng)的有效性進行評估,于2021年4月21日在海南省文昌市八門灣紅樹林保護區(qū)內(nèi)進行測試實驗,實驗區(qū)域如圖2所示。共飛行2個架次,一號航線飛行距離約315 m,飛行時間約5 min,二號航線飛行距離約584 m,飛行時間約10 min。無人機飛行高度均設(shè)置為44 m,飛行速度為1 m/s,航向采樣率約為5 Hz。雷達觀測的快時間窗設(shè)置為166.1～332.6 ns,在600 s的慢時間范圍內(nèi)采集雷達原始數(shù)據(jù),每條掃描數(shù)據(jù)在高度向上有3 264個采樣點。

圖2 實驗區(qū)域

輕小型無人機在飛行過程中容易受到不平穩(wěn)氣流的影響,倘若飛行平臺在氣流影響下造成嚴重顛簸,會使獲得的雷達圖像失真,從而給目標檢測和定位帶來困難。飛控系統(tǒng)中記錄的兩次航過的飛行姿態(tài)數(shù)據(jù)顯示,無人機平臺飛行高度在43.9～44.0 m的范圍內(nèi)波動,俯仰角和偏航角的擺動幅度均不超過5°,在高度測量誤差允許的范圍內(nèi),可以近似認為航線姿態(tài)是穩(wěn)定的。

2 數(shù)據(jù)處理

被觀測目標在無人機雷達圖像上的特征取決于目標的位置、形狀、散射特性、電磁波傳播速度以及飛行平臺的速度等[24]。由于實際應(yīng)用場景中雷達波的介質(zhì)環(huán)境非常復雜,接收信號的成分既包含目標回波,也包含噪聲和干擾等,通常信噪比較低。為了提高無人機雷達圖像質(zhì)量,實現(xiàn)對目標信息的精確提取,需要對獲得的原始數(shù)據(jù)進行處理。首先,通過回波信號變換將原始實數(shù)數(shù)據(jù)轉(zhuǎn)換為雷達復數(shù)數(shù)據(jù);然后,再降低直耦波和噪聲對目標后向散射的影響;最后,利用基于互相關(guān)信息的后向投影方法進一步增強目標信號,以提取到更可靠的植被高度。數(shù)據(jù)處理方法的具體流程如圖3所示。

圖3 數(shù)據(jù)處理方法流程圖

2.1 回波信號變換

雷達發(fā)射高斯信號,信號形式如下:

(1)

式中:A表示信號幅度;t表示時間變量;tR表示目標位置對應(yīng)的采樣時刻;f0表示信號的中心頻率。根據(jù)信號形式進行模擬分析,模擬結(jié)果如圖4所示。

圖4 雷達信號模擬分析

可以看出,將信號直接進行希爾伯特變換,即可得到分辨率較好的尖脈沖,同時獲得雷達復數(shù)數(shù)據(jù)。圖5(a)和圖5(b)分別為1號航線和2號航線獲取的原始實數(shù)數(shù)據(jù)經(jīng)回波信號變換后得到的雷達復數(shù)圖像數(shù)據(jù)。其中,橫坐標為水平測量點的位置,每個測量點間隔0.236 m;縱坐標為高度方向采樣點位置,零點表示信號截斷位置，每個采樣點間隔為0.01 m。

圖5 雷達復數(shù)圖像數(shù)據(jù)

2.2 直耦波抑制

圖6 二維濾波法抑制直耦波

2.3 基于剩余圖像熵的自適應(yīng)主元分析去噪方法

經(jīng)直耦波抑制之后的雷達信號仍然摻雜著噪聲的干擾,這些噪聲會對雷達圖像的分辨率造成影響,掩蓋圖像的細節(jié)信息,從而降低植被高度反演精度。主元分析法是一種線性的子空間投影算法,該方法基于最小均方誤差準則,能夠有效地壓制噪聲能量,提高信噪比[26-27]。目前,主元的選擇方法主要采用經(jīng)驗值法[28]和特征能量百分比法[29],這兩種方法受主觀影響較大,穩(wěn)定性差,難以實現(xiàn)主元的自主選擇。本文針對于上述應(yīng)用場景,提出一種聯(lián)合剩余圖像熵與奇異值分解的自適應(yīng)主元分析法抑制噪聲,以去除前k個主元之后剩余圖像熵值達到局部最小值為準則,實現(xiàn)主元的自主選擇,以達到最佳的去噪效果。

假設(shè)SR∈CM×N代表去除直耦波之后雷達數(shù)據(jù),SR的奇異值分解表示為

(2)

(3)

(4)

ω(k)=Ω(W(k)),k=1,2,…,Q

(5)

以1號航線獲得的無人機雷達數(shù)據(jù)為例,通過式(5)得到熵值ω(k)隨k值變化,如圖7所示?？梢钥闯?一開始圖像能量主要包含目標能量和噪聲能量,且大部分能量主要集中在目標能量部分,整幅圖像的能量較分散,熵值較大,隨著k值增大,目標部分的能量被不斷去除,整幅圖像的能量趨于集中,熵值逐漸減小。當k=94 時,ω(k)達到局部最小值,此時可以認為目標能量全部被去除,整幅圖像的能量都集中在噪聲部分,即第94個主元之后所對應(yīng)的信號全為噪聲信號,那么選擇第1～93個主元重構(gòu)該圖像,能夠保留目標信息且達到較好的去噪效果。

圖7 熵值隨k值變化

圖8為1號航線無人機雷達數(shù)據(jù)去噪結(jié)果,對比圖6(b)可以看出,大量的背景噪聲得到了有效去除,同時保留了目標的邊緣和細節(jié)特征,目標信號更加清晰。該方法解決了傳統(tǒng)主元分析法在噪聲抑制中主元依賴人工選擇、閾值不穩(wěn)定的問題,避免了針對不同數(shù)據(jù)需人機交互判定主元數(shù)目帶來的麻煩,具有一定的魯棒性,能夠適應(yīng)不同的應(yīng)用場景。

圖8 基于剩余圖像熵的自適應(yīng)主元分析法去噪結(jié)果

2.4 基于通道互相關(guān)的后向投影算法

后向投影算法是一種時域重建目標影像的方法,其核心是補償每一成像點相對于每一時刻雷達天線位置的相位,并將該點對應(yīng)的合成孔徑內(nèi)所有回波數(shù)據(jù)相干疊加,實現(xiàn)雷達方位向的高分辨率成像。由于本系統(tǒng)雷達天線具有寬視角的特點,所以其在每個時延位置處收集到的散射響應(yīng)包含了天線照射范圍內(nèi)所有點在該時延位置處的響應(yīng),容易出現(xiàn)雜波干擾能量較大的問題。根據(jù)各接收通道之間目標信號和雜波相關(guān)性不同這一特性,利用后向投影算法處理時對各接收通道之間回波信號進行互相關(guān)運算可以消除雜波的干擾,增強目標響應(yīng)[32]。本文利用基于互相關(guān)信息的后向投影算法對噪聲抑制后的數(shù)據(jù)進行處理,如圖9所示,與圖8相比,雜波的影響得到了有效地抑制,目標信號與背景的對比度獲得了較大提升,提高了目標信息的識別能力。

圖9 不同航線基于互相關(guān)信息的后向投影算法處理結(jié)果圖

3 植被冠層提取與驗證

3.1 植被散射機制分析與冠層提取

當電磁波照射到隨機分布,截面較大的體散射單元上時,雖然每個散射單元都有各自方向的散射響應(yīng),但總體來看其取向是隨機的,后向散射回波在各個方向均勻分布。但當電磁波照射到光滑表面上時則會發(fā)生鏡面反射,散射體的回波信號只在一個方向疊加,其他方向相互抵消,雷達幾乎無法接收到后向散射回波。所以,雷達入射到較為平靜的水體發(fā)生的主要為鏡面反射,水體雷達后向散射系數(shù)幾乎為0,入射到水面上的電磁波后向散射回波也近乎為0,但是水面上的植被冠層將發(fā)生體散射,加之水面與樹干之間的二次散射,將導致植被區(qū)域的散射較水體散射強很多,如圖10所示。因此,根據(jù)回波信號在高度向上迅速衰減這一特性,可以識別出林下地表所對應(yīng)的高程值,從而直接從無人機雷達圖像中反演出植被高度,避免了應(yīng)用物理模型的先驗信息。

圖10 植被散射機制示意圖

根據(jù)上述分析,雷達接收到的回波信號中,來自植被體散射的信號能量較強?；诨夭芰吭诟叨认蛏系姆植夹螤?可以估測該區(qū)域植被的冠層高度。將雷達圖像上回波能量分布分為相位中心區(qū)、功率損失區(qū)、噪聲區(qū)3個區(qū)域[33],來自植被的回波能量絕大多數(shù)集中在相位中心區(qū),損失區(qū)的能量由于植被密度的降低而逐漸減弱,繼續(xù)沿高度向向上的能量基本來自噪聲。所以,可以通過識別損失區(qū)和噪聲區(qū)的分界位置提取冠層高度。從圖9可以看出,經(jīng)過基于通道互相關(guān)的后向投影算法處理之后,噪聲區(qū)的能量已得到較好的壓制。在雷達圖像上應(yīng)用Sobel邊緣檢測算子提取回波信號輪廓線所對應(yīng)的高度值,即可獲取到被測區(qū)域的植被冠層高度,如圖11所示,圖中也可以發(fā)現(xiàn)回波信號在高度向上約1.5 m處迅速衰減,表明了水體位置。

圖11 不同航線雷達數(shù)據(jù)植被冠層高度反演結(jié)果

3.2 精度驗證

開展地面植被高度測量時,由于紅樹林大都生長在潮間帶的淺灘和淤泥等測量人員難以進入的區(qū)域中,獲得大面積的地面實測數(shù)據(jù)較為困難,所以在進行雷達測量的同時,僅對部分樹高采用地面激光測高儀采集了樹高實測值。另外一部分植被根系位于海面以下的區(qū)域采用數(shù)字地表模型作為植被高度驗證數(shù)據(jù),對基于無人機雷達數(shù)據(jù)提取到的樹高進行驗證,并以相關(guān)系數(shù)R、均方根誤差(root mean squared error,RMSE)作為定量評價指標,具體公式如下:

(6)

(7)

圖12 無人機雷達數(shù)據(jù)反演植被高度的精度

4 結(jié) 論

考慮到現(xiàn)有的植被高度遙感反演方法存在模型復雜、數(shù)據(jù)獲取難度大等問題,本文設(shè)計了一種輕小型無人機雷達系統(tǒng),并提出利用該系統(tǒng)反演植被高度信息的方法,利用飛行實驗對該方法的有效性進行了評估。無人機雷達數(shù)據(jù)獲取系統(tǒng)采用了模塊化設(shè)計,具備高度集成、輕量化、高可靠性等特點;在雷達數(shù)據(jù)處理方面,采用二維濾波和主元分析法對雜波及噪聲進行抑制,提出基于剩余圖像熵的主元自動選擇方法,以解決傳統(tǒng)經(jīng)驗法和能量百分比法主元選擇不穩(wěn)定的問題,并利用基于互相關(guān)信息的后向投影算法進一步減弱雜波的影響,得到了更高精度的植被高度反演結(jié)果。驗證結(jié)果表明,該方法提取得到的植被高度能夠具有較高的精度。系統(tǒng)與其他方法相比,數(shù)據(jù)表現(xiàn)形式更加直觀、模型更加簡單,只需一次航過便可反演得到植被高度值,降低了數(shù)據(jù)獲取成本,為反演高時空分辨率、高精度的植被高度信息提供了新的思路。