基于后向散射特性的SAR遙感水體提取

中圖分類號(hào)：P332；TP751 文獻(xiàn)標(biāo)志碼：A doi：10.3969/j.issn.1000-1379.2025.07.26引用格式：，，，等.基于后向散射特性的SAR遙感水體提取[J].人民黃河，2025，47（7）：163-168.

SAR Remote Sensing Water Extraction Based On Electromagnetic Scattering Characteristics

PENG Ruyi1，2.3，LI Jiaxin1，2，3，WU Jidong1，2， XU Yingjun12，WANG Lei4

（1.International CooperationJointLaboratoryfor Catastrophe Simulationand Systemic Risk Response，Ministryof Education， Beijing Normal Universityat Zhuhai，Zhuhai519O87，China；2.School of National SecurityandEmergency Management， BeijingNormalUniversityBeijingO875，China；3.SchoolofSystemsScience，BeijingNormalUniversityBeijing00875， China;4ScholfaidUrbStaoatieiUstofiilgeingndcieur，ea Abstract： Itisacommonmethodtoextract waterareasinSARremotesensingimagesbasedothetresholdsgmentationmethod，which hastheadvantagesofclearphysicalmeaningandlowagoritcomplexity.Thedeteminationofthesholdisthekeyoftistypofet od，andtheistigaalndutomatictolddeternatiometossuferfrortessdeakadptabilitytoaterdistribution.Thisarticlefirstlyanalyzedthereasonsforthefluctuationoftheoptimalsegmentationthresholdwhenextractingwaterbodies basednSARremotesensing imagesfromtheperspectiveofmicrowavescateringcharacteristicsofwaterbodies，mainlyicludingging conditions，polarizationmethods，watersurfaceroughness，andotherfactors；Secondly，onthisbasis，aregresionmodelbetwenSAR imagingcondionsandwaterbackscatringcoeficientwasuil，andanadaptivethesholdsgmentationmetodwaspropdforater extractionbasedonthismodel.Finally，experimentswereconductedbyusingactualhig-resolutionSARremotesensingimagedata.The testresultsshowthatthemethodhasstrongadaptabilitytochangesinimagingconditionsandothrfactors，withanextractionacacyof （20 94.8% .Theextractionprocesscanachievefullprocessautomation，whichcanefectively improvetheaccuracyandtimelinessofemote sensing flood monitoring.

Key words：microwave scattering characteristics； threshold segmentation；water extraction; remote sensing

0 引言

在全球氣候變化背景下，近年來(lái)我國(guó)遭受極端降雨和洪澇事件的頻率劇增，嚴(yán)重威脅了國(guó)家公共財(cái)產(chǎn)安全和人民生命安全。洪水的發(fā)生雖然具有隨機(jī)性和突發(fā)性，但是在特定的時(shí)間尺度內(nèi)，也具備一定的規(guī)律性[]。暴雨洪澇災(zāi)害對(duì)農(nóng)業(yè)生產(chǎn)造成了巨大的威脅，準(zhǔn)確、定量地監(jiān)測(cè)洪澇水體可為農(nóng)作物損失評(píng)估提供基礎(chǔ)數(shù)據(jù)，對(duì)農(nóng)業(yè)可持續(xù)發(fā)展、農(nóng)業(yè)防災(zāi)減災(zāi)對(duì)策與措施的制定具有重要意義，也有利于相關(guān)部門及時(shí)掌握洪澇災(zāi)情，并為防災(zāi)減災(zāi)救災(zāi)工作提供科學(xué)依據(jù)。由于技術(shù)等方面的限制和數(shù)據(jù)的缺乏，因此以往的洪澇災(zāi)情監(jiān)測(cè)工作存在時(shí)效性差且準(zhǔn)確性不夠等問(wèn)題。隨著遙感和電子信息技術(shù)的發(fā)展，基于遙感技術(shù)的調(diào)查方法被廣泛應(yīng)用，成為常規(guī)的地表信息獲取和災(zāi)前監(jiān)測(cè)災(zāi)后損失評(píng)估手段。由于光學(xué)遙感數(shù)據(jù)直觀性強(qiáng)且更方便獲取，因此早期水體提取以光學(xué)遙感數(shù)據(jù)為主要研究數(shù)據(jù)，然而洪澇災(zāi)害發(fā)生時(shí)往往伴隨著多云陰雨天氣，光學(xué)影像進(jìn)行水體提取有較大的難度。合成孔徑雷達(dá)（synthetic aperture radar，SAR）具有穿透能力強(qiáng)、不受光照天氣條件影響的優(yōu)勢(shì)，可實(shí)現(xiàn)對(duì)受災(zāi)區(qū)域的全天時(shí)全天候監(jiān)測(cè)[2]。目前，已有多種基于SAR遙感影像提取水體的方法被提出，包括閾值法[3-5]、區(qū)域生長(zhǎng)算法[6]、模糊分類算法[7]、雙極化水體指數(shù)法[8]等。其中，閾值法是目前應(yīng)用最為廣泛的方法，具有計(jì)算速度快、運(yùn)算復(fù)雜度低、算法魯棒性較好的特點(diǎn)。然而，閥值法也存在以下幾方面的局限性：1）受地形因素影響，陰影區(qū)域會(huì)被分割為水體；2）部分后向散射特性接近水體的地物會(huì)被分割為水體；3）基于影像直方圖的雙峰假設(shè)，對(duì)于水體及非水體區(qū)域占比懸殊的影像，提取效果不佳。為了提升精度往往需要采取人機(jī)交互的提取模式，通過(guò)人工選取比例均衡的水體及非水體區(qū)域計(jì)算直方圖，這種方法人力成本較高且嚴(yán)重影響監(jiān)測(cè)時(shí)效。對(duì)此，本文采用定量遙感的思路，分析成像條件對(duì)水體后向散射系數(shù)的影響，建立成像條件與水體后向散射系數(shù)的回歸模型，在進(jìn)行閾值法水體提取時(shí)將模型應(yīng)用于估計(jì)水體分割閾值。

本文研究工作分四部分展開(kāi)。首先，概述了基于閾值分割的SAR遙感水體提取方法，指出已有的閾值分割法存在的不足。其次，分析了影響遙感水體提取閾值變化的主要因素，結(jié)合影響因素分析，確定了采用交叉極化影像減少水體波浪影響的思路。然后，利用數(shù)據(jù)統(tǒng)計(jì)建模的方法構(gòu)建了入射角與交叉極化后向散射系數(shù)的回歸模型，并基于該模型提出一種水體自適應(yīng)閾值分割方法。最后，采用高分三號(hào)遙感數(shù)據(jù)開(kāi)展了試驗(yàn)驗(yàn)證，檢驗(yàn)了所提出算法的有效性。

1數(shù)據(jù)來(lái)源及研究方法

1.1 數(shù)據(jù)來(lái)源

本研究使用了高分三號(hào)（GF-3）、哨兵1號(hào)（Sentinel-1）兩種合成孔徑雷達(dá)影像遙感數(shù)據(jù)，以及數(shù)字高程模型（DEM）數(shù)據(jù)。高分三號(hào)是我國(guó)首顆C波段多極化SAR衛(wèi)星，其中精細(xì)條帶II（FSII）成像模式具有 10m 空間分辨率、 100km 幅寬以及HH和HV雙極化等特點(diǎn)，廣泛應(yīng)用于水體監(jiān)測(cè)領(lǐng)域。本研究采用的高分三號(hào)衛(wèi)星數(shù)據(jù)來(lái)源于中國(guó)資源衛(wèi)星中心，水體提取試驗(yàn)采用的遙感影像為高分三號(hào)衛(wèi)星采集的周口市（2021年7月3日）以及新鄉(xiāng)市（2021年7月24日）精細(xì)條帶L1A級(jí)SAR影像，包含HH同極化數(shù)據(jù)和HV交叉極化數(shù)據(jù)。本研究使用的哨兵1號(hào)數(shù)據(jù)收集于哥白尼數(shù)據(jù)空間生態(tài)系統(tǒng)（Copermicus Data SpaceEcosystem）。數(shù)字高程模型（DEM）數(shù)據(jù)為ALOS衛(wèi)星獲取的 12.5m 高精度地形數(shù)據(jù)，源自NASA地球科學(xué)數(shù)據(jù)中心，可完整覆蓋研究區(qū)域，用于繪制研究區(qū)地勢(shì)圖并生成坡度數(shù)據(jù)、對(duì)水體提取結(jié)果實(shí)施精細(xì)修正、消除山體陰影導(dǎo)致的誤提取現(xiàn)象。

1.2 研究方法

1.2.1 基于閥值分割的SAR遙感水體提取

基于閾值分割提取SAR遙感影像中的水體信息是利用遙感手段監(jiān)測(cè)水災(zāi)的常用方法，該方法具有物理意義明確、運(yùn)算復(fù)雜度低等優(yōu)勢(shì)。其中，單閾值分割法是閾值分割類方法中的基礎(chǔ)方法。單閾值分割水體提取方法利用分割閾值將遙感影像或變換處理后的遙感影像二值分割為水體區(qū)域和非水體區(qū)域。假設(shè)遙感影像中像元 （i，j） 位置處像元灰度值為 I（i，j） ，則閾值分割水體提取可表示為下式：

式中： M 為生成的分割掩膜，當(dāng)像元灰度值小于閾值 τ 時(shí)，判定像元為水體， M 取0，否則判定為非水體， M 取1。

單閾值分割法針對(duì)水體和非水體灰度分布存在顯著差異時(shí)具有良好的應(yīng)用效果。然而，當(dāng)非水體地物灰度分布復(fù)雜時(shí)，分割閾值的確定變得困難。該方法通常依賴人工經(jīng)驗(yàn)或反復(fù)測(cè)試來(lái)尋找合適閾值，人力成本較高，難以滿足大規(guī)模區(qū)域自適應(yīng)監(jiān)測(cè)的需求。

為此，自適應(yīng)全局閾值提取方法得以發(fā)展，其中大津法[9]（最大類間方差法，Otsu 法）應(yīng)用最為廣泛。其核心思想是通過(guò)最大化類間方差尋找二值分割最佳閥值。該方法基于初始閾值（通常取整景影像均值），通過(guò)迭代自適應(yīng)地優(yōu)化分割閾值。具體流程為：設(shè)定初始閾值 τ ；利用該閾值對(duì)影像進(jìn)行二值分割，得到水體區(qū)域M1和非水體區(qū)域M2；分別計(jì)算兩區(qū)域灰度均值m₁ 和 m₂ ，取平均值作為新閾值 τ^′ ；重復(fù)上述分割與計(jì)算步驟，直至新舊閾值變化量 Δτ=∣τ^′-τ∣ 小于預(yù)設(shè)參考值 ε ，獲得最終閾值;利用此閾值進(jìn)行二值分割，提取出水體區(qū)域。大津法可大幅提升水體提取的自動(dòng)化水平。然而，當(dāng)影像中水體與非水體區(qū)域像元數(shù)量懸殊（即水體占比極小或極大）時(shí)，其分割效果不理想

使用閾值法提取水體的物理機(jī)理為水體的微波后向散射系數(shù)較小，在SAR圖像上通常小于一般地物的。閾值的確定是該類方法的關(guān)鍵環(huán)節(jié)，針對(duì)已有方法存在的問(wèn)題，筆者對(duì)影響SAR水體分割閾值變化的因素進(jìn)行深入分析，并從物理機(jī)理上研究最佳閾值的確定方法。

1.2.2基于后向散射特性的SAR遙感水體提取

水體后向散射特性隨成像條件變化，進(jìn)而影響采用閾值分割法提取水體時(shí)的最優(yōu)分割閾值。為此，首先研究水面微波散射特性，分析后向散射系數(shù)與入射角、極化方式、水面粗糙度等因素的關(guān)系，建立后向散射系數(shù)與成像條件的回歸模型，為閾值分割提供參考閾值。

根據(jù)面散射基本理論[10]，水面散射特性主要受粗糙度、入射角和極化方式影響。其中水面粗糙度可通過(guò)波浪高度均方根 （s） 與人射電磁波波長(zhǎng) （λ） 的相對(duì)大小關(guān)系來(lái)表示，通常分為4種類型：當(dāng) s 遠(yuǎn)小于 λ 時(shí)為平滑表面，主要產(chǎn)生鏡面反射，幾乎沒(méi)有后向散射分量； s 小于 λ 時(shí)為微粗糙表面，當(dāng) s 大于 λ 時(shí)為中等粗糙表面，這兩類表面同時(shí)包含鏡面散射分量和漫散射分量；而當(dāng) s 遠(yuǎn)大于 λ 時(shí)則為極其粗糙表面，其輻射方向趨近于漫散射的朗伯表面。

根據(jù)瑞利準(zhǔn)則，水面粗糙度與波長(zhǎng)及入射角有關(guān)[0]。波長(zhǎng)一定時(shí)，水面粗糙度隨入射角增大而增大：入射角接近 0^° 時(shí)產(chǎn)生鏡面反射，后向散射系數(shù)最大；入射角超過(guò) 50^° 時(shí)，后向散射分量極少，回波微弱。圖1為基于哨兵1號(hào)SAR衛(wèi)星數(shù)據(jù)統(tǒng)計(jì)得出的4種極化方式下水體后向散射系數(shù)隨入射角的變化。入射角在 20^°～46^° 范圍內(nèi)，后向散射系數(shù)從 -34dB 降至-50dB 。同時(shí)，相同入射角下交叉極化（HV/VH）的后向散射系數(shù)小于同極化（VV/HH）的。因此，采用閾值法提取水體時(shí)，使用交叉極化影像更易區(qū)分水體與非水體。

水面粗糙度顯著影響其后向散射系數(shù)，且主要取決于區(qū)域氣象條件（如強(qiáng)風(fēng)引起的波浪會(huì)增大后向散射系數(shù)），如忽略這一因素將大幅降低閾值法提取水體的精度。相關(guān)研究表明[12]，同極化（VV/HH）條件下后向散射系數(shù)受粗糙度影響較大，而交叉極化（VH/HV）條件下水體后向散射系數(shù)受粗糙度影響較小。因此，基于交叉極化影像提取水體可有效降低強(qiáng)風(fēng)導(dǎo)致的水面粗糙度變化引起的誤差。為增強(qiáng)算法對(duì)氣象條件的適應(yīng)性，本文采用交叉極化數(shù)據(jù)進(jìn)行水體提取。

1.2.3基于水體后向散射特性的自適應(yīng)閾值分割方法

根據(jù)對(duì)水體后向散射特性的分析可知，采用交叉極化SAR影像提取水體可忽略水面粗糙度影響，此時(shí)分割閾值主要受SAR影像入射角影響。因此，可基于輻射定標(biāo)后的交叉極化影像數(shù)據(jù)，構(gòu)建水體后向散射系數(shù)與入射角的回歸模型

該模型的構(gòu)建流程如下：首先獲取開(kāi)源C波段交叉極化哨兵一號(hào)SAR影像數(shù)據(jù)并進(jìn)行預(yù)處理（輻射定標(biāo)為后向散射系數(shù)），隨后進(jìn)行中值濾波去除相關(guān)噪聲。接著通過(guò)目視解譯標(biāo)注影像中的水體區(qū)域。在SAR影像入射角范圍內(nèi)，以 0.5^° 為間隔統(tǒng)計(jì)各入射角下水體區(qū)域的后向散射系數(shù)。鑒于SAR影像水體后向散射系數(shù)幅度服從瑞利分布、相位服從均勻分布[13]，建立每個(gè)入射角下的后向散射系數(shù)幅度的瑞利分布模型，并采用最大似然估計(jì)法估計(jì)瑞利分布參數(shù)σ 。最終得到人射角與水體后向散射系數(shù)的回歸模型。

考慮到經(jīng)濟(jì)成本及數(shù)據(jù)獲取便利性，本研究在算法研究與水體提取模型建立階段采用開(kāi)源哨兵一號(hào)SAR衛(wèi)星數(shù)據(jù)。然而，國(guó)內(nèi)遙感監(jiān)測(cè)常用高分三號(hào)衛(wèi)星[14]，雖然兩者均采用C波段，但是其工作頻率存在一定差異。因此，直接將基于哨兵一號(hào)構(gòu)建的回歸模型應(yīng)用于高分三號(hào)數(shù)據(jù)會(huì)產(chǎn)生系統(tǒng)誤差。為使模型能夠更好地適用于高分三號(hào)數(shù)據(jù)，利用高分三號(hào)數(shù)據(jù)樣本對(duì)模型進(jìn)行修正。模型修正時(shí)主要考慮對(duì)相對(duì)誤差和絕對(duì)誤差進(jìn)行估計(jì)：

σ_i^′=aσ_i+b

式中： σ_i 為入射角為 i 時(shí)基于開(kāi)源數(shù)據(jù)構(gòu)建的后向散射系數(shù)， σ_i^′ 為修正后的后向散射系數(shù)， Δ_a 和 b 分別為相對(duì)誤差和絕對(duì)誤差修正系數(shù)。

采用最小二乘法估計(jì)以上修正系數(shù)，得到高分三號(hào)適用的入射角與后向散射系數(shù)回歸模型。此方法同樣適用于修正其他同波段SAR衛(wèi)星數(shù)據(jù)的模型。得到該入射角與水體交叉極化后向散射系數(shù)回歸模型后，需進(jìn)一步確定各人射角下的最佳分割閾值。根據(jù)瑞利分布條件下概率分布函數(shù)特點(diǎn)，采用下式確定入射角為 χ_i 時(shí)的分割閾值 ?_τi ：

式中：ent為取整函數(shù)。

根據(jù)瑞利分布概率模型，當(dāng)閾值取σi 時(shí)，理論上入射角 i 對(duì)應(yīng)的距離單元內(nèi)

99.44% 的水體像元可被準(zhǔn)確分割。鑒于遙感影像處理通常采用dB制表示后向散射系數(shù)，故對(duì)上述閾值進(jìn)行取整處理。完整的自適應(yīng)閾值分割算法流程如下：

1）L1A級(jí)遙感影像輻射校正為后向散射系數(shù)（L1B級(jí)數(shù)據(jù)）；2）從L1A級(jí)影像的入射角輔助文件中讀取每個(gè)距離單元的入射角，利用后向散射系數(shù)回歸模型計(jì)算每個(gè)距離單元對(duì)應(yīng)的后向散射系數(shù)，并計(jì)算對(duì)應(yīng)的分割閾值;3）采用步驟2）中得到的最大閾值對(duì)L1B級(jí)數(shù)據(jù)進(jìn)行閾值分割，剪裁掉非水體區(qū)域得到水體候選區(qū)域數(shù)據(jù)；4）利用步驟2）中得到的各距離單元分割閾值對(duì)水體候選區(qū)域進(jìn)行逐像元處理，得到L1級(jí)的水體提取結(jié)果；5）對(duì)步驟4）得到的L1級(jí)水體提取結(jié)果進(jìn)行幾何校正和地理信息編碼，得到最終水體提取結(jié)果。

1.2.4 水體提取后處理

基于閾值分割法提取水體時(shí)，相干噪聲會(huì)導(dǎo)致水體區(qū)域內(nèi)的噪點(diǎn)被誤判為非水體，降低分割精度。對(duì)此，采用濾除SAR圖像中相干噪聲常用的中值濾波方法[15]進(jìn)行抑制，采用馬爾科夫隨機(jī)場(chǎng)方法[16]進(jìn)一步優(yōu)化水體提取結(jié)果。此外，地形遮擋造成的陰影是閾值分割精度的重要影響因素。本文采用陰影分析法[17]提取SAR影像陰影區(qū)域，并利用陰影掩膜消除水體結(jié)果中誤分類的陰影。直接濾除陰影區(qū)域可能導(dǎo)致其中真實(shí)水體被錯(cuò)誤排除，因此進(jìn)一步結(jié)合淹沒(méi)分析法[18-19]和高程數(shù)據(jù)對(duì)陰影區(qū)域內(nèi)的水體進(jìn)行修正。最終對(duì)水體提取結(jié)果進(jìn)行幾何校正，生成L2級(jí)水體產(chǎn)品。

綜上，算法整體流程見(jiàn)圖2，主要包括模型構(gòu)建及修正、數(shù)據(jù)預(yù)處理以及水體提取等過(guò)程，算法輸人為水災(zāi)區(qū)域L1A級(jí)SAR圖像數(shù)據(jù)，輸出為L(zhǎng)2級(jí)水體提取結(jié)果產(chǎn)品，整個(gè)過(guò)程無(wú)需人工介入，可實(shí)現(xiàn)全流程自動(dòng)化。

2 結(jié)果與分析

為了驗(yàn)證本文提出算法的有效性，試驗(yàn)分別選取河南省周口市以及新鄉(xiāng)市作為研究區(qū)。這兩個(gè)研究區(qū)域均分布有典型的河流、湖泊等地表水體，適合作為驗(yàn)證對(duì)象。同時(shí)，周口市以平原地形為主，而新鄉(xiāng)市兼具平原與山地地形特征，可對(duì)比評(píng)估本文方法在不同地理環(huán)境下的水體提取能力。試驗(yàn)采用的遙感影像為高分三號(hào)衛(wèi)星于2021年7月3日（周口市）以及7月24日（新鄉(xiāng)市）獲取的精細(xì)條帶L1A級(jí)SAR影像，包含HH同極化數(shù)據(jù)和HV交叉極化數(shù)據(jù)。圖3、圖4為研究區(qū)域的L2級(jí)影像。

在對(duì)比試驗(yàn)設(shè)計(jì)上，使用了兩種傳統(tǒng)閾值分割方法作為基準(zhǔn)：一種是基于SAR影像水體指數(shù)（SDWI）的人工確定閾值法，另一種是經(jīng)典的大津法。采用上述兩種算法分別處理HH極化數(shù)據(jù)和HV極化數(shù)據(jù)。本文所提出的自適應(yīng)閾值法僅使用HV極化數(shù)據(jù)。

圖5為周口市2021年7月3日高分三號(hào)影像截選區(qū)域，以及該區(qū)域分別采用基于SAR水體指數(shù)人工確定閾值法和本文方法的初步水體提取結(jié)果（陰影消除前）。對(duì)比提取結(jié)果可知，兩種方法均能有效識(shí)別該區(qū)域顯著的地表水體目標(biāo)，包括河流、湖泊以及部分細(xì)小溝渠等，驗(yàn)證了本文方法的有效性。

在細(xì)節(jié)提取方面，特別是在地形復(fù)雜的密集建筑區(qū)，兩種方法提取結(jié)果中均出現(xiàn)了不同程度的誤提取現(xiàn)象。人工設(shè)定的全局閾值難以適應(yīng)城區(qū)復(fù)雜的地物散射特性，易出現(xiàn)誤提取。相比之下，本文方法雖然仍存在少量誤判，但是被誤分類為水體的地物數(shù)量明顯減少，且分布較為稀疏，初步驗(yàn)證了本文所構(gòu)建的入射角-后向散射系數(shù)模型能夠通過(guò)入射角調(diào)節(jié)局部閾值，提高水體提取精度。根據(jù)前文提到的后處理方法對(duì)水體提取結(jié)果進(jìn)行陰影消除，并進(jìn)一步對(duì)試驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析，在研究區(qū)域內(nèi)經(jīng)目視解譯隨機(jī)選取1000個(gè)樣本點(diǎn)，選取的樣本點(diǎn)包括水體和非水體。分別對(duì)兩種方法的提取結(jié)果進(jìn)行統(tǒng)計(jì)，結(jié)果見(jiàn)表1。

由表1可知，在地形單一的平原地區(qū)，本文方法與水體指數(shù)人工確定閾值法精度相近。而相較于依賴人工確定閾值的方法，本文方法通過(guò)全流程自動(dòng)化處理顯著提高了效率。此外，人工確定閾值法需要基于L2級(jí)衛(wèi)星影像進(jìn)行處理，若基于水體指數(shù)法確定閾值則需要基于雙極化數(shù)據(jù)進(jìn)一步計(jì)算水體指數(shù)，而本文方法可直接應(yīng)用于HV極化L1級(jí)數(shù)據(jù)，有效減少了預(yù)處理步驟及冗余數(shù)據(jù)處理量，

圖6為新鄉(xiāng)市2021年7月24日高分三號(hào)影像截選區(qū)域，以及該區(qū)域分別采用大津法和自適應(yīng)閾值法獲得的水體提取初始結(jié)果（陰影消除前）。對(duì)比顯示，在平原地形區(qū)域，兩種方法均能有效識(shí)別水體目標(biāo)，提取結(jié)果具有較高一致性，且水體漏提的現(xiàn)象較少。然而，在山地地形條件下，兩種方法的提取效果差異顯著：大津法存在明顯的山體陰影誤判問(wèn)題，大量山體陰影被錯(cuò)誤提取為水體；相比之下，本文方法能夠有效區(qū)分山體陰影與真實(shí)水體，僅存在少量受特定坡度方向影響而產(chǎn)生的誤識(shí)別。因此，在同樣具備自動(dòng)化處理能力、可大幅節(jié)省人力并提高效率的前提下，本文方法針對(duì)復(fù)雜山地環(huán)境中的水體提取展現(xiàn)出更強(qiáng)的針對(duì)性和有效性，顯著削弱了山體陰影的干擾

根據(jù)前文所述后處理方法對(duì)水體提取結(jié)果進(jìn)行陰影消除，并進(jìn)一步對(duì)試驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析，在研究區(qū)域內(nèi)平原地形和山地地形分別經(jīng)目視解譯隨機(jī)選取500個(gè)樣本點(diǎn)，選取的樣本點(diǎn)包括水體和非水體。分別對(duì)兩種方法的提取結(jié)果進(jìn)行統(tǒng)計(jì)，結(jié)果見(jiàn)表2。

由表2可知，大津法在山地地形的錯(cuò)分率相較于平原區(qū)域顯著提高了約18個(gè)百分點(diǎn)（基于定量精度評(píng)價(jià)），而本文方法在不同地形條件下的精度波動(dòng)幅度則控制在7個(gè)百分點(diǎn)以內(nèi)。上述結(jié)果表明，在地形復(fù)雜的山地，本文方法展現(xiàn)出更強(qiáng)的地形適應(yīng)性。從數(shù)據(jù)處理流程來(lái)看，本文方法能夠直接處理L1級(jí)數(shù)據(jù)，使其相比傳統(tǒng)方法顯著減少了預(yù)處理環(huán)節(jié)的工作量且易于實(shí)現(xiàn)全流程自動(dòng)化，具備更強(qiáng)的實(shí)際應(yīng)用潛力。

3結(jié)論及討論

基于水體微波散射特性，深入分析了影響SAR遙感影像水體提取最佳分割閾值波動(dòng)的關(guān)鍵因素，主要包括成像條件、極化方式、水面粗糙度以及入射角等。通過(guò)系統(tǒng)分析，得到入射角越大后向散射系數(shù)越小這一規(guī)律，且基于高分三號(hào)雷達(dá)衛(wèi)星的條帶成像模式數(shù)據(jù)，其單景影像內(nèi)存在大約 2^°～7^° 的入射角漸變，因此全局性閾值分割方法在整景影像應(yīng)用時(shí)具有一定局限性。為解決此問(wèn)題，構(gòu)建了水體后向散射系數(shù)與入射角的回歸模型。并基于該模型創(chuàng)新性地提出了一種SAR遙感水體提取的自適應(yīng)閾值分割算法。該算法摒棄了傳統(tǒng)全局閾值的思路，轉(zhuǎn)而根據(jù)不同距離單元對(duì)應(yīng)的入射角設(shè)定不同的閾值進(jìn)行水體提取。通過(guò)實(shí)際遙感影像數(shù)據(jù)的試驗(yàn)驗(yàn)證，充分證明了該方法的有效性。

相較于傳統(tǒng)的閾值分割方法，本研究的主要?jiǎng)?chuàng)新點(diǎn)體現(xiàn)在：基于水體的電磁后向散射特性，建立了成像條件與后向散射系數(shù)的回歸模型。將以往以整景或局部矩形區(qū)域?yàn)閱挝贿M(jìn)行閾值分割的方法改進(jìn)為按成像時(shí)的距離單元為單位進(jìn)行分割，每個(gè)距離單元所采用分割閾值是明確的、可解釋的，顯著提升了分割結(jié)果的可信度。本文所提出的方法可為洪澇災(zāi)害應(yīng)急響應(yīng)提供一種新的、更具適應(yīng)性的遙感水體提取技術(shù)方案。

參考文獻(xiàn)：

[1] 管新建，劉源，孟鈺，等.中國(guó)洪澇災(zāi)害農(nóng)業(yè)致災(zāi)性時(shí)空分布規(guī)律[J].水資源保護(hù)，2022，38（4）：21-25.

[2] 高寒新，陳波，孫洪泉，等.SAR衛(wèi)星影像洪水檢測(cè)研究進(jìn)展及展望[J].地球信息科學(xué)學(xué)報(bào)，2023，25（10）：1933-1953.

[3] 袁欣智，江洪，陳蕓芝，等.一種應(yīng)用大津法的自適應(yīng)閾值水體提取方法[J].遙感信息，2016，31（5）：36-42.

[4] 徐紅偉，董張玉，楊學(xué)志.一種自適應(yīng)閾值的水體信息提取方法研究［J].西部資源，2020（5）：135-138.

[5] 任超，劉桃林.針對(duì)水體提取的大津布谷鳥(niǎo)自適應(yīng)閾值方法[J].測(cè)繪科學(xué)，2022，47（9）：163-169，180.

[6] 王小鵬，文昊天，王偉，等.形態(tài)學(xué)邊緣檢測(cè)和區(qū)域生長(zhǎng)相結(jié)合的遙感圖像水體分割[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2019，JU（≌）： IT） IJT，IUU

[7]FAUVEL M，CHANUSSOTJ，BENEDIKTSSONJA.DecisionFusion for the Classification of Urban Remote Sensing Images[J].IEEE Transactions on Geoscience and Remote Sensing，2006，44（10） ：2828-2838.

[8]張磊，韓秀珍，翁富忠，等.基于Sentinel-2AMSI數(shù)據(jù)的水體信息提取算法對(duì)比研究［J].激光與光電子學(xué)進(jìn)展，2022，59（12） ：505-515.

[9]沈蘭芝，諶華，范鳳云，等.基于Q-OTSU算法高分三號(hào)水體快速提取方法研究：以河南鶴壁洪澇災(zāi)害監(jiān)測(cè)為例[J].自然災(zāi)害學(xué)報(bào)，2022，31（4）：134-143.

［10］劉吉平.遙感原理及遙感信息分析基礎(chǔ)［M].武漢：武漢大學(xué)出版社，2012：31-36.

[11］周帆，張文君，雷莉萍，等.GF-3與 Sentinel-1洪災(zāi)淹沒(méi)信息提取[J].地理空間信息，2021，19（6）：17-21，4.

[12]舒寧.微波遙感原理[M].武漢：武漢大學(xué)出版社，2003：12-15.

[13］張文璇，王卷樂(lè).基于SAR影像后向散射特性的中俄黑龍江流域洪水監(jiān)測(cè)[J].地球信息科學(xué)學(xué)報(bào)，2022，24（4）：802-813.

［14］李偉.基于高分三號(hào)衛(wèi)星SAR影像的洪澇遙感監(jiān)測(cè)研究[J].產(chǎn)業(yè)科技創(chuàng)新，2024，6（1）：126-128.

[15］鄧明軍，王迪，劉鑫，等.一種基于SAR影像非局部高斯加權(quán)中值濾波算法［P].中國(guó)專利：202210234551.9，2022-06-10.

[16]翟慶羽，張東水，田輝彬，等.多指數(shù)去陰影型 Sentinel-1SAR數(shù)據(jù)洪水淹沒(méi)范圍最優(yōu)閾值分割方法：以邵陽(yáng)縣為例[J].測(cè)繪與空間地理信息，2020，43（8）：79-83，86.

［17］趙佳，安道祥.改進(jìn)馬爾科夫隨機(jī)場(chǎng)的SAR圖像建筑物分割[J].遙感技術(shù)與應(yīng)用，2024，39（2）：405-412.

［18］楊愛(ài)玲，宋帥全，王洪昌，等.基于數(shù)字高程模型的洪水淹沒(méi)分析算法研究與應(yīng)用［J].測(cè)繪與空間地理信息，2023，46（增刊1） ：44-47.

[19］林源君，王旭瀅，包為民，等.基于一二維水動(dòng)力模型的山丘區(qū)小流域洪水模擬與淹沒(méi)分析［J].水力發(fā)電，2022，48（3）：10-14.