2. 南京信息工程大学遥感与测绘工程学院, 江苏 南京 210044;
3. 中国科学院东北地理与农业生态研究所, 吉林 长春 130102
2. School of Remote Sensing & Geomatics Engineering, Nanjing University of Information Science & Technology, Nanjing 210044, China;
3. Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, China
湿地是地球上最重要和最有价值的生态系统之一，被誉为“地球之肾”，具有蓄洪防旱、净化水质、调节气候、维护生物多样性等重要的生态功能与服务价值[1-3]。但是，近些年湿地受人类干扰不断加剧，在全球范围内呈现消失或退化的趋势，据不完全统计，世界上大约57%的湿地已经转化或消亡[4]。由于湿地的高程数据可以为估算湿地水位、生态需水量、监测湿地地下水位和地表水位变化提供基础数据，因此，及时地更新研究区DEM对于湿地保护和合理开发起着至关重要的作用[5-7]。
湿地多处偏远且难以到达的区域，无法使用传统的DEM测量手段，且更新DEM难度大，费时费力，观测点的空间密度和时间采样率较难保障；利用光学遥感立体像对生产湿地DEM，容易受到气候条件的影响[8-9]；LiDAR系统数据源单一，观测面积受限[10]。与之相比，InSAR技术不受复杂气候条件的影响，可以快速、高精度、大区域地进行对地观测，现已被广泛应用于地表变形监测、灾害监测、区域DEM提取和湿地水位监测等领域[11-13]。如文献[14]利用1993—1996年L-band JERS-1 SAR数据干涉测量和监测了Florida南部沼泽湿地水位变化，结果表明雷达干涉测量技术可以精确估算沼泽湿地水位变化，精度可以达到5~10cm；文献[15]基于C-band ENVISAT ASAR和L-band ALOS-1 PALSAR单视复数数据干涉测量和监测了黄河三角洲天然湿地水位变化，达到了厘米量级的监测精度；文献[16]利用基于欧空局ERS-1/2的TanDEM数据成功提取了香港地区DEM，统计方差为35.2m；文献[17]以高分辨的TerraSAR-X影像为数据源提取了伊斯坦布尔城市地区的DEM，结果表明高分辨率的TerraSAR-X影像可用于DEM提取，并可应用于要求5~10m垂直精度的城市地区。综上所述，InSAR技术被国内外学者广泛应用于湿地水位监测，并取得了厘米级的精度。但是目前基于InSAR提取DEM的研究主要集中在城市地区，对于利用InSAR能否提取湿地DEM，精度如何，不同波长SAR数据对生成的DEM在精度上是否存在差异的相关研究，国内外学者鲜有涉及。
综上，本文以黑龙江洪河国家级自然保护区为研究区，利用InSAR技术提取沼泽湿地的DEM。为了探究不同波长InSAR提取沼泽湿地区域DEM的精度差异，选取3种波长干涉SAR数据对，并随机从1:10000地形图中选取111个点数据进行精度验证，最后对比分析沼泽湿地植被对于不同SAR波长的干涉相干性差异。
1 InSAR基本原理InSAR提取DEM的基本原理如下：利用具有干涉成像能力的SAR传感器以重复轨道观测的方式获取同一地区具有一定视角差的两幅或两幅以上的单视复数影像对，对其进行干涉处理得到同一个目标对应的两个回波信号之间的相位差，并结合精确的轨道参数，利用卫星轨道与地面目标之间相对的几何关系获取高精度、高分辨的地面高程信息，从而重建地表DEM。如图 1所示。
|
| 图 1 SAR干涉测量成像示意图 |
图 1中，设雷达天线中心S1的高程为H1，地面点P的高程为Z，天线中心S1对目标点P成像时的侧视角为θ1，两天线中心之间的距离(基线距)为B，基线与水平方向的夹角为α，B//为基线B在水平视线方向的分量，称为水平基线，B⊥为基线B在垂直视线方向的分量，称为垂直基线，R1、R2分别为雷达成像时两天线中心到目标点P的斜距，ΔR为两斜距之间的差值，ΔR=R1－R2。
假设在t1和t2时刻，两幅图像中来自同一目标的散射特性相同，即随机相位相同，则此时通过复共轭相乘即可获得复干涉条纹图，接收信号的相位只与传播路径有关，可表示为
(1) 则真实的干涉相位Δφ主要取决于SAR后向散射信号的路径差ΔR
(2) 在三角形S1S2P中，由余弦定理可知
(3) 对于星载雷达系统通常B≪R1, 再由式(2)可得
(4) 则地面点P的高程Z为
(5) 在不考虑两侧观测时目标沿雷达视线向移动引起的相位变化、大气波动带来的相位延迟及其他相位噪声的影响下，在已知星载SAR数据的基线参数和干涉参数等信息的情况下，可由式(5)确定地面点的高程值。
2 研究区概况与数据源选择 2.1 研究区概况研究区为黑龙江洪河国家级自然保护区，位于黑龙江省三江平原腹地，同江市与抚远县交界处，面积21835hm2(如图 2所示)。研究区为寒温带大陆性季风气候，四季分明，有6个月的冰冻期，年平均气温为1.9℃，年降水量为585mm。洪河自然保护区是三江平原乃至整个东北原始淡水沼泽湿地全貌的缩影和典型代表，也是我国现有的36块国际湿地之一。研究区内主要有岛状林植被型、灌丛植被型、草甸植被型和沼泽湿地植被型，且在空间上呈环状分布。
|
| 图 2 研究区概况(假彩色影像来自C-band Radarsat-2 Cloude & Pottier H/A/alpha极化分解参量的RGB组合) |
本文分别选取3种不同波长的干涉SAR数据对：2016年5月28日和6月8日的X-band TerraSAR HH单视复数数据、2015年10月4日和10月16日C-band Sentinel-1A IW模式的VV单视复数数据、2007年9月7日和10月23日L-band ALOS-1 PALSAR精细模式的HH单视复数数据，以上SAR数据均能完整覆盖洪河湿地自然保护区，具体SAR卫星成像参数见表 1。SRTM 30m DEM数据产品来自美国USGS数据服务平台(http://earthexplorer.usgs.gov/)，精度验证数据为保护区1:10000地形图，来自中国科学院东北地理与农业生态研究所。
| 参数 | TerraSAR | Sentinel-1A | PALSAR |
| 波长 | X | C | L |
| 成像模式 | 条带模式(IW) | TOPS扫描干涉模式 | 精细多极化 |
| 极化方式 | HH | VV+VH | HH/HH+HV |
| 入射角/(°) | 44.47 | 33.64 | 38.71/23.1 |
| 空间分辨率/m | 2.52×3.3 | 4.66×13.94 | 9.37×18.36/21.6×3.76 |
| 重访周期/d | 12 | 12 | 46 |
InSAR技术提取地表DEM的主要数据处理流程包括：单视复SAR影像对的基线估算、主辅影像配准、干涉图生成、平地相位剔除、干涉图自适应滤波及相干性计算、干涉图相位解缠、轨道精炼和重去平，以及初始相位转高程生成DEM。具体的工作流程如图 3所示。
|
| 图 3 处理流程 |
基线估算是利用InSAR技术提取地表DEM的前提，其通过计算垂直基线、临界基线、多普勒位移量、高度模糊数和形变模糊数等参数评价两幅干涉SAR影像对的质量状况。当两幅SAR影像成像模式不一致或垂直基线超过了临界基线的长度，则该影像对相干性丢失，不能进行相干处理[18]。当垂直基线距在临界基线内，通常情况下选择长基线距的两幅SAR影像对进行相干处理。表 2描述了3种SAR数据对基线估计的详细参数。
| 数据源 | 时间 | 垂直基线距/m | 时间基线/d | 多普勒位移/Hz | 2π模糊高度/m | 临界基线/m |
| PALSAR | 2007-09-07—2007-10-23 | 1053.74 | 46 | 2.81 | 61.06 | -9827.86~9827.86 |
| Sentinel-1A | 2015-10-04—2015-10-16 | 90.33 | 12 | 7.51 | 133.43 | -4665.03~4665.03 |
| TerraSAR-X | 2016-05-28—2016-06-08 | 302.05 | 12 | 49.43 | 25.12 | -6147.21~6147.21 |
SAR主辅影像对配准是InSAR干涉处理的基础。在星载重复轨道SAR主辅影像之间的相对偏移量未知的情况下，一般采用粗配准、像元级配准、子像元配准等计算过程实现主辅影像对的配准。由于单视复SAR影像中既含有强度信息又含有相位信息，可以任意将复影像的相干系数、强度影像的相关系数，以及相位差的平方和最小作为测度进行主辅影像的配准。通常情况下，两幅影像配准的误差应尽量在1/10个像元之内[19-20]。
3.3 主辅影像对预滤波或多视处理由于干涉影像对在方位向和距离向均存在一定的频谱偏移，从而会在生成的干涉条纹图中引入相位噪声，降低影像对的相干性。为了高精度地配准主辅影像和提高干涉图的质量，可在方位向和距离向对主辅影像进行预滤波处理。在数据处理过程中，可根据频谱偏移量的大小选择是否进行滤波处理。
3.4 干涉图生成对配准和多视处理之后主、辅影像对进行复共轭相乘生成干涉条纹图，干涉条纹图的稀疏反映了地表的起伏状况。复SAR影像对共轭相乘获得干涉条纹图，图中干涉相位是以2π为周期循环记录，并由于受平地效应的影响，干涉条纹在地势平坦且起伏和缓的区域呈现有规律的分布，具体如图 4所示。
|
| 图 4 洪河保护区不同波长干涉条纹图 |
从图 4中可以看出，X-band TerraSAR生成的干涉图，干涉条纹非常密集并存在大量相位噪声，C-band Sentinel-1A和L-band PALSAR干涉条纹相对稀疏，同时L-band PALSAR生成的干涉条纹图对保护区的描述明显好于波长更短的C-band Sentinel-1A和X-band TerraSAR。
3.5 平地相位提出平地效应是指在干涉条纹图中，平坦地区的干涉条纹会出现随距离和方位向的变化而呈周期性变化的现象。剔除平地相位之后的干涉相位可以更好表征地形相位与参考面的相位差，减少干涉图的条纹频率，降低干涉图滤波和相位解缠的难度。本文利用SRTM 30m DEM模拟试验区的平地相位来消除平地效应。
3.6 干涉图自适应滤波及相干性计算地面散射特性、影像配准误差、系统热噪声及数据处理过程中的误差均为干涉图中相位噪声的主要来源，相位噪声降低了干涉图的质量，增加了相位解缠的复杂性，直接影响最终生成DEM的精度。因此，本文利用自适应滤波器尽量多地剔除干涉图中的相位噪声，并采用最大似然估算器计算相干系数，相干系数可以指示区域相干程度的高低，研究区SAR影像自适应Goldstein滤波[21]的干涉条纹图如5所示。
|
| 图 5 自适应滤波和相位去平之后的干涉条纹图 |
从图 5中可以看出，经过自适应Goldstein滤波处理和相位去平之后，在相干性较好的区域，干涉条纹图变得更为稀疏和平滑，对于洪河自然保护区的表征更为详细；深水沼泽植被区受湿地水体和体散射的影响，去相干性较为明显，干涉图不连续。
3.7 干涉相位解缠复共轭相乘获得的干涉图中的相位值为干涉相位的主值，此时干涉相位只能以2π为周期，循环记录相位变化，必须对其进行相位解缠处理，确定各个像元之间的真实干涉相位值，才能利用干涉图获取地面高程信息。
洪河保护区复杂的植被群分布结构决定了干涉图存在很多不连续的区域，3D Delaunay最小费用流(minimum cost flow)方法采用Delaunay三角剖面进行相位解缠，更加适用于研究区干涉图的相位解缠。因此，本文采用最小费用流方法进行相位解缠，获取干涉条纹中的真实相位值，并且为了让设定的解缠阈值尽可能考虑到区域的整体相干情况，数值设置为0.12~0.15。
3.8 轨道精炼和重去平由解缠相位转换到地表高程，需要有精确的基线参数，必须进行轨道精炼，进一步精确估算干涉测量所需的几何参数，并再次去除平地效应。轨道精炼的常用方法有：精确卫星轨道输入二次纠正和基于地面参考点的数学模拟。本文通过选取地面控制点进行轨道精炼和重去平，尽量选择植被群落较为均一且相干性较高的区域，纠正之后的均方根误差控制在1个像元之内，经过轨道精炼和重去平处理的解缠相位如图 6所示。
|
| 图 6 经过轨道精炼和重去平处理的解缠相位 |
获取各个像元之间的真实干涉相位值之后，可以借助式(5)提取地表的DEM数据并进行相应的插值和地理编码处理。
4 结果分析与验证 4.1 DEM精度验证与结果分析为了便于进行精度验证，在洪河自然保护区内，利用ArcGIS fishnet工具生成250个1km×1km格网，利用Create Random Points工具生成111个随机点。将随机点、格网与1:10000地形图叠加，使1个格网中只有1个具有精确高程值的随机点，将这些点作为InSAR提取DEM的精度验证数据并统计分析精度差异，对比结果如图 7和表 3所示。
|
| 图 7 不同干涉SAR对生成的DEM及结果比较 |
| 数据 | 验证点的高程数值差 | |||||
| < 1m | < 3m | < 5m | < 10m | < 20m | < 30m | |
| PALSAR | 24 | 85 | 108 | 111 | 111 | 111 |
| Sentinel-1A | 3 | 12 | 25 | 46 | 92 | 109 |
| TerraSAR-X | 0 | 0 | 0 | 1 | 75 | 111 |
从图 7和表 3中可以看出，InSAR提取的DEM精度受到湿地植被及水体去相干性的影响，深水沼泽植被区相干性差，进而导致生成的DEM数据精度较差，其中基于L-band PALSAR干涉测量提取沼泽湿地DEM的精度高于C-band Sentinel-1A、X-band TerraSAR和SRTM DEM数据产品，且与1:10000地形图数据吻合度较好，76.58%的高程值差异在3m以内。
4.2 不同波长干涉图中湿地植被相干性差异解缠相位图在经过轨道精炼和重去平地效应处理之后，计算得到相干系数图(如图 8所示)。相干系数反映了单视复数SAR影像对所生成干涉图质量的好坏，也可以定量估计SAR两次成像过程中目标相位的稳定性，相干系数数值范围是0~1，数值越大表明干涉图的质量越好。图 8对应不同干涉SAR影像对生成的相干系数图，图 8(a)中剖面线对应的相干系数值如图 9所示。
|
| 图 8 洪河保护区相干系数图 |
|
| 图 9 剖面线提取的相干系数曲线图(“PALSAR CC”是PALSAR的相干系数值；“Sentinel-1A CC”是Sentinel-1A的相干系数值；“TDX CC”是TerraSAR的相干系数值) |
从图 8和9中可以看到，在洪河自然保护区内，岛状林和灌草结合的植被分布区相干系数值较大，其次是浅水沼泽植被区，最小的是深水沼泽植被区。造成上述相干性差异的主要原因是湿地水位在成像时间内的变化导致了以浮水植物为主的深水沼泽区与部分浅水沼泽区的植被位置和高度也发生了变化，而陆生植被除自然生长之外较为稳定。从L-band PALSAR和C-band Sentinel-1A相干系数曲线图中可以看出岛状林和灌草植被区相干系数值达到0.6~0.8，浅水沼泽植被区相干系数值为0.4~0.6，深水沼泽植被区相干系数值为0.2~0.3。而在X-band TerraSAR提取的相干系数曲线图中，岛状林和灌草结合的植被区相干系数值达到0.3~0.4，浅水沼泽植被区相干系数值为0.2~0.3，深水沼泽植被区相干系数值为0.1~0.2。同一植被区相干系数值的差异表明：L-band PALSAR数据对更适合沼泽湿地的干涉测量，X-band TerraSAR数据对不适合用于沼泽湿地干涉测量。
5 结语本文利用3种不同波长InSAR数据对提取沼泽湿地区域的DEM，使用Goldstein滤波方法消除由时间和基线产生的相位噪声，提高了干涉条纹的可见性，降低了相位解缠的复杂性；使用3D Delaunay最小费用流方法进行相位解缠，考虑到区域的整体相干情况，解缠阈值设置为0.12~0.15；选取控制点进行轨道精炼和重去平时，尽量选择植被群落较为均一且相干性较高的区域，纠正之后的均方根误差控制在1个像元之内。DEM精度验证结果表明：L-band PALSAR更加适合利用雷达干涉测量技术提取沼泽湿地的DEM，其与1:10000地形图数据吻合度较好，76.58%的高程值差异在3m以内，波长更短的C-band Sentinel-1A和X-band TerraSAR由于在时间去相干和湿地植被生长产生的去相干效应，降低了DEM的数值精度；通过对比同一植被区相干系数值的差异，发现L-band PALSAR相干系数比其他两个波段的数据要高，更适合沼泽湿地的干涉测量；通过对比不同湿地植被类型的相干系数，发现岛状林和灌草结合的植被分布区相干系数值较大，其次是浅水沼泽植被区，最小的是深水沼泽植被区。
| [1] |
ZHANG L, WANG M H, HU J. A review of published wetland research, 1991-2008:ecological engineering and ecosystem restoration[J]. Ecological Engineering, 2010, 36(8): 973-980. DOI:10.1016/j.ecoleng.2010.04.029 |
| [2] |
KATE C F, WARREN B C, YANG Z Q. Landsat-based monitoring of annual wetland change in the Willamette Valley of Oregon, USA from 1972 to 2012[J]. Wetlands Ecology and Management, 2016, 24(1): 73-92. DOI:10.1007/s11273-015-9452-0 |
| [3] |
张树文, 颜凤芹, 于灵雪, 等. 湿地遥感研究进展[J]. 地理科学, 2013, 33(11): 1406-1412. |
| [4] |
DAVIDSON N C. How much wetland has the world lost? long-term and recent trends in global wetland area[J]. Marine and Freshwater Research, 2014, 65(10): 934-941. DOI:10.1071/MF14173 |
| [5] |
XIE Z, LIU Z, JONES J W, et al. Landscape unit based digital elevation model development for the freshwater wetlands within the Arthur C. Marshall Loxahatchee National Wildlife Refuge, Southeastern Florida[J]. Applied Geography, 2011, 31(2): 401-412. DOI:10.1016/j.apgeog.2010.10.003 |
| [6] |
LIU Z, VOLIN J C, DIANNE OWEN V, et al. Validation and ecosystem applications of the EDEN water-surface model for the Florida Everglades[J]. Ecohydrology, 2009, 2(2): 182-194. DOI:10.1002/eco.56 |
| [7] |
HARVEY J W, SCHAFFRANEK R W, NOE G B, et al. Hydroecological factors governing surface water flow on a low-gradient floodplain[J]. Water Resources Research, 2009, 45(3). |
| [8] |
张力, 袁枫. 光学航天传感器几何建模与DEM生成新进展[J]. 地理信息世界, 2009, 7(2): 53-62, 71. DOI:10.3969/j.issn.1672-1586.2009.02.010 |
| [9] |
胡德勇, 李京, 陈云浩, 等. 不同模式Radarsat影像DEM提取及精度比较[J]. 遥感技术与应用, 2006(6): 541-546. DOI:10.3969/j.issn.1004-0323.2006.06.013 |
| [10] |
LIU X. Airborne LiDAR for DEM generation:some critical issues[J]. Progress in Physical Geography, 2008, 32(1): 31-49. DOI:10.1177/0309133308089496 |
| [11] |
王志勇, 张继贤, 张永红. 从InSAR干涉测量提取DEM[J]. 测绘通报, 2007(7): 27-29, 34. DOI:10.3969/j.issn.0494-0911.2007.07.009 |
| [12] |
刘国祥, 丁晓利, 陈永奇, 等. 极具潜力的空间对地观测新技术-合成孔径雷达干涉[J]. 地球科学进展, 2000, 15(6): 734-740. DOI:10.3321/j.issn:1001-8166.2000.06.020 |
| [13] |
张有军, 岳顺. InSAR技术提取DEM及其精度分析[J]. 勘察科学与技术, 2017(5): 23-26. |
| [14] |
WDOWINSKI S, KIM S W, AMELUNG F, et al. Space-based detection of wetlands' surface water level changes from L-band SAR interferometry[J]. Remote Sensing of Environment, 2008, 112(3): 681-696. DOI:10.1016/j.rse.2007.06.008 |
| [15] |
谢酬, 邵芸, 方亮, 等. 差分干涉测量黄河三角洲天然湿地水位变化研究[J]. 湿地科学, 2012, 10(3): 257-262. DOI:10.3969/j.issn.1672-5948.2012.03.001 |
| [16] |
刘国祥, 丁晓利, 李志林, 等. InSAR DEM的质量评价[J]. 遥感信息, 2000(4): 7-10, 96. DOI:10.3969/j.issn.1000-3177.2000.04.002 |
| [17] |
SEFERCIK U G, YASTIKLI N, DANA I. DEM extraction in urban areas using high-resolution TerraSAR-X imagery[J]. Journal of the Indian Society of Remote Sensing, 2014, 42(2): 279-290. DOI:10.1007/s12524-013-0317-9 |
| [18] |
GATELLI F, GUAMIERI A M, PARIZZI F, et al. The wavenumber shift in SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 1994, 32(4): 855-865. DOI:10.1109/36.298013 |
| [19] |
RABUS B, EINEDER M, ROTH A, et al. The shuttle radar topography mission-a new class of digital elevation models acquired by spaceborne radar[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2003, 57(4): 241-262. DOI:10.1016/S0924-2716(02)00124-7 |
| [20] |
LI Z, BETHEL J. Image coregistration in SAR interferometry[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2008, 37: 433-438. DOI:10.1007/s12524-015-0495-8 |
| [21] |
GOLDSTEIN R M, WERNER C L. Radar interferogram filtering for geophysical applications[J]. Geophysical Research Letters, 1998, 25(21): 4035-4038. DOI:10.1029/1998GL900033 |