2. 吉林大学地球科学学院, 长春 130061
2. College of Earth Sciences, Jilin University, Changchun 130061, China
0 引言
古河道是指河流改道之后废弃的河道,其形成受到构造运动、风沙活动、滑坡、崩塌等自然条件或拦河筑坝、截弯取直等人为因素的影响[1]。如何有效探测松嫩平原古河道,对于重建松嫩平原的古水文网络,研究松嫩平原古水文、古气候、古生态环境方面有着重要意义。
传统利用遥感技术探测古河道方法分为两种。一是利用光学影像,通过解译光学影像上在水系变迁过程中受侵蚀和堆积作用而形成的特殊的微地貌,进而提取古河道信息。张配等[2]利用Landsat TM、Sentinel-2A等多源遥感数据,在建立古河道解译标志的基础上,完成了对松辽平原中部地区古河道的解译。贺秋华等[3]结合历史地形图及遥感影像,分析了下荆江古河道演变特征并重塑了其400多年以来的变迁过程。二是利用合成孔径雷达(SAR)数据,根据微波的穿透探测性能,通过研究古河道与周边区域的后向散射系数差异提取古河道信息。McCauley等[4]利用SIR-A数据发现了位于撒哈拉沙漠东部的一系列埋藏古河道,开创了利用SAR数据探测古河道的先河。郭华东等[5]利用机载、星载SAR数据以及Landsat影像,识别出了阿拉善高原风沙覆盖下的古河道与古湖盆。前人在利用SAR数据探测古河道时,研究区域都选择在了干旱荒漠地区,而且仅基于雷达波在古河道与周边区域回波强弱不同而导致的后向散射系数图像上的色调差异来提取古河道信息,并未对古河道的散射特征进行深入的分析。
随着目前极化SAR系统的发展,极化SAR数据记录的地物散射特征信息也随之丰富。相比于单极化SAR数据,极化SAR数据以散射矩阵的形式记录了地物的后向散射信息,从而全面提高了识别地物散射特征的能力。极化SAR数据分为两种模式:双极化模式以及全极化模式。全极化模式相比于双极化模式具有更好识别地物散射机制的优点,但同时也存在着数据获取成本大、不易获取的问题;因此在无法获取全极化数据的情况下,选取双极化数据开展相关研究是最为理想的方式。
H/α分解技术由Cloud等[6]针对全极化数据提出。由于通过H/α分解技术得到的参数散射熵H与散射角α可以表征地物的随机散射机制,目前H/α分解技术已被广泛应用于地物分类、地物识别等领域。李坤等[7]利用Radarsat-2全极化数据,基于H/α分解技术,以贵州高原丘陵为研究区,确定了水稻的散射机制是以二面角散射和植被散射为主,通过对比发现水稻散射机制与森林、水体、城市等其他地物的散射机制存在明显差异,最终证明了依据水稻散射特征提取水稻信息的可行性。张晰等[8]以渤海海冰为例,通过对Radarsat-2影像进行H/α分解、Freeman三分量分解等极化分解处理,得到了散射熵、偶次散射分量等极化参数,结合二叉树思想对海冰影像进行分类,结果发现通过H/α分解得到的极化参数可用于区分灰冰和灰白冰。为了更好地应用双极化SAR数据,相关研究者已经提出了针对不同双极化模式的H/α分解方法[9-10],但其中缺少对Sentinel-1 VV-VH双极化数据在H/α极化分解应用方面的研究。
为了深入探究古河道的散射特征以及Sentinel-1双极化数据是否在H/α极化分解应用方面存在一定的使用价值,本研究通过对Sentinel-1(VV-VH)双极化数据进行VV-VH模式下的H/α分解,在深入分析雷达波在古河道散射机理的基础上,确定了雷达波在古河道区域所发生的散射机制,结合Sentinel-2影像,对松嫩平原内古河道信息进行了提取。
1 研究区概况第四纪以来,太平洋板块和东北亚板块的相对南北向扭动导致长岭隆起带从更新世晚期逐渐抬升形成松辽分水岭[11],使原先的松辽水系一分为二,形成了如今的北部松嫩水系及南部的辽河水系。除此之外,自第四纪以来松辽平原气候发生过多次干冷与温暖的波动,导致旱涝频发,河流堆积和侵蚀作用交替发生。再加之,自晚更新世以来松辽平原风沙活动频繁,沙丘的形成和不断移动导致河道堵塞[12]。由于上述因素的综合影响,松辽平原上河流自第四纪以来频繁改道,造成了如今松辽平原上牛轭湖、湖泡沼泽群星罗棋布的现状。
本研究选取古河道发育良好的松嫩平原西部地区作为研究区域,位于松原市西北部、白城市东部、大庆市西南部,地理位置处于123°16′E—124°57′E,45°04′N—46°25′N之间(图 1),研究区属于温带季风气候,区内主要干流有嫩江、松花江、第二松花江,地貌类型属于松嫩冲积平原,平均海拔处于120~200 m之间。
2 数据源以及研究方法 2.1 数据源 2.1.1 SAR数据源Sentinel-1系列卫星由欧洲航天局(ESA)发射,由A、B两颗卫星星座组成,均搭载C波段合成孔径雷达传感器。其共有4种工作模式:条带(strip map, SM)模式、超宽幅(extra wide swath, EW)模式、宽幅干涉(interferometric wide swath, IW)模式和波(wave, WV)模式。其中,IW模式具有空间分辨率高(5 m×20 m)以及覆盖范围大(250 km)的优势。提供下载的覆盖研究区数据产品级别有Level-0原始数据、Level-1单视复数型(single look complex,SLC)以及地距型(ground range detected,GRD)数据。Level-1级别数据相对于Level-0级别数据已经过聚焦处理。
本研究采用了Sentinel-1B卫星双极化(VV-VH)、IW模式、Level-1级别SLC影像作为数据源,时相选择在低植被覆盖度的2019年1月。
2.1.2 光学数据源本研究的光学数据源采用了Sentinel-2B数据以及Landsat TM数据。
Sentinel-2B数据主要用于与Sentinel-1数据进行双极化H/α分解之后的结果进行对比,剔除干扰地物影响,进而提取古河道信息。时相选取了植被覆盖度低的2019年11月份。在光谱彩色合成图像时采用了Sentinel-2B数据的B12、B8、B2波段,将其空间分辨率重采样为10 m。
同时采用了1988年11月份的Landsat TM影像,用于对所提取的部分古河道信息进行验证。在光谱彩色合成图像时采用了TM数据的B5、B4、B3波段,空间分辨率为30 m。
2.2 数据处理本研究以SNAP软件为平台,对获取的Sentinel-1B数据依次进行了辐射定标、滤波处理、地理编码等预处理,并将其空间分辨率重采样为10 m×10 m。
滤波处理时,为了在去除相干噪声的同时保留图像边缘信息和极化信息,通过定量分析滤波处理前后图像的平均值、标准差、等效视数(ENL)及边缘保持系数(ESI)(表 1)来选择最适合的滤波算法进行滤波处理。
滤波算法 | 滤波处理前后图像 | 等效视数 | 边缘保持系数 | |
平均值 | 标准差 | |||
原始图像 | 39.250 5 | 52.698 8 | 1.540 6 | 1.000 0 |
Lee滤波 | 55.430 4 | 52.336 7 | 3.072 5 | 0.594 0 |
Frost滤波 | 56.467 7 | 54.246 0 | 3.188 6 | 0.834 2 |
Gamma Map滤波 | 55.393 1 | 52.323 8 | 3.068 4 | 0.594 2 |
增强型Lee滤波 | 69.681 9 | 58.451 9 | 4.855 6 | 0.649 9 |
Lee Sigma滤波 | 57.715 7 | 49.065 0 | 3.331 1 | 0.410 2 |
根据表 1可以看出,没有一种滤波算法既能最佳地平滑斑点噪声又能良好地保持图像的边缘信息。边缘保持系数反映了处理后滤波算法对图像边缘信息的保持能力,边缘保持系数越高则表明滤波算法对图像的边缘保持能力越好[13],边缘保持系数较低的滤波算法在滤波处理过程中会对图像的极化信息有较大破坏。由于在后续处理中涉及到了极化分解,因此本文选取了滤波处理之后边缘保持系数最高的Frost滤波进行滤波处理。
2.3 研究方法 2.3.1 微波穿透能力分析微波属于电磁波的一种,微波信号不仅能反映地表信息,在地表介质颗粒小、介质厚度小、气候干燥的条件下[14],微波还能对有些介质进行穿透,进而探测到次地表信息。在干旱—半干旱区,传感器发射电磁波到达地面后,从电磁波传输角度而言,会发生以下3种情况:①在地表发生反射;②被地物吸收;③穿透地表介质覆盖(干燥沙、土)至次地表[15]。
穿透深度可定义为,电磁波在有损介质中传播,当电场强度衰减至1/e时,电磁波在介质中的深度:
式中:δp为穿透深度;λ为波长;εr为复介电常数的实部;εi为复介电常数的虚部。可见,穿透深度与入射波波长、目标地物复介电常数有关。
首先,松嫩平原干旱—半干旱的气候条件符合穿透探测的理论条件。其次,古河道一般具有“下粗上细”的二元结构[16],即底层为直径介于几厘米到几十厘米之间的卵石,上层为粗砂至粉细砂这些古河道松散沉积物,其地表介质符合穿透探测的理论条件。因此,对于松嫩平原中上覆沉积物厚度小的古河道,在理论上,Sentinel-1系列卫星可以穿透表层介质,获取到隐伏的次地表信息。
2.3.2 H/α分解原理与全极化模式下的散射矩阵不同,由于在VV-VH双极化模式下,SAR系统仅有两个极化通道,在VV-VH模式下,散射矩阵描述为
式中:SVH为垂直极化方式发射、水平极化方式接收的后向散射系数;SVV为水平极化方式发射、水平极化方式接收的后向散射系数。
为了利于提取目标信息,通常将极化散射矩阵矢量化。可用Pauli基将散射矩阵展开,得到散射矢量k:
式中,j为虚数单位。k对应的相干矩阵可定义为
在实际处理中,常采用多视处理来抑制斑点噪声及减少数据量。经过多视处理之后的VV-VH双极化模式相干矩阵可表示为
式中:L为视数;ki为第i个散射矢量。双极化模式下,相干矩阵是二维的。
H/α分解的中心思想就是将目标的相干矩阵分解为不同散射机制的特征矢量及其对应的特征值。对2×2的TVV-VH
进行特征分解:
式中:λi为TVV-VH的特征值;ui为TVV-VH的特征矢量。
式中:αi为目标散射角;βi为目标方位角;φi表示目标绝对相位;δi表示目标相对相位。
与全极化模式下定义类似,双极化模式下α、H可定义为:
其中:
α的取值范围为[0°, 90°],是用于识别主散射机制的关键参数。H取值范围为[0, 1],其值从低到高的变化描述了目标散射过程的随机性,具体表现为:H值较低时表明只有一种散射机制占优;H值较高时则表明有2种以上的主要散射机制,在研究目标的散射机制时应该综合考虑多种散射机制[17]。
在VV-VH双极化模式下,通过H/α分解方式得到的H和α同样可以用于描述地物的散射特征。考虑到(H, α)的极限分布,将双极化模式下H/α平面的有效边界修正为:
式中:T1表示有效边界曲线1;T2表示有效边界曲线2;m为边界参数。
通过修正的VV-VH双极化模式下的H/α分解,构建了H/α平面,如图 2所示。可以看出,在VV-VH双极化模式下,H/α平面的有效边界曲线1、2关于α=45°对称,与式(11)、式(12)的对称形式一致。
2.3.3 古河道散射特征分析古河道区域在后向散射系数图像上表现为暗色调的辫状、树枝状河道;这是由于雷达波在古河道充填沉积物中发生的体散射比在周边区域较粗糙物质中发生的二次散射弱。但古河道区域的后向散射系数不为0,这说明雷达波在古河道底层的粗糙卵石层中也发生了二次散射。因此对于古河道而言,其散射特征可以简单地用图 3来表示。
雷达波在古河道区域发生的是体散射与二次散射,此时可以通过H和α判定这两种散射机制的功率之间的关系无非有两种情况,体散射大于二次散射,二次散射大于体散射。若是二次散射大于体散射的情况,此时在后向散射系数图像上,古河道及周边区域发生的散射机制均是以二次散射为主,古河道区域将不会与周边区域形成明显的差异。因此,雷达波在古河道区域发生的散射机制功率之间的关系为体散射大于二次散射。
在H/α平面中,高熵反映了地物散射机制是多种散射机制的综合贡献,而α从0°到90°的变化代表了地物主散射机制从表面散射到体散射再到二次散射的连续变化。雷达波在古河道区域有两种散射机制发生代表熵值为高熵;再加之古河道区域体散射机制功率大于二次散射,可以判定古河道区域的散射机制在H/α平面中属于高熵多次散射,其范围为H∈[0.94, 1.00],α∈[53.8°, 55.0°][10](图 2)。
2.3.4 古河道信息提取方法通过构建VV-VH双极化模式下H/α平面,将散射机制属于高熵多次散射的地物分离出来,得到了研究区内的高熵多次散射分量图,如图 4所示。
由于干扰因素的影响,如果仅仅利用高熵多次散射分量图提取古河道信息,将会增大提取难度,降低提取精度。干扰因素由以下两个原因导致:第一,相比于全极化数据,由于数据限制,双极化模式下的H/α分解存在一定的局限性,势必会对地物散射机制造成一定程度的误分;第二,高熵多次散射分量图中并不只包含古河道信息,同时也包含了地物散射机制同样为高熵多次散射的地物信息。
因此,需要结合Sentinel-2影像,对研究区内产生干扰的地物进行剔除。如水体等散射机制明显不是高熵多次散射的地物,以及现代嫩江河漫滩等散射机制虽为高熵多次散射但不属于古河道的地物。只有在剔除干扰地物影响后,方可降低提取难度进而提高提取精度。
古河道信息提取流程图如图 5所示。首先,利用高熵多次散射分量图确定散射机制以高熵多次散射为主的5处区域(图 4),并将这5处区域作为研究区内古河道存在的范围。由于这5处区域范围很难用规则图形划定,因此利用了特定的图标来表示。然后,结合Sentinel-2影像,对研究区内干扰地物进行剔除。最终,依据古河道特征,对研究区内古河道信息实现有效提取。
3 古河道提取结果依据古河道特征提取古河道信息时,需要同时结合古河道散射机制特征以及古河道光学影像特征。古河道散射机制特征即古河道散射机制为高熵多次散射,古河道光学影像特征即古河道光学影像解译标志。
在光学影像上,古河道一般难以用直接标志判别,通常是通过间接的解译标志确定。由于古河床地势低洼,地下水埋藏浅,在松嫩平原这个蒸发量大于降水量的干旱—半干旱区,沿古河道会有条带状盐碱地的出现。除以之外,自晚更新世以来,松辽分水岭不断抬升,在分水岭以北,嫩江、松花江、洮儿河等河流改道遗弃河床积水形成了众多湖泡,这些湖泡多按串联状的曲线或者直线分布,反映了古河道的位置与形态[18],甚至在某些地方有带状的沼泽地出现。因此这些特征均可以作为古河道的光学影像解译标志(表 2)。
由于湖泡的散射机制并不为高熵多次散射,导致了其在高熵多次散射分量图中无明显显示,因此在提取以串联状湖泡形式出现的古河道信息时,应在Sentinel-2影像上对其进行提取。提取以乳白色带状盐渍化土地、带状沼泽地形式出现的古河道信息时,在剔除干扰地物影响后,利用高熵多次散射分量图对其进行提取。
根据上述古河道信息提取方法,提取出了研究区内的古河道信息(图 6)。按照所划定的古河道存在范围,将所提取的古河道标记为P1、P2、P3、P4、P5。其中P1、P2、P3古河道位于现代嫩江西部,P4、P5位于现代嫩江东部。
观察提取结果发现,得到的古河道分布特征是非连续性的。究其原因:第一,古河道区域相比于周边区域具有雨季蓄水以及旱季回灌的优势,古河道区域就成为了干旱—半干旱区兴建农田设施时的优良选址区域,所以松嫩平原上大部分古河道已被改造成了耕地[19],这就导致了这些被改造的古河道区域的散射机制发生了变化;第二,某些古河道形成时间较早,被上覆沉积物掩埋较深或被侵蚀严重,这就导致了这些古河道在高熵多次散射分量图以及Sentinel-2影像中痕迹不明显,难以进行提取。
4 提取结果分析与验证对于所提取出的古河道信息,通过以下3种方式进行分析与验证。
1) 利用1988年获取的Landsat TM影像进行分析与验证。
在提取过程中,发现了3处区域N1、N2、N3(图 6),它们在Sentinel-2影像并没有任何古河道特征,然而在高熵多次散射分量图上却有着明显的显示(表 3)。
为探究产生这种现象的原因,对比了这3处区域的Sentinel-2影像以及Landsat TM影像。由表 3可见,这3处区域在Sentinel-2影像上虽无明显的古河道特征,但在Landsat TM影像上地表尚存在大量串联状的湖泡;表明这3处区域为河流改道所遗留下来的古河道。由于其形成时间晚,上覆沉积物厚度小,雷达波穿透地表探测到了隐伏的古河道信息,因此这3处区域才在高熵多次散射分量图中有着如此明显的显示。同时也侧面证明,Sentinel-1双极化数据在H/α分解应用方面有着一定的使用价值。
2) 通过收集前人研究资料进行验证。
朱巍、马建平等[20-21]的研究提出嫩江从更新世晚期到全新世发生了4次改道。其中:第三次改道基本平行于现代嫩江河道,由富裕向南经塔哈、扎龙屯、他拉红泡,最终在肇源县附近汇入松花江;第四次改道则是自讷谟尔河口,经齐齐哈尔、泰来县、月亮泡、查干湖,大致呈南北走向稍向西凸,于松原市长山镇附近与现代嫩江相连(图 7)。自泰来县江桥起至松原长山镇段古河道又称为大安古河道。
对比提取结果发现,古河道P1、P2、P3属于嫩江第四次改道所遗留下来的古河道,P4、P5则属于嫩江第三次改道所遗留下来的古河道。
3) 通过收集钻孔资料数据进行验证。
裘善文等[22]通过收集松辽平原北部500多个钻孔资料,证明了松辽平原在早、中更新世时存在一个古大湖,并确定了这个古大湖边界。其中,莫莫格XY2钻孔(45°56′53.15″N,123°37′35.78″E)显示该处中更新世地层岩性为灰黑色淤泥质亚砂土和亚黏土,矿物组合反映出该时期松嫩平原正处于温暖湿润的大湖时期。大安CAD01钻孔(45°26′17.63″N,123°23′33.66″E)岩心样品的孢粉分析结果显示[22],在泥炭层中出现了大量水生植物花粉,反映出该处在1.35 Ma B. P.早更新世时期处于水体环境,且湖泊沼泽广泛分布;黏土层中还出现大量淡水环境中生活的水生生物化石。以上钻孔分析数据均与本研究所提取出的古河道信息高度契合。
通过这3种方式对本研究提取的古河道信息进行验证后发现,通过结合VV-VH双极化模式下的H/α分解方式以及Sentinel-2光学影像可以有效地提取研究区内的古河道信息,并且VV-VH双极化模式下的H/α分解方式还可以提取Sentinel-2影像上无明显特征的古河道信息。
5 结论与展望1) 雷达波在古河道区域会发生在古河道充填沉积物中的体散射以及在河床底界面上的二次散射,其中体散射功率大于二次散射功率。
2) 古河道信息会出现在VV-VH双极化模式下H/α分解后得到的高熵多次散射分量图之中。
3) VV-VH双极化模式下的H/α分解技术具有一定区分高熵及低熵散射的能力。
4) Sentinel-1双极化数据在H/α分解相关应用方面有一定的使用价值,在无法获取全极化数据情况下可以作为较为理想的一种数据源选择。
5) 结合VV-VH双极化模式下的H/α分解方式以及Sentienl-2光学影像,可以有效地提取松嫩平原上的古河道,并且VV-VH双极化模式下的H/α分解方式还可以提取Sentinel-2影像上无明显特征的古河道信息。利用H/α分解方式对古河道信息提取是对于传统遥感探测古河道方式的有效补充。
由于双极化数据的限制,导致对地物散射机制造成了一定程度的误分,因而,通过高熵多次散射分量图并未能直接提取出古河道信息。因此,下一步研究重点应放在利用全极化数据是否可以通过H/α分解方式直接对古河道信息进行提取。
[1] |
吴忱. 论"古河道学"的研究对象、内容与方法[J]. 地理学与国土研究, 2002, 18(4): 82-85. Wu Chen. The Object, Content and Methods of Studying Cultural "Ancient River Science"[J]. Geography and Geo-Information Science, 2002, 18(4): 82-85. |
[2] |
张配, 姜琦刚, 刘正宏, 等. 基于多源遥感数据的松辽平原中部古水系研究[J]. 世界地质, 2019, 38(4): 1099-1110. Zhang Pei, Jiang Qigang, Liu Zhenghong, et al. Study of Palaeo-Water System in Central Songliao Plain Based on Multi-Source Remote Sensing Data[J]. Global Geology, 2019, 38(4): 1099-1110. |
[3] |
He Qiuhua, Yu Deqing, Wang Lunche, et al. The Evolution Process and Characteristics of Lower Jingjiang Paleo-Channel in Recent 400 Years[J]. Earth Science, 2020, 45(6): 1928-1936. |
[4] |
McCauley J F, Schaber G G. Subsurface Valleys and Geoarcheology of the Eastern Sahara Revealed by Shuttle Radar[J]. Science, 1982, 218(3): 1004-1020. |
[5] |
郭华东, 刘浩, 王心源. 航天成像雷达对阿拉善高原次地表古水系探测与古环境分析[J]. 中国科学:D辑, 2000, 30(1): 88-96. Guo Huadong, Liu Hao, Wang Xinyuan. Space Radar Imaging Detection and Paleoenvironmental Analysis of Subsurface Ancient River System in Alxa Plateau[J]. Science in China:Series D, 2000, 30(1): 88-96. |
[6] |
Cloude S R, Pottier E. An Entropy Based Classification Scheme for Land Applications of Polarimetric SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(1): 68-78. |
[7] |
李坤, 邵芸, 张风丽. 基于RadarSat-2全极化数据的水稻识别[J]. 遥感技术与应用, 2012, 27(1): 86-93. Li Kun, Shao Yun, Zhang Fengli. Extraction of Rice Based on Quad-Polarization RadarSat-2 Data[J]. Remote Sensing Technology and Application, 2012, 27(1): 86-93. |
[8] |
张晰, 张杰, 孟俊敏, 等. 基于极化散射特征的极化合成孔径雷达海冰分类方法研究:以渤海海冰分类为例[J]. 海洋学报, 2013, 35(5): 95-101. Zhang Xi, Zhang Jie, Meng Junmin, et al. Polarimetric Scattering Characteristics Based Sea Ice Types Classification by Polarimetric Synthetic Aperture Radar:Taking Sea Ice in the Bohai Sea for Example[J]. Acta Oceanologica Sinica, 2013, 35(5): 95-101. |
[9] |
吴永辉.极化SAR图像分类技术研究[D].长沙: 国防科学技术大学, 2007. Wu Yonghui. Classification of Polarimetric SAR Images[D]. Changsha: National University of Defense Technology, 2007. |
[10] |
Ji K F, Wu Y H. Scattering Mechanism Extraction by a Modified Cloude-Pottier Decomposition for Dual Polarization SAR[J]. Remote Sensing, 2015, 7(6): 7447-7470. |
[11] |
姜琦刚, 刘占声, 邱凤民. 松辽平原中西部地区生态环境逐渐恶化的地学机理[J]. 吉林大学学报(地球科学版), 2004, 34(3): 430-434. Jiang Qigang, Liu Zhansheng, Qiu Fengmin. The Geological Mechanism of Eco-Environment Deterioration in the Middle-West Region, Songliao Plain[J]. Journal of Jilin University (Earth Science Edition), 2004, 34(3): 430-434. |
[12] |
姜琦刚, 贾大成, 李远华, 等. 东北地区生态地质环境遥感监测[M]. 北京: 地质出版社, 2013: 237-240. Jiang Qigang, Jia Dacheng, Li Yuanhua, et al. Remote Sensing Monitoring of Ecological and Geological Environment in Northeastern of China[M]. Beijing: Geological Publishing House, 2013: 237-240. |
[13] |
黄世奇, 刘代志. SAR图像斑点噪声抑制方法与应用研究[J]. 测绘学报, 2006, 35(3): 245-250. Huang Shiqi, Liu Daizhi. Research on Method and Application of Speckle Noise Reduction of SAR Image[J]. Acta Geodaetica et Cartographica Sinica, 2006, 35(3): 245-250. |
[14] |
郭华东. 雷达对地观测理论与应用[M]. 北京: 科学出版社, 2000. Guo Huadong. Theory and Application of Radar for Earth Observation[M]. Beijing: Science Press, 2000. |
[15] |
王心源, 刘浩. 雷达遥感穿透次地表获取残存信息分析[J]. 安徽师范大学学报(自然科学版), 2001, 24(1): 57-59. Wang Xinyuan, Liu Hao. On Radar Wave's Penetration and Acquiring Subsurface Remained Information[J]. Journal of Anhui Normal University (Natural Science), 2001, 24(1): 57-59. |
[16] |
孙仲明. 古河道的类别、成因与研究意义[J]. 灌溉排水, 1984, 3(2): 44-47. Sun Zhongming. The Classification, Origin and Significance of Paleochannels[J]. Journal of Irrigation and Drainage, 1984, 3(2): 44-47. |
[17] |
郎丰铠, 杨杰, 赵伶俐. 基于Freeman散射熵和各向异性度的极化SAR影像分类算法研究[J]. 测绘学报, 2012, 41(4): 556-562. Lang Fengkai, Yang Jie, Zhao Lingli. Polarimetric SAR Data Classification with Freeman Entropy and Anisotropy Analysis[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(4): 556-562. |
[18] |
杨国东.应用遥感和三维图像研究查证吉林省西部地表水系变迁及其对生态环境的影响[D].长春: 吉林大学, 2004. Yang Guodong. Research and Verification on Ground Water Variance in West Jilin and Its Influence on the Environment by Use of Remote Sensing and 3D Images[D]. Changchun: Jilin University, 2004. |
[19] |
孙广友, 王海霞. 松嫩平原盐碱地大规模开发的前期研究、灌区格局与风险控制[J]. 资源科学, 2016, 38(3): 407-413. Sun Guangyou, Wang Haixia. Large Scale Development to Saline-Alkali Soil and Risk Control for the Songnen Plain[J]. Resources Science, 2016, 38(3): 407-413. |
[20] |
朱巍, 唐雯, 都基众. 嫩江流域古河道的形成与演化[J]. 地下水, 2013, 35(2): 85-86. Zhu Wei, Tang Wen, Dou Jizhong. Formation and Evolution of Paleochannels in Nen River Basin[J]. Ground Water, 2013, 35(2): 85-86. |
[21] |
马建平. 嫩江下游右岸大安古河道的形成与演化[J]. 地理科学, 1994, 14(2): 194-196. Ma Jianping. Formation and Evolution of the Da'an Paleochannel on the Right Bank of the Lower Nen River[J]. Scientia Geographica Sinica, 1994, 14(2): 194-196. |
[22] |
裘善文, 王锡魁, 张淑芹, 等. 松辽平原古大湖演变及其平原的形成[J]. 第四纪研究, 2012, 32(5): 1011-1021. Qiu Shanwen, Wang Xikui, Zhang Shuqin, et al. The Evolution of the Large Paleolake in Songliao Plain and Its Formation[J]. Quaternary Sciences, 2012, 32(5): 1011-1021. |