作 者 信 息
祁宏昌1,张 滔1,刘智勇1,潘屹峰2,关顺天3,陈佳炜4,吴希文4,5
(1. 广东电网有限责任公司 广州供电局,广东 广州 510630;2. 中科云图科技有限公司,广东 广州 510030;3. 广州地理研究所,广东 广州 510030;4. 广东工业大学 土木与交通工程学院,广东 广州 511400;5. 广东工业大学 环境生态工程研究院大湾区城市环境安全与绿色发展教育部重点实验室,广东 广州 510006)
【摘要】本文以广州为研究区域,选取72景具有两种极化模式(VV&VH)数据的Sentinel-1A卫星影像,获取区域内的永久性散射体(Permanent Scatterer, PS)和分布式散射体(Distributed Scatterer, DS),并结合Landsat-8卫星影像的土地利用类型分类结果,研究广州市的土地利用类型分布与PS点、DS点分布之间的关系。实验结果表明:(1)广州不同地区的土地利用程度存在差异,区域间发展不平衡且相差较大;(2)PS点和DS点在人工建筑物密集的建筑用地分布密集,在植被覆盖的区域分布稀疏,可以通过这一特点对研究区域土地利用类型进行初步确定并对土地类型分类结果是否正确进行判定;(3)采用VV极化模式数据的实验结果要优于采用VH极化模式。
【关键词】Sentinel-1A;永久性散射体;分布式散射体;土地利用类型
【中图分类号】TP79 【文献标识码】A 【文章编号】1672-1586(2021)03-0080-04
引文格式:祁宏昌,张 滔,刘智勇,等. InSAR特征点分布与土地用途的关系研究[J].地理信息世界,2021,28(3):80-83.
正文
0 引 言
合成孔径雷达干涉测量技术(Synthetic Aperture Radar Interferometry,InSAR)是一种利用微波波段特性进行相干成像的技术,具有监测范围广、精度高、分辨率高、无需地面观测站及影像数据获取途径多样的特点。随着InSAR技术的发展,出现了差分合成孔径雷达干涉测量技术(Differential Synthetic Aperture Radar Interferometry, D-InSAR)。D-InSAR技术以其能够监测由于地面人为活动、地壳运动、地下资源开采等而引起的地表形变,逐渐成为大地测量的研究重点。但由于受到大气条件变化、地表覆被等时空去相干的影响,其精度和普适性受到极大限制。因此,基于D-InSAR发展起来的时序InSAR成了现今InSAR技术的研究热点,如永久散射体(Persistent Scatterer Interferometry,PSI)技术、小基线集(Small Baseline Subsets InSAR, SBAS-InSAR)技术和分布式散射体(Distributed Scatterer InSAR, DS-InSAR)技术等。Ferretti等在2000年首次提出永久散射体干涉测量技术(Permanent Scatterer InSAR,PS-InSAR),该技术以多景SAR图像中散射特性稳定的高相干点为研究对象,经过一系列的时空误差剔除,成功获取长时间序列的大范围地面形变缓慢的演化过程。Ferretti等将处理的理论流程进行了专利注册。Berardino等在2002年提出利用SBAS-InSAR技术这一概念,该技术采用时空基线较短原则生成多景干涉图,以最大程度保留研究区的相干性,并通过时空滤波及奇异值分解法获取研究区的最终沉降信息。2011年Ferretti等提出第二代永久散射体技术SqueeSAR,类似于Hooper等提出的StaMPS (Standford Method for PS)方法,以解决PSI技术在郊区可能出现的PS点较少的问题。由于将DS点融入传统PS-InSAR技术能够提高观测密度和改善观测精度,因此后续研究的方向转向了PS点与DS点的混合算法。在PS点及DS点识别方面,已经有研究人员做了大量的工作,但是对于土地用途与InSAR特征点分布的关系研究相对较少。
本文实验利用InSAR数据处理软件GEOS-ATSA选取Sentinel-1A影像进行测区PS点与DS点的获取,得到测区总体的特征点分布情况。然后利用不同波段对地物的敏感性不同,对Landsat-8光学影像进行监督分类,分类识别研究区域的土地用途。最终将PS、DS点叠加至研究区域的地物分类结果进行分析。
1 研究区域及数据源
广州市是广东省省会、国家历史文化名城、国家中心城市、国际商贸中心和综合交通枢纽。广州城市总面积7434.4 km²,市辖行政区共11个,各个区的发展不均衡,经济总量相差很大,对土地资源的利用状况也各不相同。本文以广州市为研究区域,选取覆盖研究区域的Sentinel-1A卫星影像和Landsat-8卫星影像,结合数字高程模型(Digital Elevation Model, DEM)来分析PS及DS点在不同土地用途下的分布情况,其中DEM数据源采用SRTM的DEM模型,光学影像数据源为美国航空航天局的Landsat-8陆地卫星轨道为122-043及122-044的遥感影像,其获取时间为2019年11月14日。实验所用的Sentinel-1A影像数据的参数(表1)。
表1 雷达卫星数据参数
Tab. 1 Radar satellite data parameters
2 数据处理流程
2.1 土地利用类型分类
本文采用ENVI软件5.3.1版本对遥感影像进行土地利用类型分类(图1)。在进行土地利用分类前需要对影像进行辐射定标、大气校正、影像镶嵌和裁剪、图像增强处理。图像处理完成后,依据《土地利用现状分类标准(GBT 21010-2007)》,结合广东省自然资源厅公布的广州市土地利用分类统计情况,将研究区域土地类型划分为耕地、草地、林地、建筑用地、水体、未利用地等6类。然后根据地物种类,利用支持向量机的监督分类算法对影像数据进行分类,并对分类结果进行主成分分析。最后对分类结果进行精度评定,结果显示总体分类精度达到了97.7%。
图1 土地利用类型分类流程图
Fig. 1 Flow chart of land use classification
2.2 PS、DS特征点获取
实验通过InSAR数据处理软件GEOS-ATSA对Sentinel-1A影像进行研究区域的PS、DS特征点的获取。首先将Sentinel-1A卫星影像进行配准等预处理,再导入DEM以消除地形相位,最后形成差分干涉图。在图像中分别选取振幅离差指数小于0.25和拟合优度大于0.4的像素点作为PS和DS候选点,以所选的PS和DS候选点为参考点建立参考网络并对参考网络中的弧段进行参数估计。在参数估计完成后,删除参考网络中存在的错误弧段和点,形成多个单独网络。选取最大的单独网络作为新的参考网络进行空间整合。将参考网络中的点作为参考点,并以参考网络外像素点的稳定性及其与参考点的距离作为评判依据,对新的参考点进行选取并纳入参考网络,经过多次选取最终获得研究区域的PS和DS特征点(图2)。
图2 PS、DS特征点获取流程图
Fig. 2 Flow chart of Acquisition of PS and DS feature points
3 分析研究
3.1 土地利用分类结果
本次实验选取的研究区域面积为7935 422m²,经过土地分类后得到各类土地的面积(表2)。分类结果显示,研究区域中林地和建筑用地的面积占比分别为51.21%和25.62%;水体和耕地的面积占比分别为10.54%和10.32%;未利用土地的面积占比为1.82%;草地占比最小为0.49%。从研究区域的土地利用类型分布看出,建筑用地主要分布在广州西部、南部和中部的越秀区、天河区、番禺区、海珠区、荔湾区和白云区;林地和草地主要分布在广州东部的增城区和北部的从化区和花都区;耕地主要分布在广州西部的花都区和最南部的南沙区,同时少量分布在广州西部的增城区;未利用地主要位于广州北部的从化区和东部的增城区;水体主要集中分布在广州的南部(图3)。土地分类结果显示广州各行政区在土地利用的程度上存在明显差异,这表明广州市行政区之间城市化进程不一。同时建筑用地集中分布在研究区域中较为发达地区,这可以看出研究区域内发展不平衡且相差较大。
表2 研究区域土地类型及面积
Tab. 2 Land type and area of the study region
图3 利用Landsat-8土地分类的结果
Fig. 3 Results of land classification using Landsat-8
3.2 InSAR特征点分布结果
经过GEOS-ATSA软件处理后,VH和VV极化模式下获取的PS点数量分别为342150和440328、DS点数量分别为1356448和1883660。由此可见,采用VV极化数据的效果要优于VH极化数据。
从PS点和DS点在研究区域的分布情况可以看出,两种极化模式的数据处理获得的PS点和DS点的分布情况相似,主要集中分布在研究区域的西部、南部和中部,少部分稀疏分布于研究区域的北部和东部。在土地利用类型的分布方面,大部分PS点和DS点分布在建筑用地上(图4)。
图4 Sentinel-1A卫星影像处理获得的PS点和DS点分布图
Fig. 4 Distribution of PS points and DS points obtained by Sentinel-1A satellite image processing
Sentinel-1A数据经过处理得到的PS点和DS点在研究区域内各种土地利用类型中的数量统计结果。不难发现,在相同的极化模式中,DS点的数量在研究区域内的各种土地利用类型中均多于PS点,这说明引入DS点能够有效地提高InSAR特征点的数量。同时,实验结果显示在两种极化模式下,位于建筑用地的PS点和DS点的占比均超过了90%,其余的少量PS点和DS点分布于水体、耕地和林地区域,极少部分落在草地区域(表3)。
表3 Sentinel-1A卫星影像处理获取的PS点和DS点的分类统计
Tab. 3 Classification statistics of PS points and DS points acquired by Sentinel-1A satellite image processing
结合土地利用类型的面积可以得出:建筑用地的PS点和DS点密度最高,耕地和草地的PS点和DS点密度次之,林地的PS点和DS点密度最低。这证明了InSAR相干性与植被覆盖率有关:植被覆盖率越高,相干性越低,反之,相干性越高。此外,少量PS点和DS点分布在水体区域,主要有两种原因。其一,水体中存在其他地物,如礁石、小型的人工建筑物等,这些物体往往具有较高的相干性,容易被选定为PS点和DS点;其二,在进行遥感影像监督分类过程中出现偶然误差,研究区域内的少部分其他类型的土地被错误地分类为水体,导致PS点和DS点出现在水体的假象。
4 结束语
本文采用了Landsat-8卫星影像数据对研究区域的土地类型进行监督分类,分类精度达到97.7%;同时采用Sentinel-1A卫星影像对研究区域的InSAR特征点进行获取,研究发现采用VV极化数据的效果要优于VH极化数据。
通过结合土地利用分类结果和InSAR特征点分布情况,得出InSAR特征点的分布与植被覆盖率存在较大联系,植被覆盖率高的地区,InSAR特征点分布少,反之分布多。基于InSAR的这一特性,建议可以结合InSAR特征点的分布情况对遥感影像土地分类结果进行检核,从而降低人工实地确认的成本。
作者简介:祁宏昌(1985—),男,陕西宝鸡人,高级工程师,硕士,主要从事输电线路运维管理工作
E-mail:qihc@guangdong.csg.cn
本期回顾
《地理信息世界》2021年3期速览
地理信息科学一流本科专业建设
理论研究
· 城市步行适宜性的综合评价及空间异质性——以广州市中心城区为例
创新应用