InSAR特征点分布与土地用途的关系研究

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