刘丽娟，吴文渊，张登荣，庞 勇，范文义，王 岩

（1．杭州师范大学遥感与地球科学研究院，浙江杭州311121；2．中国林业科学研究院资源信息研究所，北京100091；3．东北林业大学林学院，黑龙江哈尔滨150040；4．赤峰市国土资源局，内蒙古赤峰024000）

0 引 言

湿地是地球上处于水域和陆地过渡地带的特殊生态系统，在全球生态系统中扮演着重要的角色，被称为地球的“肾脏”．据湿地国际北美部1999年研究表明，占全球陆地总面积6%的湿地储存了约7 700亿吨碳，占陆地生态系统碳储量的35%，其固碳量和潜力明显高于其他生态系统．但由于种种原因，现存湿地面积在不断缩减，因此对湿地的范围、面积、地表覆盖类型等现状的调查是尤为重要的．

由于湿地内交通不便，对其资源的调查很难采用地面方式进行，卫星遥感技术以其大范围、准确、快速、周期性等优势成为湿地监测的主要研究手段．但因湿地地表覆盖类型较复杂，如水面上多有植被覆盖、水文周期内水位变化比较大等，限制了光学遥感对湿地资源调查的准确性．而合成孔径雷达（Synthetic Aperture Radar，SAR）工作在微波波段（0．1～100cm），自身发射雷达信号，接收并测量返回雷达信号的强度，不受天气影响，具有一定的穿透性［1］，能够全天候、全天时地获取数据，因此，雷达主动性探测湿地研究已成为学者们目前研究的热点．

SAR接收到的后向散射信号主要受到波长、入射角、极化方式等参数的影响，不同含水量、粗糙度的地物经过与传感器不同参数的发射信号相互作用，表现为不同的成像特征．如何利用各种雷达参数，获取特定地物的后向散射特性，从而有效区分湿地地物类型是一大难点．本文在综述前人应用SAR数据进行湿地制图的方法及进展的基础上，侧重于总结各种雷达参数对湿地地物类型分类的能力，为SAR数据的湿地制图研究提供更客观、更科学的参考依据．

1 不同波长数据的湿地制图研究

应用SAR对湿地的研究主要集中在C、L和P 3个波段．C波段波长（3．75～7．5cm）较短，其穿透能力弱于L（15～30cm）、P（30～100cm）波段，可用于识别禾本植被区湿地或稀疏森林湿地中灌丛植被及水体［2］．Castan″eda等［3］应用多时相C波段ERS数据，基于雷达信号分布的统计特性，对西班牙东北部的Monegros Saline湿地进行纹理特征的分类，并通过雷达与光学数据的融合表明雷达数据获取的景观结构特征对光学数据是个很好的补充，提高了分类精度．L、P波段穿透力强，可用于森林湿地的识别［4］．Musick等［5］在利用机载合成孔径雷达（AirSAR）对新墨西哥半干旱牧场的研究中发现，Lhv能够从灌草混合覆盖类型中有效地分离出木本灌丛，说明了L波段后向散射对干茎尺寸的敏感性．Bwangoy等［6］采用波长23．5cm的L波段JERS－1雷达数据，利用辐射传输方程，将总后向散射分解为入射信号与树冠、树干和地面相互作用的结果，并结合光学Landsat TM、ETM＋以及高程（SRTM）数据，应用多源统计监督分类法，得到了刚果盆地1986－2000年间的湿地范围图．

由于发射信号的波长不同，对地物识别的敏感性不同，针对不同湿地类型，应选择特定的波长，如以禾本植被为主的湿地选择C波段，而森林湿地选择L波段等，从而更加有效地实现湿地制图．

2 不同极化数据的湿地制图研究

极化方式也是影响雷达后向散射信号的因素之一．极化是指电磁波中电场向量的方向，一般同极化（HH或VV）比交叉极化（HV或VH）穿透植被的能力更强．Yamagata等［7］分析了C波段ERS－1（VV）和L波段JERS SAR（HH）图像对湿地植被的分类能力，图像获取时间均为湿地植被生物量最大时期．通过纹理分析法分类表明，JERS－1数据可以很好地区分两种类型的湿地泥炭沼泽（bog和fen），而ERS－1能够区分fen沼泽．Grings等［8］利用Envisat（HV、HH）和ERS－2（VV）SAR图像，对阿根廷Parana河三角洲湿地制图，并比较了湿地植被在生长周期内对不同极化方式的响应．Jones等［9］采用不同入射角和极化方式的C波段RADARSAT－1和ASAR数据，得到了开阔水面和有植被覆盖水面的湿地制图产品．廖静娟等［10］对Envisat ASAR双极化数据利用决策树分类法提取鄱阳湖湿地变化区域．研究显示，同极化比交叉极化数据具有更大的动态范围，HH极化更适合水信息的提取．徐怡波等［11］通过分析ENVISAT ASAR影像的后向散射系数，得出多时相、同极化、交叉极化波段合成的雷达影像对东洞庭湖湿地地物的区分能力最强的结论．

尽管多数的研究认为，同极化比交叉极化能更好地区分湿地植被和水体，但对于不同湿地类型在不同的水文周期中，能否从交叉极化中获取到有利于湿地制图的信息，还有待于进一步的研究．

3 不同入射角数据的湿地制图研究

不同入射角的雷达信号对开阔水面和植被覆盖下水面有不同的响应．因此，雷达图像能够实现湿地水域范围的检测．Hess等［12］通过大量文献总结认为小入射角的雷达信号易于穿透森林湿地的冠层，产生二次回波．但提出雷达波入射角对于冠层下水淹程度检测的能力还需要更进一步的研究．为评估不同入射角对加拿大Umiujalik湖区地物的分类效果，Shelat等［13］利用多种极化分类器对RADARSAT－2极化数据进行了分类试验．结果表明，中等入射角（FQ12）的总体分类精度最好（48．7%），而中等和较大的入射角利用Freeman－Wishart非监督分类法可以获得比小入射角更好的分类结果．考虑到开阔水面在有风条件下与小入射角裸露地面信号易混淆的问题，Kandus等［14］建议用小入射角雷达数据监测冠层下或禾本植被覆盖的水面，而较大入射角用于开阔水面的监测．Lang等［15］使用C波段HH极化的Radarsat－1数据，探讨了不同入射角（23．5°，27．5°，33．5°，39．0°，43．5°和47．0°）对不同森林类型水淹程度的检测能力．

不同入射角与湿地地物作用时，会发生非常复杂的散射过程．仅通过单一入射角区分复杂湿地类型，必然会有误分问题．为此，需要对不同湿地类型研究各入射角的敏感性，择优选出适宜该类型识别的入射角．

4 多时相数据的湿地制图研究

湿地环境随时间推移变化较大，很难通过单一时相数据准确获取植被或水体的时空分布状况，多时相数据可以提供更多的信息做为补充．为了明确多时相RADARSAT－1雷达数据对湿地分类的能力，Parmuchi等［16］对阿根廷Paraná三角洲湿地进行试验，基于雷达信号与冠层的交互作用机理，并考虑植被物候和水文状况，进行信息的提取．分类结果与1998年厄尔尼诺事件两个洪水区的比较表明，多时相雷达数据有效地识别了洪水淹没区．Wang等［17］利用不同极化（ENVISAT ASAR HH，HV，VV极化、ALOS PALSAR HH极化）数据分析了洪河国家自然保护区不同时相的植被类型区分能力，结果表明多时相数据提高了水和沼泽的识别能力，分类精度达到79．55%，而冬季相的HV极化适合森林的识别；在中欧合作的“龙计划”洪水项目中，Andreoli等［18］在利用低分辨率全球监测模式（GMM）ASAR数据实现了区域景观特征和水体监测的基础上，又将103幅中低分辨率的MERIS和ASAR时间序列数据应用于鄱阳湖水域范围制图和监测中，并基于水域范围提取和淹没时间估算得出鄱阳湖2004－2006年3年内的波动状况．

SAR信号不同参数可以获得不同的后向散射回波，可以实现地物的多角度描述，这会大大丰富参与湿地制图的信息，但如果仅凭借单一时相，反而会由于数据来源于单一参数而获得片面性的信息，导致分类误差的增大．因此多时相数据的融合也是实现湿地准确制图的必然趋势．

5 结语与展望

利用SAR技术研究湿地制图是极具潜力的．很多研究已经表明，目前应用SAR技术进行湿地的研究已经越来越普遍，而未来SAR数据应用于湿地研究的空间会非常大．湿地制图的方法在不断完善，制图的精度也在逐步提高．特别是对于空气湿度大、湿地水面有植被覆盖的地区，SAR数据可能是最优选择．湿地是特殊的生态系统，由于SAR主动发射的信号具有穿透性，对湿地地物目标的探测能力要优于光学遥感数据，使得准确的湿地制图成为可能．但SAR不同参数（波段、角度、极化等）数据与湿地地物交互的散射机理非常复杂．因此应更多地开展湿地SAR回波后向散射特性的研究，从而准确识别湿地水域范围、面积、植被类型和分布，为湿地的保护、管理和退化湿地的生态恢复提供科学决策依据，对湿地资源的可持续发展具有重要的科学意义．

［1］Kasischke E S，Smith K B，Bourgeau－Chavez L L，etal．Effects of seasonal hydrologic patterns in south Florida wetlands on radar backscatter measured from ERS－2SAR imagery［J］．Remote Sensing of Environment，2003，88（4）：423－441．

［2］Pope K O，Rejmankova E，Paris J F，etal．Detecting seasonal flooding cycles in marshes of the Yucatan Peninsula with SIR－C polarimetric radar imagery［J］．Remote Sensing of Environment，1997，59（2）：157－166．

［4］Martinez J M，Toan T．Mapping of flood dynamics and spatial distribution of vegetation in the Amazon floodplain using multitemporal SAR data［J］．Remote Sensing of Environment，2007，108（3）：209－223．

［5］Musick H B，Schaber G S，Breed C S．AIRSAR studies of woody shrub density in semiarid rangeland：Jornada del Muerto，New Mexico［J］．Remote Sensing of Environment，1998，66（1）：29－40．

［6］Bwangoy J R B，Hansen M C，Roy D P，etal．Wetland mapping in the Congo Basin using optical and radar remotely sensed data and derived topographical indices［J］．Remote Sensing of Environment，2010，114（1）：73－86．

［7］Yamagata Y，Yasuoka Y．Classification of wetland vegetation by texture analysis methods using ERS－1and JERS－1images［J］．Geoscience and Remote Sensing Symposium，1993，14：1614－1616．

［8］Grings F，Salvia M，Karszenbaum H，etal．Exploring the capacity of radar remote sensing to estimate wetland marshes water storage［J］．Journal of Environmental Management，2009，90（7）：2189－2198．

［9］Jones K，Lanthier Y，Voet P，etal．Monitoring and assessment of wetlands using earth observation：the glob wetland project［J］．Journal of Environmental Management，2009，90（7）：2154－2169．

［10］廖静娟，沈国状．基于多极化SAR图像的鄱阳湖湿地地表淹没状况动态变化分析［J］．遥感技术与应用，2008，23（4）：373－377．

［11］徐怡波，赖锡军，周春国．基于ENVISAT ASAR数据的东洞庭湖湿地植被遥感监测研究［J］．长江流域资源与环境，2010，19（4）：452－459．

［12］Hess L L，Melack J M，Simonett D S．Radar detection of flooding beneath the forest canopy：a review［J］．International Journal of Remote Sensing，1990，11（7）：1313－1325．

［13］Shelat Y，Leblon B，Larocque A，etal．Effects of incidence angles on mapping accuracy of surficial materials in the Umiujalik Lake area，Nunavut，using RADARSAT－2polarimetric SAR images．Part 2：polarimetric analysis［J］．Canadian Journal of Remote Sensing，2012，38（3）：404－423．

［14］Kandus P，Karszenbaum H，Pultz T，etal．Influence of flood conditions and vegetation status on the radar backscatter of wetland ecosystems［J］．Canadian Journal of Remote Sensing，2001，27（6）：651－662．

［15］Lang M W，Townsend P A，Kasischke E S．Influence of incidence angle on detecting flooded forests using C－HH synthetic aperture radar data［J］．Remote Sensing of Environment，2008，112（10）：3898－3907．

［16］Parmuchi M G，Karszenbaum H，Kandus P．Mapping wetlands using multi－temporal RADARSAT－1data and a decision－based classifier［J］．Canadian Journal of Remote Sensing，2002，28（2）：175－186．

［17］Wang Anqi，Zhou Demin，Gong Huili．Wetland mapping by using multi－band and multitemporal SAR images：a case study of Honghe National Natural Reserve［C］／／18thInternational Conference on GeoInformatics．Beijing：Geoinformatics，2010：1－5．

［18］Andreoli R，Yésou Y，Li J，etal．Poyang Hu（Jiangxi Province，P．R．of China）area variations between January 2004and June 2006 using ENVISAT low and medium resolution time series［J］．Annals of GIS，2007，13（1／2）：24－35．