基于主成分变换的星载升降轨极化SAR数据水体提取方法

1. 引言

洪灾是最严重的自然灾害之一，近几年受全球气候变化的影响，极端暴雨导致的洪灾更加频繁。例如，2021年中国河南省发生"7·20"特大暴雨灾害，造成全省16市150个县区1478.6万人受灾，因灾死亡失踪398人，直接经济损失1200.6亿元。

卫星遥感技术能够快速获取全球范围内的河流、湖泊等地表水体信息，既可以应用于水资源调查等常态化监测，也可以应用于洪涝淹没分析等应急监测。在洪灾发生后快速识别洪灾泛洪区的范围，为政府相关部门提供一定的参考资料，对于及时开展救援工作，减少经济损失和人员伤亡具有重要意义。

基于光学遥感提取水体的方法主要分为阈值法和分类法。阈值法主要有单波段阈值法、多波段谱间关系法和水体指数法等。分类法主要包括决策树、支持向量机、面向对象分类和深度学习等机器学习方法。

但是，由于洪灾区域常常伴随阴雨天气，难以及时获得无云的高质量影像。SAR卫星利用微波波段主动成像，具有穿云透雾，全天时、全天候的特点，不受太阳光照和雨雪天气的影响。在SAR图像中，由于雷达信号在光滑水体表面会发生镜面反射，传感器接收到的回波信号微弱，水体在图像上呈现暗色调，水体和非水体在图像强度直方图中表现出明显的双峰分布。

2. 研究区概况与数据源

2.1 研究区概况

图1 洱海研究区Sentinel-2B真彩色图像

图2 Hatay研究区Sentinel-2A真彩色图像

洱海位于云南省大理白族自治州大理市北部，南北长41.5km，东西宽3~9km，面积251km²。苍山山脉位于洱海西侧，山势西北—东南走向，长约48km，东西宽约18km，海拔3074~4122m，最高峰马龙峰海拔高达4122m。

土耳其Hatay研究区位于36.3°N—36.6°N，36.1°E—36.4°E之间。中部的努尔山脉大部分被积雪覆盖，而且在雷达图像中也容易出现山体阴影。2023年2月6日该区域附近发生了7.8级大地震，同时遭遇了暴雪和洪水等自然灾害。

2.2 数据源介绍

Sentinel卫星是欧洲航天局哥白尼计划系列对地观测卫星。Sentinel-1由A和B2颗卫星组成，分别于2014年和2016年发射升空，Sentinel-1B因故障现已经停止工作。本研究选用Sentinel-1A卫星IW模式下Level-1的GRD产品，以及Sentinel-2卫星经过Sen2Cor进行大气校正和正射校正后的Level-2A地表反射率产品。

表1 遥感卫星数据参数

研究区	卫星数据	UTC时间	极化/波段	轨道	入射角/(°)	方位角/(°)	分辨率
中国云南省洱海	Sentinel-2B	2023-02-03 03:49	B3和B8	-	-	-	10m×10m
	Sentinel-1A	2023-02-03 11:24	VH和VV	升轨	39.499	-12.45	10m×10m
	Sentinel-1A	2023-02-05 23:14	VH和VV	降轨	39.353	-167.58	10m×10m
土耳其Hatay	Sentinel-2A	2023-02-09 08:21	B3和B8	-	-	-	10m×10m
	Sentinel-1A	2023-02-09 15:34	VH和VV	升轨	38.995	-13.11	10m×10m
	Sentinel-1A	2023-02-10 03:35	VH和VV	降轨	39.103	-166.86	10m×10m

3. 研究方法

图3 研究方法流程

为了弥补单极化阈值法和SDWI法的不足，本文提出了双极化第一主成分水体指数(DFWI)。为了解决水体与雷达阴影混淆的问题，提出了无需外部DEM数据的3种升降轨极化SAR水体提取方法(AD-VH、AD-VV和AD-DFWI)。

针对洱海研究区，选取Sentinel-1卫星2023年2月3日的升轨双极化数据和2023年2月5日的降轨双极化数据进行实验。首先，使用上述方法得到水体指数增强后的图像。然后，通过双峰法选取最佳阈值得到水体提取的结果。

4. 实验和分析

4.1 数据处理

Sentinel-1 GRD数据的预处理主要包括轨道校正、热噪声去除、辐射定标、斑点噪声滤波、几何校正和分贝化等流程，使用SNAP软件完成。辐射定标将传感器接收到的后向散射强度转换为归一化雷达截面(σ⁰)。

4.2 实验结果

图4 水体提取结果图像直方图和分割阈值(洱海)

图5 不同方法下洱海水体提取结果和阈值分割结果对比

4.3 精度评价

本文以NDWI水体提取方法的结果作为参考图像，来评价其它水体提取方法的精度。将水体记为"正类"，非水体记为"负类"。分类结果有4种情况：真正类(TP)、假正类(FP)、真负类(TN)和假负类(FN)。

4.4 结果分析

根据F1-score指标将各方法的精度由高到低排序得到：AD-DFWI > AD-VV > AD-VH > DFWI > SDWI > VH > VV（洱海）；AD-DFWI > DFWI > AD-VV > SDWI > AD-VH > VV > VH（Hatay）。AD-DFWI法在2个研究区的虚警率最低，用户精度和F1-score最高。

图6 NDWI法和AD-DFWI法、SDWI法和AD-DFWI法的结果对比（洱海）

图7 NDWI法和AD-DFWI法、SDWI法和AD-DFWI法的结果对比（Hatay）

表2 各方法的主要优缺点对比

方法	主要优点或适用场景	主要缺点
NDWI	• 可以较好地提取河流等细小的水体 • 阴影面积比雷达图像的阴影面积小，精度更高	• 多云和阴雨天气下，难以及时获得高质量的光学影像
VH/VV	• VH交叉极化只对体散射敏感，适用于风浪较大的水面 • VV同极化对体散射和偶次散射都很敏感，可以较好地区分植被和裸土	• 单一极化包含的信息量较少 • 雷达阴影容易和水体相互混淆
SDWI	• 综合了VH和VV2种极化的信息，比单极化阈值法的精度更高	• 计算公式有时不满足"对数函数的真数部分大于0"的运算法则 • 直方图谷底位置对应的像元数目较多
AD-DFWI	• 无需外部DEM数据，可以较好地避免雷达阴影和水体相互混淆 • 直方图双峰现象更加显著，精度更高	• 特殊情况下会存在升降轨数据的重叠阴影区 • 获取同一区域的升降轨数据需要一定时间

5. 结论与展望

利用SAR数据提取水体，不受阴雨天气的影响，相比光学遥感更有优势，但也有一些的缺点：①综合利用多种极化建立极化SAR水体指数比较困难；②容易出现雷达阴影和水体相互混淆的问题。

本文针对以上2个问题展开研究，并提出了新的水体提取方法：双极化第一主成分水体指数（DFWI）和升降轨极化SAR水体提取方法（AD-VH、AD-VV和AD-DFWI）。以上方法相比VH或VV单极化阈值法的精度均有所提高，同时避免了SDWI法中存在的缺点，计算更加简便。

其中，DFWI法基于主成分变换的思想，过滤掉VH和VV极化中线性相关的冗余信息和噪声，得到水体特征更加突出的双极化第一主成分水体指数。AD-VH和AD-VV方法利用升降轨数据，有效解决了雷达阴影和水体相互混淆的问题。

AD-DFWI法既有效解决了雷达阴影和水体相互混淆的问题，又综合了VH和VV2种极化信息，图像直方图中的双峰分布特点更加显著，得到的水体提取结果F1-score最高，综合性能最好。

本文提出的水体提取方法精度较高，计算速度较快，可以适用于水体提取的常态化监测和应急监测等不同的应用场景，具有一定的参考价值。