第1章雷达干涉测量湿地水位变化反演研究现状
1.1研究背景及意义
湿地是地球上*具生产力的生态系统之一，也是*富生物多样性的生态系统之一，它不仅能为人类的生产、生活提供多种资源，同时还具有很高的经济价值、环境效益和多种生态功能。湿地具有涵养水源、净化水质、调蓄洪水、控制土壤侵蚀、补充地下水、美化环境、调节气候、维持碳循环和保护海岸等极为重要的生态功能，是生物多样性的重要发源地之一，被誉为“地球之肾”、“天然水库”和“天然物种库”。由于全球人口增加及经济迅速发展的过程中长期忽视环境的保护，地球生态环境日益恶化，全球湿地丧失和功能退化成为突出的问题之一。为了保护全球湿地，18个国家的代表于1971年2月签署了一个旨在保护和合理利用全球湿地的公约——《关于特别是作为水禽栖息地的国际重要湿地公约》（Convention on Wetlands of International Importance Especially as Waterfowl Habitat，简称《湿地公约》）。该公约于1975年12月21日正式生效，目前有168个缔约方。近年来湿地的特殊性和重要性已受到全世界的关注，湿地研究成为当前国内外普遍关注的热点问题和前沿性研究领域。
湿地的特殊性和重要性日益受到全世界的关注，遥感技术由于其空间分辨率高、覆盖范围广以及人工成本低的优势已经广泛应用于湿地调查中，相关应用主要集中于湿地识别与分类、湿地资源调查、湿地资源动态变化调查和湿地植被生物量估测等方面（周德民等，2006）。遥感数据（如可见光、近红外、热红外、微波）可用于提取地表环境各类地学宏观信息，如土地利用/覆盖类型及变化、植被类型、植被生物量、水土流失状况、洪水灾害、森林火灾监测等。利用遥感技术对湿地资源及其生态环境进行动态监测和分析具有显著优势。首先，应用卫星遥感进行湿地的宏观监测具有信息丰富、获取效率高、精度高等优越性，能在短时间内获取湿地区域的实况信息，相对于传统湿地调查方法能节省大量的时间、人力和物力。其次，利用遥感数据可以获取表征湿地生态环境的各种特征评价因子，如可准确查明湿地类型、面积分布、开发利用与保护现状，调查湿地生物多样性的分布及栖息地生境条件等。这对于定量研究湿地过程与发育模式、湿地的演化规律、湿地系统结构与功能等，具有重要的意义。*后，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，遥感技术的应用给湿地的研究和监测带来很大的便利。
然而，对于湿地生态学家，他们更加关心的是水位、水域面积、植被高度和植被盖度，这些水文参数和植被参数直接影响候鸟栖息地的环境（崔保山和杨志峰，2006）。在湿地生态系统中，湿地水文情势（水位、水量、淹水频率和淹没时间等）的变化一直是湿地保护中关注的焦点，对湿地生物的分布及湿地土壤的性质起着主导作用，与湿地植被生长状况共同影响湿地动物的栖息地环境（Cui et al.，2009a）。因此，对湿地的水位、水域面积和植被高度进行监测非常重要。光学遥感无法直接解决湿地水位和植被高度测量的问题，同时植被覆盖会对光学遥感湿地水体识别精度产生极大的影响。雷达高度计已经用于内陆大型水体（例如，大型湖泊和亚马孙森林）的水位监测（Birkett，1995；Birkett et al.，2002），但是对于小型湖泊或湿地，由于水体面积较小，雷达高度计回波会产生变形，同时周围地形的影响会造成大量的数据丢失（Frappart et al.，2006）。以上问题的存在，使得光学遥感和雷达高度计等遥感手段无法满足湿地生态学家调查湿地水位和植被高度的需求。
在湿地信息的提取与监测研究方面，合成孔径雷达（SAR）具有全天时、全天候监测的优势，受大气、云和降雨的影响较弱。湿地地表覆盖类型较复杂，而SAR对地物具有一定的穿透能力，可以在一定程度穿透植被和土层，获取地表下垫面一定厚度层的特征信息；多频率、多极化SAR对地物表面粗糙度、地物内部结构和复介电常数所具有的敏感性使其能够提供可见光和红外遥感所不能提供的某些信息，已经被广泛应用于湿地类型识别、湿地情况调查和溢流的特征定义中（Patel et al.，2009）。SAR不仅测量地面目标反射回波的幅度，而且记录回波的相位信息，使得它在高度反演方面有独特的优势。干涉测量技术已经广泛地应用于地表形变监测和地面高程测量，并且在湿地水位监测方面也取得了极大的进展（Xie et al.，2015）。新型传感器的发射升空拓展了SAR的应用能力，特别是TanDEM-X双基系统极大降低了时间去相干的影响，从而使得湿地植被高度反演成为可能（Rossi and Erten，2015）。SAR的独特优势使得它在湿地水文和植被参数反演方面具有巨大的潜力。
本书旨在充分发挥SAR在高度反演和水体监测方面的优势，集中开展影响湿地生态健康状况的关键参数——水位和水深反演问题研究，通过分析不同湿地类型在散射特性和相干特性上的区别，建立湿地分布式散射体提取准则；通过分析植被冠层覆盖下湿地水面的雷达回波信号的相位中心，建立差分干涉测量提取湿地水位变化的理论模型；结合湿地水位变化的规律，构建适合湿地水位变化研究的分布式散射体函数模型，建立湿地水文参数反演方法，进行湿地水位变化信息的提取，并结合实验区地表河流径流、海水潮位和大气降水的相关资料，分析这些相关因素对湿地水位的影响。开展该项研究将能够为湿地植被生物量和湿地生态需水量估计等提供重要的输入数据，为湿地生态系统健康评估和生态系统功能科学评价提供重要参考依据，为湿地的恢复重建、维护和发展提供科学的指导。
1.2国内外研究进展综述
1.2.1湿地微波散射机制研究现状
湿地地表覆盖类型较复杂，多频率、多极化SAR对地物表面粗糙度、地物内部结构和复介电常数高度敏感，湿地微波散射机制研究是开展雷达湿地遥感应用的基石。Hess等（2003）认为在湿地中后向散射的表面散射、体散射量、双次散射在后向散射中的相对贡献主要取决于植被类型、植被叶子状态，郁闭度及其他环境因素。Lu和Kwoun等（2008）认为在沼泽森林和盐化沼泽的后向散射主要是二次散射。Richards等（1987）认为有草本植被露出的水面和植被通过二次散射能够将雷达信号反射回卫星。Sun等（1991）对于洪水淹没区域植被的雷达后向散射进行了研究，认为淹没的植被的雷达后向散射主要由树冠表面散射、树木的体散射及树干-水的二次散射组成。过去的研究表明在植被覆盖区域使用波长较长的L波段SAR影像进行干涉测量（23.5cm波长）更可靠。从波长来看，SAR影像的湿地制图主要集中在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。
Kasischke和Bourgeau-Chavez（1997）使用C波段ERS-1 SAR数据监测佛罗里达州南部的湿地生态系统，表明了使用单波段的SAR数据能够基于冠层结构、土壤水分、是否浸没以及植被生长状况区分不同的植被类型。Castaeda等（2013）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。Hess等（2015）对亚马孙河流域的淹没湿地和植被进行制图，表明利用C波段或C波段和L波段的组合比单独使用L波段在湿地主要草本植物的分类上具有更高的精度。Bwangoy等（2010）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。Bourgeau-Chavez等（2005）采用全极化L和C波段数据对弗吉尼亚的拉帕汉诺克河进行湿地制图，结果表明，无论是L波段还是C波段都能检测湿地植被冠层下方的洪涝灾害。不同波长对不同地物识别的敏感性不同。总体来看，以禾本植被为主的湿地制图通常选择C波段，而森林湿地选择L波段等，能够更加有效地实现湿地制图。
极化方式也是影响雷达后向散射信号的因素之一，一般同极化（HH或VV）比交叉极化（HV或VH）穿透植被的能力更强。从极化方式来看，开展SAR湿地应用通常单独使用同极化（HH或VV）、HV极化辅助及全极化的SAR影像（HH、HV、VH、VV）。Yamagata和Yasuoka（1993）分析了C波段ERS-1（VV）和L波段JERS SAR（HH）影像对湿地植被的分类能力，影像获取时间均为湿地植被生物量*大时期。纹理分析法分类表明，JFRS-1数据可以很好地区分沼泽和沼泽植被，而ERS-1能够划分森林沼泽。Baghdadi等（2001）利用加拿大遥感中心（CCRS）植被生长季节的C波段全极化（HH、HV、VH、VV）SAR影像，对加拿大渥太华附近Mer Bleue进行湿地制图，并比较了湿地植被在生长周期内对不同极化方式的响应，评价了不同极化方式对六种不同的覆盖类型（forested and nonforested peat bog、marsh、open water、clearing、forests，即森林及非森林泥炭沼泽、沼泽、开阔水面、砍伐区域和森林）的分类结果，得出了HH和交叉极化比VV极化具有更高的分类精度。BourgeauChavez等（2005）采用分层分析和*大似然分类技术对全极化L和C波段数据进行湿地制图，结果表明，HH极化比VV能更好地进行湿地划分，交叉极化（HV或VH）能用于区分木本与草本植被。廖静娟和沈国状（2008）获取了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极化比HV极化更适合水体信息的提取，但对于不同湿地类型在不同的水文周期中，交叉极化对于湿地制图能够提供有利的补充。
在深入了解湿地微波散射机制研究的基础上，科学家们开展了雷达湿地遥感应用研究。SAR影像进行湿地分类制图时，常用的分类方法主要有神经网络方法、K均值的分类方法、决策树分类方法、基于规则的分类方法、极大似然分类方法、支持向量机的分类方法、基于极化分解的分类方法及结合辅助数据、特征的分类方法（如结合DEM、纹理、相位、光学数据）。早在1993年，Y.Yamagata用共生矩阵纹理分析方法对C波段VV极化ERS-1 SAR和L波段HH极化JERS-1 SAR数据进行湿地植被分类研究，取得了比较好的效果。1998年，W.Elijah等利用Landsat TM卫星影像数据并结合CIR（color infrared，彩色红外）和ERS-1 SAR数据使用K均值来进行湿地森林系统的分类，所得的分类精度高于仅使用TM反射率波段的分类精度。2000年，H.Ghedira采用神经网络方法对加拿大魁北克Lac Saint-Jean地区多个时期的Radarsat SAR单极化影像进行湿地分类并进行季节变化监测，取得了较好的分类效果；Rio和Lozano-Garca（2000）利用经过空间滤波处理的Radarsat SAR数据对沼泽湿地进行分类研究，取得了很好的效果，表明了SAR进行湿地分类的优势。Linda E.Meyer等采用普拉特河南部湿地的Landsat TM、IRS-1C、Radarsat数据分析了其各自的分类精度，并把光学数据与Radarsat数据融合进行分类，比较了几类数据和融合后的数据之间的分类精度，表明了光学数据与SAR数据融合进行湿地分类的有效性。2002年，M.R.Moghaddam等采用基于规则的决策树算法的分类方法，
展开
