合成孔径雷达(SAR)在湿地中的应用综述

合成孔径雷达（SAR）在湿地中的应用综述周环1，宫辉力1，李小娟1，张有全1，2，李昂晟1，陈蓓蓓1

(1.首都师范大学资源环境与旅游学院，北京100037, 2.中国科学院东北地理与农业生态研究所，长春

130012)

摘要：合成孔径雷达（SAR）近年来不断的发展与完善，已成为空间对地观测不可替代的重要技术之一。本文主要论述了

合成孔径雷达在提取湿地土壤湿度、生物量及水位变化三方面的应用。详细论述了裸地土壤湿度、植被覆盖区土壤湿度应用

模型的优缺点；不同波段和极化方式提取湿地生物量的敏感程度；以及利用水体表面和被水淹没的植物双向角反射回波所得

SAR数据提取水位变化方法的优势和限制，这对以后开展合成孔径雷达在此领域的研究具有一定的参考意义。

关键词：合成孔径雷达湿地土壤湿度生物量水位变化

引言

湿地是地球生态环境的重要组成部分，与森林、海洋一起并称为全球三大生态系统。它在涵养水源、蓄洪防旱、降解污染、调节气候、补充地下水、控制土壤侵蚀等方面均起到重要作用。而土壤湿度、植被生物量、水位变化是湿地研究中不可或缺的特征评价因子，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等，具有重要的意义。

传统对湿地的实测方法是基于点的测量，耗时、费力，难以提供整个区域范围内的湿地时空分布信息，因此，要准确获取某一湿地的详细信息十分困难。于是人类利用遥感技术来监测大区域湿地的情况。由于受到天气、植被覆盖层的影响或空间分辨率的限制，光学遥感、红外遥感和被动雷达遥感在精度和适用性方面存在着种种的欠缺。而合成孔径雷达（SAR）具有全天候、全天时的特点，可以连续地获取数据，确保监测工作的连续性，此外，SAR为侧视成像，能突出反映地物纹理特征，所以非常适合应用于湿地的识别和监测[1-4]。

一、合成孔径雷达在湿地中的应用

1.1土壤湿度提取

土壤湿度是湿地水的重要组成部分，是湿地植物赖以生存和正常生长发育的基本条件，并常常作为水文模型、气候模型、生态模型的输入参数。利用SAR 技术提取土壤湿度具有传统方法和光学遥感不可比拟的优势。SAR工作波长较光学遥感长，这时地表的微波散射特性直接与地表粗糙度、土壤含水量、复介电常数等地表参数相关，有利于地表参数的提取[2、5、6]；并且SAR 对地物有一定的穿透能力，在一定程度上可以获取地表或地表覆盖物以下潜藏的信息[7、8]。

研究表明，土壤湿度的变化能够改变土壤的介电常数，从而影响遥感观测的后向散射系数[9],这是SAR提取土壤湿度的理论基础。但诸如植被覆盖、土壤表面粗糙度等其他因子也会引起介电常数的变化。因此，准确的提取土壤湿度还要去除土壤表面粗糙度、植被覆盖等因素的影

作者简介：周环，女，首都师范大学资源环境与旅游学院硕士研究生。研究方向：GIS在环境科学中的应用宫辉力，男，首都师范大学副校长，教授，博士生导师。研究方向：地图学与地理信息系统

响。

1.1.1 裸土地表土壤湿度提取研究进展

在裸露地表条件下，要得到地表土壤湿度值，必须分离地表粗糙度对雷达后向散射系数的影响，反演得到土壤湿度。许多国内外学者针对裸土地表土壤湿度提取问题都做了大量的研究，并取得了丰硕的成果。提出了适用于裸土地表散射的三类模型：

一、经验模型[10]：通过分析多波段、多极化、多角度、比较宽的粗糙度、土壤含水量条件下的散射计的实测数据集，Oh等人得到了后向散射系数同极化比和交叉极化比与介电常数及地表粗糙度的经验模型[11]；从中可直接得到同极化、交叉极化后向散射系数，此模型是在KS（K为自由空间波数，S为表面均方根高度）在0.1到6.0之间，

田间含水量百分数在0.09至0.31之间的条件下建立的，超出此范围其适用性有待于进一步验证。DUBOIS等人建立了描述裸土表面同极化后向散射系数与地表粗糙度、介电常数、入射角、入射频率等之间的经验模型[9]。从中可获取同极化后向散射系数，研究表明此模型只在KS（K为自由空间波数，S为表面均方根高度）小于2.5，雷达入射角大于30°时适用。经验模型一般比较简单，但最大的不足在于模型中涉及到的地表粗糙度参数只与表面均方根高度有关未考虑粗糙度谱对后向散射系数的影响，从理论上不能正确的描述真实地表的后向散射特征，并且经验模型是在有限的地表实测数据的基础上建立的，这就导致模型对实验区有很强的依赖性，适用范围小，不具有普适性。

二、理论模型：若假设表面的任何散射单元的曲率半径大于入射电磁波长的时候，便可以使用Kirchhoff模型近似[12]。Kirchhoff模型包括几何光学模型GO和物理光学模型PO；但是Kirchhoff 模型无法用于交叉极化后向散射系数的计算。而当表面高程标准离差和相关长度都小于波长时，必须采用其他方法来对表面散射建模，其中用来研究小尺度粗糙度的经典模型是小扰动模型（SPM）[12]。Kirchhoff模型、SPM模型都只是在有限地表粗糙度范围内适用，许多自然地表的粗糙度超出了传统的面散射模型的适用范围。尤其当入射角大于40°时，模拟结果和实测数据吻合度差,制约了模型的适用性。IEM模型是由A.K.Fung等人于1992年提出的[13]，该模型能在一个很宽的地表粗糙度范围内再现真实地表后向散射情况。近年来，IEM模型经过不断改进和完善，模型模拟结果和精度得到不断提高。IEM模型由单散射项和多散射项两部分组成，在同极化的后向散射系数中以单散射的贡献为主，在交叉极化的后向散射系数中以多散射的贡献为主。IEM

模型与前两个模型比较起来，虽然能适用于一个很宽的地表粗糙度范围，但表达式复杂，根本无法给出土壤水的具体解析形式，因此无法直接用于土壤湿度的反演。

三、半经验模型：SHI等利用单散射的IEM模型，模拟不同表面粗糙度和土壤体积含水量条件下表面后向散射特性的结果，建立了适用于L波段同极化后向散射系数组合与介电常数和地表粗糙度之间的相互关系,被称为Shi模型[14]。SHI模型是在IEM模型数值模拟的结果上建立起来的，虽然与实验区不存在依赖关系，适用范围更广泛，但是该模型是在L波段地表后向散射特性的数据结果上建立的，是否适用于其他波段的数据需进一步的验证。

1.1.2 植被地表土壤湿度提取研究进展

当植被覆盖度较高时，植被对微波信号的影响可以远远超过土壤湿度，从而使土壤湿度的提取变得困难、复杂。显然，当裸土地表散射模型应用到有植被覆盖的区域时，植被覆盖层将