论文部分内容阅读
积雪是冰冻圈具有多重属性的组成部分，也是地表最为活跃的自然要素之一。积雪是入射太阳辐射的高反射体，影响地面能量的收支平衡，对于全球或局地气候具有正反馈作用。季节性积雪是干旱、半干旱地区主要的淡水资源，在国民经济建设与区域协调发展中具有重要作用。及时准确地获取积雪覆盖信息，对于促进气候变化研究、融雪径流模拟、水资源合理利用等具有重要意义。遥感技术是目前获得大范围积雪时空分布信息的唯一有效途径，尤其合成孔径雷达的发展为积雪识别研究提供了新的手段。极化合成孔径雷达能够提供丰富的积雪极化特征，在积雪识别中展现出一定潜力。 本文依据国家自然科学基金项目“SAR与高分辨率光学遥感联合反演雪水当量”（项目编号41271353）对SAR图像积雪识别的研究需求，确定论文的研究目标为:以新疆天山玛纳斯河流域典型区域作为研究区，采用C波段全极化RADARSAT-2数据，以积雪微波散射特性为理论依据，通过目标分解方法提取极化特征，利用积雪极化特征开展SAR积雪识别研究工作，探究对积雪识别贡献较大的极化特征在积雪识别中的作用。本文的主要研究内容和研究结论如下: (1)积雪SAR图像表征分析。利用RADARSAT-2数据获取的四种极化方式后向散射系数图像，分析了积雪和非积雪在不同后向散射系数中的差异;以Pauli分解获取的三种基本散射分量，分析了积雪和非积雪覆盖区域的极化散射响应。结果表明:无论是积雪期还是融雪期，在相同的下垫面和入射角条件下，积雪后向散射系数均小于非积雪后向散射系数，可据此实现积雪的识别;在Pauli基假彩色图像中，积雪和非积雪表现出不同的散射机制，为SAR积雪识别提供了可能性。 (2)SAR图像极化特征提取。利用单视复数数据计算极化散射矩阵和相干矩阵，并对两种矩阵分别利用相干目标分解方法和非相干目标分解方法，获取积雪SAR图像极化特征。目标分解方法是SAR积雪极化特征提取的有效手段，能够获取多种对积雪和非积雪区域具有区分能力的极化特征，且每种极化特征都有具体的物理意义，代表不同散射机制，对积雪和非积雪区域的表达能力各异，需要进一步从中选择对积雪识别有用的极化特征。 (3)积雪识别最优极化特征选择。基于SAR图像表征分析，结合提取的积雪极化特征训练随机森林模型，对积雪极化特征的重要性程度进行排序，选择最优极化特征子集，并进一步从散射机制角度，探讨不同极化特征在积雪识别中的作用。研究表明:不同极化特征在积雪识别中的重要性程度不同，因此对极化特征进行优选非常必要;利用随机森林方法选择的最优极化特征子集，具有较强的积雪识别能力，结果表明，VanZyl和Freeman分解体散射分量、Krogager分解二面角散射分量、相干矩阵参数T33、伪概率P3、H(1-A)、二次反射特征值相对差异度DERD、极化比PF及总功率Span在两时期积雪识别中的作用较大，可作为最优极化特征子集进行积雪识别。 论文基于C波段RADARSAT-2全极化数据，对积雪进行SAR图像表征分析，利用目标分解技术充分挖掘积雪SAR图像特征，引入集成学习中的随机森林方法，对目标分解的极化特征进行选择，对不同极化特征在积雪识别中的重要性程度进行评估，探索了不同极化特征在积雪识别中的作用，为解决极化SAR图像积雪识别问题提供了新思路，具有一定的技术方法创新性。