尉青梅
中煤航测遥感集团有限公司航测工程分公司，陕西 西安710199
Construction?and?release?of?3D?model?by?oblique?photography?of?ancient?ruins
QingmeiWei
(Aerial?Photogrammetry?and?Remote?Sensing?Group?Co.,Ltd., Xi'an, Shaanxi, 710199)
摘要：煤火是煤矿普遍发生的重大的自然灾害之一，煤火信息的及时准确提取具有重要的应用价值。在现有研究的基础上，研究了POLSAR数据用于煤火监测的方法。首先，对极化数据进行极化目标分解，根据极化散射信息提取初步的可疑煤火区域；其次，利用SAR的幅度图像精确提取煤火信息，主要包括辐射纠正、数据配准、滤波去噪等预处理，及针对煤火信息提出对煤火燃烧前后散射特性对比分析，基于此特性构建差异图像进行自动煤火信息提取。最后，结合光谱仪红外测温计等地面遥感技术进行煤火信息验证。
关键词：煤火面积提取；POLSAR；散射特性分析；变化检测
Abstract:Coal fire is one of the most important natural disasters in coal mines. It has important application value to extract coal fire information timely and accurately. Based on the existing research, the method of using POLSAR data for coal fire monitoring is studied. Firstly, polarimetric target decomposition is carried out for polarimetric data, and preliminary suspicious coal fire area is extracted according to polarimetric scattering information; secondly, amplitude image of SAR is used to accurately extract coal fire information, mainly including radiation correction, data registration, filtering and denoising preprocessing, and for coal fire information, comparative analysis of scattering characteristics before and after combustion is proposed, based on which difference image is constructed Automatic coal fire information extraction. At last, the information of coal fire is verified by the remote sensing technology such as infrared thermometer of spectrometer.
Key words:Coal fire area extraction; POLSAR; scattering characteristic analysis; change detection
O引言
煤火研究和治理是煤炭科学领域亟待攻克的理论和技术难题之一。利用空间遥感技术进行煤火监测已经受到了广泛关注。煤火遥感监测技术主要利用航天、航空遥感技术对煤火燃烧区的位置分布、燃烧区范围以及燃烧强度等信息进行提取，掌握煤火发展的趋势[1]。基于卫星遥感数据的煤火提取研究聚焦于高分辨率的光学遥感、热红外遥感、高光谱遥感等，结合地物光谱仪对野外测试光谱数据和辐射温度数据进行统计分析进行煤火区域提取。但是受到云层和天气的干扰较大，有时难以提取燃烧区。合成孔径雷达（Synthetic Aperture Radar,SAR）数据受天气影响小，同时能够提供可见光/近红外和热红外遥感所不能提供的独特信息。而且全极化合成孔径雷达（Polarimetric Synthetic ApertureRadar，POLSAR）数据能够通过分析不同极化通道来获取复图像，然后区分物体的细致结构、目标指向、目标均衡性以及物质组成等参数，并进而提取地物信息。这些信息主要应用于林业、农业、火山、地震学、城市基本设施建设等领域[2]。基于SAR数据进行煤火监测的相关研究国内还很少见，而国外绝大多数研究是基于单极化通道数据，极少数是基于火后的全极化数据。随着雷达传感器以及获取极化方式的多样化，煤火燃烧区域的提取研究正朝着使用火灾前后时相全极化SAR数据的方向发展[3]。因此，本文根据国内外现有的研究，总结分析并提出一种利用POLSAR数据进行煤火监测的可行性方法，针对煤火监测区域给出了建议监测数据要求和具体处理方法。为POLSAR用数据用煤火监测提供可参考的技术方法。
1 煤火监测的常用方法
目前常用的煤火监测方法主要有以下几个方面。
1.1利用高分辨率卫星图像进行煤火监测。高分辨率卫星（如TM，ETM+、IKONOS和QUICKBIRD等）图像能够很好的反映煤田火区范围内不同的岩石类型、地表裂隙、崩塌和植被等特征，可用于精确圈定烧变岩范围类型和裂缝植被状态的分布特征指导灭火工程，可提供的相关图件的精度达到1：5000。但是，这些数据均为白天收集的遥感信息，全色和可见光波段分辨率较高，对提取烧变岩和环境信息有明显的作用，但热红外波段分辨率较低，对热红外信息不能很好反映。不足的是这些图像缺少热红外波段，不能有效地反应地表热异常[4]。
1.2利用卫星高光谱数据结合全波段便携式地物光谱仪对野外测试光谱数据和辐射温度数据进行统计分析的煤火监测。高光谱遥感图像具有光谱信息和图像信息相结合的特点，能够将确定物质或地物性质的光谱与空间和几何关系的图像结合在一起，并具备较高光谱分辨率和空间分辨率，对提取煤田火区自燃信息较为理想，是常用的数据源之一。通常利用高光谱图像数据确定煤火燃烧区热异常的最佳波段，随后进行地物波谱特征分析、热异常信息以及地物信息的提取。随后利用同步野外测试获取的数据进行图像的地物温度反演，划分出温度异常区、尤其划分出高温异常区，最后确定火区边界、进行火区分布图的编制和等温线图的绘制等[5]。
1.3利用航空高光谱影像结合全波段便携式地物光谱仪进行煤火监测。与利用卫星高光谱类似，通过地物光谱仪进行野外测试，同时高光谱图像同步定标，然后通过地物温度定量反演，圈定温度异常区、高温异常区，编制温度等值线图，最终得到煤火监测结果[4]。
2 POLSAR煤火监测的方法
2.1 POLSAR煤火监测的方法流程
.png)
根据文献[3-5]，本文建议煤火监测的数据类型为具有极化散射信息的POLSAR数据和精细模式高分辨率的单极化SAR数据。在此数据基础上，提出利用POLSAR数据进行煤火监测的方法流程如图1所示。具体过程为：（1）选择煤火监测数据类型及分辨率，对原始的POLSAR数据进行极化分解，得到极化散射信息，利用极化分解数据合成RGB伪彩色图像，根据伪彩色图像和散射特性划分出可能得煤火燃烧区域。（2）在利用SAR的幅度图像，经过辐射纠正、数据配准、滤波去噪等预处理，在可能燃烧区域范围内，针对煤火信息提出对煤火燃烧前后散射特性对比分析，基于此特性构建差异图像进行自动煤火信息提取。（3）结合地面实测数据验证自动提取煤火燃烧区域，为后期应用提供依据。
2.2极化目标分解
极化目标分解理论是为了更好地解译极化数据而发展起来的。最早是由Huynen提出的，通过充分利用极化信息，来揭示散射体的物理特性。现有的极化目标分解方法主要分为两类：一类是针对目标散射矩阵的分解（又称为相干分解方法，频率相同、振动方向相同，相位差恒定的两列波叫相干波，对于回波为相干波的目标散射矩阵的分解称为相干目标分解）；另一类是针对极化协方差矩阵、极化相干矩阵、Stokes矩阵的分解，它的回波可以是非相干的，故也称为非相干目标分解。众多分解方法中经常用于物理散射机制解释的分解方法为Pauli分解、Freeman-Durden分解、Yamaguchi分解和Cloude分解。本文选择Pauli分解方法。Pauli分解得到的散射矩阵矢量形式为：
.png)
Pauli分解只能反映出表面散射和二次散射两种散射机制，一般情况下Pauli分解主要是用于显示全极化数据，将上面三个分量分别作为R、G、B三个波段合成PauliRGB影像。根据这个彩色影像的颜色信息可以初步判断燃烧区域。
2.3数据预处理
1、辐射定标。为了充分利用包含在全极化SAR数据中的信息对煤矿地区火灾前和火灾后的散射机理的差异进行定量分析，需要以不同通道、不同极化之间的相互关系为出发点来分析地物的散射特性，这就要求不同极化通道的数据必须以适当的幅度和相位信息来表达地物的后向散射系数。因此在应用全极化数据之前必需对数据进行辐射定标（这里的辐射定标特指绝对定标，它是将雷达图像上的像素值转换为地物的后向散射系数的过程[6-8]，才能对煤火散射行为有效解释[6]。定标公式为[9]：
.png)
(Digital Value)表示原始文件中数据的像素值，(Calibrated Value)表示定标后的像元值，A表示系统增益，B表示偏移，对于SLC数据而言，。
由于原始数据为复数数据，那么将用表示，则上述公式可以转化为：
.png)
不同极化通道（HH、HV、VH、VV）的原始数据均进行辐射定标，得到散射矩阵各元素
.png)
。
2、图像配准。为了能够进行后期的变化监测分析，需要将两个监测时期的影像进行配准。假设和分别表示针对同一区域获取的两幅SAR图像，且为参考图像，为待配准图像，SAR图像配准过程是建立这两幅图像的位置偏移量与位置的函数关系，假设偏移量与行列号的关系可以用多项式表达，则表示成如下关系：
.png)
因此，SAR图像的配准问题就转换成上述多项式系数的求解。为了高精度、高效率地配准两幅SAR影像，通常采用由粗到精的逐级配准策略[3]。将煤火后期影像作为参考影像，称为主影像，火灾后影像作为待配准影像，称为副影像，首先根据两个图像头文件中的轨道数据确定初始偏移量，在主影像上选取均匀分布的若干个点，称之为联系点，通过主副影像成像时的几何关系，在副影像上找到每一联系点的对应点，从而确定出一个初始的偏移量计算多项式，完成配准。
3、去噪滤波。SAR成像过程中每个分辨单元内可能包含多个散射中心，单元内的回波信号是由多个散射体回波信号的叠加，它可以视为多个信号的矢量叠加，在SAR图像上表现为相邻像元的灰度会围绕着某一均值随机起伏，从而形成斑点噪声，因此需要对SAR影像进行去噪滤波处理。极化滤波方法有多种，已有的文献对比几种常用的滤波方法发现Jon-Sen Lee提出的改进的Lee Sigma滤波方法对斑点噪声的滤波效果较好[11-14]。该滤波方法弥补了以往滤波方法对滤波灰度区间存在的有偏估计问题和对强反射目标的模糊和压缩问题，同时滤波效率较高。
2.4 煤火燃烧前后散射特性对比分析
研究分析煤火燃烧前后的各个极化通道后向散射系数。由于各种极化特征参数是由HH、HV和VV这几个极化通道的强度和相位演变而来的，因此煤火引起的散射特性的变化都会作用在这几个极化通道的观测值上，即Shh、Shv和Svv，因此首先对这几个通道的后向散射强度进行分析。本文也从四个极化通道的总功率图、各个极化通道燃烧前后地表湿度的角度分析后向散射特性。通过文献[3]的分析可知，大面积林火燃烧后的|Shh|2,|Shv|2,|Svv|2。都有所增加,其中同极化散射系数|Shh|2和|Svv|2增加显著，交叉极化散射系数|Shv|2增加幅度较小。已有的研究结果表明[8,9]，土壤湿度与雷达后向散射强度之间有正相关关系，既土壤湿度增加，地面的介电常数增加，导致雷达后向散射强度增加.因此，后期的变化检测均在SAR的后向散射图上分析。
2.5 变化检测方法提取煤火燃烧区域
变化检测方法提取煤火燃烧区域分为差异图像构建和变化区域提取两个步骤。
（1）差异图像构建方法。煤火前后的散射特性分析表明煤火前后的极化参数值有明显变化，因此本文构造差异图像的方法是：
.png)
（2）变化区域提取方法。对于变化检测中变化区域的提取通常将其视为变化区和非变化区的二值分割，分割方法主要有阈值法和基于空域统计模型的分割方法[15]。MRF进行二值分割的基本思想是把图像视为一个马尔科夫随机场，把图像中每个像素的类别标记视为一个随机事件，那么对图像中每个像元进行类别标记也就相当于要确定随机事件的组合，某一种组合的后验概率最大那么该组合就是所期望的二值分割结果。
2.6 火区调查与检验
为验证影像自动提取的煤火燃烧区域的正确性，需要进行火区调查与研究。结合提取信息，以资料收集、现场调查为主，重点火区使用地面热红外测温和热红外成像，较大面积火区采用卫星遥感综合调查；在调查基础上，开展主要煤田火区煤火风险评估。主要煤田火区调查通过资料收集、现场调查、卫星遥感数据处理与解译、综合研究，查清火区地理特征与自然生态环境特征、分布范围、面积、燃烧强度、起火原因、扩展趋势及以往灭火工程及其效果等信息；并进行火区解译信息验证，建立煤火信息数据库，编制调查研究报告。并进一步开展煤田火区分类标准研究。根据中国煤田火区以往资料，结合煤田火区不同地区，不同地质成因和采矿条件，煤火燃烧的规模、深度、火势等诸多因素作为中国煤火分类依据。
3 结论
通过对煤火监测研究现状以及POLSAR在林火监测上的应用分析，提出了POLSAR影像煤火监测方法的研究。详细给出了POLSAR煤火监测的流程，充分应用POLSAR的极化信息和幅度信息，提出用极化分解后具有极化特性的伪彩色合成影像确定煤火可疑区域，再利用高分辨率的SAR幅度信息进一步判断煤火区域的方法。根据煤火燃烧前后的散射特性对比分析提出利用差异图像构建法和变化区域提取法的变化检测方法提取燃烧区域。最后，结合地面实测数据验证自动提取煤火燃烧区域。本文方法能够为SAR数据用于煤火监测研究提供技术参考。
参考文献
[1]王旭红,贾百俊,郭建明,等．基于SAM遥感影像的分类技术研究[J]．西北大学学报：自然科学版，2008，38(4)：668-672．
[2]邹斌,张腊梅,孙德明,等.极化干涉合成孔径雷达图像信息提取技术的进展及未来[J].电子与信息学报,2006,28(10):1979-1985.
[3]汪慧琴.极化SAR影像林火燃烧面积提取研究[D].辽宁阜新，辽宁工程技术大学,2014.
[4]周小虎,林燕.航空遥感在内蒙古大岭矿区煤火信息提取中的应用[J].西北大学学报（自然科学版）2009,39(5)：837-840.
[5]毛耀保.宁夏汝箕沟煤田火区高光谱定量遥感探测研究[J].国土资源遥感,2010,85(3):69-75.
[6] 王超,张红,陈曦,刘智,闫冬梅.全极化合成孔径雷达图像处理[M].北京:科学出版社, 2008.
[7] Yoshikawa K, Kanevskiy M, Shur Y, et al. Permafrost characteristics of Alaska[M]. Fairbanks: Institute of Northern Engineering, University of Alaska, 2008.
[8] 袁礼海, 葛家龙, 江凯, 等. SAR 辐射定标精度设计与分析[J]. 雷达科学与技术, 2009, 7(1): 35-39.
[9] MacDonald D.Ltd.Radarsat-2 Product Format Definition[J]. RN-RP-51-2713, 2008.
[10] 何秀凤,何敏.INSAR对地观测数据处理方法与综合测量[J].北京:科学出版社, 2012.
[11] Atwood D K, Small D, Gens R. Improving PolSAR land cover classification with radiometric correction of the coherency matrix[J]. Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, 2012, 5(3): 848-856.
[12] Lee J S, Wen J H, Ainsworth T L, et al. Improved sigma filter for speckle filtering of SAR imagery[J]. Geoscience and Remote Sensing, IEEE Transactions on, 2009, 47(1): 202-213.
[13] Bourgeau-Chavez L L, Riordan K, Garwood G. Monitoring Fuel Moisture and Improving the Prediction of Wildfire Potential in Boreal Alaska with Satellite C-Band Imaging Radar[C]//Geoscience and Remote Sensing Symposium. IGARSS 2008 IEEE International:IEEE, 2008, 3: III-864-III-866.
[14] Wang Y, Kasischke E S, Melack J M, et al. The effects of changes in loblolly pine biomass and soil moisture on ERS-1 SAR backscatter[J]. Remote Sensing of Environment, 1994, 49(1): 25-31.
[15]焦李成.智能SAR图像处理与解译[M].北京:科学出版社, 2008.
作者简介：尉青梅（1969-02-16），女，高级工程师，13891895023中煤航测遥感集团有限公司、陕西省西安市长安区中煤航测遥感集团有限公司、710199