引用本文
章钊颖, 鲁奕岑, 吴国周, 王永利. 基于多时相Sentinel-1A SAR数据草原地区降水量反演[J]. 国土资源遥感, 2017,29(4): 156-160.
ZHANG Zhaoying, LU Yicen, WU Guozhou, WANG Yongli. Retrieval of precipitation for grassland based on the multi-temporal Sentinel-1 SAR data[J]. REMOTE SENSING FOR LAND & RESOURCES,2017,29(4): 156-160.  
Doi:10.6046/gtzyyg.2017.04.23
Permissions
Copyright©2017, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
基于多时相Sentinel-1A SAR数据草原地区降水量反演
章钊颖1, 鲁奕岑2, 吴国周3, 王永利3
1.锡林郭勒盟气象局,锡林浩特 026000
2.浙江省气象局,杭州 310002
3.内蒙古生态与农业气象中心,呼和浩特 010051
通信作者: 王永利(1977-),男,博士,主要从事微波遥感、地理信息系统研究。Email: Wangyongli526@gmail.com。

第一作者: 章钊颖(1992-),女,硕士研究生,主要从事气象灾害、微波遥感和高光谱遥感研究。Email: zzymatlab@163.com。

收稿日期: 2016-04-16
基金项目: 锡林郭勒盟气象局科研项目“基于多源遥感数据融合锡林郭勒盟地区积雪深度监测系统开发研究”(编号: xmqxjkyxm201602)和“基于卫星荧光数据锡林郭勒地区牧草生物量的监测研究”(编号: xmqxjkyxm201603)共同资助
摘要

水资源对草原地区牧草生长至关重要,准确获取降水量信息对陆地生态系统和水循环研究具有重要意义。基于降水过程前后土壤含水量变化引起的介电常数变化,会导致后向散射系数变化这一事实,提出了基于多时相SAR数据反演降水量的方法。以二连浩特和锡林浩特2个观测站点为例,利用降水过程前后Sentinel-1A SAR数据和降水量数据进行研究及对比验证。结果表明,降水过程前后后向散射系数差值与降水量的回归关系较好; 采用该方法可以获得植被覆盖度较低地区真实的降水量空间分布; 二连浩特地区2015年9月21日的降水量空间分布与考虑影像获取时间和大气运动后的MODIS大气可降水量产品数据空间分布一致性较高。

关键词: Sentinel-1A; SAR; 后向散射系数; 多时相; 降水量
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2017)04-0156-05
Retrieval of precipitation for grassland based on the multi-temporal Sentinel-1 SAR data
ZHANG Zhaoying1, LU Yicen2, WU Guozhou3, WANG Yongli3
1. Xilingol Meteorological Bureau, Xilinhot 026000, China
2. Zhejiang Meteorological Bureau, Hangzhou 310002, China
3. Ecological and Agricultural Meteorology Center of Inner Mongolia, Hohhot 010051, China
Abstract

Water resource is indispensable to the growth of meadows in prairie, and the precise acquisition of the amount of precipitation is of great significance to the continental ecosystem and hydrological circle. This study proposed a novel technique to retrieve the precipitation on the basis of multi-temporal SAR imagery based on the fact that variations of the dielectric constant give rise to modifications of the soil moisture before and after the process of precipitation, allowing for the immediate changes in soil backscattering coefficients. Sentinel-1A SAR and actual measurements of rainfall in the meteorological stations of Erlianhot and Xilinhot were used to verify the retrieval results, which indicated the superb exponential regressive model between the difference values of backscattering coefficient before and after the process of precipitation and the real precipitation measurements. Thus, the spatial distribution of the retrieved precipitation on September 21, 2015 was obtained in the use of this method with Erlianhot as an example, meanwhile, the result shows the favorable spatial distribution consistency of the derived one in comparison with the product of MODIS atmospheric precipitable water considering the atmospheric motion and the acquisition time of imagery. Therefore, this pragmatic method is contrived to yield the actual rainfall spatial distribution in low vegetation coverage regions.

Keyword: Sentine1-1A; SAR; backscattering; multi-temporal; precipitation
0 引言

降水量是反映一个地区大气水分以液态水降落到地面的数据[1]。准确获取降水量信息对水循环和陆地生态系统研究具有重要意义。传统的地面降水量数据来源于气象站点观测, 然而单个气象站点的降水量数据缺乏空间代表性[2]。随着遥感技术的发展, 获得空间连续的降水量数据成为可能。1988年, Adler等[3]利用地球同步卫星GOES热红外通道数据来估算降水量, 但该波段范围对云层的穿透性较差, 降低了遥感估算降水量的精度。

微波遥感具备穿透雨云、全天候、全天时获取数据的特点, 已被广泛用于大气降水量监测。但由于大部分被动微波遥感数据空间分辨率较低, 限制了其在监测小范围降雨活动中的应用。主动微波遥感空间分辨率较高, 以Sentinel-1A SAR数据为例, 空间分辨率可达到10 m, 已被应用于土壤含水量监测[4]与洪水淹没范围提取[5]等研究。然而针对实际降水量的主动微波遥感监测, 目前还鲜见报道。

由于土壤后向散射系数对土壤含水量十分敏感[6, 7], 降雨后土壤表面含水量增高, 介电常数增大, 导致后向散射系数随之升高。利用降雨前后2个时期的后向散射系数差值可以反映出实际降水量多少。基于此, 获得了研究区降水量的空间分布, 并与MODIS大气可降水量产品进行比较, 评价多时相SAR数据估算降水量的可行性。

1 数据与方法
1.1 研究区

由于卫星接收到的总后向散射信号一部分来自于土壤, 一部分来自于植被, 在植被覆盖度高的区域难以从总后向散射信号中提取土壤的后向散射信息。为此, 选择内蒙古二连浩特和锡林浩特2个植被覆盖度不高的地区作为研究区, 其地貌类型分别属于荒漠和草甸草原。

1.2 数据源

Sentinel-1A作为ESA哥白尼计划的第一颗用于环境监测的卫星, 于2014年4月3日发射升空。Sentinel-1A搭载了C 波段的SAR 传感器, 工作频率为5.4 GHz。总共有4 种数据获取模式: 条带模式(stripmap model, SM)、干涉宽幅(interferometric wide swath, IW) 模式、超宽幅(extra-wide swath, EW)模式和波模式(wave mode, WM)。

获取了2015年2月至10月包含二连浩特和锡林浩特地区的IW模式的数据, 利用欧空局提供的Sentinel-1 Toolbox软件进行预处理, 得到VV极化方式的后向散射系数。预处理流程包括: 辐射定标、Refined Lee滤波和地形校正。预处理后的图像空间分辨率为10 m。

选用MODIS NDVI数据评估研究区的牧草覆盖情况。NDVI值越低, 植被覆盖度越低, 牧草对卫星接收到的土壤后向散射信号干扰越小[9, 10]。选用了近红外通道反演得到的MODIS大气可降水量产品, 通过比较吸收波段和临近的非吸收波段地表反射的太阳辐射获得[8], 用于降水量空间分布的对比验证。

1.3 降水量和后向散射系数提取

在获取二连浩特和锡林浩特地区2015年逐日降水量数据基础上, 定义如下假设: ①由于土壤的保湿作用, 定义当天和前一天的降水量之和为当天累计降雨量; ②由于降水量过少, 当天累计降水量低于1 mm时, 土壤湿度的变化不明显, 故定义当天累计降水量高于1 mm的日期为显著降水日, 其他为不显著降水日。例如6月1日降水量为0.2 mm, 2日降水量为0.6 mm, 3日降水量为0.8 mm, 故2日和3日的当天累计降水量分别为0.8和1.4 mm, 则2日为不显著降水日, 3日为显著降水日。基于此, 提取出显著降水日的后向散射系数, 以及降水前不显著降水日的后向散射系数, 得出降水前后后向散射系数的差值。

2 结果与分析
2.1 观测站点NDVI时间序列

二连浩特和锡林浩特观测站点2015年牧草生长季的NDVI月平均时间序列如图1所示。

图1 观测点2015年牧草生长季NDVI时间序列Fig.1 NDVI time series in the period of meadow growth in 2015 in observation points

从图1可以看出, 二连浩特观测点全年NDVI值均在0.2以下, 属于典型的荒漠草原, 牧草覆盖度低。锡林浩特观测点NDVI在8月份达到了最大值0.45, 但仍远低于牧草覆盖度高的地区。这2个观测站点的植被覆盖情况均满足本文提出的基于多时相SAR数据的降水量反演方法的应用条件。

2.2 数据提取结果

研究区降水过程前后后向散射系数差值与当天累计降水量提取结果如表1所示。其中, 满足提取条件的卫星数据在二连浩特地区仅有1对, 锡林浩特地区有5对。对于锡林浩特8月23日降水过程来说, 由于影像数据量不足, 缺乏降水前无显著降水日的影像, 采用9月9日的数据代替。

表1 研究区降水过程前后后向散射系数差值与当天累计降水量提取结果 Tab.1 Difference of backscattering coefficients before and after the process of precipitation and accumulated precipitation in study areas

降水过程前后后向散射系数差值与当天累计降水量的回归分析如图2所示。

图2 降水前后后向散射系数差值与当天累计降水量回归分析Fig.2 Regression of difference of backscattering coefficients before and after the process of precipitation and accumulated precipitation

从图2中可以看出两者的线性变化趋势, 后向散射系数差值越大, 反映出当天累计降水量越高, 与前文的理论推导一致。后向散射系数差值与降水量回归模型的R2达到0.76。

2.3 降水强度空间分布

以二连浩特9月21日和锡林浩特7月23日降水量反演为例, 根据地面NDVI值判断本文方法的可行性, 由于该天MODIS影像受云和降雨的影响, 无法获得地面NDVI情况, 图3为二连浩特9月18日和锡林浩特7月27日NDVI的空间分布。仅保留了图像累积百分比在1%~99%的像元进行显示。

图3 NDVI空间分布Fig.3 NDVI spatial distribution

二连浩特地区NDVI 累计百分比为1%和99%处的值分别是0.1和0.3, 该区绝大部分NDVI值在0.15左右, 表明牧草覆盖度较低, 可以采用本文方法反演降水量。二连浩特地区9月21日降水强度的空间分布如图4(a)所示, 降水量范围为0.2~15.5 mm。对于锡林浩特地区来说, NDVI值范围为0.3~0.8, 高于二连浩特地区, 可能的原因是获取影像前存在连续降水, 使得植被绿度增加。该地区7月23日降水强度的空间分布如图4(b)所示, 降水量范围为0.1~17 mm。

图4 降水量空间分布Fig.4 Precipitation spatial distribution

从图4(a)中可以看出, 降水量的空间分布不连续, 在左上角和右下角地区降水量偏少, 中部降水量较高。二连浩特观测到的降雨量为6 mm, 仅用单个站点观测到的降水量难以代表整个地区的降水量。

图5为二连浩特和锡林浩特地区MODIS根据近红外通道得到的大气可降水量空间分布。

图5 MODIS近红外反演的可降水量空间分布Fig.5 Precipitable water retrieved from the MODIS near-infrared channel

从图5(a)中可以看出, 右下角地区可降水量高, 与本文基于SAR数据的反演结果不一致。主要由于MODIS数据的获取时间为北京时间12:10, 而SAR数据获取时间为北京时间18:22, 比MODIS数据晚6 h左右。由于大气中云层是移动的, 图5中黑色箭头为当天的最大风向, 故推测6 h后MODIS得到的可降水量较高的区域会移动到本文SAR数据反演得到的降水量高值区域。对于锡林浩特地区来说, MODIS可降水量与SAR反演的降水量数据空间分布没有显著的规律, 可能的原因是下垫面的部分地区植被较多, 影响了降水量的反演精度。

3 讨论与结论

提出了一种基于多时相Sentinel-1A SAR数据的降水量反演方法, 并在二连浩特和锡林浩特地区进行验证, 结果表明该方法可以得到牧草覆盖度较低地区高空间分辨率降水量空间分布, 对研究小尺度降水、陆地生态系统以及水循环研究具有一定参考意义。

二连浩特地区属于典型的荒漠草原, 全年牧草覆盖度均较低, 土壤裸露面积较大。以二连浩特9月21日降水过程为例, 应用该方法可以得到降水量的空间分布情况, 并与MODIS大气可降水量产品进行比较, 考虑影像获取时间和大气运动后, 2类降水量数据的空间分布一致性较高。锡林浩特地区属于草甸草原, 在牧草生长季, 锡林浩特站点NDVI最大值可以达到0.45。部分地区的NDVI值可以达到0.8左右, 影响了降水量反演精度, 本方法不适用于牧草覆盖度较高地区的降水量反演。

已有研究大多采用MODIS大气可降水量产品间接估测降水量, 而MODIS大气可降水量产品反映了大气中的水汽含量, 也就是有可能降落到地表的含水量, 由于大气处于一个实时变化的动态系统中, 何时何地降水充满了未知。而且受时间分辨率的限制, MODIS的大气可降水量产品并不能反映出地表真实的降水量。本文提出的方法利用降水量前后土壤后向散射系数的变化, 能够反映出地表的真实降水量。

Sentinel-1A搭载的C波段SAR传感器, 其信号的穿透深度与土壤类型有关, 且随着土壤含水量增大而变浅。草原地区的土质以沙土为主, 渗透性强, 在降雨量较大的时候, 雨水会从近地表渗透到较深的土层。而SAR传感器只反映了近地表土壤含水量的信息, 此时卫星信号达到饱和状态, 将影响降水量的反演精度。绝大部分时候内蒙古地区的降雨量都较少, 并不会使SAR信号达到饱和, 本文方法在该研究区仍然有一定的应用前景, 但不适用于其他沙土质地区较大降水量的反演。

志谢: 本文研究所用的降雨量数据由锡林郭勒盟气象局提供,在此表示由衷感谢。

The authors have declared that no competing interests exist.

参考文献
[1] 尹燕亭, 侯向阳, 运向军. 气候变化对内蒙古草原生态系统影响的研究进展[J]. 草业科学, 2011, 28(6): 1132-1139.
Yin Y T, Hou X Y, Yun X J. Advances in the climate change influencing grassland ecosystems in Inner Mongolia[J]. Pratacultural Science, 2011, 28(6): 1132-1139. [本文引用:1]
[2] 廖彬武. 基于雷达资料降水量的反演[J]. 河南科技, 2016(1): 151-152.
Liao B W. Retrieval of precipitation based on Radar data[J]. Journal of Henan Science and Technology, 2016(1): 151-152. [本文引用:1]
[3] Adler R F, Negri A J. A satellite infrared technique to estimate tropical convective and stratiform rainfall[J]. Journal of Applied Meteorology, 1988, 27(1): 30-51. [本文引用:1]
[4] 何连, 秦其明, 任华忠, 等. 利用多时相Sentinel-1 SAR数据反演农田地表土壤水分[J]. 农业工程学报, 2016, 32(3): 142-148.
He L, Qin Q M, Ren H Z, et al. Soil moisture retrieval using multi-temporal Sentinel-1 SAR data in agricultural areas[J]. Transaction of the Chinese Society of Agricultural Engineer, 2016, 32(3): 142-148. [本文引用:1]
[5] 曾玲方, 李霖, 万丽华. 基于Sentinel-1卫星SAR数据的洪水淹没范围快速提取[J]. 地理信息世界, 2015, 22(5): 100-103, 107.
Zeng L F, Li L, Wan L H. SAR-based fast flood mapping using Sentinel-1 imagery[J]. Geomatics World, 2015, 22(5): 100-103, 107. [本文引用:1]
[6] 李新武, 郭华东, 李震, 等. 重复轨道SIR-C极化干涉SAR数据植被覆盖区土壤水分反演研究[J]. 遥感学报, 2009, 13(3): 423-436.
Li X W, Guo H D, Li Z, et al. The inversion method study of sub-canopy soil moisture estimation using repeat pass SIR-C PolInSAR data[J]. Journal of Remote Sensing, 2009, 13(3): 423-436. [本文引用:1]
[7] 胡蝶, 郭铌, 沙莎, 等. Radarsat-2/SAR和MODIS数据联合反演黄土高原地区植被覆盖下土壤水分研究[J]. 遥感技术与应用, 2015, 30(5): 860-867.
Hu D, Guo N, Sha S, et al. Soil moisture retrieved using Radarsat-2/SAR and MODIS remote sensing data in vegetated areas of Loess Plateau[J]. Remote Sensing Technology and Application, 2015, 30(5): 860-867. [本文引用:1]
[8] 姜立鹏, 覃志豪, 谢雯. 针对MODIS近红外数据反演大气水汽含量研究[J]. 国土资源遥感, 2006, 18(3): 5-9. doi: 106046/gtzyyg. 2006. 03. 02.
Jiang L P, Qin Z H, Xie W. Retrieving atmospheric water vapor from MODIS near infrared data[J]. Remote Sensing for Land and Resources, 2006, 18(3): 5-9. doi: 10.6046/gtzyyg.2006.03.02. [本文引用:1]
[9] 程红芳, 章文波, 陈锋. 植被覆盖度遥感估算方法研究进展[J]. 国土资源遥感, 2008, 20(1): 13-18. doi: 106046/gtzyyg. 2008. 01. 02.
Cheng H F, Zhang W B, Chen F. Advances in researches on application of remote sensing method to estimating vegetation coverage[J]. Remote Sensing for Land and Resources, 2008, 20(1): 13-18. doi: 10.6046/gtzyyg.2008.01.02. [本文引用:1]
[10] 徐爽, 沈润平, 杨晓月. 利用不同植被指数估算植被覆盖度的比较研究[J]. 国土资源遥感, 2012, 24(4): 95-100. doi: 106046/gtzyyg. 2012. 04. 16.
Xu S, Shen R P, Yang X Y. A comparative study of different vegetation indices for estimating vegetation coverage based on the dimidiate pixel model[J]. Remote Sensing for Land and Resources, 2012, 24(4): 95-100. doi: 10.6046/gtzyyg.2012.04.16. [本文引用:1]