打开文本图片集

摘要：传统的SAR图像变化检测只用到了图像的强度信息，而应用于滑坡提取时，极易受研究区内地物类型改变或同类地物位置变化等的影响，尤其是高植被覆盖区域。针对这一现象，通过SAR图像提供的相位信息，对研究区相干系数的时序变化进行分析，能有效的提取出滑坡。以恩施市沙子坝滑坡区域的17景Sentinel-1A图像数据为例，首先计算该区域的时序相干系数，并分析了滑坡的主要成因，再利用均值比值算法获取相干系数差异图，然后将差异图进行二值化、形态学处理，最终得到滑坡边界提取结果图。结果显示，基于时序相干系数的滑坡提取方法可以从高植被覆盖的形变区域中提取出滑坡主体。

关键词：相干系数；SAR影像；滑坡提取；变化检测

中图法分类号 P237；    文献标志码 A

随着人类活动范围的扩大，对自然环境影响的也变大，出现极端天气的概率提升，滑坡、泥石流等灾害发生频率随之越来越高，其中对人类造成损失最大的灾害类型就是滑坡[1]。传统的滑坡提取主要依靠野外实地勘察，对于地势复杂、险峻的地区，实际调查时会遇到很大的困难。随着遥感卫星的增加以及其搭载传感器的升级，使用遥感技术提取滑坡已成为一种重要手段。Liao等[2]提出了一种相干系数变化检测方法，从多时相SAR图像中检测新的城市区域。李强等[3]提出了基于强度图像相关性变化检测方法，检测出了日本益城町区域地震后损坏建筑物的分布。刘穗君[4]基于SAR图像强度信息和相位信息提取了2017年的新磨村滑坡。从上述内容可知，人们对提取滑坡的研究很早，从难度较大的人工野外调查到遥感技术提取滑坡，再到现在对各种图像特性、各种算法的研究。

目前，基于光学影像的研究较为成熟，如利用光学影像的光谱信息就有基于归一化植被指数变化提取滑坡方法、以及最近几年流行的基于深度学习自动提取滑坡等。但当研究区处于雾、云和雨天时，光学影像获取较难，对于强降雨造成的滑坡提取不具有时效性。而雷达遥感具有全天候、全天时、穿透云雾的特点，能及时检测到强降雨造成的滑坡。但传统的SAR图像变化检测方法往往只用到了图像的强度信息，对SAR图像的相位信息研究较少，同时也缺少对SAR图像时序性的利用。针对上述问题，结合SAR图像的相位信息，提出通过对研究区的相干系数的时序变化分析，来提取滑坡的方法。

1 研究区概况及数据源

1.1 研究区概况

恩施市地处巫山和武陵山交会处，平均海拔一千米以上，相对高差在五百米至一千三百米之间。清江是恩施市主要河流之一，自西向东，横穿整个恩施市。沙子坝滑坡位于湖北恩施市屯堡乡马者村清江。从七十年代开始，该地区多次出现了不同程度的滑坡，被列为恩施市167个地质灾害监测站点之一。恩施市自2020年6月8日进入梅雨期以来，出现了几次强降雨，累积降水量达907 mm，是历史上354 mm的1.56倍，创下了1951年有气象观测记载以来的最大纪录。马者村沙坝在持续暴雨的作用下发生了地质变形，并引发了泥石流，尤其是在7月21号早上5时30分，大约有一百五十万立方米的泥沙进入了清江，堵塞了清江，造成了堰塞湖。

1.2 数据源与预处理

恩施市沙子坝滑坡发生时间为2020年7月21日，所以本文以这个时间为中间点，选取跨越恩施市沙子坝滑坡发生时间前后共17景的Sentinel-1A SLC VV降轨影像，并使用欧空局下载的精密定轨星历数据（Precise Orbit Ephemerides，POD），对17景影像进行配准，再按照时间先后顺序，将影像两两配对，并计算其相干系数。其中空间基线和时间基线均在阈值允许范围之内，且获取影像时的入射角夹角都很小，因此空间、时间失相干和配准对图像质量的影响可以忽略不计。

2 研究方法

SAR图像变化检测有三个步骤，即对SAR图像预处理、差异图生成和差异图分析，这每一步对实验的结果都很重要。

2.1 差异图生成

用于实验的SAR图像的预处理为雷达影像常用的预处理步骤，包括图像配准、滤波去噪等。在差异图生成的步骤中与通常的SAR图像变化检测有所不同，这里用于处理的原图像不再是SAR图像的强度图，而是两幅SAR影像之间相干系数图。相干系数是Prati等[5]提出的评价两幅SAR影像相位干涉质量的一种指标，用于描述主、副影像在同一区域内的相似程度及相关性。相干系数表达式为：

式中，M为主影像；S为辅影像；*为共轭相乘。

而在变化检测中噪声的影响是SAR图像多时相分析中的一个难点，使得结果中含有许多不真实的信息。均值比值法采用时序SAR图像相干系数中同位点像元的平均值来替代图像的相干性，同时还考虑到了像元的空域信息，从而有效地降低了SAR影像中噪声的影响，其算法如下：

在差异图生成时，用Otsu阈值分割的方法对生成的差异图二值化以区分出滑坡和背景，再对得到的结果进行形态学处理以去除掉较小的离散的图斑。

2.2 形态学处理

形态学模型（Morphological Profile，MP）是一种可以提取和重构图像的数学模型，可以将目标物的特征从图像中提取出来。在SAR图像变化检测中加入MP模型，能对目标物的特征针对每个像素点进行提取，从而使SAR图像变化检测结果更加具体化，还提高了检测精确性。MP模型运用了结构元素（Structure Element，SE），结构元素是基于数学形态学而产生的概念，如参看文献[6]。其中，形态学中的腐蚀和膨胀的结合形式构成了形态学中的“开启”运算（OR）和“闭合”运算（CR）这两种算法。

以灰度图像f为例，其开运算定义如下：

闭运算定义如下：

式中，ε和δ分别是开运算和闭运算的结构算子；θ是结构元素；γ代表开运算；ϕ代表闭运算。

则MP可以被定义为下式：

式中，K是SE尺寸的最大值（即i的最大值）；R表示所选择SE尺度的个数；α和β表示SE尺度区间的上限和下限；OC表示特征提取。

3 结果与分析

3.1 研究区SAR影像时序相干系数分析

为了探究用SAR图像相干系数时序变化来提取沙子坝滑坡的可行性，对研究区SAR影像的相干系数特征进行下列分析。

研究区的时序相干系数图，如图1所示，绿色区域表示相干系数较低的区域，红色区域表示相干系数较高的区域。在滑坡发生前后，滑坡区域的相干系数有明显的变化且与光学影像里的滑坡形态接近。由研究区概况可知恩施市2020年6月8日开始有连续的强降雨，所以可以从图上看出6月8号前的相干系数像对较稳定、变化不大，而像对“0605-0617”较像对“0512-0524”和像对“0524-0605”部分区域相干系数明显变小。沙子坝滑坡发生时间为7月21日，所以从跨越滑坡时间的像对“0711-0723”可以看出滑坡区域原本受强降雨影响较小的物体相干系数也下降了（图1中蓝圈区域）。由于强降雨并没有结束，导致了滑坡体的不稳定，所以像对“0723-0804”的相干系数依旧很低。但在后面时间里，滑坡逐渐稳定、滑坡区域内相干系数明显提高、较周围环境有显著差异，所以可以用该方法来提取滑坡。

3.2 基于相干系数变化的滑坡提取

在上述实验基础上，针对滑坡区域SAR影像相干系数时序变化的特点，对沙子坝滑坡进行提取。首先，根据图1选取跨越了滑坡发生时间的像对“0711-0723”作为前时相的相干系数，选取像对“0804-0816”、“0828-0921”和“1108-1120”的平均值作为后时相的相干系数。其中“0804-0816”、“0828-0921”为靠近滑坡发生时间且滑坡体较稳定后的相干系数，“1108-1120”为图1（b）中相干系数受降雨影响较小且标准差也较小的图像，标准差较小，说明整幅图的像元的值离散程度较小。然后，根据均值比值法构建相干系数差异图，再对其差异图分析：Otsu阈值分割、形态学处理、滑坡边界提取如图1。

在图1中，（a）为均值比值法构建相干系数差异图，利用Otsu阈值分割算法，得到的阈值为0.461，并以得到的阈值为基础，对相干系数差异图进行二值化，如图中（b）。相干系数差异图的二值化后，滑坡和非滑坡背景的分离程度更加明显，其轮廓也更加清晰明了，这就更有利于提取滑坡的形态，但在图像中会出现一些空隙和一些离散的图斑。为了填补二值化后图像中的空洞和去除小图斑，本文用到方法是形态学中的开运算和闭运算。其中，经过迭代计算得到开运算、闭运算的结构元素宽度为32，如图中（c）为开运算步骤中的腐蚀算法、图中（d）为开运算步骤中的膨胀算法，图中（e）为在之前步骤上再进行闭运算后的结果，图中（f）为提取的滑坡边界，可以明显看出形态学处理明显优化了滑坡在结果图中的显示效果。

由图2光学影像可知滑坡区原本有茂密的植被覆盖，7月21日滑坡发生后滑坡区域地表植被受到滑坡破坏，变为了相干系数较植被高的岩石砾砂，所以可以用相干系数的变化来提取滑坡。实验提取出来的滑坡形态与光学影像对比有些许差别，一是因为研究区里的滑坡是中小型滑坡，而用于实验的SAR影像数据的分辨率较小；二是因为该地区一年四季大部分时间都有云层覆盖，本文下载的光学影像已经是最接近于滑坡发生时的时间但依然间隔较长；三是因为从恩施市沙子坝滑坡时序相干系数图可以看出受降雨和滑坡体自身的不稳定性影响，每期的相干系数图都会有不同程度的变化。但从整体上来看，提取出来的滑坡边界与光学影像里的滑坡形态接近。

4 结论

本文提出了利用SAR图像的时序相干系数变化来提取滑坡的方法，以2020年恩施市沙子坝滑坡为例，得到以下结论。

（1）该方法考虑到了植物的散射不稳定性对传统的SAR强度信息变化检测带来的影响，通过利用SAR图像的相位信息，能够对高植被覆盖区域的突发强降雨造成的滑坡进行提取。

（2）另外，滑坡发生时其周围环境也会发生一定的形变，通过选择具有时序性的图像，生成相干系数的时序差异图，并对其进行分析和形态学处理，突出了滑坡主体和周围环境的差异。

（3）从滑坡提取结果与哨兵2光学影像的比较，看出基于相干系数时序变化检测的方法可以从滑坡及其周围环境的形变区域中提取出滑坡主体。

参考文献：

黄润秋. 20世纪以来中国的大型滑坡及其发生机制[J]. 岩石力学与工程学报， 2007， 26（3）： 433-454.

Liao M， Jiang L， Lin H， et al. Urban change detection based on coherence and intensity characteristics of SAR imagery[J]. Photogrammetric Engineering & Remote Sensing， 2008， 74（8）： 999-1006.

李强， 张景发， 龚丽霞等. SAR图像纹理特征相关变化检测的震害建筑物提取[J]. 遥感学报， 2018， 22（增刊）： 128-138.

刘穗君. 基于SAR影像强度与相干系数的滑坡提取研究[D]. 成都： 西南交通大学，2019.

Prati C， Rocca F. Improving slant-range resolution with multiple SAR surveys[J]. IEEE Transactions on Aerospace and electronic systems， 1993， 29（1）： 135-143.

梅妍玭， 张得才， 傅荣. 基于形态学与多尺度空间聚类的SAR图像变化检测方法研究[J]. 光电子·激光， 2021， 32（11）： 1140-1146.

第一作者：欧洪（2003-），男，硕士，主要研究方向为资源与环境遥感。Email：2539762145@qq.com；