基于植被指数的Sentinel-1失相干评估

doi:10.13474/j.cnki.11-2246.2023.0132

测绘通报 ›› 2023, Vol. 0 ›› Issue (5): 32-37,50.doi: 10.13474/j.cnki.11-2246.2023.0132

基于植被指数的Sentinel-1失相干评估

潘建平, 赵瑞淇, 蔡卓言, 袁雨馨, 李鹏霞

重庆交通大学智慧城市学院, 重庆 400074

收稿日期:2022-06-06 修回日期:2023-03-07 发布日期:2023-05-31
通讯作者: 赵瑞淇。E-mail:978430751@qq.com
作者简介:潘建平(1976-),男,博士,教授,主要从事摄影测量与遥感相关教学与科研工作。E-mail:panjianping@cqjtu.edu.cn
基金资助:
宁夏回族自治区重点研发计划（2022CMG02014）；重庆交通大学研究生科研创新项目（CYS22437）

Sentinel-1 decorrelation assessment based on vegetation index

PAN Jianping, ZHAO Ruiqi, CAI Zhuoyan, YUAN Yuxin, LI Pengxia

School of Smart City, Chongqing Jiaotong University, Chongqing 400074, China

Received:2022-06-06 Revised:2023-03-07 Published:2023-05-31

摘要/Abstract

摘要： Sentinel-1数据自全球免费开放以来已被广泛应用于合成孔径雷达干涉测量及相关应用领域，但是其短波长的特性使其容易在部分低相干区域，特别是在植被覆盖区产生失相干现象，因而目前主流的干涉后失相干评估策略可能会造成Sentinel-1数据的浪费和研究成本的提升。针对此情况，本文在顾及极化方式的前提下，分别建立了光学遥感植被指数NDVI和VV/VH极化下Sentinel-1相干系数的定量模型，并在邻近的验证区对模型精度进行了验证，证明了模型的可靠性。基于建立的模型，可以在Sentinel-1数据干涉前对失相干进行定量评估，以克服上述干涉后评估策略的缺点，提高干涉测量的效率并降低研究成本。

关键词: Sentinel-1A失相干, NDVI, 干涉相干系数, 植被指数

Abstract: Sentinel-1 data has been widely used in synthetic aperture radar interferometry technology and related application fields since it is opened for free in the world, but its short wavelength characteristics make it easy to generate decorrelation in some low coherence areas, especially in vegetation coverage areas. However, the current mainstream post-interference incoherence evaluation strategy may cause data waste and increase research costs, taking into account the polarization mode, this paper establishes the quantitative models of Sentinel-1 coherence and optical remote sensing vegetation index NDVI at VV and VH polarization, and verifies the accuracy of the models in the adjacent validation area, indicating the reliability of the model. Based on the established models, the decorrelation can be quantitatively evaluated before the interference of Sentinel-1 data, in order to overcome the shortcomings of the above post-interference evaluation strategy, improve the efficiency of interferometry and reduce the research costs.

Key words: Sentinel-1A decorrelation, NDVI, interferometric coherence, vegetation index

中图分类号:

P237

潘建平, 赵瑞淇, 蔡卓言, 袁雨馨, 李鹏霞. 基于植被指数的Sentinel-1失相干评估[J]. 测绘通报, 2023, 0(5): 32-37,50.

PAN Jianping, ZHAO Ruiqi, CAI Zhuoyan, YUAN Yuxin, LI Pengxia. Sentinel-1 decorrelation assessment based on vegetation index[J]. Bulletin of Surveying and Mapping, 2023, 0(5): 32-37,50.

参考文献

[1] POTIN P, ROSICH B, MIRANDA N, et al. Sentinel-1 mission status[C]//Proceedings of 2017 IEEE International Geoscience and Remote Sensing Symposium.[S.l.]:IEEE, 2016.
[2] 彭颖, 许才军, 刘洋. 联合地震位错模型和InSAR数据构建2017年九寨沟Mw 6.5地震同震三维形变场[J]. 武汉大学学报(信息科学版), 2022, 47(11):1896-1905.
[3] 李振洪, 韩炳权, 刘振江, 等. InSAR数据约束下2016年和2022年青海门源地震震源参数及其滑动分布[J]. 武汉大学学报(信息科学版), 2022, 47(6):887-897.
[4] 郭倩. InSAR时间序列分析监测Cerro Azul火山长期形变活动[D].武汉:武汉大学, 2020.
[5] 黄淞波, 常占强, 谢酬, 等. 表碛型冰川的时序InSAR识别方法与形变监测研究[J]. 测绘科学, 2022, 47(1):102-111.
[6] 赵中枢, 张红峰. 基于分时散射目标的非城区地形PS-InSAR监测[J]. 测绘通报, 2021(5):68-72.
[7] 李帅, 温建生, 胡海峰. 融合InSAR技术的矿区大梯度形变研究[J]. 测绘科学, 2021, 46(11):56-62.
[8] 鲁铁定, 陈镕. 基于时序InSAR技术的芜湖市长江大桥一桥变形监测与分析[J]. 江西科学, 2021, 39(5):838-843.
[9] JIANG M, DING X, LI Z, et al.InSAR coherence estimation for small data sets and its impact on temporal decorrelation extraction[J].IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(10):6584-6596.
[10] TAURI T, JAAN P, AIN K, et al. Detecting peat extraction related activity with multi-temporal Sentinel-1 InSAR coherence time series[J]. International Journal of Applied Earth Observations and Geoinformation, 2021, 98:102309.
[11] 刘智勇, 张晨, 刘泽楷, 等. 雷达相干性与NDVI经验模型[J]. 测绘通报, 2021(4):45-51.
[12] BAI Z, FANG S, GAO J, et al. Could vegetation index be derive from synthetic aperture radar?-the linear relationship between interferometric coherence and NDVI[J]. Scientific Reports, 2020, 10(1):6749.
[13] LEE H, LIU J G. Analysis of topographic decorrelation in SAR interferometry using ratio coherence imagery[J].IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(2):223-232.
[14] WANG Teng, LIAO Mingsheng, PERISSIN D. InSAR coherence-decomposition analysis[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 7(1):156-160.
[15] CHEN, Yaogang, SUN Qian, HU J.Quantitatively estimating of InSAR decorrelation based on Landsat-derived NDVI[J].Remote Sensing, 2021, 13(13):2440.
[16] WALI E, TASUMI M, MORIYAMA M. Combination of linear regression lines to understand the response of Sentinel-1 dual polarization SAR data with crop phenology-case study in Miyazaki, Japan[J].Remote Sensing, 2020, 12(1):189.

基于植被指数的Sentinel-1失相干评估

Sentinel-1 decorrelation assessment based on vegetation index

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	马海超, 王崇倡, 何昭宁, 信晟, 王蕾. 面向GF-7影像的绿波改正归一化水体指数构建[J]. 测绘通报, 2023, 0(5): 38-43.
[2]	文晔, 王松妍, 张欢. 高分数据连续多时相南湾湖藻类污染监测[J]. 测绘通报, 2023, 0(4): 1-5,15.
[3]	李茂林, 闫庆武, 仲晓雅. 一种复合型校正植被信息的方法[J]. 测绘通报, 2022, 0(6): 49-54142.
[4]	罗杰, 刘绥华, 阮欧, 胡海涛. 运用NDVI-Albedo特征空间提取石漠化信息[J]. 测绘通报, 2022, 0(4): 56-60,82.
[5]	程滔, 管林杰, 郑新燕, 陶舒, 高崟. 基于色调饱和度亮度模型的可见光植被提取[J]. 测绘通报, 2022, 0(2): 116-120.
[6]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[7]	齐丹宁, 胡政军, 赵尚民. 山西省西山煤田长时间序列NDVI时空变化趋势及对气候响应[J]. 测绘通报, 2021, 0(9): 98-102,107.
[8]	王树祥, 韩留生, 杨骥, 李勇, 赵倩, 刘杨晓月, 吴昊. 一种改进的融合多指标荒漠化等级分类方法[J]. 测绘通报, 2021, 0(4): 8-12.
[9]	刘智勇, 张晨, 刘泽楷, 袁俊健, 祁宏昌, 潘屹峰, 朱焕廉, 吴希文, 王华. 雷达相干性与NDVI经验模型[J]. 测绘通报, 2021, 0(4): 45-51,59.
[10]	胡洁, 姜成桢, 杨勇, 何晓锋, 李凯. 黑河中下游植被覆盖度变化遥感监测[J]. 测绘通报, 2021, 0(10): 34-38.
[11]	王华, 杨乾鹏, 郭山川, 旦增, 次仁多吉. Landsat时序数据支持下的藏东南植被时空变化监测[J]. 测绘通报, 2020, 0(11): 7-12,38.
[12]	康雄, 曹俊涛, 陈成, 杨杰, 王建雄. 不同趋势法的宁夏长时序植被变化分析[J]. 测绘通报, 2020, 0(11): 23-27.
[13]	李月, 何宏昌, 王晓飞, 张国民. 农作物冠层光谱分析及反演技术综述[J]. 测绘通报, 2019, 0(9): 13-17.
[14]	王冬利, 张安兵, 赵安周, 李静. 非监督分类的冬小麦种植信息提取模型[J]. 测绘通报, 2019, 0(8): 68-71,77.
[15]	梅树红, 范城城, 廖永生, 李雅然, 施宇军, 麦超. 结合光谱和纹理特征的林地变更检测[J]. 测绘通报, 2019, 0(8): 140-143.