Page 29 - 2022年第53卷第9期

图 ２ 水云模型参数校准前、后模拟值与雷达卫星后向散射系数的对比

３．２ 基于光学和雷达信息的实际灌溉面积提取方法 雷达后向散射系数对土壤和植被含水量较为敏
感，而灌溉事件会导致地块的土壤含水量和植被含水量显著增加，因此可基于雷达后向散射系数的时
序变化对灌溉信号进行探测，对实际灌溉面积进行提取。对此，本文提出一种基于时序差值和局部阈
值法的实际灌溉面积提取方法，主要包括以下步骤：
（ １）基于全局阈值的分割计算。基于相邻时序的雷达卫星遥感数据计算雷达后向散射系数差值，
基于全局阈值对潜在灌溉地块进行分割计算：
Δ ＶＶ ＝ ＶＶ － ＶＶ ｔ１ （６）
ｔ２
Ｉｒｒｉｇ＝ Δ ＶＶ＞Ｔｈ （７）
１
式中：Δ ＶＶ为时段 ＶＶ极化后向散射系数的差值；ＶＶ 和 ＶＶ 分别为 ｔ２和 ｔ１时刻 ＶＶ极化后向散射系数
ｔ１
ｔ２
值；Ｔｈ为全局分割阈值；Ｉｒｒｉｇ为基于全局阈值分割的潜在灌溉区域。全局分割阈值可基于 ３．１节水云
１
模型对灌溉事件的量化模拟分析确定，本文中的全局分割阈值为 １ｄＢ。
（２）局部阈值分割的计算。为了抑制裸土地表粗糙度变化对时序后向散射系数产生的影响，引入
植被指数对作物种植区域进行增强：
Δ ＥＶＶ ＝ Δ ＶＶ·ＮＤＶＩ （８）
与大范围的降水导致的区域后向散射系数的变化特征不同，灌溉事件导致雷达后向散射系数呈现明显
的局地变化特征，可使用局部阈值法对潜在灌溉地块进行分割计算。首先，将研究区划分为 Ｌ × Ｌ的 ｎ
个网格。由于灵寿县磁右灌区地块多为矩形的畦田，畦长为 ２０～６０ｍ，畦宽为 ２～１０ｍ。本文结合研
究区地块特征信息，选用畦长的 ３０～５０倍作为网格大小，在试验分析的基础上确定 Ｌ为 ２ｋｍ。针对每
个网格内的图像数据进行阈值分割计算：
Ｉｒｒｉｇ ＝ Δ ＥＶＶ＞Ｔｈ ｉ （９）
２，ｉ
然后，合并 ｎ个网格计算结果得到区域的分割计算结果：
ｎ
Ｉｒｒｉｇ＝ Ｉｒｒｉｇ ２，ｉ （１０）
２ ∑
ｉ ＝０
式中：Ｉｒｒｉｇ 为第 ｉ个网格的潜在灌溉区；Ｔｈ为第 ｉ个网格内 Δ ＥＶＶ的均值；Ｉｒｒｉｇ为研究区基于局部
ｉ
２
２，ｉ
阈值分割的潜在灌溉区。
（ ３）基于作物分类和灌溉制度的潜在灌溉区判别。受到雷达噪声等因素的影响，基于全局和局部
阈值分割提取的潜在灌溉区仍存在一定的不确定性。对此，可进一步结合研究区的作物分类和灌溉制
度对潜在的灌溉区进行判别：
Ｉｒｒｉｇ＝ Ｃｒｏｐ （１１）
３ ｍ
式中：Ｃｒｏｐ为研究区常年同期灌溉的作物类型；Ｉｒｒｉｇ为基于灌溉制度的研究区潜在灌溉区。最后，
３
ｍ
４
— １ ０ ２ —