湿地研究：知识点补全

本文内容来源于网络博客及GPT生成内容，作者并未详细阅读论文原文

前言

最近一直在忙于实验数据的预处理，好久没更新博客了。趁着突然想动笔的热情，也为了巩固之前阅读论文时积累的知识，决定写一篇关于湿地遥感的总结，记录一些有用的内容。

实验数据

随着各类地球观测平台的不断发展，我们能够获取并利用越来越多的多源遥感数据开展遥感制图研究。多源数据的日益丰富既为我们带来了机遇，也带来了挑战：一方面，借助这些数据，我们有望显著提升研究的精度与可靠性；另一方面，如何有效地融合多源数据、提取一致且有用的信息，也成为当前亟待解决的关键问题。接下来，我们来详细了解一下湿地遥感研究中常用的多源数据类型及其特点。

1. 光学影像

常见的遥感光学影像通过捕捉 可见光、红外光 以及 近红外光 为湿地研究提供光谱信息，这类影像我们通常根据其分辨率为其分类：

高分辨率影像：我们可以从 高分辨率影像 中提取地物更加丰富的几何、纹理特征，从而实现精确划定湿地边界、识别微地形特征，并在精细尺度上表征植被模式。

在实际研究中，这些数据的用途及相关研究如下：

用途相关研究

直接用于研究，实现湿地植被群落的详细制图与分类 📚 Salt marsh elevation and habitat mapping using hyperspectral and LIDAR data | 🌏 Remote Sensing of Environment (2013)

评估基于中分辨率传感器生成的湿地地图质量 📚 Four decades of winter wetland changes in Poyang Lake based on Landsat observations between 1973 and 2013 | 🌏 Remote Sensing of Environment (2015)

中分辨率影像：中分辨率影像是大尺度湿地监测的常用数据源，其分辨率范围通常为 $10m$ 至 $100m$ ，在空间细节与时间频率之间取得了良好平衡。目前常用的数据源包括：
- Landsat：提供近五十年的连续多光谱观测，具有30米空间分辨率和16天重访周期
- Sentinel‑2：由欧洲空间局（ESA）于 2015 年启动的地球观测任务。自 2017 年起，通过 Sentinel-2A 和 Sentinel-2B 组成的双星系统，可实现约 5 天的重访周期。为确保数据连续性，后续已陆续发射 Sentinel-2C 及更多卫星，2024 年影像中已可见 Sentinel-2C 的数据。
低分辨率影像：低分辨率光学数据的空间分辨率为 100 米至数公里，是全球尺度湿地分类与制图研究的重要工具。

用途	相关研究
直接用于研究，实现湿地植被群落的详细制图与分类	📚 Salt marsh elevation and habitat mapping using hyperspectral and LIDAR data \| 🌏 Remote Sensing of Environment (2013)
评估基于中分辨率传感器生成的湿地地图质量	📚 Four decades of winter wetland changes in Poyang Lake based on Landsat observations between 1973 and 2013 \| 🌏 Remote Sensing of Environment (2015)

在遥感影像分析中，我们经常会提到「分辨率」这个概念。简单来说，分辨率决定了我们能从一幅影像中看到多少、看得多清晰。但实际上，遥感影像的分辨率并不只是一个维度，而是包含如下四个方面：

分辨率	描述
空间	这可能是大家最熟悉的分辨率，指的是传感器能够区分的地面最小单位。举个例子，10米空间分辨率意味着影像中的一个像元代表地面10米×10米的面积。空间分辨率越高，影像越清晰，越容易识别地物细节，但同时带来更大的数据量和存储成本。
时间	光谱分辨率描述了传感器能分辨电磁波谱的精细程度。高光谱传感器可以将光谱划分为上百甚至上千个窄波段，从而更精准地区分不同地物类型。而多光谱影像则波段数量较少，更适合大范围的土地利用与覆盖分类。
光谱	时间分辨率关乎影像的更新频率，即卫星或传感器多久能对同一地区成像一次。例如，Sentinel-2的重访周期是5天，而气象卫星可能只需数小时。
辐射	辐射分辨率决定了传感器记录地物反射或辐射能量的精细程度，通常以「位数」来衡量（如8位、12位、16位）。位数越高，影像中能量差异的细微变化就越容易被捕捉。

如果想更深入地了解这四个分辨率的定义及评估指标，可以参考这篇详细的博客文章：「遥感四大分辨率」。

2. SAR影像

合成孔径雷达（SAR）是一种主动微波成像雷达。雷达从飞机、卫星或无人机上发射电磁波，接收回波；通过平台沿飞行方向移动并把多次接收的数据合成 虚拟大孔径 | synthetic aperture，利用目标散射体产生的多普勒频移信息，把沿轨迹方向的波束合成成极窄的“孔径”，从而实现比物理天线更高的方位（航向）分辨率。

这么说有些复杂，但对于我们 GISer 来说，SAR 的原始数据实际上就是一个以像素为空间单位存储的复数数据集合，该复数数据表示某种特定电磁波 发射/接收 方式的回波信号：

\begin{align*}S = A \cdot e^{i\phi} = A (\cos{\phi} + i\sin{\phi})\end{align*}

其中， $A$ 为幅度 | amplitude ， $\phi$ 为相位 | phase 。

不同的电磁波 发射/接收 方式有一个专门的名词—— 极化 | polarization。极化描述的是电场矢量在传播方向上的振动方向（类似偏振片的概念）。SAR卫星通常提供两种极化方式：

垂直极化（V, Vertical）：电场矢量垂直于地面
水平极化（H, Horizontal）：电场矢量平行于地面

通过组合不同的 发射/接收 极化方式，我们可以得到 VV、VH、HH、HV 等模式（例如，VH 表示垂直发射、水平接收）。这些不同极化方式对应 SAR 原始数据中不同的波段特性，为后续分析提供丰富信息。

极化	特性
HH	对具有二次散射的结构（如城市建筑）敏感。
VV	对地表粗糙度和植被体积散射敏感。
VH	交叉极化，对植被和表面粗糙度敏感。
HV	交叉极化，与 VH 类似，提供了互补信息。

在实际应用中，我们通常会使用 SAR 原始数据的派生产品，如 强度影像（Intensity）、干涉合成孔径雷达（InSAR）、极化SAR（PolSAR）等。下面以 Sentinel-1 产品为例，介绍这些派生数据在实际 GIS 工作中的应用。

🐍 Sentinel-1 SLC

SLC (Single Look Complex) 是 Sentinel-1 的 level-1 产品，它是在原始数据上经过初步处理后，完整保留了复数信息的影像： $C = I + iQ = A\cdot e^{i\phi}$ 。

该数据产品的主要应用有：

使用 InSAR 技术对同一地区不同 时间/视角 的两幅SAR影像进行处理，生成干涉图，从而解译出地表的微小形变与地形信息。其主要应用领域有：地表形变监测、DEM生成。
使用 PolSAR 技术构建散射矩阵，同时利用幅度、相位等SAR特征。

🦁 Sentinel-1 GRD

GRD (ground range detected) 虽然是从 SLC 产品中派生得出，但 ESA 还是将它归类为 level-1 产品。该产品旨在去除相位冗余，降低斑点噪声，并将几何投影修正为更符合人类认知的地距投影。

该数据主要应用有：洪水/水体边界监测、土地覆盖变化检测、海冰范围监测以及地物强度分析等。对于不需要相位信息的 大众 GIS 应用 来说，GRD 是最常用、最方便的数据产品。

Sentinel-1的产品描述可以参考如下网站：GEE S1-GRD、ESA S1 。

3. 湿地清单

湿地清单 | wetland inventories 通常以 数据库 或地图的形式存在，提供湿地的空间分布和类型信息。作为对现有湿地范围、类型和面积的先验知识，它们在遥感研究中扮演着多重角色：一方面，可用于生成补充性的训练样本；另一方面，也作为验证数据和 地面真值 | ground truth 的来源，为湿地制图工作提供历史参照。

标题	信息
A comprehensive review of remote sensing in wetland classification and mapping	2025 \| arxiv
鄱阳湖湿地植物生态系统结构及湖水位对其影响研究	2010 \| 中文核心