基于光学与升降轨SAR遥感影像的高密度城市核心区不透水面提取方法研究

针对高密度城市核心区不透水面(IS)提取中光学阴影干扰的难题，本研究创新性地结合光学影像与升降轨合成孔径雷达(SAR)数据，提出分层样本与多源数据融合的HS-OAD方法。通过构建AS/DE SAR阴影指数(ADSI)和分层采样策略，有效区分阴影区地物类型，随机森林分类精度达89.61%，显著降低阴影区IS与水体的误判，为城市可持续发展评估提供新工具。

　　

在城市快速扩张的背景下，不透水面(Impervious Surfaces, IS)作为人工硬化地表的核心组分，其动态监测对评估城市热岛效应、洪涝风险等环境问题至关重要。然而，高密度城区建筑阴影导致光学遥感影像出现大面积光谱失真，传统方法难以区分阴影区IS与水体、植被等地物。更棘手的是，合成孔径雷达(SAR)因侧视成像原理会产生与光学阴影方向正交的雷达阴影，二者重叠区域信息几乎完全丢失，严重制约IS提取精度。

针对这一挑战，中国海洋大学等单位的研究人员创新性地提出结合光学、升轨(AS)和降轨(DE)SAR影像的分层样本提取方法(HS-OAD)。研究通过分析北京、青岛和成都三个典型城市的数据发现，双轨SAR能有效减少阴影重叠区域：升轨SAR阴影出现在建筑物西侧，而降轨SAR阴影位于东侧，二者互补可恢复约40%的阴影区信息。该成果发表于《International Journal of Applied Earth Observation and Geoinformation》，为解决高密度城区IS监测难题提供了新思路。

关键技术包括：(1)提出AS/DE SAR阴影指数(ADSI)，通过VV_AS与VV_DE波段差异量化阴影分布；(2)采用OTSU算法划分非阴影区、光学阴影区和SAR阴影区；(3)构建包含IS、植被、裸土和水体四类地物的分层训练样本集；(4)融合光学光谱特征(VV/VH极化、Cloude分解参数等)与SAR纹理特征(GLCM矩阵)，利用随机森林完成分类。

研究结果揭示：

1. 阴影补偿效应：在青岛试验区，NS-OAD方法使阴影区IS提取准确率较单光学数据(NS-O)提升23.5%，证明双轨SAR能有效补偿光学阴影缺失信息。
2. 分层样本优势：HS-OAD在成都的总体精度达89.61%，比未使用SAR阴影样本的方法(OS-OAD)提高0.9%，裸土误判率降低12.3%。
3. 特征贡献度：极化相干矩阵参数C₁₁+C₂₂对IS识别贡献最大，而ADSI指数在阴影区分割中的重要性超过传统CSI指数。

讨论部分强调，该方法创新点在于首次系统量化了光学与SAR阴影的几何关系，通过分层采样策略解决了异质阴影区样本代表性问题。实际应用中，双轨SAR数据可将北京试验区阴影重叠区域从单轨的35%降至18%，但同时也新增12%的独立SAR阴影区，这要求分类器必须学习三类阴影区的差异化特征。研究还发现，在纬度较高的北京，冬季低太阳高度角导致光学阴影面积增加20%，此时SAR数据的补偿作用更为显著。

该研究为高精度城市IS制图提供了可推广的解决方案，其提出的ADSI指数和分层采样框架可扩展至全球城市监测。未来工作将结合深度学习算法，进一步优化阴影区细小地物的识别能力，推动城市环境评估向更高时空分辨率发展。