基于全極化SAR數(shù)據的旱地作物識別與生物學參數(shù)反演研究.pdf

1、農作物種植面積、長勢監(jiān)測是農情遙感監(jiān)測的關鍵內容。隨著遙感技術的發(fā)展，大范圍的農作物種植面積、長勢監(jiān)測成為可能，其監(jiān)測結果可為國家農業(yè)生產管理、糧食政策制定提供重要參考依據。目前國家農業(yè)部農作物遙感監(jiān)測業(yè)務使用的主要是光學遙感數(shù)據。然而，在進行我國北方旱地作物監(jiān)測時發(fā)現(xiàn)，由于受作物生長關鍵期頻繁的云雨天氣限制，經常無法獲取完整、連續(xù)的光學遙感數(shù)據，嚴重影響了監(jiān)測工作的時效性和監(jiān)測結果的準確性。合成孔徑雷達（synthetic apert

2、ure radar，SAR）遙感技術因具有全天時、全天候監(jiān)測地表信息的能力，彌補了多云雨天氣下光學遙感數(shù)據的不足，在作物遙感監(jiān)測方面具有廣泛的使用需求和巨大的應用潛力。以往國內外在利用雷達技術進行農作物類型識別、長勢監(jiān)測方面開展了大量研究工作，但研究對象大多集中于水田作物，對旱地作物的研究相對較少。針對上述問題，本文開展基于合成孔徑雷達數(shù)據的旱地作物識別與長勢監(jiān)測研究。
　　本文選取華北平原的河北省深州市為研究區(qū)，利用多時相、全極

3、化Radarsat-2SAR數(shù)據進行了旱地作物類型識別與生物學參數(shù)反演研究。主要研究內容包括以下3個方面：第一，結合遙感和地面調查數(shù)據，分析了研究區(qū)典型地物的后向散射特征，建立了相應的地物分類指標，選取多種分類方法（決策樹、支持向量機）進行了典型地物識別與精度驗證，比較了各分類方法的作物識別精度；第二，分析了旱地作物識別的最佳時相及其組合方式，提取了用于典型地物識別的各種輔助變量（極化分解、紋理）信息，以分類精度為評價指標，采用隨機森林

4、法評價了各變量對改善分類精度的重要性；第三，分析了雷達后向散射系數(shù)與作物生長參數(shù)（株高、葉面積指數(shù)、植株干、鮮重等）的相關關系，建立了作物生長參數(shù)與后向散射間的相關模型，利用模型反演了作物生長參數(shù)。
　　基于以上研究內容得出以下結論：
　　1.利用SAR遙感識別旱地作物時應著重關注作物生長前期的時相。玉米識別的最佳時相為苗期至拔節(jié)前期之間，最佳極化方式為交叉極化，用6月27日HV極化進行玉米識別時，精度達80％以上；棉花識別

5、的最佳時相為苗期至花蕾后期之間，最佳極化方式為交叉極化，利用HV7.21-HV6.3進行棉花識別，精度為73.31%。在旱地作物識別中支持向量機法優(yōu)于決策樹法，并且支持向量機法在識別小地塊和控制斑點噪聲方面優(yōu)勢明顯。
　　2.利用多種輔助變量信息進行旱地作物識別時發(fā)現(xiàn)極化信息的重要性優(yōu)于紋理信息，極化信息的加入使分類精度在后向散射信息分類結果的基礎上提高了近7%，極化信息的加入主要增加了玉米和建筑用地的可分離性。紋理信息和極化信息

6、的加也使棉花的精度提高了3%。通過針對玉米的變量優(yōu)選，其中5個變量組合（VH、Alpha、Yamaguchi4-Odd、Freeman-Vol、Mean）可使玉米獲得較高的精度，然而利用所有信息獲取的結果仍為最優(yōu)。通過多變量信息組合對研究區(qū)分類結果的對比發(fā)現(xiàn)多時相信息組合優(yōu)于單時相，極化分解信息作用強于紋理信息，光學與雷達數(shù)據的結合效果最好。
　　3.后向散射系數(shù)與作物生長參數(shù)具有階段性相關的特點，其中作物生長中前期和后期部分生長