论文部分内容阅读
植被物候是植物的生长状态和生长环境在长期的相互适应中形成的周期性规律。水稻对中国和世界都是极其重要的粮食作物,准确且及时的水稻物候监测是水稻病害防治和产量预估的必要条件。水稻倾向于生长在湿热气候的区域,这类区域在水稻栽植的月份往往雨水较多,云雾天气频繁,光学卫星通常不能获得这些区域的连续时相低云量遥感影像。因此,能够穿透云雾、基本不受天气影响的微波遥感数据成为一种重要的替代数据。合成孔径雷达（SAR,Synthetic Aperture Radar）在近半个世纪以来发展迅速,多国发射的卫星平台SAR为研究人员提供了各种波段、各种分辨率、各种极化方式的微波遥感数据。从SAR数据中获取的后向散射系数和目标极化分解参数是目前作物监测中常用的两类参数,被广泛应用于散射机制分析和参数反演建模中。本研究以四川省眉山市水稻种植区作为研究区域,开展水稻地面物候观测和生理参数测量实验;利用RADARSAT-2数据提取四极化后向散射系数（HH、VV、HV、VH）,分析后向散射系数对物候变化的敏感性,建立了基于后向散射系数的水稻物候反演模型;利用RADARSAT-2数据提取两种常用的目标极化分解参数（基于特征值分解的Cloude-Pottier算法和基于模型分解的Freeman-Durden算法）,分析目标极化分解参数对物候变化的敏感性,建立了结合两种分解算法参数的水稻物候反演模型;分析后向散射系数、目标极化分解参数及其数学组合在水稻各物候期及全生长周期与叶面积指数（LAI,leaf area index）的相关性,建立了基于目标极化分解参数的水稻LAI反演模型,同时讨论了后向散射系数应用于实际水稻LAI反演中的潜力。主要的研究成果如下:（1）提取所有地面实验点对应的RADARSAT-2四极化后向散射系数,对不同极化的后向散射系数进行数学组合。将所有后向散射系数及其数学组合根据对应的水稻物候期进行分组,分析这些参数在水稻生长季的变化规律,发现可用于分割各物候期的最佳决策参数组合为VV/VH、HH/VH和HH/VV,同时确定了分割阈值。建立决策树反演模型并进行精度评价,总体精度为82.8%,Kappa系数为0.75。（2）分别使用Cloude-Pottier和Freeman-Durden算法,对RADARSAT-2数据进行目标极化分解,提取所有地面实验点对应的Cloude-Pottier和Freeman-Durden分解参数,并对部分分解参数进行数学组合。将所有分解参数及其数学组合根据对应的水稻物候期进行分组,分析这些参数在水稻生长季的变化规律,发现可用于分割各物候期的最佳决策参数组合为Anisotropy、Vol/Surf和Entropy,同时确定了分割阈值。建立决策树反演模型并进行精度验证,总体精度达到93.1%,Kappa系数为0.89,反演效果优于基于后向散射系数的水稻物候反演模型。（3）各物候期以及全时相的水稻LAI被用来与后向散射系数和目标极化分解参数进行相关性分析。结果表明基于Freeman-Durden分解的雷达植被指数(RVIFD)和水稻LAI的全时相相关性最高,建立经验反演模型取得了很高的精度,RMSE=0.95;使用VH/VV反演水稻LAI精度稍低于RVIFD模型,RMSE=1.33。本文基于多时相四极化RADARSAT-2数据,系统研究了后向散射系数和目标极化分解参数对水稻物候发展的响应,分析了不同物候阶段水稻植株的生理特征和电磁散射特点,探究了使用C波段SAR数据反演水稻物候和LAI的可行性,解决了频繁的云雾天气导致的水稻种植区遥感监测难题。目标极化分解参数在水稻物候和LAI反演中的表现都优于后向散射系数,这是由于目标极化分解参数包含了雷达回波的相位信息。基于后向散射系数的反演模型虽然精度稍逊于极化分解参数模型,但其计算简便、不依赖全极化数据,在目前Sentinel-1A/B提供免费C波段单/双极化SAR数据的背景下,有很大的应用潜力。