雷達(dá)遙感技術(shù)在水稻識別中的研究進(jìn)展

王松寒，何隆華

（1.東南大學(xué)交通學(xué)院，南京210096；2.中國科學(xué)院南京地理與湖泊研究所，南京210008）

雷達(dá)遙感技術(shù)在水稻識別中的研究進(jìn)展

王松寒1，何隆華2

（1.東南大學(xué)交通學(xué)院，南京210096；2.中國科學(xué)院南京地理與湖泊研究所，南京210008）

合成孔徑雷達(dá)技術(shù)擁有全天時、全天候、高分辨率和不受云層干擾的特點，利用SAR在我國水稻種植區(qū)進(jìn)行水稻識別擁有無可比擬的優(yōu)勢。該文主要對雷達(dá)遙感技術(shù)在水稻識別和監(jiān)測中的應(yīng)用情況進(jìn)行了綜述。首先總結(jié)了合成孔徑雷達(dá)的發(fā)展歷史，介紹了目前用于水稻識別的SAR傳感器的參數(shù)和特點；介紹了水稻的后向散射特性，根據(jù)水稻的后向散射模型分析了影響其后向散射系數(shù)的因素；綜述了國內(nèi)外利用SAR進(jìn)行水稻識別的各種方法，并對未來利用SAR監(jiān)測水稻進(jìn)行了展望。

SAR；水稻識別；研究進(jìn)展；雷達(dá)遙感；水稻估產(chǎn)

1 引 言

水稻是全球20多億人口賴以生存的主要糧食作物之一。掌握水稻的種植面積信息，可以監(jiān)測水稻的生產(chǎn)狀況、預(yù)報和評估水稻的產(chǎn)量、為糧食價格的預(yù)測提供依據(jù)。同時，水稻的種植信息對于水資源的合理利用和監(jiān)測，以及評估人類活動對于大氣環(huán)境的影響均有重要的意義。

傳統(tǒng)的水稻識別方法通常是通過收集地面資料和統(tǒng)計學(xué)方法來實現(xiàn)，這種方法在小區(qū)域內(nèi)可以對水稻面積進(jìn)行監(jiān)測，但是當(dāng)監(jiān)測范圍較大時，其費時費力、統(tǒng)計結(jié)果不準(zhǔn)確等缺點就會顯現(xiàn)出來。近年來，光學(xué)遙感已經(jīng)成為水稻識別和監(jiān)測的重要手段［1－7］。然而，我國的水稻種植區(qū)大多分布在東南部地區(qū)，這些區(qū)域常年陰雨天氣多、云量大，常規(guī)的光學(xué)遙感衛(wèi)星很難獲取到清晰的水稻分布圖像。利用SAR技術(shù)則可以很好地解決這一問題。SAR是一種主動遙感測量技術(shù)，其發(fā)射的微波信號（1mm～1m），對于云層、小雨等擁有較強(qiáng)的穿透能力，同時還具有全天時、全天候、高分辨率和觀測范圍大等特點。所以相比于光學(xué)遙感影像，利用SAR遙感技術(shù)進(jìn)行水稻識別有較大的優(yōu)勢。

本文將綜述雷達(dá)影像在水稻識別領(lǐng)域的已有研究成果，通過介紹用于水稻識別的SAR數(shù)據(jù)源和水稻的后向散射模型，對影響水稻后向散射系數(shù)的因素進(jìn)行了分析，并對利用SAR進(jìn)行水稻識別的方法進(jìn)行了探討。

2 用于水稻識別的SAR傳感器

自1978年美國發(fā)射了全球首顆載有SAR傳感器的遙感衛(wèi)星之后，很多國家相繼在其發(fā)射的資源衛(wèi)星上搭載SAR傳感器。隨著SAR逐步從單極化、單視角變?yōu)槎鄻O化、多視角，空間分辨率從25m提高到1m～5m，觀測帶寬度從100km提高到500km，成像方式由模擬式發(fā)展到數(shù)字式，其在水稻識別方面的應(yīng)用也愈來愈多。截止目前，應(yīng)用于水稻面積監(jiān)測的SAR傳感器主要有ERS－1／2、Radarsat－1／2、ENVISAT ASAR、ALOS PLASAR、TerraSAR－X等（表1）。

表1 常用SAR的基本參數(shù)

SAR通過主動發(fā)射微波脈沖，并接收目標(biāo)物體對微波信號的后向散射信號，根據(jù)其強(qiáng)度的不同進(jìn)行成像。不同品種的農(nóng)作物，其后向散射機(jī)理也不盡相同，這是利用SAR進(jìn)行農(nóng)作物識別的主要機(jī)理。國內(nèi)外許多學(xué)者早在八九十年代就開始對SAR遙感技術(shù)在水稻識別中的應(yīng)用進(jìn)行了研究。1989年，Toan等人通過分析X波段SAR影像中地物的后向散射特征，發(fā)現(xiàn)水稻的后向散射系數(shù)隨時相的變化比其他作物較為明顯，以此建立利用SAR識別水稻的理論模型［8］，并將上述理論模型應(yīng)用于ERS－1的觀測數(shù)據(jù)，表明其單極化數(shù)據(jù)可以用于水稻的識別［9］。在此基礎(chǔ)上，Aschbacher等人利用多時相單極化的ERS－1影像，對泰國西部地區(qū)的稻田進(jìn)行了監(jiān)測，識別精度接近90%［10］。近年來，隨著ENVISAT ASAR、Radarsat－2、ALOS－PLASAR等新型雷達(dá)的不斷升空，交叉極化模式的數(shù)據(jù)可以同時提供研究區(qū)內(nèi)兩種不同極化模式的雷達(dá)影像，為水稻識別提供了新的思路。Li和Shao等人利用Radarsat－2數(shù)據(jù)，比較了不同極化組合在水稻識別中的效果，發(fā)現(xiàn)HH／HV和HH數(shù)據(jù)的組合更適宜于水稻的識別，其精度可以達(dá)到93%［11－12］。Yang和Konishi等人分析了地表覆蓋、入射角等對ASAP交叉極化數(shù)據(jù)的影響，并分別利用HH／HV和VV／VH數(shù)據(jù)對水稻進(jìn)行了識別，表明交叉極化的數(shù)據(jù)在水稻識別中擁有優(yōu)勢［13－14］。Wu等人利用Radarsat－2的交叉極化數(shù)據(jù)，結(jié)合水稻的生長模型，對海南地區(qū)的水稻進(jìn)行了識別，精度可以達(dá)到89%［15］。隨著雷達(dá)技術(shù)的不斷發(fā)展，高頻波段、多時相、多極化、多傾角和高空間分辨率的雷達(dá)衛(wèi)星不斷發(fā)射升空，必將為水稻的監(jiān)測和識別提供更為多樣和精確的數(shù)據(jù)。

3 水稻在SAR影像中的后向散射特性

3.1 水稻的后向散射機(jī)理

同一般的光學(xué)遙感和熱紅外遙感不同，SAR通過主動發(fā)射微波脈沖，接收目標(biāo)地物對微波的后向散射信號，以圖像的方式記錄下來，所以不同的地物類型具有不同的后向散射信號強(qiáng)度。Bouman等對農(nóng)作物的后向散射機(jī)理進(jìn)行了研究，指出農(nóng)作物在SAR影像中的后向散射強(qiáng)度與其冠層的結(jié)構(gòu)和底層表面的土壤有密切的關(guān)系，這種關(guān)系在冠層結(jié)構(gòu)為豎直、狹長型的農(nóng)作物中尤其明顯，例如某些谷類作物［16］。除此之外，水稻種植區(qū)域的底層表面主要包含兩種情況：水面覆蓋或者土壤覆蓋。所以，水稻種植區(qū)的后向散射機(jī)理主要是由微波、植被、水和土壤相互作用的結(jié)果。Sun和Sinmott等人根據(jù)上述原理提出了連續(xù)冠層模型［17－18］，Toan等人在研究利用ERS的SAR數(shù)據(jù)提取水稻面積時對該模型進(jìn)行了改進(jìn)［9］，圖1展示了水稻冠層模型的后向散射機(jī)理。

圖1 水稻冠層模型的后向散射機(jī)理（修改自Toan等人的論文［9］）

在ERS數(shù)據(jù)被用于識別水稻之后，國內(nèi)外的學(xué)者相繼對水稻的后向散射機(jī)理進(jìn)行了研究，旨在探究影響水稻后向散射強(qiáng)度的因子。Ribbes等利用Radarsat－1的數(shù)據(jù)對水稻識別和估產(chǎn)進(jìn)行了研究，認(rèn)為水稻的后向散射系數(shù)與水稻的某些參數(shù)密切相關(guān)，例如水稻的生長階段、株高和單位體積的生物量等［19］。Dong等認(rèn)為不僅水稻的生長參數(shù)（株高、物候期、植被密度、生物量、植株形狀）會影響其后向散射系數(shù)，微波信號的極化方式和入射角也有不可忽視的影響［20］。在此基礎(chǔ)上，他們采用ENVISAT ASAR的數(shù)據(jù)，對Sun和Sinmontt等提出的連續(xù)冠層模型進(jìn)行改進(jìn)，該模型考慮到了植株的形狀和尺寸，并將其作為模型的輸入?yún)?shù)來模擬水稻的后向散射系數(shù)［21］。

3.2 水稻后向散射系數(shù)的影響因素

影響水稻后向散射系數(shù)的因素不僅包括水稻的株高、生物量、含水量，遙感雷達(dá)的微波波段、入射角、極化方式，還包括田間管理的人為因素、地形條件、土壤條件和水稻品種等多種因素，在此將重要的影響因素進(jìn)行總體概括，分為以下幾個部分：

3.2.1 水稻

根據(jù)連續(xù)冠層模型及其改進(jìn)模型，水稻的后向散射系數(shù)必然與其生長階段有關(guān)，這一結(jié)論在Inoue等人的研究中可以得到證實［22］。通常情況下，水稻在一個完整的生長周期內(nèi)，分為多個物候期，其中從移栽期開始直至成熟期，都可以利用SAR影像來進(jìn)行識別。在水稻移栽期時，植株的個體很小，密度很低，其種植區(qū)的后向散射系數(shù)非常低，接近于水面的后向散射系數(shù)［23］。從分蘗期開始，隨著水稻冠層的逐漸增大，微波信號的后向散射主要是冠層和水面的復(fù)合散射模式，這時候其后向散射系數(shù)會逐漸增大，在抽穗期達(dá)到最大值［24］。進(jìn)入成熟期后，隨著水稻的成熟，水稻田中的水量逐漸變少，莖葉的密度也在逐漸下降，導(dǎo)致后向散射系數(shù)有所降低［25］。Lim等人利用C波段的微波信號進(jìn)行試驗，分析了水稻整個生長周期內(nèi)的后向散射系數(shù)，發(fā)現(xiàn)在抽穗期至成熟期之間，盡管谷粒逐漸成熟，水稻植株的莖葉仍舊是影響后向散射系數(shù)的主要因素［26］。

除了水稻的物候期，水稻種植區(qū)的植被結(jié)構(gòu)（例如，水稻的種植密度、株高、生物量等）也會影響水稻的后向散射系數(shù)。Bouman等經(jīng)過研究發(fā)現(xiàn)，水稻種植的行距對微波的后向散射有顯著的影響［16］。Wang等人認(rèn)為，水稻種植間距的不同，會造成微波之間的相長干涉和相消干涉，從而對其后向散射系數(shù)造成影響［27］。

3.2.2 SAR傳感器的參數(shù)

水稻的后向散射系數(shù)隨SAR的波段不同而有不同的變化趨勢。Inoue等人選擇了Ka波段（35.25GHz）、Ku波段（15.95GHz）、X波段（9.6GHz）、C波段（5.75GHz）和L波段（1.26GHz）5個不同波段的波段進(jìn)行了實驗，發(fā)現(xiàn)高頻率的雷達(dá)波段（Ka波段和Ku波段）并不適合于進(jìn)行水稻的監(jiān)測［22］。在SAR影像用于水稻面積提取時，一般只用到X波段、C波段和L波段。在3個波段中，L波段和C波段的后向散射系數(shù)隨物候期的變化基本相似，但L波段的值較??；X波段后向散射系數(shù)的變化則與前兩者顯著不同［22］。不論是L波段、C波段還是X波段，后向散射的主導(dǎo)部分都是水面與水稻之間的散射。由于X波段的波長較短，散射的衰減較大，所以在水稻生長后期下降幅度較大，且隨物候期、入射角、極化方式等的不同出現(xiàn)較大的波動。但是，X波段的數(shù)據(jù)也有優(yōu)勢，其更為精細(xì)的紋理數(shù)據(jù)有利于細(xì)碎地塊稻田的識別［28］。在水稻識別領(lǐng)域，目前利用C波段建立水稻后向散射系數(shù)與植株高度、物候期的統(tǒng)計效果最好。

SAR傳感器的極化方式也會影響水稻的后向散射系數(shù)。汪小欽等人在利用ASAR數(shù)據(jù)識別水稻時，發(fā)現(xiàn)交叉極化（VH／HV）方式下其后向散射系數(shù)比同極化方式（VV／HH）?。?9］。一般情況下，L波段下VV極化的后向散射系數(shù)值大于HH極化；C波段與X波段相似，HH極化的值大于VV極化；HV極化與VH極化類似，均小于同極化方式。

通常情況下，農(nóng)作物的后向散射系數(shù)對于入射角的變化不敏感。但是水稻因其種植方式的不同（水田耕種），對于入射角的變化較為敏感。Inoue等發(fā)現(xiàn)在高頻波段（Ka波段、Ku波段、X波段），后向散射系數(shù)的變化在小入射角區(qū)域更為敏感；而低頻波段（C波段、L波段），后向散射系數(shù)的變化在大入射角區(qū)域更為敏感［22］。由于土壤或者水面的回波疊加，水稻的后向散射系數(shù)在入射角接近于垂直角時有明顯的增大。

3.2.3 復(fù)合因素

近年來，多傾角、多極化、高空間分辨率的SAR傳感器不斷涌現(xiàn)，研究物候期、極化方式、入射角等多種復(fù)合因素對于后向散射系數(shù)變化的影響就有重要的意義。

在水稻的不同物候期，SAR的極化方式對于后向散射系數(shù)的影響有很大的不同。Kim和Bouvet等人研究發(fā)現(xiàn)，在水稻生長的早期，VV極化的后向散射系數(shù)大于HH極化的后向散射系數(shù)；在水稻生長中期，情況則正好相反，HH極化的后向散射系數(shù)值大于VV極化的值［30－31］。Lim等人認(rèn)為在生長早期，水稻的葉莖較少，葉面短小豎直，造成VV極化的值較大；而生長期內(nèi)微波信號的強(qiáng)度會因繁茂的枝葉而衰減［26］。國內(nèi)的陳亨霖和田昕等人［32－33］分別利用ASAR和PLASAR雙極化（HH和VV）的數(shù)據(jù)在福建進(jìn)行水稻識別時，也發(fā)現(xiàn)了上述這一規(guī)律。

多極化方式與多時相數(shù)據(jù)的結(jié)合可以更好地識別水稻，許多學(xué)者對于最佳極化方式和時相的選擇方面進(jìn)行了研究。邵蕓等在進(jìn)行地面測量的同時獲取了試驗區(qū)的Radarsat遙感圖像，通過對比分析，發(fā)現(xiàn)HH極化和VV極化可以作為水稻生長初期和成熟期相對獨立的水稻冠層測量數(shù)據(jù)，在分孽期和抽穗期則效果不好［34］。楊沈斌等在此基礎(chǔ)上，對提取水稻面積最佳時相參數(shù)的選擇進(jìn)行了研究，結(jié)果表明單時相情況下，最佳時相是水稻生長中后期，即水稻幼穗分化期至水稻收割前期內(nèi)的任一時相；而多時相情況下，最佳時相為一組時相的組合，即應(yīng)至少包含水稻移栽期和水稻生長中后期各一時相［35］。譚炳香等利用多時相的ASAR數(shù)據(jù)進(jìn)行水稻識別，認(rèn)為利用水稻齊穗期至近成熟期的HH和VV極化的圖像能較好區(qū)分水稻與非水稻［36］。

4 SAR影像中水稻識別的方法

目前，除了傳統(tǒng)的遙感影像分類法，在SAR影像中通過確定合理的后向散射系數(shù)閾值識別水稻、與水稻生長模型相結(jié)合識別水稻已獲得了良好的效果，與光學(xué)影像的融合應(yīng)用也是未來的發(fā)展方向。

4.1 閾值法

盡管傳統(tǒng)的遙感影像分類法可以識別水稻，但是由于各個地區(qū)降雨量等的不同，水稻種植時間也會有相當(dāng)大的差異，最終這種差異會以后向散射系數(shù)變化的形式在SAR影像上顯現(xiàn)出來，使得水稻在雷達(dá)影像上的后向散射特征有很強(qiáng)的時間特征，這是利用傳統(tǒng)遙感分類方法進(jìn)行水稻識別的缺陷?；谶@一特征，Toan等在1997年提出了一種識別水稻的方法——閾值法［9］。Liew等于1998年提出了相似的方法，主要思想是利用變化的后向散射系數(shù)閾值來實現(xiàn)分類［37］。

利用閾值法識別稻田需要分析不同時相、不同極化方式下合理的閾值，常用的方法有比值法和差值法，實驗證實比值法通常能夠達(dá)到較好的效果［38］。Chen等利用廣東省ASAR的多時相數(shù)據(jù)，測試了在多種HH／HV比例的情況下稻田的識別精度，發(fā)現(xiàn)一景生長早期的HH極化圖像和一景生長晚期的HV極化圖像結(jié)合能夠最精準(zhǔn)地識別稻田［39］。Lam等測試了湄公河三角洲的ASAR數(shù)據(jù)的合理極化比例，結(jié)果顯示，最合理的閾值為HH／VV的比例大于3dB并且VV極化的后向散射系數(shù)小于－7dB，此時識別精度可以達(dá)到93%［40］。國內(nèi)的李章成等也對此進(jìn)行了研究，他們分別獲取了拔節(jié)期和乳熟期的交叉極化ALOS－PLASAR數(shù)據(jù)，經(jīng)過對比分析，得出HH－HV≥1.5、0.2≤HH／HV≤0.6（拔節(jié)期）和0.15≤HH／HV≤0.6（乳熟期）為水稻的閾值區(qū)域，在此條件下，識別精度超過了93%［41］。

4.2 與水稻生長模型相結(jié)合

不同地區(qū)的水稻物候期有很大的差別，而水稻的后向散射系數(shù)受到物候期的影響非常大，所以與生長模型相結(jié)合的方法在水稻識別中應(yīng)用非常廣泛。利用單極化數(shù)據(jù)識別水稻，需要與水稻生長模型相結(jié)合，通過對水稻物候期各個階段后向散射系數(shù)的變化規(guī)律，選擇多時相的雷達(dá)影像數(shù)據(jù)，以提高精度。Holecz等分析了水稻物候期后向散射系數(shù)變化的規(guī)律，選取合適的多時相ERS和Radarsat數(shù)據(jù)實現(xiàn)了對斯里蘭卡和越南試驗田的識別［42］。Takashi等人通過獲取試驗田的ERS－1雷達(dá)數(shù)據(jù)，對水稻生長天數(shù)與后向散射系數(shù)進(jìn)行了回歸分析，并給出了具體的計算公式［43］。Shao等人利用多時相、多模式的Radarsat數(shù)據(jù)，采用圖像直接提取與地面實地測量相結(jié)合的方式，建立了水稻生長模型，分析了水稻的時域散射特性，認(rèn)為利用水稻插秧期、收獲期兩個時相就可以進(jìn)行水稻識別［44］。李巖等采用Radarsat－1窄波掃描模式（SNB）數(shù)據(jù)，結(jié)合水稻生長圖譜，以廣東省為例進(jìn)行了大范圍水稻識別的實驗［45］。

4.3 與光學(xué)影像的融合應(yīng)用

SAR影像在云霧氣候下對水稻的識別有獨特的優(yōu)勢，但是其時間分辨率通常較大，并且SAR影像的處理和應(yīng)用也比光學(xué)影像復(fù)雜得多。如果在旱季利用光學(xué)影像，在雨季利用SAR影像，水稻的識別和監(jiān)測就能夠更加完善。Okamoto等人結(jié)合旱季的TM影像和種植初期水淹時的ERS－1影像數(shù)據(jù)進(jìn)行水稻識別，精度可以達(dá)到86%以上［46］；楊沈斌等人利用ASAR的交叉極化數(shù)據(jù)與CBERS－02的CCD數(shù)據(jù)進(jìn)行融合，認(rèn)為HIS變換融合方法生成的融合圖可以用于水稻識別［47］。SAR影像和光學(xué)影像的融合圖在農(nóng)作物的分類和種植面積調(diào)查方面，比單獨應(yīng)用光學(xué)影像或雷達(dá)影像更具有獨特的優(yōu)勢，減少了異物同譜等現(xiàn)象對分類的影響。

5 結(jié)束語

由于雷達(dá)遙感技術(shù)擁有全天時、全天候、高分辨率和不受云層干擾的特點，利用SAR影像識別水稻已經(jīng)成為一種行之有效的方法。隨著雷達(dá)遙感技術(shù)的發(fā)展，SAR的工作模式、各項技術(shù)指標(biāo)都在不斷進(jìn)步和發(fā)展。新型SAR遙感衛(wèi)星（TerraSAR－X、 TecSAR、COSMO－SkyMed等）不斷出現(xiàn)，這些具備高空間分辨率、多波段、多時相、全／多極化數(shù)據(jù)獲取能力的雷達(dá)衛(wèi)星，勢必能夠為水稻識別提供更廣泛的數(shù)據(jù)來源［48－49］，也將為雷達(dá)遙感技術(shù)在水稻識別中的應(yīng)用提供廣闊的發(fā)展前景。

面對SAR衛(wèi)星性能的逐漸提高，其能夠提供的數(shù)據(jù)種類和精度也逐漸提升，如何更好地將這些數(shù)據(jù)有效地應(yīng)用在稻田識別中，也是需要繼續(xù)研究的方向。例如，目前水稻的識別主要還是針對于同極化（HH／VV）的數(shù)據(jù)，隨著SAR衛(wèi)星逐漸向全極化的方向發(fā)展，全極化的雷達(dá)數(shù)據(jù)的應(yīng)用勢必能夠提升稻田識別的精度。

雷達(dá)遙感影像與光學(xué)遙感影像的結(jié)合能夠更好地實現(xiàn)對水稻的識別和監(jiān)測，也是目前的研究熱點。近幾年，已經(jīng)有一些研究將SAR影像和ETM＋、MODIS等光學(xué)影像結(jié)合起來進(jìn)行水稻識別，取得了很好的效果［50－51］。但是，對于SAR影像和光學(xué)影像的融合機(jī)理、數(shù)據(jù)選擇、最佳融合方式等方面并沒有成熟的理論。隨著多參數(shù)雷達(dá)遙感時代的到來，如何有效地將多波段、多入射角、多極化的雷達(dá)數(shù)據(jù)和各有優(yōu)勢的光學(xué)數(shù)據(jù)進(jìn)行結(jié)合，勢必是水稻識別領(lǐng)域的熱點。

［1］ FANG H L，WU B F，LIU H Y，et al.Using NOAA AVHRR and Landsat TM to estimate rice area year－by－year［J］.International Journal of Remote Sensing，1998，（19）：521－525.

［2］ DIUK M A，BAGAYOKO M，SOGOBA N，et al.Mapping rice field anopheline breeding habitats in Mali，west africa，using Landsat ETM＋sensor data［J］.International Journal of Remote Sensing，2004，（25）：359－376.

［3］ NGUYEN T T H，BIE C，AMJAD A，et al.Mapping the irrigated rice cropping patterns of the mekong delta，vietnam，through hyper－temporal SPOT NDVI image analysis［J］.International Journal of Remote Sensing，2012，33（2）：415－434.

［4］ XIAO X，BOLES S，F(xiàn)ROLKING S，et al.Mapping paddy rice agriculture in south and southeast asia using multitemporal MODIS images［J］.Remote Sensing of Environment，2006，100（1）：95－113.

［5］ XIAO X，BOLES S，LIU J，et al.Mapping paddy rice agriculture in southern China using multi－temporal MODIS images［J］.Remote Sensing of Environment，2005，95（4）：480－492.

［6］ 王力凡，潘劍君.基于CBERS－02B衛(wèi)星影像光譜信息的水稻種植面積提取方法——以南京市溧水縣為例［J］.南京農(nóng)業(yè)大學(xué)學(xué)報，2013，（1）：87－91.

［7］ PENG D L，HUETE A R，HUANG J F，et al.Detection and estimation of mixed paddy rice cropping patterns with MODIS data［J］.International Journal of Applied Earth Observation and Geoinformation，2011，13（1）：13－23.

［8］ TOAN T L，LAUR H，MOUGIN E，et al.Multi－temporal and dual－polarisation observation of agricultural vegetation covers by X－band SAR images［J］.IEEE Transactions of Geo－science and Remote Sensing，1989，27（6）：709－718.

［9］ TOAN T L，RIBBES F，WANG L F，et al.Rice crop mapping and monitoring using ERS－1data based on experiment and modeling results［J］.IEEE Geoscience and Remote Sensing，1997，（35）：41－56.

［10］ ASCHBACHER J，PONGSRIHADULCHAI A，KARNCHANASUTHAM S，et al.Assessment of ERS－1SAR data for rice crop mapping and monitoring［C］.IEEE International Geoscience and Remote Sensing Symposium.Firenze：IEEE，1995.

［11］ LI K，SHAO Y，ZHANG F L.Paddy rice identification using polarimetric SAR data in southern China［C］.IEEE International Conference on Multimedia Technology.Ningbo，China：IEEE，2010.

［12］ LI K，ZHANG F，SHAO Y，et al.Polarization signature analysis of paddy rice in southern China［J］.Canadian Journal ofRemote Sensing，2011，37（1）：122－135.

［13］ YANG S B，SHEN S H，LI B B，et al.Rice mapping and monitoring using ENVISAT ASAR data［J］.IEEE Geoscience and Remote Sensing Letters，2008，5（1）：108－112.

［14］ KONISHI T，SUGA Y，OMATU S，et al.Rice crop growth monitoring using ENVISAT－1／ASAR APmode［J］.SPIE Proceedings Series，2007：6749.

［15］ WU F，WANG C，ZHANG H，et al.Rice crop monitoring in south China with RADARSAT－2quad－polarization SAR data［J］.IEEE Geoscience and Remote Sensing Letters，2011，8（2）：196－200.

［16］ BOUMAN B.Crop modelling and remote sensing for yield prediction［J］.Netherlands Journal of Agriculture Science，1995，（43）：143－161.

［17］ SUN G Q，SIMONETT D S.A composite L－band radar backscattering model coniferous forest stands［J］.Photogrammetric Engineering and Remote Sensing，1988，54（8）：1195－1201.

［18］ SUN G Q，DAVID S S.Simulation of L－band HH microwave backscattering from coniferous forest stands：A comparison with SIR－B data［J］.International Journal of Remote Sensing，1988，9（5）：907－925.

［19］ RIBBES F，TOAN T L.Rice parameter retrieval and yield prediction using Radarsat data［C］.Towards Digital Earth－Proceedings of the International Symposium in Digital Earth.Toulouse，F(xiàn)rance：Science Press，1999.

［20］ DONG Y F，SUN G Q，PANG Y.Monitoring of rice crop using ENVISAT ASAR data［J］.Science in China：Series D Earth Sciences，2006，（49）：755－63.

［21］ 董彥芳，龐勇，孫國清，等.ENVISAT ASAR數(shù)據(jù)用于水稻監(jiān)測和參數(shù)反演［J］.武漢大學(xué)學(xué)報（信息科學(xué)版），2006，（2）：124－127.

［22］ INOUE Y，KUROSU T，MAENO H，et al.Season－Long daily measurements of multi－frequency（Ka，Ku，X，C，and L）and full－polarization backscatter signatures over paddy rice field and their relationship with biological variables［J］.Remote Sensing of Environment，2002，（81）：194－204.

［23］ CHEN C，MCNAIRN H.A neural network integrated approach for rice crop monitoring［J］.International Journal of Remote Sensing，2006，（27）：1367－1393.

［24］ 邵蕓，郭華東，范湘濤，等.水稻時域散射特征分析及其應(yīng)用研究［J］.遙感學(xué)報，2001，（5）：340－345.

［25］ 凌飛龍，汪小欽，史曉明.多時相SAR圖像水稻分布信息提取方法研究［J］.福建師范大學(xué)學(xué)報（自然科學(xué)版），2007，（3）：15－19.

［26］ LIM K S，KOO V C，EWE H T.Multi－angular scatterometer measurements for various stages of rice growth［J］.Progress in Electromagnetics Research，2008，（83）：385－396.

［27］ WANG L，KONG J A，DING K H，et al.Electromagnetic scattering model for rice canopy based on monte carlo simulation［J］.Progress in Electromagnetics Research，2005，（52）：153－171.

［28］ JIA K，LI Q，TIAN Y，et al.Crop classification using multi－configuration SAR data in the north China plain［J］.International Journal of Remote Sensing，2012，33（1）：170－183.

［29］ 汪小欽，王欽敏，史曉明，等.基于主成分變換的ASAR數(shù)據(jù)水稻種植面積提?。跩］.農(nóng)業(yè)工程學(xué)報，2008，（10）：122－126.

［30］ KIM Y，HONG S，LEE H.Radar backscattering measurements of paddy rice field using multi－frequency（L，C and X）and full polarization［C］.Geoscience and Remote Sensing Symposium.Boston：IEEE International，2008.

［31］ BOUVET A，TOAN T L，NGUYEN L D.Monitoring of the rice cropping system in the mekong delta using ENVISAT／ASAR dual polarization data［J］.IEEE Transactions on Geoscience and Remote Sensing，2009，47（2）：517－526.

［32］ 陳亨霖，汪小欽.基于ENVISAT ASAR的長樂市水稻種植面積監(jiān)測［J］.福建農(nóng)林大學(xué)學(xué)報（自然科學(xué)版），2009，（3）：289－294.

［33］ 田昕，陳爾學(xué)，李增元，等.基于多極化星載SAR數(shù)據(jù)的水稻／旱田識別—以江蘇省海安縣為例［J］.遙感技術(shù)與應(yīng)用，2012，27（3）：406－412.

［34］ 邵蕓，廖靜娟，范湘濤，等.水稻時域后向散射特性分析：雷達(dá)衛(wèi)星觀測與模型模擬結(jié)果對比［J］.遙感學(xué)報，2002，（6）：440－450.

［35］ 楊沈斌，趙小艷，申雙和，等.基于ASAR數(shù)據(jù)的水稻制圖最佳時相參數(shù)提?。跩］.江蘇農(nóng)業(yè)學(xué)報，2009，（3）：518－523.

［36］ 譚炳香，李增元，李秉柏，等.單時相雙極化ENVISAT ASAR數(shù)據(jù)水稻識別［J］.農(nóng)業(yè)工程學(xué)報，2006，（12）：121－127.

［37］ LIEW S C，KAM S P，TUONG T P，et al.Application of multi－temporal ERS－2synthetic aperture radar in delineating rice cropping systems in the mekong river delta，vietnam［J］.IEEE Transactions on Geoscience and Remote Sensing，1998，（36）：1412－1420.

［38］ RIGNOT E J M，ZYL J J.Change detection techniques for ERS－1SAR data［J］.IEEE Transactions on Geoscience and Remote Sensing，1993，31（4）：896－906.

［39］ CHEN C，LIN H，PEI Z.Application of ENVISAT ASAR data in mapping rice crop growth in southern China［J］.IEEE Geoscience and Remote Sensing Letters，2007，（4）：431－435.

［40］ LAM－DAO N，APAN A，YOUNG F，et al.Rice monitoring using ENVISAT ASAR data：Preliminary results of a case study in the mekong river delta，vietnam［C］.28th Asian Conference on Remote Sensing.Kuala Lumpur，Malaysia：2007.

［41］ 李章成，李源洪，周華茂.基于ALOS＿PALSAR雙極化雷達(dá)影像遙感監(jiān)測水稻的研究——以德陽地區(qū)為例［J］.西南師范大學(xué)學(xué)報（自然科學(xué)版），2012，（6）：62－67.

［42］ HOLECZ F，DWYER E，MONACO S，et al.An operational rice field mapping tool using space－bone SAR data［C］.ERSENVISAT Symposium.Goteborg：Sweden，2000.

［43］ KUROSU T，F(xiàn)UJITA M，CHIBA K.Monitoring of rice crop growth from space using the ERS－1C－band SAR［J］.IEEE Transactions on Geoscience and Remote Sensing，1995，33（4）：1092－1096.

［44］ SHAO Y，F(xiàn)AN X T，LIU H，et al.Rice monitoring and production estimation using multitemporal Radarsat［J］.Remote Sensing of Environment，2001，（76）：310－325.

［45］ 李巖，彭少麟，廖其芳，等.RADARSAT SNB SAR數(shù)據(jù)在大面積水稻估產(chǎn)中的應(yīng)用研究［J］.地球科學(xué)進(jìn)展，2003，（1）：109－115.

［46］ OKAMOTO K.Estimation of rice－planted area in the tropical zone using a combination of optical and microwave satellite sensor data［J］.International Journal of Remote Sensing，1999，20（5）：1045－1048.

［47］ 楊沈斌，李秉柏，申雙和.ENVISATASAR數(shù)據(jù)與CBERS－02數(shù)據(jù)的融合及應(yīng)用初探［J］.江蘇農(nóng)業(yè)科學(xué)，2008，（2）：227－231.

［48］ BAGHDADI N，BOYER N，TODOROFF P，et al.Potential of SAR sensors TerraSAR－X，ASAR／ENVISAT and PALSAR／ALOS for monitoring sugarcane crops on reunion island［J］.Remote Sensing of Environment，2009，（113）：1724－1738.

［49］ LOPEZ J M，BALLESTER J D，CLOUDE S R.Monitoring and retrieving rice phenology by means of satellite SAR polarimetry at X－band［C］.2011IEEE International Geoscience and Remote Sensing Symposium（IGARSS）.Vancouver，BC：IEEE，2011.

［50］ KARILA K，NEVALAINEN O，KROOKS A，et al.Monitoring changes in rice cultivated area from SAR and optical satellite images in ben tre and tra vinh provinces in mekong delta，vietnam［J］.Remote Sensing，2014，6（5）：4090－4108.

［51］ TORBICK N，SALAS W A，HAGEN S，et al.Monitoring rice agriculture in the sacramento valley，USA with multitemporal PALSAR and MODIS imagery［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2011，4（2）：451－457.

Advances of Rice Recognition by SAR

WANG Song－h(huán)an1，HE Long－h(huán)ua2
（1.College of Transportation，Southeast University，Nanjing210096；2.Nanjing Institute of Geography and Limnology，CAS，Nanjing210008）

Due to its all－weather，all－time，high resolution and non－cloud interference characteristics，Synthetic Aperture Radar（SAR）techniques have unparalleled advantages for rice recognition in China.This article gives a review on the SAR techniques for rice recognition.It summarizes the development history of SAR，describes the parameters and characteristics of SAR sensors used for rice recognition，and analyzes the factors influencing backscattering coefficient based on the backscattering model of rice monitoring.This paper also reviews various methods for rice recognition based on SAR in domestic and abroad.Finally，the paper discusses the prospect in the related fields.

SAR；rice recognition；advances；RADAR remote sensing；rice yield estimation

10.3969／j.issn.1000－3177.2015.02.001

S127

A

1000－3177（2015）138－0003－07

2014－06－05

2014－07－17

國家自然科學(xué)基金資助項目（41271418）。

王松寒（1992～），男，碩士研究生，主要從事農(nóng)作物遙感、熱紅外遙感方面的研究。

E－mail：wangsonghan＠qq.com

何隆華（1966～），男，博士，副研究員，主要從事遙感作物監(jiān)測及3S應(yīng)用等。

E－mail：lhhe＠niglas.ac.cn