基于雷達(dá)植被指數(shù)的冬小麥生物量反演研究

岳繼博，齊修東

(河南理工大學(xué) 測繪與國土信息工程學(xué)院，河南 焦作 454001)

?

基于雷達(dá)植被指數(shù)的冬小麥生物量反演研究

岳繼博，齊修東

(河南理工大學(xué) 測繪與國土信息工程學(xué)院，河南 焦作 454001)

雷達(dá)遙感可以在極端天氣條件下進(jìn)行對地探測，其主動探測方式對作物長勢全天候監(jiān)測具有重要意義。本文利用2013-2014年陜西楊凌區(qū)地面同步測量的43組冬小麥生物量、8組裸土土壤含水量和Radarsat-2全極化雷達(dá)數(shù)據(jù)，對冬小麥生物量進(jìn)行了估算。利用冬小麥返青期、拔節(jié)期、抽穗期和灌漿期生物量和雷達(dá)植被指數(shù)數(shù)據(jù)進(jìn)行回歸，并分析了不同作物冠層覆蓋條件和土壤含水量對雷達(dá)植被指數(shù)與作物生物量相關(guān)性的影響。結(jié)果表明：低冠層覆蓋條件下雷達(dá)植被指數(shù)和冬小麥生物量相關(guān)關(guān)系較差，其受土壤含水量的影響嚴(yán)重；高冠層覆蓋條件下其具有較好的相關(guān)關(guān)系，回歸建模的決定系數(shù)(R2)為0.51，均方根誤差為267.61g/m2。

雷達(dá)植被指數(shù)；土壤含水量；生物量；冬小麥；Radarsat-2；冠層覆蓋度

21世紀(jì)開始，高分辨率極化合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)衛(wèi)星(TerraSAR-X，Cosmo-Skymed，Radarsat-2)發(fā)射，星載SAR的技術(shù)水平和工作性能在不斷提高，并向著小型化、多功能、多模式、多星協(xié)作工作的方向發(fā)展[1]。遙感技術(shù)分主、被動探測技術(shù)，雷達(dá)遙感技術(shù)主要使用微波波段的電磁波進(jìn)行探測，屬于主動探測，并且不受天氣條件的限制[2]。雷達(dá)遙感具有全天時、全天候的監(jiān)測能力以及對云、雨、大氣較強(qiáng)的穿透能力，并且雷達(dá)傳感器對于植被特性的變化、地表土壤水分和積雪參數(shù)十分敏感[3]，是遙感在極端天氣條件下獲取作物信息的重要手段，它的利用使得農(nóng)業(yè)遙感有了全天候?qū)ψ魑镞M(jìn)行監(jiān)測的能力。全極化SAR衛(wèi)星，如Radarsat-2，利用合成孔徑雷達(dá)的方式可以獲得更高的地面分辨率和更多的極化方式(HH、HV、VH、VV)，從而對地面目標(biāo)進(jìn)行相對高分辨率的監(jiān)測。影響雷達(dá)遙感對地探測的地面因素[4-8]主要有土壤含水量、土壤介電常數(shù)、土壤粗糙度參數(shù)、植被覆蓋等，不同性質(zhì)的地面目標(biāo)會使得雷達(dá)不同極化通道探測信號的強(qiáng)度表現(xiàn)出差異。多種研究[9-15]表明雷達(dá)與生物量、LAI、株高和植被含水量等具有高度相關(guān)關(guān)系。雷達(dá)植被指數(shù)(Radar vegetation index，RVI)由Y.J.Kim在文獻(xiàn)[16]中提出，它是全極化雷達(dá)各個通道進(jìn)行的一個增強(qiáng)運(yùn)算后的指數(shù)表述，它可以盡量減少作物的結(jié)構(gòu)、雷達(dá)入射角、環(huán)境影響，適合時間序列的對作物進(jìn)行描述。RVI實(shí)際上是一個關(guān)于全極化雷達(dá)各個極化的綜合表述，因?yàn)樽魑飳O化雷達(dá)信號極化轉(zhuǎn)換的作用，它描述了作物冠層的特征[11,16]。但是，不同于可見光和近紅外的植被指數(shù)，雷達(dá)所具有的穿透性的特點(diǎn)使得其受多種因素影響(作物冠層、土壤粗糙度、土壤水分等)。因?yàn)槔走_(dá)數(shù)據(jù)的獲取和準(zhǔn)確解譯相對困難，SAR，特別是全極化SAR在農(nóng)業(yè)遙感中還屬于新興技術(shù)，其農(nóng)業(yè)應(yīng)用還存在一定難度，目前國內(nèi)對雷達(dá)植被指數(shù)RVI的研究非常少。2013-2014年在陜西楊凌區(qū)展開同步實(shí)驗(yàn)，利用冬小麥返青期、拔節(jié)期、抽穗期和灌漿期地面同步測量數(shù)據(jù)和SAR數(shù)據(jù)進(jìn)行分析對比，并以小區(qū)為單位，對不同土壤含水量的裸土和不同覆蓋條件下農(nóng)田的雷達(dá)植被指數(shù)進(jìn)行分析，用雷達(dá)植被指數(shù)反演作物參數(shù)和其所受到的地面影響因素。

1　材料與方法

1.1研究區(qū)概況

研究區(qū)位于關(guān)中平原，陜西省楊凌農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)(34.040277°-34.123055°N，107.0861111°-108.1563889°E)，總面積約94km2。研究區(qū)是中國重要的冬小麥產(chǎn)區(qū)，屬于典型的干旱半干旱氣候。如圖1所示，2013-2014年，聯(lián)合實(shí)驗(yàn)在楊凌農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)展開。當(dāng)?shù)囟←湻N植品種有三種，分別是陜北139、小偃22和西農(nóng)9871。冬小麥的播種日期為2013年10月5日至10日，收獲日期為2014年6月6日至9日。

1.2地面和遙感數(shù)據(jù)獲取與處理

1.2.1地面實(shí)驗(yàn)數(shù)據(jù)與處理

地面實(shí)驗(yàn)由數(shù)個測量小組在Radarsat-2過境時于楊凌區(qū)同步進(jìn)行，地面測量在WG、SG和JP研究區(qū)展開，見圖1。其中拔節(jié)期12個小區(qū)、抽穗期12個小區(qū)、灌漿期8個小區(qū)，8個收割后測量小區(qū)。地面進(jìn)行了生物量、LAI和土壤含水量測量。

土壤含水量采用土壤水分儀(FieldScout TDR 300 Soil Moisture Meter，Spectrum，USA)進(jìn)行測量，在小區(qū)里均勻選擇5個位置，使用20cm探針進(jìn)行測量。測量后迅速檢查數(shù)據(jù)，若測量結(jié)果差異過大，重新測量，最后求平均值作為小區(qū)的土壤含水量。本文中，土壤含水量均為體積含水量，單位為%。

冬小麥生物量通過地面采樣、烘干后計算獲取。由每個采樣小區(qū)隨機(jī)選擇可以代表整個小區(qū)作物群體長勢的樣本，立即封裝，到實(shí)驗(yàn)室測量其鮮質(zhì)量，烘干后測量其干質(zhì)量，然后根據(jù)行距計算其實(shí)際生物量。文中生物量單位為g/m2。

圖1　研究區(qū)域

拔節(jié)期、抽穗期和灌漿期由于已經(jīng)封隴，冬小麥植株已經(jīng)滿足LAI-2000測量儀測量條件。因此，此三個生育期冬小麥LAI均用LAI-2000測量儀測得，然后根據(jù)公式(1)計算覆蓋度。返青期冬小麥冠層覆蓋度獲取方法為拍照法。四個生育期內(nèi)冬小麥冠層覆蓋度計算結(jié)果如表1所示。通過LAI經(jīng)驗(yàn)公式計算冬小麥冠層覆蓋度的計算公式為：

CC=1-exp(-0.65×LAI)

(1)

表1　遙感影像和同步測量數(shù)據(jù)

1.2.2遙感數(shù)據(jù)獲取與處理

共獲取了同步測量的Radarsat-2影像5期，和一幅有精校正歷史的SPOT6全色影像。Radarsat-2數(shù)據(jù)處理包括(1)輻射校正：利用PLSARpro4.2(來自European Space Agency，https://earth.esa.int/web/polsarpro)軟件將Radarsat-2數(shù)據(jù)DN值轉(zhuǎn)換為后向散射，并根據(jù)雷達(dá)探測角度進(jìn)行輻射校正，接著用濾波器進(jìn)行濾波處理，以減少雷達(dá)數(shù)據(jù)的噪聲；(2)幾何校正：經(jīng)過輻射校正的Radarsat-2影像用SRTM 30m Digital Elevation Data(數(shù)據(jù)來自http://srtm.csi.cgiar.org/)進(jìn)行正射校正，然后利用ENVI 5.0(ENVI? image processing and analysis software,ITT Visual Information Solutions，USA)軟件將Radarsat-2影像與SPOT6影像進(jìn)行影像配準(zhǔn)。

1.3雷達(dá)植被指數(shù)

在農(nóng)田區(qū)域，雷達(dá)發(fā)出的電磁波從發(fā)射傳播至地面再返回的過程中，存在兩種情景：(1)當(dāng)?shù)竭_(dá)裸土區(qū)域時，直接與地面發(fā)生表面散射，然后返回雷達(dá)探測器。(2)到達(dá)有作物覆蓋的地表時，先在作物冠層發(fā)生體散射，這個過程中，作物充當(dāng)了全極化雷達(dá)的極化轉(zhuǎn)換目標(biāo)。根據(jù)作物的情況，會有不同的電磁波穿透作物冠層達(dá)到地面，與土壤表面發(fā)生表面散射，然后穿透作物返回，被傳感器接收。

雷達(dá)植被指數(shù)是利用全極化SAR的HH、HV、VV極化，進(jìn)行一個指數(shù)增強(qiáng)運(yùn)算：

(2)

1.4精度評價方法

決定系數(shù)(Coefficient of determination)R2和均方根誤差(Root Mean Square Error，RMSE)被用來作為評價精度的標(biāo)準(zhǔn)，兩種評價指標(biāo)均可在Excel軟件中直接計算。決定系數(shù)和均方根誤差的計算方法為：

(3)

(4)

其中，Si表示模擬值，Mi表示測量值，n表示樣本數(shù)目。

決定系數(shù)的大小決定相關(guān)的密切程度，當(dāng)R2越接近1時，表示相關(guān)的關(guān)系越好，參考價值越高；相反，越接近0時，表示相關(guān)性不明顯，參考價值越低。RMSE是觀測值與真值偏差的平方與觀測次數(shù)n比值的平方根，RMSE越小表示精度越高，越大則表示精度越差；RMSE對一組測量中的特大或特小誤差反應(yīng)非常敏感，能夠很好地反映出數(shù)據(jù)之間的精度。

2　結(jié)果與分析

2.1裸土雷達(dá)植被指數(shù)與土壤含水量變化關(guān)系

在高冠層覆蓋條件下，雷達(dá)的穿透特性使得返回的信號中也包含來自土壤的信息，因此本研究對土壤信號進(jìn)行分析。如圖2所示，散點(diǎn)對應(yīng)收割后采樣小區(qū)內(nèi)土壤含水量與雷達(dá)HH、HV、VV極化和RVI的關(guān)系，實(shí)測裸土后向散射和土壤含水量數(shù)據(jù)關(guān)系表明，雷達(dá)各個通道中，HH極化和VV極化均與土壤含水量高度相關(guān)，R2分別為0.67、0.62，而HV極化與土壤含水量相關(guān)性為0.32，同時RVI相關(guān)性為0.78。這表明雷達(dá)穿透作物達(dá)到地面并返回的一部分信號與土壤含水量高度相關(guān)，使RVI一定程度上受土壤含水量影響。

需要指出的是，土壤粗糙度對雷達(dá)后向散射強(qiáng)度也有很大影響，但本文此處設(shè)置裸土小區(qū)目的為分析水分影響，且地塊均為農(nóng)田區(qū)域，并未進(jìn)行土壤粗糙度測量，因此并未進(jìn)行土壤粗糙度對各個極化和RVI的影響分析。

2.2不同生育期生物量與雷達(dá)植被指數(shù)關(guān)系

圖3中，拔節(jié)期、抽穗期和灌漿期的生物量采樣數(shù)據(jù)與RVI之間有較好的相關(guān)關(guān)系。其冠層覆蓋度均高于87%(表1)，加上雷達(dá)入射角的影響，冬小麥冠層對雷達(dá)后向散射的貢獻(xiàn)占主要部分。拔節(jié)期同步測量時，RVI計算結(jié)果為0.7～1.1，生物量在400 g/m2～800 g/m2，數(shù)據(jù)上存在有干生物量隨著RVI變大而增大的趨勢；抽穗期同步測量數(shù)據(jù)顯示RVI位于0.85～1.17，而生物量也同步增加到650 g/m2～1 250 g/m2；灌漿期測量結(jié)果為1 150 g/m2～1 600 g/m2，RVI同步增加，位于1.02～1.28。以上三個測量結(jié)果表現(xiàn)出RVI和生物量良好的正相關(guān)關(guān)系，即RVI隨著測量小區(qū)的生物量的增加而變大，擬合關(guān)系曲線為y=104.12e2.0492x，R2=0.51，RMSE=267.61 g/m2。這表明，在高度覆蓋條件下，利用雷達(dá)可以在云雨天氣下對冬小麥生物量進(jìn)行遙感監(jiān)測。

圖4中，曲線simulation是利用上述三個高覆蓋時期冬小麥生物量得到的擬合的關(guān)系曲線，返青期生物量大致不變，RVI卻變化很大，原因是此時冬小麥冠層覆蓋度較低(表1，覆蓋度為41.6%)，雷達(dá)接收到的信號大部分來自土壤，導(dǎo)致圖4中RVI與返青期生物量之間的相關(guān)關(guān)系較低。

圖2　實(shí)測裸土土壤含水量與雷達(dá)通道及RVI的關(guān)系

3　討論

3.1極化雷達(dá)新優(yōu)勢在農(nóng)業(yè)應(yīng)用中的關(guān)鍵問題

極化雷達(dá)特性可以滿足農(nóng)業(yè)全天候監(jiān)測的需求，這是可見光和紅外遙感所不具有的，雷達(dá)數(shù)據(jù)的極化和穿透特性使得雷達(dá)能提取冬小麥冠層的信息。研究表明，雷達(dá)植被指數(shù)與冬小麥生物量具有良好的相關(guān)關(guān)系，見圖3。在高覆蓋條件下，利用RVI對冬小麥生物量進(jìn)行了分析驗(yàn)證，取得了良好的效果，表明在云雨天氣及高冠層覆蓋條件下使用雷達(dá)監(jiān)測冬小麥生物量是可行的。

需要指出的是，雷達(dá)具有較強(qiáng)的穿透性，即便在高冠層覆蓋度的農(nóng)田進(jìn)行探測，依然受到土壤的影響。因雷達(dá)對水分十分敏感，不同土壤含水量的農(nóng)田土壤對雷達(dá)的影響也不同。因此，在較低覆蓋條件下雷達(dá)在雨天進(jìn)行農(nóng)業(yè)作物監(jiān)測的誤差會較大。

圖3不同生育期冬小麥生物量與RVI關(guān)系

圖4不同生育期冬小麥生物量與RVI擬合曲線

3.2雷達(dá)植被指數(shù)和冬小麥生物量相關(guān)性分析

在高冠層覆蓋條件下，對雷達(dá)植被指數(shù)和冬小麥生物量之間的關(guān)系進(jìn)行擬合及相關(guān)性分析。根據(jù)實(shí)驗(yàn)結(jié)果，對作物覆蓋條件、土壤含水量等對RVI的影響進(jìn)行分析。

(1)遙感影像上獲取的雷達(dá)數(shù)據(jù)來自土壤和作物冠層的貢獻(xiàn)之和，其組成比例受到冠層覆蓋條件的影響。處理雷達(dá)的農(nóng)田探測數(shù)據(jù)時，需要考慮雷達(dá)影像上土壤的部分影響。

(2)土壤含水量直接對雷達(dá)各個極化后向散射產(chǎn)生高相關(guān)性的影響，從而導(dǎo)致雷達(dá)各個通道后向散射和RVI發(fā)生較大變化。本文實(shí)測數(shù)據(jù)土壤含水量為從13%到35%，RVI值出現(xiàn)減小的趨勢，RVI從1.19變至0.35。

(3)高覆蓋條件的作物RVI與作物生物量相關(guān)性非常大。拔節(jié)期、抽穗期和灌漿期同步測量時，冬小麥作物覆蓋度均超過87%，考慮到雷達(dá)入射角，雷達(dá)數(shù)據(jù)中土壤的影響不大。因此，三個生育期同步測量數(shù)據(jù)中，RVI表現(xiàn)出與生物量明顯的正相關(guān)關(guān)系。

3.3云雨天氣影響分析

雷達(dá)遙感探測信號自身受云、雨等氣象條件的影響較小，但降雨會直接導(dǎo)致土壤含水量增大，因而雷達(dá)后向散射強(qiáng)度會發(fā)生變化。在雨季使用雷達(dá)遙感的方式對作物監(jiān)測時，如果作物覆蓋度低，來自土壤的影響會相對較大，而降雨導(dǎo)致土壤含水量增大，使各個極化內(nèi)后向散射不同的變化，從而對RVI造成復(fù)雜影響。圖2中，不同土壤含水量時RVI的變化可以驗(yàn)證這一點(diǎn)。

4　結(jié)論

利用雷達(dá)植被指數(shù)對陜西楊凌區(qū)2013-2014年冬小麥生物量進(jìn)行了相關(guān)性分析，對影響雷達(dá)植被指數(shù)的幾個條件進(jìn)行了分析。

(1)雷達(dá)植被指數(shù)和拔節(jié)期、抽穗期和灌漿期的冬小麥生物量具有較好的相關(guān)關(guān)系，擬合曲線的R2為0.51，均方根誤差為267.61 g/m2。

(2)雷達(dá)穿透性使得其在低覆蓋條件下受作物下層土壤含水量的影響嚴(yán)重。實(shí)際雷達(dá)后向散射隨土壤含水量增大而增大，之間存在著復(fù)雜的非線性關(guān)系。在本研究中，雷達(dá)HH、HV、VV極化和雷達(dá)植被指數(shù)與土壤含水量之間的R2分別為0.67、0.62，0.32，0.78。

(3)雷達(dá)可以在極端氣象條件下獲取數(shù)據(jù)，從而對田間冬小麥完成生物量監(jiān)測，利用雷達(dá)在極端天氣來反演作物參數(shù)是可行的。

[1]朱良，郭巍，禹衛(wèi)東.合成孔徑雷達(dá)衛(wèi)星發(fā)展歷程及趨勢分析[J].現(xiàn)代雷達(dá),2009,31(4):5-10.

[2]劉偉，施建成，余琴.基于機(jī)載極化雷達(dá)技術(shù)的農(nóng)作物覆蓋區(qū)土壤水分估算[J].干旱區(qū)地理,2005,28(6):856-861.

[3]施建成，杜陽，杜今陽，等.微波遙感地表參數(shù)反演進(jìn)展[J].中國科學(xué):地球科學(xué)，2012(6):814-842.

[4]Anguela T P,Zribi M,Baghdadi N,et al.Analysis of Local Variation of Soil Surface Parameters With TerraSAR-X Radar Data Over Bare Agricultural Fields[J].Ieee transactions on geoscience and remote sensing,2010,48(2):874-881.

[5]Oh Y.Quantitative retrieval of soil moisture content and surface roughness from multipolarized radar observations of bare soil surfaces[J].Ieee transactions on geoscience and remote sensing,2004,42(3):596-601.

[6]Wigneron J P,Calvet J C,Pellarin T,et al.Retrieving near-surface soil moisture from microwave radiometric observations:current status and future plans[J].Remote sensing of environment,2003,85(4):489-506.

[7]Gherboudj I,Magagi R,Berg A A,et al.Soil moisture retrieval over agricultural fields from multi-polarized and multi-angular RADARSAT-2 SAR data[J].Remote sensing of environment,2011,115(1):33-43.

[8]周鵬，丁建麗，高婷婷.C波段多極化SAR反演土壤水分研究[J].新疆農(nóng)業(yè)科學(xué),2010,47(7):1416-1420.

[9]Gao S,Niu Z,Huang N,et al.Estimating the Leaf Area Index,height and biomass of maize using HJ-1 and RADARSAT-2[J].International journal of applied earth observation and geoinformation,2013,24(1):1-8.

[10]Hosseini M,Mcnairn H,Merzouki A,et al.Estimation of Leaf Area Index (LAI) in corn and soybeans using multi-polarization C- and L-band radar data[J].Remote Sensing of Environment,2015,170:77-89.

[11]Kim Y,Jackson T,Bindlish R,et al.Retrieval of Wheat Growth Parameters With Radar Vegetation Indices[J].Ieee geoscience and remote sensing letters,2014,11(4):808-812.

[12]王春梅，余濤，孟慶巖，等.基于全極化雷達(dá)數(shù)據(jù)反演夏玉米覆蓋農(nóng)田表層土壤含水量[J].水資源與水工程學(xué)報,2014(2):29-34.

[13]楊沈斌，李秉柏，申雙和，等.基于多時相多極化差值圖的稻田識別研究[J].遙感學(xué)報,2008,12(4):613-619.

[14]楊浩，楊貴軍，顧曉鶴，等.小麥倒伏的雷達(dá)極化特征及其遙感監(jiān)測[J].農(nóng)業(yè)工程學(xué)報,2014(7):1-8.

[15]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),2012,37(6):62-67.

[16]Kim Y J,Zyl J J V.A Time-Series Approach to Estimate Soil Moisture Using Polarimetric Radar Data[J].Ieee transactions on geoscience & remote sensing,2009,47(8):2519-2527.

Estimation of winter wheat biomass using Radar Vegetation index

YUE Ji-bo，QI Xiu-dong

(School of Surveying and land Information Engineering,Henan Polytechnic University,Jiaozuo 454000,China)

The active detection of radar remote sensing using microwave bands is the most important means of remote sensing in the extreme weather conditions,it can monitor crop growth at any time.Application of 2013-14 in the Radarsat-2 data of Yangling area of Shaanxi and the ground synchronous measurement data of SAR,the radar vegetation index in winter wheat crop parameter estimation is studied by 43 winter wheat covered and 8 bare soil experimental sections.In order to analyze the effects of different coverage and soil moisture on the radar vegetation index and crop biomass,the winter wheat in low coverage (green period), high coverage (top stage, heading and filling stage) ground synchronous measurement data and SAR data were analyzed and compared. In the area, the radar vegetation index of the bare soil with different soil moisture and different canopy cover is compared. The results show that the radar vegetation index is influenced by the canopy cover and the soil moisture. The crop biomass is positively related to the crop biomass. Therefore, radar vegetation index is high correlation between the crop parameters, but it should be considered in effect of canopy cover and soil moisture content. In our study,R2of the remote sensing retrieval model was 0.51, the root mean square error was 267.61g/m2.

radar vegetation index;soil moisture;biomass;winter wheat;Radarsat-2;canopy cover

2016-03-08

河南省基礎(chǔ)與前沿研究(13150090)

岳繼博(1992—)，男，河南平頂山人，碩士研究生。

齊修東(1969—)，男，河南周口人，高級工程師。

1674-7046(2016)04-0086-07

10.14140/j.cnki.hncjxb.2016.04.017

TP79

A