合成孔徑雷達(dá)在農(nóng)作物長勢監(jiān)測中的應(yīng)用

內(nèi)蒙古呼倫貝爾市滿洲里市氣象局 李潮

1 研究背景

由于微波遙感具有全天24 小時監(jiān)控功能，當(dāng)?shù)貐^(qū)農(nóng)作物受到自然氣候災(zāi)害時，其監(jiān)控作用要遠(yuǎn)遠(yuǎn)大于其他遙感技術(shù)。近些年來，伴隨微波遙感這一技術(shù)不斷地發(fā)展，多個國家發(fā)射合成孔徑雷達(dá)（SAR）通信衛(wèi)星多存量波段、多極化數(shù)據(jù)，促進(jìn)了利用SAR 監(jiān)測作物生長情況。在這個階段，作物生長的關(guān)鍵參數(shù)是葉面積指數(shù)（LAI）、土壤含水量、縱橫比、相對密度、播種日期和收獲進(jìn)度。SAR 技術(shù)在作物生長監(jiān)測的應(yīng)用層面大致可以分為兩類：根據(jù)SAR 傳輸抗壓強(qiáng)度和根據(jù)SAR 電極化特性，監(jiān)測作物生長反演技術(shù)的主要參數(shù)。

2 合成孔徑雷達(dá)在農(nóng)業(yè)中的應(yīng)用特點

SAR 主要以脈沖壓縮技術(shù)所形成的高清圖像為主要基礎(chǔ)，隨后通過網(wǎng)絡(luò)脈沖導(dǎo)航欄綜合服務(wù)平臺引起的頻率誤差來達(dá)到整體目標(biāo)距離和方向。SAR 成像不易受溫度、晝夜等因素的影響。它可以24 小時不間斷工作，在低能見度溫度因素下，也可以獲取具有較高分辨率的圖像，此圖像清晰度與電光照片類似，是一種具有較高有效性的觀察方式。在農(nóng)作物監(jiān)測過程中，SAR 這一技術(shù)所具備的特點主要如下：傳統(tǒng)性，作為一種具有較強(qiáng)主動性的地理信息系統(tǒng)，SAR 能夠有效對云、雨、霧霾等復(fù)雜氣候影響進(jìn)行有效預(yù)防，并且能夠在二十四小時內(nèi)不間斷獲得相關(guān)氣候數(shù)據(jù)；滲透性，由于微波加熱光波長較長，對植物種類的土層、疏松和強(qiáng)烈的風(fēng)化、風(fēng)雪有一定的穿透作用；靈敏度，與光電地理信息系統(tǒng)不同，在農(nóng)作物結(jié)構(gòu)與幾何特征方面，SAR 具有更高敏感性，在檢測這一特征過程中，SAR 所具有的優(yōu)勢要更加強(qiáng)烈；獨特性，在電子光學(xué)地理信息系統(tǒng)當(dāng)中，其主要以頻譜分析儀為基礎(chǔ)，針對信息內(nèi)容進(jìn)行飛信，其中，信息內(nèi)容傳輸、電極化、相角等諸多信息內(nèi)容皆能夠被SAR 所充分利用。

3 農(nóng)作物分類與面積提取

在農(nóng)業(yè)遙感監(jiān)測工作當(dāng)中，農(nóng)作物的分類鑒別是其中的重要內(nèi)容，在農(nóng)作物產(chǎn)量計算過程中，支持向量機(jī)算法是其計算準(zhǔn)確性的首要前提，由于農(nóng)作物之間冠層結(jié)構(gòu)、主要包含幾何特征和電極化特征等所存有差異，具體表現(xiàn)為在不同頻率和電極化SAR 圖像中呈現(xiàn)不同特征，通過SAR 能夠為分類工作精準(zhǔn)性打下良好基礎(chǔ)?？h級階段，在農(nóng)作物分類當(dāng)中存有諸多方式，并且從傳統(tǒng)的單一分類方式轉(zhuǎn)變?yōu)槎嘣?、多維度的分離方式，這一方式主要分類依據(jù)為多極化、多頻率、多時間等多維度信息，推動了糧食作物的高精度分類?；趫龅目焖賯鬏?shù)臒o偏縱橫比，許多方法改進(jìn)了分割方案。農(nóng)作物分類方式不僅能夠有效檢測圖像當(dāng)中所存有的小黑點與噪音，同時也能夠令分類速度加快，促進(jìn)農(nóng)作物分類精準(zhǔn)性，一方面，縣級階段所使用的蟻群分類算法主要基于光偏振傳輸系統(tǒng)和數(shù)據(jù)統(tǒng)計進(jìn)行分類；另一方面，在對相關(guān)傳輸特征進(jìn)行獲取過程中，通過對其電極化、紋理等相關(guān)高維空間特征的轉(zhuǎn)化，引入深度神經(jīng)網(wǎng)絡(luò)方法，如svm 算法、隨機(jī)森林、深度神經(jīng)元網(wǎng)絡(luò)等，促進(jìn)農(nóng)作物區(qū)分能力；在完成分類工作后，可以圖像分辨率為基礎(chǔ)，獲取不同農(nóng)作物的總種植量區(qū)域。雖然目前有的科學(xué)研究可以使其精度達(dá)到99%，但是，伴隨農(nóng)作物不斷生長，其結(jié)構(gòu)、水分等相關(guān)信息內(nèi)容也處于不斷變化的狀態(tài)之中，不同類型農(nóng)作物的可分離性會發(fā)生變化。

4 農(nóng)業(yè)物理與生物參數(shù)反演

4.1 農(nóng)田含水量反演

通過SAR 數(shù)據(jù)信息為基礎(chǔ)開發(fā)的含水量反演技術(shù)是目前應(yīng)用范圍最為廣泛的方式之一，含水量反演主要以裸土水分、農(nóng)作物土壤覆蓋為基礎(chǔ)，同時，通過理論模型、工作模型等作為支撐實體模型。使用水分含量、表面粗糙度、傾斜度和電極化等變量來創(chuàng)建裸土運輸?shù)膶嶓w模型。標(biāo)記實體模型包括Oh 實體模型、Dubois 實體模型、Shi 實體模型、積分方程實體模型（IEM）和高級積分方程實體模型（AIEM）等。其中，裸土含水量反演對于地表有著較大影響，而逆變技術(shù)自身精度不僅不會受到模型的影響，還體現(xiàn)在對土層表面粗糙度的精準(zhǔn)測量和應(yīng)用上。為了更好地降低土層表面粗糙度測量不準(zhǔn)確對含水率逆變技術(shù)的危害，目前一些科學(xué)研究已經(jīng)將地表粗糙度作為關(guān)鍵的改善參數(shù)。數(shù)據(jù)分析和深度神經(jīng)網(wǎng)絡(luò)方法也常用于水組分反演技術(shù)。這一技術(shù)也被廣泛使用。但是，在一些實驗中，存在多種共線性標(biāo)準(zhǔn)，實體模型的基本參數(shù)必須根據(jù)現(xiàn)場的數(shù)據(jù)和信息進(jìn)行調(diào)整。

與裸土相比，作物覆蓋的層狀土壤含水量反演技術(shù)相對復(fù)雜。除了道路的基本參數(shù)外，向后傳動對它的危害也很大。同時，農(nóng)作物樹冠對道路和樹冠也非常有害，相互影響也增加了模型的難度系數(shù)。作物覆蓋的土壤水分反演技術(shù)的關(guān)鍵問題在于如何區(qū)分土壤與農(nóng)作物的后向傳播，從而將農(nóng)作物對于含水量反演的影響降至最低，陷入及所使用方式主要基于電子光學(xué)和SAR 植物群落層的及時模型數(shù)據(jù)信息的三類協(xié)同逆變技術(shù)，以及基于電極熔化基本參數(shù)的三類逆變技術(shù)。雖然變形或改進(jìn)是在不同頻率、傾斜角度和等高線類型的標(biāo)準(zhǔn)下進(jìn)行的，但由于糧食作物的冠層不是茂密的森林，所以一般采用水云物理模型。根據(jù)光電器件與SAR 數(shù)據(jù)信息協(xié)同反演技術(shù)方法，通過光電器件數(shù)據(jù)信息獲取NDVI、葉面積指數(shù)（LAI）等植物群落基本參數(shù)，反映植物群落在郊區(qū)，因此物理模型很重要，仿真模擬植物群落層，采用光偏振熔化法進(jìn)行逆變技術(shù)是基于奇偶數(shù)傳輸實體模型和地面垂直平面，體積傳輸對于與植物群落層傳輸相關(guān)的特性很重要，二次透射和整體目標(biāo)的溶解是基于光的偏振的整體目標(biāo)的溶解而獲得的。

4.2 農(nóng)作物物候檢測

農(nóng)作物檢測不僅能夠使農(nóng)業(yè)管理更加規(guī)范，從而實現(xiàn)高產(chǎn)，同時也能夠為政府部門按照可利用時間進(jìn)行分配提供有效幫助，及時進(jìn)行市場需求分析和價格調(diào)整。一般情況下，糧食作物物候期通常由農(nóng)牧業(yè)環(huán)境監(jiān)測管理中心現(xiàn)場觀測。雖然得到的結(jié)果更準(zhǔn)確，但這類方法費時費力，只能利用于一些數(shù)據(jù)量不是很大的行業(yè)。目前，利用時間序列分析SAR 進(jìn)行物候相位差檢測的一個重要途徑是應(yīng)用分類和時間序列分析動態(tài)跟蹤。根據(jù)分類物候環(huán)節(jié)，將同種但不同種植期的陸生綠色植物劃分為不同的類型，每個類型都與一定的物候環(huán)節(jié)保持一致。重要的是整個過程首先將SAR 圖像上層時間序列分析特征的物理意義與廊道的不同物候聯(lián)系相匹配。這里也可以全程進(jìn)行svm 算法，得到最終的物候期。這是最有意義的一組技術(shù)。眾所周知，SAR 圖像可以得到的特征有很多，在進(jìn)行物候接觸分類之前，有必要分析該特征的關(guān)鍵表達(dá)與物候接觸之間的對應(yīng)關(guān)系；除此之外，所獲得決策模型通常是對當(dāng)前地區(qū)部分農(nóng)作物具有一定預(yù)期效果，但是在應(yīng)用過程中卻受到較多因素制約，其中，始終頻率動態(tài)跟蹤這一方式主要是通過農(nóng)作物生長過程中所生成的動態(tài)信息，對逆變電源的技術(shù)性質(zhì)進(jìn)行開發(fā)設(shè)計，解決了應(yīng)用分類法不引入時間變量的問題。這一方式主要為監(jiān)理農(nóng)作物生長動態(tài)模型，并在信息內(nèi)容當(dāng)中對農(nóng)作物進(jìn)行建模，主要是利用卡爾曼率比、粒子濾波等方式針對農(nóng)作物生長動態(tài)進(jìn)行跟蹤，在跟蹤過程中，首先在溫度、如讓、灌溉規(guī)模、放射性物質(zhì)等因素皆不明確的調(diào)價下，以SAR 圖像為基礎(chǔ)，對農(nóng)作物始終頻率進(jìn)行變換，隨后生成生長動態(tài)模型。該方法以作物生長發(fā)育的整個過程建模為整個動態(tài)過程，在動態(tài)系統(tǒng)的上下文信息內(nèi)容框架內(nèi)將物候聯(lián)系的概率建模。典型的方式是利用卡爾曼濾波、粒子濾波等方法對作物生長發(fā)育動態(tài)的全過程進(jìn)行建模和跟蹤。整個過程是，首先，在未知溫度、土壤質(zhì)地、灌溉規(guī)格、放射性物質(zhì)規(guī)格等條件下，基于作物在SAR 圖像上的時鐘頻率變換，創(chuàng)建作物生長發(fā)育的數(shù)字模型，然后應(yīng)用明確的統(tǒng)計分析方法和傳輸概率方法，根據(jù)前一環(huán)節(jié)得到的觀測和估計，開發(fā)和設(shè)計下一階段狀態(tài)變量的概率，并進(jìn)行作物生長的適時反演技術(shù)。它是相對于根據(jù)分類物候鏈接的獲取方法。這種方法的優(yōu)勢在于，在分析方法明確后，可以根據(jù)獲得的數(shù)據(jù)和信息實時進(jìn)行物候鏈接，其普遍意義仍然有限。

5 農(nóng)業(yè)災(zāi)害監(jiān)測

農(nóng)牧業(yè)災(zāi)害種類繁多，洪澇災(zāi)害、嚴(yán)重干旱、病蟲害、落苗等常見農(nóng)牧業(yè)災(zāi)害對糧食作物生產(chǎn)造成較為嚴(yán)重的破壞。農(nóng)牧業(yè)洪水災(zāi)害檢測是SAR 成像的優(yōu)勢。即使是降水和溫度也不會產(chǎn)生影響，植物物種的莖和淹沒的道路也很容易造成不同的傳輸，可以作為一個包容性的表達(dá)特征。干旱和病蟲害對作物植株反射面的特性危害很大，但短期內(nèi)結(jié)構(gòu)變化不顯著，可以用多光譜分析儀或高光譜圖像進(jìn)行檢測，但是這個特征在SAR 圖像上面并不顯著，苗木塌陷后作物最明顯的轉(zhuǎn)變就是冠層結(jié)構(gòu)的轉(zhuǎn)變。由于光電器件地理信息系統(tǒng)利用作物光譜分析儀的特點，其對落苗檢測的有效性相對有限，SAR 對作物結(jié)構(gòu)的轉(zhuǎn)變更為敏感，尤其是對垂直結(jié)構(gòu)的轉(zhuǎn)變更為敏感。糧食作物（如小麥、水稻等）落苗檢測具有很大的發(fā)展前景。目前的科研方法是通過傳輸系統(tǒng)軟件的改造來獲得落苗總面積，但是糧食作物的生長或衰退也會引起傳輸重量的變化，并且存在一定程度表達(dá)的特異性。

6 結(jié)語

綜合上文所述，在農(nóng)作物生長檢測模型的選擇中，應(yīng)考慮不同傳感器的主要參數(shù)、幾種場景、傾斜角度、土層、降水等幾個因素對雷達(dá)檢測的危害散射，并獲得更通用的標(biāo)準(zhǔn)和元素，從而提高SAR 在糧食作物生長檢測中的準(zhǔn)確度。同時，在整個建模過程中，要考慮不同植被的空間布局，從而更準(zhǔn)確地表示植被的真實場景。此外，要重視模型之間的比較和模型的準(zhǔn)確性評估。為了更深入地了解植被覆蓋土層的散射原理，建立各個模型的應(yīng)用領(lǐng)域。