Radarsat-2 在我國(guó)農(nóng)業(yè)領(lǐng)域的應(yīng)用※

●劉曉光 范 偉 胡 昊 朱曙光

（1.安徽水安建設(shè)集團(tuán)股份有限公司 安徽 合肥 230601；2.安徽省智慧城市工程技術(shù)研究中心 安徽 合肥 230601；3.安徽建筑大學(xué)環(huán)境與能源工程學(xué)院 安徽 合肥 230601；4.水污染控制與廢水資源化安徽省重點(diǎn)實(shí)驗(yàn)室 安徽 合肥 230601；5.安徽建筑大學(xué)節(jié)能研究院 安徽 合肥 230022）

我國(guó)農(nóng)業(yè)部門每年會(huì)對(duì)農(nóng)作物種植種類、種植區(qū)域和農(nóng)作物產(chǎn)量等進(jìn)行評(píng)估和調(diào)查[1]。人工調(diào)查雖然可以在局部得到非常細(xì)致的結(jié)果，但難以覆蓋到全部區(qū)域，只能以點(diǎn)帶面。人工調(diào)查費(fèi)時(shí)費(fèi)力，實(shí)效性差，人工費(fèi)用也高。衛(wèi)星遙感以其“站得高”、覆蓋面積大，同步和實(shí)效性強(qiáng)，省時(shí)省力、低價(jià)的特點(diǎn)，在廣闊的農(nóng)業(yè)區(qū)域進(jìn)行調(diào)查時(shí)，越來越發(fā)揮出獨(dú)到的優(yōu)越性。

迄今為止，光學(xué)衛(wèi)星對(duì)地觀測(cè)已有半個(gè)世紀(jì)，形成了非常成熟的技術(shù)，并獲得了大量卓有成效的研究成果。但我國(guó)地處季風(fēng)性氣候影響非常明顯的地理位置，經(jīng)常形成陰雨雪天等，容易對(duì)光學(xué)衛(wèi)星觀測(cè)的實(shí)效性和準(zhǔn)確性造成不利影響。而近些年興起的星載合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR），即星載SAR 衛(wèi)星，由于其工作在微波波段（S 波段、C 波段、X 波段、K波段等），這些較長(zhǎng)的波長(zhǎng)使得觀測(cè)基本不受天氣影響，可全天候觀測(cè)[2]。隨著星載SAR 的技術(shù)的高速發(fā)展，現(xiàn)在除了可全天候觀測(cè)外，高空間分辨率、較短的重返周期、低廉的價(jià)格甚至免費(fèi)等優(yōu)點(diǎn)，使其在陰雨雪天氣光學(xué)衛(wèi)星無法及時(shí)和準(zhǔn)確觀測(cè)時(shí)，可作為重要的補(bǔ)充。

Radarsat-2 是一顆搭載C 波段傳感器的高分辨率星載SAR 商用雷達(dá)衛(wèi)星，由加拿大太空署與MDA 公 司（MacDonald Dettwiler and Associates Ltd?，MDA）合作運(yùn)行。衛(wèi)星觀測(cè)結(jié)果有包括全極化模式（HH，HV，VV 和VH 極化數(shù)據(jù)）在內(nèi)的18 種成像模式，最高米級(jí)的空間分辨率，以及2～3 d 的重返周期，其產(chǎn)品參數(shù)見表1[3]。目前Radarsat-2 是全世界最先進(jìn)的星載SAR 商業(yè)衛(wèi)星，被廣泛應(yīng)用于各行業(yè)，例如海冰測(cè)繪、船舶航線探測(cè)、冰山探測(cè)、農(nóng)作物監(jiān)測(cè)、船舶海洋監(jiān)測(cè)和污染檢測(cè)等。

表1 Radarsat-2 數(shù)據(jù)主要參數(shù)

由于Radarsat-2 具有諸多高性能觀測(cè)的特點(diǎn)，使得其在2007 年升空后被廣泛應(yīng)用于我國(guó)眾多領(lǐng)域，如對(duì)湖泊水質(zhì)的監(jiān)測(cè)等，獲得了大量卓有成效的研究成果[4]。Radarsat-2 在農(nóng)作物種類識(shí)別、種植面積、長(zhǎng)勢(shì)監(jiān)測(cè)、產(chǎn)量評(píng)估以及勘災(zāi)定損等方面獲得了諸多成果。本文以我國(guó)重要的糧食作物水稻和冬小麥為例，總結(jié)Radarsat-2 在這兩種農(nóng)作物領(lǐng)域應(yīng)用的主要成果，并對(duì)其未來的應(yīng)用前景進(jìn)行了展望。

1 Radarsat-2 在水稻領(lǐng)域應(yīng)用主要成果

Radarsat-2 在水稻領(lǐng)域應(yīng)用的主要研究成果包括三個(gè)方面。

1.1 水稻識(shí)別和種植區(qū)域分布研究

一般選擇多時(shí)相、多極化Radarsat-2 影像，采取不同方法對(duì)水稻種植區(qū)域分類。單捷等[5]應(yīng)用Radarsat-2 數(shù)據(jù)，選擇支持向量機(jī)法（SVM）和最大似然法（MLC）進(jìn)行水稻面積提取，精度均超過90%；國(guó)賢玉等[6]選擇全極化Radarsat-2 數(shù)據(jù)模擬并提取CP-SAR 數(shù)據(jù)（緊致極化，Compact polarimetry synthetic aperture Radar， CP‐SAR），并結(jié)合兩種分類方法：SVM 和決策樹進(jìn)行水稻精細(xì)分類研究，達(dá)到92?57%的分類精度；李坤等[7]通過全極化Radarsat-2 數(shù)據(jù)，分析水稻及典型地物的極化散射機(jī)制及相互之間的差異，通過極化差異和極化分解理論提取水稻信息；田昕等[8]將雙極化和全極化水稻雷達(dá)影像進(jìn)行提取，指出Radarsat-2相比ALOS PALSAR 優(yōu)勢(shì)和劣勢(shì)，并進(jìn)行了分類精度比較；韓宇[9]針對(duì)南方混種現(xiàn)象，采用全極化Radarsat-2 為數(shù)據(jù)源，應(yīng)用特征空間離散程度以及極化合成下的極化空間功率分布，實(shí)現(xiàn)對(duì)包括水稻在內(nèi)的多種農(nóng)作物分類，達(dá)到92%以上分類精度。通過極化比值法，將水稻信息從其他農(nóng)作物中增強(qiáng)，如張曉倩[10]、化國(guó)強(qiáng)等[11]通過HH/VV比值極化，突出了水稻信息，得到了水稻分布區(qū)域，張曉倩還繪制了水稻生物量分布圖。

1.2 水稻長(zhǎng)勢(shì)和產(chǎn)量評(píng)估分析

一般對(duì)Radarsat-2 影像數(shù)據(jù)，采用優(yōu)化算法建模，從而提高評(píng)估精度。譚正[12]同化Radarsat-2 數(shù)據(jù)，優(yōu)化WOFOST 作物生長(zhǎng)模型參數(shù)，提高了模型模擬精度，為水稻長(zhǎng)勢(shì)監(jiān)測(cè)和估產(chǎn)提供參考；張曉倩等[13]分析不同極化和極化比值，以構(gòu)建水云模型、二次多項(xiàng)式模型和指數(shù)模型反演水稻生物量，發(fā)現(xiàn)反演水稻生物量精度相對(duì)較高的是HH 水云模型與HH/VV 指數(shù)模型；此外，賈明權(quán)[14]通過MIMICS 半經(jīng)驗(yàn)?zāi)Ｐ偷姆囱菟惴ê突贛onte-Carlo 模擬的神經(jīng)網(wǎng)絡(luò)反演算法，結(jié)合全極化Radarsat-2 數(shù)據(jù)，實(shí)現(xiàn)水稻生物量的反演和驗(yàn)證。

1.3 水稻參數(shù)正反演模型建立

通過對(duì)水稻不同生長(zhǎng)階段的后向散射系數(shù)分析，建立相關(guān)參數(shù)正反演模型。對(duì)水稻葉面積指數(shù)的反演，就是一個(gè)重要研究方向。張曉倩等[15]通過后向散射系數(shù)四極化和比值極化HH/VV，建立葉面積指數(shù)反演模型；景卓鑫等[16-17]以星地同步測(cè)量方式，將水稻后向散射系數(shù)結(jié)合地面實(shí)測(cè)葉面積指數(shù)數(shù)值，通過最優(yōu)化神經(jīng)網(wǎng)絡(luò)建立葉面積指數(shù)反演模型，并對(duì)水稻冠層密度、植株高度也進(jìn)行了反演。另外，對(duì)水稻微波散射特性也有相關(guān)研究，賈明權(quán)[14]分析了不同生長(zhǎng)期水稻在C 波段、全極化不同入射角的散射特性。何澤[18]對(duì)水稻物候進(jìn)行監(jiān)測(cè)，通過應(yīng)用不同生長(zhǎng)期、全極化Radarsat-2 數(shù)據(jù)，建立了基于后向散射系數(shù)的水稻物候反演模型。而對(duì)水稻的光合有效輻射吸收比率（Fraction of absorbed photosynthetically active radiation，F(xiàn)PAR）亦有深入研究，張宇[19]通過多源衛(wèi)星（光學(xué)和Radarsat-2），結(jié)合2014～2016 年野外實(shí)驗(yàn)，建立了水稻FPAR 生長(zhǎng)曲線和30 m 分辨率的水稻FPAR 產(chǎn)品。

2 Radarsat-2 在冬小麥領(lǐng)域應(yīng)用主要成果

Radarsat-2 在冬小麥領(lǐng)域應(yīng)用的研究成果主要包括四個(gè)方面。

2.1 冬小麥種植區(qū)域和生物量評(píng)估研究

應(yīng)用多種分類方法在冬小麥種植區(qū)域進(jìn)行提取，單捷等[20]選擇Radarsat-2 全極化影像5 期，采用MLC 和SVM 分別對(duì)不同時(shí)相的冬小麥種植面積進(jìn)行提取；基于優(yōu)化算法建模進(jìn)行估產(chǎn)估算，岳繼博等[21]選擇冬小麥抽穗期和灌漿期兩個(gè)生長(zhǎng)期和對(duì)應(yīng)的Radarsat-2 全極化雷達(dá)數(shù)據(jù)等，利用隨機(jī)森林算法進(jìn)行冬小麥生物量評(píng)估回歸建模；此外，岳繼博等[22]應(yīng)用2013～2014 年43 組冬小麥生物量和Radarsat-2 全極化雷達(dá)數(shù)據(jù)，通過對(duì)物冠層覆蓋條件和土壤含水量進(jìn)行研究，得到它們和冬小麥作物生物量有相關(guān)性的結(jié)論。有學(xué)者通過全極化雷達(dá)數(shù)據(jù)結(jié)合地面人工測(cè)產(chǎn)進(jìn)行冬小麥產(chǎn)品評(píng)估，范偉等[3]應(yīng)用全極化Radarsat-2 在安徽省渦陽(yáng)縣進(jìn)行星地同步測(cè)量，得到了超過80%精度的冬小麥測(cè)產(chǎn)模型，這也是此衛(wèi)星在我國(guó)對(duì)冬小麥產(chǎn)量評(píng)估的首次應(yīng)用，為后期相關(guān)工作展開打下研究基礎(chǔ)；范偉等[23-24]，陳磊等[25]，陳娟等[26]在Radarsat-2 過境時(shí)，選擇冬小麥多種生長(zhǎng)期進(jìn)行人工采樣，采用星地對(duì)比，建立基于全極化、雙極化冬小麥估產(chǎn)模型，得到了超過80%的估產(chǎn)效果，同時(shí)進(jìn)行了雷達(dá)估產(chǎn)模型對(duì)比分析，指出冬小麥倒伏對(duì)產(chǎn)量評(píng)估的影響，和光學(xué)衛(wèi)星進(jìn)行了估產(chǎn)模型對(duì)比。另外，考慮農(nóng)作物生長(zhǎng)模型建模時(shí)，經(jīng)常將背景誤差設(shè)為均勻各向同性，使得有時(shí)會(huì)降低作物長(zhǎng)勢(shì)和產(chǎn)量評(píng)估，吳尚蓉[27]構(gòu)造均勻各向異性的背景誤差，提高了農(nóng)作物長(zhǎng)勢(shì)和產(chǎn)品評(píng)估精度，為大區(qū)域作物的長(zhǎng)勢(shì)監(jiān)測(cè)和產(chǎn)量預(yù)測(cè)的實(shí)時(shí)性、高精度提供了技術(shù)支撐。

2.2 冬小麥不同生長(zhǎng)期雷達(dá)后向散射系數(shù)分析

蔡愛民等[28]選擇冬小麥兩個(gè)重要生長(zhǎng)期——孕穗期和乳熟期，依據(jù)電磁理論模型——微波植被散射模型（MIMICS），分析不同生長(zhǎng)期的散射特征，并指出用極化比HH/VV 可提取孕穗期冬小麥長(zhǎng)勢(shì)信息，而極化比VV/VH 更易提取乳熟期長(zhǎng)勢(shì)信息，在進(jìn)行冬小麥產(chǎn)量估算時(shí)則可選擇乳熟期極化比VV/VH。

2.3 冬小麥作物秸稈生物量估算分析

考慮冬小麥?zhǔn)崭詈蟮慕斩挻媪魧?duì)當(dāng)?shù)丨h(huán)境的影響，有學(xué)者對(duì)殘茬生物量進(jìn)行評(píng)估。雷步云[29]選擇Radarsat-2 全極化數(shù)據(jù)結(jié)合地面試驗(yàn)，以黃淮海平原為研究區(qū)，進(jìn)行了冬小麥作物秸稈生物量估算研究，得到了平均相對(duì)誤差為7?13%的高精度估算模型。

2.4 冬小麥參數(shù)的反演建模

這是為了解決微波遙感對(duì)下墊面參數(shù)反演的問題。有學(xué)者基于優(yōu)化算法對(duì)冬小麥葉面積指數(shù)進(jìn)行研究，陶亮亮等[30]應(yīng)用改進(jìn)后的水云模型結(jié)合Radarsat-2，反演植被含水量，并應(yīng)用植被含水量和葉面積指數(shù)經(jīng)驗(yàn)關(guān)系獲得葉面積指數(shù)，得到了決定系數(shù)高達(dá)0?841 的水云反演模型；王舒[31]選擇支持向量機(jī)（SVM）算法，基于風(fēng)險(xiǎn)最小化原理，結(jié)合Radarsat-2 影像的HH、VV 和HV 極化模式，提高了葉面積指數(shù)反演精度。也有學(xué)者分析倒伏冬小麥在微波雷達(dá)的特征，楊浩等[32]應(yīng)用覆蓋整個(gè)小麥生長(zhǎng)期的Radarsat-2 全極化數(shù)據(jù)，發(fā)現(xiàn)相比正常生長(zhǎng)的冬小麥，倒伏的冬小麥對(duì)極化信號(hào)反應(yīng)更加靈敏，研究指出應(yīng)用此方法能區(qū)別倒伏和正常生長(zhǎng)的冬小麥。此外對(duì)不同物候期冬小麥后向散射信號(hào)也有分析。蔡愛民等[33]發(fā)現(xiàn)了冬小麥孕穗期和乳熟期這兩個(gè)物候期對(duì)應(yīng)的不同極化特征。也有學(xué)者應(yīng)用輻射傳輸方程進(jìn)行冬小麥參數(shù)反演，閆文佳[34]應(yīng)用微波輻射傳輸方程，建立基于冬小麥的微波散射物理模型，實(shí)現(xiàn)對(duì)小麥穗、葉和稈的后向散射貢獻(xiàn)的定量化。

3 結(jié)論

Radarsat-2 衛(wèi)星憑借其全天候觀測(cè)、高重返周期和高空間分辨率等優(yōu)點(diǎn)，目前已經(jīng)成為在眾多領(lǐng)域廣泛應(yīng)用的商業(yè)衛(wèi)星。通過總結(jié)可以發(fā)現(xiàn)，星載SAR——Radarsat-2 衛(wèi)星在農(nóng)業(yè)領(lǐng)域的應(yīng)用涉及面非常廣，基本覆蓋了農(nóng)業(yè)領(lǐng)域所需，體現(xiàn)了星載SAR 在對(duì)農(nóng)業(yè)領(lǐng)域監(jiān)測(cè)的優(yōu)勢(shì)和潛力。其應(yīng)用的主要方面體現(xiàn)在：第一，通過優(yōu)化算法和分類方法，實(shí)現(xiàn)對(duì)兩種農(nóng)作物種植區(qū)域識(shí)別、長(zhǎng)勢(shì)和產(chǎn)量的評(píng)估，這也是此衛(wèi)星應(yīng)用的重要方面；第二，通過后向散射系數(shù)，結(jié)合優(yōu)化算法進(jìn)行這兩種作物不同生長(zhǎng)期的參數(shù)反演，如葉面積指數(shù)等，也有進(jìn)行倒伏極化散射特征的研究；第三，通過星地測(cè)量方法進(jìn)行冬小麥?zhǔn)崭詈蠼斩挌埐缟锪康母呔仍u(píng)估。