利用合成孔径雷达数据监测作物生长动态的创新指标与技术解析

以下内容选自：

洪玉娇, 张硕, 李俐. 基于合成孔径雷达数据的农作物长势监测研究进展[J]. 智慧农业(中英文), 2024, 6(1): 46-62.

HONG Yujiao, ZHANG Shuo, LI Li. Research Progresses of Crop Growth Monitoring Based on Synthetic Aperture Radar Data[J]. Smart Agriculture, 2024, 6(1): 46-62.

官网可免费阅读

知网平台阅读

作物长势监测指标与雷达参数的关联

作物的生长监测不仅关注苗情，还要对生长状态及其变化进行全面、及时的评估。这一过程极其复杂，涉及到生理和生态的多重变化，因而需要通过一些特定的监测指标来量化生长特征。根据路贵和安海润的研究，农作物长势监测指标可分为多个类别，包括形态指标、生理生化指标、产量指标以及胁迫指标，具体情况见表1。其中，株高这一信息在传统光学或雷达遥感数据中获取的难度较大，而冠层覆盖度通常用于早期苗情的监控，倒伏率和干旱胁迫因子的参数则多针对特定灾害进行监测。相比之下，叶面积指数（LAI）和生物量被认为是最具代表性的常用长势参数。

表1 农作物长势关键指标

Table 1 Key parameters of crop growth

SAR监测作物生长参数的基本原理依赖于SAR信号与植物之间的相互作用，并通过特定的散射模型及反演算法来推算作物的生长参数。SAR的工作波段主要在1到30厘米之间，涵盖了S、C、X、L和K波段，尤其是短波的C、X和L波段数据在作物长势监测中得到了广泛应用。当微波信号照射到植物时，部分信号会被植物的叶片吸收，而另一部分则被反射或散射。这种相互作用使得SAR的后向散射系数与作物的生长特征之间存在密切的关联。以LAI的监测为例，研究显示SAR后向散射系数与LAI呈正相关。LAI能够有效表征作物的叶片数量和垂直分布，通常情况下，高LAI区域由于密集的叶片分布，会产生更显著的微波反射，因此在SAR图像中表现出更高的后向散射强度。为了更加精准地进行此类监测，研究者们采用了多种与作物生长敏感的雷达参数来反演相关的生长参数。目前，常用的雷达遥感参数包括后向散射强度特征指数和雷达植被指数等。本文将对这些雷达遥感参数的类型及其应用特性进行总结，详见表2。

表2 主要雷达指标及其应用特性

Table 2 Main radar indicators and application characteristics

后向散射强度或称后向散射系数的幅度，受与SAR信号相互作用的散射体的几何形状及物理特性影响。研究表明，农业作物的主要生长参数，包括LAI、生物量和株高，和后向散射系数之间存在紧密的联系。图1至图4展示了玉米生物量、水稻生物量、水稻株高及小麦LAI与后向散射系数之间的关系。分析后可以发现，生物量的数值，无论是玉米还是水稻，其SAR后向散射系数与之存在对数关系，且两者的整体趋势相似，随着生物量的增加，后向散射系数也逐渐上升，且交叉极化的数值普遍低于同极化数值；以广东省泰山试验点的水稻为例，株高与后向散射系数之间呈现近线性的相关性，相关系数大于0.8，HH极化的线性相关斜率相较于HV极化要高；另外，LAI参数与后向散射系数同样表现出显著的相关性。以Matera站点2003年和2004年分蘖末期到抽穗期的LAI与相应的HH/VV后向散射比数据为例，两者的散点图呈现抛物线关系，随着LAI的增加，HH/VV的值也随之上升，两者的决定系数达到0.82。

图1 玉米生物量与后向散射系数之间的关系

图2 水稻生物量与后向散射系数之间的关系

图3 水稻株高与后向散射系数之间的关系

图4 小麦LAI与HH/VV后向散射系数之间的关系

图4 小麦LAI与HH/VV后向散射系数之间的关系

近年来，伴随着多极化SAR数据的增加和极化分解理论的不断进步，研究人员发现极化特性在植被分布、结构及生长状态的反演中具有独特的优势。因此，利用SAR的极化特征来监测农作物的生长情况正受到越来越多的关注。目前，农作物生长参数的反演主要依赖于直接从极化SAR数据中提取的特征参数，以及通过极化分解获得的特征参数。直接提取的特征参数包括线性后向散射系数（HH、HV、VH、VV）、圆形后向散射系数（LL、RR、LR）、各种极化比值（如HH/VV、HV/HH、VH/VV、HV/VV）、雷达植被指数RVI、基座高度和总功率等；而极化分解后获得的特征参数则主要有Entropy（H）、反熵Anisotropy（A）、α角、香农熵（SE）、单次反射特征值相对差异度（SERD）、二次反射特征值相对差异度（DERD）、基准高度（PH）、极化比（PF）、极化不对称性（PA）、单次散射分量（Odd）和偶次散射分量（Dbl），以及体散射分量（Vol）等。此外，极化分解可依数据类型分为全极化数据的极化分解与紧致极化数据的极化分解。

利用极化SAR数据提取的特征参数来反演农作物生长情况的研究已经取得了一定进展。例如，Canisius等研究了C波段RADARSAT-2全极化SAR数据与春小麦和油菜的物候特征之间的关系，结果表明，特征参数HV/HH、VH/VV和RVI与油菜株高显著相关，相关系数R²分别为0.83、0.81和0.86，同时VH/VV与春小麦的LAI也有显著相关，R²为0.77。Jiao等则探索了极化SAR参数与玉米及大豆LAI的关系，结果显示HV、LL及RR极化与玉米的LAI相关性极强，R²分别为0.96、0.95和0.95，而与大豆的相关性稍低，R²分别为0.86、0.86和0.83。基座高度与总功率也与玉米和大豆的LAI显著相关，相关系数分别为0.96与0.84，以及0.84与0.80。在全极化数据的极化分解方法中，常用的有相干分解和非相干分解。其中，非相干分解更接近自然界分布式目标的特性，因此在提取地物散射特征时应用广泛。由于农作物通常呈现非相干回波的特征，因此在反演农作物生长参数时，多采用非相干分解方法来获取特征参数。常见的非相干分解方法包括Freeman-Durden三分量分解、Cloude-Pottier分解及Yamaguchi四分量分解。目前，Cloude-Pottier分解方法和Freeman-Durden三分量分解方法在监测农作物生长方面应用较多。前述的H、A、α、SE、SERD、DERD、PH、PF、PA等特征参数，属于Cloude-Pottier的分解参数或扩展参数；而Odd、Dbl、Vol、Odd/Span、Vol/Odd、Vol/Span、Dbl/Span等特征参数则属于Freeman-Durden的分解参数或扩展参数。值得注意的是，H、A、α、Odd、Dbl、Vol、Odd/Span、Vol/Span等参数在反演生长参数时应用频繁。例如，针对LAI参数，Jiao等利用加拿大食品检验局的研究数据成功实现了对玉米和大豆LAI的反演，验证了H、α、Vol与LAI之间的相关性。关于株高参数，Canisius等以加拿大尼皮辛农业区为例，证实了α与油菜和小麦的株高相关性，R²分别为0.91和0.66。生物量参数反演的研究也较多，例如Zhang等在中国东北部内蒙古的研究发现，Vol与油菜生物量之间存在显著的相关性，决定系数为0.82。Wiseman等在加拿大马尼托巴省对油菜和玉米的干生物量进行了反演，结果表明H与干生物量的相关性，R²分别为0.81与0.84。而康伟等以内蒙古自治区上库力农场为例，实现了对小麦生物量的反演，验证了Odd、Vol、Odd/Span、Vol/Span、Vol/Odd与小麦生物量在对数模型下具有高相关性，相关系数R²分别为0.706、0.798、0.808、0.791和0.815。

目前，紧致极化SAR传感器的研究仍处于初步阶段，主要有三种常用的紧致极化成像模式：π/4模式、双圆极化模式（Dual Circular Polarization，DCP）和混合极化工作模式（Circular Transmit and Dual Orthogonal Linear Receive, CTLR）。由于紧致极化数据的实际样本量相对有限，目前的研究通常使用全极化数据来模拟紧致极化数据，紧致极化分解技术则主要应用于生物量的监测。例如，杨浩通过5景全极化RADARSAT-2数据模拟紧致极化SAR数据，采用CTLR模式，利用基于全极化数据模拟的紧致极化数据m-δ和m-χ三分量分解获取的极化参数，成功监测了油菜的生物量。其中，基于紧致极化数据的m-δ极化分解得到的极化参数Dbl在油菜生物量反演中的表现最为出色，相关系数R²为0.92，均方根误差为56.5 g/m²。需要注意的是，在全极化的极化分解中，Dbl的贡献通常被忽视，而Vol的估计往往偏高；而在紧致极化的极化分解中，则更注重Dbl的影响。因此，可以看出，极化分解技术在作物生长监测中展现了良好的效果，但目前其在农作物生长监测中的应用仍相对有限，未来亟需更广泛的研究与实验验证。

智慧农业微信交流服务群

为了方便农业科学领域的读者、作者及审稿专家进行学术交流，促进智慧农业的发展，并更好地服务广大读者、作者及审稿人，编辑部建立了微信交流服务群。在群内可以讨论专业领域相关问题，或咨询投稿事宜。入群步骤为：添加小编微信17346525780，备注：姓名、单位、研究方向，小编将拉您进群，机构营销广告人员请勿打扰。

征集公告

我们诚邀您通过我们的公众号发布关于科研团队的介绍、创新研究成就及相关活动的信息。这是一个展示您团队风采的绝佳机会，让更多人了解您的研究工作。

请随时与我们联系，分享您的科研动态和重要活动。我们期待着您的积极参与，共同推动科研交流与合作。