降雨影響下的水稻長勢極化特征提取

庾 露，黃艷霞，劉警鑒，段 煉

（1. 南寧師范大學 地理科學與規劃學院，廣西 南寧 530001；2. 廣西壯族自治區國土測繪院，廣西 南寧530001；3. 南寧師范大學 自然資源與測繪學院，廣西 南寧 530001）

水稻Oryza sativa是中國主要的糧食作物之一，2017年水稻的栽植面積為3 074.7 萬hm2，約占主要糧食作物總面積的26.1%[1]，并廣泛分布于秦嶺淮河以南地區[2]。水稻栽植所處地區常年多云多雨，傳統光學被動遙感技術難以獲取清晰且連續的時間序列影像。合成孔徑雷達(synthetic aperture radar, SAR)是一種微波波段的主動遙感技術，可以穿透云雨，不依賴太陽輻射，全天候全天時成像，可在一定程度上彌補光學遙感的不足，利用SAR遙感進行農作物監測具有較大的潛力[3?8]。目前對作物的非全極化SAR時序監測研究中，普遍依賴于后向散射系數這一極化特征，以及在時間序列上的變化曲線。但是微波對地物含水量的變化十分敏感，降雨會使SAR后向散射系數在時間序列上出現較大波動，導致在對水稻等南方作物的長勢進行判斷時容易出現較大偏差，而現有研究更多關注植株結構變化對后向散射系數的作用，較少考慮降雨的影響。針對降雨對水稻長勢極化特征的影響，研究相應的消減方法，及時、有效、準確地獲取多云雨地區水稻的長勢信息，對重國糧食生產和糧食安全都具有重要意義。本研究在已有Sentinel-1 SAR影像所具備的同向極化(VV)和交叉極化(VH)后向散射系數基礎上，提出歸一化差分后向散射指數 (normalize difference backscattering index，NDBI)。并對 VH、VV、NDBI分別建立后向散射系數時序特征曲線，利用同期降雨數據和光學影像作為輔助資料，探討水稻在幼苗期、分蘗拔節期、長穗期和結實期4個關鍵生長期中，植株形態特點，相應的極化特征變化趨勢，以及降雨對后向散射系數的影響。

1 材料與方法

1.1 研究區概況

研究區位于廣西桂平市以東約 6.5 km，尋旺鄉復興村正南方 (23°24′0″～23°24′40″N，110°7′40″～110°8′30″E)的水稻田地。桂平市地處廣西東南部，屬南亞熱帶季風氣候，氣候溫暖，雨量充沛，雨熱同期，適合水稻生長。2017年桂平市水稻產量達47.9 萬t，并連續5 a居廣西各縣(區)第1位[9]，是廣西水稻栽植大縣。研究區內所栽植的水稻品種為‘百香139’‘Bailixiang 139’，屬于感溫型常規水稻，適宜在桂南、桂中稻作區作早、晚稻栽植。早稻全生育期約124 d；晚稻全生育期約104 d[10]。本研究將對該研究區內2018年的早稻和晚稻的長勢進行監測。

1.2 數據概況

選用SAR影像數據來源于Sentinel-1 C波段SAR衛星，該衛星在默認TOPS(Terrain Observation with Progressive Scan)成像模式下的重訪周期為12 d，地理編碼后的影像空間分辨率為10 m，是具有較高空間和時間分辨率的極軌衛星[11]。所采用的影像數據產品為單視復數影像(single look complex，SLC)，具備VV和VH雙極化方式。水稻的生長周期較短，一般為3～4個月，在此期間該衛星可拍攝8～12期影像數據，相較于常規光學衛星影像數據，能夠形成更為連續且密集的影像序列。本研究使用2018年3?11月共23期SAR影像對研究區內早、晚2季水稻的長勢極化特征進行研究。

選用的輔助驗證數據為Planet光學衛星在線高分辨率影像數據集，空間分辨率為3～5 m，可清晰分辨研究區內稻田的輪廓和內部作物的長勢。Planet衛星數據由一系列微小衛星群組成，重訪周期可縮短到1 d[12]。但是衛星群在過境研究區對其進行拍攝時，多數情況下仍會受云雨遮擋，成像質量較差或無法成像，因此采用1個月合成影像數據對水稻的長勢做驗證。

降雨數據采用日本宇宙航空研究開發機構(Japan Aerospace Exploration Agency，JAXA)提供的 Global Rainfall Watch 觀測數據。該數據由全球降水測量任務 (Global Precipitation Measurement Mission，GPM)中的核心衛星和星座衛星，3 h觀測1次全球降水產生。表1記錄了Sentinel-1衛星過境當天、前1日、前2日研究區最大降雨量。

表 1 Sentinel-1 衛星成像時刻雨量Table 1 Rainfall of Sentinel-1 satellite imaging day

1.3 數據處理

對Sentinel-1 SAR影像數據經過一系列的預處理，才能獲取時間序列上的水稻長勢極化特征。具體處理流程如圖1所示，分為SAR影像預處理和長勢極化特征提取兩部分。

1.3.1 SAR 影像預處理 影像預處理主要有 2 個目的：①對影像進行輻射定標，從而確定影像的灰度與標準雷達散射截面的關系。影像經輻射定標后，每個像素都能表示唯一確定的地物后向散射信息[13]，這也是本研究開展對不同極化方式、不同時相下記錄的水稻極化信息進行定量分析和計算的前提。②對SAR影像進行地理編碼，賦予地理坐標。SAR影像的X軸和Y軸分別與成像時刻傳感器到地物的斜距距離以及傳感器運動矢量相關，并按照距離-方位坐標系(也稱SAR坐標系)而非真實地理坐標記錄地物位置。因此，需要進行地理編碼，將SAR坐標系轉為地理坐標系，使處理的結果影像能與其他空間數據進行疊加分析。影像預處理后具有地理坐標，并獲得經過精確配準后的多時期后向散射系數圖集合。在該圖集合中，每個坐標點都包含該處地物的后向散射系數隨時間變化形成的序列。將基于該圖集合開展對水稻長勢的分析。

1.3.2 長勢極化特征提取 將針對VV和VH 2種極化成像方式在水稻不同生長階段下產生的后向散射系數進行研究，并認為在同一拍攝時間中，同一稻田內部作物的分布和長勢是一致的。因此，對于水稻長勢極化特征的提取，是對每期影像中的單塊稻田內部所有像素的后向散射系數取平均值，并根據時間順序排列形成序列。

圖 1 數據處理流程Figure 1 Data processing flow

1.4 歸一化差分后向散射指數

已有研究成果表明[5,8]：降雨會對各極化方式下的后向散射系數均產生較大影響，反映在時序曲線上則是形成較大波動，且上升和下降趨勢基本相同。根據這一規律，在研究了歸一化植被指數(NDVI)和歸一化水指數(NDWI)[14]的基礎上，提出歸一化差分后向散射指數(NDBI)計算方法，并基于NDBI建立極化特征曲線。

式(1)中：INDB表示歸一化差分后向散射指數，為無量綱量，CVH和CVV分別表示Sentinel-1影像數據中交叉極化和同化極化方式的后向散射系數。引入NDBI在于強化VH和VV的差異，弱化兩者的共有趨勢，從而在一定程度上抵消降雨對單一后向散射系數時序曲線產生的波動影響。

1.5 水稻的散射類型

水稻的散射類型一般可分為上部冠層的直接后向散射(圖2A)、漫反射(圖2B)，水面和主莖之間的二次散射(圖2C和圖2F)，水稻田水面的鏡面反射(圖2D)、水稻植株內部的體散射(圖2C)為主[15?16]。

圖 2 水稻后向散射類型Figure 2 Rice backscattering types

2 結果與分析

2.1 降雨影響下的極化時序特征曲線分析

已有研究表明：VV極化具有更高的穿透性，能夠穿透植被層到達下墊土壤并與之發生相互作用；VH極化對植被更為敏感[14]；本研究的NDBI指數則同時考慮了VH和VV極化之間的差異性。結合圖3進行分析發現：VV后向散射系數值整體高于VH，說明VV極化方式更容易穿透水稻植株，在其后向散射系數中包含了更多的來自稻田表面的回波能量，而VH極化的穿透性稍弱，其回波能量主要來自于植株。在幼苗期至分蘗初期VV和VH曲線都呈上升趨勢，其原因在于此階段水稻葉片細少，植株矮小且分布稀疏，散射類型以二次散射(圖2C或圖2F)和鏡面散射(圖2D)為主，只夾雜了少量的由水稻幼苗至分蘗初期貢獻的體散射(圖2E)能量。期間未出現降雨，VV和VH曲線呈單調上升趨勢。NDBI曲線也呈上升趨勢，并在幼苗期至分蘗期過程中到達整個生長期的最高值，這是因為VV的上升速度較VH更快，二者的差異經NDBI方法放大形成的。在分蘗中期至長穗期，出現了2次降雨，造成了VV和VH曲線不同程度的波動。其中5月16日的降雨使VV曲線由上升轉為下降，5月28日前1日出現的5.5 mm降雨，使VV和VH曲線都出現了大幅下降，原因可能由于稻田內部形成較厚積水層，部分微波信號被積水層吸收[15]。NDBI曲線在上述降雨時間點上的變化較為平緩，表現為分蘗中后期單調下降后平穩進入長穗期，其原因在于水稻不斷分蘗拔節，植株不斷伸長，冠層葉片趨于密集，主要由VH貢獻的漫反射(圖2B)和體散射能量增加，VV穿透植株經水面反射的回波能量被植株消減降低，二者的差異逐漸縮小，相應的NDBI也有所下降。從長穗期到結實期直至收割期間，出現了3次降雨，對VV和VH曲線的趨勢產生了或同向或反向的無規律波動影響，影響程度相較于分蘗期略輕微。NDBI曲線則保持較平穩上升的趨勢，幾乎不受降雨影響。其原因在于長穗期的葉面積指數和植株高度均達到最大，此時的水稻植株粗壯，冠層茂密，水面二次散射和鏡面散射的回波信號受到冠層阻擋，而接收到的回波信號多為植株表面散射，以漫反射和體反射為主，因降雨引起的稻田水面二次散射和鏡面散射的回波能量變化受到冠層較多衰減，在曲線的趨勢上并不能明顯體現。水稻在結實期不斷成熟過程中，稻粒體積和質量不斷增加，逐漸壓彎莖稈，造成植株高度小幅降低，使得VV回波能量小幅提升，VH回波能量則小幅下降，二者在結實期的差異經NDBI放大后得到曲線小幅上升的結果。NDBI曲線在早晚2季水稻的生長周期中都體現出相近的變化趨勢，即在幼苗期和分蘗期為快速上升至最高值，在分蘗中后期到長穗初期開始下降，在長穗期到結實期為平穩小幅上升。

圖 3 極化特征時序曲線Figure 3 Time series curves of polarization characteristics

對時序曲線的波動程度評價，采用二次多項式分段擬合并求平均曲率的方法，平均曲率越低，表明該曲線波動幅度越小，越趨于平穩。

經計算，NDBI曲線的平均曲率為0.86，VV和VH曲線的平均曲率分別為2.90和2.31。說明NDBI曲線的變化趨勢更為平穩，受降雨不規則波動的影響更小，能夠更清晰地反映水稻的長勢變化。

2.2 Planet光學衛星驗證

引入Planet光學衛星在線高分辨率影像數據對極化特征時序曲線進行驗證，從可見光的角度直觀的觀測目標實驗田的水稻長勢情況。通過目視解譯并結合已有研究，可大致推斷水稻在當月所處的生長階段。由圖4可見：3和4月影像(圖4A和圖4B)的色調以當地黃土壤背景色為主，夾雜少量淡綠色，可判斷此時水稻正值幼苗期，植株矮小葉片稀疏；5月影像(圖4C)的色調為濃綠色，可判斷此時水稻為分蘗拔節期，葉片生長旺盛；6月影像(圖5D)的色調相比5月略淡，可判斷此時水稻進入長穗期和結實期；7月影像(圖4E)的色調重新回到土壤背景色，表明水稻經過結實期后已完成收割。晚稻的光學影像(圖4F～I)在色調也具有與早稻相似的變化特征，其共同在時序上反映出的生長階段，可與2.1小節中對NDBI時序曲線的分析結果相對應[12]。

圖 4 2018 年 3?11 月的 Planet衛星影像示意圖Figure 4 Satellite images of Planet from March to November, 2018

3 討論

降雨對后向散射系數的影響普遍存在，會在水稻種植期間后向散射系數時間序列上造成不同程度的波動。在本研究區中，5?7月處于早稻的長穗期，該階段植株結構變化趨于平緩，但由于期間多次降雨，導致VH和VV時序曲線分別在4.0和3.5 db的范圍內出現了波動，這一觀測結果與梁瀚月[8]研究結果十分接近。后者所處江西省南昌市的水稻研究區，在5?6月受地當地降雨影響，使得VH和VV時序曲線分別在4.7和3.3 db內出現了波動，且曲線形態也呈現與本研究相似的先快速上升后快速下降的趨勢。而NDBI時序曲線，相較于上述單一極化方式在這一時間段中則更趨于平穩。

在水稻生長的中后期，水稻的體散射特征逐漸顯現，散射強度由弱轉強，NDBI方法可較清晰地展現這一特征，并且與韓宇[5]利用全極化數據獲得的水稻生長中后期的體散射變化趨勢一致。體散射的強弱通常與植被莖葉密集程度，以及水稻的成熟度密切相關，因此，用NDBI方法可以更直觀地表現出水稻長勢階段的規律特征。

4 結論

本研究在常規的VV和VH后向散射系數時序分析的基礎上提出了NDBI方法，并對比分析了三者在水稻生長期中的極化特征表現，尤其是受降雨影響的程度。研究發現：降雨發生后，短時間內會使VH和VV的后向散射系數出現較大波動，從而對水稻當前生長階段的判斷產生干擾；而同期的NDBI曲線則能有效地消減這一影響，更準確地反映水稻長勢規律。通過這一手段，得到了水稻生長期中極化特征變化規律：幼苗期主要以二次反射為主，而從分蘗拔節時期開始到長穗期再到結實期直至收割，體反射和漫反射不斷增強，二次散射逐漸減小。