Radarsat-2 在我國農(nóng)業(yè)領域的應用※

●劉曉光 范 偉 胡 昊 朱曙光

（1.安徽水安建設集團股份有限公司 安徽 合肥 230601；2.安徽省智慧城市工程技術研究中心 安徽 合肥 230601；3.安徽建筑大學環(huán)境與能源工程學院 安徽 合肥 230601；4.水污染控制與廢水資源化安徽省重點實驗室 安徽 合肥 230601；5.安徽建筑大學節(jié)能研究院 安徽 合肥 230022）

我國農(nóng)業(yè)部門每年會對農(nóng)作物種植種類、種植區(qū)域和農(nóng)作物產(chǎn)量等進行評估和調(diào)查[1]。人工調(diào)查雖然可以在局部得到非常細致的結(jié)果，但難以覆蓋到全部區(qū)域，只能以點帶面。人工調(diào)查費時費力，實效性差，人工費用也高。衛(wèi)星遙感以其“站得高”、覆蓋面積大，同步和實效性強，省時省力、低價的特點，在廣闊的農(nóng)業(yè)區(qū)域進行調(diào)查時，越來越發(fā)揮出獨到的優(yōu)越性。

迄今為止，光學衛(wèi)星對地觀測已有半個世紀，形成了非常成熟的技術，并獲得了大量卓有成效的研究成果。但我國地處季風性氣候影響非常明顯的地理位置，經(jīng)常形成陰雨雪天等，容易對光學衛(wèi)星觀測的實效性和準確性造成不利影響。而近些年興起的星載合成孔徑雷達（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），這些較長的波長使得觀測基本不受天氣影響，可全天候觀測[2]。隨著星載SAR 的技術的高速發(fā)展，現(xiàn)在除了可全天候觀測外，高空間分辨率、較短的重返周期、低廉的價格甚至免費等優(yōu)點，使其在陰雨雪天氣光學衛(wèi)星無法及時和準確觀測時，可作為重要的補充。

Radarsat-2 是一顆搭載C 波段傳感器的高分辨率星載SAR 商用雷達衛(wèi)星，由加拿大太空署與MDA 公 司（MacDonald Dettwiler and Associates Ltd?，MDA）合作運行。衛(wèi)星觀測結(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 是全世界最先進的星載SAR 商業(yè)衛(wèi)星，被廣泛應用于各行業(yè)，例如海冰測繪、船舶航線探測、冰山探測、農(nóng)作物監(jiān)測、船舶海洋監(jiān)測和污染檢測等。

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的特點，使得其在2007 年升空后被廣泛應用于我國眾多領域，如對湖泊水質(zhì)的監(jiān)測等，獲得了大量卓有成效的研究成果[4]。Radarsat-2 在農(nóng)作物種類識別、種植面積、長勢監(jiān)測、產(chǎn)量評估以及勘災定損等方面獲得了諸多成果。本文以我國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)作物領域應用的主要成果，并對其未來的應用前景進行了展望。

1 Radarsat-2 在水稻領域應用主要成果

Radarsat-2 在水稻領域應用的主要研究成果包括三個方面。

1.1 水稻識別和種植區(qū)域分布研究

一般選擇多時相、多極化Radarsat-2 影像，采取不同方法對水稻種植區(qū)域分類。單捷等[5]應用Radarsat-2 數(shù)據(jù)，選擇支持向量機法（SVM）和最大似然法（MLC）進行水稻面積提取，精度均超過90%；國賢玉等[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 和決策樹進行水稻精細分類研究，達到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影像進行提取，指出Radarsat-2相比ALOS PALSAR 優(yōu)勢和劣勢，并進行了分類精度比較；韓宇[9]針對南方混種現(xiàn)象，采用全極化Radarsat-2 為數(shù)據(jù)源，應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，實現(xiàn)對包括水稻在內(nèi)的多種農(nóng)作物分類，達到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，如張曉倩[10]、化國強等[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 水稻長勢和產(chǎn)量評估分析

一般對Radarsat-2 影像數(shù)據(jù)，采用優(yōu)化算法建模，從而提高評估精度。譚正[12]同化Radarsat-2 數(shù)據(jù)，優(yōu)化WOFOST 作物生長模型參數(shù)，提高了模型模擬精度，為水稻長勢監(jiān)測和估產(chǎn)提供參考；張曉倩等[13]分析不同極化和極化比值，以構建水云模型、二次多項式模型和指數(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較高的是HH 水云模型與HH/VV 指數(shù)模型；此外，賈明權[14]通過MIMICS 半經(jīng)驗模型的反演算法和基于Monte-Carlo 模擬的神經(jīng)網(wǎng)絡反演算法，結(jié)合全極化Radarsat-2 數(shù)據(jù)，實現(xiàn)水稻生物量的反演和驗證。

1.3 水稻參數(shù)正反演模型建立

通過對水稻不同生長階段的后向散射系數(shù)分析，建立相關參數(shù)正反演模型。對水稻葉面積指數(shù)的反演，就是一個重要研究方向。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]以星地同步測量方式，將水稻后向散射系數(shù)結(jié)合地面實測葉面積指數(shù)數(shù)值，通過最優(yōu)化神經(jīng)網(wǎng)絡建立葉面積指數(shù)反演模型，并對水稻冠層密度、植株高度也進行了反演。另外，對水稻微波散射特性也有相關研究，賈明權[14]分析了不同生長期水稻在C 波段、全極化不同入射角的散射特性。何澤[18]對水稻物候進行監(jiān)測，通過應用不同生長期、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（光學和Radarsat-2），結(jié)合2014～2016 年野外實驗，建立了水稻FPAR 生長曲線和30 m 分辨率的水稻FPAR 產(chǎn)品。

2 Radarsat-2 在冬小麥領域應用主要成果

Radarsat-2 在冬小麥領域應用的研究成果主要包括四個方面。

2.1 冬小麥種植區(qū)域和生物量評估研究

應用多種分類方法在冬小麥種植區(qū)域進行提取，單捷等[20]選擇Radarsat-2 全極化影像5 期，采用MLC 和SVM 分別對不同時相的冬小麥種植面積進行提取；基于優(yōu)化算法建模進行估產(chǎn)估算，岳繼博等[21]選擇冬小麥抽穗期和灌漿期兩個生長期和對應的Radarsat-2 全極化雷達數(shù)據(jù)等，利用隨機森林算法進行冬小麥生物量評估回歸建模；此外，岳繼博等[22]應用2013～2014 年43 組冬小麥生物量和Radarsat-2 全極化雷達數(shù)據(jù)，通過對物冠層覆蓋條件和土壤含水量進行研究，得到它們和冬小麥作物生物量有相關性的結(jié)論。有學者通過全極化雷達數(shù)據(jù)結(jié)合地面人工測產(chǎn)進行冬小麥產(chǎn)品評估，范偉等[3]應用全極化Radarsat-2 在安徽省渦陽縣進行星地同步測量，得到了超過80%精度的冬小麥測產(chǎn)模型，這也是此衛(wèi)星在我國對冬小麥產(chǎn)量評估的首次應用，為后期相關工作展開打下研究基礎；范偉等[23-24]，陳磊等[25]，陳娟等[26]在Radarsat-2 過境時，選擇冬小麥多種生長期進行人工采樣，采用星地對比，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，同時進行了雷達估產(chǎn)模型對比分析，指出冬小麥倒伏對產(chǎn)量評估的影響，和光學衛(wèi)星進行了估產(chǎn)模型對比。另外，考慮農(nóng)作物生長模型建模時，經(jīng)常將背景誤差設為均勻各向同性，使得有時會降低作物長勢和產(chǎn)量評估，吳尚蓉[27]構造均勻各向異性的背景誤差，提高了農(nóng)作物長勢和產(chǎn)品評估精度，為大區(qū)域作物的長勢監(jiān)測和產(chǎn)量預測的實時性、高精度提供了技術支撐。

2.2 冬小麥不同生長期雷達后向散射系數(shù)分析

蔡愛民等[28]選擇冬小麥兩個重要生長期——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勢信息，而極化比VV/VH 更易提取乳熟期長勢信息，在進行冬小麥產(chǎn)量估算時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

考慮冬小麥收割后的秸稈存留對當?shù)丨h(huán)境的影響，有學者對殘茬生物量進行評估。雷步云[29]選擇Radarsat-2 全極化數(shù)據(jù)結(jié)合地面試驗，以黃淮海平原為研究區(qū)，進行了冬小麥作物秸稈生物量估算研究，得到了平均相對誤差為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下墊面參數(shù)反演的問題。有學者基于優(yōu)化算法對冬小麥葉面積指數(shù)進行研究，陶亮亮等[30]應用改進后的水云模型結(jié)合Radarsat-2，反演植被含水量，并應用植被含水量和葉面積指數(shù)經(jīng)驗關系獲得葉面積指數(shù)，得到了決定系數(shù)高達0?841 的水云反演模型；王舒[31]選擇支持向量機（SVM）算法，基于風險最小化原理，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。也有學者分析倒伏冬小麥在微波雷達的特征，楊浩等[32]應用覆蓋整個小麥生長期的Radarsat-2 全極化數(shù)據(jù)，發(fā)現(xiàn)相比正常生長的冬小麥，倒伏的冬小麥對極化信號反應更加靈敏，研究指出應用此方法能區(qū)別倒伏和正常生長的冬小麥。此外對不同物候期冬小麥后向散射信號也有分析。蔡愛民等[33]發(fā)現(xiàn)了冬小麥孕穗期和乳熟期這兩個物候期對應的不同極化特征。也有學者應用輻射傳輸方程進行冬小麥參數(shù)反演，閆文佳[34]應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，實現(xiàn)對小麥穗、葉和稈的后向散射貢獻的定量化。

3 結(jié)論

Radarsat-2 衛(wèi)星憑借其全天候觀測、高重返周期和高空間分辨率等優(yōu)點，目前已經(jīng)成為在眾多領域廣泛應用的商業(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)領域的應用涉及面非常廣，基本覆蓋了農(nóng)業(yè)領域所需，體現(xiàn)了星載SAR 在對農(nóng)業(yè)領域監(jiān)測的優(yōu)勢和潛力。其應用的主要方面體現(xiàn)在：第一，通過優(yōu)化算法和分類方法，實現(xiàn)對兩種農(nóng)作物種植區(qū)域識別、長勢和產(chǎn)量的評估，這也是此衛(wèi)星應用的重要方面；第二，通過后向散射系數(shù)，結(jié)合優(yōu)化算法進行這兩種作物不同生長期的參數(shù)反演，如葉面積指數(shù)等，也有進行倒伏極化散射特征的研究；第三，通過星地測量方法進行冬小麥收割后秸稈殘茬生物量的高精度評估。