極化微波成像數據在農作物分類中的應用

鄒暢

摘 要：微波成像是一種重要的遙感技術手段，帶有極化信息的微波成像數據可以形成多種極化分解和極化組合方案。由于農作物不同位置對極化信息的響應存在較大差異，因此可以利用極化微波成像數據對農作物進行分類，從而快速獲取大面積種植區域內的農作物分布以及長勢差異的數據，這些數據的獲取將極大地提升農業科研調查和農業執法等工作的效率。

關鍵詞：微波成像；農作物分類；極化信息提取

1 概述

農作物的普查和耕地種植情況的調查是農業生產和監督執法的重要環節和工作內容。但由于農作物種植面積廣大，植株數量眾多，個體差異較大等因素，無法逐一進行調查或測量，通常是采用抽查部分植株的情況通過統計的數學方法進行的。現有的方法所調查的植株數量極為有限，所覆蓋的地域范圍也不可能太大，同時受到環境條件的限制，很多地方在植株茂盛時難以人工徒步到達。

隨著遙感技術的快速發展，特別是高分辨率遙感技術手段的普及和應用可以使得人們更加方便的獲取相關區域的遙感圖像[1]。基于這些圖像可以清晰的、高精度的獲取到目標區域農作物的生長狀態以及相關生物參數[2]。在眾多遙感技術手段中，微波成像系統具有全天候全天時的成像能力[3]，此外由于采用具有一定極化特征的電磁波進行主動探測，因此電磁波與目標之間的物理作用后可以獲得更多關于目標的物理特性參數，如高度、含水量、葉片密度等[4]。

本文利用極化微波成像數據對農作物的大面積種植區域進行成像探測，并嘗試采用不同分類處理算法以及極化分解技術實現對大面積復雜場景區域的農作物種植區域的分類[5]，并與地表真值進行對比以確定算法的可靠性和分類效能。

本文第二部分針對極化微波對植被的作用原理進行討論，第三部分針對基于合成孔徑雷達的分類和特征提取技術進行討論，第四部分利用實際數據進行實驗驗證，并最后給出實驗結論。

2 極化微波對植被的作用原理

在空中傳播的電磁波由振蕩的磁場和振蕩的電場交替構成，在一般意義下以電場的振蕩方向作為電磁波的極化方向或極化形式[6]。如圖1所示。

按照發射信號的極化方式（水平H或垂直V）以及接收信號的極化方式（水平H或垂直V）可以形成四種組合方式，分別是水平極化發射水平極化接收HH、水平極化發射垂直極化接收HV、垂直極化發射水平極化接收VH以及垂直極化發射垂直極化接收VV。不同的極化收發組合對植被和農作物不同的部分有著不同的響應能力[7]。如圖2所示。

由于目標的結構不同將會對后向散射信號的極化特性有較大的影響，如圖3所示。

在圖3中給出了三種極化散射模式，第一種是極化保持的模式，另外兩種是去極化的散射模式，電磁波散射后極化特性將發生改變，通過極化特性的改變可以了解目標的結構等方面的特性。針對典型農作物的電磁散射過程可以分為以下三種情況。

根據以上極化散射過程與農作物不同部位之間的對應關系可以了解農作物長勢以及品種的特征，從而在微波圖像中實現對農作物的分類。圖5中給出一個實際極化微波成像數據。這是一塊由電子38所提供的實測的自然地物的機載雙極化微波圖像，圖中A區域為一個平靜的水塘，符合典型的奇次散射模型；圖中B區域為某醫院門診大樓正立面，符合典型的偶次散射模型；圖中C區域為某醫院內部草坪，符合典型的漫散射模型；圖中D區域為椰樹林，符合典型的體散射模型。

3 極化微波圖像的農作物分類研究

微波信號極化方式極大的影響與目標之間的作用關系，進而反映在微波圖像中。在現有雷達數據中可以采用水平極化方式H發射或垂直極化方式V發射，而接收也可以分別采用以上兩種方式H/V進行，于是形成四種極化組合（HH、VV、HV、VH），按照不同的比例關系分解這四種極化方式，可以形成多種適應不同應用需求的極化組合方式，并可以形成具有分類特色的極化偽彩色圖像。

這里采用美國JPL提供的AIRSAR雷達數據，針對Flevoland地區一片農田進行成像，分析結果如圖6所示：

在擁有地面真值數據作為參考的前提下，可以分析全極化數據與雙極化、單極化數據相比在分類效果上的優勢，可以分別統計出全極化、雙極化與單極化數據進行分類的正確率。圖6（a）表示該多極化數據的Pauli基分解偽彩色合成圖，圖6（b）表示采用HH通道進行分類的結果，正確率為56.35%，圖6（c）表示采用HH通道與VV通道進行分類的結果，正確率為80.91%，圖6（d）表示采用四個極化通道進行分類的結果，正確率為81.63%。

由此可見，多極化SAR圖像能夠提高地物分類的準確程度，為準確進行農作物的生長、耕地分類評估奠定基礎。

前面介紹的分類均是基于像素的，目前面向對象的分類已經成為研究的熱點：面向對象的圖像分類方法嘗試模擬人類理解圖像的過程，利用影像分割技術把影像分解成具有一定相似特征的像素的集合——影像對象，影像對象和像素相比，具有更多的特征，比如說形狀、大小、勻質性等。因此，利用面向對象的圖像分類方法能夠得到更好的分類結果，而且其結果能夠更加容易得到判讀員的理解，增強多極化SAR圖像的可解譯性。

圖7（a）為原始極化SAR圖像偽彩色合成的圖，圖7（b）為測試區域3的放大效果，圖7（c）為該測試區域的地表真值數據，圖7（d）為采用基于像素的方法分類的結果，圖7（e）為采用面向對象的方法分類的結果。

該技術除針對大面積農業種植區域進行分類和特征參數提取外，還可以應用于比較復雜的場景，同樣可以精確的將所需關注的區域提取出來。圖8給出日本東京灣附近一個海岸場景，由人造建筑、海洋以及植被構成。極化分類后得到的結果如下圖中所示，其中三幅黑白圖像為三種獨立的極化組合得到的結果，最后則是采用極化合成所得到的分類分解的結果。

需要指出的是由于極化方式的偽彩色組合具有多種方式，因此需要根據不同的分類需求進行調整，而在不同的組合方式下，給出的極化偽彩色圖像也將具有不同的顏色凸顯能力，圖9給出了美國舊金山地區一處具有不同類型目標的場景的極化數據圖像以及不同的極化組合模式。

利用不同的極化合成數據可以發現圖像中存在的異常，進而揭示隱藏在數據中的異常區域，圖10給出美國死亡谷地區的雷達圖像數據，以及不同極化組合方式得到的結果。圖10中所圈出的內容為不同極化條件下所顯示出的異常結果。

4 結束語

本文研究了采用極化微波成像數據對農作物種植區域分類，可以快速準確地將具有不同特征的農作物以及耕地區分開來，特別是通過采用面向對象的分類技術將有效的找出大面積種植區域內的可能存在的少量異常區域，可以有效的提升工作效率和精度，這些對農業的科研和執法能力將具有重要意義。

參考文獻

[1]Y. Nemoto， H. Nishino， et al. Japanese Earth Resources Satellite-1 SAR[J]. Proc. of IEEE vol.79， No.6 June 1991.

[2]E.P.W. Attenma. The Active Microwave Instrument On-broad the ERS-I Satellite[J]. Proc. of IEEE vol 79 NO.6 June 1991.

[3]D.L. Evans， T.G. Farr， et al. "Radar Polarimetry： Analysis Tools and Applications" [J] IEEE Trans. on GRS. 1988， 26（6）： 774-789.

[4]J.B. Boisvert， T.J. Pultz， R.J. Brown， B. Brisco. "Potential of Synthetic Aperture Radar for Large-Scale Soil Moisture Monitoring： A Review" [J] Canadian Journal of Remote Sensing. 1995， vol.22， No.1 page： 2-13.

[5]Y. Grevier， T.J. Pultz， T. I. Lukowski. T. Toutin. "Temporal Analysis of ERS-1 SAR Backscatter for Hydrology Applications" [J] Canadian Journal of Remote Sensing. 1995， vol.22 No.1， page： 65-76.

[6]C. Dobson "Soil Moisture Measurement Using Synthetic Aperture Radar" [J]IGARSS'81. 1981： page：427-436.

[7]H. Skriver， J.K. Ji， J. Dall， K. Woelders， A. Thomsen "A Multi-Temporal and Multi-Frequency Study of Polarimetric Signatures of Soil and Crops" [J]European Conference on Synthetic Aperture Radar， Germany， 1996： page：481-484.