油菜簡縮極化參數響應及其長勢參數反演

張亞紅， 張王菲， 姬永杰， 舒清態， 楊 浩

(1.西南林業大學林學院，云南昆明 650224； 2.北京農業信息技術研究所/北京市農林科學院農業科技信息研究所，北京 100097)

油菜是世界重要的油料作物，也是我國具有傳統優勢的重要油料作物。我國油菜種植面積和產量均占全世界30%左右[1]。此外，菜籽是生物柴油的主要原料之一，而生物柴油是替代石化柴油的理想“綠色能源”之一[2]，因此，促進油菜生產發展對保障我國國家食物安全、促進國家減排節能并在國際上爭取更多的碳排量話語權具有重要意義。作物的株高是反映其生物量的主要參數，而生物量是構成其經濟產量的基礎，在較高的生物量基礎上，通過合理的光合產物，作物即能獲得高產[3-4]。葉面積指數是衡量作物群體是否合理的重要栽培生理參數，一定時期內可反映群體光合勢的大小，直接影響生物產量和經濟產量[5]。近年來采用多種手段進行生物量、株高和葉面積指數等作物長勢參數反演已經成為作物產量估測的重要有效手段之一。

合成孔徑雷達(SAR)已被證明是作物制圖、作物長勢參數反演的重要有效方法之一。多時相和多極化SAR后向散射系數在玉米、水稻制圖及參數反演中已有大量成功的例子[6-9]。全極化、干涉極化SAR技術的發展，使得采用SAR技術進行作物制圖和參數反演的SAR信息從單一的后向散射系數拓展到極化參數、相干系數和相位。2014年Lopez-Sanchez等通過RADARSAT-2全極化數據探索了全極化信息水稻物候期反演中的有效性，研究結果表明，全極化數據在水稻監測中具有良好的應用前景[10]。Rossi等采用TanDEM-X數據進行水稻監測，發現極化干涉數據在水稻高度制圖中具有較高的準確性[11]。

盡管全極化、極化干涉SAR數據在作物長勢監測中具有很大優勢，但其仍然存在數據下載速度、測繪帶寬、能量消耗和天線技術等限制因素。為了克服這些因素的限制，一個新的雷達極化技術——簡縮極化(CP)被提出[12-13]。Lopez-Sanchez等和Yang等將簡縮極化SAR參數用于水稻物候期的反演，發現簡縮極化參數在水稻物候期估測中的精度在一定條件下相當于全極化參數估測水平。簡縮極化參數在作物制圖、物候期估測中的研究近年來逐漸開展，但其在油菜長勢參數反演中的研究還鮮有報道[10，14]。2015年楊浩探討了簡縮極化參數生物量估測的可行性，指出簡縮極化參數在油菜生物量估測中具有與全極化參數相當的潛力，但其提取的簡縮極化參數僅僅包括后向散射系數和部分簡縮極化分解參數[15]。

本研究擬全面探討簡縮極化參數在油菜主要長勢參數——生物量、株高和葉面積指數反演中的潛力。首先探討了簡縮極化數據獲取的途徑，并結合Stokes參數特征提取17個簡縮極化參數，然后基于2種主流的簡縮極化分解方法提取了基于簡縮極化的6個具有物理意義的散射機制參數；接著根據油菜整個生長期3個主要長勢參數的動態變化規律分析了23個簡縮極化參數對油菜長勢參數的敏感性；最后采用經典的經驗回歸模型對油菜長勢參數進行了反演，進而探討簡縮極化參數在油菜長勢參數反演中的有效性。

1 簡縮極化數據模擬及參數提取

目前研究中采用較大的簡縮極化方式為CTLR模式(Circular Transmit and Dual Orthogonal Linear Receive，圓極化發射線極化接收)，因此本研究僅針對該模式展開研究。由于簡縮極化的相關研究尚處于論證階段，其數據源仍然以全極化SAR數據生成的模擬數據為主[16]。

簡縮極化可以通過全極化散射矩陣[S]與發射矢量、接收矢量相乘得到，本研究以右圓發射，水平和垂直線性接收為例，介紹由全極化數據模擬簡縮極化數據的過程[17]。

首先通過全極化散射矩陣[S]模擬由右圓極化發射的電磁波矢量，即：

ER=[S]R。

(1)

然后計算采用水平和垂直線極化接收的電磁波矢量，即：

(2)

式中：EH和EV分別表示接收到的水平和垂直分量。

根據接收到的散射分量，可計算簡縮極化的協方差矩陣[J]，即：

(3)

根據協方差矩陣，計算簡縮極化的Stokes矢量，即：

(4)

建立Stokes矢量與全極化協方差矩陣[C]的鏈接，即：

(5)

建立簡縮極化Stoke矢量與全極化[C]矩陣的聯系后，可以采用[C]矩陣計算簡縮極化的Stokes參數，進而提取基于簡縮極化的各參數。通過簡縮極化的Stokes參數，提取了極化度、去極化度、標準極化度、線極化度、圓極化度、線極化比、圓極化比、散射角和相位差。另外，根據簡縮極化常用的2種分解方法——m-δ和m-χ分解，我們同時提取了對應的6個散射機制，具體參數及計算方法見表1。

表1 簡縮極化參數及其計算方法

2 材料與方法

2.1 試驗區域

研究區位于中國東北部，大興安嶺西北麓，呼倫貝爾草原北段，額爾古納河右岸，地形以丘陵為主。研究區屬于寒帶大陸性氣候。平均氣溫-2.0 ℃～3.0 ℃之間。四季氣候特征：春季溫度回升快，降水少；夏季短暫，溫暖潮濕；秋季降溫快，初霜早；冬季漫長，寒冷干燥，農作物一年生長一季。研究區的試驗樣地位于內蒙古自治區額爾古納市上庫力農場(50°17′～50°23′N、120°46′～120°53′E)，具體位置如圖1所示。

2.2 試驗數據

研究獲取了試驗區油菜生長周期內5景時間序列Radarsat-2數據及衛星過境時同步的5期地面調查數據。數據獲取的時間為2013年5月油菜播種到2013年8月底油菜收割。

2.2.1 SAR數據 本研究獲取的5景Radarsat-2精細全極化C波段SAR數據，該數據距離向和方位向分辨率分別為4.96、4.73 m，重復周期為24 d，獲取日期分別為2013年5月23日、2013年6月16日、2013年7月10日、2013年8月3日和2013年8月27日。為避免不同傳感器觀測配置對觀測結果造成的影響，研究獲取的5景Radasat-2影像的成像模式、成像入射角等參數完全一致，其影像具體參數見表2。

表2 Radarsat-2圖像參數

2.2.2 地面實測數據 SAR數據覆蓋了研究區油菜生長過程的關鍵生育期。地面調查在每次Radarsat-2衛星過境時同步展開(圖2)。調查中每個地塊選取0.5 m×2行范圍割取1個植被樣本(油菜行距30 cm)，并通過GPS記錄樣本點的經緯度，便于將實測數據與雷達影像一一對應。每次調查獲取15～20塊代表性油菜地塊長勢參數，包括葉面積指數、植株高度、地上生物量等。地面調查同時獲取了地塊樣本的播期、品種、壟向和管理措施等基礎數據，并收集了氣象、地形、土壤條件等資料。此外，還獲取了研究區30 m分辨率的數字高程模型(DEM)數據對SAR數據進行地形校正，然后采用野外采集的高精度地面控制點對影像進行高精度的幾何校正。

2.3 試驗方法

葉面積指數是衡量油菜群體是否合理的重要栽培生理參數，一定時期內可反映群體光合勢的大小，直接影響生物產量和經濟產量，圖2-a描述了油菜各個生長期葉面積指數的變化情況。生物量是構成經濟產量的基礎，在較高的生物量基礎上，合理的光合產物分配利用，即有較高的經濟系數，油菜就能獲得高產。同時株高和生物量與油菜長勢密切相關，實時了解油菜株高和生物量信息對油菜估產具有重要意義。圖2-b、圖 2-c 分別描述了油菜株高、生物量隨其生長周期的變化情況。研究通過模擬的簡縮極化SAR數據，提取了13個Stokes參數、6個簡縮極化分解參數和2個后向散射參數，通過分析各簡縮極化參數隨油菜生長期的動態變化規律、簡縮極化參數與3個油菜生長參數的相關性，確定了這些參數對油菜葉面積指數、株高和生物量的敏感性。在敏感性分析的基礎上采用線性經驗回歸分析模型對油菜生物量、株高和葉面積指數進行了反演。

3 結果與分析

3.1 油菜簡縮極化信息響應結果與分析

表3 油菜長勢參數與極化參數的相關性

3.2 油菜長勢參數反演模型比較分析

采用經驗回歸分析方法進行油菜生物量、株高和葉面積指數的反演過程中，衛星5次過境時同步調查了44個樣點數據，這44個樣點數據全部參與生物量建模，在生物量建模中采用30個樣本進行建模，14個樣本進行精度驗證；另外部分樣點數據由于葉片較少，未計算葉面積指數；而在2013年8月23日衛星過境時，部分樣點油菜已收割，未獲得株高記錄，因此葉面積指數和株高均用22個樣本建模，11個樣本數據進行精度驗證。研究分別分析了一次線性模型、二次多項式模型、對數模型、乘冪模型及指數模型的建模結果，表4整理了21個簡縮極化參數反演油菜生物量、株高和葉面積指數的最高精度及對應的模型信息。綜合考察各模型建模參數，發現二次多項式模型在各個參數建模中占有優勢。在葉面積指數模型反演中，21個極化參數的二次多項式建模均優于或相當于其他模型。在生物量反演模型中，19個簡縮極化參數采用二次多項式建模的RMSE低于其他模型，r2高于其他模型。在株高反演模型中，有16個簡縮極化參數的二次多項式建模優于其他模型，并且3個長勢參數反演的最優模型均為二次模型。圖3描述了生物量、株高和葉面積指數單參數反演的最佳模型。生物量反演模型中，r2取得最高值的簡縮極化參數為g3，r2為0.765，RMSE為73.20；RMSE取得最低值的簡縮極化參數為g0，r2為0.707，RMSE為52.95，這說明g3可以更高響應生物量的變化規律，而g0則在生物量估測中具有更高的估測精度。次之的2個最近參數分別為圓極化比Uc和圓極化度Pc，這2個參數能夠表征強體散射分量，而生物量反演中簡化極化體散射分量的高r2(r2=0.714)也驗證了這一點。另外，由于線極化和圓極化是線性組合關系，所以這還說明了油菜散射中的圓極化分量占優勢，此外，RR和RL也表現出較高的r2。在株高反演模型中，Uc和Pc表現出與株高變化趨勢更高的響應性，r2為0.923，RMSE分別為18.71和17.62。體散射分量m-δ-v和m-χ-v與株高的r2略低，但RMSE較小，特別是m-δ-v，其RMSE為13.52，這是由于油菜整個生長期中，體散射較二次散射和表面散射與長勢參數更相關，根據其散射特性可知，二次散射僅在株高達到一定程度時占優，而m-δ-d在生物量、株高反演中的低r2、高RMSE值也驗證了這一點。葉面積指數反演中，Uc和Pc同樣表現出高相關性和低RMSE，此外極化度、去極化度、體散射分量也表現出較高r2和較低的RMSE。這是由于葉面積指數可以表征單位面積內植被體散射的程度，因此與體散射相關的簡縮極化參數均表現出與葉面積指數的強相關性和高估測精度。

表4 油菜長勢參數單變量反演模型精度對比

4 討論與結論

通過21個簡縮極化參數于油菜生物量、株高和葉面積指數的相關性分析，可以發現多數的簡縮極化參數對油菜長勢參數敏感。多數參數與生物量、株高和葉面積指數隨生長周期的動態變化規律相似或一致。通過經驗回歸模型采用單一簡縮極化參數對油菜長勢參數反演建模發現，較其他2種散射機制，體散射與油菜長勢呈現明顯的相關性，且與體散射相關的簡縮極化分量，如圓極化度、圓極化比等也表現出反演長勢參數的優越性及高精度。而在生物量反演中，由于生物量不直接與作物的極化特征相關，因此，相比受植被形狀、方向影響較高的極化參數，反而表征后向散射能量的Stokes參數g0和g3呈現出對生物量更高的估測精度。

盡管采用簡縮極化參數進行油菜長勢參數反演的例子開展較少，但也有一些初步的研究結果：楊浩等提取了簡縮極化分解的6個分量，并采用m-χ-d分量，使用二次回歸模型對成熟期前油菜生物量進行了反演，均方根誤差為56.5，略高于本研究結果；該研究同時采用m-χ-v和m-χ-d比值，使用二次回歸模型反演了油菜生物量，r2為0.68，RMSE為112.8。由于該研究僅提取了部分簡縮極化參數，因此無法全面探討簡縮極化其他參數在生物量估測中的潛力[15]。張遠采用微波散射模型反演了水稻的生物量與株高，其中水稻生物量估測RMSE為100 g/m2，株高的RMSE為2～6 cm[4]。該方法在株高反演中表現出更高的精度，但該方法在具體實現過程，須要開展大量的野外調研工作，工作量遠遠大于本研究采用的方法。

通過對21個簡縮極化參數及油菜長勢隨油菜生長周期的動態變化分析，可以說明簡縮極化參數在油菜長勢監測中具有很大的潛力。通過不同方法對基于簡縮極化參數油菜長勢參數反演建模表明：二次多項式建模相比其他回歸模型更適用于簡縮極化單參數油菜長勢參數反演建模；在整個油菜生長周期中，相比其他散射類型，體散射更能表征油菜的長勢特征，與體散射相關的簡縮極化參數如簡縮極化分解中的體散射分量、圓極化度、圓極化比等更適合油菜葉面積指數、株高的反演，而總散射能量g0和線性散射能量g3在生物估測中更具優勢。另外，由于本研究并未對極化參數比值，如單次散射、體散射比等參數在長勢參數中的反演進行分析，其潛力需要進一步分析；另外，植被的品種通常導致植被極化散射特征略有變化，因此，針對不同的油菜品種，須要結合其品種極化散射特征進一步分析。