SAR遙感指數(shù)研究進(jìn)展

謝小曼，李 俐，2※，張遷遷，陳琦琦，朱德海，2

（1. 中國(guó)農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院，北京100083；2. 農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)災(zāi)害遙感重點(diǎn)實(shí)驗(yàn)室，北京100083；3. 中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京100083）

0 引言

隨著可用遙感數(shù)據(jù)的迅速增多，如何有效利用遙感數(shù)據(jù)提取地表信息成為一個(gè)重要研究?jī)?nèi)容。遙感指數(shù)通過合理組合遙感數(shù)據(jù)信息，形成地表覆蓋狀況對(duì)遙感信息的數(shù)學(xué)表達(dá)，有助于快速準(zhǔn)確地提取地表土壤及植被的有效信息。光學(xué)遙感中常用的植被指數(shù)，如歸一化植被指數(shù)（Normalized Difference Vegetation，NDVI）、比值植被指數(shù)（Ratio Vegetation Index，RVI）等，利用綠色植被在不同波段不同的光譜反射特性，對(duì)光學(xué)遙感中不同波段的反射率建立數(shù)學(xué)運(yùn)算關(guān)系，從而有效描述綠色植被特征，在地質(zhì)勘察、地圖制圖、作物生長(zhǎng)評(píng)估、土壤覆蓋分類以及海洋監(jiān)測(cè)方面都有廣泛的應(yīng)用［1-2］。微波遙感，特別是作為主動(dòng)微波的合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）遙感，不僅包含了豐富的地表散射幅度信息，還包含了相位信息，此外，其后向散射信息不僅包含了地表植被結(jié)構(gòu)、生物量、植被含水量等信息，還與土壤濕度、土壤粗糙度等信息密切相關(guān)。隨著SAR技術(shù)逐漸向高分辨率、多波段、多極化、多視角、多工作模式轉(zhuǎn)變，SAR遙感數(shù)據(jù)中包含的信息越來越豐富［3-5］。因此，根據(jù)土壤、植被、水體等地物的散射特性，充分利用多波段（C波段、P波段、L波段等）、多極化（HH、VV、HV和VH極化）、多角度的雷達(dá)后向散射數(shù)據(jù)，形成表征地物特性的有效指數(shù)亟待解決。

目前國(guó)內(nèi)外已有利用不同SAR遙感指數(shù)進(jìn)行微波遙感監(jiān)測(cè)的研究［6-8］。隨著SAR數(shù)據(jù)的增多和SAR遙感應(yīng)用的不斷發(fā)展，越來越多的SAR遙感指數(shù)開始出現(xiàn)，然而對(duì)各個(gè)指數(shù)的物理意義、適用范圍、誤差來源等信息的總結(jié)分析鮮見報(bào)道。為了對(duì)SAR遙感應(yīng)用提供適用參數(shù)借鑒，文章將對(duì)已有的SAR遙感指數(shù)進(jìn)行整理，根據(jù)主要研究對(duì)象和地表覆被情況，將SAR遙感指數(shù)分為土壤指數(shù)和植被指數(shù)，并給出各個(gè)指數(shù)的定義、物理意義及其適用范圍，在對(duì)SAR遙感指數(shù)研究現(xiàn)狀進(jìn)行總結(jié)的基礎(chǔ)上，對(duì)指數(shù)未來發(fā)展趨勢(shì)進(jìn)行展望。

1 SAR遙感指數(shù)的發(fā)展

自20世紀(jì)50年代以來，隨著雷達(dá)傳感器的發(fā)展，越來越多的SAR數(shù)據(jù)開始出現(xiàn)，SAR遙感技術(shù)的應(yīng)用也受到了廣泛重視［3］。然而，面對(duì)豐富的微波散射信息，研究者們進(jìn)行了很多嘗試，努力挖掘應(yīng)用這種不受氣候影響的主動(dòng)遙感信息［6-8］。作為有效描述地表反射或散射特性的數(shù)學(xué)表達(dá)，遙感指數(shù)也從20世紀(jì)90年代開始在SAR遙感應(yīng)用領(lǐng)域發(fā)展起來。

SAR遙感指數(shù)一般利用不同時(shí)相、不同角度或不同極化的后向散射系數(shù)之間的數(shù)學(xué)運(yùn)算降低噪聲、增強(qiáng)待提取特征來實(shí)現(xiàn)地表信息的有效獲取。由于雷達(dá)后向散射系數(shù)是地表土壤與地表覆蓋植被散射回波共同作用的結(jié)果，植被覆蓋地表與裸露地表SAR回波信號(hào)主要組成有很大差異。因此，針對(duì)植被稀疏覆蓋或裸露的地表，一般研究的是土壤與雷達(dá)后向散射系數(shù)的相互作用，而對(duì)于植被覆蓋地表則主要研究如何從雷達(dá)后向散射系數(shù)中提取地表覆被信息。例如，在土壤指數(shù)方面，Wagner等［9］與Sabrina等［10］先后給出了基于時(shí)間序列數(shù)據(jù)的土壤濕度指數(shù)（Soil Moisture Index，SMI）。Mattia等［11］則提出了基于裸土表面的土壤粗糙度估計(jì)指數(shù)。在植被指數(shù)方面，Pope等［12］根據(jù)極化組合和植被散射特性之間的關(guān)系，提出了4個(gè)植被生物物理指數(shù)：生物量指數(shù)（Biomass Index，BMI）、體積散射指數(shù)（Volume Scattering Index，VSI）、冠層結(jié)構(gòu)指數(shù)（Canopy Structure Index，CSI）和交互類型指數(shù)（Interaction Type Index，ITI），這4個(gè)植被指數(shù)對(duì)植被不同性質(zhì)的敏感度不一樣，能夠表征不同方面的植被散射特性。這些指數(shù)的提出為土壤水分、土壤粗糙度、植被生物量乃至雪面粗糙度［13-14］、干旱監(jiān)測(cè)、植被信息的提取等研究提供了借鑒。在此基礎(chǔ)上，綜合其他數(shù)據(jù)（例如光學(xué)遙感數(shù)據(jù)或模型同化數(shù)據(jù)）與SAR數(shù)據(jù)的指數(shù)也不斷出現(xiàn)。例如，Kim等［15］提出了多源指數(shù)—融合植被指數(shù)（Fusion Vegetation Index，F(xiàn)VI），將光學(xué)植被指數(shù)（Optical Vegetation Index，OVI）與具有估測(cè)植被生長(zhǎng)狀況能力的雷達(dá)植被指數(shù)（Radar Vegetation Index，RVI）［16］結(jié)合來豐富植被信息。周洪奎等［17］則基于SMI指數(shù)，綜合同化數(shù)據(jù)提出了標(biāo)準(zhǔn)化濕度指數(shù)（Standardized Soil Moisture Index，SSMI）。

SAR遙感指數(shù)越來越豐富，應(yīng)用范圍逐漸擴(kuò)大。該文選取SAR主要的土壤指數(shù)和植被指數(shù)（如表1）進(jìn)行分析總結(jié)。

表1 主要的植被指數(shù)和土壤指數(shù)Table 1 Major vegetation and soil index

2 土壤指數(shù)

土壤指數(shù)是描述土壤參數(shù)對(duì)后向散射系數(shù)敏感性的一個(gè)指標(biāo)。雷達(dá)后向散射與土壤的關(guān)系十分復(fù)雜，后向散射系數(shù)不僅受到土壤幾何狀態(tài)，例如土壤粗糙度的影響，還受到土壤介電特性的影響，而土壤濕度與土壤含鹽量是影響土壤介電特性的重要因素，這是建立土壤指數(shù)的基礎(chǔ)。因此，針對(duì)土壤的SAR遙感指數(shù)主要包括土壤濕度指數(shù)、土壤粗糙度指數(shù)和土壤含鹽量指數(shù)等。

2.1 土壤濕度指數(shù)

土壤濕度指數(shù)（SMI）是在土壤水分上下限和給定土地利用類型確定的假設(shè)下，給出的一種基于遙感數(shù)據(jù)時(shí)間序列的土壤表面水分指數(shù)。其定義為：

SMI通過對(duì)遙感數(shù)據(jù)進(jìn)行時(shí)間尺度上的分組，削弱土壤表面和植被性質(zhì)的影響。計(jì)算所得的數(shù)值并不是真實(shí)土壤濕度數(shù)值，而是相對(duì)于飽和狀態(tài)和干燥狀態(tài)的相對(duì)濕度情況。Sabrina等［10］通過場(chǎng)景實(shí)驗(yàn)利用干燥和濕潤(rùn)循環(huán)狀態(tài)下SMI與降水量的相關(guān)性對(duì)SMI進(jìn)行評(píng)估，結(jié)果表明SMI與前期降水量具有良好的相關(guān)關(guān)系。

SMI可用于土壤水分監(jiān)測(cè)、干旱監(jiān)測(cè)和土壤水分含量快速估算等。早在1999年，Wagner等［9］利用ERS的時(shí)間序列數(shù)據(jù)開發(fā)了類似的土壤濕度計(jì)算公式，所計(jì)算的土壤濕度指數(shù)在估算土壤水分含量時(shí)的結(jié)果表明，在0～20 cm層的土壤水分均方根誤差中有95%的值小于8.1%。但由于ERS散射對(duì)土壤滲透深度的敏感性有限，其數(shù)據(jù)所估算的土壤水分精度有限。Marcelo等［18］也使用SMI進(jìn)行了巴西干旱半干旱地區(qū)的土壤濕度分類，Sridhar等［6］利用SMI進(jìn)行了干旱程度監(jiān)測(cè)，而Zhang等［19］利用Sentinel-1遙感影像估算鄱陽湖地區(qū)土壤水分指數(shù)。具體應(yīng)用中，在SMI基礎(chǔ)上也出現(xiàn)了一些改進(jìn)指數(shù)，例如 Martínez-Fernández等［7］定義的土壤水分虧缺指數(shù)（Soil Water Deficit Index，SWDI）和周洪奎等［17］基于同化數(shù)據(jù)的標(biāo)準(zhǔn)化濕度指數(shù)（SSMI）等，在干旱監(jiān)測(cè)中也進(jìn)行了有益的嘗試。總體來說，SMI計(jì)算中僅使用了遙感數(shù)據(jù)，因此對(duì)實(shí)測(cè)數(shù)據(jù)稀缺的地區(qū)估計(jì)土壤濕度具有很大的作用。但是缺乏實(shí)測(cè)數(shù)據(jù)也使得SMI結(jié)果易受實(shí)際降水量的影響，較低的前期降水量會(huì)導(dǎo)致SMI值偏低，而較高的前期降水量會(huì)導(dǎo)致SMI值偏高。此外，SMI的準(zhǔn)確性還受SAR數(shù)據(jù)的時(shí)間序列長(zhǎng)度、研究區(qū)大小和土地利用分類精度等因素的影響。

2.2 土壤粗糙度指數(shù)

土壤粗糙度［20］是影響土壤性質(zhì)的一個(gè)重要參數(shù)，同時(shí)也是影響微波遙感后向散射系數(shù)的重要因素之一。Mattia等［11］利用在一定范圍的表面粗糙度下，圓極化相關(guān)性大小和電磁粗糙度的密切相關(guān)這一特點(diǎn)，使用將圓極化相關(guān)性大小作為土壤粗糙度指數(shù)，定義為：

式（3）中，H和V分別表示水平極化和垂直極化2種極化方式，SHH，SHV和SVV為雷達(dá)后向散射系數(shù)，φ為地形方位角。

土壤粗糙度指數(shù)應(yīng)用范圍非常廣泛，例如可以應(yīng)用于作物耕作活動(dòng)的監(jiān)測(cè)、作物留茬的監(jiān)測(cè)和地形測(cè)繪等。除此之外，在土壤水分的反演中，也可能用到土壤粗糙度估計(jì)值，例如土壤表面粗糙度的估計(jì)值可以作為水云模型的參數(shù)［22］。

土壤粗糙度指數(shù)為土壤粗糙度估測(cè)提供了更為直接有效的工具，然而基于土壤粗糙度指數(shù)的土壤粗糙度估測(cè)精度受到許多因素的限制，例如傳感器精度、地表覆蓋物和采樣區(qū)域大小等。

2.3 土壤含鹽量指數(shù)

土壤含鹽量［23］是反映土壤質(zhì)量狀況的一個(gè)重要參數(shù)。為了衡量土壤含鹽量的狀況，有研究［24-26］利用多極化雷達(dá)數(shù)據(jù)不同極化后向散射系數(shù)的運(yùn)算來定義含鹽量指數(shù)PSI：

有研究對(duì)雙極化數(shù)據(jù)中不同極化組合與土壤含鹽量相關(guān)性進(jìn)行了對(duì)比分析［25］，結(jié)果表明4種極化數(shù)據(jù)組合方式VV+VH、VV/VH、（VV+VH）/（VV-VH）、（VV2+VH2）/（VV2-VH2）中，與PSI類似的極化方式組合，與土壤含鹽量之間的相關(guān)性最高。

PSI指數(shù)在對(duì)河套平原土壤鹽漬化反演的研究中得到了應(yīng)用，有效區(qū)分了非鹽漬土、輕度鹽漬土、中度鹽漬土、重度鹽漬土和鹽漬土等5種不同含鹽量的土壤。

結(jié)果表明，基于PSI指數(shù)獲得的土壤含鹽量反演值和真實(shí)值較為接近。然而，目前這類土壤含鹽量反演算法僅在少數(shù)研究區(qū)域得到驗(yàn)證，無法確定在其他區(qū)域的應(yīng)用效果。

3 植被指數(shù)

植被對(duì)雷達(dá)后向散射系數(shù)的影響直接而復(fù)雜。植被指數(shù)通過建立不同極化數(shù)據(jù)的數(shù)學(xué)組合形成能有效表示植被生長(zhǎng)狀況、分布和生物量信息的參數(shù)。植被幾何結(jié)構(gòu)、生物量、含水量等指標(biāo)是影響雷達(dá)后向散射系數(shù)的主要因素［27］，因此，基于SAR遙感的植被指數(shù)也主要包括反映森林覆被情況的雷達(dá)森林退化指數(shù)（RFDI）、生物量指數(shù)（BMI）、以及與植被幾何結(jié)構(gòu)密切相關(guān)的體積散射指數(shù)（VSI）、冠層結(jié)構(gòu)指數(shù)（CSI）以及雷達(dá)植被指數(shù)（RVI）等。

3.1 雷達(dá)森林退化指數(shù)

森林退化將明顯降低冠層覆蓋和生物多樣性，對(duì)環(huán)境乃至氣候產(chǎn)生不良影響。雷達(dá)森林退化指數(shù)（RFDI）是利用兩種極化后向散射系數(shù)的差值與加和的比率來估測(cè)森林的退化情況［28］，其定義為：

通常說來，交叉極化HV信號(hào)對(duì)體積散射很敏感，而同極化HH信號(hào)對(duì)體積散射和二次散射都很敏感。因此，綜合了HH和HV極化后向散射數(shù)值的RFDI能集中反映植被的體積、生長(zhǎng)速度和退化狀況等信息［29］。對(duì)冠層覆蓋、森林結(jié)構(gòu)等比單極化信號(hào)更敏感，使得RFDI具有估測(cè)森林結(jié)構(gòu)性質(zhì)的能力［30］。RFDI取值范圍為0～1。當(dāng)森林退化嚴(yán)重時(shí)HV值較低，則RFDI值較大。因此，RFDI值增大則表征森林退化情況嚴(yán)重［31］。反之，森林冠層覆蓋完整性水平較高的區(qū)域，具有較低的RFDI值［32］。

RFDI主要應(yīng)用于評(píng)估森林的退化情況，在區(qū)分土地覆蓋等級(jí)、監(jiān)測(cè)森林受干擾程度和反演森林特征等方面具有重要作用［33-34］，也可以用于區(qū)分各種植被類型［30］。Ningthoujam等［35］利用S波段SAR數(shù)據(jù)，基于RFDI值進(jìn)行了非森林類型和森林類型覆蓋變化監(jiān)測(cè)，在6 m分辨率模式下總體精度達(dá)到了70%，在20 m分辨率下精度達(dá)到了63%。有研究嘗試將RFDI用于牧場(chǎng)管理狀況的識(shí)別以及水體、裸土和休耕、農(nóng)田之間的分類，相對(duì)識(shí)別能力較低［32］。

3.2 生物量指數(shù)

生物量指數(shù)（BMI）主要反映了森林生物量隨HH極化和VV極化信號(hào)變化的情況，定義為［12］：

由于BMI的公式不是比率公式，因此需及時(shí)糾正斜率影響，否則BMI值將會(huì)受到影響。BMI值主要取決于生物量分布，生物量的增加會(huì)導(dǎo)致BMI值的增加。因此，地面生物量較低的裸土表面具有較低的BMI值，而森林具有較高的BMI值［36］。除了土壤表面生物量外，土壤表面粗糙度的變化也會(huì)引起B(yǎng)MI值的變化。例如具有角落反射作用的淹水森林具有較高的BMI值［12］，常綠森林由于綠葉對(duì)微波的吸收一般具有較低的BMI值［37］。而落葉植被的BMI值高于常綠林。

BMI常用于土地覆蓋分類、森林生物量和地面生物量的估計(jì)等。微波波長(zhǎng)造成的穿透性差異使得C、L和P波段分別適合用于不同的情況。C波段指數(shù)主要用于提取上層冠層特征。P波段相對(duì)于C、L波段具有更好的穿透力，與軀干的相關(guān)系數(shù)更高，所以P波段的指數(shù)主要用于主干和分支的估計(jì)［38］。L波段的指數(shù)包含了冠層和軀干的散射信息。C、L和P波段的BMI分別表示為CBMI、LBMI和PBMI，其中LBMI和PBMI常用于區(qū)分木本生物量和葉生物量相對(duì)量的指標(biāo)，CBMI在檢測(cè)地形和區(qū)分植被類型方面應(yīng)用較多［12］。

3.3 體積散射指數(shù)

體積散射指數(shù)（VSI）在BMI的基礎(chǔ)上引入了交叉極化散射值，用于估計(jì)森林冠層的體積散射，定義為［39］：

式（7）中，BMI為生物量指數(shù)，是交叉極化HV的后向散射系數(shù)的sigma naught值。

VSI值表征植被冠層厚度或密度情況，一般來說，沼澤的VSI值最高，高于沼澤森林。而叢林的VSI值高于沼澤森林與高地森林［12］。在P波段中，沼澤的VSI值約等于50，其余的均低于40。

VSI指數(shù)常用于森林的分類。Camargo等［40］利用VSI對(duì)巴西熱帶稀疏草原進(jìn)行土地覆蓋分類，得到了較好的分類效果。與生物量指數(shù)（BMI）類似，不同波段的VSI適用范圍也不盡相同。C、L和P波段的VSI分別表示為CVSI、LVSI和PVSI。PVSI對(duì)區(qū)分高地森林和再生叢林的能力最強(qiáng)。近年，VSI用于生物量反演的研究也越來越多。例如，Crabbe等［41］將VSI、VV、VH以及VV等不同極化的后向散射值添加進(jìn)地表生物量（Aboveground Biomass，AGB）估測(cè)模型的參數(shù)中實(shí)現(xiàn)了生物量的估計(jì)。Shen等［42］則使用VSI實(shí)現(xiàn)了鄱陽湖濕地植被生物量的復(fù)測(cè)。

3.4 冠層結(jié)構(gòu)指數(shù)

冠層結(jié)構(gòu)指數(shù)（CSI）是衡量植被冠層垂直結(jié)構(gòu)和水平結(jié)構(gòu)的重要指標(biāo)，是由HH和VV極化信號(hào)的數(shù)學(xué)運(yùn)算構(gòu)成，定義為：

CSI表征了植被垂直散射的估計(jì)量，研究表明，對(duì)于近乎垂直的樹干或者有較多垂直樹干的森林，CSI值比較高，而對(duì)于濕地等生態(tài)系統(tǒng)，CSI值較低［43］。高地森林的CSI值遠(yuǎn)遠(yuǎn)高于其他類型的生態(tài)系統(tǒng)［12］，高地森林P波段的CSI值高達(dá)60，而對(duì)應(yīng)的沼澤森林CSI僅為30。CSI對(duì)平坦裸露地表和水體表面沒有意義。

C、P和L波段的CSI分別表示為CCSI、PCSI和LCSI［12］。PCSI可以用于區(qū)分沼澤和森林等不同類型的植被，特別是對(duì)于分離不同類型的沼澤具有重要價(jià)值。CSI主要用于區(qū)分森林植被的類型，例如有研究采用CSI進(jìn)行里奧翁多不同類型的沼澤森林分類［12］。Camargo等［40］則使用CSI結(jié)合其他指標(biāo)對(duì)巴西熱帶草原進(jìn)行土地覆蓋的分類。盡管對(duì)于垂直植被的信息提取，CSI具有較好的效果，但是CSI仍受到許多因素的限制，例如雙極化傳感器的配置、植被二次散射的影響等。

3.5 雷達(dá)植被指數(shù)

雷達(dá)植被指數(shù)（RVI）是另一個(gè)表征植被生長(zhǎng)狀況的SAR遙感指數(shù)，利用L波段的多極化SAR數(shù)據(jù)組合運(yùn)算所得，其定義為：

RVI是植被散射過程中的散射隨機(jī)性的度量［44］，其取值與植被的冠層結(jié)構(gòu)有關(guān)，即主要受限于體積散射，對(duì)入射角和環(huán)境條件的敏感性較低［16］。RVI取值范圍為0～1，光滑裸露表面的RVI值接近0。隨著作物的生長(zhǎng)，RVI值逐漸增大。RVI與植被含水量（Vegetation Water Content，VWC）密切相關(guān)［45-47］，可以利用RVI估算與含水量相關(guān)的植被特性。

RVI可用于植被含水量方面的監(jiān)測(cè)。Kim等［45］利用RVI估算水稻和大豆的整個(gè)生長(zhǎng)期植被含水量情況［44］，也分析了小麥植被含水量與RVI的相關(guān)性。Haldar等［47］利用RVI對(duì)印度西部進(jìn)行棉花體積含水量的評(píng)估。考慮到RVI與植被疏密的相關(guān)性，RVI也被應(yīng)用于植被覆蓋度評(píng)估［48］。

具體應(yīng)用中，由于后向散射受到地表粗糙度、土壤濕度、雷達(dá)入射角和植被結(jié)構(gòu)以及植被含水量等因素的影響，因此高分辨率測(cè)量中，RVI可能帶來較大的誤差［49］。

3.6 融合植被指數(shù)

融合植被指數(shù)（FVI）是將歸一化植被指數(shù)（NDVI）和雷達(dá)植被指數(shù)（RVI）進(jìn)行融合得到的一種多源植被指數(shù)［15，50］，定義為：

式（10）中，α作為調(diào)制系數(shù)，決定了FVI中NDVI和RVI信息的比例。

作為比較常用的光學(xué)植被指數(shù)，NDVI對(duì)植物生長(zhǎng)狀況，特別是植被綠度，具有較好的敏感性［51］。但是NDVI是非線性指數(shù)，易受到外界噪聲影響［15］。RVI則是通過植被冠層等信息來監(jiān)測(cè)植被生長(zhǎng)狀況，但易受到SAR系統(tǒng)固有斑點(diǎn)噪聲影響，在城區(qū)中會(huì)出現(xiàn)較大偏差［49］。將RVI的信息融入NDVI后所得到的FVI同時(shí)包含了植被綠度和冠層信息，有效利用了RVI和NDVI兩種植被指數(shù)的優(yōu)點(diǎn)，并降低了兩者缺點(diǎn)的影響，其性能會(huì)隨著α的大小而變。α不斷增加時(shí)，F(xiàn)VI收斂于NDVI，若RVI+α=1，則FVI的值與NDVI相等。當(dāng)α=0時(shí)，若RVI小于0.2，則FVI中不攜帶有用信息，否則FVI將受到RVI的斑點(diǎn)噪聲影響［15］。

FVI在植被分類中綜合了NDVI與RVI的信息，具有更高的可分離性［15］，可用于作物分類。Kim等［50］通過對(duì)潮坪、森林、海洋、建筑物、鹽池和稻田等6種土地覆蓋類型進(jìn)行區(qū)分，驗(yàn)證了FVI作物分類的效果。

目前，對(duì)光學(xué)植物指數(shù)和雷達(dá)植物指數(shù)進(jìn)行多源融合的融合植被指數(shù)并不多見，F(xiàn)VI的性能也受到了光學(xué)傳感器和雷達(dá)傳感器兩方面的影響，NDVI和RVI的質(zhì)量決定了其性能，總體來說精度也有待提高。

4 結(jié)論與展望

SAR遙感指數(shù)對(duì)微波遙感在農(nóng)情監(jiān)測(cè)、災(zāi)害監(jiān)測(cè)等方面的應(yīng)用具有重要意義。作為一種數(shù)值表達(dá)，SAR遙感指數(shù)能夠高效地表示地物信息，目前在這方面也有了大量嘗試，國(guó)內(nèi)外研究提出并驗(yàn)證了許多類型的指數(shù)，如土壤水分、土壤粗糙度、植被結(jié)構(gòu)和生物量監(jiān)測(cè)等指數(shù)。然而，SAR遙感指數(shù)的研究仍然還有許多問題需要解決。

（1）從指數(shù)的信息量來看，SAR傳感器不斷從低分辨率、單波段、單一工作模式向高分辨率、多波段、多極化、多工作模式轉(zhuǎn)變，可用信息越來越豐富，如何充分提煉這些信息，得到高性能的SAR遙感指數(shù)是一個(gè)需要解決的問題。例如，目前對(duì)多極化信息的利用，主要是通過不同極化后向散射系數(shù)的數(shù)學(xué)組合來構(gòu)建SAR遙感指數(shù)，通過極化分解技術(shù)獲得不同散射機(jī)理的后向散射分量進(jìn)而構(gòu)建物理意義更明確的SAR遙感指數(shù)的研究還鮮見報(bào)道。

（2）從指數(shù)的結(jié)合來看，多個(gè)指數(shù)的綜合應(yīng)用有助于消除單信息的誤差。例如在土壤監(jiān)測(cè)方面，可以通過土壤粗糙度指數(shù)來消除土壤粗糙度對(duì)后向散射系數(shù)的影響，從而提高土壤濕度指數(shù)的精度。然而，目前這種綜合考慮地物不同要素后向散射影響的合成指數(shù)并不豐富。與光學(xué)遙感指數(shù)及同化數(shù)據(jù)結(jié)合的指數(shù)雖已有少量研究，但目前的結(jié)合還是不夠精密，也缺乏從機(jī)理層次緊密聯(lián)系的指數(shù)。因此，需要結(jié)合多種指數(shù)或傳感器數(shù)據(jù)，從機(jī)理上考慮誤差影響因素，開發(fā)多源指數(shù)降低誤差影響。

（3）從指數(shù)的應(yīng)用來看，由于受到地形環(huán)境、覆被條件及大氣狀況等因素的影響，指數(shù)的適用范圍往往具有一定的地域性和時(shí)效性，是否適合其他區(qū)域的研究還需要進(jìn)一步驗(yàn)證。例如使用極化組合的土壤含鹽量指數(shù)主要針對(duì)中國(guó)研究區(qū)建立的，對(duì)于其他地區(qū)的不同含鹽量類型區(qū)分是否具有最佳效果還有待研究。此外，很多植被指數(shù)考慮的覆蓋類型多為比較高大的森林覆蓋，是否能用于低矮的作物、草地還有待進(jìn)一步實(shí)驗(yàn)。

（4）從微波后向散射誤差來看，多極化、多波段SAR數(shù)據(jù)構(gòu)建的具有一定物理意義的遙感指數(shù)能夠估計(jì)或消除部分地表因素如土壤粗糙度、植被性質(zhì)的影響，但仍會(huì)受到其他一些因素的影響，例如雷達(dá)波長(zhǎng)、斑點(diǎn)噪聲、前期降水量等先驗(yàn)知識(shí)的影響，如何消除或者補(bǔ)償這些因素對(duì)指數(shù)的影響，仍值得下一步的深入研究。