合成孔徑雷達在農作物長勢監測中的應用

內蒙古呼倫貝爾市滿洲里市氣象局 李潮

1 研究背景

由于微波遙感具有全天24 小時監控功能，當地區農作物受到自然氣候災害時，其監控作用要遠遠大于其他遙感技術。近些年來，伴隨微波遙感這一技術不斷地發展，多個國家發射合成孔徑雷達（SAR）通信衛星多存量波段、多極化數據，促進了利用SAR 監測作物生長情況。在這個階段，作物生長的關鍵參數是葉面積指數（LAI）、土壤含水量、縱橫比、相對密度、播種日期和收獲進度。SAR 技術在作物生長監測的應用層面大致可以分為兩類：根據SAR 傳輸抗壓強度和根據SAR 電極化特性，監測作物生長反演技術的主要參數。

2 合成孔徑雷達在農業中的應用特點

SAR 主要以脈沖壓縮技術所形成的高清圖像為主要基礎，隨后通過網絡脈沖導航欄綜合服務平臺引起的頻率誤差來達到整體目標距離和方向。SAR 成像不易受溫度、晝夜等因素的影響。它可以24 小時不間斷工作，在低能見度溫度因素下，也可以獲取具有較高分辨率的圖像，此圖像清晰度與電光照片類似，是一種具有較高有效性的觀察方式。在農作物監測過程中，SAR 這一技術所具備的特點主要如下：傳統性，作為一種具有較強主動性的地理信息系統，SAR 能夠有效對云、雨、霧霾等復雜氣候影響進行有效預防，并且能夠在二十四小時內不間斷獲得相關氣候數據；滲透性，由于微波加熱光波長較長，對植物種類的土層、疏松和強烈的風化、風雪有一定的穿透作用；靈敏度，與光電地理信息系統不同，在農作物結構與幾何特征方面，SAR 具有更高敏感性，在檢測這一特征過程中，SAR 所具有的優勢要更加強烈；獨特性，在電子光學地理信息系統當中，其主要以頻譜分析儀為基礎，針對信息內容進行飛信，其中，信息內容傳輸、電極化、相角等諸多信息內容皆能夠被SAR 所充分利用。

3 農作物分類與面積提取

在農業遙感監測工作當中，農作物的分類鑒別是其中的重要內容，在農作物產量計算過程中，支持向量機算法是其計算準確性的首要前提，由于農作物之間冠層結構、主要包含幾何特征和電極化特征等所存有差異，具體表現為在不同頻率和電極化SAR 圖像中呈現不同特征，通過SAR 能夠為分類工作精準性打下良好基礎。縣級階段，在農作物分類當中存有諸多方式，并且從傳統的單一分類方式轉變為多元化、多維度的分離方式，這一方式主要分類依據為多極化、多頻率、多時間等多維度信息，推動了糧食作物的高精度分類。基于場的快速傳輸的無偏縱橫比，許多方法改進了分割方案。農作物分類方式不僅能夠有效檢測圖像當中所存有的小黑點與噪音，同時也能夠令分類速度加快，促進農作物分類精準性，一方面，縣級階段所使用的蟻群分類算法主要基于光偏振傳輸系統和數據統計進行分類；另一方面，在對相關傳輸特征進行獲取過程中，通過對其電極化、紋理等相關高維空間特征的轉化，引入深度神經網絡方法，如svm 算法、隨機森林、深度神經元網絡等，促進農作物區分能力；在完成分類工作后，可以圖像分辨率為基礎，獲取不同農作物的總種植量區域。雖然目前有的科學研究可以使其精度達到99%，但是，伴隨農作物不斷生長，其結構、水分等相關信息內容也處于不斷變化的狀態之中，不同類型農作物的可分離性會發生變化。

4 農業物理與生物參數反演

4.1 農田含水量反演

通過SAR 數據信息為基礎開發的含水量反演技術是目前應用范圍最為廣泛的方式之一，含水量反演主要以裸土水分、農作物土壤覆蓋為基礎，同時，通過理論模型、工作模型等作為支撐實體模型。使用水分含量、表面粗糙度、傾斜度和電極化等變量來創建裸土運輸的實體模型。標記實體模型包括Oh 實體模型、Dubois 實體模型、Shi 實體模型、積分方程實體模型（IEM）和高級積分方程實體模型（AIEM）等。其中，裸土含水量反演對于地表有著較大影響，而逆變技術自身精度不僅不會受到模型的影響，還體現在對土層表面粗糙度的精準測量和應用上。為了更好地降低土層表面粗糙度測量不準確對含水率逆變技術的危害，目前一些科學研究已經將地表粗糙度作為關鍵的改善參數。數據分析和深度神經網絡方法也常用于水組分反演技術。這一技術也被廣泛使用。但是，在一些實驗中，存在多種共線性標準，實體模型的基本參數必須根據現場的數據和信息進行調整。

與裸土相比，作物覆蓋的層狀土壤含水量反演技術相對復雜。除了道路的基本參數外，向后傳動對它的危害也很大。同時，農作物樹冠對道路和樹冠也非常有害，相互影響也增加了模型的難度系數。作物覆蓋的土壤水分反演技術的關鍵問題在于如何區分土壤與農作物的后向傳播，從而將農作物對于含水量反演的影響降至最低，陷入及所使用方式主要基于電子光學和SAR 植物群落層的及時模型數據信息的三類協同逆變技術，以及基于電極熔化基本參數的三類逆變技術。雖然變形或改進是在不同頻率、傾斜角度和等高線類型的標準下進行的，但由于糧食作物的冠層不是茂密的森林，所以一般采用水云物理模型。根據光電器件與SAR 數據信息協同反演技術方法，通過光電器件數據信息獲取NDVI、葉面積指數（LAI）等植物群落基本參數，反映植物群落在郊區，因此物理模型很重要，仿真模擬植物群落層，采用光偏振熔化法進行逆變技術是基于奇偶數傳輸實體模型和地面垂直平面，體積傳輸對于與植物群落層傳輸相關的特性很重要，二次透射和整體目標的溶解是基于光的偏振的整體目標的溶解而獲得的。

4.2 農作物物候檢測

農作物檢測不僅能夠使農業管理更加規范，從而實現高產，同時也能夠為政府部門按照可利用時間進行分配提供有效幫助，及時進行市場需求分析和價格調整。一般情況下，糧食作物物候期通常由農牧業環境監測管理中心現場觀測。雖然得到的結果更準確，但這類方法費時費力，只能利用于一些數據量不是很大的行業。目前，利用時間序列分析SAR 進行物候相位差檢測的一個重要途徑是應用分類和時間序列分析動態跟蹤。根據分類物候環節，將同種但不同種植期的陸生綠色植物劃分為不同的類型，每個類型都與一定的物候環節保持一致。重要的是整個過程首先將SAR 圖像上層時間序列分析特征的物理意義與廊道的不同物候聯系相匹配。這里也可以全程進行svm 算法，得到最終的物候期。這是最有意義的一組技術。眾所周知，SAR 圖像可以得到的特征有很多，在進行物候接觸分類之前，有必要分析該特征的關鍵表達與物候接觸之間的對應關系；除此之外，所獲得決策模型通常是對當前地區部分農作物具有一定預期效果，但是在應用過程中卻受到較多因素制約，其中，始終頻率動態跟蹤這一方式主要是通過農作物生長過程中所生成的動態信息，對逆變電源的技術性質進行開發設計，解決了應用分類法不引入時間變量的問題。這一方式主要為監理農作物生長動態模型，并在信息內容當中對農作物進行建模，主要是利用卡爾曼率比、粒子濾波等方式針對農作物生長動態進行跟蹤，在跟蹤過程中，首先在溫度、如讓、灌溉規模、放射性物質等因素皆不明確的調價下，以SAR 圖像為基礎，對農作物始終頻率進行變換，隨后生成生長動態模型。該方法以作物生長發育的整個過程建模為整個動態過程，在動態系統的上下文信息內容框架內將物候聯系的概率建模。典型的方式是利用卡爾曼濾波、粒子濾波等方法對作物生長發育動態的全過程進行建模和跟蹤。整個過程是，首先，在未知溫度、土壤質地、灌溉規格、放射性物質規格等條件下，基于作物在SAR 圖像上的時鐘頻率變換，創建作物生長發育的數字模型，然后應用明確的統計分析方法和傳輸概率方法，根據前一環節得到的觀測和估計，開發和設計下一階段狀態變量的概率，并進行作物生長的適時反演技術。它是相對于根據分類物候鏈接的獲取方法。這種方法的優勢在于，在分析方法明確后，可以根據獲得的數據和信息實時進行物候鏈接，其普遍意義仍然有限。

5 農業災害監測

農牧業災害種類繁多，洪澇災害、嚴重干旱、病蟲害、落苗等常見農牧業災害對糧食作物生產造成較為嚴重的破壞。農牧業洪水災害檢測是SAR 成像的優勢。即使是降水和溫度也不會產生影響，植物物種的莖和淹沒的道路也很容易造成不同的傳輸，可以作為一個包容性的表達特征。干旱和病蟲害對作物植株反射面的特性危害很大，但短期內結構變化不顯著，可以用多光譜分析儀或高光譜圖像進行檢測，但是這個特征在SAR 圖像上面并不顯著，苗木塌陷后作物最明顯的轉變就是冠層結構的轉變。由于光電器件地理信息系統利用作物光譜分析儀的特點，其對落苗檢測的有效性相對有限，SAR 對作物結構的轉變更為敏感，尤其是對垂直結構的轉變更為敏感。糧食作物（如小麥、水稻等）落苗檢測具有很大的發展前景。目前的科研方法是通過傳輸系統軟件的改造來獲得落苗總面積，但是糧食作物的生長或衰退也會引起傳輸重量的變化，并且存在一定程度表達的特異性。

6 結語

綜合上文所述，在農作物生長檢測模型的選擇中，應考慮不同傳感器的主要參數、幾種場景、傾斜角度、土層、降水等幾個因素對雷達檢測的危害散射，并獲得更通用的標準和元素，從而提高SAR 在糧食作物生長檢測中的準確度。同時，在整個建模過程中，要考慮不同植被的空間布局，從而更準確地表示植被的真實場景。此外，要重視模型之間的比較和模型的準確性評估。為了更深入地了解植被覆蓋土層的散射原理，建立各個模型的應用領域。