Radarsat-2 在我國農業領域的應用※

●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.安徽建筑大學節能研究院 安徽 合肥 230022）

我國農業部門每年會對農作物種植種類、種植區域和農作物產量等進行評估和調查[1]。人工調查雖然可以在局部得到非常細致的結果，但難以覆蓋到全部區域，只能以點帶面。人工調查費時費力，實效性差，人工費用也高。衛星遙感以其“站得高”、覆蓋面積大，同步和實效性強，省時省力、低價的特點，在廣闊的農業區域進行調查時，越來越發揮出獨到的優越性。

迄今為止，光學衛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，經常形成陰雨雪天等，容易對光學衛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 的技術的高速發展，現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點，使其在陰雨雪天氣光學衛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 商用雷達衛星，由加拿大太空署與MDA 公 司（MacDonald Dettwiler and Associates Ltd?，MDA）合作運行。衛星觀測結果有包括全極化模式（HH，HV，VV 和VH 極化數據）在內的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，其產品參數見表1[3]。目前Radarsat-2 是全世界最先進的星載SAR 商業衛星，被廣泛應用于各行業，例如海冰測繪、船舶航線探測、冰山探測、農作物監測、船舶海洋監測和污染檢測等。

表1 Radarsat-2 數據主要參數

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，如對湖泊水質的監測等，獲得了大量卓有成效的研究成果[4]。Radarsat-2 在農作物種類識別、種植面積、長勢監測、產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Radarsat-2 在這兩種農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域分類。單捷等[5]應用Radarsat-2 數據，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 數據模擬并提取CP-SAR 數據（緊致極化，Compact polarimetry synthetic aperture Radar， CP‐SAR），并結合兩種分類方法：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 數據，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 優勢和劣勢，并進行了分類精度比較；韓宇[9]針對南方混種現象，采用全極化Radarsat-2 為數據源，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，實現對包括水稻在內的多種農作物分類，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，得到了水稻分布區域，張曉倩還繪制了水稻生物量分布圖。

1.2 水稻長勢和產量評估分析

一般對Radarsat-2 影像數據，采用優化算法建模，從而提高評估精度。譚正[12]同化Radarsat-2 數據，優化WOFOST 作物生長模型參數，提高了模型模擬精度，為水稻長勢監測和估產提供參考；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模型反演水稻生物量，發現反演水稻生物量精度相對較高的是HH 水云模型與HH/VV 指數模型；此外，賈明權[14]通過MIMICS 半經驗模型的反演算法和基于Monte-Carlo 模擬的神經網絡反演算法，結合全極化Radarsat-2 數據，實現水稻生物量的反演和驗證。

1.3 水稻參數正反演模型建立

通過對水稻不同生長階段的后向散射系數分析，建立相關參數正反演模型。對水稻葉面積指數的反演，就是一個重要研究方向。張曉倩等[15]通過后向散射系數四極化和比值極化HH/VV，建立葉面積指數反演模型；景卓鑫等[16-17]以星地同步測量方式，將水稻后向散射系數結合地面實測葉面積指數數值，通過最優化神經網絡建立葉面積指數反演模型，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]對水稻物候進行監測，通過應用不同生長期、全極化Radarsat-2 數據，建立了基于后向散射系數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，FPAR）亦有深入研究，張宇[19]通過多源衛星（光學和Radarsat-2），結合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 冬小麥種植區域和生物量評估研究

應用多種分類方法在冬小麥種植區域進行提取，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；基于優化算法建模進行估產估算，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 全極化雷達數據等，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 全極化雷達數據，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論。有學者通過全極化雷達數據結合地面人工測產進行冬小麥產品評估，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%精度的冬小麥測產模型，這也是此衛星在我國對冬小麥產量評估的首次應用，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、雙極化冬小麥估產模型，得到了超過80%的估產效果，同時進行了雷達估產模型對比分析，指出冬小麥倒伏對產量評估的影響，和光學衛星進行了估產模型對比。另外，考慮農作物生長模型建模時，經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量評估，吳尚蓉[27]構造均勻各向異性的背景誤差，提高了農作物長勢和產品評估精度，為大區域作物的長勢監測和產量預測的實時性、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地環境的影響，有學者對殘茬生物量進行評估。雷步云[29]選擇Radarsat-2 全極化數據結合地面試驗，以黃淮海平原為研究區，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 冬小麥參數的反演建模

這是為了解決微波遙感對下墊面參數反演的問題。有學者基于優化算法對冬小麥葉面積指數進行研究，陶亮亮等[30]應用改進后的水云模型結合Radarsat-2，反演植被含水量，并應用植被含水量和葉面積指數經驗關系獲得葉面積指數，得到了決定系數高達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，結合Radarsat-2 影像的HH、VV 和HV 極化模式，提高了葉面積指數反演精度。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 全極化數據，發現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]發現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，實現對小麥穗、葉和稈的后向散射貢獻的定量化。

3 結論

Radarsat-2 衛星憑借其全天候觀測、高重返周期和高空間分辨率等優點，目前已經成為在眾多領域廣泛應用的商業衛星。通過總結可以發現，星載SAR——Radarsat-2 衛星在農業領域的應用涉及面非常廣，基本覆蓋了農業領域所需，體現了星載SAR 在對農業領域監測的優勢和潛力。其應用的主要方面體現在：第一，通過優化算法和分類方法，實現對兩種農作物種植區域識別、長勢和產量的評估，這也是此衛星應用的重要方面；第二，通過后向散射系數，結合優化算法進行這兩種作物不同生長期的參數反演，如葉面積指數等，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。