杜燁，郭長(zhǎng)青，文寧，葛春青，黃峰

（1.北京東方道邇信息技術(shù)股份有限公司，北京 100080；2.湖南省國(guó)土資源規(guī)劃院，長(zhǎng)沙 410007）

1 引 言

水稻是我國(guó)主要的糧食作物之一，其產(chǎn)量居三大作物產(chǎn)量之首。目前，我國(guó)種植水稻區(qū)域主要分布在：東北的三江平原，主要種植一季稻；南方各省，以?xún)杉镜竞腿镜緸橹?。水稻種植面積的監(jiān)測(cè)與統(tǒng)計(jì)，是各級(jí)政府進(jìn)行決策、生產(chǎn)部門(mén)指導(dǎo)農(nóng)業(yè)生產(chǎn)、流通領(lǐng)域安排糧食收購(gòu)和銷(xiāo)售計(jì)劃的重要經(jīng)濟(jì)信息。因此，準(zhǔn)確科學(xué)地統(tǒng)計(jì)水稻種植面積，及時(shí)得到可靠的水稻生產(chǎn)信息具有重要的應(yīng)用價(jià)值。

對(duì)于我國(guó)長(zhǎng)江中下游及南方地區(qū)的水稻主產(chǎn)區(qū)，每年5月～8月份的梅雨季節(jié)正值水稻生長(zhǎng)期，氣候多雨水與云霧，因此較難獲取適合監(jiān)測(cè)水稻生長(zhǎng)的光學(xué)影像。雷達(dá)遙感具有穿云透霧的能力，其獲取數(shù)據(jù)不受天氣條件影響。近年來(lái)，國(guó)內(nèi)外學(xué)者也致力于研究通過(guò)各種雷達(dá)數(shù)據(jù)源識(shí)別與監(jiān)測(cè)水稻生長(zhǎng)以及種植面積的提取。邵蕓［1］利用多時(shí)相多極化Radarsat數(shù)據(jù)建立了水稻生長(zhǎng)模型，研究表明，3個(gè)時(shí)相的數(shù)據(jù)以及多極化數(shù)據(jù)對(duì)水稻識(shí)別和提取可得到較高的精度。董彥芳［2］和凌飛龍［3］采用多時(shí)相ENVISAT ASAR數(shù)據(jù)，研究水稻不同生長(zhǎng)階段后向散射值的變化特征，多時(shí)相SAR數(shù)據(jù)可較準(zhǔn)確地反演出水稻生長(zhǎng)參數(shù)，并精確提取水稻種植面積。李章成［4］采用兩期雙極化雷達(dá)數(shù)據(jù)與影像分類(lèi)的方法，對(duì)水稻種植面積進(jìn)行了精確提取。Clevers［5］將雷達(dá)影像與光學(xué)影像結(jié)合，對(duì)水稻生長(zhǎng)進(jìn)行監(jiān)測(cè)。Le Toan［6］利用ERS－1數(shù)據(jù)對(duì)水稻進(jìn)行監(jiān)測(cè)并提取水稻參數(shù)，研究表明理論模型與實(shí)驗(yàn)結(jié)果較一致，此方法對(duì)于Radarsat數(shù)據(jù)具有較高的通用性。黃曉軍［7］、唐鵬欽［8］和楊沈斌［9］對(duì)利用SAR數(shù)據(jù)識(shí)別和監(jiān)測(cè)水稻的研究進(jìn)行了探討，并對(duì)SAR數(shù)據(jù)的優(yōu)勢(shì)以及在水稻監(jiān)測(cè)中的應(yīng)用進(jìn)行總結(jié)。

本文將利用多時(shí)相COSMO－SkyMed雷達(dá)影像，以光學(xué)數(shù)據(jù)為輔助數(shù)據(jù)源，對(duì)湖南研究區(qū)的水稻信息進(jìn)行提取。

2 研究區(qū)域及數(shù)據(jù)介紹

2.1 研究區(qū)域介紹

湖南省水稻占全省糧食比重的90%，受地形地勢(shì)條件的限制，水稻種植主要分布在湖南省的東北平原區(qū)、中南部丘陵區(qū)，而西部山區(qū)分布較少。目前湖南水稻主要為早、中、晚三季稻且水稻品種較多，早稻育秧至晚稻收割，主要涉及每年3月～10月這段時(shí)期；不同品種的水稻，其生長(zhǎng)期會(huì)有一定差異；且根據(jù)當(dāng)年當(dāng)?shù)氐臍夂蚯闆r（溫度、降水等），水稻的物候期也會(huì)有一定的浮動(dòng)。一般情況下，早稻為5月上旬插秧，7月中旬收割，生長(zhǎng)期為100天左右；中稻為6月中旬插秧，9月上旬收割，生長(zhǎng)期為100天～110天；晚稻為7月中旬插秧，10月中旬收割，生長(zhǎng)期為110天左右。

本篇文章的研究區(qū)域是湖南省北部洞庭湖平原區(qū)的南縣與安鄉(xiāng)縣的交界處，該區(qū)域?yàn)樗镜闹饕a(chǎn)區(qū)，早、中、晚稻均有種植。

2.2 數(shù)據(jù)介紹

2.2.1 SAR數(shù)據(jù)集

COSMO－SkyMed雷達(dá)衛(wèi)星是由4顆X波段的雷達(dá)衛(wèi)星組成的星座，分辨率為3m。4顆衛(wèi)星以不同方式組合，可間隔1天、3天、4天和8天獲取干涉相對(duì)，這種高重訪周期對(duì)于特定地物的定期監(jiān)測(cè)與變化研究具有重要的意義。為了研究水稻生長(zhǎng)過(guò)程在SAR數(shù)據(jù)后向散射值中的表現(xiàn)規(guī)律，以湖南南縣－安鄉(xiāng)地區(qū)為試驗(yàn)區(qū)域，按照晚稻物候期，從晚稻灌水－插秧期開(kāi)始到晚稻收割期（2012年7月24日～2012年11月13日），每隔8天～9天以干涉模式獲取一景COSMO－SkyMed HIMAGE雷達(dá)影像，共獲取13景影像，所獲取的影像分辨率均為3m，極化方式均為水平極化，入射角為30°～33°。

2.2.2 光學(xué)數(shù)據(jù)集

為了輔助SAR數(shù)據(jù)對(duì)于水稻生長(zhǎng)過(guò)程后向散射值的分析研究，在同一地區(qū)查找到2012年同期5景HJ－1A，HJ－1B光學(xué)數(shù)據(jù)，形成光學(xué)數(shù)據(jù)集；數(shù)據(jù)的分辨率為30m，共有4個(gè)多光譜波段，分別為藍(lán)、綠、紅、近紅外波段。下載的數(shù)據(jù)為2級(jí)產(chǎn)品，該產(chǎn)品為經(jīng)輻射校正和系統(tǒng)幾何校正，并將校正后的圖像映射到指定的地圖投影坐標(biāo)下的產(chǎn)品數(shù)據(jù)。除2012年6月24日的數(shù)據(jù)，其余4景數(shù)據(jù)的采集時(shí)間與COSMO－SkyMed SAR數(shù)據(jù)集中4景水稻生長(zhǎng)階段的數(shù)據(jù)采集時(shí)間基本對(duì)應(yīng)。

表1 研究數(shù)據(jù)時(shí)間序列表

2.2.3 輔助數(shù)據(jù)集

研究區(qū)域的水田柵格數(shù)據(jù)層（時(shí)相為2012年），數(shù)據(jù)處理時(shí)加入該數(shù)據(jù)層，可將關(guān)注區(qū)域縮小到最優(yōu)，減少處理數(shù)據(jù)量，提高數(shù)據(jù)處理效率。

3 主要方法

本研究的方法流程主要包括以下內(nèi)容，首先對(duì)各種數(shù)據(jù)進(jìn)行預(yù)處理，其中有正射校正與影像匹配；之后對(duì)SAR數(shù)據(jù)進(jìn)行彩色合成，選取樣本；對(duì)SAR數(shù)據(jù)計(jì)算后向散射值，對(duì)光學(xué)數(shù)據(jù)計(jì)算NDVI值，并分別提取樣本的平均后向散射值與平均NDVI值，組成樣本曲線；最后對(duì)樣本曲線進(jìn)行分析，并對(duì)水稻進(jìn)行識(shí)別與提取。具體流程如圖1所示。

3.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理，主要是針對(duì)SAR數(shù)據(jù)的正射校正處理，以及光學(xué)數(shù)據(jù)、輔助數(shù)據(jù)與SAR的相互匹配處理。

首先將COSMO－SkyMed SAR數(shù)據(jù)進(jìn)行互匹配并進(jìn)行正射校正，該過(guò)程在ENVI軟件的SAR Scape模塊中完成。選取一景SAR數(shù)據(jù)作為主影像，將其余的SAR數(shù)據(jù)匹配到該景數(shù)據(jù)中，使用DEM數(shù)據(jù)對(duì)SAR數(shù)據(jù)集進(jìn)行正射校正，形成3m分辨率的SAR數(shù)據(jù)正射校正成果。

以正射校正后的SAR數(shù)據(jù)作為主影像，將5景光學(xué)影像分別與SAR影像進(jìn)行互匹配，使其與SAR數(shù)據(jù)具有相同的空間位置與坐標(biāo)系統(tǒng)。

圖1 方法與流程圖

對(duì)于輔助數(shù)據(jù)的處理，同樣以SAR數(shù)據(jù)作為主影像，將該地區(qū)的水田柵格數(shù)據(jù)層與SAR數(shù)據(jù)進(jìn)行互匹配，使其與SAR數(shù)據(jù)以及光學(xué)數(shù)據(jù)具有相同的空間位置與坐標(biāo)系統(tǒng)。

3.2 多時(shí)相SAR數(shù)據(jù)彩色合成

為研究水稻以及其他作物在SAR數(shù)據(jù)中的表現(xiàn)特征，根據(jù)試驗(yàn)區(qū)域晚稻物候期從13景SAR數(shù)據(jù)集中選取了3景影像，進(jìn)行RGB彩色合成，形成多時(shí)相的SAR假彩色合成影像。選取的3景影像采集時(shí)間以及色彩合成時(shí)賦予的通道分別為：7月24日（紅色通道），9月10日（綠色通道），10月4日（藍(lán)色通道），合成結(jié)果如圖2所示。

圖2 SAR數(shù)據(jù)彩色合成結(jié)果

3.3 樣本區(qū)選取

根據(jù)地物在多時(shí)相SAR彩色影像中表現(xiàn)出的色彩信息，結(jié)合水田柵格數(shù)據(jù)，發(fā)現(xiàn)彩色影像中對(duì)應(yīng)的水田或耕地區(qū)域主要可分為6種色系，并假設(shè)每種色系代表一種地物，對(duì)每個(gè)色系選取10個(gè)樣本多邊形，總共選取了60個(gè)樣本多邊形。6種色系分別為：藍(lán)色、粉紅色、亮藍(lán)色、紅色、綠色、雜色，如圖3所示。

圖3 從彩色合成后的SAR數(shù)據(jù)中選取樣本的顏色示意圖

3.4 SAR數(shù)據(jù)后向散射值計(jì)算

對(duì)于雷達(dá)而言，不同地物有不同的電磁波特性，地物的波譜特性主要表現(xiàn)為地物對(duì)雷達(dá)波束的不同散射特征。對(duì)于水稻而言，當(dāng)處于灌水插秧期時(shí)，由于水背景的影響，水田在雷達(dá)影像中的后向散射值較弱；隨著水稻的生長(zhǎng)發(fā)育，其后向散射值逐漸增高，這種變化特征與其他地物具有較明顯的差異，因此依據(jù)水稻種植－生長(zhǎng)期后向散射值的變化特征，對(duì)水稻種植面積進(jìn)行識(shí)別。

將SAR數(shù)據(jù)集分別進(jìn)行后向散射值的計(jì)算，形成13景后向散射值數(shù)據(jù)集。對(duì)每景數(shù)據(jù)中各樣本區(qū)的后向散射平均值進(jìn)行統(tǒng)計(jì)并提取，即每個(gè)樣本形成13個(gè)后向散射值平均值的時(shí)間序列。按照選取樣本時(shí)劃分的6個(gè)色系，將樣本的后向散射均值按照時(shí)間序列形成曲線圖（如圖4所示），分析其后向散射變化規(guī)律。其中，曲線的顏色對(duì)應(yīng)其各自樣本的顏色，如藍(lán)色曲線對(duì)應(yīng)藍(lán)色樣本后向散射值隨時(shí)間變化的情況。

3.5 光學(xué)數(shù)據(jù)NDVI計(jì)算

NDVI，即歸一化植被指數(shù)。該指數(shù)有助于植被覆蓋度的分析，可反應(yīng)出植被的生長(zhǎng)狀態(tài)。其公式為：

圖4 SAR數(shù)據(jù)集中樣本后向散射平均值的時(shí)間序列圖

將5景環(huán)境衛(wèi)星數(shù)據(jù)分別進(jìn)行NDVI值的計(jì)算，形成NDVI值數(shù)據(jù)集。對(duì)每景數(shù)據(jù)中樣本的NDVI值平均值進(jìn)行統(tǒng)計(jì)并提取，即每個(gè)樣本形成5個(gè)NDVI平均值的時(shí)間序列。用上述同樣的方法，形成樣本的NDVI值時(shí)間序列曲線圖，分析其變化規(guī)律。其中，曲線的顏色對(duì)應(yīng)其各自樣本的顏色。

圖5 光學(xué)數(shù)據(jù)集中樣本NDVI平均值的時(shí)間序列圖

4 數(shù)據(jù)分析與水稻面積提取

4.1 曲線分析

結(jié)合水稻物候期信息、SAR后向散射曲線（圖4）與NDVI曲線（圖5）3種信息，可以看出：

（1）紅色和綠色樣本區(qū)在NDVI曲線中顯示出早稻后期與晚稻生長(zhǎng)的變化規(guī)律；在SAR后向散射曲線中，主要的變化是在水稻成熟期之前。由于第一景SAR影像是7月下旬獲取的，正處于早稻收割后地塊整理與晚稻灌水插秧之前，此期間SAR后向散射值略高，8月上旬之后，已經(jīng)完成晚稻插秧，稻田里水體信息較多，后向散射值較低，而從8月下旬開(kāi)始，水稻進(jìn)入開(kāi)花期，SAR后向散射值不斷升高，推斷在SAR后向散射曲線中，紅色與綠色樣本屬于晚稻。

（2）藍(lán)色和品紅色樣本區(qū)在NDVI曲線中具有中稻生長(zhǎng)的變化規(guī)律，對(duì)應(yīng)的SAR后向散射曲線在9月上旬之后具有明顯的升高，表現(xiàn)出水稻成熟后其后向散射值升高的特點(diǎn)；雖然黃色與藍(lán)色和品紅色樣本在NDVI曲線中具有相似的變化規(guī)律，但從SAR后向散射曲線來(lái)看，黃色曲線隨時(shí)間的變化無(wú)規(guī)律可言，其并不具有水稻生長(zhǎng)的變化規(guī)律，推斷黃色樣本屬于其他作物。

（3）亮藍(lán)色曲線，無(wú)論在后向散射曲線還是在NDVI曲線中，均與藍(lán)色和品紅色曲線的變化具有一定的相似度，但在時(shí)間維度上不具有一致性，亮藍(lán)色曲線的變化較藍(lán)色與品紅色曲線變化提前15天左右。因此推斷，亮藍(lán)色為疑似早期中稻樣本。

圖6 后向散射曲線與判斷出的水稻種類(lèi)關(guān)系圖

4.2 水稻面積提取

根據(jù)上述的分析結(jié)果，對(duì)彩色合成后的SAR影像進(jìn)行面向?qū)ο蟮姆诸?lèi)，依據(jù)曲線中不同種類(lèi)水稻在各時(shí)間點(diǎn)后向散射值的差異性，將其進(jìn)行分類(lèi)提取，該過(guò)程在eCognition軟件中完成，處理中使用了研究區(qū)域內(nèi)的水田柵格數(shù)據(jù)作為影像分割的輔助數(shù)據(jù)源，從而提高影像分割效率。水稻種植面積提取后的結(jié)果如圖7所示。

使用2012年9月10日采集的外業(yè)數(shù)據(jù)，對(duì)水稻面積提取結(jié)果進(jìn)行精度分析，外業(yè)一共采集了120個(gè)GPS點(diǎn)以及每個(gè)點(diǎn)位的照片和說(shuō)明，包含了晚稻40個(gè)，中稻30個(gè)，疑似中稻30個(gè)，其他作物20個(gè)。通過(guò)誤差混淆矩陣分析（表2），分類(lèi)總體精度為85.83%。

表2 誤差混淆矩陣

圖7 水稻種植面積分類(lèi)結(jié)果圖

5 結(jié)束語(yǔ)

當(dāng)受天氣影響而無(wú)法及時(shí)得到有效的光學(xué)數(shù)據(jù)時(shí)，可以利用雷達(dá)數(shù)據(jù)對(duì)水稻進(jìn)行監(jiān)測(cè)與識(shí)別。本研究對(duì)13景SAR數(shù)據(jù)樣本區(qū)的后向散射值進(jìn)行了研究，根據(jù)光學(xué)影像NDVI值提供的輔助信息，掌握了水稻在雷達(dá)影像中后向散射值隨生長(zhǎng)時(shí)間變化的規(guī)律；并且使用3期SAR數(shù)據(jù)進(jìn)行彩色合成，根據(jù)水稻在這3期SAR數(shù)據(jù)后向散射值的特點(diǎn)，結(jié)合面向?qū)ο蟮挠跋穹诸?lèi)技術(shù)對(duì)水稻種植面積進(jìn)行提取，獲得了較高精度的水稻信息提取結(jié)果。本實(shí)驗(yàn)首次嘗試了使用多時(shí)相COSMO－SkyMed雷達(dá)數(shù)據(jù)進(jìn)行水稻識(shí)別，實(shí)驗(yàn)表明，COSMO－SkyMed數(shù)據(jù)能夠?yàn)樗痉N植面積提取提供可靠的數(shù)據(jù)源，而多時(shí)相數(shù)據(jù)（通?！?期）獲取的時(shí)間需根據(jù)當(dāng)?shù)厮旧L(zhǎng)周期來(lái)決定。

［1］邵蕓，郭華東，范湘濤，等.水稻時(shí)域散射特征分析及其應(yīng)用研究［J］.遙感學(xué)報(bào)，2001，5（5）：340－345.

［2］董彥芳，孫國(guó)清，龐勇，等.基于ENVISAT ASAR數(shù)據(jù)的水稻監(jiān)測(cè)［J］.中國(guó)科學(xué) D輯，2005，35（7）：682－689.

［3］凌飛龍，汪小欽，史曉明，等.多時(shí)相SAR圖像水稻分布信息提取方法研究［J］.福建師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，23（3）：15－19.

［4］李章成，李源洪，周華茂，等.基于ALOS＿PALSAR雙極化雷達(dá)影像遙感監(jiān)測(cè)水稻的研究——以德陽(yáng)地區(qū)為例［J］.西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，37（6）：62－67.

［5］CLEVERS J，VAN LEEUWEN H J C.Combined use of optical and microwave remote sensing data for crop growth monitoring［J］.Remote Sensing of Environment，1996，56（1）：42－51.

［6］LE TOAN T，RIBBES F，WANG L F，et al.Rice crop mapping and monitoring using ERS－1data based on experiment and modeling results［J］.Geoscience and Remote Sensing，IEEE Transactions on，1997，35（1）：41－56.

［7］黃曉軍，李秉柏.雷達(dá)遙感影像在水稻信息提取及估產(chǎn)方面的技術(shù)研究［J］.江蘇農(nóng)業(yè)科學(xué)，2009，（6）：432－435.

［8］唐鵬欽，姚艷敏，魏娜，等.合成孔徑雷達(dá)水稻識(shí)別和監(jiān)測(cè)研究進(jìn)展［J］.中國(guó)農(nóng)學(xué)通報(bào)，2009，25（14）：291－295.

［9］楊沈斌，趙小艷，謝曉金，等.星載雷達(dá)在多云多雨地區(qū)水稻遙感監(jiān)測(cè)中的應(yīng)用［J］.江蘇農(nóng)業(yè)科學(xué)，2009（3）：360－362.