張亞紅，吳嬌嬌，胥 喆，楊凱博，姬永杰，舒清態(tài)

(西南林業(yè)大學(xué)林學(xué)院，云南昆明 650224)

?

合成孔徑雷達(dá)在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用

張亞紅，吳嬌嬌，胥 喆，楊凱博，姬永杰，舒清態(tài)*

(西南林業(yè)大學(xué)林學(xué)院，云南昆明 650224)

在農(nóng)作物收獲之前進(jìn)行大范圍作物生長(zhǎng)狀況評(píng)價(jià)，可以為早期估產(chǎn)提供依據(jù)，同時(shí)為田間管理提供即時(shí)信息。該研究結(jié)合合成孔徑雷達(dá)(SAR)技術(shù)的發(fā)展，分別從基于SAR后向散射系數(shù)和極化特征2個(gè)方面，結(jié)合農(nóng)作物長(zhǎng)勢(shì)參數(shù)反演，對(duì)SAR技術(shù)在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用情況進(jìn)行了研究，總結(jié)了目前采用SAR技術(shù)進(jìn)行農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中存在的問題，并對(duì)其未來研究方向進(jìn)行了展望。

農(nóng)作物；合成孔徑雷達(dá)；長(zhǎng)勢(shì)監(jiān)測(cè)；散射特征；極化特征

作物長(zhǎng)勢(shì)即作物生長(zhǎng)狀況和趨勢(shì)，直接影響到作物最后的產(chǎn)量和品質(zhì)[1]。農(nóng)作物長(zhǎng)勢(shì)的動(dòng)態(tài)監(jiān)測(cè)可以及時(shí)了解農(nóng)作物的生長(zhǎng)狀況、土壤墑情、肥力及植物營(yíng)養(yǎng)狀況，為采取各種管理措施保證農(nóng)作物的正常生長(zhǎng)提供參考，從而為農(nóng)業(yè)政策的制定提供決策依據(jù)[2]。農(nóng)作物由于生長(zhǎng)迅速，隨時(shí)間劇烈動(dòng)態(tài)變化，農(nóng)作物監(jiān)測(cè)對(duì)時(shí)效性要求很高。光學(xué)遙感在監(jiān)測(cè)作物長(zhǎng)勢(shì)方面已經(jīng)取得長(zhǎng)足的發(fā)展，但由于受天氣影響，往往難以進(jìn)行連續(xù)監(jiān)測(cè)，尤其是在作物關(guān)鍵生長(zhǎng)期，光學(xué)遙感受到了極大的限制。

微波遙感由于具有全天時(shí)全天候的監(jiān)測(cè)能力，在受到氣候影響的地區(qū)農(nóng)作物監(jiān)測(cè)中具有其他遙感不可比擬的優(yōu)勢(shì)[3]。近年來，隨著微波遙感技術(shù)的發(fā)展，多個(gè)國(guó)家發(fā)射了攜帶多波段、多極化的數(shù)據(jù)合成孔徑雷達(dá)(SAR)衛(wèi)星，使得采用SAR對(duì)農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)的應(yīng)用越來越廣泛。目前主要涉及到的作物長(zhǎng)勢(shì)參數(shù)有葉面積指數(shù)(LAI)、生物量、高度、密度、播期、收割進(jìn)度[3]。SAR技術(shù)在作物長(zhǎng)勢(shì)監(jiān)測(cè)應(yīng)用方面大致可歸為2類：基于SAR散射強(qiáng)度和基于SAR極化特征的農(nóng)作物長(zhǎng)勢(shì)參數(shù)反演。筆者從這2個(gè)方面對(duì)SAR技術(shù)在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用進(jìn)行了研究，總結(jié)了其中存在的問題，并對(duì)未來研究方向進(jìn)行了展望。

1　SAR在農(nóng)業(yè)中的應(yīng)用特點(diǎn)

SAR是一種依靠脈沖壓縮技術(shù)，利用發(fā)射寬帶脈沖和飛行平臺(tái)運(yùn)動(dòng)產(chǎn)生的多普勒頻移，分別實(shí)現(xiàn)目標(biāo)的距離向和方位向高分辨率成像[4]。SAR成像不受氣候、晝夜因素影響，能夠全天時(shí)全天候工作，在能見度差的氣象條件下也能得到類似光學(xué)照相的高分辨率雷達(dá)圖像，是一種對(duì)地觀測(cè)的有效手段[3]。

SAR技術(shù)在農(nóng)作物監(jiān)測(cè)中有以下特點(diǎn)：①主動(dòng)性。SAR是一種主動(dòng)遙感模式，能夠克服云、雨、霧、霾等復(fù)雜天氣的影響，可以全天時(shí)全天候獲取數(shù)據(jù)。②穿透性。由于微波具有更長(zhǎng)的波長(zhǎng)，對(duì)地表植被、松散砂層、冰雪具有一定的穿透能力。③敏感性。不同于光學(xué)遙感，雷達(dá)遙感對(duì)植被結(jié)構(gòu)的介電特性和幾何特性敏感，在監(jiān)測(cè)這些特征時(shí)具備天然優(yōu)勢(shì)。④獨(dú)特性。光學(xué)遙感利用光譜信息，而雷達(dá)遙感具備散射強(qiáng)度信息、極化信息、相位信息等，有更豐富的信息可供利用。雷達(dá)遙感作物長(zhǎng)勢(shì)監(jiān)測(cè)主要通過SAR散射強(qiáng)度和極化特征的方式反演作物長(zhǎng)勢(shì)參數(shù)。

2　基于SAR散射強(qiáng)度的植被長(zhǎng)勢(shì)參數(shù)定量反演

植被參數(shù)SAR的定量反演最早從植被的后向散射強(qiáng)度信息出發(fā)，通過構(gòu)建植被微波散射模型，進(jìn)而進(jìn)行植被參數(shù)反演。常用的植被微波散射模型可分為3類：物理模型、半經(jīng)驗(yàn)?zāi)Ｐ?、?jīng)驗(yàn)?zāi)Ｐ汀?/p>

2.1物理模型物理模型是借助于植被散射機(jī)理的模型。目前常見的植被機(jī)理散射模型有植被葉片散射計(jì)算模型、植被莖干散射計(jì)算模型、密歇根微波植被冠層模型(MIMICS)、水稻后向散射和冠層散射模型等[5-6]。

以最早出現(xiàn)的植被葉片散射模型、植被莖桿散射模型為理論基礎(chǔ)，MIMICS模型將植被冠層的散射分解為樹冠側(cè)、樹干層和地面散射，以此來刻畫電磁波的散射機(jī)制[7]。譚正[8]利用RADARSAT-2數(shù)據(jù)探討了基于回歸模型和MIMICS模型的雷達(dá)4種極化方式下后向散射系數(shù)的水稻生物量反演方法。李昕[9]基于 MIMICS 模型模擬水稻后向散射系數(shù)，然后用神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)全極化SAR圖像的生物量反演，并利用地表實(shí)測(cè)生物量值與反演值進(jìn)行比對(duì)，驗(yàn)證其精度得到相關(guān)系數(shù)為 0.92，均方根誤差為222.7 g/m2。

以MIMICS模型為基礎(chǔ)，通過模型的簡(jiǎn)化處理，學(xué)者們提出了一些適用于農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)的物理模型，如水稻冠層散射模型、小麥散射模型等。Jia等[6]利用Monte Carlo方法模擬了水稻后向散射模型，并用神經(jīng)網(wǎng)絡(luò)的方法反演了生物量。張遠(yuǎn)等[10]利用ALOS/PALSAR數(shù)據(jù)，通過改進(jìn)的微波冠層散射模型和遺傳算法來模擬水稻冠層后向散射系數(shù)以及估算水稻生物量，結(jié)果顯示模擬誤差小于1 dB，估算的生物量誤差小于200 g/m2。這些研究表明，采用微波機(jī)理模型反演農(nóng)作物參數(shù)具有可行性，并且可以給出合理的物理解釋，但是在實(shí)際應(yīng)用中，諸多輸入?yún)?shù)難以獲取和確定，使得模型的應(yīng)用受到了極大的限制。通過簡(jiǎn)化物理模型可有效改善模型限制，因此出現(xiàn)了半經(jīng)驗(yàn)?zāi)Ｐ汀?/p>

2.2半經(jīng)驗(yàn)?zāi)Ｐ桶虢?jīng)驗(yàn)?zāi)Ｐ褪抢碚撃Ｐ偷暮?jiǎn)化，在實(shí)際應(yīng)用中較廣，如水云模型[11]、改進(jìn)的水云模型、簡(jiǎn)化的MIMICS模型等。

Ulaby等在1978年分析農(nóng)作物的散射特性，通過簡(jiǎn)化植被覆蓋層的散射機(jī)制，提出了適用于農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)的水云模型。水云模型是基于輻射傳輸方程而得到的[12]。趙路生[13]利用3景ENVISAT數(shù)據(jù)，基于水云模型反演水稻生物量，反演結(jié)果顯示，HH和VV極化方式下實(shí)測(cè)值和反演值之間的相關(guān)性分別為0.75和0.70。陶亮亮等[14]通過引用其他信息，提出了一種改進(jìn)的水云模型，并結(jié)合RADARSAT-2數(shù)據(jù)對(duì)關(guān)中平原農(nóng)業(yè)示范基地小麥葉面積指數(shù)進(jìn)行反演，結(jié)果表明，改進(jìn)模型可以將HH極化與葉面積指數(shù)的相關(guān)性從0.668提高到0.850，VV極化的決定系數(shù)從0.585提高到0.739，從而得到更高的葉面積反演精度。綜上所述，水云模型可以用于農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)，且通過對(duì)水云模型的改進(jìn)能大幅度提高農(nóng)作物長(zhǎng)勢(shì)參數(shù)反演精度。

最初的MIMICS模型是針對(duì)森林建立起來的理論模型，但通過模型的簡(jiǎn)化處理可以創(chuàng)建許多適合農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)的模型[15]。吳學(xué)睿等[16]利用GNSS-R雙站遙感雷達(dá)，在MIMICS模型的基礎(chǔ)上，將其修改為雙站散射模型Bi-Mimics，利用該模型模擬農(nóng)作物的散射特性并對(duì)其生物量進(jìn)行監(jiān)測(cè)，結(jié)果表明，Bi-Mimics模型在農(nóng)作物散射特性的模擬和生物量監(jiān)測(cè)中存在可行性，但研究工作有待進(jìn)一步深入。賈明權(quán)[17]利用2年8個(gè)不同生長(zhǎng)期的C波段數(shù)據(jù)分別建立了水稻的水云模型、改進(jìn)的水云模型和簡(jiǎn)化的MIMICS 模型，對(duì)比3個(gè)模型的HH和VV后向散射對(duì)生物量的反演結(jié)果，即水云模型、改進(jìn)的水云模型、簡(jiǎn)化的MIMICS模型得到的相關(guān)系數(shù)依次為HH極化0.862、0.990、0.992，VV極化0.935、0.969、0.991。HH和VV極化的相關(guān)系數(shù)越來越高，且VV極化數(shù)據(jù)下的相關(guān)系數(shù)均大于HH極化方式下的相關(guān)系數(shù)。由此得出基于VV極化數(shù)據(jù)的簡(jiǎn)化MIMICS模型最適合用于模擬水稻的后向散射系數(shù)的結(jié)論。

雖然半經(jīng)驗(yàn)?zāi)Ｐ驮谵r(nóng)作長(zhǎng)勢(shì)監(jiān)測(cè)中被廣泛應(yīng)用，但半經(jīng)驗(yàn)?zāi)Ｐ驮谀Ｐ蛥?shù)確定上大多數(shù)仍依賴于地面數(shù)據(jù)而不能直接從雷達(dá)影像數(shù)據(jù)中獲取，因此嚴(yán)重限制了其廣泛應(yīng)用。

2.3經(jīng)驗(yàn)?zāi)Ｐ徒?jīng)驗(yàn)?zāi)Ｐ褪歉鶕?jù)實(shí)測(cè)或理論仿真數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析建立的地物參數(shù)與散射參量之間的函數(shù)關(guān)系。常見的經(jīng)驗(yàn)?zāi)Ｐ陀?種：建立后向散射系數(shù)與系統(tǒng)參數(shù)(如入射角)的經(jīng)驗(yàn)關(guān)系和建立后向散射系數(shù)與生長(zhǎng)參數(shù)(生長(zhǎng)天數(shù)、高度、生物量、LAI等)的經(jīng)驗(yàn)關(guān)系[17]。

(1)建立后向散射系數(shù)與系統(tǒng)參數(shù)的經(jīng)驗(yàn)關(guān)系就是探索適合農(nóng)作物SAR監(jiān)測(cè)的最優(yōu)觀測(cè)模式[18]，選擇適合農(nóng)作物長(zhǎng)勢(shì)參數(shù)的系統(tǒng)參數(shù)。Singh[19]利用X波段散射計(jì)對(duì)大豆生物量進(jìn)行監(jiān)測(cè)，發(fā)現(xiàn)大豆的生物量與后向散射強(qiáng)度的關(guān)系比其他作物都顯著，隨著生物量的增加，HH極化和VV極化的散射系數(shù)都增加。研究還發(fā)現(xiàn)，在X波段當(dāng)入射角小于40°時(shí)用VV極化數(shù)據(jù)比HH極化數(shù)據(jù)觀測(cè)植被覆蓋土壤水好，而當(dāng)入射角大于40°時(shí)觀察大豆生長(zhǎng)參數(shù)影響較好。Ferrazzol等[20]研究表明，P波段和L波段組合可以區(qū)別農(nóng)田和其他地物，L波段和C波段結(jié)合區(qū)分農(nóng)業(yè)內(nèi)部領(lǐng)域，L波段對(duì)較低密度的農(nóng)作物監(jiān)測(cè)較好，而對(duì)于較高密度的農(nóng)作物L(fēng)波段和C波段有用，同時(shí)交叉極化數(shù)據(jù)對(duì)作物分類和生物量檢測(cè)都重要。

(2)建立后向散射系數(shù)與生長(zhǎng)參數(shù)的經(jīng)驗(yàn)關(guān)系就是通過分析不同極化方式下的后向散射系數(shù)與某種農(nóng)作物生長(zhǎng)參數(shù)之間的關(guān)系，選擇適合反演這種生長(zhǎng)參數(shù)的后向散射系數(shù)。鄭偉[21]利用水稻生長(zhǎng)期的5個(gè)時(shí)相4種極化數(shù)據(jù)對(duì)其生長(zhǎng)參數(shù)LAI、生物量、高度進(jìn)行反演，得到以下結(jié)果：LAI反演中同極化反演誤差10%左右，而交叉極化反演誤差30%左右，生物量反演中交叉極化反演誤差10%以下，而交叉極化反演誤差30%左右，各個(gè)極化方式下的高度反演誤差為2%～13%，可見同極化的微波后向散射系數(shù)適合水稻LAI的反演，交叉極化下的微波后向散射系數(shù)適合水稻生物量的反演，而各種極化方式下的微波后向散射系數(shù)均可用來反演水稻高度。

雖然經(jīng)驗(yàn)?zāi)Ｐ湍軌蜉^好地反映微波后向散射系數(shù)與農(nóng)作物長(zhǎng)勢(shì)之間的關(guān)系，但經(jīng)驗(yàn)?zāi)Ｐ痛蠖嘈枰罅恳巴鉁y(cè)量數(shù)據(jù)，并且可移植性差，在具體應(yīng)用中受到場(chǎng)景和區(qū)域的限制。

3　基于SAR極化特征的農(nóng)作物長(zhǎng)勢(shì)參數(shù)反演

基于SAR極化特征的農(nóng)作物長(zhǎng)勢(shì)參數(shù)反演主要是通過極化分解得到的極化參數(shù)對(duì)農(nóng)作物參數(shù)進(jìn)行反演監(jiān)測(cè)。常見的極化分解根據(jù)數(shù)據(jù)的不同可分為基于全極化數(shù)據(jù)的極化分解和基于簡(jiǎn)縮極化的極化分解。

3.1基于全極化數(shù)據(jù)農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)自日本ALOS-PALSAR衛(wèi)星與2006年發(fā)射成功以來，全極化SAR研究開始進(jìn)入熱潮[22]，基于全極化數(shù)據(jù)的農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)主要是通過全極化數(shù)據(jù)的極化分解獲得的極化參數(shù)對(duì)農(nóng)作物長(zhǎng)勢(shì)進(jìn)行監(jiān)測(cè)，常見的全極化數(shù)據(jù)極化分解技術(shù)主要有基于散射矩陣的相干分解、基于Kennaugh矩陣的二分量分解、基于協(xié)方差矩陣的Freeman-Durden分解、基于相干矩陣的H/A/α分解等[23]。

楊浩[3]利用5景Radarsat-2數(shù)據(jù)對(duì)內(nèi)蒙古試驗(yàn)區(qū)的油菜播期進(jìn)行監(jiān)測(cè)，利用基于特征矢量的Cloude-Pottier和基于模型分解的Freeman-Durden三分量分解方法，通過對(duì)不同生長(zhǎng)期中不同極化參數(shù)和播后天數(shù)DAS構(gòu)建線性模型，最終得出長(zhǎng)勢(shì)最優(yōu)監(jiān)測(cè)窗口6月16日和最優(yōu)極化參數(shù)體散射(Volumen)。結(jié)果表明，估計(jì)播期和真實(shí)播期高度吻合，均方根誤差為1.9 d。該結(jié)果證實(shí)了極化參數(shù)在油菜播期估計(jì)中的巨大潛力。綜上所述，基于時(shí)間序列的極化信息農(nóng)作物定量反演上存在較大的潛力，但敏感性和反演精度尚面臨較大的不確定性。蔡愛民等[24]基于全極化星載Radarsat-2 C波段數(shù)據(jù)，分析了典型旱地作物冬小麥的極化特征，并基于Cloud極化分解得到的極化特征值建立反演冬小麥長(zhǎng)勢(shì)的新參數(shù)LM(LM=2λ2-λ2-λ3)/2λ1，該參數(shù)可以提高冬小麥長(zhǎng)勢(shì)反演的總體精度，使長(zhǎng)勢(shì)好的地塊得到更好的反演，降低了錯(cuò)分地類的干擾，使總體誤差減小，有利于提高總體長(zhǎng)勢(shì)反演精度。

3.2基于簡(jiǎn)縮極化數(shù)據(jù)的農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)簡(jiǎn)縮極化作為一種新的成像模式，其研究尚處于理論探索階段，真實(shí)的簡(jiǎn)縮簡(jiǎn)化數(shù)據(jù)較為匱乏，研究中一般采用全極化數(shù)據(jù)來模擬簡(jiǎn)縮極化數(shù)據(jù)。當(dāng)前基于簡(jiǎn)縮極化數(shù)據(jù)的極化分解方法主要有散射度-相對(duì)相位分解(m-δ)、散射度-散射角(m-α)、散射度-散射場(chǎng)橢圓率(m-Χ)、極化度-適應(yīng)系數(shù)(m-μ)等[25-26]。

楊浩[3]基于全極化數(shù)據(jù)的Freeman-Durden極化分解和基于全極化數(shù)據(jù)模擬的簡(jiǎn)縮極化數(shù)據(jù)的m-δ和m-Χ三分量分解得到極化參數(shù)對(duì)油菜生物量進(jìn)行了監(jiān)測(cè)，得到基于簡(jiǎn)縮極化的m-δ極化分解得到的極化參數(shù)Dbl(偶次散射)對(duì)油菜生物量反演結(jié)果最好，即相關(guān)系數(shù)為0.92，均方根誤差為56.5 g/m2。研究證明了簡(jiǎn)縮極化SAR數(shù)據(jù)在農(nóng)作物生物量監(jiān)測(cè)中的巨大潛力，為SAR在農(nóng)業(yè)中的應(yīng)用指明了新的方向。

簡(jiǎn)縮極化在降低全極化系統(tǒng)復(fù)雜度的同時(shí)，能夠保持良好的極化信息，在許多應(yīng)用中得到了較好的效果，但目前簡(jiǎn)縮極化SAR還處于理論研究階段，極化分解技術(shù)和應(yīng)用也非常有限，在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的潛力有待探索。

4　SAR在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的不足和未來的發(fā)展趨勢(shì)

隨著的星載SAR技術(shù)的發(fā)展，SAR在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用越來越廣泛。從已有研究成果可以看出，農(nóng)作物長(zhǎng)勢(shì)的監(jiān)測(cè)從最初的單波段、單極化數(shù)據(jù)已經(jīng)發(fā)展到如今的全極化、多源數(shù)據(jù)，而監(jiān)測(cè)的手段也從僅僅依靠后向散射信息發(fā)展到包括后向散射信息、極化信息為主的多種監(jiān)測(cè)手段。研究表明，通過極化合成及分解技術(shù)提取的極化信息對(duì)農(nóng)作物長(zhǎng)勢(shì)的監(jiān)測(cè)具有極大的潛力，但目前還沒有得到廣泛的應(yīng)用，因此，這將是未來農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)的一個(gè)重要研究方向。

然而，SAR技術(shù)在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用實(shí)踐還不成熟，目前仍然存在著一些問題：①研究區(qū)地塊一般較大，對(duì)于農(nóng)作物種植不成規(guī)模，特別是復(fù)雜破碎地塊、耕作制度和作物種類多樣的地區(qū)監(jiān)測(cè)較少，且大多數(shù)集中于南方水田作物水稻，對(duì)旱地作物玉米、棉花等的監(jiān)測(cè)較少。②目前基于SAR散射強(qiáng)度的長(zhǎng)勢(shì)監(jiān)測(cè)大多集中于經(jīng)驗(yàn)?zāi)Ｐ停@種模型采用常規(guī)的統(tǒng)計(jì)算法受制于具體場(chǎng)景，難以在不同作物類型、不同地區(qū)間進(jìn)行選擇和應(yīng)用。且目前準(zhǔn)確考慮地形影響的植被散射模型較少，特別是針對(duì)地形起伏較大的山區(qū)和具有特殊規(guī)律的農(nóng)作物覆蓋地表，需要更加準(zhǔn)確地分析植株的空間分布和地形影響。③植被散射模型的研究越深入，模型的計(jì)算就越復(fù)雜，特別是較大面積、較多參數(shù)的反演，計(jì)算會(huì)特別浪費(fèi)時(shí)間，從而影響模型的實(shí)際應(yīng)用。

綜上分析，在未來采用模型進(jìn)行農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中，應(yīng)該考慮不同傳感器配置參數(shù)、多個(gè)場(chǎng)景、入射角、土壤、降雨等多個(gè)因素對(duì)雷達(dá)散射的影響，獲取更廣泛條件和因素的散射規(guī)律，進(jìn)而改善SAR在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的精度。同時(shí)，在建模過程中應(yīng)當(dāng)針對(duì)不同的植被地考慮其空間分布，從而更準(zhǔn)確地表示出植被的真實(shí)場(chǎng)景；另外，必須重視模型間的比較和模型的精度評(píng)價(jià)，更加深入地理解植被覆蓋地表的散射機(jī)理，明確各個(gè)模型的適用范圍。

[1] 史舟，梁宗正，楊媛媛，等.農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(2)：247-261.

[2] 吳素霞，毛任釗，李紅軍，等.中國(guó)農(nóng)作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)研究綜述[J].中國(guó)農(nóng)學(xué)通報(bào)，2005，21(3)：319-325.

[3] 楊浩.基于時(shí)間序列全極化與簡(jiǎn)縮極化SAR的作物定量監(jiān)測(cè)研究[D].北京：中國(guó)林業(yè)科學(xué)院，2015.

[4] 劉浩.合成孔徑雷達(dá)高分辨率成像及運(yùn)動(dòng)目標(biāo)成像新方法研究[D].北京：中國(guó)科學(xué)院電子學(xué)研究所，2003.

[5] ZHANG Y，LIU X，SU S，et al.Retrieving canopy height and density of paddy rice from Radarsat-2 images with a canopy scattering model[J].International journal of applied earth observation and geoinformation，2014，28，170-180.

[6] JIA M，TONG L，ZHANG Y，et al.Rice biomass estimation using radar backscattering data at S-band[J].IEEE journal of selected topics in applied earth observations and remote sensing，2014，7(2)：469-479.

[7] 蔡愛民，宮華澤.典型旱作物極化散射特征分析與應(yīng)用研究[J].安徽農(nóng)業(yè)科學(xué)，2013，41(13)：6051-6054.

[8] 譚正.基于SAR數(shù)據(jù)和作物生長(zhǎng)模型同化的水稻長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)研究[D].北京：中國(guó)地質(zhì)大學(xué)，2012.

[9] 李昕.基于全極化SAR圖像的植被信息提取技術(shù)研究[D].成都：電子科技大學(xué)，2015.

[10] 張遠(yuǎn)，張中浩，蘇世亮，等.基于微波冠層散射模型的水稻生物量遙感估算[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27(7)：100-105.

[11] GRAHAM A J，HARRIS R.Estimating crop and waveband specific water cloud model parametersusing a theoretical backscatter model[J].International journal of remote sensing，2002，23(23)：5129-5133.

[12] 李成鋼.冬小麥微波散射特性及參數(shù)反演研究[D].成都：電子科技大學(xué)，2013.

[13] 趙路生.基于ASAR數(shù)據(jù)的水稻制圖及生物量參數(shù)反演[D].成都：電子科技大學(xué)，2013.

[14] 陶亮亮，李京，蔣金豹，等.利用RADARSAT-2雷達(dá)數(shù)據(jù)與改進(jìn)的水云模型反演冬小麥葉面積指數(shù)[J].麥類作物學(xué)報(bào)，2016，36(2)：236-242.

[15] BRACAGLIA M，F(xiàn)ERRAZZOLI P，GUERRIERO L.A fully polarimetric multiple scattering model for crops[J].Remote sensing of environment，1995，54(3)：170-179.

[16] 吳學(xué)睿，李穎，李傳龍.基于Bi-Mimics模型的GNCSS-R農(nóng)作物生物量監(jiān)測(cè)理論研究[J].遙感技術(shù)與應(yīng)用，2012，27(2)：220-221.

[17] 賈明權(quán).水稻微波散射特性研究及參數(shù)反演[D].成都：電子科技大學(xué)，2013.

[18] MATTIA F，LE TOAN T，PICARD G，et al.Multitemporal C-band radar measurements on wheat fields[J].IEEE transactionson geoscience and remote sensing，2003，41：1551-1560.

[19] SINGH D.Scatterometer performance with polarization discrimination ratio approach to retrieve crop soybean parameter at X-band[J].International journal of remote sensing，2006，27(19)：4101-4115.

[20] FERRAZZOLI P，PALOSCIA S，PAMPALONI P，et al.The potential of multifrequency polarimetric SAR in assessing agricultural and arboreous biomass[J].IEEE transactions on geoscience and remote sensing，1997，35(1)：5-17.

[21] 鄭偉.基于陸基測(cè)量的水稻微波后向散射特性研究[D].成都：電子科技大學(xué)，2011.

[22] LEE J S，POTTIER E.Polarimetric radar imaging：From basics to applications[M].Boca Raton，F(xiàn)L，USA：CRC Press，2009.[23] 趙力文.基于目標(biāo)分解理論的極化SAR圖像分類方法研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2007.

[24] 蔡愛民，宮華澤.典型旱作物極化散射特征分析與應(yīng)用研究[J].安徽農(nóng)業(yè)科學(xué)，2013，41(13)：6051-6054.

[25] CLOUDE S R，GOODENOUGH D G，CHEN H.Compact decomposition theory[J].IEEE geoscience and remote sensing letters，2012，9(8)：28-32.

[26] RANEY R K.Hybrid-polarity SAR architecture[J].IEEE transactions on geoscience and remote sensing，2007，45(11)：3397-3404.

Application of Synthetic Aperture Radar in Crop Growth Monitoring

ZHANG Ya-hong, WU Jiao-jiao, XU Zhe, SHU Qing-tai*et al

(Forestry School, Southwest Forestry University, Kunming, Yunnan 650224)

Crop growth monitoring plays a substantial role in delivering timely information on crop yield estimation and field management. With concomitant development of synthetic aperture radar (SAR) technology, combined with inversion of crop growth parameters, the application of SAR technology in crop growth monitoring was studied from two aspects of backscattering coefficient and polarization characteristics based on SAR, the existing problems were summarized, the research direction in the future was forecasted.

Crops; Synthetic aperture radar; Growth monitoring; Scattering characteristics; Polarization characteristics

國(guó)家自然科學(xué)基金項(xiàng)目(31460194，31060114)。

張亞紅(1990- )，女，甘肅白銀人，碩士研究生，研究方向：資源環(huán)境遙感。*通訊作者，副教授，博士，從事3S技術(shù)及森林景觀經(jīng)營(yíng)研究。

2016-07-22

S 127

A

0517-6611(2016)27-0220-03