張亞紅， 張王菲， 姬永杰， 舒清態(tài)， 楊 浩

(1.西南林業(yè)大學(xué)林學(xué)院，云南昆明 650224； 2.北京農(nóng)業(yè)信息技術(shù)研究所/北京市農(nóng)林科學(xué)院農(nóng)業(yè)科技信息研究所，北京 100097)

油菜是世界重要的油料作物，也是我國具有傳統(tǒng)優(yōu)勢的重要油料作物。我國油菜種植面積和產(chǎn)量均占全世界30%左右[1]。此外，菜籽是生物柴油的主要原料之一，而生物柴油是替代石化柴油的理想“綠色能源”之一[2]，因此，促進(jìn)油菜生產(chǎn)發(fā)展對保障我國國家食物安全、促進(jìn)國家減排節(jié)能并在國際上爭取更多的碳排量話語權(quán)具有重要意義。作物的株高是反映其生物量的主要參數(shù)，而生物量是構(gòu)成其經(jīng)濟(jì)產(chǎn)量的基礎(chǔ)，在較高的生物量基礎(chǔ)上，通過合理的光合產(chǎn)物，作物即能獲得高產(chǎn)[3-4]。葉面積指數(shù)是衡量作物群體是否合理的重要栽培生理參數(shù)，一定時(shí)期內(nèi)可反映群體光合勢的大小，直接影響生物產(chǎn)量和經(jīng)濟(jì)產(chǎn)量[5]。近年來采用多種手段進(jìn)行生物量、株高和葉面積指數(shù)等作物長勢參數(shù)反演已經(jīng)成為作物產(chǎn)量估測的重要有效手段之一。

合成孔徑雷達(dá)(SAR)已被證明是作物制圖、作物長勢參數(shù)反演的重要有效方法之一。多時(shí)相和多極化SAR后向散射系數(shù)在玉米、水稻制圖及參數(shù)反演中已有大量成功的例子[6-9]。全極化、干涉極化SAR技術(shù)的發(fā)展，使得采用SAR技術(shù)進(jìn)行作物制圖和參數(shù)反演的SAR信息從單一的后向散射系數(shù)拓展到極化參數(shù)、相干系數(shù)和相位。2014年Lopez-Sanchez等通過RADARSAT-2全極化數(shù)據(jù)探索了全極化信息水稻物候期反演中的有效性，研究結(jié)果表明，全極化數(shù)據(jù)在水稻監(jiān)測中具有良好的應(yīng)用前景[10]。Rossi等采用TanDEM-X數(shù)據(jù)進(jìn)行水稻監(jiān)測，發(fā)現(xiàn)極化干涉數(shù)據(jù)在水稻高度制圖中具有較高的準(zhǔn)確性[11]。

盡管全極化、極化干涉SAR數(shù)據(jù)在作物長勢監(jiān)測中具有很大優(yōu)勢，但其仍然存在數(shù)據(jù)下載速度、測繪帶寬、能量消耗和天線技術(shù)等限制因素。為了克服這些因素的限制，一個(gè)新的雷達(dá)極化技術(shù)——簡縮極化(CP)被提出[12-13]。Lopez-Sanchez等和Yang等將簡縮極化SAR參數(shù)用于水稻物候期的反演，發(fā)現(xiàn)簡縮極化參數(shù)在水稻物候期估測中的精度在一定條件下相當(dāng)于全極化參數(shù)估測水平。簡縮極化參數(shù)在作物制圖、物候期估測中的研究近年來逐漸開展，但其在油菜長勢參數(shù)反演中的研究還鮮有報(bào)道[10，14]。2015年楊浩探討了簡縮極化參數(shù)生物量估測的可行性，指出簡縮極化參數(shù)在油菜生物量估測中具有與全極化參數(shù)相當(dāng)?shù)臐摿?，但其提取的簡縮極化參數(shù)僅僅包括后向散射系數(shù)和部分簡縮極化分解參數(shù)[15]。

本研究擬全面探討簡縮極化參數(shù)在油菜主要長勢參數(shù)——生物量、株高和葉面積指數(shù)反演中的潛力。首先探討了簡縮極化數(shù)據(jù)獲取的途徑，并結(jié)合Stokes參數(shù)特征提取17個(gè)簡縮極化參數(shù)，然后基于2種主流的簡縮極化分解方法提取了基于簡縮極化的6個(gè)具有物理意義的散射機(jī)制參數(shù)；接著根據(jù)油菜整個(gè)生長期3個(gè)主要長勢參數(shù)的動(dòng)態(tài)變化規(guī)律分析了23個(gè)簡縮極化參數(shù)對油菜長勢參數(shù)的敏感性；最后采用經(jīng)典的經(jīng)驗(yàn)回歸模型對油菜長勢參數(shù)進(jìn)行了反演，進(jìn)而探討簡縮極化參數(shù)在油菜長勢參數(shù)反演中的有效性。

1 簡縮極化數(shù)據(jù)模擬及參數(shù)提取

目前研究中采用較大的簡縮極化方式為CTLR模式(Circular Transmit and Dual Orthogonal Linear Receive，圓極化發(fā)射線極化接收)，因此本研究僅針對該模式展開研究。由于簡縮極化的相關(guān)研究尚處于論證階段，其數(shù)據(jù)源仍然以全極化SAR數(shù)據(jù)生成的模擬數(shù)據(jù)為主[16]。

簡縮極化可以通過全極化散射矩陣[S]與發(fā)射矢量、接收矢量相乘得到，本研究以右圓發(fā)射，水平和垂直線性接收為例，介紹由全極化數(shù)據(jù)模擬簡縮極化數(shù)據(jù)的過程[17]。

首先通過全極化散射矩陣[S]模擬由右圓極化發(fā)射的電磁波矢量，即：

ER=[S]R。

(1)

然后計(jì)算采用水平和垂直線極化接收的電磁波矢量，即：

(2)

式中：EH和EV分別表示接收到的水平和垂直分量。

根據(jù)接收到的散射分量，可計(jì)算簡縮極化的協(xié)方差矩陣[J]，即：

(3)

根據(jù)協(xié)方差矩陣，計(jì)算簡縮極化的Stokes矢量，即：

(4)

建立Stokes矢量與全極化協(xié)方差矩陣[C]的鏈接，即：

(5)

建立簡縮極化Stoke矢量與全極化[C]矩陣的聯(lián)系后，可以采用[C]矩陣計(jì)算簡縮極化的Stokes參數(shù)，進(jìn)而提取基于簡縮極化的各參數(shù)。通過簡縮極化的Stokes參數(shù)，提取了極化度、去極化度、標(biāo)準(zhǔn)極化度、線極化度、圓極化度、線極化比、圓極化比、散射角和相位差。另外，根據(jù)簡縮極化常用的2種分解方法——m-δ和m-χ分解，我們同時(shí)提取了對應(yīng)的6個(gè)散射機(jī)制，具體參數(shù)及計(jì)算方法見表1。

表1 簡縮極化參數(shù)及其計(jì)算方法

2 材料與方法

2.1 試驗(yàn)區(qū)域

研究區(qū)位于中國東北部，大興安嶺西北麓，呼倫貝爾草原北段，額爾古納河右岸，地形以丘陵為主。研究區(qū)屬于寒帶大陸性氣候。平均氣溫-2.0 ℃～3.0 ℃之間。四季氣候特征：春季溫度回升快，降水少；夏季短暫，溫暖潮濕；秋季降溫快，初霜早；冬季漫長，寒冷干燥，農(nóng)作物一年生長一季。研究區(qū)的試驗(yàn)樣地位于內(nèi)蒙古自治區(qū)額爾古納市上庫力農(nóng)場(50°17′～50°23′N、120°46′～120°53′E)，具體位置如圖1所示。

2.2 試驗(yàn)數(shù)據(jù)

研究獲取了試驗(yàn)區(qū)油菜生長周期內(nèi)5景時(shí)間序列Radarsat-2數(shù)據(jù)及衛(wèi)星過境時(shí)同步的5期地面調(diào)查數(shù)據(jù)。數(shù)據(jù)獲取的時(shí)間為2013年5月油菜播種到2013年8月底油菜收割。

2.2.1 SAR數(shù)據(jù) 本研究獲取的5景Radarsat-2精細(xì)全極化C波段SAR數(shù)據(jù)，該數(shù)據(jù)距離向和方位向分辨率分別為4.96、4.73 m，重復(fù)周期為24 d，獲取日期分別為2013年5月23日、2013年6月16日、2013年7月10日、2013年8月3日和2013年8月27日。為避免不同傳感器觀測配置對觀測結(jié)果造成的影響，研究獲取的5景Radasat-2影像的成像模式、成像入射角等參數(shù)完全一致，其影像具體參數(shù)見表2。

表2 Radarsat-2圖像參數(shù)

2.2.2 地面實(shí)測數(shù)據(jù) SAR數(shù)據(jù)覆蓋了研究區(qū)油菜生長過程的關(guān)鍵生育期。地面調(diào)查在每次Radarsat-2衛(wèi)星過境時(shí)同步展開(圖2)。調(diào)查中每個(gè)地塊選取0.5 m×2行范圍割取1個(gè)植被樣本(油菜行距30 cm)，并通過GPS記錄樣本點(diǎn)的經(jīng)緯度，便于將實(shí)測數(shù)據(jù)與雷達(dá)影像一一對應(yīng)。每次調(diào)查獲取15～20塊代表性油菜地塊長勢參數(shù)，包括葉面積指數(shù)、植株高度、地上生物量等。地面調(diào)查同時(shí)獲取了地塊樣本的播期、品種、壟向和管理措施等基礎(chǔ)數(shù)據(jù)，并收集了氣象、地形、土壤條件等資料。此外，還獲取了研究區(qū)30 m分辨率的數(shù)字高程模型(DEM)數(shù)據(jù)對SAR數(shù)據(jù)進(jìn)行地形校正，然后采用野外采集的高精度地面控制點(diǎn)對影像進(jìn)行高精度的幾何校正。

2.3 試驗(yàn)方法

葉面積指數(shù)是衡量油菜群體是否合理的重要栽培生理參數(shù)，一定時(shí)期內(nèi)可反映群體光合勢的大小，直接影響生物產(chǎn)量和經(jīng)濟(jì)產(chǎn)量，圖2-a描述了油菜各個(gè)生長期葉面積指數(shù)的變化情況。生物量是構(gòu)成經(jīng)濟(jì)產(chǎn)量的基礎(chǔ)，在較高的生物量基礎(chǔ)上，合理的光合產(chǎn)物分配利用，即有較高的經(jīng)濟(jì)系數(shù)，油菜就能獲得高產(chǎn)。同時(shí)株高和生物量與油菜長勢密切相關(guān)，實(shí)時(shí)了解油菜株高和生物量信息對油菜估產(chǎn)具有重要意義。圖2-b、圖 2-c 分別描述了油菜株高、生物量隨其生長周期的變化情況。研究通過模擬的簡縮極化SAR數(shù)據(jù)，提取了13個(gè)Stokes參數(shù)、6個(gè)簡縮極化分解參數(shù)和2個(gè)后向散射參數(shù)，通過分析各簡縮極化參數(shù)隨油菜生長期的動(dòng)態(tài)變化規(guī)律、簡縮極化參數(shù)與3個(gè)油菜生長參數(shù)的相關(guān)性，確定了這些參數(shù)對油菜葉面積指數(shù)、株高和生物量的敏感性。在敏感性分析的基礎(chǔ)上采用線性經(jīng)驗(yàn)回歸分析模型對油菜生物量、株高和葉面積指數(shù)進(jìn)行了反演。

3 結(jié)果與分析

3.1 油菜簡縮極化信息響應(yīng)結(jié)果與分析

表3 油菜長勢參數(shù)與極化參數(shù)的相關(guān)性

3.2 油菜長勢參數(shù)反演模型比較分析

采用經(jīng)驗(yàn)回歸分析方法進(jìn)行油菜生物量、株高和葉面積指數(shù)的反演過程中，衛(wèi)星5次過境時(shí)同步調(diào)查了44個(gè)樣點(diǎn)數(shù)據(jù)，這44個(gè)樣點(diǎn)數(shù)據(jù)全部參與生物量建模，在生物量建模中采用30個(gè)樣本進(jìn)行建模，14個(gè)樣本進(jìn)行精度驗(yàn)證；另外部分樣點(diǎn)數(shù)據(jù)由于葉片較少，未計(jì)算葉面積指數(shù)；而在2013年8月23日衛(wèi)星過境時(shí)，部分樣點(diǎn)油菜已收割，未獲得株高記錄，因此葉面積指數(shù)和株高均用22個(gè)樣本建模，11個(gè)樣本數(shù)據(jù)進(jìn)行精度驗(yàn)證。研究分別分析了一次線性模型、二次多項(xiàng)式模型、對數(shù)模型、乘冪模型及指數(shù)模型的建模結(jié)果，表4整理了21個(gè)簡縮極化參數(shù)反演油菜生物量、株高和葉面積指數(shù)的最高精度及對應(yīng)的模型信息。綜合考察各模型建模參數(shù)，發(fā)現(xiàn)二次多項(xiàng)式模型在各個(gè)參數(shù)建模中占有優(yōu)勢。在葉面積指數(shù)模型反演中，21個(gè)極化參數(shù)的二次多項(xiàng)式建模均優(yōu)于或相當(dāng)于其他模型。在生物量反演模型中，19個(gè)簡縮極化參數(shù)采用二次多項(xiàng)式建模的RMSE低于其他模型，r2高于其他模型。在株高反演模型中，有16個(gè)簡縮極化參數(shù)的二次多項(xiàng)式建模優(yōu)于其他模型，并且3個(gè)長勢參數(shù)反演的最優(yōu)模型均為二次模型。圖3描述了生物量、株高和葉面積指數(shù)單參數(shù)反演的最佳模型。生物量反演模型中，r2取得最高值的簡縮極化參數(shù)為g3，r2為0.765，RMSE為73.20；RMSE取得最低值的簡縮極化參數(shù)為g0，r2為0.707，RMSE為52.95，這說明g3可以更高響應(yīng)生物量的變化規(guī)律，而g0則在生物量估測中具有更高的估測精度。次之的2個(gè)最近參數(shù)分別為圓極化比Uc和圓極化度Pc，這2個(gè)參數(shù)能夠表征強(qiáng)體散射分量，而生物量反演中簡化極化體散射分量的高r2(r2=0.714)也驗(yàn)證了這一點(diǎn)。另外，由于線極化和圓極化是線性組合關(guān)系，所以這還說明了油菜散射中的圓極化分量占優(yōu)勢，此外，RR和RL也表現(xiàn)出較高的r2。在株高反演模型中，Uc和Pc表現(xiàn)出與株高變化趨勢更高的響應(yīng)性，r2為0.923，RMSE分別為18.71和17.62。體散射分量m-δ-v和m-χ-v與株高的r2略低，但RMSE較小，特別是m-δ-v，其RMSE為13.52，這是由于油菜整個(gè)生長期中，體散射較二次散射和表面散射與長勢參數(shù)更相關(guān)，根據(jù)其散射特性可知，二次散射僅在株高達(dá)到一定程度時(shí)占優(yōu)，而m-δ-d在生物量、株高反演中的低r2、高RMSE值也驗(yàn)證了這一點(diǎn)。葉面積指數(shù)反演中，Uc和Pc同樣表現(xiàn)出高相關(guān)性和低RMSE，此外極化度、去極化度、體散射分量也表現(xiàn)出較高r2和較低的RMSE。這是由于葉面積指數(shù)可以表征單位面積內(nèi)植被體散射的程度，因此與體散射相關(guān)的簡縮極化參數(shù)均表現(xiàn)出與葉面積指數(shù)的強(qiáng)相關(guān)性和高估測精度。

表4 油菜長勢參數(shù)單變量反演模型精度對比

4 討論與結(jié)論

通過21個(gè)簡縮極化參數(shù)于油菜生物量、株高和葉面積指數(shù)的相關(guān)性分析，可以發(fā)現(xiàn)多數(shù)的簡縮極化參數(shù)對油菜長勢參數(shù)敏感。多數(shù)參數(shù)與生物量、株高和葉面積指數(shù)隨生長周期的動(dòng)態(tài)變化規(guī)律相似或一致。通過經(jīng)驗(yàn)回歸模型采用單一簡縮極化參數(shù)對油菜長勢參數(shù)反演建模發(fā)現(xiàn)，較其他2種散射機(jī)制，體散射與油菜長勢呈現(xiàn)明顯的相關(guān)性，且與體散射相關(guān)的簡縮極化分量，如圓極化度、圓極化比等也表現(xiàn)出反演長勢參數(shù)的優(yōu)越性及高精度。而在生物量反演中，由于生物量不直接與作物的極化特征相關(guān)，因此，相比受植被形狀、方向影響較高的極化參數(shù)，反而表征后向散射能量的Stokes參數(shù)g0和g3呈現(xiàn)出對生物量更高的估測精度。

盡管采用簡縮極化參數(shù)進(jìn)行油菜長勢參數(shù)反演的例子開展較少，但也有一些初步的研究結(jié)果：楊浩等提取了簡縮極化分解的6個(gè)分量，并采用m-χ-d分量，使用二次回歸模型對成熟期前油菜生物量進(jìn)行了反演，均方根誤差為56.5，略高于本研究結(jié)果；該研究同時(shí)采用m-χ-v和m-χ-d比值，使用二次回歸模型反演了油菜生物量，r2為0.68，RMSE為112.8。由于該研究僅提取了部分簡縮極化參數(shù)，因此無法全面探討簡縮極化其他參數(shù)在生物量估測中的潛力[15]。張遠(yuǎn)采用微波散射模型反演了水稻的生物量與株高，其中水稻生物量估測RMSE為100 g/m2，株高的RMSE為2～6 cm[4]。該方法在株高反演中表現(xiàn)出更高的精度，但該方法在具體實(shí)現(xiàn)過程，須要開展大量的野外調(diào)研工作，工作量遠(yuǎn)遠(yuǎn)大于本研究采用的方法。

通過對21個(gè)簡縮極化參數(shù)及油菜長勢隨油菜生長周期的動(dòng)態(tài)變化分析，可以說明簡縮極化參數(shù)在油菜長勢監(jiān)測中具有很大的潛力。通過不同方法對基于簡縮極化參數(shù)油菜長勢參數(shù)反演建模表明：二次多項(xiàng)式建模相比其他回歸模型更適用于簡縮極化單參數(shù)油菜長勢參數(shù)反演建模；在整個(gè)油菜生長周期中，相比其他散射類型，體散射更能表征油菜的長勢特征，與體散射相關(guān)的簡縮極化參數(shù)如簡縮極化分解中的體散射分量、圓極化度、圓極化比等更適合油菜葉面積指數(shù)、株高的反演，而總散射能量g0和線性散射能量g3在生物估測中更具優(yōu)勢。另外，由于本研究并未對極化參數(shù)比值，如單次散射、體散射比等參數(shù)在長勢參數(shù)中的反演進(jìn)行分析，其潛力需要進(jìn)一步分析；另外，植被的品種通常導(dǎo)致植被極化散射特征略有變化，因此，針對不同的油菜品種，須要結(jié)合其品種極化散射特征進(jìn)一步分析。