基于全极化Radarsat-2数据的水稻生物量估算模型

依据苏州东桥试验区水稻生长期观测数据,采用多时相水稻拔节到抽穗期全极化Radarsat-2数据,分别分析了不同极化HH、VV、CROSS、比值HH/VV的雷达后向散射系数时域变化特征与生物量的相关关系,构建水云模型、二次多项式模型和指数模型反演水稻生物量。反演结果表明:HH、CROSS水云模型都有不错的反演效果,相关系数分别为0.910、0.902,而HH水云模型反演生物量尤佳,均方根误差为0.190。指数模型普遍优于二次多项式模型,HH/VV指数模型效果出众,相关系数为0.929,均方根误差为0.164。通过比较分析不同极化的水云模型、二次多项式模型和指数模型,HH水云模型与HH/VV指数模型反演水稻生物量精度相对较高。     

多时相Sentinel-1影像反演玉溪典型烟区烤烟种植分布的方法

为准确识别烤烟种植分布特征,基于2020年玉溪烤烟大田生长期不同时相的11景Sentinel-1卫星影像,结合野外实地调研,分析不同土地利用类型合成孔径雷达（SAR）极化信息的可区分度,并结合70%样地训练随机森林分类方法提取不同土地利用的分布范围,最后用30%调研样地验证烤烟种植的提取精度。结果表明,垂直发射垂直接收（VV）相较于垂直发射水平接收（VH）更能区分不同土地利用类型,VH、VV、VV+VH和VV+VH+VV/VH四种极化信息组合方式中,地物分类精度最高的为VV+VH组合,总体分类精度为87.6%,Kappa系数为0.847,其中,烤烟种植识别的制图精度为96.3%,用户精度为89.4%。在玉溪典型烟区采用多时相SAR识别烤烟种植分布,识别准确率基本能满足区域烤烟种植识别的精度要求。     

基于ENVISAT ASAR数据的水稻遥感监测

以江苏省兴化市水稻试验区为例,利用单时相多极化ENVISAT ASAR(Advanced Synthetic Aperture Ra-dar)数据进行水稻识别和生长参数反演。通过分析水稻和其他地物在该时相上的VV极化和HH极化后向散射特征,选择合适的阈值和条件,利用阈值分类算法从影像中提取水稻分布。另外,利用实测水稻生长参数和获取的植被指数(NDVI)数据与水稻后向散射系数进行相关性分析。分析结果表明,水稻VV极化后向散射强度与水稻形态结构、叶面积指数和生物量具有较好的相关性,而水稻HH极化后向散射强度对水稻冠层含水量的变化更敏感。基于上述分析,建立反演水稻株高、叶面积指数和NDVI等参数的关系模型。经过验证,水稻识别精度为84.36%,反演的水稻生长参数的空间变化和实际情形相符合。     

基于多时相合成孔径雷达数据的水稻种植面积监测

与光学遥感相比,合成孔径雷达(SAR)遥感能够不受云雨天气影响,为大范围作物种植信息的精准监测提供新手段。本研究以天津市小站稻为例,基于2018-2021年的多时相Sentinel-1A SAR影像,提出了结合小站稻生长特征相似性分析与随机森林分类的水稻种植分布和面积监测方法。首先提取VV和VH极化方式下不同地物的后向散射系数时间序列特征曲线,并利用HANTS滤波来消除噪声影响。然后根据野外调查数据获取小站稻参考生长曲线,构建小站稻相似性指数,筛选出小站稻可能种植区域。最后采用随机森林分类模型提取小站稻种植面积。结果表明,基于多时相Sentinel-1A SAR影像相似性分析及随机森林分类能够获得较高精度的水稻种植面积,VV和VH两种极化方式下提取的水稻种植面积与统计年鉴结果的平均相对误差分别为2.67%和3.80%,总体分类精度分别达到95.52%和93.40%,Kappa系数分别为0.94和0.93;与不引入相似性指数进行分类相比,VV和VH极化方式下引入相似性指数后总体分类精度分别提高4.35个百分点和3.13个百分点,Kappa系数分别提高0.04和0.03,水稻的制图精度分别...     

基于全极化SAR数据的玉米后向散射特征分析

以江苏省睢宁县为研究区域,选择2009年7月23日已覆盖该区域的Radarsat-2全极化影像数据,着重分析玉米全化方式后向散射特性,并将玉米生长参数与后向散射系数进行相关分析,建立统计模型,最后利用不同地物后向散射特征的差异,采用决策树分类算法提取玉米种植分布情况.结果显示,玉米叶面积指数和HH极化后向散射系数、HH/HV具有较好的相关性;经过验证,采用决策树分类算法提取玉米种植分布情况,制图总体精度达到84.1%.说明全极化雷达数据能提供更为丰富的地物后向散射信息,是农作物遥感监测的重要数据来源.     

基于微波穿透性能对双极化SAR数据识别浅覆盖层岩石的研究

在对雷达波穿透性能影响因素研究的基础上,通过对阿巴嘎地区ALOS卫星地物后向散射强度数据进行分析,显示出在不同极化方式下ALOS数据具有的差异性.结合Landsat 7卫星获得的影像数据,对其差异性进行分析,表明HH极化方式能够识别山体边缘浅覆盖层下的岩石.研究结果表明,ALOS HH极化方式对浅覆盖层下岩石的识别更具优势.     

利用多时相多极化差值图在高原山区进行烟草识别

农作物的识别是农情监测的基础,能为制定农业政策提供重要的参考数据。在多云多雨地区使用合成孔径雷达(SAR)对农作物进行识别监测有较大的优势。利用单时相影像进行地物识别时容易受阴影的干扰,差值法可检测不同波段间图像值的差别,根据波段间差值的不同,可以区分不同地物。利用2个时相的TerraSAR-X交叉极化模式数据(HH、VV)计算同时相多极化差值图、同极化多时相差值图,分析比较差值图,选择最优的差值图组合用于烟草提取,识别精度达82.23%。     

基于Sentinel-1/2数据的中国南方单双季稻识别结果一致性分析

【目的】微波遥感因具有全天时、全天候数据获取的特点,在多云雨的中国南方水稻识别研究中表现出巨大潜力。本研究通过对比Sentinel-1SAR遥感数据和Sentinel-2光学遥感数据用于水稻遥感制图的效果,分析光学和SAR遥感数据对于单双季稻识别结果的一致性,并探索水稻识别的最优SAR影像特征。【方法】本研究使用Sentinel-1/2卫星数据,基于面向对象的随机森林分类算法和Google Earth Engine平台,提取洞庭湖平原4个典型水稻种植区的单双季稻空间分布。通过比较9种不同传感器和特征组合场景的分类精度和分类结果统计指标,并计算NDVI和SAR特征时序（VH、VV、VH/VV）的R²和DTW距离,分析识别单双季稻的最优SAR特征,评估光学和SAR遥感数据对于单双季稻识别结果的一致性。【结果】VH、VV和VH/VV时序识别单双季的总体精度分别为90.42%、82.08%和88.33%,而联合VH和VH/VV时序识别单双季稻的总体精度可达91.67%。VH（VH/VV、VV）时序与单双季稻NDVI时序的R²和DTW距离分别为0.870（0.915、0.986）、4.715（1.896、5.506）（单季稻）和0.597（0.783、0.673）、2.396（1.839、3.441）（双季稻）。较高的R²和较低的DTW距离说明单双季稻的VH/VV时序与NDVI时序相关度更高,可以较好地反映单双季稻的生长周期规律。同时,VH可以较好地反映单双季稻移栽期的淹水特征。基于光学数据和SAR数据在6个时间窗口的特征（S-2：NDVI、EVI、LSWI;S-1：VH、VH/VV）识别单双季稻的总体精度分别为91.25%和90.00%,识别结果面积相关性可达95.70%。【结论】SAR遥感数据与光学遥感数据水稻识别结果一致性较高。应用Sentinel-1在多云雨区识别单双季稻具有巨大潜力,VH和VH/VV后向散射系数时序是识别水稻的优质特征。研究结果为多云多雨区使用SAR数据进行特征优选以高精度识别单双季稻提供了重要技术支撑。     

双极化SAR影像的分类研究

合成孔径雷达(SAR)遥感数据的穿透性,可以反应亚表层的结构信息等特点,对地表景观分类有特殊的作用.通SAR究地物后向散射和极化等特性,可以反映地物的粗糙度、含水量等特点,用于土地利用调查有很好的效果.文章重点研究了双极化SAR数据特性与数据处理,利用决策树分类、K-means分类方法对吉林西部松原地区进行土地利用分类,并与Landsat 8数据的分类结果进行对比分析.结果表明,基于地物极化特性的双极化雷达数据分类结果明显优于光学遥感影像.     

SAR数据与光学数据融合在土地覆盖分类中的应用研究

采用ALOS-1-PALSAR数据的强度信息、HV/HH极化比值信息和HVHH相干系数与TM影像融合,以支持向量机(SVM)的方法对土地覆盖进行分类,对比了TM影像、TM+SAR强度影像、TM+HV/HH比值影像、TM+相干影像的分类结果。结果表明:分类精度由高到依次为TM+相干影像TM+HV/HH比值影像TM+SAR强度影像TM影像;采用SAR数据与光学数据融合,可以在不同程度上提高土地利用覆盖分类的精度。     

基于ASAR数据的水稻制图最佳时相参数提取

针对ASAR交叉极化模式数据,选用HH/VV极化比值提取水稻制图的最佳时相参数.结合SAR图像统计特性,采用比值变化检测方法,通过理论公式计算和比较变化检测的总误差概率,分别提取单时相双极化和多时相双极化水稻制图的最佳时相参数.结果显示,单时相制图的最佳时相是水稻生长中后期,即水稻幼穗分化期至水稻收割前期内任一时相;而多时相制图的最佳时相为一组时相的组合,即应至少包含水稻移栽期和水稻生长中后期各一时相.最后,采用阈值分类算法对最佳时相参数进行了验证.结果显示,选用最佳时相影像和理论推导的分类阈值能够显著提高水稻制图的精度.     

Bistatic scatterometer monitoring of soil moisture by microwave remote sensing at X-band

Soil moisture is important for irrigation planning, as well as in forecast the risk of flash floods, or the occurrence of fog. Measurement of scattering coefficient σ0 of a bare soil was performed by changing the soil moisture content by using the X-band (9.5 GHz) scatter meter. These experiments were conducted over a range of incidence angle from 20° to 70° at step of 5° for both the vertical–vertical (VV) and horizontal–horizontal (HH) polarization. The emissivity is observed by measuring the reflectivity from the microwave system. Results show a good angular variation of emissitivity in both the polarization with soil moisture. An idea was developed by using incidence angles as a modulating factor for retrieving the soil moisture at X-band.     

应用Sentinel-1影像纹理信息模型估测杉木林生物量

以福建省将乐县杉木林为研究对象,以C波段双极化合成孔径雷达数据(Sentinel-1)为数据源,通过计算不同极化方式下的后向散射系数和纹理特征值,采用多元线性逐步回归分析,分别建立以后向散射系数与纹理特征值为自变量,杉木林生物量为因变量的估测模型,筛选最优杉木林生物量估测模型。结果表明:VH、VV与VH/VV极化方式的后向散射系数与森林生物量均没有明显的相关关系,相关系数均低于0.2;运用纹理信息建立的生物量估测模型中,VV极化纹理特征值的估测模型的决定系数为0.716 7,均方根误差为62.48 t·hm-2,模型的估测效果最好。因此,C波段双极化合成孔径雷达影像纹理参数在估测森林生物量方面具有重要作用。     

典型旱作物极化散射特征分析与应用研究

选择典型旱作物冬小麦为分析对象,利用全极化星载SAR数据分析了其极化特征,并基于极化分解理论分析了冬小麦在不同长势下的响应特征。最后基于极化分析结果,建立了反演冬小麦长势的新参数。研究方法对利用全极化雷达数据分解目标散射特征,提高反演精度和有效性方面具有重要意义。     

基于高分三号卫星数据与Η/Α/α-分解特征参数的农作物分类研究

利用高分三号(GF-3)卫星的全极化C波段多极化合成孔径雷达数据,基于Η/Α/ \stackrel{-}{\alpha }极化分解提取香农熵(SE)及其强度分量(SE_I)和极化分量(SE_P)、单次反射特征值相对差异度(SERD)、二次反射特征值相对差异度(DERD)、极化比(PF)、基准高度(PH)、极化不对称性(PA)和雷达植被指数(RVI)共9个特征参数,将其应用于农作物分类研究中,以支持向量机(SVM)和随机森林(RF)算法为例,初步探索了基于Η/Α/ \stackrel{-}{\alpha }分解提取的这9个特征参数在GF-3数据支持下的农作物分类潜力。结果显示:单独将SERD、PH、PF、RVI和SE_P参数用于2种分类方法时,分类精度较高,在82%~92%;但单独运用PA、DERD、SE和SE_I的分类精度均低于80%。将分类精度较低的4个参数组合后,分类精度明显提高,在SVM和RF下的总体分类精度分别达到93.02%和92.05%,Kappa系数均大于0.8。结果表明,基于全极化GF-3数据和Η/Α/ \stackrel{-}{\alpha }极化分解方法提取的9个特征参数,能很好地表征农作物的散射特征,可用于农作物分类研究。     

C波段多极化SAR反演土壤水分研究

[目的]研究不同极化方式下雷达后向散射系数与地表土壤含水量之间的关系.[方法]在分析不同地表微波散射模型基础上,选用合适的植被散射模型结合多极化雷达数据从雷达总的后向散射中去除植被影响,建立土壤后向散射系数与土壤含水量的关系.[结果]拟合HH极化、HV极化雷达观测数据与土壤水分数据,相关系数为HH极化R2=0.552 3,HV极化R2=0.357 9.[结论]微波具有全天候、穿透性以及不受云层影响的独特物理机制,使其在研究大尺度土壤水分反演时效果较好,相比较HV极化,HH极化雷达影像数据更适合干旱区作物植被覆盖地区土壤水分监测.     

玉米地微波相干和非相干散射模型比较分析(英文)

[目的]对玉米地微波相干和非相干散射模型进行比较分析。[方法]在Stile相干散射模型的基础上提出了针对玉米作物的相干散射模型,模型中使用物理光学(PO)和无限长介电圆柱体近似方法计算玉米叶片和秆的单散射体矩阵,替代了原模型中计算窄叶的单散射体模型,并在模型中考虑了不同散射机制之间相互作用所产生的相干分量。研究中所使用的非相干散射模型为密歇根森林散射模型(MIMICS)。使用吉林省公主岭地区玉米地部分生长周期内的实测数据为以上相干和非相干散射模型的输入参数,分别模拟L和C波段VV和HH极化的后向散射系数,并将这2个模型的模拟结果进行了比较。[结果]该模型在不考虑树干层的情况下,可应用于玉米地后向散射系数的模拟玉米;该相干散射模型在L波段的模拟结果较差,在植被生长初期表现为模拟结果没有明显的规律性;通过相干和非相干散射模型的比较分析,证实由散射机制引起的相干性是较小的。[结论]文中只分析了随入射角变化,相干和非相干散射模型的差异,在以后的研究中,需要进一步分析该差异随植被和土壤参数的变化情况。