紫金山国家森林公园全极化雷达图像分类比较

全极化雷达图像的最大优点是能够获取目标的全极化散射特征,从而使其在地表植被的分类和森林参数反演中具有较大的应用价值。以紫金山国家森林公园为研究对象,2011年的全极化雷达数据、典型地类野外调查数据为主要信息源,在PAULI、 SINCLAIR、 CLOUDE-POTTIER、 FREEDMAN-DURDEN四种目标特征值分解基础上,采用最大似然、支持向量机、神经元网络和随机森林4种方法进行监督分类。结果表明,5种组合中12个特征值组成的特征图像的最大似然分类的精度最高,总体分类精度为58.20%, CLOUDE-POTTIER、 FREEDMAN-DURDEN 总体分类精度较低,分别为51.86%、52.36%;4种分类方法中,12个特征值组合的图像的随机森林分类方法的总体分类精度最高,总体分类精度为74.29%,神经元网络的分类精度较低,总体分类精度为56.98%;6种地类中,针叶林、阔叶林和建筑的分类精度较高,草地、水体和裸地的分类精度较低。     

黄土丘陵区3种典型人工阔叶纯林枯落物分解对土壤性质极化的影响

【目的】探讨黄土丘陵区3种典型人工阔叶纯林枯落物分解对土壤性质极化的影响,为防治森林土壤退化和连栽障碍提供科学依据。【方法】在位于黄土高原中部半湿润黄土丘陵区的陕西黄陵县,选择刺槐、辽东栎和小叶杨3种典型人工阔叶纯林为研究对象,采集林地腐殖质层土壤和枯落物（当年枯落叶及细根）,分别设“土壤+枯落叶”、“土壤+根系”、“土壤＋枯落叶+根系”和土壤不与任何枯落物混合（对照）4种处理方式,进行室内混合培养试验,共培养120 d,分析枯落物分解对土壤生物学和化学性质极化的影响。【结果】1）在刺槐林地,枯落叶分解主要引起土壤pH值、过氧化氢酶活性和微生物数量负向极化,根系分解主要引起pH值、速效磷含量负向极化;但就土壤总体性质而言,枯落叶和根系均引起了正向极化,且根系影响大于枯落叶,二者混合分解对土壤的影响总体表现为相互抑制。2）在辽东栎林地,枯落叶分解主要引起蔗糖酶、多酚氧化酶、过氧化氢酶活性及速效磷、速效钾含量负向极化,根系分解主要引起过氧化氢酶活性和速效钾含量负向极化;但就土壤总体性质而言,枯落叶分解引起了负向极化,而根系分解引起了较弱的正向极化,且二者混合分解对土壤的影响总体表现为较弱抑制作用。3）在小叶杨林地,枯落叶分解主要引起蛋白酶、过氧化氢酶活性及速效磷含量负向极化,根系分解主要引起蛋白酶、过氧化氢酶活性及微生物数量和速效磷含量负向极化;就土壤总体性质而言,枯落叶和根系均引起了负向极化,且根系影响较明显,二者混合分解对土壤的影响总体表现为相互促进。【结论】从枯落物分解对土壤性质极化影响的总体结果来看,刺槐比较适宜在该地区一定时间内继续连栽,其次为辽东栎,而小叶杨不适宜。     

基于合成孔径雷达的农作物后向散射特性及纹理信息分析——以吉林省农安县为例

及时掌握农作物类型、时空分布和结构信息,是合理调整农业结构的重要科学依据。针对光学遥感依赖于太阳辐射,在农作物生长周期内常受制于云雾的影响而无法获取到光学遥感数据的问题,本文采用全天时全天候、不受云雾等天气影响的合成孔径雷达（synthetic aperture radar,SAR）影像,探讨典型农作物的后向散射特性和纹理特征,为采用合成孔径雷达影像实现高精度农作物大面积监测提供科学依据。以吉林省农安县为例,利用12景Sentinel-1B双极化SAR影像数据,经影像预处理和统计分析,研究不同极化的农作物后向散射特性和纹理信息。结果表明：3种作物（大豆、玉米、水稻1和水稻2）同极化（VV）的SAR后向散射系数在生长周期内均高于交叉极化（VH）,农作物植株形态改变极化方式的能力为-25~-15 dB。3种作物在整个生长期内,后向散射系数呈现较大波动,各阶段后向散射特征差异明显。在生长初期,土壤对后向散射特征起主要作用,在SAR图像上表现为暗色调;随着作物生长,冠层散射叠加土壤散射作用占据主要位置,散射值随作物生长呈现逐渐增加的趋势,在SAR图像上表现为亮色调;拔节（分枝）后（7月10日后）作物的后向散射信号除冠层散射作用外,还主要受到土壤含水量及其与作物相互作用的影响,因此拔节后两种水稻后向散射系数下降幅度较大。水稻对雷达波的吸收强于玉米和大豆,整体上后向散射系数第2种水稻<第1种水稻<玉米<大豆,尤其在VH极化方式下表现更明显。对作物SAR纹理信息的研究表明纹理信息的均值、方差和协同性对于农作物的SAR识别更有效,最佳纹理信息为VH极化均值,有利于识别3种作物;VV极化方差和VV协同性有助于区分两种水稻;SAR影像识别作物的最佳时相为5月23日至7月10日。     

基于Sentinel-1A双极化时序数据的甘蔗株高反演方法

甘蔗株高为甘蔗品种与土壤、气象、水文等因素的综合反映,是甘蔗长势监测与估产的重要指标。研究以华南地区气候与天气条件为基础,通过对覆盖甘蔗全生长期的23景时间序列Sentinel-1A数据进行预处理、矩阵转换与Cloude-Pottier分解,求得双极化雷达植被指数（Dual-pol radar vegetation index, DPRVI）。分析了该指数与甘蔗长势参数（株高）随甘蔗不同生长期的动态变化规律。采用4种经典的经验回归模型（线性、二次多项式、指数、对数）,以分段函数形式对不同生长期的甘蔗株高进行反演,建立最佳反演模型。实验结果表明,拟合模型在分蘖期前相关性最高,二次多项式模型拟合效果最优,决定系数R²与均方根误差分别达到了0.882与0.118 cm,对反演效果最好的分蘖期之前的二次函数模型进行验证,结果表明决定系数R²达0.839,平均绝对偏差为7.4%,说明DPRVI反演甘蔗株高是有效的。将DPRVI与其他3种经典的反演参数进行对比,结果表明,DPRVI的性能优于其他3种参数。通过分析可得,DPRVI可以较好地反演甘蔗生长前期...     

基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型。研究结果表明：经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高。不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R2v/R2c为0.955,具有良好的鲁棒性。研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路。     

极化SAR 农作物分类研究进展

【目的】农作物分类是农情遥感监测的重要环节。及时、准确地获取农作物类型、面 积及空间分布信息对加强农业生产管理、制定经济政策以及保障国家粮食安全具有重要意 义。【方法】文章从监测的农作物类型、使用的数据源、分类特征、算法及精度等方面系统 总结了近10 余年来农作物极化SAR 分类的研究进展,梳理归纳了农作物SAR 分类特征及 其提取方法,对比分析了各种极化SAR 分类方法的优缺点及适用条件,并总结了多源多时 相数据在极化SAR 农作物分类中的应用。【结果】利用极化SAR 数据进行作物分类的精度 逐步提高,但仍存在以下不足：早期极化SAR 监测的作物类型较为单一,以水稻为主,近 期虽涉及多种作物类型,但针对个别旱地作物的分类研究精度仍不高;针对农作物尤其是旱 地作物的散射机制研究明显不足,适合各种旱地作物的分类特征尚未明确与优选;农作物极 化SAR 分类算法以统计方法和机器学习算法为主,机理性和稳定性不强。【结论】农作物极 化SAR 分类未来的发展方向：（1）深入研究农作物散射机制,发展更具普适性的分类算法; （2）选取用于分类的关键时相、关键特征;（3）多源数据融合,充分发挥各自优势,提高分 类精度。     

基于SPAN与NDVI的全极化SAR数据喀斯特地区土地类型划分

地貌复杂性、地物多样性等特征使得全极化SAR（Synthetic Aperture Radar,SAR）数据的散射机制和散射强度相互交织,从而导致基于传统Wishart-H/α的全极化SAR数据难以实现喀斯特地区土地类型的有效划分。针对此问题,本文先用复Wishart距离测度对研究区土地类型样本进行聚类,同时利用H/α平面对研究区进行超盒聚类,然后根据超盒聚类结果平均相干矩阵与样本聚类结果平均相干矩阵间的复Wishart距离进行半监督分类,获得研究区土地类型划分的初步结果。在此基础上利用对建筑物与裸岩地敏感的极化总功率（Polarimetric-Total-Power,SPAN）和对林地、草地与耕地敏感的归一化植被指数（Normalized Differential Vegetation Index,NDVI）对初步结果继续进行划分,最终将研究区土地类型划分为水体、林地、草地、耕地、建筑地和裸岩地,总体分类精度为81.45%;采用另一地势相对平缓、地形相对单一的典型喀斯特地区全极化SAR数据进行验证,在实现该地区土地类型划分的同时总体分类精度为85.66%。说明gai该研究方法能够实现喀斯特地区土地类型的准确划分。     

基于TanDEM-X数据和改进三阶段算法反演森林冠层高度

【目的】提出一种基于TanDEM-X SAR数据的RVoG模型三阶段算法反演森林冠层高度,以解决RVoG模型实际应用中模型成立条件难以严格满足、受地形影响导致森林冠层高度估测精度不高的问题。【方法】以云南省普洱市思茅区思茅松纯林和混交林为研究对象,开展经典三阶段算法、地面相位优化的三阶段算法、纯体散射复相干优化的三阶段算法和低估补偿改进的三阶段算法反演森林冠层高度试验。【结果】RVoG模型经典三阶段算法反演森林冠层高度存在低估现象(r=0.11, bias=-26.20 m, RMSE=7.16 m),地面相位优化的三阶段算法、纯体散射复相干优化的三阶段算法、低估补偿改进的三阶段算法反演森林冠层高度的估测精度较经典三阶段算法提高,其中低估补偿改进的三阶段算法反演森林冠层高度的改善效果最佳(r=0.79, bias=-1.69 m, RMSE=2.56 m);思茅松纯林的估测效果(r=0.81, bias=1.40 m, RMSE=2.27 m)优于思茅松混交林(r=0.72, bias=-3.09 m, RMSE=2.87 m)。【结论】相比经典三阶段反演算法,基于TanDEM-X S...     

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.     

基于Freeman分解和雷达植被指数的极化SAR图像分类

研究首先基于影像的相干矩阵提取特征参数,即雷达植被指数(RVI),再对影像的协方差矩阵进行Freeman分解,得到三种散射机制参数,分别为体散射、面散射和二面角散射。然后组合这些特征参数应用于支持向量机(SVM)中,对极化SAR图像进行分类,并与Wishart监督分类比较。结果表明,雷达植被指数有助于提高植被的分类精度,且该方法的分类精度明显高于Wishart监督分类。