Radarsat-2 在我国农业领域的应用※

●刘晓光 范 伟 胡 昊 朱曙光

（1.安徽水安建设集团股份有限公司 安徽 合肥 230601；2.安徽省智慧城市工程技术研究中心 安徽 合肥 230601；3.安徽建筑大学环境与能源工程学院 安徽 合肥 230601；4.水污染控制与废水资源化安徽省重点实验室 安徽 合肥 230601；5.安徽建筑大学节能研究院 安徽 合肥 230022）

我国农业部门每年会对农作物种植种类、种植区域和农作物产量等进行评估和调查[1]。人工调查虽然可以在局部得到非常细致的结果，但难以覆盖到全部区域，只能以点带面。人工调查费时费力，实效性差，人工费用也高。卫星遥感以其“站得高”、覆盖面积大，同步和实效性强，省时省力、低价的特点，在广阔的农业区域进行调查时，越来越发挥出独到的优越性。

迄今为止，光学卫星对地观测已有半个世纪，形成了非常成熟的技术，并获得了大量卓有成效的研究成果。但我国地处季风性气候影响非常明显的地理位置，经常形成阴雨雪天等，容易对光学卫星观测的实效性和准确性造成不利影响。而近些年兴起的星载合成孔径雷达（Synthetic Aperture Radar，SAR），即星载SAR 卫星，由于其工作在微波波段（S 波段、C 波段、X 波段、K波段等），这些较长的波长使得观测基本不受天气影响，可全天候观测[2]。随着星载SAR 的技术的高速发展，现在除了可全天候观测外，高空间分辨率、较短的重返周期、低廉的价格甚至免费等优点，使其在阴雨雪天气光学卫星无法及时和准确观测时，可作为重要的补充。

Radarsat-2 是一颗搭载C 波段传感器的高分辨率星载SAR 商用雷达卫星，由加拿大太空署与MDA 公 司（MacDonald Dettwiler and Associates Ltd∙，MDA）合作运行。卫星观测结果有包括全极化模式（HH，HV，VV 和VH 极化数据）在内的18 种成像模式，最高米级的空间分辨率，以及2～3 d 的重返周期，其产品参数见表1[3]。目前Radarsat-2 是全世界最先进的星载SAR 商业卫星，被广泛应用于各行业，例如海冰测绘、船舶航线探测、冰山探测、农作物监测、船舶海洋监测和污染检测等。

表1 Radarsat-2 数据主要参数

由于Radarsat-2 具有诸多高性能观测的特点，使得其在2007 年升空后被广泛应用于我国众多领域，如对湖泊水质的监测等，获得了大量卓有成效的研究成果[4]。Radarsat-2 在农作物种类识别、种植面积、长势监测、产量评估以及勘灾定损等方面获得了诸多成果。本文以我国重要的粮食作物水稻和冬小麦为例，总结Radarsat-2 在这两种农作物领域应用的主要成果，并对其未来的应用前景进行了展望。

1 Radarsat-2 在水稻领域应用主要成果

Radarsat-2 在水稻领域应用的主要研究成果包括三个方面。

1.1 水稻识别和种植区域分布研究

一般选择多时相、多极化Radarsat-2 影像，采取不同方法对水稻种植区域分类。单捷等[5]应用Radarsat-2 数据，选择支持向量机法（SVM）和最大似然法（MLC）进行水稻面积提取，精度均超过90%；国贤玉等[6]选择全极化Radarsat-2 数据模拟并提取CP-SAR 数据（紧致极化，Compact polarimetry synthetic aperture Radar， CP‐SAR），并结合两种分类方法：SVM 和决策树进行水稻精细分类研究，达到92∙57%的分类精度；李坤等[7]通过全极化Radarsat-2 数据，分析水稻及典型地物的极化散射机制及相互之间的差异，通过极化差异和极化分解理论提取水稻信息；田昕等[8]将双极化和全极化水稻雷达影像进行提取，指出Radarsat-2相比ALOS PALSAR 优势和劣势，并进行了分类精度比较；韩宇[9]针对南方混种现象，采用全极化Radarsat-2 为数据源，应用特征空间离散程度以及极化合成下的极化空间功率分布，实现对包括水稻在内的多种农作物分类，达到92%以上分类精度。通过极化比值法，将水稻信息从其他农作物中增强，如张晓倩[10]、化国强等[11]通过HH/VV比值极化，突出了水稻信息，得到了水稻分布区域，张晓倩还绘制了水稻生物量分布图。

1.2 水稻长势和产量评估分析

一般对Radarsat-2 影像数据，采用优化算法建模，从而提高评估精度。谭正[12]同化Radarsat-2 数据，优化WOFOST 作物生长模型参数，提高了模型模拟精度，为水稻长势监测和估产提供参考；张晓倩等[13]分析不同极化和极化比值，以构建水云模型、二次多项式模型和指数模型反演水稻生物量，发现反演水稻生物量精度相对较高的是HH 水云模型与HH/VV 指数模型；此外，贾明权[14]通过MIMICS 半经验模型的反演算法和基于Monte-Carlo 模拟的神经网络反演算法，结合全极化Radarsat-2 数据，实现水稻生物量的反演和验证。

1.3 水稻参数正反演模型建立

通过对水稻不同生长阶段的后向散射系数分析，建立相关参数正反演模型。对水稻叶面积指数的反演，就是一个重要研究方向。张晓倩等[15]通过后向散射系数四极化和比值极化HH/VV，建立叶面积指数反演模型；景卓鑫等[16-17]以星地同步测量方式，将水稻后向散射系数结合地面实测叶面积指数数值，通过最优化神经网络建立叶面积指数反演模型，并对水稻冠层密度、植株高度也进行了反演。另外，对水稻微波散射特性也有相关研究，贾明权[14]分析了不同生长期水稻在C 波段、全极化不同入射角的散射特性。何泽[18]对水稻物候进行监测，通过应用不同生长期、全极化Radarsat-2 数据，建立了基于后向散射系数的水稻物候反演模型。而对水稻的光合有效辐射吸收比率（Fraction of absorbed photosynthetically active radiation，FPAR）亦有深入研究，张宇[19]通过多源卫星（光学和Radarsat-2），结合2014～2016 年野外实验，建立了水稻FPAR 生长曲线和30 m 分辨率的水稻FPAR 产品。

2 Radarsat-2 在冬小麦领域应用主要成果

Radarsat-2 在冬小麦领域应用的研究成果主要包括四个方面。

2.1 冬小麦种植区域和生物量评估研究

应用多种分类方法在冬小麦种植区域进行提取，单捷等[20]选择Radarsat-2 全极化影像5 期，采用MLC 和SVM 分别对不同时相的冬小麦种植面积进行提取；基于优化算法建模进行估产估算，岳继博等[21]选择冬小麦抽穗期和灌浆期两个生长期和对应的Radarsat-2 全极化雷达数据等，利用随机森林算法进行冬小麦生物量评估回归建模；此外，岳继博等[22]应用2013～2014 年43 组冬小麦生物量和Radarsat-2 全极化雷达数据，通过对物冠层覆盖条件和土壤含水量进行研究，得到它们和冬小麦作物生物量有相关性的结论。有学者通过全极化雷达数据结合地面人工测产进行冬小麦产品评估，范伟等[3]应用全极化Radarsat-2 在安徽省涡阳县进行星地同步测量，得到了超过80%精度的冬小麦测产模型，这也是此卫星在我国对冬小麦产量评估的首次应用，为后期相关工作展开打下研究基础；范伟等[23-24]，陈磊等[25]，陈娟等[26]在Radarsat-2 过境时，选择冬小麦多种生长期进行人工采样，采用星地对比，建立基于全极化、双极化冬小麦估产模型，得到了超过80%的估产效果，同时进行了雷达估产模型对比分析，指出冬小麦倒伏对产量评估的影响，和光学卫星进行了估产模型对比。另外，考虑农作物生长模型建模时，经常将背景误差设为均匀各向同性，使得有时会降低作物长势和产量评估，吴尚蓉[27]构造均匀各向异性的背景误差，提高了农作物长势和产品评估精度，为大区域作物的长势监测和产量预测的实时性、高精度提供了技术支撑。

2.2 冬小麦不同生长期雷达后向散射系数分析

蔡爱民等[28]选择冬小麦两个重要生长期——孕穗期和乳熟期，依据电磁理论模型——微波植被散射模型（MIMICS），分析不同生长期的散射特征，并指出用极化比HH/VV 可提取孕穗期冬小麦长势信息，而极化比VV/VH 更易提取乳熟期长势信息，在进行冬小麦产量估算时则可选择乳熟期极化比VV/VH。

2.3 冬小麦作物秸秆生物量估算分析

考虑冬小麦收割后的秸秆存留对当地环境的影响，有学者对残茬生物量进行评估。雷步云[29]选择Radarsat-2 全极化数据结合地面试验，以黄淮海平原为研究区，进行了冬小麦作物秸秆生物量估算研究，得到了平均相对误差为7∙13%的高精度估算模型。

2.4 冬小麦参数的反演建模

这是为了解决微波遥感对下垫面参数反演的问题。有学者基于优化算法对冬小麦叶面积指数进行研究，陶亮亮等[30]应用改进后的水云模型结合Radarsat-2，反演植被含水量，并应用植被含水量和叶面积指数经验关系获得叶面积指数，得到了决定系数高达0∙841 的水云反演模型；王舒[31]选择支持向量机（SVM）算法，基于风险最小化原理，结合Radarsat-2 影像的HH、VV 和HV 极化模式，提高了叶面积指数反演精度。也有学者分析倒伏冬小麦在微波雷达的特征，杨浩等[32]应用覆盖整个小麦生长期的Radarsat-2 全极化数据，发现相比正常生长的冬小麦，倒伏的冬小麦对极化信号反应更加灵敏，研究指出应用此方法能区别倒伏和正常生长的冬小麦。此外对不同物候期冬小麦后向散射信号也有分析。蔡爱民等[33]发现了冬小麦孕穗期和乳熟期这两个物候期对应的不同极化特征。也有学者应用辐射传输方程进行冬小麦参数反演，闫文佳[34]应用微波辐射传输方程，建立基于冬小麦的微波散射物理模型，实现对小麦穗、叶和秆的后向散射贡献的定量化。

3 结论

Radarsat-2 卫星凭借其全天候观测、高重返周期和高空间分辨率等优点，目前已经成为在众多领域广泛应用的商业卫星。通过总结可以发现，星载SAR——Radarsat-2 卫星在农业领域的应用涉及面非常广，基本覆盖了农业领域所需，体现了星载SAR 在对农业领域监测的优势和潜力。其应用的主要方面体现在：第一，通过优化算法和分类方法，实现对两种农作物种植区域识别、长势和产量的评估，这也是此卫星应用的重要方面；第二，通过后向散射系数，结合优化算法进行这两种作物不同生长期的参数反演，如叶面积指数等，也有进行倒伏极化散射特征的研究；第三，通过星地测量方法进行冬小麦收割后秸秆残茬生物量的高精度评估。