首页 > 微波射频 > 雷达 > 微波遥感在农业中的应用研究进展

微波遥感在农业中的应用研究进展

2015-04-18   来源:互联网   点击:
微波是指波长1~ 1 000 mm 的电磁波。从19 世纪60 年代初至今,微波遥感已逐渐发展成为一种观测地球的重要手段。相对于光学遥感,它有自身的特殊优点。它能够穿透云层和在某种程度上穿透雨区,不依赖于太

微波是指波长1~ 1 000 mm 的电磁波。从19 世纪60 年代初至今,微波遥感已逐渐发展成为一种观测地球的重要手段。相对于光学遥感,它有自身的特殊优点。它能够穿透云层和在某种程度上穿透雨区,不依赖于太阳作为辐射源,而且比光波能更深地穿透植被。微波得到的信息与可见光、红外波段得到的信息不同,微波波段的测量值主要取决于研究对象的几何特性和介电特性。通常按照工作模式可以把微波传感器分成两类:主动式和被动式微波传感器。主动式微波传感器自己提供照射源,有发射机和接收机,例如雷达、散射计和高度计;被动式微波传感器仅是一部接收机,可以测量被观察场景发出的辐射,如微波辐射计。

从1974 年,美国国家航空航天局(NASA)、农业部(USDA)和国家海洋大气局(NOAA)等机构联合开展/ 大面积农作物估产实验(LACIE)0计划以来,遥感在农业方面逐步得到应用。25 年后,该项目的负责人美国农业部的Moran 等对ERS-2 SAR 数据和Landsat TM 数据进行农作物和土壤状况监测的比较,认为光学遥感存在不能穿透云层和大气衰减的局限性,应鼓励利用SAR 图像进行农作物和土壤评估的研究。微波遥感在农业中的应用研究已经在国内外广泛开展,笔者介绍了植被的微波散射与辐射的物理机理,综述了近20 年来微波遥感在农作物识别和面积提取、长势监测和农作物覆盖下的土壤水分监测、产量估算研究的最新进展,展望了未来微波遥感农业应用研究的重点,期望能为国内微波遥感在农业方面的研究应用提供参考。

1、植被的微波散射与辐射物理基础

1.1、植被微波散射原理

为研究电磁波与植被的相互作用机制和过程,发展了许多微波后向散射模型。散射模型的研究旨在用数理方法精细刻画目标物的介电特征和空间几何特征。雷达后向散射模型分为3 类:经验模型、物理模型和半经验模型。经验模型一般是从观测的后向散射数据利用分析、回归等数学方法得到主要要素的贡献。物理模型基于电磁场理论和辐射传输理论,通过辐射传输方程来求解散射系数。半经验模型是综合经验模型和物理模型的优点产生的,既考虑模型的定性物理含义,又采用经验参数建模,例如水云模型、MIMICS 模型、圣巴巴拉微波冠层后向散射模型(SBM)等。

忽略植被自身发射的矢量辐射传输方程如下:

(1)

式中,I 为Stokes 矢量;μ= cosθ,(θ,Φ)为电磁波的传播方向;K 是4X 4 的衰减矩阵,反映电磁波沿传播方向的衰减;F 是散射源函数,反映由各方向散射至(μ,i)方向的增加量。 

1.2、植被微波辐射原理

在有植被覆盖的土壤表面,植被层既削弱了土壤的发射又增加了自身的发射。在低频率微波波段,经常用一个简单的辐射传输模型来模拟微波亮度温度,也被称为τ-ω模型。该模型基于两个参数: 光学厚度τ和单次散射反照率ω,它把总发射看成3 部分之和:直接的植被发射,经土壤反射和冠层衰减的植被发射和经植被衰减的土壤发射。其公式为:

(2)

式中,Tv、Tsoil为土壤和植被有效温度;ω为单次散射反照率,它受入射角和极化状态影响;γ为植被透过率,可以用光学厚度τ和入射角θ来表示;Γs为土壤反射率,主要取决于土壤湿度、植被粗糙度和纹理。 

2、微波遥感农业应用研究

2.1、农作物识别与面积提取

农作物识别是建立一个农作物监测系统关键的第1 步。对农作物进行识别后,可以估算每种作物类型的种植面积,从而为基于面积的农作物管理提供统计数据,并为估产模型提供输入参数。利用遥感进行农作物识别,需要选择作物生长期的特定时间段获取遥感数据。雷达可以穿透云层全天时全天候的工作,为农作物识别研究提供了有保障的数据源。

由于被动微波数据的空间分辨率多为几十千米,无法满足作物的分类和提取研究要求,农作物提取的数据源多为主动微波即雷达数据。早在1969 年,美国堪萨斯大学的Hara-lick 等对K 波段的雷达图像进行研究,表明植被类型影响信号强度,并且与光学图像相比较,在作物区分中表现良好。1977 年,为美国航天飞机成像雷达的发射做准备,Bush 等就利用机载雷达进行实验,对雷达作为农作物分类器进行了评价。近年来,利用雷达数据进行农作物的提取多注重于数据获取时间的选择和对多参数雷达数据及雷达与光学数据结合应用的探索。

进行作物识别时,数据获取时间的选择非常重要。根据不同类型作物的生长阶段,选择进行农作物提取合适的图像获取时间可以提高提取精度。分析要提取的植被和其共生植被的后向散射特性,避开它们容易混淆的时间。有研究表明,7 月份获取的数据在植被提取上比其他时间更优越。另一方面,多时相雷达数据也可以提高提取精度。Shao 等利用4 月中下旬和5 月中旬的两幅RADARSAT 图像对水稻种植区进行提取,精度达91%。

多波段多极化的雷达数据及雷达和光学数据相结合可以改进农作物分类精度。多波段多极化的数据包含作物在不同波段和极化状态下的后向散射特性的信息,因此提供了更高的可分性。Ferrazzoli 等对多波段多极化雷达分类进行了实验,结果表明,单波段单极化的SAR 数据识别农作物是有局限性的,利用多波段多极化的雷达数据,可以获取高达90% 的精确度。另外,和雷达数据主要反映植被的结构特征与介电特征不同,光学数据反映了植被的光谱信息,两种数据结合,可以获得一种数据达不到的精度。Michelson 等利用Jeffries-Matusita 距离计算类别可分性,得出Landsat TM和ERS-1 数据结合时可以达到最高的可分性。通常,在多云雨天气的区域,雷达数据是光学数据的有利补充。

综上所述,理论上,多时相的雷达数据和光学数据结合可以获取最佳的农作物识别和提取效果。在具体应用中,还要结合需要判别的作物类型、所获取数据的卫星过境时间和数据可获取性,综合分析进行数据选择。

2.2、农作物长势监测

2.2.1、农作物生长状况监测。

同一种作物,由于光、温、水、土等条件的不同,其生长状况也不一样,在微波图像上表现出不同的辐射和散射特性。利用微波遥感数据,可以对植被的生物物理和生物化学参数,例如植株高度、叶面积指数、生物量、叶绿素总含量等进行反演,从而对作物的健康状况进行监测,及时地发现农作物的病虫害、旱涝等灾情,并采取应对措施,减少农业灾害所带来的损失。

植被冠层的微波特性是冠层物候历、类型和雷达频率和波段的函数,在不同的频率和极化状态下,不同类型作物响应不同。研究微波数据与农作物生长过程的关系,是发展可靠的农作物监测方法的基础和关键条件。了解农作物的微波辐射或散射特性随作物生长变化的规律,可以利用植被的后向散射或辐射模型对作物的散射或辐射过程进行模拟,也可以安装地基的微波设备,进行地面测量。前者的缺点是后向散射受很多因素的影响,建立的模型很难把各种影响都描述清楚,因而适应性和强壮性较差;反之,针对特定物种进行地面实验,可以获得微波数据和作物生长参数之间更确定的关系。

在地面实验早期,由于受设备落后和实验条件的限制,测量一般较简单,但也揭示出反映农作物生长状况的生物物理和生物化学参数与农作物的微波测量结果存在着一定关系。1983 年,意大利国家研究委员会的Paloscia 等安置地基微波辐射计,对玉米和小麦的微波发射和植被的物理状况进行了一系列的测量,发现极化指数和作物水胁迫相关。1990 年,Bouman 等对甜菜、马铃薯等农作物的微波散射进行了长达6 年的观测,他们利用地基的散射计对不同角度水平垂直极化X 波段的雷达后向散射测量,发现随着作物生长,后向散射也逐渐增强,直到饱和;不同入射角后向散射强度不同;植被的几何形状影响后向散射强度大小。随着人们对农作物微波数据需求的增强,在地面实验中进行多波段、多极化、多角度的数据的观测逐渐开展。在农作物观测实验中,2001 年,日本国家农业环境科学研究所的Inouea 等利用全自动MAPS 微波散射计对Ka、Ku、X、C、L 5 个波段、4 个入射角、全极化对水稻每天进行观测,LAI 与C 波段、生物量与L 波段、稻穗重量与Ka、Ku 波段相关性最大。2003 年,Brown 等利用地基雷达获得了小麦冠层X 和C 波段后向散射的三维图像。

利用微波数据进行植株生长状况的监测,一方面要分析作物生长状况与各种生长参数的关系,另一方面要建立微波数据与农作物生长参数的关系,利用微波数据进行生长参数的定量化提取。定量化提取的方法有统计方法,包括一元线性回归、逐步多元线性回归和部分最小二乘回归等;物理方法,对冠层反射率模型的反演,包括迭代最优化算法、查找表方法和人工神经网络等。2004 年印度的Singh 等分析了蚱蜢虫害的发生与玉米作物参数,例如植株高度、生物量、LAI、总叶绿素含量等的关系,发现总叶绿素含量和病虫害发病率有最好的相关性,建立二者经验模型;另一阶段,利用散射计测量不同生长阶段的玉米X 波段的不同极化和入射角的散射数据,对总叶绿素含量和散射数据进行线性回归分析,选择入射角和极化状态。基于两种阶段的研究,建立用微波遥感估算病虫害发生率的算法。利用该算法估算的病虫害发生率和实际情况有很高的一致性。

利用微波数据进行农作物监测时,需要注意露水的影响。2000 年,加拿大的Wood 等分析了露水对利用RADARSAT-1 图像进行业务化的作物监测的影响。露水存在时,后向散射强度会增加,但是整体的作物可分性不会受其影响。在进行农作物信息从雷达图像中定量化提取时,要注意去除露水的影响。

2.2.2、土壤湿度提取。

土壤湿度和它的时空变化是农业科学研究的一个关键因子,土壤水分的监测,是农业过程研究的主要组成部分。在区域尺度上,土壤水分的监测对农作物监测和产量估算、干旱预测是非常重要的。常规的测量方法有土壤湿度计法、电阻法等,利用这些方法进行测量,要进行大面积的土壤湿度观测,需要建立高密度的观测点网络,需要耗费大量的人力财力。用遥感进行土壤水分监测,宏观、时效性强,可以克服以上缺点。

微波遥感进行土壤水分监测,可测得地面0~ 5 cm 深度的土壤湿度,土壤水分含量影响土壤介电特性,表现在微波图像上为后向散射系数和亮度温度的变化。主动微波遥感数据的空间分辨率较高(< 100 m),应用在局部区域,被动微波遥感的分辨率一般在10 km 量级,一般应用于全球尺度。

目前,主动微波遥感土壤湿度提取,主要通过建立土壤水分含量和后向散射系数之间经验关系,提取土壤湿度。尽管一系列的物理模型,例如几何光学模型、物理光学模型和小扰模型等可用来模拟地表的后向散射机理,但是由于需要多个生物物理参数和土壤参数,它们不能直接应用于大多数的农作物覆盖地表的土壤湿度提取。近年来发展的经验方法考虑了利用多参数的微波信息提取土壤湿度。被动微波遥感土壤湿度提取有两种方法,一种和主动微波遥感相同,建立土壤发射的亮度温度和土壤湿度之间的统计关系,进行湿度提取;一种是根据辐射传输方程,建立亮度温度和土壤湿度之间的物理模型,通过最小化表示模拟亮度温度和实际测量亮度温度之间的差别的损失函数求得土壤湿度。1999 年,美国Oklahoma 州进行的南大平原(SGP99)实验中,利用机载主动和被动微波传感器(PALS)进行土壤湿度的反演,分别达3%和2% 的精度。2002 年,在美国Iowa 州进行的土壤水分实验(SMEX02)中,又对更高含水量植被覆盖下的主被动微波遥感土壤湿度提取的各种算法进行了检验。研究区域为大豆和玉米两种作物覆盖,利用多元线性回归建立微波观测数据和土壤湿度之间的统计关系,土壤湿度提取误差约为0. 05 g/ g;利用被动微波遥感原理,由基于零阶辐射传输方程的物理模型获得的提取误差约为0. 04 g/ g。实验还表明,随着植被含水量的增加,微波数据对土壤含水量的敏感度降低。2003 年,Parde 等利用L 波段多入射角双极化的微波发射数据对麦田土壤湿度提取进行研究,比较了几种基于物理模型的提取算法。根据被提取出参数的个数,他们将这些算法分为单参数法、两参数法和三参数法。其中三参数法不需要植被的辅助信息,而且土壤湿度、植被天顶角光学厚度和极化参数可以同时被提取出来,可以获得最高的湿度提取精度。利用被动微波遥感进行土壤湿度的提取时要注意去除植被覆盖、土壤温度、雪覆盖、地形和土壤地表粗糙度的影响。

2.3、农作物单产估算

农作物产量的估算对一个国家采取的国内国际经济政策有着重大的影响,对国家进行粮食管理有着重要作用。近年来,大量研究建立了各种遥感农作物单位面积产量估算的模型,这些模型考虑了气象因素、农作物生长过程等,遥感数据则作为作物估产模型的直接或间接输入参数之一。2000 年,Shao 等将RADARSAT 提取的水稻信息与传统的农学模型相结合,对水稻产量进行了估算,达到了很好的效果。

3、研究展望

微波遥感在农业上的应用主要在利用微波遥感进行农作物识别和面积提取、农作物生长状况监测、土壤湿度提取和产量估算等方面。自1981 年第1 个成像雷达SIR-A 搭载航天飞机升空后,航天微波遥感技术取得了巨大进展。随着ALOS、ENVISAT 等卫星的升空,越来越多的多角度、多波段、多极化的雷达数据被获取。纵观微波遥感农业应用发展的态势,今后微波遥感农业应用的研究应集中在以下几方面:

(1)安装地基微波设备,开展农作物微波测量实验。针对具体的农作物,安装地面观测设备,对其各个生长阶段的微波散射或辐射进行测量,是提出微波的农作物长势监测方法的基础和重要依据。

(2)多参数微波数据的应用研究。不同波段、极化状态和角度的数据从不同侧面反映了农作物的微波特性,从而为具体应用提供了更加丰富的信息。根据具体的应用目标和农作物的微波特性,多种微波数据相结合,可以提高农作物识别和监测的精度。

(3)农作物参数的定量化提取模型研究。从微波遥感数据中提取反映作物生长状况的生物物理和生物化学参数及重要的影响因子土壤湿度,目前大多数使用的是经验模型,其缺点在于适应性差,不能应用于不同的研究区域。如何建立有物理基础的物理模型或半经验模型,提高参数定量化提取的精度,是未来研究的难点也是重点之一。

(4)业务化农作物监测和估产系统的建立。农作物长势监测和估产的最终目的是为国家、组织或个人决策和管理提供信息。建立业务化的农作物长势监测和估产信息,需要考虑农作物的生长过程、数据的可获取性、数据处理和信息提取的效率和精度,综合以上几方面,建立业务化遥感农作物监测和估产系统,才能使所作的研究发挥最大的效用。

作者:鹿琳琳,郭华东,韩春明

上一篇:积雪被动微波遥感的研究进展与前景展望
下一篇:雷达抗干扰技术研究