基于ASAR數(shù)據(jù)的水稻制圖與水稻估產(chǎn)研究.pdf

1、水稻是世界上最主要的糧食作物之一。隨著世界人口的增長和經(jīng)濟的發(fā)展，各水稻生產(chǎn)大國迫切需要一個長期、有效和可靠的水稻監(jiān)測體系為本國的水稻生產(chǎn)和國家決策機構(gòu)服務(wù)，包括水稻種植面積、水稻長勢、水稻產(chǎn)量及病蟲害監(jiān)測等。隨著遙感技術(shù)的發(fā)展和遙感數(shù)據(jù)的普及，通過衛(wèi)星監(jiān)測水稻的生產(chǎn)成為可能，并具有宏觀、動態(tài)、及時、準(zhǔn)確的優(yōu)點。由于水稻是喜溫好濕作物，在世界上多種植在溫暖濕潤的東南亞季風(fēng)區(qū)域，分布在中國南部、越南、泰國、印度、馬來西亞、菲律賓等國。由于

2、這些地區(qū)在水稻生長季長期受到云霧的覆蓋，給基于光學(xué)遙感的水稻監(jiān)測帶來困難，經(jīng)常很難獲取一景有效的地面光學(xué)遙感數(shù)據(jù)。而雷達遙感具有不受云雨影響，全天候、全天時監(jiān)測的優(yōu)點，逐漸成為水稻監(jiān)測的重要數(shù)據(jù)來源。 然而，雷達遙感探測地物目標(biāo)的原理和方式與光學(xué)遙感差別較大。雷達圖像所記錄的地物后向散射信息主要反映了目標(biāo)的介電特性、表面粗糙度、幾何形態(tài)和方向特性，同時還和雷達系統(tǒng)參數(shù)有密切關(guān)系，如波長、極化、入射角、分辨率等。另外， SAR作為

3、一種相干測量系統(tǒng)，圖像還受到斑點噪聲的影響，因此增加了利用雷達圖像對地物進行定性分析與定量研究的難度。目前，雷達數(shù)據(jù)在水稻監(jiān)測方面的研究和應(yīng)用還處在初步階段，大量的研究主要集中在水稻制圖、水稻生物學(xué)參數(shù)反演和水稻后向散射模型研制幾個方面，而在水稻估產(chǎn)方面的研究尚缺乏足夠的報道。 因此本文圍繞當(dāng)前功能最強大的ASAR雷達數(shù)據(jù)，結(jié)合2006年在興化研究區(qū)進行的地面水稻同步試驗，對水稻制圖原理和方法進行了深入的分析和研究，提出了水稻制

4、圖的最佳時相參數(shù)，并比較了不同水稻制圖方法。論文還對水稻后向散射系數(shù)與水稻生物學(xué)參數(shù)的關(guān)系進行了分析，并分別探討了基于水稻水云模型和HH/VV的水稻生物學(xué)參數(shù)反演。最后提出了基于ASAR數(shù)據(jù)與水稻作物模型同化的水稻估產(chǎn)方案，并結(jié)合地面試驗數(shù)據(jù)和獲取的多時相ASAR APP數(shù)據(jù)，介紹了估產(chǎn)方案的具體實現(xiàn)，同時對提出的估產(chǎn)方案進行了分析和驗證。就此，論文的主要研究成果和結(jié)論如下： 1.在水稻制圖的最佳時相參數(shù)選擇方面，對于多時相水稻

5、制圖情形，獲取在水稻生長早期，如移栽期或分蘗初期，和水稻生長中期，從幼穗分化期到抽穗期中的任意兩景影像，選用監(jiān)督分類或決策樹分類算法可以獲得85％以上的水稻制圖精度。而對于單時相情形，則需要充分分析各地物的極化散射特性差異，選用在水稻生長中期，即從幼穗分化期到抽穗期間的任意一景進行水稻制圖，同樣可以獲得較高的水稻制圖精度。 2.水稻制圖方法的研究結(jié)果表明，監(jiān)督分類算法和決策樹分類算法都能夠從雷達影像中以相近的精度提取水稻分布信息。但SA

6、R影像受到相干斑噪聲影響，在濾波后，圖像像元分布朝正態(tài)分布逼近，因此相比決策樹分類算法而言，基于圖像統(tǒng)計判別的監(jiān)督分類方法更適合SAR影像的水稻制圖。 3.從水稻水云模型模擬的結(jié)果發(fā)現(xiàn)，HH極化對水稻生長參數(shù)和含水量變化較VV極化敏感，因此HH極化的水稻水云模型可用于水稻生物學(xué)參數(shù)的反演。HH/VV的時相變化與水稻生物量、葉面積指數(shù)的變化具有較好的一致性。HH/VV與水稻葉面積指數(shù)和單位面積冠層含水量呈乘冪函數(shù)的變化關(guān)系，其反演

7、精度與HH極化水稻水云模型的反演精度相近。但HH/VV與水稻抽穗前的株高和相對含水量變化具有更好的反演結(jié)果，反演值與實測值的相關(guān)系數(shù)都在0.92以上。 4.本文提出的基于ASAR數(shù)據(jù)與水稻作物模型同化的水稻估產(chǎn)方案，結(jié)合了本文水稻制圖的研究成果，實現(xiàn)了區(qū)域水稻的產(chǎn)量預(yù)測。其結(jié)果表明，由估產(chǎn)方案獲得的水稻產(chǎn)量分布圖能夠描繪研究區(qū)水稻實際產(chǎn)量的分布趨勢，但由于采用潛在生長條件模擬，模擬的水稻平均產(chǎn)量比實測平均值高約13％，驗證點的水