基于多参数星载雷达数据的水稻估产研究

本项目从水稻形态结构着手，利用多参数ENVISAT ASAR数据，研究基于多极化和多角度星载雷达数据的水稻估产方法。首先，分析水稻形态结构参数，探讨不同类型水稻形态结构特征。分析形态结构参数与多极化、多入射角水稻后向散射系数的关系，寻找有利于区别不同类型水稻品种的最佳ASAR角度和极化模式。然后，结合水稻形态观测数据，以水稻植株形态建成模拟模型为基础，建立水稻形态结构模型，模拟不同类型水稻在不同生长条件下的形态结构参数，并以此为纽带，建立形态结构模型与水稻后向散射机理模型的嵌套模型。第三，采用同化策略，建立水稻估产方案。将ORYZA2000与嵌套模型结合，动态模拟不同类型水稻在不同生长环境下的后向散射系数，并与实测值比较，通过优化ORYZA2000模型参数使差异最小，以实现在最优参数下的水稻估产。最后，利用试验数据，对估产方案进行验证与评价，为建立长期、可靠的水稻遥感监测体系提供技术参考。

由于水稻属喜温好湿作物，生长期常受到云雨等不利天气条件的影响，给光学遥感监测带来困难。而雷达具有全天候全天时对地观测的优势，已逐步成为水稻监测的重要数据来源。本项目采用2010-2011年多时相多角度全极化RADARSAT-2精准数据，分析了多参数星载雷达在水稻遥感监测中的有效性和可靠性，结合比值检测法和SAR图像统计特性，提出了有利于水稻制图的最佳极化和角度模式，同时分析了水稻形态结构参数的空间差异与水稻后向散射空间变化特征的关系。在此基础上，提出了经验的水稻形态结构模型。最后，提出了基于同化策略的区域水稻估产方案。在估产方案中，水稻形态结构模型与水稻作物模型ORYZA2000嵌套，模拟水稻株高、群体茎孽密度、叶面积指数、生物量的动态变化。随后，将嵌套模型与半经验水稻后向散射模型—水稻水云模型进行耦合，模拟VV、HH和VH极化后向散射系数。然后，采用全局优化算法对ORYZA2000模型进行参数重新初始化，以使模拟的极化比值与从RADARSAT-2影像提取的极化比值误差最小。最后获取在最优参数下的区域水稻产量。项目研究显示，水稻制图的最佳SAR入射角为40°，最佳极化模式为任意交叉极化和同极化的比值。提出的最佳水稻制度极化和角度模式具有较强的普适性，其中最佳制图角度模式与前人研究结果相同。水稻的LAI、株高、茎孽密度和植株含水量的空间变化是水稻后向散射特征空间差异的主要影响因子。结合统计回归分析方法发现，在水稻生长早期，影响水稻后向散射系数空间变化的主要参数有LAI、生物量和株高；而在水稻生长中后期，影响因素则主要为LAI、生物量和茎孽密度。在三种极化方式中，水稻HV 极化后向散射系数与上述参数均具有较好的相关关系，与LAI 和生物量的相关性通过了0.01 显著性检验，表明交叉极化后向散射在水稻生物量参数反演中具有潜在的优势。提出的水稻估产方案融入了影响水稻后向散射特征空间差异的水稻株型参数，使得该估产方案能够更好的模拟区域水稻产量的变化。由于模型采用潜在生产模式模拟水稻生产，使得模拟的区域平均产量高于实际产量20.1%，但固定观测点模拟产量与实际产量比较，高估小于10%，相关系数为0.63，表明该方案能够较好的预测产量及其空间变化。估产方案还获得了水稻出苗期和移栽密度的空间分布特征，与实际情况吻合较好。然而，该估产方案还存在不够稳定、模型过简化、一些参数固化等问题