基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法
【專利摘要】本發(fā)明公開(kāi)了一種基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，包括:(I)規(guī)劃籌備、野外測(cè)量：選擇合適的雷達(dá)數(shù)據(jù)源，結(jié)合其衛(wèi)星過(guò)境時(shí)間規(guī)劃開(kāi)展野外同步測(cè)量的時(shí)間；野外同步測(cè)量得到GPS矢量文件和水稻樣本點(diǎn)數(shù)據(jù)；將水稻樣本點(diǎn)分為兩個(gè)集合,A1為訓(xùn)練樣本，A2為驗(yàn)證樣本；(II)水稻分類:獲取合適的緊致極化雷達(dá)影像、預(yù)處理、提取分析關(guān)鍵雷達(dá)參數(shù)；建立分類算法得到結(jié)果；利用驗(yàn)證樣本進(jìn)行分類精度評(píng)價(jià)；(III)物候反演：對(duì)A1中的每一個(gè)樣本分析；提取分析關(guān)鍵雷達(dá)參數(shù)；建立反演算法；利用A2集合中的樣本驗(yàn)證精度；調(diào)整確定有效雷達(dá)參數(shù)和算法。本發(fā)明具有監(jiān)測(cè)范圍尺度大、精細(xì)化程度高且實(shí)踐推廣性好的優(yōu)點(diǎn)。
【專利說(shuō)明】基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及基于遙感數(shù)據(jù)的農(nóng)作物物候監(jiān)測(cè)領(lǐng)域，具體地，涉及一種基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法。

【背景技術(shù)】
[0002]物候是指受環(huán)境因子和人類活動(dòng)影響出現(xiàn)的以年為周期的自然現(xiàn)象。作物的物候期是農(nóng)作物達(dá)到關(guān)鍵生育期所對(duì)應(yīng)的日期。作物的物候信息不僅反映當(dāng)?shù)?，?dāng)時(shí)的環(huán)境條件，而且反映過(guò)去一段時(shí)間的環(huán)境條件的積累。農(nóng)作物作為陸地生態(tài)系統(tǒng)的一部分，其物候的變化受到氣候、水文等因素的變化影響，這一變化將直接影響作物的最終產(chǎn)量。同時(shí)，農(nóng)作物的物候信息是重要的農(nóng)業(yè)信息，是農(nóng)業(yè)生產(chǎn)、田間管理、計(jì)劃決策等的重要依據(jù)，也是作物模擬模型的重要參數(shù)。在農(nóng)作物的長(zhǎng)勢(shì)監(jiān)測(cè)和估產(chǎn)中引入物候信息，能夠獲得更加準(zhǔn)確的研究結(jié)果。因此，掌握作物的物候期，認(rèn)識(shí)自然季節(jié)現(xiàn)象的變化規(guī)律，對(duì)農(nóng)業(yè)生產(chǎn)、全球變化、生態(tài)學(xué)應(yīng)用都有重要意義。
[0003]水稻作為世界三大糧食作物之一，為超過(guò)世界1/3的人口提供糧食。我國(guó)是水稻生產(chǎn)大國(guó)，年產(chǎn)量約為1.93億噸，居世界第I位。準(zhǔn)確實(shí)時(shí)地監(jiān)測(cè)水稻長(zhǎng)勢(shì)，預(yù)測(cè)其產(chǎn)量，對(duì)保障社會(huì)安定和促進(jìn)經(jīng)濟(jì)發(fā)展具有重要意義。
[0004]從水稻物候期監(jiān)測(cè)的發(fā)展歷程看，主要可以分為地面監(jiān)測(cè)和遙感反演兩種技術(shù)手段:
[0005]地面監(jiān)測(cè)主要是雇傭一定的人員，在野外進(jìn)行實(shí)地的記錄觀測(cè)。隨著科技的不斷發(fā)展，國(guó)內(nèi)外越來(lái)越多地使用計(jì)算機(jī)、紅外線儀、光合作用測(cè)量?jī)x等儀器進(jìn)行農(nóng)作物(包括水稻)的輔助管理，在區(qū)域范圍內(nèi)組成“精細(xì)農(nóng)業(yè)”的管理系統(tǒng)，測(cè)量農(nóng)作物(包括水稻)各種生理生化參數(shù)，營(yíng)養(yǎng)元素和物候生長(zhǎng)期等關(guān)鍵參數(shù)，實(shí)現(xiàn)區(qū)域尺度上農(nóng)田的精細(xì)監(jiān)測(cè)和調(diào)控；
[0006]與此同時(shí)，隨著遙感技術(shù)的快速發(fā)展，遙感已經(jīng)成為大尺度監(jiān)測(cè)作物物候的主要方法。基于遙感數(shù)據(jù)的物候監(jiān)測(cè)是對(duì)傳統(tǒng)物候?qū)W的有效補(bǔ)充與發(fā)展，它將觀測(cè)對(duì)象從植株個(gè)體提升到生態(tài)系統(tǒng)層面，實(shí)現(xiàn)了農(nóng)作物物候觀測(cè)由點(diǎn)到面的空間轉(zhuǎn)換。這種轉(zhuǎn)變?yōu)檗r(nóng)作物物候研究賦予了新的意義，使其在更多領(lǐng)域發(fā)揮著不可估量的作用。越來(lái)越多的人開(kāi)始研究利用遙感監(jiān)測(cè)作物的物候信息。目前，監(jiān)測(cè)水稻生長(zhǎng)狀況和估產(chǎn)主要利用雷達(dá)遙感的手段，獲取大范圍的農(nóng)作物影像，選取合適的參數(shù)進(jìn)行組合反演。
[0007]地面精細(xì)化監(jiān)測(cè)農(nóng)田和遙感反演物候兩種方法各有偏重，缺陷與不足非常明顯。下面分別對(duì)以上兩種方法的問(wèn)題進(jìn)行闡述:
[0008]就地面監(jiān)測(cè)角度，其精細(xì)化程度相對(duì)遙感反演更高，但地面監(jiān)測(cè)只能保證在較小的范圍內(nèi)實(shí)現(xiàn)一定程度上的“精細(xì)監(jiān)測(cè)”。從資源成本和實(shí)踐效果看，地面監(jiān)測(cè)需要較多的人力，同時(shí)設(shè)備儀器的安裝和維護(hù)是一個(gè)重要的消耗成本，無(wú)法忽視；其次，地面精細(xì)監(jiān)測(cè)的效果并不十分理想，不同的田塊之間有或大或小的差異，實(shí)踐推廣性較差；
[0009]就遙感反演角度，主要有3個(gè)方面的不足:
[0010](I)目前，遙感對(duì)水稻的識(shí)別僅僅停留在水稻與非水稻的分類上，對(duì)于不同品種的水稻，如雜交稻和粳稻的分類沒(méi)有有效的方法可以實(shí)現(xiàn)，這就無(wú)法滿足不同品種水稻的監(jiān)測(cè)和估產(chǎn)的需要；
[0011](2)雷達(dá)遙感反演水稻物候期存在一個(gè)重要的缺陷在于獲取的水稻物候期不夠精細(xì)，即對(duì)于水稻10個(gè)生長(zhǎng)期來(lái)說(shuō)，現(xiàn)存的遙感反演技術(shù)只能區(qū)分出其中的4-5個(gè)物候期，有些物候期之間區(qū)別很小而無(wú)法區(qū)分。例如，2011年西班牙學(xué)者反演水稻物候期時(shí)，無(wú)法區(qū)分水稻的抽穗期和揚(yáng)花期，乳熟期和完熟期等非常相似的物候期。這些物候期內(nèi)水稻的生長(zhǎng)情況含糊不清的，顯然無(wú)法滿足日益精細(xì)的農(nóng)業(yè)應(yīng)用需求；
[0012](3)現(xiàn)有的雷達(dá)遙感反演水稻物候期的應(yīng)用中，所使用的影像有的幅寬相對(duì)較小(如全極化Fine Quad模式影像)，只能監(jiān)測(cè)一個(gè)縣市范圍內(nèi)的水稻生長(zhǎng)狀況；有的幅寬相對(duì)過(guò)大(如雙極化ScanSAR模式影像)，準(zhǔn)確度不夠。
[0013]綜上所述，現(xiàn)有方法在實(shí)際的農(nóng)田監(jiān)測(cè)應(yīng)用中存在認(rèn)知尺度上的局限以及識(shí)別方法上的不足。


【發(fā)明內(nèi)容】

[0014]本發(fā)明的目的在于提供一種基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，使其監(jiān)測(cè)范圍尺度大、精細(xì)化程度高且實(shí)踐推廣性好。
[0015]為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:
[0016]基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其特征在于，包括如下步驟:
[0017](I)規(guī)劃籌備、野外測(cè)量:
[0018]第I步，選擇合適的雷達(dá)數(shù)據(jù)源，結(jié)合其衛(wèi)星過(guò)境時(shí)間規(guī)劃開(kāi)展野外同步測(cè)量的時(shí)間；
[0019]其中，所述雷達(dá)衛(wèi)星過(guò)境時(shí)間和水稻的多個(gè)關(guān)鍵物候期相對(duì)應(yīng)，且所述雷達(dá)數(shù)據(jù)源可轉(zhuǎn)換成緊致極化雷達(dá)影像；
[0020]第2步，在雷達(dá)衛(wèi)星過(guò)境時(shí)間對(duì)水稻樣本田塊進(jìn)行野外同步測(cè)量，得到GPS矢量文件和水稻樣本點(diǎn)數(shù)據(jù)；
[0021]第3步，將水稻樣本點(diǎn)分為兩個(gè)集合，Al為訓(xùn)練樣本，A2為驗(yàn)證樣本；
[0022](II)水稻分類:
[0023]第I步，獲取(I)中第I步雷達(dá)衛(wèi)星過(guò)境時(shí)間所對(duì)應(yīng)的緊致極化雷達(dá)影像；
[0024]第2步，對(duì)緊致極化雷達(dá)影像進(jìn)行預(yù)處理；
[0025]第3步，提取分析關(guān)鍵雷達(dá)參數(shù)；
[0026]提取水稻每個(gè)物候期的RH/RV/RR/RL后向散射系數(shù)和/或m_chi分解的三分量；
[0027]第4步，建立分類算法得到結(jié)果；
[0028]根據(jù)上一步得到的不同物候期影像的相關(guān)參數(shù)，進(jìn)行比較分類，并使用決策樹(shù)建立水稻的分類算法；
[0029]第5步，利用A2集合中的驗(yàn)證樣本進(jìn)行分類精度評(píng)價(jià)；
[0030](III)物候反演:
[0031]第I步，從Al中選擇雜交稻和粳稻田若干作為訓(xùn)練樣本集；
[0032]第2步，提取分析關(guān)鍵雷達(dá)參數(shù)；
[0033]分別計(jì)算上一步選擇的訓(xùn)練樣本集中每個(gè)物候期的RH/RV/RR/RL后向散射系數(shù)、m-chi分解的三分量、極化度m和一致性系數(shù)μ ；
[0034]第3步，建立反演算法；
[0035]根據(jù)上一步得到的相關(guān)參數(shù)，使用決策樹(shù)分別建立雜交稻和粳稻的物候期反演算法;
[0036]第4步，利用Α2集合中的樣本驗(yàn)證精度；
[0037]第5步，調(diào)整確定有效雷達(dá)參數(shù)和算法。
[0038]進(jìn)一步地，所述⑴中第I步的雷達(dá)數(shù)據(jù)源采用加拿大RADARSAT-2雷達(dá)衛(wèi)星的C波段全極化影像作為基礎(chǔ)數(shù)據(jù)源，該基礎(chǔ)數(shù)據(jù)源可合成緊致極化雷達(dá)影像，所述緊致極化雷達(dá)影像采用雜交模式。
[0039]進(jìn)一步地，所述(I)中第2步的野外同步測(cè)量具體包括:(a)雜交稻和粳稻田塊的GPS坐標(biāo)和田塊大??；(b)水稻采樣田塊的物候期；(c)水稻的形態(tài)生理特征；(d)包括水稻田塊下墊面及氣候的環(huán)境參數(shù)。
[0040]進(jìn)一步地，當(dāng)所述(II)中第3步提取了水稻每個(gè)物候期的RH/RV/RR/RL后向散射系數(shù)時(shí)；所述(II)中第4步的分類算法具體為:利用幼苗期和休耕期的RL后向散射系數(shù)之差區(qū)分雜交稻和粳稻。
[0041]進(jìn)一步地所述幼苗期和休耕期為雜交稻的幼苗期和休耕期，利用幼苗期和休耕期的RL后向散射系數(shù)之差是否彡-3.56dB區(qū)分雜交稻和粳稻。
[0042]進(jìn)一步地，在區(qū)分雜交稻和粳稻之前，先進(jìn)行如下分類:利用完熟期RH和分蘗期RR后向散射系數(shù)區(qū)分水體；利用乳熟期的RV后向散射系數(shù)區(qū)分蟹田和水體；利用抽穗期的RR和拔節(jié)期的RH后向散射系數(shù)來(lái)區(qū)分裸地；利用蠟熟期的RH和休耕期的RV后向散射系數(shù)來(lái)區(qū)分城鎮(zhèn)；利用蠟熟期的RR后向散射系數(shù)區(qū)分森林和水稻。
[0043]進(jìn)一步地，所述(III)中的第3步的具體算法為:
[0044]以RL判斷雜交稻是否處于幼苗期，以μ或m-ch1-db判斷粳稻是否處于幼苗期；
[0045]以m-ch1-s、RV、m-chi_v共同判斷雜交稻是否處于分蘗期，以m-chi_v判斷粳稻是否處于分蘗期；
[0046]以m-ch1-s、RR和μ共同判斷雜交稻是否處于拔節(jié)期，以m-ch1-s、RV和μ共同判斷粳稻是否處于拔節(jié)期；
[0047]以m、m-ch1-s和RL共同判斷雜交稻是否處于抽穗揚(yáng)花期，以m-ch1-s、μ、RH和RV共同判斷粳稻是否處于抽穗揚(yáng)花期；
[0048]以m、RR、μ和RL共同判斷雜交稻是否處于乳熟期，以m-ch1-s、RH共同判斷粳稻是否處于乳熟期；
[0049]以μ、m-ch1-db、RL共同判斷雜交稻是否處于臘熟期，以μ、RH共同判斷梗稻是否處于蠟熟期；
[0050]以m-ch1-db、RL共同判斷雜交稻是否處于休耕期，以μ、m-ch1-db、m-chi_v共同判斷粳稻是否處于完熟期。
[0051]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果:
[0052](I)本發(fā)明僅需要獲取合適時(shí)相的緊致極化雷達(dá)影像，即可利用圖3所示的算法完成水稻監(jiān)測(cè)。本發(fā)明不需要大面積的野外觀測(cè)，這大大地節(jié)省了人力物力；
[0053](2)根據(jù)大量的實(shí)驗(yàn)，本發(fā)明利用了幼苗期和休耕期水稻的緊致極化雷達(dá)RL完成了對(duì)雜交稻和粳稻的分類，精度在90%左右，具有實(shí)際的監(jiān)測(cè)識(shí)別能力；
[0054](3)緊致極化雷達(dá)影像能提取新型的雷達(dá)參數(shù)，以一致性系數(shù)μ為代表的新型參數(shù)可以準(zhǔn)確地劃分出水稻7個(gè)物候期(圖6、圖7)，這意味著可以“近實(shí)時(shí)”地監(jiān)測(cè)水稻的生長(zhǎng)情況，為估產(chǎn)和病蟲(chóng)害預(yù)防提供了基礎(chǔ)信息；
[0055](4)相對(duì)于傳統(tǒng)的全極化雷達(dá)影像而言，緊致極化雷達(dá)影像成本較低，觀測(cè)面積(幅寬)接近2倍，同時(shí)滿足大范圍監(jiān)測(cè)和區(qū)域農(nóng)田尺度的物候反演。
[0056]下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

【專利附圖】

【附圖說(shuō)明】
[0057]圖1為本發(fā)明的技術(shù)流程圖；
[0058]圖2為水稻(雜交稻)每個(gè)物候期RH后向散射系數(shù)的變化圖；
[0059]圖3為水稻(雜交稻和粳稻)分類的算法流程圖；
[0060]圖4為江蘇省金湖縣局部水稻(雜交稻和粳稻)分類圖；
[0061]圖5為雜交稻和粳稻關(guān)鍵雷達(dá)參數(shù)的散點(diǎn)圖，其中:
[0062](a)雜交稻RH后向散射系數(shù)；(b)雜交稻RV后向散射系數(shù)；(c)雜交稻RR后向散射系數(shù)；(d)雜交稻RL后向散射系數(shù)；(e)雜交稻極化度m ； (f)雜交稻散射角a ； (g)雜交稻相位差δ ； (h)雜交稻一致性系數(shù)μ ； (i)雜交稻m-chi分解第一分量；(j)雜交稻m_chi分解第二分量；(k)雜交稻m-chi分解第三分量；(I)雜交稻m_chi分解三分量組合參數(shù)；
[0063](A)粳稻RH后向散射系數(shù)；(B)粳稻RV后向散射系數(shù)；(C)粳稻RR后向散射系數(shù)；(D)粳稻RL后向散射系數(shù)；(E)粳稻極化度m ； (F)粳稻散射角a ； (G)粳稻相位差δ ； (H)粳稻一致性系數(shù)μ ; (I)粳稻m-chi分解第一分量；(J)粳稻m-chi分解第二分量；(K)粳稻m-chi分解第三分量；(L)粳稻m-chi分解三分量組合參數(shù)；
[0064]圖6為雜交稻物候反演決策樹(shù)算法圖；
[0065]圖7為粳稻物候反演決策樹(shù)算法圖；
[0066]圖8為2012年,江蘇省金湖縣局部雜交稻和粳稻物候期反演圖；
[0067]圖9為選擇7號(hào)、8號(hào)、15號(hào)、19號(hào)、24號(hào)、40號(hào)6個(gè)雜交稻田塊進(jìn)行物候反演的結(jié)果示意圖。

【具體實(shí)施方式】
[0068]以下結(jié)合附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行說(shuō)明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實(shí)施例僅用于說(shuō)明和解釋本發(fā)明，并不用于限定本發(fā)明。
[0069]本發(fā)明是一種基于緊致極化雷達(dá)(Compact SAR)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其中，Compact SAR，在國(guó)內(nèi)稱為緊致極化合成孔徑雷達(dá)或簡(jiǎn)縮極化合成孔徑雷達(dá)，目前國(guó)內(nèi)沒(méi)有統(tǒng)一的稱呼，是一種新型的SAR技術(shù)。緊致極化雷達(dá)系統(tǒng)只發(fā)射一個(gè)方向的電磁波，但同時(shí)接收兩個(gè)方向的回波信號(hào)，降低了系統(tǒng)設(shè)計(jì)和維護(hù)的復(fù)雜度，擴(kuò)大了系統(tǒng)的成像范圍。緊致極化SAR系統(tǒng)是雙極化SAR與全極化SAR系統(tǒng)的折衷，與雙極化SAR系統(tǒng)相t匕，緊致極化SAR系統(tǒng)發(fā)射和接收信號(hào)組合更豐富，能夠獲取回波信號(hào)的相對(duì)相位，具有更豐富的信息量。目前，3種常用的緊致極化模式包括:π/4模式(發(fā)射45°方向的線極化波，接收水平和垂直回波信號(hào))，雙圓極化模式(發(fā)射圓極化波，同時(shí)接收左圓和右圓極化波)和雜交模式(發(fā)射圓極化波，同時(shí)接收水平和豎直線極化波)。本發(fā)明優(yōu)選使用的是雜交模式的緊致極化雷達(dá)技術(shù)，這種模式比雙圓極化模式更簡(jiǎn)單穩(wěn)定，對(duì)噪聲敏感程度下降，具有自校正能力，雙圓極化模式實(shí)際上是雜交模式的線性組合。
[0070]如圖1所示，本發(fā)明的基于緊致極化雷達(dá)(Compact SAR)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，包括如下步驟:
[0071](I)規(guī)劃籌備、野外測(cè)量:
[0072]第I步，選擇合適的雷達(dá)數(shù)據(jù)源，結(jié)合其衛(wèi)星過(guò)境時(shí)間規(guī)劃開(kāi)展野外同步測(cè)量的時(shí)間；
[0073]本實(shí)施例以加拿大RADARSAT-2雷達(dá)衛(wèi)星的C波段全極化影像作為基礎(chǔ)數(shù)據(jù)源，14天左右獲取一景影像。在此基礎(chǔ)上，利用各時(shí)期的全極化影像合成得到緊致極化雷達(dá)影像數(shù)據(jù)作為研究數(shù)據(jù)。根據(jù)該衛(wèi)星的過(guò)境時(shí)間，在2012年分別選取了 6月27日、7月11日、7月21日等10個(gè)時(shí)期獲取雷達(dá)影像并進(jìn)行地面測(cè)量，如表I所示。
[0074]這個(gè)步驟需要注意兩個(gè)要點(diǎn):第一，要保證雷達(dá)影像的獲取時(shí)間(衛(wèi)星過(guò)境時(shí)間)和水稻物候期相對(duì)應(yīng)，特別是一些關(guān)鍵的物候期，比如分蘗期、抽穗期、乳熟期等。本發(fā)明是要利用雷達(dá)影像反演水稻的物候期，因此要使得水稻大多數(shù)物候期(幼苗期、分蘗期、拔節(jié)期、抽穗期、揚(yáng)花期、蠟熟期、乳熟期、完熟期、休耕期)與雷達(dá)衛(wèi)星的過(guò)境時(shí)間一致；第二，本發(fā)明使用的是緊致極化雷達(dá)影像。這種影像的空間分辨率是16m或30m，14天左右可以過(guò)境一次，恰恰對(duì)應(yīng)著水稻的物候期間隔。同時(shí)，緊致極化雷達(dá)作為一種新型的雷達(dá)，可以提取一些新型的關(guān)鍵參數(shù)，有利于水稻分類與物候反演。
[0075]本實(shí)施例中，要保證雷達(dá)影像的獲取時(shí)間和水稻物候期相對(duì)應(yīng)，其中的水稻物候期是根據(jù)雜交稻的物候期決定的。但事實(shí)上雜交稻和粳稻的物候期相差15天左右，我們選擇了 9-10個(gè)不同時(shí)期的影像，相鄰影像相隔14天。在同一景影像內(nèi)，雜交稻可能處于某一個(gè)物候期的末期，而粳稻處于早期；或者雜交稻比粳稻領(lǐng)先一個(gè)物候期，因此任意以一種水稻的物候期作為標(biāo)準(zhǔn)選擇合適影像對(duì)另一種水稻依然適用，如下表I所示。
[0076]表I衛(wèi)星過(guò)境日期以及雜交稻和粳稻對(duì)應(yīng)的物候期
[0077]
獲取日期(衛(wèi)
對(duì)應(yīng)雜交稻物候期對(duì)應(yīng)粳稻物候期
星過(guò)境日期)
2012-6-27幼苗期幼苗期
[0078]

【權(quán)利要求】
1.基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其特征在于，包括如下步驟: (I)規(guī)劃籌備、野外測(cè)量: 第I步，選擇合適的雷達(dá)數(shù)據(jù)源，結(jié)合其衛(wèi)星過(guò)境時(shí)間規(guī)劃開(kāi)展野外同步測(cè)量的時(shí)間；其中，所述雷達(dá)衛(wèi)星過(guò)境時(shí)間和水稻的多個(gè)關(guān)鍵物候期相對(duì)應(yīng)，且所述雷達(dá)數(shù)據(jù)源可轉(zhuǎn)換成緊致極化雷達(dá)影像； 第2步，在雷達(dá)衛(wèi)星過(guò)境時(shí)間對(duì)水稻樣本田塊進(jìn)行野外同步測(cè)量，得到GPS矢量文件和水稻樣本點(diǎn)數(shù)據(jù)； 第3步，將水稻樣本點(diǎn)分為兩個(gè)集合，Al為訓(xùn)練樣本，A2為驗(yàn)證樣本； (II)水稻分類: 第I步，獲取(I)中第I步雷達(dá)衛(wèi)星過(guò)境時(shí)間所對(duì)應(yīng)的緊致極化雷達(dá)影像； 第2步，對(duì)緊致極化雷達(dá)影像進(jìn)行預(yù)處理； 第3步，提取分析關(guān)鍵雷達(dá)參數(shù)； 提取水稻每個(gè)物候期的RH/RV/RR/RL后向散射系數(shù)和/或m-chi分解的三分量； 第4步，建立分類算法得到結(jié)果； 根據(jù)上一步得到的不同物候期影像的相關(guān)參數(shù)，進(jìn)行比較分類，并使用決策樹(shù)建立水稻的分類算法； 第5步，利用A2集合中的驗(yàn)證樣本進(jìn)行分類精度評(píng)價(jià)； (III)物候反演: 第I步，從Al中選擇雜交稻和粳稻田若干作為訓(xùn)練樣本集； 第2步，提取分析關(guān)鍵雷達(dá)參數(shù)； 分別計(jì)算上一步選擇的訓(xùn)練樣本集中每個(gè)物候期的RH/RV/RR/RL后向散射系數(shù)、m-chi分解的三分量、極化度m和一致性系數(shù)μ ； 第3步，建立反演算法； 根據(jù)上一步得到的相關(guān)參數(shù)，使用決策樹(shù)分別建立雜交稻和粳稻的物候期反演算法； 第4步，利用Α2集合中的樣本驗(yàn)證精度； 第5步，調(diào)整確定有效雷達(dá)參數(shù)和算法。
2.根據(jù)權(quán)利要求1所述的基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其特征在于: 所述(I)中第I步的雷達(dá)數(shù)據(jù)源采用加拿大RADARSAT-2雷達(dá)衛(wèi)星的C波段全極化影像作為基礎(chǔ)數(shù)據(jù)源，該基礎(chǔ)數(shù)據(jù)源可合成緊致極化雷達(dá)影像，所述緊致極化雷達(dá)影像采用雜交模式。
3.根據(jù)權(quán)利要求1所述的基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其特征在于: 所述(I)中第2步的野外同步測(cè)量具體包括:(a)雜交稻和粳稻田塊的GPS坐標(biāo)和田塊大??；(b)水稻采樣田塊的物候期；(c)水稻的形態(tài)生理特征；(d)包括水稻田塊下墊面及氣候的環(huán)境參數(shù)。
4.根據(jù)權(quán)利要求1所述的基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其特征在于: 當(dāng)所述(II)中第3步提取了水稻每個(gè)物候期的RH/RV/RR/RL后向散射系數(shù)時(shí)，所述(II)中第4步的分類算法具體為:利用幼苗期和休耕期的RL后向散射系數(shù)之差區(qū)分雜交稻和粳稻。
5.根據(jù)權(quán)利要求4所述的基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其特征在于:所述幼苗期和休耕期為雜交稻的幼苗期和休耕期，利用幼苗期和休耕期的RL后向散射系數(shù)之差是否彡-3.56dB區(qū)分雜交稻和粳稻。
6.根據(jù)權(quán)利要求4所述的基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其特征在于:在區(qū)分雜交稻和粳稻之前，先進(jìn)行如下分類: 利用完熟期RH和分蘗期RR后向散射系數(shù)區(qū)分水體；利用乳熟期的RV后向散射系數(shù)區(qū)分蟹田和水體；利用抽穗期的RR和拔節(jié)期的RH后向散射系數(shù)來(lái)區(qū)分裸地；利用蠟熟期的RH和休耕期的RV后向散射系數(shù)來(lái)區(qū)分城鎮(zhèn)；利用蠟熟期的RR后向散射系數(shù)區(qū)分森林和水稻。
7.根據(jù)權(quán)利要求1所述的基于緊致極化雷達(dá)大面積近實(shí)時(shí)監(jiān)測(cè)水稻物候期的方法，其特征在于: 所述(III)中的第3步的具體算法為: 以RL判斷雜交稻是否處于幼苗期，以μ或m-ch1-db判斷粳稻是否處于幼苗期； 以m-ch1-s、RV、m-ch1-v共同判斷雜交稻是否處于分蘗期，以m-ch1-v判斷粳稻是否處于分蘗期； 以m-chi_s、RR和μ共同判斷雜交稻是否處于拔節(jié)期，以m-chi_s、RV和μ共同判斷粳稻是否處于拔節(jié)期； 以m、m-chi_s和RL共同判斷雜交稻是否處于抽穗揚(yáng)花期，以m-ch1-s、μ、RH和RV共同判斷粳稻是否處于抽穗揚(yáng)花期； 以m、RR、μ和RL共同判斷雜交稻是否處于乳熟期，以m-ch1-s、RH共同判斷粳稻是否處于乳熟期； 以μ、m-ch1-db、RL共同判斷雜交稻是否處于蠟熟期，以μ、RH共同判斷粳稻是否處于臘熟期； 以m-ch1-db、RL共同判斷雜交稻是否處于休耕期，以μ、m-ch1-db、m-chi_v共同判斷粳稻是否處于完熟期。
【文檔編號(hào)】G01S13/89GK104199027SQ201410436028
【公開(kāi)日】2014年12月10日 申請(qǐng)日期:2014年8月29日 優(yōu)先權(quán)日:2014年8月29日
【發(fā)明者】楊知, 李坤, 劉龍, 邵蕓 申請(qǐng)人:中國(guó)科學(xué)院遙感與數(shù)字地球研究所