论文部分内容阅读
中国是农业大国,粮食安全问题是我国政府非常重视的问题。而水稻作为主要的粮食作物,及时准确的进行水稻监测和产量估算对国家、政府以及农业生产者有重要意义。历史的监测途径和方法费时、费力且时效性差,数据精度容易受人为影响,难以动态监测。随着卫星遥感技术的发展,给水稻监测带来了很多方便,但由于水稻多种植在热带和亚热带地区,在其生长周期内往往长时间被云雨覆盖,很难获取清晰可用的光学遥感数据。因此,全天时、全天候的雷达遥感就成为有效进行水稻监测和估产的最佳观测手段,且雷达遥感技术能获得不同极化方式下水稻冠层的雷达响应特征,能更好地反映水稻冠层含水量、形态结构和长势等各方面信息,与光学遥感存在较强的互补性,因此,雷达遥感为建立可靠、稳定的水稻遥感监测体系提供了重要途经。传统的低频C、L波段能够穿透穗层,使回波中包含大量茎杆层及下垫面信息,增加估产建模难度,且在水稻长势监测与制图方面的研究较集中。研究发现高频微波波段的后向散射系数与穗重有很高的相关性,为基于高频SAR图像直接反演稻穗生物量提供了依据。本文利用高频段SAR数据对田块尺度上的水稻产量估测方法展开了相应的研究。以浙江省德清县新安镇下舍村粮食生产功能区内的穗期水稻为实验对象,分别获取2018年TerraSAR-X VV极化SAR数据、2019年无人机Ku波段HH极化SAR数据,以及无人机光学RGB数据和天空地同步采集的水稻生长参数数据,提取图像后向散射信息和植被指数信息,优化传统水云模型,建立基于穗层的改进水云模型,提高了水稻估产精度,为田块尺度的水稻长势监测和产量估计提供了可行的实践方法。主要研究内容包括:(1)针对TerraSAR-X聚束模式数据的高分辨率特点,基于田块尺度提取SAR图像后向散射信息,分别建立与水稻穗重相关的统计回归经验模型、穗粒微观结构经验模型,分析基于经验模型的X波段VV单极化雷达后向散射信息来反演水稻产量。将反演结果分别与同步实验田间调查估测的水稻总产量和政府统计调查产量数据进行比较,发现穗粒微观结构经验模型反演结果要优于统计回归经验模型,其中2018年9月18日的实测数据建立的穗粒微观结构模型均方根误差(RMSE)最小,与田间调查估产和省政府统计调查估产数据相比分别为:45.13kg/亩、116.11kg/亩,估产精确度P最高,分别为93.85%、82.46%,模型反演产量与实测产量差值较小。两经验模型简单易操作,可完成穗期水稻产量的预测。(2)为提高估产精度,以传统水云模型为基础,以穗期稻穗层为切入点,优化传统水云模型,建立基于穗层的改进水云模型,结合TerraSAR-X数据对同一地块水稻进行产量预测,其反演结果要高于传统经验模型;同样利用无人机Ku波段SAR数据,基于穗层改进水云模型对穗湿重、穗粒数的反演精度分别达84%、79%以上,反演值与实测值的变化趋势基本一致,因此基于穗层改进水云模型可完成对田块尺度上穗期水稻产量的有效预测。(3)水稻同步实验中获取无人机光学RGB图像,提取图像6种植被指数,实验得出绿红比值指数(GRRI)与穗重相关性最好,从而建立GRRI植被指数与产量间的回归模型来反演产量。将植被指数反演水稻产量与基于穗层改进水云模型的反演产量进行比较分析,进一步验证了穗层改进水云模型对穗期水稻估产是可行且有效的。本文为田块尺度高频SAR反演水稻生物量提供了一种非常有效的技术手段和可行的实践方法,并为多云多雨地区的水稻遥感监测和产量预测提供了重要的数据参考和技术方案。