【摘要】：植被物候是植物的生長狀態(tài)和生長環(huán)境在長期的相互適應(yīng)中形成的周期性規(guī)律。水稻對中國和世界都是極其重要的糧食作物,準(zhǔn)確且及時的水稻物候監(jiān)測是水稻病害防治和產(chǎn)量預(yù)估的必要條件。水稻傾向于生長在濕熱氣候的區(qū)域,這類區(qū)域在水稻栽植的月份往往雨水較多,云霧天氣頻繁,光學(xué)衛(wèi)星通常不能獲得這些區(qū)域的連續(xù)時相低云量遙感影像。因此,能夠穿透云霧、基本不受天氣影響的微波遙感數(shù)據(jù)成為一種重要的替代數(shù)據(jù)。合成孔徑雷達(dá)(SAR,Synthetic Aperture Radar)在近半個世紀(jì)以來發(fā)展迅速,多國發(fā)射的衛(wèi)星平臺SAR為研究人員提供了各種波段、各種分辨率、各種極化方式的微波遙感數(shù)據(jù)。從SAR數(shù)據(jù)中獲取的后向散射系數(shù)和目標(biāo)極化分解參數(shù)是目前作物監(jiān)測中常用的兩類參數(shù),被廣泛應(yīng)用于散射機(jī)制分析和參數(shù)反演建模中。本研究以四川省眉山市水稻種植區(qū)作為研究區(qū)域,開展水稻地面物候觀測和生理參數(shù)測量實(shí)驗;利用RADARSAT-2數(shù)據(jù)提取四極化后向散射系數(shù)(HH、VV、HV、VH),分析后向散射系數(shù)對物候變化的敏感性,建立了基于后向散射系數(shù)的水稻物候反演模型;利用RADARSAT-2數(shù)據(jù)提取兩種常用的目標(biāo)極化分解參數(shù)(基于特征值分解的Cloude-Pottier算法和基于模型分解的Freeman-Durden算法),分析目標(biāo)極化分解參數(shù)對物候變化的敏感性,建立了結(jié)合兩種分解算法參數(shù)的水稻物候反演模型;分析后向散射系數(shù)、目標(biāo)極化分解參數(shù)及其數(shù)學(xué)組合在水稻各物候期及全生長周期與葉面積指數(shù)(LAI,leaf area index)的相關(guān)性,建立了基于目標(biāo)極化分解參數(shù)的水稻LAI反演模型,同時討論了后向散射系數(shù)應(yīng)用于實(shí)際水稻LAI反演中的潛力。主要的研究成果如下:(1)提取所有地面實(shí)驗點(diǎn)對應(yīng)的RADARSAT-2四極化后向散射系數(shù),對不同極化的后向散射系數(shù)進(jìn)行數(shù)學(xué)組合。將所有后向散射系數(shù)及其數(shù)學(xué)組合根據(jù)對應(yīng)的水稻物候期進(jìn)行分組,分析這些參數(shù)在水稻生長季的變化規(guī)律,發(fā)現(xiàn)可用于分割各物候期的最佳決策參數(shù)組合為VV/VH、HH/VH和HH/VV,同時確定了分割閾值。建立決策樹反演模型并進(jìn)行精度評價,總體精度為82.8%,Kappa系數(shù)為0.75。(2)分別使用Cloude-Pottier和Freeman-Durden算法,對RADARSAT-2數(shù)據(jù)進(jìn)行目標(biāo)極化分解,提取所有地面實(shí)驗點(diǎn)對應(yīng)的Cloude-Pottier和Freeman-Durden分解參數(shù),并對部分分解參數(shù)進(jìn)行數(shù)學(xué)組合。將所有分解參數(shù)及其數(shù)學(xué)組合根據(jù)對應(yīng)的水稻物候期進(jìn)行分組,分析這些參數(shù)在水稻生長季的變化規(guī)律,發(fā)現(xiàn)可用于分割各物候期的最佳決策參數(shù)組合為Anisotropy、Vol/Surf和Entropy,同時確定了分割閾值。建立決策樹反演模型并進(jìn)行精度驗證,總體精度達(dá)到93.1%,Kappa系數(shù)為0.89,反演效果優(yōu)于基于后向散射系數(shù)的水稻物候反演模型。(3)各物候期以及全時相的水稻LAI被用來與后向散射系數(shù)和目標(biāo)極化分解參數(shù)進(jìn)行相關(guān)性分析。結(jié)果表明基于Freeman-Durden分解的雷達(dá)植被指數(shù)(RVI_(FD))和水稻LAI的全時相相關(guān)性最高,建立經(jīng)驗反演模型取得了很高的精度,RMSE=0.95;使用VH/VV反演水稻LAI精度稍低于RVI_(FD)模型,RMSE=1.33。本文基于多時相四極化RADARSAT-2數(shù)據(jù),系統(tǒng)研究了后向散射系數(shù)和目標(biāo)極化分解參數(shù)對水稻物候發(fā)展的響應(yīng),分析了不同物候階段水稻植株的生理特征和電磁散射特點(diǎn),探究了使用C波段SAR數(shù)據(jù)反演水稻物候和LAI的可行性,解決了頻繁的云霧天氣導(dǎo)致的水稻種植區(qū)遙感監(jiān)測難題。目標(biāo)極化分解參數(shù)在水稻物候和LAI反演中的表現(xiàn)都優(yōu)于后向散射系數(shù),這是由于目標(biāo)極化分解參數(shù)包含了雷達(dá)回波的相位信息�；诤笙蛏⑸湎禂�(shù)的反演模型雖然精度稍遜于極化分解參數(shù)模型,但其計算簡便、不依賴全極化數(shù)據(jù),在目前Sentinel-1A/B提供免費(fèi)C波段單/雙極化SAR數(shù)據(jù)的背景下,有很大的應(yīng)用潛力。
【圖文】：

研究區(qū)位置

水稻關(guān)鍵物候期生長狀態(tài)示意圖
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN957.52;S511

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 朱良;郭巍;禹衛(wèi)東;;合成孔徑雷達(dá)衛(wèi)星發(fā)展歷程及趨勢分析[J];現(xiàn)代雷達(dá);2009年04期

2 董彥芳,孫國清,龐勇;基于ENVISAT ASAR數(shù)據(jù)的水稻監(jiān)測[J];中國科學(xué)(D輯:地球科學(xué));2005年07期

3 王希群,馬履一,賈忠奎,徐程揚(yáng);葉面積指數(shù)的研究和應(yīng)用進(jìn)展[J];生態(tài)學(xué)雜志;2005年05期

4 張峰,吳炳方,黃慧萍,李苗苗;泰國水稻種植區(qū)耕地信息提取研究[J];自然資源學(xué)報;2003年06期

5 鄭景云,葛全勝,趙會霞;近40年中國植物物候?qū)夂蜃兓捻憫?yīng)研究[J];中國農(nóng)業(yè)氣象;2003年01期

6 李巖,彭少麟,廖其芳,廖圣東;RADARSAT SNB SAR數(shù)據(jù)在大面積水稻估產(chǎn)中的應(yīng)用研究[J];地球科學(xué)進(jìn)展;2003年01期

7 邵蕓,廖靜娟,范湘濤,劉浩;水稻時域后向散射特性分析:雷達(dá)衛(wèi)星觀測與模型模擬結(jié)果對比[J];遙感學(xué)報;2002年06期

8 邵蕓,譚衢霖,肖建華,郭華東;Radarsat SAR圖像上水稻田邊界提取研究[J];高技術(shù)通訊;2002年11期

9 邵蕓,郭華東,范湘濤,劉浩;水稻時域散射特征分析及其應(yīng)用研究[J];遙感學(xué)報;2001年05期

相關(guān)博士學(xué)位論文 前9條

1 白曉靜;基于多波段多極化SAR數(shù)據(jù)的草原地表土壤水分反演方法研究[D];電子科技大學(xué);2017年

2 賈明權(quán);水稻微波散射特性研究及參數(shù)反演[D];電子科技大學(xué);2013年

3 徐星歐;基于目標(biāo)分解的全極化雷達(dá)數(shù)據(jù)估算生物量相關(guān)參數(shù)方法研究[D];武漢大學(xué);2010年

4 安文韜;基于極化SAR的目標(biāo)極化分解與散射特征提取研究[D];清華大學(xué);2010年

5 凌飛龍;面向植被識別的SAR圖像分類方法研究[D];中國林業(yè)科學(xué)研究院;2010年

6 張遠(yuǎn);微波遙感水稻種植面積提取、生物量反演與稻田甲烷排放模擬[D];浙江大學(xué);2009年

7 楊沈斌;基于ASAR數(shù)據(jù)的水稻制圖與水稻估產(chǎn)研究[D];南京信息工程大學(xué);2008年

8 何維;基于ASAR和生長模擬模型的水稻長勢監(jiān)測研究[D];中國林業(yè)科學(xué)研究院;2007年

9 曹芳;基于Cloude-Pottier分解的全極化SAR數(shù)據(jù)非監(jiān)督分類的算法和實(shí)驗研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2007年

相關(guān)碩士學(xué)位論文 前10條

1 梁瀚月;基于Sentinel-1數(shù)據(jù)的江西省南昌縣早稻信息提取研究[D];成都理工大學(xué);2017年

2 曲永超;基于極化目標(biāo)分解的全極化Radarsat-2圖像分類[D];南京大學(xué);2016年

3 胡九超;基于高分辨率合成孔徑雷達(dá)(SAR)的高原山區(qū)煙草識別方法研究[D];貴州師范大學(xué);2015年

4 李昕;基于全極化SAR圖像的植被信息提取技術(shù)研究[D];電子科技大學(xué);2015年

5 倪萍;基于C波段雷達(dá)遙感數(shù)據(jù)的水稻FPAR反演[D];電子科技大學(xué);2015年

6 曹寧;PolSAR圖像極化目標(biāo)分解方法研究及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2013年

7 黃曉東;極化目標(biāo)模型分解的不一致性研究[D];中國地質(zhì)大學(xué);2013年

8 白曉靜;基于Cloude分解的特征參數(shù)分析及快速替代方法[D];電子科技大學(xué);2013年

9 趙長文;水稻散射特性與稻田甲烷排放評估方法研究[D];電子科技大學(xué);2012年

10 肖江濤;基于MODIS植被指數(shù)的水稻物候提取與地面驗證[D];電子科技大學(xué);2011年

，

本文編號：2630673