水稻微波散射特性研究及參數(shù)反演.pdf

1、雷達遙感具有全天候、全天時和地物穿透性的特點，適用于多云、多霧、多雨地區(qū)地物目標的快速、宏觀、定量探測；但是，由于不同地物尤其是植被微波散射機理的復(fù)雜性和相關(guān)理論研究的滯后性，嚴重阻礙了雷達遙感巨大的應(yīng)用潛力。近年來，隨著星載SAR觀測平臺的迅速發(fā)展，為了更高效、精確地挖掘雷達遙感數(shù)據(jù)的應(yīng)用潛力，迫切需要研究地物的散射機理和參數(shù)定量反演算法。本論文以星載SAR和陸基散射計同步觀測為數(shù)據(jù)基礎(chǔ)，以正演、反演算法研究為理論依據(jù)，詳細分析了水稻

2、微波散射特性和參數(shù)敏感性，建立了水稻散射經(jīng)驗、半經(jīng)驗和理論散射模型，研究了以散射模型為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)等反演算法，實現(xiàn)了SAR圖像水稻覆蓋區(qū)域制圖和生物量反演。本論文的主要工作概括如下：
　?。?）建立了具有不同頻率、不同角度和不同極化測量能力的微波散射測量系統(tǒng)，研究了天線非平面波的近場散射效應(yīng)和電磁波多路徑疊加效應(yīng)抑制技術(shù)，消除了收發(fā)天線間因通道不平衡和天線串擾帶來的失真矩陣等誤差。實現(xiàn)了充分的獨立取樣和定標，確保了陸基散射計測量

3、的精度。
　?。?）完成了2010和2012年兩個水稻季的8個不同生長期的散射測量實驗。包括：C波段、全極化（HH、HV、VH和 VV）和不同入射角（0°-90°）的后向散射系數(shù)測量；水稻生物量、高度、LAI、密度、葉片和莖桿參數(shù)、下墊面淹水或土壤參數(shù)等稻田參數(shù)的獲取。以水稻生長參數(shù)實驗數(shù)據(jù)為基礎(chǔ)，建立了水稻生長模型，并對模型的有效性和合理性進行了驗證；分析了水稻的散射特性，包括：不同生長期水稻入射角散射特征，水稻時域散射特征，以

4、及水稻散射值與生長參數(shù)的相關(guān)性特征。
　?。?）建立了水稻經(jīng)驗、半經(jīng)驗和理論微波后向散射模型。根據(jù)不同輸入?yún)?shù)，提出了多參數(shù)非線性建模的思路，建立了水稻的多生長參數(shù)經(jīng)驗?zāi)Ｐ汀８鶕?jù)散射項的不同，分別建立了水稻的水云模型、改進的水云模型和簡化 MIMICS模型，并利用實測數(shù)據(jù)確立了模型的經(jīng)驗參數(shù)，對模型分析對比。根據(jù)蒙特卡洛方法建立水稻理論微波散射模型，針對水稻結(jié)構(gòu)特征對模型進行了修正，并利用水稻生長模型提供的輸出數(shù)據(jù)進行了仿真，對比

5、模擬和實測數(shù)據(jù)，驗證了模型的準確性。利用建立的理論模型分析了后向散射系數(shù)對水稻主要參數(shù)的靈敏性。
　?。?）根據(jù)建立的水稻散射模型，發(fā)展了水稻參數(shù)經(jīng)驗、半經(jīng)驗和基于Monte-Carlo理論模型的神經(jīng)網(wǎng)絡(luò)反演算法，建立了分別針對單極化、雙極化和全極化的反演模型。利用水稻散射實驗測量數(shù)據(jù)，分別確立了水稻經(jīng)驗反演模型和不同極化的半經(jīng)驗?zāi)Ｐ蛥?shù)，半經(jīng)驗?zāi)Ｐ桶ㄋ品囱菟惴?、改進的水云反演算法和簡化的MIMICS反演算法，并比較了算法的優(yōu)

6、劣性。研究了BP神經(jīng)網(wǎng)絡(luò)的設(shè)置、訓練數(shù)據(jù)的生成、網(wǎng)絡(luò)訓練精度驗證，散射實驗測量數(shù)據(jù)驗證了基于Monte-Carlo理論模型的神經(jīng)網(wǎng)絡(luò)反演算法的精度。
　?。?）將建立的基于簡化的MIMICS半經(jīng)驗?zāi)Ｐ偷姆囱菟惴ê突贛onte-Carlo模擬的神經(jīng)網(wǎng)絡(luò)反演算法，用于雙極化的 ASAR圖像和全極化的 RADARSAT-2圖像上，實現(xiàn)了水稻生物量的反演和驗證。其中，雙極化 ASAR圖像水稻生物量反演部分，結(jié)合光學TM圖像首先實現(xiàn)了水稻

7、區(qū)域制圖和SAR圖像后向散射系數(shù)的提取，利用半經(jīng)驗反演算法得到了不同時期的水稻生物量分布，并結(jié)合地面實驗的實測數(shù)據(jù)對反演結(jié)果進行了驗證。全極化RADARSAT-2圖像水稻生物量反演部分，給出了生物量反演流程，將水稻散射測量實驗、生長模型和Monte-Carlo散射模型的建立、神經(jīng)網(wǎng)絡(luò)的訓練、多時相RADARSAT-2圖像的處理和生物量反演相互關(guān)聯(lián)起來，利用多時相數(shù)據(jù)分類實現(xiàn)了 RADARSAT-2圖像上水稻區(qū)域的制圖，進而利用訓練好的神

8、經(jīng)網(wǎng)絡(luò)實現(xiàn)了生物量的反演和驗證，將反演算法推廣到了更大觀測區(qū)域，實現(xiàn)了大面積水稻的參數(shù)反演和長勢監(jiān)測。
　　水稻生長參數(shù)與后向散射系數(shù)之間存在復(fù)雜的非線性關(guān)系，從有限的雷達觀測數(shù)據(jù)中提取這些參數(shù)是一個典型的病態(tài)反演問題，難以獲得精確量化結(jié)果。本文提出以水稻為對象的微波散射特性和參數(shù)反演算法研究，不但豐富了植被散射機理的理論和實驗研究，也將推動SAR圖像植被參數(shù)定量反演算法的研究，拓寬雷達遙感技術(shù)的應(yīng)用研究領(lǐng)域，對實現(xiàn)基于雷達遙感的