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雜性和相關理論研究的滯后性，嚴重阻礙了雷達遙感巨大的應用潛力。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，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的神經(jīng)網(wǎng)絡等反演算法，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和電磁波多路徑疊加效應抑制技術，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，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)驗模型。根據(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，針對水稻結構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)驗模型參數(shù)，半經(jīng)驗模型包括水云反演算法、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)絡的設置、訓練數(shù)據(jù)的生成、網(wǎng)絡訓練精度驗證，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)絡反演算法的精度。
　　（5）將建立的基于簡化的MIMICS半經(jīng)驗模型的反演算法和基于Monte-Carlo模擬的神經(jīng)網(wǎng)絡反演算法，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，并結合地面實驗的實測數(shù)據(jù)對反演結果進行了驗證。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)絡的訓練、多時相RADARSAT-2圖像的處理和生物量反演相互關聯(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)之間存在復雜的非線性關系，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，拓寬雷達遙感技術的應用研究領域，對實現(xiàn)基于雷達遙感的