摘要
农业生产是人类社会生存和发展的基础，是一切社会活动的基础和保障。冬小麦作为极其重要的粮食作物，其产能对保障粮食安全、维护社会稳定和经济发展具有重大意义。随着遥感技术的快速发展，利用遥感技术能够快速高效地获取大范围对地观测数据，可实现农作物监测、灾害预警、产量预估和种植面积合理规划等。星载合成孔径雷达（SyntheticApertureRadar，SAR）是一种微波成像传感器，不受云、雨、雾的影响，具有全天时、全天候的对地成像能力，可实现大尺度、长时序地农作物监测工作，及时准确地掌握农作物各个生长阶段的详细情况。因此，基于星载SAR图像开展冬小麦物候期识别与监测研究具有重要意义。 发展至今，国内外众多团队已利用SAR图像在农作物物候期识别方面进行了研究，尤其是水稻物候期的研究较为丰富，已初步形成较为实用的技术体系，但同样作为世界重要的粮食作物之一的小麦，在物候期识别方面的研究工作仍处于起步探索阶段，需要更进一步的研究。针对上述问题，利用时间序列Sentinel-1A和Radarsat-2图像提出基于多极化星载SAR图像的冬小麦物候期识别方，分别实现基于时间序列双极化和全极化SAR图像的冬小麦物候期识别。本文主要研究内容可总结为以下三个方面： (1)基于时间序列Sentinel-1A和Radarsat-2图像的冬小麦物候期散射特性分析。本研究充分考虑不同极化方式、不同极化组合和不同时相SAR数据特征，对时间序列SAR图像的后向散射系数、极化分解参数、纹理特征等进行分析。将极化参数分析结果和冬小麦物候期特性充分结合，进行冬小麦物候期散射特性分析，结果显示 SAR图像特征会随着冬小麦物候期的变化呈现出一定周期性规律。冬小麦物候期大致分为营养初期、冬眠期、生长期、生殖期、成熟期五个阶段。在营养初期地块主要表现为单一裸土表面散射导致后向散射系数较大；在冬眠期后向散射保持相对稳定；在生长期、生殖期、成熟期随着冬小麦植株的升高，体散射增强导致后向散射系数整体呈现增强趋势。极化分解参数散射熵（H）和散射角（α）从营养初期到生长期会随着冬小麦植株升高呈现上升并且达到峰值，在成熟期由于小麦植株含水量减少等因素会呈现下降趋势。 (2)基于时间序列双极化 Sentinel-1A图像，提出一种基于决策树的冬小麦物候期识别方法。首先对时间序列数据进行预处理，实现冬小麦后向散射系数的提取；然后采用特征值H/A/α分解方法对数据进行极化分解，通过散射熵（H）、散射角（α）、各向异性（A）极化分解参数，分析冬小麦不同物候期阶段的散射特性并且结合箱式图分析结果，确定决策树方法最佳阈值，实现冬小麦物候期的识别。实验结果表明，在生殖期的识别精度为67%，成熟期精度达到87%，由于生长期和生殖期的相邻时间冬小麦生长状态相似导致错分的几率增大。该方法的总体精度达到79%，对冬小麦物候期识别研究具有重要的现实意义。 (3)基于时间序列全极化Radarsat-2图像，提出基于不同极化分解参数的决策树方法，实现冬小麦不同物候期的识别。首先对时间序列数据进行预处理，实现后向散射系数的提取；然后通过H/A/α分解方法提取熵（H）、散射角（α）、各向异性（A），通过Yamaguchi分解方法提取表面散射（Ps）、体散射（Pv）、二次散射（Pd）、螺旋散射（Ph）；最后分别基于H、A、α极化参数和基于α、Ps、Pd、Pv、Ph极化参数提出2种决策树方法，实现冬小麦物候期识别。实验结果表明基于H/A/α极化分解参数的决策树方法识别精度为82%，基于H/A/α极化分解和Yamaguchi分解参数的决策树方法识别精度为86%。表面散射和体散射可以提高生长期的识别精度，同时可以减小生长期和生殖期的错分概率，相对于基于H/A/α分解参数的识别精度提升4%，相对于基于双极化Sentinel-1A图像的识别精度提升7%。
NETL