農作物時空信息監測對於農業產量的精準評估十分關鍵。遙感技術具有實時監測、覆蓋範圍大等特點,被認為是農作物生長監測有效手段之一。光學遙感影像的成像易受天氣幹擾,很難獲取全年時間範圍的連續數據。微波遙感特別是全極化合成孔徑雷達遙感的發展,為農作物的全天候觀測提供了新的機遇。然而,目前應用全極化雷達數據監測農作物的工作蓬勃發展,有很多科學問題亟待回答和解決。中國科學院東北地理與農業生態研究所地理信息系統學科組研究人員,使用全年高解析度全極化合成孔徑雷達數據(UAVSAR)開展農作物監測與分類系列研究,並取得了一系列研究結論。
基於全極化UAVSAR數據,研究人員計算得到全年Cloude–Pottier以及Freeman–Durden極化參數,並利用極化參數及原始的雷達後向散射係數(HH,HV,VV)對農作物全年生長動態進行了監測。研究結果表明,常綠作物(例如果樹)及飼料作物(例如苜蓿草)整個生長季後向散射值十分穩定,而冬小麥及夏季大田作物則變化劇烈,表現為從出芽階段到生物量峰值時段的快速上升,以及隨後到衰老階段的急速下降。整體上,6月和10月影像上極化信號異質度很高,而7-8月份信號均質度很高。
研究人員基於JM距離研究了不同月份不同極化參數區分農作物的能力。研究結果表明極化參數比原始後向散射信號區分農作物能力更強,最大區分能力出現在夏季生物量高峰期間(7-8月)。當聯合使用全年度極化參數與原始信號時,所有農作物類型均可與其它作物類型精確區分開來。研究證實了僅使用全極化數據即可實現農作物的高精度分類,這為後續研究的開展提供了重要的科學指導。
研究人員使用隨機森林分類器對基於JM距離得到的影像分類能力結論進行了驗證。研究結果表明,聯合使用所有變量產出農作物分類精度超過85%,比只應用後向散射係數的分類結果高8%以上。同時,極化參數對分類結果的貢獻也遠大於原始信號,其中Cloude–Pottier極化參數的重要程度高過Cloude–Pottier參數。按季節定量分類貢獻度,夏季影像(7、8月)最高,這是因為作物之間結構特徵差異最大。春秋季影像對作物分類也有一定的貢獻。因此,僅僅利用4景UAVSAR即可達到接近最優精度的分類結果。
相關成果連續發表於地學領域期刊International Journal of Applied Earth Observation and Geoinformation上,主要工作由副研究員李華朋、研究員張樹清以及英國蘭卡斯特大學博士張策、教授Peter Atkinson共同完成,相關工作得到國家重點研發項目(2017YFB0503600)、國家自然科學基金項目(41301465)以及吉林省優秀青年基金項目(20170520087JH)資助。
論文連結:1 2
圖1. 不同成像月份UAVSAR上雷達後向散射信號值空間分布狀態:(a)6月份,(b)8月份,(c)10月份。
圖2. 每種作物與其它作物間的全年平均JM距離值變化圖 (a) 原始後向散射係數(HH, HV, VV), (b) Cloude-Pottier極化參數, (c) Freeman-Durden極化參數。
圖3. 基於前向影像選擇方法得到的最優遙感影像組合產出的分類精度變化圖