vlambda博客
学习文章列表

水稻是全世界主要的粮食作物之一。使用遥感技术对水稻种植规模进行宏观、及时、准确地监测,可以有效预测水稻作物的产量,对保证粮食安全具有非常重要的指导意义[1]。

合成孔径雷达(synthetic aperture Radar,SAR)技术具备全天时、全天候观测的能力。近年来,利用多极化、多时序的SAR数据研究地表覆被分类、农作物识别已取得较大进展。邵芸等[2]运用多时相RADARSAT影像结合实地测量的水稻生长结构参数,分析了不同生长周期4种类型水稻的时域散射特性,有效提取了水稻类型以及种植信息,其精度达到91%; 刘浩等[3]选取4个时相的RADARSAT数据使用神经网络方法和最大似然分类方法,对水稻进行识别研究,结果表明神经网络方法相比传统分类方法更加有效; 杨沈斌等[4]采用ASAR数据探索多时相多极化差值图的稻田识别方法研究,结果表明基于统计分析的监督分类方法能有效提取水稻作物,分类精度达到了84.92%; 国贤玉等[5]利用全极化RADARSAT-2数据,引入基于支持向量机(support vector machine,SVM)和序列前进搜寻策略的特征选择方法,构建基于决策树和SVM的水稻精细分类方法,结果表明基于决策树的阈值分类方法优于SVM分类方法,分类精度达到92.57%。

根据目前研究,虽然采用神经网络方法、SVM分类方法和决策树阈值分类方法等对多时相、多极化SAR数据进行分类提取,都获得了很高的提取精度,但是很多研究都局限于小区域、种植作物单一的地区,无法为地势复杂、农作物分布较分散的南方地区提供方法参考[6]。本文选择我国59个水稻制种基地之一和海南省第2大杂交水稻制种基地的临高县作为研究区[7],采用Sentinel-1A雷达数据沿用极化差分SAR图像和极化比值SAR图像对典型地物分类有着重要作用的思路[8,9],提出水体归一化参数,以此探讨Sentinel-1A数据在早稻面积遥感监测中的应用,为南方地区采用极化SAR数据监测水稻以及其他农作物提供可行性的理论和技术上的支撑,同时发掘Sentinel-1A对农作物遥感监测的应用潜力。

临高县位于海南岛西北部,介于N19°34'~20°02',E109°03'~109°53'之间,全境土地总面积为13.17万hm2。该地区地势自南向北逐渐倾斜,气候属热带季风气候,水热条件好,年均降雨量为1 700 mm,年均气温为23.4 ℃。全县耕地面积为3.11万hm2,未利用面积为0.11万hm2。该区农业以粮食作物为主,早稻面积约1.15万hm2,主要分布在西南部和中部地区,其余地区分布零散; 旱地作物以蔬菜为主,种植面积约1.15万hm2; 热带作物以橡胶树为主,种植面积约2.21万hm2; 水果以香蕉为主,种植面积约0.35万hm2 [10]。

Sentinel-1A卫星作为欧盟委员会和欧洲航天局共同倡议的全球环境与安全监测系统的重要组成部分,于2014年4月3日成功发射升空,单颗星重访周期12 d。其搭载C波段的雷达成像系统,该系统采用4种成像模式实现对地观测,分别是: 条带模式(strip map,SM),空间分辨率为5 m×5 m; 干涉宽幅模式(interferometric wide swath,IW),空间分辨率为5 m×20 m; 超幅宽模式(extra wide swath,EW),空间分辨率为20 m×20 m; 波模式(wave,WV),空间分辨率为5 m×5 m。Sentinel-1A卫星具有双极化、重访周期短的特点[11]。

本文采用2017年双极化Sentinel-1A地距影像产品( https://scihub.copernicus.eu/dhus/#/home ),将其空间分辨率重采样为10 m×10 m,极化方式为VV和VH,坐标采用UTM/WGS84投影系统,其中包括1月9日、1月21日、2月2日、2月14日、2月26日、3月10日、3月22日、4月3日、4月15日、4月27日、5月9日、5月21日、6月2日、6月14日、6月26日、7月8日、7月20日的17个时间节点,涵盖了研究区早稻生长发育的完整过程。

基于欧空局提供的SNAP软件对各期Sentinel-1A影像进行了辐射定标,利用噪声文件使用Gamma Map滤波(滤波窗口5像元×5像元)来减少“相干斑点噪声”的影响,利用SRTM(shuttle Radar topography mission)数据进行了地形校正,使得其电磁辐射强度信息和相位信息能以电磁波对地物的后向散射系数来准确反映地物目标特征,准确提取每期VV和VH极化的时域后向散射系数[12]。预处理流程如图1所示。

图1   Sentinel-1A数据预处理流程

Fig.1   Pretreatment process on Sentinel-1A data

2017年5月在海南省临高县实地开展地面样点采集工作,将研究区的土地利用类型分为6大类: 耕地(早稻和旱地作物)、园地(橡胶园地和香蕉园地)、建筑物、水域、林地和其他(草地等),野外样点分布如图2所示。为了满足Sentinel-1A数据的精度要求,结合Google Earth高空间分辨率影像选取典型地物样本所在的纯净地块须大于10个像元以上(即面积大于1 000 m2)。本文总共采集到1 035个典型地物样本,其中早稻典型样本总共采集到300个,包括50个分蘖期、100个拔节期、100个乳熟期、50个蜡熟期; 其他典型样本包括100个旱地作物、200个橡胶园地、100个香蕉园地、85个建筑物、50个水域(湖泊、坑塘)、100个林地(林地占研究区总面积较小,以乔木园地为主)和100个其他(草地等)。本文选取60%的典型样本作为训练样本,剩余40%作为精度验证样本。

图2   研究区野外样点空间分布

Fig.2   Spatial distribution of field samples in the study area

依据中国气象网( http://data.cma.cn/ )和实地调研资料,表明研究区中部地区种植早稻的时间较早,集中在3月下旬—4月上旬种植,东南部、南部、东北部和西部地区集中在4月下旬—5月上旬种植,时间间隔为一个月左右,相差较大。图3为各个生长期的水稻野外照片。

图3   研究区早稻各个生长时期的野外照片

Fig.3   Field photographs of early paddy rice growing periods in the study area

地物的后向散射特征和强度,主要受2类特征参数影响: 一类是几何结构特性,如地物表面粗糙度,植被冠层粗糙度,散射单元的分布状态、大小尺寸、方位、方向等; 另一类是介电参数,主要是受含水量的控制[13]。

有关研究表明,在不同时间获取同一地区的极化SAR图像反映的地物特征随时间变化具有不同的极化信息特征。由于地物几何结构的改变、介电参数特性的变化等,不同极化在相同时间节点或者同极化在不同时间节点的VV和VH极化的后向散射系数差别较大,所表现的地物后向散射系数特征存在极大的差异,即使经过系统参数调整、滤波处理等一系列预处理过程,极化SAR数据依然会存在一部分的异常值,导致识别早稻区域的不准确性[8]。同时,依据典型地物样本(由于林地和橡胶园地的时域后向散射系数特征类似,本文只分析橡胶园地的散射特征)的后向散射系数散点分布(图4),地物的后向散射系数跨度大,同一地物在不同极化上的时域后向散射系数存在较大差异,采用阈值法提取早稻区域存在很大困难。

图4   典型地物时域后向散射系数散点分布

Fig.4   Scatter distribution of backscattering coefficients in time domain on typical objects

因此,本文为了进一步提高早稻面积识别提取的精度,让同时相不同极化数据或者不同时相同极化数据能较好地反映地物的时域后向散射特征,同时考虑到水体的时域后向散射系数在各个时期都处于较为平稳、低值的状态,沿用极化差分SAR图像和极化比值SAR图像对典型地物分类有着重要作用的思路[8,9],提出水体归一化参数σA,将VV和VH极化的后向散射系数归一化在[-1,1]之间。公式为

式中: P为某一时期的VV或VH数据; T为某一时期的VV或VH的水体均值。采用NDVV表示水体归一化VV极化SAR数据; NDVH表示水体归一化VH极化SAR数据。

研究发现,在水稻生长期间,水体灌满水稻田,生长初期以水体散射为主,此时稻田的时域后向散射系数较低。随着水稻的继续生长,水稻冠层、叶层增大,后向散射逐渐以水稻本身的体散射和冠层面散射为主,所以水稻区域的后向散射系数增大,有上下波动的趋势。直到经历60 d左右的生长至抽穗期后,水稻区域的后向散射系数特征基本在抽穗期—乳熟期间能达到最大值。当水稻冠层、叶层继续增大到一定的密度和稻穗饱满之后,即蜡熟期—完熟期的生长时期,后向散射以水稻体散射为主,但衰减作用也增强,所以其后向散射系数略微有下降的趋势并趋于平稳,并在水稻收割之后,又开始下降。因此,本文根据水稻田的时域变化特征,较好地区分出了水稻区域和非水稻区域[14,15]。

基于SVM分类方法和阈值分类方法具有利用极化SAR数据提取水稻种植区域均取得较高精度的优势,本文选取这2种分类方法提取研究区早稻面积,并对其结果进行对比分析。

分别从2个方面验证研究区早稻面积提取结果: ①从早稻面积分析,结合海南省农业统计资料来验证其提取精度; ②从空间位置分析,主要利用混淆矩阵统计总体精度、Kappa系数、制图精度和用户精度等指标验证其提取精度。