水稻微波散射特性研究及參數(shù)反演.pdf

1、雷達(dá)遙感具有全天候、全天時(shí)和地物穿透性的特點(diǎn)，適用于多云、多霧、多雨地區(qū)地物目標(biāo)的快速、宏觀、定量探測(cè)；但是，由于不同地物尤其是植被微波散射機(jī)理的復(fù)雜性和相關(guān)理論研究的滯后性，嚴(yán)重阻礙了雷達(dá)遙感巨大的應(yīng)用潛力。近年來(lái)，隨著星載SAR觀測(cè)平臺(tái)的迅速發(fā)展，為了更高效、精確地挖掘雷達(dá)遙感數(shù)據(jù)的應(yīng)用潛力，迫切需要研究地物的散射機(jī)理和參數(shù)定量反演算法。本論文以星載SAR和陸基散射計(jì)同步觀測(cè)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(xì)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(yàn)、半經(jīng)驗(yàn)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(shí)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(cè)量能力的微波散射測(cè)量系統(tǒng)，研究了天線非平面波的近場(chǎng)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?dāng)_帶來(lái)的失真矩陣等誤差。實(shí)現(xiàn)了充分的獨(dú)立取樣和定標(biāo)，確保了陸基散射計(jì)測(cè)量

3、的精度。
　?。?）完成了2010和2012年兩個(gè)水稻季的8個(gè)不同生長(zhǎng)期的散射測(cè)量實(shí)驗(yàn)。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(cè)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(zhǎng)參數(shù)實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ)，建立了水稻生長(zhǎng)模型，并對(duì)模型的有效性和合理性進(jìn)行了驗(yàn)證；分析了水稻的散射特性，包括：不同生長(zhǎng)期水稻入射角散射特征，水稻時(shí)域散射特征，以

4、及水稻散射值與生長(zhǎng)參數(shù)的相關(guān)性特征。
　　（3）建立了水稻經(jīng)驗(yàn)、半經(jīng)驗(yàn)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(zhǎng)參數(shù)經(jīng)驗(yàn)?zāi)Ｐ?。根?jù)散射項(xiàng)的不同，分別建立了水稻的水云模型、改進(jìn)的水云模型和簡(jiǎn)化 MIMICS模型，并利用實(shí)測(cè)數(shù)據(jù)確立了模型的經(jīng)驗(yàn)參數(shù)，對(duì)模型分析對(duì)比。根據(jù)蒙特卡洛方法建立水稻理論微波散射模型，針對(duì)水稻結(jié)構(gòu)特征對(duì)模型進(jìn)行了修正，并利用水稻生長(zhǎng)模型提供的輸出數(shù)據(jù)進(jìn)行了仿真，對(duì)比

5、模擬和實(shí)測(cè)數(shù)據(jù)，驗(yàn)證了模型的準(zhǔn)確性。利用建立的理論模型分析了后向散射系數(shù)對(duì)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(yàn)、半經(jīng)驗(yàn)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(duì)單極化、雙極化和全極化的反演模型。利用水稻散射實(shí)驗(yàn)測(cè)量數(shù)據(jù)，分別確立了水稻經(jīng)驗(yàn)反演模型和不同極化的半經(jīng)驗(yàn)?zāi)Ｐ蛥?shù)，半經(jīng)驗(yàn)?zāi)Ｐ桶ㄋ品囱菟惴?、改進(jìn)的水云反演算法和簡(jiǎn)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(xùn)練數(shù)據(jù)的生成、網(wǎng)絡(luò)訓(xùn)練精度驗(yàn)證，散射實(shí)驗(yàn)測(cè)量數(shù)據(jù)驗(yàn)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。
　　（5）將建立的基于簡(jiǎn)化的MIMICS半經(jīng)驗(yàn)?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(shí)現(xiàn)了水稻生物量的反演和驗(yàn)證。其中，雙極化 ASAR圖像水稻生物量反演部分，結(jié)合光學(xué)TM圖像首先實(shí)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(yàn)反演算法得到了不同時(shí)期的水稻生物量分布，并結(jié)合地面實(shí)驗(yàn)的實(shí)測(cè)數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行了驗(yàn)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(cè)量實(shí)驗(yàn)、生長(zhǎng)模型和Monte-Carlo散射模型的建立、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、多時(shí)相RADARSAT-2圖像的處理和生物量反演相互關(guān)聯(lián)起來(lái)，利用多時(shí)相數(shù)據(jù)分類實(shí)現(xiàn)了 RADARSAT-2圖像上水稻區(qū)域的制圖，進(jìn)而利用訓(xùn)練好的神

8、經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了生物量的反演和驗(yàn)證，將反演算法推廣到了更大觀測(cè)區(qū)域，實(shí)現(xiàn)了大面積水稻的參數(shù)反演和長(zhǎng)勢(shì)監(jiān)測(cè)。
　　水稻生長(zhǎng)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(dá)觀測(cè)數(shù)據(jù)中提取這些參數(shù)是一個(gè)典型的病態(tài)反演問(wèn)題，難以獲得精確量化結(jié)果。本文提出以水稻為對(duì)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(jī)理的理論和實(shí)驗(yàn)研究，也將推動(dòng)SAR圖像植被參數(shù)定量反演算法的研究，拓寬雷達(dá)遙感技術(shù)的應(yīng)用研究領(lǐng)域，對(duì)實(shí)現(xiàn)基于雷達(dá)遙感的