Radarsat-2在我国农业领域的应用

星载合成孔径雷达由于其工作在微波波段,可全天候对地观测,在阴雨天光学卫星无法观测时候,可作为重要补充。Radarsat-2是加拿大太空署与MDA公司(加拿大大不列颠哥伦比亚的里士满市麦克唐纳·迪特维利联合有限公司)联合生产的高性能星载SAR商业卫星。凭借其高精度、高重返周期和高性能产品,Radarsat-2在我国众多领域有广泛应用。通过对近十几年来在我国农业领域(水稻和冬小麦)应用Radarsat-2的最新研究成果进行总结分析,得到该卫星影像最新研究成果:农作物种植区域识别、长势和产量的评估;农作物不同生长期的参数反演;秸秆残茬生物量估算。最后对此雷达卫星影像的发展前景进行了展望。

基于改进水云模型和Radarsat-2数据的农田土壤含水量估算

为了直接将雷达遥感中"水云模型"进行反演应用,该研究将"水云模型"中植被参数改为雷达植被指数,利用全极化数据直接支持遥感反演土壤含水量,无需遥感反演植被参数输入。改进模型为利用雷达遥感结合"水云模型"进行土壤含水量监测提供了一种高效便捷方法。基于Radarsat-2全极化数据对冬小麦覆盖的农田土壤含水量进行估算,利用2014年在陕西杨凌区获取的4个生育期内Radarsat-2卫星数据及同步田间测量108组冬小麦农田土壤含水量地面测量数据进行模型参数校正和精度验证。验证结果精度为:改进的雷达植被指数模型>原叶面积指数模型(实测叶面积指数验证)>原叶面积指数模型(光学遥感反演叶面积指数验证),且改进的雷达植被指数模型可以在多个生育期内对农田土壤含水量进行监测。

利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数

利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。

基于RADARSAT-2全极化数据反演周期性地表土壤湿度

土壤湿度是农作物估产和旱情监测的关键参量。目前常用的土壤湿度反演模型都建立在随机粗糙地表条件下,对周期性垄行结构的土壤并不适用。基于RADARSAT-2全极化数据和野外实测数据,分析了交叉极化(vh)后向散射系数对垄行方位角无明显响应;同极化(hh,vv)对方位角的响应为余弦函数,但在方位角为90o±2o位置易出现偏离曲线的异常高亮度值。通过雷达影像上采样点的实测值和Oh模型推算的理论值,拟合得到周期性地表和随机地表之间的误差函数,进而对同极化影像进行纠正。纠正后的同极化比(p)去除了方位角和异常值的影响,交叉极化比(q)受到异常值的影响。通过Oh模型中的p和vh对研究区的地表参数进行反演,17个检验点的验证结果表明,预测的土壤湿度平均相对误差为11.13%,标准差为0.0256cm3/cm3;预测的均方根高度平均相对误差为13%,标准差为0.1315cm。结果与随机粗糙地表土壤湿度和均方根高度的反演精度相当,证明了该模型的有效性。

Radarsat-2全极化SAR车辆目标典型方位特性分析

Radarsat-2卫星可为普通用户提供8 m分辨率全极化SAR影像服务,这为研究基于星载全极化SAR影像的目标检测与监视提供了数据保障。针对此新型星载SAR影像中的车辆目标,本文提出以目标RCS测量和极化分解两种技术相结合的目标特性分析方法,并以同型号、典型方位的大型卡车为例,进行了不同入射角条件下的两次同步实验。利用本文提出的分析方法对实验数据进行了分析,给出了卡车目标在不同成像方式下的极化特性分析结论。为进一步研究基于星载全极化SAR影像的道路交通监测提供了基础。

基于Radarsat-2的冬小麦种植面积提取方法研究

为探寻基于Radarsat-2的冬小麦种植面积提取方法,以设立在江苏盐城研究区的冬小麦为研究对象,选用2014年3月3日-2014年6月7日期间5期Radarsat-2全极化影像,采用支持向量机法和最大似然法分别对各时相的冬小麦种植面积进行提取,并以地面实测GPS样方进行精度验证。结果表明,以支持向量机法和最大似然法提取冬小麦面积的精度均在4月20日达到最高,分别为66.4%和63.9%。对4月20日支持向量机法的冬小麦面积提取结果进一步进行耕地地块优化和碎小图斑去除处理后,冬小麦面积的提取精度可提高到79.6%。

基于Radarsat-2影像的复杂种植结构下旱地作物识别

为提高基于Radarsat-2旱地作物识别的精度,该文研究了一种复杂种植结构背景下具有共同生长期作物的识别方法。研究区为一个12 km×12 km的样方,位于内蒙古上库力农场额很队,以春小麦、油菜2种共同生长期作物为识别对象,利用Spot-6影像和Radarsat-2影像,在数据预处理的基础上分析研究区内典型地物样本的后向散射系数在不同极化波段上的变化特征,根据该变化特征设计图像增强算法,然后基于图像增强后的影像设定合理的阈值实现作物识别提取。结果表明:该方法准确识别并有效提取了共同生长期作物春小麦和油菜的种植面积,总体精度达到97%,Kappa系数为0.96。该方法简便、快捷、可靠,为春小麦、油菜等旱地共同生长期作物种植面积提取提供重要的科学技术支撑。

基于高分一号与Radarsat-2的鄱阳湖湿地植被叶面积指数反演

叶面积指数(LAI)是衡量湿地生态系统健康状况的重要指标.根据鄱阳湖湿地植被生长密集、LAI动态范围大的特点,针对雷达数据的复杂散射机制,利用Freeman-Durden极化分解技术,定义了一种雷达植被指数,并考虑光学植被指数的饱和性,尝试将光学植被指数和雷达植被指数相结合,构建融合植被指数来估算植被LAI.通过实测数据和理论模型模拟数据与LAI的相关性分析,表明融合植被指数能有效地提高与LAI的相关性.利用融合植被指数、光学植被指数、雷达植被指数与LAI构建最佳拟合模型得出:光学微波融合植被指数能更准确地估算鄱阳湖湿地植被LAI.

基于双极化双时相RADARSAT-2的冬小麦估产模型研究

为了给农业部门提供准确的冬小麦产量评估,应用安徽省淮河流域4月底和5月初双极化星载合成孔径雷达(SAR)影像——RADARSAT-2和该区域冬小麦收割前(5月底)试验田产量资料,应用不同拟合方法建立冬小麦产量和2个时相(4月底和5月初)后向散射系数关系的估产模型;选择其余试验田对其检验,优选出最佳的估产模型,实现冬小麦大面积估产。结果表明,经计算得到了超过80%精度的估产模型和冬小麦较准确的估产结果。说明在冬小麦收割前1个月左右应用SAR进行估产,这种思路和方法是行之有效的。

基于Radarsat-2 SAR数据反演定西裸露地表土壤水分

利用Radarsat-2 SAR数据和定西地区野外土钻法及WET仪器观测的土壤水分数据，分析了同极化后向散射系数与不同土层深度土壤水分之间的关系，采用交叉极化（VV/VH）组合模型反演土壤水分并进行对比验证。结果表明：水平、垂直同极化后向散射系数均与10～20 cm土壤含水量相关性最好，相关系数R均为0．74；受地表粗糙度和土壤质地等影响，同极化后向散射系数与0～10 cm土壤水分相关性均较低。交叉极化组合模型的反演值与10～20 cm实测土壤水分相关性较高，R值达0．75，而与0～10 cm和20～30 cm实测值的相关性较低（R值分别为0．47和0．52），但均通过α＝0．05的显著性检验；WET仪器实测0～6 cm土壤水分经校正后与反演值的相关系数为0．46（通过α＝0．01的显著性检验），校正后的结果有效提高了WET仪器测量精度。交叉极化组合模型可用于裸露地表土壤水分的反演，更适用于提取10～20 cm土壤含水量信息。

基于Radarsat-2目标极化分解H-α特征空间的海洋悬浮物浓度监测研究

海洋悬浮物浓度遥感监测对海洋环境监测与治理具有重要意义。以Radarsat-2全极化SAR(synthetic aperture radar)数据与珠江口东岸香港海域悬浮物实测数据为基础,利用微波散射机制与Cloude-Pottier理论探索平均散射角α和散射熵H等特征参数与海洋悬浮物浓度之间的关系,建立基于H-α细分类空间的海洋悬浮物浓度分布监测模型。研究结果表明,平均散射角α和散射熵H与海洋悬浮物浓度之间存在着正相关关系,其相关系数分别为0.79和0.88。由此构建的H-α空间细分类模型可将悬浮物浓度分为4类,分别对应20mg·L-1以上、10—20mg·L-1、5—10mg·L-1以及5mg·L-1以下的悬浮物浓度。经验证,该模型的分类精度达到95.6%,远高于单独利用α或H的分类效果,可以较好应用于海洋悬浮物浓度探测领域。

基于Radarsat-2全极化数据的多种雷达植被指数差异分析

[目的]雷达植被指数(Radar Vegetation Index,RVI)作为评价雷达影像植被分布与生长状态的重要指标,对植被生长动态监测具有重要意义。然而,不同算法的雷达植被指数对于同一地物类型的表征往往存在一定的差异。文章通过对比分析3种常用RVI在多种类型地物上的差异,为其在SAR影像特征提取、分类、识别等应用提供指导性意见。[方法]实验基于武汉市Radarsat-2全极化数据,结合Google earth历史影像和实地调研数据,选取林地、灌丛、草地、耕地、水生植被、建筑、道路、裸地、湖泊、河流10种典型地物样本,从样本折线图分布、类内标准差等方面,对分别通过H/A/alpha分解、Freeman分解和后向散射系数计算得到的3种常用雷达植被指数Van_RVI、Freeman_RVI和Kim_RVI进行了测算分析。[结果] 3种雷达植被指数有着相似的折线图走势,对植被的监测能力良好,但对于不同地物的敏感性稍有差异:Freeman_RVI对林地等高密度植被区域敏感程度较高; Van_RVI对耕地与林地、灌木与林地具有一定的区分性; Kim_RVI对水体与建筑的敏感程度较高。[结论] Freeman_RVI对高密度植被识别能力最好,可用于林地提取、森林制图; Van_RVI对植被与非植被的区分能力最好,适用于植被提取; Kim_RVI数据预处理计算速度最快,但提取精度不高,可用于应急制图。

基于Radarsat-2数据的渔船检测与识别方法研究

采用Radarsat-2高分辨率雷达数据和实测数据相结合的方式,探索了海上渔船目标的检测和识别方法。本研究采用的方法是,首先针对渔船在图像上的表现特征,采用全局均值与一倍标准差之和替代传统双阈值法中的背景峰值,采用目标的强峰与弱峰的中间值替代目标峰值点,作为分割阈值进行目标分割;同时,根据研究海域船只实际尺寸数据和高分辨率图像(GeoEye)目视解译数据,统计取得渔船的长度范围为8.85m^38.58m,长宽比为2.86~5.80,并以此范围进行渔船识别。最后采取交互式精度评价方法,对检测和识别结果进行评价。

基于Radarsat-2和环境星的淮河流域冬小麦估产模型比较研究（英文）

建立基于微波和光学卫星影像的农作物估产模型,可对上报作物产量准确性及估产模型精度进行相互验证。应用2014年4月中旬和5月初星载合成孔径雷达(SAR)——RADARSAT-2和同期HJ影像各两幅,选择安徽省寿县和怀远县冬小麦产区,通过试验田产量和反演的雷达影像后向散射系数,以及从环境星计算得到的归一化植被指数(NDVI),建立冬小麦线性估产模型,在此基础上对估产模型精度进行比较:通过星载SAR的同极化HH和交叉极化HV方式建立的估产模型对寿县涧沟镇冬小麦估产精度分别为68.37%和74.01%,对怀远县龙亢镇冬小麦估产精度分别为63.10%和69.10%;通过HJ星建立的估产模型对寿县涧沟镇和怀远县龙亢镇冬小麦估产精度分别为69.52%和66.43%。基于HJ星影像得到的冬小麦估产模型精度和基于SAR得到的估产模型精度接近。模型结果为上报产量准确性、冬小麦估产模型验证、参数纠正及推广奠定基础和积累经验。

Radarsat-2的系统组成及技术革新分析

Radarsat-2是加拿大继Radarsat-1之后的新一代商用合成孔径雷达(SAR)卫星,它在继承Radarsat-1原有成像模式和技术特点的基础上,进行了较大范围的技术革新。总结了Radarsat-2的系统组成和性能参数,并重点分析了其包括超精细分辨率成像、全极化成像、左右视成像等在内的技术革新和技术实现。Radarsat-2作为当前十分先进的星载SAR系统,为未来星载SAR的发展指明了方向。

RADARSAT-2的关键技术及军民应用研究

RADARSAT-2合成孔径雷达提供新的操作模式将开启新的应用机遇。RADARSAT-2数据将用于全球环境和自然资源的监测、制图和管理,尤其是在海冰监测、制图、地质勘探、海事监测、救灾减灾和农林资源监测,以及地球上的一些脆弱生境的保护等。将讨论这些新的机遇和说明这些新的雷达模式的潜在应用。

基于RadarSAT-2同步观测试验的海面油膜雷达信号特征研究

海底自然烃渗漏在海洋表面形成的油膜分布对海上油气勘探具有重要指示意义。本文利用3 m分辨率的RadarSAT-2数据在渤海海域开展海洋表面油膜检测同步现场试验,利用机油在海面生成表面油膜,14 min后接收SAR数据,测量并分析海洋表面油膜雷达响应特征。试验结果表明,在适合海况条件下,3 m分辨率SAR数据可以检测到几个微米厚度的表面油膜,此时C波段对海洋表面波有5 dB的阻尼作用。油膜漂移的SAR测量结果进一步证实表面油膜的扩散与漂移受风场、流场影响。

基于Radarsat-2 SAR图像分类与HY-2微波辐射计反演获取北极海冰密集度的比较研究

在北极东北航道东西伯利亚海和楚科奇海交汇的关键区域,利用四景2012年北极夏季Radarsat-2 SAR海冰图像,通过图像分类提取了海冰密集度;同时采用NASA TEAM算法,基于海洋二号(HY-2)卫星扫描微波辐射计亮温数据反演了对应区域的海冰密集度;并引入美国冰雪数据中心(NSIDC)发布的SSMIS海冰密集度产品进行了对比研究。通过不同来源海冰密集度数据的分析发现HY-2、SAR和SSMIS的结果在4个研究区域上的分布趋势基本吻合;但在海冰边缘区,由SAR图像分类得到的海冰密集度高于HY-2和SSMIS的反演结果,说明了高分辨率的SAR图像在监测边缘区小尺寸浮冰上有优势。三种数据中,原始分辨率相同(25 km)的HY-2与SSMIS的结果最为相近,而HY-2同SAR的相关性与SAR同SSMIS的相关性一致。在冰边缘,HY-2的反演值偏低于SAR和SSMIS的结果,这是受该处较高水汽含量影响的结果,也是未来发展HY-2微波辐射计反演算法需要重点改进的地方。

Radarsat-2影像的空间基线误差去除方法研究

因Radarsat-2影像的基线误差在干涉图中呈现非周期性-π至π的变化,很多学者试图通过各种方法建模实现对基线更加准确的估计。然而,对基线模型的研究并不能完全消除基线误差,这个误差在之后的数据处理过程中还会累积和传递,因此,通过建模的方法并不能很好的保证结果的质量。本文在考虑到基线误差在解缠后呈现弱二次曲面特点的同时,决定采用先解缠再根据感兴趣区去除基线误差的方法,该方法避免了新误差的产生,且能够尽可能的保证解缠的质量,针对感兴趣区去除基线误差可以使结果更加准确。

RADARSAT-2全极化SAR数据地表覆盖分类

全极化合成孔径雷达(SAR)能够测量每一观测目标的全散射矩阵,但地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征,因而增加了地物信息提取的难度。文中基于北京地区的RADARSAT-2全极化雷达数据,在图像处理的特征分解的基础上,利用PolSARPro软件提取包含地物散射机理信息的各种极化参数,按H-α、A-α、H-A对全极化SAR影像进行基于散射机理的分类,继而将分类结果作为Wishart H/A/α、Wishart H/α的初始类别划分。最后,采用决策树分类算法对基于Wishart分布的监督分类及以上两种分类算法进行融合处理,从而实现地物的分类,并将分类结果与经典的分类算法进行对比分析,验证了文中方法的有效性。