基于RVoG模型的双极化SAR水稻株高反演

水稻株高被广泛应用于物候监测、水稻健康评估及产量预测等领域,极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)信号能穿透水稻冠层记录水稻垂直结构信息,有助于实现高分辨率、大范围水稻株高提取。该文提出一种适用于非干涉条件下PolSAR数据水稻株高反演方法:利用极化SAR分解技术分离冠层及地表散射信号,引入随机地体二层散射模型(Random Volume over Ground,RVoG)对分解得到的水稻冠层散射能量进行建模,从而建立水稻株高反演模型;最后,联合邻域同质像素并利用NSGA-Ⅱ遗传算法对模型进行解算。利用2019年13景Sentinel-1影像在西班牙地区进行试验,水稻株高反演精度达到0.1 m,R^(2)达0.96以上,证明新方法能较好地适用于非干涉条件下PolSAR数据水稻株高反演。

基于Sentinel1A双极化时序数据的甘蔗株高反演方法

甘蔗株高为甘蔗品种与土壤、气象、水文等因素的综合反映,是甘蔗长势监测与估产的重要指标。研究以华南地区气候与天气条件为基础,通过对覆盖甘蔗全生长期的23景时间序列Sentinel1A数据进行预处理、矩阵转换与CloudePottier分解,求得双极化雷达植被指数(Dual-pol radar vegetation index,DPRVI)。分析了该指数与甘蔗长势参数(株高)随甘蔗不同生长期的动态变化规律。采用4种经典的经验回归模型(线性、二次多项式、指数、对数),以分段函数形式对不同生长期的甘蔗株高进行反演,建立最佳反演模型。实验结果表明,拟合模型在分蘖期前相关性最高,二次多项式模型拟合效果最优,决定系数R^(2)与均方根误差分别达到了0.882与0.118 cm,对反演效果最好的分蘖期之前的二次函数模型进行验证,结果表明决定系数R^(2)达0.839,平均绝对偏差为7.4%,说明DPRVI反演甘蔗株高是有效的。将DPRVI与其他3种经典的反演参数进行对比,结果表明,DPRVI的性能优于其他3种参数。通过分析可得,DPRVI可以较好地反演甘蔗生长前期的株高变化,反演的株高参数可供农业管理部门参考。