油菜简缩极化参数响应及其长势参数反演

张亚红， 张王菲， 姬永杰， 舒清态， 杨 浩

(1.西南林业大学林学院，云南昆明 650224； 2.北京农业信息技术研究所/北京市农林科学院农业科技信息研究所，北京 100097)

油菜是世界重要的油料作物，也是我国具有传统优势的重要油料作物。我国油菜种植面积和产量均占全世界30%左右[1]。此外，菜籽是生物柴油的主要原料之一，而生物柴油是替代石化柴油的理想“绿色能源”之一[2]，因此，促进油菜生产发展对保障我国国家食物安全、促进国家减排节能并在国际上争取更多的碳排量话语权具有重要意义。作物的株高是反映其生物量的主要参数，而生物量是构成其经济产量的基础，在较高的生物量基础上，通过合理的光合产物，作物即能获得高产[3-4]。叶面积指数是衡量作物群体是否合理的重要栽培生理参数，一定时期内可反映群体光合势的大小，直接影响生物产量和经济产量[5]。近年来采用多种手段进行生物量、株高和叶面积指数等作物长势参数反演已经成为作物产量估测的重要有效手段之一。

合成孔径雷达(SAR)已被证明是作物制图、作物长势参数反演的重要有效方法之一。多时相和多极化SAR后向散射系数在玉米、水稻制图及参数反演中已有大量成功的例子[6-9]。全极化、干涉极化SAR技术的发展，使得采用SAR技术进行作物制图和参数反演的SAR信息从单一的后向散射系数拓展到极化参数、相干系数和相位。2014年Lopez-Sanchez等通过RADARSAT-2全极化数据探索了全极化信息水稻物候期反演中的有效性，研究结果表明，全极化数据在水稻监测中具有良好的应用前景[10]。Rossi等采用TanDEM-X数据进行水稻监测，发现极化干涉数据在水稻高度制图中具有较高的准确性[11]。

尽管全极化、极化干涉SAR数据在作物长势监测中具有很大优势，但其仍然存在数据下载速度、测绘带宽、能量消耗和天线技术等限制因素。为了克服这些因素的限制，一个新的雷达极化技术——简缩极化(CP)被提出[12-13]。Lopez-Sanchez等和Yang等将简缩极化SAR参数用于水稻物候期的反演，发现简缩极化参数在水稻物候期估测中的精度在一定条件下相当于全极化参数估测水平。简缩极化参数在作物制图、物候期估测中的研究近年来逐渐开展，但其在油菜长势参数反演中的研究还鲜有报道[10，14]。2015年杨浩探讨了简缩极化参数生物量估测的可行性，指出简缩极化参数在油菜生物量估测中具有与全极化参数相当的潜力，但其提取的简缩极化参数仅仅包括后向散射系数和部分简缩极化分解参数[15]。

本研究拟全面探讨简缩极化参数在油菜主要长势参数——生物量、株高和叶面积指数反演中的潜力。首先探讨了简缩极化数据获取的途径，并结合Stokes参数特征提取17个简缩极化参数，然后基于2种主流的简缩极化分解方法提取了基于简缩极化的6个具有物理意义的散射机制参数；接着根据油菜整个生长期3个主要长势参数的动态变化规律分析了23个简缩极化参数对油菜长势参数的敏感性；最后采用经典的经验回归模型对油菜长势参数进行了反演，进而探讨简缩极化参数在油菜长势参数反演中的有效性。

1 简缩极化数据模拟及参数提取

目前研究中采用较大的简缩极化方式为CTLR模式(Circular Transmit and Dual Orthogonal Linear Receive，圆极化发射线极化接收)，因此本研究仅针对该模式展开研究。由于简缩极化的相关研究尚处于论证阶段，其数据源仍然以全极化SAR数据生成的模拟数据为主[16]。

简缩极化可以通过全极化散射矩阵[S]与发射矢量、接收矢量相乘得到，本研究以右圆发射，水平和垂直线性接收为例，介绍由全极化数据模拟简缩极化数据的过程[17]。

首先通过全极化散射矩阵[S]模拟由右圆极化发射的电磁波矢量，即：

ER=[S]R。

(1)

然后计算采用水平和垂直线极化接收的电磁波矢量，即：

(2)

式中：EH和EV分别表示接收到的水平和垂直分量。

根据接收到的散射分量，可计算简缩极化的协方差矩阵[J]，即：

(3)

根据协方差矩阵，计算简缩极化的Stokes矢量，即：

(4)

建立Stokes矢量与全极化协方差矩阵[C]的链接，即：

(5)

建立简缩极化Stoke矢量与全极化[C]矩阵的联系后，可以采用[C]矩阵计算简缩极化的Stokes参数，进而提取基于简缩极化的各参数。通过简缩极化的Stokes参数，提取了极化度、去极化度、标准极化度、线极化度、圆极化度、线极化比、圆极化比、散射角和相位差。另外，根据简缩极化常用的2种分解方法——m-δ和m-χ分解，我们同时提取了对应的6个散射机制，具体参数及计算方法见表1。

表1 简缩极化参数及其计算方法

2 材料与方法

2.1 试验区域

研究区位于中国东北部，大兴安岭西北麓，呼伦贝尔草原北段，额尔古纳河右岸，地形以丘陵为主。研究区属于寒带大陆性气候。平均气温-2.0 ℃～3.0 ℃之间。四季气候特征：春季温度回升快，降水少；夏季短暂，温暖潮湿；秋季降温快，初霜早；冬季漫长，寒冷干燥，农作物一年生长一季。研究区的试验样地位于内蒙古自治区额尔古纳市上库力农场(50°17′～50°23′N、120°46′～120°53′E)，具体位置如图1所示。

2.2 试验数据

研究获取了试验区油菜生长周期内5景时间序列Radarsat-2数据及卫星过境时同步的5期地面调查数据。数据获取的时间为2013年5月油菜播种到2013年8月底油菜收割。

2.2.1 SAR数据 本研究获取的5景Radarsat-2精细全极化C波段SAR数据，该数据距离向和方位向分辨率分别为4.96、4.73 m，重复周期为24 d，获取日期分别为2013年5月23日、2013年6月16日、2013年7月10日、2013年8月3日和2013年8月27日。为避免不同传感器观测配置对观测结果造成的影响，研究获取的5景Radasat-2影像的成像模式、成像入射角等参数完全一致，其影像具体参数见表2。

表2 Radarsat-2图像参数

2.2.2 地面实测数据 SAR数据覆盖了研究区油菜生长过程的关键生育期。地面调查在每次Radarsat-2卫星过境时同步展开(图2)。调查中每个地块选取0.5 m×2行范围割取1个植被样本(油菜行距30 cm)，并通过GPS记录样本点的经纬度，便于将实测数据与雷达影像一一对应。每次调查获取15～20块代表性油菜地块长势参数，包括叶面积指数、植株高度、地上生物量等。地面调查同时获取了地块样本的播期、品种、垄向和管理措施等基础数据，并收集了气象、地形、土壤条件等资料。此外，还获取了研究区30 m分辨率的数字高程模型(DEM)数据对SAR数据进行地形校正，然后采用野外采集的高精度地面控制点对影像进行高精度的几何校正。

2.3 试验方法

叶面积指数是衡量油菜群体是否合理的重要栽培生理参数，一定时期内可反映群体光合势的大小，直接影响生物产量和经济产量，图2-a描述了油菜各个生长期叶面积指数的变化情况。生物量是构成经济产量的基础，在较高的生物量基础上，合理的光合产物分配利用，即有较高的经济系数，油菜就能获得高产。同时株高和生物量与油菜长势密切相关，实时了解油菜株高和生物量信息对油菜估产具有重要意义。图2-b、图 2-c 分别描述了油菜株高、生物量随其生长周期的变化情况。研究通过模拟的简缩极化SAR数据，提取了13个Stokes参数、6个简缩极化分解参数和2个后向散射参数，通过分析各简缩极化参数随油菜生长期的动态变化规律、简缩极化参数与3个油菜生长参数的相关性，确定了这些参数对油菜叶面积指数、株高和生物量的敏感性。在敏感性分析的基础上采用线性经验回归分析模型对油菜生物量、株高和叶面积指数进行了反演。

3 结果与分析

3.1 油菜简缩极化信息响应结果与分析

表3 油菜长势参数与极化参数的相关性

3.2 油菜长势参数反演模型比较分析

采用经验回归分析方法进行油菜生物量、株高和叶面积指数的反演过程中，卫星5次过境时同步调查了44个样点数据，这44个样点数据全部参与生物量建模，在生物量建模中采用30个样本进行建模，14个样本进行精度验证；另外部分样点数据由于叶片较少，未计算叶面积指数；而在2013年8月23日卫星过境时，部分样点油菜已收割，未获得株高记录，因此叶面积指数和株高均用22个样本建模，11个样本数据进行精度验证。研究分别分析了一次线性模型、二次多项式模型、对数模型、乘幂模型及指数模型的建模结果，表4整理了21个简缩极化参数反演油菜生物量、株高和叶面积指数的最高精度及对应的模型信息。综合考察各模型建模参数，发现二次多项式模型在各个参数建模中占有优势。在叶面积指数模型反演中，21个极化参数的二次多项式建模均优于或相当于其他模型。在生物量反演模型中，19个简缩极化参数采用二次多项式建模的RMSE低于其他模型，r2高于其他模型。在株高反演模型中，有16个简缩极化参数的二次多项式建模优于其他模型，并且3个长势参数反演的最优模型均为二次模型。图3描述了生物量、株高和叶面积指数单参数反演的最佳模型。生物量反演模型中，r2取得最高值的简缩极化参数为g3，r2为0.765，RMSE为73.20；RMSE取得最低值的简缩极化参数为g0，r2为0.707，RMSE为52.95，这说明g3可以更高响应生物量的变化规律，而g0则在生物量估测中具有更高的估测精度。次之的2个最近参数分别为圆极化比Uc和圆极化度Pc，这2个参数能够表征强体散射分量，而生物量反演中简化极化体散射分量的高r2(r2=0.714)也验证了这一点。另外，由于线极化和圆极化是线性组合关系，所以这还说明了油菜散射中的圆极化分量占优势，此外，RR和RL也表现出较高的r2。在株高反演模型中，Uc和Pc表现出与株高变化趋势更高的响应性，r2为0.923，RMSE分别为18.71和17.62。体散射分量m-δ-v和m-χ-v与株高的r2略低，但RMSE较小，特别是m-δ-v，其RMSE为13.52，这是由于油菜整个生长期中，体散射较二次散射和表面散射与长势参数更相关，根据其散射特性可知，二次散射仅在株高达到一定程度时占优，而m-δ-d在生物量、株高反演中的低r2、高RMSE值也验证了这一点。叶面积指数反演中，Uc和Pc同样表现出高相关性和低RMSE，此外极化度、去极化度、体散射分量也表现出较高r2和较低的RMSE。这是由于叶面积指数可以表征单位面积内植被体散射的程度，因此与体散射相关的简缩极化参数均表现出与叶面积指数的强相关性和高估测精度。

表4 油菜长势参数单变量反演模型精度对比

4 讨论与结论

通过21个简缩极化参数于油菜生物量、株高和叶面积指数的相关性分析，可以发现多数的简缩极化参数对油菜长势参数敏感。多数参数与生物量、株高和叶面积指数随生长周期的动态变化规律相似或一致。通过经验回归模型采用单一简缩极化参数对油菜长势参数反演建模发现，较其他2种散射机制，体散射与油菜长势呈现明显的相关性，且与体散射相关的简缩极化分量，如圆极化度、圆极化比等也表现出反演长势参数的优越性及高精度。而在生物量反演中，由于生物量不直接与作物的极化特征相关，因此，相比受植被形状、方向影响较高的极化参数，反而表征后向散射能量的Stokes参数g0和g3呈现出对生物量更高的估测精度。

尽管采用简缩极化参数进行油菜长势参数反演的例子开展较少，但也有一些初步的研究结果：杨浩等提取了简缩极化分解的6个分量，并采用m-χ-d分量，使用二次回归模型对成熟期前油菜生物量进行了反演，均方根误差为56.5，略高于本研究结果；该研究同时采用m-χ-v和m-χ-d比值，使用二次回归模型反演了油菜生物量，r2为0.68，RMSE为112.8。由于该研究仅提取了部分简缩极化参数，因此无法全面探讨简缩极化其他参数在生物量估测中的潜力[15]。张远采用微波散射模型反演了水稻的生物量与株高，其中水稻生物量估测RMSE为100 g/m2，株高的RMSE为2～6 cm[4]。该方法在株高反演中表现出更高的精度，但该方法在具体实现过程，须要开展大量的野外调研工作，工作量远远大于本研究采用的方法。

通过对21个简缩极化参数及油菜长势随油菜生长周期的动态变化分析，可以说明简缩极化参数在油菜长势监测中具有很大的潜力。通过不同方法对基于简缩极化参数油菜长势参数反演建模表明：二次多项式建模相比其他回归模型更适用于简缩极化单参数油菜长势参数反演建模；在整个油菜生长周期中，相比其他散射类型，体散射更能表征油菜的长势特征，与体散射相关的简缩极化参数如简缩极化分解中的体散射分量、圆极化度、圆极化比等更适合油菜叶面积指数、株高的反演，而总散射能量g0和线性散射能量g3在生物估测中更具优势。另外，由于本研究并未对极化参数比值，如单次散射、体散射比等参数在长势参数中的反演进行分析，其潜力需要进一步分析；另外，植被的品种通常导致植被极化散射特征略有变化，因此，针对不同的油菜品种，须要结合其品种极化散射特征进一步分析。