基于C波段雷达遥感数据的水稻FPAR反演

摘要

FPAR表示了植被冠层能量的吸收能力，是描述植被结构以及与之相关的物质与能量交换过程的基本生理变量，是作物生产模型、大气模型、水循环模型、碳循环模型、生态模型、净初级生产力模型等模型的重要陆地关键参量。水稻在世界许多地区种植，与数以百万计人的生命息息相关。在中国，水稻种植面积占粮食种植总面积的18.7％，总面积达到2963万公顷。因此水稻在保障中国粮食安全和社会稳定上具有重要作用。在区域和全球尺度上，利用遥感技术准确、及时反演水稻FPAR以及其变化规律，可以为水稻的生长状况、总初级生产力的估算和二氧化碳吸收等提供重要的参考数据和理论依据。由于大部分水稻种植地区多云、多雾、多雨，很大程度上限制了光学遥感在水稻监测方面的应用。因此，能够穿透云层，具有全天时、全天候对地观测的星载雷达成为植被遥感监测的重要工具之一，也为将来建立更加可靠、稳定的植被遥感监测体系提供了重要途径。
　　本研究以RADARSAT-2遥感数据作为数据源，以成都平原为研究区域，结合野外观测的实验数据等信息，提取研究区域内水稻的种植面积、建立水稻FPAR经验和理论反演模型并对结果进行分析与验证。
　　(1)对RADARSAT-2遥感数据进行预处理，通过分析水稻生长期中地物多波段、多时相的后向散射特征和其他植被之间的差别，利用研究区域内不同极化方式以及不同时相的数据对地物进行分类，将除水稻外的地物类型进行合并，最终提取出水稻的种植面积。结合实地考察、试验点、相近地物以及采集的控制点等坐标信息对结果进行验证，结果表明水稻种植面积的提取精度较好。
　　(2)根据2014年于水稻生长期内在研究区域内选取的30个实验点进行地面观测所获取的水稻的FPAR数据与雷达遥感数据，建立统计关系，构建水稻FPAR经验反演模型。选取三个不同时相的Radarsat-2影像，提取试验点极化方式的后向散射系数及其比值，并将其与实测的FPAR进行拟合。最后，对结果进行对比分析，σ0VV/σ0VH与实测的FPAR之间具有很好的关系，决定系数R2达到0.713。
　　(3)以野外实验获取水稻生产期内各个时段的结构参数数据为依据，利用植被冠层后向散射模型——改进后的MIMICS(Michigan Microwave Canopy Scattering)模型和基于MIMICS模型的半经验半理论模型，对实验点水稻C波段雷达数据进行模拟。对模拟的各实验点的后向散射系数与实测的FPAR进行相关性分析，发现两个模型模拟的VV、VH极化的后向散射系数的比值与FPAR之间的关系都较好，决定系数R2分别达到0.814和0.64。
　　(4)基于C波段雷达遥感数据与实测FPAR的拟合度分析证明，利用整个生长期的雷达遥感数据估算水稻FPAR是完全可行的，且反演效果较好。从水稻生长阶段来看，水稻生长初期由于存在大量水面对雷达信号吸收的影响以及水稻矮小等原因，导致水稻FPAR反演效果较差；水稻生长中期几何结构特征十分明显，水体的影响也较小，C波段雷达遥感数据能很好的反演这个阶段的FPAR；水稻生长末期由于覆盖度较高且有稻穗的影响，导致这个阶段无法单独用C波段雷达遥感数据来反演水稻FPAR。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1研究背景与意义

1.2 国内外研究现状和进展

1.3 研究内容

1.4 研究方案与技术路线

1.5 论文结构

第二章 Radarsat-2数据预处理及水稻种植面积提取

2.1 研究区概述

2.2 Radarsat-2数据获取及处理

2.3水稻种植面积提取

2.4本章小结

第三章 水稻生物物理特征参数地面实验设计与观测

3.1 开展地面观测实验的必要性

3.2水稻观测实验目的与设计原则

3.3 实验方案设计

3.4 室内数据测量方法

3.5 实验观测与数据分析

3.6 本章小结

第四章 基于Radarsat-2与观测数据水稻FPAR经验模型构建

4.1 基于单时相的水稻FPAR经验模型构建

4.2 基于相邻时相的构建水稻FPAR经验模型构建

4.3基于整个生长期的水稻FPAR经验模型构建

4.4 水稻种植区FPAR反演及结果分析

4.5本章小结

第五章 水稻种植区C波段雷达遥感数据模拟及FPAR反演

5.1 基于植被冠层后向散射理论模型的C波段雷达数据模拟及FPAR

5.2 基于植被冠层后向散射半经验半理论模型的C波段雷达数据模拟

5.3 本章小结

第六章 结论与展望

6.1 主要结论

6.2 研究展望

致谢

参考文献

攻读硕士期间取得的研究成果