基于微波冠层散射模型的水稻结构参数遥感反演

微波遥感技术应用于水稻作物结构参数反演研究是农业遥感领域中的一个主要部分。本课题通过对多时相L波段ALOS/PALSAR雷达遥感数据进行分类，精确获取区域尺度的水稻耕作面积；建立基于辐射传输理论的水稻冠层微波散射模型- - RCSM模型，结合地面实测数据，模拟水稻不同生长期的冠层散射特性；集成调试后的RCSM模型和遗传算法优化工具（GAOT），利用ALOS/PALSAR雷达数据进行水稻冠层的主要结构参数反演。本项目旨在为深入分析长波段微波雷达信号与水稻冠层各组分相互作用机理提供理论依据，进一步检验利用微波遥感技术及时地获取区域尺度上的水稻生长状态信息的应用潜力，为农作物生长监测提供新的技术手段。

本研究利用在水稻生长季的几个主要阶段实地测量的结构参数，以及同步获取的微波雷达遥感数据，开展了水稻冠层散射模型构建及结构参数反演研究。获得了如下研究成果：（1）基于水稻冠层在不同生长阶段的散射特征差异，提出了单独利用多时相、双极化合成孔径雷达遥感数据进行水稻类别提取的方法；（2）通过分析水稻植株各组分对整个冠层的散射贡献，基于辐射传输理论，建立了水稻冠层散射模型（RCSM），实现了对不同生长阶段的水稻冠层散射的准确模拟；（3）综合利用RCSM模型和反演算法（如遗传算法GA、神经网络算法ANN）实现了空间尺度的水稻结构参数的定量反演，获得了较好的估算精度。上述结果为加强水稻冠层微波散射机理的深入理解，以及今后在区域尺度上的水稻生长监测及产量估算提供了有效的技术支撑。