一种作物的叶面积指数反演方法技术

本发明专利技术公开一种作物的叶面积指数反演方法，包括：S1，获取研究区全极化雷达图像；S2，从S1中的全极化雷达图像模拟得到紧致极化数据。利用全极化雷达图形，模拟得到紧致极化雷达数据；S3，对S2中的紧致极化数据进行极化分解，得到具有不同物理意义的紧致极化参数图像；S6，进行非线性遗传‑偏最小二乘回归方法建模，得到冬小麦叶面积指数的预测值。本发明专利技术提供了与作物叶面积指数参数高度相关的紧致极化SAR参数的提取方案。本发明专利技术首次将GA‑PLS方法引入到紧致极化雷达遥感的信息分析中，避开前期复杂的物理过程分析，减少人为误差。本发明专利技术提供了基于新型紧致极化SAR数据的作物关键生育期的叶面积指数反演的技术方案。

A leaf area index inversion method for crops

The invention discloses an inversion method of crop leaf area index, which includes: S1, acquiring full polarization radar image of research area; S2, obtaining compact polarization data from full polarization radar image simulation of S1. Compact polarization radar data are simulated by full polarization radar graphics, polarization decomposition of compact polarization data in S2 is carried out in S3, and compact polarization parameter images with different physical meanings are obtained. S6, the prediction value of leaf area index of winter wheat is obtained by using nonlinear genetic partial least squares regression method. The invention provides a scheme for extracting compact polarization SAR parameters highly related to crop leaf area index parameters. For the first time, the GA PLS method is introduced into the information analysis of compact polarization radar remote sensing, avoiding the complicated physical process analysis in the earlier stage, and reducing the human error. The invention provides a technical scheme for inversion of leaf area index of crop critical growth period based on novel compact polarization SAR data.

【技术实现步骤摘要】
一种作物的叶面积指数反演方法
本专利技术涉及遥感技术，更具体地的，涉及作物的叶面积指数反演技术。
技术介绍
叶面积指数(LeafAreaIndex，LAI)是植被冠层结构密切相关的基本参数，在农业研究中，直接关系到作物长势、生长期次和产量。它是一个很好的作物发育和健康指标，也被用作许多作物生长和产量预测模型的输入变量。它是评价农业生态系统生理和生态生理过程的重要参数，在区域和国家尺度上监测作物生长和预测产量具有重要作用。遥感技术在获取地面信息方面具有周期性观测和大面积覆盖的特点。在农业资源监测中发挥着重要作用。它能够在空间和时间上捕捉陆地植被关键生物物理参数的分布信息。因此，它可以提供一个切实可行的方法来观测宏观尺度上的叶面积指数。目前，光学遥感是监测作物生长参数的主要手段，应用光学遥感数据进行作物长势监测己经形成了一套比较成熟的技术方法，其精度己达到较高水平。但是，在我国北方旱地秋收作物生长关键期，云雨天气影响较大，无法及时、有效地获取完整、连续的光学遥感观测数据，因此利用雷达遥感进行旱地作物的监测研究非常必要。合成孔径雷达(SyntheticApertureRadar，SAR)的出现，使农作物监测不受云、雾、雨的影响，保证了数据获取与当地天气的独立性，并且微波遥感探测植被信息时，可获得与光学传感器完全不同的信息。基于此，许多学者进行了大量的实验研究，来探讨SAR对作物LAI的敏感性。极化是电磁波的一种电场特性，不同的散射体散射的雷达波包含了不同的极化信息，描述了不同的物理散射过程。极化雷达的发展经历了从单极化到双极化再到全极化的过程，而全极化数据提供了最为丰富的极化信息。因此，全极化雷达数据常常被用来反演植被和地表的各种参量。目前从SAR图像中估计作物LAI的算法主要有两类：基于经验模型的方法和基于半经验模型的方法。基于经验模型的方法主要是利用回归分析的方法对作物的LAI参数进行估计。虽然全极化SAR在LAI反演中有很好的表现，但它的已知限制是利用重复的脉冲重复频率来扫描发送/接收极化的所有组合所导致的减少的条带宽度。为了克服这样的限制，紧致极化SAR，仅发送圆极化接收两个正交的线性偏振的成像模式已被提出。紧致极化SAR(CompactSyntheticApertureRadar,CPSAR)，也称简缩或紧缩极化SAR，是一种新型成像雷达系统，它发射一种极化波，接收两种正交极化波，有效降低了SAR系统复杂度与能耗，缩小了传感器体积，已成为新一代对地观测SAR系统的重要发展趋势之一。在成像雷达极化层级中，紧致极化介于全极化和双极化之间。与全极化SAR相比，紧致极化SAR不仅能够在一定程度上保持极化信息，还能实现更大的幅宽与入射角范围，满足一些特殊的应用需求。此外，紧致极化SAR还具有自定标、交叉验证等优势。2012年4月第一颗具有紧致极化测量能力的对地观测雷达卫星RISAT-1(RadarImagingSatellite1)发射成功。2014年发射的日本ALOS-2(AdvancedLandObservationSatellite2)卫星也把紧致极化作为实验数据模式。未来几年，加拿大RCM(RadarConstellationMission)，阿根廷SAOCOM(SateliteArgentinodeObservacionConMicroondas)，美国DESDynI(Deformation,EcosystemStructureandDynamicsofIce)还将发射具有紧致极化观测模式的SAR卫星。随着对地观测紧致极化SAR系统的日益丰富，开展基于紧致极化SAR数据的应用关键技术研究显得尤为迫切。同时，利用新型紧致极化SAR数据，开展典型地物目标响应特征分析，发展具有较高鲁棒性的信息提取算法，对于推动我国未来SAR传感器的发展以及雷达遥感技术在相关领域的应用具有重要意义。基于紧致极化雷达数据反演农作物参数的技术前提是必须找到和作物的生物物理化学参量最为相关的极化参数，这样才能建立准确的反演模型。因此，面对紧致极化数据带来的大量的极化信息，对于紧致极化信息的筛选至关重要。现有的基于雷达的农作物参数反演技术大多采用全极化数据，并且多是采用单一极化参数反演的方法，具体步骤如下：①根据对研究区已有的认知，人为判断研究目标是哪一种散射机制。②野外测量，在研究区采取若干样本，利用野外测试或者实验室样本测量的方法，获得研究目标的特征参数数据。③基于对某些极化参数的物理散射机制已知的前提下，找到一个与该研究目标散射机制最相符的极化参数，利用极化分解等技术获得该极化参数数据。④将该极化参数数据与研究目标的特征参数数据通过数据训练的方式建立简单的线性相关关系。⑤根据该相关关系，输入极化参数图像，反演出研究区的特征参数图像。现有技术存在以下缺陷和不足：①现有技术主要都是针对全极化雷达数据的，全极化数据的覆盖范围有限，在大范围的推广应用方面会受到许多的限制。②在雷达极化应用方面，现有技术仅仅采用那些已知物理散射机制的全极化参数，并没有充分利用紧致极化数据带来的新型的极化信息。在作物参数敏感的多维度极化特征参数的选择方面，目前主要的技术方法都是采用人为判断研究目标的散射机制的方式，其精度依赖于研究人员对研究目标的理解程度，人为误差的干扰较大。③现有的许多技术只用一个极化参数来模拟逼近研究目标的物理散射过程。而自然地物的散射机制非常复杂，大多数情况下很难用一个显著的物理过程来表达，而是多个物理过程的综合表现。
技术实现思路
虽然紧致极化SAR观测空间的维数相对于全极化SAR有所降低，它已经被证明在水稻制图方面具有巨大的潜力并具有和全极化SAR类似的性能。目前很少有基于紧致极化雷达数据对冬小麦叶面积指数进行反演的研究。也较少有人采用非线性遗传偏最小二乘(GA-PLS)算法来进行SAR特征参数的选择和降维。本专利技术的目的是利用紧致极化雷达数据反演得到作物的叶面积指数，并拓展紧致极化雷达数据在农作物参数反演中的应用潜力。为此，本专利技术提出一种作物的叶面积指数反演方法，包括：S1，获取研究区全极化雷达图像；S2，从S1中的全极化雷达图像模拟得到紧致极化数据。利用全极化雷达图形，模拟得到紧致极化雷达数据；S3，对S2中的紧致极化数据进行极化分解，得到具有不同物理意义的紧致极化参数图像；S5，测量得到所选研究区内冬小麦的叶面积指数的参数值；S6，进行非线性遗传-偏最小二乘回归方法建模，得到冬小麦叶面积指数的预测值。本专利技术的有益效果包括：1)本专利技术提供了与作物叶面积指数参数高度相关的紧致极化SAR参数的提取方案。2)本专利技术首次将GA-PLS方法引入到紧致极化雷达遥感的信息分析中，避开前期复杂的物理过程分析，减少人为误差，不做任何定量化假设，从数据级筛选极化信息通道；在多维度极化特征参数的降维方面，本专利技术提出了针对紧致极化雷达数据的高效能的多参数降维算法。3)本专利技术提供了基于新型紧致极化SAR数据的作物关键生育期的叶面积指数反演的全套技术方案。附图说明图1为本专利技术的方法的一个实施方式的技术路线图。图2本专利技术的方法的一个实施方式的流程图。图3为由Renny紧致极化分解三分量所得到的合成图。图4为紧致极化参数重要性选择的示意图。图5为实测本文档来自技高网...

【技术保护点】
1.一种作物的叶面积指数反演方法，其特征在于，包括：S1，获取研究区全极化雷达图像；S2，从S1中的全极化雷达图像模拟得到紧致极化数据。利用全极化雷达图形，模拟得到紧致极化雷达数据；S3，对S2中的紧致极化数据进行极化分解，得到具有不同物理意义的紧致极化参数图像；S6，进行非线性遗传‑偏最小二乘回归方法建模，得到冬小麦叶面积指数的预测值。

【技术特征摘要】
1.一种作物的叶面积指数反演方法，其特征在于，包括：S1，获取研究区全极化雷达图像；S2，从S1中的全极化雷达图像模拟得到紧致极化数据。利用全极化雷达图形，模拟得到紧致极化雷达数据；S3，对S2中的紧致极化数据进行极化分解，得到具有不同物理意义的紧致极化参数图像；S6，进行非线性遗传-偏最小二乘回归方法建模，得到冬小麦叶面积指数的预测值。2.根据权利要求1所述的作物的叶面积指数反演方法，其特征在于，在步骤S3中，所述紧致极化参数包括：Raney_Rnd,Raney_Dbl,RV,RR,RL,RH,Raney_Odd,p2,p1,l2,l1,Contrast,LPR,H,DoLP,DoCP,CPR,A和Raney_m。3.根据权利要求1所述的作物的叶面积指数反演方法，其特征在于，在步骤S3和S5之间还包括：S4，对S3中得到的紧致极化参数图像进行预处理，紧致极化参数图像的预处理包括：S41，对所有紧致极化参数图像进行几何校正；以及S42，基于S41中得到的紧致极化参数图像，在图像上读取各个采样点的紧致极化参数值。4.根据权利要求3所述的作物的叶面积指数反演方法，其特征在于，在S42中，在采样点附近划定一个小区域，取该区域紧致极化参数的平均值作为该采样点的紧致极化参数值。5.根据权利要求1所述的作物的叶面积指数反演方法，其特征在于，步骤S6包括：S61，利用非线性遗传算法筛选出与研究区特征参数最为相关的几个紧致极化参数；S62，基于S61中选择的极化参数数据，用偏最小二乘回归方法建立反演模型，得到冬小麦叶面积指数的预测值。6.根据权利要求5所述的作物的叶面积指数反演方法，其...

【专利技术属性】
技术研发人员：刘长安，陈仲新，李冰艳，吴尚蓉，李贺，
申请(专利权)人：中国农业科学院农业资源与农业区划研究所，
类型：发明
国别省市：北京,11