下载文档原格式
雷达遥感技术在水稻识别中的研究进展王松寒;何隆华【摘要】Due to its all-weather,all-time,high resolution and non-cloud interference characteristics,Synthetic Aperture Radar (SAR)techniques have unparalleled advantages for rice recognition in China.This article gives a review on the SAR techniques for rice recognition.It summarizes the development history of SAR,describes the parameters and characteristics of SAR sensors used for rice recognition,and analyzes the factors influencing backscattering coefficient based on the backscattering model of rice monitoring.This paper also reviews various methods for rice recognition based on SAR in domestic and abroad. Finally,the paper discusses the prospect in the related fields.%合成孔径雷达技术拥有全天时、全天候、高分辨率和不受云层干扰的特点，利用 SAR 在我国水稻种植区进行水稻识别拥有无可比拟的优势。
该文主要对雷达遥感技术在水稻识别和监测中的应用情况进行了综述。
首先总结了合成孔径雷达的发展历史，介绍了目前用于水稻识别的SAR 传感器的参数和特点；介绍了水稻的后向散射特性，根据水稻的后向散射模型分析了影响其后向散射系数的因素；综述了国内外利用 SAR 进行水稻识别的各种方法，并对未来利用 SAR 监测水稻进行了展望。
GF-1影像处理一．正射纠正纠正前多光谱影像纠正后多光谱影像纠正前PAN影像纠正后PAN影像二．数据定标式中：Gain为定标斜率；DN 为卫星载荷观测值；Bias为定标截距。
定标前数据统计定标后数据统计三、波普响应文件制作四、影像裁剪裁剪多光谱和DEM打开需要裁减的影像和矢量文件，点击subset data via ROI五、计算DEM平均值计算DEM平均值，用于下面的大气校正六、大气纠正FLAASH定标文件->Edit ENVI Header->修改中心波段和BIL、BIP注：问题：在将其转换成BIL或BIP时候影像出现分层现象（未解决）定标文件->Edit ENVI Header->修改中心波段->convert interleave注：文件名称要短点若输入影像提示“输入影像是不连续的波段”，解决办法：定标文件->Edit ENVI Header->修改中心波段大气校正前影像大气校正后影像大气纠正前散点图大气纠正后散点图七、影像融合先重投影和RADARSAT-2一样之后又裁减了一次（问题：背景扩大了？）PAN和多光谱，既保留了多光谱的光谱特性有保留了PAN高分辨率的特性2mPAN和8m多光谱融合融合前多光谱影像融合后多光谱影像2mPAN和16m多光谱融合融合前影像融合后影像五、影像分类1.监督分类1）分类监督分类初分类成果图 2）分类后处理分类统计：分类曲线图Class Distribution Summary●聚合和筛选聚合筛选前聚合筛选后●混淆矩阵：RADARSAT-2影像处理一．导入二．多视向处理三．滤波处理四．地里编码和辐射校正五．获取单像元值ARCgis1.将.kmz文件转为.shp转换工具->由.kml转图层注：在输出数据名称上填写文件类型（.shp）2.提取像元值用spacialAnaslyst 工具->提取分析->值提取到点3.生成报表和Excel模型建立及其应用一．土壤介电常数和土壤含水量之间的关系1、曲线拟合法利用1stopt软件和地面实测数据拟合出了土壤介电常数和土壤含水量之间的关系：1．1最佳拟合曲线公式：y=p1+p2*Ln(x)+p3*(Ln(x))^2+p4*(Ln(x))^3+p5*(Ln(x))^4+p6*(Ln(x))^5+p7*(Ln(x))^6+p8*(Ln(x))^7+p9*(Ln(x))^8+p10*(Ln(x))^9+p11*(Ln(x))^101.2最适模型：由于所采用的实测数据建立的模型，实测数据具有特殊性，因此模型也具有特殊性，所以根据模型参数个数、相关系数、均方根误差从符合精度要求（大于99%）的2632个模型中筛选出具有代表性的多个模型函数作为后续的研究对象模型6拟合曲线图（99%相关）模型5拟合曲线图（999%相关）模型3、4拟合曲线图（9999%相关）模型1、2拟合曲线图（99999%相关）分析：蓝色为土壤含水量实测值，红色为由模型计算出的土壤含水量值，通过以上四幅曲线拟合图可以很明显看出实测值和由模型计算出的值几乎趋于一条曲线。
水稻冠层参数微波雷达反演系统设计与实现王君毅;杨彬;张远【摘要】利用遥感数据对水稻参数反演时,经验统计方法在精度方面依然存在较大误差,而机理模型又不易被用户理解和使用且存在反演过程可视化效果差、时间开销大等问题.针对这种现状,该文提出了将微波极化散射模型和优化搜索算法相集成的系统开发思路.根据参数反演的逻辑流程,采用Matlab/GUI和Fortan语言混合编程的方式,实现了基于雷达遥感数据对水稻冠层后向散射特征的模拟、参数的敏感性分析以及逐像元水稻参数反演的各项功能;利用"格网化"计算思想对提高反演进程进行了尝试.分析和实验结果表明,该反演系统具有较好的可运行性,可为区域水稻监测及估产提供重要的信息和技术支持.%For inversion of rice parameters using remote sensing data,the retrieval accuracy produced by empirical statistical method is often unsatisfactory.Also,the physical models are not easy to understand for operational use.Therefore,this paper proposes a system developing method by integrating the polarization scattering model with optimization searching algorithm to make the inversion process visual and the procedure more time-efficient.The software system developed with Matlab and Fortran hybrid programming can simulate the microwave radar backscattering characteristics of rice canopy,conduct sensitivity analysis and inverse rice canopy parameters.The inversion system could provide important information and technique support for the regional rice monitoring and yield estimation.【期刊名称】《遥感信息》【年(卷),期】2016(031)002【总页数】6页(P30-35)【关键词】水稻;冠层参数;微波雷达;反演;系统设计【作者】王君毅;杨彬;张远【作者单位】华东师范大学地理科学学院,上海 200241;辽宁行政学院信息技术系,沈阳 110161;华东师范大学地理科学学院,上海 200241【正文语种】中文【中图分类】TP79农业为人类社会提供赖以生存的基本生活资料，在国民经济中具有基础地位，并突出地表现在粮食生产上。
基于高分一号与Radarsat-2的鄱阳湖湿地植被叶面积指数反演许涛;廖静娟;沈国状;王娟;杨晓慧;王蒙【期刊名称】《红外与毫米波学报》【年(卷),期】2016(035)003【摘要】叶面积指数(LAI)是衡量湿地生态系统健康状况的重要指标.根据鄱阳湖湿地植被生长密集、LAI动态范围大的特点,针对雷达数据的复杂散射机制,利用Freeman-Durden极化分解技术,定义了一种雷达植被指数,并考虑光学植被指数的饱和性,尝试将光学植被指数和雷达植被指数相结合,构建融合植被指数来估算植被LAI.通过实测数据和理论模型模拟数据与LAI的相关性分析,表明融合植被指数能有效地提高与LAI的相关性.利用融合植被指数、光学植被指数、雷达植被指数与LAI构建最佳拟合模型得出:光学微波融合植被指数能更准确地估算鄱阳湖湿地植被LAI.【总页数】9页(P332-340)【作者】许涛;廖静娟;沈国状;王娟;杨晓慧;王蒙【作者单位】中国科学院遥感与数字地球研究所,数字地球重点实验室,北京100094;中国科学院大学,北京100049;中国科学院遥感与数字地球研究所,数字地球重点实验室,北京100094;中国科学院遥感与数字地球研究所,数字地球重点实验室,北京100094;中国科学院遥感与数字地球研究所,数字地球重点实验室,北京100094;中国科学院大学,北京100049;中国农业科学院农田灌溉研究所,河南新乡453002;中国科学院遥感与数字地球研究所,数字地球重点实验室,北京100094;中国科学院大学,北京100049【正文语种】中文【中图分类】TP79【相关文献】1.基于全极化SAR数据反演鄱阳湖湿地植被生物量 [J], 刘菊;廖静娟;沈国状2.高分一号影像水稻叶面积指数反演真实性检验 [J], 杨闫君;田庆久;黄彦;王磊;耿君;杨冉冉3.基于高分一号数据的PROSAIL模型叶面积指数反演 [J], 叶舒;范文义;孟庆岩4.基于RADARSAT-2四极化SAR影像的海面风速反演 [J], 方贺;蔡菊珍;何月;徐瑞;张育慧;张小伟;贺忠华;肖晶晶;谢涛5.利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数 [J], 陶亮亮;李京;蒋金豹;陈曦;蔡庆空因版权原因，仅展示原文概要，查看原文内容请购买。
基于机器学习的水稻地上生物量遥感反演作者：李武岐徐峰杨丰栓董霞周华来源：《中国科技纵横》2020年第12期摘要：地上生物量是水稻重要的生理生化参数，其估测模型对长势监测、产量估计等具有重要的意义。
高光谱遥感技术具有光谱分辨率高、蕴含信息丰富、高效无损的特点，能够大范围精准监测作物生长信息，在现代化农业中得到了广泛的应用。
本文基于ASD FieldSpec 4光谱辐射计获取的水稻的冠层光谱反射率数据，通过光谱转换获得其红边参数、植被指数等参数，利用K近邻回归（KNN）、支持向量机（SVM）、随机森林（RF）等方法开展水稻生物量估测研究，实验结果表明：其中RF建模集精度最高：R2为0.98，RMSE为94.6g·m-2，CV 为11.7%，验证集精度：R2为0.89，RMSE为194.1g·m-2，CV为23.5%，且三种机器学习建模的精度R2均高于0.86，达到较好的反演效果。
关键词：地上生物量;水稻;光谱反射率;红边参数;植被指数中图分类号：S127 文献标识码：A 文章编号：1671-2064（2020）12-0228-020研究背景水稻是我国的主要粮食作物之一，水稻的产量是人们关心的重点问题，而水稻地上生物量（AGB，Above ground Biomass）是水稻的长势监测、产量估计等的重要指标。
传统的水稻生物量测算方法需要人工在田间采集水稻样本，直接采集物理样品进行实测，这种方法具有客观准确的特点;但是，该方法成本高，耗时费力，会造成部分水稻被破坏，无法满足精准农业实时快速、大面积的估测需求。
近年来，遥感技术的飞速发展，多尺度、高光谱以及多观测角度的遥感数据能够更实时、准确、高效地反映农作物的长势信息，使用遥感技术的非破坏性或非侵入性方法可以有效避免传统方法的问题，从而更好地为生物量进行估测。
本文以ASD FieldSpec 4光谱辐射计获取的水稻的冠层反射率为数据源，提取红边参数、植被指数，基于K 近邻、支持向量机和随机森林进行回归分析，构建多品种水稻生物量反演模型。
基于Radarsat-2 SAR数据反演定西裸露地表土壤水分胡蝶;郭铌;沙莎;王丽娟;李巧珍;王静;刘伟刚【摘要】利用Radarsat-2 SAR数据和定西地区野外土钻法及WET仪器观测的土壤水分数据，分析了同极化后向散射系数与不同土层深度土壤水分之间的关系，采用交叉极化（VV/VH）组合模型反演土壤水分并进行对比验证。
结果表明：水平、垂直同极化后向散射系数均与10～20 cm土壤含水量相关性最好，相关系数R均为0．74；受地表粗糙度和土壤质地等影响，同极化后向散射系数与0～10 cm土壤水分相关性均较低。
交叉极化组合模型的反演值与10～20 cm实测土壤水分相关性较高，R值达0．75，而与0～10 cm和20～30 cm实测值的相关性较低（R值分别为0．47和0．52），但均通过α＝0．05的显著性检验；WET仪器实测0～6 cm土壤水分经校正后与反演值的相关系数为0．46（通过α＝0．01的显著性检验），校正后的结果有效提高了WET仪器测量精度。
交叉极化组合模型可用于裸露地表土壤水分的反演，更适用于提取10～20 cm土壤含水量信息。
%In this study,the relationships between the homology polarization backscattering coefficient and the soil moisture at different depths were analyzed based on the Radarsat-2 SAR data and the soil moisture observational data by using soil-drilling method and the WET sensor in Dingxi area,and the soil moisture from SAR was retrieved by using the cross polarization (VV/VH)combination model and validated with the measurement value.The results displayed that the horizontal and vertical polarization backscattering coef-ficients had the best correlation with soil water content at 10-20 cm depth,and their correlation coefficients R were all 0.74.Howev-er,they were not significantly correlated to soil watercontent at 0-10 cm depth due to the influence of surface roughness and soil tex-ture.The soil moisture from SAR simulated by the cross polarization combination model was significantly correlated to the measured value at 10-20 cm depth,and the correlation coefficient R was0.75,while it was lower correlated with the measured soil moisture at 0-10 cm and 20-30 cm depths,and the correlation coefficients were 0.47 and0.52,respectively,which only passed 0.05 signifi-cance test.In additional,the correlation coefficient between corrected soil moisture measured by WET sensor at 0-6 cm depth and the simulation value was 0.46 (passed 0.01 significance test),and the calibration result improved effectively the measuring accuracy by WET sensor.So the cross polarization combination model could be used to retrieve the bare soil moisture,especially for 10 -20 cm depth soil moisture.【期刊名称】《干旱气象》【年(卷),期】2014(000)004【总页数】8页(P553-559,581)【关键词】Radarsat-2 SAR;定西;裸露地表;土壤水分反演【作者】胡蝶;郭铌;沙莎;王丽娟;李巧珍;王静;刘伟刚【作者单位】中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州730020;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州730020;甘肃省定西市气象局，甘肃定西 743000;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020;中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020【正文语种】中文【中图分类】S152.7引言土壤水分(即土壤湿度、土壤含水量)在陆地—大气之间水分和能量交换的过程中扮演着非常重要的角色。
合成孔径雷达水稻识别和监测研究进展唐鹏钦;姚艳敏;魏娜【期刊名称】《农业科学与技术（英文版）》【年(卷),期】2009(010)006【摘要】合成孔径雷达(SAR)具有全天时、全天候、高分辨率、大幅面监测地物的特征,利用SAR在阴雨天气多、云量大的水稻种植地区开展水稻识别、监测和估产具有光学遥感无可比拟的优势.目前基于雷达对水稻进行识别和监测的研究多用ERS/SAR、RADARSAT/SAR、ENVISATASAR等,其多是以民用或军民两用为主的星载合成孔径雷达,在用SAR数据监测水稻时.其后向散射系数来自4个方面:①人射波直接被水稻散射回去,即直接散射项(D-BS);②入射波经水稻层的散射到达水面后,经水面反射到水稻层,经水稻层衰减回到雷达(S RE);③入射波经水稻层衰减到达水面,经水面反射回到水稻层,经水稻层散射回去(ERS);④入射波经水稻层衰减到达水面,经水面反射到水稻层,经水稻层的散射改变厅向下行,再次经水面反射到水稻层,并经水稻层的衰减后回到雷达(W-R-W).其中,后向散射系数的主要来源是SRE 项和ERS项.SAR数据后向散射系数不仅要受到水稻物候期、植株高度、生物量、含水量等的影响,也受到自身入射角、波段、极化方式等的影响.一般地,水稻后向散射系数总体上是先随水稻生长增大,然后略有下降;水稻生长早期,后向散射系数随入射角波动的幅发较小,在水稻生长后期,后向散射系数随入射角波动的幅度变大,波动起伏次数增加;L波段和C波段的后向散射系数表明基本类同,但值要小很多,X波段则与L、C波段的表现相并较大.已有研究中大部分采用同极极化方式的后向散射系数作为研究对象.VV极化的后向散射系数变化比较平滑,HH极化的后向散射系数变化比较复杂.随着雷达卫星技术的发展,多极化、多模式、特殊波段将更能突出星载SAR的优势,拓宽SAR的应用范围,为进一步分析、识别和检测目标提供更有力的工具.【总页数】5页(P184-188)【作者】唐鹏钦;姚艳敏;魏娜【作者单位】农业部资源遥感与数字农业重点开放实验室,北京,100081;中国农业科学院农业资源与农业区划研究所,北京,100081;农业部资源遥感与数字农业重点开放实验室,北京,100081;中国农业科学院农业资源与农业区划研究所,北京,100081;农业部资源遥感与数字农业重点开放实验室,北京,100081;中国农业科学院农业资源与农业区划研究所,北京,100081【正文语种】中文因版权原因，仅展示原文概要，查看原文内容请购买。
学术研究China Science&Technology Overview基于机器学习的水稻地上生物量遥感反演李武岐2徐峰2杨丰栓诈董霞2周华2(1.武汉大学遥感信息工程学院，湖北武汉430079;2冲国人民解放军61243部队,新疆乌鲁木齐830006)摘要:地上生物量是水稻重要的生理生化参数，其估测模型对长势监测、产量估计等具有重要的意义。
高光谱遥感技术具有光谱分辨率高、蕴含信息丰富、高效无损的特点,能够大范围精准监测作物生长信息，在现代化农业中得到了广泛的应用。
本文基于ASD FieldSpec4光谱辐射计获取的水稻的冠层光谱反射率数据，通过光谱转换获得其红边参数、植被指数等参数，利用K近邻回归(KNN)、支持向量机(SVM)、随机森林(RF)等方法开展水稻生物量估测研究，实验结果表明淇中RF建模集精度最高:R?为0.98,RMSE为94.6g•m^CV 为11.7%,验证集精度:R?为0.89RMSE为194.1g•m^C V为23.5%,且三种机器学习建模的精度R?均高于0.86,达到较好的反演效果。
关键词:地上生物量；水稻；光谱反射率；红边参数；植被指数中图分类号：S127文献标识码:A文章编号：1671-2064(2020)12-0228-020研究背景水稻是我国的主要粮食作物之一，水稻的产量是人们关心的重点问题，而水稻地上生物量(AGB,Above ground Biomass)是水稻的长势监测、产量估计等的重要指标。
传统的水稻生物量测算方法需要人工在田间采集水稻样本，直接采集物理样品进行实测，这种方法具有客观准确的特点；但是，该方法成本高，耗时费力，会造成部分水稻被破坏，无法满足精准农业实时快速、大面积的估测需求。
近年来，遥感技术的飞速发展，多尺度、高光谱以及多观测角度的遥感数据能够更实时、准确、高效地反映农作物的长势信息，使用遥感技术的非破坏性或非侵入性方法可以有效避免传统方法的问题，从而更好地为生物量进行估测。
RADARSAT-2雷达卫星数据的参数介绍
RADARSAT-2是一颗搭载C波段传感器高分辨率商用雷达卫星，由加拿大太空署与MDA公司合作，于2007年12月1 4日在哈萨克斯坦拜科努尔基地发射升空。
RADARSAT-2具有1米高分辨率成像能力，多种极化方式使用户选择更为灵活，根据指令进行左右视切换获取图像缩短了卫星的重访周期，增加了立体数据的获取能力。
另外，卫星具有强大的数据存储功能和高精度姿态测量及控制能力。
(一)RADARSAT-2主要参数
波段/频率：C波段/5.405GHz
空间分辨率：1~100m
重访周期：24天（完全参数）
覆盖频率：1天（N70°以北）/1~2天（N48°以北）/2~3天（赤道）（最大幅宽）
(二)产品模式
RADARSAT-2有18种成像模式，分辨率从1-100m，幅宽18-500km：
(三)基本特点和优势
高分辨率模式：精细目标识别，信息最大化
四极化模式：提高地物识别分类能力
新增宽模式：新增五中宽幅模式，适用于大范围监测
近实时编程：应急响应事件中，快速（4-12小时内）提供编程与影像获取服务
近实时交付：数据接收后0.5-4小时内交付产品。
基于高光谱遥感的作物光合参量反演方法研究进展作者：侯卜平王家强来源：《农业科技与装备》2024年第01期摘要：光合作用对作物的生长发育、产量的形成及干物质的积累起着至关重要的作用。
高光谱遥感反演技术凭借其准确快速和不破坏植被的优势，现已成为作物植被光合数据参量定量分析的重要方法。
作物光合参数的定量遥感反演不仅能够了解作物的生长发育状况，还可为基于遥感的生态系统反演模型提供参考数据。
研究综述了近年来科学文献中高光谱光合反演的研究成果，主要介绍了作物光合参数高光谱反演技术及研究现状，包括高光谱数据预处理、光谱变换、特征波段筛选、光谱植被指数、线性回归模型、偏最小二乘回归（PLSR）、机器学习模型、BP神经网络建模和支持向量机（SVM）回归模型等，并在此基础上，对作物光合高光谱反演中存在的问题进行了探讨。
关键词：高光谱；光合参量；特征波段；模型；应用研究中图分类号：S127 文献标识码：A 文章编号：1674-1161（2024）01-0003-03光合作用是植物中最为重要的化学反应，也是作物产物形成和能量代谢的重要基础，其可作为检测植物生长状况的生理指标[1]，主要包括光合速率（Pn）、叶片叶绿素含量（SPAD）、叶面积指数（LAI）、净光合速率（Amax）、PSm有效光化学量子产量（Fv）、化学量子产量和光化学猝灭系数（qP）等，在农业生产中具有重大影响。
开展作物光合生理指标精准、无损且迅速的监测研究可为作物的生长实行全面实时监测、产量的形成及品质的预测品控[2]提供相应的理论依据。
传统作物光合性状生理指标的监测方法一般是在田间选取相对应的作物植株进行对应的生理指标测试，费力费时，且不能实现对作物光合性状生理指标快速、实时、全面的监测[3]。
与传统的遥感技术相比，现代的地物分辨识别能力大大提高，而高光谱遥感是通过连续性的电磁波段来获取作物感應的相关数据，具有空间分辨高、成像通道大等特点。
高光谱数据能够揭示地物光谱的完整特征，能在高空及地表精准识别目标作物及其光谱差异。
Radarsat_2四极化影像在河套灌区土壤含盐量反演中的应用的开题报告一、研究背景河套灌区是中国北方干旱区最大的灌区之一，位于华北平原和内蒙古高原的交界处。
该地区主要是以灌溉农业为主，并且由于气候和土地条件的限制，该地区的耕作面积以粮食作物为主。
然而，由于引入了过多的地下水，导致灌溉土壤逐渐盐化，对当地的农业生产和环境造成了巨大的影响。
因此，对河套灌区土壤含盐量的分布和变化进行研究对于维护当地的生态平衡和经济发展至关重要。
传统土壤调查方法不仅时间和人力成本高昂，同时数据的空间分辨率和覆盖范围也有限。
因此，基于遥感数据的土壤含盐量反演研究越发受到了广泛的关注。
二、研究目的本研究旨在探讨Radarsat_2四极化影像在河套灌区土壤含盐量反演中的应用。
具体地，该研究将通过对Radarsat_2多极化雷达影像数据的处理和分析，反演出河套灌区土壤含盐量的空间分布。
通过对反演结果与实地采集数据的比较和分析，本研究将评估Radarsat_2四极化影像在河套灌区土壤含盐量反演中的可行性。
三、研究内容和方案1.多极化雷达影像数据获取本研究将采用Radarsat_2 C和角反射率数据。
通过定义区域和时间范围，从各个数据源获取所需的数据，包括原始遥感影像数据和坐标参考系统。
2.数据预处理和建模使用基本的影像处理技术（如图像校正、过滤噪声、辐射校正和纠正几何扭曲等）进行数据预处理。
然后，可以使用常见的土壤含盐量反演模型，如Wiener过滤器、支持向量机、反演分解方法等，在多极化雷达影像数据上反演土壤含盐量，并从结果中提取有用的参数。
3.反演结果验证和分析使用实地采样数据验证反演结果。
对反演结果和采样数据进行比较，以确定Radarsat_2四极化影像在土壤盐分测量中的精度。
可以使用多元统计分析方法和相关处理方法来对反演结果进行统计和分析。
四、研究意义本研究对于河套灌区土壤含盐量的反演研究具有重要意义。
通过使用遥感数据和反演模型，可以高效地获取土壤盐分的分布和变化信息。
考虑种植方式的极化sar水稻植株密度反演
方法研究
种植方式的极化SAR水稻植株密度反演方法的研究可以通过以下
步骤进行：
1. 数据采集：使用极化合成孔径雷达（SAR）传感器获取水稻种
植区域的雷达数据。
这些数据包括不同极化方向（如VV、HH、HV、VH）和不同极化模式（如单极化、全极化）的雷达反射率数据。
2. 数据预处理：对采集的雷达数据进行预处理，包括去噪、辐
射定标和几何校正等。
这些步骤可以提高反演结果的精度和可靠性。
3. 植株辨识：利用机器学习或图像处理算法对水稻植株进行辨识。
这些算法可以通过对不同极化方向和极化模式下的雷达数据进行
特征提取和分类来实现。
4. 反演模型建立：建立植株密度与极化SAR数据之间的关联模型。
这可以通过统计学方法或机器学习算法来实现。
模型的输入是预
处理后的极化SAR数据，输出是植株的密度。
5. 反演结果验证：利用野外实测数据对反演结果进行验证和评估。
这可以通过在实地观测水稻植株密度并与反演结果进行对比来实现。
6. 系统应用：将所建立的反演模型应用于大范围的水稻种植区域，进行实时、高精度的水稻植株密度反演。
这可以为水稻种植者提
供重要的决策支持，例如用于优化灌溉和施肥管理等。
总的来说，种植方式的极化SAR水稻植株密度反演方法需要结合
雷达传感器、图像处理、机器学习和统计学等技术，从而实现高精度
和可靠性的水稻植株密度反演。
江苏农业学报（刀■至似J.o/^r.Sd.) ,2017,33(3) :561 〜567http： //w w w. j 561单捷，邱琳，孙玲，等.基于Rarkrsat-2的水稻种植面积提取[J].江苏农业学报，2017,33(3):561-567.floi:10.3969/j.issn.1000-4440.2017.03.012基于Radarsat-2的水稻种植面积提取单捷，邱琳，孙玲，王志明(江苏省农业科学院农业经济与信息研究所，江苏南京210014)摘要：选用2013年7月23日-10月27日期间5期分辨率为5.2 mx7. 6 m的Radarsat-2影像为数据，采用支 持向量机法（SVM)和最大似然法（MLC)分别对各时相水稻种植面积进行提取，并以地面实测GPS水稻样方进行精度验证。
结果表明SVM和MLC方法的水稻面积提取精度均在9月9日达到最高，所以选择在9月9日的水稻 面积提取结果上研究耕地地块优化和碎小图斑去除对精度的影响。
通过耕地地块优化和碎小图斑去除处理，水稻 面积提取精度显著提高，SVM法由原先的72. 876%提高到95. 482%，MLC法由74. 224%提高到91. 792%。
关键词：遥感；支持向量机；最大似然法；水稻种植面积提取中图分类号：S127 文献标识码： A 文章编号：1000-4440(2017)03-0561-07Paddy rice planting area extraction based on Radarsat-2 data SHANJie,QIULin，SUN Ling，WANG Zhi-ming(Institute of Agricultural Economy and Information，Jiangsu Academy of A gricultural Sciences，Nanjing210014,China)Abstract ：The 5 scenes of Radarsat-2 satellite image with spatial resolution of 5.2 mx7. 6 m collected from July 23rd 2013 to October 27th 2013 wee used to extract the paddy rice planting area of every scene using support vector machine (SVM) and maximum likelihood classification ( MLC). The accuracy was verified by on-site GPS measurement quadrat areas. Since the extration accuracies of both SVM and MLC were the highest on September 9th，the scene extracted on September 9th was chosen to study the effect of far^nland parcel optimization and pattern spot removal on the accuracy. The accuracy of SVM was improved from 72. 876% to 95. 482%，and the accuracy of MLC was improved from 74. 224% to91.792%.Key words：remote sensing；support vector machine；maximum likelihood classification；rice planting area extraction水稻是仅次于小麦、玉米的世界第3大粮食作 物，全世界水稻播种面积约占耕地面积的15%[|]。
第30卷第16期农业工程学报V ol.30 No.162014年8月Transactions of the Chinese Society of Agricultural Engineering Aug. 2014 203 基于合成孔径雷达的农作物识别研究进展王迪1,2，周清波1, 2※，陈仲新1,2，刘佳1,2（1. 农业部农业信息技术重点实验室，北京 100081； 2. 中国农业科学院农业资源与农业区划研究所，北京 100081）摘 要：精准识别农作物对于及时准确估计农作物种植面积、产量等关键农情信息具有重要意义。
合成孔径雷达（synthetic aperture radar，SAR）以其不受云雨天气影响，可全天时、全天候监测等优点已被广泛应用于农情遥感监测领域，为大区域尺度的农作物遥感识别提供了强有力的数据保障和技术支持。
该文以雷达技术的发展进程为论述主线，对20余年来国内外农作物SAR识别研究与实践应用的新进展进行了系统总结，具体归纳为4个方面：早期研究（20世纪80年代末－2002年），特征是以单波段、单极化、多时相SAR数据为主；基于多极化、多波段SAR数据进行农作物识别与面积监测研究；利用SAR与光学遥感相结合提高农作物的识别精度与效率研究；农作物SAR分类算法研究。
在今后农作物SAR识别研究中，对于复杂种植结构背景下的旱地作物识别，如何优化组合SAR系统工作参数（极化方式、频率及入射角等）及与光学遥感融合来提高农作物识别精度与时效性，发展机理性的农作物SAR分类算法将是需要重点解决的3个问题。
关键词：合成孔径雷达；分类；算法；农作物识别；多极化；多波段doi：10.3969/j.issn.1002-6819.2014.16.027中图分类号：S127 文献标识码：A 文章编号：1002-6819(2014)-16-0203-10王 迪，周清波，陈仲新，等. 基于合成孔径雷达的农作物识别研究进展[J].农业工程学报，2014，30(16)： 203－212.Wang Di, Zhou Qingbo, Chen Zhongxin, et al. Research advances on crop identification using synthetic aperture radar[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(16): 203－212. (in Chinese with English abstract)0 引 言农作物分类与识别是农情监测技术体系的初始阶段和关键环节。
