EEPW论坛

       雷达遥感具有全天时、全天候的监测能力，对植被具有一定的穿透能力，对植被散射体形状、结构、介电常数敏感；这些特性使得其在农业应用中极具潜力。文章首先介绍了雷达遥感在农业中的应用领域，概括总结了目前在农作物识别与分类、农田土壤水分反演、农作物长势监测等多个领域研究的综述文献；然后分别阐述了雷达散射计和各类SAR特征(包括：SAR后向散射特征、极化特征、干涉特征、层析特征)在农业各领域中应用的现状和取得的成果，最后结合农业需求和SAR技术发展总结了目前研究中存在的问题和原因，并对未来的发展进行了展望。
微波遥感的优势
雷达是微波遥感应用中的主要传感器。微波遥感的优势主要包括以下三个方面：
(1)微波具有穿透云层甚至穿透雨区的能力；
(2)微波比光波能更深地穿透植被；
(3)微波与光学遥感得到的信息 是不同的，它可以得到研究对象面或体的几何特性和介电特性。由于雷达遥感全天时、全天候监测的能力，在对植被散射体形状、结构、介电常数敏感的同时具有一定的穿透能力，因此在农业监测中极具潜力。
雷达遥感目前在农业中的应用
雷达遥感目前在农业中的应用主要包括农作物分类与识别、农田参数(含水量和地表粗糙度)反演、农作物长势参数反演(生物量，叶面积指数、LAI和高度)、农作物物候期划分、农作物灾害监测和农作物估产等。
农作物研究的意义
农作物分类与识别是农情监测技术体系的初始和关键环节。精准识别各类农作物类型可实现对农作物种植面积、结构和空间分布的准确估计，并为农作物估产模型提供关键输入参数。各种农作物具有不同的冠层结构、几何特性和介电常数等。从而导致在不同频率和极化的合成孔径雷达影像中具有不同的特征，这是采用雷达遥感进行农作物分类和识别的理论基础。
农田参数反演类型
农田参数反演中利用雷达数据进行土壤含水量反演是雷达遥感的最经典的应用之一。但是在农田土壤水分反演中，特别是裸土含水量反演中，受到地表粗糙度的影响较大，另外，地表粗糙度也是农学、土壤学、地质学和气候学中的重要参数，因此地表粗糙度的反演也逐渐发展成为一个独立的分支。此外，在有农作物覆盖的区域，农田土壤含水量反演中也要考虑农作物植被层的影响。将植被冠层、土壤粗糙度的影响从雷达信号中分离后，雷达后向散射系数和土壤含水量之间具有较好的相关性，通常建立雷达后向散射系数与土壤体积含水量之间的关系模型就可以实现农田土壤含水量的估测。
农作物长势即农作物生长状况趋势，直接影响到农作物的产量和品质。农作物生长参数主要包括生物量、LAI高度和密度等。长势参数通常是农作物生长状况的有效表征，因此农作物的长势监测通常通过长势参数的反演来实现。雷达的后向散射参数、极化特征参数和干涉特征参数常被用作于农作物生物量、LAI和高度的反演。
农作物估产方法
农作物精确估产是农业遥感监测的最终目标。目前农作物估产可通过农作物生长模型和遥感估测两种手段进行。前者通过数学建模的方法在单点尺度模拟农作物生长，可以通过实现高精度的农作物单点估产；后者可获取农作物区域尺度上的面状特征，两者优势互补，集成应用于农作物估产可以提高估产的准确性和机理化。雷达遥感目前应用于农作物估产也是通过遥感数据与农作物生长模型的同化来实现，但是相关的研究也仅在近期展开。SAR的观测方式的改变使得农作物的散射机理及其在SAR图像中的表征呈现出复杂性，不仅影响了采用SAR技术对农作物的认知和理解，也影响了传统估测方法在联合观测维度下SAR技术在农应用中的适用性。
雷达散射计在农业中的应用
雷达散射计在农业应用中的研究多集中在农田土壤水分反演。初期的研究也探索了其在植被冠层结构、农作物制图、农作物长势监测和农作物识别分类中的应用，但相比土壤水分的研究，这些方面的研究成果较少。采用雷达散射计的研究成果按照遥感平台可以分为地基散射计、机载散射计、星载散射计。
雷达散射计能够获取目标的散射截面观测量，可以用于深入理解微波和自然目标相互作用的机理。散射计通过****系列脉冲并测量其回波，然后通过将回波特性定量化来获得目标散射截面测量结果。散射计的载荷平台包括星载、机载和地面平台，其中地面平台主要搭载在高塔上或者卡车上，又称为地基散射计。散射计量测的目标散射截面除了受到目标自身特性的影响外，散射计的频率、入射角、极化方式均会影响其测量结果。
相比散射计，SAR可以提供图像特征和除后向散射特征以外的其他观测量，近些年来被广泛应用于农业各类监测中。综合目前SAR技术可以提供的特征，应用于农业中的特征可以分为四类：后向散射特征、极化特征、干涉特征和层析特征，其中层析特征是干涉或极化干涉特征在垂直空间中的进一步拓展。
估产方式
农作物估产方式通过两类方法实现：
一是直接采用后向散射系数进行农作物估产；
二是通过基于后向散射的生长参数估测结果与农作物生长模型同化进行农作物估产。
直接采用后向散射系数进行产量估测通常是建立后向散射系数与产量的关系模型，然后反演产量，属于经验模型，尽管在特定区域可以获得较好的估测精度，但是受到经验估测模型自身缺陷的影响，无法大面积推广。基于SAR遥感信息与农作物生长的同化的研究于近年来才刚刚展开，目前用于同化的信息主要包括基于SAR后向散射特征反演的生物量和LAI。
全极化SAR数据起源于20世纪90年代初，记录了地物HH、HV、VV和VH，4种极化状态的散射振幅和相位特征，极化特征的提取通常包括极化合成和极化分解技术。采用极化合成技术可以计算在任意一种极化状态的后向散射回波，进而提取地物更多的特征；而通过极化分解技术也可以将地物的特征进一步细化，以此增强地物的探测能力。由于极化特征不仅具有后向散射地农作物生理特征敏感的特征，同时具有对农作物散射方向、形状敏感的极化特征，在农业的各项研究领域中均具有极大的潜力，也是目前农业应用中使用最为广泛、研究最深入的SAR特征。
农业雷达遥感概述
雷达技术发挥发展过程本质上也是对微波电磁波资源不断发掘和利用的过程。通过对各类雷达特征在农业中的应用可知：雷达各类特征在农业中的应用差异较大，目前应用最为广泛的特征就是后向散射特征和极化特征，而SAR影像中的干涉、极化干涉和层析特征在农业应用中的相关研究则刚刚展开。后向散射系数应用较多的领域是农作物长势参数和土壤水分的反演。在长势参数反演中多基于经验和半经验模型，研究对象主要为水稻，而不同的农作物、相同农作物在不同生长期的散射机制变化明显，直接影响后向散射特征，这使得这些经验和半经验模型的广泛应用受到极大的限制；另外目前的半经验模型和机理模型多为非相干散射模型，无法利用SAR数据的相位特征。土壤水分反演的模型多基于特定的土壤观测数据建立，在大面积的土壤水分反演时不确定性较大，另外对相位特征也没有有效的利用。极化特征应用较成熟的领域是农作物识别、分类和农作物长势参数反演。目前基于极化特征的农作物分类局限于同质区域，散射机制较简单的几类农作物的分类中，对于一些散射机制复杂的作物，其极化散射机理仍然不明确，其相应的分类方法也还在研究中。在采用极化分解参数进行的农作物长势参数反演中，由于多数分解方法假设农作物冠层由匀质散射体构成，这样构建的模型无法描述农作物冠层复杂的散射情况，从而使得反演结果不确定性增大、适用性降低。此外，长势参数反演和农作物估产的研究中，目前对于农作物生长的水文、气象、环境等影响因子考虑较少，无法全面揭示农作物生长及产量形成机制。