廖 娟，周忠發(fā)*，李 波,3，王 昆

（1.貴州師范大學(xué)中國南方喀斯特研究院，貴陽 550001；2.貴州省遙感中心，貴陽 550001；3.貴州省科技風(fēng)險(xiǎn)投資有限公司，貴陽 550002）

基于高分辨率SAR數(shù)據(jù)的高原山區(qū)煙草后向散射特征分析

廖 娟1,2，周忠發(fā)1,2*，李 波1,2,3，王 昆1,2

（1.貴州師范大學(xué)中國南方喀斯特研究院，貴陽 550001；2.貴州省遙感中心，貴陽 550001；3.貴州省科技風(fēng)險(xiǎn)投資有限公司，貴陽 550002）

為實(shí)現(xiàn)高原山區(qū)現(xiàn)代煙草定量監(jiān)測，針對貴州高原山區(qū)天氣多云雨，導(dǎo)致光學(xué)數(shù)據(jù)難以獲取，提出一種利用高分辨率合成孔徑雷達(dá)（SAR）應(yīng)用于煙草快速監(jiān)測的方法。結(jié)果表明，利用不同地物后向散射特征差異，采用支持向量機(jī)分類方法提取煙草種植分布情況，分類總精度達(dá)到了 85.08%，煙草識別精度達(dá)到了 78.36%；運(yùn)用回歸分析，將煙草生長參數(shù)與后向散射系數(shù)建立監(jiān)測模型，所建立的葉長、葉寬都與 HH極化后向散射系數(shù)，葉片鮮重與 HH、VV 極化后向散射系數(shù)的模型都能反映其線性回歸的耦合關(guān)系。表明高分辨率 SAR 數(shù)據(jù)為數(shù)據(jù)源的新型遙感監(jiān)測手段能提供豐富的高原山區(qū)典型地物的后向散射信息，能為現(xiàn)代煙草農(nóng)業(yè)大范圍實(shí)時(shí)遙感監(jiān)測提供技術(shù)支持。

SAR；后向散射系數(shù)；遙感監(jiān)測；煙草

農(nóng)業(yè)是人類社會賴以生存的基本生活資料的來源，是社會分工和國民經(jīng)濟(jì)其他部門成為獨(dú)立的生產(chǎn)部門的前提和進(jìn)一步發(fā)展的基礎(chǔ)，也是一切非生產(chǎn)部門存在和發(fā)展的基礎(chǔ)。遙感作為一門綜合性的技術(shù)是 20 世紀(jì) 60 年代提出來的，農(nóng)業(yè)一直是遙感的重要用戶之一，農(nóng)作物的遙感監(jiān)測和估產(chǎn)一直是一個(gè)挑戰(zhàn)性的難題[1]。目前更多的研究主要是利用多光譜或是高光譜[2-4]對農(nóng)作物進(jìn)行動(dòng)態(tài)監(jiān)測與估產(chǎn)，而大量的研究表明，利用合成孔徑雷達(dá)（SAR）數(shù)據(jù)進(jìn)行作物遙感監(jiān)測同樣具有良好的效果[5-8]。前人多采用多時(shí)相全極化數(shù)據(jù)，識別精度高，但成本和數(shù)據(jù)處理量也高，大面積遙感監(jiān)測難以推行；大多都以平原地區(qū)為研究區(qū)域，對高原山區(qū)的農(nóng)作物定量監(jiān)測很少，特別是煙草。及時(shí)準(zhǔn)確地對煙草的生長狀況和種植情況的動(dòng)態(tài)監(jiān)測，對于該種植區(qū)域內(nèi)的經(jīng)濟(jì)、生態(tài)雙重方面有著極其重要的意義。在研究區(qū)內(nèi)，煙草種植采取輪作形式以保證煙草的正常生長，每年種植的位置會有明顯的變化，研究選取 2013 年 8 月 24 日煙草成熟期 Terrasar-X雙極化為研究數(shù)據(jù)，探討 X 波段雙極化 SAR 數(shù)據(jù)在高原山區(qū)煙草種植情況（既精準(zhǔn)識別煙草種植位置）繼而對識別煙田進(jìn)行準(zhǔn)確提取，實(shí)時(shí)有效監(jiān)測的應(yīng)用潛力；實(shí)現(xiàn)在室內(nèi)利用計(jì)算機(jī)技術(shù)就能對煙田進(jìn)行識別，進(jìn)而進(jìn)行實(shí)時(shí)監(jiān)測。

1 材料與方法

1.1 基地單元概況

研究選取貴州清鎮(zhèn)流長現(xiàn)代煙草農(nóng)業(yè)基地單元 為 研 究 區(qū) ， 位 于 106°7′6″E～106°29′37″E ，26°24′5″N～26°45′45″N，總面積為 489 km2，轄流長、犁倭、紅楓湖等 3 個(gè)鄉(xiāng)（鎮(zhèn)），涉及 32 個(gè)行政村，124 個(gè)村民組，農(nóng)業(yè)人口 11.83 萬人。研究區(qū)種煙歷史悠久，于 1973 年開始種植烤煙，是清鎮(zhèn)市主產(chǎn)煙區(qū)。主煙區(qū)流長鄉(xiāng)和犁倭鄉(xiāng)為喀斯特高原地貌，地層主要為三疊系下統(tǒng)茅草鋪組為主，灰?guī)r與白云巖大量出露，區(qū)內(nèi)受烏江支流三岔河切割的影響，導(dǎo)致地貌組合形態(tài)以峰叢洼地、谷底為主；土壤以黃砂壤、黃壤為主，pH 5.5～6.5，呈微酸性，有機(jī)質(zhì)含量豐富；屬亞熱帶季風(fēng)濕潤氣候，年平均氣溫 14 ℃，無霜期 275 d，年平均降雨量 1150.4 mm，年日照時(shí)數(shù) 1433 h。主煙區(qū)面積占基地單元的90.26%，土壤條件和氣候條件均有利于烤煙生產(chǎn)，主要種植云煙 87、云煙 85、K326 及江南三號等品種。該研究區(qū)煙草種植習(xí)慣為煙草-小麥（油菜）-玉米-小麥（油菜）兩年三熟輪作制。

1.2 Terrasar-X 數(shù)據(jù)與預(yù)處理

研究選取德國發(fā)射的 Terrasar-X 衛(wèi)星，于 2013年8 月24日獲取覆蓋研究區(qū)的雙極化（HH、VV）分辨率為 6 m 的 EEC 數(shù)據(jù)。影像采用 WGS84 橢球進(jìn)行了通用橫軸墨卡托投影或通用極球面投影，能有效地克服由于地形變形引起的透視收縮現(xiàn)象。

Terrasar-X 數(shù)據(jù)預(yù)處理過程包括噪聲濾波、幾何精校正、地理編碼、輻射定標(biāo)。由于不同濾波器的濾波算法不同，對原始雷達(dá)影像進(jìn)行不同窗口、不同濾波方法的濾波處理。研究嘗試 Lee、Enhanced Lee、Gamma、Kuan 濾波器的 3*3、5*5、7*7 的窗口，通過對比各種算法，最后選擇 Frost 濾波器的5*5 窗口。利用 1:1 萬的地形圖，采取二次多項(xiàng)式模型對影像進(jìn)行幾何精校正。最后對影像進(jìn)行地理編碼以及絕對輻射定標(biāo)，數(shù)據(jù)定標(biāo)公式為：

其中，式中， σd0B表示后向散射系數(shù)；DN 表示像元的灰度 值 ；θloc表 示當(dāng)?shù)氐娜肷浣?， 可以通過 GIM 文件換算獲得； KS為絕對定標(biāo)常數(shù)。定標(biāo)之后，影像像元值就是后向散射系數(shù)值。

1.3 典型地物后向散射系數(shù)分析

結(jié)合 GPS定點(diǎn)樣方數(shù)據(jù)，提取影像中的煙地、玉米地、水稻田、有林地、居民點(diǎn)五類典型地物后向散射系數(shù)。居民點(diǎn)主要由建筑物構(gòu)成，結(jié)構(gòu)和形狀使得反射現(xiàn)象增大[9]，HH、VV 極化方式下的后向散射系數(shù)較其他地物強(qiáng)，HH 更為明顯，達(dá)到-4.75 dB。有林地由灌木或喬木覆蓋，較煙草、玉米、水稻，枝干高大、冠層穩(wěn)定、葉片繁茂，具有植株含水量豐富且在短時(shí)間內(nèi)主要形態(tài)結(jié)構(gòu)穩(wěn)定性高的特點(diǎn)；HH 對冠層含水量敏感[10]，反射強(qiáng)且穩(wěn)定，其后向散射為-6.55 dB。在研究時(shí)期中，研究區(qū)嚴(yán)重缺水，水稻田中水干涸，土板結(jié)裂縫，水稻生長差，秧苗矮小，干旱使得水生植被的下墊面變?yōu)殛懮脖坏南聣|面，表現(xiàn)為散射能力低，HH、VV 極化后向散射系數(shù)小，分別為-7.09 dB、-8.47 dB。玉米高大的枝條結(jié)構(gòu)及其垂直形態(tài)和莖干粗細(xì)的區(qū)別，使得玉米VV極化散射能力要高于水稻；玉米進(jìn)入成熟期，穗已成熟，植株的水分減少，葉片披垂，顏色由深綠色逐漸變?yōu)辄S綠色，同期煙草處于成熟期，煙株開始現(xiàn)蕾，下部葉逐漸衰老，葉片由下而上落黃成熟后，被煙農(nóng)打掉，上層葉子葉片大，含水量豐富，顏色為深綠色，使得玉米HH極化散射能力要低于煙草。

1.4 煙草后向散射系數(shù)分析

提取 SAR 影像上的 10 個(gè)樣方內(nèi)煙草后向散射系數(shù)，計(jì)算雙極化下后向散射系數(shù)平均值如圖1所示。由圖1可見，煙草在本研究時(shí)期內(nèi)HH極化散射能力大于VV極化散射能力。這是由于煙草處于成熟期，煙草植株所有的養(yǎng)料、水分供上部葉子的生長，上部葉片生長旺盛、大葉片含水量豐富，HH極化對冠層的含水量敏感，極化反射強(qiáng)，加上葉面有光澤，加大了HH極化的反射；成熟期葉片完全張開，葉片寬大冠層密集，植株冠層直接減少了VV 極化的穿透能力，減小體散射；煙草成熟期葉片下垂，自然彎曲呈弓形，葉邊下卷，莖葉角度增大，同樣增大了 HH 極化的散射強(qiáng)度。因此，HH極化強(qiáng)度大于 VV 極化強(qiáng)度，表現(xiàn)在 HH 極化后向散射系數(shù)高于 VV 極化后向散射系數(shù)且高于0.55～1.03。

圖1 SAR 影像后向散射系數(shù)平均值Fig. 1 The average of SAR image backscatter coefficient

1.5 支持向量機(jī)分類

利用比值法可以提取更多的信息，比值法可使影像中某些地物的均值拉開、方差縮小，便于將其分類，多用于區(qū)分不同的地物。對不同地物在影像上的后項(xiàng)散射的差異分析，了解不同地物的散射特征，加以比值圖像（HH/VV）來豐富地物信息，利用支持向量機(jī)（Support Vector Machine, SVM）分類器對影像進(jìn)行分類。支持向量機(jī)是基于研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的統(tǒng)計(jì)學(xué)習(xí)理論的一種新的機(jī)器學(xué)習(xí)方法，它以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為準(zhǔn)則，對實(shí)際應(yīng)用中有限訓(xùn)練樣本的問題,表現(xiàn)出很多優(yōu)于已有方法的性能[11]。

1.6 計(jì)算機(jī)建模

②堤防(含穿堤建筑物)。南堤以南肩線為界，北堤堤外有調(diào)度河的至調(diào)度河北子堰外堤腳線征地紅線，無調(diào)度河的至北堤堤腳線外征地紅線。

計(jì)算機(jī)建模的目的是通過構(gòu)造一個(gè)簡單但能反映物理世界中真實(shí)對象的數(shù)學(xué)抽象描述模型，模擬被研究對象的發(fā)生、發(fā)展過程，為解釋現(xiàn)象，揭示機(jī)理發(fā)展規(guī)律，預(yù)測未來提供有用的工具[12]。提取的 10 個(gè)樣方雙極化波段后向散射系數(shù)及波段組合，與煙草生長參數(shù)進(jìn)行相關(guān)性分析，得到 SAR影像后向散射系數(shù)與樣方煙草生長參數(shù)相關(guān)性(r)[14-17]（表1）。

表1 SAR 影像后向散射系數(shù)與煙草生長參數(shù)相關(guān)性(r)Table 1 The correlation (r) between SAR image backscatter coefficient and tobacco growth parameters

由表1可以看出，在葉長和葉寬的相關(guān)性分析中，HH 極化方式最優(yōu)，相關(guān)性分別達(dá)到 0.907、0.856，這是由于極化后向散射特征，HH＞VV 后向散射系數(shù)都隨著葉長、葉寬的增大而增加，呈正相關(guān)，故此HH極化更加明顯，與其相關(guān)性也就越高；對于葉片含水量，相關(guān)性都小，不建議建立模型；而葉片鮮重與HH、VV極化方式相關(guān)性都較高，分別高達(dá) 0.922、0.901。利用后向散射系數(shù)與煙草葉長、葉寬、葉片鮮重的實(shí)測值來反演煙草葉長、葉寬、葉片鮮重，建立線性回歸耦合關(guān)系，得到雷達(dá)遙感監(jiān)測模型，可獲取生長參數(shù)的估測值。

2 結(jié) 果

2.1 煙草識別結(jié)果與精度驗(yàn)證

從分類效果（圖2）來看，利用加以比值的支持向量機(jī)分類能夠識別典型地物——煙地、玉米地、水稻田、有林地、居民點(diǎn)。在大片煙田中，有零星水田的出現(xiàn)，可能是存在的煙水配套工程（水窖或水池），由于水窖、水池的機(jī)構(gòu)與形狀和蓄水，使其后向散射特征接近水田；某些區(qū)域，煙地與玉米地相互交錯(cuò)，一是可能由于種植緊挨，邊界不易識別；二是可能是煙草-玉米套種，計(jì)算機(jī)不能識別套種情況，若散射特征靠近煙草就識別為煙草，否則相反。

圖2 2013 年成熟期煙草識別圖（局部）Fig. 2 Tobacco identification map (locally) during tobacco maturity stage in 2013

將 GPS 樣方數(shù)據(jù)，與分類圖疊置進(jìn)行精度驗(yàn)證。精度驗(yàn)證方法如下[13]：1）NTT為在分類圖中正確識別出樣方內(nèi)煙草的面積；2）NTO為在分類圖中未能識別出樣方內(nèi)煙草的面積；3）NOO為在分類圖中未將樣方內(nèi)其他地物識別為煙草的面積；4）NOT為在分類圖中將樣方內(nèi)其他地物錯(cuò)誤識別為煙草的面積。分類總精度（PA）計(jì)算公式為：

由表2可以看出，分析典型地物后向散射系數(shù)并利用支持向量機(jī)分類，分類總精度達(dá)到了85.08%，煙草識別精度也到達(dá)了 78.36%，取得了較理想的分類結(jié)果。

2.2 建模結(jié)果與精度驗(yàn)證

通過對比相關(guān)系數(shù)，選擇較高相關(guān)系數(shù)組合，將生長期中的生長參數(shù)與后向散射系數(shù)建立不同極化方式下的監(jiān)測模型（表3）。建立的監(jiān)測模型擬合度（R2）分別為 0.822、0.736、0.850、0.81，利用 F分布統(tǒng)計(jì)量對擬合度進(jìn)行顯著性分析（公式4），在顯著水平 λ上，查 F 分布臨界值表，得臨界值 Fλ，若 F 統(tǒng)計(jì)量大于臨界值 Fλ，則擬合度（R2）在該顯著水平上是顯著的，否則是不顯著的。其中，n 代表樣本含量，K 代表獨(dú)立變量的個(gè)數(shù)，n-K-1 代表自由度。

在后向散射系數(shù)與生長參數(shù)擬合度較高情況下，建立了葉長、葉寬HH極化方式下的一元線性回歸模型與葉片鮮重HH、VV 兩種極化方式下的一元線性回歸模型。為了進(jìn)一步對模型建立精確性進(jìn)行檢驗(yàn)，采用相對誤差分析法，對模型精度進(jìn)行驗(yàn)證。重新選取 10 組樣方，分別計(jì)算比較模型反演的葉長、葉寬以及葉片鮮重與樣方實(shí)測葉長、葉寬以及葉片鮮重。分析相對誤差（RE）、絕對誤差（E），取其 10 組誤差的平均值（表4）。其中 x 是經(jīng)過模型反演值，xT是實(shí)際測量值。

表2 研究區(qū)煙草分類精度驗(yàn)證結(jié)果Table 2 The validation accuracy of the identification of tobacco study area

表3 煙草雷達(dá)遙感監(jiān)測模型Table 3 Tobacco growth monitoring model based on SAR

表4 模型驗(yàn)證Table 4 Verification of the model

3 討 論

邵蕓等[18]利用高分辨率的 SAR 數(shù)據(jù)運(yùn)用于水稻的面積識別，其精度可以高達(dá) 90%以上，而在此次研究中，煙草的識別精度為 78.36%，而地物分類總精度 85.08%。在云南、貴州、四川等高原山區(qū)，是煙草種植的重要區(qū)域，故在這些區(qū)域內(nèi)進(jìn)行現(xiàn)代化煙草監(jiān)測具有重要的意義。在貴州喀斯特地貌突出，地表破碎，耕地分布不集中，為整個(gè)研究區(qū)域的種植識別帶來了困難，使得精度遠(yuǎn)遠(yuǎn)低于平原地區(qū)。另一方面，前人[6,19-20]在農(nóng)作物監(jiān)測上主要是水稻與玉米，而對于煙草后向散射特征研究幾乎是一片空白。此次將成像 SAR 數(shù)據(jù)運(yùn)用于煙草，分析煙草后向散射特征，提取煙草種植的精準(zhǔn)位置，但在識別精度上，煙草分類精度（PT）＜分類總精度（PA），主要原因是玉米與煙草套種以及玉米與煙草生長周期基本同期，使得影像上混合像元現(xiàn)象嚴(yán)重，后向散射特征不明顯,難以區(qū)分煙草與玉米，導(dǎo)致煙草的識別精度低于其他地物。在農(nóng)作物監(jiān)測建模中，針對于多光譜和高光譜主要是用葉面積指數(shù)（LAI）與各類遙感植被指數(shù)建立模型[21-22]，而對于 SAR 數(shù)據(jù)，則是利用后向散射系數(shù)與 LAI建立模型[23]。不同于水稻、玉米、小麥，煙草的產(chǎn)出就是煙葉，產(chǎn)量多少直接由葉子質(zhì)量決定，本研究直接采用與葉子質(zhì)量緊密相關(guān)的參數(shù)（葉長、葉寬、葉片含水量、葉片鮮重）來進(jìn)行模型的建立，可以更加直觀的反應(yīng)煙草的產(chǎn)量。由于在煙草灌層中，HH極化能力大于VV，受到外界影響更小，更加穩(wěn)定，所以在模型的建立中，對于葉長、葉寬而言，HH 極化方式優(yōu)于 VV 極化方式。葉片鮮重與 HH、VV 極化方式的擬合度都大于葉長、葉寬的，這是由于葉片鮮重與葉長、葉寬有著密切關(guān)系，融合兩者特性使得其擬合度增加。

4 結(jié) 論

在利用遙感數(shù)據(jù)參與農(nóng)作物分類識別和生長建模的研究中，多數(shù)研究是以多光譜和高光譜數(shù)據(jù)為主。此次研究采用高分辨率 SAR 影像為研究數(shù)據(jù)，利用 SAR 影像的不受時(shí)間、天氣影響的優(yōu)勢，對貴州高原山區(qū)煙草進(jìn)行監(jiān)測，取得良好效果。在此次研究中，建立的 18 m*18 m 樣方是在標(biāo)準(zhǔn)煙田里，在地塊破碎的喀斯特高原山區(qū)能建立的樣方數(shù)量有限，給本文分析結(jié)果的客觀性帶來一定的困難，另一方面，在研究時(shí)期研究區(qū)內(nèi)有干旱發(fā)生，對數(shù)據(jù)結(jié)果的普適性也帶來一定的困難，因此，本文結(jié)果還需要更多的數(shù)據(jù)來驗(yàn)證和完善。但總體來說，此方法為現(xiàn)代煙草農(nóng)業(yè)實(shí)現(xiàn)大范圍精準(zhǔn)實(shí)時(shí)監(jiān)測提供新的研究思路。

[1]陳勁松，林琿，邵云. 微波遙感農(nóng)業(yè)應(yīng)用研究——水稻生長監(jiān)測[M]. 北京：科學(xué)出版社，2010.

[2]夏天，吳文斌，周清波，等. 基于高光譜的冬小麥葉面積指數(shù)估算方法[J]. 中國農(nóng)業(yè)科學(xué)，2012（10）：2085-2092.

[3]劉海巖，牛振國，陳曉玲. EOS-MODIS 數(shù)據(jù)在我國農(nóng)作物監(jiān)測中的應(yīng)用[J]. 遙感技術(shù)與應(yīng)用，2005（5）：531-536.

[4]馮美臣，楊武德，張東彥，等. 基于 TM 和 MODIS 數(shù)據(jù)的水旱地冬小麥面積提取和長勢監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2009（3）：103-109.

[5]趙偉穎. 極化 SAR 監(jiān)督分類方法對植被分類效果比較分析[C]//連云港：第九屆長三角科技論壇，2012：117-120.

[6]化國強(qiáng)，肖靖黃，黃曉軍，等. 基于全極化 SAR 數(shù)據(jù)的玉米后向散射特征分析[J]. 江蘇農(nóng)業(yè)科學(xué)，2011，39（3）：562-565.

[7]譚炳香，李增元，李秉柏，等. 單時(shí)相雙極化 ENVISAT ASAR 數(shù) 據(jù) 水 稻 識 別[J]. 農(nóng) 業(yè) 工 程 學(xué) 報(bào) ，2006 ， 22（12）：121-127.

[8]張曉倩，劉湘南，譚正. 基于全極化 Radarsat-2 數(shù)據(jù)的水稻生物量估算模型[J]. 農(nóng)業(yè)現(xiàn)代化研究，2012，33（2）：249-252.

[9]高程程，惠曉威. 基于灰度共生矩陣的紋理特征提取[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2010，19（6）：195-198.

[10]楊沈斌，李秉柏，申雙和，等. 基于 ENVISAT ASAR數(shù) 據(jù) 的 水 稻 遙 感監(jiān)測[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2008，24（1）：33-38.

[11]惠文華. 基于支持向量機(jī)的遙感圖像分類方法[J]. 地球科學(xué)與環(huán)境學(xué)報(bào)，2006，28（2）：93-96.

[12]胡包鋼，趙星，嚴(yán)紅平，等. 植物生長建模與可視化——回顧與展望[J]. 自動(dòng)化學(xué)報(bào)，2001，27（6）：816-835.

[13]張?jiān)瓢? ASAR 影像應(yīng)用于水稻識別和面積測算研究——以江蘇寶應(yīng)縣為例[D]. 南京：南京農(nóng)業(yè)大學(xué)，2004.

[14]譚正. 基于 SAR 數(shù)據(jù)和作物生長模型同化的水稻長勢監(jiān)測與估產(chǎn)研究[D]. 北京：中國地質(zhì)大學(xué)，2012.

[15]賈龍浩，周忠發(fā)，李波. 高分辨率 SAR 在喀斯特山地?zé)煵萆L建模中的應(yīng)用探討[J]. 中國煙草科學(xué)，2013，34（5）：104-107.

[16]陳磊，范偉，任竹.淺談星載 SAR 在冬小麥估測產(chǎn)方面的應(yīng)用[J]. 農(nóng)技服務(wù)，2013，30（11）：1230-1231.

[17]李坤，邵云，張風(fēng)麗. 基于多極化機(jī)載合成孔徑雷達(dá)（SAR）數(shù)據(jù)的水稻識別[J]. 浙江大學(xué)學(xué)報(bào)，2011，37（2）：181-186.

[18]邵蕓，郭華東，范湘濤，等. 水稻時(shí)域散射特征分析及其應(yīng)用研究[J]. 遙感學(xué)報(bào)，2001，5（5）：340-344.

[19]張曉倩. 基于全極化 SAR 數(shù)據(jù)的水稻識別與作物參數(shù)估算模型[D]. 北京：中國地質(zhì)大學(xué)，2012：32-41.

[20]張萍萍，申雙和，李秉柏，等. 水稻極化散射特征分析及稻田分類方法研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2006（1）：148-152.

[21]李開麗，蔣建軍，茅榮正，等. 植被葉面積指數(shù)遙感監(jiān)測模型[J]. 生態(tài)學(xué)報(bào)，2005，25（6）：1491-1496.

[22]Peng G, Ruiliang Pu, Biging G S, et al. Estimation of forest leaf area index using vegetation indices derived from hyperspectral data[J]. IEEE Transaction on Geoscience and Remote Sensing, 2003, 41: 1355-1362.

[23]申雙和，楊沈斌，李秉柏，等. 基于 ENVISAT ASAR數(shù)據(jù)的水稻時(shí)域后向散射特征分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2009，25（增刊 2）：130-136.

Analysis of Tobacco Scattering Characteristics Based on High Resolution SAR Data in Plateau Mountainous Area

LIAO Juan1,2, ZHOU Zhongfa1,2*, LI Bo1,2,3, WANG Kun1,2
(1. Institute of South China Karst, Guizhou Normal University, Guiyang 550001, China; 2. The Remote Sensing Center of Guizhou Province, Guiyang 550001, China; 3. The Technology Venture Capital Investment Management Center of Guizhou Province, Guiyang 550002, China)

In order to carry out quantitative monitoring of modern tobacco in plateau mountain area, a new method was proposed in which high resolution synthetic aperture radar (SAR) method was applied to rapidly monitor tobacco, since weather in Guizhou plateau is too rainy to obtain optical data. The results showed that the after scattering feature of different ground objects was extracted by difference, and used classification method of SVM to classify ground objects, the accuracy of total classification was 85.08%, and tobacco identification accuracy was 78.36%. Using of regression analysis, the monitoring model between the tobacco growth parameters and the backscattering coefficient was established. The model which was between the leaf length/leaf width and HH polarization backscatter coefficient or leaf fresh weight and HH, VV polarization backscattering coefficients could reflect the linear regression equation. The high resolution SAR data as the data source of the new remote sensing techniques can provide rich backscatter information of typical objects in plateau mountainous area, and provide technical support for modern tobacco agriculture in large-scale and real-time monitoring by remote sensing.

SAR; backscattering coefficient; remote sensing monitoring; tobacco

S572

1007-5119（2014）06-0074-06

10.13496/j.issn.1007-5119.2014.06.015

國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃（973 計(jì)劃）課題“人為干預(yù)下喀斯特山地石漠化的演變機(jī)制與調(diào)控”（2012CB723202）；貴州省科技計(jì)劃“喀斯特山區(qū) SAR 遙感平臺監(jiān)測與識別關(guān)鍵技術(shù)研究與應(yīng)用”{黔科合 GY 字〔2013〕3062}；貴州省國際科技合作計(jì)劃“不同生態(tài)恢復(fù)措施干預(yù)下喀斯特石漠化演變及調(diào)控研究”{黔科合外 G 字[2012]7022 號}

廖 娟，女，碩士研究生，研究方向：地理信息系統(tǒng)與遙感。E-mail：liaojuan0825@163.com。*通信作者，E-mail：fa6897@163.com

2014-05-12

2014-11-18