笔者比较两种分类方法（随机森林和支持向量机）的分类精度和分类效率，优选最佳的分类时相和分类特征；（2）从定性和定量两个角度对玉米和棉花的散射机制进行了分析，同时结合地面实测的 LAI 及株高数据，对两种作物散射机制的变化原因也进行了初步分析。
第一章 绪论
1.1 研究背景及意义
快速获取农作物播种面积信息，可为作物产量估计和国家粮食安全提供重要数据支撑（杨邦杰 等，2002；张焕雪，2017）。准确的农作物种植面积估算结果，对国家农业政策分析和粮食宏观决策具有重要的意义（鹿琳琳 等，2008）。传统的农作物种植面积的统计方式是通过行政单元逐级汇总上报或基于农户抽样调查进行，存在耗时、耗力、耗财等缺陷，此外，还容易出现错报、漏报和空报等现象，因此难以及时准确地获取大区域农作物的播种面积及空间分布信息（钱永兰 等，2007；王迪 等，2012）。由于遥感技术具有时效性、低成本、客观性、大范围等优点，自 1970年以来，应用遥感技术进行农作物识别、长势监测及产量估算就已经受到世界各国重视。经过多年的发展，光学影像（Landsat-TM/ETM+、SPOT-HRV、MODIS 等）在不同尺度、不同种植结构的环境下进行作物识别分类研究已经有了长足的进展（陈水森 等，2005；唐华俊 等，2010；Xiao X et al.，2006）。而在作物生长的关键阶段，云雨天气往往对光学影像获取的质量和数量带来的较大影响，从而影响到作物面积监测的准确性和时效性。合成孔径雷达不受云雨天气影响，不依赖太阳光成像，具有全天时、全天候监测的优点，能够为作物识别分类提供有力的数据保障。
遥感在大范围的农情监测中有着不可替代的作用，其中光学遥感受云雨天气影响较大，在作物生长关键期往往无法获得足量清晰的光学遥感影像，严重影响了遥感作物识别的准确性和时效性，而合成孔径雷达（Synthetic Aperture Radar，SAR）能够全天时、全天候对地物目标进行监测。和光学数据不同，极化 SAR 数据包含了目标的散射矩阵、几何结构细节和介电常数信息，对地表植被散射体的几何形状、高度都很敏感，能够弥补光学遥感的不足，在农作物识别和监测中具有独特优势。
........................
1.2 国内外研究进展
.2.1 基于单、双极化 SAR 数据的农作物识别研究
早期的 SAR 采用单波段、单极化的方式发射和接收电磁波，只能获得地物对某种单一电磁波某一种极化方式下的散射特性。众多学者根据作物后向散射系数（σ0）的不同，开始进行基于SAR 数据的农作物分类研究。 Le Toan 等（1989）通过分析 X 波段 SAR 图像中地物的后向散射特征，发现水稻后向散射系数 σ0 随时相的变化较其他作物大很多，首次提出可以利用 SAR 影像进行水稻识别。随着 ERS-1雷达卫星发射成功，日本、泰国、印度等国家的学者根据水稻 σ0 随时相变化较大这一特点，开展了一系列水稻 SAR 识别研究（Chakraborty M et al.，1997、2005；Ribbes F，1999）。其中 Le Toan等（1997）等基于多时相的 ERS-1 和 RADARSAT-1 波段数据，在印度尼西亚三宝垄和日本秋田开展遥感水稻识别研究，提出根据水稻 σ0 时相变化差异和阈值分类方法可以有效提取水稻种植面积，精度最高可以达到 80%以上。Choudhury 等（2006）基于多时相的 RADARSAT-1 数据对印度奥里萨邦的水稻面积提取并对其长势进行监测，研究发现水稻 σ0 在整个生长期内表现出明显的时序变化特征，同时存在一个较大的动态变化区间（>10 dB），基于这一特征，研究采用基于专家知识库的决策树分类法对试验区的水稻面积进行提取，精度高达 98%。Shao（2001a；2001b）等人基于多时相单极化 RADARSAT-1 数据，以广东省肇庆市为研究区，建立水稻时域后向散射模型并对水稻进行监测和估产研究，研究表明使用多时相的 SAR 数据能够开展水稻识别应用（平均分类精度在 90%以上），但水稻的估产则至少需要三个生长时相（插秧期、抽穗期、收割前期）的雷达数据。
单极化、单波段的雷达数据极大地制约了农作物 SAR 分类精度的提高，尤其是在地块分布破碎、种植布局复杂的区域（Aschbacher J，
1995）。另外，早期的 SAR 数据空间分辨率低也是制约识别精度的重要因素（杜鹤娟，2013）。随着雷达技术的不断发展，从 2002 年的 ENVISAT-ASAR开始，各国相继发射了一系列的雷达卫星，作物识别不再局限于单极化的工作模式。
......................
第二章 研究数据及研究方法
2.1 研究区概况
研究区域选在河北省衡水市冀州区，衡水市地处河北冲击平原，地势自西南向东北缓慢倾斜，海拔 12 m—30 m。地处河北省东南部，115°15′–115°35′E, 37°30′–37°45′N，地理位置如图 2-1 所示。该地区地势平坦，海拔约为 23-29 m，沙壤质和轻壤质土壤占总土种的 85.3%，是粮食作物、棉花生长发育较理想的土壤。该地区属大陆性季风气候，为温暖半干旱型。气候特点是四季分明，冷暖干湿差异较大。夏季由于受太平洋副高边缘的偏南气流影响，潮温闷热，降水集中，冬季受西北季风影响，气候干冷，雨雪稀少，春季干旱少雨多风增温迅速，秋季多出现秋高气爽天气，且有连续阴雨天气发生。该地区年降水量为 56.6×108 m3，平均降水量为 642.1 mm；多年平均气温 13.10℃，气候资源有利于农作物生长发育。
.............................
2.2 雷达成像原理
微波遥感用微波设备来探测、接收被测物体在微波波段（波长为 1 mm~1 m，常用为 8 mm~300 mm）的电磁辐射和散射特性，以识别远距离物体的技术。微波作用于地面目标，产生散射、辐射、吸收、谐振等现象，是利用微波遥感器获得地物目标以及地物背景的信息，实现遥感或探测的机理。当前对陆地、海洋、大气遥感是以实现资源环境调查、土地利用、变化监测、灾害预报、气象观测等为目的。涉及到大气、海洋、陆地中的处于各种形式、状态下的所有物体作为目标和背景。通过微波与目标的相互作用之后，通过分析回波信号的差异，可以测量目标的后向散射特性、多普勒效应、偏振特性等，还可以反演目标的物理特性（介电常数、含水量、湿度等），及几何特性（目标大小、形状、结构、粗糙度等）多种有用信息。
雷达（RAdio Detection And Ranging，Radar）系统主要有以下三个功能：1.发射微波信号到场景；2.接受从场景中传回的部分后向散射能量；3.观测返回信号的强度（检测）和延时（测距）信号，雷达系统工作方式如图 2-2 所示（注：本文中雷达成像原理示意图引自 ENVI-IDL 技术殿堂新浪博客）。早期的雷达系统为真实孔径雷达（Real Aperture Radar，RAR），成像空间分辨率与雷达天线长度成正比，雷达系统想得到较高分辨率的影像，一般需要增加天线的长度，而在传感器上难以实现大幅地增加天线长度，这限制了雷达系统的发展和应用，后来合成孔径雷达的出现，真实孔径雷达逐渐被取代。如果雷达信号垂直照射地面，则传感器两侧总会有两个点具有相同的距离，于是图像自身就会出现左右折叠，轨迹的左右两边的点就会混在一起叠加在一张影像上。而采用侧视成像就能很好的避免这种现象的发生，侧视雷达是由传感器向与飞行方向垂直的侧面发射波束，并接受在侧面地物的雷达反射波。当前运用最为广泛的即为侧视成像的合成孔径雷达（Synthetic Aperture Radar SAR）。
............................
第三章 基于极化目标分解的旱地作物分类研究 .................. 24
3.1 研究方法及内容 ............................ 24
3.1.1 分类方法 .................................. 24
3.1.2 技术路线 .............................. 24
第四章 基于散射机制的旱地作物分类研究 ...................... 34
4.1 旱地作物散射机制的定性评价 ......................... 34
4.1.1 极化响应图 ................................ 34
4.1.2 平均散射角和熵 ............................ 37
第五章 结论及展望 .......................................... 47
5.1 主要结论 .................................... 47
5.2 展望 ............................. 48
第四章 基于散射机制的旱地作物分类研究
4.1 旱地作物散射机制的定性评价
4.1.1 极化响应图
极化响应图是把电磁波的散射矩阵以图形的形式呈现，用以表现目标的散射特性，其能量的分布特征有利于分析目标的散射类型，为研究地物散射机制提供较为直观的定性参考。基高是极化响应图中重要的参数之一，主要表达了散射机制的复杂程度，其定义为接收到的能量的最小值与最大值之间的比值，表征接受信号中完全不被极化的能量，与极化度相关，基高越大散射机制越复杂（Zyl J 等，1987）。典型目标的极化特征及相干矩阵如表 4-1 所示。
..........................
第五章 结论及展望
5.1 主要结论
旱地作物包含了重要的粮食作物（玉米、小麦等）和典型的经济作物（棉花、花生等），快速获取旱地作物面积信息，可为作物产量估计和保障粮食安全提供重要的数据支撑。华北地区作物生长的关键阶段云雨天气频繁，往往对光学影像获取的质量和数量带来的较大影响，从而降低了作物面积监测的准确性和时效性。由于不受云雨天气和雾霾的影响，不依赖太阳光成像，具有全天时、全天候监测的优点，合成孔径雷达在作物识别研究中受到广泛应用。和光学数据不同，全极化 SAR 数据包含了目标的散射矩阵、几何结构细节和介电常数信息，对地表植被散射体的几何形状、高度都很敏感，能够弥补光学遥感的不足，在农作物识别和监测中具有独特优势。
本研究主要做了以下两方面工作：（1）使用 2018 年 3 景河北省衡水市深州区 RADARSAT-2数据，使用多时相结合多特征的方法对该区域玉米和棉花进行分类研究，比较两种分类方法（随机森林和支持向量机）的分类精度和分类效率，优选最佳的分类时相和分类特征；（2）从定性和定量两个角度对玉米和棉花的散射机制进行了分析，同时结合地面实测的 LAI 及株高数据，对两种作物散射机制的变化原因也进行了初步分析，得到的主要结论如下：
（1）使用两景影像（7 月 14 日，9 月 24 日）的 11 特征（7 月 14 日（玉米拔节期，棉花蕾期后期）平均散射角α、香农熵、香农熵强度分量、特征值 1、特征值 3、MCSM 面散射分量、T 矩阵主对角线元素 1，9 月 24 日（玉米成熟期早期，棉花吐穗期中期）香农熵、香农熵强度分量、特征值 2、T 矩阵主对角线元素 2），利用随机森林分类器，能够得到研究区的四种典型地物较为精确的分类精度（总体分类精度为 90.2239%，Kappa 系数为 0.8422）。在保证较高的分类精度前提下，能够有效降低提取旱地作物面积及空间分布的时耗，减少参与分类的影像数量，为基于 SAR 数据的旱地作物分类提供参考。
（2）利用单时相数据的旱地作物识别中，使用 8 月 7 日（玉米抽穗期后期，棉花花铃期前期）的 RADARSAT-2 影像，使用不同分解方法得到的 39 个极化特征，结合随机森林分类器，可以使两种作物的分类精度达到最高（玉米生产精度 98.63%，用户精度 78.08%；棉花生产精度63.67%，用户精度 76.04%；总体分类精度 78.98%，Kappa 系数 0.6688）；
参考文献（略）