微波遥感在农业中的应用研究进展

物监测时，需要注意露水的影响。2000 年，加拿大的Wood 等分析了露水对利用RADARSAT-1 图像进行业务化的作物监测的影响。露水存在时，后向散射强度会增加，但是整体的作物可分性不会受其影响。在进行农作物信息从雷达图像中定量化提取时，要注意去除露水的影响。

2.2.2、土壤湿度提取。

土壤湿度和它的时空变化是农业科学研究的一个关键因子，土壤水分的监测，是农业过程研究的主要组成部分。在区域尺度上，土壤水分的监测对农作物监测和产量估算、干旱预测是非常重要的。常规的测量方法有土壤湿度计法、电阻法等，利用这些方法进行测量，要进行大面积的土壤湿度观测，需要建立高密度的观测点网络，需要耗费大量的人力财力。用遥感进行土壤水分监测，宏观、时效性强，可以克服以上缺点。

微波遥感进行土壤水分监测，可测得地面0~ 5 cm 深度的土壤湿度，土壤水分含量影响土壤介电特性，表现在微波图像上为后向散射系数和亮度温度的变化。主动微波遥感数据的空间分辨率较高（< 100 m），应用在局部区域，被动微波遥感的分辨率一般在10 km 量级，一般应用于全球尺度。

目前，主动微波遥感土壤湿度提取，主要通过建立土壤水分含量和后向散射系数之间经验关系，提取土壤湿度。尽管一系列的物理模型，例如几何光学模型、物理光学模型和小扰模型等可用来模拟地表的后向散射机理，但是由于需要多个生物物理参数和土壤参数，它们不能直接应用于大多数的农作物覆盖地表的土壤湿度提取。近年来发展的经验方法考虑了利用多参数的微波信息提取土壤湿度。被动微波遥感土壤湿度提取有两种方法，一种和主动微波遥感相同，建立土壤发射的亮度温度和土壤湿度之间的统计关系，进行湿度提取；一种是根据辐射传输方程，建立亮度温度和土壤湿度之间的物理模型，通过最小化表示模拟亮度温度和实际测量亮度温度之间的差别的损失函数求得土壤湿度。1999 年，美国Oklahoma 州进行的南大平原（SGP99）实验中，利用机载主动和被动微波传感器（PALS）进行土壤湿度的反演，分别达3%和2% 的精度。2002 年，在美国Iowa 州进行的土壤水分实验（SMEX02）中，又对更高含水量植被覆盖下的主被动微波遥感土壤湿度提取的各种算法进行了检验。研究区域为大豆和玉米两种作物覆盖，利用多元线性回归建立微波观测数据和土壤湿度之间的统计关系，土壤湿度提取误差约为0. 05 g/ g；利用被动微波遥感原理，由基于零阶辐射传输方程的物理模型获得的提取误差约为0. 04 g/ g。实验还表明，随着植被含水量的增加，微波数据对土壤含水量的敏感度降低。2003 年，Parde 等利用L 波段多入射角双极化的微波发射数据对麦田土壤湿度提取进行研究，比较了几种基于物理模型的提取算法。根据被提取出参数的个数，他们将这些算法分为单参数法、两参数法和三参数法。其中三参数法不需要植被的辅助信息，而且土壤湿度、植被天顶角光学厚度和极化参数可以同时被提取出来，可以获得最高的湿度提取精度。利用被动微波遥感进行土壤湿度的提取时要注意去除植被覆盖、土壤温度、雪覆盖、地形和土壤地表粗糙度的影响。

2.3、农作物单产估算

农作物产量的估算对一个国家采取的国内国际经济政策有着重大的影响，对国家进行粮食管理有着重要作用。近年来，大量研究建立了各种遥感农作物单位面积产量估算的模型，这些模型考虑了气象因素、农作物生长过程等，遥感数据则作为作物估产模型的直接或间接输入参数之一。2000 年，Shao 等将RADARSAT 提取的水稻信息与传统的农学模型相结合，对水稻产量进行了估算，达到了很好的效果。

3、研究展望

微波遥感在农业上的应用主要在利用微波遥感进行农作物识别和面积提取、农作物生长状况监测、土壤湿度提取和产量估算等方面。自1981 年第1 个成像雷达SIR-A 搭载航天飞机升空后，航天微波遥感技术取得了巨大进展。随着ALOS、ENVISAT 等卫星的升空，越来越多的多角度、多波段、多极化的雷达数据被获取。纵观微波遥感农业应用发展的态势，今后微波遥感农业应用的研究应集中在以下几方面：

（1）安装地基微波设备，开展农作物微波测量实验。针对具体的农作物，安装地面观测设备，对其各个生长阶段的微波散射或辐射进行测量，是提出微波的农作物长势监测方法的基础和重要依据。

（2）多参数微波数据的应用研究。不同波段、极化状态和角度的数据从不同侧面反映了农作物的微波特性，从而为具体应用提供了更加丰富的信息。根据具体的应用目标和农作物的微波特性，多种微波数据相结合，可以提高农作物识别和监测的精度。

（3）农作