微波是指波長1~ 1 000 mm 的電磁波。從19 世紀60 年代初至今，微波遙感已逐漸發(fā)展成為一種觀測地球的重要手段。相對于光學遙感，它有自身的特殊優(yōu)點。它能夠穿透云層和在某種程度上穿透雨區(qū)，不依賴于太陽作為輻射源，而且比光波能更深地穿透植被。微波得到的信息與可見光、紅外波段得到的信息不同，微波波段的測量值主要取決于研究對象的幾何特性和介電特性。通常按照工作模式可以把微波傳感器分成兩類：主動式和被動式微波傳感器。主動式微波傳感器自己提供照射源，有發(fā)射機和接收機，例如雷達、散射計和高度計；被動式微波傳感器僅是一部接收機，可以測量被觀察場景發(fā)出的輻射，如微波輻射計。

從1974 年，美國國家航空航天局（NASA）、農(nóng)業(yè)部（USDA）和國家海洋大氣局（NOAA）等機構(gòu)聯(lián)合開展/ 大面積農(nóng)作物估產(chǎn)實驗（LACIE）0計劃以來，遙感在農(nóng)業(yè)方面逐步得到應用。25 年后，該項目的負責人美國農(nóng)業(yè)部的Moran 等對ERS-2 SAR 數(shù)據(jù)和Landsat TM 數(shù)據(jù)進行農(nóng)作物和土壤狀況監(jiān)測的比較，認為光學遙感存在不能穿透云層和大氣衰減的局限性，應鼓勵利用SAR 圖像進行農(nóng)作物和土壤評估的研究。微波遙感在農(nóng)業(yè)中的應用研究已經(jīng)在國內(nèi)外廣泛開展，筆者介紹了植被的微波散射與輻射的物理機理，綜述了近20 年來微波遙感在農(nóng)作物識別和面積提取、長勢監(jiān)測和農(nóng)作物覆蓋下的土壤水分監(jiān)測、產(chǎn)量估算研究的最新進展，展望了未來微波遙感農(nóng)業(yè)應用研究的重點，期望能為國內(nèi)微波遙感在農(nóng)業(yè)方面的研究應用提供參考。

1、植被的微波散射與輻射物理基礎

1.1、植被微波散射原理

為研究電磁波與植被的相互作用機制和過程，發(fā)展了許多微波后向散射模型。散射模型的研究旨在用數(shù)理方法精細刻畫目標物的介電特征和空間幾何特征。雷達后向散射模型分為3 類：經(jīng)驗模型、物理模型和半經(jīng)驗模型。經(jīng)驗模型一般是從觀測的后向散射數(shù)據(jù)利用分析、回歸等數(shù)學方法得到主要要素的貢獻。物理模型基于電磁場理論和輻射傳輸理論，通過輻射傳輸方程來求解散射系數(shù)。半經(jīng)驗模型是綜合經(jīng)驗模型和物理模型的優(yōu)點產(chǎn)生的，既考慮模型的定性物理含義，又采用經(jīng)驗參數(shù)建模，例如水云模型、MIMICS 模型、圣巴巴拉微波冠層后向散射模型（SBM）等。

忽略植被自身發(fā)射的矢量輻射傳輸方程如下：

（1）

式中，I 為Stokes 矢量；μ= cosθ，（θ，Φ）為電磁波的傳播方向；K 是4X 4 的衰減矩陣，反映電磁波沿傳播方向的衰減；F 是散射源函數(shù)，反映由各方向散射至（μ，i）方向的增加量。 

1.2、植被微波輻射原理

在有植被覆蓋的土壤表面，植被層既削弱了土壤的發(fā)射又增加了自身的發(fā)射。在低頻率微波波段，經(jīng)常用一個簡單的輻射傳輸模型來模擬微波亮度溫度，也被稱為τ-ω模型。該模型基于兩個參數(shù): 光學厚度τ和單次散射反照率ω，它把總發(fā)射看成3 部分之和：直接的植被發(fā)射，經(jīng)土壤反射和冠層衰減的植被發(fā)射和經(jīng)植被衰減的土壤發(fā)射。其公式為：

（2）

式中，T_v、T_soil為土壤和植被有效溫度；ω為單次散射反照率，它受入射角和極化狀態(tài)影響；γ為植被透過率，可以用光學厚度τ和入射角θ來表示；Γ_s為土壤反射率，主要取決于土壤濕度、植被粗糙度和紋理。 

2、微波遙感農(nóng)業(yè)應用研究

2.1、農(nóng)作物識別與面積提取

農(nóng)作物識別是建立一個農(nóng)作物監(jiān)測系統(tǒng)關鍵的第1 步。對農(nóng)作物進行識別后，可以估算每種作物類型的種植面積，從而為基于面積的農(nóng)作物管理提供統(tǒng)計數(shù)據(jù)，并為估產(chǎn)模型提供輸入?yún)?shù)。利用遙感進行農(nóng)作物識別，需要選擇作物生長期的特定時間段獲取遙感數(shù)據(jù)。雷達可以穿透云層全天時全天候的工作，為農(nóng)作物識別研究提供了有保障的數(shù)據(jù)源。

由于被動微波數(shù)據(jù)的空間分辨率多為幾十千米，無法滿足作物的分類和提取研究要求，農(nóng)作物提取的數(shù)據(jù)源多為主動微波即雷達數(shù)據(jù)。早在1969 年，美國堪薩斯大學的Hara-lick 等對K 波段的雷達圖像進行研究，表明植被類型影響信號強度，并且與光學圖像相比較，在作物區(qū)分中表現(xiàn)良好。1977 年，為美國航天飛機成像雷達的發(fā)射做準備，Bush 等就利用機載雷達進行實驗，對雷達作為農(nóng)作物分類器進行了評價。近年來，利用雷達數(shù)據(jù)進行農(nóng)作物的提取多注重于數(shù)據(jù)獲取時間的選擇和對多參數(shù)雷達數(shù)據(jù)及雷達與光學數(shù)據(jù)結(jié)合應用的探索。

進行作物識別時，數(shù)據(jù)獲取時間的選擇非常重要。根據(jù)不同類型作物的生長階段，選擇進行農(nóng)作物提取合適的圖像獲取時間可以提高提取精度。分析要提取的植被和其共生植被的后向散射特性，避開它們?nèi)菀谆煜臅r間。有研究表明，7 月份獲取的數(shù)據(jù)在植被提取上比其他時間更優(yōu)越。另一方面，多時相雷達數(shù)據(jù)也可以提高提取精度。Shao 等利用4 月中下旬和5 月中旬的兩幅RADARSAT 圖像對水稻種植區(qū)進行提取，精度達91%。

多波段多極化的雷達數(shù)據(jù)及雷達和光學數(shù)據(jù)相結(jié)合可以改進農(nóng)作物分類精度。多波段多極化的數(shù)據(jù)包含作物在不同波段和極化狀態(tài)下的后向散射特性的信息，因此提供了更高的可分性。Ferrazzoli 等對多波段多極化雷達分類進行了實驗，結(jié)果表明，單波段單極化的SAR 數(shù)據(jù)識別農(nóng)作物是有局限性的，利用多波段多極化的雷達數(shù)據(jù)，可以獲取高達90% 的精確度。另外，和雷達數(shù)據(jù)主要反映植被的結(jié)構(gòu)特征與介電特征不同，光學數(shù)據(jù)反映了植被的光譜信息，兩種數(shù)據(jù)結(jié)合，可以獲得一種數(shù)據(jù)達不到的精度。Michelson 等利用Jeffries-Matusita 距離計算類別可分性，得出Landsat TM和ERS-1 數(shù)據(jù)結(jié)合時可以達到最高的可分性。通常，在多云雨天氣的區(qū)域，雷達數(shù)據(jù)是光學數(shù)據(jù)的有利補充。

綜上所述，理論上，多時相的雷達數(shù)據(jù)和光學數(shù)據(jù)結(jié)合可以獲取最佳的農(nóng)作物識別和提取效果。在具體應用中，還要結(jié)合需要判別的作物類型、所獲取數(shù)據(jù)的衛(wèi)星過境時間和數(shù)據(jù)可獲取性，綜合分析進行數(shù)據(jù)選擇。