农作物种植面积、长势监测是农情遥感监测的关键内容。随着遥感技术的发展,大范围的农作物种植面积、长势监测成为可能,其监测结果可为国家农业生产管理、粮食政策制定提供重要参考依据。目前国家农业部农作物遥感监测业务使用的主要是光学遥感数据。然而,在进行我国北方旱地作物监测时发现,由于受作物生长关键期频繁的云雨天气限制,经常无法获取完整、连续的光学遥感数据,严重影响了监测工作的时效性和监测结果的准确性。合成孔径雷达(synthetic aperture radar,SAR)遥感技术因具有全天时、全天候监测地表信息的能力,弥补了多云雨天气下光学遥感数据的不足,在作物遥感监测方面具有广泛的使用需求和巨大的应用潜力。以往国内外在利用雷达技术进行农作物类型识别、长势监测方面开展了大量研究工作,但研究对象大多集中于水田作物,对旱地作物的研究相对较少。针对上述问题,本文开展基于合成孔径雷达数据的旱地作物识别与长势监测研究。本文选取华北平原的河北省深州市为研究区,利用多时相、全极化Radarsat-2SAR数据进行了旱地作物类型识别与生物学参数反演研究。主要研究内容包括以下3个方面:第一,结合遥感和地面调查数据,分析了研究区典型地物的后向散射特征,建立了相应的地物分类指标,选取多种分类方法(决策树、支持向量机)进行了典型地物识别与精度验证,比较了各分类方法的作物识别精度;第二,分析了旱地作物识别的最佳时相及其组合方式,提取了用于典型地物识别的各种辅助变量(极化分解、纹理)信息,以分类精度为评价指标,采用随机森林法评价了各变量对改善分类精度的重要性;第三,分析了雷达后向散射系数与作物生长参数(株高、叶面积指数、植株干、鲜重等)的相关关系,建立了作物生长参数与后向散射间的相关模型,利用模型反演了作物生长参数。基于以上研究内容得出以下结论:1.利用SAR遥感识别旱地作物时应着重关注作物生长前期的时相。玉米识别的最佳时相为苗期至拔节前期之间,最佳极化方式为交叉极化,用6月27日HV极化进行玉米识别时,精度达80%以上;棉花识别的最佳时相为苗期至花蕾后期之间,最佳极化方式为交叉极化,利用HV7.21-HV6.3进行棉花识别,精度为73.31%。在旱地作物识别中支持向量机法优于决策树法,并且支持向量机法在识别小地块和控制斑点噪声方面优势明显。2.利用多种辅助变量信息进行旱地作物识别时发现极化信息的重要性优于纹理信息,极化信息的加入使分类精度在后向散射信息分类结果的基础上提高了近7%,极化信息的加入主要增加了玉米和建筑用地的可分离性。纹理信息和极化信息的加也使棉花的精度提高了3%。通过针对玉米的变量优选,其中5个变量组合(VH、Alpha、Yamaguchi4-Odd、Freeman-Vol、Mean)可使玉米获得较高的精度,然而利用所有信息获取的结果仍为最优。通过多变量信息组合对研究区分类结果的对比发现多时相信息组合优于单时相,极化分解信息作用强于纹理信息,光学与雷达数据的结合效果最好。3.后向散射系数与作物生长参数具有阶段性相关的特点,其中作物生长中前期和后期部分生长参数与后向散射系数有明显的相关性,生长中期不适于利用后向散射系数反演生长参数,且作物生长前期交叉极化相比于同极化与作物参数的相关性更高。极化比值在作物生物学参数反演中没有表现出优势。利用经验模型对植株叶面积、株高及植被鲜/干重进行了反演,并对反演结果进行精度验证,效果较好,达到了对玉米长势监测的目的。