文摘

信息油棕物候学油棕种植园需要管理,但使用星载偏振雷达图像仍具有挑战性。然而,星载X -偏振雷达,C -、l波段承诺结构植被和云区域。本研究探讨油棕物候学的散射模型基于星载X - C -、l波段偏振合成孔径雷达(SAR)成像。C - X -,和l波段偏振SAR来自terrasar - X星载,Sentinel-1A,树脂黄PALSAR 2。研究区位于油棕种植园,Asahan区,北苏门答腊,印度尼西亚。方法包括数据收集、预处理、辐射校准,斑纹过滤、地形校正,提取散射值,油棕物候学的散射模型的发展。结果显示不同的散射特征,X - C -、l波段偏振SAR油棕的年龄和发现潜在的油棕物候学的散射模型基于X波段HH极化显示非线性模型 。c波段VH和VV极化显示非线性模型 和 。高压的l波段HH极化显示对数模型 和 。在这种情况下,散射模型的最具潜力的油棕物候学的基础上 利用c波段VV极化。然而,基于X -散射模型,C -,和l波段可能是使用和应用识别的生物气候学在印度尼西亚棕榈油,产量估算的主要参数。未来的物候学模型需要改进精度通过多传感器集成在一起,包括不同波长光学和微波传感器和更多的现场数据。

1。介绍

棕榈油(Elaeis guineensis)是一个棕榈树,一般种植在东南亚,尤其是在马来西亚、印度尼西亚和泰国。油棕生产食用油、机械油和燃料,广泛应用于日常生活和工业(1,2]。油棕获得种子或部分硬中果皮壳产生约80%饱和脂肪,可以用作原料用于生产肥皂、清洁剂和其他物质oleochemical行业(3- - - - - -5]。油棕有特殊潜能被用作生物燃料在未来(6]。高产量和低生产成本的原因从油棕鼓励商业石油棕榈树种植园公司开发一个相当大的范围7]。因为扩大全球对营养和燃料,油棕种植已经扩展指数(8),而如今,棕榈油是一种最世界上食用植物油(9]。

东南亚有油棕种植的理想条件,因为它需要潮湿的赤道条件(10]。油棕是适应热带大气降水率高,高强度的全球辐射,和温暖的温度/°C (11]。常规的热带地区的旱季可以显著降低棕榈油产量(3]。油棕通常种植在三角模式nine-meter间作距离(见图1),后一个行业标准最大化收益率与最佳阳光渗透(3]。种植密度130 - 140手掌为每个惯例。然而,根据条件和油棕种植不同品种类型(9,12,13]。阳台种植通常促进对策跑水和最大化丘陵地区种植密度(14]。


图1
三角形的油棕种植模式(来源:9,15])。

油棕种植园种植/块,这样所有的植物在每一块有一个统一的时代。油棕的年龄是产量估算的主要参数。油棕年龄是一个重要的变量影响生产的水果串(3,10]。年龄信息油棕产量预测,因为它是一个很好的指标影响质量和数量的新鲜水果串16]。除此之外,年龄是至关重要的信息精准农业中识别异常棕榈树在一个特定的年龄段计划反抗管理实践和优化管理资源(10,17]。在其他情况下,油棕年龄信息所需的税收评估,棕榈油的种植时间和识别疾病(15]。组织或种植管理支持这样的棕榈油产量最大化的有用的数据,最重要的一个影响福利(10]。根据谭et al。10),收集年龄信息对石油棕榈树是耗时和昂贵的,特别是在大型或区域范围内。油棕的年龄增长影响的物理和环境油棕种植园本身。根据谭et al。10)和Chemura et al。16],树冠高度和油棕的大小随着年龄的增长有很强的相关性。

星载技术已经普遍应用于农业和林业部门。这些技术被证明提供一个精确的、负担得起的,农业和林业和高效的解决方案规划、监测和管理(18]。根据亨德森和刘易斯(19),尽管在光学传感器的电磁频谱得到最好的考虑和广泛使用,相当大的努力一直在投资利用雷达传感器。微波传感器已经成为一种很有前途的技术在遥感的应用由于其云渗透能力和能力在全天候昼夜条件获取数据。微波传感器也依赖于其内部能源,与光学传感器依靠阳光的外部能量来源。散射雷达非常敏感的介电性能(土壤水分和植被)和属性的对象的几何条件(表面粗糙度)地球表面(20.]。

世界上许多地区(例如,云层覆盖的地区,缺乏光),雷达是唯一的传感器能够可靠地提供一致的和周期性的数据。电磁波谱的雷达传感器可以获取信息乐队K(1.1 - -1.7厘米),X(2.4 - -3.8厘米),C(3.8 - -7.5厘米),L(15 - 30厘米),P(30 - 100厘米)20.),水平极化的水平(HH),垂直于垂直(VV),水平,垂直(高压),或垂直水平(VH),有不同的范围和方位分辨率(21]。每一个波长有独特的特点与反射从森林站22]。的x波段与叶子和林冠覆盖表面;因此,它非常适合信息树树冠表层(23]。c波段可以穿透树叶和扩散到小树枝和其它潜在的对象(24]。l波段的高渗透能力,可以穿透表层和扩散到茎和主要分支(25,26]。p波段的渗透能力和最高可以穿透林冠覆盖(27]。

许多研究开发的模型油棕物候学源于散射特性和任何参数,如来自生物质(27),叶面积指数(LAI) [10,17),高度树和树直径(10],树冠投影面积(CPA) [16),散射(28),归一化植被指数(10,17,29日- - - - - -31日),和光谱带10,17,28,32]。然而,我们最好的知识,基于星载X -物候学信息,C -、l波段偏振SAR是有限的和分散在印尼。在这项研究中,我们倡导在印尼调查油棕物候学的散射模型基于星载X - C -、l波段偏振同时SAR。

2。材料和方法

2.1。研究区域

研究区在Asahan摄政,北苏门答腊,印度尼西亚。这个摄政Kisaran的首都城市,占地面积3702.97公里2。Asahan摄政的一部分被选为研究区,这是一种油棕种植园面积位于Hessa种植园,Simpang Empat, Asahan摄政,2.98°东经99.67°北纬2.92°东经99.75°北纬(图2)。


图2
研究区在Asahan摄政,北苏门答腊,印度尼西亚。

Asahan摄政在中央北苏门达腊省东部海岸的一部分。区主要是农业,主要土地使用棕榈油和橡胶种植园内陆,与椰子树林和水产养殖池塘海边(33]。第一个印尼棕榈油种植园成立于Asahan [34]。1911年在荷兰殖民时代,一家比利时公司开了第一个商业油棕种植园(35],Asahan是苏门答腊的东海岸地区的先锋(34,36]。大种植园区域由许多私营企业和国有Perkebunan Nusantara公司大量有助于Asahan大多数市民的经济需求。等离子种植园计划属于小农的管理支持的公司(如中央种植园)(34]。

Asahan地区的工厂产能50吨的新鲜水果群(鲜果串)每小时37]。根据Budidarsono et al。38),在苏门答腊岛东部海岸,油棕生产(CPO)大幅增加。第一个农场的面积,建于1910 - 1914年是2620公顷。生物物理学是适合种植油棕,位置高的降雨(最低1600毫米/年)和一个在10°赤道热带气候。土地和劳动力,最重要的输入,是可用的38]。

2.2。方法

方法包括数据收集、预处理、辐射校准,斑纹过滤、地形校正,提取散射值,和开发基于星载X -散射模型,C -、l波段偏振SAR(图3)。


图3
方法。
2.2.1。数据收集

收集的各种偏振SAR成像,包括terrasar - x (x波段),Sentinel-1A (c波段),和ALOS PALSAR 2 (l波段)(图4)。terrasar - x和ALOS PALSAR-2数据来自美国国家航空航天局Space-Indonesia(拉潘),而Sentinel-1A数据收集来自欧洲航天局(ESA)哥白尼。SAR成像的细节展示在表1。

(一)
(一)
(b)
(b)
(c)
(c)
图4
SAR成像在HH terrasar - x (a), Sentinel-1 VV和VH (b),树脂黄PALSAR HH和高压(c)。
表1
SAR数据的特点。

地形高程数据来源于航天飞机雷达地形测绘任务(SRTM),大约90米的空间分辨率,并处理国家航空和宇宙航行局(NASA)和美国地质调查局(USGS)。数据预测地理(纬度/经度)投影,WGS84水平基准面。2020年字段进行数据收集,收集种植油棕的年龄和研究区域的一些照片(数字5和6)。在这一研究领域中,我们使用174块,代表11种油棕从0岁到25年。这种植年龄数据块作为边界在感兴趣的区域(ROI)基于散射值完全在44000像素。


图5
种植油棕研究区域块时代。

图6
在研究地区油棕的年龄。
2.2.2。预处理

(1)散斑过滤。SAR成像解释和分类的主要问题是波相干干扰引起的散斑效应反映在许多主要散射(39]。斑纹出现在SAR成像颗粒噪声由于许多基本散射波干扰反映(40]。斑纹过滤是一个过程来提高图像质量,减少斑点。增强的李滤波器的窗口大小 选择在这个研究最小化散斑对图像的影响(41,42),也在边缘去除噪声和高对比度区域(40)没有损失的信息(43),因为之前的研究显示减少斑点在SAR数据之前使用李滤波器提取散射值(24]。根据李et al .,这个算法是最好的算法分割作物申请目的(40]。

(2)地形校正。预处理的图像也地形校正消除地形变化引入的失真。SAR成像的地形校正的目的是最小化SAR几何效应(节略,短暂的停留,和阴影)对雷达图像(24]。航天飞机雷达地形测绘)作为数字高程模型(DEM)提供高度信息(44)使用Range-Doppler地形校正(24]。几何修正进行SAR (C - X -, l波段)研究区域的数据。所有图片都是纠正,和地理数据预测(纬度/经度)投影,WGS84基准面。

(3)辐射校准。散射值的校准是必要的相互比较与不同的传感器或雷达图像获得相同的传感器获得的图像如果获得在不同模式或处理不同的处理器(45]。在σ零辐射校准结果( )(45]。

x波段的辐射校准过程首先计算雷达亮度 (β0,dB)中包含来自polarization-specific校正因子 (方程(1),从数字数据转换(DN)σ零( 使用方程(2)[39,46]:

最后辐射校准是由计算σ零( 使用 在哪里 ,当地的入射角的形象,被定义为四个场景的角位置,基于二维插值在执行图像尺寸。插值方法是基于德劳内的三角测量的数据使用Qhull算法(47]。总之,当地事件图像大小相同的场景图像,每个像素的本地入射角(具体信息39]。

在c波段的散射值改变gamma-calibrated散射系数(48],c波段产品使用辐射标定查表(附近地区)做校准49]。振幅的基本转换从DNσDN和零在快速自动完成,一旦得到了σ零值(41,50),散射的计算( )可以在执行 在哪里 是gamma-calibrated c波段的散射系数(48]。

的l波段是建立在一个16位数据类型,和所有像素数字数字(DN)从0到65535 (41]。DN必须转换为散射(即。,the reflected radar signals) recognized as Normalized Radar Cross Section (NRCS) and expressed in 在分贝(dB) (41]。HH (DN的转换HH)和高压(DN高压)散射强度nrc(即 和 )(28,51)是基于岛田的研究(51)所示 在哪里 是散射系数和CF是校正因子。CF是依赖于处理日期。在这项研究中,CF等于0。-83.0 HH和高压(28]。

2.2.3。提取散射特性

我们创建了一个感兴趣的区域(ROI)区域抽样;的ROI计算确定X -的散射特征,C -、l波段偏振SAR成像与油棕的年龄在平均值和标准偏差值的形式使用算法如下(方程(6)和(7))(52]: 在哪里 样本的数量, 样品价值, 样本的平均值, 标准偏差。

2.2.4。散射模型的发展

我们分析了SAR成像偏振的散射值之间的关系(x波段HH, c波段VV和VH和l波段HH和高压)和油棕种植园的时代。油棕的散射反应区域取决于结构和密度的棕榈树。所有油棕范围,甚至在这种情况下,各种结构和密度有不同的散射模式和纹理在不同波长(28]。分析散射和年龄之间的关系是使用皮尔逊相关系数(方程(8))。皮尔森的方法假定如果系数是类似于一个,这意味着一个强大的两个变量之间的相关性(53]。 在哪里 的意思是 变量和 的意思是 变量。在这项研究中,第一个变量是油棕年龄,第二个变量是散射偏振值。确定系数( )是一个估计回归模型54]。的 值将显示作为一个回归模型变量的百分比变化(55]。提出了几种方法来解释的相关系数描述符如“弱”,“温和”或“强大”的关系(56]。

3所示。结果

C - X -,和l波段偏振SAR成像是使用每个极化的李过滤器过滤。油棕物候学的散射模型是基于实证模型来源于油棕年龄之间的关系和散射X的值,C -、l波段SAR成像。在这项研究中,油棕年龄分为五年的范围:0 - 5、5 - 10、10 - 15、15 - 20和20 - 25。

3.1。油棕物候学的散射模型基于x波段

油棕物候学的散射模型是基于x波段HH极化。值在0 - 5岁开始约-6.8 dB, 5 - 10年的约-5.7 dB, 10 - 15年5 dB,约-6.4 dB(图20 - 25年7)。在HH极化散射模型非线性回归 -7.2823与 (图7)。


图7
散射模型的油棕物候学在x波段HH极化。
3.2。油棕物候学的散射模型基于c波段

油棕种植园的散射模型是基于c波段VH和VV极化。VH极化,值在0 - 5岁开始在-14分贝,5 - 10岁-15分贝左右,10 - 15岁-14分贝左右,15 - 20岁-15分贝,20 - 25岁约-16 dB(图8(一个))。VH极化,散射模型非线性回归 - - - - - -15.785与 (图8(一个))。

(一)
(一)
(b)
(b)
图8
在c波段散射模型的油棕物候学VH极化(a)和VV极化(b)。

VV极化,值从0 - 5岁-7.8 dB左右,5 - 10岁的年约-7.4 dB, 10 - 15岁的年约-6.5分贝,在15 - 20岁-7.4 dB左右,20 - 25岁的年约-8.0 dB(图8 (b))。VV极化,散射模型非线性回归 - - - - - -8.9534与 (图8 (b))。

3.3。油棕物候学的散射模型基于l波段

油棕种植园的散射模型基于l波段HH和高压极化。在HH极化值从0 - 5岁-12.6 dB左右,5 - 10岁的-11分贝左右,10 - 15岁的年约-11.3分贝,在15 - 20岁-11.5 dB左右,20 - 25岁的年约-11.9 dB(图9(一个))。散射模型对数回归 -12.616与 (图9(一个))。

(一)
(一)
(b)
(b)
图9
散射模型的油棕物候学对l波段HH极化(a)和高压极化(b)。

在高压极化值从0 - 5岁-22分贝左右,5 - 10岁的-18分贝左右,10到15岁的-19分贝左右,15 - 20岁的年约-18.9 dB, 20 - 25岁的年约-18.5 dB(图9 (b))。散射模型对数回归 - - - - - -21.815与 (图9 (b))。

4所示。讨论

两个重要特征类别确定SAR值传感器和目标散射特征(57]。传感器的类别包括SAR的频率或波长、传播和接收的极化SAR信号的入射角ground-interacting雷达波束,和传感器位置(57]。根据亨德森和刘易斯(19),目标特征的影响随植被类型(1),(2)站结构,(3)林冠组成。

4.1。基于SAR成像特点油棕的时代

森林植被的散射特性影响的厚度体积,密度组件的粒子(或分散),组件的大小分布粒子,粒子的形状分布组件,组件的取向分布粒子,和组件粒子的介电性能58]。有必要知道的极化SAR图像获得因为信号在不同偏振态的不同交互对象在地面上,影响雷达记录的亮度在一个特定的极化通道(59]。为简单起见,假定的自然场景可以被描述为一个组合散射的三种类型:(1)粗糙表面散射,(2)double-bounce散射,和(3)体积散射(60]。

以下4.4.1。在x波段

油棕的x波段的散射特征的年轻油棕最低散射值见图104岁的直方图的粗糙表面散射引起的。成熟的油棕高散射值见图10在6到15岁的直方图是由double-bounce散射引起的。旧的油棕低散射值见图10的16到23岁的直方图是由体积散射引起的。


图10
直方图x波段为每个油棕的时代。

根据马提尼和里克(61年),采用x波段,树冠衰减,体积,和表面散射的顶层森林的树冠一般高(62年因为x波段树冠敏感表面散射(63年]。因此,同样的树冠表面看起来粗糙的x波段波长引起高散射值(64年]。根据Rosenqvist [65年),x波段仪器清晰的树冠增长领域和阈值之间的关系模糊树。

4.1.2。在c波段

油棕的散射特性在c波段VV和年轻的油棕VH极化散射值最低的数据11和12在2到4岁的柱状图的直方图是由粗糙表面散射引起的。成熟的油棕散射更高价值的数据11和12的7 - 14岁的直方图是由double-bounce散射引起的。旧的油棕低散射值见图11和12的17至21岁的直方图是由体积散射引起的。


图11
柱状图上的c波段VH为每个油棕的时代。

图12
柱状图上的c波段VV每个油棕的时代。

根据Carolita et al。15),增加和减少散射值发生因为在树木的种植新时代高度相对较低和树冠的规模仍小,当树把手伸进生产时代,散射值将会上升,因为在树的高度和土壤的区别。c波段数据有一个短的波长,使郁闭度的散射值变小。据邓et al。6),也有重大贡献的树干表面体积散射分量,虽然这不是占主导地位的组件。在c波段的波长越短,散射体积可能发生的树冠内降低或稀疏的植被类型,如灌木,灌木,或农作物。里戈诺特根据et al。66年),雷达信号将分散居多的树叶和树枝,树枝顶部树冠的c波段。

4.1.3。在l波段

油棕的散射特性在l波段HH和年轻的油棕高压极化散射值最低的数据13和14在5岁的直方图是由表面散射引起的。成熟的油棕散射更高价值的数据13和14的7 - 14岁的直方图是由double-bounce散射引起的。旧的油棕散射值较低,见图13和14的16至24岁的直方图是由体积散射引起的。


图13
直方图l波段上高压为每个油棕的时代。

图14
柱状图上的l波段HH每个油棕的时代。

根据Toh et al。67年),所有极化散射随年龄增加一般的l波段的频率。l波段散射系数显示油棕的趋势增加与年龄超过20年。除此之外,根据邓et al。6),使用l波段HH极化散射值增加衰减波的传播到土壤表面,叶子,叶子,树干越来越大。

每个极化散射值(HH和高压)在油棕的年龄增加;根据Darmawan et al。28),假设油棕的增长是由于更高的树干,树叶,树枝,和更大的树冠散射值的条件。在任何情况下,源自于l波段散射值取决于波长、偏振,入射角,和时态数据;土地的水分等环境和景观25,28,68年];和油棕的结构,如大小、几何、和方向的树叶,树干,树枝,天线或支柱根(28,68年,69年]。

4.2。散射系数测定油棕物候学的模式

油棕物候学的散射模型进行单独为每个雷达波长(C - X -,和l波段)。在这项研究中,x波段显示非线性油棕物候学模型在HH极化系数的决心 ,这意味着模型具有温和的相关性。c波段显示的非线性或二次模型油棕物候学在VH极化系数的决心 ,这意味着模型具有中度相关,虽然在VV极化系数的决心 ,这意味着该模型具有较强的相关性。l波段显示油棕的对数模型生物气候学在高压极化系数的决心 ,这意味着模型具有中度相关,虽然在HH极化系数的决心 ,这意味着模型具有温和的相关性。在这种情况下,散射模型的更多潜在的油棕物候学的基础上 利用c波段VV极化。

温和的散射模型相关性等其他研究人员还发现谭et al。10)对数回归相关散射值油棕年龄使用树脂黄PALSAR-2 HH极化系数测定 ,高压极化与 ,和HH /高压极化率 ,研究在马来西亚半岛的南部。Darmawan et al。28)也用树脂黄PALSAR-2 HH和高压极化有对数回归模型系数测定 0.41研究案例地区Jerantut,彭亨马来西亚。在其他情况下,Avtar et al。70年]研究米里城市附近地区,沙捞越,马来西亚,显示各种SAR数据的对数回归模型包括terrasar - x (x波段)在HH极化系数的决心 ;HH Radarsat-2 (c波段),高压,VV极化系数的决心 ,0.49和0.39;和树脂黄PALSAR-2 (l波段)HH和高压极化系数的决心 和0.77。Okarda et al。32]研究了油棕的时代之间的关系在土壤矿物和年龄和泥炭地在中央加里曼丹,印度尼西亚,使用树脂黄PALSAR-2 HH和高压极化。散射模型有线性回归系数测定HH和高压之间的年龄和矿物质的土壤 和0.37和年龄和泥炭地在HH和高压 和0.28。对c波段数据,研究了Carolita et al。15)使用Sentinel-1A HH和高压极化。散射模型和系数非线性回归(二次模型)的决心 HH和高压 在Asahan研究案例区域,北苏门答腊印度尼西亚。

5。结论

本研究调查了油棕物候学的散射模型基于X - C -,和l波段偏振SAR成像在Asahan摄政,北苏门答腊,印度尼西亚。我们产生散射值不同范围的油棕年龄:0 - 5、5 - 10、10 - 15、15 - 20、20 - 25年,为每个X -与不同的散射特征,C -、l波段偏振SAR成像根据油棕的波长和年龄范围。最后,我们发现油棕物候学的散射模型基于x波段HH极化的 -7.2823与 。VH的c波段极化 - - - - - -15.785与 ,虽然这VV极化 - - - - - -8.9534与 。的l波段HH极化 -12.616与 ,而在高压极化 -21.815与 。在这种情况下,散射模型的更多潜在的油棕物候学的基础上 利用c波段VV极化。然而,可以使用散射模型和应用识别的生物气候学在印度尼西亚棕榈油,收益率的主要参数估计,还需要税收评估,种植时间,油棕疾病的识别。散射模型正在开发需要改善精度通过整合multisource-multispectral数据,包括不同波长光学数据和微波原位和更多的数据。

数据可用性

使用的数据来支持本研究的调查结果尚未公布,因为其他研究工作要求数据仍然是不完整的。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由研究和技术/国家研究和创新(Kemenristek /布林)和机构印尼教育捐赠基金(LPDP),合同249号/ E1 /打印/ 2020。此外,研究人员还想感谢Kemenristek /布林,LPDP,拉潘,ppk, LPPM Itenas万隆。