利用雷达传感进行产量预测：克服农业中的光学盲区

过去二十年来，NDVI等光学植被指数一直是数字农业的基石，但负责作物产量预测的业务团队经常在生长季中期遇到瓶颈：持续的云层覆盖会在生物量高峰期阻碍卫星观测。一旦光学数据中断，产量预测就只能依靠经验猜测。这种可视性不足正促使农学家和地理空间工程师转向微波遥感技术。利用雷达遥感进行产量预测可以完全规避大气干扰，使分析平台能够获得不间断的冠层数据，不受天气、烟雾或日光限制的影响。

对于管理数千公顷土地的商业运营而言，从仅使用光学数据采集系统转向雷达后向散射模型，不仅仅是为了避免遗漏场景。它从根本上改变了测量的内容：雷达直接响应植物的几何形状、新鲜生物量和内部含水量，而不是叶片色素沉着。

密集冠层中光学建模的局限性

传统的多光谱传感器测量反射的太阳辐射，在作物生长初期地表植被稀疏时效果良好。然而，一旦作物完全郁闭，光学指数就会饱和。叶面积指数（LAI）值高于3或4时，在标准反射率曲线上几乎呈现平坦状态，掩盖了穗部灌浆、茎秆发育或潜在结构腐烂等方面的差异。

此外，关键的物候转变往往与持续阴天重合。在季风依赖型地区或沿海粮食产区，卫星星座可能在谷物灌浆期长达四到六周都无法捕捉到清晰的光学图像。等到天空放晴时，意料之外的结构损伤或水分胁迫已经改变了潜在的收成，无法挽回。

微波传感如何测量结构屈服强度

合成孔径雷达（SAR）发射微波脉冲，并测量后向散射信号的幅度和相位。由于这些波长范围约为3厘米（X波段）至24厘米（L波段），它们会与植被剖面的不同物理层相互作用：

• 介电敏感性：雷达后向散射对植物组织内的水分非常敏感。新鲜生物质含有大量水分，这会改变介电常数并影响信号衰减。

• 体积散射：随着茎、枝和叶的增多，微波在冠层内部反复反射，最终返回接收器。交叉极化信号（VH 或 HV）对这种复杂的结构尤为敏感。

• 地面-冠层相互作用：同极化通道（VV 或 HH）跟踪垂直茎干与下层土壤之间的相互作用，提供有关林分密度和基线田间条件的线索。

通过将多时相偏振比值输入机器学习或机械作物生长模型，工程师可以跟踪整个营养生长周期中干重和鲜重的实际物理积累。

拓展应用：住宿、水源和树冠体积

产量很少与作物的正常生长呈线性关系；突发的胁迫和结构性损坏往往决定着粮仓的最终产量。主动雷达传感器能够精准地监测这些物理变化发生的位置。

作物倒伏检测

极端天气事件经常导致谷物和油籽作物在生长季后期倒伏。严重的结构性倒伏会改变作物茎秆相对于雷达波束的方向，从而导致极化后向散射信号出现显著且可测量的峰值或谷值下降。自动化的作物倒伏检测流程使商业粮食加工商和作物保险公司能够在风暴过后数小时内量化倒伏面积，从而精确定位那些机械收割损失将降低预期产量的田地。

精准灌溉计划

由于C波段和L波段微波既反射植被水分也反射土壤水分，因此通过极化分解分离土壤水分，可以得到一个独立的根区水分指标。将这些雷达衍生的地表土壤水分估算值与作物蒸散模型相结合，可以帮助农艺师制定精准灌溉计划。将土壤水分保持在目标阈值范围内，可以避免水分胁迫和根系缺氧带来的双重减产后果。

树冠体积估算与林业

在多年生作物、果园和林木特许经营区，产量预测直接与木质结构相关，而非季节性叶片更替。高分辨率合成孔径雷达干涉测量技术能够精确估算树冠体积，绘制商业果园和林分的三维分布图。当这种结构剖面图扩展到大范围区域时，便构成了现代森林资源清查测绘的基础，使林业管理者无需派遣成本高昂的实地考察队即可预测可采伐商品材积。

雷达频段：选择合适的现场监测频率

选择错误的波长会破坏运行分析流程。雷达波段对不同作物和冠层类型的响应差异很大：

工程注意事项：斑点、粗糙度和水分

虽然雷达可以绕过云层，但也带来了自身的一系列处理难题。雷达散斑是开发团队经常遇到的问题——这种颗粒状的“椒盐”噪声是由相干信号的相长干涉和相消干涉引起的。虽然积极的空间滤波可以减少散斑，但会降低评估各个区域所需的空间分辨率。对密集时间序列进行多时相滤波通常是更稳妥的选择。

另一个常见的错误是忽略土壤表面粗糙度。刚耕过的田地，由于拖拉机犁出的沟壑很深，在C波段传感器上会产生类似于植被茂盛的后向散射值。如果没有初始基线表面粗糙度参数或早春的光学掩模，早期产量模型可能会产生偏差的生物量基线。

常见问题解答

雷达传感能否完全取代光学NDVI数据？

不完全如此。最稳健的运行架构采用融合方法。光学数据提供与叶绿素降解和氮缺乏相关的精细光谱响应，而雷达则提供冠层几何形状和水量信息，不受云量影响。晴空条件下使用光学数据，但基线结构曲线应以雷达数据为基准。

为什么一年生粮食作物更适合使用C波段？

C波段微波（波长约为5.6厘米）的尺寸与玉米、小麦和大豆的叶子、茎秆和种子头大致相同。这确保了信号主要在植物冠层内散射，而不是像L波段那样直接穿过植物到达土壤，或者像X波段那样只从植物顶部表面反射。

露水或暴雨如何影响雷达产量估算？

植物表面的游离水会暂时改变目标物的介电特性，导致后向散射峰值，而这些峰值并不能反映真实的生物量增长。运行中的数据处理流程应交叉参考当地地表气象数据，并标记强降水后立即拍摄的影像。

构建您的销售渠道

从光学监测过渡到基于雷达的预测需要根据本地实地测量数据校准后向散射系数。与其尝试彻底重写产量预测流程，不如先在云量最多的生长阶段将 Sentinel-1 C 波段交叉极化比值整合到现有的作物模型中。将这些输出结果与联合收割机的地面产量监测数据进行验证，即可为大规模部署自动化、适应各种天气条件的预测奠定基础。