基于双极化SAR植被指数(DRVIs)的冬小麦全生育期物候监测新方法及其在智慧农业中的应用

本文提出一种新型双极化SAR植被指数(DRVIs)，通过结合协方差矩阵与强度信息构建共极化主成分参数(mcp)和尺度参数(Rcp)，并利用改进的形状模型拟合(SMF)技术，实现了对冬小麦7个关键物候期的精准监测。该方法克服了光学遥感受云层干扰的局限，为全天候作物生长监测提供了新思路。

　　

Highlight

本研究基于Sentinel-1双极化SAR数据构建的新型植被指数DRVIs，通过融合协方差矩阵元素与强度信息，创新性地提出了共极化主成分参数(m_cp)和尺度参数(R_cp)。该指数在0.2-1.0范围内与作物生长过程呈现显著相关性，较传统光学指数NDVI在物候监测中表现出更高精度（相关系数达0.94），尤其适用于多云地区的全天候监测。

Study area

实验区位于豫东平原（涵盖开封、商丘、周口等地），该区域地势平坦（海拔40-100米），土壤以潮土为主，河网密布且气候适宜，是典型的冬小麦种植区。2018年冬小麦种植面积达1.44万平方公里，为物候研究提供了理想场地。

Methodology

方法流程包括：SAR数据预处理→计算共极化主成分参数(m_cp)→结合极化度生成尺度参数(R_cp)→构建DRVIs指数→采用改进的形状模型拟合(SMF-S)技术检测冬小麦7个物候期（播种、出苗、越冬、返青、抽穗、灌浆、成熟）。

DRVIs results

2020-2022年DRVIs时空分布显示：城区指数值低于0.2，农田区域随作物生长呈规律性波动。3-4月返青期指数上升至0.6，5月灌浆期达峰值0.8，与作物生物量积累高度同步。空间分布图清晰呈现农作物生长梯度变化。

DRVIs comparison with existing SAR vegetation indices

与DpRVI对比表明：DRVIs均值(0.47)更接近植被真实响应，标准差(0.06)小于DpRVI(0.12)。空间分布上DRVIs对植被覆盖度变化更敏感，统计直方图呈现更合理的双峰分布，验证其在作物监测中的优越性。

Conclusion

DRVIs成功解决了光学遥感受天气制约的痛点，为精准农业提供了可靠的SAR植被监测方案。未来可结合机器学习算法进一步优化物候检测模型，推动SAR技术在智慧农业中的深度应用。