[发明专利]植被生长状况分析方法、记录有程序的记录介质和植被生长状况分析器

说明书

技术领域

本发明涉及适用于利用雷达装置获得的雷达图像数据分析植被生长状况的植被生长状况分析方法、记录有用于执行该方法的处理的计算机程序的记录介质以及植被生长状况分析器；其中，雷达装置搭载在诸如人造卫星等的飞行体上，并对摄像目标区域的广范围地表进行摄像，以获得与地表状况有关的信息。

背景技术

传统上，对于农作物生产的估计和预测(植被生长分析)，已经提出了基于从人造卫星、飞行器等获得的光学遥感数据的算法，并且使用这种算法的植被生长分析已经投入实际使用。然而，在日本，由于四季分明并具有雨季，且一年内有许多下雨天和多云天，所以利用受天气影响的光学遥感难以进行稳定的地表观察。

另外，当在如同日本这样具有从北到南延伸的复杂地形的土地上小量地生产多种农作物时，需要精密的农业管理。然而，迄今为止存在如下情况：除光学遥感数据以外，难以获得高精度的数据以基于该数据掌握农田单位内的生产状况。

另一方面，合成孔径雷达(SAR)可用作测量辐射到地表的电波(微波脉冲)的反射波的有源型传感器的示例。利用微波的特性，合成孔径雷达能够昼夜与天气无关地对广范围地表进行摄像。此外，尽管已有的合成孔径雷达与光学遥感相比在分辨率(精细度)上存在问题，一些前沿的卫星搭载型合成孔径雷达具有1m以下的分辨率，且获得高分辨率的图像正成为可能。

过去利用合成孔径雷达执行的针对农作物的研究包括以下方面：

同时利用光学遥感数据和在一年内的多个时间拍摄的SAR图像来估计水稻种植面积；

基于多波长和多极化的SAR图像估计水稻种植面积；

基于在一年内的多个时间拍摄的SAR图像研究农作物的种类。

这些研究是在国外作出的，并且发表了许多论文，然而，这些研究并不直接产生对诸如水稻等的农作物的生长预测。

接着，正在进行与利用在一年内的多个时间拍摄的SAR图像观测水稻的生长状况有关的研究(例如，见非专利文献1)。

本申请的一些发明人也已经发表了与利用在一年内的多个时间拍摄的SAR图像掌握水稻的生长状况有关的研究的结果(见非专利文献2)。通过非专利文献2所述的研究获得了如图1～图3所示的分析结果。

图1示出在多个时间拍摄的目标区域的雷达图像的示例，且针对各观察日具体地示出了生长和反射特性、水田的状况、水田的水稻覆盖率状况以及雷达图像。在这个示例中，雷达图像是利用RADARSAT的C波段拍摄的。产生了四个时间即5月22日、6月15日、7月9日和8月2日的雷达图像1A、1B、1C和1D，并且根据这些雷达图像可以掌握到水稻的生长状况已经完全改变。

图2示出水稻覆盖率与雷达后向散射(backscatter)系数(来自雷达装置的微波的后向散射成分)之间的关系，并且横轴表示水稻覆盖率(％)，而纵轴表示雷达后向散射系数(dB)。如图2所示，水稻覆盖率与雷达后向散射系数具有强相关性，并且通过对多个观察点的数据(水稻覆盖率和后向散射系数)应用最小二乘法，可以获得表示水稻覆盖率与雷达后向散射系数之间的关系的回归线2。

图3示出各个时间按农田块的雷达后向散射系数分布。因此，通过使用雷达图像产生各个时间按农田块的雷达后向散射系数分布图3A、3B、3C和3D，可以掌握按农田块的水稻的生长状况。

非专利文献1：Zengyuan Li，Guoqing Sun，Mike Wooding，Yong Pang，Yanfang Dong，Erxue Chen and Bingxiang Tan“Rice Monitoring Using Envisat Asar Data in China”，Proc.of the 2004 Envisat & ERS Symposium，Salzburg，Austria 6-10 September 2004(ESA SP-572，April 2005)

非专利文献2：Kazuyoshi Takahashi，Hiroaki Abe，Atsushi Rikimaru，Yukio Mukai，“Grasping Paddy-field Rice Growth Distributions Using Time-series RADARSAT Data”，Japan Society of Photography and Remote Sensing，Annual Academic Lectures，Tokyo Big Sight(Tokyo)，June 17 and 18，2004

发明内容