DOI QR코드

DOI QR Code

Estimation of Rice and Soybean Growth Stage Using a Microwave Scatterometer

마이크로파 산란계를 이용한 벼, 콩 생육단계 추정

  • Kim, Yi-Hyun (Soil and Fertilizer Management Division, National Academy of Agricultural Science, Rural Development Administration) ;
  • Hong, Suk-Young (Soil and Fertilizer Management Division, National Academy of Agricultural Science, Rural Development Administration) ;
  • Lee, Hoon-Yol (Department of Geophysics, Kangwon National University) ;
  • Lee, Jae-Eun (Upland Crop Research Division, National Institute of Crop Science, Rural Development Administration) ;
  • Lee, Kyung-Do (Soil and Fertilizer Management Division, National Academy of Agricultural Science, Rural Development Administration)
  • 김이현 (농촌진흥청 국립농업과학원 토양비료과) ;
  • 홍석영 (농촌진흥청 국립농업과학원 토양비료과) ;
  • 이훈열 (강원대학교 자연과학대학 지구물리학과) ;
  • 이재은 (농촌진흥청 국립식량과학원 전작과) ;
  • 이경도 (농촌진흥청 국립농업과학원 토양비료과)
  • Received : 2012.07.02
  • Accepted : 2012.08.07
  • Published : 2012.08.31

Abstract

Microwave radar can penetrate cloud cover regardless of weather conditions and can be used day and night. Especially a A ground-based polarimetric scatterometer operating at multiple frequencies can continuously monitor the crop conditions. We analyzed scattering characteristics of rice and soybean using pauli decomposition method. Surface scattering (${\alpha}$) is the dominant component over the entire stages for all bands and pauli decomposition value was the highest for L-band. Double bounce scattering (${\beta}$) and volume scattering (${\gamma}$) were approximately equal for C-band and volume scattering was higher than double bounce scattering for X-band in rice field. In soybean, double bounce scattering becomes higher than volume scattering during the R2 stage (DOY 224) and there was a significant difference between the two components after the R4 stage (DOY 242) for L-band. The maximum growth stage of soybean can also be detected using L-band double bounce scattering. The peak of double bounce effect coincides with the peak of growth biophysical variables on DOY 271. We found that pauli decomposition can provide insight on the relative magnitude of different scattering mechanisms during the rice and soybean growth cycle.

본 연구에서는 마이크로파 산란계 시스템을 이용하여 벼, 콩 작물을 대상으로 후방산란계수와 작물생육변화를 관측하고 pauli decomposition을 통해 얻어진 인자값과 작물생육과의 비교를 통해 작물 생육단계를 추정하였다. Pauli decomposition 방법을 이용 생육시기에 따른 벼 산란특성을 분석한 결과 L-밴드는 벼 출수기 (DOY 222, 8월 10일) 이후 이중 산란 (${\sigma}_{hh}-{\sigma}_{vv}$) 효과가 크게 나타났고, C-밴드는 생육기간동안 이중 산란과 체적 산란의 decomposition value가 거의 같았으며, X-밴드는 체적 산란이 이중 산란보다 높게 나타났다. Pauli decomposition 방법을 이용하여 콩 생육시기별 산란특성을 분석한 결과 L-밴드에서는 R2 (DOY 224, 8월 13일) 시기에 이중 산란이 체적 산란보다 높게 나타났고, R4 (DOY 242, 8월 31일) 이후로는 두 요소간의 값 차이가 크게 나타났다. Pauli decomposition ratio을 이용한 벼, 콩 생육단계를 추정하는데 있어 이중 산란이 key factor로 작용하는 것을 알 수 있었다. 벼의 경우 L-밴드에서는 이중 산란이 차지하는 비율이 체적 산란 비율보다 높아지기 시작하는 시점이 분얼기 (DOY 183, 7월 1일)이며, 이중 산란 효과가 벼 출수기 이후 지속적으로 나타나기 때문에 분얼기와 벼 출수기의 생육단계 추정이 가능하다. C-밴드는 이중 산란 비율이 최대값을 나타내는 시점이 벼 출수기와 일치하여 이 시기 추정이 가능할 것으로 판단된다. X-밴드의 경우에는 이중 산란 비율이 최대값을 가지는 시점이 유수형성기 (DOY 206, 7월 24일)로 이 시기 추정이 가능하고, 표면 산란이 다시 증가하는 시점이 유숙기 (DOY 243, 8월 31일)로 이 시기도 pauli decomposition ratio를 이용하여 추정이 가능할 것으로 판단된다. 또한 콩의 경우에는 L-밴드의 이중 산란이 체적 산란보다 높아지는 시기가 R2 (DOY 224, 8월 13일) 임으로 이 시기 예측이 가능할 것으로 판단된다. 따라서 마이크로파 산란계에서 얻어진 decomposition 방법을 이용하여 벼, 콩 생육단계를 예측할 수 있음을 확인하였다.

Keywords

References

  1. Bahari, S.A., H. Tali, T. Chuah, and H.T. Ewe. 1997. A preliminary study of phenological growth stages of wetland rice using ERS1/2 SAR data. in proc. IEEE International Geoscience Remote Sensing Symposium. pp.1069-1071.
  2. Bouvet, A. and T. Le Toan. 2011. Use of ENVISAT/ASAR wide-swath data for timely rice fields mapping in the Mekong River Delta. Remote Sens. Environ. 115(4):1090-1101. https://doi.org/10.1016/j.rse.2010.12.014
  3. Cameron, W.L. and L.K. Leung. 1990. Feature-motivated scattering matrix decomposition. in proc. IEEE Radar Conference, Arlington, VA, USA. pp.549-557.
  4. Chen, C. and H. Mcnairn. 2006. A neural network integrated approach for rice crop monitoring. Int. J. Remote Sens. 27:1367-1393. https://doi.org/10.1080/01431160500421507
  5. Junichi, S. and K. Yoshifumi. 2008. Decomposition of polarimetric scattering of paddy rice. in Proc. IEEE International Geoscience Remote Sensing Symposium, Boston, USA, pp.451-455.
  6. Kim, Y.H., S.Y. Hong, H.Y. Lee, and J.E. Lee. 2011. Monitoring soybean growth using L, C, and X-bands automatic radar scatterometer measurement. Korean J. Remote Sens. 27(2):191-201. https://doi.org/10.7780/kjrs.2011.27.2.191
  7. Lee, J.S. and E. Pottier. 2009. Polarimetric radar imaging: from basics to applications. CRC, Press.
  8. Macelloni, G., S. Paloscia, P. Pampaloni, F. Mariliani, and M. Gai. 2001. The relationship between the backscattering coefficient and the biomass of narrow and broad leaf crops. IEEE Trans. Geosci. Remote Sens. 39:873-884. https://doi.org/10.1109/36.917914
  9. Macelloni, G., S. Paloscia, P. Pampaloni, F. Mariliani, and M. Gai. 2001. The relationship between the backscattering coefficient and the biomass of narrow and broad leaf crops. IEEE Trans. Geosci. Remote Sens. 39:873-884. https://doi.org/10.1109/36.917914
  10. National Academy of Agricultural Science. 2010. Methods of soil and crop plant analysis, National Academy of Agricultural Science, RDA, Suwon, Korea.
  11. Ribbes, F. and T. Le Toan. 1999. Rice field mapping and monitoring with RADARSAT data. Int. J. Remote Sens. 20:745-765. https://doi.org/10.1080/014311699213172
  12. Ulaby, F.T., M.K. Moore. and A.K. Fung. 1982. Microwave Remote Sensing-Active and Passive. Artech House Inc., Norwood, MA, USA.
  13. Ulaby, F.T. and C. Elachi. 1990. Radar Polarimetry for Geoscience Applications. Artech House Inc., Norwood, MA, USA.
  14. Wagner, W., G. Lemoine, M. Borgeaud, and H. Rott. 1999. A study of vegetation cover effects on ERS scatterometer data. IEEE Trans. Geosci. Remote Sens. 37:938-948. https://doi.org/10.1109/36.752212
  15. Wigneron, J. P., P. Ferrazzoli, A. Olioso, P. Bertuzzi, and A. Chanzy. 1999. A simple approach to monitor crop biomass from C-band radar data. Remote Sens. Environ. 69(2):179-188. https://doi.org/10.1016/S0034-4257(99)00011-5
  16. Xiao, X., Boles, S., Frolking, S., Li, C., J.Y. Babu. and W. Salas. 2005. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images. Remote Sens. Environ. 100:95-113.
  17. Yamaguchi, Y., Y. Yajima, and H. Yamada. 2005. Our-component scattering model for SAR image decomposition. IEEE Trans. Geosci. Remote Sens. 43(8):1699-1706. https://doi.org/10.1109/TGRS.2005.852084

Cited by

  1. Estimation of Wheat Growth using a Microwave Scatterometer vol.46, pp.1, 2013, https://doi.org/10.7745/KJSSF.2013.46.1.023
  2. Identification of paddy crop phenological parameters using dual polarized SCATSAT-1 (ISRO, India) scatterometer data pp.1614-7499, 2018, https://doi.org/10.1007/s11356-018-3692-5