1、基于灰色系統(tǒng)理論的植被物理參數(shù)與極化分解參數(shù)的關聯(lián)分析以鄱陽湖濕地為例摘要：結(jié)合灰色系統(tǒng)理論，基于3期（2013、2015和2016年）鄱陽湖濕地植被物理參數(shù)數(shù)據(jù)和 RADARSAT-2極化SAR影像數(shù)據(jù)，分別建立植被生物量、極化分解分量與鄱陽湖植被物理參數(shù) 的關系模型，并分析不同植被物理參數(shù)對生物量積累的貢獻和對極化分解分量的影響。結(jié)果表 明：在植被生長旺盛初期階段到旺盛穩(wěn)定階段，對植被生物量積累貢獻較大的主要是植株參數(shù)和 下墊面參數(shù)，對極化分解分量影響較大的主要是下墊面參數(shù)和莖稈參數(shù)，并根據(jù)各階段較大關聯(lián) 度數(shù)據(jù)合理地分析和確定了野外采樣參數(shù)。關鍵詞：灰色關聯(lián)；極化SAR；極化分解；鄱陽湖

2、；濕地植被；物理參數(shù)；生物量1 引 言濕地植被生物量是濕地生態(tài)系統(tǒng)吸收碳能力 的一種評價指標，因此濕地生態(tài)系統(tǒng)影響著全球的 氣候變化郵。濕地生態(tài)系統(tǒng)中的主要植被為濕生植 被，通過系統(tǒng)中濕生植被的生物量來衡量系統(tǒng)的生 產(chǎn)力就成為一種有效手段。區(qū)域植被生物量的大 小直接反映植被的生長狀況和區(qū)域生態(tài)健康程度， 同時還是區(qū)域植被生長繁殖過程中的一個重要生 理參數(shù)。地上生物量的變化主要取決于植被的生長變 化，在鄱陽湖濕地研究區(qū)，主要以灰化苔草為主。 灰化苔草植被生長周期較短，莖稈、葉片等物理參 數(shù)變化較快，在不同階段對生物量的貢獻不同。何 池全、楊永興等和于旭光國在濕地植被的變化研 究中都指出生物量的變

3、化和植被物理參數(shù)的變化 有著緊密的關系。研究生物量與影響因素之間關 系的方法很多，主要利用統(tǒng)計分析理論方法，其中 包括回歸分析法16-71和主成分分析法8-91，還有一些 因受環(huán)境因素10-131、氣候因素14-161、物理化學性 質(zhì)17-201等各方面影響的限制，不能有效區(qū)分影響因 子對生物量累積作用貢獻的大小。以上統(tǒng)計方法 主要適用于影響因子較少且關系簡單的情況，對于 影響因子較多、關系復雜的數(shù)據(jù)則難以取得較好的 結(jié)果?；疑P聯(lián)分析法是在灰色關聯(lián)理論指導下， 根據(jù)參數(shù)序列曲線幾何形狀的相似度來分析參數(shù) 緊密度的方法，可以根據(jù)相似度來判定參數(shù)與參數(shù) 間的關系211?；疑P聯(lián)以其對數(shù)據(jù)接受性較

4、強、處 理數(shù)據(jù)間關系較完備的特點，廣泛應用于經(jīng)濟、農(nóng) 業(yè)、生態(tài)和教育等領域。綜合考慮灰色關聯(lián)法對多影響因子、復雜數(shù)據(jù) 關系分析的優(yōu)勢，本研究借助灰色關聯(lián)法，以鄱陽 湖濕地處于旺盛階段的植被的物理參數(shù)數(shù)據(jù)和Ra- darsat-2極化SAR數(shù)據(jù)為主體，分別建立物理參數(shù) 與生物量和極化分解分量的關聯(lián)模型并進行分析， 根據(jù)模型計算結(jié)果得到其與生物量以及極化分解 分量的關聯(lián)度，進而揭示植被物理參數(shù)對生物量積 累的貢獻能力；根據(jù)其與極化分解分量的關系，還 能確定植被與雷達信號的作用過程。本文旨在通 過建立生物量-植被物理參數(shù)-極化分解分量之間 的關系模型，綜合確定影響生物量積累的主要參 數(shù)，為確定生物量

5、反演模型簡化方法提供新的思 路，深化極化SAR數(shù)據(jù)在濕地植被物理參數(shù)（LAI 等）、生物量反演中的應用。2研究區(qū)及數(shù)據(jù)2.1研究區(qū)概況鄱陽湖地處長江中下游南岸，江西省北部，與 南昌、九江、上饒市相鄰。上承贛、撫、信、饒、修五 河之水，通常水位約15 m，湖區(qū)南北長約173 km，東 西最寬為74 km221o正常水位情況下，湖區(qū)寬闊，湖 水面積達3 914 km2,容積可達到300億m3。鄱陽湖 屬于亞熱帶潮濕的季風氣候，是一個吞吐性、過水 性、季節(jié)性、易變性湖泊，獨特的易變性使得鄱陽湖 濕地生態(tài)系統(tǒng)不同于其他濕地系統(tǒng)，由于湖區(qū)蓄水 量的變化使之在陸地系統(tǒng)和湖泊系統(tǒng)之間交替變 化。湖區(qū)植被類型

6、眾多，其中灰化苔草植被是濕地 中分布最廣、覆蓋度最大的植被類型，覆蓋度一般 為60%95%23-261。影像范圍內(nèi)灰化苔草覆蓋度高 達95%，因此選取灰化苔草植被作為鄱陽湖的研究 目標具有一定的可靠性和科學性?；一Σ轂楦o叢生草本植物，生長于近水 處，莖稈纖細，葉片呈線狀。生長周期約為80 d，按 季節(jié)可分為春草和秋草兩種，春草2月開始發(fā)芽，生 長到5月份，進入5月鄱陽湖豐水期時，水面逐漸上 升，漸漸淹沒植被，導致植被進入休眠期或者死亡； 秋草9月開始萌發(fā)新芽并生長至12月份，湖水上漲 時枯萎。春草在3月下旬進入高速生長期，在4月 中旬達到頂峰，同時生物量的積累也在4月初達到 了最大值51。

7、根據(jù)采樣時間和實地情況可以判斷 2016年采樣時間為旺盛初期，2015年為從旺盛初期 到旺盛穩(wěn)定的過渡期，2013年則約為旺盛穩(wěn)定期。 2.2數(shù)據(jù)獲取本研究數(shù)據(jù)包括極化SAR影像數(shù)據(jù)和野外實 地采樣數(shù)據(jù)。雷達影像數(shù)據(jù)為Radarsat-2全極化單 視復（Single-Look Complex，SLC）數(shù)據(jù)，工作波段為 C波段，包括HH、HV、VH、VV四極化，獲取日期分別 為2013年4月7日、2015年4月4日和2016年3月19 日，影像的處理與信息的提取工作主要利用PolSAR- pro軟件完成。野外數(shù)據(jù)采集與影像獲取同步進行，采 集時間分別為2013年4月6日9日、2015年4月3日

8、8日.2016年3月18日22日，每期各采集18組實 驗數(shù)據(jù)。同時野外采樣期間遵循如下4條采樣原 則：植被大面積存在，且分布均勻，具有一定的代 表性；樣區(qū)沒有外界人為因素的破壞；能保證 通過步行或者駕車到達；能保證采樣時的安全。 結(jié)合濕地實際情況，并保證采集數(shù)據(jù)的真實合理 性，每個采樣點選定0.5 m見方的區(qū)域并開展樣本 采集工作。在采樣點區(qū)域內(nèi)選定3個有代表性的位 置測定土壤含水量，并把這3個位置確認為三個獨 立小組，每小組取3株灰化苔草進行詳細采樣271。 采集包括植被的株高、葉片長度、寬度、厚度、莖稈高 度和莖葉夾角等一系列物理參數(shù)并記錄周圍情況， 對每小組的三株數(shù)據(jù)進行均值處理后，再對

9、范圍內(nèi) 的3個采樣點位數(shù)據(jù)進行均值處理，即得到該范圍 數(shù)據(jù)的代表值，最后將植被從根部剪下并標號，稱重 即得到植被濕重（鮮重），同時使用GARMIN GPS60導航儀記錄采樣點坐標。收集整理好的樣本 放入烤箱殺青后，設定溫度為100笆烘干12小時至 恒重狀態(tài)，得到植被干重，即植被（地上）生物量。3研究方法通過研究鄱陽湖濕地植被物理參數(shù)與生物量 和Radarsat-2影像極化分解分量之間的關聯(lián)性來進 行分析。對于植被生物量數(shù)據(jù)，分析植被物理參數(shù) 與生物量的關聯(lián)性，并以關聯(lián)度作為評判依據(jù)分析 植被物理參數(shù)對生物量積累的貢獻；對于Radarsat- 2影像數(shù)據(jù)，分析影像Freeman-Durden極化

10、分解分 量與植被物理參數(shù)的關聯(lián)性，根據(jù)關聯(lián)度確定植被 物理參數(shù)與雷達信號的作用機制，深入分析植被結(jié) 構(gòu)對雷達信號的影響，聯(lián)合植被物理參數(shù)與生物量 的關聯(lián)度共同確定對生物量積累影響較大的參數(shù)。3.1灰色關聯(lián)理論灰色關聯(lián)即基于灰色關聯(lián)度矩陣的系統(tǒng)分析方法，即目標參數(shù)和比較參數(shù)個數(shù)均不唯一時，無 法判別相互之間關系，就需要根據(jù)關聯(lián)矩陣中比較 參數(shù)對目標參數(shù)的關聯(lián)度大小分析影響因素的主、 次要作用。本研究以灰色系統(tǒng)理論為基礎，依據(jù)灰 色關聯(lián)分析方法建立兩部分模型，一部分為生物量 與植被物理參數(shù)的關聯(lián)分析模型，另一部分為植被 物理參數(shù)與影像極化分解分量的關聯(lián)分析模型。 具體實現(xiàn)過程如下：選取目標序列婦和

11、比較序列x(k)，第一 部分目標序列為生物量參數(shù)，比較序列為植被物理 參數(shù)；第二部分目標序列為植被物理參數(shù)，比較序 列為影像極化分解分量。歸一化數(shù)據(jù):使用標準差法，對目標序列和比 較序列進行無量綱處理,便于對數(shù)據(jù)進行比較分析。對目標序列與比較序列之間的關聯(lián)系數(shù)進 行計算。eei(k )=min min Xo ( k )-X ( k ) |+ p max max ( k )-X ( k ) |X(k)-X(k )|+ p max max X(k)-X(k)1圖1研究區(qū)極化分解及采樣點位圖圖1研究區(qū)極化分解及采樣點位圖Fig.1 Map of study area sampling plots a

12、nd polarization decomposition其中：e i( k )為目標序列與比較序列的關聯(lián)系數(shù)，其 中p為分辨系數(shù)，p=0.5。關聯(lián)度即在關聯(lián)系數(shù)的基礎上取均值， 則有：1Y i =習 e i ( k )n k =1其中：Yi表示關聯(lián)度，n表示比較參數(shù)的數(shù)量。3.2植被物理參數(shù)整合野外采集的數(shù)據(jù)包括植被密度、植被含水量、 土壤含水量、莖稈層高度、莖稈長度、莖稈直徑、葉 片長度、葉片厚度、葉片寬度、莖葉夾角、葉片數(shù)和 植株密度共計12個植被物理參數(shù)，以及1個生物量 參數(shù)。為提高數(shù)據(jù)分析效率和可信度，將數(shù)據(jù)按類 型進行分類，植被含水量作為植被的介質(zhì)參數(shù)，土 壤含水量作為植被下墊面參

13、數(shù)，植被密度、葉片數(shù) 以及莖葉夾角作為植株參數(shù)。其余參數(shù)進行組合 計算，植被高度、莖稈直徑和莖稈層高度以及莖稈 長度經(jīng)植被高度X(莖稈直徑/2)2Xn組合為莖稈體 積作為莖稈參數(shù)，其中n取3.14。葉片的長度、寬 度、厚度則經(jīng)葉長X葉寬X葉厚X參數(shù)h組合為葉 片體積作為葉片參數(shù)。參數(shù)h與植被葉片形狀有 關51o參數(shù)h取值范圍為0.51，葉片形狀越接近矩 形則參數(shù)越接近1,反之越接近三角形則趨于0.5。 研究區(qū)灰化苔草葉片修長呈長扁橢圓形，經(jīng)實際數(shù) 據(jù)計算其葉片長寬比約為7.0,確定參數(shù)h=0.75進 行后續(xù)計算分析。12個物理參數(shù)經(jīng)過整合減少為7 個，其中2016年由于植被處于旺盛初期，莖葉夾

14、角 較小，經(jīng)過探討論證，對研究結(jié)果影響較小，所以未 采集。3.3 Freeman-Durden 極化分解全極化影像數(shù)據(jù)包含地物的各種反射能量信 息，通過極化分解的方法可以根據(jù)地物的不同散射 機制，快速有效的提取出地物結(jié)構(gòu)等信息281。針對 目標分布情況，極化分解分為相干分解和非相干分 解頃。研究區(qū)內(nèi)目標地物分布廣泛且均勻，故采用 非相干目標分解方法Freeman-Durden目標極化分 解方法。Freeman-Durden分解是基于實際的物理 散射模型進行分解，通過分解可以獲得三種散射分 量：單次散射分量、二次散射分量和體散射分量301。使用PolSARpro軟件在預處理后的影像上進 行極化分

15、解，可得到三種散射分量，分別為單次散 射分量Freeman-Odd、二次散射分量Freeman-Dbl 和體散射分量Freeman-Vol。經(jīng)過地理編碼處理后 3期數(shù)據(jù)展示如圖1所示，其中RGB三通道分別為 二次散射分量、體散射分量和單次散射分量。根據(jù)采樣點坐標提取相應極化分解分量能量值，繪制了各期極化分解分量能量值的散點圖，如 圖2所示。由散點圖可發(fā)現(xiàn)3期極化分解分量能量值總體 有逐漸增大趨勢。每期數(shù)據(jù)中有體散射分量能量 值與單次散射分量能量值較為接近，與二次散射分 量能量值相差較大；按照年比較則有2015年和2016 年各散射能量值大小相近，2013年的能量值最小。 統(tǒng)計各期采樣點散射分量

16、能量值的均值和方差如 表1所示。表1中數(shù)據(jù)對比可見，從2016年至2013年，即 植被是相對于從植被旺盛初期到旺盛穩(wěn)定期，主要表1極化分解分量能量值均值Table 1 Average of polarization decomposition compo-nents energy時間二次散射體散射單次散射均值/方差均值/方差均值/方差2013.04.070.01/0.010.08/0.020.02/0.022015.04.040.03/0.040.16/0.070.08/0.062016.03.190.01/0.010.20/0.090.16/0.14散射分量的能量值在逐漸減小，植被生長狀態(tài)趨

17、于 穩(wěn)定，高度和密度接近飽和，所以差異性較小，散射 分量方差也因此變小。2015年與2013年采樣時間 接近，2015年與2013年能量值之間的差異比2016 年與2015年之間的差異大，由于植被高度和密度變 化導致發(fā)生二次散射的情況較多，所以2015年處于 過渡期的植被二次散射分量能量值相比其他兩期 較大，由散射分量能量值的差異引起的散射分量方 差與均值有相同的變化趨勢。整體來看，植被覆蓋 度較高，散射以體散射為主，且越接近生長階段后 期，方差越小，表明散射分量能量值越相近。3期數(shù) 據(jù)的散射分量關系為體散射分量單次散射分量 二次散射分量31-3213.4后向散射系數(shù)提取為了較好地分析植被結(jié)構(gòu)

18、對雷達信號的影響, 根據(jù)野外測量點位坐標提取各期影像數(shù)據(jù)的后向 散射系數(shù)（。心、。小，繪制后向散射系數(shù)散點圖, 如圖3所示。(a) 2013 年(b) 2015 年(c) 2016圖2Fig.2Scatter plots of the polarization decomposition components energy value圖3極化后向散射系數(shù)散點圖Fig.3 Scatter plots of the polarization backscattering coefficient極化分解分量能量值散點圖04812 16 20點位(c) 2016 年綜合3期數(shù)據(jù)的散點圖發(fā)現(xiàn)后向散射系數(shù)

19、隨著 時間的增加逐漸變大，且2015年和2016年數(shù)值整 體相近。統(tǒng)計各期18組后向散射系數(shù)的均值和方 差如表2所示。根據(jù)表中數(shù)據(jù)縱向比較發(fā)現(xiàn)：2016年為植被生 長旺盛初期，植被高度較旺盛過渡期較矮，莖葉夾 角也小，冠層對電磁波衰減作用較小，后向散射系 數(shù)較大；2015年植被處于生長過渡階段，生長茂盛, 葉片密度逐漸增大，后向散射系數(shù)相比旺盛穩(wěn)定期 較大；2013年植被處于生長旺盛穩(wěn)定期，植被生長 完全、葉片層茂盛，冠層衰減作用較大，導致后向散 射系數(shù)較小；由于后向散射系數(shù)明顯的差異性導致表2極化后向散射系數(shù)均值Table 2 Average of polarization backscat

20、tering coefficient時間VVHVHH均值/方差均值/方差均值/方差2013.04.07-17.93/2.78-22.56/2.19-15.19/1.842015.04.04-13.93/2.28-19.65/2.22-11.44/2.882016.03.19-12.58/2.33-19.25/2.38-10.21/3.34方差較大。隨著植被生長緩慢并趨于穩(wěn)定，方差逐 漸減小，但2013年植被后向散射系數(shù)受環(huán)境影響， 后向散射系數(shù)大小跨度較大，因此方差相比于2015 年有所增加。橫向比較發(fā)現(xiàn)同時期數(shù)據(jù)有aQ , ffHy，由于VV極化雷達信號受植被冠層影響而產(chǎn) 生的衰減較HH極化

21、更為嚴重，所以有aHH”尸。 莖稈與水表面組合構(gòu)成二面體使信號發(fā)生二次反射， 導致v更小1341。接近成熟期的植被，隨著水面的上 升，生長變得緩慢，莖稈干物質(zhì)含量逐漸下降，挺水能 力減弱。受風和水的波動影響，植被容易出現(xiàn)彎曲倒 伏等情況，導致雷達后向散射系數(shù)有所降低13514結(jié)果與分析4.1生物量與植被物理參數(shù)的關聯(lián)分析以生物量作為目標參數(shù)，植被物理參數(shù)作為比 較參數(shù)進行關聯(lián)分析，根據(jù)關聯(lián)度數(shù)值發(fā)現(xiàn)2013年 與植被生物量關聯(lián)度值最大的是葉片參數(shù)為0.75, 最小的是植被含水量，為0.69； 2015年與植被生物量 的關聯(lián)度值最大的是土壤含水量參數(shù)為0.83，最小 的是葉片數(shù)參數(shù)，為0.74；

22、2016年與植被生物量的關 聯(lián)度值最大的是植被密度參數(shù)為0.75，最小的是植 被含水量參數(shù)為0.66。將所有的物理參數(shù)與生物量 的關聯(lián)度進行比較，得到關聯(lián)度順序如表3所示。表3物理參數(shù)與生物量關聯(lián)度順序(降序)Table 3 Ordination of grey correlation between physical parameters and biomass( descending)采集時間采樣環(huán)境生長階段關聯(lián)度順序2013.04.0609有出穗、直立旺盛穩(wěn)定期葉片參數(shù)植株密度葉片數(shù)莖稈參數(shù)土壤含水量莖葉夾角植被含水量2015.04.0308倒伏、蘆葦遮擋過渡期土壤含水量莖葉夾角莖稈參數(shù)

23、葉片參數(shù)植被含水量植株密度葉片數(shù)2016.03.1822燒過、倒伏旺盛初期植株密度葉片數(shù)莖稈參數(shù)葉片參數(shù)土壤含水量植被含水量綜合來看，在植被旺盛階段的不同時期，灰化 苔草植被的物理參數(shù)對生物量的貢獻不同。由植 被生長變化階段分析即從2016至2013年的順序進 行分析。旺盛初期階段，植株參數(shù)與生物量的關聯(lián)度較 大，植株參數(shù)代表著植被基本狀態(tài)，也是此時生物 量積累的主要影響因素，其次莖稈和葉片參數(shù)作為 植被的主體物質(zhì)，并沒有發(fā)揮主要作用，所以也不 是生物量積累的最主要因素，下墊面參數(shù)和植被介 質(zhì)參數(shù)此時影響不大。過渡期階段，植株參數(shù)基本穩(wěn)定，下墊面參數(shù) 是最直接促進植被生長的物質(zhì)基礎，為植被進行

24、光 合呼吸作用提供能量，也帶動了植被莖稈和葉片的 增長擴大，所以此時土壤含水量對生物量積累的影 響最大，其次是被下墊面參數(shù)帶動的植被莖稈、葉 片參數(shù)等，最后是植株參數(shù)。進入旺盛穩(wěn)定期，植被生長增速，漸進成熟的 植被葉片是生物量的主要影響因素，其次是穩(wěn)定的 植株參數(shù)，此時土壤含水量進一步增加，對部分植 被的根莖產(chǎn)生負作用，導致生物量出現(xiàn)衰退縮減的 現(xiàn)象，相對于植被本身的莖稈、葉片參數(shù)，下墊面參 數(shù)和介質(zhì)參數(shù)對生物量影響相對較小。4.2植被物理參數(shù)與極化分解分量的關聯(lián)分析以植被物理參數(shù)為目標序歹列，F(xiàn)reeman-Durden 極化分解得到的3個分量作為比較序列進行關聯(lián)分 析，在第一部分生物量-植

25、被物理參數(shù)模型的程序 中修改并增加比較參數(shù)與每一個目標參數(shù)進行關 聯(lián)分析的命令，即得到極化分解分量與每一個植被 物理參數(shù)的關聯(lián)度，關聯(lián)度矩陣如表4所示。綜合比較3期關聯(lián)度數(shù)據(jù)，列出與極化分解分量 關聯(lián)度最大的前兩個植被物理參數(shù)，如表5所示。按植被生長變化進程進行分析即從2016年至 2013年順序，2016年采樣時植被生長約60天，屬于 旺盛初期，下墊面參數(shù)和植被介質(zhì)參數(shù)是決定植被 后期生長情況的主要因素，也是使散射發(fā)生變化的 主要參數(shù)，因此在該時期散射分量與植被介質(zhì)參數(shù) 和下墊面參數(shù)關聯(lián)度較大；2015年采樣時植被生長 約70天，植株進一步增長變化，植被葉片擴展，植被 冠層分布均勻且覆蓋度增

26、大，含水量較高的土壤與 堅挺的植株構(gòu)成二面角反射體，為二次散射和單次 散射的發(fā)生鋪設了條件，所以二次散射和單次散射 與莖稈參數(shù)有較大關聯(lián)度。同時進入植被冠層的 信號由于冠層遮擋以及下墊面參數(shù)的作用發(fā)生多 次散射，所以體散射與下墊面參數(shù)的關聯(lián)度較大；表5與極化分解分量最大關聯(lián)參數(shù)Table 5 The maximum correlation parameter withpolarization decomposition com ponents時間Freem an-DblFreeman-V olFreem an-Odd2013 年莖稈參數(shù)莖稈參數(shù)葉片數(shù)葉片參數(shù)葉片數(shù)莖葉夾角2015 年莖稈參數(shù)土

27、壤含水量莖稈參數(shù)葉片參數(shù)莖葉夾角植被密度2016 年植被含水量土壤含水量植被含水量土壤含水量葉片數(shù)土壤含水量物理參數(shù)2013 年2015 年2016 物理參數(shù)2013 年2015 年2016 年Freeman-DblFreeman-VolF reem an-OddF ree m an-DblFreemanVolFreemanOddF reem an-DblF reem an-VolF reem an-Odd植株密度0.700.610.710.720.680.720.720.640.67植被含水量0.640.660.650.700.680.710.740.660.76土壤含水量0.660.700

28、.670.770.760.710.730.770.74莖稈參數(shù)0.740.710.720.780.750.730.720.680.68葉片參數(shù)0.730.670.710.770.730.700.710.690.69葉片數(shù)0.680.700.730.690.690.690.670.700.66莖葉夾角0.700.670.730.680.750.63表4物理參數(shù)與極化分解分量關聯(lián)度矩陣Table 4 Matrix of grey correlation between physical parameters and polarization decomposition components在表5中

29、，每期數(shù)據(jù)的第二行表示與相應散射 分量具有第二大關聯(lián)度的參數(shù)，從整體變化發(fā)現(xiàn)， 在2016年影像各散射分量與土壤含水量參數(shù)關聯(lián) 度較大，由于植被生長旺盛初期，植被高度較低，雷 達信號穿透冠層后與植被下墊面作用情況較多；在2015年僅體散射分量與土壤含水量的關聯(lián) 度較大，其余散射分量與植被莖稈參數(shù)和植株參數(shù) 關聯(lián)度較大，由于植被處于旺盛過渡期，植被覆蓋 度增大，冠層高度增加，雷達信號受植被影響較為 嚴重，與下墊面參數(shù)作用較少；2013年植被處于旺 盛穩(wěn)定期，土壤含水量較大且接近飽和，植被高度 也進一步增加，由于植被對雷達信號的衰減作用， 導致雷達信號與下墊面參數(shù)作用機會較少，所以后 向散射系數(shù)受下墊面參數(shù)影響較小，各散射分量與 植被莖稈參數(shù)和植株參數(shù)關聯(lián)度較大。由此可知，由于植被結(jié)構(gòu)形態(tài)的增長變化對雷 達信號有不同程度的衰減作用，所以影像信息能反 映植被密