水稻作为世界上近一半人口的主食,除可食用外,还可以作为酿酒、制糖等工业的原料。随着全球经济的发展和人口快速增长,大量的耕地被占用,人类活动导致的水稻栖息地环境恶化,导致全球水稻等粮食作物的种植面积和总产量减小,人地矛盾突出,粮食供应不足必定产生饥饿和贫困问题,进而阻碍社会经济的发展。同时水稻栖息地环境的管理和改善,例如水和土壤管理,病虫害控制以及能源和废物管理等,都需要对水稻生长进行监测。利用遥感技术对农业进行监测是目前主流的方法,多云雾区域,对水稻种植区进行监测时,光学遥感影像由于云雾较多,导致该方法使用受到限制,而合成孔径雷达(Synthetic Aperture Radar,SAR)由于其高分辨率、多模式、多极化方向、数据获取过程与自然光源无关,具有穿透云雾、全天候、全天时对地观测以及对地物形状敏感的特点,被广泛应用于农业监测。多云雾区域,利用SAR对水稻进行监测是重要的手段之一。本研究分析水稻生长期内主要地物在时间序列SAR影像上的极化后向散射系数,并结合InSAR技术,通过试验得到了单时相SAR影像、多时相SAR影像以及多时相SAR影像和InSAR技术相结合三种方案的水稻识别结果,从样本点分布、提取面积两个方面验证分析了三种方案的水稻识别精度,并与Sentinel-2光学影像水稻识别结果进行对比分析,从而为利用SAR遥感技术对多云雾区域水稻进行识别提供建议,本文主要结论如下:(1)基于InSAR技术得到了水稻生长期内典型地物的VV和VH极化相干系数,通过分析发现,人工建筑VV极化相干系数均大于VH极化相干系数,而水稻、植被、水体三种地物的VV和VH极化相干系数相差不大。但可以发现,VV和VH极化相干系数能很好地区分人工建筑和别的地物,水稻VV极化相干系数在8月和9月能很好区分水稻与水域、植被三种地物,水稻VH极化相干系数在8月份和10月份也能很好地区分水稻和水域、植被三种地物,故本研究认为,通过InSAR技术引入的极化干涉图(相干系数)能为识别水稻提供辅助作用。(2)研究发现,和以往研究类似,时间序列Sentinel-1 SAR影像的水稻识别精度低于时间序列Sentinel-1 SAR影像和InSAR技术相结合的水稻识别精度,两者用户精度依次为78%、81%,时间序列Sentinel-1 SAR影像和相干系数结合方案的水稻识别精度比单独采用时间序列Sentinel-1 SAR影像提升了3%,面积统计精度提升了2.05%。但雷达影像分类精度仍然低于光学影像,其主要原因是雷达影像分辨率低,视觉可视性差,噪声较多,造成解译困难。(3)Sentinel-2光学遥感影像由于较高的空间分辨率(10m),且影像获取时间是在水稻刚种植20天左右,在Sentinel-2影像上,水稻种植区与别的地物具有明显的特征差异,故本研究直接利用面向对象分类方法对水稻进行提取,并利用采集样本点和统计面积分别验证,点数据验证精度达到93.50%,面积验证精度达到91.76%,根据以往研究,精度达80%以上的遥感分类结果基本都能满足现实需要,因此本研究认为利用Sentinel-2提取出的水稻种植区数据,能为基于时间序列Sentinel-1的水稻识别结果,进行对比分析提供参考。(4)基于Sentinel-2光学遥感影像水稻分类结果,对比分析Sentinel-1 SAR影像两种方案的水稻分类结果可以发现,时间序列SAR影像与单时相SAR相比,能明显区分水稻和植被信息从而提高水稻识别精度,而相干系数的引入不仅提高了人工建筑的分类精度,同时也明显区分了植被和水稻,从而提高了水稻识别精度。(5)结合光学和SAR影像的优势和缺陷来看,在大部分地区,包括多云雾区域,在进行水稻等农作物监测时,如果有可利用的光学数据,还是优先考虑采用光学数据,如果光学数据缺乏,则可以采用合成孔径雷达SAR数据进行监测,同时Sentinel-1系列的影像宽幅达到了250km,远超过一些高分辨率光学影像的宽幅,在平原或地形起伏较小的区域进行大区域大尺度的水稻监测或制图时,本研究也建议采用Sentinel-1SAR数据。总之,本研究以地处多云雾区域的成都平原核心区城市广汉市为例,研究时间序列Sentinel-1 SAR影像和In SAR技术相结合来进行水稻的识别,取得了较好的结果,证明了相干系数对于水稻的识别具有辅助作用;研究方法和结果对多云雾区域的水稻识别具有借鉴意义,同时本文只提取了水稻,而对别的农作物进行监测以及与水稻相关水稻栖息地环境的管理和改善,例如水和土壤管理,病虫害控制以及能源和废物管理等也同样值得深入研究。