基于Radarsat2与Landsat8协同反演植被覆盖地表土壤水分的一种新方法

主动微波遥感与被动光学遥感在反演地表土壤水分方面分别具有各自的优缺点,为了将这两者的优势结合弥补缺点,提出了一种基于Radarsat 2与Landsat 8数据协同反演植被覆盖地表土壤水分的半经验耦合模型.该模型基于水云模型,将光学遥感反演得到的植被冠层含水量作为水云模型的关键输入参数,并同时考虑植被冠层与土壤以及其之间的部分对雷达后向散射系数的影响,以此来去除雷达回波中的植被部分.最后选用内蒙古呼伦贝尔市额尔古纳市大兴安岭西侧研究区的Radarsat 2与Landsat 8遥感数据,利用新的耦合模型反演得到植被覆盖区土壤水分含量,并利用地面测量数据对模型进行验证.结果表明:利用Landsat 8数据反演植被含水量算法精度较高(R2=0.89),论文提出的耦合模型反演植被覆盖地表土壤水分精度比之前算法也有了较大的提高,其中HH极化效果最好,R2由0.27提高至0.65.这表明该耦合模型具有较好的反演精度,可以应用于植被覆盖区土壤水分含量的反演.

Radarsat SAR的森林生物物理参数信号响应及其蓄积量估测

利用地面实测数据,系统探讨了RadarsatSAR数据在森林蓄积量估测方面的应用潜力和森林生物物理参数信号响应。结果表明:RadarsatSAR后向散射系数与森林蓄积量、树高及胸径之间的关系可以用对数模型模拟;树种对后向散射系数具有一定影响;利用后向散射系数估测森林蓄积量,其精度基本符合林场大面积总体估测的精度要求,但小班水平应用效果不理想。

多时相Radarsat数据在广东肇庆地区稻田分类中的应用

将１９９６年获取的４个时相的Ｒａｄａｒｓａｔ图像用于广东肇庆地区的稻田分类试验，结果表明，多时相Ｒａｄａｒｓａｔ数据对水稻类型的识别精度较高，而且稻田的轮作规律容易推测出来。本文系统地介绍了这一试验研究的最新进展，探讨了神经网络分类方法在ＳＡＲ图像处理中的应用潜力和Ｒａｄａｒｓａｔ数据在中国南方水稻监测中的最佳时相选择和有效分辨率问题。

利用MODIS和RADARSAT数据对浒苔的监测研究

浒苔是一种大型的浮游性海藻,它的爆发给环境造成了很大的影响。本文介绍了利用EOS/MODIS和RADARSAT遥感数据探测2008-2009年发生在黄海及邻近海域(119°E^122°E,34°N^36°30′N之间)的浒苔灾害的研究。本研究首先利用MODIS传感器的1、2波段计算了相应海域的NDVI。在云层较厚的情况下结合RADARSAT图像来辅助判定大型浮游藻类的信息。并计算了长时间序列NDVI,利用阀值分割法计算了浒苔爆发的面积信息,利用ARCVIEW工具对长时间序列的浒苔分布的矢量信息进行处理,得到了浒苔的漂浮路线,起源。初步研究了MODIS监测浒苔的可行性,讨论了浒苔的爆发可能对渔业资源造成的潜在影响。

利用RADARSAT SWA SAR和LANDSAT TM的互补信息确定洪水水体范围

从ＲＡＤＡＲＳＡＴ ＳＡＲ图象中自动提取洪水水体，一直是一个急需解决而又未能得到解决的问题，主 要困难是由于阴影与水体严重相混淆。为此，本文研究发现，通过 ＲＡＤＡＲＳＡＴ ＳＷＡ ＳＡＲ图像和ＬＡＮＤＳＡＴ ＴＭ图像上的互补信息，利用ＲＡＤＡＲＳＡＴ ＳＷＡ ＳＡＲ图像和ＬＡＮＤＳＡＴ ＴＭ图象上的水体和阴影进行复合 处理，可以从ＲＡＤＡＲＳＡＴ ＳＷＡ ＳＡＲ图象上准确、半自动提取洪水水体范围。研究初步表明，该方法不仅 适用于平地洪水水体范围的半自动提取，而且更适用于包含山区的大范围洪水水体的半自动提取。

RADARSAT影像在土地利用动态监测中的应用

为了改变以往土地管理部门对土地管理的传统方式,节省在常规管理中耗费的大量人力和物力,遥感技术作为新兴发展的科学技术,已应用于动态监测土地利用的变化。本文将具体论述如何利用微波遥感技术监测土地利用的动态变化。

基于改进水云模型和Radarsat-2数据的农田土壤含水量估算

为了直接将雷达遥感中"水云模型"进行反演应用,该研究将"水云模型"中植被参数改为雷达植被指数,利用全极化数据直接支持遥感反演土壤含水量,无需遥感反演植被参数输入。改进模型为利用雷达遥感结合"水云模型"进行土壤含水量监测提供了一种高效便捷方法。基于Radarsat-2全极化数据对冬小麦覆盖的农田土壤含水量进行估算,利用2014年在陕西杨凌区获取的4个生育期内Radarsat-2卫星数据及同步田间测量108组冬小麦农田土壤含水量地面测量数据进行模型参数校正和精度验证。验证结果精度为:改进的雷达植被指数模型>原叶面积指数模型(实测叶面积指数验证)>原叶面积指数模型(光学遥感反演叶面积指数验证),且改进的雷达植被指数模型可以在多个生育期内对农田土壤含水量进行监测。

RADARSAT SNB SAR数据在大面积水稻估产中的应用研究

由于雷达遥感的全天候、全天时的优势,使之成为南方大范围农业信息动态监测的最佳遥感手段。为了适宜于运行系统,本研究采用加拿大雷达卫星(RADARSAT)窄波扫描模式(SNB)数据,以广东省为例进行了大范围水稻估产。通过建立稻作图谱,解决了在地形复杂、农业集约化程度低、水稻田分布不规则,且地块间田间管理水平差异很大等诸多因素影响下的水稻信息提取问题;在野外观测站采集的水稻生长期生理生态数据的基础上,建立了基于RADARSATSNBSAR的雷达遥感时序信息水稻估产模型。通过2000年早、晚两季水稻估产的实践证明,此模型估产的精度在平原区达到95%,而在复杂的丘岭谷地则需进一步提高图像预处理的精度,改进特殊地段估产模型的精度。从实用性而言,这是一套高效、经济的技术方法,易于投入实际运行阶段。

不同模式Radarsat影像DEM提取及精度比较

利用摄影测量方法进行DEM提取是热带雨林地区雷达应用方向之一。以热带雨林地区平地、丘陵和山地混合地形区为研究对象,收集了F、S和W等不同波束模式的R adarsat-1 SAR影像9景,组合成6个不同类型的立体像对,进行DEM提取,探讨基于距离/多普勒构像方程的R adarsat影像的DEM提取方法。通过对DEM结果进行精度验证和比较,认为提取的DEM精度受多种因素影响,同种波束模式的立体配置,立体交会角越大,DEM精度越高;对于地表起伏较小的平地,DEM精度要高于丘陵山地区,该研究区DEM精度的平均误差可以达到14 m左右,RM SE可以达到29 m左右。

Radarsat卫星渤海海冰监测研究

加拿大Ｒａｄａｒｓａｔ雷达卫星只有７种工作模式，是专门为海冰业务监测设计的。１９９９年１月我们预订和获取了两模式雷达卫星数据，对我国渤海海冰进行了监测研究，两种模式各有优点，ＳｃａｎＳＡＲ模式可用于对整个渤海地区的全面监测，而利用宽幅的高分辨率图象可得到渤海海冰的详细特征结果。同时在研究过程中对辽东湾海冰和沿岸冰进行了实地观测，为解译提供了重要依据。

星载雷达Radarsat数据产品选择及在地质探测中的应用

结合生产科研实践，在论述星载雷达成像方式及Ｒａｄａｒｓａｔ 数据产品主要特点的基础上，针对以岩性识别和构造分析为主要研究内容的地质探测领域，着重讨论分析了波束模式、视角范围、卫星姿态、时相、数据处理级别等影响数据产品选择的主要因素，并提出地质探测领域Ｒａｄａｒｓａｔ 数据产品的选择原则及参考意见，供广大遥感地质工作者在充分利用这一新型遥感数据源时参考。

Radarsat SAR图像上水稻田边界提取研究

为精确提取RadarsatSAR图像上水稻田边界信息 ,开发了一个二维 8方向滤波算法并设计了优化的边界提取方案。将其应用于 86 3 30 8项目“SAR技术用于南方水稻长势监测与土地利用调查应用示范”研究中 ,结果表明该算法比用遥感图像处理软件(PCI)提取的水稻田边界更精细 ,且连续性好 ,从而在应用中可降低水稻种植面积计算的误差 。

基于RADARSAT-2全极化数据反演周期性地表土壤湿度

土壤湿度是农作物估产和旱情监测的关键参量。目前常用的土壤湿度反演模型都建立在随机粗糙地表条件下,对周期性垄行结构的土壤并不适用。基于RADARSAT-2全极化数据和野外实测数据,分析了交叉极化(vh)后向散射系数对垄行方位角无明显响应;同极化(hh,vv)对方位角的响应为余弦函数,但在方位角为90o±2o位置易出现偏离曲线的异常高亮度值。通过雷达影像上采样点的实测值和Oh模型推算的理论值,拟合得到周期性地表和随机地表之间的误差函数,进而对同极化影像进行纠正。纠正后的同极化比(p)去除了方位角和异常值的影响,交叉极化比(q)受到异常值的影响。通过Oh模型中的p和vh对研究区的地表参数进行反演,17个检验点的验证结果表明,预测的土壤湿度平均相对误差为11.13%,标准差为0.0256cm3/cm3;预测的均方根高度平均相对误差为13%,标准差为0.1315cm。结果与随机粗糙地表土壤湿度和均方根高度的反演精度相当,证明了该模型的有效性。

长时间序列Radarsat图像的神经网络模拟及土地覆盖变化的快速检测

土地覆盖的短期时空变化模式研究,对土地覆盖的快速、动态监测具有重要意义,也是遥感研究的新热点。本文利用2000—2001年的时间序列Radarsat图像,采用功率谱分析方法,对土地覆盖的短期时—空变化的周期特征进行了分析,由此建立了基于时间序列影像分析的神经网络预测模型,从植被主要生长季节的时间序列雷达卫星影像获取训练样本,对研究区域的典型土地覆盖的短期动态变化过程进行了学习。学习后的模型能够利用多个时间序列的Radarsat影像对下一时刻的影像进行模拟,并进一步检测变化。在模拟结果基础上,定义相对变化距离函数和检测门限,对模拟影像及实际影像中的变化区域进行了检测。检测精度范围在66.67%(农村居民点)—91.67%(水体)之间,平均检测精度为81.66%。由于时间序列信号的引入,神经网络模型能够较好地获取土地覆盖的短期动态变化信息。

利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数

利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。

基于RADARSAT SAR估测热带人工林叶面积指数研究

研究了雷达后向散射系数σ0与热带人工林叶面积指数(LAI)的相关性。通过对水云模型的修正,提出了一种半经验性的估测热带人工林叶面积指数方法。利用Radarsat-1 SAR数据对广东雷州人工林进行实验,验证表明,其主要林种的估测相关系数R2接近0.5。该方法充分考虑了森林的特点以及雷达成像的特性,对于估测多云雨地区热带森林叶面积指数具有一定的参考价值。

Radarsat-2全极化SAR车辆目标典型方位特性分析

Radarsat-2卫星可为普通用户提供8 m分辨率全极化SAR影像服务,这为研究基于星载全极化SAR影像的目标检测与监视提供了数据保障。针对此新型星载SAR影像中的车辆目标,本文提出以目标RCS测量和极化分解两种技术相结合的目标特性分析方法,并以同型号、典型方位的大型卡车为例,进行了不同入射角条件下的两次同步实验。利用本文提出的分析方法对实验数据进行了分析,给出了卡车目标在不同成像方式下的极化特性分析结论。为进一步研究基于星载全极化SAR影像的道路交通监测提供了基础。

RADARSAT卫星产品

RADARSAT卫星所获得的数据是全球应用很广泛的SAR数据信息源之一。本文介绍了该卫星的基本参数及其产品的特点,用图像处理软件打开其产品的方法,以及RADARSAT产品的辐射定标算法。

基于Radarsat-2的冬小麦种植面积提取方法研究

为探寻基于Radarsat-2的冬小麦种植面积提取方法,以设立在江苏盐城研究区的冬小麦为研究对象,选用2014年3月3日-2014年6月7日期间5期Radarsat-2全极化影像,采用支持向量机法和最大似然法分别对各时相的冬小麦种植面积进行提取,并以地面实测GPS样方进行精度验证。结果表明,以支持向量机法和最大似然法提取冬小麦面积的精度均在4月20日达到最高,分别为66.4%和63.9%。对4月20日支持向量机法的冬小麦面积提取结果进一步进行耕地地块优化和碎小图斑去除处理后,冬小麦面积的提取精度可提高到79.6%。

基于双极化双时相RADARSAT-2的冬小麦估产模型研究

为了给农业部门提供准确的冬小麦产量评估,应用安徽省淮河流域4月底和5月初双极化星载合成孔径雷达(SAR)影像——RADARSAT-2和该区域冬小麦收割前(5月底)试验田产量资料,应用不同拟合方法建立冬小麦产量和2个时相(4月底和5月初)后向散射系数关系的估产模型;选择其余试验田对其检验,优选出最佳的估产模型,实现冬小麦大面积估产。结果表明,经计算得到了超过80%精度的估产模型和冬小麦较准确的估产结果。说明在冬小麦收割前1个月左右应用SAR进行估产,这种思路和方法是行之有效的。