基于AIEM和实地观测数据对GNSS-R反演土壤水分的研究

介绍了用GPS反射信号反演土壤水分的原理及反演研究的进展,并用改进的积分方程模型(AIEM)和实地观测数据对利用GPS反射信号反演土壤水分的方法进行了分析,分析结果表明,由于单个频率的雷达信号受地表粗糙度、角度和地表类型(裸地和植被类型)的影响比较大,很难提出一个实用的通用物理算法。利用美国2002年土壤水分实验(SMEX02)实测数据对上述的反演算法进行了分析,分析结果表明,采用经验统计算法对单个站点观测比较实用,平均相关系数达到0.85以上。整个分析表明,利用GPS前向散射信号与噪声之比反演土壤水分在单个站点能够取得比较高的精度。

基于Sentinel-1和Landsat 8遥感数据的高原地区土壤水分反演

土壤水分是农业生产、水资源管理及全球气候等至关重要的参数。合成孔径雷达是获取水分的重要手段,其中植被和粗糙度作为两大关键影响要素是研究的重点。因此,本文针对以下几个方面展开研究。首先,基于Sentinel-1雷达数据获取总体后向散射系数,基于Landsat 8光学数据的3种植被指数(NDVI、NDWI、MSAVI)分别利用水云模型分离出植被的后向散射系数。然后,利用Dobson模型联合高级积分方程模型(AIEM)建立缺少地表粗糙度的后向散射系数表,并使用最小成本函数得到最优粗糙度参数。最后,使用最小二乘法确定反演土壤水分经验方程的系数。试验结果表明:在高原地区,模型反演结果与地面实测结果均具有较好的一致性,其中使用归一化水指数(NDWI2)输入水云模型联合最优粗糙度反演结果最佳,拟合系数达到0.8402,均方根误差为0.02721 cm^(3)/cm^(3)。

AIEM模型在积雪散射模拟中的应用

介绍一种基于一阶辐射传输的积雪散射模型。该模型考虑了积雪覆盖地表微波散射的3种回波分量:雪层表面散射、下垫面散射以及雪层体散射。对于其中2个面散射分量,文章中应用一种新的面散射模型———AIEM取代原有的IEM模型进行处理。最后,使用M ich igan大学的实测数据对改进后模型的模拟结果进行验证,并与改进前的模拟结果进行了对比。

基于粗糙度定标的AIEM反演陕北风沙滩地区土壤水分

本文利用粗糙度参数的定标公式以lopt2代替相关长度L,通过AIEM模型模拟后向散射系数,得到后向散射系数与均方根高度和土壤水分的经验关系,以交叉极化差σ0vh-σ0vv来表示均方根高度,建立土壤水分反演的反演模型.经18个实测数据验证,发现实测值与反演值的相关系数为0.9096,均值误差为0.088.说明该模型有较好的反演精度,可以用于土壤水分反演.

光学与SAR遥感协同反演植被覆盖区土壤含水量

在进行土壤含水量反演时,单纯使用传统遥感反演模型很难有效消除干扰因素。以山东省东营市为研究区,基于光学遥感与合成孔径雷达(SAR)数据,采用植被光谱指数修正水云模型中的植被含水量,并将修正后的水云模型与高级积分方程模型(AIEM)耦合,以消除植被含水量和土壤粗糙度对土壤含水量反演结果的影响,从而达到提高遥感模型反演土壤含水量精度的目的。结果表明:基于比值植被指数(SR)的二次函数修正水云模型后,与AIEM模型耦合反演土壤含水量的精度最高,决定系数大于0.5,均方根误差(RMSE)小于等于2.290;土壤含水量在空间上呈现西北部大,向南逐渐减小的连续空间分布特征,该耦合模型具有普适性。

基于ASAR双极化雷达数据的半经验模型反演土壤湿度

基于ENVISAT ASAR-APP数据,利用AIEM(改进积分方程模型)模拟分析粗糙度、土壤水分对ASAR 7个入射角后向散射系数的影响。建立小入射角模式ASAR数据后向散射模型和组合粗糙度计算模型,提出小入射角模式下双极化ASAR数据土壤水分反演半经验模型。基于AIEM模拟数据进行试验,验证了该模型的合理性,且反演的土壤水分和实测土壤水分相关系数为0.92,均方根误差(RMSE)为3.98%。

基于新的组合粗糙度参数的土壤水分微波遥感反演

土壤水分的时空分布是水文、气象等领域研究的重要参数。微波遥感因其全天时、全天候对地观测以及较强的穿透能力成为土壤水分反演的重要手段。该文以风沙滩地区为研究区,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,提出一种新的组合粗糙度参数S3/L,以法向菲涅尔反射系数代替土壤水分,建立了雷达后向散射系数与组合粗糙度、法向菲涅尔反射系数Г0的经验关系,利用Radarsat-2C波段双极化(VV、HH)数据构建了土壤水分反演模型。经实测数据验证,模型反演结果与实测值有着良好的相关性(R^2=0.8541),平均绝对误差为4.95%,均方根误差为6.00%。与以往同一区域的研究成果相比,该文提出的反演模型精度较高,更适合于风沙滩地区土壤水分的反演。研究结果可为该地区的水循环及水环境评价研究提供支持。

Envisat-1双极化雷达数据建模及应用

根据欧空局Envisat-1卫星上ASAR传感器的系统参数和双极化特点,利用AIEM模型模拟,建立了裸露地表同极化后向散射模型和粗糙度参数计算模型。前者把同极化总后向散射系数表达成入射角和两个地表参数(土壤水分和粗糙度)的函数;后者给出了用双极化雷达数据计算粗糙度的方法。把这两个模型结合,用于土壤水分反演,分别用模拟数据和实测数据验证,良好的结果证明了这两个模型的可靠性和实用性。双极化后向散射模型的建立,将为以后PALSAR(日本)和RADARSAT-2(加拿大)多极化雷达数据的应用打下基础。

复杂地表条件下冻融土的微波辐射特性模拟及判别分析

针对AMSR-E数据的新特点,在HUT积雪辐射模型的基础上,增加冻土介电模型计算冻融土的介电常数,并使用AIEM模型描述地表的散射特性,建立寒区地表微波辐射模型,对寒区6种典型环境的微波辐射进行了模拟.结果表明:使用36.5 V的亮温以及6.925 H、10.65 H、18.7 H与36.5 V的亮温比分别衡量地表温度和发射率的变化,最能体现地表土壤的冻融变化特征.通过Fisher判别分析,建立了复杂地表条件下的冻融土判别算法,并使用微波辐射计观测数据进行修正.AMSR-E星载数据的验证结果表明,该判别算法能够有效区分较长时间序列和大范围的地表冻融状态,是一种可靠的判别模式.

用ERS风散射计数据估算土壤水分方法的研究

欧空局ERS1/2卫星上的风散射计(WSC),分辨率是50km,4天内能覆盖全球超过80%的范围,并可在多角度下对地物目标进行观测。本文研究利用该散射计数据估算土壤水分的方法。首先,利用基于ERS散射计数据建立的全球C波段雷达后向散射系数数据库,根据传统的几何光学模型(GOM),反演得到与土壤含水量密切相关的法线方向Fresnel反射率,并与两个采样点(安多和那曲)上的实测降雨量及土壤水分相对比,证明了ERS散射计数据与土壤水分的高相关性;第二步,以水云模型为基础,结合AIEM模型,发展了一种简化模型来估算土壤水分绝对值,分别利用气象站实测点数据和同时期的Basist湿度指数(BWI)进行验证,表明反演结果能较好反映土壤水分的空间分布状况。

热红外联合被动微波重构裸土区地表温度时间序列数据算法

在进行一定区域地表温度时间序列的研究中,常遇到由于天气原因造成的温度数据缺失问题,针对这一突出问题,在分析土壤发射率数据库的基础上,提出了一种裸露地表晴空时段热红外、微波亮温数据与非晴空时段微波亮温数据相结合来获取时间序列中缺失的地表温度数据的算法。此算法不仅解决了被动微波进行地表温度反演过程中下垫面发射率难以确定的问题,而且算法简捷、计算量小。通过理论分析和数据验证得出算法本身造成的温度反演的均方根误差小于0.9 K,数据验证结果的均方根误差小于1.74 K,表明了所提出算法的可行性与合理性。

基于Sentinel-1的绿洲区域尺度土壤水分微波建模

根据最新Sentinel-1雷达系统参数及研究区地表参数特点,采用AIEM模型进行数值模拟分析,建立稀疏植被覆被下地表微波散射特征数据库,并在此基础上构建干旱区土壤水分模型.结果表明,1)不同入射角和极化方式下,后向散射系数对土壤含水量(Mv)、组合地表粗糙度(Zs)的响应分别呈明显对数相关,VV极化对土壤水分响应更敏感,最优响应区间范围为Mv 0~30%、Zs 0~0.06 cm.2)初探Sentinel-1雷达数据预处理方法,Gamma MAP滤波去噪最优,模型用于土壤水分空间分布信息提取与研究区同期野外实况具有良好的一致性,符合四月渭-库地区春旱期土壤水分时空分布特征.3)对于0-10 cm表层土壤水分,模拟值同实测值相关系数达到0.76,即该模型对于干旱区绿洲区域尺度表层土壤水分监测具有适用性.

合成孔径雷达影像地形校正半经验模型

结合SAR成像特点和数学理论知识,给出左视、右视两种侧视成像情况下影响地形起伏区域SAR后向散射的本地入射角理论计算模型,基于微波散射物理模型AIEM,模拟不同雷达入射角下地形坡度、坡向对SAR数据后向散射的影响,结果表明雷达入射角相对较小的SAR数据受地形起伏影响较小,是地形起伏地区SAR应用的最佳数据源。并提出一种SAR影像后向散射系数的地形校正半经验模型。地形校正过的SAR影像分类总体精度较未校正SAR影像提高12%。

微波遥感反演土壤水分中构建粗糙度参数的新方法

地表粗糙度是影响雷达后向散射系数的重要因素。该文在基于SAR影像反演地表土壤水分的过程中,考虑到地表粗糙度的野外测量误差、取值范围和雷达入射角等方面的影响,统计了裸土、农用地和草地等几种典型地表的粗糙度测量数据,以此限定AIEM模型的输入参数范围。首先,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,构建了基于曲面拟合思想的、与入射角相关的组合粗糙度参数,并以此为基础利用Envisat ASAR双极化数据(VV、VH)建立了土壤水分反演模型。经实测数据验证,在不同入射角范围内,基于该文建立的模型得到的土壤水分反演结果与实测值都有良好的相关性。与其他形式的组合粗糙度参数进行对比,该文提出的模型反演精度较高,能够适用于入射角范围在(5°,65°)内的SAR影像的反演。

S波段雷达数据反演土壤水分的模拟分析和验证

中国自主研制的环境减灾卫星星座（HJ）中包含多颗光学和雷达小卫星，这些小卫星计划于2007年底陆续升空。其中，载有S波段合成孔径雷达（SAR）的HJ-1C星，预计于2008年发射，该卫星设置有S波段（3．2GHz），采用VV极化方式，入射角变化范围是25°-47°。本文根据该雷达卫星的系统参数，利用AIEM模型的模拟数据反演土壤水分的变化。首先，对传统单极化SAR数据反演土壤水分的方法（基于简单散射模型）在S波段的适用性进行了分析（共检验了四个波段数据，分别是Ku波段、C波段、S波段和L波段），结果表明该方法可应用于S波段，且应用效果比C波段好；然后，对以往研究中该方法可采用的不同水分参数形式进行了比较分析，结果表明，以垂直极化幅度作为土壤水分参数效果最好；最后，利用模拟数据对该方法进行验证，结果在两次数据入射角差为5°时，近80％数据的误差在5％以内。

双极化SAR数据反演裸露地表土壤水分

为了较高精度地获取大范围地表土壤水分,提出一种基于双极化合成孔径雷达数据的裸露地表土壤水分反演模型即非线性方程组,通过改进的粒子群算法求解非线性方程组从而得到土壤水分。首先通过AIEM模型数值模拟和回归分析,得到一种新的组合粗糙度,然后模拟分析得到土壤水分与雷达后向散射系数的关系,从而建立雷达后向散射系数与组合粗糙度、土壤水分的经验关系。利用ASAR C波段双极化雷达数据,基于经验关系和改进的粒子群算法即可实现土壤水分的反演。经过黑河流域实测土壤水分数据对模型进行验证,反演结果与实测数据具备良好的相关性(R^2=0.778 6)。与以往同一区域研究成果比较,文中的方法反演精度有所提高,更适用于裸露地表土壤水分反演。

基于遗传算法和雷达后向散射模型的地表参数反演研究

在地表自然裸露条件下,利用雷达后向散射系数反演地表粗糙度及地表土壤含水量已经开展了很多的研究,许多学者提出了很多相关的模型及反演技术。在已有散射模型的基础上,利用遗传算法反演地表参数,并且对反演效果进行了验证;然后分别基于AIEM模型和Oh模型对SIR-C雷达图像进行了反演计算,并对反演结果作了统计分析,从而为利用雷达图像反演地表信息提供了新的研究思路。

L波段多角度裸露地表土壤水分反演研究

土壤水分是气象预报、农情监测以及水文模型的重要参数之一,利用被动微波遥感技术可以有效获取土壤水分。欧空局(ESA)计划于2009年发射卫星SMOS(Soil Moisture and Ocean Salinity),其主要目的是监测全球范围内的土壤水分和海洋盐度变化。根据SMOS的设置情况,寻找精度较高的半经验模型以便为进一步的土壤水分反演提供简化模型。对于裸露地表,地表粗糙度、土壤介电常数等因素影响最终的微波发射率。运用Dobson半经验介电常数模型计算土壤的介电常数,将计算结果输入高级积分方程模型(AIEM)。通过AIEM模拟的数据库,利用回归关系建立了一个精度相对较高的L波段多角度半经验模型。

SZ-4飞船辐射模态沙漠地区数据模拟验证

对SZ-4飞船辐射模态获取的亮温数据,进行了模拟研究.辐射模态的工作频率范围为6.6～37GHz,对应的地面像元尺寸为6～32km.以新疆塔中地区为研究对象,通过分析被动微波遥感中裸露地表的辐射特性,基于裸露地表的辐射模型(AIEM模型)和地表的实测属性数据来模拟该地区的辐射亮温值,并将其与SZ-4辐射模态和AMSR-E实际的亮温观测值进行了比较,通过对正演结果的比较分析检验了SZ-4亮温数据的质量及其在沙漠地区反演地表参数的潜力.

全极化SAR的方向角纠正在估算裸土含水量时的应用

应用JPL/AIRSAR的L波段全极化数据,分别计算理论模型算法和圆极化算法的方向角,并对全极化SAR数据进行角度纠正,将结果与改进的积分方程模型(AIEM)预测值进行对比。结果表明:HH和VV极化下后向散射系数和同极化比的均方根误差由1.93,1.37,1.89 dB分别下降到1.62,1.24,1.62 dB和1.39,1.19,1.46 dB。证实了在使用全极化SAR数据估算裸土含水量时,进行方向角纠正数据的有效性。