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。

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。

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。

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.

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。

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%。

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。

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。

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%。

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.

一种改进的随机粗糙地表的双尺度微波散射模型研究（英文）

该文提出一种新的双尺度(Modified Two-Scale Model,MTSM)粗糙度地表微波散射模型,采用小波包变换的方法将面上的粗糙度(z(x,y))变换到频域进行处理,粗糙度频谱的低频部分代表大尺度分量,高频部分代表小尺度分量,然后分别用基尔霍夫近似和小扰动模型来分别模拟大小尺度的粗糙度,考虑到小尺度的粗糙度是叠于大尺度粗糙度之上,模型在计算小尺度粗糙度的后向散射贡献时还考虑了大尺度起伏造成的几何倾斜。MTSM的解为大尺度粗糙度的基尔霍夫解加上几何倾斜修正后的小尺度粗糙度的小扰动解。最后采用改进的积分方程模型(AIEM)对MTSM做了初步的验证,结果表明在入射角qi<30°,粗糙度较小(ks=0.354)的时候,MTSM有比较好的精度。

随机粗糙面的双站散射模型分析（英文）

以先进积分方程模型(AIEM)为工作模型,从理论上系统分析了随机粗糙面的双站散射特征,探讨了不同粗糙程度下散射系数在方位平面上的谷点位置,并利用数值仿真模拟、实测值对理论预测的散射系数进行了说明与验证.结果显示,散射系数在方位向上的谷点位置与粗糙程度和极化特征密切相关.利用数值仿真模拟,可从物理的角度更系统深入地分析统计粗糙表面的散射特性,从而有利于设计以后的更有效的双站探测模式.

基于Radarsat-2全极化数据的张掖地区土壤水分的反演

土壤水分是水文、农业、生态等众多研究领域中的重要参数。基于已建立的简化土壤水分反演模型,结合全极化雷达数据的特征,消除简化模型中的粗糙度参数,以提高反演的精度。通过简化经验模型分析,结果显示VV/HH、VV/VH和HH/HV极化组合均能够较好地模拟裸土区土壤水分,其中VV/VH极化组合模拟结果最好。利用Radarsat-2数据反演黑河中游裸土区和植被区的土壤水分,并利用实测数据对结果进行验证。结果表明:VV/VH极化组合反演结果与实测结果吻合度较好,裸土区和植被区土壤水分反演RMSE分别为0.006和0.017 cm^3·cm^(-3),说明VV/VH极化组合能够较好地反演裸土区域土壤水分。这为快速准确获取区域土壤水分反演奠定了基础。

一种基于AMSR-E和ASAR数据的土壤水分协同反演方法

在缺乏卫星过境时地面同步观测数据的情况下,大范围高时空分辨率的土壤水分监测存在一定的困难。针对这一问题,提出一种不依赖地面土壤水分同步观测数据的主、被动微波协同反演逐日高空间分辨率的土壤水分观测新方法。该方法将补偿后的AMSR-E土壤水分作为"高时间分辨率土壤水分观测控制值",以此计算逐日土壤水分变化量,并结合ASAR交替极化模式数据,反演高空间分辨率的土壤水分基准日期值,然后基于两者建立土壤水分协同反演模型。该模型适用于地势比较平坦、地表粗糙度较小且无植被覆盖或植被覆盖度较低的区域。在陕西省渭北台塬西部地区的试验结果表明:该方法参数拟合的决定系数约为0.81;反演得到的土壤水分与凤翔县农业气象站地面实测土壤湿度数据对比,两者的决定系数为0.92,土壤体积含水量的均方根误差为0.025。反演结果可用于水分限制条件下作物生长模拟。

基于改进水云模型的土壤水分反演研究

提出了一种基于改进的水云模型的主动微波遥感土壤水分反演方法。首先,分别通过甘肃省张掖市祁连山中段的扁都口研究区的实测数据计算RVI、DVI、NDVI、NDWI、MSAVI等五种植被指数,建立适用于研究区的植被含水量经验方程,然后基于植被含水量经验方程构建水云模型,对总的地表后向散射系数中的植被影响进行改正,结合水云模型和AIEM模型,建立改进的土壤水分反演算法。从五种植被指数中选取与植被含水量相关性最高的三种植被指数,然后利用九组植被指数组合参与土壤水分反演,对比并选择反演结果精度较好的植被指数及其植被含水量经验方程。将文章方法与基于Jackson经验方程建立水云模型的反演算法进行了对比,结果表明,文章提出的改进水云模型的土壤水分反演算法精度较高,体现了该改进算法的优势与潜力。

SIMPLE ALGORITHM FOR SOIL MOISTURE RETRIEVAL WITH CO-POLARIZED SAR DATA

In this paper, an empirical methodology to retrieve bare soil moisture by Synthetic Aperture Radar (SAR) is developed. The model is based on Advanced Integral Equation Model (AIEM). Since AIEM cannot express cross-polarized backscattering coefficients accurately, we propose an empirical model to retrieve soil moisture for bare farmland only with co-polarized SAR data. The soil moisture can be obtained by solving an equation of HH and VV polarized data without any field measurements. Both simulated and real SAR data are used to validate the accuracy of the model. This method is especially effective in a large area where the surface roughness is difficult to be completely measured.

利用主动微波遥感数据监测土壤墒情方法

采用主动微波遥感数据,选取郑州市中牟县范围内裸露的地表进行土壤墒情的监测工作,同时选择适合该类区域地表情况的AIEM模型来处理获取的相关雷达数据。实验所用影像数据为Rardarsat-2雷达卫星的遥感影像数据,其中雷达的一些相关参数都包含在影像的头文件中,在实验过程中通过查阅直接使用。实验使用欧空局的NEST软件对影像进行滤波和辐射定标等一系列操作,得到的中间格式数据使用ESRI公司的ENVI软件进一步处理得到地表后向散射系数。通过上述步骤得到的数据对ANN-BP进行训练,最后采用极化方式为VV和HH的数据,利用ANN-BP对数据进行模拟,得到该地区的土壤墒情信息。

微波与光学遥感协同反演旱区地表土壤水分研究

土壤水分是水文循环中的关键因素,尤其对旱区的生态环境具有十分重要的意义。微波遥感是反演土壤水分的有效手段,而植被是影响土壤水分反演精度的重要因素。因此,对土壤水分的反演需要考虑植被的影响。本文以内蒙古乌审旗为研究区,利用Radarsat-2雷达数据与TM光学数据,对旱区稀疏植被覆盖地表土壤水分反演进行研究。利用TM数据,分别选取NDVI和NDWI指数对植被含水量进行反演,通过水云模型消除植被层对土壤后向散射系数的影响;在此基础上,根据研究区地表植被特性,提出一种基于AIEM模型的反演土壤水分的改进算法,反演了不同粗糙度参数、不同极化(VV极化和HH极化)条件下的研究区土壤水分。反演结果与野外实测数据的对比结果表明,本文提出的基于地表植被特性的土壤水分改进算法,具有更好的适应性;土壤水分反演模式Mv lhσvv(1)(VV极化方式下采用NDVI去除植被影响的反演模式)更适合于旱区考虑稀疏植被覆盖影响的地表土壤水分的反演。