共查询到17条相似文献，搜索用时 343 毫秒
1.
全球卫星导航系统干涉测量法(GNSS-IR)能够利用直/反射卫星信号间的干涉信息分析提取土壤湿度、海面高度等有效信息。针对传统线性回归方法在土壤湿度反演过程中出现的拟合模型随异常观测值偏移的问题,本文提出了利用稳健回归方法降低异常值权重,以达到减小或抵消异常观测数据对观测结果的影响。为验证模型的适用范围,本文在稳健回归的基础上进行了多星融合试验,有效提高了土壤湿度反演精度。结果表明,与传统线性回归方法相比,本文提出的方法在单颗卫星时RMSE和MAE平均降低8.38%和8.91%,在两颗卫星时RMSE和MAE平均降低15.18%和16.42%,在三颗卫星时RMSE和MAE平均降低21.00%和22.97%,在四颗卫星时RMSE和MAE平均降低26.25%和28.71%。 相似文献
2.
全球定位系统干涉反射测量(GPS-IR)是一种新的遥感技术,可用于估算近地表土壤水分含量。考虑到多卫星融合的优势和土壤湿度的时空尺度性,提出一种基于多星融合的土壤湿度最小二乘支持向量机(LS-SVM)滚动式估算模型。首先通过低阶多项式拟合分离GPS卫星直射和反射信号,进而建立反射信号正弦拟合模型,获取相对延迟相位。最后,通过线性回归模型有效分析和选取多卫星相对延迟相位,并建立基于多星融合的最小二乘支持向量机模型进行滚动式估算土壤湿度。以美国板块边界观测计划PBO提供的监测数据为例,对比分析利用单颗、多颗GPS卫星进行土壤湿度滚动式估算的可行性和有效性。经理论分析和两个测站实验表明:该模型充分发挥了LS-SVM的优势,有效综合了各卫星的性能,改善了采用单颗卫星进行土壤湿度估算时,其结果极易出现异常跳变的现象;模型只需较少的建模数据,采用滚动式能实现较长时间的估算,估算误差较为稳定;模型所估算的结果与土壤湿度实测值之间的相关系数R2以及均方根误差分别为0.942和0.962、0.072和0.032,相对于部分单一卫星至少提高了18.18%。因此,土壤湿度问题可作为非线性事件处理,采用多卫星融合估算是可行和有效的。 相似文献
3.
全球定位系统干涉反射测量（GPS-IR）是一种新型的遥感技术,可用于估算近地表土壤水分含量。本文从多卫星融合角度出发,提出了一种基于多星融合的地表土壤湿度估算方法。首先通过低阶多项式拟合分离出卫星反射信号;然后建立反射信号正弦拟合模型,获取相对延迟相位;最后基于多卫星相对延迟相位建立多元线性回归模型。利用美国板块边界观测计划（PBO）提供的监测数据,对比分析不同建模序列长度的反演效果,从而确定最佳的建模长度。试验结果表明,采用多元线性回归模型可实现多颗卫星的有效融合,运用于土壤湿度估算是可行的。 相似文献
4.
《测绘科学技术学报》2020,(2)
全球定位系统干涉反射测量GPS-IR(Global Positioning System Interferometric Reflectometry)是利用多路径信噪比反射分量参数幅度、相位、频率的变化监测地表环境的技术。针对多路径信号中同时包含卫星直射信号和反射信号,传统低阶多项式难以准确提取卫星反射信号有效参数的问题,本文利用小波分析对卫星直射、反射信号进行分离,准确获取卫星反射信号,利用熵值法多星融合模型反演土壤湿度。经理论和实验研究表明:该方法能够更为精确地反映测站周围土壤湿度的变化,有效改善了部分异常跳变现象。相关系数为0.914,相比单星反演模型至少提高18.4%。 相似文献
5.
针对单颗卫星结果易跳变且无法有效表征土壤湿度时空尺度特征的问题,提出了一种多卫星赋权融合解译土壤湿度变化的算法.该方法无需额外观测值仅使用卫星直射和反射信号强度来确定权值,并通过实测GNSS数据进行了验证.研究结果表明,卫星赋权融合结果有效综合了不同卫星间的信息,提高了土壤湿度解译值与实测值间的一致性,BDS/GPS融合结果的相关系数分别达到了 0.849和0.729,较单颗卫星的结果至少提升了 15.51％和17.01％.因此,多卫星融合解译结果可作为土壤湿度实测值的更优估计,为简便且高效地监测土壤湿度提供了新手段. 相似文献
6.
为了有效解决大尺度区域土壤水分时、空间变化监测的问题,在总结了被动微波遥感反演土壤湿度规律的基础上,基于先进的AMSR星载被动微波遥感数据,提出了利用双谱模型计算土壤表面发射率的计算机算法。首先需要由双站散射系数计算反射率和发射率,然后应用人工神经网络反演土壤湿度,实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演,并在实验区进行了成功的应用。 相似文献
7.
针对基于单系统单卫星GNSS-MR（GNSS Multipath Reflectometry）土壤湿度反演的可靠性不高、实际可操作性不强和最小二乘估计不具鲁棒性的缺点,为获取更优的延迟相位估值,并改善GNSS-MR土壤湿度反演的可靠性和实际可操作性,同时简化繁杂的选星过程,提出了一种基于抗差估计的多系统多卫星组合GNSS-MR土壤湿度反演算法。该算法首先顾及多径环境的差异性、多径误差的周期特性等进行信噪比SNR（Signal to Noise Ratio）观测值的筛选,然后采用基于IGGIII（Weight Function III Developed by Institute of Geodesy and Geophysics）权函数的抗差估计解求延迟相位,进而获得表征土壤湿度变化趋势的延迟相位组合。实验结果表明,相较于未采用抗差估计的多系统多卫星组合（方案1）和单卫星组合（方案3）,得益于抗差估计良好的鲁棒性,基于抗差估计的多系统多卫星组合（方案2）和单卫星组合（方案4）获得了较高的建模精度,所得延迟相位与实测土壤湿度间的相关系数分别为0.97和0.95、土壤湿度拟合残差的均方根误差分别为0.010和0.012;同时,方案2和方案4还取得了较高的土壤湿度预报精度,土壤湿度预测值与土壤湿度实测值间的相关系数分别为0.92和0.91、土壤湿度预报残差的均方根误差分别为0.016和0.023;此外,相比于方案4,方案2在采用抗差估计解求延迟相位的基础上,采用多系统多卫星组合进一步提升了延迟相位的估值精度,从而不仅避免了复杂的选星过程,而且还获得了更好的建模效果和更高的土壤湿度预报精度。 相似文献
8.
一种裸露土壤湿度反演方法 总被引：1，自引：0，他引：1
针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。 相似文献
9.
本文提出了一种基于CYGNSS数据的星载GNSS-R土壤湿度反演方法。首先,基于CYGNSS数据提取地表反射率参数,联合SMAP数据中提取的植被光学厚度、地表粗糙度和温度等辅助信息,初步构建了土壤湿度反演理论模型,并利用神经网络模型确定了土壤湿度反演的精细数学模型;然后,将该模型处理获得的土壤湿度以35%为分界点,利用本文提出的阶段函数模型提高反演精度,并使用2018年10月—2019年5月的CYGNSS数据,获得了全球范围内星载GNSS-R土壤湿度;最后,通过与SMAP提供的土壤湿度数据进行对比,评估了本文提出的星载GNSS-R土壤湿度反演方法的有效性,并对获取的星载GNSS-R土壤湿度进行了时间序列分析。结果表明,本文提出的土壤湿度反演方法的结果与SMAP土壤湿度具有良好的一致性,且随时间变化的趋势也相符合,为高精度土壤湿度反演提供了一种思路。 相似文献
10.
土壤湿度是农作物在生长过程中主要供水因子,实际测量土壤湿度较为复杂,卫星遥感成为反演和监测土壤湿度的重要手段。本文利用商丘地区2012和2013年MODIS数据,采用滤波方法减小云、气溶胶影响下的MODIS产品噪声,利用农田浅层土壤湿度指数（CSMI）与实测土壤相对湿度值进行了相关性分析,构建了适用于商丘地区的土壤湿度模型,并利用2013年的土壤实测数据对模型反演出来的土壤湿度进行了验证。结果表明,CSMI指数能够有效反演该地区0~50 cm深的土壤湿度值（通过了0.01的显著性检验）。 相似文献
11.
GNSS信号土壤衰减模型的试验验证方法 总被引：1，自引：0，他引：1
GNSS（global navigation satellite system）信号在土壤中的衰减情况对于研究GNSS反射信号的有效遥感深度具有重要意义。本文通过试验研究了北斗信号与GPS（global positioning system）信号在土壤中的衰减情况。在试验设计上将GNSS天线置入土壤中并不断改变天线上方的土壤厚度与湿度以采集GNSS信号的功率衰减数据,最后利用这些数据反演土壤湿度以对GNSS信号土壤衰减模型进行验证。试验结果表明,土壤能够使GNSS信号发生明显的衰减。土壤的湿度值与厚度值越大,GNSS信号功率衰减越严重。在黏土土质,土壤湿度为0.15~0.30 cm3/cm3的情况下,当土壤厚度达到21 cm时,GNSS信号功率已衰减至无法被GNSS接收机测出。进一步根据GNSS信号衰减模型反演土壤湿度,结果显示,模型在土壤厚度大于等于10 cm、卫星仰角高于50°的情况下较为精确,此时利用北斗B1信号与GPS L1信号反演土壤湿度的均方根误差分别小于0.04 cm3/cm3与0.09 cm3/cm3。 相似文献
12.
双极化SAR数据反演裸露地表土壤水分 总被引：1，自引：0，他引：1
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。 相似文献
13.
光学与微波数据协同反演农田区土壤水分 总被引：1，自引：0，他引：1
光学和微波协同遥感反演对于提高农田土壤水分遥感反演精度十分重要。本文采用SMEX02数据集,研究了L波段土壤发射率与地表土壤水分之间的关系,分析了地面植被覆盖对L波段土壤发射率与地表水分之关系的影响规律,推导了以L波段土壤发射率和归一化植被指数NDVI为自变量的土壤水分反演模型。研究表明:L波段土壤发射率与地表土壤水分之间的相关性随NDVI的增加而下降。验证结果表明,本文算法相对常规经验算法,土壤水分反演精度明显提高,H极化条件下,土壤水分的反演精度RMSE由0.0553提高到0.0407,相关系数R2由0.70提高到0.81;V极化条件下,反演精度RMSE由0.0452提高到0.0348,相关系数R2由0.79提高到0.86。 相似文献
14.
时序双极化SAR开采沉陷区土壤水分估计 总被引：1，自引：0，他引：1
开采沉陷地质灾害诱发矿区生态环境恶化的关键因子是土壤水分变化。研究提出了一种利用Sentinel-1A双极化SAR和OLI地表反射率数据联合反演土壤含水量的方法,即基于归一化水体指数(NDWI)反演植被含水量;采用Water-Cloud Model(WCM)模型消除植被对Sentinel-1A后向散射系数产生的影响,将其转化为裸土区的后向散射系数;利用基于AIEM模型和Oh模型建立的经验模型反演研究区地表参数,并用OLI光学反演结果进行验证;最后比较了开采沉陷区内外土壤水分含量。研究表明:(1)与基于OLI的土壤水分监测指数(SMMI)的土壤水分含量反演结果相比,两种极化方式中VH极化反演的水分结果具有更好的一致性,且两种极化方式反演结果也表明荒漠化草原区比黄土丘陵沟壑区反演效果更好,说明地形对后向散射的影响不可忽略。(2)在2016年内72期数据中,VH极化反演结果对比区土壤水分含量大于沉陷区的有41期,所占比例为57%;VV极化反演结果对比区土壤水分含量大于沉陷区的有36期,所占比例为50%,且不同矿区内的沉陷区受到的影响不同。说明开采沉陷造成的地表粗糙度的增加会对地表土壤水分产生负面影响,但不同矿区之间又有差异。 相似文献
15.
参数不确定性是SAR反演土壤水分的重要不确定性来源,为控制土壤水分反演精度,提出一种基于参数不确定性的有效控制土壤水分反演精度的方法,使用该方法可以控制参数的误差范围。首先使用全局敏感性分析方法,确定后向影响散射系数输出的主要参数;在不同量级高斯噪声随机扰动下,将大量各参数采值输入AIEM模型中,得到带噪声的后向散射系数集合;再使用LUT法反演土壤水分,计算反演结果满足误差量级控制范围。以此为基础,利用ENVISAT ASAR双极化数据(VV、VH)和实测土壤水分数据进行验证,利用LUT法反演得到带噪声的土壤水分,计算ASAR影像中采样点土壤水分反演值RMSE0.04cm3/cm3。结果表明各影响参数误差量级控制范围可有效控制土壤水分反演精度,在较大的入射角范围内都适用。 相似文献
16.
Michael R. Helfert Kamlesh P. Lulla Victor S. Whitehead M. Justin Wilkinson Donald E. Williams Michael J.. McCulley 《国际地球制图》2013,28(3):65-79
Abstract Although high‐resolution microwave synthetic aperture radar (SAR) sensors possess all‐weather capability for mapping soil moisture from spaceborne platforms, continuous temporal and spatial monitoring of this important hydrological parameter has been relatively limited. However, the recent launch of operational SAR sensors aboard various satellites have made possible synoptic soil moisture monitoring a reality. Such systems operate over a wide range of frequencies, look angles, and polarization combinations, and thus show synergistic advantages when combined for estimating soil moisture patterns. Two soil moisture inversion algorithms have been developed using as inputs radar backscattering data at L, S, and C bands in the microwave frequency range. These models have been tested using radar image simulation with speckle added. It is observed that the neural network algorithm yields superior results in mapping actual soil moisture patterns over the linear statistical inversion technique, although both models show comparable errors in soil moisture estimation. We infer that using statistical estimation errors alone for comparison purposes may lead to erroneous conclusions regarding the advantages of one soil moisture inversion algorithm over another. 相似文献
17.
We propose a simple, spatially invariant and probabilistic year-round Empirical Standardized Soil Moisture Index (ESSMI) that is designed to classify soil moisture anomalies from harmonized multi-satellite surface data into categories of agricultural drought intensity. The ESSMI is computed by fitting a nonparametric empirical probability density function (ePDF) to historical time-series of soil moisture observations and then transforming it into a normal distribution with a mean of zero and standard deviation of one. Negative standard normal values indicate dry soil conditions, whereas positive values indicate wet soil conditions. Drought intensity is defined as the number of negative standard deviations between the observed soil moisture value and the respective normal climatological conditions. To evaluate the performance of the ESSMI, we fitted the ePDF to the Essential Climate Variable Soil Moisture (ECV SM) v02.0 data values collected in the period between January 1981 and December 2010 at South–Central America, and compared the root-mean-square-errors (RMSE) of residuals with those of beta and normal probability density functions (bPDF and nPDF, respectively). Goodness-of-fit results attained with time-series of ECV SM values averaged at monthly, seasonal, half-yearly and yearly timescales suggest that the ePDF provides triggers of agricultural drought onset and intensity that are more accurate and precise than the bPDF and nPDF. Furthermore, by accurately mapping the occurrence of major drought events over the last three decades, the ESSMI proved to be spatio-temporal consistent and the ECV SM data to provide a well calibrated and homogenized soil moisture climatology for the region. Maize, soybean and wheat crop yields in the region are highly correlated (r > 0.82) with cumulative ESSMI values computed during the months of critical crop growing, indicating that the nonparametric index of soil moisture anomalies can be used for agricultural drought assessment. 相似文献