共查询到17条相似文献，搜索用时 172 毫秒
1.
2.
综合主动和被动微波数据监测土壤水分变化 总被引：12，自引：1，他引：12
微波遥感测量土壤水分的方法主要分主动和被动两种，它们都是基于干燥土壤和水体之间介电常数的巨大差异。估算植被覆盖土壤表面土壤水分必须要考虑地表粗糙度和植被覆盖影响的问题。植被覆盖土壤表面的后向散射包括来自植被的体散射，来自地表的面散射和植被与地表间的交互作用散射项。本研究建立了一个半经验公式模型，用来计算体散射项，综合时间序列的主动和被动微波数据，消除植被覆盖的影响，估算地表土壤水分的变化状况。并应用1997年美国SGP‘97综合实验中的机载800m分辨辐射计ESTAR数据计算表面反射系数，综合Radarsat的SCAN-SAR数据得到体散射项，然后，由NOAA/AVHRR和TM计算得到的NDVI值加权分配50m分辨率的体散射项，最后计算50m分辨率的表面反射系数的变化值，从而得到土壤水分的变化情况，验证数据表明该计算结果与实测值一致。 相似文献
3.
融合升降轨的极化干涉SAR三层模型植被高度反演方法 总被引：2，自引：0，他引：2
森林参数的获取不仅可以估算地表生物量和林下地形,还有助于研究全球碳循环和分析全球气候变化。极化干涉SAR植被参数反演算法一般是基于随机地体两层模型(RVoG),但是当实际植被有着冠层、树干层和地表层的明显三层结构时,植被参数反演精度就会变差;另外,由于机载SAR系统数据的近距远距垂直向波数差异较大,导致试验结果存在着由其引起的系统误差。针对这两个问题,本文提出了一种融合升降轨的极化干涉SAR三层模型植被参数反演方法。该方法首先采用三层植被RVoG模型修正微波在穿透植被时的散射过程;然后采用融合升降轨道数据的方式削弱其系统误差;最后,采用非线性迭代平差的反演算法来进行植被高度反演。为了验证该方法的有效性,采用了德国宇航局DLR提供的BioSAR2008项目的两景升轨及两景降轨E-SAR P波段全极化SAR数据进行试验,并采用3组反演策略进行比较分析。结果表明,三层植被模型能够更好地描述植被散射过程;同时,新方法有效降低了由垂直向波数引起的系统误差,提高了树高反演精度。 相似文献
4.
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
5.
目标分解技术在植被覆盖条件下土壤水分计算中的应用 总被引：6，自引：0，他引：6
目标分解技术利用协方差距阵的特征值和特征矢量，将极化雷达后向散射测量值分解为单向散射，双向散射和交叉极化散射三个分量，并建立了植被覆盖地表的一阶物理离散散射模型。通过分解的各分量与该模型的比较，建立重轨极化雷达测量数据估算土壤水分的方法，采用Washita‘92实验区多时相全极化L波段JPL/AIRSAR图像雷达测量数据，利用分解的散射测量值，我们评估了在同一入射角，单频（L波段），多路条件下，分解理论在进行土壤水分估计时减少植被影响的能力。结果表明利用目标分解理论和重轨极化雷达数据可以估算植被覆盖区域土壤水分的变化情况。 相似文献
6.
7.
以北京市为研究区域,联合使用光学遥感数据和雷达数据,对植被覆盖区地表土壤水分进行反演研究。在利用同期光学数据提取出归一化水分指数(normalized differential water index,NDWI)之后,利用water-cloud模型去除植被层在土壤水分后向散射中的贡献,然后考虑到地表粗糙度,在构建后向散射数据库的基础上分别利用HH和HV极化方式的后向散射系数构建土壤水分反演模型,并对反演结果进行对比研究。结果表明,采用HH极化方式反演土壤水分的均方根误差为0.044,相对误差为15.5%;采用HV极化方式反演土壤水分的均方根误差为0.057,相对误差为20.3%;相比而言,HH极化的反演效果更好。 相似文献
8.
Envisat-1双极化雷达数据建模及应用 总被引：1，自引：0，他引：1
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人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。 相似文献
9.
在使用被动微波技术反演土壤水分的过程中,为去除植被的影响,通常采用适用于低频的τ-ω模型。为准确评估较高频率下植被的散射和衰减特性,以玉米为例,采用基于光线跟踪原理的双矩阵(Matrix-Doubling)微波辐射模型,研究不同高度的作物在C(6.925GHz)、X(10.65GHz)和Ku(18.7GHz)波段下的单散射反照率和传输率。模型模拟的亮度温度跟车载微波辐射仪的野外实测数据接近。为验证模拟的玉米自身微波辐射,在玉米地上铺设了一层铝箔屏蔽地表的辐射。通过给验证后的模型输入不同的参数,建立一个亮度温度数据库,以模拟自然状态下不同高度玉米的亮度温度。然后把模型模拟的结果,跟相同环境下τ-ω模型得到的结果按最小二乘法进行匹配,从而获得不同高度的玉米在C、X和Ku波段上等效的单散射反照率和传输率。 相似文献
10.
地基雷达的微波面散射模型对比与土壤水分反演 总被引：1，自引：1，他引：0
为了探究地基合成孔径雷达(c GBSAR)后向散射信号的时空变化规律和研究雷达土壤水分反演的影响因素,在内蒙古闪电河流域的昕元牧场站进行了地基雷达观测试验,本文结合以上观测试验的地基雷达数据进行波段、入射角度、极化通道3个雷达参数以及地表粗糙度参数对雷达的后向散射系数影响的分析,然后利用以上分析结果选择地表微波面散射模型,最后利用选定的地表微波面散射模型构建人工神经网络数据集来反演地表土壤水分。结果表明:(1)在地基雷达视场内,各地表微波面散射模型的模拟结果与地基雷达实测的L波段全极化数据拟合效果最佳的是AIEM-Oh模型。(2)通过对20°—60°范围内的雷达入射角度的AIEM-Oh模型后向散射系数模拟的绝对残差分析发现,雷达入射角为25°、41°和53°时模拟结果最接近雷达实测值。(3)最后通过分析土壤水分反演结果发现,当雷达入射角度为41°时的土壤水分反演精度最高,相关系数R是0.8080,RMSE是0.0385 m~3m~3。本文的结论是雷达后向散射信号受到雷达入射角度和地表粗糙度相互作用的影响,因此通过考虑地表粗糙度来合理的选取雷达入射角能够提高土壤水分的反演精度。 相似文献
11.
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
12.
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
13.
双矩阵MD(Matrix-Doubling)算法是辐射传输方程的一种数值解,考虑了植被层内的多次散射信号,具有较高的模拟精度。但受限于算法的复杂性,很难直接应用到地表参数的反演中。本文以玉米覆盖地表为研究对象,基于MD算法的模拟数据,发展了一种L波段多角度微波辐射参数化模型。基于模拟数据的对比结果表明,参数化模型具有与理论模型相当的精度,两者之间的发射率误差不超过0.004(V极化)和0.007(H极化)。同时,结合黑河流域的地面实测数据,利用本论文中发展的参数化模型模拟了纯玉米像元的辐射亮温。该模拟结果与相同像元尺度上机载L波段微波辐射计(PLMR)观测亮温之间的差异基本在10 K以内。 相似文献
14.
山区土壤含水量对山区植被生长监测、滑坡预测等工作具有重要意义,因此针对山地低矮植被区域,提出了全极化SAR图像的土壤含水量估计方法。为解决山地区域SAR图像几何形变和极化旋转问题,根据入射角、坡度、坡向信息定义了可测区域与不可测区域,并对可测区域后向散射系数进行校正。其次以密西根模型为基础,发展了低矮植被的散射模型。在假定植被和土壤特征不变的情况下,基于此散射模型并结合校正数据建立了山区土壤含水量反演方法。结果表明,模型反演的土壤含水量和实验点实测值基本一致,两个实验点反演值分别为14%和15%,实测值为11.45%和15.80%,能够满足一般应用的需求。 相似文献
15.
For the soil moisture retrieval from passive microwave sensors, such as ESA’s Soil Moisture and Ocean Salinity (SMOS) and the NASA Soil Moisture Active and Passive (SMAP) mission, a good knowledge about the vegetation characteristics is indispensable. Vegetation cover is a principal factor in the attenuation, scattering and absorption of the microwave emissions from the soil; and has a direct impact on the brightness temperature by way of its canopy emissions. Here, brightness temperatures were measured at three altitudes across the TERENO (Terrestrial Environmental Observatories) Rur catchment site in Germany to achieve a range of spatial resolutions using the airborne Polarimetric L-band Multibeam Radiometer 2 (PLMR2). The L-band Microwave Emission of the Biosphere (L-MEB) model which simulates microwave emissions from the soil–vegetation layer at L-band was used to retrieve surface soil moisture for all resolutions. A Monte Carlo approach was developed to simultaneously estimate soil moisture and the vegetation parameter b’ describing the relationship between the optical thickness τ and the Leaf Area Index (LAI). LAI was retrieved from multispectral RapidEye imagery and the plant specific vegetation parameter b′ was estimated from the lowest flight altitude data for crop, grass, coniferous forest, and deciduous forest. Mean values of b’ were found to be 0.18, 0.07, 0.26 and 0.23, respectively. By assigning the estimated b′ to higher flight altitude data sets, a high accuracy soil moisture retrieval was achieved with a Root Mean Square Difference (RMSD) of 0.035 m3 m−3 when compared to ground-based measurements. 相似文献
16.
Influence of surface and vegetation characteristics on C-band radar measurements for soil moisture content 总被引：1，自引：0，他引：1
Shakil Ahmad Romshoo Masahiro Koike Sadayukihir Onaka Taikan Oki Katumi Musiake 《Journal of the Indian Society of Remote Sensing》2002,30(4):229-244
Soil moisture estimation using microwave remote sensing faces challenges of the segregation of influences mainly from roughness and vegetation. Under static surface conditions, it was found that Radarsat C-band SAR shows reasonably good correlation and sensitivity with changing soil moisture. Dynamic surface and vegetation conditions are supposed to result in a substantial reduction in radar sensitivity to soil moisture. A C-band scatterometer system (5.2 GHz) with a multi-polarization and multi-angular configuration was used 12 times to sense the soil moisture over a tall vegetated grass field. A score of vegetation and soil parameters were recorded on every occasion of the experiment. Three radar backscattering models Viz., Integral Equation Model (IEM), an empirical model and a volume scattering model, have been used to predict the backscattering phenomena. The volume scattering model, using the Distorted Born Approximation, is found to predict the backscattering phenomena reasonably well. But the surface scattering models are expectedly found to be inadequate for the purpose. The temporal variation of soil moisture does show good empirical relationship with the observed radar backscattering. But as the vegetation biomass increases, the radar shows higher sensitivity to the vegetation parameters compared to surface characteristics. A sensitivity analysis of the volume scattering model for all the parameters also reveals that the radar is more sensitive to plant parameters under high biomass conditions, particularly vegetation water content, but the sensitivity to surface characteristics, particularly to soil moisture, is also appreciable. 相似文献
17.
地形引起的雷达辐射畸变及其校正 总被引：3，自引：3，他引：3
合成孔径雷达影像由于其侧视特点 ,存在着严重的地形引起的几何畸变及辐射畸变。辐射畸变不仅对 SAR辐射标定造成困难 ,而且严重影响了影像分类、土壤湿度信息提取、森林蓄积量信息提取等应用。本文将辐射畸变归结为面积效应和局部入射角效应 ,推导了散射面积归一化因子 ,以消除辐射畸变的面积效应。提出了一种以局部入射角的线性函数表达的后向散射模型 ,在此基础上 ,给出了消除局部入射角效应的校正函数。最后 ,以RADARSAT SAR影像进行地形辐射畸变校正的试验与分析 相似文献