共查询到20条相似文献，搜索用时 109 毫秒
1.
合成孔径雷达反演裸露地表土壤水分的新方法 总被引：4，自引：0，他引：4
提出了一种新的合成孔径雷达(SAR)反演裸露地表土壤水分的经验模型,该模型同时考虑了均方根高度S和相关长度L的影响,并将两个粗糙度参数合二为一,然后利用VV和VH极化的后向散射系数即可反演得到土壤水分。通过实测数据对模型进行了验证,发现在θ020°时,模型反演值与模拟值有着良好的相关关系(R2=0.71)。该模型在不需要测量地面粗糙度的情况下可以反演得到比较好的土壤水分精度,尤其适用于地表情况复杂、难以精确测量的地区。 相似文献
2.
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
3.
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
4.
5.
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
6.
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
7.
为了更好地进行土壤水分反演,发展了一种基于ALOS/PALSAR数据、利用自适应神经模糊推理系统(adaptive neuro fuzzy inference system,ANFIS)反演土壤水分的方法.首先,根据研究区实际情况,利用AIEM和Oh模型模拟了试验区裸土区的后向散射特性,建立了后向散射系数与地表粗糙度之间的关系;然后,考虑到研究区地表粗糙度几乎没有变化这一情况,设定了地表粗糙度对后向散射系数的影响为常量;在此基础上,分别利用ANFIS,BP神经网络、多元线性回归和多元非线性回归方法构建了裸土区土壤水分的反演模型,并利用野外实测数据对模型进行了验证.研究结果表明,采用ANFIS方法构建的模型反演精度最高,其均方根误差为0.030,相对误差为14.5％.因此,可以利用ANFIS方法反演裸土区的土壤水分含量,其反演结果具有较高的精度. 相似文献
8.
在利用微波辐射计进行对地观测的过程中，陆地表面特性参数（如土壤水分、土壤粗糙度和植被冠层）是土壤微波辐射的重要影响因素。地表粗糙度的标定对于利用微波辐射计数据反演地表参数而言是十分重要的工作。地表粗糙度参数（h和Q）随着观测频率而变化。通常的标定方法是，假设h的空间分布是变化的，Q在全球均一地分布，则在沙漠地区首先采取h=0的近似，再对Q进行标定。但是事实上，h和Q在全球的分布都是变化着的，这与地面环境状况有关。以AMSR—E数据为例，在对MPD1分析的基础上，推导给出了简单的、基于理论模型的参数厂。厂可以直接由观测亮温值计算得到，它是一个与土壤水分无关，仅与植被层含水量7．0，和土壤粗糙度σ有关的参量，因此它可以用于地表粗糙度的标定和对植被层含水量、植被生长／变化的估计。本文选择干旱季节里的北非地区，在没有对h采取任何假设的前提下，利用参数厂实现了对地表粗糙度参数h和σ的标定，并与原有标定方法的结果做了比较分析。 相似文献
9.
基于玉米冠层结构参数实测数据和Matrix-Doubling(MD)模型构建了玉米出苗期至抽穗期的冠层多波段、双极化微波辐射特性模拟数据库;通过对模拟数据的回归分析得到了玉米冠层在各波段的微波发射率及其与透过率之间的经验关系,并将经验关系应用于0阶微波辐射传输模型;结合土壤发射率模型构建了玉米冠层覆盖地表的微波辐射亮温参数化计算模型,并基于该参数化模型、利用玉米样地微波亮温观测试验数据,采用迭代方法进行了玉米叶面积指数(LAI)的反演.研究表明,LAI反演值与实测值的相关系数r＞0.9,说明多波段被动微波遥感数据在植被冠层LAI反演方面具有较大的应用潜力. 相似文献
10.
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
11.
土壤水分是气象预报、农情监测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。本文分析被动微波遥感反演土壤水分的国内外研究现状,在前人相关理论与方法的研究基础之上,基于土壤的微波辐射特性,通过双波段(C、Ku)微波辐射计对不同水分、不同表面粗糙度的土壤微波辐射特性进行了试验研究,分析土壤湿度与微波发射率、土壤粗糙度与微波遥感指数之间的定量关系,并建立了土壤湿度与微波发射率、粗糙度与微波遥感指数间的经验模型。 相似文献
12.
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
13.
地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。 相似文献
14.
基于ERS散射计数据的土壤水分反演方法 总被引：1，自引：0，他引：1
在全球能量与水循环研究中,地表土壤水分是非常关键的参数之一。ERS散射计因具有观测尺度大、重复周期短等优势而在地表土壤水分监测方面日益受到关注。采用目前最先进的理论模型AIEM(改进的积分方程模型),根据ERS散射计的参数设计模拟出一个涵盖较宽地表粗糙度和介电常数输入范围的数据库,利用这个数据库发展出一个参数化模型。该模型采用了一个综合均方根高度(RMS height)与相关长度(Correlation length)的粗糙度参数,该参数在每个入射角度下都可以用同一个函数来描述,解决了多角度数据情况下粗糙度参数的表达问题。应用新发展的参数化模型进行土壤水分的反演结果表明,该模型具有较高的精度。 相似文献
15.
针对土壤水分反演经验模型使用范围受限、而理论模型相对复杂的问题,该文利用积分方程模型及经验相关长度定标模型,分析均方根高度、地表相关长度、土壤体积含水量对雷达后向散射系数组合的影响;结合RADARSAT-2全极化C波段雷达数据和野外实测数据,构建研究区均方根高度反演模型;将该模型与Dubois模型、介电模型进行结合以反演表层土壤含水量,并对反演值进行线性校正,最终实现裸土区表层土壤水分反演。实验结果表明,HH、VV极化下土壤水分实测值与反演值绝对误差在0.06内的点数分别达到总点数的78%和68%,证明该方法具有一定的可靠性和实用性,可为地表均方根高度、土壤水分反演提供方法和借鉴。 相似文献
16.
使用高级积分方程模型,模拟多个地表参数条件下的风云三号B星微波成像仪(FY-3B/MWRI)资料。基于模拟数据,分析地表微波辐射特性,利用粗糙地表发射率Qp模型,建立我国西部地区裸露地表土壤湿度反演模型。将该模型用于我国西部地区4个日期(2011年10月8日、10月18日、10月28日和11月8日)的土壤湿度反演,并将反演结果用实测数据进行交叉验证。结果表明:反演土壤湿度与实测土壤湿度的决策系数R2为0.604,均方根误差为0.030 5 cm3/cm3,反演模型具有较高的反演精度。 相似文献
17.
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
18.
表面粗糙度是影响土壤在微波波段发射和散射辐射的主要因素之一,也是微波遥感研究与应用的重要参量。由于微波后向散射还受介电特性、穿透深度等因素的影响,在微波遥感应用中往往难以单独考虑介质表面粗糙度,给参数估算与反演带来了一定困难。在可见光、近红外波段,粗糙度作为土壤表面重要的结构参数之一,直接影响着土壤的二向反射分布特征。因此,本文尝试利用光学多角度观测信息,反演土壤表面粗糙度。基于地表二向反射几何光学模型,假设裸土像元由随机分布于平坦表面的土壤团粒组成,将团粒近似为半椭球体,建立裸露土壤表面二向反射模型,模拟不同粗糙度条件下土壤表面像元的二向反射分布特征。进一步尝试采用多角度观测数据反演模型,估算土壤团粒的几何结构参数,进而计算土壤表面均方根高度,作为表面粗糙度的衡量指标。地面实测多角度数据的初步验证结果表明,多角度光学遥感估算土壤表面粗糙度的方法是可行的。 相似文献
19.
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
20.
用被动微波AMSR数据反演地表温度及发射率的方法研究 总被引：8，自引：1，他引：8
针对对地观测卫星多传感器的特点，提出了借助MODIS地表温度产品从被动微波数据中反演地表温度的方法。即利用MODIS地表温度产品和AMSR不同通道之间的亮度温度，建立地表温度的反演方程。该方法克服了以往需要测量同步数据的困难，为不同传感器之间的参数反演相互校正和综合利用多传感器的数据提供实际应用和理论依据。文中以MODIS地表温度产品作为评价标准，对方法进行检验，其平均误差为2~3℃。另外，微波的发射率是土壤水分反演的关键参数，在对微波地表温度反演的基础上，进一步对发射率进行了研究。 相似文献