共查询到17条相似文献，搜索用时 184 毫秒
1.
中国西北半干旱区降水稀少、蒸散强烈,土壤水分作为重要的生态因子,影响着土壤-大气界面的能量平衡。支持向量回归模型具有估算精度高、可处理非线性问题、泛化能力强等优点,近年来被应用于土壤水分反演研究中,但已有模型极少考虑地表粗糙度因素的影响,导致反演精度受到一定限制。因此,本文以内蒙古乌审旗为研究区,采用水云模型去除地表稀疏植被覆盖的影响,提取全极化Radarsat-2 SAR影像裸土后向散射系数（ ）,并利用AIEM模型和Oh模型建立后向散射系数数据库,采用LUT法模拟地表有效粗糙度参数,构建基于支持向量回归的土壤水分反演模型,并系统地对比分析了不同极化方式的后向散射系数作为数据源的土壤水分反演结果。研究结果表明：不考虑粗糙度参数的单数据源作为模型参数时,同极化数据反演结果比交叉极化具有更高的反演精度;当模型参数为考虑粗糙度的多源数据时,不同极化数据的反演精度均有所提高,其中数据源为 和粗糙度参数时,反演结果最好（R 2=0.917,MAE=3.980%,RMSE=5.187%）。研究结果可为旱区稀疏植被覆盖地表土壤水分的遥感监测提供技术支持。 相似文献
2.
基于我国首颗全极化雷达卫星高分三号（GF-3）和Landsat8数据,研究浓密植被覆盖地表土壤水分反演方法。为了提高浓密植被覆盖地表土壤水分反演精度,首先利用PROSAIL模型、实测植被参数及Landsat8光学数据分析了8种植被指数与植被冠层含水量的相关性,从中优选出归一化差异水指数（NDWI5）用于反演植被冠层含水量,并通过分析植被含水量和植被冠层含水量的关系,构建植被含水量模型;然后结合植被含水量反演模型和简化MIMICS模型校正了植被对雷达后向散射系数的影响,最后基于AIEM建立裸土后向散射系数模拟数据集,发展一种主动微波和光学数据协同反演浓密植被覆盖地表土壤水分模型,并以山东省禹城市为研究区,实现了玉米覆盖下HH、VV和HH+VV 3种模式土壤水分反演。实验结果表明： ① NDWI5为最佳植被指数,对于去除植被影响有较好效果;② 基于此方法,利用GF-3和Landsat8卫星数据反演得到的土壤水分具有较高的精度;③ 相比HH和VV两种极化模式,HH+VV双通道模式对土壤水分反演结果更好,决定系数（R2）为0.4037,均方根误差（RMSE）为0.0667 m 3m -3。 相似文献
3.
大气二氧化碳是开展全球气候变化和碳循环研究的关键数据。卫星遥感技术与模式模拟相结合的反演方法已成为获取该数据的重要手段,但模式输入参数本身的误差会对大气二氧化碳反演精度产生影响,须在反演算法设计中加以关注。本文利用RTTOV10快速辐射传输模式模拟Aqua/AIRS红外探测仪17个大气二氧化碳反演通道,计算了这些通道上大气顶出射辐射对温度廓线、臭氧廓线、水汽廓线、地表温度和地表发射率的参数误差的不确定性,并与二氧化碳增加0.5%时造成的不确定性进行对比,分析二氧化碳对上述参数误差的敏感性。结果表明,温度廓线误差是干扰AIRS大气二氧化碳反演的主要因素,其次是臭氧廓线误差,而水汽廓线、地表温度和地表发射率的误差对二氧化碳反演的影响在除去个别通道后可忽略不计。最后,本文以通道为单位,确定了各通道上的高敏感参数、敏感参数和不敏感参数,为二氧化碳反演通道的选择和反演算法的设计提供了参考。 相似文献
4.
地表组分温度比像元混合温度具有更强的物理意义和实用价值,是定量遥感反演的一个重要研究方向。本文以马尔可夫链和最大后验准则地表温度尺度转换方法,结合静止气象卫星数据高时间分辨率的特点,通过模拟静止气象卫星数据地表组分温度反演进行分析和验证。在研究过程中,地面被简化为由植被和土壤两组分组成,同时假设邻近像元的植被和土壤组分温度相同。鉴此,本文通过模拟构建20×20像元大小的静止气象卫星混合像元图像,并对各像元各时刻温度添加均值为0标准差为2K的随机误差,最终应用所提算法估算各像元各时刻的植被和土壤组分温度大小。精度分析结果表明,该算法能够较为精确地反演植被和土壤组分温度,且误差基本控制在2K以内。此外,本文还进一步讨论了算法的适用性及其对混合像元温度误差、植被覆盖度误差,以及邻近像元植被覆盖度变化范围的敏感度。分析结果再次证明,该方法对混合像元温度误差和植被覆盖度误差都具有较低的敏感性,在最大温度误差条件(均值为1.8K,标准差为5K)和最大植被覆盖度误差(均值为0.18,标准差为0.2)的条件下,各组分温度的估算精度分别能控制在3K和2K以内,满足精度要求。但是,由于组分温度初值的确定方法,对所计算窗口内植被覆盖度变化范围有较强的敏感性,反演结果与植被覆盖度变化范围相关,要求窗口内植被覆盖度变化范围足够大才能满足初值估算的精度要求。 相似文献
5.
微波与光学遥感协同反演旱区地表土壤水分研究 总被引：1，自引：0，他引：1
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
6.
农田表面粗糙度参数的测量与精度分析 总被引：2，自引：0，他引：2
表面粗糙度是有效解释雷达后向散射系数和微波辐射亮度温度的关键参数之一。表面粗糙度参数的测量精度受到测量方法、测量仪器、数据预处理等的影响,如何获取到表面粗糙度的"真"值是地表粗糙度测量急需解决的问题,并且有助于提高利用微波遥感技术反演地表参数的能力。本文利用激光扫描仪的二维高度数据和蒙特卡罗方法模拟的一维表面高度数据,分析了重复采样次数、采样间隔、采样剖面长度、空间自相关函数类型和大尺度结构(数据倾斜和农田垄行结构)对表面粗糙度精度的影响,研究表明:在大于20次重复采样、小于10mm的采样间隔、200倍相关长度的剖面长度的条件下,农田表面粗糙度参数的测量精度约为80%;分形相关函数与实测农田表面的空间自相关系数的吻合性要高于高斯函数和指数函数;数据倾斜和农田垄行结构严重影响表面粗糙度参数的结果,在进行表面粗糙度参数的计算之前,需从剖面高度分布数据中去除以上两个因素的影响。 相似文献
7.
提出一种矿山地表时序三维多量级形变重建方法。首先利用单轨道OT和DInSAR技术提取LOS向非连续的多量级形变;再结合形变先验融合模型和概率积分法构建矿山三维多量级形变重建模型;最后以神东大柳塔矿山52303工作面为研究对象,对覆盖研究区的6对高分辨率TerraSAR-X数据进行时序处理,获取长时间序列的矿山地表三维多量级形变监测结果。与水准测量结果对比发现,该方法与水准测量结果形变趋势一致,垂直向、东西向和南北向的均方根误差（RMSE）分别小于0.188 0 m、0.224 3 m和0.207 4 m。该方法不仅能准确测量矿山地表三维多量级形变,还能精细反演矿山地表沉降漏斗边缘到中心的形变特征。 相似文献
8.
基于动力学方法比较分析了双精度与四精度模式下重力场模型的解算精度,主要包括缔合勒让德函数计算、数值积分器及重力场反演结果。结果显示,在勒让德函数计算方面,部分角度在双精度模式下计算至1 900阶以后会出现溢出问题,而在四精度模式下任何角度都满足精度要求,并且计算结果比双精度模式高8个量级。数值积分器Adams预测校正法积分1 d的位置和速度误差,在四精度模式下比在双精度模式下高4个量级。在精密轨道反演重力场计算方面,动力学方法在双精度及四精度模式下反演结果一致,统计其计算至60阶的累计大地水准面误差为1.29×10~(-5 )m,这是因为动力学方法的线性误差相对计算误差而言是主要误差;非线性动力学方法在四精度模式下比在双精度模式下高7个量级,其大地水准面误差分别为8.92×10~(-15) m和8.16×10~(-8) m。 相似文献
9.
利用贝叶斯三角帽法将多个GRACE/GRACE-FO重构模型进行融合,提升基于深度学习的地表质量变化重构模型的精度,为高精度填补及重构GRACE/GRACE-FO数据提供参考。实验表明,组合模型估算的全球陆地水储量变化的不确定性最低,其结果在多数流域与参考模型的一致性更佳;较最优的重构模型,组合模型全球及流域的不确定性降低约15%,纳什效率系数(NSE)提升约5%,尤其在半干旱、半湿润及湿润区域,其精度提升更明显。 相似文献
10.
机载LiDAR点云是获取高质量数字高程模型（Digital Elevation Model, DEM）的主要数据源，而地表粗糙度作为DEM的主要派生产品，在地学研究中发挥了重要作用，但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论。为此，本文利用不同地形条件下的林区机载LiDAR点云为实验对象，将原始点云随机缩减为不同的采样密度，利用5种常用插值方法（克里金（Ordinary Kriging, OK），径向基函数（Radial Basis Function, RBF），不规则三角网（Triangulated Irregular Network, TIN），自然邻域（Natural Neighbor, NN）和反距离加权（Inverse Distance Weighting, IDW））构建各个测区不同采样密度条件下的DEM，并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析。结果表明：① DEM插值算法的精度随点云密度缩减而降低，且数据量缩减至原始数据量的30%后，不同算法精度区别较为明显，其中，RBF和OK精度最优，IDW精度最低；② DEM误差与地表粗糙度存在正相关，随数据密度降低，OK、RBF、IDW所得粗糙度与DEM误差的相关系数均降低，与TIN和NN的相关系数先降低后在30%处升高；③ 从插值生成的DEM中提取地表粗糙度，其误差随数据密度缩减而增大，其中IDW所得粗糙度的精度在密度为90%和70%时最高，而数据密度缩减至50%后，RBF能够更准确地捕捉到地形变化。 相似文献
11.
土壤水分是连接地表水循环和能量循环的关键参量,精确获取该参量对于理解气候变化、地表水文过程、地气间能量交换机理等具有重要意义。微波遥感由于其较为合适的探测深度和坚实的理论基础在观测地表浅层土壤水分上具有很大优势,结合反演方法可以获取空间连续的土壤水分含量,有助于更加客观认知土壤水分的时空演变机理。随着微波遥感数据的不断丰富,多种微波遥感土壤水分反演方法相继涌现,为了更好地了解其发展和趋势,本文总结了当前土壤水分微波反演常用的卫星遥感数据并分析其发展趋势,后从主动微波反演、被动微波反演和多源协同反演3个方面梳理了各类土壤水分微波反演方法的原理、发展和优缺点,最终总结出目前微波遥感土壤水分反演方法的发展趋势：即土壤水分微波反演方法的时空普适性逐渐增强、面向高时空分辨率的土壤水分微波协同反演方法快速发展以及土壤水分微波反演方法的智能化水平不断提高。 相似文献
12.
S波段雷达数据反演土壤水分的模拟分析和验证 总被引：1，自引：0，他引：1
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。 相似文献
13.
土壤水分是陆面生态系统和能量循环的核心变量之一,利用微波遥感技术获得的土壤水分产品的时间分辨率一般是2-3 d,因此精确地获得具有较高时间分辨率的土壤水分成了人们关注的焦点。本文尝试将SMAP (the Soil Moisture Passive and Active）土壤水分和MODIS光学数据相结合,利用广义回归神经网络进行全球36 km土壤水分的估算,提升SMAP土壤水分的时间分辨率。结果显示,广义回归神经网络估算土壤水分与SMAP保持了高相关性(r = 0.7528),但其却保留了较高的误差 (rmse = 0.0914 m3/m3)。尽管如此,估算的土壤水分能够很好地保持SMAP土壤水分的整体空间变化,并且提升了土壤水分的时间分辨率（1 d）。此处,本文研究了SMAP土壤水分与MODIS光学数据之间的关系,这对今后利用机器学习进行SMAP土壤水分降尺度研究提供了重要的参考价值。 相似文献
14.
侧重散射机理研究,以GPS相关函数和相关功率模型为基础,主要通过对双站雷达散射截面计算模型进行修改,得到裸土的GPS散射信号模型。其中裸土的双站圆极化雷达散射截面采用双站随机粗糙面散射模型计算得到,利用极化合成的方法使模型具备全极化计算功能。通过修改后的模型,模拟分析不同极化下裸土参数（土壤水分和地表粗糙度）对延迟多普勒图DDM（delay Doppler map）的影响。该理论模型研究有助于机载/星载GNSS-R接收机数据解释、GNSS-R实验设计以及后向反演算法的开发。同时,延迟多普勒图模型的研究结果也为GNSS+R土壤水分遥感研究提供了一定的理论依据。 相似文献
15.
提出一种GPS/BDS双系统组合的土壤湿度多星线性回归反演模型,并以GNSS接收机实测数据为例,对比分析不同GPS和BDS卫星组合反演土壤湿度的效果。实验表明：1)GPS和BDS双系统组合相对于单系统在短观测时间内可以提高有效卫星数,通过多元线性回归原理可实现双系统多卫星的有效融合,提高土壤湿度反演的精度;2)当GPS和BDS组合卫星数达到6颗以上时,反演效果趋于稳定,反演结果与土壤湿度的相关系数均优于0.90,RMSE相对于单星至少提高25.8%。 相似文献
16.
单天中卫星低高度角状态持续时间较短，导致基于单颗GPS卫星多路径信噪比SNR的土壤湿度反演时间分辨率较低。为保证土壤湿度反演结果的可靠性和准确性，同时改善土壤湿度反演的时间分辨率，顾及信噪比有效高度角区间，提出一种基于多GPS卫星组合的GPS-MR高时间分辨率土壤湿度反演方法。实验结果表明，多卫星延迟相位组合能较好地表征土壤湿度变化趋势，二者相关系数优于0.92；土壤湿度反演时间分辨率由1 d提升为2 h。 相似文献
17.
The most promising approach for studying soil moisture is the assimilation of observation data and computational modeling.However,there is much uncertainty in the assimilation process,which affects the assimilation results.This research developed a one-dimensional soil moisture assimilation scheme based on the Ensemble Kalman Filter(EnKF)and Genetic Algorithm(GA).A two-dimensional hydrologic model-Distributed Hydrology-Soil-Vegetation Model(DHSVM)was coupled with a semi-empirical backscattering model(Oh).The Advanced Synthetic Apertture Radar(ASAR)data were assimilated with this coupled model and the field observation data were used to validate this scheme in the soil moisture assimilation experiment.In order to improve the assimilation results,a cost function was set up based on the distance between the simulated backscattering coefficient from the coupled model and the observed backscattering coefficient from ASAR.The EnKF and GA were used to re-initialize and re-parameterize the simulation process,respectively.The assimilation results were compared with the free-run simulations from hydrologic model and the field observation data.The results obtained indicate that this assimilation scheme is practical and it can improve the accuracy of soil moisture estimation significantly. 相似文献