共查询到17条相似文献，搜索用时 140 毫秒
1.
基于双时相ASAR影像的土壤湿度反演研究 总被引：2，自引：1，他引：1
地表粗糙度和湿度是影响裸地后向散射系数的重要因素,为了探求ENVISAT-ASAR 数据监测土壤湿度在国内的应用,该文以ASAR影像数据为基础,利用ZSribi-Dechambre(2002)经验模型研究了中国科学院南皮农业生态试验站附近一裸地的表面粗糙度和地表湿度.对雷达入射角进行归一化处理使之满足模型需求,反演结果表明该区地表粗糙度主要分布0.05～0.50 cm之间,土壤体积含水率大多分布存10%～34%之间,局部区域由于一些积水沟渠,使得土壤体积含水率较高,这与调查的实际情况相符合.反演的土壤湿度用地面实测值验证,结果发现模拟值和实测值具有较好的一致性,其RMSE误差为3.7%.该文介绍了在没有地表先验知识的情况下,利用扣除掉土壤粗糙度影响的后向散射反演模型获取土壤湿度的方法.该法仅需要两景相邻近时相并且不同入射角的HH同极化雷达影像,根据其后向散射系数的差值△"'即σ°可估算出粗糙度和土壤湿度参数,从而方便快捷地监测局部区域的土壤湿度状况. 相似文献
2.
为了更好地监测地表土壤湿度,利用多极化、多角度ASAR-APP影像数据,研究了裸露和小麦地表土壤湿度反演方法。对裸露地表,基于AIEM（advance integral equation model）模型,建立多项式半经验模型反演土壤湿度;对小麦地表,小入射角HH极化ASAR数据与土壤湿度相关性更好,大入射角HH极化ASAR数据与小麦含水率相关性更好。基于水云模型,首先利用大入射角HH极化ASAR数据去除小麦冠层对雷达后向散射的影响,然后利用多角度ASAR数据推导建立小麦地表土壤湿度反演半经验模型;实测数据验证了裸露和小麦地表土壤湿度反演模型的适用性,利用验证数据反演裸露和小麦地表土壤湿度精度（RMSE）分别为3.55%、3.81%。结果表明,该文半经验模型具有较高的反演精度。 相似文献
3.
土壤含水率是农业、环境、气象等领域进行建模的重要参数。该研究将微波遥感与光学遥感相结合,利用Sentinel-1数据交叉极化比及变换土壤调节植被指数对地表粗糙度进行估计,构建了一种改进的水云模型(modifiedwatercloud model, MWCM)。分析将NDVI、NDWI和NDWI1725,2200等植被指数作为植被冠层含水率时,水云模型(water cloud model,WCM)及MWCM农田地表土壤含水率的反演精度。结果表明:从总体精度上来看,MWCM的反演精度优于WCM。在不同植被覆盖度情况下:当植被覆盖度为中、低程度(NDVI0.5),MWCM具有较高的反演精度;在较高的植被覆盖度情况下(NDVI≥0.5),WCM与MWCM的反演精度较为接近。MWCM可有效的建立微波后向散射系数与地表土壤水分的关系,提高土壤含水率反演精度,为各种地表覆盖类型的土壤含水率反演提供研究思路及理论支持。 相似文献
4.
盐渍化土壤水分微波雷达反演与验证 总被引：2，自引：1，他引：1
土壤介电常数是微波遥感进行土壤含水率测量的物理基础,尤其介电常数实部是必须解决的问题,土壤介电特性的研究显得尤为重要。该文目的是试验与评价C波段RADARSAT-2 SAR(synthetic aperture radar)数据模拟土壤介电特性,进而反演土壤水分的性能。以受盐渍化影响较严重的内蒙古河套灌区解放闸灌域为试验区,首先回归分析了介电常数实部与SAR四极化后向散射系数、地表粗糙度的复杂关系,并与Oh经验模型对照,其决定系数R2为0.859 7,模拟精度较高;然后验证常用的2个介电常数模型,Dobson半经验模型、Hallikainen简化实部经验模型模拟的介电常数实部与实测值的决定系数R~2分别为0.935 9、0.869,表明2个模型均能模拟地表土壤水分与介电常数实部的密切关系;最后构建了Dobson模型、Hallikainen简化实部模型反演土壤含水率的模型,并与统计回归模型比照,其模拟数值与土壤实测值的决定系数R2分别为0.803 8、0.737 4、0.842 1,均方根误差RMSE分别为5.2%、5.7%、5%。Dobson模型与统计回归模型反演结果与实地土壤墒情分布较为吻合,具有良好的精度和适用性,从而建立了一个较为完整的土壤介电特性研究体系,为微波遥感监测土壤水分奠定了基础。 相似文献
5.
基于ASAR的冬小麦不同生育期土壤湿度反演 总被引：4，自引：4，他引：0
基于ASAR高级合成孔径雷达ASAR数据和地面调查数据,结合MIMICS模型分析方法,研究ASAR后向散射数据与土壤湿度及冬小麦结构参数之间的关系,构建冬小麦不同生育期土壤湿度反演模型。研究结果表明：冬小麦冠层散射影响ASAR信号探测土壤湿度的深度,冬小麦生长初期（起身期前）ASAR信号探测土壤湿度的最佳深度为0～20 cm,拔节期后ASAR信号探测土壤湿度的最佳深度为0～5 cm。冬小麦抽穗期前,ASAR IS2 VV模式后向散射系数与土壤湿度线性相关性较高,可以利用经验统计模型方法反演土壤湿度;冬小麦生长旺盛期（抽穗期）,经验模型土壤湿度反演精度较差,多角度ASAR数据模型能够提高土壤湿度反演精度。利用该土壤湿度反演模型,起身期、拔节期和抽穗期土壤湿度反演的均方根误差分别为0.0125、0.0247和0.0298 g/g。 相似文献
6.
基于Sentinel-1双极化雷达影像的土壤含盐量反演 总被引：2，自引：1，他引：1
该文以松嫩平原土地盐碱化区域-大庆市为研究区,Sentinel-1双极化雷达影像为数据源,结合研究区土壤采样的全盐含量测量值,反演研究区表层土壤含盐量。首先,在研究区进行土壤采样,并在实验室化验土壤样品的全盐含量,利用S1TBX软件对雷达影像进行噪声处理、辐射校正、几何校正;然后通过分析雷达影像不同极化组合的后向散射系数与土壤含盐量之间的关系,确定最优的极化组合方式;最后,利用回归分析的方法建立土壤含盐量的反演模型并进行精度评价。研究结果显示:(VV~2+VH~2)/(VV~2-VH~2)极化组合的后向散射系数可以较好的分离不同含盐量的土壤,建立起来的反演模型,决定系数R~2达到0.872,均方根误差RMSE为0.988。该研究可以满足大区域土地盐碱化监测的需要,并为Sentinel-1雷达数据在土壤成分提取等方面研究提供了参考。 相似文献
7.
双极化雷达反演裸露地表土壤水分 总被引：3，自引：2，他引：1
为了快速高效地获取大面积地表土壤水分,本文提出一种适用于双极化SAR(synthetic aperture rader)的裸露地表土壤水分反演经验模型。首先通过AIEM(advanced integral equation model)模型数值模拟和回归分析,提出一种新的粗糙度参数,将2个传统的粗糙度参数简化为1个参数;然后模拟地表土壤水分与雷达后向散射系数的关系,从而建立裸露地表的经验散射模型,模型的未知参数仅为粗糙度参数和土壤体积含水量,通过双极化的雷达数据即可实现土壤水分的反演。通过2008年甘肃张掖黑河流域实测数据对模型进行了初步验证,发现在入射角大于25°时,模型反演值与实测值有着良好的相关关系(相关系数为0.745)。该模型仅需双极化的雷达数据就能实现土壤水分的反演,无需测量地面粗糙度,尤其适用于大面积干旱区域的地表土壤水分的获取。 相似文献
8.
基于L波段的裸土区土壤水分微波遥感反演研究 总被引：1，自引：2，他引：1
以北京市大兴区为研究区,探讨利用ALOS/PALSAR数据反演裸土土壤水分的方法。由于PALSAR的后向散射系数主要与土壤水分及地表粗糙度有关,本研究使用AIEM理论模型计算地表的同极化后向散射系数,Oh半经验模型计算交叉极化的后向散射系数;由分析可知,同极化与交叉极化的差异不随土壤水分的变化而变化,仅随地表粗糙度的增加而减少,为此可建立后向散射系数与粗糙度之间的函数关系。本文利用BP神经网络算法反演研究区的裸土土壤水分含量,并利用实测数据对反演结果进行验证,结果表明估测裸土土壤水分含量误差为0.035 m3/m3,相对误差为13.9%。因此,可以利用L波段主动微波遥感反演裸土土壤水分含量,且具有较高的精度。本研究成果可为农业灌溉、灾害监测、环境评估等提供信息支持,具有重要的现实意义与应用价值。 相似文献
9.
遥感监测土壤含水率模型及精度分析 总被引：4，自引：4，他引：4
土壤含水率是决定农作物产量的最重要的因素之一.该文通过对2003年10月到2005年3月宝鸡峡二支渠灌区的土壤含水率进行实地调查,并对TM5和TM7波段数据进行归一化处理,再与参考点归一化土壤湿度指数求差后,建立遥感影像对土壤含水率的监测模型.并以2005年6月28日遥感影像为例,用建立的模型对土壤含水率进行定量反演.结果表明,反演精度可达80%以上,反演效果最好的土壤深度是0～40 cm.应用此归一化土壤湿度指数模型监测土壤含水率,可以满足灌区大范围宏观监测要求. 相似文献
10.
《土壤通报》2020,(3):511-520
针对宁夏银北地区土壤盐碱化定量监测的需要,利用实测土壤高光谱和Landsat 8 OLI多光谱影像数据采用多项式、多元线性回归等方法进行土壤含盐量和pH值反演研究,并对影像光谱反演模型进行校正,以提高遥感定量反演精度。结果表明:(1)基于实测光谱的土壤含盐量反演精度均高于基于OLI影像反演精度;基于实测光谱敏感波段反射率反演精度高于实测盐分指数反演精度,其中实测光谱经平滑后敏感波段建立的模型效果最佳(R~2=0.695)。(2)基于实测光谱平滑后敏感波段建立的pH值反演模型精度最高且最稳定(R~2=0.545),基于OLI影像光谱反演精度低于实测光谱,但也通过了显著性检验和精度验证。(3)经实测光谱模型校正后的Landsat 8 OLI影像光谱的土壤含盐量反演模型R~2从0.347提高到0.623。研究结果可以为准确、快速地定量监测当地土壤盐分含量、pH值的变化提供科学依据和技术手段。 相似文献
11.
PROSAIL模型和水云模型耦合反演农田土壤水分 总被引：4，自引：3，他引：1
土壤水分的实时、动态监测对农业生产及作物估产有着非常重要的意义。该文提出一种光学和雷达遥感半经验耦合模型,该模型通过引入植被覆盖度将作物覆盖下的散射贡献与裸露地表的直接散射贡献区分开,结合水云模型和PROSAIL模型对农田区域土壤水分进行反演研究。结果表明：该耦合模型模拟得到的后向散射系数与实测值之间具有较好的线性关系,在HH和VV极化下决定系数R2分别为0.792和0.723,RMSE分别为0.600和0.837 dB。同时该模型对农田区域土壤水分的反演精度也较高,其R2为0.809,RMSE为0.043 cm3/cm3。因此该模型可以有效分离农田作物及裸露土壤对雷达信号的影响,准确建立地表直接后向散射贡献与土壤水分的关系,为大面积复杂地表类型覆盖区域的土壤水分反演提供研究思路和理论支持。 相似文献
12.
利用多时相Sentinel-1 SAR数据反演农田地表土壤水分 总被引：12，自引：5，他引：7
土壤水分是陆面生态系统水分和能量循环的重要变量,在农田干旱监测、作物长势监测和作物估产等应用研究中具有重要的作用。该文结合基于变化检测的Alpha近似模型,利用Sentinel-1卫星获取的多时相C波段合成孔径雷达(synthetic aperture radar,SAR)数据,实现了农田地表土壤水分的反演。该文首先利用微波辐射传输模型验证了Alpha近似模型在土壤水分反演中的合理性。研究发现,对于土壤散射占主导的区域,Alpha近似模型对辐射传输模型有较好的近似,能够有效地消除地表粗糙度和植被对雷达后向散射系数的影响。在此基础上,结合怀来研究区多时相Sentinel-1 SAR数据,利用Alpha近似模型构建了土壤水分观测方程组,通过求解方程组得到了农田地表土壤水分。地面验证结果表明,土壤水分反演的均方根误差(root mean square error,RMSE)为0.06 cm3/cm3,平均偏差为0.01 cm3/cm3,精度较好。该文研究为利用高重访周期、多时相的Sentinel-1 SAR数据获取农田地表土壤水分提供了参考。 相似文献
13.
基于RADARSAT-2全极化数据反演周期性地表土壤湿度 总被引：3，自引：3，他引：0
土壤湿度是农作物估产和旱情监测的关键参量。目前常用的土壤湿度反演模型都建立在随机粗糙地表条件下,对周期性垄行结构的土壤并不适用。基于RADARSAT-2全极化数据和野外实测数据,分析了交叉极化(vh)后向散射系数对垄行方位角无明显响应;同极化(hh,vv)对方位角的响应为余弦函数,但在方位角为90o±2o位置易出现偏离曲线的异常高亮度值。通过雷达影像上采样点的实测值和Oh模型推算的理论值,拟合得到周期性地表和随机地表之间的误差函数,进而对同极化影像进行纠正。纠正后的同极化比(p)去除了方位角和异常值的影响,交叉极化比(q)受到异常值的影响。通过Oh模型中的p和vh对研究区的地表参数进行反演,17个检验点的验证结果表明,预测的土壤湿度平均相对误差为11.13%,标准差为0.0256cm3/cm3;预测的均方根高度平均相对误差为13%,标准差为0.1315cm。结果与随机粗糙地表土壤湿度和均方根高度的反演精度相当,证明了该模型的有效性。 相似文献
14.
土壤水分是地表和大气水热过程交换的重要纽带，对于农业生产、生态规划、水资源管理等具有十分重要的意义。微波遥感具有基本不受天气条件影响，具有较好探测植被覆盖下的土壤信息和土壤水分变化趋势等优势，成为目前遥感精确反演土壤水分的热点。本文整理了现有全球尺度的基于微波遥感的土壤水分产品；分析比较了土壤水分反演中主动微波遥感、被动微波遥感、主被动微波协同技术的原理、特点、适用范围和关键技术进展：主动微波遥感和被动微波遥感的 优势分别在于高空间分辨率和高时间分辨率，高空间分辨率可以很好捕捉地表细微的空间信息特征，但囿于土壤水分与后向散射系数之间的复杂关系，特别是植被、地表粗糙度等对雷达后向散射系数的干扰，使得反演土壤水分的精度不高，因而根据现实情况选取不同散射模型以及利用多源数据协同是目前改善精度的研究热点。而高时间分辨率可以实现全球及大尺度下的土壤水分监测，但是很难满足小尺度或者小区域范围的实际研究需求，为了能使实测数据在空间上得以较好匹配，提出多种降尺度方法。结合以上两种微波遥感方式的优劣，依托更为丰富的数据源、相对成熟的观测技术来对两者进行融合以提取更多的水分信息，以提升反演精度或者获得长时间序列数据。在目前的方法中，土壤水分反演在小尺度下表现出良好的性能，但在全球尺度上会出现数据缺失、适用性不强、反演精度不高以及反演过程过于复杂等诸多问题，可以借助多种观测方式（多极化、多角度、多波段）、多时相重复观测、在原有模型上引入新的算法以及数据同化等方面着手进行改进，同时全球卫星导航系统（Global Navigation Satellite System, GNSS） 中长期稳定、高时空分辨率的L波段微波信号在陆面遥感领域的快速发展也为我国北斗卫星导航系统（BeiDou Navigation Satellite System, BDS）的发展提供了借鉴，展现出在土壤水分反演方面的巨大潜力。 相似文献
15.
基于机器学习和全极化雷达数据的干旱区土壤湿度反演 总被引：2，自引：1，他引：1
雷达遥感是区域土壤湿度监测最为有效的技术手段之一,为深入探讨全极化雷达特征参数和不同机器学习算法对干旱区土壤湿度反演的潜力,该研究以黑河下游的居延泽为研究区,基于全极化Radarsat-2数据,通过标准强度和相位处理提取后向散射系数(BackscatteringCoefficients,BC),并通过Cloude-Pottier分解(Cloude-Pottier Decomposition,CPD)与Yamaguchi分解(Yamaguchi Decomposition,YD)提取多个极化参数作为雷达影响因子,对其进行相关性及重要性分析。采用随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)和BP人工神经网络(Back Propagation Artificial Neural Network,BP-ANN)3种不同的机器学习算法,构建土壤湿度反演的多种模型,并使用10折交叉验证的方法综合评价各模型的性能,最后使用最佳模型反演研究区土壤湿度,分析其空间分布格局与影响因素。结果表明:1)平均散射角对反演精度至关重要,熵与反熵的影响次之。交叉极化相较于同极化后向散射系数有更高贡献,偶次散射与体散射的重要性明显高于表面散射和螺旋体散射。2)不同类型因子组合建模的模型,其性能表现均明显优于仅采用单种因子类型的模型。3)相较于SVM和BP-ANN模型,RF模型在干旱区土壤湿度反演中具有更好的适用性。其中,BC+CPD组合训练的RF模型性能最优,其验证集决定系数R2和均方根误差分别为0.78和6.60%,对应的标准偏差分别为0.15和1.95%,该模型可解释土壤湿度变化的89%。4)研究区土壤湿度平均值约为8.83%,整体呈现极端干旱的态势。其中,天鹅湖附近和古湖心区的土壤湿度高于其他区域,反演结果能综合反映区域土壤湿度空间分布的总体格局。 相似文献
16.
同化遥感监测数据提高土壤剖面湿度模拟精度,对区域农业发展等实践与理论领域具有重要意义。该文结合了集合卡尔曼滤波(ensemble Kalman filter,EnKF)方法与HYDRUS-1D模型,同化降尺度后的AMSR2(advanced microwave scanningradiometer2)微波土壤湿度数据,开展榆社、荫城2个实验站点的土壤剖面湿度模拟。结果表明:在2个实验站点,与直接使用HYDRUS-1D模型相比,同化具有一定误差的AMSR2土壤湿度数据对不同深度土壤湿度的模拟精度提高都发挥了作用,尤其是对于同化前模拟方案S1(4月1日站点实测含水量)与S4(4月1日遥感含水量),由于HYDRUS-1D模拟时输入了较少数量的土壤湿度数据,数据同化效果与土壤湿度模拟精度提高更为显著;同化前后不同深度的土壤湿度精度对比结果表明,同化效果随深度增加而逐渐减弱。 相似文献
17.
《国际水土保持研究(英文)》2022,10(4):597-609
Rangeland hillslopes provide much of the sediment supplied to channel systems and their lengths exert a fundamental constraint on hillslope diffusive processes. However, information regarding lengths of rangeland hillslopes, and how best to estimate them, is limited. In this study, three groups of watersheds (10 in total) were selected from the Walnut Gulch Experimental Watershed according to their geology, soil and vegetation characteristics. Group 1 watersheds were at lower elevations dominated by shrubs, Group 3 were at high elevations dominated by grass, and Group 2 were mixed shrub and grass. Their hillslope lengths were calculated from 1 m-resolution DEMs using three methods: a flow routing algorithm, slope-area relationships, and inverted relationship with drainage density. Parameters that characterize the current watersheds, including Hack's exponent and coefficient, watershed shape coefficient, channel concavity and steepness, and surface roughness, were quantified and related to hillslope lengths. Results shows: (1) estimated hillslope lengths were different for the three methods and between the three groups of watersheds; (2) hillslope lengths that measured from the flow routing algorithm for the ten selected watersheds primarily ranged from 30 to 100 m, with a median value of 63.0 m, which was 20%–50% greater than those derived from slope-area plots or drainage densities; (3) hillslope lengths estimated from the flow routing method were greater in Group 3 watersheds than in Group 2 and then in Group 1 watersheds. We attributed these differences in hillslope lengths to the historic epeirogenic pulses, watershed and drainage network morphology, and differences in vegetation characteristics; (4) measured hillslope lengths from the flow routing algorithm were best correlated with hillslope relief, then surface roughness, channel steepness and concavity. These results would benefit the applications of hydrological and erosion models in rangelands. 相似文献