共查询到19条相似文献，搜索用时 156 毫秒
1.
裸露地表土壤水分的L波段被动微波最佳角度反演算法 总被引：3，自引：3，他引：0
该文阐述了中纬度地区春季裸露耕地土壤水分监测的重要性,对比分析了目前几种主要的土壤水分反演方法。为提高裸露耕地土壤水分的监测精度,在分析AIEM土壤发射率模拟数据库的基础上,提出了一种基于L波段单角度双极化被动微波遥感数据的土壤湿度和土壤粗糙度的反演算法,并对新反演算法的创新性和可行性进行了基于仿真数据的论证。该反演算法以地表温度作为辅助数据,利用L波段47°双极化的微波亮温数据进行土壤湿度和粗糙度的反演。仿真数据的验证结果表明,在充分考虑土壤温度、土壤质地等辅助数据测量误差的条件下,算法对土壤湿度和土壤 相似文献
2.
基于L波段的裸土区土壤水分微波遥感反演研究 总被引：3，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
3.
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
4.
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
5.
在利用被动微波遥感技术进行裸露地表土壤含水率(Soil Moisture Content,SMC)的反演中,土壤粗糙度是制约反演精度的最关键因素。该研究利用改进的积分方程模型(Advanced Integral Equation Model,AIEM)进行地表多角度微波发射率的模拟,探索地表微波辐射多角度信息用于提高地表SMC反演精度的可行性。基于不同SMC和不同粗糙度地表多角度V极化发射率数据的变化趋势提取土壤介质布儒斯特角,结果表明,土壤布儒斯特角对SMC具有较高的敏感性,C波段(6.6 GHz)不同含水率土壤的布儒斯特角分布在60°～80°范围内。基于AIEM模拟数据的分析发现,土壤布儒斯特角正切值与SMC具有较好的线性关系,线性拟合决定系数为0.94,均方根误差为0.027cm~3/cm~3,并得到了基于布儒斯特角的裸露地表SMC反演算法。基于模拟数据的算法验证结果表明,算法的SMC预测值与理论值的决定系数为0.95,均方根误差为0.024 cm~3/cm~3。算法在不同土壤粗糙度自相关函数下均表现出稳健的特性,SMC预测精度最大均方根误差为0.027 cm~3/cm~3,最小为0.023cm~3/cm~3。基于布儒斯特角的SMC反演算法利用的是多角度土壤发射率的相对变化而非其绝对数值,该研究为SMC的多角度被动微波遥感提供了一种不同的研究思路。 相似文献
6.
额济纳旗东北区戈壁面粗糙度分形特征与雷达遥感实证分析 总被引：4，自引：0，他引：4
反映地表粗糙状况特征量的地表粗糙度是非线性的 ,可以用分形去刻划。雷达遥感具有对地表粗糙度敏感的特性 ,故利用美国航天飞机 3号 ( SIR- C/ X- SAR)雷达遥感数据 ,选择干燥的内蒙古额济纳旗东北区作为雷达回波与地表粗糙度分形测量研究实验区。实测的计算结果表明 ,在 2～ 10 cm无标度区间 ,此处的戈壁面为具有分形特征的粗糙地形面 ,从雷达遥感的后向散射系数分析表明 ,该区对 C波段 (λ =5 .3 cm) HH极化回波贡献非常强烈 ,其原因是 2～ 10 cm区间尺度正好含盖航天飞机雷达波 C波段长度 ,而小于 L波段 (λ=2 3 .5 cm )长度 ,此结论实证了戈壁地貌表面在一定区间具有分形的特征 ,并可以为雷达遥感某一波段所强烈表现出来 ,这将为借助分数维对图像处理、地物分类以及表面侵蚀定量刻划提供重要的科学依据。 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.
考虑到土壤水分会影响地表温度随太阳辐射变化的幅度,本文提出利用多时相热红外波段和可见光波段数据反演地表水分的算法,并利用第一代静止气象卫星——风云二号数据估算了2010年9月30日和10月20日西北地区范围的土壤表面水分,并与先进机械辐射扫描计(advanced mechanically scanned radiometer:AMSR)土壤水分产品进行比较验证。结果表明:该算法估算的土壤表面水分与AMSR土壤水分产品相关性为0.52,两者的均方根误差在0.025 g.cm 3以内,最大误差不超过0.07 g.cm 3。同时,利用该算法生成西北地区土壤表面水分空间分布图,与同期降水资料相比较,两者空间分布较为一致。此外,该算法可获得5 km×5 km空间尺度的土壤表面水分,提高了土壤水分遥感估算的空间分辨率。 相似文献
9.
《土壤通报》2018,(6)
作物区土壤水分遥感反演往往受到作物冠层、地表粗糙度等因素影响,较难得到满意的土壤水分反演结果。为解决麦田土壤水分反演的问题,提出一种改进粒子群神经网络优化算法。该算法将多源光学和雷达影像数据进行联合,利用改进粒子群算法对神经网络权值进行优化,建立遥感影像与土壤水分之间一种隐式映射,并将影像数据作为该优化模型的输入变量,对麦田土壤水分进行反演。结果表明改进粒子群神经网络优化算法反演精度高于其他的反演方法,同时主被动遥感联合反演地表土壤水分的精度也比仅使用单一数据源作为输入的方法精度高,R~2达到0.807,RMSE为0.043 cm~3cm~(-3)。由此可见,改进粒子群神经网络的优化方法是可行的,可以有效建立后向散射系数与土壤水分之间的隐式关系,获取较高精度的土壤水分值。该方法可为利用雷达影像数据进行大范围土壤水分估测提供支持。 相似文献
10.
土壤水分在干旱地区生态系统中起着重要的作用,同时土壤含水量是确定土壤干旱的重要参数。通过分析野外和室内实测土壤发射率光谱特征参数与含水量之间的关系,采用光谱特征分析参数提取反演土壤含水量的最佳敏感波段,发现波长在9.4802~9.7901 μm土壤含水量对其发射率最为敏感。根据最佳敏感波段的范围,模拟MODIS,ASTER,HJ-1B卫星的热红外波段,对波段及波段比值与土壤含水量进行回归分析,得出波段比值的线性模型可有效地反演出土壤的含水量。然后对该模型进行验证分析,确定模拟ASTER卫星传感器的12和14两个热红外波段的发射率比值与土壤含水量的线性关系,其反演精度更高。建立了适合研究区的土壤热红外发射率与含水量之间的反演模型。 相似文献
11.
大尺度地表土壤水分信息的获取对水资源管理、农业生产以及气候变化等相关研究具有重要意义。TAU-OMEGA（$ \tau -\omega $）模型是利用被动微波遥感技术进行大尺度土壤水分信息提取的常用模型。由于$ \tau -\omega $模型忽略了植被层的体散射作用,该模型仅适用于L波段,存在C波段适用性差及模型参数无法定量计算的问题。该研究在分析植被冠层对微波散射机制的基础上,通过增加反映冠层多次散射作用的辐射添加项对$ \tau -\omega $模型进行了改进,成功解决了模型在C波段的适用性问题;通过理论推导,得出了模型$ \omega $参数的理论计算方法,基于模拟数据集,实现了基于冠层叶面积指数的模型$ \omega $和$ \tau $参数的计算,解决了$ \tau -\omega $模型中$ \omega $参数无法根据遥感数据进行定量计算的问题。以玉米冠层为例,在C波段（6.6 GHz）,改进的$ \tau -\omega $模型对地表微波辐射亮温的模拟值与实测数据保持了较好的一致性,模拟误差较改进前有了极大的下降,V极化均方根误差为3.02 K,H极化均方根误差为3.94 K,结果表明了该研究提出的模型改进与参数化方案的合理性,研究结果为联合光学和被动微波遥感数据进行大尺度土壤水分反演奠定了基础。 相似文献
12.
基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演 总被引：6，自引：5，他引：1
土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该研究提出了一种基于特征选择和GA-BP神经网络(Genetic Algorithm-Back Propagation neural network)的多源遥感农田地表土壤水分反演方法。首先对Sentinel-1微波遥感数据和Sentinel-2光学遥感数据进行预处理并提取21个特征参数;然后采用差分进化特征选择(Differential Evolution Feature Selection,DEFS)算法从21个特征中选出包含10个参数的最优特征子集,并利用主成分分析(Principal Component Analysis,PCA)法将特征子集进行降维;之后建立BP神经网络,采用遗传算法(GeneticAlgorithm,GA)对BP网络的节点权值进行优化,使用降维后的特征矩阵和部分实测土壤含水量数据对BP网络进行训练;最后利用训练好的GA-BP网络对研究区土壤水分进行反演,并利用实测数据对反演结果精度进行对比验证。试验结果表明,该研究反演结果的决定系数为0.789 3,均方根误差为0.028 7 cm~3/cm~3,相比单纯使用GA-BP神经网络,加入DEFS和PCA之后决定系数提高了0.215 7,同时均方根误差降低了0.029 5 cm~3/cm~3。该结果展示了DEFS和PCA算法在土壤水分反演最优特征集选择的有效性,为多源遥感农田地表土壤水分反演提供了新思路。 相似文献
13.
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
14.
基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证 总被引：4，自引：2，他引：2
土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。 相似文献
15.
主被动微波遥感在农区土壤水分监测中的应用初探 总被引：2，自引：0，他引：2
土壤水分是农作物生长和旱情监测的重要参数。微波遥感具有全天时、全天候、高穿透性和对水分敏感的特点, 主被动微波遥感的结合能够发挥各自优势, 实现区域尺度土壤水分的连续监测, 与单纯使用被动微波遥感相比, 能够提高空间分辨率。本研究基于TRMM 卫星搭载的微波成像仪TMI 和降雨雷达PR 的特点, 利用粗糙地表的微波辐射传输模型AIEM 模型、参数化模型Qp 模型和植被覆盖地表的辐射传输模型ω-τ模型, 建立了基于被动微波遥感的土壤水分反演模型, 并利用简单散射模型(SSM)和几何光学模型(GOM), 将被动微波与主动微波相联系, 建立了主被动微波遥感相结合的土壤水分变化反演算法, 对2008 年1~4 月期间30°~38°N、110°~120°E 范围内农田覆盖区的土壤水分变化进行了反演。并选取江苏省连云港南部农区中心经纬度为34.45°N、119.25°E 的降雨雷达0.05°×0.05°的网格, 对该网格2008 年1 月2 日~4 月30 日土壤水分逐日变化量的反演值和相应网格的降水逐日变化量进行了对比, 两者具有很好的响应关系。 相似文献
16.
光学与微波遥感协同反演藏北表层土壤水分研究 总被引：1，自引：1，他引：0
表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪(Fengyun-3B/MicrowareRadiationImagery,FY3B/MWRI)数据采用微波遥感算法反演土壤水分日变化量,最后构建藏北表层土壤水分协同反演的遥感模型并应用于区域土壤水分的估算。结果表明:光学遥感与微波遥感协同反演的土壤水分含量与实测数据呈显著相关,决定系数达到0.89,均方根误差为0.97,协同反演模型具有较高的反演精度,并且协同反演的结果优于单一遥感源的反演结果。该模型可以较好地适用于藏北地区表层土壤水分的动态监测。 相似文献
17.
土壤水分遥感监测的研究进展 总被引：17，自引：1，他引：17
土壤水分是土壤的重要组成部分,在地—气界面间物质、能量交换中起着重要的作用,是农作物生长发育的基本条件和农作物产量预报的重要参数。遥感技术具有大面积同步观测,时效性、经济性强的特点,为大面积动态监测土壤水分提供了可能。简述了到目前为止出现的几种主要的土壤水分遥感监测方法,如热惯量法、作物缺水指数法、归一化植被指数法、植被指数距平法、植被供水指数法、植被状态指数法、温度状态指数法、温度植被干旱指数法、高光谱法、微波遥感法,并分析了各种方法的原理和特点,最后展望了土壤水分遥感监测方法的发展趋势。 相似文献
18.
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
19.
基于主被动遥感数据融合的土壤水分信息提取 总被引：5，自引：3，他引：2
为改善西北半干旱地区的土壤含水率监测精度,该文选择张掖地区黑河流域为研究区,提出了一种基于主被动遥感融合数据贝叶斯网络分类的土壤水分信息提取方法。该方法依据光学与雷达遥感数据本身在反演土壤水方面的各自优势,首先利用小波变换与IHS结合的算法将TM5、4、3与ASAR数据融合,融合规则采用局部距离最大替代法,在突出融合影像细节的同时,一定程度上保留了TM数据的光谱信息。然后构建BN网络进行分类,以融合后新的R'、G'、B'分量和TM6波段作为网络的输入,输出为5个不同的类别,分别对应5个不同等级的土壤水分含量。经实测数据对融合前后分类结果的比较分析,结果表明,此方法在植被区能取得更好的效果,分类精度达到76.1%,对荒漠区效果欠佳。因此该方法在植被覆盖区对提取区域土壤水分信息是可行的、有效的。 相似文献