基于地表温度-植被指数特征空间的区域土壤水分反演

针对目前西北地区广泛存在的农业干旱问题,选取了新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择云量较少的两幅TM影像,建立地表温度-植被指数特征空间。首先利用线性方程拟合了特征空间的上下边界,比较利用归一化植被指数(NDVI)建立的地表温度-植被指数特征空间Ts/NDVI和利用改进型土壤调整植被指数(MSAVI)构建的地表温度-植被指数特征空间Ts/MSAVI形状的差异,并计算得到两种温度植被干旱指数(Temperature vegetation dryness index-TVDI,分别为TVDIN和MTVDI)。对TVDI与同期野外不同深度的实测土壤重量含水量数据进行回归分析,建立TVDI估测土壤水分的经验模型并对模型进行验证。研究结果表明,TVDIN和MTVDI均能够反演表层土壤水分,其中MTVDI与土壤水分相关性比TVDIN与土壤水分相关性要高,MTVDI能够更好地反映区域土壤水分状况,是一种更有效的土壤水分监测方法,对农业干旱监测具有一定的科学依据。     

基于新的组合粗糙度参数的土壤水分微波遥感反演

土壤水分的时空分布是水文、气象等领域研究的重要参数。微波遥感因其全天时、全天候对地观测以及较强的穿透能力成为土壤水分反演的重要手段。该文以风沙滩地区为研究区,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,提出一种新的组合粗糙度参数S3/L,以法向菲涅尔反射系数代替土壤水分,建立了雷达后向散射系数与组合粗糙度、法向菲涅尔反射系数Г0的经验关系,利用Radarsat-2C波段双极化(VV、HH)数据构建了土壤水分反演模型。经实测数据验证,模型反演结果与实测值有着良好的相关性(R~2=0.8541),平均绝对误差为4.95%,均方根误差为6.00%。与以往同一区域的研究成果相比,该文提出的反演模型精度较高,更适合于风沙滩地区土壤水分的反演。研究结果可为该地区的水循环及水环境评价研究提供支持。     

一种改进的土壤水分微波遥感反演模型

利用微波遥感数据反演地表土壤水分有着较好的物理基础,可实现大范围土壤水分状况的遥感监测。本文基于被动微波传感器AMSR-E的X波段数据,将土壤水分值分解成基准值和日变化量两个部分,并分别建立反演模型,同时引入降雨修正因子来进一步提高土壤水分的估算精度;利用IDL语言实现了我们所研发的模型,并集成为新疆土壤水分遥感反演系统模块之一;利用Watch Dog2400与传统铝盒采样获取的新疆地面土壤水分数据,提取适合的模型经验参数,并对模型结果进行精度评价。结果表明,经改进的模型反演得到的新疆土壤水分结果比美国冰雪数据中心的土壤水分产品在精度上有显著提高:均方根误差由8.4%降低为4.25%;所研发的软件模块可为相关应用部门提供快速的大范围土壤水分监测产品。     

K-T变换在监测小麦地表参数中的应用

利用K-T变换提取TM和MODIS遥感影像的绿度、湿度分量,在不同的分辨率尺度下监测小麦覆盖地表参数:土壤湿度(Ms)、等效水厚度(EWT)和叶面积指数(LAI),并与NDVI(归一化植被指数)、NDWI(归一化水分指数)和EVI(增强植被指数)监测结果比较.湿度分量监测Ms效果更好,TM和MODIS遥感影像反演精度分别为6.08%、7.37%(RMSE),相关系数R2分别为0.49、0.31,基于绿度和湿度分量建立土壤湿度多元线性回归反演模型,利用TM影像反演土壤湿度RMSE为4.91%,反演土壤湿度和实测土壤湿度R2达0.63;绿度分量监测EWT效果更好,TM和MODIS遥感影像反演精度分别为0.37 kg/m2、0.43 kg/m2,R2分别为0.51、0.28;绿度分量反演LAI精度更好,TM和MODIS遥感影像反演精度分别为0.66、0.83,R2分别为0.64、0.35.     

植被覆盖地表主动微波遥感反演土壤水分算法研究

主动微波遥感监测土壤水分具有全天时、全天候并对地物有一定的穿透能力等特点,突破了传统测量方法和光学遥感获取土壤水分的局限。文中在分析植被对微波信号影响的基础上,总结了当前国内外基于主动微波遥感监测植被覆盖地表土壤水分的原理和方法,指出利用，宋朝景“水-云模型”从总的极化雷达后向散射中去除植被影响后,能够改进后向散射系数和土壤含水量之间的关系。最后利用ENVISAT ASAR数据,结合实地采样获得的土壤含水量数据拟合两者之间的关系,结果表明农作物覆盖地表土壤水分变化的估算算法还需要进一步发展和改进以提高反演精度。     

被动微波反演土壤水分的L波段新发展及未来展望

土壤水分是陆—气交互作用的重要边界条件,在全球水循环和能量循环中扮演着关键角色,直接影响降水、径流、下渗与蒸散发等水文循环过程,并能反映洪涝和干旱的程度。随着第一颗采用被动微波干涉成像技术的SMOS(Soil Moisture and Ocean Salinity)卫星的发射成功,L波段被动微波遥感技术逐渐成为大尺度土壤水分监测的主要手段,促进了“射频干扰的检测与抑制”、“植被光学厚度反演与植被影响校正”以及“土壤粗糙度参数化方案”等关键问题的研究。本文梳理了“基于微波植被指数的L波段多角度数据反演土壤水分算法研究”项目的最新研究成果,同时评述了围绕以上关键技术问题所取得的国内外研究进展,并对土壤水分微波遥感的未来发展进行了展望。     

基于ASAR双极化雷达数据的半经验模型反演土壤湿度

基于ENVISAT ASAR-APP数据,利用AIEM(改进积分方程模型)模拟分析粗糙度、土壤水分对ASAR 7个入射角后向散射系数的影响.建立小人射角模式ASAR数据后向散射模型和组合粗糙度计算模型,提出小入射角模式下双极化ASAR数据土壤水分反演半经验模型.基于A1EM模拟数据进行试验,验证了该模型的合理性,且反演的土壤水分和实测土壤水分相关系数为O.92,均方根误差(RMSE)为3.98%.     

基于Landsat-8遥感数据和PROSAIL辐射传输模型反演叶面积指数

为了探讨Landsat 8 OIL数据在LAI大范围反演方面的应用潜力,使用Landsat 8 OIL影像,通过PROSAIL辐射传输模型,采用3种波段组合(Band2-7,Band2-5,Band3-5)建立了3个模拟冠层反射率-叶面积指数(LAI)查找表,用2种代价函数(Geman and Mc Clure代价函数,均方根误差代价函数)实现了对玉米、土豆、森林LAI的定量反演,并用LAI-2200测量数据作为相对真值对反演精度进行评价。结果表明:(1)使用Landsat 8数据,通过PROSAIL模型反演叶面积指数的精度是可以接受的,RMSE范围为在[0.892 4,1.205 0],R2范围为[0.721 3,0.873 3]。(2)Band5(近红外),Band4(红)Band3(绿)的波段组合反演效果在3种组合中精度最高,平均RMSE=0.993 1,R2=0.787 3。(3)Geman and Mc Clure代价函数比常用的均方根误差代价函数得到了更高的反演精度,平均RMSE=0.940 5,R2=0.817 5。(4)相对最优的反演策略是Band5,Band4,Band3的波段组合结合GM代价函数,RMSE=0.892 4,R2=0.873 3。(5)存在玉米土豆的反演值普遍低于测量值,而森林的反演值普遍高于测量值的问题。     

基于土壤水分的农业干旱监测研究进展

土壤水分是评估农业干旱的关键变量。然而长期以来,由于缺乏大范围、高精度、长时间的土壤水分观测数据,基于土壤水分的农业干旱监测在实际应用中受到限制。近年来,随着遥感观测技术的发展,土壤水分数据的时空覆盖度和产品精度显著提升,基于土壤水分的农业干旱监测逐渐吸引更多的关注。论文系统归纳了站点观测与微波遥感观测的土壤水分数据特性,综述了目前基于土壤水分的3种农业干旱监测指标：基于长时间土壤水分序列的干旱指标、基于土壤水分与土壤水力学参数的干旱指标和基于土壤水分等多变量综合的干旱指标。最后,论文从提高土壤水分数据空间分辨率、加强农业干旱机制研究与完善农业干旱监测体系三方面提出基于土壤水分的农业干旱监测所面临的挑战与机遇,以期为未来的相关研究提供参考。     

国产高分一号数据估算草地植被覆盖度方法研究——以呼伦贝尔草原露天煤矿区为例

为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R~2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R~2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。     

干旱区土壤水分微波遥感反演算法综述

土壤水分是气候、水文、生态和农业系统的关键组成要素,同时也是监控土地退化和干旱的重要指标,土壤水分信息的及时获取对于规划和管理这些系统来说具有极其重要的意义.微波具有全天候、穿透性以及不受云层影响的独特物理机制使其在研究大尺度土壤水分反演时具有明显优势,已成为当前土壤水分遥感研究的主要大气窗口.在干旱区微波遥感土壤水分...     

基于MODIS高分辨率气溶胶反演的ETM+影像大气校正

针对陆地遥感影像,提出一种利用MODIS遥感数据反演高分辨率气溶胶光学厚度(AOD)进行大气效应校正的方法.采用地基和MODIS卫星遥感结合的方法确定气溶胶模型,通过暗目标法确定地表反射率,反演得到1 km高分辨率的气溶胶光学厚度分布.将反演的气溶胶与地面太阳光度计观测值进行对比验证发现,其相对误差小于10%,反演精度很高.将得到的气溶胶参数带入辐射传输模型中,对当天同地区的Landsat ETM+数据进行大气校正试验,结果表明,该方法反演得到的气溶胶参数可以对遥感图像进行有效的大气效应校正.与试验区同步观测地表反射率对比发现,经过大气校正后的ETM+光谱明显比校正前更接近真实地表光谱,从而更有助于地物真实光谱信息的提取及其识别研究.     

地表土壤湿度光学遥感反演方法研究进展

地表土壤湿度是全球气候变化研究中的一个不可或缺的参数,发挥着重要的作用。利用遥感技术监测土壤湿度在过去的40年中发展迅速,在电磁波谱的很多波段(如可见光、近红外、热红外、微波)都可以进行地表土壤湿度的反演和估算,涌现出大量的估算方法和技术,在地表土壤湿度监测领域产生了革命性的变化。相对于传统监测和微波遥感监测方法,光学遥感具有时效快、成本低、良好的时空分辨率、动态对比性强,方法简单、数据获取和处理容易等优点。因此,对近40年来利用光学遥感反演地表土壤湿度的发展历程和方法进行了系统地分类分析和总结,包括:地表土壤湿度反演原理和方法、发展过程、研究现状、优势和不足以及将来的研究改进方向等,以期为研究地表土壤湿度的学者和相关人员提供参考。     

干旱区稀疏植被覆盖条件下地表土壤水分微波遥感估算

当前在干旱区土壤水分研究工作中,开展利用微波遥感技术高精度估算稀疏植被覆盖条件下地表粗糙度参数的研究是一项非常有意义的工作。基于微波遥感数据,结合土壤水分实测资料,以IEM模型为基础,分析雷达后向散射系数与土壤含水量、地表粗糙度参数之间的关系,利用最小二乘法和非线性回归的方法,建立光滑地表条件下的土壤含水量模型。结果表明:模型提取的土壤水分与实测值之间有很好的相关性,决定系数达到0.886,所建立的土壤水分信息提取模型在裸土以及稀疏植被覆盖地区能够得到较好的应用效果。     

微波遥感反演土壤水分中构建粗糙度参数的新方法

地表粗糙度是影响雷达后向散射系数的重要因素。该文在基于SAR影像反演地表土壤水分的过程中,考虑到地表粗糙度的野外测量误差、取值范围和雷达入射角等方面的影响,统计了裸土、农用地和草地等几种典型地表的粗糙度测量数据,以此限定AIEM模型的输入参数范围。首先,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,构建了基于曲面拟合思想的、与入射角相关的组合粗糙度参数,并以此为基础利用Envisat ASAR双极化数据(VV、VH)建立了土壤水分反演模型。经实测数据验证,在不同入射角范围内,基于该文建立的模型得到的土壤水分反演结果与实测值都有良好的相关性。与其他形式的组合粗糙度参数进行对比,该文提出的模型反演精度较高,能够适用于入射角范围在(5°,65°)内的SAR影像的反演。     

基于Sentinel-1和Sentinel-2协同反演干旱区地表土壤水分--以格尔木河中下游为例

摘要：土壤水分是全球水循环的重要组成成分,对研究土壤水分的空间分布、农作物长势和产量 、气候变化、水资源时空分布等有着重要意义 。本文利用Sentinel（哨兵）系列主动微波雷达卫星SAR（Sentinel-1）结合光学卫星（Sentinel-2）对格尔木中下游低矮植被覆盖下的地表土壤水分进行反演研究, 探讨不同极化组合方式和水云模型前后的土壤水分含量反演方法的适用性。结果表明：其中VV (VV Polarization) 极化对比VH (VH Polarization) 极化更加适用该区域,VV极化结合归一化水指数 (NDWI）反演地表土壤水分精度达到42.6%,拟合精度最高,VH极化仅为22.6%;利用水云模型去除植被覆盖后对地表土壤水分的反演精度有所提升,其中,VV极化精度提高约3.5%,VH极化提高1.5%;Sentinel系列卫星影像对于干旱区的土壤水分的反演具有较好的适用性。本文旨在探索一种适用于该研究区乃至柴达木盆地土壤水分实现大面积实时监测的可靠依据和手段。     

塔里木河流域中游渭干河-库车河绿洲盐渍土水盐信息光谱特征研究

土壤水分、盐分时空变异强,是影响土壤光谱特征的两个重要因素。土壤水分与盐分之间的关系以及土壤水分、盐分与土壤光谱特征间的关系直接关系到利用遥感光谱信息监测土壤盐渍化的精度。该文运用多元统计学及可见光-近红外反射光谱分析方法对2010年10月渭干河-库车河三角洲绿洲盐渍土水分、盐分数据和盐渍土野外光谱数据进行分析,探讨该绿洲盐渍土表层(0～10cm)水盐信息与野外光谱特征间的关系。结果表明:1)土壤水分和土壤电导率可用Cubic曲线拟合,相关系数R=0.8503,土壤盐分和土壤电导率也可用Cubic曲线拟合,相关系数R=0.842,但土壤水分与盐分之间的显著性较弱,相关系数R=0.74。2)与原始野外光谱相比,包络线消除后光谱波段与土壤水分和土壤电导率之间的Pearson相关性都有不同程度的提高,利用包络线消除法后的波段分别建立盐渍土土壤水分、土壤电导率后向回归预测方程,为动态水盐条件下的盐渍土遥感监测提供了理论依据。     

基于纹理特征的香格里拉县冷杉林郁闭度遥感估测研究

以香格里拉县2006年TM影像、2006年森林资源二类调查小班数据为信息源,结合研究区冷杉林地面实测标准地（30m×30m）数据,提取香格里拉县冷杉林TM影像分布信息及标准地纹理特征因子（共48个）,对各因子进行相关分析;利用主成分法对纹理特征因子进行因子分析,最终选出13个纹理特征因子利用偏最小二乘法进行回归建模并进行模型精度检验。根据回归估测模型以及提取出的冷杉林各波段纹理特征因子,进行研究区冷杉林郁闭度反演。结果表明,基于遥感影像纹理特征建立的郁闭度遥感估测模型,其RE=13.8%,RMSE=10.39,精度为83.3%。研究区冷杉林郁闭度反演可知冷杉林郁闭度多分布在0.6~0.7范围内,多为中度郁闭林地。     

组合光学和微波遥感的耕地土壤含盐量反演

耕地保护关系到国家粮食安全和经济社会可持续发展,对生态环境保护具有重要作用,快速精准的获取耕地土壤盐分含量及空间分布信息是耕地保护的必然要求。以宁夏平罗县为研究区,利用Landsat 9 OLI和Sentinel-1遥感影像,提取光谱指数和雷达极化组合指数,基于变量投影重要性法与灰度关联法筛选特征变量,然后运用反向传播神经网络、支持向量机和随机森林3种机器学习算法构建模型,并用最佳模型反演耕地土壤含盐量空间分布情况。结果表明：(1)利用变量投影重要性法筛选变量建立的模型验证集决定系数(R²)大于灰度关联法筛选变量建立的模型。(2)利用随机森林算法,组合光谱指数和雷达极化组合指数协同反演模型效果最佳,建模集R²为0.791,均方根误差(RMSE)为1.016,R²较单一数据源模型分别提高0.065和0.085,RMSE分别降低0.147和0.189;验证集R²为0.780,RMSE为1.132,R²较单一数据源模型分别提高0.091和0.237,RMSE分别降低0.175和0.3...     

塔里木河中游绿洲盐漠带典型盐生植物光谱指数分析

盐生植物对于维持干旱区绿洲生态系统平衡起着核心作用。该文以渭干河-库车河三角洲绿洲盐漠带典型盐生植物为研究对象,利用Field Spec Pro FR便携式地物波谱仪,对2010年10月盐生植物的野外光谱数据进行采集并取相应土样。首先,采用光谱学分析方法分析光谱特征变化,并对土壤理化特性(含盐量、TDS、电导率、pH值)进行室内测定分析,获得盐生植物光谱特征数据和土壤理化特性数据。其次,利用实测光谱数据对盐生植物高光谱植被指数NDVI705、VOG1、ARI1和CRI1进行反演,用高光谱影像和TM影像分别对VOG1和NDVI705进行反演,并与土壤理化特性进行相关性分析。研究表明:高光谱植被指数NDVI705、VOG1、ARI1与土壤理化特性之间相关性均较低(0.266R0.449),但CRI1与含盐量、TDS的相关性较高(R=0.668);用高光谱影像反演的VOG1与电导率的相关性较高(R=0.536),用TM影像反演的NDVI705与TDS相关性较高(R=0.695)。通过精度验证,发现高光谱反演数据(VOG1)比TM反演数据(NDVI705)精确,说明遥感数据空间分辨率的不同影响了反演植被光谱指数的精度。该研究不仅可为干旱地区盐生植物的遥感识别奠定基础,而且对维持绿洲生态系统稳定提供一定的科学依据。