用ERS风散射计数据估算土壤水分方法的研究

欧空局ERS1/2卫星上的风散射计(WSC),分辨率是50km,4天内能覆盖全球超过80%的范围,并可在多角度下对地物目标进行观测。本文研究利用该散射计数据估算土壤水分的方法。首先,利用基于ERS散射计数据建立的全球C波段雷达后向散射系数数据库,根据传统的几何光学模型(GOM),反演得到与土壤含水量密切相关的法线方向Fresnel反射率,并与两个采样点(安多和那曲)上的实测降雨量及土壤水分相对比,证明了ERS散射计数据与土壤水分的高相关性;第二步,以水云模型为基础,结合AIEM模型,发展了一种简化模型来估算土壤水分绝对值,分别利用气象站实测点数据和同时期的Basist湿度指数(BWI)进行验证,表明反演结果能较好反映土壤水分的空间分布状况。     

利用双极化微波遥感数据反演土壤水分的新方法

提出了一种基于微波双极化数据的土壤水分反演经验模型,该模型引入了新的综合粗糙度参数Rs=S2/L(1/2)来描述地表粗糙状况,将两个粗糙度参数均方根高度S和相关长度L合二为一,因而模型的未知量仅为Rs与法向菲涅尔反射系数Г0。基于AIEM模型数值模拟,建立了后向散射系数与Rs、Г0的经验关系,并利用两个极化的微波数据同时反演得到粗糙度参数Rs和Г0,进而得到地表土壤水分。实测数据表明,该模型反演的土壤水分与地表实测值相关性较高(R2=0.681,RMS=0.043),在土壤水分反演方面具有较大的潜力。     

Envisat-1双极化雷达数据建模及应用

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。     

地基雷达的微波面散射模型对比与土壤水分反演

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。     

利用主被动微波遥感结合反演土壤水分的理论模型分析

为了更好地进行土壤水分反演,发展了一种基于热带降雨观测计划(TRMM)的主被动微波结合反演裸露地表土壤水分的算法.为了提高反演精度,同时利用TRMM搭载的测雨雷达(PR)和微波成像仪(TMI)进行观测.另外,针对PR/TMI数据,还建立了包含大范围的土壤水分和粗糙度参数的AIEM模型数据库.通过分析AIEM模型对地表后...     

植被覆盖区土壤水分反演研究——以北京市为例

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。     

改进AMSR-E雪水当量算法研究

为了发展雪水当量物理反演算法,本文对不同散射阶模型——零阶、一阶、多次散射模型进行敏感性试验与分析,结果表明我们必须在前向理论模型和反演模型中考虑多次散射作用。本文采用的多次散射积雪辐射理论模型——双矩阵法（Matrix Doubling）求解辐射传输方程,用致密介质理论模型（DMRT）模拟积雪发射和消光特性,用AIEM模型模拟地表辐射及作为辐射传输方程的边界条件。由于该多次散射积雪辐射理论模型的复杂性,拟发展出简单且高精度的积雪辐射参数化模型,以发展雪水当量物理反演算法。因此,在包括多次散射的积雪理论模型基础上,本文通过建立针对AMSR-E传感器参数设置的积雪辐射模拟数据库,该数据库包含了各种可能的自然积雪和地表特性参数。从而在模拟数据库基础上,本文发展了针对AMSR-E的积雪参数化模型。     

利用ANFIS方法反演裸土区土壤水分含量

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.     

合成孔径雷达反演裸露地表土壤水分的新方法

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。     

多频率多极化地表辐射参数化模型

发展了针对对地观测系统被动微波辐射计AMSR-E应用的裸露地表辐射模型。首先，利用1993年法国INRA地面试验数据对AIEM在宽波段高频率和大角度的辐射信号模拟能力进行评价。验证结果表明，AIEM模型模拟值与地面实测数据吻合很好，说明AIEM模型能很好模拟宽波段和大角度的辐射信号。在此基础上，用AIEM模型建立了一个针对AMSR-E传感器参数配置．包含各种地表粗糙度和介电特性的裸露地表辐射模拟数据库。利用AIEM模拟数据和地面实测数据对目前人们使用的半经验地表模型进行了比较和分析，发展了多频率多极化的地表辐射参数化模型——Qp模型。该模型中，地表粗糙度对辐射信号的影响通过粗糙度参数Qp来表示。参数Qp可简单表示为均方根高度与相关长度的比值（s／l）。从Qp模型与AIEM模型模拟的发射率比较结果来看，它们之间的绝对误差很小，不超过10^-3因而，本文发展的参数化模型可用作模拟地表辐射的前向模型，如用于估算AMSR-E传感器的亮温值，同时模型的发展有利于提高人们对辐射机制的理解和认识。