一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

一种基于小波分析的SAR图像斑点噪声滤波算法

利用多分辨率小波分析的理论，分析了SAR图像经多分辨率小波分解后生成的系列子图像中信号与斑点噪声能量分布特性及其信噪比的变化规律，提出了一种新的小波域斑点噪声的滤波算法，该滤波算法阈值取决于各细节子图像的序列长度、方差及其所在的层次，并采用真空SAR数据和模拟加噪图像进行了试验。 结果表明，该算法具有较强的噪声抑制和较好的边缘、细节保护能力及目视效果。     

利用ASAR图像监测土壤含水量和小麦覆盖度

以高级合成孔径雷达（ASAR）影像数据和地面实测数据为基础，分析了裸土、低覆盖（覆盖度为0．2左右）冬小麦麦地的后向散射与土壤含水量、地表粗糙度及小麦覆盖度之间的关系，探讨了裸土和冬小麦麦地土壤含水量及小麦覆盖度的反演方法。分析结果表明：①裸土后向散射系数受地表粗糙度和土壤质地的综合影响较大，裸土的后向散射和土壤含水量正相关关系未达显著，反演裸土土壤含水量必须考虑这两个因素的影响。②冬小麦麦地两种极化后向散射对土壤含水量和小麦覆盖度的敏感性差异明显。由于小麦植株与土壤的水平同极化后向散射差异较大，水平极化后向散射系数和小麦覆盖度及土壤含水量相关性达到显著；冬小麦麦地的垂直同极化后向散射对土壤含水量较敏感，垂直极化后向散射系数和土壤含水量的相关性达到显著，但与小麦覆盖度的相关性相对较低。据此，利用冬小麦麦地的两个同极化后向散射系数，建立了后向散射系数与土壤含水量和小麦覆盖度之间的关系模型，实现了小麦覆盖度和冬小麦覆盖下的土壤含水量反演。验证结果表明：土壤含水量和小麦覆盖度反演结果与地面调查和测量结果一致。     

全极化SAR图像的山地低矮植被区域土壤含水量估计

山区土壤含水量对山区植被生长监测、滑坡预测等工作具有重要意义,因此针对山地低矮植被区域,提出了全极化SAR图像的土壤含水量估计方法。为解决山地区域SAR图像几何形变和极化旋转问题,根据入射角、坡度、坡向信息定义了可测区域与不可测区域,并对可测区域后向散射系数进行校正。其次以密西根模型为基础,发展了低矮植被的散射模型。在假定植被和土壤特征不变的情况下,基于此散射模型并结合校正数据建立了山区土壤含水量反演方法。结果表明,模型反演的土壤含水量和实验点实测值基本一致,两个实验点反演值分别为14%和15%,实测值为11.45%和15.80%,能够满足一般应用的需求。     

基于综合干旱指数的淮河流域土壤含水量反演

为了方便快捷地得到大范围的土壤含水量产品,以MODIS数据为数据源,淮河流域为研究区域,结合表观热惯量模型和植被供水指数模型的适用性特点,根据地表植被覆盖度的不同,建立综合干旱指数(comprehensive drought index,CDI)模型,对土壤含水量进行反演;然后,将反演的CDI结果与地表实测数据进行相关性建模,得到CDI与实测数据间的最佳拟合模型,利用该模型把CDI结果转化为最终的土壤含水量值;最后,通过实测含水量数据来验证反演结果的可靠性和精度。结果表明,反演得到的土壤含水量与实测土壤含水量相关性较高,相关系数R~2均在0.7左右,该方法对于高效地获取大面积土壤含水量信息具有较好的应用价值。     

基于修正后直方图不变矩的符号图像变化检测

提出了基于修正后的直方图不变矩对符号图像进行变化检测的算法。该算法的主要思想是首先计算图像直方图不变矩，然后用两幅符号图像之间的相关系数来修正，利用修正后的不变矩来检测符号图像变化。该方法解决了Hu不变矩在检测符号图像变化时难以克服的灰度变化问题。结果表明．该算法对符号图像的对比度和灰度有较强的抵抗能力，能够提高符号图像变化的检测率和控制误测率。     

基于DEM的SAR图像模拟

针对SAR图像模拟方法进行了深入研究,提出了一种新的SAR图像模拟方法.该方法引入并改进信号模拟中经常使用的小面单元模型,并对SAR图像的阴影特征进行了分析;给出了一种高效判断阴影区域的算法.使用该方法对某一山地区域的DEM数据进行了SAR图像的模拟实验.实验结果表明:模拟的SAR图像和真实SAR图像纹理一致,很好地反映了起伏地区SAR图像的几何特征,取得了理想的效果.     

深度卷积神经网络支持下的遥感影像语义分割

针对高分遥感影像语义分割面临的类别不平衡和上下文信息利用不充分问题，本文提出了一种优化的DeeplabV3+算法。首先通过修改交叉熵损失函数，解决数据不平衡问题；其次使用Vortex Pooling取代ASPP模块提高上下文信息；然后采用多尺度输入充分利用图像的多尺度信息，并用投票策略进行特征融合提高图像分割准确性；最后使用形态学作后处理消除拼接痕迹和噪声。在CCF大赛的数据集上进行训练，并与其他经典语义分割算法进行比较。试验结果表明，该算法充分利用上下文信息，有效减少了错误分类，且使分割边界更精确，尤其对于线状目标的捕捉能力更强；在整幅测试影像上的MIoU可达85.21%，明显优于SegNet、U-Net算法。     

基于RS的淮河流域土壤含水量估算方法

运用MODIS等数据,建立了基于能量平衡与水量平衡的地表土壤含水量遥感反演模型。模型验证结果表明,山东半岛地区实测值与模拟值相关性R2为0.63,沂沭泗流域R2为0.6,淮河地区R2为0.65,适合研究区域不同季节不同分区土壤含水量预测。对将RS用于土壤含水量估算有一定参考价值。     

基于DEM的SAR图像模拟

针对SAR图像模拟方法进行了深入研究,提出了一种新的SAR图像模拟方法。该方法引入并改进信号模拟中经常使用的小面单元模型,并对SAR图像的阴影特征进行了分析;给出了一种高效判断阴影区域的算法。使用该方法对某一山地区域的DEM数据进行了SAR图像的模拟实验。实验结果表明:模拟的SAR图像和真实SAR图像纹理一致,很好地反映了起伏地区SAR图像的几何特征,取得了理想的效果。     

Simulation Study of a Robust Algorithm for Soil Moisture and Surface Roughness Estimation Using L‐Band Radar Backscatter

Abstract

Various inversion algorithms have been developed to obtain estimates of soil moisture and surface roughness parameters from multifrequency, multiangle, and multipolarization radar reflectances. Since the penetration depth for radar signals increases with wavelength, an inversion algorithm using widely separated frequencies does not yield comparable probing depths. Furthermore, existing algorithms assume a linear relationship between the radar backscatter coefficient (in dB) and soil parameters, such as the volumetric soil moisture, soil surface roughness and surface slope. This assumption is valid only over a narrow range of soil parameters, thereby restricting its operational use under realistic conditions. Our research specifically explored the use of inversion algorithms based on L‐Band radar reflectances at 1 GHz and 2 GHz frequencies in order to retain relatively consistent probing depths. In order to extend the range of applicability, a non‐linear exponential‐type relationship was developed between radar reflectance at a specified frequency, polarization and incidence angle combination, and soil parameters of interest, viz., soil moisture, surface roughness, and surface slope. An over‐constrained inversion algorithm using a six‐parameter combination was found to yield relatively accurate estimates of soil parameters over a wide range of soil conditions even in the presence of system error.     

Large area soil moisture estimation and mapping using space-borne multi-frequency passive microwave data

The paper reports the estimation of surface soil moisture (SM) using surface wetness Index (SWI) retrieved from multi-frequency passive microwave radiometer. A change detection algorithm was followed which transforms SWI variations in to SM variations using per pixel soil property of field capacity and air-dry status. Estimated soil moisture was compared with the point measurements made at the Monmouth and De Kalb sites of Illinois (USA) for the validation. Sensitivity of the SWI to the variations of rainfall at various vegetation fractions is analyzed. RMS error of volumetric soil moisture is found to be in the range of 6.35 to 8.85 %. The method works well up to the vegetation fraction of 40 %. Applications of the technique are demonstrated by the spatio-temporal analysis of estimated soil moisture maps for India. Characteristic increase in soil moisture was observed with the progress of monsoon from 25 to 32 week in northern India and 46 to 52 week in the costal parts of Tamil Nadu in south.     

双极化SAR数据反演裸露地表土壤水分

为了较高精度地获取大范围地表土壤水分,提出一种基于双极化合成孔径雷达数据的裸露地表土壤水分反演模型即非线性方程组,通过改进的粒子群算法求解非线性方程组从而得到土壤水分。首先通过AIEM模型数值模拟和回归分析,得到一种新的组合粗糙度,然后模拟分析得到土壤水分与雷达后向散射系数的关系,从而建立雷达后向散射系数与组合粗糙度、土壤水分的经验关系。利用ASAR C波段双极化雷达数据,基于经验关系和改进的粒子群算法即可实现土壤水分的反演。经过黑河流域实测土壤水分数据对模型进行验证,反演结果与实测数据具备良好的相关性(R~2=0.778 6)。与以往同一区域研究成果比较,文中的方法反演精度有所提高,更适用于裸露地表土壤水分反演。     

ERS风散射计反演地表参数——一种混合像元方法

基于混合像元的方法,利用ERS风散射计(WSC)数据估算植被覆盖率和同时期NDVI有较高的相关性(0.78),计算出的垂直入射菲涅耳反射系数的空间分布状况也比较合理。     

Total information content as an index of soil moisture

Accurate estimation of soil moisture through remote sensing technique has been a challenge till date. In optical and thermal remote sensing, there is no index developed to detect the changes in soil moisture levels. In microwave region, soil roughness and other target parameters equally affect the technique for soil moisture estimation. Therefore, a computational technique in C language based on Shannon’s Information Theory (Shannon, 1948) has been developed to calculate total information content from multispectral radiometer data. The total information content is a compressed single value, which quantifies the information content of soil spectral reflectance in the electromagnetic spectrum range (400–1100 nm) under study. This technique was tested over a wide range of soil moisture levels. The study revealed that as compared to other techniques total information content index is very sensitive to change in moisture content of soil. This technique could not only quantify the soil moisture content in optical and near infra red region, but also led to a simplified one dimensional separability and clustering analysis.     

VEGETATION AS A CRITERION FOR INTERPRETING THE MOISTURE REGIME OF A LANDSCAPE

Vegetation signatures on aerial photographs and space imagery are used as indicators of soil moisture differences in a Siberian taiga landscape. The authors use remote sensing products to identify all major habitat types resulting from variable soil moisture regimes that were observed on the ground. These types are described, as are their interpretation keys and the effects of scale change on habitat discrimination. Translated from: Kosmicheskiye metody izucheniya prirodnoy sredy Sibiri i Dal'nego Vostoka, Novosibirsk, 1983, pp. 63-74.     

Improved Understanding of Soil Surface Roughness Parameterization for L-Band Passive Microwave Soil Moisture Retrieval

Surface roughness parameterization plays an important role in soil moisture retrieval from passive microwave observations. This letter investigates the parameterization of surface roughness in the retrieval algorithm adopted by the Soil Moisture and Ocean Salinity mission, making use of experimental airborne and ground data from the National Airborne Field Experiment held in Australia in 2005. The surface roughness parameter is retrieved from high-resolution (60 m) airborne data in different soil moisture conditions, using the ground soil moisture as input of the model. The effect of surface roughness on the emitted signal is found to change with the soil moisture conditions with a law different from that proposed in previous studies. The magnitude of this change is found to be related to soil textural properties: in clay soils, the effect of surface roughness is higher in intermediate wetness conditions (0.2–0.3 v/v) and decreases on both the dry and wet ends. Consequently, this letter calls for a rethink of surface roughness parameterization in microwave emission modeling.      

顾及多径环境差异和粗差的GNSS-MR土壤湿度反演

针对基于单系统单卫星GNSS-MR（GNSS Multipath Reflectometry）土壤湿度反演的可靠性不高、实际可操作性不强和最小二乘估计不具鲁棒性的缺点,为获取更优的延迟相位估值,并改善GNSS-MR土壤湿度反演的可靠性和实际可操作性,同时简化繁杂的选星过程,提出了一种基于抗差估计的多系统多卫星组合GNSS-MR土壤湿度反演算法。该算法首先顾及多径环境的差异性、多径误差的周期特性等进行信噪比SNR（Signal to Noise Ratio）观测值的筛选,然后采用基于IGGIII（Weight Function III Developed by Institute of Geodesy and Geophysics）权函数的抗差估计解求延迟相位,进而获得表征土壤湿度变化趋势的延迟相位组合。实验结果表明,相较于未采用抗差估计的多系统多卫星组合（方案1）和单卫星组合（方案3）,得益于抗差估计良好的鲁棒性,基于抗差估计的多系统多卫星组合（方案2）和单卫星组合（方案4）获得了较高的建模精度,所得延迟相位与实测土壤湿度间的相关系数分别为0.97和0.95、土壤湿度拟合残差的均方根误差分别为0.010和0.012;同时,方案2和方案4还取得了较高的土壤湿度预报精度,土壤湿度预测值与土壤湿度实测值间的相关系数分别为0.92和0.91、土壤湿度预报残差的均方根误差分别为0.016和0.023;此外,相比于方案4,方案2在采用抗差估计解求延迟相位的基础上,采用多系统多卫星组合进一步提升了延迟相位的估值精度,从而不仅避免了复杂的选星过程,而且还获得了更好的建模效果和更高的土壤湿度预报精度。     

土壤湿度微波遥感监测研究进展

土壤湿度是农业生产的重要影响因子,获取土壤湿度信息以制定人工干预调节措施是稳固生产的重要保证,实时、有效地监测土壤墒情显得尤为重要。利用遥感数据反演土壤湿度有多种方法,微波遥感法被认为是目前最佳的监测方法。本文总结了被动、主动微波土壤湿度遥感监测的主要模型、方法及其优缺点和适用范围,分析了雷达遥感监测土壤湿度的最优参数选取等,展望了微波遥感监测土壤湿度的应用前景,以期为土壤湿度微波遥感监测研究提供参考和借鉴。     

目标分解技术在植被覆盖条件下土壤水分计算中的应用

目标分解技术利用协方差距阵的特征值和特征矢量，将极化雷达后向散射测量值分解为单向散射，双向散射和交叉极化散射三个分量，并建立了植被覆盖地表的一阶物理离散散射模型。通过分解的各分量与该模型的比较，建立重轨极化雷达测量数据估算土壤水分的方法，采用Washita‘92实验区多时相全极化L波段JPL/AIRSAR图像雷达测量数据，利用分解的散射测量值，我们评估了在同一入射角，单频（L波段），多路条件下，分解理论在进行土壤水分估计时减少植被影响的能力。结果表明利用目标分解理论和重轨极化雷达数据可以估算植被覆盖区域土壤水分的变化情况。