利用随机森林回归进行极化SAR土壤水分反演

全极化合成孔径雷达影像能够提供地物丰富的极化信息，挖掘这些信息在地表参数反演中的作用是目前相关领域的研究趋势之一。针对冬小麦区域的不同植被覆盖情况，利用随机森林回归对常用极化特征在土壤水分反演中的重要性进行评估，并在此基础上进行特征选择，挑选优化的极化特征组合，构建了高精度的土壤水分反演模型。实验结果显示，由重要性评分较高的极化特征所组成的反演模型能得到均方根误差（root mean square error，RMSE）小于6%的反演精度，比只输入传统线极化后向散射系数的模型在不同时相、不同数据集的精度都有所提高。与支持向量回归和人工神经网络模型进行比较，利用随机森林回归进行重要性评分与土壤水分反演的效果更好。     

微波目标散射特性全要素测量试验

合成孔径雷达SAR（Synthetic Aperture Radar ）以其全天时全天候的观测能力在地表目标识别、灾害监测等领域得到了越来越多的重视,高分辨率、全极化等各类先进SAR载荷卫星的发展日新月异。相对而言,微波与地物目标的相互作用机理仍有待深入研究。在可控无电磁干扰的测试环境下开展典型目标微波特性测量实验,可以再现SAR卫星电磁波与地物目标的相互作用过程,有效提升微波电磁波与典型地物目标相互作用机理的认知水平。本文基于“陆地目标微波特性测量与仿真成像科学实验平台”,在可控环境下对两种典型的人工目标（金属球与四旋翼植保无人机）以及典型自然地物（水稻）目标分别开展了全频段微波散射特性测量与多波段、多极化、多入射角、多方位角成像实验。实验结果表明,金属球的雷达散射截面积RCS（Radar Cross Section）测量值精度较高,在2.5 GHz以上与Mie级数模拟值的均方根误差分别为1.09 dBsm（HH极化）与1.00 dBsm（VV极化）;同时实验平台能够较好地呈现无干扰环境下目标多入射角、多方位角的散射特性。此外,由于结构特征的不规则性和介电特征的不连续性,水稻的0.8—18 GHz连续微波波谱曲线起伏变化较大,这也是导致对自然地物目标的SAR图像解译困难的主要原因之一。