粗糙度对被动微波遥感反演土壤水分影响的试验研究

土壤水分是气象预报、农情监测及水文模型的重要参数之一,利用被动微波遥感技术可以有效获取土壤水分。本文分析被动微波遥感反演土壤水分的国内外研究现状,在前人相关理论与方法的研究基础之上,基于土壤的微波辐射特性,通过双波段(C、Ku)微波辐射计对不同水分、不同表面粗糙度的土壤微波辐射特性进行了试验研究,分析土壤湿度与微波发射率、土壤粗糙度与微波遥感指数之间的定量关系,并建立了土壤湿度与微波发射率、粗糙度与微波遥感指数间的经验模型。     

AMSR微波遥感数据进行土壤湿度的计算机反演

为了有效解决大尺度区域土壤水分时、空间变化监测的问题,在总结了被动微波遥感反演土壤湿度规律的基础上,基于先进的AMSR星载被动微波遥感数据,提出了利用双谱模型计算土壤表面发射率的计算机算法。首先需要由双站散射系数计算反射率和发射率,然后应用人工神经网络反演土壤湿度,实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演,并在实验区进行了成功的应用。     

地表温度的被动微波遥感反演研究进展

微波遥感能穿透云层,甚至可穿透一定程度的雨区,可以弥补热红外遥感的不足。发展基于被动微波遥感的地表温度反演算法可以全天候地为相关领域提供数据服务。根据前人研究,该文从方法论的角度将已有的反演方法分为统计模型法、物理模型法和神经网络算法3类,分析了每种方法的优缺点,并探讨了未来微波遥感反演地表温度的发展方向,以期为进一步研究提供参考。     

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。     

山区地形对被动微波遥感影响的研究进展

随着土壤湿度与海水盐度卫星( SMOS)发射计划的顺利开展和AMSR -E(Advanced Microwave Scanning Radiometer- Earth Observing System)业务化运行服务之后,人类用星载微波辐射计监测土壤水分是空间技术上的又一次飞跃,但土壤水分的反演精度受到微波辐射计低空间...     

基于被动微波遥感技术的玉米冠层叶面积指数反演

基于玉米冠层结构参数实测数据和Matrix-Doubling(MD)模型构建了玉米出苗期至抽穗期的冠层多波段、双极化微波辐射特性模拟数据库;通过对模拟数据的回归分析得到了玉米冠层在各波段的微波发射率及其与透过率之间的经验关系,并将经验关系应用于0阶微波辐射传输模型;结合土壤发射率模型构建了玉米冠层覆盖地表的微波辐射亮温参数化计算模型,并基于该参数化模型、利用玉米样地微波亮温观测试验数据,采用迭代方法进行了玉米叶面积指数(LAI)的反演.研究表明,LAI反演值与实测值的相关系数r＞0.9,说明多波段被动微波遥感数据在植被冠层LAI反演方面具有较大的应用潜力.     

植被层对被动微波遥感土壤水分反演影响的研究

在很多对土壤水分被动微波遥感的研究中 ,为简单起见 ,覆盖的植被层使用了一种简单的模型来表征其散射和衰减特性。本文中使用了一种基于辐射传输理论的离散模型来研究植被的发射率、传输率。这种方法可以更加真实地刻划组成植被的散射个体如叶、茎、树枝、树干等对这两个参数的影响 ,因而能更准确地描述植被对下垫面的影响。为了减少土壤水分反演算法中未知量的数目 ,该文给出了这两个参数的模拟结果分别在AMSR E三种不同频率下的简单关系。     

被动微波遥感观测资料干扰对地表参数反演的影响分析

以东亚陆地为研究区,利用2011年7月1—16日AMSR-E(advanced microwave scanning radiometer-earth observing system)二级亮温数据,采用一维变分反演收敛度量识别法对研究区的无线电频率干扰(radio-frequency interference,RFI)进行识别,并进一步分析了该干扰对星载被动微波数据反演地表参数的影响。研究表明,在东亚地区,AMSR-E C波段和X波段都普遍存在RFI,大多出现在工业区、科研中心、人口密集的大城市、机场和高速公路等区域;一般情况下,C波段和X波段的干扰信号分布区域基本不重合;水平和垂直极化通道都有较强的RFI存在,其时间上具有持续性,且不同极化方式下干扰信号的强度因地而异;干扰信号的强度随卫星地球方位角的变化而变化,当星载微波辐射计扫描到某一地球方位角度范围内时这些视场才会受到干扰。研究还发现,用受RFI影响的微波数据反演得到的地表参数值误差较大。因此,在采用被动微波观测数据反演地表参数之前,有必要先有效地检测和剔除RFI。     

地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析

基于双天线全球导航卫星系统反射技术（global navigation satellite system reflectometry,GNSS-R）,建立了两个修正地表粗糙度影响的土壤湿度反演模型——解析模型和人工神经网络模型,并以GPS L1 C/A码为例建立了GNSS-R土壤湿度仿真平台,仿真分析了地表粗糙度对两个模型反演精确度的影响。结果表明,当地表均方根高度大于0.010 m时,必须对解析模型进行粗糙度修正。粗糙度影响修正结果显示,小粗糙度情况下修正的解析模型取得了良好的结果,但对于大粗糙度有一定局限性。在均方根高度大于0.025 m时,进行土壤粗糙度修正前,人工神经网络模型精度比解析模型提高了36.83%~72.36%。进行修正后,人工神经网络模型的精度比解析模型提高了42.86%~54.40%。人工神经网络模型在修正前后取得了相近的精度,无修正的人工神经网络模型精度比有修正的解析模型精度仍提高了35.83%~53.48%。     

土壤有机物质对土壤介电常数的影响

土壤介电常数是开展微波土壤水分和冻融状态的监测的基础,也是植被和积雪的下垫面边界条件,然而目前已有的介电常数研究都没有对高有机质含量的土壤开展系统观测。本文将土壤中的自然有机物质分为腐殖质和植物性残留物两类。采用控制变量实验方法,通过测量5种不同有机质含量的东北黑土和加入不同比例毛白杨碎屑的扁都口草甸土,研究了腐殖质和植物性残留物的对土壤介电常数的影响。结果表明,腐殖质会降低干燥土壤的容重,从而发挥间接作用,使介电常数降低;而对于相同容重下观测的潮湿土壤,腐殖质含量较多的土壤介电常数更大。与Dobson模型的比较显示,在29℃室温下,腐殖质对25%重量含水量潮湿土壤实部的影响在±2左右,虚部能达到1。与腐殖质相比,植物性残留物对风干土壤和潮湿土壤的影响都十分明显。植物性残留物能有效地疏松土壤并代入植物组分的介电特征。当重量含水量为30%时,含毛白杨含量为20%的混合土壤比纯扁都口土壤在实部平均减小3—7左右,虚部减小 1—3左右。因此,根据实验观测以及和模型的比较,土壤中的有机物质会改变土壤介电性质,对微波遥感造成影响。     

光学与微波数据协同反演农田区土壤水分

光学和微波协同遥感反演对于提高农田土壤水分遥感反演精度十分重要。本文采用SMEX02数据集,研究了L波段土壤发射率与地表土壤水分之间的关系,分析了地面植被覆盖对L波段土壤发射率与地表水分之关系的影响规律,推导了以L波段土壤发射率和归一化植被指数NDVI为自变量的土壤水分反演模型。研究表明:L波段土壤发射率与地表土壤水分之间的相关性随NDVI的增加而下降。验证结果表明,本文算法相对常规经验算法,土壤水分反演精度明显提高,H极化条件下,土壤水分的反演精度RMSE由0.0553提高到0.0407,相关系数R2由0.70提高到0.81;V极化条件下,反演精度RMSE由0.0452提高到0.0348,相关系数R2由0.79提高到0.86。     

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(cGBSAR)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...     

基于FY-3B/MWRI数据的裸土区土壤湿度反演

使用高级积分方程模型,模拟多个地表参数条件下的风云三号B星微波成像仪(FY-3B/MWRI)资料。基于模拟数据,分析地表微波辐射特性,利用粗糙地表发射率Qp模型,建立我国西部地区裸露地表土壤湿度反演模型。将该模型用于我国西部地区4个日期(2011年10月8日、10月18日、10月28日和11月8日)的土壤湿度反演,并将反演结果用实测数据进行交叉验证。结果表明:反演土壤湿度与实测土壤湿度的决策系数R2为0.604,均方根误差为0.030 5 cm3/cm3,反演模型具有较高的反演精度。     

Quasi-quantitative relationship between soil moisture and\npolarization characteristics

Besides amplitude, frequency and phase, the polarization is another basic property of the electromagnetic wave. In the remote sensing field, the polarization is mainly applied in active detection systems of radar and lidar. This paper presents the quantitative relationship between soil moisture and polarization signatures in a certain type of soil in a farm. And this relationship is expected to be introduced on agriculture and hydrology ultimately. The experiments were performed both in the laboratory and the field. Soil samples with different moisture contents were measured at three wavebands on visible spectrum, and at several viewing angles in the plane of incidence. The polarization signature was indicated by the multi-band and multi-angle degree of linear polarization (DOLP) in this paper. The soil moisture were divided into five levels according to the properties of DOLP curves, namely, the quasi-quantitative relationship between soil moisture and its polarization signature were established. The percentages of soil moisture of the five levels are: ≤10%, 10%—20%, 20%—40%, 40%—56% and >56%, respectively. Although this division for soil moisture is on a rather large scale, it will meet the precision of application agricultural and hydrologic remote sensing.     

利用TRMM／TMI资料提取地表层湿度信息试验

模拟分析了地表层湿度反演过程中地表及大气各种因素(卫星扫描角、地表粗糙度、地表植被覆盖和大气)对反演结果的影响情况;应用正演模拟技术得到了利用TMI低频10GHz通道微波极化比反演地表层湿度信息时,斜率和截距随像元植被覆盖度可调的反演方程;确定了反演方程中斜率、截距系数随像元植被覆盖度变化的对数关系和线性关系;反演技术中综合应用了多种途径获取到的被动微波像元中动态的植被覆盖信息;尝试了将这些因子用于地表层湿度反演的可行性;对于反演结果,研究工作中利用地表HUBEX外场观测资料进行了对比分析,得到了空间分布特征和时间演变趋势比较一致的对比分析结果。     

山区地形效应对微波辐射特征与土壤水分反演的影响—以青藏高原地区为例

采用星载微波辐射计AMSR-E的低频C波段(6.925GHz),改进了山区微波辐射传输方程,以中国青藏高原地区为例,研究山区可能产生的多种地形效应对微波辐射特征以及土壤水分反演的影响。结果表明,地形效应使得垂直极化亮温最多衰减达到16K,水平极化的亮温最大增强了18K,土壤水分在地形的影响下将被高估超过最大允许误差4%。最后,利用地形效应模拟模型计算的山区地表有效发射率,为山区土壤水分的反演提出了可行的地形校正方法。     

An inter-comparison of soil moisture data products from satellite remote sensing and a land surface model

Significant advances have been achieved in generating soil moisture (SM) products from satellite remote sensing and/or land surface modeling with reasonably good accuracy in recent years. However, the discrepancies among the different SM data products can be considerably large, which hampers their usage in various applications. The bias of one SM product from another is well recognized in the literature. Bias estimation and spatial correction methods have been documented for assimilating satellite SM product into land surface and hydrologic models. Nevertheless, understanding the characteristics of each of these SM data products is required for many applications where the most accurate data products are desirable. This study inter-compares five SM data products from three different sources with each other, and evaluates them against in situ SM measurements over 14-year period from 2000 to 2013. Specifically, three microwave (MW) satellite based data sets provided by ESA's Climate Change Initiative (CCI) (CCI-merged, -active and -passive products), one thermal infrared (TIR) satellite based product (ALEXI), and the Noah land surface model (LSM) simulations. The in-situ SM measurements are collected from the North American Soil Moisture Database (NASMD), which involves more than 600 ground sites from a variety of networks. They are used to evaluate the accuracies of these five SM data products. In general, each of the five SM products is capable of capturing the dry/wet patterns over the study period. However, the absolute SM values among the five products vary significantly. SM simulations from Noah LSM are more stable relative to the satellite-based products. All TIR and MW satellite based products are relatively noisier than the Noah LSM simulations. Even though MW satellite based SM retrievals have been predominantly used in the past years, SM retrievals of the ALEXI model based on TIR satellite observations demonstrate skills equivalent to all the MW satellite retrievals and even slightly better over certain regions. Compared to the individual active and passive MW products, the merged CCI product exhibits higher anomaly correlation with both Noah LSM simulations and in-situ SM measurements.     

基于AMSR-E数据的中国地区微波湿度指数研究

土壤中的水分是地球生态系统的重要组成部分,在全球水循环中发挥着重要的作用。基于被动微波数据提取的湿度指数因其具有全天候、高时间分辨率和数据处理简单等优点,大大推进了大范围地区土壤湿度的重复观测。基于AMSR-E(advanced microwave scanning radiometer-earth observing system)数据提取了8种微波湿度指数,利用密云和汉中气象台站的数据,分别对各个微波湿度指数进行时间序列分析,通过比较得到与降水量相关性较好的垂直极化多时相微波湿度指数PIV,6.9和比值指数DIV,10.7;在此基础上,分析该2种微波湿度指数在密云和汉中10像元×12像元矩形区域随降水量的变化;同时,与10.7 GHz的微波极化差异指数(microwave polarization difference index,MPDI)进行比较,评价3种指数对土壤湿度的监测优劣;在全国范围内,分别对3种微波湿度指数与降水量进行相关分析,得到全国土壤湿度监测的最优指数。结果表明:PIV,6.9作为一种新的微波湿度指数效果最优,可以用于全国范围的土壤湿度监测研究。     

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。