共查询到20条相似文献,搜索用时 140 毫秒
1.
ENVISAT ASAR 数据用于水稻监测和参数反演 总被引:1,自引:0,他引:1
用雷达后向散射模型模拟了水稻生长周期内入射角对雷达后向散射的影响关系。用模拟结果归一化雷达数据的后向散射系数,得到同一入射角下水稻周期内后向散射系数时间序列值。分析了归一化ASAR数据与水稻生物参数的关系,实验结果表明,ASAR数据可以用来估测水稻参数。 相似文献
2.
多参数SAR数据森林应用潜力分析 总被引:2,自引:0,他引:2
利用多参数机载全球雷达(GlobeSAR)数据和航天飞机成像雷达(SIR-C/X-SAR)数据,分别在我国南、北方两个试验区进行森林识别与分类,以及蓄积量估测的试验.为了更好地了解雷达后向散射与森林结构特征的关系,分别从雷达图像上提取了后向散射系数和强度,进行森林类型识别效果的分析,以及森林结构参数与雷达后向散射强度的相关分析.结果显示多波段、多极化SAR数据能有效地识别不同类型的森林.雷达的后向散射强度对森林的结构参数,尤其是森林的平均胸径和高度较为敏感,据此对试验区的森林蓄积量进行了估测,并分析了多参数SAR在森林应用中的潜力. 相似文献
3.
4.
航天飞机成像雷达海面风矢量观测研究——以1994年4月南中国海试验区为例 总被引:6,自引:0,他引:6
海洋雷达后向散射回波主要来自短重力波的Bragg散射,这种散射与海面风场信息、边界层涡旋等密切相关。因此,可以从雷达散射截面反演风场信息。对1994年4月航天飞机成像雷达(SIR-C/X-SAR)获取的南中国海合成孔径雷达(SAR)图像进行了分析研究。利用SIR-C数据,从SAR图像谱提取了风向;根据CMOD4模型,从C波段雷达后向散射系数反演风速;利用双尺度散射模型对反演的风速进行了对比分析。结 相似文献
5.
6.
地面起伏对成像及雷达景象匹配的影响 总被引:5,自引:0,他引:5
景象匹配是飞行器导航与定位的一种重要手段,其中的雷达图像匹配由于具有全天候的特征而受到人们的重视.在分析了实时雷达图像成像方式的基础上,具体分析了地面高程起伏对雷达图像构像的影响,并进一步推导出在实时雷达图像上,图像像点位移与地面高程起伏的具体关系;以及为了保证一定的匹配定位精度,对于实飞地区地面起伏的定量要求.同时还对导航定位匹配所用的参考基准图受地面高程起伏的影响情况进行了定量的分析,并对理论情况和实际图像进行了计算分析与比较,最后得出在给定匹配精度的情况下,生成参考图时对成像区域内点之间的高差限制要求. 相似文献
7.
海洋雷达后向散射回波主要来自短重力波的Bragg 散射,这种散射与海面风场信息、边界层涡旋等密切相关。因此,可以从雷达散射截面反演风场信息。对1994 年4 月航天飞机成像雷达(SIRC/XSAR)获取的南中国海合成孔径雷达(SAR) 图像进行了分析研究。利用SIRC 数据,从SAR 图像谱提取了风向;根据CMOD4 模型,从C波段雷达后向散射系数反演风速;利用双尺度散射模型对反演的风速进行了对比分析。结果表明,从SIRC雷达数据可以反演海面风矢量,星载SAR是提取海面风场信息的有效技术手段之一。 相似文献
8.
通过对肇庆试验区1996年和1997年获取的多时相、多模式雷达卫星(RADARSAT)数据分析,从图像上直接提取地物的后向散射系数,结合实地测量水稻的生长结构参数,建立了水稻生长模型,分析了不同生长周期(从80天到120-125天)4种类型水稻的时域散射特性。利用1997年4月至7月获取的7景标准模式雷达卫星数据,对试验区内三个县和两个行政区共5000km^2面积范围内的作物进行分类和水稻产量预估算,水稻类型分类及面积量算精度达91%。结果表明:利用雷达遥感数据进行水稻种植面积量算和估产需要水稻生长期间三个时相的数据,即插秧期、抽穗期、收割前期。若能够获得多参数雷达图像,可以用插秧期和收割前期的两个时相图像来代替上述的三个时相图像同样可以达到种植面积量算和估产的效果。这一结果充分说明多时相雷达卫星数据对我国南方水稻长势监测及估产具有明显优势和潜力。 相似文献
9.
基于神经网络方法的极化雷达地表参数反演 总被引:6,自引:1,他引:6
人工神经网络(Artificial Neural Network)是一个由独立处理单元以一定拓扑结构高度连接而成的并行分布式信息处理结构,适于解决各种非线性问题,积分方程(Integrated Equation Model)单散射模型可模拟各种地表参数条件下裸露地表后向散射系数,以IEM为基础生成训练数据,用L波段的C波段SIR-CHH,VV极化单散射后向散射系数数据为神经网络输入,通过后向反馈(BP)神经网络模型可同时反演得到裸露地表条件下地表介电常数,地表相关长度和均方根高度等地表参数。 相似文献
10.
水稻时域散射特征分析及其应用研究 总被引:14,自引:3,他引:14
通过对肇庆试验区1996年和1997年获取的多时相、多模式雷达卫星(RADARSAT)数据分析,从图像上直接提取地物的后向散射系数,结合实地测量水稻的生长结构参数,建立了水稻生长模型,分析了不同生长周期(从80天到120-125天)4种类型水稻的时域散射特性。利用1997年4月至7月获取的7景标准模式雷达卫星数据,对试验区内三个县和两个行政区共5000km^2面积范围内的作物进行分类和水稻产量预估算,水稻类型分类及面积量算精度达91%。结果表明:利用雷达遥感数据进行水稻种植面积量算和估产需要水稻生长期间三个时相的数据,即插秧期、抽穗期、收割前期。若能够获得多参数雷达图像,可以用插秧期和收割前期的两个时相图像来代替上述的三个时相图像同样可以达到种植面积量算和估产的效果。这一结果充分说明多时相雷达卫星数据对我国南方水稻长势监测及估产具有明显优势和潜力。 相似文献
11.
多频率多极化地表辐射参数化模型 总被引:5,自引:2,他引:5
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。 相似文献
12.
航天飞机极化干涉雷达数据反演地表植被参数 总被引:7,自引:0,他引:7
利用基于极化干涉测量的基本原理和相干散射模型。提出了基于模拟加温-退火算法的极化干涉雷达数据地表植被参数的反演算法,首先,对极化干涉测量的基本原理和一个考虑了地表和植被散射的二层相干散射模型进行了阐述。接着,对模拟退火算法的基本理论和基于模拟加温-退火算法的地表植被参数反演模型进行了论述,最后,利用和田地区1994年10月9日和10日的航天飞机SIR-CL波段单视散射短阵复数据进行了地表植被参数反演的计算,将反演结果与实测数据比较,表明该反演算法能以较好的精度获取地表植被的高度。 相似文献
13.
水稻生长期微波介电特性研究 总被引:4,自引:0,他引:4
利用植被介电常数的Debye-Cole双频色散模型,模拟计算了广东肇庆水稻试验区1996年晚稻和1997年早稻人插秧期、发蘖期、扬花期到成熟期各生长期的介电常数值,并根据计算结果,探讨了电磁波频率、水稻含水量、温度、含盐度及水稻冠层干体密度对介电常数的影响。其中,不同生长期水稻的介电常数各不相同,不同水稻类型(早稻和晚稻),介电常数的变化趋势不尽相同。电磁波频率、水稻含水量、温度和水稻冠层干体密度均对介电常数有不同程度的影响,而含盐度却对介电常数影响不大。 相似文献
14.
表面粗糙度是影响土壤在微波波段发射和散射辐射的主要因素之一,也是微波遥感研究与应用的重要参量。由于微波后向散射还受介电特性、穿透深度等因素的影响,在微波遥感应用中往往难以单独考虑介质表面粗糙度,给参数估算与反演带来了一定困难。在可见光、近红外波段,粗糙度作为土壤表面重要的结构参数之一,直接影响着土壤的二向反射分布特征。因此,本文尝试利用光学多角度观测信息,反演土壤表面粗糙度。基于地表二向反射几何光学模型,假设裸土像元由随机分布于平坦表面的土壤团粒组成,将团粒近似为半椭球体,建立裸露土壤表面二向反射模型,模拟不同粗糙度条件下土壤表面像元的二向反射分布特征。进一步尝试采用多角度观测数据反演模型,估算土壤团粒的几何结构参数,进而计算土壤表面均方根高度,作为表面粗糙度的衡量指标。地面实测多角度数据的初步验证结果表明,多角度光学遥感估算土壤表面粗糙度的方法是可行的。 相似文献
15.
In this paper, a new snow wetness estimation model is proposed for full-polarimetric Synthetic Aperture Radar (SAR) data. Surface and volume are the dominant scattering components in wet-snow conditions. The generalized four component polarimetric decomposition with unitary transformation (G4U) based generalized surface and volume parameters are utilized to invert snow surface and volume dielectric constants using the Bragg coefficients and Fresnel transmission coefficients respectively. The snow surface and volume wetness are then estimated using an empirical relationship. The effective snow wetness is derived from the weighted averaged surface and volume snow wetness. The weights are derived from the normalized surface and volume scattering powers obtained from the generalized full-polarimetric SAR decomposition method. Six Radarsat-2 fine resolution full-polarimetric datasets acquired over Himachal Pradesh, India along with the near-real time in situ measurements were used to validate the proposed model. The snow wetness derived from the SAR data by the proposed model with in situ measurements indicated that the absolute error at 95% confidence interval is 1.3% by volume. 相似文献
16.
17.
Nakamura K. Wakabayashi H. Uto S. Ushio S. Nishio F. 《Geoscience and Remote Sensing Letters, IEEE》2009,6(2):277-281
To investigate the suitability of synthetic aperture radar (SAR) polarization data to estimate the sea-ice thickness in early summer in Lutzow-Holm Bay, Antarctica, we compared in situ ice thicknesses with the corresponding backscattering co-efficient for each polarization and the VV-to-HH backscattering ratio. The VV-to-HH backscattering ratio was derived from data acquired by ENVISAT Advanced SAR (ASAR). This ratio is related to the near-surface dielectric constant of the sea ice, which is, in turn, related to the developing process of ice and, thus, its thickness via changes in the near-surface sea-ice salinity. The sea ice encountered in the study area is close first-year pack ice and fast ice. For these old and relatively rough sea-ice types, the VV-to-HH backscattering ratio can be expected to depend on salinity-driven changes in the near-surface dielectric constant rather than changes of the surface roughness. We applied the empirical relationships between the ice thickness and the VV-to-HH backscattering ratio with the linear and logarithm fits to ASAR data. The linear fit gave the reliable result, with an rms error being 0.08 m and a correlation coefficient being 0.91, when compared to in situ fast-ice thickness. 相似文献
18.
19.
20.
森林的高度和垂直结构剖面都是重要的森林空间结构信息,极化干涉SAR的出现使定量获取森林结构参数成为可能。在分析比较三阶段法、DEM差分法和相干幅度法估计森林高度的基础上,采用相干幅度算法提取的树高,通过勒让德多项式展开以及单基线极化干涉数据提取森林的垂直结构剖面。利用仿真SAR数据进行实验分析,研究表明,通过极化相干层析技术,能够获取准确的森林垂直结构函数。 相似文献