基于ERS散射计数据的土壤水分反演方法

在全球能量与水循环研究中,地表土壤水分是非常关键的参数之一。ERS散射计因具有观测尺度大、重复周期短等优势而在地表土壤水分监测方面日益受到关注。采用目前最先进的理论模型AIEM(改进的积分方程模型),根据ERS散射计的参数设计模拟出一个涵盖较宽地表粗糙度和介电常数输入范围的数据库,利用这个数据库发展出一个参数化模型。该模型采用了一个综合均方根高度(RMS height)与相关长度(Correlation length)的粗糙度参数,该参数在每个入射角度下都可以用同一个函数来描述,解决了多角度数据情况下粗糙度参数的表达问题。应用新发展的参数化模型进行土壤水分的反演结果表明,该模型具有较高的精度。     

基于神经网络方法的极化雷达地表参数反演

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。     

地物的散射特性──“成像雷达微波遥感知识”介绍之四

雷达图像实质上是一张地面目标对雷达发射信号散射的回波强度分布图。目标的散射特性对雷达图像的形成及解译有重要的影响。因而,地面目标散射特性的研究是成像雷达微波遥感的重要研究内容之一。 一、地物散射的一般原理 通常,依据物体的尺寸与波束照射范围的相对关系,可将地面目标分成点目标和面目标 (也称分布目标)两大类。所有这些地面目标的表面都要对人射电磁波产生反射,只是随物体性质、大小尺寸以及表面形态与波长的相对关系的不同,将分别发生镜面反射或漫反射 (即散射).考虑到电磁波对物体表面有某种穿透作用,在研究物体表面散射特性的同时,有时还需要研究体散射。     

结合地基微波雷达与GPS的大型桥梁挠度检测分析

对正常运营的桥梁进行相关受力动态变形监测,是对桥梁健康状况以及桥梁结构变形进行综合评估的重要内容。以正常运营的某连续梁桥动态变形监测为背景,结合地基微波雷达和GPS对其进行了动态挠度变形监测,对地基微波雷达和GPS获取的具有工程价值的数据利用EMD算法进行去噪处理,进一步得到更有分析价值不含噪声的变形数据,并阐述了EMD算法的基本原理,选取热、估信噪比分析地基微波雷达数据质量精度,把加速度重构成挠度变形位移图,与GPS监测变形挠度对比分析,发现监测时间段内桥梁动态挠度变化在毫米级,桥梁中间的变形量大于桥梁两侧。为进一步分析正常运营下的桥梁结构变形以及寿命评估提供有效的数据支撑。     

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。     

土壤水分的遥感监测方法概述

回顾了目前国内外土壤水分的遥感监测方法,介绍了反射率法、植被指数法、地表温度法、温度-植被指数法、作物水分胁迫指数法、热惯量法和微波法,并对各方法的优缺点进行了详细比对;在总结国内外土壤水分遥感监测研究方法的基础上,对目前该研究领域的重点、难点和未来的发展方向进行了评价。认为:热惯量法和植被温度指数法是较为成熟的方法;微波遥感因其独特的优越性,将是该领域的重点研究方向。     

多通道地基微波辐射计大气遥感

本文主要介绍了自主研发的多通道地基微波辐射计观测亮温和数据反演方法,并与探空观测值进行对比,分析了辐射计观测亮温、反演的温度和水汽廓线的精度。结果表明,该仪器亮温观测误差小且利用神经网络反演的大气温度及水汽等廓线参数准确可靠,具有实际应用价值。     

组合表面Bragg散射模型共极化SAR海表面风速反演

组合表面布拉格散射模型CSBS（Composite Surface Bragg Scattering）由布拉格（Bragg）散射模型和几何光学模型组成，是海洋微波散射的经典模型，可用于星载合成孔径雷达SAR（Synthetic Aperture Radar）海表面风场反演。研究指出，Bragg散射模型仅适用于中等入射角条件，几何光学模型则更适用于小入射角情形。然而，如何确定中等和小入射角的阈值，即CSBS模型最优入射角的选取目前尚无定论。基于142景成像于美国东西海岸和中国东海的RADARSAT-2精细四极化SAR影像数据和海洋浮标数据，本文提出了一种最优局地入射角查找算法，分别对VV和HH极化SAR数据进行最优入射角阈值的选取。结果显示，局地入射角14°和16°分别为VV和HH极化影像CSBS模型反演风速最优入射角。基于最优入射角的选取，本文在0—15 m/s海况区间内利用CSBS模型对VV和HH极化SAR影像开展风速反演实验，并将反演风速与浮标风速进行对比。结果显示，基于VV和HH极化数据的CSBS模型反演风速与浮标风速均方根误差分别为2.15 m/s和2.32 m/s，相关系数分别为0.79和0.75，两者具有良好的一致性。本文研究结论表明基于最优入射角设置后的CSBS模型在海面风速小于15 m/s条件下具有良好的应用性，后续研究将更加关注CSBS模型在高海况以及交叉极化SAR数据情况下的应用。     

面目标微波辐射特性实验模型

提出了一种面目标微波辐射特性实验模型 (经验公式 )的建立方法 :由测得目标的天线温度经反演得到目标的视在温度、剔除天空引起的散射辐射温度后得到目标的亮度温度 ,再对亮度温度数据进行最小二乘拟合得到亮度温度的经验公式。用该方法建立的水面亮度温度的实验模型与水面亮度温度的半经验公式(理论模型 )相比较 ,结果显示在测量所覆盖的水面表面温度范围 ( 4— 35℃ )和测量角度 2 0°— 6 5°内 ,两者很接近。并给出了用该方法建立的混凝土路、沥青路和碎石路的微波辐射特性实验模型。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

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。     

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。     

应用微波遥感数据的东北地区地表温度反演

针对无源微波遥感时间分辨率高可以克服云层影响获取地表温度的问题,该文应用AMSR-E微波亮度温度数据,分别选取了基于发射率估计的单通道反演法和多通道线性拟合法反演东北地区地表温度。在原有方法的基础上提出算法改进:对单通道反演法按照植被生长周期在生长季与非生长季分别建立发射率估计方程,探究各微波通道在每种地表覆被类型的反演能力并组合反演精度最高的通道,将微波极化差异指数作为表征发射率参数加入多通道拟合方程。结果显示,获取的地表温度剔除水体和冰雪无效像元后可用性达到100%,改进后的单通道反演法均方根误差由3.58~4.6降低至2.0~3.1,在75%的区域的误差小于2 K;多通道拟合法的最终均方根误差为2.6~3.5,同样有较高精度且只使用微波亮温数据就能获取地表温度。     

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。     

农田垄行结构对被动微波遥感土壤壤湿度反演的影响

根据离散方法建模垄行结构农田表面微波发射率,与地基多频率微波辐射计实测发射率比较发现：二者之间的平均绝对偏差小于0.01 ,证实了利用离散化方法建模农田表面微波发射率的可行性.在给定条件下不同观测方位角农田表面微波发射率与平坦表面的发射率差值在0.02 与0.05 之间,这说明农田结构微波辐射具有各向异性,行结构对发射率的影响在农田电磁波辐射建模过程中不可忽略.本文分析了不同土壤湿度条件下农田垄行结构可能引起的土壤湿度反演误差,结果表明,土壤湿度变化范围是0.02—0.5 cm³/cm³,垄行结构引起的土壤湿度反演误差为0—0.1 cm³/cm³, 此误差超过了土壤湿度反演的容限值,因此在进行农田参数的遥感提取过程中不可忽略周期性垄行结构对表面发射率的影响.     

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。     

裸露地表微波热采样深度统计模型

被动微波遥感反演土壤水分对应的土壤深度是土壤水分产品真实性检验和应用中必须确定的问题。本研究利用理论模型对影响土壤热采样深度的参数进行了分析。在此基础上,通过回归分析的方法发展了一个估算被动微波遥感土壤热采样深度的统计模型,并通过微波辐射测量实验对模型进行了验证。研究证明,理论模型模拟裸露地表发射率平均误差为0.032,基于理论模型发展的热采样深度统计模型的误差在0.5 cm左右。该统计模型可以通过土壤含水量、温度、质地和观测频率4个较容易获取的参数计算土壤微波辐射的热采样深度,为被动微波遥感土壤水分产品的真实性检验工作中地面土壤水分测量以及土壤水分遥感产品的应用提供参考。     

利用半经验模型的土壤水分反演方法

针对土壤水分反演经验模型使用范围受限、而理论模型相对复杂的问题,该文利用积分方程模型及经验相关长度定标模型,分析均方根高度、地表相关长度、土壤体积含水量对雷达后向散射系数组合的影响;结合RADARSAT-2全极化C波段雷达数据和野外实测数据,构建研究区均方根高度反演模型;将该模型与Dubois模型、介电模型进行结合以反演表层土壤含水量,并对反演值进行线性校正,最终实现裸土区表层土壤水分反演。实验结果表明,HH、VV极化下土壤水分实测值与反演值绝对误差在0.06内的点数分别达到总点数的78%和68%,证明该方法具有一定的可靠性和实用性,可为地表均方根高度、土壤水分反演提供方法和借鉴。     

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。     

多星融合的土壤湿度滚动式估算模型

全球定位系统干涉反射测量(GPS-IR)是一种新的遥感技术,可用于估算近地表土壤水分含量。考虑到多卫星融合的优势和土壤湿度的时空尺度性,提出一种基于多星融合的土壤湿度最小二乘支持向量机(LS-SVM)滚动式估算模型。首先通过低阶多项式拟合分离GPS卫星直射和反射信号,进而建立反射信号正弦拟合模型,获取相对延迟相位。最后,通过线性回归模型有效分析和选取多卫星相对延迟相位,并建立基于多星融合的最小二乘支持向量机模型进行滚动式估算土壤湿度。以美国板块边界观测计划PBO提供的监测数据为例,对比分析利用单颗、多颗GPS卫星进行土壤湿度滚动式估算的可行性和有效性。经理论分析和两个测站实验表明:该模型充分发挥了LS-SVM的优势,有效综合了各卫星的性能,改善了采用单颗卫星进行土壤湿度估算时,其结果极易出现异常跳变的现象;模型只需较少的建模数据,采用滚动式能实现较长时间的估算,估算误差较为稳定;模型所估算的结果与土壤湿度实测值之间的相关系数R2以及均方根误差分别为0.942和0.962、0.072和0.032,相对于部分单一卫星至少提高了18.18%。因此,土壤湿度问题可作为非线性事件处理,采用多卫星融合估算是可行和有效的。