微波遥感反演土壤水分中构建粗糙度参数的新方法

地表粗糙度是影响雷达后向散射系数的重要因素。该文在基于SAR影像反演地表土壤水分的过程中,考虑到地表粗糙度的野外测量误差、取值范围和雷达入射角等方面的影响,统计了裸土、农用地和草地等几种典型地表的粗糙度测量数据,以此限定AIEM模型的输入参数范围。首先,利用AIEM模型模拟雷达后向散射系数与粗糙度、土壤水分之间的关系,构建了基于曲面拟合思想的、与入射角相关的组合粗糙度参数,并以此为基础利用Envisat ASAR双极化数据(VV、VH)建立了土壤水分反演模型。经实测数据验证,在不同入射角范围内,基于该文建立的模型得到的土壤水分反演结果与实测值都有良好的相关性。与其他形式的组合粗糙度参数进行对比,该文提出的模型反演精度较高,能够适用于入射角范围在(5°,65°)内的SAR影像的反演。     

一种改进的土壤水分微波遥感反演模型

利用微波遥感数据反演地表土壤水分有着较好的物理基础,可实现大范围土壤水分状况的遥感监测。本文基于被动微波传感器AMSR-E的X波段数据,将土壤水分值分解成基准值和日变化量两个部分,并分别建立反演模型,同时引入降雨修正因子来进一步提高土壤水分的估算精度;利用IDL语言实现了我们所研发的模型,并集成为新疆土壤水分遥感反演系统模块之一;利用Watch Dog2400与传统铝盒采样获取的新疆地面土壤水分数据,提取适合的模型经验参数,并对模型结果进行精度评价。结果表明,经改进的模型反演得到的新疆土壤水分结果比美国冰雪数据中心的土壤水分产品在精度上有显著提高:均方根误差由8.4%降低为4.25%;所研发的软件模块可为相关应用部门提供快速的大范围土壤水分监测产品。     

基于微波遥感数据的雪情参数反演方法

微波遥感传感器在36.5 GHz通道会因雪深超过其穿透深度而出现信号饱和,从而导致雪深被低估。针对该问题,首先建立了18.7 GHz与36.5 GHz通道亮温差和10.7 GHz与18.7 GHz通道亮温差相结合的积雪深度分层反演新方法,然后利用GCOM-W1星上搭载的AMSR2传感器数据估算了2012年12月至2013年2月新疆每日积雪深度,结合同期的气象站点观测数据与野外实测数据对遥感反演结果进行了评价。结果表明,所建立模型能够很好识别新疆地区积雪的空间分布状况,雪深的估算结果明显优于常用的Chang模型。     

植被覆盖地表主动微波遥感反演土壤水分算法研究

主动微波遥感监测土壤水分具有全天时、全天候并对地物有一定的穿透能力等特点,突破了传统测量方法和光学遥感获取土壤水分的局限。文中在分析植被对微波信号影响的基础上,总结了当前国内外基于主动微波遥感监测植被覆盖地表土壤水分的原理和方法,指出利用,宋朝景“水-云模型”从总的极化雷达后向散射中去除植被影响后,能够改进后向散射系数和土壤含水量之间的关系。最后利用ENVISAT ASAR数据,结合实地采样获得的土壤含水量数据拟合两者之间的关系,结果表明农作物覆盖地表土壤水分变化的估算算法还需要进一步发展和改进以提高反演精度。     

基于支持向量机回归算法的土壤水分光学与微波遥感协同反演

利用遥感技术反演土壤水分对于我国西北地区农业干旱问题研究具有重要意义。该文以新疆焉耆盆地为研究区域,分别利用微波遥感数据(Sentinel-1ASAR)和光学遥感数据(Landsat8)计算土壤后向散射系数(σ0soil)和改进型温度植被干旱指数(MTVDI),并将σ0soil和MTVDI参数作用于支持向量机(SVM)回归算法,探讨了不同参数条件下SVM模型在土壤水分反演中的适应性。实验结果表明,相比只用单因子(σ0soil或MTVDI)作为模型参数,以σ0soil和MTVDI两者共同作为SVM模型输入参数时,土壤水分监测精度显著提高,其建模集决定系数R2=0.81,均方根误差RMSE=3.16%;验证集R2=0.89,RMSE=3.15%。最后,利用最优模型对研究区土壤水分进行了反演,并对不同土地类型含水量进行了评价,可为光学遥感与微波遥感协同反演土壤水分提供参考。     

组合光学和微波遥感的耕地土壤含盐量反演

耕地保护关系到国家粮食安全和经济社会可持续发展,对生态环境保护具有重要作用,快速精准的获取耕地土壤盐分含量及空间分布信息是耕地保护的必然要求。以宁夏平罗县为研究区,利用Landsat 9 OLI和Sentinel-1遥感影像,提取光谱指数和雷达极化组合指数,基于变量投影重要性法与灰度关联法筛选特征变量,然后运用反向传播神经网络、支持向量机和随机森林3种机器学习算法构建模型,并用最佳模型反演耕地土壤含盐量空间分布情况。结果表明：(1)利用变量投影重要性法筛选变量建立的模型验证集决定系数(R²)大于灰度关联法筛选变量建立的模型。(2)利用随机森林算法,组合光谱指数和雷达极化组合指数协同反演模型效果最佳,建模集R²为0.791,均方根误差(RMSE)为1.016,R²较单一数据源模型分别提高0.065和0.085,RMSE分别降低0.147和0.189;验证集R²为0.780,RMSE为1.132,R²较单一数据源模型分别提高0.091和0.237,RMSE分别降低0.175和0.3...     

干旱区土壤水分微波遥感反演算法综述

土壤水分是气候、水文、生态和农业系统的关键组成要素,同时也是监控土地退化和干旱的重要指标,土壤水分信息的及时获取对于规划和管理这些系统来说具有极其重要的意义.微波具有全天候、穿透性以及不受云层影响的独特物理机制使其在研究大尺度土壤水分反演时具有明显优势,已成为当前土壤水分遥感研究的主要大气窗口.在干旱区微波遥感土壤水分...     

基于AMSR-E被动微波遥感数据的广东省土壤水分变化监测

概述了植被覆盖地表微波辐射传输模型的原理和表示方法,指出在地表粗糙度、植被层和大气等影响相似的情况下,微波极化差异指数的变化突显土壤水分变化.利用AMSR-E星载被动微波遥感亮度温度数据,计算分析地表微波极化差异指数(MPDI)的月平均分布,以广东省为试验区,获得了2004- 2009年10月份广东省10.7 GHz通...     

基于改进植被指数土壤水分遥感反演

以渭-库绿洲为例,基于Landsat8 OLI遥感数据,考虑到短波红外特征与土壤水分有很好的关联,将短波红外波段引入可见光-近红外波段构成的传统植被指数中,旨在建立新的植被指数监测土壤水分。基于改进前后共8种植被指数,通过灰色关联分析（GRA）筛选出3种高关联度植被指数,再用偏最小二乘回归（PLSR）进行建模,然后用该模型对研究区土壤水分反演,并对其空间分布格局进一步分析。结果显示：（1）在传统植被指数的基础上引入信息量较大的短波红外,可大幅度降低植被指数间的VIF,消除其多重共线性。（2）通过GRA分析可知,改进后的植被指数与土壤水分之间的关联度均要高于传统植被指数。（3）通过GRA分析筛选出3种高关联度植被指数建立得到精度较高,稳定性较好的PLSR模型,并反演研究区土壤水分分布状况,土壤水分总体上至西向东,由北到南降低,然而土壤水分最小值主要分布在绿洲—荒漠交错带,使得交错带成为“生态裂谷”。研究表明：将短波红外波段引入到可见光-近红外植被指数中,建立的新植被指数可获得较好的土壤水分空间分布反演结果。     

被动微波遥感数据反演地表温度研究进展

被动微波遥感具有穿透云层( 甚至雨区) 获取地表辐射信息的能力, 在处理云的问题上, 明 显优于可见光、红外遥感, 可更好地服务于相关领域研究。由于微波信号受多种因素的影响, 目前 被动微波反演地表温度的算法还不成熟。根据建模手段和方法的不同, 从经验反演模型和物理反 演模型两方面入手, 系统回顾国内外被动微波数据反演地表温度的算法并加以评述, 指出今后应 加强尺度转换、物理机理以及多数据源结合方面的研究。     

利用微波遥感土壤水分产品监测东北地区春涝范围和程度

地表土壤水分是判断农田涝害的直接数据源,以欧洲太空局1978~2010 年微波遥感土壤水分产品、2013 年SMOS MIRAS L3 级土壤水分产品和气象站点的月降水数据为基础,结合土壤水分距平指数和土壤水分异常指数,分析2013 年东北地区春涝影响范围和严重程度。结果表明:① 东北地区以黑龙江省受涝面积最大,约11 万km²,约占黑龙江省总面积的1/4;② 比较多年的月降水数据与涝灾程度,发现冬春季节强降水是引发春涝的主要原因之一;③ 春涝的严重程度与高程呈现负相关关系,涝灾区域多集中在高程500 m以下。     

基于地表温度-植被指数特征空间的区域土壤水分反演

针对目前西北地区广泛存在的农业干旱问题,选取了新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,选择云量较少的两幅TM影像,建立地表温度-植被指数特征空间。首先利用线性方程拟合了特征空间的上下边界,比较利用归一化植被指数(NDVI)建立的地表温度-植被指数特征空间Ts/NDVI和利用改进型土壤调整植被指数(MSAVI)构建的地表温度-植被指数特征空间Ts/MSAVI形状的差异,并计算得到两种温度植被干旱指数(Temperature vegetation dryness index-TVDI,分别为TVDIN和MTVDI)。对TVDI与同期野外不同深度的实测土壤重量含水量数据进行回归分析,建立TVDI估测土壤水分的经验模型并对模型进行验证。研究结果表明,TVDIN和MTVDI均能够反演表层土壤水分,其中MTVDI与土壤水分相关性比TVDIN与土壤水分相关性要高,MTVDI能够更好地反映区域土壤水分状况,是一种更有效的土壤水分监测方法,对农业干旱监测具有一定的科学依据。     

基于Freeman分解的喀斯特高原山区烟田土壤水分反演研究

为探究SAR技术在喀斯特高原山区烟田旱情监测,选取贵州省清镇市流长乡现代烤烟农业基地单元为研究区,采用SAR目标极化分解技术反演团棵期烟田土壤水分。选取Radarsat-2全极化数据,通过Freeman-Durden极化目标分解技术,分解出3种散射机制,并从目视解译假彩色合成影像与散射功率两个角度综合分析主要散射机制,根据SAR影像散射量中的介电常数与土壤水分密切相关的原理,尝试不同的回归模型,用主要散射机制占比反演烟田土壤水分,并用线性回归检验法检验其反演精度。结果表明:此方法能够较好地反演喀斯特高原山区烟田团棵期土壤水分,体现出SAR影像信息中单次散射模拟微粗糙表面散射及反演土壤水分的优势,为喀斯特高原山区烟田旱情监测提供技术参考。     

沙质土壤水分运动参数研究

利用土壤水动力学原理,在室内测定了沙质土壤水分特征曲线、饱和导水率和非饱和导水率。在沙地葡萄园,建立观测场,埋设中子管和负压计,观测水分和吸力变化,基质吸力随土层加深而减小,10 cm处全年最大为126 cm水柱(12.4k Pa),30 cm处全年最大为116 cm水柱(11.4k Pa)。4月份吸力最大,土壤最干燥,7月份吸力最小,土壤最湿润。     

塔克拉玛干沙漠土壤水分运动参数的计算

利用田间实测的一套土壤含水率对应基质势数据，根据Van Genuchten提出的水分特征曲线公式，用最小二乘法拟合了塔克拉玛干沙漠中部土壤的水分特征曲线方程。根据水分特征曲方程中的参数，采用Mualem提出的非饱和土壤导水率公式，推算了当地非饱和土壤导水率公式。并根据上述计算结果，推算了非饱和土壤扩散率和比水容量两个参数的计算公式。     

基于MODIS的陆地植被光合过程参数反演研究

遥感在陆地植被生产力研究中的应用,推动了遥感驱动的陆地生态系统模拟和NPP估算尺度的扩展。NPP遥感模型中,冠层吸收光合有效辐射和辐射利用率是描述植物光合过程的两个关键参数,本文根据太阳辐射在地一气系统中的传输过程和植物光合作用机理,建立基于MODIS数据的参数反演模型,重点研究地表光合有效辐射吸收总量(APARSFC)、冠层光合有效辐射吸收比(RPAR)、辐射利用率(RUE)等的定量提取,并选择东北温带落叶林为研究对象,利用2003年6月MODIS数据,探讨各自在NPP研究中的应用。研究表明：6月东北温带落叶林地表PAR净通量月均值为8．1MJm^-2day^-1;RPAR大于0．5,部分地区达到饱和;辐射利用率在0.45-1．09gC MJ^-1之间,落叶阔叶林和落叶针叶林均值分别为0．71和0．69gC MJ^-1;净光合产物月累积均值达0．53MgChm^-2,其中,落叶针叶林为0．56MgChm^-2,落叶阔叶林达0．51MgChm^-2,表现出明显的地带性规律,与过程机理模型模拟结果进行比较分析,二者差异很小,体现出良好的一致性。     

基于土壤理化性质估计土壤水分特征曲线Van Genuchten模型参数

在东北黑土区采集了不同侵蚀强度黑土土样,测定其土壤水分、机械组成、有机质和容重等指标,利用Rosetta模型估计了Van Genuchten模型的参数,并将估算土壤水分与实测土壤水分对比,评价了选择不同土壤理化性质指标的模拟精度,及该方法对东北黑土的适宜性。结果表明：选择4个或6个土壤性质指标,尺度参数（α）和形状参数（n）的差异较大,采用6指标时,α增大,n减小。修正VG模型参数m与n的关系后,模型拟合精度明显提高,其中6指标的计算结果好于4指标,但拟合值偏大,需进一步较正。Rosetta模型适用于砂粒含量小于46%,粘粒含量大于28%的东北黑土。     

一种针对旱季与雨季差异的AMSR-E被动微波遥感地表温度反演经验模型

基于2009年的AMSR-E/Aqua L2A亮度温度数据,以中国中部和南部地区为研究对象,根据地区干湿差异,以秦岭―淮河线为界,结合旱季(10月―次年3月)和雨季(4―9月),将研究区划分为北方雨季、北方旱季、南方雨季和南方旱季4种情况。利用逐步回归分析方法,分别进行地表温度反演独立建模,构建了基于AMSR-E四波段亮度温度的地表温度多元回归反演模型,回归方程的RMSE除北方雨季外均优于3.0 K。以2010年MODIS LST产品对模型进行验证,结果表明:该模型的地表温度反演平均误差约80%被控制在2.5 K以内,南方旱季平均误差2.5 K的区域面积甚至达到88.64%。文章主要是针对水汽对微波的影响,根据地区干湿差异和旱季、雨季差异而构建的地表温度经验模型,可为其他经验性方法构建提供新的思路。     

被动微波反演土壤水分的L波段新发展及未来展望

土壤水分是陆—气交互作用的重要边界条件,在全球水循环和能量循环中扮演着关键角色,直接影响降水、径流、下渗与蒸散发等水文循环过程,并能反映洪涝和干旱的程度。随着第一颗采用被动微波干涉成像技术的SMOS(Soil Moisture and Ocean Salinity)卫星的发射成功,L波段被动微波遥感技术逐渐成为大尺度土壤水分监测的主要手段,促进了“射频干扰的检测与抑制”、“植被光学厚度反演与植被影响校正”以及“土壤粗糙度参数化方案”等关键问题的研究。本文梳理了“基于微波植被指数的L波段多角度数据反演土壤水分算法研究”项目的最新研究成果,同时评述了围绕以上关键技术问题所取得的国内外研究进展,并对土壤水分微波遥感的未来发展进行了展望。     

基于主成分分析土壤水分扩散率单一参数模型的BP神经网络模型

应用水平土柱法测定了杨凌地区典型粘壤土的水分扩散率,利用土壤水分扩散率的单对数模型和双对数模型对其进行了拟合,建立了土壤水分扩散率单一参数模型,基于主成分分析建立了单一参数模型中参数B的BP神经网络模型。结果表明：利用主成分分析可将研究区域土壤容重、有机质含量、粘粒含量、粗粉粒含量和砂粒含量综合成3个主成分;基于主成分分析建立的BP神经网络模型拟合的单一参数模型参数[B]的均方根误差RMSE为0.308 2;将拟合得到的参数B代入单一参数模型中对土壤水分扩散率进行预测,除去其中较大值的预测结果偏低外,其余土壤水分扩散率预测结果都比较接近实测值,预测结果的均方根误差RMSE为0.257 8,可利用基于主成分分析建立的BP神经网络模型预测单一参数模型中的参数B。