基于新的组合粗糙度参数的土壤水分微波遥感反演

土壤水分的时空分布是水文、气象等领域研究的重要参数。微波遥感因其全天时、全天候对地观测以及较强的穿透能力成为土壤水分反演的重要手段。该文以风沙滩地区为研究区,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,提出一种新的组合粗糙度参数S3/L,以法向菲涅尔反射系数代替土壤水分,建立了雷达后向散射系数与组合粗糙度、法向菲涅尔反射系数Г0的经验关系,利用Radarsat-2C波段双极化(VV、HH)数据构建了土壤水分反演模型。经实测数据验证,模型反演结果与实测值有着良好的相关性(R~2=0.8541),平均绝对误差为4.95%,均方根误差为6.00%。与以往同一区域的研究成果相比,该文提出的反演模型精度较高,更适合于风沙滩地区土壤水分的反演。研究结果可为该地区的水循环及水环境评价研究提供支持。     

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。     

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。     

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。     

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。     

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。     

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...     

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。     

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...     

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。     

一种基于AMSR-E的地表温度半经验反演模型

基于被动微波辐射传输方程,结合De Jeu建立的透过率与微波极化差异指数的通用关系式,以及Smiths建立的地表温度与大气总可降水量的经验关系,构建了一套基于AMSR-E影像的地表温度半经验反演模型,该模型无需借助其他辅助数据,便可从AMSR-E 6.9GHz和10.7GHz两个波段的亮度温度模拟得到地表温度变量。对2009年我国地表温度进行实例模拟和验证,结果显示,该地表温度模型的平均反演精度达到2.54℃（R2=0.79）,是一种简单有效的被动微波遥感地表温度模拟方法。     

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。     

土壤水分动态随机模型研究进展

土壤水是地球表层系统的重要组成,是水文循环的核心,控制着最基本的陆地生态系统格局与过程,是陆地生态系统健康运行的关键。土壤水分动态是研究水文过程和陆地生态系统过程相互作用及反馈必不可少的一环,是一系列水文、气候和生态过程非线性动态作用的结果。因此,土壤水分动态表现为脉动、无规律和随机的过程,对其研究需要随机方法。本文综述了基于土壤水分平衡的土壤水分动态随机模拟的研究进展,主要关注土壤水分动态随机模型的分类比较和适用性。希望能为国内生态水文学的定量研究提供一些参考,促进对水文循环与陆地生态系统之间相互作用更好的理解,最终有助于水资源和生态系统的可持续管理。     

一种改进的遥感影像面向对象最优分割尺度计算模型

面向对象的影像分析方法能够充分利用高分辨遥感影像信息,有效提取目标信息.分割尺度的选择是面向对象影像分析方法的核心问题.该文采用样本控制的方法,构建了基于面积和周长的分割对象样本一致性评价因子,针对不同的信息提取目标,提出一种改进的遥感影像面向对象最优分割尺度计算模型,并验证了其优越性.     

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。     

一种基于光谱归一化的丘陵地区植被覆盖度反演方法

由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象。此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异。混合像元的存在,以及植被内部光谱变化较大都将导致植被覆盖度反演精度降低。本研究基于Sentinel 2A遥感影像,提出了一种基于光谱归一化的光谱混合分析方法,以期解决植被内的光谱差异以及与其他地物的混合问题。首先,对端元矩阵与遥感影像进行归一化预处理,以减弱植被内的光谱变化;然后,采用全约束最小二乘法(FCLSU)、部分约束最小二乘法(CLSU)、扩展线性混合模型(ELMM)三种混合像元分解算法来定量分析植被与其他地物的混合状态。在验证解混算法精度时,采用无人机高分影像分类结果作为植被覆盖度参考影像,并对归一化前后的精度进行对比。光谱归一化前,ELMM和CLSU的R和RMSE都接近0.903和0.353,FCLSU的R和RMSE为0.869和0.434。光谱归一化后,三种算法的R和RMSE都接近0.91和0.2。试验结果表明:端元和影像进行归一化后,降低了光谱变异性,三种算法的解混精度在整体上提高较大,且对四川丘陵地区的植被覆盖度的反演结果接近真实值。     

改进的热惯量模式及遥感土壤水分

本文提出一个考虑地表显热通量及潜热通量的热惯量模式。模式利用了地面定标的方法并充分利用了热象图的空间分布信息,因而较大幅度地提高了估算土壤水分含量的精度。     

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。