土壤水分遥感反演研究进展

机器学习和多源数据融合是土壤水分反演研究的热点方向,但对L波段合成孔径雷达（synthetic aperture radar,SAR）数据的研究较少。以额济纳绿洲为研究区,利用ALOS-2 PALSAR-2和Landsat 8影像提取雷达和光学特征参数,通过参数重要性评分进行特征筛选,采用随机森林方法建立基于雷达、光学以及雷达-光学特征参数协同的土壤水分反演模型,对比模型精度,反演绿洲土壤水分。结果表明,与C波段相比,L波段SAR数据对干旱荒漠绿洲区土壤水分含量敏感性更高;雷达特征参数中重要性较高的为表面散射和体散射分量,二面角散射和螺旋体散射分量相对偏低;光学特征参数中植被供水指数重要性最高,增强型植被指数重要性最低。雷达特征参数方案最优模型决定系数R²、均方根误差（root mean square error, RMSE）分别为0.67、2.16%,光学特征参数方案模型精度普遍较低且精度相当,R²、RMSE分别为0.5、2.47%;雷达-光学参数协同反演的最优模型R²、RMSE分别为0.72、1.99%,相比单一数据源,R²分别提升7.46%、38.4%,RMSE分别降低8.54%、22.6%。研究证明,基于多源数据融合的随机森林模型在干旱荒漠绿洲区具有较高的预测精度和良好的适用性。

     

基于MODIS数据的干旱区土壤水分反演

为了更好地研究内蒙古额济纳盆地的土壤水分时空分布及动态变化,基于MODIS数据,利用热惯量模型,计算了表观热惯量,并与实测数据进行回归分析建模,反演了内蒙古额济纳盆地的土壤水分。结果表明,利用MODIS数据产品,反演参量获取简单,可降低反演土壤含水量的复杂性,有利于大、中尺度的实际应用;砂土对应的表观热惯量均值较大,粘土次之,壤土最小;相比粘土,壤土和砂土的表观热惯量值比较大且分散;绿洲区表观热惯量值比戈壁和沙漠区大;热惯量模型在20 cm左右深度土壤水分反演效果最好,可有效反演干旱区土壤水分。     

植被覆盖地表土壤水分遥感反演

以地域特色突出的新疆渭干河-库车河三角洲绿洲为研究区,联合使用雷达数据和光学遥感数据,对干旱区绿洲土壤和植被水分信息进行提取。在同期光学遥感影像数据提取植被归一化差分水分指数基础上,利用\"水-云模型\"从雷达数据总的后向散射中去除植被影响,建立土壤后向散射系数与土壤含水量的关系,相关系数为HH极化R2=0.5227,HV极化R2=0.3277。结果表明利用C波段HH极化雷达影像数据结合光学影像数据,进行干旱半干旱地区棉花、玉米等农作物种植区地表土壤水分反演时,在中等覆盖条件下去除植被影响有较好的效果。     

WOFOST模型与遥感数据同化的土壤速效养分反演

土壤速效养分是作物生长的必要条件,合理控制土壤速效养分含量对粮食增产、农民增收以及环境保护都有重要意义。随着现代农业技术的发展,可以通过变量施肥将土壤速效养分含量控制在最佳状态,这也对土壤养分的获取精度提出了更高的要求。当前的主要土壤速效养分遥感监测方法在监测精度、稳定性、成本控制和可推广性依然存在一定不足,甚至限制对变量施肥的指导作用。本文针对传统土壤速效养分估算方法的不足,提出了利用作物模型与时间序列遥感数据相结合实现耕层土壤速效养分反演的新思路,该思路以养分缺失引起的作物长势参数的变化为切入点,在数据同化算法设计和养分模块优化改造的基础上,利用作物长势参数遥感监测结果与模型模拟结果的差异设计了土壤速效养分反演算法,实现速效养分含量信息的有效获取。设计地面观测实验并利用地面观测数据对反演精度进行评价,结果表明该方法可以对土壤中的速效养分进行实时、高精度的稳定反演,3种主要的速效养分速效氮、有效磷和速效钾的R2分别达到了0.68、0.74和0.52,平均相对误差分别为7.45%、6.17%和9.97%。     

一种极干旱区水热通量遥感模型反演

针对极干旱的土壤水热通量遥感估算研究少和缺乏模型验证分析的不足,该文选取新疆塔克拉码干沙漠东南缘米兰绿洲,借助2010年8月7日TM影像数据,结合地面观测数据和土地覆盖类型解译,利用SEBAL模型反演了研究区地表通量。结果表明:该方法在极干旱区的模拟精度较高,研究区地表能量平衡各分量具有明显的时空分布特征。地表通量参数的遥感反演估算对极干旱区的生态保护、灾害监测和地区水资源管理具有重要现实意义。     

被动微波土壤水分反演模型研究

在分析现有地表辐射模型的基础上,分析了被动微波遥感的辐射传输方程,并且对辐射传输过程的主要因素进行了分析.最后对地面辐射进行了介绍,并针对被动微波AMSR数据提出了地表土壤水分反演的模型.     

基于Sentinel-1和Landsat 8遥感数据的高原地区土壤水分反演

土壤水分是农业生产、水资源管理及全球气候等至关重要的参数。合成孔径雷达是获取水分的重要手段,其中植被和粗糙度作为两大关键影响要素是研究的重点。因此,本文针对以下几个方面展开研究。首先,基于Sentinel-1雷达数据获取总体后向散射系数,基于Landsat 8光学数据的3种植被指数（NDVI、NDWI、MSAVI）分别利用水云模型分离出植被的后向散射系数。然后,利用Dobson模型联合高级积分方程模型（AIEM）建立缺少地表粗糙度的后向散射系数表,并使用最小成本函数得到最优粗糙度参数。最后,使用最小二乘法确定反演土壤水分经验方程的系数。试验结果表明：在高原地区,模型反演结果与地面实测结果均具有较好的一致性,其中使用归一化水指数（NDWI2）输入水云模型联合最优粗糙度反演结果最佳,拟合系数达到0.840 2,均方根误差为0.027 21 cm³/cm³。     

土壤水分的遥感监测方法

本文讨论了用雷达图像散射系数法、NOAA-AVHRR数字图像热惯量法和作物缺水指数法监测土壤水分的结果,并将这些方法与常规气象方法、绿度指数法和温差法监测土壤水分的效果进行了比较和评价。结果表明,微波遥感监测土壤水分有广阔的应用前景,但必须深入开展基础研究。在我国目前情况下,采用NOAA-AVHRR数字图像及有关气象数据计算热惯量、作物蒸散和缺水指数,从而估算土壤水分的方法是一种比较切实可行的方法。     

东平湖水体透明度的遥感反演研究

针对传统水体透明度测量方法不仅耗时费力,而且在时间和空间的监测中也会受到很大的限制,只能了解研究区域内点状剖面的透明度状况,但是遥感技术的发展为解决传统采样方法的局限性问题提供了可能。该文在分析内陆湖泊水体光学特征的基础上,利用三期Landsat8 OLI影像数据及准同期的地面实测数据,寻找与东平湖水体透明度敏感的波段,对东平湖丰、平、枯水期水体透明度的进行遥感反演研究。结果表明,OLI影像B3、B4波段的反射率与实测的透明度数据之间具有良好的相关关系,并以此为基础建立了该区域水体透明度遥感反演模型。结果表明:模拟值与实测值的总体相对误差为19.77%,均方根误差为19.35cm,模型精度在可以接受的范围之内;由于受围网养殖、叶绿素a含量等因素的影响,东平湖透明度总体呈现出南低北高的分布趋势。据此绘制了东平湖丰、平、枯水期水体透明度分布图。     

基于数据同化的长春市雾霾反演与空间特征分析

近年随着长春地区冬季雾霾天气的频繁出现,大气可吸入颗粒物(PM2.5)已成为长春地区的主要空气污染物之一。遥感技术与污染物模型相结合是近年来预报空气质量的一种有效方法。本文以2015—2016年长春市冬季雾霾天气为例,利用MODIS遥感影像获取的气溶胶光学厚度(AOD),反演长春市地表PM2.5浓度值,得到长春市空气污染物空间分布图,并分析长春市空气污染物的时空分布特征。同时利用AOD反演的PM2.5浓度值作为数据同化资料,对长春市地表PM2.5浓度值进行预报,预测结果令人满意。研究结果表明:数据同化与遥感信息技术结合进行雾霾预测是一种有效的手段,可为雾霾反演的数据提供可靠的信息。     

渤海湾近岸海域水深遥感反演研究

针对多光谱遥感技术进行浅海水深信息提取具有覆盖地域大、动态连续监测等特点,该文利用环境与灾害监测预报小卫星星座A星(HJ-1A)影像数据,对渤海湾20m以内近岸水域的水深进行实验研究。通过对HJ-1A遥感图像不同波段及波段组合的反射率与实测水深值的相关关系分析,选取敏感波段,建立最佳回归模型,定量计算研究区水深值。研究发现:5~10m水深区域内遥感反演效果最好;10~20m次之;0~5m受沿岸构筑物、泥沙等影响严重,反演效果较差。     

遥感辐射传输建模与反演研究进展

综述了地表二向反射特性和植被BRDF模型、地表热辐射方向性机理与建模研究的国内外现状;围绕遥感辐射传输建模研究的最新进展,重点介绍了基于叶片正反面反射率不等现象的叶片波谱模型改进(EPROSPECT)及冠层辐射传输模型(SAILE)、行播作物二向性反射模型、冬小麦穗叶复合热红外辐射方向性模型、二向性反射特性计算机模拟模型(RGM)、热红外辐射方向性计算机模拟模型(TRGM);选择典型地表参数介绍了定量遥感反演的最新研究进展,包括植被指数方向性校正方法、叶面积指数遥感反演中的信息量度量及其不确定性分析、地表反照率遥感反演中的地形校正方法等,在此基础上介绍了定量遥感反演软件系统(RSIS1.0)。最后就地表参数多源遥感协同反演面临的关键科学问题和近期研究目标进行了展望。     

无人机与卫星影像的叶面积指数遥感反演研究

针对卫星遥感影像获取的叶面积指数精度较低的问题,该文结合无人机低空航拍影像和卫星影像,基于最小二乘法建立了一种叶面积指数遥感反演方法,并与卫星影像像元二分模型进行了比较。结果表明:从单一植被类型到整体植被叶面积指数的反演,新方法均优于卫星影像的像元二分法,两者整体相对误差分别为27%和35%。4种植被类型中,草本植物对模型的反演精度影响较大,两者相对误差分别为32%和56%。使用该方法准确计算了长汀县相关区域叶面积指数分布,与他人结果一致。该方法提高了卫星遥感影像获取叶面积指数的精度,为大面积高精度估算区域植被提供了一种方法。     

MODIS影像雪深遥感反演特征参数选择与模型研究

在综合分析已有研究成果的基础上,选择MODIS遥感影像,借助灰色系统理论,结合观测站实测雪深数据,选择雪深反演特征参数,构建反演模型,并定义多元回归模型的综合评价系数,进而从构建的多个回归模型中,选择出雪深反演最优模型。     

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。     

基于电磁感应的干旱区土壤盐渍化定量遥感研究

以南疆典型干旱区Landsat 7 ETM+遥感图像为数据源,利用决策树分类法提取农业用地,并对农业用地进行移动式电磁感应调查(简称磁感调查)和光谱特征提取,同时分析磁感数据和图像光谱特征与土壤盐分含量的相关性,从而建立土壤盐分的定量反演模型。研究结果表明:土地利用类型决策树的分类精度达到93.75%,Kappa系数达0.915 4;经多元逐步回归分析,磁感调查获得的土壤盐分含量与差值植被指数(DVI)、ETM+图像第二波段像元值(B2)以及比值植被指数(RVI)间具有显著相关性,由此建立的遥感反演模型可用于土壤盐分含量的定量反演。经89个样点检验,基于磁感调查的土壤盐分遥感反演精度虽低于基于磁感调查的地统计空间分析的精度,但遥感定量反演值与磁感调查实测值仍具有良好的相关性,而且精度较高,因此利用本文方法进行土壤盐渍化大面积监测是快速有效的途径。     

GNSS-R土壤水分遥感的适宜性分析

利用GNSS-R(Global Navigation Satellite System-Reflectometry)技术探测土壤水分是近年来一个新兴的研究方向。目前GNSS-R遥感观测中反射信号的接收与处理方式包括单天线与多天线两种模式,面向实际应用需求,GNSS-R遥感正在实现从最初的地基观测向空基、星载观测的转变。在推进GNSS-R土壤水分遥感技术业务化应用的过程中,必须首先进行适宜性分析,确定该技术探测的地理位置、空间分辨率与探测深度,然而目前对此尚未有系统、全面、定量的论述。本文针对适宜性分析中的3个关键因子分别进行理论分析与公式推导,明确相关概念的定义,并实现定量化描述,最终通过实际应用分析进一步诠释其应用价值。对于单天线模式地基观测,以美国板块边界观测计划PBO(Plate Boundary Observatory)土壤水分产品为例,分析镜面反射点的相对位置、第一级Fresnel反射椭圆簇的面积与时间序列土壤水分所代表的探测深度;对于多天线模式,以郑州上街区农田空基观测试验为例,得到基于航迹的栅格土壤水分空间分布并探讨其探测深度。本文能够为未来两种观测模式下地基、空基和星载GNSS-R遥感观测、北斗反射信号遥感,以及GNSS-R在农业、水文、生态等领域的实际应用提供理论指导。     

土壤水分反演中的主动微波散射模型

作为地表水循环的重要组成部分,土壤水分含量的监测已经成为农业、水文、气象和生态环境等领域的研究热点之一,尤其对现代农业中的精确灌溉、旱情监测和产量估计具有深刻的现实意义。微波后向散射强度与土壤水分之间密切的相关关系使主动微波遥感技术成为高空间分辨率的土壤水分监测中最有效的方法之一。高性能微波散射模型的缺乏是限制土壤水分反演应用的主要因素。分别针对裸露地表和植被覆盖地表,首先分析了常用的微波散射模型,然后对影响土壤水分监测的因素进行探讨;并在实际应用举例中,对常用的主要影响因素校正方法进行分析总结。     

合成孔径雷达反演裸露地表土壤水分的新方法

提出了一种新的合成孔径雷达(SAR)反演裸露地表土壤水分的经验模型,该模型同时考虑了均方根高度S和相关长度L的影响,并将两个粗糙度参数合二为一,然后利用VV和VH极化的后向散射系数即可反演得到土壤水分。通过实测数据对模型进行了验证,发现在θ0>20°时,模型反演值与模拟值有着良好的相关关系(R2=0.71)。该模型在不需要测量地面粗糙度的情况下可以反演得到比较好的土壤水分精度,尤其适用于地表情况复杂、难以精确测量的地区。