利用多时相Sentinel-1 SAR数据反演农田地表土壤水分

土壤水分是陆面生态系统水分和能量循环的重要变量,在农田干旱监测、作物长势监测和作物估产等应用研究中具有重要的作用。该文结合基于变化检测的Alpha近似模型,利用Sentinel-1卫星获取的多时相C波段合成孔径雷达(synthetic aperture radar,SAR)数据,实现了农田地表土壤水分的反演。该文首先利用微波辐射传输模型验证了Alpha近似模型在土壤水分反演中的合理性。研究发现,对于土壤散射占主导的区域,Alpha近似模型对辐射传输模型有较好的近似,能够有效地消除地表粗糙度和植被对雷达后向散射系数的影响。在此基础上,结合怀来研究区多时相Sentinel-1 SAR数据,利用Alpha近似模型构建了土壤水分观测方程组,通过求解方程组得到了农田地表土壤水分。地面验证结果表明,土壤水分反演的均方根误差(root mean square error,RMSE)为0.06 cm3/cm3,平均偏差为0.01 cm3/cm3,精度较好。该文研究为利用高重访周期、多时相的Sentinel-1 SAR数据获取农田地表土壤水分提供了参考。     

土壤水分反演的特征变量选择研究综述

土壤水分是水、能量和生物地球化学循环中不可忽略的组成部分,土壤水分信息对水资源管理、农业生产以及气候变化等相关研究有着重要意义。基于遥感数据的土壤水分反演算法是获取土壤水分信息的重要手段,通过对影响土壤水分反演的因素进行梳理,将影响因素抽象为包括土壤特征,植被特征,以及气象特征在内的特征变量,并以此为主线对土壤水分的反演研究进行回顾与梳理。分析了利用不同特征变量反演土壤水分时存在的问题和发展趋势,指出土壤水分反演过程中存在特征变量理论研究不足、综合应用不深的问题,强调耦合使用各类特征变量以提高水分反演精度是未来的研究热点。     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

基于Sentinel-1双极化雷达影像的土壤含盐量反演

该文以松嫩平原土地盐碱化区域-大庆市为研究区,Sentinel-1双极化雷达影像为数据源,结合研究区土壤采样的全盐含量测量值,反演研究区表层土壤含盐量。首先,在研究区进行土壤采样,并在实验室化验土壤样品的全盐含量,利用S1TBX软件对雷达影像进行噪声处理、辐射校正、几何校正;然后通过分析雷达影像不同极化组合的后向散射系数与土壤含盐量之间的关系,确定最优的极化组合方式;最后,利用回归分析的方法建立土壤含盐量的反演模型并进行精度评价。研究结果显示：(VV2+VH2)/(VV2-VH2）极化组合的后向散射系数可以较好的分离不同含盐量的土壤,建立起来的反演模型,决定系数R2达到0.872,均方根误差RMSE为0.988。该研究可以满足大区域土地盐碱化监测的需要,并为Sentinel-1 雷达数据在土壤成分提取等方面研究提供了参考。     

利用星载散射计反演地表土壤水分

为克服传统地面监测土壤水分方法费时费力的不足,满足大范围、长时间连续、实时动态的监测要求,本文采用ERS(european remote sensing satellites)和METOP(meteorological operational satellite)卫星搭载的微波散射计对地标土壤含水量进行观测。ERS和METOP系列卫星组成了覆盖全球的高时间分辨率(根据纬度不同,大约2~5 d即可重复观测)长期连续的对地观测网;SCAT(scattorometer)和ASCAT(advanced scattorometer)散射计分别是搭载其上的微波散射计,具备全天候监测地表土壤水分的能力。该文以1999年Wolfgang提出的经典TU-WIEN算法为基础,改进了其中人为定义经验函数的描述模型参数季节性变化规律的不足。在伊比利亚半岛的比较中发现,用新的移动时间窗口自动生成的σ′(θ,t)函数很好的描述了σ′(θ)的季节性变化,替代原有经验函数的作用。继而,利用改进的σ′(θ,t)函数,将经典TU-WIEN算法移植到有迫切实际需求的青藏高原地区。通过和地面实测数据的比较发现,卫星反演结果与实地测量数据有着很好的一致性和较低的误差率,总体均方根误差RMSE=0.0155,相关系数R2=0.8361,证实了新算法的可行性和应用价值。     

改进的热惯通量模型土壤水分反演精度分析

对比分析了改进前后的热惯通量模型在朝阳地区土壤水分时空遥感的反演精度.结果表明:改进后的热惯通量模型由于可考虑低温期土壤水分反演,相比于改进前,不同类型土壤水分反演误差可平均降低9.3％,反演精度改善效果明显.研究成果对于北方干旱半干旱地区土壤水分反演精度的提升具有重要的参考价值.     

小麦倒伏的雷达极化特征及其遥感监测

研究探索了雷达遥感大面积监测小麦倒伏状况的潜力。利用覆盖整个小麦生育期的5景时间序列Radarsat-2全极化影像数据,对比分析了倒伏小麦与正常小麦在不同时间、不同极化的雷达后向散射动态响应规律,发现雷达极化特征对小麦倒伏十分敏感,基于此提出利用雷达极化指数监测小麦倒伏的方法。并利用内蒙古额尔古纳市上库力农场春小麦抽穗灌浆期的实地调查数据,对提出方法进行验证,结果表明该方法能有效辨识和监测小麦倒伏。为大面积监测小麦倒伏提供了一种简单、快速、有效的手段。     

ERS卫星反演数据在黄土高原近地表土壤水分中的应用研究

将黄土高原地区1992—2000年欧洲遥感卫星(European Remote Sensing Satellites,ERS)风散射计获取的土壤水分指数(Soil Water Index,SWI)与农田实测土壤水分数据进行对比,并分析降雨、植被、土地利用和人工灌溉对反演数据的影响;探讨其在近地表土壤水分时空变化中的应用情况。结果表明,遥感反演的土壤水分数据SWI较好地反映了黄土高原地区土壤水分的时空变化规律,总体上表现出南多北少、东高西低的空间特点和夏秋偏高、春季较低的季节变化趋势;其次,根据SWI转换得到的土壤体积含水量数据Wswi与0~10 cm农田实测土壤水分呈极显著相关,表明该ERS反演土壤水分数据接近表层土壤水分实际情况,可用于估测研究区表层土壤水分含量;在农业集中的平原地区,Wswi与农田表层实测土壤水分相关性较高;而在农业、林业、牧业用地复合交叉地区其相关性较差。研究结果还发现,在相对干旱季节农田实测水分普遍较卫星反演结果高,主要是由于灌溉增加了农田水分含量。这说明在应用卫星遥感数据估算土壤水分时,除了考虑气候、地貌、土壤、植被等自然因素,同时也应充分考虑人为因素的影响。     

盐渍化土壤水分微波雷达反演与验证

土壤介电常数是微波遥感进行土壤含水率测量的物理基础,尤其介电常数实部是必须解决的问题,土壤介电特性的研究显得尤为重要。该文目的是试验与评价C波段RADARSAT-2 SAR(synthetic aperture radar)数据模拟土壤介电特性,进而反演土壤水分的性能。以受盐渍化影响较严重的内蒙古河套灌区解放闸灌域为试验区,首先回归分析了介电常数实部与SAR四极化后向散射系数、地表粗糙度的复杂关系,并与Oh经验模型对照,其决定系数R2为0.859 7,模拟精度较高;然后验证常用的2个介电常数模型,Dobson半经验模型、Hallikainen简化实部经验模型模拟的介电常数实部与实测值的决定系数R~2分别为0.935 9、0.869,表明2个模型均能模拟地表土壤水分与介电常数实部的密切关系;最后构建了Dobson模型、Hallikainen简化实部模型反演土壤含水率的模型,并与统计回归模型比照,其模拟数值与土壤实测值的决定系数R2分别为0.803 8、0.737 4、0.842 1,均方根误差RMSE分别为5.2%、5.7%、5%。Dobson模型与统计回归模型反演结果与实地土壤墒情分布较为吻合,具有良好的精度和适用性,从而建立了一个较为完整的土壤介电特性研究体系,为微波遥感监测土壤水分奠定了基础。     

那曲东部土壤水分MODIS遥感反演研究

利用那曲东部2014年8月至2015年7月土壤水分观测资料与同期MODIS数据建立了研究区土壤水分遥感监测模型。表观热惯量法(ATI)反演土壤水分结果不理想,基于MODIS 8天合成数据以及晴空数据拟合结果的决定系数分别为0.4503和0.3753,晴空条件下ATI方法监测效果较差。基于单窗方法建立的四种模型中,三次多项式模型拟合效果较好,决定系数为0.5475,分析认为排除冬季数据后建模效果更好。结论:基于单窗方法的三次多项式模型能较好的反演研究区土壤水分,不足之处为对天气要求较高,若无晴空遥感数据,将影响土壤水分监测工作的开展。     

基于试验反射光谱数据的土壤含水率遥感反演

土壤含水率是土壤水循环研究中不可或缺的参数,已广泛应用于土壤水分的监测。土壤光谱特性的研究是土壤含水率光学遥感定量反演的基础。该研究首先通过野外调查收集土样;然后,在实验室条件下制备不同水分梯度的土壤样品,并利用便携式地物光谱仪采集不同水分梯度土壤样品的反射光谱;最后,通过试验光谱数据分析建立一个基于指数函数的土壤含水率遥感反演模型,并对结果进行精度评价。结果表明,基于指数函数的土壤含水率反演模型可以较好的反演土壤水分特征,在640 nm处土壤含水率的估计值与真实值之间的决定系数为0.7062,RMSE为3.49%。相关研究为表层土壤含水量的遥感监测提供新方法和新思路。     

L波段主被动微波协同反演裸土土壤水分

土壤水分是进行干旱监测、土壤侵蚀、农作物产量预测以及地表温度研究的重要参量,利用主被动微波协同的方法提高土壤水分的反演精度是定量遥感发展所面临的重要任务。本文基于土壤L波段微波散射辐射模拟数据集,通过对比分析主被动微波数据对土壤水分含量和粗糙度2个参数的敏感性,提出了基于L波段主被动协同的裸土土壤水分反演算法,算法充分利用了被动微波地表发射率对土壤水分较为敏感,而主动微波后向散射系数对地表粗糙度较为敏感的特点。首先由地表垂直极化发射率和 VV 极化后向散射系数协同提取地表粗糙度信息,再由被动微波双极化数据结合地表粗糙度信息来估算土壤水分信息。利用SMAPVEX12实验数据集中部分稀疏植被采样点的观测数据对算法进行验证,验证结果显示,土壤水分反演结果与地面实测数据相关性为0.6637,RMSE为0.0607 cm3/cm3。该文反演算法模型系数直接由模拟数据集计算得到,克服了常规经验算法的发展对地表实测数据的依赖性,减小了算法在实际应用中的局限性。     

河套灌区土壤盐渍化微波雷达反演

目前中国西北干旱、半干旱地区的土壤盐渍化情况日益趋于严重,动态、快速而精确地监测与评价土壤盐渍化显得尤为重要。微波遥感所具有的优点使其成为探测土壤盐分分布的新兴而有潜力的方法。快速获取大范围地表土壤盐渍化的空间分布是一个迫切急需解决的科学难题。该文目的是试验与评价 C 波段 RADARSAT-2 SAR（synthetic aperture radar）数据反演土壤盐渍化的性能。以受盐渍化影响较严重的内蒙古河套灌区解放闸灌域为试验区,基于 SAR 后向散射系数和土壤盐分实测值,利用多元线性回归（multiple linear regress,MLR）、地理加权回归（geographically weighted regression,GWR）和 BP 人工神经网络（back propagation artificial neural networks,BP ANN）方法建立土壤含盐量的定量反演模型,重点构建了8∶140∶1结构的3层 BP ANN 模型,经模型验证发现 MLR、GWR 模型均偏向于弱相关,其标准误差 SE 分别为0.55、0.47 mg/g,而 ANN（BP）模型的内部、外部检验标准误差 SE 分别为0.24、0.33 mg/g,优于前2种模型,其反演的盐渍化面积占比65.4%,与地面验证结果基本一致。该文建立的考虑土壤水分影响、组合雷达后向散射系数反演土壤盐分的人工智能模型,无需复杂的介电常数模型,能够在一定程度上满足土壤盐渍化监测的需要,可促进微波遥感在土壤盐渍化监测中的开拓应用。     

基于植被指数的藏北牧区土壤湿度反演

土壤湿度的遥感动态监测在农牧业生产中具有重要意义。近年来,多种基于遥感指数的土壤湿度监测方法被提出并得到广泛关注,但当前对不同深度土壤湿度的反演及植被指数反映土壤湿度滞后性的研究较少。该文针对遥感指数反演土壤湿度的精度问题,对MODIS(moderate resolutionimaging spectroradiometer)的2种植被指数产品归一化差异植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)与土壤湿度实测值进行相关分析,并利用在其中一个样点得到相关系数最高的回归模型对距离较远的其它点进行土壤湿度值估算,最后用土壤湿度实测值对模型的精度进行验证。结果表明,2种植被指数均与土壤湿度值呈现出较强的相关性,且利用植被指数估算土壤湿度的延迟天数为5~10 d。在相同气候模式、土壤类型和植被类型的条件下,高程为影响回归模型精度的主要因素。该研究可为牧区多层深度土壤湿度反演方法的选择和监测提供参考依据。     

基于双时相ASAR影像的土壤湿度反演研究

地表粗糙度和湿度是影响裸地后向散射系数的重要因素,为了探求ENVISAT-ASAR 数据监测土壤湿度在国内的应用,该文以ASAR影像数据为基础,利用ZSribi-Dechambre(2002)经验模型研究了中国科学院南皮农业生态试验站附近一裸地的表面粗糙度和地表湿度.对雷达入射角进行归一化处理使之满足模型需求,反演结果表明该区地表粗糙度主要分布0.05～0.50 cm之间,土壤体积含水率大多分布存10%～34%之间,局部区域由于一些积水沟渠,使得土壤体积含水率较高,这与调查的实际情况相符合.反演的土壤湿度用地面实测值验证,结果发现模拟值和实测值具有较好的一致性,其RMSE误差为3.7%.该文介绍了在没有地表先验知识的情况下,利用扣除掉土壤粗糙度影响的后向散射反演模型获取土壤湿度的方法.该法仅需要两景相邻近时相并且不同入射角的HH同极化雷达影像,根据其后向散射系数的差值△"'即σ°可估算出粗糙度和土壤湿度参数,从而方便快捷地监测局部区域的土壤湿度状况.     

土壤遥感监测研究进展

对土壤光谱遥感监测的国内外发展情况进行了回顾，简单总结了影响土壤光谱的原因、土壤光谱的类型、土壤遥感的最佳波段、土壤的遥感分类以及土壤遥感的定量研究。重点对土壤水分遥感监测的方法和原理进行了详细的论述。最后对土壤遥感监测的发展趋势进行了分析和展望。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

裸露地表土壤水分的L波段被动微波最佳角度反演算法

该文阐述了中纬度地区春季裸露耕地土壤水分监测的重要性,对比分析了目前几种主要的土壤水分反演方法。为提高裸露耕地土壤水分的监测精度,在分析AIEM土壤发射率模拟数据库的基础上,提出了一种基于L波段单角度双极化被动微波遥感数据的土壤湿度和土壤粗糙度的反演算法,并对新反演算法的创新性和可行性进行了基于仿真数据的论证。该反演算法以地表温度作为辅助数据,利用L波段47°双极化的微波亮温数据进行土壤湿度和粗糙度的反演。仿真数据的验证结果表明,在充分考虑土壤温度、土壤质地等辅助数据测量误差的条件下,算法对土壤湿度和土壤     

基于NDVI优化选择的土壤水分数据同化

时间序列上遥感观测数据的准确性会对同化结果有较大的影响.该文以宁夏回族自治区固原市为例,通过北方生产力生态模犁模拟2008年5-7月逐日的土壤湿度,按照不同日期的归一化植被指数(normalized difference vegetation index,NDVI)阈值,分别利用MODIS资料计算出基于红光和近红外波段的垂直含水量指数、改进的垂直干旱指数和基于近红外波段和短波红外波段的短波红外垂直水分胁迫指数,和宁夏中南部的气象站实测土壤水分建立关系,并用不同遥感指数反演的土壤水分作为观测值进行同化.结果表明,在作物的不同生长时期,垂直含水量指数、改进的垂直干旱指数和短波红外垂直水分胁迫指数的反演效果不同,基于NDVI优化遥感反演结果,选择准确性更高的反演结果作为同化观测值,能提高同化土壤水分的精度.该研究表明在不同时间段内使用更为准确的遥感监测结果作为观测值进行同化可以提高同化的精度.