单基线PolInSAR森林高度反演方法研究

极化干涉SAR(Polarimetric SAR interferometry,PolInSAR)森林高度反演是当前雷达遥感领域的研究热点,近年来出现了多种单基线PolInSAR森林高度反演方法。为了给单基线PolInSAR反演森林高度的算法提供基础,并探索和发展效果更优的反演方法,使用Pol SARpro软件模拟森林平均高度为18 m的L波段(L=23 cm)全极化干涉SAR数据,研究了森林高度反演算法中的DEM差分法、RVoG法、复相干幅度反演法、混合反演法,并基于相干优化法对混合反演法进行了改进;为了更准确地对算法的性能进行比较,给出方位向为48 bin时各算法的距离向剖面的对比图,并选取图像的中间区域,对森林高度位于3~30 m的1 104个样本点,应用均值和均方根误差RSME对5种方法模拟的18 m森林高度进行比较。结果表明:森林高度平均值反演结果由大到小依次为:复相干幅度反演法、混合反演法、改进的混合反演法、RVoG法、DEM差分法,分别为19.40、18.31、18.12、10.55、10.05 m,均方根误差(RMSE)由小到大依次为:改进的混合反演法、混合反演法、复相干幅度反演法、RVoG法、DEM差分法,分别为1.06、1.48、3.49、7.51、8.04 m;说明DEM差分法与RVoG法反演的森林高度存在明显低估,复相干反演法出现明显高估且其离散程度最大,混合反演法和改进的混合反演法与真实值的误差分别为0.31、0.12 m,改进的混合反演法与真实值的相差最小,离散程度最小,均方根误差最小,反演结果最优。改进的混合反演法综合了混合反演法与相干优化法的优点,使其估计的地形相位的均方根误差最小(0.045 rad),森林高度与真实值的误差最小,均方根误差最小,并且具有一定的鲁棒性。     

基于支持向量机的土壤主要盐分离子高光谱反演模型

快速、无损、定量地获取土壤盐分离子组成及含量是盐渍化土壤治理、改良和利用的重要依据。以新疆盐渍化土壤为研究对象,应用高光谱分析技术获取不同区域土壤盐分离子的特征光谱,在对光谱数据去噪、数据变换基础上分析了鲜样(T1)、风干(T2)和干燥(T3)3类土壤,过2、1、0.15 mm筛处理对离子含量光谱拟合模型精度的影响,建立了基于支持向量机的土壤主要盐分离子光谱反演模型,并对模型的精度和普适性进行了检验。结果表明:土壤原始特征光谱与盐分离子含量均不存在显著相关性,最大相关系数为Na+的0.41;通过光谱数据变换能够明显增强特征波段与离子含量的相关性,K+、Na+、Mg2+、Ca2+、SO_4~(2-)、Cl-和HCO-3的最优变换形式分别为(lgR)'、(lgR)'、R'、(lgR)'、CR、R'和CR,T1处理构建的拟合模型均不能很好地反演离子含量,T3处理的模型估测精度优于T2,土壤粒径越细对土壤离子含量的光谱反演效果越好。分析各处理模型的决定系数和标准误差表明,经T3处理、过0.15 mm筛所构建的离子拟合模型预测精度最高,其中K~+、Na~+、Ca2+和SO_4~(2-)的RPD分别为2.153、2.674 5、2.051和2.786 4,以未参与建模和检验的石河子垦区土样对4种离子模型的普适性检验,其R2分别为0.621 4、0.689 7、0.614 4和0.650 7,说明构建的模型适于估算该区域土壤K+、Na+、Ca2+和SO_4~(2-)的含量。     

一种基于多点地质统计的储层反演新方法

提出了一种新的基于多点地质统计学的储层反演方法。首先通过测井资料统计分析确定不同岩相的弹性参数概率分布,在地质研究上构建训练图像;在地震体上获得反射系数;其次通过多点地质统计预测岩相空间分布,根据岩性弹性参数概率分布随机抽取该岩相的速度和密度值;最后,利用速度和密度值与反射系数褶积获得合成地震道,并与理论地震道拟合,获得最优速度、密度及波阻抗体,完成储层反演。理论模型测试表明,相比于两点地质统计反演,多点地质统计反演结果更贴近理论地震记录,相似度高,误差小,可以在实际储层反演中推广应用。     

软基水闸底板脱空动力学反演模型构建与试验验证

软基水闸极易因地基不均匀沉降、渗透变形等发生底板脱空现象，传统的无损检测方法难以在水下探测底板脱空，且不具实时性，其应用还存在一定局限性。该研究基于软基水闸室内物理模型，提出了一种软基水闸底板脱空动力学反演方法。首先，基于多参数变量的底板脱空范围数学模型，改进了反映软基水闸底板脱空参数与水闸动力学参数（模态参数）之间非线性映射关系的数学代理模型；其次，以水闸多测点多阶频率和振型变化率组合作为动力学敏感特征量，建立了软基水闸底板脱空参数反演的目标函数，并基于遗传算法对目标函数进行求解。最后，建立了软基水闸室内物理模型，并在模型中设置3种不同的底板脱空工况，采用软基水闸底板脱空动力学反演方法对软基水闸底板的脱空进行反演识别与模型验证。结果表明：基于动力学参数反演识别的水闸底板脱空区域趋势和脱空面积与模型实际脱空情况吻合较好，3种工况下水闸底板脱空面积反演结果与模型实际脱空面积的相对误差分别为7.47%、6.78%、6.90%，验证了该方法的可靠性，可望为软基水闸实际工程底板脱空隐患检测提供一种新的思路。     

基于电磁感应仪数据的南疆棉田土壤电导率反演模型研究

土壤盐渍化是南疆棉田优质高产的主要障碍因素,定额灌溉可有效改良土壤盐渍化,EM38-MK2可快速、动态获取土壤盐渍化数据,适时监测土壤盐渍化,为棉田定额灌溉提供数字依据。针对电磁感应仪(EM38-MK2)的发射圈和接收圈设计了不同采样方案,在同一条田内采集了6个不同时期的土壤表观电导率数据及相应的剖面土样,分析了不同土壤采集方案及土壤含水量对表观电导率模型精度的影响,对比了以单一时期数据建模的局部模型和6个时期整体数据建模的全局模型的反演精度。结果表明,由单点采集电磁感应仪发射线圈位置土样所构建的模型精度更高,稳定性更好,能有效减少由采样带来的误差。当土壤含水量低于10%时,表观电导率与实测电导率之间的相关性较低,决定系数为0.58,反演模型只具备粗略估计实测电导率的能力;当土壤含水量高于10%时,表观电导率与实测电导率具有很好的相关性,决定系数达到0.80以上,反演模型具有较好的预测能力。EMH+EMV多测定模式下表观电导率与实测电导率之间的模型精度高于EMH或EMV单一测定模式,确立EC_(h0.375)+(EC_(h0.75)+EC_(v0.75))/2+EC_(v1.5)为建模因子,有效提高了反演模型的精度。不同深度土层的局部模型反演精度均高于全局模型精度,局部模型的RPD均大于2.0,具有较好的预测能力。     

基于全子集-分位数回归的土壤含盐量反演研究

为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0～20 cm、20～40 cm、0～40 cm、40～60 cm、0～60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0～20 cm、0～40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20～40 cm、40～60 cm、0～60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20～40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。     

基于EM38-MK2的南疆干旱区表观电导率反演土壤水分研究

土壤水分含量是农田进行定额灌溉的基本参数,南疆地处干旱区,土壤水资源稀缺,实现田间定额灌溉更利于充分利用土壤水分。EM38-MK2快速和高效获取土壤水分含量数据,适时监测土壤水分含量,可成为农田精准灌溉的重要途径。用EM38-MK2测定轻度、中度和重度3个不同程度盐渍化区域土壤0～0.75 m和0～1.5 m的表观电导率,结合同步采集的0～20 cm、20～40 cm、40～60 cm、60～80 cm和80～100 cm土壤剖面剖面及室内测定含水量数据,对比三个不同盐渍化程度表观电导率反演土壤含水率模型精度,比较分区模型和全区模型的反演精度,分析土壤盐分含量对反演土壤含水率精度的影响。结果表明,用EM38-MK2对土壤含水率反演效果在轻度盐渍化表现最好,中度盐渍化次之,重度盐渍化较差。不同深度土层的分区模型精度均高于全区模型精度,分区模型R~2为0.73～0.88,RMSE低于全区模型,全区模型各层的RPD均低于1.5,不具备预测能力。土壤盐分含量对土壤水分的反演有影响,并且随土壤盐分含量的增加,反演精度下降。     

基于高光谱数据的互花米草营养成分反演

  目的  粗蛋白、粗纤维和粗脂肪含量是决定草本质量的指标之一，研究以江苏大丰麋鹿国家级自然保护区（核心三区）内的互花米草为对象，结合高光谱数据和实测数据，找到光谱数据与互花米草营养成分的关系，建立相应的营养成分估测模型。  方法  在2018年3、5、7和10月，利用ASD Field Spec Pro FR2500高光谱仪采集互花米草叶片的光谱数据，同时采集互花米草叶片，测定其粗蛋白、粗纤维和粗脂肪含量，对原始反射率及其一阶导数和互花米草粗蛋白、粗纤维和粗脂肪含量实测值之间进行相关性分析，在350 ~ 1 364 nm和1 411 ~ 1 799 nm的范围内选取与互花米草各营养成分含量的相关系数绝对值大于0.7的波段，同时构建选定的8个植被指数，进行建模分析，筛选出最优模型。  结果  粗蛋白的估测模型以673 nm和1 740 nm处的光谱一阶反射率的多元线性估测最优（R2 = 0.917，RMSEP = 1.344）；粗纤维的估测模型以1 738 nm处的光谱一阶反射率的线性估测最优（R2为0.741，RMSEP为1.708）；粗脂肪含量的估测模型以1 734 nm和880 nm处的光谱一阶反射率的多元线性估测最优（R2 = 0.737，RMSEP = 0.343）。  结论  在构建的估测模型中，粗蛋白和粗纤维的估测模型对互花米草粗蛋白和粗纤维含量的估测结果极好，粗脂肪含量的估测模型可以对互花米草粗脂肪含量做出很好的预测。研究结果为评估互花米草营养质量提供参考和技术依据。