基于ASAR的冬小麦不同生育期土壤湿度反演

基于ASAR高级合成孔径雷达ASAR数据和地面调查数据,结合MIMICS模型分析方法,研究ASAR后向散射数据与土壤湿度及冬小麦结构参数之间的关系,构建冬小麦不同生育期土壤湿度反演模型。研究结果表明：冬小麦冠层散射影响ASAR信号探测土壤湿度的深度,冬小麦生长初期（起身期前）ASAR信号探测土壤湿度的最佳深度为0～20 cm,拔节期后ASAR信号探测土壤湿度的最佳深度为0～5 cm。冬小麦抽穗期前,ASAR IS2 VV模式后向散射系数与土壤湿度线性相关性较高,可以利用经验统计模型方法反演土壤湿度;冬小麦生长旺盛期（抽穗期）,经验模型土壤湿度反演精度较差,多角度ASAR数据模型能够提高土壤湿度反演精度。利用该土壤湿度反演模型,起身期、拔节期和抽穗期土壤湿度反演的均方根误差分别为0.0125、0.0247和0.0298 g/g。     

多极化多角度ASAR数据反演裸露和小麦地表土壤湿度

为了更好地监测地表土壤湿度,利用多极化、多角度ASAR-APP影像数据,研究了裸露和小麦地表土壤湿度反演方法。对裸露地表,基于AIEM（advance integral equation model）模型,建立多项式半经验模型反演土壤湿度;对小麦地表,小入射角HH极化ASAR数据与土壤湿度相关性更好,大入射角HH极化ASAR数据与小麦含水率相关性更好。基于水云模型,首先利用大入射角HH极化ASAR数据去除小麦冠层对雷达后向散射的影响,然后利用多角度ASAR数据推导建立小麦地表土壤湿度反演半经验模型;实测数据验证了裸露和小麦地表土壤湿度反演模型的适用性,利用验证数据反演裸露和小麦地表土壤湿度精度（RMSE）分别为3.55%、3.81%。结果表明,该文半经验模型具有较高的反演精度。     

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。     

黄土矿区开采沉陷引起的土壤湿度变化特征研究

西部黄土覆盖区大规模地下采煤导致严重的地表沉陷及地理环境破坏。选取土壤湿度作为地理环境因子,利用彬长大佛寺矿区2007～2017年的遥感数据构建温度植被干旱指数(TVDI)模型,分析开采沉陷区和非采动影响区土壤湿度变化的基本特征。基于开采沉陷理论分析研究区域的水平变形和地表裂缝发育特征,通过土样实验获取沉陷区不同位置的土体密实度和含水量数据。遥感结果表明,矿区土壤湿度在1月较大,在7月较小,开采沉陷区的土壤湿度变化量相对于非采动影响区更高。经综合分析表明开采沉陷变形和裂缝发育引起土壤密实度降低,加剧地表水的吸收与蒸发效应,导致沉陷区土壤湿度呈现上述变化特征,初步揭示了黄土矿区开采沉陷对于土壤环境的扰动效应。     

基于WorldView-2影像的土壤含盐量反演模型

针对WorldView-2影像高空间分辨率评价其定量反演土壤含盐量的能力,以盐渍化现象较为明显的新疆克里雅河流域为研究对象,基于WorldView-2影像和实测高光谱数据,利用偏最小二乘回归(partial least squares regression,PLSR)和BP人工神经网络(back propagation artificial neural networks,BP ANN)方法建立定量反演该流域土壤含盐量模型并做出研究区高空间分辨率土壤含盐量分布图。结果表明:1)利用实测高光谱数据和影像数据分别建立的2种模型中BP神经网络模型预测精度都高于PLSR模型,其中基于影像数据建立的6:8:1结构的3层BP神经网络模型决定系数R2、均方根误差RMSE、相对分析误差RPD分别为0.851、0.979、2.337,模型的稳定性和预测能力都优于PLSR模型(R2、RMSE、RPD分别为0.814、1.139、2.007)。2)利用WorldView-2影像提高了土壤含盐量制图的空间分辨率,归一化植被指数NDVI和比例植被指数RVI较有效降低了植被覆盖与土壤水分对预测精度的影响。该文建立的考虑植被覆盖与土壤水分定量反演土壤含盐量的模型不需要复杂的参数,一定程度上满足了干旱、半干旱地区的盐渍化监测需求,可以促进WorldView-2等高空间分辨率卫星在盐渍化监测中的进一步应用。     

原状水稻土土壤湿度高光谱特征及反演模型

室内高光谱遥感定量反演土壤湿度的相关研究,可以为利用星载或机载遥感数据源进行大尺度土壤水分监测提供理论基础;原状土土样相较于当前广泛使用的研磨土土样,能更好地保持土壤的原始光谱特性和持水性能。为了得到更可靠的土壤湿度光谱特征与更具有适用性的反演模型,利用ASD Field Spec 3光谱仪采集了江苏省金坛市竹林镇的62个原状水稻土土样12套不同湿度梯度的可见光-近红外反射光谱,通过反射率、相对反射率以及水分吸收峰特征参数探究原状湿土光谱特征;在此基础上,选择对土壤湿度变化响应明显的变量,采用偏最小二乘回归反演土壤湿度,并对比选出最佳反演模型。结果表明:(1)随着风干过程中土壤湿度的降低:土壤反射率整体先下降后上升,可见光波段在土壤湿度较低时存在误差;1450 nm和1950 nm吸收峰的位置向短波方向偏移,吸收峰深度、宽度和面积不断减小,2 200 nm处吸收峰右肩高度不断降低。(2)土壤水分吸收峰特征参数对土壤湿度响应明显;反射率和相对反射率与土壤湿度相关性较高的波段均出现在>1300 nm以后。(3)反射率(R)反演原状土湿度精度较低,R2val=0.752,RPD=1.81,经过数学形式和相对反射率(Rr)变换后,[lg(1/Rr)]'建模中R2val=0.820,RPD=1.99;基于水分吸收峰特征参数建立的模型R2val=0.800,RMSEP=62.70 g kg-1,RPD=2.29,最佳主成分数为3,是反演原状土土壤湿度的最佳建模变量。     

基于ENVISAT ASAR数据的水稻时域后向散射特征分析

该文结合2004年和2006年在江苏省里下河地区进行的水稻观测试验,采用多时相双极化ASAR APMode数据分析了水稻HH极化、VV极化和比值系数σ°HH/VV的时域变化特征及与水稻生长参数的相关关系。通过建立水稻HH、VV和σ°HH/VV的时相变化曲线,分析了水稻抽穗期前后雷达信号随水稻冠层、植株含水量及稻田水层变化的后向散射特征。同时,选择水稻叶面积指数、鲜生物量和水稻株高与含水量的乘积为水稻参数,采用线性回归相关分析,探讨了水稻HH、VV和σ°HH/VV与所选水稻参数之间的相关关系。结果表明,以水稻抽穗期为转折点,水稻各极化后向散射系数随水稻的生长呈现先增大后减小的变化趋势,与所选水稻参数的时相变化大体一致。水稻HH和VV极化后向散射系数与所选水稻参数的相关系数都在0.75以上,其中与水稻鲜生物量的相关系数在0.9以上。σ°HH/VV与水稻参数的相关关系显著,相关系数均在0.85以上,并且受水稻品种、种植方式和地理环境等差异的影响较小,因此可用于水稻参数反演的可靠变量。     

星载高分辨率合成孔径雷达影像纠正技术

TERRASAR、COSMO SkyMed、RADARSAT-2等星载高分辨率合成孔径雷达影像为土地利用调查监测提供了重要数据源,但尚未形成业务化应用技术流程。该文根据高分辨率星载合成孔径雷达影像成像机理,在对典型特征地物点定位精度分析的基础上,提出几何纠正控制点选取方法;通过类比法分析了不同纠正模型应用效果。试验表明高分辨率星载合成孔径雷达影像几何纠正需要10～15个控制点,1?m聚束模式纠正中误差约3～5 m,3 m条带模式纠正中误差约5～8 m,分别满足1∶1万和1∶2.5万土地调查监测几何精度要求。     

基于多时相合成孔径雷达与光学影像的冬小麦种植面积提取

小麦是中国最重要的农作物之一,准确、及时掌握小麦种植面积具有重要意义。以探索合成孔径雷达(synthetic aperture radar,SAR)与光学数据对种植结构复杂地区冬小麦识别的能力,提高识别精度为目的。该研究以多时相SAR(Sentinel-1A)和光学影像(Landsat-8)为数据源,选取种植结构复杂的都市农业区为研究区。构建不同特征向量组合,利用支持向量机(support vector machine,SVM)提取冬小麦种植面积。通过对比分析基于不同特征向量组合的冬小麦识别精度,结果表明:1)使用SAR后向散射数据得到85.7%的制图精度和87.9%的用户精度;2)添加SAR数据纹理信息,总体精度高达90.6%,比单独使用后向散射数据在制图精度和用户精度上分别提高7.6%和6.7%;3)当SAR数据和光学影像结合时,总体精度高达95.3%(制图精度97%,用户精度98.4%),比单独使用SAR数据在制图精度和用户精度上分别提高3.7%和3.8%。因此,基于SAR数据的都市农业区冬小麦分类,有着较高分类精度,纹理信息和光学影像的添加能有效提高识别精度。研究结果可为SAR数据的农作物识别和应用提供理论基础。     

基于4种植被指数TVDI模型的三江平原土壤湿度反演

利用遥感手段监测土壤湿度有利于分析大尺度区域的土壤干湿状况。比对分析不同植被指数计算的温度植被干旱指数（TVDI）的精度能够提高TVDI反演土壤湿度的实际应用价值。以三江平原为研究区,基于2013年5—9月的四期MODIS影像,利用归一化植被指数（NDVI）、增强型植被指数（EVI）、修正土壤调节植被指数（MSAVI）、比值植被指数（RVI）分别计算TVDI,并以地面实测土壤湿度数据及降水数据进行精度验证。结果表明:（1）4种植被指数计算的TVDI与土壤湿度数据均具有一定的负相关关系,即TVDI值越高,土壤湿度值越低;（2）不同植被指数计算的TVDI在5月、6月、9月与土壤湿度回归分析的R²数值相近,均适合用来反演这3个时间段的土壤湿度,在7月份,相较于NDVI和RVI计算的TVDI结果（R²均在0.15左右）,基于EVI和MSAVI计算的TVDI （R²均在0.35左右）更适合反演该时期的土壤湿度;（3）5—9月期间,干旱现象主要发生在三江平原的中部及西南部,干旱程度主要为轻旱,东部及东北部在不同时期基本保持在正常或轻微湿润状态。     

基于土壤微波辐射布儒斯特角反演土壤含水率

在利用被动微波遥感技术进行裸露地表土壤含水率（Soil Moisture Content,SMC）的反演中,土壤粗糙度是制约反演精度的最关键因素。该研究利用改进的积分方程模型（Advanced Integral Equation Model,AIEM）进行地表多角度微波发射率的模拟,探索地表微波辐射多角度信息用于提高地表SMC反演精度的可行性。基于不同SMC和不同粗糙度地表多角度V极化发射率数据的变化趋势提取土壤介质布儒斯特角,结果表明,土壤布儒斯特角对SMC具有较高的敏感性,C波段（6.6 GHz）不同含水率土壤的布儒斯特角分布在60°～80°范围内。基于AIEM模拟数据的分析发现,土壤布儒斯特角正切值与SMC具有较好的线性关系,线性拟合决定系数为0.94,均方根误差为0.027 cm3/cm3,并得到了基于布儒斯特角的裸露地表SMC反演算法。基于模拟数据的算法验证结果表明,算法的SMC预测值与理论值的决定系数为0.95,均方根误差为0.024 cm3/cm3。算法在不同土壤粗糙度自相关函数下均表现出稳健的特性,SMC预测精度最大均方根误差为0.027 cm3/cm3,最小为0.023 cm3/cm3。基于布儒斯特角的SMC反演算法利用的是多角度土壤发射率的相对变化而非其绝对数值,该研究为SMC的多角度被动微波遥感提供了一种不同的研究思路。     

考虑地表粗糙度改进水云模型反演西班牙农田地表土壤含水率

土壤含水率是农业、环境、气象等领域进行建模的重要参数。该研究将微波遥感与光学遥感相结合,利用Sentinel-1数据交叉极化比及变换土壤调节植被指数对地表粗糙度进行估计,构建了一种改进的水云模型(modifiedwatercloud model, MWCM)。分析将NDVI、NDWI和NDWI1725,2200等植被指数作为植被冠层含水率时,水云模型(water cloud model,WCM)及MWCM农田地表土壤含水率的反演精度。结果表明:从总体精度上来看,MWCM的反演精度优于WCM。在不同植被覆盖度情况下:当植被覆盖度为中、低程度(NDVI0.5),MWCM具有较高的反演精度;在较高的植被覆盖度情况下(NDVI≥0.5),WCM与MWCM的反演精度较为接近。MWCM可有效的建立微波后向散射系数与地表土壤水分的关系,提高土壤含水率反演精度,为各种地表覆盖类型的土壤含水率反演提供研究思路及理论支持。     

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。     

双极化雷达反演裸露地表土壤水分

为了快速高效地获取大面积地表土壤水分,本文提出一种适用于双极化SAR(synthetic aperture rader)的裸露地表土壤水分反演经验模型。首先通过AIEM(advanced integral equation model)模型数值模拟和回归分析,提出一种新的粗糙度参数,将2个传统的粗糙度参数简化为1个参数;然后模拟地表土壤水分与雷达后向散射系数的关系,从而建立裸露地表的经验散射模型,模型的未知参数仅为粗糙度参数和土壤体积含水量,通过双极化的雷达数据即可实现土壤水分的反演。通过2008年甘肃张掖黑河流域实测数据对模型进行了初步验证,发现在入射角大于25°时,模型反演值与实测值有着良好的相关关系(相关系数为0.745)。该模型仅需双极化的雷达数据就能实现土壤水分的反演,无需测量地面粗糙度,尤其适用于大面积干旱区域的地表土壤水分的获取。     

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。     

基于粗糙度定标的IEM模型的土壤含水率反演

为研究基于粗糙度定标的模型进行土壤含水率反演的可行性,该文利用2幅不同时相的高级合成孔径雷达ASAR影像,以经验相关长度(lopt)代替相关长度l,实现对积分方程模型IEM(integral equation model)的粗糙度定标,以改进IEM模型对后向散射系数的模拟。在此基础上模拟了后向散射系数与土壤体积含水率(Mv)、lopt、均方根高度(hRMS)的关系,以组合粗糙度Zs(hRMS2/lopt)代替lopt与hRMS,建立土壤含水率反演的经验与半经验方法。对比2个不同时相的土壤含水率反演值与实测站点观测数据表明,经验方法下应用2004年8月18日、2004年8月24日2个时相的反演值与实测值的相关系数分别为0.785、0.837,半经验方法下则分别为0.900、0.863,表明半经验方法精度更好。该研究为利用两幅不同时相的ASAR影像获取两幅土壤含水率数据提供依据。     

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。