摘要:

根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演模型和水云模型,以及Sentinel-1A主动微波数据和部分实测样点土壤体积含水量数据建立植被覆盖区农田土壤水分半经验反演模型,最后验证分析Sentinel-1A VV/VH不同极化条件下土壤水分反演模型的精度.结果 表明:VV极化条件下土壤水分反演模型反演精度为R2 =0.7422,RMSE=0.0674 cm3/cm3,MAE=0.0305 cm3/cm3,MaxE为0.1196 cm3/cm3,MinE=0.0024 cm3/cm3;VH极化模型为R2=0.1898,RMSE=0.0768 cm3/cm3,MAE=0.0474 cm3/cm3,MaxE=0.1933 cm3/cm3,MinE=0.0190 cm3/cm3.研究区VH极化模型反演值存在普遍偏低现象,VV极化模型土壤水分反演结果优于VH极化模型.VV极化方式具有更强的穿透性,受到植被层衰减作用影响较小,对土壤水分含量变化也更为敏感.建立的VV极化条件下土壤水分反演半经验模型能较好地表征研究区土壤水分空间分布情况.

摘要:

根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演模型和水云模型,以及Sentinel-1A主动微波数据和部分实测样点土壤体积含水量数据建立植被覆盖区农田土壤水分半经验反演模型,最后验证分析Sentinel-1A VV/VH不同极化条件下土壤水分反演模型的精度.结果 表明:VV极化条件下土壤水分反演模型反演精度为R2 =0.7422,RMSE=0.0674 cm3/cm3,MAE=0.0305 cm3/cm3,MaxE为0.1196 cm3/cm3,MinE=0.0024 cm3/cm3;VH极化模型为R2=0.1898,RMSE=0.0768 cm3/cm3,MAE=0.0474 cm3/cm3,MaxE=0.1933 cm3/cm3,MinE=0.0190 cm3/cm3.研究区VH极化模型反演值存在普遍偏低现象,VV极化模型土壤水分反演结果优于VH极化模型.VV极化方式具有更强的穿透性,受到植被层衰减作用影响较小,对土壤水分含量变化也更为敏感.建立的VV极化条件下土壤水分反演半经验模型能较好地表征研究区土壤水分空间分布情况.

摘要:

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。

摘要:

为了更好地进行土壤水分反演,发展了一种基于热带降雨观测计划(TRMM)的主被动微波结合反演裸露地表土壤水分的算法.为了提高反演精度,同时利用TRMM搭载的测雨雷达(PR)和微波成像仪(TMI)进行观测.另外,针对PR/TMI数据,还建立了包含大范围的土壤水分和粗糙度参数的AIEM模型数据库.通过分析AIEM模型对地表后向散射和辐射的模拟发现,地表粗糙度参数对后向散射系数和亮温均有重要的影响.最后,在AIEM模型模拟数据库的基础上,利用理论模型--几何光学模型(GO模型)和半经验模型--Q.模型,通过对地表粗糙度参数的分析,结合TRMM/PR和TMI数据,建立了一种主被动微波遥感相结合的反演裸露地表土壤水分的模型,并进一步获得了反演土壤水分的算法.