CN103399023A - 植被下土壤湿度的多维度组合优化方法 - Google Patents
植被下土壤湿度的多维度组合优化方法 Download PDFInfo
- Publication number
- CN103399023A CN103399023A CN2013103503991A CN201310350399A CN103399023A CN 103399023 A CN103399023 A CN 103399023A CN 2013103503991 A CN2013103503991 A CN 2013103503991A CN 201310350399 A CN201310350399 A CN 201310350399A CN 103399023 A CN103399023 A CN 103399023A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- band
- theta
- sigma
- backscattering coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种植被覆盖下土壤湿度的多维度组合优化方法,该方法主要包括:1)基于AIEM模型建立等效表面相关长度与L波段后向散射系数的关系;2)建立C波段VH极化反演植被含水量的模型;3)基于水云模型采用Levenberg-Marquardt优化算法进行参数拟合,得到土壤的后向散射系数;4)基于AIEM模型及等效表面相关长度提取植被覆盖下土壤湿度。本发明利用C波段VH极化消除植被的影响,基于L波段建立的等效表面相关长度进行土壤湿度的反演,同时利用了C、L波段的信息,提高了土壤湿度的反演精度。
Description
技术领域
本发明主要涉及植被覆盖下土壤湿度的多维度组合优化方法。
背景技术
地表土壤水分在全球水循环,特别是在地表水蒸发与渗流,潜热和显热中扮演着重要的角色。同时土壤水分的补给也是影响植被生态系统时空动态变化的一个关键因素;土壤水分还是水文学、气象学、农学模型的输入参数并能够确定环境敏感区。因此土壤水分含量匮乏与饱和的时空波动信息的遥感监测对于植被长势预测,合适播种时间的确定,土壤侵蚀程度及土壤表层动态过程监测、水文和气象学模型研究等都具有重要意义。因此如何准确、快速地获取大区域地表土壤水分数据便成为值得研究的重要内容,也是当前国内外的一个研究热点。
通常土壤水分的遥感监测主要从可见光一近红外、热红外及微波波段进行,土壤水分的红外波段遥感和微波遥感是当前研究的主要热点。微波遥感监测土壤水分是现在应用比较成功的,具有广泛的应用前景。
随着一系列携载主动微波传感器的卫星发射升空,可获得大量的雷达图像数据,为我们的研究提供了基础数据。在微波波段,土壤水分和介电常数密切相关。最近微波遥感研究的发展显示了定量估算裸土和矮小植被下土壤水分的潜力,提高发展了微波遥感反演这些参数的灵活性。在主动微波遥感领域,合成孔径雷达已成为国际对地观测领域最重要的前沿技术之一。同时成像的多波段多极化SAR系统可以获得不同波段雷达的回波响应,以及线性极化状态下同极化与交叉极化的信息,可更准确的探测目标特征。目前,SAR反演土壤水分面临的主要问题是如何在雷达模型中去除表面粗糙度的影响和在不同植被覆盖条件下建立模型反演土壤水分。
合成孔径雷达反演土壤水可以分为经验模型、物理模型、半经验模型以及极化目标分解方法,经验模型往往只适用于特定植被类型和特定植被生长期,在很大程度上模型质量还依赖于所获取的数据质量,因而不能直接把经验模型应用于其它的研究情况。理论模型是建立在一定的理论基础之上,对于散射因子的考虑相对详尽,但一般模型比较复杂,反演相对困难。半经验模型是经验模型与物理模型的折中,它以植被的宏观物理参量为模型参数,模型的建立和反演比理论模型要简单,但同时也具有一定的理论依据,适用性也较经验模型广。极化目标分解将将地物回波的复杂散射过程分解为几种单一的散射过程,分解出与地表土壤水分相关的的散射机制就可以进行土壤水分的反演。
发明内容
本发明针对现有技术存在的单一微波数据在反演土壤湿度的不足,提供了一种植被覆盖下土壤湿度的多维度组合优化方法,较单一波长微波数据提高土壤湿度的反演精度,同时为未来传感器的涉及提供参考。
为实现以上的技术目的,本发明将采取以下的技术方案:一种植被覆盖下土壤湿度的多维度组合优化方法,包括以下步骤:
步骤1:基于AIEM模型建立等效表面相关长度与L波段后向散射系数的关系;
步骤2:建立C波段VH极化反演植被含水量的模型;
步骤3:基于水云模型并采用Levenberg-Marquardt优化算法进行参数拟合,得到植被覆盖下土壤的后向散射系数;
步骤4:基于AIEM模型机等效表面相关长度提取植被覆盖下土壤湿度。
作为优选,步骤1采用AIEM模型,地表采用指数相关函数,将地表均方根高度设为2cm,从而求出相应的表面相关长度,该表面相关长度为等效表面相关长度Leff,该等效表面相关长度Leff通过与实测后向散射系数采用二次多项式进行拟合,对于L波段VV极化,采用公式(1)进行计算,对于L波段HH极化,采用公式(2)进行计算:
作为优选,步骤2采用线性方程拟合C波段VH极化与植被含水量WCveg的方程,该线性方程为公式(3):
作为优选,步骤3所述土壤的后向散射系数通过公式(4)得到;
式中,为植被覆盖地表下总的雷达后向散射系数,为直接植被层的后向散射系数,为直接地表后向散射系数,γ2(θ)为雷达波穿透农作物层的双层衰减因子;而直接植被层的后向散射系数通过公式(5)得到,雷达波穿透农作物层的双层衰减因子γ2(θ)通过公式(6)得到:
上式中,A和B分别为依赖于植被这类型的参数;mveg是植被含水量,其单位为kg/m3,θ为雷达波入射角。
作为优选,当为裸土时,直接采用Levenberg-Marquardt优化算法进行参数拟合,得到土壤的后向散射系数。
根据以上的技术方案,与现有技术相比,本发明综合利用C、L波段消除植被覆盖以及地表粗糙度的影响,较单一波长微波数据提高了土壤湿度的反演精度。
附图说明
图1为本发明所述植被覆盖下土壤湿度的多维度组合优化方法的流程示意图;
图2为本发明实施例所述植被校正前后反演土壤水分与实测土壤水分的对比图;其中(a)为校正前;(b)为校正后。
具体实施方式
附图非限制性地公开了本发明所涉及优选实施例的结构示意图;以下将结合附图详细地说明本发明的技术方案。
实验数据为AGRISAR项目机载SAR数据,AGRISAR项目从2006年4月18日到8月2日,主要目的是研究农作物在整个生长季多频、多极化雷达信号的变化,雷达数据每隔7天或10天获取一次,同时获取相应的地面实测数据。
如图1所示,具体实现步骤为:
步骤1,基于AIEM模型建立等效表面相关长度与L波段后向散射系数的关系;采用AIEM模型,地表采用指数相关函数,将地表均方根高度(s)设为2cm,从而求出相应的表面相关长度,称之为等效表面相关长度Leff。Leff与实测后向散射系数采用二次多项式来拟合。
步骤2,建立C波段VH极化反演植被含水量的模型;采用线性方程拟合C波段VH极化与植被含水量的方程。
步骤3,基于水云模型采用Levenberg-Marquardt优化算法进行参数拟合,得到土壤的后向散射系数;
上式中,A和B分别为依赖于植被类型的参数,mveg是植被含水量(kg/m3),θ为雷达波入射角。
步骤4,基于AIEM模型及等效表面相关长度提取植被覆盖下土壤湿度。结果如图2(a)、图2(b)所示,分别为未进行植被校正与进行植被校正后反演土壤水分与实测土壤水分对比图。
Claims (5)
1.一种植被覆盖下土壤湿度的多维度组合优化方法,包括以下步骤:
步骤1:基于AIEM模型建立等效表面相关长度与L波段后向散射系数的关系;
步骤2:建立C波段VH极化反演植被含水量的模型;
步骤3:基于水云模型并采用Levenberg-Marquardt优化算法进行参数拟合,得到植被覆盖下土壤的后向散射系数;
步骤4:基于AIEM模型机等效表面相关长度提取植被覆盖下土壤湿度。
5.根据权利要求4所述植被下土壤湿度的多维度组合优化方法,其特征在于:当为裸土时,直接采用Levenberg-Marquardt优化算法进行参数拟合,得到土壤的后向散射系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103503991A CN103399023A (zh) | 2013-08-12 | 2013-08-12 | 植被下土壤湿度的多维度组合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103503991A CN103399023A (zh) | 2013-08-12 | 2013-08-12 | 植被下土壤湿度的多维度组合优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103399023A true CN103399023A (zh) | 2013-11-20 |
Family
ID=49562688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013103503991A Pending CN103399023A (zh) | 2013-08-12 | 2013-08-12 | 植被下土壤湿度的多维度组合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103399023A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106258686A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种改进的水云模型及应用该模型的水稻参数反演方法 |
CN108802728A (zh) * | 2018-04-28 | 2018-11-13 | 中国农业大学 | 双极化合成孔径雷达与作物模型同化的作物灌溉指导方法 |
CN109765247A (zh) * | 2018-11-15 | 2019-05-17 | 中国农业科学院农业资源与农业区划研究所 | 一种不同生育阶段麦类作物覆盖区域土壤水分反演方法 |
CN110057997A (zh) * | 2019-05-06 | 2019-07-26 | 电子科技大学 | 一种基于双极化sar数据的森林可燃物含水率时间序列反演方法 |
CN110672640A (zh) * | 2019-11-13 | 2020-01-10 | 武汉大学 | 一种植被覆盖区域的土壤湿度估计方法及装置 |
CN111122657A (zh) * | 2019-12-11 | 2020-05-08 | 武汉大学 | 一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法 |
CN114818496A (zh) * | 2022-04-28 | 2022-07-29 | 重庆地质矿产研究院 | 一种基于植被微波相干散射模型的植被半经验方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2446135A1 (en) * | 2001-11-07 | 2003-06-12 | Communications Research Laboratory, Independent Administrative Instituti On | Method of observing sea ice |
CN102411143A (zh) * | 2010-09-20 | 2012-04-11 | 中国科学院遥感应用研究所 | 分离多角度卫星观测信号中的植被信息和地表发射信号的方法 |
-
2013
- 2013-08-12 CN CN2013103503991A patent/CN103399023A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2446135A1 (en) * | 2001-11-07 | 2003-06-12 | Communications Research Laboratory, Independent Administrative Instituti On | Method of observing sea ice |
CN102411143A (zh) * | 2010-09-20 | 2012-04-11 | 中国科学院遥感应用研究所 | 分离多角度卫星观测信号中的植被信息和地表发射信号的方法 |
Non-Patent Citations (4)
Title |
---|
GETU FANA BIFTU等: "《Retrieving near-surface soil moisture from Radarsat SAR data》", 《WATER RESOURCES RESEARCH》, vol. 35, no. 5, 31 May 1999 (1999-05-31), pages 1569 - 1579 * |
S.G.WANG等: "《Estimation of surface soil moisture and roughness from multi-angular ASAR imagery in the Watershed Allied Telemetry Experimental Research (WATER)》", 《HYDROLOGY AND EARTH SYSTEM SCIENCES》, no. 15, 31 December 2011 (2011-12-31), pages 1415 - 1426 * |
SHUGUO WANG等: "《Derivation of Surface Soil Moisture Using Multi-angle ASAR Data in the Middle Stream of Heihe River Basin》", 《IEEE INTERNATIONAL GEOSCIENCE & REMOTE SENSING SYMPOSIUM》, 31 December 2009 (2009-12-31), pages 518 - 521 * |
任鑫: "《多极化、多角度SAR土壤水分反演算法研究》", 《中国优秀硕士学位论文全文数据库 农业科技辑》, no. 04, 15 December 2004 (2004-12-15) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106258686A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种改进的水云模型及应用该模型的水稻参数反演方法 |
CN106258686B (zh) * | 2016-08-11 | 2019-10-08 | 中国科学院遥感与数字地球研究所 | 一种改进的水云模型及应用该模型的水稻参数反演方法 |
CN108802728A (zh) * | 2018-04-28 | 2018-11-13 | 中国农业大学 | 双极化合成孔径雷达与作物模型同化的作物灌溉指导方法 |
CN109765247A (zh) * | 2018-11-15 | 2019-05-17 | 中国农业科学院农业资源与农业区划研究所 | 一种不同生育阶段麦类作物覆盖区域土壤水分反演方法 |
CN109765247B (zh) * | 2018-11-15 | 2021-06-08 | 中国农业科学院农业资源与农业区划研究所 | 一种不同生育阶段麦类作物覆盖区域土壤水分反演方法 |
CN110057997A (zh) * | 2019-05-06 | 2019-07-26 | 电子科技大学 | 一种基于双极化sar数据的森林可燃物含水率时间序列反演方法 |
CN110672640A (zh) * | 2019-11-13 | 2020-01-10 | 武汉大学 | 一种植被覆盖区域的土壤湿度估计方法及装置 |
CN110672640B (zh) * | 2019-11-13 | 2020-07-10 | 武汉大学 | 一种植被覆盖区域的土壤湿度估计方法及装置 |
CN111122657A (zh) * | 2019-12-11 | 2020-05-08 | 武汉大学 | 一种利用三通道接收机的地基gnss-r植被下土壤湿度感知方法 |
CN114818496A (zh) * | 2022-04-28 | 2022-07-29 | 重庆地质矿产研究院 | 一种基于植被微波相干散射模型的植被半经验方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103399023A (zh) | 植被下土壤湿度的多维度组合优化方法 | |
Wan et al. | Using geodetic GPS receivers to measure vegetation water content | |
De Jeu et al. | Global soil moisture patterns observed by space borne microwave radiometers and scatterometers | |
Lakshmi | Remote sensing of soil moisture | |
de Rosnay et al. | SMOSREX: A long term field campaign experiment for soil moisture and land surface processes remote sensing | |
Fujii et al. | Improvement of the AMSR-E algorithm for soil moisture estimation by introducing a fractional vegetation coverage dataset derived from MODIS data | |
Jonard et al. | Mapping field-scale soil moisture with L-band radiometer and ground-penetrating radar over bare soil | |
van der Velde et al. | Soil moisture mapping over the central part of the Tibetan Plateau using a series of ASAR WS images | |
Bircher et al. | Validation of SMOS brightness temperatures during the HOBE airborne campaign, Western Denmark | |
Hasan et al. | Soil moisture retrieval from airborne L-band passive microwave using high resolution multispectral data | |
Guglielmetti et al. | FOSMEX: Forest soil moisture experiments with microwave radiometry | |
Guglielmetti et al. | Measured microwave radiative transfer properties of a deciduous forest canopy | |
Bronstert et al. | Potentials and constraints of different types of soil moisture observations for flood simulations in headwater catchments | |
Panciera et al. | Improved understanding of soil surface roughness parameterization for L-band passive microwave soil moisture retrieval | |
Zhang et al. | Soil moisture retrieval from AMSR-E data in Xinjiang (China): Models and validation | |
Klemas et al. | Remote sensing of soil moisture: An overview in relation to coastal soils | |
Liu et al. | Uncertainty in soil moisture retrievals using the SMAP combined active–passive algorithm for growing sweet corn | |
Munda et al. | Soil moisture modeling over agricultural fields using C-band synthetic aperture radar and modified Dubois model | |
Jones et al. | A method for deriving land surface moisture, vegetation optical depth, and open water fraction from AMSR-E | |
Privette III et al. | Utilizing space-based GPS technology to determine hydrological properties of soils | |
Senyurek et al. | Fusion of reflected GPS signals with multispectral imagery to estimate soil moisture at subfield scale from small UAS platforms | |
Maina et al. | Estimation of above ground biomass in forests using Alos Palsar data in Kericho and Aberdare ranges | |
Crosson et al. | Parameter sensitivity of soil moisture retrievals from airborne C-and X-band radiometer measurements in SMEX02 | |
Su et al. | Research on inversion of soil moisture in karst area based on full-polarization SAR data | |
Sun et al. | The FY-3B/MWRI soil moisture product and its application in drought monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20131120 |