CN104865274A - 基于单极化雷达数据的土壤含水量反演方法及系统 - Google Patents
基于单极化雷达数据的土壤含水量反演方法及系统 Download PDFInfo
- Publication number
- CN104865274A CN104865274A CN201510164036.8A CN201510164036A CN104865274A CN 104865274 A CN104865274 A CN 104865274A CN 201510164036 A CN201510164036 A CN 201510164036A CN 104865274 A CN104865274 A CN 104865274A
- Authority
- CN
- China
- Prior art keywords
- image
- pluvial
- dry period
- registration
- soil
- 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
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于单极化雷达数据的土壤含水量反演方法及系统,所述方法包括:S1、选取待测地区的干旱期图像和雨期图像;S2、对所述干旱期图像和所述雨期图像分别进行定标;S3、将定标后的所述干旱期图像和雨期图像进行配准,并计算所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数;S4、使用预设的干旱期土壤介电常数、所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数进行反演计算,得到雨期的土壤介电常数;S5、将所述雨期土壤介电常数代入土壤水分反演模型,计算所述待测地区的土壤含水量。本发明的方法能够有效利用多时相的单极化雷达数据获取干旱半干旱区土壤含水量分布。
Description
技术领域
本发明涉及微波遥感技术领域,尤其涉及一种基于单极化雷达数据的土壤含水量反演方法及系统。
背景技术
地表参数的反演一直是微波遥感研究的热点,尤其是土壤水分的反演。在现有文献中,学者对土壤含水量的反演进行了多方面的研究,也创立了很多经验反演模型,比如Shi模型、Dubois模型、Oh模型等等。这些模型是根据实测数据,建立HH、VV或者HV等多极化数据与地面参数。但现在大量的数据是单波段、单极化,比如Radarsat-1,ERS,JERS,环境一号C卫星等。为了克服以上模型的问题,即要利用单极化数据进行水分反演。不少学者结合研究区地理特征进行了研究,提出了多时相单极化雷达数据在半干旱地区反演水分的方法。但这些算法对极化方式、角度、干旱区土壤介电特性等参数对于模型结果的影响没有进一步分析。
发明内容
基于上述问题,本发明提供一种适用于单极化雷达数据的土壤水分反演方法及系统,该方法能够利用多时相的单极化雷达数据有效地获取干旱半干旱区土壤含水量的分布。
根据上述目的,本发明提供了一种基于单极化雷达数据的土壤含水量反演方法,其特征在于,所述方法包括:
S1、选取待测地区的干旱期图像和雨期图像,所述干旱期图像与所述雨期图像具有相同的成像参数;
S2、对所述干旱期图像和所述雨期图像分别进行定标;
S3、将定标后的所述干旱期图像和雨期图像进行配准,得到配准后的干旱期图像和配准后的雨期图像,并计算所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数;
S4、使用预设的干旱期土壤介电常数、所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数进行反演计算,得到雨期的土壤介电常数;
S5、将所述雨期土壤介电常数代入土壤水分反演模型,计算所述待测地区的土壤含水量。
其中,所述成像参数包括成像模式和入射角度。
其中,所述干旱期图像和所述雨期图像均为单极化雷达图像。
其中,所述步骤S3中将定标后的所述干旱期图像和雨期图像进行配准,具体包括:
采用基于自动匹配找点的一次多项式几何校正的方式将定标后的所述干旱期图像和雨期图像进行配准。
其中,采用基于自动匹配找点的一次多项式几何校正的方式将定标后的所述干旱期图像和雨期图像进行配准,具体包括:
将所述干旱期图像或雨期图像的任意一个作为基准图像,另一个为带匹配图像;
通过一次多项式几何校正的方式对所述带匹配图像进行校正。
其中,所述步骤S4中计算所述雨期的土壤介电常数具体包括:
当选择的所述干旱期图像和所述雨期图像为VV极化图像时,计算所述雨期的土壤介电常数的反演公式为:
当选择的所述干旱期图像和所述雨期图像为HH极化图像时,计算所述雨期的土壤介电常数的反演公式为:
其中,为VV极化图像的雨期图像后向散射系数,为VV极化图像的干旱期图像后向散射系数,为HH极化图像的雨期图像后向散射系数,为VV极化图像的干旱期图像后向散射系数,εwet为雨期土壤介电常数,εdry为干旱期土壤介电常数, γhh=1/γvv、 Cvv-1=2.1561、Cvv-2=1.5584、Chh-1=2.0089、Chh-2=1.5561、 均为反演计算时的拟合系数。
根据本发明的另一个方面,提供一种基于单极化雷达数据的土壤含水量反演系统,其特征在于,所述系统包括:
图像选取单元,用于选取待测地区的干旱期图像和雨期图像,所述干旱起图像与所述雨期图像具有相同的成像参数;
定标单元,用于对所述干旱期图像和所述雨期图像分别进行定标;
图像配准单元,用于将定标后的所述干旱期图像和雨期图像进行配准;
后向散射系数计算单元,用于计算所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数;
反演计算单元,使用预设的干旱期土壤介电常数、所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数进行反演计算,得到雨期的土壤介电常数;
土壤含水量计算单元,用于将所述雨期土壤介电常数代入土壤水分反演模型,计算所述待测地区的土壤含水量。
本发明提供一种适用于单极化雷达数据的土壤水分反演方法及系统,通过对多时相的单极化雷达数据的应用,突破了常规使用多极化数据开展土壤水分反演的方法,能够利用我国更为广泛的单极化数据开展土壤水分反演;另外,本发明反演方法灵活,考虑了不同极化方式、不同入射角、不同干旱期土壤状况等因素,适用性较广泛。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了本发明的基于单极化雷达数据的土壤含水量反演方法的流程图。
图2示出了本发明的基于单极化雷达数据的土壤含水量反演系统的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚吧明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面将结合附图对本发明的实施例进行详细描述。
图1示出了本发明的基于单极化雷达数据的土壤含水量反演方法的流程图。
参照图1,本发明的本发明提供了一种基于单极化雷达数据的土壤含水量反演方法,其特征在于,所述方法包括:
S1、选取待测地区的干旱期图像和雨期图像,所述干旱期图像与所述雨期图像具有相同的成像参数;
本实施例中,干旱期图像和雨期图像均为单极化雷达图像,并且成像参数包括成像模式和入射角度等参数。
S2、对所述干旱期图像和所述雨期图像分别进行定标;
在本实施例中,定标公式和定标系数一般由数据分发组织提供,如典型的定标公式有:
σ0=k*DN2*sinθ
其中,σ0为定标后的雷达后向散射系数,DN为图像像素值,θ为像元入射角,k为定标常数。
S3、将定标后的所述干旱期图像和雨期图像进行配准,得到配准后的干旱期图像和配准后的雨期图像,并计算所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数;
其中,由于图像数据是同一地区、同一模式、同一入射角度,因此图像之间的变形主要是平移和旋转等误差,因此本实施中的匹配策略可以采用基于自动匹配找点的一次多项式几何校正的方式,并且其具体过程为:
将所述干旱期图像或雨期图像的任意一个作为基准图像,另一个为带匹配图像;然后通过一次多项式几何校正的方式对所述带匹配图像进行校正。
S4、使用预设的干旱期土壤介电常数、所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数进行反演计算,得到雨期的土壤介电常数;
本实施例中,对干旱期土壤介电常数进行预设,实际经验表明,干旱期土壤介电常数小且相对一致,平均值在3.1~5.1之间,在进行反演计算时,根据待测地区的干旱情况(入极度干旱、干旱、半干旱)来设定土壤介电常数。
上述过程中,步骤S4中计算所述雨期的土壤介电常数具体包括:
当选择的所述干旱期图像和所述雨期图像为VV极化图像时,计算所述雨期的土壤介电常数的反演公式为:
当选择的所述干旱期图像和所述雨期图像为HH极化图像时,计算所述雨期的土壤介电常数的反演公式为:
其中,为VV极化图像的雨期图像后向散射系数,为VV极化图像的干旱期图像后向散射系数,为HH极化图像的雨期图像后向散射系数,为VV极化图像的干旱期图像后向散射系数,εwet为雨期土壤介电常数,εdry为干旱期土壤介电常数, γhh=1/γvv、 Cvv-1=2.1561、Cvv-2=1.5584、Chh-1=2.0089、Chh-2=1.5561、 均为反演计算时的拟合系数。
S5、将所述雨期土壤介电常数代入土壤水分反演模型,计算所述待测地区的土壤含水量。
本实施例中,如果对该地区的土壤的特性较为了解,可以采用Dobson(1985)经验模型,如果对研究区了解不多,可以采用参数设置较少的Topp(1980)经验模型,Topp(1980)模型为:
mv=-5.3×10-2+2.92×10-2ε'-5.5×10-4(ε')2+4.3×10-6(ε')3
其中,ε′为土壤介电常数实部。对于非盐渍化土壤,介电常数虚部很小,可以认为步骤S4中的雨期土壤介电常数(εwet)为实数,εwet=ε′。
本发明的另一个实施例中,提供一种基于单极化雷达数据的土壤含水量反演系统。
图2示出了本发明的基于单极化雷达数据的土壤含水量反演系统的结构框图。
参照图2,本实施例的基于单极化雷达数据的土壤含水量反演系统包括:
图像选取单元10,用于选取待测地区的干旱期图像和雨期图像,所述干旱起图像与所述雨期图像具有相同的成像参数;
定标单元20,用于对所述干旱期图像和所述雨期图像分别进行定标;
图像配准单元30,用于将定标后的所述干旱期图像和雨期图像进行配准;
后向散射系数计算单元40,用于计算所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数;
反演计算单元50,使用预设的干旱期土壤介电常数、所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数进行反演计算,得到雨期的土壤介电常数;
土壤含水量计算单元60,用于将所述雨期土壤介电常数代入土壤水分反演模型,计算所述待测地区的土壤含水量。
以下以多时相Radarsat-1单极化数据为例说明本发明的具体实现过程。
(1)选取两景甘肃金昌地区Radarsat-1标准模式,HH极化、S3波束图像,一景为3月份旱期,一景为7月份雨期,分辨率为30米;
(2)对两景图像进行定标,本实施例中,利用Radarsat-1定标公式和定标系数进行定标。具体定标公式为:
其中,为第j点的后向散射系数,为第j点的亮度值,DNj为第j点的灰度值,θj为第j点入射角,A2、A3为相关定标系数,存储于数据相关位置。具体操作可采用相关工具如ENVI、ERDAS、PCI等软件,已经实现了相关算法,调用相关模块即可快速实现数据定标;
(3)以干旱期图像为基准图像,对雨期图像进行自动匹配校正,可以借助相关ENVI、ERDAS、PCI等软件进行,由于是同一地区、同一模式、同一波束,校正模型采用1次多项式;
(4)考虑到该地区属于半干旱地区,3月份气温较低,蒸发等较小,故设定干旱期土壤介电常数为4.1,即εdry=4.1。
(5)利用公式开展反演,得到7月份土壤介电常数(εwet),其反演公式为:
(6)利用(Topp,1980)模型进行土壤水分反演。选取3个实地验证点,检验结果表明反演值与实测值较为一致,模型精度较高,如表1所示。
表1 反演结果实地检验
综上所述,可以得出结论如下:本发明在干旱半干旱地区,利用多时相单极化雷达数据反演植被稀少或地表裸露地的土壤含水量方法具有较高精度。
本发明提供一种适用于单极化雷达数据的土壤水分反演方法及系统,通过对多时相的单极化雷达数据的应用,突破了常规使用多极化数据开展土壤水分反演的方法,能够利用我国更为广泛的单极化数据开展土壤水分反演;另外,本发明反演方法灵活,考虑了不同极化方式、不同入射角、不同干旱期土壤状况等因素,适用性较广泛。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (6)
1.一种基于单极化雷达数据的土壤含水量反演方法,其特征在于,所述方法包括:
S1、选取待测地区的干旱期图像和雨期图像,所述干旱期图像与所述雨期图像具有相同的成像参数;
S2、对所述干旱期图像和所述雨期图像分别进行定标;
S3、将定标后的所述干旱期图像和雨期图像进行配准,得到配准后的干旱期图像和配准后的雨期图像,并计算所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数;
S4、使用预设的干旱期土壤介电常数、所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数进行反演计算,得到雨期的土壤介电常数;
S5、将所述雨期土壤介电常数代入土壤水分反演模型,计算所述待测地区的土壤含水量。
2.根据权利要求1所述的基于单极化雷达数据的土壤含水量反演方法,其特征在于,所述成像参数包括成像模式和入射角度。
3.根据权利要求1所述的基于单极化雷达数据的土壤含水量反演方法,其特征在于,所述干旱期图像和所述雨期图像均为单极化雷达图像。
4.根据权利要求1所述的基于单极化雷达数据的土壤含水量反演方法,其特征在于,所述步骤S3中将定标后的所述干旱期图像和雨期图像进行配准,具体包括:
采用基于自动匹配找点的一次多项式几何校正的方式将定标后的所述干旱期图像和雨期图像进行配准。
5.根据权利要求1所述的基于单极化雷达数据的土壤含水量反演方法,其特征在于,所述步骤S4中计算所述雨期的土壤介电常数具体包括:
当选择的所述干旱期图像和所述雨期图像为VV极化图像时,计算所述雨期的土壤介电常数的反演公式为:
当选择的所述干旱期图像和所述雨期图像为HH极化图像时,计算所述雨期的土壤介电常数的反演公式为:
其中,为VV极化图像的雨期图像后向散射系数,为VV极化图像的干旱期图像后向散射系数,为HH极化图像的雨期图像后向散射系数,为VV极化图像的干旱期图像后向散射系数,εwet为雨期土壤介电常数,εdry为干旱期土壤介电常数; γhh=1/γvv、 Cvv-1=2.1561、Cvv-2=1.5584、Chh-1=2.0089、Chh-2=1.5561、 均为反演计算时的拟合系数。
6.一种基于单极化雷达数据的土壤含水量反演系统,其特征在于,所述系统包括:
图像选取单元,用于选取待测地区的干旱期图像和雨期图像,所述干旱起图像与所述雨期图像具有相同的成像参数;
定标单元,用于对所述干旱期图像和所述雨期图像分别进行定标;
图像配准单元,用于将定标后的所述干旱期图像和雨期图像进行配准;
后向散射系数计算单元,用于计算所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数;
反演计算单元,使用预设的干旱期土壤介电常数、所述配准后的干旱期图像的后向散射系数和所述配准后的雨期图像的后向散射系数进行反演计算,得到雨期的土壤介电常数;
土壤含水量计算单元,用于将所述雨期土壤介电常数代入土壤水分反演模型,计算所述待测地区的土壤含水量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510164036.8A CN104865274A (zh) | 2015-04-08 | 2015-04-08 | 基于单极化雷达数据的土壤含水量反演方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510164036.8A CN104865274A (zh) | 2015-04-08 | 2015-04-08 | 基于单极化雷达数据的土壤含水量反演方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104865274A true CN104865274A (zh) | 2015-08-26 |
Family
ID=53911256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510164036.8A Pending CN104865274A (zh) | 2015-04-08 | 2015-04-08 | 基于单极化雷达数据的土壤含水量反演方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104865274A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527616A (zh) * | 2015-10-27 | 2016-04-27 | 中国科学院遥感与数字地球研究所 | 一种基于多极化RADARSAT-2和Landsat8数据的植被覆盖地表土壤含水量反演方法 |
CN106353752A (zh) * | 2016-08-28 | 2017-01-25 | 电子科技大学 | 一种基于超宽带与非单点模糊逻辑的土壤含水量测量方法 |
CN106569209A (zh) * | 2016-10-28 | 2017-04-19 | 核工业北京地质研究院 | 一种利用全极化雷达数据提取土壤含水信息的方法 |
CN107632138A (zh) * | 2017-09-14 | 2018-01-26 | 中国神华能源股份有限公司 | 计算砂壤地层含水率分布的方法、装置、介质和系统 |
CN107689051A (zh) * | 2017-09-08 | 2018-02-13 | 浙江环球星云遥感科技有限公司 | 一种基于变化因子的多时相sar影像变化检测方法 |
CN108709908A (zh) * | 2018-06-11 | 2018-10-26 | 中国科学院地理科学与资源研究所 | 水盐一体速测仪以及土壤含盐量检测方法、装置 |
CN110907367A (zh) * | 2019-11-09 | 2020-03-24 | 华东师范大学 | 一种基于高光谱遥感的土壤墒情检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1847832A (zh) * | 2005-04-11 | 2006-10-18 | 中国科学院遥感应用研究所 | 微波辐射计监测土壤水分的方法 |
CN101614818A (zh) * | 2009-07-09 | 2009-12-30 | 中国科学院遥感应用研究所 | 一种土壤盐碱化的雷达遥感监测方法 |
CN102621163A (zh) * | 2011-01-26 | 2012-08-01 | 中国科学院电子学研究所 | 用于探测土壤含水量在深度方向分布的雷达遥感方法 |
-
2015
- 2015-04-08 CN CN201510164036.8A patent/CN104865274A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1847832A (zh) * | 2005-04-11 | 2006-10-18 | 中国科学院遥感应用研究所 | 微波辐射计监测土壤水分的方法 |
CN101614818A (zh) * | 2009-07-09 | 2009-12-30 | 中国科学院遥感应用研究所 | 一种土壤盐碱化的雷达遥感监测方法 |
CN102621163A (zh) * | 2011-01-26 | 2012-08-01 | 中国科学院电子学研究所 | 用于探测土壤含水量在深度方向分布的雷达遥感方法 |
Non-Patent Citations (8)
Title |
---|
C QIU ET AL.: "the method for soil moisture inversion based on ground-based scattering measurement", 《IEEE INTERNATIONAL GEOSCIENCE & REMOTE SENSING SYMPOSIUM》 * |
DAMIEN O’GRADY 等: "Relationship of local incidence angle with satellite radar backscatter for different surface conditions", 《INTERNATIONAL JOURNAL OF APPLIED EARTH OBSERVATION AND GEOINFORMATION》 * |
JR HORNER: "Simulation study of a robust algorithm for soil moisture and surface roughness estimation using L-band radar backscatter", 《GEOCARTO INTERNATIONAL》 * |
张长江: "《数字图像处理及其应用》", 30 June 2013, 清华大学出版社 * |
熊文成 邵芸: "基于IEM模拟的干旱区多时相数据含水含盐量反演模型及分析", 《遥感学报》 * |
熊文成: "含水含盐土壤介电特性及反演研究", 《中国优秀博硕士学位论文全文数据库 农业科技辑》 * |
袁礼海 等: "利用点目标进行SAR辐射定标的方法研究", 《无线电工程》 * |
韩桂红: "干旱区盐渍地极化雷达土壤水分反演研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527616A (zh) * | 2015-10-27 | 2016-04-27 | 中国科学院遥感与数字地球研究所 | 一种基于多极化RADARSAT-2和Landsat8数据的植被覆盖地表土壤含水量反演方法 |
CN105527616B (zh) * | 2015-10-27 | 2018-07-20 | 中国科学院遥感与数字地球研究所 | 一种基于多极化RADARSAT-2和Landsat8数据的植被覆盖地表土壤含水量反演方法 |
CN106353752A (zh) * | 2016-08-28 | 2017-01-25 | 电子科技大学 | 一种基于超宽带与非单点模糊逻辑的土壤含水量测量方法 |
CN106353752B (zh) * | 2016-08-28 | 2018-08-14 | 电子科技大学 | 一种基于超宽带与非单点模糊逻辑的土壤含水量测量方法 |
CN106569209A (zh) * | 2016-10-28 | 2017-04-19 | 核工业北京地质研究院 | 一种利用全极化雷达数据提取土壤含水信息的方法 |
CN107689051A (zh) * | 2017-09-08 | 2018-02-13 | 浙江环球星云遥感科技有限公司 | 一种基于变化因子的多时相sar影像变化检测方法 |
CN107632138A (zh) * | 2017-09-14 | 2018-01-26 | 中国神华能源股份有限公司 | 计算砂壤地层含水率分布的方法、装置、介质和系统 |
CN108709908A (zh) * | 2018-06-11 | 2018-10-26 | 中国科学院地理科学与资源研究所 | 水盐一体速测仪以及土壤含盐量检测方法、装置 |
CN108709908B (zh) * | 2018-06-11 | 2024-04-26 | 中国科学院地理科学与资源研究所 | 水盐一体速测仪以及土壤含盐量检测方法、装置 |
CN110907367A (zh) * | 2019-11-09 | 2020-03-24 | 华东师范大学 | 一种基于高光谱遥感的土壤墒情检测方法 |
CN110907367B (zh) * | 2019-11-09 | 2022-10-04 | 华东师范大学 | 一种基于高光谱遥感的土壤墒情检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104865274A (zh) | 基于单极化雷达数据的土壤含水量反演方法及系统 | |
CN102279393B (zh) | 一种基于多光谱传感器对高光谱传感器交叉辐射定标方法 | |
CN104898100B (zh) | 基于弱布设角反射器的机载sar辐射外定标处理方法 | |
Lakshmi | Remote sensing of soil moisture | |
CN101598798B (zh) | 一种对高光谱干涉数据进行光谱重建的系统和方法 | |
D'Urso et al. | A semi-empirical approach for surface soil water content estimation from radar data without a-priori information on surface roughness | |
US9046608B2 (en) | System for detecting sea-surface wind, using satellite observation, and a method for detecting sea-surface wind | |
CN106569210B (zh) | 一种基于遥感的土壤水分反演方法和装置 | |
CN109752696B (zh) | 一种高分辨率合成孔径雷达卫星图像中角反射器rcs校正方法 | |
CN108318871B (zh) | 一种星载微波辐射计冷空定标修正方法 | |
CN102901516A (zh) | 一种基于绝对辐射定标的多光谱影像辐射校正方法 | |
Tarpanelli et al. | Hydraulic modelling calibration in small rivers by using coarse resolution synthetic aperture radar imagery | |
CN103438900A (zh) | 三线阵相机影像协同绝对辐射定标和校正方法 | |
CN110764153B (zh) | 一种星载微波成像仪热镜背瓣在轨误差校正系统及方法 | |
CN103645466B (zh) | 一种基于平台姿态时变性补偿的极化定标方法 | |
CN106950551B (zh) | 基于辐射稳定特性挖掘的sar辐射定标方法 | |
CN106526555B (zh) | 基于分布目标的全极化sar隔离度评价方法 | |
CN108983172B (zh) | 一种随机进化约束的sar辐射定标方法 | |
Yang et al. | Land contamination correction for passive microwave radiometer data: Demonstration of wind retrieval in the great lakes using SSM/I | |
CN102073038A (zh) | 基于微小地形的遥感影像的地形校正的方法 | |
CN112346027B (zh) | 用于确定合成孔径雷达图像的散射特性的方法和系统 | |
Lindsley et al. | Adapting the SIR algorithm to ASCAT | |
Galantowicz et al. | Flood mapping with passive microwave remote sensing: current capabilities and directions for future development | |
CN104034739A (zh) | 双时相雷达监测土壤含水量的方法 | |
Hall et al. | Multi-instrument derivation of 90 km temperatures over Svalbard (78 N 16 E) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150826 |
|
RJ01 | Rejection of invention patent application after publication |