CN106569209A - 一种利用全极化雷达数据提取土壤含水信息的方法 - Google Patents
一种利用全极化雷达数据提取土壤含水信息的方法 Download PDFInfo
- Publication number
- CN106569209A CN106569209A CN201610956410.2A CN201610956410A CN106569209A CN 106569209 A CN106569209 A CN 106569209A CN 201610956410 A CN201610956410 A CN 201610956410A CN 106569209 A CN106569209 A CN 106569209A
- Authority
- CN
- China
- Prior art keywords
- radar
- polarization
- data
- soil
- float
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达数据遥感分析领域,具体公开一种利用全极化雷达数据提取土壤含水信息的方法,该方法具体包括以下步骤:步骤(1)对全极化雷达数据不同极化方式的数据分别进行预处理;步骤(2)对上述步骤(1)处理后的雷达图像进行RGB彩色合成;步骤(3)上述步骤(2)中得到的RGB彩色图像进行运算,获得土壤相对含水信息图。该方法对全极化雷达数据的不同极化方式下的回波数据进行运算和处理,获取土壤的相对含水量,提取土壤中富水带信息,从而更好地服务于农业生产及地质找水等方向。
Description
技术领域
本发明属于雷达数据遥感分析领域,具体涉及一种利用全极化雷达数据提取土壤含水信息的方法。
背景技术
土壤水分是指土壤非饱和层(也称其为渗流层)的水分含量,其能够反映不同地区浅地表的干旱程度,快速地进行大区域的土壤含水信息,不仅可以指导农业生产和水利灌溉,也可以为地质灾害监测和预报提供参考,同时,也可以对部分矿产(如砂岩型铀矿、膏盐)的找矿作用提供帮助。
基于卫星遥感技术对土壤水分的时空分布信息进行反演,一直是遥感研究的热点之一。目前的卫星遥感反演土壤含量技术根据遥感测量手段的不同可分为:光学遥感、微波遥感2类。光学遥感主要利用土壤表面光谱反射特性、土壤表面发射率及表面温度来估算土壤水分,其空间分辨率高,可供选择的卫星传感器多,并可提供高光谱数据,但光学方法多建立各种指数与土壤水分之间的经验关系,基于蒸散模型的方法比较复杂,需要输入的参数较多,获取困难,且这些方法属于间接反演土壤水分的方法,其应用有一定的局限性。微波遥感主要建立雷达后向散射系数与土壤介电常数的关系,进而反演出土壤水分,其空间分辨率高,能穿透植被,到达地表5cm左右深度,且能全天候测量,低频波段雷达后向散射系数对土壤水分高度敏感,而在高频波段雷达后向散射系数对植被敏感,L波段反演土壤水分能取得较好的效果。然而,目前的大部分算法都是基于单极化雷达数据,无论是经验模型,半经验模型,还是物理模型,其都基于雷达后向散射系数与土壤含水量的关系,但由于雷达后向散射对地表的几何结构高度敏感,地面的粗糙度和地形起伏都会对反演的土壤含水信息造成干扰。
另一方面,相同含水性的土壤在不同极化方式下将产生不同的雷达回波特征,通常情况含水的土壤将在HH和VV极化方式上呈现较强的回波强度,而在VH极化方式下却呈现较弱的回波强度,这表明,可以利用雷达数据的不同极化方式提取土壤含水信息,尤其是在干旱地区寻找浅层地下富水带。如何通过对全极化雷达数据中不同极化方式信息的处理和合成,反演土壤含水信息,提取土壤富水带,减少地形起伏和地表粗糙度的干扰,是亟待解决的问题。
发明内容
本发明的目的在于提供一种利用全极化雷达数据提取土壤含水信息的方法,该方法对全极化雷达数据的不同极化方式下的回波数据进行运算和处理,获取土壤的相对含水量,提取土壤中富水带信息,从而更好地服务于农业生产及地质找水等方向。
实现本发明目的的技术方案:一种利用全极化雷达数据提取土壤含水信息的方法,该方法具体包括以下步骤:
步骤(1)对全极化雷达数据不同极化方式的数据分别进行预处理;
步骤(2)对上述步骤(1)处理后的雷达图像进行RGB彩色合成;
步骤(3)上述步骤(2)中得到的RGB彩色图像进行运算,获得土壤相对含水信息图。
所述的步骤(1)具体包括如下步骤:
(1.1)对雷达系统的RAW数据进行聚焦处理,获得雷达SLC图像;
(1.2)对上述步骤(1.1)中得到的SLC图像进行多视处理,获得雷达强度图像;
(1.3)对上述步骤(1.2)中得到的雷达强度图像进行几何校正和辐射校正,获取地理编码准确,后向散射系数准确的雷达强度图像,将不同极化方式的雷达图像以不同的文件名命名。
所述的步骤(2)具体包括如下步骤:对不同极化的雷达强度图像进行RGB(红绿蓝)彩色合成,其中R=HH极化,G=VH极化方式,B=VV极化方式,以文件名RGB存储图像。
所述的步骤(3)具体包括如下步骤:
(3.1)对RGB彩色图像进行运算,运算表达式为255*(float(b1)+float(b3))/(float(b1)+(float(b2)+float(b3));
(3.2)对上述步骤(3.1)中得到的运算结果进行密度分割,获得土壤相对含水量的信息。
所述的步骤(3.1)中的b1=R(红色),b2=G(绿色),b3=B(蓝色)。
本发明的有益技术效果:(1)本发明因为利用的是含水土壤在不同极化方式下的回波特征,因而减小了地表几何特征对反演结果的干扰(2)本发明借助于全极化雷达数据,信息丰富,算法却较为简单。本发明可应用于雷达遥感领域,服务于农业生产和地质找矿等方向。
附图说明
图1为本发明所提供的一种利用全极化雷达数据提取土壤含水信息的方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
如图1所示,本发明所提供的一种利用全极化雷达数据提取土壤含水信息的方法,该方法具体包括以下步骤:
步骤(1)对全极化雷达数据不同极化方式的数据分别进行预处理。
步骤(1.1)对雷达系统的原始(RAW格式)数据进行聚焦处理,获得雷达SLC图像
利用雷达数据处理软件(如SARscape)打开数据文件,对雷达系统的RAW格式原始数据()进行聚焦处理,获得雷达单视复型数据(SLC数据)。
以新疆乌伦古河地区全极化Alos-2雷达数据为实例,上述打开的数据文件为日本2014年发射升空的Alos-2卫星搭载传感器拍摄新疆乌伦古河地区HH、VH和VV三种极化方式的雷达数据。
HH、VH、HV、VV是雷达遥感系统常用四种极化方式。雷达发射的能量脉冲的电场矢量,可以在垂直或水平面内被偏振。无论哪个波长,雷达信号可以传送水平(H)或者垂直(V)电场矢量,接收水平(H)或者垂直(V)或者两者的返回信号。HH极化方式即当雷达以水平电场矢量发射信号同时接收水平的返回信号,VH即以垂直电场矢量发射信号同时接收水平返回的信号,HV即以水平电场矢量发射的信号同时接收垂直返回的信号,VV即以垂直电场矢量发射信号同时接收垂直返回的信号。
步骤(1.2)对上述步骤(1.1)中得到的SLC数据进行多视处理,获得雷达强度图像;
利用SARscape软件对雷达SLC图像进行多视处理,抑制雷达数据的斑点噪声,获得雷达强度图像。
步骤(1.3)对上述步骤(1.2)中得到的雷达强度图像进行几何校正和辐射校正,获取地理编码准确,后向散射系数准确的雷达强度图像,将不同极化方式的雷达图像以不同的文件名命名;
HH极化方式记作HH,VH极化方式记作VH,VV极化方式记作VV。
例如,下载新疆乌伦古河地区的DEM(数字高程模型)数据,利用SARscape软件对雷达强度图像进行几何校正和辐射校正,获取地理编码准确,后向散射系数准确的三景雷达强度图像;三景图像文件分别以img格式储存,三景图像文件名分别记作Wulunhe-Alos-HH.img,Wulunhe-Alos-VH.img和Wulunhe-Alos-VV.img。
步骤(2)对上述步骤(1.3)处理后的雷达图像进行RGB彩色合成
对不同极化的雷达强度图像进行RGB彩色合成,其中R=HH极化,G=VH极化方式,B=VV极化方式,以文件名RGB存储图像。
例如,利用ENVI软件打开上述新疆乌伦古河地区的三景图像,对这三景图像进行RGB彩色合成,其中R=Wulunhe-Alos-HH.img,G=Wulunhe-Alos-VH.img,B=Wulunhe-Alos-VV.img,获得RGB彩色合成图像,文件名记作Wulunhe-Alos-RGB.img。
步骤(3)上述步骤(2)中得到的RGB彩色图像进行运算,获得土壤相对含水信息图
步骤(3.1)对RGB彩色图像进行运算,运算表达式为255*(float(b1)+float(b3))/(float(b1)+(float(b2)+float(b3)),
其中b1=R,R为RGB图像中的红色灰度值,即HH极化强度;b2=G,G为RGB图像中的绿色灰度值,即VH极化强度;b3=B,B为RGB图像中的蓝色灰度值,即VV极化强度。
例如,用ENVI软件打开上述新疆乌伦古河地区的RGB彩色图像的文件Wulunhe-Alos-RGB.img,对该RGB彩色图像进行比值运算,表达式为255*(float(b1)+float(b3))/(float(b1)+(float(b2)+float(b3))。
步骤(3.2)对上述步骤(3.1)中得到的运算结果进行密度分割,获得土壤相对含水量的信息,选择合适的区间并赋色,提高图像可视化程度。
例如,对上述新疆乌伦古河地区的RGB彩色图像运算结果进行密度分割,高值区间赋上蓝色,代表土壤相对富水带的信息,将结果以img文件格式存储,文件名记作Wulunhe-Alos-Water.img从而获得乌伦古河地区土壤富水带信息分布图。
其中,蓝色表示富水带信息。
上面结合附图和实施例对本发明作了详细说明,但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。
Claims (5)
1.一种利用全极化雷达数据提取土壤含水信息的方法,其特征在于,该方法具体包括以下步骤:
步骤(1)对全极化雷达数据不同极化方式的数据分别进行预处理;
步骤(2)对上述步骤(1)处理后的雷达图像进行RGB彩色合成;
步骤(3)上述步骤(2)中得到的RGB彩色图像进行运算,获得土壤相对含水信息图。
2.根据权利要求1所述的一种利用全极化雷达数据提取土壤含水信息的方法,其特征在于:所述的步骤(1)具体包括如下步骤:
(1.1)对雷达系统的RAW数据进行聚焦处理,获得雷达SLC图像;
(1.2)对上述步骤(1.1)中得到的SLC图像进行多视处理,获得雷达强度图像;
(1.3)对上述步骤(1.2)中得到的雷达强度图像进行几何校正和辐射校正,获取地理编码准确,后向散射系数准确的雷达强度图像,将不同极化方式的雷达图像以不同的文件名命名。
3.根据权利要求2所述的一种利用全极化雷达数据提取土壤含水信息的方法,其特征在于:所述的步骤(2)具体包括如下步骤:对不同极化的雷达强度图像进行RGB彩色合成,其中R=HH极化,G=VH极化方式,B=VV极化方式,以文件名RGB存储图像。
4.根据权利要求3所述的一种利用全极化雷达数据提取土壤含水信息的方法,其特征在于:所述的步骤(3)具体包括如下步骤:
(3.1)对RGB彩色图像进行运算,运算表达式为255*(float(b1)+float(b3))/(float(b1)+(float(b2)+float(b3));
(3.2)对上述步骤(3.1)中得到的运算结果进行密度分割,获得土壤相对含水量的信息。
5.根据权利要求4所述的一种利用全极化雷达数据提取土壤含水信息的方法,其特征在于:所述的步骤(3.1)中的b1=R,b2=G,b3=B。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610956410.2A CN106569209A (zh) | 2016-10-28 | 2016-10-28 | 一种利用全极化雷达数据提取土壤含水信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610956410.2A CN106569209A (zh) | 2016-10-28 | 2016-10-28 | 一种利用全极化雷达数据提取土壤含水信息的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106569209A true CN106569209A (zh) | 2017-04-19 |
Family
ID=58535461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610956410.2A Pending CN106569209A (zh) | 2016-10-28 | 2016-10-28 | 一种利用全极化雷达数据提取土壤含水信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106569209A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239209A (zh) * | 2020-02-17 | 2020-06-05 | 中国科学院上海天文台 | 机会信号反射遥感的全极化单次反射仿真方法及系统 |
CN112577906A (zh) * | 2020-11-18 | 2021-03-30 | 上海市园林科学规划研究院 | 城市绿地土壤含水率检测方法 |
CN112884029A (zh) * | 2021-02-03 | 2021-06-01 | 中国海洋大学 | 融合全极化sar与高光谱遥感的协同分类方法 |
CN113255874A (zh) * | 2021-06-08 | 2021-08-13 | 中国农业科学院农业资源与农业区划研究所 | 一种基于优化的bp神经网络微波遥感反演土壤水分的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208001A (zh) * | 2013-02-06 | 2013-07-17 | 华南师范大学 | 结合形状自适应邻域和纹理特征提取的遥感图像处理方法 |
CN104199027A (zh) * | 2014-08-29 | 2014-12-10 | 中国科学院遥感与数字地球研究所 | 基于紧致极化雷达大面积近实时监测水稻物候期的方法 |
CN104865274A (zh) * | 2015-04-08 | 2015-08-26 | 环境保护部卫星环境应用中心 | 基于单极化雷达数据的土壤含水量反演方法及系统 |
-
2016
- 2016-10-28 CN CN201610956410.2A patent/CN106569209A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208001A (zh) * | 2013-02-06 | 2013-07-17 | 华南师范大学 | 结合形状自适应邻域和纹理特征提取的遥感图像处理方法 |
CN104199027A (zh) * | 2014-08-29 | 2014-12-10 | 中国科学院遥感与数字地球研究所 | 基于紧致极化雷达大面积近实时监测水稻物候期的方法 |
CN104865274A (zh) * | 2015-04-08 | 2015-08-26 | 环境保护部卫星环境应用中心 | 基于单极化雷达数据的土壤含水量反演方法及系统 |
Non-Patent Citations (1)
Title |
---|
尹楠: ""基于全极化雷达影像反演垄行结构土壤湿度"", 《中国博士学位论文全文数据库 农业科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239209A (zh) * | 2020-02-17 | 2020-06-05 | 中国科学院上海天文台 | 机会信号反射遥感的全极化单次反射仿真方法及系统 |
CN112577906A (zh) * | 2020-11-18 | 2021-03-30 | 上海市园林科学规划研究院 | 城市绿地土壤含水率检测方法 |
CN112577906B (zh) * | 2020-11-18 | 2023-09-22 | 上海市园林科学规划研究院 | 城市绿地土壤含水率检测方法 |
CN112884029A (zh) * | 2021-02-03 | 2021-06-01 | 中国海洋大学 | 融合全极化sar与高光谱遥感的协同分类方法 |
CN112884029B (zh) * | 2021-02-03 | 2022-03-18 | 中国海洋大学 | 融合全极化sar与高光谱遥感的协同分类方法 |
CN113255874A (zh) * | 2021-06-08 | 2021-08-13 | 中国农业科学院农业资源与农业区划研究所 | 一种基于优化的bp神经网络微波遥感反演土壤水分的方法 |
CN113255874B (zh) * | 2021-06-08 | 2022-03-11 | 中国农业科学院农业资源与农业区划研究所 | 一种基于优化的bp神经网络微波遥感反演土壤水分的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jawak et al. | A synoptic review on deriving bathymetry information using remote sensing technologies: models, methods and comparisons | |
CN106569209A (zh) | 一种利用全极化雷达数据提取土壤含水信息的方法 | |
Saulquin et al. | Estimation of the diffuse attenuation coefficient KdPAR using MERIS and application to seabed habitat mapping | |
Su et al. | Prediction of water depth from multispectral satellite imagery—the regression Kriging alternative | |
Sun et al. | Learning to remove clutter in real-world GPR images using hybrid data | |
CN103278861A (zh) | 水下高光谱成像系统 | |
CN103954934A (zh) | 基于低秩字典学习及稀疏表示的极化sar舰船检测方法 | |
André et al. | Non-invasive forest litter characterization using full-wave inversion of microwave radar data | |
Wang et al. | Sea ice classification with convolutional neural networks using Sentinel-L scansar images | |
Herrick et al. | lakeCoSTR: A tool to facilitate use of Landsat Collection 2 to estimate lake surface water temperatures | |
CN102663420B (zh) | 基于小波包变换和灰色预测模型的高光谱图像分类方法 | |
Fan et al. | Marine floating raft aquaculture dynamic monitoring based on multi-source GF imagery | |
CN106680794B (zh) | 基于空间建模技术的雷达数据快速去噪方法 | |
Yang et al. | A detection model of underwater topography with a series of SAR images acquired at different time | |
CN203444122U (zh) | 一种水下高光谱成像系统 | |
Wang et al. | Water quality analysis of remote sensing images based on inversion model | |
CN107507251B (zh) | 一种双极化sar图像的伪彩色合成方法和装置 | |
Yang et al. | Underwater topography detection of Taiwan Shoal with SAR images | |
CN113436110B (zh) | 一种对合成孔径雷达灰度图像进行伪彩色处理的方法 | |
CN107895169A (zh) | 一种基于envisat asar双极化数据提取湿地信息的方法 | |
Ghulam et al. | Mapping invasive plant species in tropical rainforest using polarimetric Radarsat-2 and PALSAR data | |
Shakya et al. | Estimating Change Percentage in Texture Developed by the Water Turndown of Bolivia's Lake Poopo | |
Chen et al. | Rice recognition using multi-temporal and dual polarized synthetic aperture radar images | |
Jagdhuber et al. | Dual-Polarimetry for soil moisture inversion at X-Band | |
Bachmann et al. | Modeling coastal waters from hyperspectral imagery using manifold coordinates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170419 |