CN111273289A - 一种沙漠参数反演方法、装置、设备及存储介质 - Google Patents
一种沙漠参数反演方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111273289A CN111273289A CN202010067116.2A CN202010067116A CN111273289A CN 111273289 A CN111273289 A CN 111273289A CN 202010067116 A CN202010067116 A CN 202010067116A CN 111273289 A CN111273289 A CN 111273289A
- Authority
- CN
- China
- Prior art keywords
- desert
- dielectric constant
- inversion
- coherence
- desert area
- 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.)
- Granted
Links
Images
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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9094—Theoretical aspects
-
- 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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- 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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
- G01S13/9005—SAR image acquisition techniques with optical processing of the SAR signals
-
- 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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N2021/551—Retroreflectance
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种沙漠参数反演方法、装置、设备及存储介质,其中方法包括:对两幅SAR影像进行预处理,获取两幅影像之间的相干性;利用裸地表土壤介电常数反演模型计算沙漠区域的介电常数;考虑SAR信号在沙漠区的折射效应,利用介电常数对微波进入沙漠区的垂直有效波数进行校正;联合前述得到的相干性和垂直有效波数,利用散射模型对微波在沙漠区穿透深度进行反演。本发明将基于复相干性的散射模型应用于沙漠区域的穿透深度反演,由于仅需要SAR影像的相干性信息,采用较少观测量即可实现;而且能够进行大范围反演,适用性较强,为探索微波在沙漠区穿透能力提供了一种新的思路与手段。
Description
技术领域
本发明涉及合成孔径雷达技术(InSAR)在沙漠区参数反演领域,具体涉及一种沙漠参数反演方法、装置、设备及存储介质。
背景技术
沙漠覆盖层是地球表层系统的重要组成部分,占地球陆地面积的5%,蕴含丰富的自然资源,如石油、天然气、地下水等。因此,积极开展大范围沙漠次地表监测对于资源探测、考古研究、气候变化分析等具有重要研究价值。但是,传统光学遥感只能监测沙漠表面偏移量变化,不具备穿透能力,无法对沙漠内部结构进行探测。SAR采用微波频段工作模式,在极度干旱沙漠覆盖区,具有显著穿透能力。近年来,随着合成孔径雷达干涉技术(InSAR)的发展,在积雪厚度和植被高度反演方面涉及的研究较多,然而在沙漠区穿透深度反演方面的研究较为缺乏。
在利用微波进行沙漠穿透深度反演领域,目前研究方法主要分为差分干涉测量法和基于散射模型的沙漠穿透深度反演方法。差分干涉测量法容易造成误差混叠,难以区分,得到的穿透深度结果误差较大;现有基于散射模型进行沙漠区穿透深度的方法大都基于仿真实验,模型输入参数较多,未能得到广泛应用。且短波段SAR(如:X,C波段)的穿透性极为有限,对于反演微波在沙漠区穿透深度贡献有限,同时受SAR数据重返周期和数据质量的影响,长波段数据(如:L,P波段)较为缺乏。
因此,本发明将采用一种基于影像复相干性的散射模型对微波在沙漠区穿透深度进行反演,为探索微波在沙漠区穿透能力提供了一种新的思路与手段。
发明内容
本发明要解决的技术问题在于,提供一种沙漠参数反演方法、装置、设备及存储介质,采用较少观测量即可求解得到微波在沙漠区域的穿透深度。
为实现上述技术目的,本发明采用如下技术方案:
一种沙漠穿透深度反演方法,包括以下步骤:
步骤1,对沙漠区域的两幅SAR影像进行配准、干涉、去地形以及相干性估计,并获取两幅SAR影像的相干性γ;
步骤2,计算两幅SAR影像其中之一的后向散射系数σ;
步骤3,根据后向散射系数σ在二维查找表中查找对应的土壤介电常数ε;
所述二维查找表是根据裸地表土壤介电常数反演模型所建立的、记载后向散射系数与土壤介电常数及地表粗糙度的关系表;
步骤4,利用土壤介电常数ε按以下公式对沙漠区域的垂直有效波数进行校正:
式中,kz、kz_vol分别为空气和沙漠区域的垂直有效波数,θ为入射角,B⊥为垂直基线,λ为波长,R为斜距;
步骤5,联合沙漠区域的影像相干性γ、校正后的垂直有效波数kz_vol,利用以下公式所示的散射模型对微波在沙漠区域的穿透深度进行反演:
其中,X是指微波在沙漠区域的平均穿透深度先验值。
在更优的技术方案中,所述两幅SAR影像具体采用两幅HH极化SAR影像。
在更优的技术方案中,所述裸地表土壤介电常数反演模型为:
其中,
分别为模拟HH和VV极化SAR影像对应的后向散射系数,ε、s分别为土壤介电常数和地表粗糙度,k为空间自由波数,k=2π/λ,τo为土壤表面最低点菲涅尔反射系数,τh(θ)、τv(θ)分别为HH和VV极化SAR影像对应的的菲涅尔反射系数;
根据裸地表土壤介电常数反演模型建立二维查找表的方法为:
步骤1),给定介电常数ε范围和土壤粗糙度参数s范围;
步骤2),根据公式(3),利用表面最低点菲涅尔反射系数τo和粗糙度s,计算得到HH和VV两个极化方式的后向散射系数比率p;
步骤3),根据公式(4),利用后向散射系数比率p以及HH和VV极化的菲涅尔反射系数τh(θ)、τv(θ),计算HH极化SAR影像的后向散射系数的模拟值并建立HH极化SAR影像的后向散射系数的二维查找表;或,
一种沙漠参数反演装置,包括相干性获取模块、土壤介电常数获取模块、垂直有效波数校正模块、穿透深度反演模块;
所述相干性获取模块用于:对沙漠区域的两幅SAR影像进行配准、干涉、去地形以及相干性估计,并获取两幅SAR影像的相干性γ;
所述土壤介电常数获取模块用于:计算两幅SAR影像其中之一的后向散射系数σ,根据后向散射系数σ在二维查找表中查找对应的土壤介电常数ε;
所述二维查找表是根据裸地表土壤介电常数反演模型所建立的、记载后向散射系数与土壤介电常数及地表粗糙度的关系表;
所述垂直有效波数校正模块用于:利用土壤介电常数ε按以下公式对沙漠区域的垂直有效波数进行校正:
式中,kz、kz_vol分别为空气和沙漠区域的垂直有效波数,θ为入射角,B⊥为垂直基线,λ为波长,R为斜距;
所述穿透深度反演模块用于:联合沙漠区域的影像相干性γ、校正后的垂直有效波数kz_vol,利用以下公式所示的散射模型对微波在沙漠区域的穿透深度进行反演:
本发明还提供一种设备,包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,所述计算机程序被处理器执行时执行上述任一所述的沙漠参数反演方法。
本发明还提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的沙漠参数反演方法。
有益效果
本发明通过对沙漠区域的两幅SAR影像进行处理,获取影像的相干性大小;再通过计算SAR影像的后向散射系数,根据裸地表土壤介电常数反演模型计算获取沙漠区域的介电常数,从而利用该介电常数计算获取沙漠区域的垂直有效波数;最终根据相干性大小和垂直有效波数使用散射模型进行反演,即可得到微波在沙漠区域的穿透深度。本发明采用较少观测量即可求解得到微波在沙漠区域的穿透深度,易于实现;而且本发明所使用的SAR影像所覆盖的沙漠区域范围大,能达到几万甚至几十万平方千米,因此能够进行大范围反演,且适用性较强,为探索微波在沙漠区穿透能力提供了一种新的思路与手段,未来可以广泛应用于探测微波在沙漠区穿透能力、反演其在沙漠区穿透深度等方面。
附图说明
图1为本发明实施例所述穿透深度反演方法的流程示意图;
图2为SAR影像相干性及其导数的函数图像;
图3为微波在沙漠传播的二层散射模型示意图;
图4为本发明实施例的沙介质层介电常数反演结果;
图5为本发明实施例的沙漠穿透深度反演结果;
图6为本发明实施例的沙漠穿透深度定量分析结果图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例以本发明的技术方案为依据开展,给出了详细的实施方式和具体的操作过程,对本发明的技术方案作进一步解释说明。
本实施例提供一种沙漠参数反演方法,如图1所示,包括以下步骤:
步骤1,SAR影像干涉处理,获取影像相干性。
该步骤主要对沙漠区域的两幅SAR影像进行配准、干涉、去平地相位、多视去除斑点噪声以及相干性估计等几个步骤,获得两幅SAR影像之间的相干性γ。
本发明所使用的两幅SAR影像可以是HH极化的SAR影像,也可以是VV极化的SAR影像,由于HH极化的SAR影像的穿透能力更强,对沙漠区域穿透深度的反演效果更好,即反演结果精度更高。因此本实施例优选使用HH极化的SAR影像进行后续的沙漠穿透深度反演。
两幅SAR影像s1和s2的复相干性被定义为两个影像信号的归一化互相关系数,ω为SAR影像的极化方式,γ为两幅SAR影像之间的复相干性,计算公式为:
步骤2,计算两幅SAR影像其中之一的后向散射系数σ(ω)。选用经步骤1处理后得到的任一幅SAR影像,按现有技术计算其后向散射系数,在此不再赘述。
步骤3,根据后向散射系数σ在二维查找表中查找对应的土壤介电常数ε;所述二维查找表是根据裸地表土壤介电常数反演模型所建立的、记载后向散射系数与土壤介电常数及地表粗糙度的关系表。
裸地表土壤介电常数反演模型为:
其中,
ε、s分别为土壤介电常数和地表粗糙度,介电常数描述了土壤中含水量的大小,土壤含水量越小,其介电常数越大,微波穿透性越强;粗糙度参数描述了土壤表面的光滑程度,其值越大,土壤表面越粗糙;
k为空间自由波数,k=2π/λ,λ为微波波长,θ为微波在空气中的入射角大小;
τo为土壤表面最低点菲涅尔反射系数,τh(θ)、τv(θ)分别为HH和VV极化SAR影像对应的的菲涅尔反射系数。
根据裸地表土壤介电常数反演模型建立二维查找表的方法为:
步骤1),给定介电常数ε范围和土壤粗糙度参数s范围;
步骤2),根据公式(9),利用表面最低点菲涅尔反射系数τo和粗糙度s,计算得到HH和VV两个极化方式的后向散射系数比率p;
步骤3),根据公式(10),利用后向散射系数比率p以及HH和VV极化的菲涅尔反射系数τh(θ)、τv(θ),计算HH极化SAR影像的后向散射系数的模拟值并建立HH极化SAR影像的后向散射系数的二维查找表;或,
由于本实施例使用HH极化的SAR影像进行后续的沙漠穿透深度反演,因此只需要建立HH极化SAR影像的后向散射系数的二维查找表即可,但本发明不限制SAR影像的具体极化方式,因此在采用VV极化的SAR影像进行本发明的沙漠穿透深度反演时,可按上述方法建立VV极化SAR影像的后向散射系数的二维查找表,同样可以实现本步骤获取得到沙漠区域的介电常数。
在建立HH极化SAR影像的后向散射系数的二维查找表中查找介电常数,具体是在该二维查找表中找到与前述计算得到的σ(ω)相差最小的后向散射系数将该后向散射系数对应的介电常数作为本实施中沙漠区域的土壤介电常数。判断准则为:
步骤4,利用步骤3得到的土壤介电常数ε按以下公式对沙漠区域的垂直有效波数进行校正:
式中,kz、kz_vol分别为空气和沙漠区域的垂直有效波数,与干涉几何构型有关,θ为入射角,B⊥为垂直基线,λ为波长,R为斜距。
如图3所示,由于微波在沙漠表面发生了穿透,InSAR原有的几何关系将会发生改变,因此有必要重新建立一种符合其散射机制的散射模型。为此,本实施例将沙漠散射体抽象成一种双层模型,上、下两层分别对应沙漠的上表面、下表面,选取沙漠上表面作为参考基准面,令其高程值z=0,z<0时代表沙漠散射体内部,z>0时代表在空气中。其中θ、θr分别为微波在空气和散射体中的入射角,ε为沙漠散射体的介电常数大小,D为沙漠散射体厚度,B为空间基线长度。由于其入射角度的改变,导致微波进入沙介质层的垂直有效波数会发生变化,需对空气中的垂直有效波数kz进行校正,得到沙漠区域的垂直有效波数kz_vol。
步骤5,联合沙漠区域的影像相干性γ、校正后的垂直有效波数kz_vol,利用以下公式所示的散射模型对微波在沙漠区域的穿透深度进行反演:
在本实施例中,沙漠区域的散射模型为:
其中:
D:散射体厚度,即研究区的沙漠厚度。该散射模型虽是在基于散射体无限深条件下建立,但当散射体厚度超过穿透深度的两倍至五倍时,仍能取得较好的反演结果。
θr:微波在沙漠介质层的入射角大小,即微波在空气进入沙漠介质层的折射角。折射角大小与散射体介电常数有关。介电常数越大,折射角越大,穿透深度越小,当微波到达沙漠区岩石表面时,微波不发生穿透;介电常数越小,折射角越小,微波传播相同的距离时损耗的能量较少,穿透深度越大。
μ:消光系数,与沙漠介质层内部水分含量、粒径大小、密度等因素密切相关。
穿透深度被定义为电磁波在有损介质传播过程中,当强度衰减到原来的1/e时电磁波所到达的介质层厚度,即
当散射体厚度超过穿透深度的两倍至五倍时,可以把散射体当成无限深(D→∞),式(15)可以被改写成
穿透深度dpen与影像相干性|γ|之间有着确定的函数关系,因此通过式(18)我们即可得到穿透深度,其中穿透深度被定义为负值,
针对SAR影像中的每个像素,本实施例的步骤1可以得到其相干性大小,步骤3可得到其对应在沙漠区域的垂直有效波数,最终即可利用式(18)直接反演得到每个像素的微波穿透深度。
由于微波在沙漠区域的穿透深度对于沙漠区域的垂直有效波数较为敏感,为提高反演精度,因此在更优的实施例中,有必要考虑步骤4得到的沙漠区域的垂直有效波数的适用范围,即:在步骤5之前,先判断步骤4得到的沙漠区域的垂直有效波数kz_vol是否位于区间内,若是则继续步骤5,否则更换SAR影像,返回执行步骤1;其中,X是指微波在沙漠区域的平均穿透深度先验值。
对影像的相干性求导有:
分析公式(20),当Xv为0时,导数有最大值,当Xv逐渐增大时,导数趋于平缓,如图2所示。当Xv大于15时,导数趋于平缓,当Xv值改变时,相干性敏感度较低,即使此时的穿透深度变化较大,相干性变化不明显,较小的相干性变化会导致较大的穿透深度误差。当相干性小于0.3时,相干性质量较低,此时Xv为3。因此,在更优的实施例中要求满足3≤Xv≤15,即满足公式(21):
本发明还提供一种沙漠参数反演装置,与上述沙漠参数反演方法对应,包括包括相干性获取模块、土壤介电常数获取模块、垂直有效波数校正模块、穿透深度反演模块;
所述相干性获取模块用于:对沙漠区域的两幅SAR影像进行配准、干涉、去地形以及相干性估计,并获取两幅SAR影像的相干性γ;
所述土壤介电常数获取模块用于:计算两幅SAR影像其中之一的后向散射系数σ,根据后向散射系数σ在二维查找表中查找对应的土壤介电常数ε;
所述二维查找表是根据裸地表土壤介电常数反演模型所建立的、记载后向散射系数与土壤介电常数及地表粗糙度的关系表;
所述垂直有效波数校正模块用于:利用土壤介电常数ε按以下公式对沙漠区域的垂直有效波数进行校正:
式中,kz、kz_vol分别为空气和沙漠区域的垂直有效波数,θ为入射角,B⊥为垂直基线,λ为波长,R为斜距;
所述穿透深度反演模块用于:联合沙漠区域的影像相干性γ、校正后的垂直有效波数kz_vol,利用以下公式所示的散射模型对微波在沙漠区域的穿透深度进行反演:
本发明还提供一种设备实施例,该设备包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,所述计算机程序被处理器执行时实现上述实施例中所述的沙漠参数反演方法。
本发明还提供一种计算机可读存储介质实施例,该计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中所述的沙漠参数反演方法。
为进一步清晰说明本发明基于一种SAR影像复相干性散射模型的长波InSAR穿透深度反演方法,采用日本宇航局ALOS-1PALSAR系统提供的利比亚东南部Kufra盆地(22°N,23°′E)的两幅双极化L波段SAR影像对本文算法进行验证。注意,此处仅用于举例说明,本发明并不限定数据源。
库夫拉盆地位于非洲利比亚东南部,并延伸到埃及西南部和苏丹东北部努比亚沙层,占地面积超过400000km2,常年受副热带高气压带控制,盛行干热的下行气流,气候干燥,常年干旱少雨,沉积的风沙形成不规则的沙丘和覆盖沙漠表面的沙床。研究区即位于库夫拉盆地,地形较为平坦,平均坡度在3°左右。采用2008年7月29日--2008年9月13日的ALOS-1PALSAR L波段数据,入射角为38.7°,空间基线长度为1110m。
实验数据采用2景星载L波段双极化数据,以2008年7月29日影像为主影像、2008年9月13日影像为辅影像组成干涉对。由于HH极化方式更强的穿透能力,本实验采用HH极化SAR影像进行验证,利用瑞士GAMMA公司发布的GAMMA软件进行数据预处理。
具体步骤如下:
S1,干涉处理:
以2008年7月29日影像为主影像、2008年9月13日影像为辅影像组成干涉对,仅有一条单基线,应用GAMMA软件对主辅影像进行配准、干涉、多视处理(方位向2:距离向10),然后采用30m分辨率SRTM C波段数据模拟地形相位,去除地形相位后进行相干性估计,得到SAR影像相干性。
S2,计算不同极化SAR影像后向散射系数:
采用的数据为日本宇航局ALOS-1PALSAR系统的双极化L波段1.1级数据,已经经过定标,可直接利用SAR强度影像计算得到两种极化方式下的后向散射系数,
σ(ω)=10log10(I2+Q2) (24);
其中,σ(ω)为以分贝(db)为单位的后向散射系数值。
S3,计算散射体介电常数大小,
在S2中得到不同极化方式SAR影像的后向散射系数之后,采用查找表的方法进行计算,通过给定介电常数ε和土壤粗糙度参数s范围,根据公式(14)建立二维查找表,先计算得到HH和VV两个极化方式的后向散射系数比率p,利用得到的HH和VV极化的菲涅尔反射系数计算得到模拟的HH极化的SAR影像后向散射系数,然后在表格中找到与实测的HH极化SAR影像后向散射系数σhh相差最小的一组后向散射系数将对应的介电常数ε作为实际的介电常数。判别准则如式(25)所示,
图4为本发明实施例的沙介质层介电常数反演结果。在裸露的或者表层被浅层沙覆盖的岩石区,其介电常数数值较大,在4-7之间,微波较难发生穿透;在被均匀沙层覆盖的区域,其介电常数数值相对较小,在2-4之间,微波较易发生穿透。
S4,校正进入散射体的微波垂直有效波数,其校正公式如式(26),
获取的SAR影像SLC参数文件中提供的入射角、垂直基线为某些行列的值,因此首先应计算得到每个像素的入射角θ和垂直基线大小B⊥,再计算得到每个像素的空气中的垂直有效波数kz,同时结合S3中得到的每个像素的介电常数大小,对微波进入沙漠散射体的每个像素的垂直有效波数进行校正,得到沙漠散射体的垂直有效波数kz_vol。
采用的数据为ALOS-1PALSAR L波段数据,根据已有研究结果,L波段数据的平均穿透深度为1.5m-3m。因此本实施例设沙漠散射体的平均穿透深度为d=3m,作为先验值,可得到一个粗略的散射体内部垂直有效波数适用范围,即0.14≤|kz_vol|≤0.70。在本发明实施例中,根据反演得到的介电常数(如图4所示),结合式(26),可计算得到散射体内部的垂直波数范围在0.12≤|kz_vol|≤0.30,在适用范围内,因此S1采用的SAR影像可适用于本实施例方法进行沙漠穿透深度的反演。
S5,反演得到微波在沙漠区穿透深度,其反演公式如式(27)所示,
结合S1和S4中得到的SAR影像中每个像素的相干性和散射体内部的垂直有效波数大小,按照公式即可反演得到微波在沙漠区穿透深度。
图5为本发明实施例的沙漠穿透深度反演结果。为进行定量分析,本实施例对均匀沙层区的微波穿透深度做了统计,其平均穿透深度为-2.771m,标准差为0.915m,实验结果与已有研究吻合较好,图6为本发明实施例的沙漠穿透深度定量分析结果。
以上实施例为本申请的优选实施例,本领域的普通技术人员还可以在此基础上进行各种变换或改进,在不脱离本申请总的构思的前提下,这些变换或改进都应当属于本申请要求保护的范围之内。
Claims (7)
1.一种沙漠穿透深度反演方法,其特征在于,包括以下步骤:
步骤1,对沙漠区域的两幅SAR影像进行配准、干涉、去地形以及相干性估计,并获取两幅SAR影像的相干性γ;
步骤2,计算两幅SAR影像其中之一的后向散射系数σ;
步骤3,根据后向散射系数σ在二维查找表中查找对应的土壤介电常数ε;
所述二维查找表是根据裸地表土壤介电常数反演模型所建立的、记载后向散射系数与土壤介电常数及地表粗糙度的关系表;
步骤4,利用土壤介电常数ε按以下公式对沙漠区域的垂直有效波数进行校正:
式中,kz、kz_vol分别为空气和沙漠区域的垂直有效波数,θ为入射角,B⊥为垂直基线,λ为波长,R为斜距;
步骤5,联合沙漠区域的影像相干性γ、校正后的垂直有效波数kz_vol,利用以下公式所示的散射模型对微波在沙漠区域的穿透深度进行反演:
3.根据权利要求1所述的方法,其特征在于,所述两幅SAR影像具体采用两幅HH极化SAR影像。
4.根据权利要求1所述的方法,其特征在于,所述裸地表土壤介电常数反演模型为:
其中,
分别为模拟HH和VV极化SAR影像对应的后向散射系数,ε、s分别为土壤介电常数和地表粗糙度,k为空间自由波数,k=2π/λ,τo为土壤表面最低点菲涅尔反射系数,τh(θ)、τv(θ)分别为HH和VV极化SAR影像对应的的菲涅尔反射系数;
根据裸地表土壤介电常数反演模型建立二维查找表的方法为:
步骤1),给定介电常数ε范围和土壤粗糙度参数s范围;
步骤2),根据公式(3),利用表面最低点菲涅尔反射系数τo和粗糙度s,计算得到HH和VV两个极化方式的后向散射系数比率p;
步骤3),根据公式(4),利用后向散射系数比率p以及HH和VV极化的菲涅尔反射系数τh(θ)、τv(θ),计算HH极化SAR影像的后向散射系数的模拟值并建立HH极化SAR影像的后向散射系数的二维查找表;或,
5.一种沙漠参数反演装置,其特征在于,包括相干性获取模块、土壤介电常数获取模块、垂直有效波数校正模块、穿透深度反演模块;
所述相干性获取模块用于:对沙漠区域的两幅SAR影像进行配准、干涉、去地形以及相干性估计,并获取两幅SAR影像的相干性γ;
所述土壤介电常数获取模块用于:计算两幅SAR影像其中之一的后向散射系数σ,根据后向散射系数σ在二维查找表中查找对应的土壤介电常数ε;
所述二维查找表是根据裸地表土壤介电常数反演模型所建立的、记载后向散射系数与土壤介电常数及地表粗糙度的关系表;
所述垂直有效波数校正模块用于:利用土壤介电常数ε按以下公式对沙漠区域的垂直有效波数进行校正:
式中,kz、kz_vol分别为空气和沙漠区域的垂直有效波数,θ为入射角,B⊥为垂直基线,λ为波长,R为斜距;
所述穿透深度反演模块用于:联合沙漠区域的影像相干性γ、校正后的垂直有效波数kz_vol,利用以下公式所示的散射模型对微波在沙漠区域的穿透深度进行反演:
6.一种设备,包括处理器、存储介质以及计算机程序,所述计算机程序存储于存储介质中,其特征在于,所述计算机程序被处理器执行时执行权利要求1至4任一所述的沙漠参数反演方法。
7.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一所述的沙漠参数反演方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010067116.2A CN111273289B (zh) | 2020-01-20 | 2020-01-20 | 一种沙漠参数反演方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010067116.2A CN111273289B (zh) | 2020-01-20 | 2020-01-20 | 一种沙漠参数反演方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111273289A true CN111273289A (zh) | 2020-06-12 |
CN111273289B CN111273289B (zh) | 2022-01-25 |
Family
ID=70996869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010067116.2A Active CN111273289B (zh) | 2020-01-20 | 2020-01-20 | 一种沙漠参数反演方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111273289B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341233A (zh) * | 2021-06-08 | 2021-09-03 | 东北大学 | 一种基于微波干涉技术的岩石介电常数反演方法 |
CN114252480A (zh) * | 2021-12-21 | 2022-03-29 | 中南大学 | 基于单极化sar数据邻域像素反演裸土区土壤湿度方法 |
CN116911070A (zh) * | 2023-09-07 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种土基材料蓄水能力评估方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708277A (zh) * | 2012-04-06 | 2012-10-03 | 中国科学院对地观测与数字地球科学中心 | 基于蚁群算法的积雪深度反演设计方法 |
CN103886149A (zh) * | 2014-03-18 | 2014-06-25 | 北京卫星环境工程研究所 | 确定卫星外露介质组件带电风险的方法 |
CN104636617A (zh) * | 2015-02-06 | 2015-05-20 | 西安电子科技大学 | 基于多频段双极化后向散射实测数据对地表等效介电常数与粗糙度的反演算法 |
CN108132465A (zh) * | 2017-12-13 | 2018-06-08 | 西安电子科技大学 | 基于反射天线的太赫兹雷达前视成像方法 |
-
2020
- 2020-01-20 CN CN202010067116.2A patent/CN111273289B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708277A (zh) * | 2012-04-06 | 2012-10-03 | 中国科学院对地观测与数字地球科学中心 | 基于蚁群算法的积雪深度反演设计方法 |
CN103886149A (zh) * | 2014-03-18 | 2014-06-25 | 北京卫星环境工程研究所 | 确定卫星外露介质组件带电风险的方法 |
CN104636617A (zh) * | 2015-02-06 | 2015-05-20 | 西安电子科技大学 | 基于多频段双极化后向散射实测数据对地表等效介电常数与粗糙度的反演算法 |
CN108132465A (zh) * | 2017-12-13 | 2018-06-08 | 西安电子科技大学 | 基于反射天线的太赫兹雷达前视成像方法 |
Non-Patent Citations (2)
Title |
---|
JØRGEN DALL等: "InSAR Elevation Bias Caused by Penetration Into Uniform Volumes", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
YISOK OH等: "An Empirical Model and an Inversion Technique for Radar Scattering from Bare Soil Surfaces", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341233A (zh) * | 2021-06-08 | 2021-09-03 | 东北大学 | 一种基于微波干涉技术的岩石介电常数反演方法 |
CN114252480A (zh) * | 2021-12-21 | 2022-03-29 | 中南大学 | 基于单极化sar数据邻域像素反演裸土区土壤湿度方法 |
CN116911070A (zh) * | 2023-09-07 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种土基材料蓄水能力评估方法、装置、设备及存储介质 |
CN116911070B (zh) * | 2023-09-07 | 2024-01-26 | 长江三峡集团实业发展(北京)有限公司 | 一种土基材料蓄水能力评估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111273289B (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111273289B (zh) | 一种沙漠参数反演方法、装置、设备及存储介质 | |
Dente et al. | Space-borne GNSS-R signal over a complex topography: Modeling and validation | |
Hasan et al. | Soil moisture retrieval from airborne L-band passive microwave using high resolution multispectral data | |
Cigna et al. | Amplitude change detection with ENVISAT ASAR to image the cultural landscape of the Nasca region, Peru | |
CN110569624B (zh) | 适用于PolInSAR反演的森林三层散射模型的确定及分析方法 | |
CN109738895B (zh) | 一种基于二阶傅里叶-勒让德多项式的植被高度反演模型的构建与反演方法 | |
Cheema et al. | Validation of surface soil moisture from AMSR-E using auxiliary spatial data in the transboundary Indus Basin | |
CN110703220B (zh) | 一种顾及时间去相干因子的多基线PolInSAR植被参数反演方法 | |
Liu et al. | Detection of root orientation using ground-penetrating radar | |
CN107036968A (zh) | 一种土壤湿度实时监测方法 | |
CN102401892A (zh) | 一种极化干涉合成孔径雷达系统性能评估方法 | |
CN111812645A (zh) | 冻土季节形变的卫星干涉测量方法 | |
Kurum et al. | Impact of conifer forest litter on microwave emission at L-band | |
Huang et al. | Estimation of supraglacial debris thickness using a novel target decomposition on L‐band polarimetric SAR images in the Tianshan Mountains | |
Ma et al. | Retrieving the soil moisture in bare farmland areas using a modified Dubois model | |
Liao et al. | High-resolution soil-moisture maps over landslide regions in northern California grassland derived from Sar backscattering coefficients | |
Danudirdjo et al. | InSAR image regularization and DEM error correction with fractal surface scattering model | |
Ghulam et al. | Satellite remote sensing of groundwater: quantitative modelling and uncertainty reduction using 6S atmospheric simulations | |
Ji et al. | Equatorial Ionospheric Scintillation Measurement in Advanced Land Observing Satellite (ALOS) Phased Array-Type L-Band Synthetic Aperture Radar (PALSAR) Observations | |
Xiao et al. | Retrieving soil moisture over soybean fields during growing season through polarimetric decomposition | |
CN105259145A (zh) | 一种同时遥感岛礁水下地形和地物的方法 | |
Scabbia et al. | Quantifying subsurface propagation losses for VHF radar sounding waves in hyper-arid terrains | |
Pettinato et al. | The potential of Cosmo-Skymed SAR images in mapping snow cover and snow water equivalent | |
Rémy et al. | Variability of atmospheric precipitable water in northern Chile: Impacts on interpretation of InSAR data for earthquake modeling | |
Prasetyo et al. | In-situ measurement of diffuse attenuation coefficient and its relationship with water constituent and depth estimation of shallow waters by remote sensing technique |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |