论文部分内容阅读
主被动微波遥感反演土壤水分具有巨大潜力,但主被动微波遥感在土壤水分监测中各具特色。主动微波雷达遥感具有高空间分辨率的特性,但重访时间长、土壤水分反演精度偏低;被动微波遥感具有重访时间短、土壤水分反演精度高的优势,但空间分辨率低。为了获取高空间分辨率、高精度的土壤水分产品,基于主动微波SAR与被动微波辐射计数据的土壤水分协同反演是一个有效途径。本论文充分考虑目前主被动微波遥感传感器和数据的特点,开展C波段主动微波雷达数据和L波段被动微波辐射计亮温数据协同反演表层土壤水分研究。主要包括以下研究内容:基于土壤介电特性影响因素的多种混合介电常数模型的模拟精度与适用性研究。首先深入分析土壤质地、矿物组成、土壤水分含量、温度和频率五种因素对土壤介电特性的影响,然后全面收集国内外多种实验数据,从土壤质地、温度、频率三个方面对物理的Mironov、半经验的Dobson、Wang和Schmugge模型、经验的Hallikainen四种混合介电常数模型开展模拟精度分析和适用性评价研究,提出了土壤水分主被动微波反演时不同土壤类型应采用的最优介电常数模型。针对不同的土壤质地条件,关于土壤介电常数实部和虚部的模拟,Mironov模型的精度最高,其次为Haillikainen模型,Dobson、Wang 和 Schmugge 模型精度较差。其中对于 Mironov、Dobson、Wang 和 Schmugge、Haillikainen四种模型的土壤介电常数实部模拟值,所统计的RMSE平均值分别为1.58、5.18、5.02和2.94。此外,对于粉砂壤土类、粉砂粘壤土类和粉砂粘土类土壤,随着粉砂含量比例增加,Mironov模型的模拟精度降低,而Dobson模型的模拟精度最好;针对不同的温度条件,在非冻土期Mironov、Dobson、Wang和Schmugge三种模型模拟的介电常数随温度增加而发生的相对变化都与实测值的变化幅度基本一致,但是在冻土期四种模型都不适用,另外Haillikainen模型只适用于常温下土壤介电常数模拟;针对不同的频率条件,四种介电常数模型模拟的介电常数随频率变化而引起的相对变化与实测情况基本一致,表明四种模型在不同频率的介电常数模拟都适用。总的来说,针对L波段的微波土壤水分反演,优先选择Mironov混合介电常数模型,随着土壤质地条件的变化,对于粉砂壤土类、粉砂粘壤土类和粉砂粘土类中粉砂含量异常高的土壤,优先选择Dobson模型。基于亮度温度降尺度的C和L波段主被动微波数据协同的土壤水分反演模型研究。首先利用AIEM模型和Tor Vergata离散后向散射和辐射模型分别模拟C、L波段裸土区和植被区W极化后向散射系数和V极化发射率之间的关系特征,模拟结果显示,L波段V极化发射率与C波段VV极化后向散射系数之间呈现高度线性相关。然后根据被动微波辐射传输模型和主动微波的后向散射理论构建了后向散射系数与反射率的线性关系,同时引入主动微波的极化分解理论进行主动微波后向散射系数的分解,并分析主动微波后向散射机制中表面散射、二面散射和体散射三分量的物理数学关系,基于此,建立了后向散射系数与反射率线性关系的系数的物理表达式,从而发展了一种新的基于后向散射系数的的亮度温度空间降尺度算法。并进一步结合被动微波土壤水分反演的单通道算法SCA-V,建立了基于亮度温度降尺度的C和L波段主被动微波数据协同的土壤水分反演模型。最后联合SMEX02实验区AirSAR C波段后向散射系数数据和PALS的L波段辐射亮度温度进行亮度温度的降尺度和土壤水分反演,并利用实测的土壤水分数据对反演结果进行了验证,两者相关系数R达到了 0.69,RMSE为0.051 cm3·cm-3,表明该模型可靠。基于土壤水分产品降尺度的C和L波段主被动微波数据协同的土壤水分反演模型研究。首先利用AIEM模型和TorVergata离散后向散射和辐射模型分别模拟了 C波段裸土区和植被区微波VV极化后向散射系数与土壤含水量的关系特征,模拟结果表明,linear形式的后向散射系数与土壤含水量之间具有较强的线性相关性。然后根据其线性关系,考虑粗尺度内的空间异质性,发展了一种新的土壤水分产品降尺算法,并结合单通道的SCA-V被动微波土壤水分反演算法,建立了基于土壤水分产品降尺度的C和L波段主被动微波数据协同的土壤水分反演模型。最后利用SMEX02实验区中C波段AirSAR雷达数据对PALS L波段被动微波反演的4000 m低空间分辨率的土壤水分结果进行降尺度,进而实现主被动微波遥感协同的土壤水分反演。利用实测土壤水分数据对反演结果进行验证,两者相关系数R达到了 0.71,RMSE为0.053 cm3.cm-3,结果表明该模型同样具有较好的可靠性。基于星载C波段Sentinel-1 SAR与L波段SMAP辐射计数据的区域土壤水分反演及验证。首先,针对预处理后的3km空间分辨率C波段Sentinel-1 SARVV极化和VH极化后向散射系数数据、9km SMAP亮度温度数据以及相应的土壤温度、土壤质地和植被含水量等辅助数据,然后基于本研究所提出的两种主被动微波协同的土壤水分反演模型,进行河南省3km空间分辨率的土壤水分反演。最后利用2017年3月21日、4月1日、4月11日、4月21、5月1日和5月11日的10cm表层土壤水分站点监测数据,对河南地区2017年3月18日至4月6日、4月11至4月19、5月5日至5月13日两种土壤水分产品进行初步评价。结果显示,基于亮度温度降尺度的土壤水分反演模型的土壤水分反演结果与实测数据统计平均RMSE为0.041 cm3·cm-3,bias为-0.008 cm3·cm-3,ubRMSE为0.040 cm3·cm-3,R为0.61;基于土壤水分产品降尺度的土壤水分反演模型所反演的土壤水分与实测数据的RMSE为0.043 cm3.cm-3,bias为-0.021 cm3.cm-3,ubRMSE为0.037cm3.cm-3,R为0.67。反演表明本研究提出的两种土壤水分反演模型均可以应用于基于星载C波段Sentinel-1 SAR和L波段SMAP亮度温度数据的区域土壤水分主被动微波协同反演,且具有较高的精度。