ASAR GM后散时间序列数据估算黑河上游地表土壤水分

利用2008~2011年的ENVISAT/ASAR全球监测模式(GM)数据,采用时间序列变化检测算法,估算地表相对土壤水分,并利用Van Genuchten方法将相对土壤水分转换为绝对土壤水分,最终获得研究区内的土壤体积含水量。利用阿柔冻融观测站2008~2011年10cm土壤水分数据验证,均方根误差为0.11cm3/cm3;利用八宝河流域无线传感器网络的36个WATERNET节点2013~2014年的4cm体积含水量月均值进行空间分布的间接比较检验,估算月均值的均方根误差在0.03~0.11cm3/cm3的节点有19个,在0.11~0.16cm3/cm3的节点有15个,大于0.16cm3/cm3的有2个。另外考虑遥感数据和算法(暂未考虑土壤容重、土壤残余含水量的不确定性)对估算结果的影响,体积含水量最大估计误差范围为0.03~0.12cm3/cm3,研究区内91.77%的像元小于0.06cm3/cm3。     

基于Sentinel-1数据的黑河中游土壤水分反演

基于Sentinel-1合成孔径雷达 (SAR) 数据及相同时段的中分辨率成像光谱仪（MODIS）和Landsat 8两种归一化植被指数（NDVI）,构建变化检测模型以估算黑河中游的高分辨率土壤水分,并探讨模型中具体参数设置对估算精度的影响。结果表明：①在对后向散射系数时间序列的差值 ( \mathrm{\Delta } \sigma ) 和植被指数 ( \mathrm{V} \mathrm{I} ) 进行线性建模过程中,MODIS NDVI和Landsat 8 NDVI这两种植被产品所构建的模型在 \mathrm{\Delta } \sigma - \mathrm{V} \mathrm{I} 空间中所选取的采样点比例分别为2%和4%时,各自取得最优精度; ②以土壤水分反演为目标,使用Landsat 8 NDVI构建的变化检测模型略优于使用MODIS NDVI构建的变化检测模型,两种模型的均方根误差RMSE分别为0.040 m³/m³和0.044 m³/m³,相关系数R分别为0.86和0.83; ③对于变化检测方法的关键参数,若使用低分辨率的SMAP/Sentinel-1 L2_SM_SP土壤水分数据分别代替站点观测的土壤水分初始值和缩放因子 (即两个连续时相土壤水分变化的最大值 \mathrm{\Delta } M s_{max} ) 这两个参数,则土壤水分RMSE将分别增加0.01 m³/m³和0.04 m³/m³。即土壤水分缩放因子这一参数的误差对反演结果的影响大于土壤水分初始值误差对反演结果的影响,故采用高精度的缩放因子进行变化检测估算。研究结论对于利用新兴的Sentinel-1 SAR数据,通过变化检测算法准确获取高分辨率土壤水分信息具有实际参考价值。     

基于Sentinel-1及 Landsat 8数据的黑河中游农田土壤水分估算

土壤水分是陆地表层系统中的关键变量。利用主动微波遥感,特别是合成孔径雷达(Synthetic Aperture Radar,SAR)的观测,在监测和估计表层土壤水分时空分布方面已开展了诸多研究。然而,SAR土壤水分反演仍存在诸多挑战,特别是地表粗糙度和植被的影响。因此,本文提出了一种结合主动微波和光学遥感的优化估计方案,旨在同步反演植被含水量、地表粗糙度和土壤水分。反演算法首先在水云模型的框架下对模型中的植被透过率因子(与植被含水量密切相关)采用3种不同的光学遥感指数——修正的土壤调节植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)进行参数化估计,用于校正植被层的散射贡献。在此基础上,构造基于SAR观测和Oh模型的代价函数,利用复型洗牌全局优化算法进行土壤水分和地表粗糙度的联合反演。采用Sentinel-1 SAR和Landsat 8多光谱数据在黑河中游开展了反演试验,并利用相应的地面观测数据对结果进行了验证。结果表明反演结果与地面观测具有良好的一致性,其中基于NDWI的植被含水量反演效果最佳,与地面观测比较,土壤水分决定系数(R 2)在0.7以上,均方根误差(RMSE)为0.073 m^ 3/m^ 3;植被含水量R 2大于0.9,RMSE为0.885 kg/m 2,表明该方法能够较准确地估计土壤水分。同时发现植被含水量的估计结果,以及植被透过率的参数化方案对土壤水分的反演精度有一定的影响,在未来的研究中需要进一步探索。     

被动微波遥感反演土壤水分进展研究

在地球系统中, 地表土壤水分是陆地和大气能量交换过程中的重要因子, 并对陆地表面蒸散、水的运移、碳循环有很强的控制作用, 大面积监测土壤水分在水文、气象和农业科学领域具有较大的应用潜力。被动微波遥感是监测土壤含水量最有效的手段之一, 相比红外与可见光, 它具有波长长, 穿透能力强的优势, 相比主动微波雷达, 被动微波辐射计具有监测面积大、周期短, 受粗糙度影响小, 对土壤水分更为敏感, 算法更为成熟的优势。然而微波辐射计观测到的亮温除了受土壤水分影响外, 还要考虑如植被覆盖、土壤温度、雪覆盖以及地形、地表粗糙度、土壤纹理和大气效应以及地表的异质性等其它因子的影响。目前, 已研究出许多使用被动微波辐射计反演土壤水分的方法,这些方法大部分是围绕着土壤湿度与亮温温度之间的关系进行, 同时也考虑其它各种不同因子对 地表微波辐射的影响。从介绍被动微波反演地表参数的原理入手, 重点介绍被动遥感反演土壤水分当前的算法进展、研究趋势等。     

基于多时相ENVISat ASAR数据的冬小麦识别方法——以北京通州试验区为例

ENVISat ASAR数据在水稻识别和制图中应用研究比较深入,但对该数据用于小麦识别和制图的技术方法的研究还比较缺乏。以北京市通州区为试验区,研究了利用多时相ENVISat ASAR数据进行冬小麦识别的技术方法。应用GPS实测定位和基于高分辨率World View-1影像解译等手段获取分类精度检验数据,结果表明多时相ASAR数据可用于我国北方冬小麦的识别,对小麦—非小麦两类型的识别总精度为82.64%。     

多源微波遥感融合大尺度区域土壤水分数据集研究进展综述

【目的】土壤水分是连接陆气水循环的重要媒介和载体。获取大尺度区域、长时间序列、高精度的土壤水分数据是环境遥感领域长期关注的难点和热点问题。【方法】本文简述了包括必要气候变量土壤水分（Essential Climate Variable Soil Moisture, ECV SM）数据、土壤水分产品系统（Soil Moisture Products System, SMOPS）数据、土壤水分主动被动（Soil Moisture Active Passive, SMAP）数据、遥感地表土壤水分（Remote-sensing-based Surface Soil Moisture, RSSSM）数据、神经网络土壤水分（Neural Network soil moisture, NNsm）数据、高分辨率中国区域土壤水分数据在内的6种国内外典型多源微波遥感融合土壤水分数据集的发展历程、研制方法和精度水平。【结果】通过分析数据产品的适用性,发现不同的微波遥感融合土壤水分产品各具特色,适用场景也有所区分。【结论】如何充分利用现有海量微波遥感、光学遥感、站点观测数据,设计高性能土壤水分模拟融合算法,实...     

基于微波遥感和陆面模型的流域土壤水分研究

土壤水分是陆地水文的重要因子。微波遥感是测量土壤水分的一种重要方法。本文总结了基于微波遥感和陆面模型的土壤水分监测方法,包括被动微波法、主动微波法、主被动微波结合法、陆面模型模拟法和数据同化法五种。被动微波对表面土壤水分敏感,但其空间分辨率低;主动微波具有较好的分辨率但运作费用也较高;主被动微波结合则能够充分利用各自的优势。陆面模型在研究中也有重要作用,通过模型模拟能够得到根区土壤水分。而将观测值同化到模型的数据同化法,则能极大的提高土壤水分估计的能力。通过比较,指出数据同化是最有前景的研究领域。     

基于多源遥感数据协同反演森林地表土壤水分研究

土壤水分在土壤监测中是一项重要的指标,对于农业生产、生态环境以及水资源管理有着重要的影响.随着遥感建模与反演理论的不断成熟,其逐渐成为分析土壤指标的重要技术与手段.因此,利用光学影像与雷达影像数据,以大兴安岭地区漠河市为研究区域,分别建立以Landsat 8为数据源的土壤水分反演模型和由Landsat 8影像数据与GF...     

基于双极化ASAR数据的水稻信息提取

通过分析长乐市试验区2005年ENVISAT ASAR数据图像,研究水稻信息提取的方法。提出在分析两个时相、双极化ASAR水稻后向散射变化规律的基础上,构建基于两个时相、双极化的新波段图像的新方法,该方法不仅增强了水稻信息,还减少了水稻和其他背景地物的混淆度,只要采用简单的图像监督分类方法就可以很好地提取出水稻信息,其精度达到94.92%。研究表明,该方法能够有效的识别并提取出水稻信息。     

利用归一化微波差异指数和表面散射模型反演裸露地表土壤水分

在给定土壤质地和粗糙度状况条件下,用AIEM模型模拟AMSR-E的6.925GHz、10.65GHz和18.7GHz频率下不同含水量时土壤表面发射率和土壤温度的关系,分析表明V极化的发射率受土壤温度的影响很小,其变化主要由土壤水分的变化引起。通过计算不同频率组合V极化通道的归一化微波差异指数,并模拟与土壤水分的关系,然后利用这一关系对塔克拉玛干沙漠中部某地的土壤水分进行反演。结果发现用18.7GHz和10.65GHz V极化通道组合的反演值与AMSR-E Level 3土壤水分产品的吻合程度最好。在此基础上分别用3种常见的半经验表面散射模型:Q/H模型、Hp模型和Qp模型,通过计算上述通道组合的NMDI来反演研究区的土壤水分,结果表明利用3种半经验模型得到的反演值之间差异非常小,并且与用AIEM模型计算NMDI时的反演结果吻合较好。     

Sentinel-1 based Soil Moisture Estimation in Middle Reaches of Heihe River Basin

In this study, a change detection model, constructed using the Sentinel-1 Synthetic Aperture Radar (SAR) data and the simultaneous Normalized Difference Vegetation Index (NDVI) products from the Moderate Resolution Imaging Spectroradiometer (MODIS) and Landsat 8 sensors, is applied to estimate soil moisture in middle reaches of the Heihe River Basin, and the effects of two key parameters on retrieval accuracy are comprehensively investigated. The results show that: (1) when constructing the empirical relationship between backscattering coefficient difference ( \mathrm{\Delta } \sigma ) and Vegetation Index (VI) required by change detection model, the optimal sampling ratios in the ( \mathrm{\Delta } \sigma - V I ) space are approximately 2% and 4% for MODIS NDVI and Landsat 8 NDVI, respectively; (2) the Landsat 8 NDVI-based change detection model slightly outperforms the MODIS NDVI-based model in soil moisture retrieval accuracy, with Root Mean Square Error(RMSE) of 0.040 m³/m³ and 0.044 m³/m³respectively; (3) for the key parameters of the change detection method, replacing the ground-based initial soil moisture and scaling factor (maximum soil moisture difference between two adjacent dates \mathrm{\Delta } M s_{max} ) by the low-resolution SMAP/Sentinel-1 L2_SM_SP data will increase the RMSE by 0.01 m³/m³ and 0.04 m³/m³ respectively. Comparing to the parameter of initial soil moisture, the error in soil moisture scaling factor will lead to more significant degradation in the performance of the change detection method, thus it is recommended to use the high precision scaling factor for soil moisture estimation. This study confirms the promising potential of Sentinel-1 data for retrieving high-resolution soil moisture via change detection method and provides practical insight into its application.     

Potential of ASAR/ENVISAT for the characterization of soil surface parameters over bare agricultural fields

The objective of this investigation is to analyze the sensitivity of ASAR (Advanced Synthetic Aperture Radar) data to soil surface parameters (surface roughness and soil moisture) over bare fields, at various polarizations (HH, HV, and VV) and incidence angles (20°-43°). The relationships between backscattering coefficients and soil parameters were examined by means of 16 ASAR images and several field campaigns. We have found that HH and HV polarizations are more sensitive than VV polarization to surface roughness. The results also show that the radar signal is more sensitive to surface roughness at high incidence angle (43°). However, the dynamics of the radar signal as a function of soil roughness are weak for root mean square (rms) surface heights between 0.5 cm and 3.56 cm (only 3 dB for HH polarization and 43° incidence angle). The estimation of soil moisture is optimal at low and medium incidence angles (20°-37°). The backscattering coefficient is more sensitive to volumetric soil moisture in HH polarization than in HV polarization. In fact, the results show that the depolarization ratio σ_HH⁰/σ_HV⁰ is weakly dependent on the roughness condition, whatever the radar incidence. On the other hand, we observe a linear relationship between the ratio σ_HH⁰/σ_HV⁰ and the soil moisture. The backscattering coefficient ratio between a low and a high incidence angle decreases with the rms surface height, and minimizes the effect of the soil moisture.     

空间遥感现状及未来发展

从第三十五届国际宇航联合会的空同遥感专业小组会议上可以看出,目前空间遥感的现状及未来发展前景。今后空间遥感将从具有单一遥感能力向具有综合遥感能力方面发展,不仅能对陆地,而且对海     

激光遥感近期发展趋向

激光遥感就是用激光束作为光谱探头来探测大气成分。在过去的十五年中,这种激光雷达技术已被证明是一种测量大气中几种重要化学成分的有效探测方法,现在,它不但对我们了解大气起着重要的作用,而且正在     

基于AMSR2多频亮温的黑河流域中上游土壤水分估算研究

以黑河流域中上游为研究区,初步探究了利用AMSR2卫星的多频亮度温度数据估算土壤水分的方法。基于土壤水分和土壤发射率的统计关系,通过黑河流域上游的4个像元2013年7月至2014年6月内的实测土壤水分和土壤温度数据,采用了“四像元交叉拟合法”获得了统计系数,并用此方法估算出了黑河流域中上游的土壤水分。采用2014年7月至2014年10月内估算的土壤水分,连同与AMSR2的4个常用的土壤水分产品和GLDAS土壤水分产品在时间序列上,与八宝河流域WSN土壤水分地面观测展开了对比验证,结果表明估算土壤水分精度明显高于上述5种产品。同时借助高程和土地覆被辅助数据,与GLDAS土壤水分在空间格局上进行了比较,发现估算土壤水分时空分布特征更加合理。该方法可为流域尺度的土壤水分反演与监测提供了一种简而易行的思想方法和可行之路。     

卫星微波遥感结合可见光遥感估算黄河源区土壤湿度研究

利用欧洲环境卫星(ENVISAT)搭载的高级合成孔径雷达ASAR(Advanced Synthesis Aperture Radar)交叉极化模式(APP)2009年8月9日和10月6日的数据对青藏高原东北部玛曲地区土壤湿度进行了估算。对于裸土区域采用表层微波后向散射几何光学模型GOM(Geometry Optics Model),对于植被覆盖度大的区域利用“水-云”模型处理植被层对后向散射系数的影响,取得了较好的结果:遥感估算的土壤湿度值和地面实测值之间的均方根误差RMSE<0.05,决定系数R²>0.82,表明该方法适合反演玛曲地区的土壤水分。从遥感估算的总体结果可以看出:山谷和陡峭山坡的反演结果相对较差,而在相对平坦的地区反演结果较好,估算的土壤湿度值在0.20~0.50 m³/m³之间。