基于区域特征相似度的微波土壤水分反演结果可信度评价

微波遥感反演土壤水分的精度评价,一般通过选取有限数量采样点的地表实测土壤水分数据与反演值进行比较,实际上只能反映局部采样区的反演精度。本文提出了微波反演土壤水分中一种可以评价整个研究区反演土壤水分可信程度的方法。首先选择采样区的实测土壤水分数据和地表粗糙度数据,通过多元回归统计拟合得到土壤水分反演经验方程,对整个研究区进行土壤水分反演;然后从TM和SAR数据中通过反演和提取,选择影响土壤水分的10个因子(土壤湿度、地表温度、NDVI、土壤质地指数、地形指数、雷达入射角以及Landsat TM的b3、b4、b5、b7共4个波段),采用主成分分析法(PCA)筛选提取主成分,将前3个主成分合成为RGB影像;再使用分水岭算法分割包含前3个主成分的RGB影像,得到一幅分割区域图;最后计算各分割区域的6维特征向量(土壤湿度、地表温度、NDVI、土壤质地指数、地形指数、雷达入射角)与反演时选择采样区的特征向量间的马氏距离,得到区域特征相似度数据集,基于该数据集计算反演结果可信度。以此为基础,利用2008年甘肃黑河地区的ENVISAT ASAR双极化数据(VV、VH)和实测土壤水分数据进行土壤水分反演并评价反演结果的可信度,同时使用反演区域中多个采样区土壤水分实测数据和确定系数(R2)评价反演精度,对比可信度和R2,表明提出的反演可信度可以有效反映土壤水分反演精度。     

基于改进水云模型的土壤水分反演研究

提出了一种基于改进的水云模型的主动微波遥感土壤水分反演方法。首先,分别通过甘肃省张掖市祁连山中段的扁都口研究区的实测数据计算RVI、DVI、NDVI、NDWI、MSAVI等五种植被指数,建立适用于研究区的植被含水量经验方程,然后基于植被含水量经验方程构建水云模型,对总的地表后向散射系数中的植被影响进行改正,结合水云模型和AIEM模型,建立改进的土壤水分反演算法。从五种植被指数中选取与植被含水量相关性最高的三种植被指数,然后利用九组植被指数组合参与土壤水分反演,对比并选择反演结果精度较好的植被指数及其植被含水量经验方程。将文章方法与基于Jackson经验方程建立水云模型的反演算法进行了对比,结果表明,文章提出的改进水云模型的土壤水分反演算法精度较高,体现了该改进算法的优势与潜力。