Landsat 8与GF--3影像数据协同反演森林地表土壤水分方法研究

摘要

土壤水分是土壤参数研究中的重要组成部分。随着科技的进步与时代发展，不断丰富的遥感建模与日渐成熟的遥感反演理论，使得遥感技术成为一项估算土壤指标的重要手段。结合遥感卫星数据，可以实时动态大面积监测与估算区域内的地表土壤水分信息，目前国内外学者们的研究重点已经转移到多源遥感数据的土壤湿度研究上。 大兴安岭地区作为中国重要的林业基地，研究区内的林场拥有茂密的原始森林，森林土壤水分作为生态系统循环的载体，和当地的地形地貌、土壤和植被覆盖类型等之间的有着复杂的作用关系。近些年以来，来自于国内外的研究人员对于土壤水分的遥感反演进行了大量的实验，也有了不少的突破。但研究范围主要集中在裸地等低植被覆盖度的地区，或者为预测干旱地区的生态状况与支持农业生产的农田等稀疏植被覆盖地区的相关研究，而有关于森林覆盖地表的土壤水分研究比较少，因此对高植被覆盖下地表土壤水分反演的研究是非常必要的。 因研究区地处植被覆盖度高的地区，为了消除植被和地表粗糙度对地表土壤水分反演结果的影响，本文选取Landsat8OLI/TIRS影像作为光学数据源，其既满足改进后的温度植被干旱指数模型的计算又符合森林植被覆盖地表下的土壤水分反演精度的需求，并协助DEM数据进行校正。首先基于Landsat8遥感影像数据对研究区的地表温度进行反演，计算NDVI、NDMI、植被覆盖度等参数，建立地表温度与植被指数的特征空间(TVDI)，并得到了特征空间的干、湿边方程，对比选用相关性较好的参数带入用于反演土壤水分的回归模型，进而对大兴安岭地区漠河市的土壤水分进行了反演，并利用野外采样获取的地面实测数据验证了土壤水分反演的结果准确性。为了提高模型精度，选用微波遥感数据协同反演土壤水分，雷达数据源为高分三号遥感影像，参照经典的植被散射模型，改进水云模型，运用部分实测数据进行建模，剩余观测的土壤水分数据值用做协同反演模型结果的精度验证，最后对两种改进后的反演模型进行评价。 主要结果表明: (1)对于植被覆盖地表土壤湿度反演，由Landsat8数据提取的NDMI反演植被含水量对于去除植被影响效果较好; (2)通过方法对比选用了精度更高的辐射传输方程法对研究区的地温进行了反演，将以此为基础获取的陆地表面温度(Ts)与NDMI，构建了经过地形校正改进的TVDI特征模型，实测的土壤水分与TVDI的反演值具有较好的负相关性; (3)用两种极化方式消除植被层的影响，可以看出，去除植被层的影响后，后向散射系数在数值上均有所减小，相比于HV极化高分三号卫星数据，HH极化数据可以更好地反映土壤水分状况，可以获得更高的土壤水分反演精度; (4)协同高分三号卫星数据和Landsat8影像数据能够获得较高精度的土壤水分反演结果，利用该模型反演森林高植被覆盖度下的地表土壤水分精度比单一光学遥感反演准确度高，通过模型反演的土壤水分值与实地测量获取的土壤水分值相关系数为0.668，均方根误差为0.028。结果证明该模型反演效果较好，它可以应用于未来植被覆盖区土壤含水量的反演。

目录

声明

摘要

第1章绪论

1．1选题背景与研究意义

1．2国内外研究现状

1．2．1基于光学遥感反演土壤水分方法

1．2．2基于微波遥感反演土壤水分方法

1．2．3基于协同反演土壤水分的方法

1．3研究方法与技术路线

1．3．1研究内容

1．3．2研究方法

1．3．3技术路线

第2章研究区概况与数据介绍

2．1研究区概况

2．2地表观测数据获取与处理

2．3光学遥感影像介绍与处理

2．3．1 Landsat 8影像预处理

2．3．2植被指数

2．3．3植被覆盖度

2．4雷达遥感影像介绍与处理

2．5 DEM数据介绍预处理

第3章基于光学遥感影像的模型反演研究

3．1 Landsat 8反演地表土壤水分的方法

3．2 TIRS数据反演地表温度

3．2．1地表温度反演方法

3．2．2地表比辐射率

3．2．3实测数据验证与方法选择

3．3植被含水量

3．4 TVDI土壤水分反演模型

3．5基于Landsat 8数据的土壤水分反演结果

第4章基于光学影像与雷达影像协同反演研究

4．1植被散射模型

4．2消除植被影响的后向散射系数

4．3协同反演土壤水分模型的建立

4．4遥感数据协同反演土壤水分结果

4．5反演土壤水分结果验证

4．6模型评价分析

结论与展望

参考文献

攻读硕士期间发表的论文

致谢