基于改进Alpha模型的时序SAR数据土壤水分反演研究

摘要

土壤水分作为一个重要的地表参量，是农业、气象、灾害等研究领域中诸多模型的关键输入参数。而雷达作为大范围监测土壤水分时空变化的一种极具潜力的手段，相对于光学遥感具有全天时、全天候的优势，在以往已被学者们广泛研究。使用雷达监测土壤水分的难点在于后向散射系数与多个地表参数相关，如何消除或减小粗糙度、植被因素对后向散射信号的影响，确定它与土壤水分间的确切关系仍是当前研究的重难点。已有的研究表明，基于变化检测技术的多时相方法在土壤水分反演中具有较大潜力。该方法假设地表粗糙度和植被相较于土壤水分变化缓慢(不考虑耕作)，因而近似地将其设为常量，将观测期间内雷达所观测到的后向散射系数的变化归因于土壤水分的变化，并在两者之间建立联系以此将干扰因素最小化，该方法为上述问题的解决提供了一个较好的思路，且不需要额外的辅助数据。　　在基于变化检测技术的方法中，Alpha近似模型由于其模型简便性受到广泛关注。然而当获取的时序SAR数据中入射角发生改变时，后向散射系数的变化也将包含入射角的影响，该方法的前提假设已不再成立，Alpha模型的适用性也会受到影响。针对上述问题，本文将时间序列SAR数据的入射角变化考虑进来提出改进的Alpha模型，分别基于经验线性模型和余弦模型探讨了时间序列SAR数据的入射角校正及对土壤水分反演结果的影响。在光学遥感影像分类的支持下选取不同角度带内的同类型地表像元，使用这些相似像元数据拟合确定经验线性模型中的斜率和余弦模型中的幂指数。选取两个裸露农田为实验区，分别位于我国黑河流域和加拿大省的曼尼托巴省，使用欧空局“哨兵系列”的雷达卫星Sentinel-1数据及对应区域的土壤水分观测网络数据对改进后的模型进行验证，并对结果进行了分析与讨论。研究得到的主要结论如下：　　(1)入射角的变化会影响Alpha模型土壤水分的反演精度，结合经验线性模型和余弦模型的改进Alpha模型，提高了土壤水分的反演精度，也将Alpha模型扩展至变化入射角的时序SAR数据，提高了雷达数据的利用率。　　(2)对于SAR影像的入射角校正，本文实验结果表明余弦法校正效果更优；相对于统计所得的经验线性变化规律，雷达接收的回波信号随入射角的变化更符合朗伯余弦定律。　　(3)不同地表类型其入射角余弦校正的幂指数不同，一般的常用形式cos2θ和cosθ不能很好的校正裸露农田区域的入射角变化，对于该类型地表本文建议使用的余弦校正形式为cos4θ~cos5θ。

目录

声明

主要变量注释表

1 绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 主要研究内容

1.4 论文结构

2 雷达反演土壤水分理论基础

2.1 SAR基础

2.1.1 雷达方程

2.1.2 雷达后向散射系数

2.1.3 雷达系统参数

2.2.1 介电特性

2.2.2 地表粗糙度

2.3 微波散射模型

2.3.1 理论模型

2.3.2 半经验模型

2.4 介电模型

3 实验区与数据

3.1 实验区概况

3.1.1 黑河实验区

3.1.2 温尼伯实验区

3.2 实验数据

3.2.1 雷达数据

3.2.2 光学数据

3.2.3 土壤水分观测网络

4 基于改进Alpha模型的时序SAR土壤水分反演

4.1 Alpha近似模型

4.2 基于SPM的Alpha模型改进

4.3 基于余弦校正的 Alpha模型改进

4.3.1 基于线性模型调节的余弦法

4.3.2 幂指数的拟合

4.4 基于经验线性校正的Alpha模型改进

4.4.1 经验线性模型

4.4.2 斜率的拟合

4.5 土壤水分反演结果与讨论

4.5.1 土壤水分反演结果

4.5.2 单站点土壤水分反演结果

4.5.3 单时期土壤水分反演结果

4.5.4 精度变化

5 结论与展望

5.1 主要结论

5.2 不足与展望

参考文献

作者简历

致谢

学位论文数据集