基于多时相Radarsat-2的冬小麦覆盖地表土壤湿度反演研究
发布时间：2021-11-08 00:26
土壤含水量作为陆表生态系统水循环的重要组成部分,能够影响土壤性质和植被生长,从而对土壤侵蚀和水土流失产生影响。对土壤湿度进行遥感定量反演,便于短时间内获取大面积的土壤水分分布信息,以对土壤含水量的时空分布特性进行分析,为水土保持工作的开展、生态环境的建设、水资源的可持续利用提供一定的理论依据和指导。极化合成孔径雷达（Polarimetric SAR,PolSAR）具有全天时、全天候、对地物有一定穿透性、对地物几何特征和地表土壤水分十分敏感等突出优势,能够记录地物目标完整的极化散射信息,从而提高地物目标分类的精度。然而,植被体散射和地表粗糙度对雷达后向散射系数的影响,降低了地表土壤湿度反演的精度,限制了土壤湿度反演模型的推广应用。本文以河北省保定市定兴县为研究区,获取了该区域2013年36四个月份的Radarsat-2全极化SAR影像和2013年46三个月份的Landsat-8准同步光学遥感影像,并对植被参数、土壤重量含水量、土壤体积含水量、地表粗糙度参数等进行了同步实地测量。借助于ENVI5.3、ArcGIS10.1、MATLAB 2004a...
【文章来源】：西华师范大学四川省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
技术流程图
式(21-1)式中， 为雷达后向散射系数； 为雷达系统参数集，其中 代表入射波波长，代表入射角， 代表极化方式， 代表入射频率； 为地表几何参数集，其中 代表土壤湿度， 代表地表粗糙度， 代表植被参数 因此，SAR 反演土壤湿度需要知道土壤和植被的介电常数 地表特征 植被几何特征及相关的散射测量参数 2.1.1 地表粗糙度地表粗糙度一直都是微波遥感领域的研究重点，是雷达后向散射系数的主要影响因素之一，也是 SAR 定量反演地表参数的难点 当电磁波入射到光滑表面时，产生的反射称为镜面反射；当电磁波入射到粗糙表面时，镜向部分称为反射或相干分量，其余方向上称为散射或非相干分量[86] 微波散射模型中的地表通常是静态的随机起伏表面，包括周期性基准表面和平均常值基准表面[87, 88]，如图 2-1 所示
图 2-2 不同地表粗糙度的辐射方向图Fig.2-2 Radiation pattern of different surface roughness由图 2-2 可知，光滑表面只包含反射部分，随着地表粗糙程度的增加，反射部分逐渐减少，散射部分逐渐增多，在极粗糙的地表情况下，辐射方向图趋近于只包含反射部分的朗伯表面 一般情况下，可用均方根高度 相关长度和自相关函数来定义地表粗糙度特征，均方根高度和相关长度能够从水平和垂直两个方向上表征地表粗糙度 2.1.1.1 表面均方根高度 s令某一表面位于平面 x-y 内，某一点(x,y)的高度为 z，在表面上取具有统计意义代表性的一块 Lx-Ly，并令这块平面的中心处于原点，则该表面的平均高度为[67, 87]：式(21-2其二阶矩为：式(21-3
【参考文献】：
期刊论文
[1]水分胁迫下植物叶片光合的气孔和非气孔限制[J]. 符玉英. 科技与创新. 2018(08)
[2]夏玉米叶片水分变化与光合作用和土壤水分的关系[J]. 冯晓钰,周广胜. 生态学报. 2018(01)
[3]基于改进水云模型和Radarsat-2数据的农田土壤含水量估算[J]. 杨贵军,岳继博,李长春,冯海宽,杨浩,兰玉彬. 农业工程学报. 2016(22)
[4]基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究[J]. 曾旭婧,邢艳秋,单炜,张毅,王长青. 中国生态农业学报. 2017(01)
[5]利用北斗GEO卫星反射信号反演土壤湿度[J]. 邹文博,张波,洪学宝,杨东凯,崔兆韵. 测绘学报. 2016(02)
[6]基于Radarsat-2全极化数据的高原牧草覆盖地表土壤水分反演[J]. 谢凯鑫,张婷婷,邵芸,柴勋. 遥感技术与应用. 2016(01)
[7]基于极化雷达的裸露地表土壤水分反演研究[J]. 徐智,李彪. 长江科学院院报. 2015(11)
[8]初始含水量对土壤侵蚀的影响研究进展[J]. 胡国锋,王济,蔡雄飞,高翔,胡丰青. 贵州农业科学. 2013(05)
[9]一种弹载合成孔径雷达接收系统[J]. 殷立伟,方立军,潘永强. 数字技术与应用. 2012(06)
[10]重力侵蚀对水力土壤侵蚀过程的影响及研究现状[J]. 金鑫,宋颖,潘斌林,郑孝庆. 安徽农业科学. 2012(13)
博士论文
[1]基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 李森.中国农业科学院 2007
[2]黄河中游分布式水沙耦合模型研究[D]. 金鑫.河海大学 2007
[3]植被覆盖地表极化雷达土壤水分反演与应用研究[D]. 刘伟.中国科学院研究生院（遥感应用研究所） 2005
[4]植被覆盖地表土壤水分变化雷达探测模型和应用研究[D]. 杨虎.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]基于MODIS数据的Metric构建及加拿大马尼托巴州森林火烧迹地检测[D]. 盛世杰.南京信息工程大学 2014
[2]基于微波辐射计AMSR/E的内蒙地区土壤水分时空变化研究[D]. 王嘉楠.首都师范大学 2014
[3]基于SAR数据的稀疏植被覆盖条件下的地表土壤水分反演研究[D]. 郭曼.新疆大学 2012
[4]基于主被动微波遥感联合的土壤水分监测研究[D]. 卫炜.中国农业科学院 2012
[5]GIS技术支持下的小流域土壤侵蚀量研究[D]. 耿婵.西安科技大学 2011
[6]粗糙月面微波辐射亮温建模与计算[D]. 王丛丛.华中科技大学 2011
[7]铁路工程施工期水力侵蚀规律与预测方法研究[D]. 何鑫.北京交通大学 2008
[8]基于GIS的区域水土流失模型设计与开发[D]. 吴喆.西北大学 2007
[9]雷达遥感中地物植被的电磁散射研究[D]. 康高健.中国科学院研究生院（电子学研究所） 2007
[10]USLE和GIS在湖北省土壤侵蚀预报中的应用和研究[D]. 李玉泉.华中科技大学 2007
本文编号：3482631
【文章来源】：西华师范大学四川省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
技术流程图
式(21-1)式中， 为雷达后向散射系数； 为雷达系统参数集，其中 代表入射波波长，代表入射角， 代表极化方式， 代表入射频率； 为地表几何参数集，其中 代表土壤湿度， 代表地表粗糙度， 代表植被参数 因此，SAR 反演土壤湿度需要知道土壤和植被的介电常数 地表特征 植被几何特征及相关的散射测量参数 2.1.1 地表粗糙度地表粗糙度一直都是微波遥感领域的研究重点，是雷达后向散射系数的主要影响因素之一，也是 SAR 定量反演地表参数的难点 当电磁波入射到光滑表面时，产生的反射称为镜面反射；当电磁波入射到粗糙表面时，镜向部分称为反射或相干分量，其余方向上称为散射或非相干分量[86] 微波散射模型中的地表通常是静态的随机起伏表面，包括周期性基准表面和平均常值基准表面[87, 88]，如图 2-1 所示
图 2-2 不同地表粗糙度的辐射方向图Fig.2-2 Radiation pattern of different surface roughness由图 2-2 可知，光滑表面只包含反射部分，随着地表粗糙程度的增加，反射部分逐渐减少，散射部分逐渐增多，在极粗糙的地表情况下，辐射方向图趋近于只包含反射部分的朗伯表面 一般情况下，可用均方根高度 相关长度和自相关函数来定义地表粗糙度特征，均方根高度和相关长度能够从水平和垂直两个方向上表征地表粗糙度 2.1.1.1 表面均方根高度 s令某一表面位于平面 x-y 内，某一点(x,y)的高度为 z，在表面上取具有统计意义代表性的一块 Lx-Ly，并令这块平面的中心处于原点，则该表面的平均高度为[67, 87]：式(21-2其二阶矩为：式(21-3
【参考文献】：
期刊论文
[1]水分胁迫下植物叶片光合的气孔和非气孔限制[J]. 符玉英. 科技与创新. 2018(08)
[2]夏玉米叶片水分变化与光合作用和土壤水分的关系[J]. 冯晓钰,周广胜. 生态学报. 2018(01)
[3]基于改进水云模型和Radarsat-2数据的农田土壤含水量估算[J]. 杨贵军,岳继博,李长春,冯海宽,杨浩,兰玉彬. 农业工程学报. 2016(22)
[4]基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究[J]. 曾旭婧,邢艳秋,单炜,张毅,王长青. 中国生态农业学报. 2017(01)
[5]利用北斗GEO卫星反射信号反演土壤湿度[J]. 邹文博,张波,洪学宝,杨东凯,崔兆韵. 测绘学报. 2016(02)
[6]基于Radarsat-2全极化数据的高原牧草覆盖地表土壤水分反演[J]. 谢凯鑫,张婷婷,邵芸,柴勋. 遥感技术与应用. 2016(01)
[7]基于极化雷达的裸露地表土壤水分反演研究[J]. 徐智,李彪. 长江科学院院报. 2015(11)
[8]初始含水量对土壤侵蚀的影响研究进展[J]. 胡国锋,王济,蔡雄飞,高翔,胡丰青. 贵州农业科学. 2013(05)
[9]一种弹载合成孔径雷达接收系统[J]. 殷立伟,方立军,潘永强. 数字技术与应用. 2012(06)
[10]重力侵蚀对水力土壤侵蚀过程的影响及研究现状[J]. 金鑫,宋颖,潘斌林,郑孝庆. 安徽农业科学. 2012(13)
博士论文
[1]基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 李森.中国农业科学院 2007
[2]黄河中游分布式水沙耦合模型研究[D]. 金鑫.河海大学 2007
[3]植被覆盖地表极化雷达土壤水分反演与应用研究[D]. 刘伟.中国科学院研究生院（遥感应用研究所） 2005
[4]植被覆盖地表土壤水分变化雷达探测模型和应用研究[D]. 杨虎.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]基于MODIS数据的Metric构建及加拿大马尼托巴州森林火烧迹地检测[D]. 盛世杰.南京信息工程大学 2014
[2]基于微波辐射计AMSR/E的内蒙地区土壤水分时空变化研究[D]. 王嘉楠.首都师范大学 2014
[3]基于SAR数据的稀疏植被覆盖条件下的地表土壤水分反演研究[D]. 郭曼.新疆大学 2012
[4]基于主被动微波遥感联合的土壤水分监测研究[D]. 卫炜.中国农业科学院 2012
[5]GIS技术支持下的小流域土壤侵蚀量研究[D]. 耿婵.西安科技大学 2011
[6]粗糙月面微波辐射亮温建模与计算[D]. 王丛丛.华中科技大学 2011
[7]铁路工程施工期水力侵蚀规律与预测方法研究[D]. 何鑫.北京交通大学 2008
[8]基于GIS的区域水土流失模型设计与开发[D]. 吴喆.西北大学 2007
[9]雷达遥感中地物植被的电磁散射研究[D]. 康高健.中国科学院研究生院（电子学研究所） 2007
[10]USLE和GIS在湖北省土壤侵蚀预报中的应用和研究[D]. 李玉泉.华中科技大学 2007
本文编号：3482631
本文链接：https://www.wllwen.com/kejilunwen/nykj/3482631.html
