[发明专利]一种全极化SAR数据土壤含水量反演方法

说明书

技术领域

本发明涉及微波遥感领域，主要涉及的是一种全极化SAR数据土壤含水量反演方法

背景技术

高分辨率的合成孔径雷达(SAR)数据在农作物监测方面有着重要的应用，可用于监测作物的长势、产量及土壤湿度。土壤湿度作为气候与环境干旱化的指示因子，是全球变化研究中的重要监测内容；同时，作为植物生长的基本条件，是旱情监测、农作物估产等方面的重要指标。土壤湿度的传统测量方法都是基于点的测量，测量结果具有时空的不连续性，不利于大范围估计及动态监测。SAR凭借其对土壤湿度高敏感性，能够弥补传统测量方法的不足，成为土壤湿度监测的新方法和手段。国内外学者通过其发展了基于后向散射模型的反演算法以及基于目标分解的极化信息算法。半经验水云模型因其简易性，被广泛应用在植被覆盖区域的散射模型建模中。水云模型将总后向散射系数简化为植被体散射项及经植被双程透过作用衰减的土壤散射项两个部分，忽略多重散射的影响。目前应用于裸露地表的散射模型主要由理论模型——积分方程模型(IEM)、改进的积分方程模型(AIEM)以及经验-半经验模型——Oh模型、Dubois模型及Shi模型等。在植被覆盖区域进行土壤水分反演时，校正地表植被对后向散射的影响十分重要，前人提出了MIMICS模型、水云模型等植被覆盖模型，在实际农作物覆盖区域，植被冠层与茎秆部分无明显区别，运用水云模型更为合适。

本发明涉及一种利用Radarsat-2数据探究获取土壤湿度的方法。Radarsat-2数据具备多时相、多频率、多角度和多极化的多维度信息，使得解决土壤湿度估算中存在的“病态反演”问题成为可能。本发明通过建立同极化相关系数(ρ_vvhh)与植被高度之间的关系，Λ_vh与植被含水量及植被高度的关系，结合Oh模型及水云模型并进行参数化，最后利用参数化后的水云模型及Oh模型进行土壤含水量参数的反演。

发明内容

本发明提出了一种全极化SAR数据土壤含水量反演方法，该方法的步骤如下：

(1)对全极化C波段卫星数据进行预处理，提取四个通道、不同极化后向散射散射系数σ_vv、σ_hh、σ_hv和σ_vh，以及同极化相关系数ρ_vvhh；

(2)获取地表均方根高度s的值；

(3)根据

以及

计算得到土壤含水量Ms。

在上述公式中，b由所有地面采集参数(包括土壤水分Ms、地表粗糙度s、WC、h)和系统参数(波长、入射角)代入到总散射公式：

拟合得到。

其中所述拟合方法为：设A和b的变化范围为－1.0～1.0，变化步长为0.00001，求模拟的后向散射系数与实测后向散射系数最小值时的A和b，即为拟合结果A和b的值，即：

本发明的有益的效果是：利用Radarsat-2全极化数据与同期实地测得的外业数据，结合Oh模型和水云模型，建立半经验模型关系反演土壤含水量；仅利用一景全极化雷达数据就可以反演出植被覆盖区土壤含水量Ms的值，而不需要借助光学数据。模型参数化后对散射信息表达较好；反演模型对植被信息和含水量信息获取效果较好。

附图说明

图1为开展算法验证的全极化SAR数据及地面采样点。

图2为同极化相关系数与植被高度的关系。

图3为HV极化绝对值与植被高度的关系。

图4为交叉极化绝对值和植被高度比值与植被含水量和高度乘积的关系。

图5为HH极化实测值与HH极化模拟值的关系。

图6为HV极化实测值与HV极化模拟值的关系。

图7为VV极化实测值与VV极化模拟值的关系。

图8为植被高度h实测值与植被高度的模拟值的关系。

图9为植被含水量实测值与植被含水量模拟值的关系。

图10为土壤含水量Ms与土壤含水量Ms模拟值的关系。

具体实施方式

散射模型

在随机粗糙度表面，裸土地表的后向散射系数可利用半经验模型进行表征。