论文部分内容阅读
土壤水分是一种重要的地表参数,其对全球气候、碳和能量循环以及整个生态系统都起着至关重要的作用。实时、准确、大面积的监测土壤水分对农业估产、灾害预测及评估、自然科学研究等领域具有很高的价值。合成孔径雷达拥有全天时、全天候观测地表的能力,不受云雨影响,在土壤水分反演的研究中拥有很高的关注度。哨兵1号SAR数据在具备较高分辨率和精度的同时对外免费开放,极大降低了开发成本,因此基于哨兵数据的土壤水分的反演研究具有很大的实用意义。本文的工作主要分为以下三个方面:(1)首先本文使用激光雷达扫描仪获取的地表三维点云数据来计算地表粗糙度参数。经实验发现,使用点云数据获取的均方根高度相较于传统的粗糙度测量板法精度提升了6.4%~10.1%。针对传统方法采集的地表二维剖面长度不够导致相关长度计算结果偏小的问题,本文提出了一种通过随机组合地表二维剖面来延长测量长度的方法,相比于传统方法,精度提升了10.2%~20.8%。精确的获取地表粗糙度有助于构建更加精准的地表散射模型。(2)结合提取到的地表粗糙度参数,利用AIEM模型构建了双极化下的半经验土壤水分反演算法。先利用水云模型结合哨兵2号光学数据获取的植被含水量去除了植被覆盖对后向散射系数的影响,得到裸土的后向散射系数集。然后使用AIEM模型建立了不同地表参数下后向散射系数的数据集,研究各地表参数对后向散射系数的影响情况。将使用模型建立的数据集与实测的地表参数相结合建立了裸土情况下后向散射系数与组合粗糙度、土壤水分的半经验模型。将其应用到研究区,并将得到的土壤水分反演值与实测数据相比较,得到整体反演精度为78.54%。(3)变化检测算法可以不依赖地表参数对土壤水分进行估算,但是它存在忽略地表粗糙度变化的缺点。本文对变化检测算法进行了改进,引入了归一化粗糙度参数的概念,通过同极化与交叉极化后向散射系数的差来消除同一地块不同时序下粗糙度变化带来的影响。结合SMAP卫星9km分辨率下的土壤水分产品,将相对含水量转化成了绝对含水量。最后将反演的土壤水分与实测数据进行比较,本文改进的变化检测算法精度可达80.67%,高于传统变化检测算法的64.24%,说明本文对变化检测算法的改进具有合理性和有效性。