像元尺度有效粗糙度的土壤水分微波遥感反演算法研究
2020-07-22王锐欣陈鲁皖赵淑鲜杨家辉
江西测绘 2020年1期
王锐欣 陈鲁皖 赵淑鲜 杨家辉
(南昌工程学院水利与生态工程学院 江西南昌 330099)
1 引言
在微波遥感反演土壤水分的研究中,由于地表粗糙度对电磁波反射具有显著影响,地表粗糙度成为影响后向散射的重要因素[1]。
利用SAR 影像进行地表粗糙度的反演通常可以使用理论、经验或半经验模型,许多从事微波遥感定量反演的科研人员针对不同的地表类型对现有模型进行了优化改进。如张露、林国青等基于SAR 数据提出了适合干旱区地表粗糙度反演的经验模型[2],王学、刘全明等采用BP 神经网络和LMBP 神经网络方法建立了地表粗糙度定量遥感模型[3],但改进后的模型仍然依赖于地表粗糙度的实测值。因此,Lievens 等[1]提出了有效粗糙度的方法来避免粗糙度的测量误差,即用有效相关长度代替相关长度(l)的实测值,并将总结出的C 波段下精度反演结果最好的均方根高度值(s)作为最佳取值,认为C 波段下所有土壤水分反演实验都可以选用这个最佳取值。而陈鲁皖等[4]通过对中国甘肃省黑河地区ASAR影像进行实验,发现对于不同地表类型与植被覆盖的区域,最佳s 取值不同。
为解决地表差异性和观测尺度不匹配的问题,本文提出了一种基于像元的有效组合粗糙度反演算法。首先利用查找表法(look-up tables, LUT)在给定的s 和l 取值范围内进行逐像元反演,获取采样点像元的最佳有效粗糙度;然后,将采样点的最佳有效s和l 代替粗糙度实测值构建有效组合粗糙度,对有效组合粗糙度、土壤水分实测值和后向散射系数的实测值进行多元回归计算,构建基于有效组合粗糙度的土壤水分反演经验方程。……
登录APP查看全文
