一种基于遥感的土壤水分反演方法和装置制造方法及图纸

本发明专利技术公开了一种基于遥感的土壤水分反演方法和装置，包括以下步骤：步骤1,根据SAR影像的参数信息，反演得到SAR影像中各个像元的地表组合粗糙度；步骤2,根据入射角范围和各个像元的地表组合粗糙度这两个指标，逐像元进行分类判断选择对应的土壤水分反演半经验方程；步骤3,通过野外实测数据对各半经验方程的系数进行回归拟合，得到像元对应的经验反演方程；步骤4,得到SAR影像中各像元对应的土壤水分；本发明专利技术突破了目前常规使用单一反演方程反演所有不同区域土壤水分的方法，使得本发明专利技术适用性更广泛；另外本发明专利技术考虑了土壤有效温度和土壤质地对后向散射系数的影响，能够有效提高土壤水分的反演精度。

Method and apparatus for soil moisture inversion based on Remote Sensing

The invention discloses a method and apparatus for soil moisture inversion based on remote sensing, which comprises the following steps: 1, according to the parameter information of SAR images, retrieved all pixels in SAR image combination of surface roughness; step 2, according to the two index table combined roughness range of incidence angle and each pixel. The pixel selection to determine the classification of soil moisture inversion corresponds to the semi empirical equation; step 3, through field observation data of coefficient of regression equation and experience, experience the inversion equation of the corresponding pixel; step 4, the soil moisture of each pixel in SAR image corresponding; the invention breaks the conventional inversion using a single all the different regional soil moisture inversion equation method, the invention can be used more widely; the invention also considers the effective soil temperature and soil texture on the post The influence of scattering coefficient can effectively improve the inversion precision of soil moisture.

【技术实现步骤摘要】

本专利技术属于微波遥感
，具体涉及一种基于高分辨率SAR影像的干旱半干旱地区裸露地表的土壤水分反演方法和装置。
技术介绍
土壤水分反演一直是微波遥感的热点。在现有文献中，研究人员对如何提高土壤水分反演精度做了大量的研究。目前,用于土壤水分监测的遥感方法主要有以下几种：l、可见光一近红外遥感监测土壤水分；2、热红外遥感监测土壤水分；3、被动微波遥感监测土壤水分；4、雷达遥感监测土壤水分。现今，使用最广泛的还是雷达遥感监测土壤水分，在这方面许多国内外学者对雷达后向散射系数和土壤水分的关系进行研究,作了大量的研究工作,从土壤的混合介电模型研究，到用于研究裸露地表散射特征的正演模型,其中包括Kirehhoff模型，小扰动模型(SPM)，积分方程模型(IEM)和高级积分方程模型(AIEM)，在到用于裸露地表土壤水分反演的经验和半经验模型,其中包括Oh模型,DubioS模型和Shi模型等。这些模型都很好的反映了地表参数和雷达后向散射系数之间的关系，并且取得了很好的反演精度。但是，这些模型方法只是针对单幅影像或特定地区，得到的反演方程普适性不好，并不适用于各种入射角和不同粗糙度的情况。在大尺度区域反演情况下，SAR影像及其对应的各个反演区域情况有非常大的不同，目前各种反演方法都是试图使用单一的反演方程来反演所有情况下的区域，显然这种思路不能适应大尺度复杂区域的土壤水分反演，因此反演结果的精度受到影响。所以不同地区不同情况的SAR影像如何选择合适的反演方程，如何充分利用现有的地表参数数据，以提高反演土壤水分的精度，这些都是急需解决的问题。
技术实现思路
本专利技术所要解决的技术问题是有效克服现有技术方法中存在的缺陷，解决在大尺度区域反演情况下，如何根据不同参数指标进行分类的问题，本专利技术提供了一种基于高分辨率SAR影像的干旱半干旱地区裸露地表的土壤水分反演方法，该方法应用于中国西北干旱半干旱地区，包括以下步骤：步骤1,基于组合粗糙度半经验反演方程库和SAR影像的极化方式、不同时相和不同SAR影像入射角获取到SAR影像中各像元的地表组合粗糙度；步骤2,基于SAR影像入射角范围和SAR影像中各个像元的组合粗糙度对各像元进行分类判断，按照判断后像元所属类别从土壤水分半经验反演方程库中选取合适的反演方程；步骤3,通过SAR影像所在区域的野外实测数据对各半经验方程的系数进行回归拟合，得到SAR影像各像元对应的经验反演方程；步骤4,将各像元后向散射系数、地表组合粗糙度、土壤有效温度、土壤质地数据输入土壤水分经验反演方程，最终得到SAR影像中各像元对应的土壤水分。进一步地，步骤1中所述的根据SAR影像参数信息，获取SAR影像中各像元的地表组合粗糙度包括：当获取到的一幅SAR影像极化方式为VV和HH时，组合粗糙度的反演方程为：其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σvv和σhh是VV和HH极化后向散射系数；z1和z2是组合粗糙度半经验反演方程的系数；其中，z1和z2的计算公式为：其中，Zs′为SAR影像所在区域实测的组合粗糙度值，σ′vv为SAR影像所在区域的雷达影像VV极化后向散射系数值，σ′hh为SAR影像所在区域的雷达影像HH极化后向散射系数值；当获取到的一幅SAR影像极化方式为VV和VH时，组合粗糙度的反演方程为：其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σvv和σvh是VV和VH极化后向散射系数；z3和z4是组合粗糙度半经验反演方程的系数；其中，z3和z4的计算公式为：其中，Zs′为实测的组合粗糙度值，σ′vv为对应实测地点的雷达影像VV极化后向散射系数值，σ′vh为对应实测地点的雷达影像VH极化后向散射系数值；当获取到的一幅SAR影像极化方式为HH和HV时，组合粗糙度的反演方程为：其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σhv和σhh是HV和HH极化后向散射系数；z5和z6是组合粗糙度半经验反演方程的系数；其中，z5和z6的计算公式为：其中，Zs′为SAR影像所在区域实测的组合粗糙度值，σ′hv为SAR影像所在区域的SAR影像VV极化后向散射系数值，σ′hh为SAR影像所在区域的SAR影像VH极化后向散射系数值；当获取到的一幅SAR影像为同极化的VV或HH，再获取与所述SAR影像同一时相不同观测角度的同一区域另一幅SAR影像，组合粗糙度的反演方程为：其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σvv(θ1)和σvv(θ2)是VV极化不同入射角后向散射系数，θ1和θ2是不同的入射角度，z7,z8和z9是组合粗糙度半经验反演方程的系数；其中，z7，z8和z9的计算公式为：其中，Zs′为SAR影像所在区域实测的组合粗糙度值，σvv′(θ1)为SAR影像所在区域的SAR影像VV极化角度θ1后向散射系数值，σvv′(θ2)为SAR影像所在区域的SAR影像VV极化角度θ2后向散射系数值；当获取到的一幅SAR影像为同极化的VV或HH时，再获取与所述SAR影像不同时相、相同入射角度同一区域的另一幅SAR影像，组合粗糙度的反演方程为：其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σvv(t1)和σvv(t2)是VV极化不同时相后向散射系数，t1和t2是不同时相；z10,z11和z12是组合粗糙度半经验反演方程的系数；其中，z10，z11和z12的计算公式为：其中，Zs′为SAR影像所在区域实测的组合粗糙度值，σvv′(t1)和σvv′(t2)为SAR影像所在区域的SAR影像VV极化两个不同时相的t1和t2后向散射系数值。进一步地，步骤2所述的土壤水分半经验反演方程库包括：当5°≤θ≤10°且Zs≤0.25时，当5°≤θ≤10°且0.25<Zs≤4.5时，当10°<θ≤15°且Zs≤0.3时，当10°<θ≤15°且0.3<Zs≤5时，当15°<θ≤20°且Zs≤0.45时，当15°<θ≤20°且0.45<Zs≤5时，当20°<θ≤25°且Zs≤0.5时，当20°<θ≤25°且0.5<Zs≤5时，当25°<θ≤30°且Zs≤0.9时，当25°<θ≤30°且0.9＜Zs≤5时，当30°<θ≤35°且Zs≤0.9时，当30°<θ≤35°且0.9＜Zs≤5时，当35°<θ≤40°且Zs≤1时，当35°<θ≤40°且1<Zs≤5时，当40°<θ≤45°且Zs≤1时，当40°<θ≤45°且1<Zs≤5时，当45°<θ≤50°且Zs≤1.2时，当45°<θ≤50°且1.2<Zs≤5时，其中，σpq是后向散射系数，Mv是土壤含水量，Zs是地表组合粗糙度，θ是SAR影像入射角，ΔT是SAR影像所在区域土壤有效温度影响到的后向散射系数的增量，ΔS是SAR影像所在区域土壤质地影响到的后向散射系数的增量，a、b、c、d、m、n是土壤水分半经验反演方程的系数。其中，系数a，b由SAR影像所在区域实测的土壤含水量和雷达影像的后向散射系数值拟合得到；其中，系数c，d，m，n由SAR影像所在区域实测的本文档来自技高网...

【技术保护点】
一种构建基于遥感的土壤水分反演方法，该方法应用于中国西北干旱半干旱地区，其特征在于，包括以下步骤：步骤1,基于组合粗糙度半经验反演方程库和SAR影像的极化方式、不同时相和不同SAR影像入射角获取到SAR影像中各像元的地表组合粗糙度；步骤2,基于SAR影像入射角范围和SAR影像中各个像元的组合粗糙度对各像元进行分类判断，按照判断后像元所属类别从土壤水分半经验反演方程库中选取合适的反演方程；步骤3,通过SAR影像所在区域的野外实测数据对各半经验方程的系数进行回归拟合，得到SAR影像各像元对应的经验反演方程；步骤4,将各像元后向散射系数、地表组合粗糙度、土壤有效温度、土壤质地数据输入土壤水分经验反演方程，最终得到SAR影像中各像元对应的土壤水分。

【技术特征摘要】
1.一种构建基于遥感的土壤水分反演方法，该方法应用于中国西北干旱半干旱地区，其特征在于，包括以下步骤：步骤1,基于组合粗糙度半经验反演方程库和SAR影像的极化方式、不同时相和不同SAR影像入射角获取到SAR影像中各像元的地表组合粗糙度；步骤2,基于SAR影像入射角范围和SAR影像中各个像元的组合粗糙度对各像元进行分类判断，按照判断后像元所属类别从土壤水分半经验反演方程库中选取合适的反演方程；步骤3,通过SAR影像所在区域的野外实测数据对各半经验方程的系数进行回归拟合，得到SAR影像各像元对应的经验反演方程；步骤4,将各像元后向散射系数、地表组合粗糙度、土壤有效温度、土壤质地数据输入土壤水分经验反演方程，最终得到SAR影像中各像元对应的土壤水分。2.如权利要求1所述的构建土壤水分反演方法，其特征在于，步骤1中所述的根据SAR影像参数信息，获取SAR影像中各像元的地表组合粗糙度包括：当获取到的一幅SAR影像极化方式为VV和HH时，组合粗糙度的反演方程为：Zs=(σvv-σhhz1)z2]]>其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σvv和σhh是VV和HH极化后向散射系数；z1和z2是组合粗糙度半经验反演方程的系数；其中，z1和z2的计算公式为：Zs′=(σvv′-σhh′z1)z2]]>其中，Zs′为SAR影像所在区域实测的组合粗糙度值，σ′vv为SAR影像所在区域的雷达影像VV极化后向散射系数值，σ′hh为SAR影像所在区域的雷达影像HH极化后向散射系数值；当获取到的一幅SAR影像极化方式为VV和VH时，组合粗糙度的反演方程为：Zs=[exp(σvh-σvv-z4z3)]2]]>其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σvv和σvh是VV和VH极化后向散射系数；z3和z4是组合粗糙度半经验反演方程的系数；其中，z3和z4的计算公式为：Zs′=[exp(σvh′-σvv′-z4z3)]2]]>其中，Zs′为实测的组合粗糙度值，σ′vv为对应实测地点的雷达影像VV极化后向散射系数值，σ′vh为对应实测地点的雷达影像VH极化后向散射系数值；当获取到的一幅SAR影像极化方式为HH和HV时，组合粗糙度的反演方程为：Zs=σhv-σhh-z6z5]]>其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σhv和σhh是HV和HH极化后向散射系数；z5和z6是组合粗糙度半经验反演方程的系数；其中，z5和z6的计算公式为：Zs′=σhv′-σhh′-z6z5]]>其中，Zs′为SAR影像所在区域实测的组合粗糙度值，σ′hv为SAR影像所在区域的SAR影像VV极化后向散射系数值，σ′hh为SAR影像所在区域的SAR影像VH极化后向散射系数值；当获取到的一幅SAR影像为同极化的VV或HH，再获取与所述SAR影像同一时相不同观测角度的同一区域另一幅SAR影像，组合粗糙度的反演方程为：Zs=(σvv(θ1)-σvv(θ2)-z8z7)z9]]>其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σvv(θ1)和σvv(θ2)是VV极化不同入射角后向散射系数，θ1和θ2是不同的入射角度，z7,z8和z9是组合粗糙度半经验反演方程的系数；其中，z7，z8和z9的计算公式为：Zs′=(σvv′(θ1)-σvv′(θ2)-z8z7)z9]]>其中，Zs′为SAR影像所在区域实测的组合粗糙度值，σvv′(θ1)为SAR影像所在区域的SAR影像VV极化角度θ1后向散射系数值，σvv′(θ2)为SAR影像所在区域的SAR影像VV极化角度θ2后向散射系数值；当获取到的一幅SAR影像为同极化的VV或HH时，再获取与所述SAR影像不同时相、相同入射角度同一区域的另一幅SAR影像，组合粗糙度的反演方程为：Zs=(σvv(t1)-σvv(t2)-z11z10)z12]]>其中，Zs是地表组合粗糙度，取S为地表均方根高度，l为表面相关长度；σvv(t1)和σvv(t2)是VV极化不同时相后向散射系数，t1和t2是不同时相；z10,z11和z12是组合粗糙度半经验反演方程的系数；其中，z10，z11和z12的计算公式为：Zs′=(σvv′(t1)-σvv′(t2)-z11z10)z12]]>其中，Zs′为SAR影像所在区域实测的组合粗糙度值，σvv′(t1)和σvv′(t2)为SAR影像所在区域的SAR影像VV极化两个不同时相的t1和t2后向散射系数值。3.如权利要求1所述的构建土壤水分反演方法，其特征在于，步骤2所述的土壤水分半经验反演方程库包括：当5°≤θ≤10°且Zs≤0.25时，当5°≤θ≤10°且0.25<Zs≤4.5时，当10°<θ≤15°且Zs≤0.3时，当10°<θ≤15°且0.3<Zs≤5时，当15°<θ≤20°且Zs≤0.45时，当15°<θ≤20°且0.45<Zs≤5时，当20°<θ≤25°且Zs≤0.5时，当20°<θ≤25°且0.5<Zs≤5时，当25°<θ≤30°且Zs≤0.9时，当25°<θ≤30°且0.9＜Zs≤5时，当30°<θ≤35°且Zs≤0.9时，当30°<θ≤35°且0.9＜Zs≤5时，当35°<θ≤40°且Zs≤1时，当35°<θ≤40°且1<Zs≤5时，当40°<θ≤45°且Zs≤1时，当40°<θ≤45°且1<Zs≤5时，当45°<θ≤50°且Zs≤1.2时，当45°<θ≤50°且1.2<Zs≤5时，其中，σpq是后向散射系数，Mv是土壤含水量，Zs是地表组合粗糙度，θ是SAR影像入射角，ΔT是SAR影像所在区域土壤有效温度影响到的后向散射系数的增量，ΔS是SAR影像所在区域土壤质地影响到的后向散射系数的增量，a、b、c、d、m、n是土壤水分半经验反演方程的系数。其中，系数a，b由SAR影像所在区域实测的土壤含水量和雷达影像的后向散射系数值拟合得到；其中，系数c，d，m，n由SAR影像所在区域实测的组合粗糙度以及后向散射系数值拟合得到；其中，通过下式计算SAR影像所在区域土壤有效温度影响到的后向散射系数的增量ΔT：ΔT＝-1.888e-0.01972T-5.808e0.004134T-δ0T是SAR影像所在区域土壤有效温度，δ0是基准后向散射系数；其中，通过下式计算SAR影像所在区域土壤质地影响到的后向散射系数的增量ΔS：ΔS＝1.7402S+0.5879C-8.1088-δ0S是SAR影像所在区域土壤中的砂土含量，C是SAR影像所在区域土壤中的粘土含量，δ0是基准后向散射系数；当SAR影像极化方式为VV时，δ0＝-7.626；当SAR影像极化方式为HH时，δ0＝-7.967；当SAR影像极化方式为HV或VH时，δ0＝-44.30。4.一种基于遥感的土壤水分反演装置，该装置应用于中国西北干旱半干旱...

【专利技术属性】
技术研发人员：韩玲，陈鲁皖，秦小宝，张武，顾俊凯，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61