杨虎[1]2003年在《植被覆盖地表土壤水分变化雷达探测模型和应用研究》文中认为在许多水文和气候模型应用中，地表土壤水分含量(～5cm深度)的时空分布信息十分重要，如降雨制图，干旱模式监测，植被需水分析等。表面土壤水还可作为土壤水模型的输入参数，用以预测植被根系的土壤水分含量。(Hymer et al．，2000)。在干旱半干旱地区，监测地表土壤水分的时空变化特性对理解土壤—植被相互作用过程，提高土壤和植被的有效利用率尤为必要。目前，在要求精度范围内获取大范围地表土壤水分时空分布信息仍是一个迫切需要解决的问题。传统的测量方法，如重量法测量和时域反射计都是基于点的测量方法，需要实地操作和烦杂的后处理过程，而且无法在要求的时间精度范围内得到地表土壤水分的空间分布信息。 研究证明，星载合成孔径雷达(SAR)得到的地表后向散射系数与地表介电常数有直接相关关系，从而能够在水文模型要求的精度范围内有效提取地表土壤水分信息。但由于电磁波与地表相互作用的复杂性，雷达后向散射系数除受地表介电常数(土壤水分)影响外，还受到地表粗糙度、土壤类型、植被覆盖以及雷达入射角、频率、极化等多种因素的影响。特别是在植被覆盖地表，对其下土壤水分的监测更带有极大的困难性。因此，利用雷达后向散射系数反演土壤水分必须首先充分理解微波与地表的相互作用过程。此外，目前星载合成孔径雷达如ERS-1／2、Radarsat等均为单一频率、单一极化的雷达，无法从得到的单参数雷达后向散射系数中直接提取地表土壤水分信息。 本研究中，首先利用基于微波辐射传输方程的微波植被模型和积分方程(IEM)模型模拟了各种地表土壤水分含量情况下，植被覆盖、地表粗糙度(包括地表均方根高度和相关长度)、雷达入射角对C波段(频率4.7Ghz)水平极化(HH)雷达后向散射系数的影响，在此基础上，建立模型消除了植被覆盖、地表粗糙度、及雷达入射角对雷达后向散射的影响，利用多时相50m分辨率Radarsat ScanSAR雷达后向散射系数图像反演得到了地表土壤水分变化模式信息。通过与实测地表土壤水分含量对比，反演结果均方根误差(RMSE)为0.44。本论文研究工作取得的创新性研究成果主要有以下几方面： 1)．利用最新发展的电磁波散射模型研究了不同植被覆盖地表雷达波对地 表土壤水分的敏感性，建立了半经验植被雷达后向散射模型;2).研究发现在农作物等矮小植被覆盖地表，植被层直接后向散射与植被 类型相关，且在植被生长期，雷达后向散射系数对植被含水量的敏感 性要高于对植被高度变化的敏感性;3).解决了单参数雷达地表土壤水分反演问题中，雷达入射角和地表粗糙 度的影响这一难点问题;4).利用土壤介电模型校正了不同土壤类型对反演地表土壤体积含水量的 影响;5).在以上成果基础上，建立了完整的单参数雷达地表土壤水分变化探测 反演算法，经地表验证，模型反演地表土壤水分变化值的精度为RMSE =0 .44;6).将建立的反演模型应用于多时相50m分辨率Radarsat ScanSAR雷达 图像，得到了相应分辨率地表土壤变化值。通过对比分析，发现模型 反演得到的地表土壤水分变化信息与相应的地表降雨、植被、土壤类 型具有一定的相关性。
卫炜[2]2012年在《基于主被动微波遥感联合的土壤水分监测研究》文中认为土壤水分作为农田生态系统的重要组成部分，是农作物生长发育的基本条件，也是土壤内部化学、生物和物理过程中不可缺少的介质，影响着土壤的肥力。在农业科学研究中，土壤水分是研究农作物水分胁迫、进行旱情监测和农作物估产等的一个重要指标。因此，土壤水分监测在水循环规律研究、水资源合理利用、农田灌溉以及旱情灾害预报等领域具有重要的意义。使用遥感方法监测土壤水分具有宏观、高时效和经济性等特点，与传统的可见光和红外遥感相比较，微波遥感在估算土壤水分方面拥有非常明显的优势。主动和被动微波遥感存在优势互补的特点，二者的联合应用，特别是土壤表面有农作物覆盖的条件下，将有利于充分发挥各自的优势，简化土壤水分监测的过程和提高土壤水分估算的质量。多数情况下被动微波遥感被用来进行土壤水分绝对值的反演，而主动微波遥感常被用来进行土壤水分变化相对值的估算，这也是由它们各自的特点所决定的。无论是主动还是被动微波遥感，在估算土壤水分时都需要考虑地表粗糙度和植被覆盖的影响，并设法将这些影响加以消除。本研究在SMEX02土壤水分试验中的PALS系统观测及地面数据支持下，研究在农作物覆盖地区的主被动微波遥感联合监测土壤水分的方法。分别对基于PALS辐射计数据的被动微波遥感土壤水分反演方法和基于PALS雷达数据的主动微波遥感土壤水分变化探测法作了研究分析，在此基础上提出了基于PALS系统的主被动微波遥感联合监测土壤水分方法，并对所提出的联合监测方法在研究区进行了应用验证。本研究的主要成果包括以下几个方面：（1）利用AIEM模型针对SMEX02试验中的PALS辐射计的参数设置，通过模拟的地表辐射状况数据库，分析了在PALS辐射计的传感器参数设置及其试验区的土壤质地参数条件下，参数化的Qp半经验模型及运用该模型的土壤水分反演方法的适用性。通过结合“ωτ”模型来描述植被覆盖的影响，将在AMSR-E的C波段数据的基础上建立的参数化的Qp半经验模型及相应的土壤水分反演方法成功的应用到PALS辐射计的L波段数据上。（2）用AIEM模型按照PALS雷达的参数设置模拟了L波段（1.26GHz）时不同粗糙度条件下后向散射系数与土壤表面菲涅耳反射率的关系，发现不同粗糙度下后向散射系数与菲涅耳反射率之间都可以用一条过原点的直线来拟合，并且土壤水分变化（比值）与相应的菲涅耳反射率变化之间存在良好的线性关系。由此通过菲涅耳反射率在后向散射系数变化和土壤水分变化之间建立联系，将在全极化机载雷达（AirSAR）的L波段（1.2GHz）数据上发展而来的土壤水分变化探测方法也成功的应用于PALS雷达的L波段数据。（3）在研究和分析被动微波遥感土壤水分反演方法和主动微波遥感土壤水分变化探测法的基础上，提出了基于主被动微波遥感联合的土壤水分监测方法。通过对主被动微波遥感的联合应用，充分发挥了它们各自的优势，不需要大量获取植被含水量和地表温度等辅助数据就可以实现对农作物覆盖地区土壤水分的估算以及动态变化监测。基于主被动微波遥感联合的土壤水分监测方法不但简化了土壤水分监测的过程，而且在土壤水分估算精度上也有了一定的提高，为主被动微波遥感的联合应用提供了新的思路。
胡平香[3]2005年在《出露潮滩土壤含水量探测遥感方法初探》文中研究表明潮滩是一种低平海岸地貌,由宽阔平坦的潮间带和潮上带盐沼湿地组成,是海陆交接的重要沉积带。由于潮滩位置的特殊性,潮滩含水量的测量一直是空白。本文以江苏大丰王港附近的潮滩为研究区,通过分析实测土壤光谱反射率与其含水量的回归分析,建立了露滩土壤含水量的遥感探测模型。本研究得出以下结论: 1.由于潮滩土壤含水量随着潮水涨落而发生有规律的变化:在退潮过程中,随着退潮时间的增加,出露潮滩上某点的土壤含水量不断降低,越早出露的点,地势越高,土壤含水量越小;越晚出露的点,地势越低,土壤含水量越大。因此,潮滩含水量的测量,作为潮滩研究内容的一部分,为潮滩地形量测开辟了新途径。 2.首次使用光纤光谱仪进行土壤表面光谱反射率的测量,并通过与地物光谱仪数据的比较,了解了环境因素对地物反射率的影响; 3.采用将野外土样实验室配备土壤含水量的方法,减少了野外土样土壤含水量测量的复杂过程带来的误差。 4.对实测潮滩土壤水分与其光谱反射率进行统计分析,选择出了遥感探测潮滩土壤水分的最佳波段,即TM4波段; 5.在分析目前土壤水分遥感探测模型基础上,建立出露潮滩的土壤水分遥感探测模型:W=1028.4 R_(TM4)~2-659.4 R_(TM4)+106.18,反演影像上露滩的土壤水分。
赵东发[4]2015年在《基于IEM模型的双极化TerraSAR数据反演土壤水分》文中研究说明土壤水分是作物生长和生存的物质基础,它制约着农作物的产量、决定着地表能量向感热和潜热转化的分配比例、地表水下渗和形成地表径流的比例,还影响陆地表面植物的分布。遥感具有监测范围广、获取具有空间连续性影像等特点,在土壤水分研究中得到很高的重视。应用雷达技术反演土壤水分比较着名的模型有Oh模型、Dubois模型、Shi模型以及IEM模型。本研究中,利用IEM模型模拟不同地表参数下后向散射系数对地表参数和雷达系统参数的响应特征,揭示了雷达后向散射系数随着这些参数的变化的规律,对雷达反演地表土壤水分的理想系统参数设置进行了探讨。根据研究区域的地表特征和所获取的Terra SAR-X数据特点,利用IEM模型模拟该研究区域的地表散射特征。在此基础上主要分析了雷达后向散射系数同土壤含水率、地表粗糙度参数之间的关系,利用同极化(VV和HH)后向散射系数差来反演地表组合粗糙度参数的经验模型,基于该模型建立了利用雷达同极化后向散射系数(HH)反演地表土壤水分的经验模型。根据大柳塔矿的实测数据对反演模型的精度进行了评估。结果表明经验模型输出与实测土壤含水率的相关性在0.744。因此用模拟数据验证了反演的土壤含水率的精度,也证明了建立的经验模型的可靠性。经验模型是针对特定条件发展的,局部土壤类型空间异质性大的区域不能良好反演。
张其海[5]2013年在《SAR影像在工程地质条件分析中的信息潜力研究》文中指出近年来,铁路建设逐步向山区和边远地区延伸发展,特别是云、贵、川、藏地区。由于这些地区的海拔高、山高谷深、地形、地质条件更为复杂、有些地区地表植被覆盖度很高,严重制约了基于可见光和红外波段的遥感图像解译分析铁路工程地质信息的方法模式。微波遥感由于具有全天候、全天时、穿透云雾性以及对地物几何形态、物理介电性质、地表粗糙度敏感性、多波段多极化的散射特征等特有的的成像机理,已日益成为遥感对地观测中十分重要的前沿领域。它在地质找矿、土壤水分动态监测、洪涝灾害调查、农林土地资源调查、干旱区找水以及军事信息化对抗等方面日益显示出光阔的前景。微波独特的对地探测机理,并且适当辅以光学遥感数据源的综合利用,使得从构造角度分析判断构造节理或断裂与工程地质条件中等问题的相关联系成为可能,进而为地质选线提供一定的理论研究依据。概括说来,微波遥感主要有以下特点：(1)微波具有穿云透雾和全天时全天候工作的能力；(2)微波遥感对某些地物具有一定的穿透能力,这种特性对各种矿物质的勘察、地下水探测、地表土壤水分监测等地下资源探测具有重要意义；(3)微波的波长适于海面动态情况的观测,微波遥感可以测得一定深度海水的温度和盐度等信息。鉴此,本研究通过选取西南高植被覆盖地区,特别是一些密林地区,利用微波的分米(如SAR-L波段)波良好的穿透能力,分析其穿透一定深度的植被覆盖层而反映出植被层以下局部地质地貌信息,并从构造角度分析判断构造节理或断裂与工程地质中相关问题的联系,综合评估利用多源遥感数据复合,从而为改善宏观地质条件信息探测效果提供一定的先验知识。
尹楠[6]2014年在《基于全极化雷达影像反演垄行结构土壤湿度》文中提出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之一。土壤湿度不仅影响土壤理化特性与植被生长，更直接影响了粮食的质量和产量，严重制约着农牧业的发展。全球水资源的空间分布与耕地的分布尤为矛盾，40%的耕地面积位于干旱区，直接影响到全球10亿人口的生计。因此，土壤湿度的动态监测对干旱预警以及作物估产具有重要的意义。传统的基于点测量的方法很难对土壤湿度进行宏观的动态监测，通过遥感的可见光-近红外，热红外和微波波段监测土壤湿度已有近50年的历史。微波波段可以穿透云雾和一定深度的土壤，是能够定量化反演土壤湿度的最佳波段。被动微波法的空间尺度过大，不适宜农业领域的研究，本文选择主动微波法。主动微波法反演土壤湿度的基本原理是，雷达的回波强度主要受到土壤介电常数和表面粗糙度的影响，而土壤水分是影响土壤介电常数最主要的因素，以此来建立回波强度和土壤湿度的定量关系。起垄耕种的方式在全球都是普遍采用的，这种周期性地表是随机地表的一种特殊形式。目前常用的土壤湿度反演模型对周期性地表的适用性较差。中国北方的旱田作物（如玉米、大豆、高粱等）绝大多数都是采用起垄的耕种方式。本文研究区位于吉林省公主岭市境内，在松辽平原的东部，以种植玉米、大豆等旱田作物为主。本文分析了周期性地表散射的机理，模拟了雷达参数、地表参数和垄行结构参数对不同极化后向散射系数的影响，结合实测采样数据和全极化RADARSAT-2雷达影像数据，深入开展了基于主动微波法提取周期性地表土壤湿度的研究，并取得了如下创新性研究成果：1、周期性随机地表与平坦随机地表之间的根本区别在于，当雷达脉冲入射到周期性地表时，通过周期性改变局地入射角的值而改变回波的强度。在不同方位角（即垄向与脉冲入射方向的夹角）状态下，模拟局地入射角在一个周期内的变化，分析后向散射系数对方位角的响应规律。证明在同极化模式下，后向散射系数在方位角为90o（观测方向垂直于垄向）时出现最大值，在方位角为0o或180o（观测方向平行于垄向）时出现最小值，而交叉极化对方位角的响应不敏感。2、在不同极化方式下，模拟波长、入射角、垄高、垄距、土壤湿度、表面粗糙度对后向散射系数的影响。研究发现，波长越短，土壤湿度和表面粗糙度越大，后向散射系数越大，这个规律不会因为周期性地表而改变。在HH极化模式下，随着土壤湿度的增大，M值（方位角为90o与0o的后向散射系数的差值，用来衡量后向散射系数对方位角的敏感程度）缓慢变大然后趋于饱和；随着粗糙度的增加，M值迅速降低并趋于饱和；随着波长的增加，M值缓慢增加并趋于饱和。VV极化对方位角的敏感性则不受波长、土壤湿度和粗糙度的影响。方位角响应函数的形态在不同入射角和A/T参数（1/2的垄高与垄距的比值）下是不同的，通常可用正弦函数或一元二次函数进行模拟。而且在不同入射角下，M值对A/T的响应规律也不同。无论参数如何变化，不同极化对方位角的敏感性始终满足：HH>VV>VH。3、当波长为5.55cm（C波段），入射角为45o时，在不同极化方式和不同土壤参数状态下，模拟150个采样点的后向散射系数。研究发现，垄高（或A/T的值）在一定范围内变化时，不影响后向散射系数的整体分布规律，此时可忽略垄高变化的影响。因此，去除方位角的影响是解决周期性地表土壤湿度反演的关键。根据平均土壤参数计算方位角响应曲线，发现采样点到响应曲线的距离只与土壤湿度和粗糙度有关，以此建立差值距离和比值距离参数，去除了方位角的影响。在实际应用中，地表参数平均值往往未知，研究表明对采样点分布规律进行拟合的曲线可替代方位角响应曲线。4、基于RADARSAT-2全极化雷达数据，随机提取影像上303个采样点，分析不同极化模式下，后向散射系数对方位角的响应函数。实测的响应规律与理论模拟的规律基本一致。选取50个实测采样点中的34个点进行建模，另外16个点作为检验点。在不同极化模式下，建立特征参数与土壤湿度和粗糙度的定量关系，通过其中两种极化方式的方程进行联立可以消去粗糙度参数，获取土壤湿度的反演模型。然而此模型的精度甚至不及单极化线性模型的精度。本文通过直接模拟土壤湿度和其中两个特征参数的定量关系，粗糙度参数不参与拟合，模型的精度得到了明显提高。5、研究发现，当雷达入射方向垂直或近似垂直于垄向时，地块易出现异常高亮度值，即相干散射亮斑。前面建立的经验模型对散射亮斑区域的反演明显是不适用的。本文通过雷达实测值和Oh模型模拟的随机地表后向散射系数，建立了周期性地表与平坦随机地表之间的同极化误差函数。误差函数修正后的交叉极化比q一定程度上去除了方位角的影响，但未去除相干散射亮斑的影响；修正后的同极化比p同时去除了方位角和相干散射亮斑的影响。最终选取同极化比和交叉极化后向散射系数与土壤参数的关系式，利用LUT表搜索法求解土壤湿度，反演结果去除了相干散射亮斑的影响。6、提出了通过修正后Oh模型和经验模型联合反演土壤湿度的方法。Oh模型对相干散射亮斑区域的反演具有明显的优势，但由于Oh模型受到参数取值范围的限制，尤其对湿度较大地块的反演精度较差，而经验模型适用的地表参数范围更宽。16个检验点反演值与实测值误差的平均值是0.0220cm3/cm3，相关系数为0.9706，均方根误差为0.0258cm3/cm3。4个位于相干散射亮斑区域的检验点与其他12个检验点的反演精度无明显差异。证明了本文提出的经验模型与Oh模型联合反演垄行结构土壤湿度的方法是有效和可靠的。
张卫国[7]2004年在《沙漠地区被动微波遥感研究——以塔克拉玛干沙漠为例》文中研究说明对于微波遥感来说，研究沙漠地区至少有叁方面的意义：1)沙漠地区面积广大，地表无植被，可以作为星载微波辐射计天然的定标场；2)沙漠地区的微波遥感问题，不仅涉及到大气和地表辐射，更需要考虑微波穿透性的影响，本质上是浅表层遥感问题，因而它是各种辐射模型的天然试验场；3)拓展微波遥感的应用领域。此外，沙漠中频繁发生的沙尘暴、大风等对微波的影响，也是微波遥感研究的热点。 以往对沙漠地区的微波遥感研究数量较少，还不系统。在“973”项目“地球表面时空多变要素的定量遥感理论及应用”和“复杂自然环境时空定量信息获取与融合处理的理论与应用”以及中国科学院重大创新项目“地物微波辐射特性研究”的支持下，本文利用星载微波辐射计数据系统的以塔克拉玛干沙漠为例研究了沙漠地区的被动微波遥感问题，涉及微波辐射特性的时空分布，地表要素反演，地表要素分布以及沙漠地区的浅表层遥感等。 在相关课题的支持下，本文还进行了主被动微波遥感之间的关系研究。以往的研究表明，综合利用微波散射辐射特性能够帮助人们选择决定反演参量的观测参数、提高反演精度和加深对地表面与微波辐射之间交互作用的机理的理解。但未引起足够重视。本文利用统一基础的微波辐射散射模型，对主被动微波遥感之间的关系进行了深入研究。 具体来说，本文有以下工作和结论： 1)详细描述了目前广泛使用的几种随机粗糙面微波散射的模型，包括几何光学模型、物理光学模型、微扰模型和积分方程模型。通过与实测数据的对比分析和理论分析，表明各种模型在其适用范围内能够与实测数据符合。积分方程模型具有更宽的适用范围。 通过利用IEM模型模拟了C波段(5.3GHz)，入射角为40°，地表粗糙度服从高斯分布时，两种不同土壤水分条件下(介电常数分别为36.0—j0.1，4.3-j1.2)下均方根高度从0.1～7.0，相关长度从0.5～17.0的后向散射系数和发射率。分析所建立的数据库后，得出在0.2＜均方根高度＜1.7，均方根坡度＜0.2和2.0＜均方根高度＜4.0，0.2＜均方根坡度＜0.4两种情况下后向散射系数与反射率之比与土中国科学院遥感应用研究所博卜学位论文壤粗糙度的关系。模拟结果同时表明，这一关系与土壤水分含量无关。利用导出的主被动微波遥感之间的关系，可望由后向散射系数计算发射率，并使用经验、半经验模型来反演地表参量，这也为反演地表参量提供了一种新的思路。 2)利用sMMR数据对塔克拉玛干沙漠微波辐射的时空分布研究发现，在大部分时间里，沙漠腹地的亮温低于沙漠边缘，亮温图仍然呈现很稳定的环状结构，东北和西南角明显高于腹地。这可能是受到微波辐射采样深度的影响。在一年的大部分时间里，SMMRV极化的观测亮温在塔克拉玛干沙漠都较为均一，标准差在ZK以下，H极化较V极化略微离散，标准差在2K以下或2K左右。在夏季，由于由降水、多云等因素的影响，离散程度较高，V极化可达10K，H极化可达16K。 从时间变化上，亮温分别上半年和下半年有较好的对称性。SMMR各频率的V极化亮温彼此之间相差不大，但H极化则随着地温升高和由冬季转向夏季，高频亮温高于低频亮温且差距逐渐扩大。塔克拉玛干沙漠的微波亮温随时间呈规律性变化，模拟了这种时间变化，取得了较好的模拟效果。 3)以辐射传输方程为正演模型，用带边界条件的Levenberg一Marquardt方法进行了塔克拉玛干沙漠地区地表要素的反演研究，这些地表要素包括地表温度，下垫面介电常数(含水量)、粗糙度和大气水汽含量等。利用沙漠腹地塔中站和沙漠周边20个气象站的气象和气候资料对反演结果进行了验证，反演的温度精度在2K以内。 4)根据对塔克拉玛干沙漠地表温度的反演算法，重建了1980、1981、1983、1984和1985年该地区冬季的地表温度序列。在此基础上分析了塔克拉玛干沙漠冬季地温的空间分布规律。塔克拉玛干沙漠冬季地温分布较为均一，较为明显的是边缘带温度低于沙漠腹地，从边缘向腹地推进，地表温度呈环状上升。沙漠内地温的频度分布为近似正态分布。 5)给出了我国自行研制发射的52一IV微波辐射计的全球观测亮温图。在对该数据整理分析的基础上，认为在塔克拉玛于上空，SZ一IV微波辐射计的表现是稳定的。通过统计回归分析，证明该辐射计23V、19H和6V通道亮温的线性组合与地面温度有很好的相关关系。 6)对塔克拉玛干沙漠冬季低频亮温高于高频亮温或十分接近高频亮温的现象提出了一种新的解释。结合对塔克拉玛干沙漠微波辐射特性的时空分布研究，根据SMMR数据在塔中点的观测和SZ一工V在塔克拉玛干沙漠的观测，高频亮温在夏季高于低频，且差距最大。由夏季转入冬季的过程中，这种差距逐渐减小。随着观测角的不同，在冬季低频亮温与高频亮温接近甚至高于高频。这是由于低频采样深度深，冬季深层地温高于表层地温和积雪散射效应的综合影响造成的。如果仅仅从此前积雪的散射效应考虑，则不能很好解释SMMR数据从冬季到夏季高中国科学院遥感应用研究所博士学位论文频亮温与低频亮温的差距逐渐加大以及SZ一IV观测到的即使没有积雪，低频也能高于?
肖婷[8]2010年在《ENVISAT ASAR在入侵植物叶面积指数反演中的应用研究》文中研究表明本文以上海市崇明东滩湿地为研究区域,选择研究区内的入侵植物互花米草和本地植物芦苇为研究对象,探讨分析雷达数据ENVISAT ASAR (ENVISAT Dual-polarization Advanced Synthetic Aperture Radar)在反演入侵植物叶面积指数中的应用。首先以2005年ENVISAT ASAR影像为例,构建了雷达影像后向散射系数与互花米草和芦苇叶面积指数之间的两类反演模型,一是经验统计函数模型,二是基于后向传播算法的人工神经网络模型；然后利用影像后向散射系数值与实测的植物叶面积指数值解算反演模型的参数,对统计函数模型采用曲线拟合的方法,而对神经网络模型,使用一部分叶面积指数值采样数据训练网络,使用另外的叶面积指数值采样数据验证网络,验证比较两类模型在HH和VV两种不同的极化模式下的反演精度,分析得到反演效果最佳的模型和方法；最后利用最佳的反演模型和方法预测估算2004年和2005年两年份整个研究区域内研究植物的叶面积指数值。本文通过比较分析在ENVISAT ASAR影像HH和VV两种极化模式下,在使用未经滤波处理的后向散射系数图像或使用经过斑点噪声滤波处理过的后向散射系数图像情况下,由经验统计模型和神经网络模型反演入侵植物叶面积指数,评价反演精度,得出了以下结论：(1)在同一极化模式下,同时使用不经滤波处理或同时使用经过滤波处理的后向散射系数图像反演互花米草和芦苇叶面积指数时,统计反演模型中,模型Ⅲ：y=ax3+bx2+cx+d比模型Ⅰ：y=exp(ax+b)和模型Ⅱ：y=ax2+bx+c反演的效果都好；而使用神经网络反演模型又比使用模型Ⅲ反演效果要好。(2)在同一极化模式下,运用同一种模型反演互花米草和芦苇叶面积指数时,使用经过斑点噪声滤波处理的后向散射系数图像进行反演比使用不经过滤波处理的后向散射系数图像进行反演的效果表现出显着优越性。(3)采用未经过滤波处理的后向散射系数图像由统计反演模型Ⅲ进行反演时,在HH极化模式下的反演与在VV极化模式下的反演效果差异不大；而采用未经过滤波处理的后向散射系数图像由神经网络模型进行反演时,在HH极化模式下的反演和在VV极化模式下的反演差异较大,且在HH极化模式下使用神经网络模型的反演效果明显比在VV极化模式下使用神经网络模型的反演效果好。(4)采用经过滤波处理的后向散射系数图像由统计反演模型Ⅲ进行反演时,在HH极化模式下的反演与在VV极化模式下的反演效果差异不大；然而,采用经过滤波处理的后向散射系数图像由神经网络模型进行反演时,在HH极化模式下的反演和在VV极化模式下的反演有所差别,其中,对互花米草叶面积指数的反演中,HH极化模式下使用神经网络模型反演效果稍好,而对芦苇叶面积指数的反演中,在VV情况下使用神经网络模型反演效果稍好。由反演结果还可以看出,在HH极化模式下和在VV极化模式下,采用经滤波处理的后向散射系数图像由基于后向传播算法的人工神经网络模型反演互花米草和芦苇叶面积指数的相关系数分别达到0.7147、0.7096和0.7087、0.7113,表明了采用ASAR双极化数据获得后向散射系数反演植物叶面积指数是可靠和可行的。
参考文献：
[1]. 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
[2]. 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
[3]. 出露潮滩土壤含水量探测遥感方法初探[D]. 胡平香. 南京师范大学. 2005
[4]. 基于IEM模型的双极化TerraSAR数据反演土壤水分[D]. 赵东发. 中国矿业大学. 2015
[5]. SAR影像在工程地质条件分析中的信息潜力研究[D]. 张其海. 西南交通大学. 2013
[6]. 基于全极化雷达影像反演垄行结构土壤湿度[D]. 尹楠. 吉林大学. 2014
[7]. 沙漠地区被动微波遥感研究——以塔克拉玛干沙漠为例[D]. 张卫国. 中国科学院研究生院（遥感应用研究所）. 2004
[8]. ENVISAT ASAR在入侵植物叶面积指数反演中的应用研究[D]. 肖婷. 上海师范大学. 2010
标签：自然地理学和测绘学论文; 农业基础科学论文; 农艺学论文; 粗糙度论文; 土壤水分传感器论文; 雷达论文; 土壤湿度论文; 微波辐射论文; 植被指数论文; 气象雷达论文; 土壤结构论文; 微波遥感论文; 极化曲线论文; 后向散射论文; 遥感影像论文; 科普论文;