论文部分内容阅读
在水文、气象和农业环境研究中，土壤水分是非常重要的参数。合成孔径雷达(Synthetic Aperture Radar，SAR)系统可以全天时、全天候获取观测区域高分辨率二维图像。利用雷达遥感获取大范围地表土壤水分信息是一种非常重要的手段，已成为遥感技术研究的热点。 裸露地表的后向散射系数主要受地表参数（地表粗糙度和土壤水分）和雷达系统参数的影响。地表参数和雷达后向散射系数之间存在着复杂的非线性关系，传统的AIEM（Advanced Integral Equation Model，改进的积分方程模型）理论模型，虽然能够正确的刻画雷达后向散射系数同地表参数之间的这种关系，但是几乎不可能从这些理论式中给出求解土壤含水量的显式解析表达式。由于反演属于“病态”问题，雷达的后向散射系数和土壤含水量之间的关系必然存在着不确定性。研究人员通过使用多入射角、多时相、多波段或者多极化雷达观测，降低不确定性，建立二者之间更为精准的关系。但是，由于测量条件有限，多入射角数据、多波段数据难以获取，目前国内的雷达数据大多为多极化的组合数据。同时，利用AIEM模型建立地表交叉极化后向散射系数的误差较大。经验模型建立的交叉极化后向散射系数又仅仅适用于某一特定研究区地表。因此，本文提出了一种利用单一波段同极化后向散射系数反演土壤含水量的经验模型。 本研究的主要研究成果包括以下几个方面: 利用Dobson模型建立了土壤含水量和复介电常数实部之间简化的经验模型。深入分析了AIEM模型的雷达后向散射系数与相关长度、均方根高度、土壤含水量、入射角之间的对应关系，建立了后向散射系数与地表参数、雷达参数之间精度较高的经验模型，发展得到新的利用HH和VV极化雷达数据反演土壤水分的经验模型。并通过L波段、S波段、C波段和X波段计算机仿真和L波段、X波段实测数据验证了该反演算法的精确度。该模型尤其适用于土壤类型和土壤粗糙度信息较为一致的地表反演土壤水分，譬如内蒙古地区荒漠化或退化草原地区。