• / 12
  • 下载费用:1 下载币  

卫星遥感反演土壤水分研究综述_陈书林

关 键 词:
卫星 遥感 反演 土壤 水分 研究 综述 书林
资源描述:
第 27 卷 第 11 期2012 年 11 月地球科学进展N 7 1, 2012陈书林 , 刘元波 , 温作民 . 卫星遥感反演土壤水分研究综述 [ J] . 地球科学进展 , 2012, 27( 11) : 1 19203.[ of An J] . 2012, 27( 11) : 1 19203.]卫星遥感反演土壤水分研究综述*陈书林1, 2, 刘元波2*, 温作民1( 1. 南京林业大学经济管理学院 , 江苏 南京 210037;2. 中国科学院南京地理与湖泊研究所 , 江苏 南京 210008)摘 要 : 土壤水分是影响地表过程的核心变量之一 。精准地测量土壤水分及其时空分布 , 长期以来是定量遥感研究领域的难点问题 。简要回顾基于光学 、被动微波 、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法 、存在的难点和前沿性研究问题 , 介绍了应用土壤水分反演算法所形成的 3 种主要全球土壤水分数据集 , 包括欧洲气象业务卫星 ( 数据集 、高级微波扫描辐射计 ( 数据集 、土壤湿度与海洋盐分卫星 ( 数据集 , 并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势 。关 键 词 : 土壤水分反演算法 ; 光学遥感 ; 微波遥感 ; 多传感器联合反演 ; 全球数据集中图分类号 : 文献标志码 : A 文章编号 : 10012012) 11 言土壤水分是指土壤非饱和层 ( 也称其为渗流层 ) 的水分含量 。在气候系统中 , 土壤水分是一个关键因子 , 它决定着植被的蒸散发及光合作用 , 它是水循环 、能量循环和生物地球化学循环中的基本组成部分 , 在降水 、径流 、下渗 、蒸散发水文过程中起着至关重要的作用[ 1]。土壤水分能反映农业干旱程度 , 在农业灌溉管理中能起到指导作用 。土壤时域频域反射仪 ( 作为一种运用时域反射原理测定土壤含水量的仪器 , 被广泛应用于土壤水分的区域性监测中 。但是由于 陆地上分布不均 , 所以很难通过这种手段准确获得大区域和全球性的土壤水分 。卫星遥感技术的发展为区域尺度的土壤水分信息的获取提供了有效手段 。基于卫星遥感技术对土壤水分的时空分布进行精准测量 , 是近 40 年来定量遥感研究的难点问题之一 。按遥感测量手段的不同可分为光学遥感 、主动微波 、被动微波 3 类 , 3 类各有所长 ( 表 1) 。光学遥感主要利用土壤表面光谱反射特性 、土壤表面发射率及表面温度来估算土壤水分 , 其空间分辨率高 , 可供选择的卫星传感器多 , 并可提供高光谱数据 。被动微波利用土壤微波辐射与土壤水分强相关的特性 , 用微波辐射计对土壤本身的微波发射或亮度温度进行测量 , 进而反演出土壤水分 , 可以穿透植被 , 探测到地表 5 右深度 , 且能全天候测量 。主动微波建立雷达后向散射系数与土壤介电常数的关系 , 进而反演出土壤水分 , 其空间分辨率高 ,能穿透植被 , 到达地表 5 右深度 , 且能全天候测量 。近几十年来 , 人们针对各类传感器研发的土壤水分反演算法已达上百种 , 既有经验型算法[ 2 ~4], 半* 收稿日期 : 2012修回日期 : 2012 基金项目 : 国家重点基础研究发展计划项目 “长江中游通江湖泊江湖关系演变及环境生态效应与调控 ”( 编号 : 2012; 国家引进国际先进农业科学技术计划项目 “森林生态系统适应性管理模式与技术标准引进 ”( 编号 : 2009; 南京林业大学科技创新基金项目 “基于遥感的森林植被水文效应监测模型研究 ”( 编号 : 163060077) 资助 .作者简介 : 陈书林 ( 1981-) , 男 , 江苏泰兴人 , 讲师 , 主要从事土壤水分遥感反演研究 . 63. 通讯作者 : 刘元波 ( 1969-) , 男 , 山东济宁人 , 研究员 , 主要从事水文遥感研究 . 遥感反演土壤水分技术的优缺点 of 点 缺点光学遥感 高空间分辨率 ; 刈幅宽度大 ; 卫星传感器多 ; 高光谱传感器 最小的地表穿透深度 ( 1 ; 受云 、大气 、植被的影响明显 ; 时间分辨率较低被动微波 刈幅宽度大 ; 土壤微波辐射与土壤水分强相关 ; 探测到地表深度5 壤水分 ; 对云和大气不敏感受到植被和地表粗糙度的影响 ; 空间分辨率低( ~30 动微波 高空间分辨率 ; 多卫星传感器 ; 雷达后向散射系数与土壤水分强相关 ; 地表穿透深度 5 对云和大气不敏感时间分辨率较低 ; 受到植被和地表粗糙度的影响经验型算法[ 5 ~7], 也有基于物理原理的算法[ 8 ~10],既有基于单一传感器的算法[ 11 ~13], 也有多传感器联合反演算法[ 14 ~16]。本文将从光学遥感 、被动微波 、主动微波 、多传感器联合反演 4 个角度简要回顾星载土壤水分反演算法的主要类别与研究进展 , 介绍应用土壤水分反演算法所形成的全球土壤水分数据集 , 展望卫星土壤水分反演研究的发展前景 。2 星载传感器的土壤水分反演算法根据不同的传感器类型 , 目前已有的各类卫星遥感反演土壤水分算法分为光学遥感 、被动微波 、主动微波以及多传感器联合反演 4 种类型 。下面简要介绍各类型的主要土壤水分反演算法 。2.1 光学遥感反演土壤水分算法光学方法主要利用土壤表面光谱反射特性 、土壤表面发射率或表面温度来估算土壤水分 。光学方法主要有 2 类 : 基于指数的方法和基于土壤热惯量的方法 。2.1.1 基于指数的方法利用干燥土壤的反射率较高 , 而同类的湿润土壤在各波段的反射率相应下降的原理 。晏明等[ 17]利用距平植被指数反演土壤干旱状况 。距平植被指数在一定程度上可以减少太阳高度角 、大气状态和非星下点观测带来的误差 , 资料的时间系列越长 , 植被指数平均值的代表性就越好 , 距平植被指数监测旱情在时间上有一定滞后 。冯强等[ 18]利用植被状态指数 ( 反演土壤水分状况 。以反映出归一化植被指数 ( 因气候变化的影响而产生的变化 , 可以消除或减弱地理位置或生态系统 、土壤条件的不同而对 影响 , 可以反映作物缺水的情况 , 表达出大范围干旱状况 , 尤其适合制作中低纬 ( ≤50°) 地区的干旱分布图 。[ 19]研究表明 地表温度和地表土壤水分含量有明显的相关关系 , 地表温度和 散点图上呈现三角[ 20]或梯形[ 21]形状 , 由此国内外学者利用温度植被干旱指数 ( 12, 13], 土壤湿度指数 ( 22]、地形校正的温度植被湿度指数 ( 23]来反演土壤水分状况 。詹志明等[ 11]利用经过大气校正的 遥感影像近红外 ( 、红光 ( 波段反射率 ,建立 谱特征空间 , 发现地表土壤水分在征空间的分布规律 , 并建立了一个基于谱空间特征的土壤水分监测模型 ———垂直干旱指数 ( 。杜晓[ 24]通过分析水的吸收曲线及 据的第 6, 7 波段的分布特点 , 考虑农作物和土壤的混合差异 , 提出了土壤水分含量指数( 。水的吸收对植被和土壤反射率波谱的综合影响入手 , 直接获取其地表水分含量指标 , 对提高浅层土壤墒情的精度效果较好 。张红卫[ 25]在 数的基础之上 , 结合 数构建农田浅层土壤湿度指数 ( , 在一定程度减少了由于植被覆盖变化而引起的土壤水分监测精度的不稳定 。植物冠部温度与植物对水分的提取有关 , 作物缺水指数 ( 是由植物叶冠表面温度 以及太阳净辐射值计算出的 , 实质上反映出植物蒸腾与最大可能蒸发的比值 。因此 , 以一定程度上反映植物根系范围内土壤水分的信息 , 作为作物对水分提取的一个指标 ,隋洪智等[ 26]将 实测的土壤水分之间建立经验关系 , 并用此法计算河南 72 个县的土壤水分 ,平均估算精度 80%左右 。2.1.2 基于土壤热惯量的方法土壤热惯量与土壤水分间存在着密切的关系 ,土壤含水量的细微变化 , 热惯量均有响应 。余涛等[ 27]研究表明土壤含水量与其热惯量之间存在着良好的线性关系 。热惯量法在范围较小 、类型较单一的土壤旱情监测中具有较高的精度[ 28], 该方法一3911第 11 期 陈书林等 : 卫星遥感反演土壤水分研究综述般用于裸土或者植被覆盖较低的区域 。为提高热惯量法的应用范围 , 研究人员通过建立多层热惯量模型 , 考虑地物光照面和阴影的表面温度差信息 , 建立了土壤水分含量的遥感反演模型 , 利用多角度遥感信息提取土壤水分 , 进行旱情监测研究 , 取得了一定的应用效果[ 29]。光学方法多建立各种指数与土壤水分之间的经验关系 , 基于蒸散模型的方法比较复杂 , 需要输入的参数较多 , 获取困难 。这些方法属于间接反演土壤水分的方法 , 其应用有一定的局限性 。此外 , 光学遥感只能测量地表 1 反射和发射 , 它不能穿透云层以及植被冠层 , 受天气条件和植被的影响大 , 同时发射反射能量在大气中有衰减效应 。2.2 被动微波反演土壤水分算法国内外很多学者致力于被动微波反演土壤水分的研究 。在微波波段 , 土壤的比辐射率从湿土的 0.6( 30%体积土壤湿度 ) 到干土的 0. 95( 8% 体积土壤湿度 ) 之间变化[ 30], 利于土壤湿度的反演 。被动微波监测土壤水分 , 主要依赖于用微波辐射计对土壤本身的微波发射或亮度温度进行测量 。土壤的亮度温度除了受地表土壤水分的影响之外还受到植被 、雪覆盖 、地形以及地表粗糙度[ 31]等的影响 。被动微波反演土壤水分方法根据反演参数的个数可分为 2类 : 单值反演和多值反演 。2.2.1 单值反演算法单值反演算法反演值为土壤水分 。[ 2]通过对裸露地表微波发射率的研究发现 , 裸露地表土壤水分与微波发射率存在简单的线性相关关系 ,即 。在线性方程中微波发射率常用 s, 代替 。因此 , 土壤水分可通过该线性方程反演得到 。对于植被覆盖区 , [ 32]提出用植被指数定量化植被的影响 , 植被指数可以是微波遥感植被指数 ( 如 ) , 也可以是光学遥感植被指数 ( 如 ) 。在大多数研究中引入前期降水指数 ( 和微波极化差指数( 等土壤湿度和植被生物量的指示因子 , 建立观测亮温和这些指数之间的线性关系[ 31]。34]利用 τ型描述植被的影响 , 利用 提出的 H 参数描述土壤粗糙度 , 利用 提出的经验模型描述土壤纹理信息 , 从而反演出土壤水分 。通过在若干个研究区域进行验证 , 该模型能精确反演 0 ~ 5 度地表土壤水分 。[ 35]利 用 植 被 指 数 ( 37) 描述植被光学厚度 τ, 利用 τ型 ( ω =0) 模拟亮度温度 利用气象数据或气象模型得到地表温度 从而反演出土壤水分 。该方法在夜间反演精度较高 , 但白天精度有所降低 。2.2.2 多值反演算法多值反演算法在反演土壤水分的同时 , 能反演出其他参数 。[ 36]利用多极化多角度被动微波数据提出了双参数反演方法 。该方法利用 1.4 、C 波段 ( 5. 05 以及 36. 5 植被体积 /植被层体积 , 单位 m3/。[ 37]利用高频率数据 ( 23. 6, 36. 5, 90 演了稀疏农作物地区土壤水分和植被冠层温度 ,结果表明 , 在稀疏植被覆盖区高频率数据反演土壤水分是可行的 , 但在浓密植被覆盖区 , 仅仅利用该频率数据很难进行有效反演 。[ 38]提出了一种双极化方法 , 利用 τ型反演出了土壤水分和 H 极化植被透射率 , 反演出的土壤水分与地面实测数据的均方根误差下降到 1. 2%。[ 33]基于 经网络的误差传播学习方法 ( ,输入节点是测量的亮度温度值 , 输出节点是土壤水分 ( m3/以及植被水分含量 ( kg/。利用法国农业科学研究院的阿维尼翁实验点 1993 年和 1996年的实测数据对 出结果进行验证 , 土壤水分的平均误差为 4% 体积含水量 , 植被水分含量平均误差为 0.4 kg/[ 39]利用六通道数据 ( 6. 9, 10. 7, 18. 7极化微波亮度温度 ) 反演出了土壤水分 、地表温度以及植被水分含量数据 , 假设所有通道的噪声值均为 0.3 K, 该算法在植被含水量小于 1. 5 kg/ 土壤水分和植被含水量的反演精度分别可以达到 0.06 g/.15 kg/算法在半干旱地区可以达到预期的精度 , 能较好地反演出土壤水分以及植被和地面温度的变化 。该算法是 球土壤水分数据集的标准算法 。40]利用 L 波段多角度数据 , 通过 τ型反演出了土壤水分 、地表温度和植被光学厚度数据 , 反演出的土壤水分的误差小于 0. 04 m3/算法是球土壤水分数据集的标准算法 。随着 新型传感器数据的深入利用 , 被动微波遥感反演土壤水分的算法已经有了一个很大的发展 , 算法从早期的经验统计算法逐渐过渡到以半经验半理论为主 , 并向理论算法方向发展 。然而 , 要发展实用的基于全球尺度的土壤水4911 地球科学进展 第 27 卷分反演算法 , 目前还有一段距离 , 如何消除植被覆盖以及地表粗糙度对反演的影响仍是当前研究的难点和热点 。另外微波辐射计的低频 、低空间分辨率也极大影响到数据的有效利用 。2.3 主动微波反演土壤水分算法主动微波遥感是利用雷达发射微波波束 , 经地物反射后 , 接收地物反射回来的信号 , 来分析地物的特性 。低频波段雷达后向散射系数对土壤水分高度敏感 , 而在高频波段雷达后向散射系数对植被敏感 ,L 波段反演土壤水分能取得较好的效果 , C 波段也被很多研究人员所采用 。主动微波反演算法可分为3 类 : 经验模型 、物理模型和半经验模型 。2.3.1 经验模型经验模型多是通过实际观测值建立其后向散射系数与一定土壤深度的土壤含水量线性回归关系 。[ 3]利用热带测雨卫星的测雨雷达 ( 数据反演土壤水分 , 对于裸露地表或低植被覆盖地表 , 直接建立雷达后向散射系数与土壤水分的经验方程 , 而对于中高植被覆盖地表 , 建立雷达后向散射系数与土壤水分和 的经验方程 。研究表明 , 该方法适用于裸露地表及低植被覆盖地表 , 反演绝对误差小于 8%, 而中高植被覆盖地表 ( 作物或森林 ) , 反演精度将会下降 , 绝对误差大于 10%。此外 , 根据不同的实验建立了后向散射系数与土壤水分的非线性模型 , 相比简单的线性模型 , 这些模型有较高的反演精度 。[ 4]建立了 L, C 和 X 波段不同入射角雷达后向散射系数与土壤介电常数 、地表均方根高度 、地表相关长度试验数据之间的经验模型 , 结合多极化雷达数据 , 可用来反演地表均方根高度和土壤水分含量 。[ 41]利用 和的地面散射计测量数据 , 建立了一个用σ00该模型在入射角大于 30°, 于 0.4, k =2 π/λ 为自由空间波数 , λ 为波长 , h 为地表均方根高度 ) 小于 2. 5, 土壤体积含水量小于 35%时能取得较高的精度 , 反演均方根误差小于 4.2%。2.3.2 物理模型标准的后向散射理论模型为基尔霍夫模型 , 包括几何光学模型 ( 、物理光学模型 ( 和小扰动模型 ( 42]。用于非常粗糙的表面 , 用于中等粗糙度的表面 , 用于较为平滑的表面[ 43]。[ 9]统一了基尔霍夫模型和小扰动模型 , 提出积分方程模型 ( , 该模型是基于电磁波辐射传输方程的地表散射模型 , 能在一个很宽的地表粗糙度范围内再现真实地表后向散射情况 , 可用于反演微波土壤水分 。很多研究发现 ,型即使在植被覆盖地区也能取得很好的反演结果 , [ 44]利用 极化多频率数据 , 通过 型反演了土壤水分 , 反演结果平均误差为 3. 4%。基于 许多算法被提出用于反演裸露地表和稀疏植被地表土壤水分 , 这些算法包括查找表 45]、神经网络[ 46]、贝叶斯方法[ 10]、内尔德 —米德最小化方法[ 47]。[ 48]比较了贝叶斯 、神经网络以及内尔德 —米德最小化方法 , 发现它们均能得到满意的结果 , 其中内尔德 —米德最小化方法的反演值稍许高估 。[ 49]同样也比较了这 3 种方法 , 发现它们的反演值和地表实测值很接近 , 其中神经网络在精确度和计算效率上优势明显 。近年来 , 型经过不断改进和完善 , 发展成为高级积分方程模型 ( , 使模型模拟结果和精度得到不断提高 。王树果等[ 50]使用 正向模型 , 利用 3 景时序接近的 像对黑河中游临泽草地试验区地表参数进行了多通道的反演 , 获得了像元尺度上的粗糙度分布状况 , 土壤水分反演均方根误差 <6%。在植被覆盖地表 , 植被层对微波后向散射贡献的大小是影响地表土壤水分敏感性的重要因素 , [ 51]提出了密歇根微波植被散射模型 ( 。该模型是基于微波辐射传输方程一阶解的植被散射模型 , 是目前应用最为广泛的研究微波植被散射特性的理论模型 。2.3.3 半经验模型针对农作物等矮小植被覆盖地表条件下的雷达地表土壤水分探测 , 一些研究人员针对不同植被覆盖类型和覆盖度 , 提出了一些植被模型并得到了不同的结论 。通过研究农作物覆盖地表植被后向散射特性 , [ 52]以农作物为研究对象在 1978 年就提出了估算农作物覆盖地表土壤水分的 “水 —云 ”模型 。[ 5]通过 波段数据 , 利用 “水 —云 ”模型反演了农田的作物高度 、地表粗糙度 、作物水分含量 、土壤水分 , 反演结果平均相对误差分别为 19%, 10%, 25. 5% 和 32%。依据 通过数字模拟不同表面粗糙度和土壤体积含水量条件下表面后向散射特性 , [ 6]建立了 L 波段不同极化组合后向散射系数与介电常数和地表粗糙度功率谱之间的相关关系 。型是针对裸露地表条件建立的 , 但同时也适用于稀疏到5911第 11 期 陈书林等 : 卫星遥感反演土壤水分研究综述中等密度的地表植被覆盖条件 , 反演出的土壤水分均方根误差为 3. 4%[ 6]。[ 7]将 型应用于农作物覆盖地表 , 得到了一个半经验植被覆盖地表雷达后向散射前向模型 , 模型模拟结果表明 , 对大豆覆盖地表来说 L 波段 化和 C 波段化雷达波对地表土壤水分最敏感 , 通过 L 波段 化 , C 波段 化和 化 , 反演出的土壤水分的均方根误差为 1.75%。主动微波雷达 , 特别是合成孔径雷达 能提供高空间分辨率数据 ( 10 ~ 100 m) , 但是雷达信号对地表的几何结构高度敏感 。考虑到地表粗糙度的影响 , 研究者们提出了很多模型 , 但这些模型均需要地面校正 , 目前还没有一个能被广泛应用的满足水文学应用需求的雷达后向散射模型[ 53]。雷达测量还受到植被的影响 , 很多模型只适用于裸露或稀疏植被地表 。这些问题既是主动微波反演算法的难点 , 也是目前的前沿研究问题 。2.4 多传感器联合反演土壤水分算法大量的对比研究发现 , 在反演土壤水分方面 , 主动微波算法的精度要高于光学算法以及被动微波算法 , 但对地表粗糙度和植被敏感 。光学传感器具有较高的空间分辨率和时间分辨率 , 在监测土壤水分连续变化方面光学算法具有更大的优势 , 但受到天气条件的局限 , 并只能得到土壤水分的相对值 。被动微波传感器具有较高的时间分辨率 , 像 提供每天的土壤水分数据 , 且对地表粗糙度和植被的敏感度没有主动微波算法高 , 但空间分辨率低 ( ~ 40 。结合光学算法 、被动微波算法和主动微波算法可以弥补单一传感器算法存在的不足 。2.4.1 主动被动微波数据联合反演算法许多研究表明 , 主动被动联合反演土壤水分能取得非常好的效果[ 54], 这些研究中的主动和被动传感器都来自于同一传感器平台 , 从而获得同一地区同一时间的主动和被动微波数据 。但由于频率 、极化方式以及入射角等参数的原因 , 这种方式并不一定适合所有情况的土壤水分反演 , 有时需要来自不同传感器平台的主动和被动微波数据[ 55]。对于裸露地表及稀疏植被覆盖地表 , 赵天杰等[ 16]利用据建立地表粗糙度计算模型 , 并构建 经网络 , 使其与机载辐射计观测亮温相结合 , 共同反演裸露地表的土壤水分 。地面同步测量数据的验证结果表明 , 该方法充分发挥了主被动微波数据各自的优势 , 同时避免了主被动协同过程中的尺度问题 , 为流域尺度的土壤水分监测提供了一种新的有效途径 。[ 56]结合 星的多角度高时间分辨率的风散射计 ( 和高空间分辨率的 据反演了低植被覆盖地表土壤水分 ,把 向散射信号看做植被和裸露土壤后向散射信号的加权平均值 , 对植被散射部分通过 据定量反演 , 从 射信号中去除植被散射部分 , 然后通过 型反演土壤水分 , 其结果与地表实测数据高度相关 ( 0. 8) , 均方根误差小于4%。研究发现 , L 波段多极化雷达后向散射系数与土壤体积含水量的关系接近线性关系 , [ 57]构建了该线性关系 , 并利用机载被动和主动微波 L 波段系统 ( 数据反演出土壤水分 , 结合观测系统模拟实验 ( 2002 年 4 月 1 日至 7 月 31 日的合成数据 , 得出反演均方根误差为 0. 015 ~ 0. 02 于植被覆盖地表 , O'[ 58]利用 L 波段雷达数据通过植被散射模型计算出植被透射率和散射值 , 然后利用 L 波段 波辐射计的被动微波数据 , 将计算出的植被透射率和散射值通过辐射传输模型反演玉米田的土壤水分 , 反演结果平均绝对误差为 0.02 .4.2 主动微波与光学遥感联合反演算法许多研究致力于联合主动微波 据和光学遥感数据反演土壤水分[ 3]。[ 59]利用 据基于 出了一个半经验的后向散射模型 , 并且利用半经验植被模型和M 和 据削减了植被的影响 , 反演出的土壤水分和地面实测值变化比的均方根误差为 1.14。周鹏等[ 60]在光学影像数据的基础上 , 利用归一化差分水分指数 ( 确定研究区的植被含水量 , 应用多极化星载雷达数据结合微波散射的水 —云模型 , 从总的后向散射系数中分离植被散射和吸收的贡献 , 得到裸土的后向散射系数 , 并建立与土壤重量含水量之间的关系 , 从而对干旱区绿洲植被覆盖地表土壤水分的估算进行研究 。结果表明利用 C 波段 化雷达影像数据结合光学影像数据 , 进行干旱半干旱地区棉花 、玉米等农作物种植区地表土壤水分反演时 , 在中等覆盖条件下去除植被影响有较好的效果 。余凡等[ 14]提出一种 M 数据协同反演植被覆盖土壤水分的半经验耦合模型 , 该模型在微波模型的基础上 , 对描述植被层散射的关键参数 用 学模型来反演 , 实现了微波和光学模型的耦合 。经实测数据验证表明 , 新耦合模型较 型单独反演6911 地球科学进展 第 27 卷结果有明显提高 , 反演值与实测值之间的平均相对误差从 22. 7% 减小到 10. 4%, 均方根误差从 0. 068g/.031 g/.4.3 被动微波与光学遥感联合反演算法被动微波反演土壤水分空间分辨率为数十公里级 , 很多研究致力于联合光学遥感数据和被动微波数据反演出更高空间分辨率的土壤水分数据 。[ 61]提出了一种算法来模拟 动微波土壤水分数据和 演的土壤蒸发之间的非线性关系 , 研究表明 , 动微波土壤水分数据和土壤蒸发间的相关系数达到 0. 9, 均方根误差为0.012 .。[ 62]联合 动微波数据 、据和 加拿大西北部麦肯齐河盆地北部的亚大巴斯卡河三角洲的土壤湿度进行反演 。反演出的湿度指数和观测到的降水之间的相关系数 2003 年为 0. 7, 2002 年为 0. 69。63]首先利用简化的辐射传输模型从 数据中反演出美国俄克拉荷马州南部大平原 ( 1997年 6 ~7 月空间分辨率为 25 土壤水分 , 然后从据中反演出空间分辨率为 1 表反照率以及地表温度 , 并建立 25 壤水分数据和 1 表反照率 、地表温度的三角关系 , 从而利用 表反照率 、地表温度得到空间分辨率为 1 土壤水分 , 误差小于 5%, 在裸露光滑地表 , 误差会更小 。2.4.4 三者联合反演算法同时结合光学遥感数据 、被动微波数据和主动微波数据能充分发挥三者的优势 , 许多研究也致力于三者的联合反演研究[ 15]。反演土壤水分针对 64]结合 L 波段微波辐射计亮度温度数据 、 波段多极化 向散射系数数据以及据 , 反演出了具有高空间分辨率的土壤水分 , 和地面实测土壤水分数据的均方根误差为4.8% ~7. 4%。李震等[ 15]建立了一个半经验公式模型 , 用来计算体散射项 , 综合时间序列的主动和被动微波数据 , 消除植被覆盖的影响 , 估算地表土壤水分的变化状况 , 应用 1997 年美国 7 综合实验中的机载 800 m 分辨率辐射计数据计算表面反射系数 , 综合 据得到体散射项 , 然后 , 由 算得到的 加权分配 50 m 分辨率的体散射项 , 最后计算50 m 分辨率的表面反射系数的变化值 , 从而得到土壤水分的变化情况 , 验证数据表明该计算结果与实测值一致 。3 土壤水分全球数据集在全球变化背景和强烈的社会需求推动下 , 人们综合各种反演方法的特性来克服仪器观测的局限性 , 通过扬长避短制作了多种土壤水分全球性数据集 。主要的土壤水分全球数据集有欧洲遥感卫星 /气象业务化卫星 ( 土壤水分数据集 、高级微波扫描辐射计 ( 土壤水分数据集 、土壤湿度与海洋盐分卫星 ( 土壤水分数据集( 表 2) 。表 2 全球土壤水分数据集 段 深度 空间分辨率 时段 波段 2 5 991.07 至今段 、X 波段5 5 002.06 ~2011.09 波段 5 0 009.11 至今3.1 壤水分数据集欧洲遥感卫星 是由欧洲太空局研制的 。 1991 年 7 月 17 日发射 , 其搭载了 1个成像合成孔径雷达 、1 个雷达测高计以及其他设备用以观测陆地 、海洋表面温度 、风等数据 , 995 年 4 月 21 日发射 , 其在 基础上又添加了 1 个观测大气臭氧层的传感器 。 上载有 C 波段 ( 5. 3 垂直极化主动散射计 , 其 3个天线沿卫星飞行方向分别成前向 45°和后向 45°,其轨道高度为 780 于一个计算机和回转仪控制故障 , 2000 年 3 月停止使用 。2011 年7 月 , 役 。气象业务化卫星 欧洲气象卫星组织( 极地轨道卫星系统 ( 的基础 ,欧洲第一个极地轨道运行气象卫星系统 。统包括 3 颗 星及其地面系统 , 设计寿命为最少 14 年 。第一颗 星 ( 2006 年 10 月 19 日发射 , 轨道高度为 817 级微波散射计 其搭载的传感器中的一个 ,是 微波散射计的后继传感器 。球粗空间分辨率土壤水分数据是从搭载在 ( 1991—2011 年 ) 以及 2006—2020 年 ) 上的微波散射计所测得的 5. 3 后向散射系数中反演得来 , 提供了7911第 11 期 陈书林等 : 卫星遥感反演土壤水分研究综述从 1991 年至今空间分辨率为 25 ~50 土壤水分数据 。反演模型为 型 , 该模型反演算法采用 [ 65]提出的算法 , 该算法关注于土壤水分的变化反演而不是土壤水分含量的绝对值反演 。壤水分数据集包括 2 种类型的数据集 : 土壤水分数据集和 土壤水分数据集 。 土壤水分数据集提供了卫星过境时刻土壤表层 ( < 2 土壤水分含量数据 。土壤水分数据的值域为 0 ~ 1, 0 代表土壤水分含量为0, 1 代表土壤水分呈饱和状态 。 土壤水分数据集也被称为土壤水分指数 ( , 其利用 数据 , 辅助以其他数据源数据 , 通过模型反演得出 , 其提供了不同时间和空间分辨率的土壤剖面水分数据 。国内外许多研究人员对 壤水分数据集进行了验证 。[ 53]利用萨拉曼卡大学布置在西班牙杜罗河流域的 23 个土壤水分测量站 ( 2 ~8 数据验证了该数据集 , 结果表明该数据集的均方根误差为 0.09 m3/[ 66]利用法国西南部空间分辨率为 1 土壤水分数据对 40 40 域该数据集进行了验证 , 均方根误差为 0.06 m3/[ 67]利用美国 9土壤水分实测数据对该数据集进行了验证 , 均方根误差为 0.06 m3/.2 壤水分数据集高级微波扫描辐射计 感器是由日本国家空间开发署 ( 设计开发并搭载在 星上 , 于 2002 年 5 月 4 日发射升空 , 其提供了 6.925, 10.65, 18. 7, 23. 8, 36. 5, 89. 0 种频率 , 水平极化 、垂直极化 2 种极化方式共 12 个通道的地表微波辐射亮度温度值 , 入射角为 55°, 轨道高度为 705 1 天 2 次通过赤道 , 升轨模式时间为 13: 30, 降轨模式时间为 1: 30。重访频率对于水文应用来说很重要 , 访频率可达每 2天 1 次 , 甚至更高 , 这取决于研究区域的纬度分布 。在纬度大于 55°的地区每天至少重访 1 次 , 随着纬度的降低 , 重访次数降低 , 赤道地区每 2 天重访1 次[ 68]。戈达德太空飞行中心和阿姆斯特丹自由大学的科研人员利用 频率微波亮度温度数据 ,通过陆地参数反演模型 ( 反演出了全球土壤水分数据[ 69]。型假设植被冠层和土壤温度均一分布 , 植被性质相同 , 冠层温度等于土壤温度 , 地表粗糙度影响小 , H 极化和 V 极化方式下植被冠层性质相同[ 70]。表 3 列举了 型在反演过程中用到的一些模型 。反演出的全球土壤水分数据集提供了 2002 年 6 月 19 日至 2011 年 10 月 3日空间分辨率为 25 C 波段和 X 波段 2 类全球土壤水分数据 。由于 感器天线旋转故障 , 从 2011 年 10 月以后无法得到 壤水分数据 。国内外许多学者通过各种手段对 壤表 3 型与 型参数对比 ( 基于文献 [ 70] 修改 ) 70])模型参数 体应用模型 体应用模型土壤复介电模型 1980 et , 1985冠层 τo, et , 1982 et , 1982
展开阅读全文
  石油文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:卫星遥感反演土壤水分研究综述_陈书林
链接地址:http://www.oilwenku.com/p-63930.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2016-2020 石油文库网站版权所有
经营许可证编号:川B2-20120048,ICP备案号:蜀ICP备11026253号-10号
收起
展开